基于卷积神经网络的改进机械臂抓取方法

为了提高机械臂抓取的精度,提出一种基于Mask R-CNN的机械臂抓取最佳位置检测框架。基于RGB-D图像,所提框架通过精确的实例分割确定抓取对象的类别、位置和掩码信息,由反距离加权法在去噪后的深度图上获取中心点的加权深度坐标,构成目标对象的三维目标位置,经坐标系转换得到最终的最优抓取位置。建议的框架考虑到目标对象的姿态与边缘信息,可以有效地提高抓取性能。最后,基于UR3机械臂上的抓取实验结果验证了该框架的有效性。     

基于GPR和KRR组合模型的机械臂抓取研究

为了避免机械臂自主抓取方法中普遍存在的运动学求逆耗时和视觉系统标定计算复杂度高的问题,提出一种基于高斯过程回归(GPR)和核岭回归(KRR)组合模型的机械臂抓取方法。在学习阶段,训练基于Mask-RCNN的目标检测和实例分割算法及GPR和KRR的机械臂抓取策略;在抓取阶段,首先使用目标检测和实例分割算法获取目标物体的位姿,然后根据目标物体位姿和机械臂关节角的映射关系,结合GPR和KRR的组合模型预测出机械臂关节角并控制机械臂完成抓取任务。实验结果表明:所提出的方法无需视觉系统的标定和机械臂运动学求逆,能够准确地获取目标物体的位姿,AUBO i5机械臂验证,本方法能够实现对目标物体较为准确的抓取。     

考虑迟滞及变形影响的主被动混合驱动绳驱空间机械臂运动学建模及求解

在绳驱空间机械臂的非结构化环境灵巧作业中,驱动绳索拉伸和臂段形变给机械臂的精确控制带来了困难。为此,本文提出一种改进运动学模型。首先,建立机械臂“驱动绳索长度－关节角度－末端位姿”的多重映射运动学模型;进一步考虑绳索迟滞、运动方向切换和臂段变形3种因素耦合影响,改进“驱动绳索长度－关节角”的映射模型。其次,设计试验平台,开展不同负载下的绳索迟滞量测定试验。最后,对比改进运动学模型仿真结果和绳驱空间机械臂样机试验数据。与理想几何模型的比较结果表明,长1110 mm的两段绳驱空间机械臂的末端绝对位置误差可减小15.2 mm;末端绝对位置误差减小61.4%,证明了改进运动学模型的有效性。     

基于Mask RCNN的目标识别与空间定位

在机械臂的自主抓取系统研究中,为了自动获取目标物体的空间位置,采用Kinect深度传感器采集RGB图像,利用改进的深度学习算法Mask RCNN对RGB图像上的目标进行识别与分割,并通过Kinect深度传感器模型,将二维图像坐标转换成三维空间坐标,对目标物体进行三维建模,达到空间定位的目的。通过大量数据训练的Mask RCNN算法,可以同时识别多种特征差异很大的目标物体,具有广泛的应用空间。经过实验表明,获得的目标物体的三维空间坐标较为准确,且受环境影响较小,对机械臂抓取系统的研究具有较为重要的意义。     

基于机器视觉与单片机结合的机械臂抓取系统

抓取规划和控制是机械臂抓取系统中的难点。为了有效的解决这两个问题,本文提出一种基于机器视觉和单片机相结合的机械臂抓取系统。首先利用前期视觉测量成果对目标定位,然后设计了一种软件接口将目标表面三维信息进行可视化,并通过人为经验手动选择一个良好的抓取点;再结合逆运动学求解和轨迹规划算法,利用单片机驱动舵机使机械臂末端执行器移动到抓取点并完成抓取任务。实验结果表明,该系统成本低、并且目标形状不受限制,达到了预期效果。     

基于ROS的七自由度机械臂抓取系统研究

针对移动机器人上的七自由度机械臂进行系统设计,以完成目标检测、跟踪和抓取等工作.该系统包括上位机、图像采集设备和机械臂控制三大部分,在ROS Kinetic框架下让Franka Panda机械臂和Kinect V1摄像头协同工作.采用Linemod方法提取图像特征,可在较短训练时间内从RGBD信息中得到物体的信息、位姿和可信度,同时根据Franka Panda机械臂的结构建立D-H参数表、进行正运动学分析,并提出使用几何法来求Franka Panda的逆解.对机械臂进行了轨迹规划分析,提出改进RRT *的路径规划算法和轨迹规划总体方案.最后进行了机械臂仿真和系统抓取实验,研究结果表明使用的方法合理,系统可完成目标检测、定位和抓取任务.     

