｜產業機器人視覺導引技術與應用簡介

摘要：本文探討視覺導引機械手臂技術之各種架構與應用，包括固定式、移動式與混合式架構，分析其優缺點，並提出視覺導引步驟，如CCD攝影機內外參數取得、座標轉換、極線幾何對正、影像特徵擷取、手臂姿態估測可能產生之誤差。同時也提出以非平行式立體視覺模組，解決平行式模組產生誤差之問題；並運用光束共線方法克服校正、極線對正、深度估測產生之誤差。最後，以該模組運用於隨身碟組裝做實例介紹。

Abstract: This paper introduces various architectures of  vision-guided robot technology, including eye-to-hand、eye-in-hand and hybrid architectures. A non-parallel stereo vision module and collinearity condition equations were proposed to cope with errors inducing from camera calibration、epipolar rectification and the depth estimation。Finally, a setup for vision-guided-robot to assembly USB drives is introduced as an example.

關鍵詞：視覺導引、特徵擷取、非平行式立體視覺模組

Keywords：Vision-guidance, feature extraction, Non-parallel stereo vision module

前言
工業機械手臂在產業運用上，傳統上仍以取代人工進行危險、骯髒與單調之工作為主要目的，如搬運、上下料等生產線所需之繁複工作。然近十幾年來機械手臂之發展慢慢朝向智慧化，如人機操作之人性化、力量觸覺安全性之控制以及視覺導引機械手臂等各種擬人化之技術，因此本文介紹視覺導引技術與相關應用為主。

由於機械手臂大部份的應用仍侷限於重複處理固定的工作，因此通常這些工作必須事先規劃，再由一位有經驗的操作員操作教導器，教導機器人沿著固定的軌跡移動。因此生產線自動化在更彈性多樣的要求下，往往因受限於前置製程、製程準備時間與需要很多的夾治具針對各種不同的物件，無形中將導致成本大大提高，導致機械手臂無法遍及運用。此現象在小型化、多樣少量生產型態的3C產業中更為明顯。因此近幾年來生產線中工業機械手臂慢慢結合攝影裝置，以大幅提升工業機械手臂對工件的空間姿態辨識能力與抓取能力，希望能減少夾治具的製作成本和縮短生產線換線時間。

視覺導引技術之架構
目前視覺導引技術（Vision Guided Robot，VGR）之架構有固定式的CCD（Eye-to-hand，如圖1）、移動式的CCD（Eye-in-hand，如圖2）、混合式（Hybrid）等三種架構。其中Eye-to-hand為避免物件被遮蔽，通常是在空間中一公尺至數公尺區域架設固定的攝影機，計算視野範圍內的物件位置。然此類系統較無法取得高解析度物體影像，常用於較低精度的定位與上方物件判定；而Eye-in-hand此類系統攝影機則裝設在機械臂上增加應用機動性，藉此達到近距離高解析度觀測。而混合式則包含固定式和移動式，具有其他兩種優點，但在成本以及校正、座標空間關係較為繁雜。因此採用何種架構則需根據運用場合、工件形狀、來料等情況而定。

以控制觀點而言，可分為位置基礎之視覺伺服（Position-based Vision Servo,如圖3）與影像為基礎的視覺伺（Image-based Vision Servo,如圖4）兩種。在應用上因位置基礎之視覺伺服具有快速、一次定位等優勢，而成為現今工業應用上主為嚴謹，以免因校正誤差及影像誤判導致錯誤。而影像為基礎的視覺伺服，由於手臂移動是根據追蹤之影像回饋補償來得到最終定位點，因而可避免在校正繁瑣及影像誤差問題，但美中不足的是在速度上較慢，目前較多應用於移動式機器人避障上。