Thiết kế và chế tạo cánh tay robot 5 bậc tự do ứng dụng xử lý ảnh để phân loại vật thể

Nội dung text: Thiết kế và chế tạo cánh tay robot 5 bậc tự do ứng dụng xử lý ảnh để phân loại vật thể

1. Tuyển tập Hội nghị khoa học toàn quốc lần thứ nhất về Động lực học và Điều khiển Đà Nẵng, ngày 19-20/7/2019, tr. 160-166, DOI 10.15625/vap.2019000273 Thiết kế và chế tạo cánh tay robot 5 bậc tự do ứng dụng xử lý ảnh để phân loại vật thể Đặng Phước Vinh, Lê Đình Minh Nhật, Nguyễn Đặng Mẫn Trường Đại học Bách khoa, Đại học Đà Nẵng Email: dpvinh@dut.udn.vn Tóm tắt Cánh tay robot này còn có thể được ứng dụng trong Trong bài báo này, nhóm tác giả trình bày về những kết quả nghiên cứu khoa học và hỗ trợ đào tạo thực hành, thí nghiên cứu, thiết kế, chế tạo cánh tay robot 5 bậc tự do ứng dụng nghiệm cho sinh viên các ngành cơ khí, cơ điện tử và tự xử lý ảnh để phân loại vật thể. Cánh tay robot này được điều khiển động hóa ở các trường kỹ thuật. Ý tưởng thiết kế cho thông qua bộ phần điều khiển với chip vi điều khiển Arduino và những mô hình lớn ứng dụng trong nhiều công đoạn cho bộ phận xử lý hình ảnh. Ban đầu, camera sẽ thu nhận hình ảnh những quy trình sản xuất sản phẩm. thực tế, sau đó máy tính với nền tảng là Visual Studio C# xử lý Vậy nên, bài toán đặt ra tại đây là phải thiết kế chế tạo thông tin đầu vào và gửi lệnh điều khiển tới bộ điều khiển. Khi một hệ thống mà kết hợp giữa các phương pháp xử lý ảnh nhận được thông tin từ máy tính, bộ điều khiển sẽ điều khiển cơ và các cơ cấu cơ khí đã được áp dụng trong ngành công cấu chấp hành tương tác với vật thể. Bước đầu hệ thống hoạt động nghiệp. Hệ thống sẽ sử dụng camera chụp vật mẫu, chụp khá ổn định, có thể nhận diện được vật thể dựa vào hình dáng và vật được sản xuất, sau đó so sánh ảnh của vật mẫu và ảnh màu sắc một cách chính xác với thời gian tương đối nhanh. của vật thật hoặc phân tích đặc tính riêng trên sản phẩm rồi từ đó phân loại xác định được sản phẩm có đạt chất lượng Từ khóa: Cánh tay robot 5 bậc tự do, Vi điều khiển Aruino, Xử hay không. Nếu đạt chất lượng sẽ đưa sang đóng gói thành lý ảnh, Visual Studio C#. phẩm. Nếu không đạt chất lượng sẽ loại bỏ trở thành phế phẩm. Tuy nhiên trong thực tiễn một số bài toán không cần phải áp dụng hệ thống như trên vì nó sẽ làm cho hệ thống 1. Đặt vấn đề phức tạp, giá thành tăng. Hiện nay các tay máy có trên thị Thời đại nền công nghiệp 4.0 đã kéo theo sự phát triển trường trong lĩnh vực phân loại sẽ gồm 2 dạng cơ cấu chính không ngừng nghỉ của các công cụ lao động phụ trợ, từ là cơ cấu song song và chuỗi. Đối với tay máy có cơ cấu