物品智能分类抓取机械臂

随着快递服务市场的渗透率越来越高,快递的分拣难度也随之上升,传统的人工分拣和半人工分拣人力成本较高,效率相对机器也会更低。提出了一种小型机械臂智能分拣模式,整个系统由树莓派统一控制,摄像头读取图像,PC处理图像,识别图像中的物料和二维码,计算出物料的三维坐标,并获取该物料的分类放置信息,然后由树莓派控制机械臂活动完成物料分拣工作。该机械臂能够有效实现对贴有二维码物料的自动分拣,具有成本低、准确性高、操作简单等优点,适合小型智能仓库使用。     

基于视觉识别的智能分拣机械臂设计与实现

该文提出了基于视觉识别物料机械臂完成智能分拣的设计思路,具体实现方式为首先由工业相机采集待分拣物料图像,HALCON软件处理;其次通过标定、滤波去噪、特征提取、坐标变换分类识别物料;然后由主控制器PLC接收上位机发送的信号,在上位机Visual Studio 2019环境中进行Winform窗体开发;最后结合PLC编程软件TIA Portal V15.1,精准控制机械臂完成物料分拣作业。实验结果表明,基于视觉识别的智能分拣机械臂系统运行可靠,稳定性好,控制精度高。     

基于机械臂的涡轮壳零件表面质量视觉检测

针对涡轮壳零件表面质量检测中存在的检测精度和效率低、实现难度大等难题,提出一种基于机械臂和机器视觉的表面质量检测方法。首先采用机械臂带动视觉系统运动到检测工位采集零件表面图像,然后对图像进行滤波、区域提取、特征提取和分割等处理,检测出涡轮壳表面的磕碰、凹坑等缺陷。通过现场试验结果表明,本系统单工位平均检测时间小于2 s,漏检率仅为0.4%,检测精度和效率均满足工程应用要求。     

基于双目视觉的机器人目标定位与机械臂控制

为了更好地与复杂多变的非结构化环境进行交互,完成对目标物体的识别和抓取,提出了一种应用于服务机器人平台的基于双目视觉的仿人机械臂控制方法.文中首先用D-H方法对机械臂进行建模,并对这个模型做了改进,给出了一种更加简便的3+1自由度仿人机械臂的逆解算法,采用基于双目视觉与颜色分割的目标识别方法;然后根据识别出的目标三维坐标信息控制机械臂完成抓取任务;最后,本方法在家庭服务机器人上得到了验证,机器人能够完成对目标物体的识别和抓取动作.     

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.     

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的机械臂视觉控制仿真

现代工业中机械臂的使用越来越广泛,但传统的机械臂缺乏同工作环境的交互能力,灵活性较差.为此考虑利用视觉来引导机械臂作业,为机械臂配置视觉传感器,实时获取工况信息,以提高机械臂在线实时作业的能力.ROS(Robot Op?erating System)在机器人开发领域的应用愈加广泛,借助ROS构建相应的视觉引导机械臂作业...     

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。     

机械臂抓取行为规划研究综述

随着机器人工作环境越来越复杂,通过对其示范性的教学,可以使机器人更快地适应所处的环境,更好地完成人类所给的任务。在机器人行为中,机械臂在机器人工作中是不可缺少的。近年来,对机械臂抓取行为的建模控制成为科研工作的一个热点。最前沿的方法多从行为获取和行为表征2个方面着手,在行为获取方面大致有2种方法,一种是真人示教法,另一种是虚拟平台示教法;行为表征方面多采用深度学习的方法。本文从数据获取的角度对近几年机械臂建模和控制的研究发展进行综述。     

室内单目机器人视觉目标发现与跟随

本文研究了室内单目机器人上的视觉目标人发现与跟随问题,分为场景变化检测,目标人检测,目标人视觉追踪和目标人主动跟随几个部分,主要研究了场景变化检测算法和目标人视觉追踪算法. 高速的场景变化检测算法通过对场景建模来分析该场景是否变化,为目标检测部分提供潜在变化帧和潜在变化区域. 实验结果表明能够提高系统运行速度,减少机器人运行时的卡顿. 视觉目标追踪算法结合表观模型和SLAM过程得到的地图点信息,估计目标区域内属于背景的部分,减少由于遮挡和目标尺度变化对于追踪算法的表观模型的影响,实验结果相比于对比算法取得较大效果提升. 本文尝试使用近年来效果较好的深度神经网络来进行目标检测. 使用小型深度网络并加强对于室内场景下人的学习,在运行速度和检测效果方面取得较好的平衡. 在视觉目标人的发现和跟踪的基础上,我们实现了机器人的跟随. 由于单目视觉仅能够提供目标的方向信息,所以机器人主动跟随的目标是保持目标人在成像平面的水平居中位置. 在目标无遮挡和部分遮挡的情况下,机器人能够成功的跟随人.     

