机器人柔性视觉测量系统标定方法的改进措施研究

随着时代的发展,机器人作业已经屡见不鲜,为保证作业的精准性首先需要进一步提升其视觉测量的准确性,本文将对一种改进机器人柔性视觉测量系统标定方法展开探讨,其重点在于建立起机器人运动学参数误差和手眼关系误差于一体的模型,在它的工作空间设置一个固定的参考物,形状为球型,并在机器人末端安装上结构光传感器,以此为基础构建起机器人柔性视觉测量系统。     

激光视觉机器人焊接中摄像机和手眼的同时标定

摄像机和机器人手眼标定是视觉机器人应用中的重要问题.文中针对激光视觉机器人焊接的具体应用系统,提出了一种同时标定摄像机和机器人手眼的方法.该方法依据机器人手眼矩阵和机器人手爪对基坐标系位姿矩阵之间的特定关系,进行一次标定实验而同时求解出摄像机参数和机器人手眼关系矩阵.此方法简单、实用、快捷,避免了传统方法复杂的实验和解答过程.计算结果表明,标定精度能满足机器人焊缝跟踪的应用要求.     

结合精度补偿的机器人优化手眼标定方法

为了解决制造现场机器人高精度视觉测量定位的问题提出了一种结合模型精度补偿的机器人方位与手眼关系同步标定方法。该方法首先将视觉系统与机器人之间的位姿关系即手眼关系以及标定板与机器人坐标系的空间转换关系作为待优化求解对象,用齐次坐标矩阵分别表示机器人运动学正解以及视觉系统与标定板之间的位姿关系,进而构建闭环的机器人手眼关系优化方程;然后,使用三维旋转群表示旋转矩阵,建立了标定模型方程,用非线性全局优化的方式同步得到标定方程中矩阵的旋转和平移初始解,采用最小化相机的重投影误差提高了标定精度;最后,使用机器人运动学标定设备提升了本体的模型精度,再进行视觉标定得到了更准确的标定结果。实验结果表明:该标定方法只需提前示教若干点即可自动完成,操作简易高效;在补偿了机器人本体的臂长和关节零位误差后,算法精度从0.15mm提升至0.10mm。与经典的手眼标定方法相比,所提方法在不同测试数据集下的标定精度和稳定性均最优。     

非线性最优机器人手眼标定

提出一种基于最大似然估计的非线性最优手眼标定算法,并采用该方法对机器人进行了手眼标定.由于机器人系统的运动学正解及相机的外参数推定都包含误差,因此不能满足手眼标定矩阵方程,从而导致现有机器人手眼标定算法对观测噪声较为敏感.新算法根据包含噪声的测量值来估计它们的真值,使得测量真值满足手眼标定方程,并且在欧拉刚性变换矩阵空间中可使真值和对应的测量值的距离最小.通过数值仿真和真实机器人手眼标定实验,将新算法与现有2种经典的手眼标定算法进行了比较,结果表明,新算法在估计误差、对位姿变换次数的敏感度和稳定性方面均优于经典算法.     

半智能排爆机器人单手双目手眼系统的研究

针对目前排爆机器人手动控制方式的不足,研究和开发了一个单手双目手眼系统用于半智能排爆机器人的自动控制.单手双目手眼系统是半智能排爆机器人的重要组成部分和关键技术,该视觉系统利用双目立体视觉原理,采用Matlab7.0作为运算引擎,调用机器视觉处理软件EVision6.2中的EasyMatch模式匹配库进行立体图像匹配,能实时捕获排爆机器人周围的图像信息、进行摄像机标定、图像预处理、立体图像匹配、确定机器人未端手爪与可疑目标物的相对位置坐标,并把图像实时显示在控制台,自动控制手臂靠近并准确地抓取可疑目标物.该半智能排爆机器人成功地抓取实验,表明了该立体视觉系统在精度上能够满足半智能排爆机器人的项目要求.     

机械手视觉控制器设计方法

提出了１个统一的机器人手眼系统动态模型，系统地阐述并比较了控制理论中几种重要方法在机器人视觉控制器设计中的运用和发展。     

激光视觉机器人焊接中同时标定摄像机和手眼关系的方法

摄像机和机器人手眼标定是视觉机器人应用中的重要组成部分。针对激光视觉机器人焊接,根据机器人手眼矩阵和机器人末端对基坐标系的位姿矩阵的特定关系,提出了一种同时标定摄像机和机器人手眼的方法。用所设计的标定物对此方法进行标定试验,由非线性最小二乘优化法求解待标定的参数。从焊缝上取20个样点,利用标定结果恢复其三维空间坐标,并与实际三维坐标对比,平均误差为0.12mm,满足焊缝跟踪要求。     

基于主动视觉的结构光手眼系统自标定方法

为实现结构光手眼系统的标定,提出一种基于主动视觉的结构光手眼系统自标定技术。该标定技术无需使用特制靶标,只需场景中三个特征点,通过控制机器人进行四次线性无关的平移运动和两次带旋转运动,即可实现结构光手眼系统的标定。四次非线性相关的平移运动标定摄像机内参数和手眼矩阵旋转部分,两次带旋转标定手眼矩阵的平移部分,两次带旋转运动中提取的两激光条,结合特征点所在平面信息,标定光平面方程。实验结果表明,三维数据测量精度可达到±1.32mm,平面特征点间的长度测量误差为±0.73 mm;该标定方法简单,特征选取容易,对结构光手眼系统的实际工业现场使用有重要意义。     

基于Faster R-CNN的机器人目标检测及空间定位

基于深度学习的方法,运用Faster R-CNN目标检测架构和ResNet50卷积神经网络,针对配电线路维护机器人系统作业目标的特点对网络进行了训练.在此基础上结合双目视觉测距原理测得作业目标在相机坐标系中的坐标,通过手眼标定将该坐标转换到机器人基座坐标系中,从而完成作业目标的空间定位.实验结果表明:该方法能很好地适应作业场景背景复杂、光照变化以及目标部分遮挡等情况,所提出的手眼标定算法能够满足配电线路维护机器人对目标空间测量定位的要求.     

