室内环境下结合里程计的双目视觉SLAM研究

针对视觉SLAM要解决的定位精度低和鲁棒性低的问题,提出一种基于双目视觉传感器与里程计信息的扩展卡尔曼滤波SLAM方法,应用改进的SIFT算子提取双目视觉图像的环境特征获得特征点,并构建出视觉特征地图;应用扩展卡尔曼滤波算法融合视觉信息与机器人位姿信息,完成同时定位与地图创建。这种方法既可以解决单目视觉利用特殊初始化方法获取特征点信息不准确的问题,也可以避免双目视觉里程计利用图像信息恢复运动带来的计算量极大和运动估计不鲁棒的缺点。仿真实验表明,在未知室内环境下,算法运行稳定,定位精度高。     

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。     

基于双目立体视觉的目标空间坐标计算及姿态估计

基于双目立体视觉的目标空间坐标计算及姿态估计方法、双目立体视觉系统标定和双目视觉系统校准技术,构建了三维场景中目标的空间坐标与图像中点像素坐标的对应方法.通过双目立体视觉系统采集目标图像,采用基于半全局立体匹配(SGBM)方法,实现了目标中心点三维坐标的计算,并通过背景差分的手段获得目标轮廓,获取目标在水平面的旋转角度,配合焦点所处的坐标位置标示,即可提取目标姿态信息.采用以上方法对电力仪表的姿态进行估计和验证,结果表明:设计的方法可以完成电力仪表的空间坐标计算以及姿态估计,可实现对电力仪表的准确抓取,为机器人在电力系统人工智能领域的应用提供参考.     

基于双目视觉的机器人自定位方法研究

研究了一种利用双目立体视觉的机器人自定位方法.首先提取双目图像序列的Harris角点特征,并计算其水平与垂直方向上的Sobel响应,基于此响应,采用绝对误差累计的最小窗口查找(SAD)原理进行立体匹配.将改进的RANSAC算法用于特征匹配点优化中,利用高斯牛顿迭代法求解机器人位姿,实现了机器人的自定位.室内、外实验,及与BoofCV视觉库中的立体视觉定位算法的对比分析,证明该方法在运算速度、定位精度和稳定性等方面均能满足实际应用需求.     

基于序列图像的视觉定位

提出了一种静止摄像机条件下基于计算机视觉的工业机器人的定位算法。采用单目视觉系统,由线性摄像机模型推导出定位测量模型。通过序列图像,以一种改进的自适应混合高斯模型更新背景,运用背景差分法检测出运动目标,用CAMSHIFT算法实现对运动目标的跟踪,确定其位置和姿态,估计出运动参数,反馈给机器人指导其准确运动。实验结果表明,该方法快速、有效,能够满足视觉定位的实时性要求。     

基于图像视觉伺服的移动机器人自主导航实现

提出了一种基于移动机器人双目摄像头的图像视觉伺服方法,实现了基于图像视觉伺服的移动机器人自主导航.当匹配图像特征点时,采取KLT算法和基于Harris算子角点检测与匹配算法相结合的方法,大幅优化了整个工程的运行时间,并结合RANSAC算法剔除误匹配的特征点对,使机器人能够精确地定位.实验结果证明该方法有效、正确.     

一种新的双目立体视觉伺服控制模型及实验研究

针对目前手眼视觉伺服系统模型中普遍存在深度信息估计的问题,提出了一种用于双目视觉伺服控制的模型,该模型避免了深度值的测量与估计,提高了系统的控制性能,从而解决了未知物点的深度信息估计的问题。本文应用此模型,单独考虑机器人的运动学特性,设计了机器人末端执行器进行定位控制的控制器,仿真结果验证了该模型与控制算法的有效性;进一步提出了模型使用的改进算法,使该模型更具有宽泛的实用性;并且,进行了基于MOTOMAN UP6型机器人的双目视觉伺服控制实验,实验结果验证了该模型在实际控制工程中的有效性、可行性。     

