1 装配系统的组成
本文设计并实现了基于机器视觉的机械手装配系统，可在线完成对不同型号和任意摆放工件的装配任务。系统主要由机器视觉系统和机械手装配系统组成。机器视觉系统包括图像获取、相机标定、模板匹配，可对不同工件进行识别、定位以及旋转角度的确定。机械手装配系统包括工件的抓取和安装，在视觉的引导下完成工件的装配。PC利用Socket通信把坐标和姿态数据发送给机械手，机械手根据位置数据抓取工件，然后放到装配位置。
2 视觉系统的设计
2.1 图像获取采用韩国IMI tech Amazon2系列工业相机，它是数字逐行扫描相机，采用千兆以太网GigE协议标准，采用Sony逐行扫描CCD芯片，具有非常高的图像质量。通过以太网与PC连接，且采集频率可调。首先通过安装IMI相机的驱动软件获得相机的C++接口，然后将接口函数移植到Visual Studio2015中进行二次开发。在包含相机类库的情况下，通过实例化相机句柄类来读取相机的数据。通过OneFrameGrab来获取相机的一帧图像，并将数据保存在固定的位置，实现实时读取IMI相机的功能。
2.2 相机标定在机器视觉应用中，相机参数的标定是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性［6］。由于机械手抓取的工件位于同一平面，所以只对标定板图像采集一次就可以得到相机的外参。得到相机的外参后，即可以得到图像坐标上每个像素在世界坐标系下对应的实际距离。然后通过坐标系的变换公式即可得到图像坐标系与机械手世界坐标系的转换关系。
2.3 标准模板的建立在进行模板匹配之前需要制作不同工件的标准形状模板。将标准的工件放在相机的视野下，获取图像，对图像提取ROI区域，然后进行轮廓提取，得到模板的标准轮廓。首先获取标准工件图像，利用矩形截取函数来截取矩形的ROI区；然后对图像进行增强；最后通过模板创建函数来创建模板，得到模板二值化后的标准轮廓。创建模板的算法思路如下：（1）寻找ROI区域图像的灰度梯度，使用Sobel算子对图像进行处理可以返回X方向的像素灰度值（Gx）和T方向的像素灰度值（Gy）。用下面的公式计算当前像素点的灰度值和梯度方向。
（2）利用非极大值抑制算法（NMS）来搜索梯度方向的局部极大值，抑制非极大值元素，可以细化边缘。非最大抑制算法跟踪边缘方向的左右像素，如果当前像素的灰度值小于左、右像素灰度值，则抑制当前像素灰度。（3）采用双阈值算法提取和连接边缘。非极大值抑制算法处理后可能会有少量的非边缘像素被包含到结果中，所以要通过选取阈值进行取舍。双阈值选择与边缘连接方法通过假设两个阈值其中一个为高阈值TH，另外一个为低阈值TL，则有：对于任意边缘像素低于TL的，则丢弃；对于任意边缘像素高于TH的，则保留；任意边缘像素值在TL与TH之间的，如果能通过边缘连接到一个像素大于TH而且边缘所有像素大于最小阈值TL的，则保留，否则丢弃。最终对边缘图像进行保存，图1是工件A的模板创建过程。