高压输电线路除冰机器人抓线运动控制

针对高压输电线路除冰机器人越障抓线过程中存在的对输电线缆定位困难的问题,提出一种基于输电线缆几何特征的单目立体视觉定位方法.该方法根据输电线缆成像的边缘、输电线缆半径和摄像机成像模型,可以计算输电线缆中轴线在摄像机坐标系下的数学表达式,从而对任意位姿的高压输电线缆进行精确的三维定位.在输电线缆准确定位的基础上,为了快速地确定抓取输电线缆的准确位置并提高除冰机器人抓线运动控制实时性,提出一种基于除冰机器人机械臂结构特征的除冰机器人抓线运动控制策略,该控制策略通过在机器人基坐标系下计算机械臂末端夹持器工作空间曲面与输电线缆轴线的交点来确定抓取点,并同时计算抓取线缆时机械臂各个关节的期望位置.试验结果验证了所提视觉定位方法及抓线控制策略的有效性.     

基于激光传感器的多移动机器人位姿测量系统

为机器人准确定位设计了一个基于激光传感器的移动机器人位姿测量系统。测量系统用激光传感器扫描区域内的以矩形为标识的机器人,将测量数据传输到计算机上,通过数据处理软件进行数据处理,提取属于机器人的特征,同时结合机器人前一时刻的位姿,实时计算机器人当前位姿。实验结果表明,此系统能迅速识别机器人,并准确地确定每个机器人位置和姿态,通过网络向机器人发送其位姿数据,实现多移动机器人的精确定位。     

基于三位置超声波检测的改进强跟踪 UKF-SLAM 方法研究

针对移动机器人使用超声波传感器检测环境时存在干扰与数据不确定性问题,在分析超声波传感器工作原理和相邻位置检测数据的关联特性后,提出了基于三位置超声波检测的环境轮廓构建方法,利用超声波对室内环境进行建图;再使用改进强跟踪UKF-SLAM将超声波测量数据和移动机器人驱动模型进行滤波融合,得到更准确的位姿信息与地图特征。搭建仿真环境,并通过搭载有超声波传感器的全向轮移动机器人在实验环境内验证。仿真结果表明改进方法与其他算法相比,定位和地图构建的误差降低58.058%。室内实验中,获取环境特征的平均误差降低了50.286 3%,进一步验证了提出算法的可行性与有效性。该方法对机器人同步定位与地图构建有一定参考价值。     

基于RGB-D图像的三维物体检测与抓取

提出了一种基于RGB-D图像的三维物体检测与抓取方法。该方法主要实现RGB-D图像的模板匹配,对匹配结果进行聚类、评估和非极大值抑制,物体定位,并在三维点云中分割出平滑曲面,从而计算机器人的抓取位置与姿态。实验结果表明:该方法可在杂乱环境下对目标进行定位,并引导机器人抓取,抓取成功率达到89%。     

基于最大力螺旋多指手抓取规划

机器人多指手抓取物体时,为了保证抓取稳定性,必须对手指与被抓物体之间的接触位置进行合理的布局,寻求最佳的抓取位置.基于此,提出基于最大力螺旋的多指手抓取规划方法,将多指手可以平衡的最大外力螺旋作为评价规划的性能指标,建立力封闭约束条件下抓取位置与最大外力螺旋优化模型,并运用神经网络进行仿真,将该方法与基于广义力椭球方法进行比较.前者弥补了广义力椭球方法的局限性,可以清楚地描述多指手抓取位置与可平衡外力螺旋之间的对应关系,定量地描述被抓物体的稳定性程度,使得抓取规划的判断更直观、更具有实用性.     

基于三维检测网络的机器人抓取方法

机器人抓取任务中面对的是不同形状和大小的物体,而散落在场景中的物体会有不同的姿态和位置,这对机器人抓取中计算物体位姿任务提出了较高的挑战。针对于此,本文设计了一种基于三维目标检测的机器人抓取方法,弥补了基于二维图像识别引导机器人抓取任务中对视角要求较高的缺陷。首先,设计了一种卷积神经网络在RGB图像中识别物体,并回归出物体三维包围盒、物体中心点;其次,提出一种计算机器人抓取物体最佳姿势的策略;最后,控制机器人进行抓取。在实际场景中,使用本文设计的三维检测网络,三维目标检测精度达到88%,抓取成功率达到94%。综上所述,本文设计的系统能有效找到机器人合适的抓取姿势,提高抓取成功率,满足更高的抓取任务要求。     

基于激光雷达的移动机器人同时定位与地图创建的研究

应用同时定位与地图创建理论建立全区域覆盖移动机器人导航系统,融合航位推算理论和基于环境特征的定位方法,设计了基于光电编码器--磁航向传感器组合和LMS激光雷达的混合定位系统.使用扩展Kalman滤波技术完成了基于特征直线的机器人位置更新.通过计算机仿真,结果表明建立的混合定位系统和同时定位与地图创建方法是一种切实可行的全区域覆盖移动机器人的导航方法.     