những công cụ máy móc thô sơ cho năng suất và chất song song sẽ có tốc độ phân loại nhanh hơn nhưng phạm lượng kém, đã dần dần được thay thế bằng những công cụ, vi làm việc nhỏ so với kích thước của tay máy. Đối với máy móc hiện đại hơn, nâng cao độ chính xác, năng suất cánh tay dạng chuỗi, hệ thống sẽ có phạm vi làm việc lớn cao hơn sản xuất được nhiều mặt hàng tinh xảo. Đồng thời hơn. Tuy nhiên, tùy thuộc vào số khớp có trong tay máy nhằm giảm công lao động của con người trong các hoạt mà độ linh hoạt sẽ cao hơn nhưng ngược lại thì độ cứng động công nghiệp hay một số môi trường đặc biệt mà con vững của tay máy lại giảm. Với yêu cầu phân loại sản phẩm người không thể làm việc được như: những môi trường độc ngày càng đa dạng thì cánh tay phải đảm bảo độ linh hoạt hại khói bụi, hóa chất, gây ảnh hưởng tới sức khỏe và và tốc độ, vùng làm việc rộng cũng như độ cứng vững cần tính mạng của con người, các công cụ có thể thay thế con thiết. Hơn nữa, việc phân loại sản phẩm dựa vào hình dáng người và mang lại hiệu quả cao. Để giải quyết vấn đề trên và sản phẩm sẽ tối ưu hơn nếu kỹ thuật xử lý ảnh số được thì việc áp dụng cánh tay robot vào công nghiệp ngày càng áp dụng cho cánh tay robot. cấp thiết. Robot được ứng dụng trong nhiều mục đích khác nhau: như phân loại sản phẩm theo hình dáng và màu sắc (ứng dụng trong các khu công nghiệp hoặc kho hàng, cơ khí ). Bên cạnh đó, việc ứng dụng xử lý ảnh vào cánh tay robot đã và đang thu hút nhiều sự nghiên cứu trong và ngoài nước để phục vụ các mục đích khác nhau. Vào năm 2015, một cánh tay robot đã được nghiên cứu và chế tạo để phân loại hình dáng của sản phẩm sử dụng kỹ thuật xử lý ảnh số dựa vào đường biên bao quanh vật thể [1]. Một cánh tay robot gồm 4 ngón tay cũng ứng dụng xử lý ảnh số để phân loại sản phẩm dựa vào màu sắc. Cánh tay này hoạt Hình 1: Những vật thể cần được phân loại trong hệ thống động theo thời gian thực sử dụng webcam để chụp ảnh và Trong bài báo này, nhóm tác giả đã nghiên cứu, thiết phân tích ảnh [2]. Tương tự, một robot ứng dụng vào thực kế và chế tạo thành công một cánh tay robot 5 bậc tự do tế để xác định các vật thể bằng xử lý ảnh từ camera đã được dùng để phân loại sản phẩm dựa vào màu sắc và hình dáng. nghiên cứu và chế tạo [3]. Một thuật toán được phát triển giúp cho robot có thể xác định hay có thể vẽ được hình Công nghệ xử lý ảnh được ứng dụng trong hệ thống này dáng của vật thể từ các tọa độ điểm của chúng. giúp cho việc phân loại được chính xác hơn. Hệ thống điều
