#br# NAO机器人的视觉伺服物品抓取操作

针对家庭环境中服务机器人物品的抓取问题,提出一种改进的基于位置的视觉伺服抓取算法。首先,利用Naomark标签完成对物体的快速识别,并通过世界平面单应矩阵分解对物体的位姿进行估计;然后,对NAO机器人的机械臂进行运动学建模,并分别设计单臂和双臂抓取的视觉伺服控制律;最后,为进一步提高抓取的稳定性和鲁棒性,对末端执行器进行路径规划。实验结果表明,本方法能够快速、稳定地抓取目标物品。     

基于并行处理方法的实时立体视觉伺服系统

针对实时跟踪及抓取运动目标物体的任务,给出了一个基于并行理论的视觉伺服系统。在系统中,运用快速模板匹配理论与快速可靠的立体视觉匹配理论相结合的方法实现运动物体的匹配与识别。然后通过卡尔曼滤波器对位置及速度进行预测。同时采用并行理论提高图像匹配理论的匹配速度。结果直接传给机器人及立体视觉平台控制器,实现机器人和立体视觉平台的视觉伺服,完成了对运动物体的实时跟踪和抓取。通过仿真和大量的运动目标物体的跟踪及抓取试验,获得的试验数据表明运用此方法提高了视觉伺服系统的定位精度和伺服速度。     

配置机械手的轮式移动机器人目标物体跟踪与抓取

针对配置机械手的室内轮式移动机器人目标物体识别、跟踪和抓取问题,采用一种目标物体识别和机器人定位的方法,利用一种基于模糊控制的轮式移动机器人视觉伺服跟踪控制的方法。针对机器人目标识别跟踪及抓取过程中受环境条件变化的影响,采用HSI颜色模型和基于阈值的区域分割的图像处理方法可以完成目标颜色物体的快速准确识别。基于云台摄像机角度信息的机器人小车目标定位方法和模糊控制理论,设计了模糊跟踪控制器,使机器人输出合适的线速度和角速度,能够实现机器人目标跟踪,使移动机器人趋近目标物体位置,并完成机械手目标物体抓取任务。仿真和实时实验结果表明：所设计的系统具有良好的目标物体识别、跟踪和准确抓取目标的能力。     

基于PUMA机器人的视觉伺服控制实验研究

为解决在视觉伺服过程中存在定位精度低、伺服速度慢的问题 ,给出了一个基于图像特征的机器人视觉伺服控制方法 ,实现了机器人“手 -眼”协调视觉伺服控制 .通过适当的选取图像特征 ,实现了摄像机工作空间运动目标跟踪的视觉伺服任务 ,并采用扩展卡尔曼滤波控制方法完成机器人视觉伺服控制 .同时通过抓取目标物体进行计算机仿真及模拟实验 ,给出了实验数据 .经过比较可以看出 ,运用此方法提高了定位精度及伺服速度     

基于高速视觉伺服的机器人抓取研究

随着工业机器人应用领域日益扩大,机器人在应用中需要实时抓取运动速度较快的物体,高速视觉伺服机器人控制系统研究得以开展。在建立六自由度机器人运动学模型的基础上,采用高速摄像机作为视觉传感器。针对视觉伺服中模型不确定的问题,采用自适应控制方法实现模型预测。     

基于PUMA机器人的视觉伺服控制实施研究

为解决在视觉伺服过程中存在定位精度低，伺服速度慢的问题，给出了一个基于图像特征的机器人视觉伺服控制方法，实现了机器人“手－眼”协调视觉伺服控制，通过适当的选取图像特征，实现了摄像机工作空间运动目标跟踪的视觉伺服任务，并采用扩展卡尔曼滤波控制方法完成机器人视觉服务控制，同时通过抓取目标物体进行计算机仿真及模拟实验，给出了实验数据，经过比较可以看出，运用此方法提高了定位精度及伺服速度。     

基于视觉反馈的机械臂预测控制

针对基于视觉的机器人目标抓取问题,构建一个基于图像的单目视觉伺服系统．预先建立基 于图像雅克比矩阵的模型,在明确考虑目标可见性约束及机器人执行器约束的前提下,将预测控制 算法引入到机械臂的视觉伺服控制中,基于视觉特征的运动预测设计一个简化的多变量机械臂视 觉伺服控制器,用以实现对机械臂末端位姿的控制．借助ＮＡＯ 机器人平台,利用机器人自带的 Ｎａｏｍａｒｋ标签进行物体的快速识别,并应用上述基于视觉反馈的机械臂预测控制方法实现ＮＡＯ 机器人手臂控制．实验结果验证了方法的可行性,算法简单易于实现,且控制精度令人满意．     

