本文針對(duì)智能制造領(lǐng)域機(jī)器人視覺(jué)感知中的三維視覺(jué)成像技術(shù)進(jìn)行綜述,系統(tǒng)地總結(jié)了一些有代表性的機(jī)器人視覺(jué)成像方法的特點(diǎn)和實(shí)際應(yīng)用中的局限性,內(nèi)容涉及飛行時(shí)間三維成像、點(diǎn)線掃描三維成像、色散共焦成像、結(jié)構(gòu)光投影三維成像、光學(xué)偏折成像、單目與多目立體視覺(jué)三維成像和光場(chǎng)成像等。繪制了各種視覺(jué)成像的圖譜,并探討了機(jī)器人手眼系統(tǒng)最佳三維成像方法。

在工業(yè)4.0時(shí)代，國(guó)家智能制造高速發(fā)展，傳統(tǒng)的編程來(lái)執(zhí)行某一動(dòng)作的機(jī)器人已經(jīng)難以滿足現(xiàn)今的自動(dòng)化需求。在很多應(yīng)用場(chǎng)景下，需要為工業(yè)機(jī)器人安裝一雙眼睛，即機(jī)器人視覺(jué)成像感知系統(tǒng)，使機(jī)器人具備識(shí)別、分析、處理等更高級(jí)的功能，可以正確對(duì)目標(biāo)場(chǎng)景的狀態(tài)進(jìn)行判斷與分析，做到靈活地自行解決發(fā)生的問(wèn)題。



一、機(jī)器視覺(jué)系統(tǒng)組成

典型的機(jī)器視覺(jué)系統(tǒng)可以分為：圖像采集部分、圖像處理部分和運(yùn)動(dòng)控制部分。基于PC的視覺(jué)系統(tǒng)具體由如圖1所示的幾部分組成：

圖1 機(jī)器視覺(jué)系統(tǒng)組成

①工業(yè)相機(jī)與工業(yè)鏡頭——這部分屬于成像器件，通常的視覺(jué)系統(tǒng)都是由一套或者多套這樣的成像系統(tǒng)組成，如果有多路相機(jī)，可能由圖像卡切換來(lái)獲取圖像數(shù)據(jù)，也可能由同步控制同時(shí)獲取多相機(jī)通道的數(shù)據(jù)。根據(jù)應(yīng)用的需要相機(jī)可能是輸出標(biāo)準(zhǔn)的單色視頻（RS-170/CCIR）、復(fù)合信號(hào)（Y/C）、RGB信號(hào)，也可能是非標(biāo)準(zhǔn)的逐行掃描信號(hào)、線掃描信號(hào)、高分辨率信號(hào)等。

②光源——作為輔助成像器件，對(duì)成像質(zhì)量的好壞往往能起到至關(guān)重要的作用，各種形狀的LED燈、高頻熒光燈、光纖鹵素?zé)舻榷既菀椎玫健?br />
③傳感器——通常以光纖開(kāi)關(guān)、接近開(kāi)關(guān)等的形式出現(xiàn)，用以判斷被測(cè)對(duì)象的位置和狀態(tài)，告知圖像傳感器進(jìn)行正確的采集。

④圖像采集卡——通常以插入卡的形式安裝在PC中，圖像采集卡的主要工作是把相機(jī)輸出的圖像輸送給電腦主機(jī)。它將來(lái)自相機(jī)的模擬或數(shù)字信號(hào)轉(zhuǎn)換成一定格式的圖像數(shù)據(jù)流，同時(shí)它可以控制相機(jī)的一些參數(shù)，比如觸發(fā)信號(hào)，曝光/積分時(shí)間，快門速度等。圖像采集卡通常有不同的硬件結(jié)構(gòu)以針對(duì)不同類型的相機(jī)，同時(shí)也有不同的總線形式，比如PCI、PCI64、Compact PCI，PC104，ISA等。

⑤PC平臺(tái)——電腦是一個(gè)PC式視覺(jué)系統(tǒng)的核心，在這里完成圖像數(shù)據(jù)的處理和絕大部分的控制邏輯，對(duì)于檢測(cè)類型的應(yīng)用，通常都需要較高頻率的CPU，這樣可以減少處理的時(shí)間。同時(shí)，為了減少工業(yè)現(xiàn)場(chǎng)電磁、振動(dòng)、灰塵、溫度等的干擾，必須選擇工業(yè)級(jí)的電腦。

