基于卷积神经网络的机械臂抓取控制系统设计

为保证机械臂的抓取精度,保证物体抓取的稳定性,本文设计基于卷积神经网络的机械臂抓取控制系统。在系统硬件部分,加设图像、位置和压力传感器,改装机械臂抓取控制器和运动驱动器,利用图像传感器设备,获取满足质量要求的机械臂抓取目标图像,为机械臂抓取控制功能提供硬件支持。软件部分利用卷积神经网络算法提取图像特征,确定机械臂抓取目标位置。结合机械臂当前位置的检测结果,规划机械臂抓取路线,预估机械臂抓取角度与抓取力。最终通过机械臂抓取参数控制量的计算,在控制器的支持下实现系统的机械臂抓取控制功能。实验结果表明,所设计系统应用下位置控制误差和速度控制误差的平均值分别为0.192m和0.138m/s,同时物体抓取掉落概率明显降低。     

面向机械臂的抓取位姿检测

针对结构化环境和单一已知目标的抓取方面,搭载末端夹持器机械臂抓取技术取得了显著进展。但当工作场景环境不明、工作目标形状各异时,机械臂容易受环境光照变化、物体遮挡的影响,为此,本文深入研究了机械臂抓取系统流程和抓取方法,设计了基于卷积神经网络自主检测机械臂抓取位姿的方法。     

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...     

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.     

单臂式空间机械臂捕捉空间目标问题研究

以空间机械臂系统的动量守恒关系式为基础,对空间机械臂抓取空间目标过程中的碰撞问题进行了分析,提出了“直臂抓取”与“广义直臂抓取”概念,详细推导了满足基座质心、系统质心及工作端点共线的机械臂构型,得到了碰撞力方向矢量与基座、系统质心重合的角度关系式．满足关系式的空间机械臂构型可有效的减少碰撞力对于系统角动量的影响,进而避免混合体控制问题的关节限制与力矩限制．通过仿真验证了方法的有效性．     

面向抓取作业的飞行机械臂系统及其控制

面向飞行机械臂的飞行抓取作业,提出了一个由六旋翼飞行机器人和7自由度机械臂组成的飞行机械臂系统.系统采用分离式控制策略,即飞行机器人和机械臂各有一个控制器.机械臂运动所引起的系统质心和转动惯量的变化量及其导数被用来估计机械臂对飞行机器人的扰动力和力矩.为了减弱机械臂扰动对六旋翼飞行机器人的飞行控制性能的影响,提出了扰动补偿H∞鲁棒飞行控制器.实验结果表明,与没有扰动补偿的控制器相比,当机械臂运动时所提出的扰动补偿H∞鲁棒控制器对系统的飞行控制性能有明显的提升效果.最后,目标物抓取作业实验验证了所提出的飞行机械臂系统的可靠性.     

基于机器视觉的目标定位与机器人规划系统研究

为完成机械臂在非特定复杂背景环境下的自主抓取,通过设计RGB-D相机对场景内的物体进行实时检测,采用基于深度学习的目标检测定位方法,并对相机-机械臂-目标物体的三维标定模型进行研究。将物体的三维坐标信息通过ROS话题机制发送给机械臂,并通过moveIT编程规划抓取规划。 通过设计一套基于ROS的视觉检测和机械臂抓取系统,将计算机视觉检测技术以及机械臂运动规划抓取应用在机器人操作系统ROS平台上。实验结果表明,该系统可以实时高效地操作机器人来完成指定的控制作业,提高了系统对环境的适应能力,该系统具有抓取准确、物体识别准确率高的特点,解决了传统机械臂操控中的不足。     

基于手势交互的机械臂轨迹示教系统

为了解决传统机械臂示教方式上手难度高、效率低、人机交互系统不友好的问题,结合机器视觉与神经网络,提出一种基于手势交互的机械臂轨迹示教系统.该系统通过机器视觉定位指尖位置,记录下指尖的运动轨迹并将其用于机械臂的轨迹示教;通过卷积神经网络识别静态手势,用于与机械臂进行如抓取、放置、开始示教等动作的人机交互.系统通过ROS(...     

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.     

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...     

多臂空间机器人稳定抓取力分配和柔顺控制策略

针对影响多臂抓取稳定性的接触力不平衡和接触振动问题,提出多臂空间机器人力分配和柔顺控制策略.首先,分析满足多臂稳定抓取的力学条件,基于摩擦锥约束设计抓取力安全系数,并将其引入力优化模型进行抓取力分配,实现目标物体稳定抓取条件下受力最小;然后,分析抓取过渡过程的振动成因,设计基于动能消耗的末端输出力控制策略实现快速振动抑制和柔顺抓取;最后,设计机械臂末端控制律切换策略,一旦在抓取过渡过程中发生接触脱离可引导其快速返回物体表面.仿真结果表明,所提出方法提升了稳定抓取安全裕度,显著降低了机械臂末端的振动幅值、持续时间和接触力,提升了空间机器人多臂抓取目标操作的稳定性和柔顺性.     

一种基于高斯过程混合模型的机械臂抓取方法

为了避免现有的基于视觉的机械臂抓取方法中存在的标定繁琐和求逆困难的不足,提出一种基于高斯过程混合模型的机械臂抓取方法.在学习阶段,利用高斯过程混合模型直接构建目标物体的位姿到机械臂关节角度的映射.在抓取阶段,通过相机获取目标物体的位姿,分别计算各个高斯分量下该位姿的生成概率,选取后验概率最大的高斯分量对应的高斯过程回归计算相应的机械臂关节角度.定位容差为20 mm时,仿真抓取成功率达到93.3%,实际抓取成功率达到了88.3%,对于精度要求不高的抓取作业,该方法可以实现机械臂的快速部署和使用.     

