1、执行器相对于环境的实际位置的信息源.装配过程( 插轴入孔) 的操作属于此类，力反馈只是增加在约束环境中的定位精度.2.3.1 柔顺装配机构柔顺装配方法大致可分三类：一类是被动装配的方法，如被动柔顺手腕(R C C 等)和被动柔顺工作台、气流法、磁力法、振动法等。第二类是主动装配方法， 如通过力觉伺服的主动柔顺手腕和主动柔顺工作台。通过视觉的伺服法，通过接近觉伺服的方法等。第三类是被动和主动相结合的装配方法. 2.3.1.1被动柔顺手腕RC C机构 被动柔顺手腕RC C机构它是一种纯机械式的装置。通过弹性变形或构件微小位移，克服装配机器人定位误差造成的配对装配件间的顶卡、阻滞现象，达到柔顺装配。
2、这种机构完成插入操作的时间短，不要求信息处理，但允许定位误差受零件倒角限制，可能产生大的插入力，对工作环境的适应能力受限制。应用被动柔顺手腕如RCC，对公差间隙为0.01mm的有孔装配，在零件有倒角的情况下允许定位误差为偏移1.0 mm，转角1.0，接触及插入时间0.2秒。各种柔顺手腕机构将继续得到研究和发展，主要是努力提高柔顺手腕对装配环境的适应能力。 2.3.1.2主动柔顺手腕主动柔顺手腕，通过力觉直接获取接触和力(力矩)的信息，反馈给机器人手臂或手腕，通过微小的柔顺运动或校正力的施加方向和大小，达到柔顺装配。被动柔顺手腕只适合小的定位误差，并有一定的局限性，而主动柔顺手腕可以适应于大的定
3、位误差以及零件无倒角的情况。但是主动柔顺手腕搜索运动和信息处理时间长，所以插入时间较长。 2.3.1.3智能手爪装配机器人进行各种装配作业，最后都是通过末端执行器来完成的，末端执行器包括各种装配工具，如拧螺钉螺母、钻、焊、软焊、粘配、测量等和各种手爪，其中应用最多的是各种手爪。二指、三指、多指，多功能的手爪系列的开发和研究，对扩大装配机器人的应用是非常关键的。装配机器人智能化在很大程度上可以在手爪上得到体现. 在手爪机构中可以配置各种传感器，如接近传感器、触觉传感器、力(力矩)觉、物体光学辨识系统、位移传感器等。通过这些传感系统就有可能使手爪本身或机器人实现自适应控制和智能控制，进行柔顺装配，
4、以及判断或识别被抓物品的位置、形状等功能。完成更复杂更细微的装配作业。2.3.2 轴孔装配的柔顺装配方法分析轴孔最理想状态是轴孔同轴，配合后间隙均匀。但是，实际中由于装配系统加工、装配误差、检测系统的检测误差、运动的定位精度等，都会造成轴孔不能完全同轴。装配时存在以下三种偏差情况，如图 2.4。（1）轴孔的轴线平行，但不重合，存在偏移 X ；（2）由于定位或检测精度不够，造成轴未插入孔中时，存在夹角 ；（3）轴插入到孔中时，由于加工误差造成在某一段轴线偏差 或者由于插入运动方向与轴的轴线不平行造成运动角度偏差； 图2.4 轴孔安装偏差情况角度偏差相对与角度偏差和偏移X是可以忽略的，在设计中不作
5、为重点考虑。要能够消除轴线偏差和偏移X修正轴的姿态，需要装配系统具有：足够高的灵敏度检测出轴孔偏差量，很高的定位精度使偏差尽可能小，足够的刚度确保系统变形足够小，足够的调整自由度来调整工件的姿态。 被动柔顺装配通过辅助的柔顺机构，靠轴孔接触力来驱动柔顺机构，调整被装对象的姿态。由于主动顺装配是靠轴孔的接触力来修正相对姿态的，在存在偏差情况，轴孔始终相对滑动着完成装配。这样方法不需要复杂的检测设备，对定位精度要求也不高，适合装配精度不高、质量小、对装配表面没有影响的装配对象。主动柔顺中轴配合是指通过传感器检测出轴孔偏差，装配控制系统根据反馈偏差信息，修正被装对象的姿态。根据引导的方式可分为视觉引
6、导、接近觉引导、力控制引导。视觉引导是指通过分析处理由工业相机拍下的孔和轴的图像，得出轴孔的轴线偏差反馈给控制系统，控制系统根据反馈调整机械手位姿，反复检查和调整指导轴孔偏差在一定范围后再实施精装配。视觉引导的精度受相机的分辨率、平行光源的强度、周围光线、轴孔配合间隙和配合长度的影响。同时实时处理图像花费时间，处理相机和装配运动系统之间的坐标转换也需要大量时间，整个系统适应性不强。因此，在装配环境恶劣的情况下，使用视觉引导很难达到装配要求。接近觉引导是通过装配系统末端的接近觉传感检测出与被装对象的距离和相对倾角，配合搜索和识别功能的软件程序来完成装配。这种方式对传感器的精度要求很高，适合一些配
7、合精度不高的场所。力控制引导是靠力觉反馈，调整机械手姿态，使轴孔由接触到非接触状态转换。因此，靠这种方式并不能使轴孔配合后有均匀的间隙，对于有台阶的轴孔配合时很可能在下一个轴段不能配合在一起。另外当检测到力后，系统并不能立即停止，为了减小碰撞冲击，只能降低速度提高系统的响应速度。自动寻找法轴孔装配是通过一定的装置使得待装配的零件自动寻找正确的位置，待装配的零件按照随机或预想的轨迹运动，直到一个偶然的机会与配合对象对准重合。如图2.5(a)所示，由于轴线偏差的存在，气流流过待装轴时受到的阻力不同，在轴周围形成压力差，通过压力差的作用将轴修正并吸入孔中。图2.5(b)是通过磁场来修正位姿的，自动装