2. Đặng Phước Vinh, Lê Đình Minh Nhật, Nguyễn Đặng Mẫn khiển trung tâm với chip vi điều khiển Arduino sẽ điều thể. Toàn bộ thông tin này sẽ được máy tính đóng gói và thực hiện việc truyền thông giữa cánh tay robot với phần truyền về cho vi điều khiển để vi điều khiển tạo tín hiệu mềm trên máy tính được viết bằng Visual Studio, nền tảng điều khiển cánh tay robot vươn đến vị trị vật thể trên vùng làm việc, gắp vật thể và thả tại vùng phân loại tương ứng. C#. Các vật thể được sử dụng trong nghiên cứu này được vòng lặp này sẽ được tiếp tục cho đến khi phân loại hết sản thể hiện ở Hình 1. phẩm có trong vùng làm việc hoặc nhấn nút dừng khẩn 2. Thiết kế cấp. Nút dừng khẩn cấp có nhiệm vụ dừng mọi hoạt động của cánh tay robot và bộ xử lý trong trường hợp gặp xự cố. 2.1. Tổng quan về hệ thống Với bài toán đặt ra như trên: khi sản phẩm vào vùng Để giải quyết bài toán xử lý ảnh thì chúng ta có rất làm việc của camera, được camera chụp ảnh lại và lưu lại nhiều công cụ hỗ trợ tốt như Open CV, Microsoft Visual vào máy tính. Yêu cầu đặt ra là cần phải xác định được Studio hay công cụ Image Processing Toolbox của Visual hình, đặc điểm, hướng của sản phẩm dựa vào đó phân Studio loại sản phẩm. Nếu có sản phẩm nào không trùng với quy Trong nghiên cứu này, nhóm tác giả sử dụng phần định sẽ được phân loại là phế phẩm. mềm Visual Studio với nền tảng C# để xây dựng phần mềm Để thực hiện được yêu cầu của hệ thống trên ta sử giao tiếp với hệ thống điều khiển của cánh tay robot. dụng thư viện xử lý ảnh trong Visual Studio để hỗ trợ trong việc nhận dạng đặc điểm, hướng của sản phẩm. 2.2. Phương án thiết kế: a) Động cơ Sau khi tìm hiểu, tính toán và thử nghiệm các loại động Hình 2: Sơ đồ phân loại và gắp hàng tự động ứng dụng cơ trên thị trường, tác giả nhận thấy động cơ servo và động công nghệ xử lý ảnh cơ bước là phù hợp hơn cả. * Động cơ servo Trong hệ thống sử dụng camera nhằm chụp ảnh sản - Ưu điểm: Mômen trên trục đều hơn, tốc độ cao hơn, phẩm, máy tính có nhiệm vụ thu nhận, lưu trữ và xử lý, có nhiều kích cỡ, làm việc êm, độ chính xác cao. nhận dạng sản phẩm thông qua hình ảnh đã chụp được từ camera, từ đó xuất ra lệnh đưa tới bộ điều khiển nhằm tác * Động cơ bước động đến các cơ cấu chấp hành phân loại sản phẩm theo - Ưu điểm: Giá thành rẻ, có thể điều khiển mạch hở, quy định. Hình 3 thể hiện mô hình 3D của hệ thống. duy trì mômen rất tốt, mômen xoắn cao ở tốc độ thấp, định Hệ thống gồm 2 phần chính: vị chính xác. ▪ Bộ điều khiển gồm: một chip vi điều khiển b) Vật liệu chế tạo thân Robot Hiện nay có rất nhiều loại vật liệu có thể làm thân vỏ Arduino, các mạch driver dùng để điều khiển cho robot như thép, nhôm hoặc