简便高精度的机器人手眼视觉标定方法

对摄像机成像模型进行了分析,论述了机器人手眼系统标定原理。在此基础上,不改变机器人的外臂与基坐标系的旋转关系,设计了一种机器人手眼视觉的标定方法,与传统的方法比较,它不需要预先标定摄像机的内外参数。实验证明:该方法具有算法方便快捷、实验过程简单易行,且精度高等优点,可用于机器人进行运动目标定位与跟踪。     

基于视觉定位的七轴机械臂目标抓取研究

针对机器人结合机器视觉在面对特定物体进行抓取任务时,系统设计工作量大、可移植性差的问题,提出基于机器人操作系统(ROS),结合手眼的七轴机械臂目标抓取方法,在ROS框架下利用协作机器人FRANKA PANDA结合RGBD摄像头进行目标抓取。创建了RGBD摄像头的xacro机器人模型,利用RViz进行三维模型的可视化操作;应用MoveIt!软件对RViz和Dazebo进行联合仿真;将ROS获取的图像信息发送给OpenCV库进行图像处理及物体定位,然后将物体坐标信息发还给ROS进行机械臂抓取任务。结果表明,该方法简单有效,以ROS为基础设计的抓取方法可移植性强,解决了面对复杂多样的物体,机器人系统需进行大规模控制改动的问题。     

基于视觉与超声技术机器人自动识别抓取系统

提出了满足机器人装配作业中对工件进行可靠识别与抓取的信号处理技术及检测方法,对痛准确描述物体形状的特征提取方法进行了研究,设计了一种基于视觉与超声技术的机器人自动识别与抓取系统的结构,并在机器人装配作业平台上进行了物体识别与抓取的实验研究。     

基于机器人运动模式的手眼标定初值估计法

针对目前机器人手眼标定的方法大多需要求解手眼标定的基本方程,提出了一种新的用于机器人手眼标定中初值估计的方法．该方法在非线性优化过程中需要对初值进行估计,不同的初值可得到不同的结果,传统技术主要通过经验选取初值．本文利用机器人自身的运动模式,直接确定初值,大大减小了经验选择给结果带来的偏差．与经验选择初值的方法进行对比,结果表明,本方法得到了明显的改善。     

机器人自动装配线监控系统的通信与动态监测

本文系对我院１０７８名职工进行ＨＢＶＭ的检测，男性３５７人，占３３．１１％，女性７２１人，占６６．８９％。发现ＨＢＶ感染者２８３例，感染率为２６．２５％。其中ＨＢｅＡｇ阳性者１６例（１．４８％，ＨＢｓＡｇ阳性者５１例，ＨＢｃＡｂ阳性者６６例。     

双目视觉识别柚子轴线姿态的一种方法

在水果分选、检测以及水果采摘机器人中,需要识别目标物体的姿态信息。文中讨论了一种利用双目立体视觉技术,通过寻找柚子边界形状并结合摄影几何原理寻找其轴线三维姿态的方法,实验验证了该方法的有效性。     

基于市场组织模型的多智能体机器人系统

提出了一个基于市场组织模型的方法，并用它控制一个多智能体机器人系统完成工业上的合作和竞争作业。该市场组织模型首先被用于构造一个多智能体机器人系统。然后，一个动态自组织方法被提出来用于该多智能体机器人系统竞争和签约作业。其次，一个实际的多智能体机器人系统被建造和用于装配实验。最后，装配实验结果肯定了该系统的灵活性，适应性和稳定性。     

基于模糊神经网络的无标定全自由度手眼协调

研究机器人无标定手眼协调控制 .以单眼在手上配置 ,跟踪在三维空间进行平移和旋转的运动目标 .通过恰当定义目标特征 ,实现了机器人手爪 6自由度运动的一一对应控制 ,给出了视觉反馈与机器人控制之间的非线性映射关系 ,以模糊神经网络进行输入输出映射 .仿真证实了控制方法的性能 .     

基于视觉识别技术的移动式樱桃采摘机器人设计

为了降低樱桃采摘过程中的破碎率,提高采摘效率,设计一种新的基于视觉识别技术的移动式樱桃采摘机器人。将TI公司的32位数字处理器芯片TMS320F2812作为核心处理器设计移动式樱桃采摘机器人,本文给出硬件总体方案,并且通过SAA7105完成对视频图像的编码操作。软件设计主要包括樱桃的定位、机器人手眼标定和机器人路线规划。依据目标上多个点的三维位置信息对樱桃球模型进行重建,通过最小二乘法求出樱桃质心位置,实现樱桃的定位。将樱桃在机器人坐标系中的定位简化成求解摄像机坐标系和机器人坐标之间的映射矩阵,通过映射矩阵实现机器人手眼标定。考虑到樱桃的采摘要求,通过分段路径规划对机器人的运动进行控制。实验结果表明,所设计机器人图像处理性能强、定位精度高,在保证采摘精度的同时,有很高的采摘效率。