8、配。可以看出，自动寻找法是一种以安装对象作为基准，通过某种介质修正偏差，一般适合于质量比较轻的零件装配。图2.5 自动寻找法装配2.4 工业机器人视觉技术机器人视觉定位导航系统主要有视觉传感器图像采集系统模块，避障系统模块，目标识别与定位系统模块，机器人自身定位系统模块等。视觉传感器图像采集系统主要完成机器人工作三维场景的图像采集和显示，采集到的图像供后续模块使用，传输出来的图像可供工作人员查看；避障系统主要用来检测机器人前方的障碍物信息，为后续的路径规划决策系统提供信息参考，是机器人躲避障碍安全到达目的地；目标识别和定位系统完成场景中的目标识别和定位，使机器人具有自主搜索目标并定位目标的能力
9、，多目标的识别和定位也可用来构建三维场景的全局地图，决策和路径规划系统在前面多个模块的基础上完成机器人的运动路径规划，从而使机器人安全准确的到达目的地，并完成特定的操作任务。2.4.1 视觉系统的视频图像采集和显示视觉系统的图像采集显示模块是机器人视觉定位导航系统的重要组成部分，负责机器人工作场景图像采集和显示。采集到的图像一方面作为后续的视觉系统障碍物识别和避障，以及目标识别和定位等模块的图像输入，另一方面输入到显示设备上，方便操作人员随时了解狭小受限未知空间中机器人的工作状态和工作环境。对于前者，视频图像直接输入到视觉定位导航图像处理系统，也可以保存到硬盘里面；对于用于人工在线观察和辅助功
10、能的视频图象显示，由于使用的是两个摄像机，具有一定的公共视野，采集到的视频图像有很多交叉区域，不便于操作人员进行直观的观测。本文采用图像拼接的方法将同一位置处的两个摄像机采集的视频图像统进行图像拼接。2.4.2 基于位置的视觉障碍物检测和避障方法障碍物检测和避障是机器人应该具备的基本能力，是机器人安全到达目的地并完成操作任务的基本保证。机器人的工作环境一般是比较复杂的狭小受限三维空间，是非结构化的三维场景，给视觉定位导航系统避障任务带来了更高的要求。避障模块要求视觉系统能够快速的完成机器人前方运动路径上障碍物信息检测，得到障碍物的类别，位置等信息。常用的测距传感器，如超声波测距仪，激光雷达等，
11、可以快速的完成障碍物的距离测量，由于距离信息量较少的缺点，无法对障碍物进行比较全面准确的描述。鉴于视觉传感器获取信息量大的优点，可以根据双目立体视觉测量原理完成对前方障碍物的三维重建。但目前计算机视觉领域中的三维重建还是一个比较复杂的问题，特别是立体视差图的构建问题，由于计算数据量大和匹配算法的复杂性，应用到机器人避障等实时性要求较高的场合还需要很长的时间和进一步的研究。2.4.3 基于图像特征匹配的目标识别和基于位置的视觉定位方法工业机器人主要用来进行生产线上的零部件组装，智能化自主操作的前提是能够对工作场景中的目标进行识别和定位，即找出目标并定位目标。机器人也是用来完成狭小受限空间内零部件
12、装配以及缺陷检测等工作任务，所以视觉定位导航系统应该具有场景目标识别和定位的能力。目标识别和定位是计算机视觉和模式识别等领域的研究热点，目前并没有统一的解决方案，都是针对具体的目标操作物进行特征分析和识别。视觉系统处理的图像是三维场景在摄像机成像平面的二维投影，损失了物体的深度信息，并且视觉传感器采集到的图像易受光照条件，场景目标复杂程度，目标遮挡等因素的影响，导致计算机视觉中的目标识别是困难的。场景目标识别有两种思路，一种是基于场景三维重建思想，另一种是基于二维图像匹配思想。三维重建是计算机视觉的主流研究方向之一，其首要目标是完成场景中物体的三维重建，一般采用立体视觉的测量模型，然后在点云数
13、据模型上完成目标的识别和定位。三维重建是一种直观明了的目标识别方法，但目前实现起来还比较困难，主要是立体图像对视差图的构建，实时性和稳定性还达不到实际应用的要求，即使构建好了完整的视差图，但如何以机器人可以理解的模型去组织这些三维点云仍是一项比较艰巨的研究任务。基于图像匹配的目标识别技术目前已经取得了很大的研究进展，很多成果已经得到了实际应用，如人脸识别，车牌识别，人流统计，车辆信息统计等。目标识别一般思路是首先提取场景图像中的各种特征，如灰度，区域，颜色，纹理，边界，轮廓等，将提取到的特征和目标物模型进行匹配，根据匹配结果完成目标物的识别。图像匹配目标识别思想的主要技术是图像处理和模式识别技术，主要有图像分割，图像特征提取，特征描述和匹配等。目前将三维重建定位技术和二维图像目标识别技术结合