移动机械臂手眼关系标定及视觉伺服控制方法

将视觉传感器集成到移动机械臂上构成眼在手上构型的视觉伺服系统是服务机器人实现物品抓取与搬运操作的一种有效方法,但存在手眼关系标定算法复杂非线性,以及难以处理移动机械臂的非完整性约束等难题。为了克服以上难题,首先将移动机械臂抽象为一个广义机械臂,对其进行运动学建模,并求出其运动学解析逆解;然后提出一种全新的线性主动视觉摄像机标定方法对手眼关系进行标定;最后设计包含眼注视逼近和look-then-doing开环抓取的视觉伺服切换控制律来控制移动机械臂实现家庭物品的抓取操作。仿真及试验结果表明,该线性手眼关系标定法易于实现,且具有极高的标定精度,同时设计的视觉伺服切换控制律能够有效克服移动机械臂的非完整性约束带来的控制困难。     

基于Kinect的仿人机器人抓取目标定位

目标定位是仿人机器人实现抓取操作的前提。针对机器人单目视觉容易丢失深度信息,双目视觉难以对缺乏纹理特征的物体获得有效深度信息的问题,提供一种基于Kinect的仿人机器人抓取目标定位系统。首先建立Kinect和机器人坐标系,构建布尔沙坐标转换模型;然后利用线性总体最小二乘(LTLS)算法求解该模型;最后依据Kinect获取的抓取点坐标信息,通过坐标转换将其转换到机器人坐标系:从而实现机器人对目标物体的定位。在仿人机器人NAO平台上对该系统进行实验验证,其结果表明:利用该方法,机器人在一定空间范围内能够可靠的定位目标物体,并且较其单目视觉定位更准确;根据所提供的目标定位系统,NAO机器人实现了对不同物体的抓取操作。     

基于强化学习的三指灵巧手抓取方法研究

为了实现对圆锥等特殊物品的抓取,本文提出了一种基于强化学习的三指灵巧手机器人抓取方法.本文使用DenseNet-121网络实现了图像的分类,使用ImageNet数据集进行预训练,以解决数据集较少时易出现过拟合的问题;并基于强化学习中的Q-Learning算法,在完全卷积网络中进行端到端的训练,学习视觉运动策略,最后在少量数据集上测试算法.实验结果表明,使用三指灵巧手能够有效抓取圆锥、圆球等物体;同时,该方法训练生成的模型有效建立了像素图像数据与机器人执行运动抓取动作之间的映射关系,根据这种映射关系选出的最优Q值,提高了抓取成功率.     

基于Arduino的智能搬运机器人的设计与实现

文章旨在设计和实现一种基于Arduino单片机的智能搬运机器人。该机器人采用硬件系统和软件系统相结合的架构。硬件系统基于Arduino Mega 2560主控板,搭载视觉识别、陀螺仪等模块。机身采用轮式机器人结构,电机、驱动轮和其他相关模块安装在底盘上,并配备传感器来检测机器人周围的环境和物品信息。此外,机器人还配备有六自由度机械臂和物料台,用于抓取和摆放目标物品。软件设计方面,采用由C语言和Python开发的控制系统,对主控板和视觉识别等模块进行编程开发,以实现视觉识别、自主路线循迹、物料抓取等功能。     

基于视觉的并联机器人守门控制技术研究

针对视觉技术在并联机器人上的应用特点,本文基于视觉传感器的二自由度Delta机器人的守门控制技术,提出了一种对运动目标的轨迹进行预判和定位的控制算法。通过视觉控制器对运动小球的视觉图像进行处理,从而获取运动坐标,并对目标进行轨迹预判和视觉跟踪,使机器人在目标位置准确拦截小球。同时,利用ST语言在运动控制专用软件Sysmac Studio中编写机器人的运动控制程序并进行3D仿真。仿真结果表明,该算法通过对目标物体提前匹配图像信息可快速定位并执行拦截,避免机械臂多余动作,提高了动作效率。该算法已成功应用到机器人小球对打比赛中,并获得了较好的效果。该研究对Delta机器人抓取运动目标具有一定的实用价值。     

感认知增强的智能机械手系统

为了提高服务机器人的系统服务能力和智能化程度,提出一种面向机械手等器件的感认知增强模型.通过融合来自不同传感通道的感知能力和认知能力,增强机械手的感知和认知.基于此模型,以视觉、触觉为例,在视觉系统上用尺度不变特征变换算法实现目标物体的识别,并对目标物体进行定位;在触觉系统上对触觉传感器采集的数据用主成分分析算法降维,并用支持向量机算法获得分类模型;在认知系统上,机械手在抓取物体时根据物体信息自适应地规划路径并决策物体的抓取模式.通过在多类物体混杂环境中的抓取和分拣实验,验证了该感认知增强机械手系统的可用性.     