一种球形移动机器人传感系统设计

文章为了解决球形机器人自主控制的问题,根据球形机器人结构和运动的特殊性,设计了一种球形机器人的传感系统。建立了无滑动条件下球形机器人运动模型,根据运动模型由惯性测量系统和光电码盘数据组合得到机器人位姿。利用激光测距传感器获取周围障碍物信息。通过全局CCD视觉传感器跟踪识别目标物体,使用手眼CCD视觉传感器和超声传感器定位目标物体并协调机械臂实现对操作目标准确快速的抓取、放置。     

基于视觉的机械臂目标抓取研究

工业机器人通常在工作位置已知的情况下工作,一旦位置发生改变便无法继续工作,为适应这种改变,提出将视觉传感器与工业机器人相结合。建立图像与三维空间的转换关系,对相机光路进行分析建立相机模型,并对镜头畸变引起的误差进行修正;通过相机获得物体的图像数据,对图像数据进行处理获得二值图像;对物体在图像中的质心位置进行计算,分析质心位置偏差产生的原因并进行修正,完成对物体的定位。最后对物体进行了定位精度测试和抓取实验。     

基于级联式Faster RCNN的三维目标最优抓取方法研究

机器人在三维目标识别和最优抓取方面的难点在于复杂的背景环境以及目标物体形状不规则,且要求机器人像人一样在识别不同三维目标的同时要确定该目标的最佳抓取部位的位姿。提出一种基于级联式模型的深度学习方法来识别目标物体及其最优抓取位姿。第1级提出了改进的Faster RCNN模型,该模型能识别成像小的目标物体,并能准确对其进行定位;第2级的Faster RCNN模型在前一级确定的目标物体上寻找该目标物体的最优抓取位姿,实现机器人的最优抓取。实验表明该方法能快速且准确地找到目标物体并确定其最优抓取位姿。     

基于Delta并联机器人的传送带动态跟踪

Delta并联机器人是最典型的空间三自由度移动的并联机构,其在3C电子产品行业、食品包装行业、生物制药行业均得到了广泛的应用。主要以Delta并联机器人为研究对象,通过视觉系统定位物体的位姿,再结合传送带编码器的位置反馈信息,计算出物体在机器人坐标系下面的实时位姿。实验结果表明,机器人在位置模式下,通过改进后的PID算法,能预测传送带上物体的位姿,并实时调整自身移动速度和末端位姿来跟踪传送带上的物体,最终实现对目标的动态跟踪抓取。     

卡尔曼滤波器在移动机器人自主定位中的应用(英文)

自主定位是移动机器人的基本性能,但移动机器人最优的定位信息需要综合考虑所携带的各类传感器数据,故如何有效融合这些数据是自主定位的难点。卡尔曼滤波器是实现不同信息融合的工具,可有效减少定位过程中机器人的位置和角度误差,因此在机器人定位、导航、后跟踪、运动控制、评估、预测等方面得到了广泛应用。本文阐述了卡尔曼滤波器的基本原理,建立了一个基于多传感器移动机器人的简易数学模型,并通过仿真实现了目标定位的基本功能,结果验证了卡尔曼滤波器自主定位移动机器人的可行性。     

基于LabVIEW的螺钉柔性抓取关键技术研究

为了解决某系列非标螺钉的自动上料问题,提出了基于机器视觉的螺钉柔性抓取系统。首先设计了Eye-to-hand视觉定位抓取系统,对采集的图像进行二值化、粒子分析等图像预处理识别螺钉目标。其次,针对螺钉目标采用拟合圆操作获取螺钉中心方向的系列圆特征参数,通过最小二乘法拟合求得中心线,进一步求解螺钉的抓取点与角度位姿参数。最后,以抓取点为中心设计符合夹爪抓取特性的ROI区域以判断可抓性。上位机将位姿信息发送到控制器,引导机器人运动到相应位置并通过末端夹爪完成对螺钉工件的抓取。通过实验验证表明系统定位准确率达到99.5%。     

