英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
自动微组装过程中基于视觉追踪的微部件自动重新定向
|
Henry K. Chu Department of Mechanical and Industrial Engineering, University of Toronto, 5 Kingrsquo;s College Road, Toronto, Ontario, Canada M5S 3G8 chu@mie.utoronto.ca |
James K. Mills Department of Mechanical and Industrial Engineering, University of Toronto, 5 Kingrsquo;s College Road, Toronto, Ontario, Canada M5S 3G8 mills@mie.utoronto.ca |
William L. Cleghorn Department of Mechanical and Industrial Engineering, University of Toronto, 5 Kingrsquo;s College Road, Toronto, Ontario, Canada M5S 3G8 cleghrn@mie.utoronto.ca |
摘要
微组装过程通常涉及复杂微尺寸物体的操纵和抓取。这些微小物体在转移到组装工作站时，通常最初会在平面上进行随机定位。为了便于抓手抓住它们，部件的方向必须进行纠正。视觉监控反馈技术通常用来辅助重新定位和操作。然而，由于用于微组装的成像系统视野非常有限，目标微物体在重定向过程期间可能不会保留在可视区域之内。
本文提出了一种集成控制算法，用于将微物体自动旋转到平面中所需的方向进行抓取。这种新颖的算法结合了动态跟踪技术，以防目标微观物体在重新定向过程中向可视区域外移动。当微物体旋转以校正其方向时，该算法将评估所需的平移输入以保持微物体处在可视范围之内。为了将由于反馈控制引起的延迟最小化，该算法采用卡尔曼滤波估计原理来在下一个采样间隔处，对物体运动进行跟踪和预测。通过一组使用内部微操作器的微组装操作对所提出的算法进行了实验评估。实验结果表明，所提出的跟踪算法能够跟踪目标微部件，并且将其维持在指定位置处，误差在 /- 15个像素以内。
介绍
微组装技术已广泛应用于不同邻域的微尺寸结构、工具和设备的生产与开发之中。经过多年的发展，微组装技术的能力已经扩展到能以经济有效的方式操纵和组装复杂的三维微型装置。例如，许多研究小组已经通过微组装技术实现了MEMS器件的制造，包括光学器件中的微反射镜[1]，电子学中的微线圈[2]以及汽车应用中的微距传感器[3]。
基于许多与宏观领域中拾取和放置组件相似的原理，微组装技术利用高精度机器人操纵器来操纵和组装微尺寸组件。为了便于处理和操纵微观组件，通常使用视觉监视系统来为机器人操纵器提供视觉反馈。一般来说，视觉监控系统由CCD相机和高倍放大镜组成。视觉监控系统的摄像头可以配置为“手持眼式”结构或“眼对手”结构[4]。 在 “手眼式”结构中，视觉相机安装在机械手的末端执行器上。相机在整个操作过程中与末端执行器一起移动，因此末端执行器始终保持在视野内。Nelson等人提出的操纵器 [5]就是使用了这种结构。相反，“眼对手”结构中，相机被安装在机器人控制器外部的固定支架上。在操作或组装过程中,操纵器的末端执行器被带入相机视野。配备这种视觉系统结构的机器人操纵器包括[6]，[7]和[8]中介绍的作品。实际上，每种结构都有自己的优势。例如，前者具有探索末端执行器可访问的整个工作空间的能力，而后者具有提供工作空间和微尺寸组件的全景视图的优势[4]。
目前，部件对齐仍然是微组装中的一大研究热点。 为了处理几何形状较为复杂的微物体，微物体必须在操纵之前适当地定向。到现在为止，许多微组装过程继续使用人工操作员手动定位微物体。目前工作的目标是开发一种集成算法，以自动将目标微物体（以下称为微部件）与微组装过程中的预期方向对准。
此次研究中选用“眼对手”的相机结构，因为它能够为零件对准过程提供微部件的全景视图。微型抓手安装在机器人操纵器的末端执行器上，而微型部件放置在操作器的可移动工作台上。在微组装操作之前，调整视觉系统以捕获图1（a）中所示的微型抓手和微部件的图像。由于微部件最初放置在工作台上，因此这些微部件可能按随机方向进行放置，并且可能无法正确定向以使微型抓手抓住它们。因此，在操作之前，工作站上的夹具或微部件必须进行重新定向。此次研究中，通过旋转工作台来对微部件重新定向。
为了使微部件与视觉系统精确对准，安装一个高倍率透镜来放大微组装过程中要组装的部件。但是，随着镜头放大倍率的增加，可从视觉系统捕获的工作区视野显著减小。在重新定位过程中，由于视觉系统的视场有限以及受到部件在镜头系统下面重新定位时的动作（如图1（b） 所示）的影响，微部件可能不会保留在可视区域内。为了防止微部件从可视区域移开，本文提出了一种可以对微部件进行自动重新定向的集成控制算法，该算法同时也能够维持视场区域。 这种新颖的算法结合了动态跟踪技术来监测重新定位过程中微部件的位移。随着微部件旋转以校正其方向，算法将评估所需的平移输入并将其应用于工作台，以便将微部件保持在视觉系统的视场内。
