基于视觉伺服的工业机器人位姿跟踪方法

目前，工业机器人工作大多是基于先精确示教后运行的，工作效率较低，因此采用视觉提高机器人的智能水平，以实现对目标物体的自动检测和定位抓取，具有重要的现实意义和研究价值。文章以机器人视觉伺服为研究对象，利用视觉伺服使机器人末端跟踪标定板的位姿，包括摄像机标定、机器人手眼标定、机器人控制，可为机械臂的定位抓取提供帮助。     

基于机器视觉的非特定物体的智能抓取系统的研究

针对传统机械臂局限于按既定流程对固定位姿的特定物体进行机械化抓取,设计了一种基于机器视觉的非特定物体的智能抓取系统;系统通过特定的卷积神经网络对深度相机采集到的图像进行目标定位,并在图像上预测出一个该目标的可靠抓取位置,系统进一步将抓取位置信息反馈给机械臂,机械臂根据该信息完成对目标物体的抓取操作;系统基于机器人操作系统,硬件之间通过机器人操作系统的话题机制传递必要信息;最终经多次实验结果表明,通过改进的快速搜索随机树运动规划算法,桌面型机械臂能够根据神经网络模型反馈的的标记位置对不同位姿的非特定物体进行实时有效的抓取,在一定程度上提高了机械臂的自主能力,弥补了传统机械臂的不足.     

手眼系统中刀具刀头位姿标定与视觉引导

在服务机器人的日常任务中要求机械手抓取不同的目标,且根据目标的放置位姿的不同需要从相应角度进行抓取,但机械手与手持目标的位姿关系往往难以精确和直接地测量。以刀具作为手持目标,利用eye-in-hand手眼系统抓取该目标后,在线标定手眼与手持刀具刀头的位姿关系,首先给出了摄像机调焦前后焦距标定的计算方法,再将调整焦距视为摄像机沿光轴的平移运动,通过调焦前后摄像机获取的两幅图像,标定出刀具在摄像机和机械手坐标系下的位姿,同时给出了刀具刀头到期望加工点的导向矢量计算方法。     

基于立体视觉的串联机器人跟踪检测系统

建立一种六自由度串联机器人视觉跟踪检测系统框架,包括图像采集、摄像机标定、机器臂跟踪检测、机器臂位姿建模与计算等。提出利用CamShift算法对机器人进行在线粗跟踪,搜寻和画定出机器臂操作器在当前窗口的区域位置。对跟踪到的机器臂按照SURF算法进行特征提取与立体匹配。该方法被用于对串联机器人位姿检测进行实验。实验结果表明,2种算法的结合适用于六自由度串联机器人在空间复杂运动的跟踪检测。     

基于非线性优化的机器人坐标系标定方法

利用激光跟踪仪检测或校准工业机器人,须先对机器人坐标系进行标定。研究一种基于非线性优化的机器人坐标系标定方法。即在机器人末端固定一靶点,机器人运动多个位姿,激光跟踪仪对靶点进行测量,建立多位姿约束方程,并采用非线性优化算法同步标定机座坐标系及靶点坐标。该方法无须特殊机械工装,可适用于空载或末端带有各类执行器的工业机器人系统。经实验验证:相较于经典封闭解法,该方法采用非线性优化,具有良好的鲁棒性,可有效减小因机器人运动模型不准确引起的转换误差。     

基于HALCON的机器人手眼标定精度分析与反演方法

通过视觉引导机器人完成抓取任务,机器人手眼标定的精度直接影响了抓取任务作业精度和抓取成功率。对于基于位置的机器人视觉引导系统,手眼标定的任务则是确定机器人坐标系与相机坐标系之间的位姿关系。通过HALCON平台,使用线性标定法实现了6DOF机器人的手眼标定。对手眼标定的结果进行反演,直观地展示了手眼标定的精确程度。最后通过采集多组不同数量的图片,在HALCON平台下验证了不同摄像机模型对手眼标定的精度影响,以及同种摄像机模型在不同数量图片的情况下手眼标定的标定精度。实验证明,根据位姿矩阵中待求解的未知量个数采集合适数量的图片和使用更精确的摄像机模型能够提高手眼标定的精度。     

视觉伺服机械臂手机抓取最佳位姿检测

针对下水道、勾缝等狭窄位置的手机拾取的问题, 本文提出一种基于机器视觉的伺服机械臂抓取方法. 首先对机械臂eye-in-hand上的相机进行标定, 图像预处理及目标检测等, 在位姿检测中提出一种基于二维坐标系下手机位姿解算算法, 得出解算的最佳位姿角只与夹持点的像素坐标的差值有关, 其位姿角的大小决定了手抓旋转的角度. 实验用Matlab软件对位姿检测进行仿真分析, 其包括SURF不变特征点的目标检测实验和位姿解算实验, 最后用Rethink双臂机器人的右臂对手机进行抓取验证. 实验表明, 在误差允许范围内, 提出的算法具有一定的有效性, 其结果为伺服机械臂抓取手机提供良好的准确性.     