nhựa. Nhưng sau khi xem động cơ và cánh tay robot 5 bậc tự do. xét các ưu nhược điểm của từng loại vật liệu thì nhựa PLA ▪ Cơ cấu chấp hành bao gồm: một cánh tay robot 5 là phù hợp hơn cả vì : nhựa có khối lượng nhẹ dễ gia công, bậc tự do. có thể tạo các bề mặt phức tạp nhờ công nghệ in 3D. 2.3. Tính toán động học và thiết kế cánh tay Nội dung của động học nhằm nghiên cứu giải tích về chuyển động của robot đối với một hệ tọa độ tham chiếu cố định như là một hàm theo thời gian mà không quan tâm đến các lực hoặc momen gây ra chuyển động đó [4]. Nó xác định mối quan hệ giữa không gian biến trục với vị trí và hướng của khâu chấp hành cuối của robot. Động học robot bao gồm hai nội dung chính cần giải quyết như sau: Cho các giá trị của biến khớp là góc quay hoặc độ dài tịnh tiến, các thông số hình học và các thông số liên kết của các khâu. Yêu cầu xác định vị trí và hướng của khâu chấp hành cuối đối với hệ tọa độ tham chiếu. Đây được gọi là bài toán động học thuận – direct (forward) kinematics. Cho trước các thông số hình học và các thông số liên kết của các khâu, cho trước vị trí và hướng của khâu chấp Hình 3: Mô hình 3D của hệ thống hành cuối đối với hệ tọa độ tham chiếu mà ta muốn robot phải đạt đến. Yêu cầu xác định giá trị của các biến khớp để Các vật thể cần phân loại sẽ nằm trong vùng làm việc, robot đạt được hướng và vị trí cho trước và cấu hình của là phần giao nhau giữa vùng hoạt động của cánh tay robot tay máy phù hợp với điều kiện đã cho. Đây được gọi là bài và vùng nhận diện của máy ảnh. Máy ảnh chụp và gửi hình toán động học ngược robot – inverse kinematics. ảnh về máy tính để nhận diện và phân loại các thuộc tính của sản phẩm bao gồm hình dáng, màu sắc và tọa độ vật
3. Cánh tay robot 5 bậc tự do ứng dụng xử lý ảnh để phân loại sản phẩm a) Bài toán động học thuận = 푠푖푛(휃1) × ( 3 × 표푠(휃23) + 2 표푠(휃2) Chọn hệ tọa độ cơ sở, gắn các hệ tọa đô trung gian lên + 5푠푖푛(휃234)) các khâu (Hình 4), ta có bảng thông số Denavit – = 1 + 3 × 푠푖푛(휃23) + 2 × 푠푖푛(휃2) Hartenberg (Bảng 1) − × 표푠(휃 ) 5 234 푛 = 표푠(휃234) × 표푠(휃1) × 표푠(휃5) − 푠푖푛(휃1) × 푠푖푛(휃5) 푛 = 표푠(휃234) × 표푠(휃5) × 푠푖푛(휃1) − 표푠(휃1) × 푠푖푛(휃5) 푛 = 푠푖푛(휃234) × 표푠(휃5) 표 = 표푠(휃5) × 푠푖푛(휃1) − 표푠(휃234) × 표푠(휃1) × 푠푖푛(휃5) 표 = − 표푠(휃1) × 표푠(휃5) − 표푠(휃234) × 푠푖푛(휃1) × 푠푖푛(휃5) 표 = −푠푖푛(휃234) × 푠푖푛(휃5) = 푠푖푛(휃234) × 표푠(휃1) Hình 4: Tọa độ khâu trung gian = 푠푖푛(휃234) × 푠푖푛(휃1) Bảng 1: Bảng thông số DH ( ) ∗ = − 표푠 휃234 Khâu 휽풊 풅풊 풊 휶풊 ∗ 표 Với 휃234 = 휃2 + 휃3 + 휃4 và 휃23 = 휃2 + 휃3 1 휃1 1 0 90 ∗ 2 휃2 0 2 0 ∗ b) Bài toán động học nghịch 3 휃3 0 3 0 ∗ 표 Hệ phương trình động học của robot được