基于单目视觉的工业机器人抓取系统设计

针对工业机器人在示教模式下上料无法对位姿出现偏差的工件完成抓取的问题,设计了一种基于单目视觉的工业机器人抓取系统。系统使用单目视觉采集工件图像,利用九点标定法将图像中的工件形心坐标转换为机器人坐标系下的坐标;通过图像处理算出工件的旋转角度,引导机器人运动至目标位置并配合抓手完成对工件的抓取。最后以PCB为对象搭建了抓取系统,经过多次抓取实验,发现该抓取系统位置误差在2 mm以内、姿态误差在1.5°以内,能够满足自适应抓取工件的定位要求。     

面向机器人抓取的双目视觉单步多目标检测方法应用研究

针对工业机器人的抓取技术普遍采用离线示教的方式,目标物的改变就会导致抓取不准的问题,研究了一种面向机器人抓取的双目视觉单目多目标检测方法,强化了机器人的抓取能力;首先搭建机器人抓取视觉检测系统,系统采用双目测距模型定位深度,单步多目标检测器定位像素坐标;通过相机标定和eye-to-Hand手眼标定将图像中的像素坐标以及双目测距模型的深度坐标转换为机器人基坐标的位姿,建立机器人运动学模型完成机器人基坐标到机器人末端坐标的转换,通过ROS实现上位机与机器人通讯,并将定位结果发送给ROS;经过多次实验,表明方法的目标检测误差在3.5 mm以内,深度误差在1.2 mm之内,具有很好的实用推广价值。     

基于改进的FREAK算法的机器人抓取系统

为了解决工业机器人对带有复杂纹理的平面型工件的识别与定位问题,将机器视觉技术与工业机器人相结合。利用改进的FREAK算法对目标工件进行快速识别,并根据工件的形状和单应矩阵计算出工件的形心坐标和旋转角度,再结合双目视觉系统,获取机器人抓取点的三维位姿信息,引导SCARA机器人抓取目标工件。实验结果表明:在复杂的工业环境下,机器人抓取系统能够准确识别出目标工件,具有良好的鲁棒性,同时也满足工业生产的实时性要求。     

基于EM算法的工业机器人抓取控制研究

抓取是机器人的基本操作任务,通过待抓取物体的位姿变化对机器人关节数据自适应调整,提高机器人物体抓取成功率.本文基于EM算法的混合正态分布模型建立待抓取物体位姿观测变量和机器人关节变量之间的映射关系,并采用UR3机器人进行抓取试验.结果表明,采用该方法进行抓取控制只是在样本训练集的边缘抓取失败,抓取成功率为95.5％.基于EM算法的混合正态分布模型可以有效地对工业机器人抓取进行控制,具有比较高的抓取成功率.     

基于线激光传感器的盾构管片位姿检测方法

针对盾构管片初始摆放误差与拼装累积误差问题,提出一种新的管片位姿检测方案。该方案无须在管片上添加额外标记点,利用安装在管片拼装机器人上的3个线激光传感器对管片边缘进行扫描,根据边缘点的相对位置坐标计算管片上特征点的坐标,并依此推导出待安装管片的抓取位姿和安装位姿表达式。使用SolidWorks软件建立三维模型以提供算例,比较不同检测点位置对位姿计算精度的影响,验证该方案的可行性。研究结果表明:本文提供方案计算得到的管片位姿误差较小,可以满足盾构管片抓取和安装要求;增大管片边缘扫描点的距离能够提高姿态检测精度。     

仿象鼻气动连续体机器人的运动学建模与运动控制

为了解决连续体机器人运动学建模的难题并实现机器人的位姿控制,以自行研制的一种仿象鼻型气动连续体机器人为例,先忽略机器人自重和负载,做出连续体构节变形后其中心线上各部分曲率保持一致的假设,通过推导,得到了连续体构节变形参数(s、k、?)与构节长度(l_1、l_2、l_3)之间的关系表达式。将连续体构节离散为关节变量,参考D-H法建立了该机器人的运动学模型,设计了机器人的气动系统并对机器人进行运动数据采集。将实际采集数据代入上述模型中来确定模型参数,在一定程度上弥补了因忽略机器人自重和负载而产生的模型误差,提高了运动控制精度。机器人的抓取实验结果表明:按实际采集数据确定参数的常曲率运动模型,可以应用于连续体机器人的位姿控制;对比机器人末端的仿真计算轨迹和实际轨迹,得到最大运动误差为6.3 cm,误差主要来源于系统误差、模型误差和测量误差3个方面。研究工作对于同类型连续体机器人的实用化与位姿实时控制研究具有重要的参考价值。     

