基于遺傳算法的智能尋位技術中工件位姿求取

基于遺傳算法的智能尋位技術中工件位姿求取

智能尋向加工技術是一種新型的加工方法。主動識別方法用于獲取加工對象的三維位，并在此基礎上自動生成加工程序。在滿足實際加工的設備中，可以自動生成無精確的定位加工，以完成對零件的無精確定位加工。該方法的核心是工件的主動尋位,即通過主動測量(例如計算機視覺方法)計算的辦法獲知工件當前所處的實際空間姿態(tài)。迄今為止,人們已經(jīng)提出了各種求取方法,其中,最基本的方法為模板匹配。由于傳統(tǒng)的模板匹配是基于相關準則的,計算量取決于它尋找最佳匹配位置時采用的搜索策略?，F(xiàn)有的方法均采用遍歷式搜索策略,因而計算量的降低有限,如果不采用新的搜索策略,則難以在計算量的減少上取得實質性的突破。同時當被檢測對象具有平移、尺度和旋轉變化時,該方法需要大量的計算時間,使得它難以實際使用。為了減少計算機在匹配操作中的處理時間,避免對大量的圖象象素進行計算,ORLC(定向執(zhí)行長度編碼)方法作為一種基于被檢測對象轉動慣量的物體檢測方法,具有快速、簡單的特點,應用到工件位姿求取具有極大的實時性優(yōu)勢。但由于加工環(huán)境背景的復雜性(夾具體的遮擋、背景T型槽的存在),使得該方法無法實際應用。遺傳算法是近年發(fā)展起來的新理論和新方法。由于它采用非遍歷尋優(yōu)搜索策略,可以保證尋優(yōu)搜索的結果具有全局最優(yōu)性,所需的計算量較之遍歷式搜索少很多,適于并行處理,使其具有相當廣泛的應用場合。本文則將遺傳算法應用于解決工業(yè)加工現(xiàn)場環(huán)境下用視覺方法求取工件位姿的問題,進而引導實際的生產(chǎn)加工,為傳統(tǒng)的加工方法提供了一套全新的思路。1字符的表達及編碼策略遺傳算法是仿效了生物進化和遺傳的規(guī)律,對編碼的搜索空間進行選擇、交叉、變異等操作,使優(yōu)勝者繁殖,劣敗者被淘汰。通過這樣一代一代地操作,遺傳算法能搜索到多個局部最優(yōu)解,最終找到最優(yōu)解。其基本概念有:(1)染色體編碼由于遺傳算法的工作對象是字符串,必須將待處理問題空間的參數(shù)進行編碼,因此要求:①字符串要反映所研究問題的性質;②字符串的表達要便于計算機處理。編碼的策略或方法對于遺傳操作尤其是對于交叉操作的功能有很大的影響。(2)適應度函數(shù)在遺傳算法中,衡量個體的優(yōu)劣,基本上不用外部信息,僅以目標函數(shù)即適應度函數(shù)為依據(jù)。在具體的應用中,該函數(shù)的設計要結合具體求解問題本身的要求而定,它的好壞直接影響到遺傳算法的性能。(3)遺傳操作就是對群體中的個體按照它們對環(huán)境的適應程度(適應度評估)施加一定的操作,從而實現(xiàn)優(yōu)勝劣汰的進化過程。包括三個基本操作:①選擇。選擇的目的是把優(yōu)化的個體直接遺傳到下一代或通過配對交叉(按照交叉概率Pc進行)產(chǎn)生新的個體再遺傳到下一代,體現(xiàn)了“適者生存”的自然選擇原則。②交叉。交叉的目的是通過兩個父代個體的部分結構加以替換重組(按照交叉概率Pc進行)而生成新個體,使得遺傳搜索能力得以飛躍提高。③變異。變異的目的是通過對群體中個體的某些基因上的基因值的改變設計與研究(按照變異概率Pm進行),使得遺傳算法具有局部隨機搜索能力,收斂加速,并保持群體多樣性。2初始定位處理要將遺傳算法應用于解決一個優(yōu)化問題,通常需要解決兩個關鍵問題:如何將問題的解編碼到染色體中;如何構造一有效的適應度函數(shù)。在視覺圖象中工件位姿求取問題里,這兩個問題解決如下:(1)染色體編碼考慮一個工件在圖象視野中應具有平移、尺度、旋轉變化等特性,我們將這些特性編碼到染色體中去,有Chrom={x,y,s,α}Chrom={x,y,s,α}式中,(x,y)表示模板的旋轉中心(平移特性),s表示模板的尺度比例因子(尺度特性),α表示模板的旋轉比例因子(旋轉特性)。其編碼數(shù)據(jù)結構如下:unionGeneString{struct{WORDX:8;//X坐標,8bitWORDY:8;//Y坐標,8bitWORDS:6;//尺度因子,6bitWORDA:10;//旋轉因子,10bit}GeneBit;//DWORDGeneWord;//4字節(jié)長};StructGeneType{GeneStringGene;//基因串doubleFitness;//適應度BYTEParent1;//父代1序號BYTEParent2;//父代2序號};用下式坐標變換矩陣對原始模板做坐標變換(模板坐標系變換到圖象坐標系)為:H=S?R?TΗ=S?R?Τ其中尺度變換S=???s000s0001???S=[s000s0001]旋轉變換R=???cosα?sinα0sinαcosα0001???R=[cosαsinα0-sinαcosα0001]平移變換T=???100010xy1???Τ=[10x01y001]從而得到經(jīng)過坐標變換后的新模板,用該模板與圖象上相對應的圖象進行匹配,完成工件定位處理過程。(2)適應度函數(shù)我們采用最小距離判據(jù)作為相關的判別準則為Derr=∑i=0N(Ti?Fi)Derr=∑i=0Ν(Τi-Fi)式中i——點的序號N——模板上的采樣總點數(shù)Ti——新模板上第i點的二值灰度值Fi——圖象上對應點的二值灰度值當模板與圖象上的點集匹配程度越高時,距離誤差Derr越小。其適應度函數(shù)可取為Fitness=1/(1+Derr/N)Fitness=1/(1+Derr/Ν)當模板與圖象完全匹配上以后,Derr為零,適應度函數(shù)值Fitness取得最大值1;而當Derr越大時,適應度函數(shù)值Fitness越小;當Derr取得最大值N時,適應度函數(shù)值Fitness取得最小值0.5。這樣我們就有了判定圖象匹配程度的有效判據(jù)。3控機床和自主開發(fā)的智能尋位單元本文所提出的方法,已在自行研制的智能尋位加工設備上進行了應用。