thiết lập: 4 휃4 0 0 90 ∗ = × × × × 5 휃5 5 0 0 5 1 2 3 4 5 −1 1 Ma trận tổng quát 푖 :  1 × 5 = 1 5 푖 ∗ ∗ ∗ 푛1 ∗ ∗ ∗ 1 표푠(휃) − 표푠(훼) ∗ 푠푖푛(휃) 푠푖푛(훼) ∗ 푠푖푛(휃) ∗ 표푠(휃) ∗ ∗ ∗ 푛 ∗ ∗ ∗ 푠푖푛(휃) 표푠(훼) ∗ 표푠(휃) −푠푖푛(훼) ∗ 표푠(휃) ∗ 푠푖푛(휃) [ 2] = [ 2] = [ ] ∗ ∗ ∗ 푛3 ∗ ∗ ∗ 3 0 푠푖푛(훼) 표푠(훼) 0 0 0 1 0 0 0 1 0 0 0 1 Ma trận cho khâu 1÷5: Trong đó: 표푠(휃1) 0 푠푖푛(휃1) 0 푛1 = × 표푠(휃1) + × 푠푖푛(휃1) 푠푖푛(휃1) 0 − 표푠(휃1) 0 1 = [ ] 푛 = − 0 1 0 1 2 1 0 0 0 1 푛 = × 푠푖푛(휃 ) − × 표푠(휃 ) 3 1 1 표푠(휃2) −푠푖푛(휃2) 0 2 ∗ 표푠(휃2) 1 = 3 × 표푠(휃23) + 2 × 표푠(휃2) + 5 × 푠푖푛(휃234) 푠푖푛(휃2) 표푠(휃2) 0 2 ∗ 푠푖푛(휃2) 2 = [ ] = × 푠푖푛(휃 ) + × 푠푖푛(휃 ) − × 표푠(휃 ) 0 0 1 0 2 3 23 2 2 5 234 0 0 0 1 3 = 0 표푠(휃 ) −푠푖푛(휃 ) 0 ∗ 표푠(휃 ) 3 3 3 3 Khi biết vị trí robot cần đến hay biết x, y, z, , , ( ) ( ) ( ) = [ 푠푖푛 휃3 표푠 휃3 0 3 ∗ 푠푖푛 휃3 ] 3 0 0 1 0 ta có thể tìm được các góc xoay. (trong đó , , là 0 0 0 1 vecto mà theo đó bàn kẹp sẽ tiếp cận đến đối tượng chiếu ( ) ( ) 표푠 휃4 0 푠푖푛 휃4 0 trên trục x,y,z). ( ) ( ) = [푠푖푛 휃4 0 − 표푠 휃4 0] 4 0 0 1 0 + tính 휃1: 0 0 0 1 푛3 = 3 표푠(휃5) −푠푖푛(휃5) 0 0  × 푠푖푛(휃1) − × 표푠(휃1) = 0 푠푖푛(휃5) 표푠(휃5) 0 0 5 = [ ] 푠푖푛(휃1) 0 0 1 5  = 0 0 0 1 표푠(휃1) Ma trận tác động cuối  휃1 = 푡 푛2 ( , ) 푛 표 휃234 = 휃2 + 휃3 + 휃4 푛 표 = [ ] = ∗ ∗ ∗ ∗ 휃234 = 푡 푛2(− × 표푠(휃1) − × 푠푖푛(휃1), ) 5 푛 표 1 2 3 4 5 + tính 휃 : 0 0 0 1 3 푛 = { 1 1 Cân bằng các phần tử của ma trận ở 2 vế ta được một hệ 푛2 = 2 phương trình sau: = 표푠(휃1) × ( 3 × 표푠(휃23) + 2 표푠(휃2) + 5푠푖푛(휃234))
4. Đặng Phước Vinh, Lê Đình Minh Nhật, Nguyễn Đặng Mẫn Tại khâu 1, toàn bộ cánh tay robot được đặt lên ổ bi và × 표푠(휃1) + × 푠푖푛(휃1) = dùng truyền động đai để điều chỉnh góc xoay của khâu 1. 3 × 표푠(휃23) + 2 × 표푠(휃2) + 5 × 푠푖푛(휃234)  Trên ổ bi, nhóm tác giả đã đặt động cơ bước ngay trọng − 1 = tâm của ổ bi nhằm giảm thiểu sự rung lắc do quay lệch tâm { 3 × 푠푖푛(휃23) + 2 × 푠푖푛(휃2) − 5 × 표푠(휃234) gây ra. Để giảm mômen cho khâu 3, nhóm đã dời trục của × 표푠(휃 ) + × 푠푖푛(휃 ) − × 푠푖푛(휃 ) = 1 1 5 234 động cơ bước số 3 xuống thấp nhất có thể, các khâu còn × 표푠(휃 ) + × 표푠(휃 )  3 23 2 2 lại, nhóm quyết định sử dụng động cơ servo. − 1 + 5 × 표푠(휃234) = { 3 × 푠푖푛(휃23) + 2 × 푠푖푛(휃2) Ta đặt: 푛 = × 표푠(휃 ) + × 푠푖푛(휃 ) − × 푠푖푛(휃 ) { 1 1 5 234 푛 = − 1 + 5 × 표푠(휃234) 푛 = × 표푠(휃 ) + × 표푠(휃 )  { 3 23 2 2 푛 = 3 × 푠푖푛(휃23) + 2 × 푠푖푛(휃2) 2 2  푛 + 푛 = ( 3 × 표푠(휃23) + 2 × 2 표푠(휃2)) + ( 3 × 푠푖푛(휃23) + 2 × 2 푠푖푛(휃2)) 2 2 2 2 푛 +푛 − 3 − 2  표푠(휃3) = 2× 3× 2 2  푠푖푛(휃3) = −√1 − 표푠(휃3)  휃3 = 푡 푛2(푠푖푛(휃3), 표푠(휃3)) +Tính 휃2: 푛 = × 표푠(휃 ) + × 표푠(휃 ) Ta có: { 3 23 2 2 푛 = 3 × 푠푖푛(휃23) + 2 × 푠푖푛(휃2) 푛 = × ( 표푠(휃 ) × 표푠(휃 ) − 푠푖푛(휃 ) × 3 2 3 2 푠푖푛(휃 ) + × 표푠(휃 ))  3 2 