双目立体视觉系统设计

双目立体视觉是一种对目标点进行准确快速定位行之有效的方法,通过对双目立体视觉系统标定、立体匹配等关键技术的研究,设计开发了一种可以广泛应用的双目立体视觉系统。该系统采用了两种匹配算法,分别采用传统上基于极线约束的特征点灰度相关匹配算法和基于SIFT(Scale Invariant FeatureTransform)特征描述子的改进匹配算法实现。在实现双目立体视觉系统的目标点定位基础上,进行了两种匹配算法的性能比较和分析。实验表明该双目视觉系统设计具有良好的实用价值。     

双目视觉机器人物体搬运伺服控制系统研究

机器人视觉伺服系统的研究在机器人研究领域中起着重要作用,其研究结果的运用能使机器人更加智能化.文章以固高GRB-400机器人在双目视觉系统的条件下,基于位置的视觉伺服方法,研究了手爪如何精确定位物体和确定抓取物体的深度并确定目标姿态的方法.实验证明该方法能够实现机器人对物体的精确定位、抓取和搬运.     

基于RANSAC改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配.采用改进的RANSAC算法对所匹配点进行了误匹配点剔除.根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位.实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点.     

不稳定光照条件下多机器人的视觉系统设计

视觉系统是机器人系统感知外界环境的主要传感器.为了提高系统在不稳定光照条件下的识别准确率和定位精度,提出新的色标设计和根据当前颜色阈值可信度来确定颜色阈值的方法,同时采用数字图像形态学的理论对识别结果进行优化.最后,在“家庭生活支援多机器人系统”中得到了验证.     

基于机器学习与视觉的四足机器人步态精确监测方法

为保证四足机器人在复杂地形中能准确行进,对其步态实时监测方法进行了研究,提出一种基于机器学习和双目视觉的步态精确监测方法。首先为降低视觉残影误差,从已知步态轨迹“动中取静”确定对足端的最佳观测点位。此外,为补偿视觉系统误差所致足端位姿测量误差,提出一种基于深度神经网络的足端位姿精确预测方法。最后仿真结果表明所设计神经网络有99.68%的概率能达到0.025 mm足端位置预测精度,可满足实时、高精度监测要求。此方法将机器学习的泛化能力与视觉系统复杂误差来源相结合,使视觉方法实现了高精度测量,为足式机器人步态实时精确监测提供了新思路,进而为其足端精确定位及步态周期性保持提供了有益的方法参考。     

液压四足机器人单腿的分数阶虚拟模型控制

虚拟模型控制广泛用于四足机器人的运动控制器设计中. 提出了一种分数阶虚拟模型控制器,在保证四足机器人柔性触地的同时,提高四足机器人小跑运动中单腿轨迹跟踪的精确性和鲁棒性. 介绍了关节液压缸力控制系统的频域建模过程及基于非线性寻优法的单腿虚拟模型控制器的参数整定,并通过实验对比了分数阶虚拟模型控制和传统虚拟模型控制在四足机器人小跑运动中单腿的控制效果,证明了分数阶虚拟模型控制对单腿轨迹跟踪性能的改善作用.      

四足机器人步态参数优化及探索性行走策略

为实现四足机器人在复杂的地形环境、有限的能量供应和不可预知的干扰下运动稳定，提高四足机器人穿越复杂地形的能力，采用了粒子群优化算法对经典步行步态参数进行优化，提出了一种易于实现、能适应不同地形的探索性步态. 所提出的探索步态不需要立体视觉或激光雷达所感测到的任何地形信息，机器人通过IMU传感器和足端力传感器接触地面来感知地形. 针对提出的优化方法和步态策略进行了仿真和实验，验证了所提出的探索性步态在穿越不平坦地形时的运动能力.      

液压四足机器人髋关节的鲁棒自适应动态面控制

液压四足机器人髋关节由伺服阀控缸系统构成,是机械腿的关键组成部分.它的控制性能直接影响着机械腿甚至机器人的运动控制精度.因为髋关节工作情况的复杂性和阀控缸系统自身的非线性,使得传统控制算法无法满足机器人运动性能指标的要求.由此,本文对液压四足机器人髋关节伺服阀控缸系统的控制方法进行了研究.首先通过对髋关节工作条件的分析完成了伺服阀控缸的数学建模,然后基于鲁棒自适应动态面的控制算法设计了伺服阀控缸系统的控制器,并从李雅普诺夫稳定判据的角度证明了系统的稳定性.最后通过Matlab与AMESim的联合仿真,对鲁棒自适应动态面与传统PID及普通动态面的控制效果做出对比,证明了所研究算法的有效性.      

