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。     

融入注意力机制的多模特征机械臂抓取位姿检测

针对机械臂抓取检测任务中对未知物体抓取位姿检测精度低、耗时长等问题,提出一种融入注意力机制多模特征抓取位姿检测网络.首先,设计多模态特征融合模块,在融合多模态特征同时对其赋权加强;然后,针对较浅层残差网络提取重点特征能力较弱的问题,引入卷积注意力模块,进一步提升网络特征提取能力;最后,通过全连接层对提取特征直接进行回归拟合,得到最优抓取检测位姿.实验结果表明,在Cornell公开抓取数据集上,所提出算法的图像拆分检测精度为98.9%,对象拆分检测精度为98.7%,检测速度为51FPS,对10类物体的100次真实抓取实验中,成功率为95%.     

基于多层级特征的机械臂单阶段抓取位姿检测

针对机械臂对尺寸变换、形状各异、任意位姿的未知物体抓取,提出一种基于多层级特征的单阶段抓取位姿检测算法,将物体抓取位姿检测问题视为抓取角度分类和抓取位置回归进行处理,对抓取角度和抓取位置执行单次预测.首先,利用深度数据替换RGB图像的B通道,生成RGD图像,采用轻量型特征提取器VGG16作为主干网络;其次,针对VGG1...     

一种拟人空间机械臂视觉伺服图像处理研究

针对四自由度串并混联拟人空间机械臂本体,构建了基于运动控制卡模式的机器人软件和硬件系统。采用基于位置的控制结构,利用所求得的机械臂逆运动学方程,设计了由图像反馈和末端运动组成的视觉伺服控制系统。提出了一种基于SURF特征的静态目标识别算法,算法首先对目标图像提取SURF特征,并利用欧氏距离实现模板图像与目标图像特征点匹配,然后计算已匹配特征点的质心来获得目标的位置信息,最终实现了稳定的伺服定位。实验结果证明了系统的可靠性,并且证明了四自由度串并混联机械臂本体在实际运动的精确性和稳定性。     

机械臂视觉伺服控制系统的设计

针对传统机械臂无法更好的适应外部坏境的变化,提出了基于双目视觉的机械臂伺服控制系统的设计。首先用D-H建模法对机械臂进行运动学分析以及运动学求解,然后利用数字图像处理技术,基于SURF特征完成目标物体的识别以及双目立体视觉的测量,从而为机械臂的动作提供目标物体在空间中的坐标。最后,对目标测距的精度进行了结果验证,并完成抓取动作。     

基于人机交互的机械臂位姿自动监视系统设计

为了提高机械臂位姿自动监视和控制能力,提出一种基于人机交互的机械臂位姿自动监视系统设计方法,系统设计包括机械臂的位姿自动控制算法设计和系统硬件设计两部分,采用粒子滤波位姿跟踪方法进行机械臂的动态定位位姿参数信息采集和融合处理,在动态和静态环境下,结合加速全局定位方法进行机械臂位姿自动监视的人机交互设计,构建机械臂人机交互的动态定位控制模型,采用自适应位姿跟踪方法实现对机械臂的位姿自动监视,通过捕捉未知目标的质量特性参数,实现机械臂的位姿自动监视和人机交互设计。通过DSP和嵌入式ARM实现对机械臂位姿自动监视系统的硬件设计。测试结果表明,采用该方法进行机械臂位姿自动监视的自动化水平较高,智能性较好,提高了机械臂的位姿自动监视和控制能力。     

基于视觉测量的液压支架位姿检测方法

针对目前综采工作面液压支架位姿测量方法存在实施成本高、精度和实时性较差的问题,提出了一种基于视觉测量的液压支架位姿检测方法。通过在液压支架上设置红外LED标识板,利用安装在采煤机上的防爆相机进行图像采集,基于4个共面特征点的视觉算法对图像进行处理与解算,得到液压支架底座的位姿,根据液压支架的位姿坐标可以得到其在多个方向的直线度。实验结果表明,该方法测量的液压支架位姿检测精度在0.7°以内,直线度精度在20mm以内,满足综采工作面液压支架的检测精度要求。     

基于分层运动分解的飞行机械臂视觉伺服控制

飞行机械臂系统具有主动作业能力, 通过搭载视觉传感器感知周围环境, 系统的自主能力将进一步提高.然而, 考虑到无人机的欠驱动和整个系统的非线性特性, 飞行机械臂系统的视觉伺服控制仍然是一项具有挑战性的工作. 本文在充分考虑机械臂对无人机的力/力矩作用后, 提出了一种基于分层运动分解的飞行机械臂视觉伺服控制方案. 首先, 对飞行机械臂系统的运动学和动力学模型进行分析. 然后, 根据所得的相机运动学模型, 通过基于图像的视觉伺服控制获得相机的期望速度, 进而制定无人机和机械臂的速度分配策略. 在考虑机械臂运动时对无人机产生的力/力矩影响, 设计了底层的飞行控制器. 最后, 在与现有方法的仿真对比中可以看出, 所提方法具有良好的控制性能, 对图像特征点位置的不确定性及图像噪声也表现了较好的鲁棒性     

基于树莓派的机械臂视觉抓取系统设计

针对快递物流企业中,包裹供件智能化的需求,提出了一种基于树莓派的机械臂视觉抓取系统.通过运用相机校准、机械臂手眼标定、图像识别、机械臂控制等方法,实现了物体的准确、快速抓取.该系统在快递物流分拣、人工智能相关专业教学等领域具有一定的应用价值.     