2 푛 = 3 × ( 표푠(휃2) × 푠푖푛(휃3) − 푠푖푛(휃2) × { 표푠(휃3) + 2 × 푠푖푛(휃2)) 푛 + 3×푠푖푛(휃2)×푠푖푛(휃3) 표푠(휃2) = × 표푠(휃 )+ (1)  { 3 3 2 푛 − 3× 표푠(휃2)×푠푖푛(휃3) (2) 푠푖푛(휃 ) = 2 3× 표푠(휃3)+ 2 Hình 5: Sơ đồ động học Ta thay (2) vào (1) và rút gọn ta được: 표푠(휃2) 2.5. Tính toán lực cho các khâu 푛 × ( × 표푠(휃 ) + ) + × 푠푖푛(휃 ) × 푛 - Robot với cấu hình 5 bậc tự do, bao gồm: 5 khớp = 3 3 2 3 3 2 2 xoay, khớp đầu tiên giúp cánh xoay. ( 3 × 표푠(휃3) + 2) + ( 3 × 푠푖푛(휃3)) - Tay xoay sang hai bên, tiếp đó là 3 khớp xoay giúp Tương tự thay (1) vào (2) ta được: cánh tay gập lên xuống để nâng hạ vật, cuối cùng là khớp 푠푖푛(휃2) giúp định vị vật chính xác hơn và tay kẹp dùng để gắp vật. 푛 × ( × 표푠(휃 ) + ) − × 푠푖푛(휃 ) × 푛 Sau khi xem xét tính chọn cơ cấu phù hợp cho các = 3 3 2 3 3 ( × 표푠(휃 ) + )2 + ( × 푠푖푛(휃 ))2 khâu 2 3 4 5, nhóm tính toán các khâu và tính được khối 3 3 2 3 3 lượng của mỗi khâu như sau:  휃 = 푡 푛2(푠푖푛(휃 ), 표푠(휃 )) 2 2 2 Khối lượng khâu 2: = 1800 2 Khối lượng khâu 3: = 520 + Tính 휃 : 3 4 Khối lượng khâu 4: = 155 휃 = 휃 − 휃 − 휃 4 4 234 3 2 Khối lượng khâu 5: = 109 5 a) Tính mômen tĩnh tác dụng lên khâu 2: 2.4. Sơ đồ động học Sau khi tính toán các khâu cho cánh tay robot, nhóm Chọn vị trí nguy hiểm nhất chính là khi các khâu 2, 3, 4, đã lựa chọn các động cơ, bộ truyền nhằm tối ưu hóa 5 duỗi thẳng ở vị trí nằm ngang (Hình 6), lúc này mômen mômen do động cơ tạo ra (Hình 5). tĩnh do trọng trường gây ra là lớn nhất:
5. Cánh tay robot 5 bậc tự do ứng dụng xử lý ảnh để phân loại sản phẩm 3. Điều khiển và xử lý Hệ thống được điều khiển bởi sự kết hợp giữa chip vi điều khiển và máy tính thông qua truyền thông nối tiếp RS232 [5]. 3.1. Điều khiển cơ cấu Hệ thống gồm các phần: - Khối điều khiển: Sử dụng vi điều khiển Arduino, thực hiện chức năng tiếp nhận thông tin từ máy tính và tạo các tín hiệu điều khiển truyền tới các driver để điều khiển cơ Hình 6: Sơ đồ tải trọng của robot cấu chấp hành. khi chịu trọng lượng lớn nhất - Khối xử lý trung tâm: đối với hệ thống là máy tính để thực hiện chức năng xử lý ảnh thu được từ khối camera và xử lý hình ảnh và đóng gói thông tin tương ứng để truyền Trong đó: 푃푣 là trọng lượng vật nâng về khối điều khiển. 푃푣 = 0,2 × 9,8 = 1,96 - Khối Camera: Sử dụng camera Logitech C270 có độ 푃 , 푃 , 푃 , 푃 là trọng lượng của các khâu 2, 3, 4, 5. 2 3 4 5 phân giải 720p, có chức năng thu thập hình ảnh xung quanh 푃2 = 1 × 9,8 = 9,8 N cho robot. 