机械臂抓取任务的脑电分类

针对大脑认知完好无损的患者,却患有重度神经肌肉疾病导致肢体行动受限的问题,为使患者重新获取障碍肢体的自主控制能力,本文提出了一种机械臂抓取任务的脑电分类方法对患者进行障碍肢体运动康复训练.首先使用非侵入式脑电技术对运动想象脑电信号进行采集,通过预处理、特征提取以及多尺度特征融合卷积神经网络进行分类识别;最后利用分类模型得到的标签解码成机械臂能够识别的指令,控制机械臂完成特定任务.实验结果表明:实验选取的15名健康受试者运动想象实验采集的脑电数据具有可行性,平均准确率达到了82%以上;为机械臂抓取任务的脑电分类提供了一种新思路.     

手臂机器人网络教学实验系统设计与开发

随着Internet和多媒体技术的快速发展，现代教育技术也迈上了一个崭新的台阶。本文介绍一个手臂机器人网络教学实验系统，它采用B／S三层体系结构模型，提供远程控制、监视和机器人仿真的教学服务。本文主要介绍系统的设计与开发技术。     

智能化妆机器人控制系统设计

本项目拟设计一款智能化妆机器人,采用目前最为先进的人脸识别技术以及科技前沿的仿生机械手臂,以STM32单片机为控制核心.将Open MV识别到的信息通过系统分析与判断得到适合的妆容方案,按照制定的妆容方案控制机械臂及其末端执行机构完成相应的动作组,从而实现机器人的智能选妆与上妆全过程.     

智能视觉监控技术研究进展

新一代智能视觉监控技术的研究是一个极具挑战性的前沿课题,它旨在赋予监控系统观察分析场景内容的能力,实现监控的自动化和智能化,因而具有巨大的应用潜力。视觉监控系统的智能化分析过程由运动目标检测、分类、跟踪和视频内容分析等几个基本环节组成,其中视频内容分析又包括异常检测、人的身份识别以及视频内容理解描述等。本文在总结以上有关关键技术研究进展的基础上,进一步提出将超分辨率复原技术引入视觉监控领域,介绍了超分辨率复原的主要算法及其在智能视觉监控中的应用。     

目标跟踪研究综述

在监控系统中获取感兴趣的目标是目前极具挑战性的研究热点之一,在视频监控、人机交互和军事领域都具有巨大的应用前景。目标追踪问题主要的技术难点是实时、准确和稳定地将感兴趣的目标表现出来,但是由于目标运动方式、运动场景和目标外在特征的突然改变以及光照变化和拍摄时的抖动等问题都会导致监测追踪系统准确率和稳定性的下降。本文对国内外目标追踪问题的热点和难点进行了详细的分析论述,将目标跟踪归结为目标识别和追踪两个部分来详细讨论,同时考虑到场景对目标追踪的直接影响,将场景理解作为目标追踪的重要技术难点进行了探讨,指出了视觉跟踪模型的具体问题。     

一种基于GOR+GPU算法的机器人视觉导航方法

提出一种一般物体识别(GOR)方法.借鉴词袋(BOW)的统计模型,利用SIFT(尺度不变特征变换)检测算子进行特征向量描述.为了增加信息的冗余度,利用物体部件空间关系的统计信息来描述一幅图片中所有特征点的空间(相对距离和角度)关系,增广了原BOW模型中的特征向量.运用无监督判别分类器支持向量机(SVM)来实现分类识别.与此同时,采用GPU加速技术来实现SIFT特征提取与描述,以保证其实时性.然后,存手绘地图辅助导航的基础上,将该方法成功地应用到室内移动机器人导航上.实验结果表明,基于该方法的机器人导航技术具有较强的鲁棒性和有效性.     

基于人脸识别与光流追踪的移动机器人视觉导航方法

针对移动机器人视觉导航中跟踪目标丢失的问题,提出了基于人脸识别与稀疏光流算法(KLT)结合的移动机器人视觉导航方法(FR-KLT视觉导航方法)。采用OpenCV库中的Haar特征提取人脸识别算法实时检测识别目标人脸,通过Harris角点检测获取目标人体特征点,对目标人体进行精准定位;KLT光流追踪法测算目标移动趋势,并预测目标下一刻大致位置。目标人体位置变动时移动机器人对目标进行实时追踪导航。通过Pioneer-LX机器人在真实环境下试验,验证了该方法准确识别并跟踪目标的实时性和有效性。