《摄像头搬运机器人总体设计(共10页).doc》由会员分享，可在线阅读，更多相关《摄像头搬运机器人总体设计(共10页).doc（10页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上 1 摄像头搬运机器人整体设计1.1设计规则1.1.1设计目标 搬运机器人比赛的要求是：设计一个小型轮式机器人或人形机器人，模拟工业自动化过程中自动化物流系统的作业过程。机器人在比赛场地内移动，将不同颜色但形状相同的物料分类搬运到设定的目标区域。比赛计分根据机器人所放置物料的位置精度（环数）和数量确定分值。比赛排名由完成的时间和比赛计分共同确定。1.1.2 场地设计 智能搬运机器人的比赛场地如图1-1所示。 图1-1搬运机器人的比赛场地示意图择。在 1场地材质：使用（长）2440毫米（宽）2440毫米（高）20毫米的两块白色实木颗粒板平铺在地板上，并在外围配以（长）2
2、440毫米（宽）20毫米（高）200毫米的白色实木颗粒板作为四周的围栏。 2图纸制作：亚光PVC膜纸，可将下载好的图纸电子档（CAD文件）送至打印店，由打印店通过计算机彩色喷绘完成图纸制作（无需对图纸的尺寸及颜色等做更改，直接制作即可）。 3场地制作：将白色实木颗粒板平放在平地上，将喷绘好的图纸平铺并固定到实木颗粒板上（保证图纸位置与场地位置中心重合）即可。 4.物料摆放点：物料存储区圆环与搬运辅助线的交点，顺时针旋转由内到外分别命名为： A、 B、 C、D、E、F、G，5 个中心圆顺时针分别图绿色、白色、红色、黑色、蓝色。1.1.3比赛流程 1. 比赛使用的三个料块的颜色、摆放位置通过现场抽
3、取料块的方式决定。现场抽取时，从放在暗盒中的五个不同颜色（黄、白、红、黑、蓝）的料块中，按每次抽出一个的方式，依次抽出三个料块。第一次、第二次和第三次抽出的料块依次摆放在场地图纸所示的 A、 C、 E 位置上。 2. 参赛队现场抽取三个料块后，可利用最长 5 分钟的准备时间，根据确定的搬运任务进行现场调试。 3. 准备时间到， 机器人从出发区出发，将 A、 C、 E 位置上摆放的料块，搬运到相对应的颜色所指示的目标区（如，绿色料块搬运到绿色目标区，以此类推）。1.1.4参赛队比赛总分的计算说明比赛得分按照位置精度和完成时间综合评定。有关位置精度的计分方法如下：1精度分值 放置在目标区的料块靶位
4、环数之和。 2比赛总分 精度分值 返回出发区分值。记分细则：1参赛队比赛总分的计算说明 规定项目比赛：料块位置精度分值： 以料块十字形标记指示的中心位置位于目标区的靶位环数计算得分，其取值范围为 1 至 10 分。 料块位于靶心分值最高，取 10 分。机器人返回出发区分值： 10 分。（限定机器人至少完成一个料块的搬运且搬运料块要有得分，才能获得返回出发区得分。） 创新创意赛：按照创意、现场表演等情况由评委按百分制积分评审。 2分拣料块得分原则：结束比赛后，物料必须与机器人脱离，才能计算分数。 3 返回出发点得分原则：比赛终止时刻，机器人若有一个轮子与地面的接触点在出发区内，并且机器人已经停止
5、动作，则认为已经回到出发点，得 10 分。若机器人无法自动回到出发区时，参赛队员可以口头通知裁判提前终止比赛，记 0 分。 4出现下列情况，不得分： 整个比赛过程，机器人必须自主完成比赛任务， 不能人为干涉机器人（包括直接接触和场外遥控等）。发生人为干预机器人的现象，记 0 分。 参赛队之间不能互相借用机器人，同一个机器人只能代表一支参赛队比赛。1.2车体与运动机构选择 轮式机器人移动机制有很多种，其中以三轮和四轮最为常见，理论上说采用四轮驱动方式最佳，机器人走直线时比较平稳，但是根据搬运机器人比赛规则，参赛用机器人的投影尺寸应不大于（长）280mmx（宽）160mm，若采用四轮驱动方式，机器
6、人尺寸就会显得很大。应此本机器人选用三轮车身结构，两个前轮分别利用一个电机驱动，后轮为随动转向轮，起平衡作用。这种移动机制对搬运机器人的控制更加方便，原地转向更加灵活。搬运机器人车身材料选择了亚克力板。该车架与普通塑料车架相比起来，更加坚固。 对于竞赛搬运机器人来说，主动轮的驱动方式有很多种，其中以直流电机和步进电机最为常见。步进电机可以通过对电机转动角度的精确调整，来实现机器人前进距离的精确定位，但步进电机驱动比较复杂。直流电机驱动则相对比较简单且调速方便，直流减速电机是在普通直流电机的基础上，加上了配套齿轮减速箱。它具有重量轻，使用方便等特点，能提供较大的转矩，经综合比较分析，本设计最终采
7、用直流减速电机作为搬运机器人的驱动电机。 机器人整体结构如图1-2，实物图如图1-3。 类别选用主控制器MK60DX256 电源管理TPS54550 电源保护LTC4359 串行调试CP2102 九轴惯导MPU9250 电机驱动BTN7971 隔离器件SN74ALVC164 图形处理 BCM2836 图1-2 整体结构 图1-3 车型实物图1.1.3 搬运机器人物品清单2 搬运机器人硬件结构 本章将具体介绍搬运机器人硬件结构及性能，有利于读者对此搬运机器人有全方位的了解。2.1动力装置-舵机 舵机采用JR接口， 能360旋转，机器人舵机，全铜齿轮，双轴承。其尺寸为573848mm，净重为 56