液压机械手软抓取技术的研究

机械手常要进行抓取作业 ,为了能把物体抓住而不因夹持力过大而对物体造成伤害 ,设计了一种具有压觉和滑觉功能的机器人触觉传感器 ,对机械手抓取物体时遇到的问题及相应的施力策略进行研究 ,设计了一种比例因子可调整的模糊控制器 ,并进行了实验研究 .实验证明 ,使用机器人触觉传感器和模糊控制策略机械手能够进行软抓取作业     

QR Code在多种类物体识别与操作中的应用

提出了一种基于QR Code的多种类物体识别和操作方法.家庭环境下物体种类繁多,形状各种各样,颜色也不尽相同,使用传统的图像处理的方法很难将目标物从背景图像中准确地分割出来.针对不同物体设计相应的QR Code标签,将对物体的识别转化为对QR Code标签的识别,可以大大减小计算量,提高识别精度和速度;同时还能够将足够多的操作信息(如抓取力、抓取位置等)记录在QR Code中,方便机器人实现对物品的准确操作;QR Code标签的定位由训练的基于Haar-like特征的层叠推进分类器检测实时图像来实现,实验表明该方法可以快速识别出目标物,具有很好的适用性和鲁棒性.     

基于ROS和机器视觉的移动回收机器人设计

为解决室外人工清理、分类垃圾的重复劳作、费时费力等问题,设计一款基于ROS与人工智能技术的垃圾回收机器人。机器人基于ROS架构和图像分类技术设计,使用采集的垃圾图像进行学习得到分类模型。利用机器视觉获得物体图像,识别垃圾种类,使用Open CV辅助机械臂抓取物体。该设计兼容性高,二次开发方便,解决了面对复杂多样的物体机器人系统需进行大规模控制改动的问题。     

空间探测机器人立体视觉技术

该项目研究出用于空间探测机器人视觉导航和视建模的超大视场角立体视觉技术，并建立了相应的体视觉系统原理样机。该技术不仅适用于常规镜头体视觉系统恢复场景稠密深度图，也适用于恢复近离大视场场景稠密深度图，可用来确定机器人行走径方向上大视场范围内的岩石、河沟，实现机器人障和路径规划或确定物体的三维空间位置，以使机人准确高效地完成抓取物体的操作。项目单位：北京理工大学联系电话：（０１０）６８９１４８４９联系人：贾云得空间探测机器人立体视觉技术     

受脑启发的机器人认知抓取决策模型

为了让机器人获得更加通用的能力,抓取是机器人必要掌握的技能.针对目前大多数机器人抓取决策方法存在物品特征理解浅显,缺乏抓取先验知识,导致任务兼容性较差的问题,同时受大脑中分区分块功能结构的启发,提出了将物品感知、先验知识和抓取任务融合的认知决策模型.该模型包含卷积感知网络、记忆图网络和贝叶斯决策网络三部分,分别实现了物品能供性(affordance)提取、抓取先验知识推理和联想,以及信息融合编码决策,三部分之间的信息流以语义向量的形式传递.利用UMD part affordance数据集、该文构建的抓取常识图和决策数据集对3个网络分别进行训练,认知决策模型的测试准确率达到99.8％,并且抓取位置可视化结果展示了决策的正确性.该模型还能判断物品是否属于当前任务场景,以决策是否抓取以及选择什么部位抓取物品,有助于提高机器人实际场景的应用能力.     

基于前馈径向基网络的动态抓取参数估计方法

针对机器人抓取非匀速运动物体过程中需要估计目标运动参数的问题,提出一种基于前馈径向基网络的物体运动参数估计方法．该方法首先采用核相关滤波算法实时跟踪目标位置,建立目标的运动模型;然后,通过径向基网络预测目标的运动参数,动态调整卡尔曼滤波运动估计方程的采样时间,大幅降低了计算耗时,同时提高了机器人对运动参数估计的准确性;最后,利用UR5机器人开展了抓取平面自由运动物体的实验．结果表明,与前馈感知机网络相比,所提出方法将抓取所需的时间缩短了20%,能较好地解决机器人抓取物体过程中,由于物体运动或方向变化造成的抓取失败问题．     

多模态卷积神经网络的物体抓取检测

针对散乱摆放的未知物体的抓取,提出一种将物体的RGB图像和Depth图像分开作为两个输入的多模态神经网络模型,实现对物体抓取框的检测,完成机器人对未知物体的智能抓取。通过背景减除的方法,获取物体的掩膜,根据等间距采样规则,得到这个物体所有可能的候选抓取矩形框;再通过多模态神经网络分类模型,从所有可能的候选矩形框中找到评判值排名前三的矩形框;然后采用比较重心的算法找到中心最接近物体重心的抓取框(最优抓取框)。结果表明,该方法在物体抓取准确性和鲁棒性方面有很大提高。