⑥視覺(jué)處理軟件——機(jī)器視覺(jué)軟件用來(lái)完成輸入的圖像數(shù)據(jù)的處理，然后通過(guò)一定的運(yùn)算得出結(jié)果，這個(gè)輸出的結(jié)果可能是PASS/FAIL信號(hào)、坐標(biāo)位置、字符串等。常見(jiàn)的機(jī)器視覺(jué)軟件以C/C++圖像庫(kù)，ActiveX控件，圖形式編程環(huán)境等形式出現(xiàn)，可以是專用功能的（比如僅僅用于LCD檢測(cè)，BGA檢測(cè)，模版對(duì)準(zhǔn)等），也可以是通用目的的（包括定位、測(cè)量、條碼/字符識(shí)別、斑點(diǎn)檢測(cè)等）。

⑦控制單元（包含I/O、運(yùn)動(dòng)控制、電平轉(zhuǎn)化單元等）——一旦視覺(jué)軟件完成圖像分析（除非僅用于監(jiān)控），緊接著需要和外部單元進(jìn)行通信以完成對(duì)生產(chǎn)過(guò)程的控制。簡(jiǎn)單的控制可以直接利用部分圖像采集卡自帶的I/O，相對(duì)復(fù)雜的邏輯/運(yùn)動(dòng)控制則必須依靠附加可編程邏輯控制單元/運(yùn)動(dòng)控制卡來(lái)實(shí)現(xiàn)必要的動(dòng)作。

二、機(jī)器人視覺(jué)成像的結(jié)構(gòu)形式


機(jī)器人視覺(jué)系統(tǒng)的主要功能是模擬人眼視覺(jué)成像與人腦智能判斷和決策功能，采用圖像傳感技術(shù)獲取目標(biāo)對(duì)象的信息，通過(guò)對(duì)圖像信息提取、處理并理解，最終用于機(jī)器人系統(tǒng)對(duì)目標(biāo)實(shí)施測(cè)量、檢測(cè)、識(shí)別與定位等任務(wù)，或用于機(jī)械人自身的伺服控制。

在工業(yè)應(yīng)用領(lǐng)域，最具有代表性的機(jī)器人視覺(jué)系統(tǒng)就是機(jī)器人手眼系統(tǒng)。根據(jù)成像單元安裝方式不同，機(jī)器人手眼系統(tǒng)分為兩大類：固定成像眼看手系統(tǒng)（Eye-to-Hand）與隨動(dòng)成像眼在手系統(tǒng)(Eye-in-Hand, or Hand-eye)，如下圖2所示。



圖2 兩種機(jī)器人手眼系統(tǒng)的結(jié)構(gòu)形式

a)眼在手機(jī)器人系統(tǒng)，（b）眼看手機(jī)器人系統(tǒng)

有些應(yīng)用場(chǎng)合，為了更好地發(fā)揮機(jī)器人手眼系統(tǒng)的性能，充分利用固定成像眼看手系統(tǒng)全局視場(chǎng)和隨動(dòng)成像眼在手系統(tǒng)局部視場(chǎng)高分辨率和高精度的性能，可采用兩者混合協(xié)同模式，如用固定成像眼看手系統(tǒng)負(fù)責(zé)機(jī)器人的定位，使用隨動(dòng)成像眼在手系統(tǒng)負(fù)責(zé)機(jī)器人的定向；或者利用固定成像眼看手系統(tǒng)估計(jì)機(jī)器人相對(duì)目標(biāo)的方位，利用隨動(dòng)成像眼在手系統(tǒng)負(fù)責(zé)目標(biāo)姿態(tài)的高精度估計(jì)等，如圖3所示。



圖 3 機(jī)器人協(xié)同視覺(jué)系統(tǒng)原理圖

三、機(jī)器人視覺(jué)三維成像方法

3D視覺(jué)成像可分為光學(xué)和非光學(xué)成像方法。目前應(yīng)用最多的還是光學(xué)方法，其包括：飛行時(shí)間法、激光掃描法、激光投影成像、立體視覺(jué)成像等。


飛行時(shí)間3D成像

飛行時(shí)間（TOF）相機(jī)每個(gè)像素利用光飛行的時(shí)間差來(lái)獲取物體的深度。目前已經(jīng)有飛行時(shí)間面陣相機(jī)商業(yè)化產(chǎn)品，如Mesa Imaging AG SR-4000， PMD Technologies Cam Cube 3.0，微軟Kinect V2等。

