#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。     

基于多空间混合约束的NAO机器人抓取轨迹规划

为提高NAO机器人手臂抓取物体的可靠性,本论文提出关节空间和笛卡尔空间控制相结合的方法,设计NAO机器人手臂的轨迹进行目标抓取。由于目标大小已知,利用关节空间控制可以预先设定NAO机器人抓取的最佳姿态,即NAO机器人手臂各个关节角度。运用正运动学,计算手臂移动位置。在设定姿态后的位置与目标点之间,利用笛卡尔空间控制进行轨迹规划。实验表明,在NAO坐标系下,手臂抓取范围内该算法能够在给定范围内准确地完成空间抓取目标任务。     

机器人轴孔装配视觉伺服技术

目的研究轴孔装配在机器人生产过程中的关键技术,研究利用视觉伺服系统调整卡阻位置误差的方法,提高装配的精度.方法对机器人轴孔装配作业进行分析,并采用基于力/位置的控制方法.结果建立了工件重心位置与轴孔轴线的误差模型,从而推导出了机器人轴孔装配卡阻运动规律.结论视觉伺服技术和力/位置相结合控制方法,可以有效地提高机器人轴孔装配的精度和速度,从而提高轴孔装配的质量.     

机器人视觉伺服仿真系统研究

以六自由度SG－MOTORMAN机器人为研究对象，建立了视觉伺服仿真系统该系统运行在Windows环境下的Matlab平台上，可便捷地使用Matlab工具箱进行图像处理和视觉伺服控制算法的研究。采用Visual C 编程语言调用OpenGL库实现机器人三维实时动画仿真。为视觉机器人的设计提供了一个安全可靠、灵活方便的研究平台。     

一种基于NAO机器人的单目视觉目标定位方法

单目视觉定位在机器人视觉中具有重要的应用价值。结合光学成像原理、几何坐标变换以及相关的图像处理技术能够实现单目视觉目标定位。提出了一种基于RGB颜色空间的匹配滤波轮廓提取算法,进行特定目标的轮廓提取。该算法能精确、快速地计算出摄像机与目标物体之间的距离和角度信息,实现对特定目标的定位。基于NAO机器人平台的实际实验结果验证了该算法的有效性。     

电动汽车充电操作机器人的视觉系统设计

针对电动汽车充电过程中的充电插座识别和充电孔定位问题,设计了电动汽车充电操作机器人的双目视觉系统。首先,采用支持向量机(SVM)和线性可变形模板匹配相结合的方法识别快充和慢充插座、定位插座中心充电孔,结合双目立体匹配,获取中心充电孔的三维坐标;其次,建立超出机器人的工作范围和充电孔角度识别偏差过大情况下的异常处理机制;最后,在Halcon视觉平台编写视觉算法进行实验验证,结果表明:该视觉系统能够有效区分快充和慢充插座、定位目标插座中心充电孔,分类速度和定位精度满足充电机器人在线作业要求。     

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     

基于机器学习的NAO机器人检测跟踪

为了解决对人形NAO机器人的检测跟踪问题,提出了一种机器学习与特征匹配相结合的方法.向梯度直方图(Histogram of Oriented Gradient)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子,在行人检测中取得了较好的效果.将其应用于人形NAO机器人的检测跟踪,并结合AdaBoost算法通过机器学习的方法,从大量的训练样本中自动抽取HOG特征并建立级联分类器,利用分类器找出视频帧中含有机器人目标的区域,并在此基础上利用SURF(Speed Up Robust Features)特征匹配方法与模板图像进行特征匹配,以提高目标识别的正确率.实验结果表明,该方法对NAO机器人在室内光线无遮挡的情况下取得了稳定的跟踪效果.     

管内作业机器人视觉伺服控制中的实时图像处理

针对管内作业机器人视觉伺服控制的要求,在分析视觉传感器成像机理的基础上,提出了一种实时图像处理算法。即预先将理想的特殊图像和联想记忆神经网络存储起来,在使用时,先将原始数字图像进行压缩,再用神经网络进行处理。仿真证明该方法是快速、有效的,而且具有较强的抗干扰能力。     

基于视觉伺服的Baxter机器人手臂跟随系统研究

文中介绍了Baxter机器人控制方式和一种基于势函数的视觉伺服控制机器人手臂跟随运动的方法,为服务机器人和协作机器人的发展提供了技术支撑。首先通过基于OpenCV的颜色检测方法从摄像机获取跟随物体的相对方位信息,然后通过ROS系统对机械臂进行运动控制,最后利用视觉与机器人配合完成机器人手臂跟随系统设计。通过对跟随轨迹精度分析表明,眼内视觉传感器的布置可以提供相对较高的精度,避免视觉碰撞,从而实现准确的跟随运动。利用实验验证了该方法的有效性。     

基于极线几何的机器人视觉伺服控制系统分析

为了更好地解决机器人视觉伺服控制系统中运行误差的问题,引入了一种基于图像的交互式几何建模方法。该方法利用自动方式标定模型的平行线、特征点,得到摄像机参数,进而计算出模型的几何信息,然后从图像中提取要素,提出一种最优控制运行方式,并且以此为基础提出了视觉伺服控制器的设计。仿真与试验结果表明,这种控制方法能够使图像上特征向量的误差收敛到零,机器人能够到达期望的位姿上。     

NAO机器人手臂的运动建模与控制

针对机器人手臂抓取物体时的控制问题,以NAO机器人为操作对象对手臂的运动进行了建模与控制。采用D-H运动学建模机理,建立机器人手臂的运动学模型,并通过分析NAO机器人左臂的结构得到D-H运动学模型参数。对模型输出与NAO机器人手臂的实际运动轨迹进行了比较分析,验证了机器人手臂运动学模型的精确性。依据运动学模型获得了手臂的动力学模型,并基于该模型设计了自适应PD控制器,仿真结果表明,当系统存在较大扰动时,自适应PD控制器比PD控制器对机器人手臂运动具有更好的跟踪性和鲁棒性。     

面向视觉伺服的工业机器人轮廓曲线角点识别

为了解决工业机器人视觉伺服中轮廓曲线角点识别效率低进而影响实时定位准确性的问题,提出面向视觉伺服的工业机器人轮廓曲线角点识别算法. 建立基于Freeman链码的机械爪轮廓曲线编码模型,利用差别码对机械爪轮廓曲线的角度变化特征进行统一编码建模. 通过基于差别码和卷积系数的卷积运算,对差别码进行局部非线性加权,计算机械爪轮廓曲线上各点的曲度精确量化辨识机械爪角点. 基于候选角点阈值、点的最远领域间隔和局部范围最多点数进行获选角点的初步选取. 采用平面轮廓曲线毛刺过滤筛选误识角点,实现机械爪角点的精确识别,为视觉伺服中实时定位提供可靠的位置信息. 通过与已有平面轮廓曲线角点识别算法对比,验证本研究所提方法的准确性和高效性,提取角点过程具有较强的鲁棒性.     

基于NAO机器人的目标识别与运动控制

为了让NAO机器人能准确行走至目标位置,针对NAO机器人在目标识别中存在的坐标精度问题,搭建了基于NAO机器人的目标识别行走系统。在NAO机器人目标定位与行走实验中,采用单目视觉定位算法来确定目标位置,并在改变NAO机器人与目标的相对位置后进行了多次测量;通过坐标的误差补偿,使目标位置的坐标误差缩小至2cm左右,满足了精度要求。