基于改进Mask R-CNN的建筑钢筋尺寸检测算法

建筑施工现场钢筋图像背景复杂且干扰较多,传统图像检测算法无法有效利用特征信息,难以满足现阶段建筑智能监理行业中钢筋尺寸检测精度的验收要求。提出一种在Mask R-CNN模型基础上加入自下而上路径和注意力机制的改进模型BU-CS Mask R-CNN。在建筑工地现场拍摄图像后,整理自建钢筋数据集,并在此数据集上进行算法验证。实验结果表明,与Mask R-CNN模型相比,BU-CS Mask R-CNN模型的召回率、交并比和像素准确率分别提升了4.9%、6.8%、7.4%,钢筋直径和间距的尺寸检测精度分别提升了14.9%、4.4%,能得到更加准确的钢筋目标检测框和边缘分割掩膜,达到了行业中实际工程验收的精度要求。     

基于ELM-IWO机械臂运动学逆解算法研究

为了提高机械臂控制中运动学逆解的速度和准确度,提出了一种基于入侵性杂草优化的机械臂运动学逆解方法.通过D-H法建立了工业六自由度机械臂的正向运动学模型,并利用训练速度较快的ELM(极限学习机)计算机械臂关节角度向量,即输出其逆运动学初解.利用IWO(入侵性杂草优化)算法对得到的初始逆解进行优化,取最小适应度下的杂草位置作为输出,以便得到最佳的逆运动学求解.实验结果表明,相比基于PSO-BP神经网络的求解方法,基于ELM-IWO算法的机械臂末端执行器的精度更高,实时性更好.     

基于机器视觉的非特定物体的智能抓取系统的研究

针对传统机械臂局限于按既定流程对固定位姿的特定物体进行机械化抓取,设计了一种基于机器视觉的非特定物体的智能抓取系统;系统通过特定的卷积神经网络对深度相机采集到的图像进行目标定位,并在图像上预测出一个该目标的可靠抓取位置,系统进一步将抓取位置信息反馈给机械臂,机械臂根据该信息完成对目标物体的抓取操作;系统基于机器人操作系统,硬件之间通过机器人操作系统的话题机制传递必要信息;最终经多次实验结果表明,通过改进的快速搜索随机树运动规划算法,桌面型机械臂能够根据神经网络模型反馈的的标记位置对不同位姿的非特定物体进行实时有效的抓取,在一定程度上提高了机械臂的自主能力,弥补了传统机械臂的不足.     

改进末端跟随运动的超冗余蛇形臂机器人运动学逆解

针对超冗余蛇形臂机器人运动学逆解中计算量大、超关节极限和位形偏移量大的问题,提出了一种改进末端跟随运动的逆解算法．在末端跟随法中引入蛇形臂弯曲角度的约束,调整关节位置的更新方式,使关节在蛇形臂轴线上运动．通过依次更新关节的空间位置,将超冗余多节蛇形臂的运动学逆解转化为2自由度单节蛇形臂的运动学逆解．仿真分析了蛇形臂机器人在基座移动和基座固定条件下的轨迹跟踪效果,对比了同一目标位置下不同方法的性能．结果表明,改进后的算法能保证蛇形臂的弯曲角度不超过给定范围,关节的运动量从末端到基座依次减小,机器人的运动更协调;与基于雅可比矩阵的数值法和现有启发式方法相比,该方法运算量降低,机器人整体位形偏移量减小,能用于蛇形臂机器人的实时控制．     

基于改进Mask R-CNN的卫星目标部位检测方法

针对卫星部件维修更换、燃料加注、废弃卫星回收等空间在轨服务中需解决的目标卫星部位检测问题,在Mask R-CNN的基础上,改进其主干网络结构并缩减分类回归、Mask分支通道数,提出了一种改进的实例分割网络模型Ring-Engine-Mask R-CNN,使用实物模型图像和3dsMax生成的仿真图像建立了专用数据集,给出了一种基于深度学习的卫星目标部位检测方法;实验结果表明,该方法能较好的完成卫星星箭对接环和远地点发动机喷管两种目标部位的检测分割,相较于传统的网络模型,在缩小了模型规模的同时,具有更高精度和更快的检测速度.     