TOF成像可用于大視野、遠(yuǎn)距離、低精度、低成本的3D圖像采集，其特點(diǎn)是：檢測(cè)速度快、視野范圍較大、工作距離遠(yuǎn)、價(jià)格便宜，但精度低，易受環(huán)境光的干擾。例如Camcueb3.0具有可靠的深度精度（<3mm @ 4m)，每個(gè)像素對(duì)應(yīng)一個(gè)3D數(shù)據(jù)。


掃描3D成像

掃描3D成像方法可分為掃描測(cè)距、主動(dòng)三角法、色散共焦法。掃描測(cè)距是利用一條準(zhǔn)直光束通過(guò)1D測(cè)距掃描整個(gè)目標(biāo)表面實(shí)現(xiàn)3D測(cè)量的。主動(dòng)三角法是基于三角測(cè)量原理，利用準(zhǔn)直光束、一條或多條平面光束掃描目標(biāo)表面完成3D成像，如圖4所示。色散共焦通過(guò)分析反射光束的光譜，獲得對(duì)應(yīng)光譜光的聚集位置， 如圖5所示。



圖 4 線結(jié)構(gòu)光掃描三維點(diǎn)云生成示意圖



圖 5 色散共焦掃描三維成像示意圖

掃描3D成像的最大優(yōu)點(diǎn)是測(cè)量精度高。其中色散共焦法還有其它方法難以比擬的優(yōu)點(diǎn)，如非常適合測(cè)量透明物體、高反與光滑表面的物體。但缺點(diǎn)是速度慢、效率低；用于機(jī)械手臂末端時(shí)，可實(shí)現(xiàn)高精度3D測(cè)量，但不適合機(jī)械手臂實(shí)時(shí)3D引導(dǎo)與定位，因此應(yīng)用場(chǎng)合有限。另外主動(dòng)三角掃描在測(cè)量復(fù)雜結(jié)構(gòu)面形時(shí)容易產(chǎn)生遮擋，需要通過(guò)合理規(guī)劃末端路徑與姿態(tài)來(lái)解決。


結(jié)構(gòu)光投影3D成像

結(jié)構(gòu)光投影三維成像目前是機(jī)器人3D視覺(jué)感知的主要方式。結(jié)構(gòu)光成像系統(tǒng)是由若干個(gè)投影儀和相機(jī)組成，常用的結(jié)構(gòu)形式有：?jiǎn)瓮队皟x-單相機(jī)、單投影儀-雙相機(jī)、單投影儀-多相機(jī)、單相機(jī)-雙投影儀和單相機(jī)-多投影儀等。結(jié)構(gòu)光投影三維成像的基本工作原理是：投影儀向目標(biāo)物體投射特定的結(jié)構(gòu)光照明圖案，由相機(jī)攝取被目標(biāo)調(diào)制后的圖像，再通過(guò)圖像處理和視覺(jué)模型求出目標(biāo)物體的三維信息。

根據(jù)結(jié)構(gòu)光投影次數(shù)劃分，結(jié)構(gòu)光投影三維成像可以分成單次投影3D和多次投影3D方法。單次投影3D主要采用空間復(fù)用編碼和頻率復(fù)用編碼形式實(shí)現(xiàn)。由于單次投影曝光和成像時(shí)間短，抗振動(dòng)性能好，適合運(yùn)動(dòng)物體的3D成像，如機(jī)器人實(shí)時(shí)運(yùn)動(dòng)引導(dǎo)，手眼機(jī)器人對(duì)生產(chǎn)線上連續(xù)運(yùn)動(dòng)產(chǎn)品進(jìn)行抓取等操作。但是深度垂直方向上的空間分辨率受到目標(biāo)視場(chǎng)、鏡頭倍率和相機(jī)像素等因素的影響，大視場(chǎng)情況下不容易提升。

多次投影3D具有較高空間分辨率，能有效地解決表面斜率階躍變化和空洞等問(wèn)題。不足之處在于：

1）對(duì)于連續(xù)相移投影方法，3D重構(gòu)的精度容易受到投影儀、相機(jī)的非線性和環(huán)境變化的影響；

2）抗振動(dòng)性能差，不合適測(cè)量連續(xù)運(yùn)動(dòng)的物體；

3）在Eye-in-Hand視覺(jué)導(dǎo)引系統(tǒng)中，機(jī)械臂不易在連續(xù)運(yùn)動(dòng)時(shí)進(jìn)行3D成像和引導(dǎo)；

4）實(shí)時(shí)性差，不過(guò)隨著投影儀投射頻率和CCD/CMOS圖像傳感器采集速度的提高，多次投影方法實(shí)時(shí)3D成像的性能也在逐步改進(jìn)。