人与机器人共存中的位姿估计与碰撞检测

提出了一种人与机器人共存中的位姿估计与碰撞检测方法。首先,利用光学3维动作捕捉系统获取标记点位姿信息,建立人体手臂的运动学模型。其次,针对工作空间中障碍物遮挡导致部分标记点位姿信息丢失的问题,将角度传感器获取的肘关节角度作为人体手臂运动学模型的输入,获取人体手臂末端位姿信息。再次,构建人体手臂和协作机器人的胶囊体模型,计算各胶囊体之间的最短距离,从而判断人机的相对位姿关系并实现碰撞检测。最后,通过10个人在不同人机共存场景下对人机位姿估计与碰撞检测方法进行评价。实验结果表明,本方法估计的人体手臂末端位置误差在20mm以内,人机最短距离的最大误差为14.53mm,能够实现人机碰撞检测。     

基于预测控制的非完整移动机器人视觉伺服镇定

非完整移动机器人视觉伺服镇定越来越受到人们的广泛关注. 目前研究人员在解决该问题时未同时考虑摄像机的可见性约束和机器人系统的控制约束, 所设计的控制器在实际应用中很难实现满意的控制. 针对此问题, 本文设计一种预测控制器来解决移动机器人视觉伺服镇定问题. 首先设计运动学预测镇定控制器来产生参考速度指令; 然后设计动力学预测控制器使移动机器人实际速度渐近逼近期望值; 所设计的预测控制器能够容易处理系统中存在的可见性约束和控制约束; 最后对所提出的视觉伺服镇定方法进行仿真验证, 结果表明所设计的控制器能有效解决移动机器人视觉伺服镇定问题.     

卡尔曼滤波与模糊逻辑结合的机械手视觉伺服控制方法研究

针对传统视觉伺服控制方法中视觉伺服控制系统收敛速度慢,需要相机标定等不足,提出了一种基于模糊逻辑与卡尔曼滤波相结合的视觉伺服控制方法.该控制方法使用卡尔曼滤波算法在线估计图像雅可比矩阵,使用模糊逻辑控制算法设计可变的控制系数代替传统的固定控制系数,不仅减少了视觉伺服控制系统的收敛时间,还避免了复杂的相机标定工作,节省了...     

基于改进BRISK算法的单目视觉里程计

在传统的BRISK算法中使用自定义的抽样模式来描述检测到的特征点,使用基于汉明距离的方法进行特征点匹配。BRISK的这种特征点描述与匹配的方法使得其匹配准确率不高。因此本文提出将匹配准确率较高的SURF算法与BRISK算法相结合,在BRISK特征点描述与匹配阶段使用SURF描述符和基于欧氏距离的匹配方法。实验结果表明,该算法在时间消耗下降不大的情况下,特征点匹配准确率有很大提高,且该算法具有较好的鲁棒性。     

移动机器人视觉伺服系统上位机软件的设计与实现

针对移动机器人视觉伺服系统,采用C++语言设计了一款基于Qt的跨平台实时数据可视化上位机软件。该软件执行图像处理算法和数据分析,实现绘制移动机器人实时轨迹和实时参数曲线等功能。首先介绍了移动机器人的硬件组成和功能。其次阐述了上位机软件的开发环境和设计步骤,并详细叙述图像算法的运行流程和实时在线绘制波形图等功能。最后通过视觉伺服跟踪控制实验采集数据,并实时显示来验证所设计上位机软件功能的有效性。     

基于OpenCV的微型扑翼飞行器视觉伺服系统

设计一种基于OpenCV的微型扑翼飞行器视觉伺服控制系统.首先介绍微型扑翼飞行器的运动学规律,并对整个控制系统做了简要概括,最后提出一种用于检测微型扑翼飞行器运动轨迹的计算机视觉算法.实验测试表明,该算法与传统的背景差分法等方法相比,对前景运动区域的分割更为精确.     

一种五自由度视觉伺服机器人的跟踪控制研究

提出了一种基于图像的视觉伺服机器人系统的结构，以及该系统跟踪平面运动目标的算法. 该系统有5个自由度，包括一个3自由度的机器人和一个2自由度的手腕，手腕安装在机器人末端，而摄像机安装在手腕末端. 由于具有较小的运动惯量，手腕可快速旋转，以实现对运动目标的跟踪. 而在需要时，3自由度的机器人可将摄像机移动到适当的位置， 对目标进行更为仔细的观察. 该系统实现了对运动目标的跟踪. 此外，还提出了提高系统性能的方法，实验证实这些方法是有效的.     

增强现实与视觉惯导模块的位姿融合方法

基于视觉标志物的增强现实技术和视觉惯性里程计(VIO)技术有着良好的互补性。本文针对当前基于视觉标志物的增强现实系统依赖标志物以及VIO的缺乏地理位置信息、累计误差等问题,提出一种泛用的位姿融合方法,该方法可以将任意的2种不同坐标系下的相同轨迹位姿输出转换到同一坐标系下。针对本文的问题,实现基于视觉标志物的增强现实与视觉惯导模块的位姿融合,并利用视觉标志物自身带有地理信息的特点,为整个系统提供真实的地理信息坐标,使得定位系统能够与地理信息系统相结合。以实时通讯的方式采集华为P10手机输出的图像与IMU信息作为数据源,在Ubuntu16.04和Unity游戏引擎上进行实验。结果表明,本文方法能够有效地完成准确的位姿融合。     

FCMAC控制在基于图像的机器人视觉伺服中的应用

以二自由度平面机器人为研究对象,将FCMAC控制方法应用到基于图像的机器人视觉伺服系统中.建立了系统的数学模型,并在Matlab平台上对该系统进行仿真实验.仿真结果表明,本文的控制系统对静态目标定位、对直线运动目标及曲线运动目标进行跟踪,可以获得较快的响应速度和较高的控制精度.