基于支持向量机的机器人多指手预抓取模式分类

机器人多指手的抓持分类是抓持规划的一个主要问题。提出了一种基于支持向量机和二叉树聚类的分类方法来实现机器人多指手的抓持模式分类。根据多指手预抓取物体的几何特征，对机器人多指手的预抓取模式进行识别与分类，仿真结果表明该方法能快速而有效地实现机器人多指手的抓取模式分类。     

一种轮式移动机器人实时速度估计方法

环境和机器人自身的不确定性影响轮式移动机器人的轨迹跟踪控制性能,此时仅仅使用里程计往往不能正确表达机器人的状态信息。在无速度传感器的情况下,讨论了使用加速度传感器和位置传感器的输出实时估计轮式移动机器人的速度。首先使用滑模观测器进行里程计信号处理,然后对车体加速度信号进行带通滤波提取车体扰动信息,通过频域融合信号表达轮式移动机器人的速度,并针对正交轮式全方位移动机器人进行了轨迹跟踪控制研究。试验结果表明采用融合数据可以更准确提供机器人的状态信息并得到更好的控制性能。     

基于单视图关键点投票的机器人抓取方法

针对传统机器人抓取算法成本高、位姿估计准确率低、在极端场景中鲁棒性差等问题，提出一种基于单视图关键点投票的机器人抓取方法。该方法基于单个RGB图像，采用投票推理2D关键点的方式，再结合3D关键点的位置，利用多组点对映射关系(E-Perspective-n-Point, EPnP),算法计算物体的6D位姿，并将其转换为最优的机器人抓取姿势，实现机器人抓取。实验表明，即使在遮挡、截断、杂乱场景中，也能体现较好的估计结果。所提方法抓取成功率达到了94%,能引导机器人实现准确抓取。     

直线平夹自适应机器人手抓取分析与实验

传统机器人手在平夹模式下,其手指末端的运动轨迹为圆弧,难以精确捏持薄板物体。针对传统机器人手的不足,设计一种可实现直线平夹精确捏持和自适应包络通用抓取的机器人手,分析了该机器人手的工作原理,结构组成,并且对机器人手抓取模式、平夹抓取最大抓取质量和自适应包络抓取特性进行分析,为优化机器人手设计提供依据。研制了机器人手样机,并在手指表面安置了压力传感器实时监测抓取过程中的受力情况,开展了定性抓取实验和定量测试实验,通过对传感器反馈数据进行分析,得出了机器人手在不同抓取模式、抓取不同特性物体时的受力情况,验证了机器人手抓取性能。     

面向任务和基于几何特征的机器人多指手抓取模式规划

针对机器人多指手自身的特点,通过分析人手的抓取特性,对其可能具有的抓取模式进行分类。考虑被抓取物体的几何特征和任务要求,采用基函数为高斯核函数的RBF神经网络来表示被抓物体的样本特征和抓取模式之间的复杂非线性映射。将抓取模式分为10类,对于新的被抓物体,利用训练好的神经网络自动生成抓取模式,并利用VC++/OpenGL建立了可视化仿真平台,进行了抓取模式分类仿真实验,结果表明对于新的物体,机器人可以选择适当的抓取模式进行抓取。     

基于ZigBee技术的家庭服务机器人定位问题研究

家庭服务机器人的自主导航技术是机器人研究的前沿和关键问题,而定位是移动机器人导航的基础.为了实现家庭服务机器人的定位,本文构建了基于ZigBee技术的无线传感器网络系统,研究了基于RSSI的无线传感器网络定位方法,家庭服务机器人作为无线定位系统中的盲节点,收集邻近参考节点的坐标和RSSI值,通过CC2431定位引擎计算出自身的坐标,从而实现了移动机器人的无线定位.测试实验表明,该节点的定位误差在±0.50m范围内,能够满足移动式家庭服务机器人导航的应用要求.     

基于深度卷积网络的多目标动态三维抓取位姿检测方法

在非结构化环境机器人抓取任务中,获取稳定可靠目标物体抓取位姿至关重要。本文提出了一种基于深度卷积网络的多目标动态三维抓取位姿检测方法。首先采用Faster R-CNN进行多目标动态检测,并提出稳定检测滤波器,抑制噪声与实时检测时的抖动;然后在提出深度目标适配器的基础上采用GG-CNN模型估算二维抓取位姿;进而融合目标检测结果、二维抓取位姿以及物体深度信息,重建目标物体点云,并计算三维抓取位姿;最后搭建机器人抓取平台,实验统计抓取成功率达到95.6%,验证了所提方法的可行性及有效性,克服了二维抓取位姿固定且单一的缺陷。