對(duì)于粗糙表面，結(jié)構(gòu)光可以直接投射到物體表面進(jìn)行視覺(jué)成像；但對(duì)于大反射率光滑表面和鏡面物體3D成像，結(jié)構(gòu)光投影不能直接投射到被成像表面，需要借助鏡面偏折法。

偏折法對(duì)于復(fù)雜面型的測(cè)量，通常需要借助多次投影方法，因此具有多次投影方法相同的缺點(diǎn)。另外偏折法對(duì)曲率變化大的表面測(cè)量有一定的難度，因?yàn)闂l紋偏折后反射角的變化率是被測(cè)表面曲率變化率的2倍，因此對(duì)被測(cè)物體表面的曲率變化比較敏感，很容易產(chǎn)生遮擋難題。


立體視覺(jué)3D成像

立體視覺(jué)字面意思是用一只眼睛或兩只眼睛感知三維結(jié)構(gòu)，一般情況下是指從不同的視點(diǎn)獲取兩幅或多幅圖像重構(gòu)目標(biāo)物體3D結(jié)構(gòu)或深度信息，如圖6所示。



圖6 立體視覺(jué)三維成像示意圖

立體視覺(jué)可分為被動(dòng)和主動(dòng)兩種形式。被動(dòng)視覺(jué)成像只依賴相機(jī)接收到的由目標(biāo)場(chǎng)景產(chǎn)生的光輻射信息，該輻射信息通過(guò)2D圖像像素灰度值進(jìn)行度量。被動(dòng)視覺(jué)常用于特定條件下的3D成像場(chǎng)合，如室內(nèi)、目標(biāo)場(chǎng)景光輻射動(dòng)態(tài)范圍不大和無(wú)遮擋；場(chǎng)景表面非光滑，且紋理清晰，容易通過(guò)立體匹配尋找匹配點(diǎn)；或者像大多數(shù)工業(yè)零部件，幾何規(guī)則明顯，控制點(diǎn)比較容易確定等。

主動(dòng)立體視覺(jué)是利用光調(diào)制（如編碼結(jié)構(gòu)光、激光調(diào)制等）照射目標(biāo)場(chǎng)景，對(duì)目標(biāo)場(chǎng)景表面的點(diǎn)進(jìn)行編碼標(biāo)記，然后對(duì)獲取的場(chǎng)景圖像進(jìn)行解碼，以便可靠地求得圖像之間的匹配點(diǎn)，再通過(guò)三角法求解場(chǎng)景的3D結(jié)構(gòu)。主動(dòng)立體視覺(jué)的優(yōu)點(diǎn)是抗干擾性能強(qiáng)、對(duì)環(huán)境要求不高（如通過(guò)帶通濾波消除環(huán)境光干擾），3D測(cè)量精度、重復(fù)性和可靠性高；缺點(diǎn)是對(duì)于結(jié)構(gòu)復(fù)雜的場(chǎng)景容易產(chǎn)生遮擋問(wèn)題。

基于結(jié)構(gòu)光測(cè)量技術(shù)和3D物體識(shí)別技術(shù)開(kāi)發(fā)的機(jī)器人3D視覺(jué)引導(dǎo)系統(tǒng)，可對(duì)較大測(cè)量深度范圍內(nèi)散亂堆放的零件進(jìn)行全自由的定位和拾取。相比傳統(tǒng)的2D視覺(jué)定位方式只能對(duì)固定深度零件進(jìn)行識(shí)別且只能獲取零件的部分自由度的位置信息，具有更高的應(yīng)用柔性和更大的檢測(cè)范圍�？蔀闄C(jī)床上下料、零件分揀、碼垛堆疊等工業(yè)問(wèn)題提供有效的自動(dòng)化解決方案。

機(jī)器視覺(jué)3D引導(dǎo)系統(tǒng)框架




3D重建和識(shí)別技術(shù)

通過(guò)自主開(kāi)發(fā)的3D掃描儀可獲準(zhǔn)確并且快速地獲取場(chǎng)景的點(diǎn)云圖像，通過(guò)3D識(shí)別算法，可實(shí)現(xiàn)在對(duì)點(diǎn)云圖中的多種目標(biāo)物體進(jìn)行識(shí)別和位姿估計(jì)。



