NAO机器人的视觉伺服物品抓取操作

针对家庭环境中服务机器人物品的抓取问题,提出一种改进的基于位置的视觉伺服抓取算法。首先,利用Naomark标签完成对物体的快速识别,并通过世界平面单应矩阵分解对物体的位姿进行估计;然后,对NAO机器人的机械臂进行运动学建模,并分别设计单臂和双臂抓取的视觉伺服控制律;最后,为进一步提高抓取的稳定性和鲁棒性,对末端执行器进行路径规划。实验结果表明,本方法能够快速、稳定地抓取目标物品。     

基于并行处理方法的实时立体视觉伺服系统

针对实时跟踪及抓取运动目标物体的任务,给出了一个基于并行理论的视觉伺服系统。在系统中,运用快速模板匹配理论与快速可靠的立体视觉匹配理论相结合的方法实现运动物体的匹配与识别。然后通过卡尔曼滤波器对位置及速度进行预测。同时采用并行理论提高图像匹配理论的匹配速度。结果直接传给机器人及立体视觉平台控制器,实现机器人和立体视觉平台的视觉伺服,完成了对运动物体的实时跟踪和抓取。通过仿真和大量的运动目标物体的跟踪及抓取试验,获得的试验数据表明运用此方法提高了视觉伺服系统的定位精度和伺服速度。     

配置机械手的轮式移动机器人目标物体跟踪与抓取

针对配置机械手的室内轮式移动机器人目标物体识别、跟踪和抓取问题,采用一种目标物体识别和机器人定位的方法,利用一种基于模糊控制的轮式移动机器人视觉伺服跟踪控制的方法。针对机器人目标识别跟踪及抓取过程中受环境条件变化的影响,采用HSI颜色模型和基于阈值的区域分割的图像处理方法可以完成目标颜色物体的快速准确识别。基于云台摄像机角度信息的机器人小车目标定位方法和模糊控制理论,设计了模糊跟踪控制器,使机器人输出合适的线速度和角速度,能够实现机器人目标跟踪,使移动机器人趋近目标物体位置,并完成机械手目标物体抓取任务。仿真和实时实验结果表明：所设计的系统具有良好的目标物体识别、跟踪和准确抓取目标的能力。     

基于PUMA机器人的视觉伺服控制实验研究

为解决在视觉伺服过程中存在定位精度低、伺服速度慢的问题 ,给出了一个基于图像特征的机器人视觉伺服控制方法 ,实现了机器人“手 -眼”协调视觉伺服控制 .通过适当的选取图像特征 ,实现了摄像机工作空间运动目标跟踪的视觉伺服任务 ,并采用扩展卡尔曼滤波控制方法完成机器人视觉伺服控制 .同时通过抓取目标物体进行计算机仿真及模拟实验 ,给出了实验数据 .经过比较可以看出 ,运用此方法提高了定位精度及伺服速度     

基于高速视觉伺服的机器人抓取研究

随着工业机器人应用领域日益扩大,机器人在应用中需要实时抓取运动速度较快的物体,高速视觉伺服机器人控制系统研究得以开展。在建立六自由度机器人运动学模型的基础上,采用高速摄像机作为视觉传感器。针对视觉伺服中模型不确定的问题,采用自适应控制方法实现模型预测。     

基于PUMA机器人的视觉伺服控制实施研究

为解决在视觉伺服过程中存在定位精度低，伺服速度慢的问题，给出了一个基于图像特征的机器人视觉伺服控制方法，实现了机器人“手－眼”协调视觉伺服控制，通过适当的选取图像特征，实现了摄像机工作空间运动目标跟踪的视觉伺服任务，并采用扩展卡尔曼滤波控制方法完成机器人视觉服务控制，同时通过抓取目标物体进行计算机仿真及模拟实验，给出了实验数据，经过比较可以看出，运用此方法提高了定位精度及伺服速度。     

