（1.南京工程学院自动化学院南京211167；2.南京工程学院自动化学院南京211167；
3.南京工程学院计算机工程学院南京211167；4.南京工程学院工业中心南京211167；
5.南京工程学院工业中心南京211167；）
摘要：工业机器人是面向工业领域的多关节机械手或多自由度的机器人。工业机器人是自动执行工作的机器装置，是靠自身动力和控制能力来实现各种功能的一种机器。但是现有的工业机器人大多存在“难用”的问题，操作人员需要经历较长周期的职业培训，我们希望设计一款桌面级机械臂，配合简单易用的视觉示教系统，让操作者可以通过动作演示来操作机械臂。
关键词：人机协作；机械臂；示教平台；串口通信
本项目设计了一款六轴工业机器人模型，采集STM32的单片机作为主控驱动，配合RGB——D传感器采集操作者体感信息，最终实现视觉示教功能。
一、机械臂结构与驱动单元
机器人一般是指在工厂车间环境中配合自动化生产的需要，能代替人来完成材料的搬运、加工、装配等操作的一种机器人。有关工业机器人的定义有许多不同的说法，通过比较这些定义，可对工业机器人的主要功能有更深入的了解。
工业机器人有主体、驱动系统和控制系统三个基本部分组成。主体即基座和执行机构，包括臂部、腕部和手部，有的机器人还有行走机构。我们设计的模型基座为固定式，简化结构，关节型的臂部有多个转动关节，有6个运动自由度，驱动系统包括动力装置和传动机构，全部的关节运动采用是MG90S数字舵机，转动角度：最大90-180°，用以使执行机构产生相应的动作；控制系统是按照输入的程序对驱动系统的和执行发出指令信号，并进行控制。
二、动作采样输入形式
工业机器人按程序输入方式区分有编程输入型和示教输入型两类，编程输入型是将计算机已编好的作业程序文件，通过RS232串口或者以太网等通讯方式传送到机器人控制柜（PCA9685芯片），采用的是I2C通信，内置PWM驱动器和一个时钟，最大优势不会不断发送信号占用我们的单片机。
示教输入型的示教方法有两种：一种是由操作者用手动控制器（示教操作盒），将指令信号传给驱动系统，使执行机构按要求的动作顺序和运动轨迹操作演示一遍，另一种是由操作者直接领动执行机构，按要求的动作顺序和运动轨迹操演一遍。
三、基于Kinect的人机交互和图像处理
手势识别是人机交互领域的重要组成部分，而手势检测是手势识别的关键步骤之一。传统的手势检测不仅采用肤色检测还需要人手定位，计算复杂度高。深度传感器的出现为手势检测提供一个新的思路，它获取的深度图像包含了物体的深度信息。单独的进行深度图像分割可以有效快速的分割出手势，但在复杂背景下手势检测准确率低。目前的手势检测算法大部分都是仅利用彩色图像（RGBImage）或深度图像（DepthImage）信息，很少将它们结合起来进行检测。本项目设计基于RGB——D图像信息，提出了一种新的手势检测方法，首先提出结合肤色高斯模型分割和深度阈值的方法对手势进行分割。实验结果发现，分割的手势常常含有空洞部分。项目支持的硬件Kinect有三个镜头，中间的镜头是RGB彩色摄影机，用来采集彩色图像。左右两边镜头则分别为红外线发射器和红外线CMOS摄影机所构成的3D结构光深度感应器，用来采集深度数据（场景中物体到摄影头的距离）。彩色摄像头最大支持1280*960分辨率成像，红外摄像头最大支持640*480成像。还搭载追焦技术，底座马达会随着对焦物体行动跟着转动。在预处理阶段通过OpenCV快速跟踪手部，有效分割手势，引入隐马尔夫模型（HMM）对手势轨迹进行训练和识别。捕获人体手的坐标移动以及手势变化，利用坐标转化等手段，将其转化为指令，发送到六自由度机械臂，使其能够在非特定条件下，按照人体手的轨迹做特定运动，并进行抓取物体等功能。
四、前景和创新性
围绕其人为主导思想，建立人机交互界面，所有人都可以通过自身设计出其所需要的动作轨迹，不需其本身掌握任何专业知识，也不需要了解机器背后的程序代码。本项目考虑到大多机械臂都难于使用操作，操作者需经过专项职业培训才能上岗操作，但是我们作品，视觉示教简单易用，操作者无需经过培训即可使用机械臂，其次，采用基于Kinect图像识别，就要求人和机器保持一定的有效距离，这样就符合“人机分离”的理念，大大保障了操作者人身安全，我们设计的机械臂模型简单易用，在人机协作机器人领域有较好的前景。
五、用于教育形式的人机界面
巧用OPENCV工具和微软VisualSTDUIO，通过文字，图片，以MFC为图形界面开发工具，采用串口通信实现示教装置和主控制器之间通信，该装置符合人体工程学，人机见面友好，运行稳定，满足控制的需要，实时反馈人与机械臂的动作关系。
参考文献
[1]韩宝俊,卢建华,闵华松.WinCE下串口通信模型设计与实现[J].计算机工程与设计,2008,(8):1997-1999.
[2]任海兵,祝远新,徐光祐,等.基于视觉手势识别的研究-综述[J].电子学报,2000,(2):118-121.
[3]韩峥,刘华平,黄文炳,等.基于Kinect的机械臂目标抓取[J].智能系统学报,2013,(2):149-155.
[4]张毅,张烁,罗元,等.基于Kinect深度图像信息的手势轨迹识别及应用[J].计算机应用研究,2012,(9):3547-3550.