当通过视觉反馈将常规的查看和移动跟踪算法用于工作台时，可以观察到有显著的延迟。为了抑制跟踪延迟，许多研究人员开发了不同的控制算法，以将微观组件保持在视野的中心或特定点处。例如，Shibata等人[9]提出使用线性插值来估计目标物体的速度。获得的速度信息由当前对象的坐标和摄像机视图中心坐标之间的比例增益反馈组成，此信息会被添加到控制器中。 Corke等人[10]提出使用卡尔曼滤波来估计物体的速度，随后使用PD视觉反馈控制器。Tsai等人 [11]提出使用输出扰动前馈控制器和单位增益反馈控制器来减少跟踪延迟的影响。
此次研究中所提出的算法采用卡尔曼滤波估计原理来跟踪和预测微组件的运动。与Corke等人在[10]中讨论的算法相反，本文提出的算法在计算卡尔曼滤波的测量输入时未使用电机编码器，从而简化了机器人操纵器及其控制器的设计。所提出的算法利用在当前时间帧和上一时间帧处获得的输入来预测下一时间帧的输入。
本文分为五个部分。 第一部分总结了这项研究的意义和与本研究相关的背景资料。 第二部分描述了图像中微部件运动与操纵器运动之间的关系。第三部分给出控制算法。第四部分描述了所进行的实验和相应的结果。最后一部分总结了从这项研究中获得的成果。
图1：（a）照相机下的微型抓手和微部件;（b）在重新定位过程中，微部件落在视图之外
模型
在这项研究中使用的机械手的视觉相机以“手对眼式”结构进行上。在实验之前，微部件被放置在机械手的工作台中处在相机视场内的一个位置上。通过工作台上步进电机的x轴和y轴直接控制微部件的位置。 微部件的位置坐标（x，y）用机器人坐标系来表示。 当微部件处在相机视野中时，其在图像坐标系中的坐标表示为（u，v）。 为了将微部件从（u，v） 移动到图像坐标系中的（u#39;，v#39;），需要将图像坐标系映射到机器人坐标系中。图2所示的原理图说明了两个坐标系的布局。在映射两个坐标系之后，微部件图像坐标系中移动（Delta;u，Delta;v），工作台电机所需的位置输入（Delta;x，Delta;y）被表示为：
（1）
其中:Delta;x是操纵器在机器人坐标系中x方向上的位移
Delta;y是操纵器在机器人坐标系中y方向上的位移
delta;是CCD相机的像素间距
m是视觉系统的整体放大倍数
Delta;u是微部件在图像坐标系中x方向上位移
Delta;v是微部件在图像坐标系中x方向上位移
等式（1）仅适用于图像坐标系与机器人坐标系正交对齐的情况。当两个坐标系之间存在偏移角度theta;时，等式中必须加上旋转矩阵，因此等式变为[12]：
(2)
(3)
图2：机器人操纵器上两个坐标系的示意图
在这项研究中使用的CCD相机的像素间距为6.7mu;m， 视觉系统的整体放大倍数m为17.3。角度偏移值可以通过实验测量，但是，从其视觉图像测量这个角度是有问题的。 在这项工作中，不是直接测量角度，而是简单地通过两组数据点来评估整个矩阵M。 首先将一个物体置于相机下面，并将图像坐标系中的相应坐标记录为参考点。 为了获得第一个数据点，操作器被命令在x方向移动，以像素为单位记录物体坐标的变化。类似地，对于第二个数据点，命令操纵器沿y方向移动并记录新的对象坐标。 用这两组数据和操纵器输入可以得出矩阵的值M为[0.387 0.012]。 根据这个矩阵的值，计算出角度偏移量为大约2ordm;。
控制算法
移动微部件的检测
为了从图像中识别微部件，这项工作采用了模式匹配技术。模式匹配的原理是对整个图像进行完整扫描，从中寻找目标模式。以微部件的图像作为该方案的模板图案。 在扫描过程中，逐步扫描图像中的一小部分区域，直到扫描完整个图像。图像中与模板的相关性最高的区域确定为微部件的位置。
为了评估这种相关性，通常采用平方差求和[11]和归一化互相关[13]等方法。在图像模板在连续图像帧中不会发生显着变化的假设下，这些理论建立能够检测出移动物体[11]。 但是，这项工作中,微部件的方向会在追踪过程中不断变化。因此，选择了一种鲁棒性更大的方法，即在 LabVIEW中提供的LMAQ模式搜索[14]。 使用这种方法时，即使搜索的角度方向与提供的模板不同，也能够识别和检测对象。使用LMAQ搜索的结果，可以获得图像坐标系中微部件的坐标以及其相对于模板的方向。
连续帧下微部件的位移
在微部件的重新定向过程中，工作台发生转动。由于偏心旋转，微部件可能移出照相机的视场。为了在旋转过程中保持微部件的图像静止，必须评估由于偏心旋转而产生的两个连续图像帧之间微部件的附加位移（du，dv）。由于微部件要与工作台一起以圆形路径旋转，因此这种附加位移呈现正弦波形（如图3所示）。这个位移的大小可以使用公式4来估算，它的大小取决于微部件的径向距离r和相对于工作台中心的角度Phi;。r和Phi;的值最初可以用硬件测量，但测量误差和噪声会降低跟踪性能。因此，目前的工作采用了更准确的方法：利用视觉图像来测量增加的位移（du，dv）。
图3：由偏心旋转引起的微部件位移
（4）
对于没有应用位移校正的情况，时间k与k-1之间的附加位移（du，dv）仅由工作台的旋转运动而产生。 因此，（du，dv）等于（uk ，vk ）和（uk-1，vk-1）的差。另一方面，对于采用位移校正的情况，必须考虑用于使微部件回到期望位置的平面平移。实际添加的位移是偏心旋转运动和来自工作台的平面平移运动的总和。例如，在时刻k-1，假设微部件移动（ uk-1，vk-1）的位移。微部件从时间k-1
全文共11539字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[12522]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