基于时域编码结构光的高精度三维视觉引导抓取系统研究

在许多自动化应用场合中,如分拣和上、下料等过程中,机械臂抓取是非常重要的一个环 节。在有遮挡或物体杂乱放置的情况下,对物体进行可靠、快速和精确计算位姿是机械臂抓取的难题之一。该文提出一种针对非规则目标的 3D 视觉引导抓取系统。首先,该系统运用面结构光系统对目标进行高精度三维重建,并建立离线 3D 点云模板库;然后,将标准模板与点云预处理后的场景点云进行匹配,得到匹配参数后,由坐标系之间的转换矩阵计算机器手抓取位姿;最后,引导机器手完成对目标物体的抓取。实验结果表明,所开发的机械臂抓取系统能够对非规则目标进行可靠、快速和精确的 抓取。     

结合IMask R-CNN的绳驱机械臂视觉抓取方法研究

绳驱超冗余机械臂具有灵活性强、工作空间大等特点,在航天活动中可替代宇航员进行各种航空作业.以空间飞行器在轨维修为研究背景,模拟其实验环境,设计了一套基于RGB-D的可移动绳驱超冗余机械臂定位抓取系统.首先改进了Mask R-CNN算法,在保证检测精度的同时降低模型尺寸,通过Intel RealSense D435 i采集图像输入到目标检测模型得到目标的类别和位置信息,进一步利用自适应末端位置更新算法递推机械臂的正逆运动学模型,并结合轨迹规划完成目标的三维空间定位和抓取.实验结果表明,改进后的Mask R-CNN算法能在保证精度的情况下有效地降低模型尺寸,抓取系统的逆运动学求解速度快,具有较好的定位精度,能够有效地完成飞行器抓取的任务.     

基于时延补偿机理的工业机器人视觉跟踪控制系统

为提升机器人抓取精度,基于时延补偿机理设计工业机器人视觉跟踪控制系统。通过摄像机与机械臂之间的坐标系关系标定摄像机的外部参数;对工业机器人的运动情况进行建模,机器人机械臂在运动过程中产生坐标系变换,利用齐次坐标变换矩阵描述机械臂连杆运动位姿,引入模糊时延补偿算法,提高机械臂跟踪控制精度。系统性能测试结果表示：针对不同形状和位姿角度的物体,设计的系统在抓取过程中能够逐渐缩小误差,最终提高实验中的成功抓取次数,验证了设计系统的可靠性。     

基于ROS的移动机械臂小车设计

针对传统的机械臂有着固定的底座以及复杂的工作环境等问题,论文设计了一款基于ROS的移动机械臂小车系统,以增加机械臂的灵活性。该系统以Ubuntu搭载ROS作为上位机,以STM32单片机作为下位机,并获取激光雷达、IMU以及里程计等传感器数据。最后,通过对机械臂小车系统的调试,实验结果表明小车具有良好的建图与定位精度,可以有效地实现自主导航与机械臂抓取等功能,提高了机械臂的灵活性及生产生活中的应用。     

基于手势识别远程同步控制的智能机械臂研究

设计一种基于手势识别远程同步控制的智能机械臂系统,系统由手势识别器和智能机械臂组成;手势识别器穿戴在手中,能够感知和识别手势指令,并通过无线传输方式把手势指令传输给智能机械臂;智能机械臂收到手势指令后其自主决策系统迅速规划最优控制,实现同步控制机械臂伸展和机械手的抓取等动作;实验结果表明,手势识别器的手势指令简单易于操作,手势指令识别准确高效,智能机械臂动作规划协调,系统大大降低了机械臂的操控难度,完全满足作业任务实时控制的需要,具有较好的实用性和广泛的应用前景.     

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...     

基于深度强化学习的固体放射性废物抓取方法研究

针对固体放射性废物分拣作业中,放射性废物杂乱无序、远程遥操作抓取效率低、人工分拣危险性大等典型问题,提出一种基于深度强化学习的放射性固体废物抓取方法。该方法使用改进深度Q网络算法,通过获取的图像信息,使机器人与环境不断进行交互并获得回报奖励,回报奖励由机械臂动作执行结果和放射性区域内放射性活度的高低构成,根据◢Q◣值的大小得到机械臂的最佳抓取位置。用V-REP软件对UR5机械臂建立仿真模型,在仿真环境中完成不同类型固体放射性废物抓取的训练与测试。仿真结果表明,固体废物在松散放置时该方法可使机械臂抓取成功率大于90%,在紧密放置时抓取成功率大于65%,机械臂不会受到废物堆叠的影响,并且会优先抓取放射性区域内具有高放射性活度的物体。     

三维立体视觉机械臂智能抓取分类系统的开发

采用工业相机、工业投影机、普通摄像头、计算机和机械臂开发了一套具有三维立体视觉的机械臂智能抓取分类系统。该系统采用自编软件实现了对工业相机、工业投影机的自动控制和同步，通过前期研究提出的双波长条纹投影三维形貌测量法获取了物体的高度信息，结合opencv技术和普通摄像头获取的物体二维平行面信息，实现了物体的自动识别和分类；利用串口通信协议，将上述处理后的数据传送至机械臂，系统进行几何姿态解算，实现了智能抓取，并能根据抓手上压力反馈自动调节抓手张合程度，实现自适应抓取。经实验证明该系统能通过自带的快速三维形貌获取装置实现准确、快速的抓取工作范围内的任意形状的物体并实现智能分类。