基于3D目标跟踪算法的机器人手眼协调研究

为了适应环境的复杂性和多样性,增强机器人抓取任务的鲁棒性,本文从3D目标跟踪算法出发,提出了一种实现机器人手眼协调的新方法。该方法采用改进的基于区域的位姿追踪算法同时跟踪机械臂夹持器和目标物体的位姿,根据二者的相对位置关系引导机械臂运动。对基于区域的位姿跟踪算法,本文提出根据局部区域分割线构建分割模型并改进模型颜色似然的线性更新方式,使得算法能够准确跟踪机械臂夹持器与目标物体。基于ROS平台搭建了一套仿真实验环境,并分别在仿真环境和真实环境下验证了此手眼协调系统的有效性和鲁棒性。这种方式不仅不需要手眼标定,更接近于人类“Sensor-Actor”带反馈的闭环控制方式,同时赋予了机器人足够的灵活性来应对弹性的任务和多变的环境。     

基于时域编码结构光的高精度三维视觉引导抓取系统研究

在许多自动化应用场合中,如分拣和上、下料等过程中,机械臂抓取是非常重要的一个环 节。在有遮挡或物体杂乱放置的情况下,对物体进行可靠、快速和精确计算位姿是机械臂抓取的难题之一。该文提出一种针对非规则目标的 3D 视觉引导抓取系统。首先,该系统运用面结构光系统对目标进行高精度三维重建,并建立离线 3D 点云模板库;然后,将标准模板与点云预处理后的场景点云进行匹配,得到匹配参数后,由坐标系之间的转换矩阵计算机器手抓取位姿;最后,引导机器手完成对目标物体的抓取。实验结果表明,所开发的机械臂抓取系统能够对非规则目标进行可靠、快速和精确的 抓取。     

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。     

排爆机器人机械臂定位精度误差自动补偿方法研究

针对于排爆机器人在进行排除爆破物质时,机械臂不能满足绝对准确的定位要求,位置检测精度与实际距离之间存在一定的误差。为了解决这一问题,提出排爆机器人机械臂定位精度误差自动补偿方法。基于D-H运动模型和微分变换法创建排爆机器人机械臂位姿误差模型,对误差模型进行重复参数分析,去除重复参数获得可辨识的线性方程;在可辨识的运动学参数误差模型线性方程中加入一个增量进行误差补偿。最后通过仿真实验结果表明,所提方法通过对机械臂位姿误差模型进行有效补偿,使排爆机器人机械臂绝对定位精度均值提升1.3mm。     

面向抓取作业的飞行机械臂系统及其控制

面向飞行机械臂的飞行抓取作业,提出了一个由六旋翼飞行机器人和7自由度机械臂组成的飞行机械臂系统.系统采用分离式控制策略,即飞行机器人和机械臂各有一个控制器.机械臂运动所引起的系统质心和转动惯量的变化量及其导数被用来估计机械臂对飞行机器人的扰动力和力矩.为了减弱机械臂扰动对六旋翼飞行机器人的飞行控制性能的影响,提出了扰动补偿H∞鲁棒飞行控制器.实验结果表明,与没有扰动补偿的控制器相比,当机械臂运动时所提出的扰动补偿H∞鲁棒控制器对系统的飞行控制性能有明显的提升效果.最后,目标物抓取作业实验验证了所提出的飞行机械臂系统的可靠性.     

基于虚拟力引导的人机协同目标抓取方法

针对力反馈遥操作中传统人工势场法无法适应于机械臂整体的避障以及在作业过程中操作者难以控制机械臂到达所需位姿的问题,提出了一种基于虚拟力引导的人机协同目标抓取方法。力反馈设备向操作者提供力觉交互。通过结合人工势场法和虚拟夹具,构建管道形虚拟力场,生成实时虚拟力引导,实现协助操作者完成从端机器人的整体避障任务并在完成避障后引导机器人返回预定义路径并趋近目标点。当进行抓取任务时,构建锥形虚拟力场,实现协助操作者操作机械臂到达目标位置和姿态。此外,提出了一种机器人运动限制方法以降低操作者的操作失误对抓取任务的影响。实验证明,该方法能有效提高目标抓取操作的成功率和操作效率。     

机械臂绝对定位精度测量

提出了用激光跟踪仪标定机械臂的D-H参数、测量机械臂绝对位姿以及对机械臂的绝对定位精度进行分析的方法;用激光跟踪仪测量机械臂各个关节单独运动时得到的一系列离散点,就可确定机械臂各个关节的轴线,由此建立机械臂的D-H坐标系,并对D-H参数进行标定;然后,给出了由6D激光头位姿确定机械臂末端位姿的方法;最后,推出了由测量位姿值与命令位姿值相比较,得到机械臂绝对定位的位置和姿态偏差的方法;这些方法可以有效、迅速地完成对机械臂绝对定位精度的测量.     

