基于触觉阵列感知的机器人稳定抓取判别方法

针对传统的单点压力传感器获取的接触力无法完备反映机器人的抓取接触状态,难以实现准确的机器人抓取状态判别的问题,基于触觉阵列传感器的多点感知特性,提出一种高效高准确率的机器人稳定抓取判别方法．首先,采集机器人抓取属性各异物体时的接触分布力信息,建立分布力与触觉图像的映射,构建机器人抓取触觉图像数据集;基于多层感知机框架建立机器人抓取状态判别模型,实现机器人抓取状态的分类．然后,通过训练并对多层感知机在不同模型层数与节点数下的模型性能进行优选,得到抓取状态判别模型的最优参数,进而与多种基于学习的抓取判别算法进行对比．结果表明：所提出的抓取状态判别方法具有99.74%的判别准确率,平均耗时为2.3 ms,在判别精度和速度上均优于基线算法;通过实物抓取实验,该方法的判别准确率达到94%,充分证明其对数据集外物体的稳定抓取判别具有较强的鲁棒性．     

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...     

基于多传感器融合的抓取控制研究

针对现有抓取系统中双目视觉定位精度较差,易受环境影响,使得抓取的成功率较低,鲁棒性不强的现象,本文提出采用视觉、红外测距传感器、触觉传感器和编码器等多传感器数据融合的方法,设计并实现了一种可靠的、鲁棒性强的、能自动调整抓取力的抓取系统.通过双目视觉辅以单目相机和红外测距传感器来精确定位,改善抓空情况;通过集成触觉传感器和编码器,对抓取过程中的力-位进行实时监测,减少目标物体破碎和滑落的现象,并通过实验证明了相对于单传感器,多传感器数据融合能大大改善抓取的成功率,提高系统的性能.     

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。     

基于多模态深度神经网络的抓取检测方法

针对机器人抓取检测任务中对未知物体抓取检测精度低的问题,本文提出了一种多模态深度神经抓取检测模型。首先,在RGB和深度两个通道中引入残差模块以进一步提升网络的特征提取能力。接着,引入多模态特征融合模块进行特征融合。最终通过全连接层回归融合特征以得到最佳抓取检测结果。实验结果表明,在Cornell抓取数据集上,本文方法的图像拆分检测精度达到95.7%,对象拆分检测精度达到94.6%。此外,本文还通过消融实验证明了引入残差模块可以提高网络抓取检测性能。     

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。     

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.     

具有触滑觉功能的肌电假手

研制了一种可以感知触滑觉的智能假手.传感器采用有机压电(PVDF)材料为敏感元件,在传感器外表面贴有点阵状结构的橡胶表皮.当假手接触到物体时,传感器产生一个阶跃响应;当物体滑动时,导致点阵状结构表皮振动,产生交变的滑动响应信号.这样传感器可以检测并判断出触觉和滑觉信号.这种利用交变压电信号来判断滑动的方法,简单易行,反馈实时性高.实验表明,安装有这种传感器的假手可以安全地握取易碎或者比较柔软的物体,克服了传统假手的弊端,提高了仿生性能.     

具有手脚融合功能的多足步行机器人结构设计

为了拓展多足步行机器人的应用,开发了具有手脚融合功能的模块化多足步行机器人.该机器人至少1支腿既可以行走又可以抓取物体,具有手脚融合功能.抓取物体时,利用3条腿支撑身体,具有手脚融合功能的腿作为能抓取物体的机械手,行走时该腿就执行脚的功能.机器人由机体模块、行走腿结构模块、手脚融合腿部结构模块、控制模块等组成.各模块之间方便联结与扩展.在物理样机上进行了相关试验,结果表明该机器人能够行走和抓取特定目标物,实现了手脚融合功能.     

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。