基于神经网络的工业机器人视觉抓取系统设计

针对机器人示教编程方法导致的工件位置固定、抓取效率低下的问题,研究神经网络在机器人视觉识别与抓取规划中的应用,建立了视觉引导方案,通过YOLOV5神经网络模型开发视觉识别系统,识别物体的种类,同时获取待抓取物体定位点坐标。提出了机器人六点手眼标定原理并进行标定实验,提出了针对俯视图为圆形或长方形物体的定位方法。最后针对3种物体进行了180次的抓取实验,实验的综合平均抓取成功率约为92.8%,验证了视觉识别和抓取机器人系统具备实际应用的可能性,有效提高了抓取效率。     

机器人立体视觉系统标定误差预测补偿技术

针对立体视觉系统在定位应用中存在标定步骤繁琐、耗时长及误差较大等问题,对机器人手眼单目激光立体视觉系统标定误差补偿进行研究。首先,对现有的摄像机标定、手眼标定和激光平面标定模型进行分析,在方便提取整体标定误差的前提下,组合出一种以“棋盘格&激光条纹”混合图像为基础的整体视觉系统快速标定方案。然后,对该视觉系统标定结果产生的误差进行分析与提取,提出一种从像素坐标和重建定位坐标到整体标定误差坐标的BP神经网络预测模型,利用该模型对标定方案产生的误差进行预测和补偿,提高整体标定精度。最终,焊缝位置测量实验表明,该方法可较大程度提高标定精度,在低精度设备的条件下实现同等精度的立体视觉系统标定。     

基于神经网络的机器人视觉伺服研究

介绍了神经网络在机器人视觉伺服控制中的研究现状,详细讨论了神经网络输入输出数据的选择、网络结构的选择以及网络学习算法的选择等问题.针对神经网络视觉伺服控制器设计中存在的网络学习速度和精度的矛盾、网络的局部性和收敛性等问题展开讨论,并总结目前的解决办法.最后指出今后可能的研究方向.     

基于双目视觉动态跟踪的机器人标定

采用双目视觉动态跟踪技术对自主研发的工业机器人进行运动学标定。区别于以往机器人运动学标定中复杂模型计算,在此利用双目视觉动态跟踪系统的静态测量和动态跟踪等优势特性来跟踪测量机器人的连杆参数误差,结合机器人控制系统开放性特点,运用提出的动态标定原理对机器人实施连杆参数测量、辨识、修正及补偿。实验表明,通过参数反馈补偿,自主研发的机器人的定位误差明显降低,且该方法易于实现,为机器人精度研究提供了可靠依据。     

基于视觉标定的智能扫地机器人定位方法

传统机器人定位方法在定位过程中存在延迟,导致机器人定位误差较大,因此设计一种基于视觉标定的智能扫地机器人定位方法.标定基于双目立体视觉的摄像机,转换数据形式修正拍摄图像,在仿真软件上移动摄像机得到不同方向的运动方程,求出最优参数完成标定;对机器人的摄像头、红外传感器等机械设备进行确定,为定位提供准确的数据.实验结果表明...     

基于手眼立体视觉的机器人定位系统

研发了基于手眼的机器人定位系统,采用了眼在手上的单目摄像机,通过机械手的一次移动实现了立体视觉的功能.提出了一种方便有效手眼标定方法,避免了复杂的传统手眼标定过程,无需求解摄像机外参数和手眼变换矩阵.仅获取标定时刻的摄像机综合参数和机器人位姿,就可以在机器人基坐标系中视场范围内的任意两点进行检测,根据立体视觉的约束关系求解出目标物体在机器人基坐标中的位置,进而实现对目标物体的精确定位.     

旋转和比例不变的机器人视觉研究

在离散梅林变换基础上,本文提出一种具有旋转和比例不变性的机器人视觉方法。首先,讨论了机器人视觉系统中平移不变性的必要性和采用离散傅立叶变换克服平移影响的可能性。其次,在连续梅林变换的基础上,给出了离散梅林变换的定义及快速递推算法。同时,定义了具有旋转和比例不变性特征Q(k),从而建立了基于特征Q(k)的具有旋转和比例不变性的机器人视觉方法。在S575图象处理系统上采用三组不同的机械零件图象所进行的实验表明,本文所提出的方法是可行的。     

基于双目视觉的移动机器人空间测距研究

空间测距是移动机器人实时避障和路径规划的基础.研究了移动机器人双目摄像头由一般布置形式变换到标准布置形式进而实现空间测距的方法.首先对摄像头进行标定(对双目摄像头进行立体标定);然后基于标定结果对摄像头一般布置下所获得立体图像进行极线校正,并得到校正后新的摄像机相互位置参数;最后基于已校正图像和新的位置参数实现移动机器人移动过程中深度与特定目标空间尺寸测量.实验结果证实了本文方法能获得比较精确的测量结果.     

