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。     

数控机床几何精度设计指标确定方法研究

针对数控机床几何精度设计过程中整机精度设计指标难于合理确定的问题,提出一种基于待加工试件公差指标反演机床刀具工件间相对位姿误差允许变动范围的方法。该方法首先建立试件单一公差项与机床位姿误差之间的约束关系模型,即为满足试件单一公差要求,机床刀具工件间相对位姿误差需要被控制在何种范围内,然后将所有公差项对应的变动范围求交集即可得到机床位姿误差的允许变动范围,并作为整机精度设计的设计指标,用于机床零部件公差分配。推导了常用公差项对应的位姿误差变动范围的求解方法,并以机床精度检验标准中轮廓加工试件为例,阐述了所提方法的应用过程。     

基于傅里叶描述子的平面物体表征与抓取规划

针对传统抓取规划方法难以计算复杂轮廓物体、计算量大耗时长的弊端,以及基于深度学习的抓取规划方法物理模型简单、训练集制作耗时长的缺陷,提出了一种基于傅里叶描述子的平面物体表征及抓取规划方法。对物体进行图像采集和轮廓提取,将以散点形式表示的轮廓转化为傅里叶描述子,提取高阶项从而还原物体轮廓,构造了轮廓的参数方程。根据轮廓参数方程和接触点位置,使用不同接触模型构造抓取映射矩阵,采用凸包推进算法计算不同抓取位姿在力 力矩空间上的抓取性能指标。基于抓取性能指标,采用一种改进的粒子群方法进行抓取点规划,在二指夹持器和四指夹持器模型上进行了仿真验证。     

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。     

四足步行机器人关节位姿和稳定性研究

四足机器人爬行控制的关键是关节位姿的确定、机器人稳定性的判断和摆动腿顺序的选择.提出了一种求解关节位姿驱动变量的有效方法,此方法能获得满意的四足机器人步行步态.通过定义立足点的静态稳定区域提出了一种机器人稳定性分析的新方法,该方法不仅避免了复杂的机器人正动力学求解问题,同时还可给出机器人稳定性和立足点稳定范围的信息.实际爬行实验验证了所提方法的有效性.     

基于机器视觉的工件自动分拣系统的研究

介绍了机器视觉技术在工件识别中的应用以及主要图像处理算法。采用机器示教方法建立待处理零件的特征库,通过图像预处理、阈值分割、边缘和轮廓提取算法等获取零件图像的特征并与标准模板比较,从而判别待测零件的合格性。为解决零件摆放的位姿偏差,采用边缘检测和轮廓跟踪算法确定工件形心位置和旋转角度,根据与模板零件的相似性测度判断工件的特性,为自动分拣提供决策支持。实验验证了本算法的有效性。     

图像视觉特征的机械臂末端位姿监测方法研究

为解决当前监测方法位姿误差和高度误差偏大等问题，提出图像视觉特征的机械臂末端位姿监测方法。先通过TSAI手眼标定法标定机械臂手眼系统，然后采用粗定位提取机械臂轮廓，利用最小二乘法对边缘点拟合，获取视觉特征，最后通过机械臂视觉特征获取抓取位置，对抓取位姿和关节角进行映射得到机械臂作业轨迹，实现机械臂末端位姿监测。仿真实验结果表明，所提方法的位姿误差仅为0.06mm，高度误差仅为0.05mm，运行时间也较短，明显优于对比方法，不仅可有效降低位姿误差和高度误差，还能有效提升监测效率。     

基于AutoCAD平台的二维零件数控切割自动编程

提出了一种由AutoCAD二维图形直接生成数控火焰切割机加工代码的方法通过提取零件图形轮廓几何数据,判断零件轮廓旋转方向和内外轮廓,确定切割顺序,自动生成数控加工代码.实验结果表明此方法可以有效提高数控切割效率.     

一种筒段对接关键特征点的容差分配方法

针对飞机机身对接过程中,关键特征点的容差范围,提出了一种分配方法。该方法根据机身的协调准确度要求,分配机身各段的位姿准确度,并确定筒段的位姿变换参数;根据机身段的位姿变动,利用齐次坐标变换的方法反求机身段上关键特征点的坐标变动范围。与传统的协调过程中利用光学准直法检测关键特征点的方法相比,该方法更能适应数字化测量手段的需要,提高了容差的可控制性和可检测性。     

多边形对象四指抓取规划方法

利用瞬心三角形概念和性质表示平面四指抓取的形封闭性,建立平面四指抓取方案的形封闭性的判别方法,建立四条边界上是否存在形封闭的抓取接触点位置的判断方法.研究了多边形对象的四条抓取边界上的手指接触位置分布的自动规划问题.该方法可以建立满足形封闭条件的四个手指位置的函数关系,为机器人抓取的质量评价提供数学基础.     