基于机器人操作系统的液压机器人自主导航系统设计与实现

在机器人两轮差速运动模型分析的基础上,根据运动模型的航迹演算公式可实时计算机器人轨迹姿态。基于机器人操作系统架构平台设计了机器人本体、机器人底座、驱动液压马达、导向轮、激光雷达等7个关节和连接的结构模型。各机器人关节坐标系变换关系经过Tf实时发布,用于计算机器人位置坐标信息。针对液压机器人没有配备编码器和视觉系统的不足,系统采用2D平面激光里程计模型(RF2O),通过建立连续激光扫描点对距离的流约束方程获得机器人平面运动估计,进而得出激光雷达的速度和机器人实际运行轨迹。设计了自主导航软件系统,实现了导航地图构建、定点任务导航和多机器人管理等功能,并对机器人定位导航精度进行了测试,分析对比多次指定位置和导航位置的数据差异,结果表明机器人导航定位精度达到设计要求。     

基于分布式视觉的室内机器人定位系统设计与实现

针对室内移动机器人的自动识别规定区域的特定颜色目标物的定位导航,提出一种基于分布式视觉技术的机器人系统构建方法。通过场地外的摄像头采集机器人工作现场的图像,由计算机进行机器视觉处理后得到机器人的位置信息,再利用该信息控制机器人按路线行进。经过在3 m×5 m的区域内进行标定试验,证明机器人运行时最大位置误差为:15.6 cm,平均误差为8.1 cm;方位角误差最大为11.3°,平均误差为8.05°。     

具有柔性脊椎的四足机器人奔跑运动分析

为了提高四足机器人的奔跑性能,设计了一种具有柔性脊椎的四足机器人.该柔性脊椎由两个平行橡胶棒和一个驱动液压缸组成,通过控制驱动液压缸的伸缩可使两个平行橡胶棒实现上下弯曲.分析了该四足机器人的柔性脊椎对奔跑步长的影响.基于Hopf模型的CPG控制方法,推导了髋关节和膝关节的关节驱动曲线幅值的表达式,并通过网络拓扑结构的重建将脊椎驱动信号与各腿部关节驱动信号进行耦合.最后利用Adams和MATLAB/Simulink对四足机器人进行了bound步态仿真,仿真表明具有柔性脊椎的四足机器人奔跑性能显著提高.     

非结构化助老助残机械手对目标识别定位系统的研究

研制了一种非结构化的五自由度助老助残机械手,针对助老助残机械手末端手掌对空间目标物体的定位抓取问题,采用了一种激光引导的双目机器视觉定位和广义回归神经网络求逆解相结合的方法。该方法中,双目机器视觉定位采用双目工业相机,通过阈值分割算法识别激光斑确定目标物体的坐标,再经广义回归神经网络反解出助老助残机械手关节角度。最后通过采集实验数据和理想数据做对比,该方法能够达到较高的定位抓取精度,比较以往的机械手角度反解,该方法不存在无解或多解的情况。     

基于Halcon的蒸汽发生器堵板操作机器人视觉定位算法

蒸汽发生器的工作环境复杂、危险,施工人员在完成堵板螺栓紧固时存在一定的风险。介绍了一种基于图像识别的螺栓紧固方法。机器人自主作业平台主要包括机器人系统和图像采集系统两个部分,采用图像处理软件Halcon,实现基于灰度值的图像阈值分割,利用圆形曲线算法得到圆后,最终得到圆的几何中心。此外,还显示了采用扭矩和时间控制方法的紧固螺栓方法。最后通过螺栓实验和精度验证了图像识别和螺栓紧固的过程。结果表明针对堵板机器人螺栓定位问题采用的基于阈值分割的定位算法识别率为100%,定位最大误差为1.10mm,最小误差为0.92mm,满足堵板机器人螺栓自主定位的精度要求。