计算机辅助外科中手术与计划空间标定以及视觉空间的误差校正

计算机辅助外科(CAS)系统中,多空间集成在一起,为了提高系统的操作精度,需要有效的标定方法校正空间之间的误差.利用机器人上特征在导航系统中视觉空间的运动误差,建立视觉空间与机器人空间的映射关系,递归校正两空间之间的局部转换矩阵.利用局部转换矩阵建立优化方程,求取全局最优转换矩阵.该方法对所有动态、静态误差进行校正.针对手术与计划空间中存在的耦合误差,利用设计的特殊结构力传感器和标定块解耦标定其误差,并根据求取的转换矩阵,调整计划空间中对象的位姿,保证计划空间与手术空间中的对象位姿一致.实验结果表明,动态标定方法可以使视觉空间中的全局误差减少到5个像素,力控标定方法可以使位置误差减小到0.25mm,姿态误差减小到0.1°.     

正骨机器人术前视觉导航方法与实验验证

针对足踝正骨机器人在手术前获取患者脚部目标位姿参数用于机器人引导的需求,提出了一种针对患者脚部目标点云的位姿估计方法。该算法利用主成分分析法获取脚部目标点云的中心点和点云数据最大分布的方向向量,并结合方向包围框对参数进行修正,将最终目标位姿参数用于机器人的视觉引导。开展基于UR5协作机器人的视觉引导实验,验证方法有效性。实验结果表明,利用本文方法得到的结果准确可靠,操作简单方便,可满足正骨手术机器人目标定位的临床需求,为中医正骨的进一步智能化和实际应用提供了理论参考与实践基础。     

装配机器人位姿误差补偿的研究

在分析装配机器人位姿误差的基础上,提出了机器人位姿误差补偿模型,最后经实验表明本方法对提高装配机器人位姿精度十分有效。     

结合迭代学习控制的视觉伺服物品抓取方法

针对家庭环境中服务机器人的物品抓取问题,以NAO机器人为实验平台,提出了一种结合迭代学习控制的基于位置的视觉伺服抓取算法.结合Bumblebee2双目立体相机构建了视觉伺服系统,对NAO机器人的机械臂进行了运动学建模.针对静止物品和传递过程中运动物品的抓取问题,分别设计了李雅普诺夫渐进稳定的基于位置的视觉伺服(PBVS)抓取控制律,最后为克服机械误差和物品运动预测误差的影响,结合迭代学习控制对PBVS控制律进行了改进,通过迭代实验验证提出的方法能够快速校正系统误差,提高系统响应速度,使机器人能够快速、稳定地完成目标物品的抓取,实现相应的家庭服务.     

基于立体视觉的机器人位姿标定技术研究

针对机器人位姿的测量,建立双目立体视觉传感器三坐标的数学模型。匹配相关的特征点,采用最小二乘法得到空间特征点的三维坐标。利用外部位姿线性方程的建立与求解确立机器人基坐标与工件坐标的矩阵关系。通过靶标法来确定机器人在某一位姿时工件坐标系和视觉传感器坐标系之间的齐次坐标变换矩阵的关系。实验结果显示,在没有噪声因素情况下,利用线性方法求解机器人外部位姿是可行的,能够满足系统精度要求。     

基于双目视觉的机器人位姿标定技术研究

针对机器人位姿的测量,建立双目立体视觉传感器三坐标的数学模型。匹配相关的特征点,采用最小二乘法得到空间特征点的三维坐标。利用外部位姿线性方程的建立与求解确立机器人基坐标与工件坐标的矩阵关系。通过靶标法来确定机器人在某一位姿时工件坐标系和视觉传感器坐标系之间的齐次坐标变换矩阵的关系。实验结果显示,在没有噪声因素情况下,利用线性方法求解机器人外部位姿是可行的,能够满足系统精度要求。     

一种基于视觉测量的大型碟式聚光器 镜面单元位姿调节方法

根据大功率碟式聚光器镜面单元结构特点及在线安装过程中对镜面单元位姿快速检测、高效调节和精确定位的需要,提出了一种基于三目视觉测量和机器人辅助安装的镜面单元位姿调节方法.建立了任一镜面单元角点空间坐标方程,设计了镜面单元位姿调节系统结构,并明确了相应调节方法与步骤.以38 k W碟式聚光器为例,对镜面单元不同位姿进行了光学计算,分析了视觉测误差和镜面单元制造误差等因素对镜面单元位姿调节的影响.结果表明,基于视觉测量的调节方法,在不考虑其他误差情况时,当视觉测量误差和镜面单元制造误差的综合误差控制在±2 mm内,能满足镜面单元位姿调节精度要求.     