8、g。转轴转动选用舵机驱动，舵机是一种位置伺服的驱动器，他可以通过接收控制信号从而输出一定的角度，适用于角度需要不断变化并保持的控制系统。 通常舵机控制电路有三个引脚，分别是电源、地、控制线，舵机工作电压为4.8-6V，通过控制引脚接收控制信号，通过单片机的定时器产生宽度可调的周期性脉冲信号，其中脉冲信号的周期为20ms，利用方波脉冲宽度的变化来改变舵机的输出角度。角度变化与脉冲宽度变化成正比，当输出轴转角为负时，舵机反转，从而带动机械手张开，反之，当输出轴转角为正时，舵机正传，从而带动机械手吸合。 图2-1 舵机外观 图2-2 外形尺寸 图2-3 舵机参数2.2动力伺服电机 搬运机器人采用的电
9、机为伺服电机（ servo motor ），伺服电机在伺服系统中控制机械元件运转的发动机，是一种补助马达间接变速装置。伺服电机可使控制速度，位置精度非常准确，可以将电压信号转化为转矩和转速以驱动控制对象。 伺服电机转子转速受输入信号控制，并能快速反应，在自动控制系统中，用作执行元件，且具有机电时间常数小、线性度高、始动电压等特性，可把所收到的电信号转换成电动机轴上的角位移或角速度输出。分为直流和交流伺服电动机两大类，其主要特点是，当信号电压为零时无自转现象，转速随着转矩的增加而匀速下降。其工作原理如下：伺服系统（servo mechanism）是使物体的位置、方位、状态等输出被控量能够跟随输入
10、目标（或给定值）的任意变化的自动控制系统。伺服主要靠来定位，基本上可以这样理解，伺服电机接收到1个脉冲，就会旋转1个脉冲对应的角度，从而实现位移，因为，伺服电机本身具备发出脉冲的功能，所以伺服电机每旋转一个角度，都会发出对应数量的脉冲，这样，和伺服电机接受的脉冲形成了呼应，或者叫闭环，如此一来，系统就会知道发了多少脉冲给伺服电机，同时又收了多少脉冲回来，这样，就能够很精确的控制电机的转动，从而实现精确的定位，可以达到0.001mm。直流伺服电机分为有刷和无刷电机。成本低，结构简单，启动大，调速范围宽，控制容易，需要维护，但维护不方便（换碳刷），产生干扰，对环境有要求。 图2-4 伺服电机 1.
11、 无刷电机体积小，重量轻，出力大，响应快，速度高，惯量小，转动平滑，力矩稳定。控制复杂，容易实现智能化，其电子换相方式灵活，可以方波换相或正弦波换相。电机免维护，效率很高，运行温度低，电磁辐射很小，长寿命，可用于各种环境。2. 交流伺服电机也是无刷电机，分为同步和，目前中一般都用同步电机，它的功率范围大，可以做到很大的功率。大惯量，最高转动速度低，且随着功率增大而快速降低。因而适合做低速平稳运行的应用。3. 伺服电机内部的转子是永磁铁，驱动器控制的U/V/W三相电形成电磁场，转子在此磁场的作用下转动，同时电机自带的编码器反馈信号给驱动器，驱动器根据反馈值与目标值进行比较，调整转动的角度。伺服电
12、机的精度决定于编码器的精度（线数）。2.3物料探测与获取摄像头 当搬运机器人按规划的路径前进时，需要对物料是否进入搬运机器人的机械手臂夹取范围内进行探测，当物料进入机器人的机械手臂时，对物料进行抓取。本设计采用的是测量物料到机械手的距离的方法。此搬运机器人采用摄像头识别测距，摄像头通过识别黑线距物料的距离来判定接下来的动作指令。具体情况在后文中会加以说明。 图2-5摄像头识别2.4 K60单片机的选择 K60系列MCU具有IEEE1588以太网、全速和高速USB2.0OTG、硬件解码能力和干预发现能力。芯片从带有256KBflash的100引脚的LQFP封装到1MBflash的256引脚的MA
13、PBGA封装，具有丰富的电路、通信、定时器和控制外围电路。高容量的K60系列带有一个可选择的单精度浮点处理单元、NAND控制单元和DRAM控制器。选择类型如图2-6. 图2-6 芯片选择类型2.5图像处理板的选择图像处理芯片选择一般有以下参考： 时钟频率（ ov7620， 640*480， pclk=72MHz） RAM大小（ov7620， 640*480， 300KB ） 处理效率（多任务，实时性） 而此搬运机器人采用一种基于的微型电脑主板Raspberry Pi(中文名为“树莓派” ,简写为RPi，或者RasPi/RPi)是为学生计算机编程教育而设计，只有信用卡大小的卡片式 电 脑 ， 其
14、 系 统 基 于Linux。其硬件和软件参数如图2-7和2-8所示。 图2-7 树莓派板子 图2-8 树莓派硬件配置操作系统： Debian GNU/Linux图像处理软件库： Opencv2.4.10Open CV的全称是： Open Source Computer Vision Library。 Open CV是一个基于（ 开源） 发行的跨平台计算机视觉库，可以运行在Linux、 Windows和Mac OS操作系统上。 它轻量级而且高效由一系列 C 函数和少量 C+ 类构成， 同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 2.