基于多任务级联卷积神经网络的交通标志检测

为解决复杂驾驶环境中小目标交通标志的高精度检测问题,基于Cascade R-CNN级联模型提出一种多任务级联模型GA-CMF R-CNN(guided anchoring-cascade mask flow R-CNN).采用ResneXt101(32×4d)-FPN作为特征提取网络,确保特征图的语义信息和分辨率信息;...     

改进Mask R-CNN算法的带钢表面缺陷检测

在带钢的生产过程中可能会因为生产工艺的问题导致带钢表面出现缺陷,传统的带钢表面检测方法存在检测速度慢、检测精度低等问题。在计算机深度学习快速发展的今天,为实现带钢表面缺陷快速有效的检测,提出改进的掩码区域卷积神经网络（Mask R-CNN）算法,使用[k]-means II聚类算法改进区域建议网络（RPN）锚框生成方法;同时调整Mask R-CNN模型的网络结构,去掉掩码分支,提高了模型的缺陷检测速度。实验在NEU-DET数据集的5种缺陷检测中将原算法的均值平均精度（mAP）从0.810?2提升到0.960?2,检测速度达到5.9?frame/s。并且能够实现对缺陷目标的检测和实例分割,以便研究人员观测缺陷的大小和形状,从而改进工艺。相比于目前其他深度学习的缺陷检测算法,更能满足带钢的生产检测要求。     

基于Mask R-CNN的电力设备锈迹检测

电力设备锈迹目标的识别在电力安全方面具有极高的应用价值，但是锈迹具有大小、形状不规则等特点，利用传统的机器学习算法检测效率和准确率不高.针对这一问题，研究分析锈迹特点，提出基于Mask R-CNN的电力设备锈迹检测识别方法.使用Faster R-CNN完成目标检测的功能，FCN精准的完成语义分割的功能，实现像素级别的分类识别，较好地解决了不规则锈迹的检测问题.实验结果表明，基于Mask R-CNN的电力设备锈迹检测结果准确率高.     

基于Mask R-CNN的高空作业安全带检测

随着计算机视觉近几年的发展,相关工作者越来越侧重人工智能算法在电力安全管控系统的实际应用.本文针对电力检修工作人员安全带规范问题,基于Mask R-CNN算法提出了一种新型高空作业安全带低挂高用违规检测算法,实时高效率完成作业者安全带违规检测问题.针对安全带挂环违规现象的复杂性和场景多变性等问题,本文提出实用于安全带检测和人体关键点信息相结合检测的Mask-Keypoints R-CNN新型高空作业安全带违规挂法的检测方法,该算法基于人体关键点定位检测模块进行裁剪人体关键部位有用安全带数据集,结合安全带检测模块进行判断作业人员违规情况,算法本身具有很强的实用性和高效性,并取得了较高的精确率.     

基于改进Mask R-CNN的火焰图像识别算法

传统火焰检测算法依赖于人工特征工程,具有主观性和盲目性,存在泛化能力差,检测准确率不高等问题。提出一种基于改进Mask R-CNN的火焰图像识别算法,算法在Mask R-CNN的基础上,在特征金字塔引入一条自下向上的特征融合,同时改进了损失函数,使边框定位更准确。在自建的测试数据集上实验表明,改进后算法准确率相对于原先算法识别定位精度更高,检测准确率提升超过5%。     

基于注意力及生成对抗网络的遥感影像目标检测

针对传统目标检测算法在环境多变、背景复杂、目标聚集、小目标过多的航空遥感影像目标检测上效果不理想的问题, 本文提出了一种基于注意力机制及生成对抗网络的遥感影像目标检测模型Attention-GAN-Mask R-CNN. 该模型将注意力、生成对抗网络和Mask R-CNN结合起来, 用以解决遥感影像目标检测中存在的问题. 实验结果表明, 在复杂的遥感影像数据集中, 该方法提升了目标检测的效率和准确率.     

基于Kinect的机械臂目标抓取

为完成机械臂在非特定环境下的自主抓取,系统采用微软公司研发的Kinect对场景内的信息进行实时检测.通过对Kinect采集的深度信息进行背景相减法和帧差法处理可以获得目标抓取点信息.利用基于工作空间的RRT算法对机械臂末端进行路径规划,并利用梯度投影法进行逆运动学轨迹优化,求解关节轨迹.机械臂按照关节角运动时,可完成目标的抓取.通过设计一套实时桌面清理实验系统,验证了该方法的有效性.