基于二维码的相机位姿求解

针对视觉机器人定位问题,提出基于二维码的相机位姿求解方法,以实现视觉机器人的精准定位.利用开源计算机视觉库(open source computer vision library,OpenCV),首先对二维码的标准位置和相机进行标定;其次对图像进行预处理,得到二维码准确的边缘轮廓;然后利用循环遍历和最大距离算法求解特征点,对于像素过低导致的边缘失真采用"像素突变"算法进行优化;最后利用特征点通过坐标变换求解出相机位姿.在实际场景中对该方法进行测试,试验结果表明算法的旋转轴误差为±0.18 m,旋转角误差为±2°,平移量总误差为±0.02 m,可以有效地对视觉机器人进行精准定位.     

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。     

位姿闭环控制的高精度脑外科机器人

为解决现有脑外科机器人存在的绝对定位精度难于满足精细手术应用的问题,提出一种视觉伺服的系统方案,引入高精度光学跟踪手段,对机器人的末端位姿进行实时测量并反馈。采用一种基于关节空间控制和位姿空间动态补偿综合的机器人视觉闭环控制方法,并设计了动态校正控制算法。仿真结果表明:动态位姿闭环可以有效克服各种参数误差因素的影响,对机器人的绝对定位和跟踪误差具有校正作用,明显改善了轨迹跟踪精度,同时提高了鲁棒性能。绝对定位达到神经外科手术±1mm的精度要求,实际运用取得了令人满意的结果。     

基于模型和数据驱动的机器人6D位姿估计方法

提高运动精度是机器人执行精密操作的基础.该文针对重载操作造成的机器人末端结构变形问题进行位姿补偿研究.首先,提出了基于模型和数据驱动的机器人末端6D位姿估计方法,该方法利用基于Gauss过程回归的机器人运动学误差模型获得部分目标点空间位置的预测值;然后,提出了基于测量平差的位姿修正方法,对目标点位置的实测值和预测值进行...     

基于视觉前馈和视觉反馈的仿人机器人抓取操作

针对仿人机器人执行抓取操作,提出了一种联合使用视觉前馈和视觉反馈的控制策略. 在视觉前馈中利用基于表格的逆运动学算法,简化了逆运动学计算,减少了抓取操作时间. 视觉反馈补偿了弱标定并增加了系统的稳定性. 两种控制算法的联合使用简化了仿人机器人的伸手抓取操作. 实验结果验证了该控制策略的可用性.     

多自由度机器人位姿稳定性控制方法研究

对于多自由度机器人位姿控制方法来说,机器人位姿稳定性受到各种因素的干扰,容易发生位姿失稳现象,为此,提出一种新的方法来解决此问题.采用扩展卡尔曼滤波算法实现多自由度机器人各个传感器数据的有效融合,获取多方位机器人位姿数据;通过传感器信号处理去除机器人位姿测量噪声,使用自适应扩展技术实现机器人参量与姿态角校正信息融合,通过反演积分项自适应调节姿态参量并弥补稳态误差,实现机器人的位姿稳定控制.仿真实验结果表明,该控制方法能够准确实现多自由度机器人位姿稳定性控制,即使引入扰动机制仍然不会出现控制失衡,具有较好的稳态控制效果.     

一种基于视觉信息的自主搬运机器人

提出了一种利用视觉信息进行定位和抓取的自主机器人搬运系统,此系统由带有两自由度操作手的轮式移动机器人和远程控制站组成。机器人利用视觉系统识别路标信息,采用MonteCarlo方法进行自定位。当靠近目标物体时,机器人利用视觉系统识别目标,并在利用该信息引导下自动抓取。由于机器人的运行是靠视觉系统获取的路标信息和目标物体信息引导的,同时具有遥操作控制功能,因此该系统能轻松完成复杂环境下搬运物体的任务。