一种内骨骼软体手的抓取策略研究

根据混流柔性生产对机械手提出的对不同形状、不同质量且易损伤物体进行安全可靠抓取的需求,提出了一种新型的驱动与承力功能分解的关节式内骨骼气动软体机械手的设计思想,并完成了软体手的具体结构设计。针对软体手的抓取控制策略问题,提出了一种基于实时位置检测的压力补偿算法。通过嵌入手指中的柔性弯曲传感器,实时监测手指各指段位置,间接判定软体手当前抓取状态。估算了手指各指段的初始预加载气压值,提高了抓取成功率与抓取效率。对软体手进行了实物抓取试验,结果表明,软体手可以对柔软、不规则、易损易碎物体进行安全可靠抓取,验证了抓取控制算法的有效性。     

基于摇瓶机理和极小势能原理的异形件排样

针对异形件排样问题,提出一种基于摇瓶机理和极小势能原理的求解算法,从力学的角度解释排样问题的基本物理意义。首先,由摇瓶子现象得到启发,初步构建排样的摇瓶子算法;由弹性力学中的极小势能原理可知,零件总是通过平移和旋转变换找到最低的重心位置,利用多边形正负梯形投影法计算排样零件的形心坐标,碰靠过程采用OBB包围盒相交测试算法,最终实现自动排样。通过船舶件排样实例验证,该原理可行,物理意义明确,能够实现异形件排样。     

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。     

任意位姿物体机器视觉测量视差变形补正

提出一种对机器视觉测量视场内任意位姿目标物体视差变形导致测量误差进行物体自动跟踪和变形补正的方法。在分析视差变形基础上,提出自动跟踪检测模型,得出补正参数。通过改进的序贯相似性检测算法(SSDA)模板匹配、图像的二值化处理和腐蚀、质心坐标求取和轮廓边缘搜索等计算,计算出反映目标物体位置、姿态偏移的特征参数,从而求得目标物体自动跟踪位置、姿态偏移补正量。以任意位姿M4螺母内螺纹检测为实验对象,实验结果表明,该自动跟踪补正方法可行,具有较好的跟踪一致性,取得了较好的视差变形补正效果。     

机器人多指滚动操作的协调运动生成

分析了多指手操作基于运动学速度控制方法和主从规划方法的缺点,指出这些方法都不是真正的协调运动规划方法。通过引入最优抓取所确定的抓取姿态集合约束和衡量抓取质量指标的函数,为多指操作提出了一协调运动生成算法。当初始的抓取姿态是最优抓取时,算法协调各手指运动保持抓取最优,当初始的抓取姿态不是最优抓取时,通过定义抓取质量指标,算法生成手指运动优化抓取姿态。应用ＨＫＵＳＴ多指灵巧手验证了生成算法。     

基于边界矩的机械零件图像轮廓特征提取技术

为实现机械零件的有效分类,针对零件具有比较明显的轮廓特征的特点,提出了基于边界矩的零件图像轮廓特征提取方法.首先采用轮廓提取算法,提取零件二值图像的轮廓,在进行水平倾斜校正后,以零件的质心为中心,将轮廓图像划分为若干个扇形子区域.利用改进的边界矩计算方法,分别计算出各子区域的边界矩,从而得出零件轮廓图像边界矩的分布特性.最后,采用K均值聚类算法对提取的零件轮廓特征进行分类,实验结果证明了该方法的有效性.     

A New Grasping Mode Based on a Sucked-type Underactuated Hand

Robot hands have been developing during the last few decades. There are many mechanical structures and analyti?cal methods for di erent hands. But many tough problems still limit robot hands to apply in homelike environment. The ability of grasping objects covering a large range of sizes and various shapes is fundamental for a home service robot to serve people better. In this paper, a new grasping mode based on a novel sucked?type underactuated(STU) hand is proposed. By combining the flexibility of soft material and the e ect of suction cups, the STU hand can grasp objects with a wide range of sizes, shapes and materials. Moreover, the new grasping mode is suitable for some situations where the force closure is failure. In this paper, we deduce the e ective range of sizes of objects which our hand using the new grasping mode can grasp. Thanks to the new grasping mode, the ratio of grasping size between the biggest object and the smallest is beyond 40, which makes it possible for our robot hand to grasp diverse objects in our daily life. For example, the STU hand can grasp a soccer(220 mm diameter, 420 g) and a fountain pen(9 mm diameter, 9 g). What's more, we use the rigid body equilibrium conditions to analysis the force condition. Experiment evaluates the high load capacity, stability of the new grasping mode and displays the versatility of the STU hand. The STU hand has a wide range of applications especially in unstructured environment.     

利用超体素中心点连线可见性的图像分割算法

当图像中存在阴影、低对比度边缘和模糊区域时,传统算法利用纹理、颜色等信息难以准确分割物体。以点云图为研究对象,依据盒状、柱状物体在三维空间中的几何形状,提出一种基于超体素中心点连线可见性的图像物体分割算法。该算法首先对点云图进行过分割,得到具有相邻关系的超体素,接着依据其中心点法向量平行准则以及中心点连线可见性准则共同判断相邻超体素是否融合,然后过滤噪声,并利用遮挡关系进一步考察同一物体平面超体素的融合情况。实验结果表明:在OSD-v0.2公开数据集上,文章提出的算法误识别率为6.9%,漏识别率为4.6%,比单一结合法向量的凹凸性判断方法更好,整体误差更小。利用本算法对物体进行分割,更容易计算物体的抓取位姿,有助于机器人执行抓取任务。