基于GPR和KRR组合模型的机械臂抓取研究

为了避免机械臂自主抓取方法中普遍存在的运动学求逆耗时和视觉系统标定计算复杂度高的问题,提出一种基于高斯过程回归(GPR)和核岭回归(KRR)组合模型的机械臂抓取方法。在学习阶段,训练基于Mask-RCNN的目标检测和实例分割算法及GPR和KRR的机械臂抓取策略;在抓取阶段,首先使用目标检测和实例分割算法获取目标物体的位姿,然后根据目标物体位姿和机械臂关节角的映射关系,结合GPR和KRR的组合模型预测出机械臂关节角并控制机械臂完成抓取任务。实验结果表明:所提出的方法无需视觉系统的标定和机械臂运动学求逆,能够准确地获取目标物体的位姿,AUBO i5机械臂验证,本方法能够实现对目标物体较为准确的抓取。     

基于虚拟位姿迟钝搜索的仿人机器人手臂抓取控制系统的设计

为了使仿人机器人手臂抓取控制系统更加智能化,提高运行效率,设计并实现了一种基于虚拟位姿迟钝搜索的仿人机器人手臂抓取控制系统。系统采用PMAC运动控制器完成机器人运行数据的传递、处理以及对机器人手臂抓取工作台的控制,采用Accelus系列数字伺服驱动器,调控仿人机器人运动位置和速度,通过关节控制器对机器人抓取过程中手臂关节的位置、速度以及角度信息进行控制,通过以S3C2440为核心芯片的上位机,实现仿人机器人手臂控制的远程通信以及抓取任务的调度,完成仿人机器人手臂抓取的智能控制,软件设计过程中,对基于虚拟位姿迟钝搜索的仿人机器人手臂抓取控制算法进行了详细分析,并给出了机器人手臂抓取控制程序代码实例,通过仿真实例验证了本系统的可用性和实用性。     

基于ADAMS机器人双目视差位置跟踪方法研究

没有立体视觉导向的机器人只能按照固定轨迹运动以及跟踪、抓取固定位置的对象,重复完成固定的工作,因而导致机器人的工作灵活性较差;因此,研究视觉伺服的机械臂系统是具有极其重要意义的;双目立体视觉系统可以使机器人具有类似于人的感知能力;当机器人工作的环境或者操作对象发生改变时,机器人都能够随之做相应的变化;仿真实验结果表明,双目立体视觉系统可实现机器人的眼指导手跟踪三维空间中自由运动小球的过程,并同时可以在ADAMS环境中直观地、动态地观察机械臂的运动姿态.     

简便高精度的机器人手眼视觉标定方法

对摄像机成像模型进行了分析,论述了机器人手眼系统标定原理。在此基础上,不改变机器人的外臂与基坐标系的旋转关系,设计了一种机器人手眼视觉的标定方法,与传统的方法比较,它不需要预先标定摄像机的内外参数。实验证明:该方法具有算法方便快捷、实验过程简单易行,且精度高等优点,可用于机器人进行运动目标定位与跟踪。     

基于Adept机器人的视觉伺服控制系统

机器人视觉伺服控制在理论和应用等方面还有许多问题需要研究,例如特征选择、系统标定和伺服控制算法等.针对Adept机器人,提出了一种简单快速的不需要精确标定摄像机内外部参数的摄像机标定方法,完成了从被观测物体表面所在的视觉平面坐标系到机器人基坐标系的坐标变换.使用图像的全局特征,即图像矩特征进行伺服跟踪;利用所推导的图像雅可比矩阵,设计了由图像反馈与目标运动自适应补偿组成的视觉伺服控制器.将算法对静态目标的定位实验进行了验证,然后又将其应用到移动目标的跟踪上,通过调节和优选控制参数,实现了稳定的伺服跟踪和抓取.实验结果表明采用图像矩作为图像特征能够避免复杂的特征匹配过程,并且能够获得较好的跟踪精度.     

基于光学运动跟踪系统的机器人末端位姿测量与误差补偿

针对工业机器人绝对定位精度较低的问题,采用加拿大NDI公司的Optotrak Certus HD光学运动跟踪系统作为机器人位姿的测量设备,提出了一种基于再生权最小二乘法的最优剪枝极限学习机算法,通过该算法将机器人目标位姿映射到修正位姿上,实现了对机器人末端位姿补偿的效果.利用爱普生6轴机器人末端进行实验,在不同速度下完成直线轨迹运动、圆轨迹运动以及离散随机运动,对该误差补偿方法的有效性进行验证和分析.结果表明,该误差补偿方法均能提高机器人的位姿精度,其测试点在X、Y、Z三轴总方向上的绝对位置精度为0.06 mm～0.25 mm,比无补偿时的2 mm～3 mm有了1个数量级的提高;而姿态误差补偿后,其均方根误差和平均绝对误差均减小到未补偿时姿态误差的26.09%.同时,该补偿方法还可有效降低异常值的影响,具有良好的稳健性.