푃3 = 0,47 × 9,8 = 4,606 N - Khối cơ cấu chấp hành: Cánh tay robot 5 bậc chuyển 푃4 = 0,155 × 9,8 = 1,519 N động để vươn tới các vị trí xác định thông qua hệ 5 động 푃5 = 0,109 × 9,8 = 1,068 N cơ, thực hiện các động tác gắp, thả vật thể theo điều khiển của khối điều khiển. - Khối nguồn: Sử dụng bộ nguồn 24VDC – 20A và bộ b) Tổng mômen tĩnh do trọng lực gây ra trên trục 1: giảm áp LM2596 để đạt được điện áp 7V cung cấp nguồn 푡 = 푃 × 0,111 + 푃 × 0,316 + 푃 × 0,451 2 2 3 4 cho hoạt động của robot và khối điều khiển. + 푃5 × 0,555 + 푃푣 × 0,6 = 6,115 Quá trình điều khiển được biểu diễn dưới dạng lưu đồ Ngoài ra khi làm việc từ trạng thái ban đầu là đứng yên, thuật toán như Hình 9 lực quán tính sinh ra kết hợp với tải trọng tĩnh sẽ gây ra lực cản lớn nhất đặt lên trục khớp 2. Ở đây ta bỏ qua ma sát. Bản vẽ 3D và hình ảnh thực tế của cánh tay robot 5 bậc tự do được thể hiện ở Hình 7 và 8. Hình 7: Bản vẽ 3D cánh tay robot Hình 8: Hình ảnh thực tế của cánh tay robot Hình 9: Lưu đồ thuật toán điều khiển cánh tay robot
6. Đặng Phước Vinh, Lê Đình Minh Nhật, Nguyễn Đặng Mẫn 3.2. Xử lý hình ảnh arduino sẽ bắt đầu phân tách thông tin từ máy tính và bắt Tác giả sử dụng thư viện OpenCV phiên bản 3.4.1 để đầu quá trình phân loại vật thể theo chương trình được viết thực hiện việc nhân diện phân loại dựa trên các đặc tính có sẵn. Tốc độ lúc này rơi và khoảng trung bình 10 giây cho sẵn của vật thể. Đầu tiên, ảnh sẽ được máy ảnh ghi lại theo hành động tương tác với một vật thể. định dạng màu RGB (Hình 10). Nếu sau một khoảng thời gian mà hệ thống không nhận được tín hiệu từ máy tính, toàn hệ thống sẽ về vị trí ban đầu và đợi lệnh tiếp theo từ máy tính. Quy trình trên được mô tả dưới sơ đồ khối như Hình 13. Hình 10: Ảnh RGB Sau đó, sẽ qua các phép toán lọc nhiễu, các phép toán hình thái học như (dãn nở điểm, bộ lọc gauss, khép kín biên dạng) và lọc màu nhằm tạo ra ảnh nhị phân tương ứng với mỗi loại màu (Hình 11). Nhóm đã dùng hàm Inrange của thư viện OpenCV 3.4.1 để lọc màu tạo ảnh nhị phân. Ưu điểm của phương pháp này là vùng nhận diện lớn và tránh được các yếu tố môi trường như ánh sáng. Hình 12: Lưu đồ thuật toán xử lý ảnh Hình 11: Ảnh nhị phân Khi bước xác định màu sắc kết thúc, toàn bộ ảnh nhị phân sẽ được xử lý nhằm xác định tâm, hình dạng vật thể và góc lệch (góc tạo bởi một cạnh và đường biên của ảnh). Cuối cùng, các thông số về vật thể như màu sắc, hình dạng, tọa độ và góc lệch sẽ được lưu vào chuỗi và sẵn sàng gửi. Quy trình xử lý được mô tả bằng lưu đồ thuật toán như Hình 12. 3.3. Phân loại vật thể Sau khi các bước lọc ảnh, phân loại, tìm các đặc tính của vật thể được máy tính xử lý xong. Các thông số đó sẽ được truyền đến chip vi điều khiển Arduino thông qua giao tiếp nối tiếp RS232 [5]. Sau khi nhận được tín hiệu, Hình 13: Lưu đồ thuật toán phân loại vật thể