基于双目主动视觉监测平台的刀具匹配方法

为了解决并联机器人加工点定位精度问题,构建了双目主动视觉监测平台.基于双目主动视觉的刀具图像特征点的提取和匹配是加工点定位的核心.结合刀具边缘特点,对特征所在极线的区域局部校正算法改进,给出一种并联机器人加工刀具匹配方法及其实现.提取刀具图像的边缘线拐点作为特征点,根据对极几何的立体成像关系,对以特征点为中心的图像局部区域进行方向和尺度校正,通过区域相似度准则求取同名点,并对三维重建.采用对并联机器人加工刀具进行测量,实现了主要特征点匹配.进行仿真,实验表明,上述方法可提高图像匹配的精度和速度,能够较精确地对刀具加工点实现三维重建.     

排爆机器人双目立体视觉系统的研究和开发

为了辅助公安人员更好地完成排爆工作，设计和开发了一个带双目立体视觉系统的排爆机器人。该视觉系统使用Matlab7.0和机器视觉软件EVision的EasyMatch库进行开发，能实时捕获排爆机器人周围的图像信息、进行摄像机标定、图像预处理、立体图像匹配、求取可疑目标物的特征点的立体坐标，并把图像实时显示在控制台，控制排爆机器人准确地抓取可疑目标物。该机器人视觉系统成功地抓取实验，表明了它在精度上能够满足排爆机器人的项目要求。     

基于眼球前庭动眼反射的机器人视觉误差主动补偿方法

针对机器人在颠簸环境下作业过程中产生姿态变化从而导致的视觉不稳定性问题,基于眼球前庭动眼反射的机理,提出一种主动补偿视觉误差的方法.在生理学和解剖学的基础上,根据眼球运动的神经回路,建立了一个具有自适应性的前庭动眼反射控制模型.为了验证模型的性能,在不同的环境中进行了仿真实验,仿真结果表明该模型可以主动补偿机器人姿态变化所引起的视觉误差,并且具有良好的自适应性.最后,通过实体机器人实验验证了该控制模型的有效性与准确性.     

工业机器人视觉测量系统的在线校准技术

汽车车身总成、分总成的加工过程中应用工业机器人视觉测量系统对关键尺寸进行在线实时监测.机械臂及环境温度变化导致杆件和关节热膨胀变形,造成测量结果产生温度漂移.本文提出了一种在线校准方法.首先根据机器人的D-H正向运动学模型和微分运动学模型建立末端关节坐标系的定位误差模型,然后结合轴动实验并利用多元线性回归方法确定受温度...     

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。     

基于神经网络误差修正的广义预测控制

本文基于ＢＰ结构神经网络，对系统的建模误差进行预测，并将其与模型预测相结合构成广义预测控制算法，目的在于抑制模型失配的影响，增强广义预测控制的鲁棒性；仿真结果表明了这一算法的有效性。     

基于彩色图像的机器人视觉声纳实现

着重分析了彩色图像中物体的识别方法 ,对如何利用彩色图像的颜色信息进行图像分割、目标识别进行了较为深入的讨论。提出了视觉声纳的概念 ,研究了从二维视觉信息中获取目标精确位置的算法。实验表明该算法可以得到相当精确的结果     

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.     

基于ReLU神经网络的移动目标视觉伺服研究

针对移动目标跟踪以及抓取的问题,提出一种基于ReLU网络模型的单目视觉伺服系统。首先建立机器人视觉系统,完成对目标跟踪以及特征提取的任务,并通过结合单目视觉模型对其位姿进行估计,从而得到目标状态;然后,利用ReLU神经网络对机械臂的逆运动学进行学习,并用训练后网络模型构建单目视觉伺服系统的控制策略来避免机器人逆运动学求解计算量大、多解等问题;最后,为了提高抓取成功率,对末端执行器的运动轨迹进行规划。实验在NAO机器人平台上进行,根据实验结果证明方法的有效性。     

神经网络PID 控制的机器人视觉反馈跟踪

探讨针对视觉空间的非完整移动机器人的跟踪控制问题。在不校准摄像机视觉参数的情况下,利用视觉反馈得到的信息,设计出非完整移动机器人轨迹跟踪的神经网络控制器。将BP网络与PID控制相结合,避免复杂的公式推导,解决参数不校准下的控制问题,并很好的实现跟踪。仿真结果证明了文中方法的有效性。