基于三维检测网络的机器人抓取方法

机器人抓取任务中面对的是不同形状和大小的物体,而散落在场景中的物体会有不同的姿态和位置,这对机器人抓取中计算物体位姿任务提出了较高的挑战。针对于此,本文设计了一种基于三维目标检测的机器人抓取方法,弥补了基于二维图像识别引导机器人抓取任务中对视角要求较高的缺陷。首先,设计了一种卷积神经网络在RGB图像中识别物体,并回归出物体三维包围盒、物体中心点;其次,提出一种计算机器人抓取物体最佳姿势的策略;最后,控制机器人进行抓取。在实际场景中,使用本文设计的三维检测网络,三维目标检测精度达到88%,抓取成功率达到94%。综上所述,本文设计的系统能有效找到机器人合适的抓取姿势,提高抓取成功率,满足更高的抓取任务要求。     

基于蚁群算法的Tripod机器人路径优化研究

为提高基于视觉的抓取机器人在多目标、多约束情况下控制效率,以Tripod机器人为模型,提出带有约束矩阵的蚁群算法,使其在满足控制要求的情况下求解出机器人抓取的最优路径。首先,通过图像矫正、阈值分割和特征提取等图像处理方法,得到物体的位置、颜色等信息;接着,按照有约束旅行商问题建立模型,构造运动和颜色约束矩阵;最后,在LabVIEW中采用蚁群算法求解最优路径,并将控制方案传输到机器人控制系统中,使其按照最优路径自动完成抓取过程。实验结果表明,该方法在完成抓取任务的同时,缩短了机器人运动路径,对实际生产中工业机器人智能抓取具有指导意义。     

基于级联式Faster RCNN的三维目标最优抓取方法研究

机器人在三维目标识别和最优抓取方面的难点在于复杂的背景环境以及目标物体形状不规则,且要求机器人像人一样在识别不同三维目标的同时要确定该目标的最佳抓取部位的位姿。提出一种基于级联式模型的深度学习方法来识别目标物体及其最优抓取位姿。第1级提出了改进的Faster RCNN模型,该模型能识别成像小的目标物体,并能准确对其进行定位;第2级的Faster RCNN模型在前一级确定的目标物体上寻找该目标物体的最优抓取位姿,实现机器人的最优抓取。实验表明该方法能快速且准确地找到目标物体并确定其最优抓取位姿。     

基于HALCON的单目视觉工件位姿测量方法研究

为了满足单目视觉系统对被测工件三维位姿参数测量及机器人实时快速响应要求,提出一种通过单目视觉获取规格已知、位置随机工件三维参数的方法。利用HALCON图像处理软件对机器人和工业相机进行系统标定,通过标定参数进行采集图像预处理、点特征坐标提取,引入约束条件建立三维位姿算法几何模型,完成上位机图像采集与数据处理,并实时将数据通过以太网传送至机器人,实现工件抓取。试验表明,这一方法误差范围达到了工业机器人操作的预期要求。     

基于多视角照片重构物体三维模型研究

提出了一种基于照片重构三维模型方法。利用相机对物体轮廓图像多角度采集,通过每个轮廓曲线生成投影锥体,再用投影锥体相交的方法获得近似物体的多面体可见壳。     

基于深度学习的机器人最优抓取姿态检测方法

服务型机器人在抓取任务中面临的是非结构化的场景。由于物体放置方式的不固定以及其形状的不规则,难以准确计算出机器人的抓取姿态。针对此问题,提出一种双网络架构的机器人最优抓取姿态检测算法。首先,改进了YOLO V3目标检测模型,提升了模型的检测速度与小目标物体的识别性能;其次,利用卷积神经网络设计了多目标抓取检测网络,生成图像中目标物体的抓取区域。为了计算机器人的最优抓取姿态,建立了IOU区域评估算法,筛选出目标物体的最优抓取区域。实验结果表明,改进后的YOLO V3目标检测精度达到91%,多目标抓取检测精度达到86%,机器人最优抓取姿态检测精度达到90%以上。综上所述,所提方法能够高效、精确地计算出目标物体的最优抓取区域,满足抓取任务的要求。     

基于ROS的机器人宇航员模型构建与仿真验证

随着我国空间站项目的稳步推进和机器人技术的发展,研发可以协助甚至代替宇航员进行危险舱外操作的机器人宇航员成为亟待研究的课题。首先建立了双臂仿人机器人宇航员的URDF模型,而后基于机器人操作系统提供的三维仿真工具Rviz,构建机器人宇航员的三维虚拟运动仿真环境,并进行了仿真实验。实验表明,机器人宇航员可以完成物体抓取、搬运等任务,证实了机器人宇航员模型结构的合理性。     

家庭服务机器人手眼协调系统设计

针对目前智能家庭场景下,家居服务机器人对不同物品位姿的识别准确度与操作性差等问题,进行机器人手眼协调识别技术与物品灵巧操作规划方法的研究,提出了视觉前馈目标定位与视觉反馈位姿匹配相结合的识别与多位姿抓取方法。首先,基于SSD深度神经网络模型识别待抓取物品,并进行三维测定,以得到物品粗略坐标位置;其次,根据所得三维坐标预设深度相机与物品的相对位姿,采集物品与障碍物的深度信息,并基于Linemod算法与内置三维模型进行位姿匹配,完成对物品精确位姿的测定;最后,依据所得物品与障碍物的位置与姿态,规范臂手系统的抓取位姿,实现灵巧抓取物品。由以上原理,设计手眼协调测试实验进行不同桌面高度的物品抓取成功率与抓取误差测试,实验抓取总成功率高,且误差满足实际精度要求;该研究有利于提高家居服务机器人物品操作的灵巧性与适应性,对于家居服务机器人产业的发展具有重要意义。     

基于深度卷积网络的多目标动态三维抓取位姿检测方法

在非结构化环境机器人抓取任务中,获取稳定可靠目标物体抓取位姿至关重要。本文提出了一种基于深度卷积网络的多目标动态三维抓取位姿检测方法。首先采用Faster R-CNN进行多目标动态检测,并提出稳定检测滤波器,抑制噪声与实时检测时的抖动;然后在提出深度目标适配器的基础上采用GG-CNN模型估算二维抓取位姿;进而融合目标检测结果、二维抓取位姿以及物体深度信息,重建目标物体点云,并计算三维抓取位姿;最后搭建机器人抓取平台,实验统计抓取成功率达到95.6%,验证了所提方法的可行性及有效性,克服了二维抓取位姿固定且单一的缺陷。     

基于RGB-D视觉定位的购物机器人运动轨迹识别分析研究

为降低工作人员劳动强度,人们使用智能购物机器人完成各种搬运任务,关键为精确机器人定位、轨迹规划和商品检测识别。文章提出基于RGB-D视觉定位的购物机器人运动轨迹识别分析研究,是利用Kinect采集到的商品图像信息,使用多种算法对商品类别进行检测,得到商品边框和颜色分布,并通过Kinect相机标定机器人运动,将数据反馈给电脑,以指导机器人沿轨迹运行到指定地点。实验结果表明,经过Kinect检测,移动机器人速度为1.16m/s,可针对不同目标商品实时、可靠地完成商品抓取搬运任务。