机器人阵列式触觉传感器的仿真

阐述了机器人二维和三维触觉传感器仿真的模型、计算机内部表示、一般方法和简化方法（扫描－搜索－填充法）。简化方法利用了物体的区域连贯性，吸收了数控插补的思想，效率较高。仿真生成的触觉图像可用于校验各种触觉图像处理及判断算法的正确性、可靠性和效率。     

机器人主动触觉搜索方法的研究

设计了一种双指手指结构，提出了新的主动触觉搜策略，利用多种传感器的输出来不断改变机械手的姿态，从而有序地搜索到三维物体的特征信息，并据此生成物体的三维图形。     

机器人阵列式触觉传感器系统的研究

文章讨论了一种基于压阻效应的阵列式触觉传感器及信息处理技术,介绍了系统组成与性能,分析了敏感阵列的结构和信号读出与图象采集电路的工作原理及实现。此外,对触党图象的处理和辨识方法也进行了深入的研究。实验样机表明,系统能实现对常见规则物体的识别,本设计为阵列式触觉传感器的实用化奠定了基础,也有助于智能机器人的进一步发展。     

机器人阵列式触觉传感器的仿真

阐述了机器人二维和三维触觉传感器仿真的模型、计算机内部表示、一般方法和简化方法（扫描－搜索－填充法）．简化方法利用了物体的区域连贯性，吸收了数控插补的思想，效率较高。仿真生成的触觉图像可用于校验各种触觉图像处理及判断算法的正确性、可靠性和效率。     

基于滑觉功能的机器人多指手稳定抓取方法

提出机器人多指手滑觉功能的一种实现方法和基于滑觉功能的机器人多指手力反馈控制方法。机器人多指手的滑觉功能是通过检测力觉传感器输出的变化而实现的,而通过将滑觉判断与力反馈控制相结合,并在力反馈控制系统中引入分级模糊控制的思想则可以使机器人多指手在实现滑觉功能的同时完成对物体的稳定抓取。     

机器人触觉图像的聚类处理

利用数值分类学中的聚类方法，对机器人夹持工件的触觉图像进行处理，可以有效识别工件及其数目、空间范围等。该方法对文中给出的峡谷大类工件都是适用的；在聚类处理过程中还可灵活消除噪声；与利用距离矩阵实现的系统聚类法相比较，本文利用“两次扫描”实现的聚类法权需考虑特殊点，运算量很小。     

机器人触觉传感器的优化设计

本文讨论了机器人阵列式触觉传感器的理论设计参数和实际制造参数,并用组合法辨识方法对设计参数进行了优化设计,给出了可供参考的设计值。     

机器人多指抓取的力封闭判别

在机器人多指操作过程中,需要判断抓取姿态是否满足力封闭条件．基于非线性摩擦锥约束转换为对称矩阵的正定线性约束,进一步将抓取力摩擦锥约束转换为线性矩阵不等式约束,使抓取力封闭判别问题转化为带线性矩阵不等式约束的可行解问题,给出了力封闭抓取的充要条件     

动态触觉传感中基于垂直采样的速度求解方法

提出了在触觉传感器动态触摸物体表面时，只利用传感器信号本身求触摸速度的方法，该方法利用了不同学深度的触觉传感信号，并对该信号的时间频率和空间频率进行分析，根据它们的时空尺度变换特征求解速度，仿真结果表明，该方法可以对一定范围内的速度进行较精度地测量。     

基于触觉传感器和强化学习内在奖励的机械臂抓取方法

触觉在机器人抓取过程中扮演着重要的角色,但在大多数强化学习任务中,触觉仅被用于拓展状态空间,其提供的位置和压力等信息很少被完全利用.针对该问题,同时受内在奖励机制启发,首先设计了一种“倒T”形传感器阵列布局;然后基于这种传感器阵列提出了新的内在激励方法,该方法根据机械臂末端与物体接触位置的不同,给予不同的重视程度,鼓励智能体以更有效的姿态来夹取物体;最后将该方法在仿真环境中进行测试,结果表明该方法在夹取椭球和圆球物体任务中收敛速度比最新的基准方法平均提高了约20%.     

