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.     

基于机器视觉的农业车辆及机器人导航技术研究进展

随着智能驾驶技术的发展;农业车辆和机器人自主导航技术成为当前研究热点;搭载机器视觉导航系统的农业车辆及机器人也广泛应用在农业生产任务中;但在复杂农业环境中的应用仍存在问题。为此;对农业视觉导航技术进行总结;详细论述了视觉导航图像采集技术;对基于图像分割和作物特征点检测的导航路径提取方法进行讨论;并分析了两种导航路径提取方法共同涉及的导航线拟合方法。最后;讨论了农业车辆及机器人视觉导航当前所面临的挑战和未来发展趋势;可为农业车辆及机器人视觉导航相关研究提供参考。     

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.     

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.     

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...     

Study on Visual Positioning Based on Homography for Indoor Mobile Robot

Monocular visual positioning for indoor mobile robot is concerned in this paper.A new visual positioning method based on homography matrix in Euclidean space is proposed.It can calculate the position and pose of the mobile robot according to the intrinsic parameters of camera and two position-known points in a plane.It is very simple and low cost in computation.The experimental results show its effectiveness.     

一种基于模糊神经网络的机器人控制

采用高斯函数作为模糊隶属函数,将模糊控制与神经网络相结合。利用神经网络实现模糊推理,运用了一种模糊高斯基函数神经网络,并用于两关节机器人的轨迹跟踪控制。仿真结果表明,该网络对机器人轨迹跟踪控制具有很好的效果,是一种行之有效的控制方法。     

基于神经网络的装弹机器人伺服控制研究

火炮的自动装弹是实现装备自动化的重点研究方向。目前的装弹机器人主要通过预先进行轨迹规划,末端夹持炮弹后控制伺服电机进行关节的转向,将炮弹送入炮管,受环境、制造精度等因素影响,实际运行时电机的误差会不断增大,对关节的转向精度造成影响。本文提出基于五次多项式插值与神经网络的伺服电机控制方法,通过MatLab的Simulink工具箱进行仿真。结果表明,神经网络PID控制可以提高伺服电机的响应速度,五次多项式插值可以使运行曲线平稳,对于关节的精确转向有较好的改善作用。     

基于GA-BP神经网络的BDS轨道误差模型研究

在对导航卫星轨道误差数据进行研究时发现,卫星广播星历轨道误差客观存在着一些不确定性的规律现象,针对这一无法用现有确定性模型表示的误差信息,建立了基于遗传算法优化BP神经网络的轨道误差预测模型。利用遗传算法来全局寻优BP神经网络的初始权值与阈值,同时根据广播星历解算出的卫星位置和速度,结合参考时刻及摄动改正项对神经网络进行训练和测试。试验结果表明,上述模型能较好的预测轨道误差,应用该模型进行卫星轨道解算时能有效提高轨道精度,降低轨道误差。     

基于机器人的神经网络预测控制算法

针对预测控制机理在处理非线性模型控制存在较大的困难,提出了将BP神经网络和广义预测控制（GPC）相结合后应用于网络控制系统的思想,构造了神经网络预测控制算法,其实质是用BP神经网络作为预测模型,产生预测信号,对系统进行反馈校正,并通过误差迭代求取广义预测的最优控制律,从而克服了对非线性系统难以辨识模型的困难,利用神经网络“黑箱”的功能达到对非线性系统的预测控制。以机器人为控制对象进行仿真,取得了较好的控制效果。     

基于神经网络移动机器人PID控制

针对移动机器人电机模型实质的非线性，为满足其精确的运动要求和技术性能，采用动态反传算法训练BP网络以辨识直流电动机的逆模型。将这一训练后的网络输出作为神经PID控制器输入不断调整其P，I，D参数，进而调整控制器输出电压以控制系统跟踪位置或速度指令。该算法简单、计算量小、适于实时控制。实验结果表明了该方法的有效性。     

人形机器人动态行走误差调整方法的研究

介绍人形机器人稳定行走的相关理论及研究发展,针对关节非线性伺服控制、行走稳定性、摆动脚落地碰撞等关键问题进行了研究,解决了仿人稳定行走控制中步幅自动调整的问题,并进行了模糊控制器设计。     

Autonomous Acquisition of Seam Coordinates for Arc Welding Robot Based on Visual Servoing

Autonomous acquisition of seam coordinates is a key technology for developing advanced welding robot. This paper describes a position-based visual servo system for robotic seam tracking, which is able to autonomously acquire the seam coordinates of the planar butt joint in the robot base frame and plan the optimal camera angle before welding. A six-axis industrial robot is used in this system, which has an interface for communicating with the master computer. The developed visual sensor device is briefly presented that allows the charge-coupled device (CCD) cameras to rotate about the torch. A set of robust image processing algorithms are proposed so that no special requirements of light source are needed in this system. The feedback errors of this servo system are defined according to the characteristics of the seam image, and the robust tracking controller is developed. Both the image processing program and tracking control program run on the master computer. The experimental results on straight line seam and curve seam show that the accuracy of the seam coordinates acquired with this method is more adequate for high quality welding process.