基于六维力传感器的力引导示教研究

示教是学习机器人很重要的环节,其中直接示教相比其他示教方法具有简单、快捷、准确率高等优点,然而目前的大部分机器人都不支持直接示教。提出了一种基于力引导的直接示教方法。首先,通过六维力传感器实时监控、采集力/力矩信号,再将采集到的力信号和力矩信号经由重力补偿算法和重力矩补偿算法处理后发送给上位机;然后根据力-位控制算法求解出工业机器人的移动量和旋转量;最后通过Socket通信将数据发送给工业机器人,完成力引导示教。实验结果表明,该直接示教方法准确、通用性好,具有推广意义,能够在力引导示教完成后再进行示教轨迹还原。     

基于Kalman滤波的移动机械臂动态抓取研究

针对机械臂在交通路锥自动取放系统中的抓取问题,对系统运动过程中路锥位置的预测、机械臂的抓取策略等方面进行了研究。提出了一种基于Kalman滤波与位置伺服的路锥动态抓取方法,建立了路锥的相对运动模型,采用Kalman滤波算法对路锥位置进行了预测,以补偿系统动态抓取的滞后;采用矢量积法构造了机械臂的雅克比矩阵,从而建立了基于路锥位置伺服的运动控制模型;在此基础上,论述了路锥在不同距离时机械臂的两个运动阶段,提出带速度补偿的抓取方法,使得机械臂可以在移动过程中完成对路锥的抓取;通过所搭建的实验平台,对所提方法进行了验证。研究结果表明:该方法能够有效地提高机械臂的路锥跟踪精度,避免了动态抓取时机械臂与路锥间的直接碰撞,使整个抓取过程更加平稳。     

DBSCAN聚类改进算法与支持向量机结合的道路路锥识别研究

基于激光雷达传感器,提出了一种道路路锥识别方法。首先,在传统DBSCAN聚类算法的基础上改进算法搜寻核心点的方式,对雷达所采集的数据进行快速地分割、聚类。接着,分析类簇,对每帧数据的类簇进行特征采样并赋予标签值。最后,通过支持向量机(SVM)训练样本数据,利用网格化搜索与交叉验证法优化SVM参数,得到类簇分类模型,用于识别路锥。实验结果表明,改进后的DBSCAN算法计算效率有了显著提升,并且对点云的聚类更具有针对性。经过多次随机数据集检测,分类模型的准确率保持在93以上,实现了对路锥的有效识别。