15、6摄像头图像处理滤波与降噪图像二值化形态学（morphology）边缘检测基于hough的线检测特征识别与模版匹配2.6.1 滤波 滤波分为线性滤波和非线性滤波。 线性滤波： 方框滤波box blur函数 均值滤波（邻域平均滤波） blur函数 高斯滤波Gaussian Blur函数 非线性滤： 中值滤波median Blur函数 双边滤波bilateral Filter函数 邻域算子用于图像滤波，实现图像的平滑和锐化，图像边缘增强或者图像噪声去除。用不同的权重去结合一个小邻域内的像素，来得到应有的处理效果，滤波的加权系数，即滤波器的“滤波系数”。左边图像与中间图像的卷积产生右边图像。目标图像
16、中蓝色标记的像素是利用原图像中红色标记的像素计算得到的。 图2-9 邻域算子2.6.2数学形态学 数学形态学（ Mathematical morphology） 是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、 Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。一般分为四步： 消除噪声 分割(isolate)出独立的图像元素，在图像中连接(join)相邻的元素。 寻找图像中的明显的极大值区域或极小值区域 求出图像的梯度 其中，霍夫
17、变换于1962年由PaulHough首次提出， 最初的Hough变换是设计用来检测直线和曲线， 起初的方法要求知道物体边界线的解析方程， 但不需要有关区域位置的先验知识。 这种方法的一个突出优点是分割结果的Robustness,即对数据的不完全或噪声不是非常敏感。 后于1972年由Richard Duda & Peter Hart推广使用， 经典霍夫变换用来检测图像中的直线， 后来霍夫变换扩展到任意形状物体的识别， 多为圆和椭圆。 霍夫变换运用两个坐标空间之间的变换将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值， 从而把检测任意形状的问题转化为统计峰值问题。霍夫圆
18、变换的基本原理和上面讲的霍夫线变化大体上是很类似的，只是点对应的二维极径极角空间被三维的圆心点2.6.3膨胀与腐蚀 腐蚀和膨胀是对白色部分（ 高亮部分） 而言的， 不是黑色部分。 膨胀就是图像中的高亮部分进行膨胀， “领域扩张” ， 效果图拥有比原图更大的高亮区域。 腐蚀就是原图中的高亮部分被腐蚀， “领域被蚕食” ， 效果图拥有比原图更小的高亮区域。 其实， 膨胀就是求局部最大值的操作。 按数学方面来说， 膨胀或者腐蚀操作就是将图像（ 或图像的一部分区域， 我们称之为A） 与核（ 我们称之为B） 进行卷积。 核可以是任何的形状和大小， 它拥有一个单独定义出来的参考点， 我们称其为锚点（ an
19、chorpoint） 。而膨胀就是求局部最大值的操作， 核B与图形卷积， 即计算核B覆盖的区域的像素点的最大值， 并把这个最大值赋值给参考点指定的像素。 这样就会使图像中的高亮区域逐渐增长。 如图所示， 这就是膨胀操作的初衷。 （a） （b） 图2-10腐蚀和膨胀 本节，我们重点了解了腐蚀和膨胀这两种最基本的形态学操作， 而运用这两个基本操作， 我们可以实现更高级的形态学变换。 开运算（ Opening Operation） 闭运算(Closing Operation) 形态学梯度（ Morphological Gradient） 顶帽（ Top Hat） 黑帽（ Black Hat）2.6.
20、4边缘检测 边缘检测的一般步骤： A. 滤波： 边缘检测的算法主要是基于图像强度的一阶和二阶导数，但导数通常对噪声很敏感，因此必须采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有高斯滤波，即采用离散化的高斯函数产生一组归一化的高斯核，然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。 B. 增强： 增强边缘的基础是确定图像各点邻域强度的变化值。 增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。在具体编程实现时，可通过计算梯度幅值来确定。 C. 检测： 经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是我们要找的边缘点，所以应该采用某种方法来对这些点进行取舍。实际工程中，常用的方法是通过阈值化方法来检测。专心-专注-专业