基于改进Cascade R-CNN模型的机器人抓取检测研究

为提高多物体抓取检测网络的抓取检测准确率,提出一种基于改进Cascade R-CNN模型的机械臂抓取检测算法.首先,引入ResNeXt结构能够在不加大网络设计难度的前提下提高了模型的准确率;引入带空洞卷积的空间金字塔池化模块以解决分辨率较低的问题;接着对抓取框回归分支和角度分类分支以分治方法进行优化.其次,针对多物体抓取数据集缺乏的问题,构建多目标抓取数据集(multi-object grasping dataset, MOGD),有效地扩充了多物体抓取检测数据集.最后,基于改进Cascade R-CNN模型设计抓取检测网络,实验结果表明,改进后的算法效率更高,PI-Cascade R-CNN实验准确率为93%,较Cascade R-CNN提升1.5个百分点.     

基于感兴趣区域的机器人抓取系统

智能抓取机器人能够代替人类完成高强度工作,为实现物体的准确定位,提升机器人抓取的成功率,对基于感兴趣区域的机器人抓取系统进行研究。对深度相机进行标定,对深度卷积神经网络损失函数进行改进,使用焦点函数代替传统的交叉熵函数,训练模型,得到目标的类别、二维包络框中目标的像素坐标值与深度值等信息。利用手眼标定方法将深度传感器坐标转换到机械臂基坐标系下,依据相机成像原理完成物体的定位。通过机器人逆运动学求解关节角度,驱动机器人实现抓取。对实验过程进行分析,在aubo_i5机械臂上进行实验验证。实验结果表明,目标的识别定位误差较小,平均精度值提升了2.36%,抓取的平均成功率达到93.4%,较改进前提升了13.4%,能够满足机器人抓取的需求。     

触觉传感阵列的接触物体形状识别研究

本文提出了一种三维表面的矩阵运算方法,这种方法可应用于处理触觉传感阵列的接触物外形恢复问题。运用这种方法得到一种有效的接触物外形识别的运算方法和机器人触觉的控制方案。     

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。     

基于气压式触觉的欠驱动手抓取分类方法

使用一种气压式触觉阵列传感器拾取触觉特征信息,手掌和指尖触觉阵列点的灵敏度和最大重复性误差分别为13.73,10.85 kPa/N和3.54％,2.73％.依靠欠驱动手组建了触觉特征数据集,通过离散卡尔曼滤波方法对气压式触觉传感信息进行降噪处理,结合随机森林分类方法对生活物品进行分类.实验结果表明:气压式触觉传感器灵敏...     

机器人多指抓取的研究进展与展望

对机器人多指抓取和操作的研究现状进行综述 ,在对人手结构和功能进行分析的基础上 ,着重从形封闭和力封闭的角度对多指抓取进行定性分析 ,研究抓取的封闭性、可操作性、稳定性和抓取的定量评价问题 ,并对该领域未来的发展趋势作系统的分析和讨论 .     

基于改进粒子群算法的光纤光栅压触觉传感阵列测点优化

为了解决机器人手指压触觉测量中检测系统存在的电磁干扰问题,目前很多研究中采用了具有抗电磁干扰、体积小、质量轻且易封装等优势的光纤光栅压触觉传感阵列.针对机器人手指压触觉传感阵列测点排布问题,提出了一种基于改进粒子群算法的测点优化方法.首先通过有限元仿真得出机器人手指抓握过程的应变场分布情况,然后基于应变场分布结果进行传...     

具有触觉视觉临场感的遥操作机器人

为有效控制机器人完成复杂、精巧的任务,提高机器人在非确定环境下的作业效率,提出了一种具有触觉和视觉临场感功能的遥操作机器人控制新方法。机械手抓握或触摸物体时产生触觉,触觉信号经处理后通过数据手套的震动来刺激操控人员,实现触觉临场感,操控者可根据触觉临场感来掌握自己的手部动作;视觉临场感以视频和3D虚拟工作场景的形式再现。实验表明,该方法能有效提高遥操作机器人的操作能力。