3D重建和識(shí)別效率




多種材質(zhì)識(shí)別效果測(cè)試

得益于健壯的重建算法和識(shí)別算法，可對(duì)不同材質(zhì)的零件進(jìn)行穩(wěn)定的重建和識(shí)別，即便是反光比較嚴(yán)重的鋁材料及黑色零件都能獲得較好的重建和識(shí)別效果，可適用于廣泛的工業(yè)場(chǎng)景。




機(jī)器人路徑規(guī)劃

并不是獲得零件的位姿信息后就能馬上進(jìn)行零件的拾取，這僅僅只是第一步，要成功拾取零件還需要完成以下幾件事：



自主開(kāi)發(fā)的機(jī)器人軌跡規(guī)劃算法，可輕松完成上述工作，保證機(jī)器人拾取零件過(guò)程穩(wěn)定可靠。


快速切換拾取對(duì)象

只需要四個(gè)簡(jiǎn)單的操作即可實(shí)現(xiàn)拾取對(duì)象的快速切換，無(wú)需進(jìn)行復(fù)雜的工裝、產(chǎn)線的調(diào)整。



四、性能比較

1、類似于飛行時(shí)間相機(jī)、光場(chǎng)相機(jī)這類的相機(jī)，可以歸類為單相機(jī)3D成像范圍，它們體積小，實(shí)時(shí)性好，適合隨動(dòng)成像眼在手系統(tǒng)執(zhí)行3D測(cè)量、定位和實(shí)時(shí)引導(dǎo)。但是，飛行時(shí)間相機(jī)、光場(chǎng)相機(jī)短期內(nèi)還難以用來(lái)構(gòu)建普通的隨動(dòng)成像眼在手系統(tǒng)，主要原因如下：

1）飛行時(shí)間相機(jī)空間分辨率和3D精度低，不適合高精度測(cè)量、定位與引導(dǎo)。

2）對(duì)于光場(chǎng)相機(jī)，目前商業(yè)化的工業(yè)級(jí)產(chǎn)品只有為數(shù)不多的幾家，如德國(guó)Raytrix，雖然性能較好，空間分率和精度適中，但價(jià)格貴，使用成本太高。



圖 7 隨動(dòng)成像眼在手系統(tǒng)機(jī)器人3D視覺(jué)成像優(yōu)選方案

2、結(jié)構(gòu)光投影3D系統(tǒng)，精度和成本適中，有相當(dāng)好的應(yīng)用市場(chǎng)前景。它由若干個(gè)相機(jī)-投影儀組成的，如果把投影儀當(dāng)作一個(gè)逆向的相機(jī)，可以認(rèn)為該系統(tǒng)是一個(gè)雙目或多目3D三角測(cè)量系統(tǒng)。

3、被動(dòng)立體視覺(jué)3D成像，目前在工業(yè)領(lǐng)域也得到較好應(yīng)用，但應(yīng)用場(chǎng)合有限。因?yàn)閱文苛Ⅲw視覺(jué)實(shí)現(xiàn)有難度，雙目和多目立體視覺(jué)要求目標(biāo)物體紋理或幾何特征清晰。

4、結(jié)構(gòu)光投影3D、雙目立體視覺(jué)3D都存在下列缺點(diǎn)：體積較大，容易產(chǎn)生遮擋。針對(duì)這個(gè)問(wèn)題雖然可以增加投影儀或相機(jī)覆蓋被遮擋的區(qū)域，但會(huì)增加成像系統(tǒng)的體積，減少在Eye-in-Hand系統(tǒng)中應(yīng)用的靈活性。

五、總結(jié)

雖然光學(xué)3D視覺(jué)成像測(cè)量方法種類繁多，但能夠安裝在工業(yè)機(jī)器人上，組成一種合適的隨動(dòng)成像眼在手系統(tǒng)，對(duì)位置變動(dòng)的目標(biāo)執(zhí)行3D成像測(cè)量、引導(dǎo)機(jī)器人手臂準(zhǔn)確定位和實(shí)施精準(zhǔn)操作的方法有限。因?yàn)閺墓�業(yè)應(yīng)用的角度來(lái)說(shuō)，我們更關(guān)心的是3D視覺(jué)傳感器的精度、速度、體積與重量。

鑒于機(jī)器人末端能夠承受的端載荷有限，允許傳感器占用的空間有限，傳感器在滿足成像精度的條件下，重量越輕體積越小也就越實(shí)用。所以，對(duì)于隨動(dòng)成像眼在手系統(tǒng)，最佳3D成像方法是采用被動(dòng)單目（單相機(jī)）3D成像方法，這樣不僅體積小、重量輕，也解決了雙目和多目多視圖遮擋難題。