7. Cánh tay robot 5 bậc tự do ứng dụng xử lý ảnh để phân loại sản phẩm 4. Giao diện điều khiển [3] M. Dragusu, A. Mihalache, R. Solea, Practical applications Giao diện điều khiển được nhóm tác giả tạo ra bằng for robotic arms using image processing, 16th International phần mềm Visual Studio với ngôn ngữ chính là C# (xem Conference on System Theory, Control and Computing Hình 14). Bảng điểu khiển giúp cho người sử dụng có thể (ICSTCC), 2012. thao tác dễ dàng với hệ thống nhờ các nút bấm. Bên cạnh [4] Nguyễn Thiện Phúc, Giáo trình robot công nghiệp, Nhà đó thì người sử dụng cũng có thể thay đổi các thông số đầu xuất bản Giáo Dục, 2009. vào để giúp hệ thống đáp ứng với sự tác động của các tác [5] Đặng Phước Vinh, Võ Như Thành, Giáo trình kỹ thuật vi nhân bên ngoài đặc biệt là ánh sáng. điều khiển PIC, Nhà xuất bản Xây Dựng, 2019. Hình 14: Giao diện điều khiển viết trên nền tảng C# 5. Kết luận Hệ thống đã hoạt động ổn định trong việc nhận diện và phân loại vật thể theo màu sắc và hình dạng mong muốn với độ chính xác cao. Việc kết nối camera, phần mềm Visual Studio và vi điều khiển được thực hiện tốt. Nhóm tác giả cũng tạo được giao diện điều khiển để giúp người sử dụng có thể trực tiếp tương tác với hệ thống một cách tốt hơn. Bên cạnh đó, hệ thống được chế tạo với chi phí thấp hơn 40% giá thành so với các mẫu cùng loại với cùng tính năng. Với giá thành thấp, độ chính xác cao và dễ dùng, hệ thống sẽ là công cụ hỗ trợ đắc lực cho sinh viên các ngành về việc thực hành các môn học có liên quan đến hệ thống tay máy robot. Bên cạnh những kết quả đã đạt được, hệ thống còn một số nhược điểm nhất định. Đa số các chi tiết đều được làm bằng nhựa PLA nên tuổi thọ của hệ thống sẽ không được cao so với các hệ thống cùng loại với cấu tạo từ các hợp kim. Thêm vào đó, tốc độ của hệ thống chưa cao, chưa đáp ứng được các nhiệm vụ với yêu cầu tốc độ xử lý nhanh trong khoản thời gian vài giây. Trong thời gian tới, nhóm sẽ tiếp tục phát triển hệ thống hơn nữa và cụ thể là nâng cao tốc độ hoạt động của tay máy, tính toán nâng cao các phương trình động học của hệ thống. Tài liệu tham khảo [1] V.B.Raskar, N. Hargude, S. Vishwanath, K. Chavan, Practical applications of robotic hand using image processing. International Journal of Advanced Research in Computer Engineering & Technology (IJARCET), Vol. 4 Issue 3, 2015. [2] Bhumeshwari Basule1 , Shubhangi Borkar, A Review: Robotic Four Finger ARM Controlling using Image Processing, International Journal of Engineering Science and Computing, Vol. 7, No.7, 2017.