基于视觉反馈的机械臂预测控制

针对基于视觉的机器人目标抓取问题,构建一个基于图像的单目视觉伺服系统．预先建立基 于图像雅克比矩阵的模型,在明确考虑目标可见性约束及机器人执行器约束的前提下,将预测控制 算法引入到机械臂的视觉伺服控制中,基于视觉特征的运动预测设计一个简化的多变量机械臂视 觉伺服控制器,用以实现对机械臂末端位姿的控制．借助ＮＡＯ 机器人平台,利用机器人自带的 Ｎａｏｍａｒｋ标签进行物体的快速识别,并应用上述基于视觉反馈的机械臂预测控制方法实现ＮＡＯ 机器人手臂控制．实验结果验证了方法的可行性,算法简单易于实现,且控制精度令人满意．     

移动机械臂手眼关系标定及视觉伺服控制方法

将视觉传感器集成到移动机械臂上构成眼在手上构型的视觉伺服系统是服务机器人实现物品抓取与搬运操作的一种有效方法,但存在手眼关系标定算法复杂非线性,以及难以处理移动机械臂的非完整性约束等难题。为了克服以上难题,首先将移动机械臂抽象为一个广义机械臂,对其进行运动学建模,并求出其运动学解析逆解;然后提出一种全新的线性主动视觉摄像机标定方法对手眼关系进行标定;最后设计包含眼注视逼近和look-then-doing开环抓取的视觉伺服切换控制律来控制移动机械臂实现家庭物品的抓取操作。仿真及试验结果表明,该线性手眼关系标定法易于实现,且具有极高的标定精度,同时设计的视觉伺服切换控制律能够有效克服移动机械臂的非完整性约束带来的控制困难。     

基于Kinect的仿人机器人抓取目标定位

目标定位是仿人机器人实现抓取操作的前提。针对机器人单目视觉容易丢失深度信息,双目视觉难以对缺乏纹理特征的物体获得有效深度信息的问题,提供一种基于Kinect的仿人机器人抓取目标定位系统。首先建立Kinect和机器人坐标系,构建布尔沙坐标转换模型;然后利用线性总体最小二乘(LTLS)算法求解该模型;最后依据Kinect获取的抓取点坐标信息,通过坐标转换将其转换到机器人坐标系:从而实现机器人对目标物体的定位。在仿人机器人NAO平台上对该系统进行实验验证,其结果表明:利用该方法,机器人在一定空间范围内能够可靠的定位目标物体,并且较其单目视觉定位更准确;根据所提供的目标定位系统,NAO机器人实现了对不同物体的抓取操作。     

基于强化学习的三指灵巧手抓取方法研究

为了实现对圆锥等特殊物品的抓取,本文提出了一种基于强化学习的三指灵巧手机器人抓取方法.本文使用DenseNet-121网络实现了图像的分类,使用ImageNet数据集进行预训练,以解决数据集较少时易出现过拟合的问题;并基于强化学习中的Q-Learning算法,在完全卷积网络中进行端到端的训练,学习视觉运动策略,最后在少量数据集上测试算法.实验结果表明,使用三指灵巧手能够有效抓取圆锥、圆球等物体;同时,该方法训练生成的模型有效建立了像素图像数据与机器人执行运动抓取动作之间的映射关系,根据这种映射关系选出的最优Q值,提高了抓取成功率.     

Tracking and grasping of moving target based on accelerated geometric particle filter on colored image

Visual tracking and grasping of moving object is a challenging task in the field of robotic manipulation, which also has great potential in applications such as human-robot collaboration. Based on the particle filtering framework and position-based visual servoing, this paper proposes a new method for visual tracking and grasping of randomly moving objects. A geometric particle filter tracker is established for visual tracking. In order to deal with the tracking efficiency issue for particle filter, edge detection and morphological dilation are employed to reduce the computation burden of geometric particle filtering. Meanwhile, the HSV image feature is employed instead of the grayscale feature to improve the tracking algorithm's robustness to illumination change.A grasping strategy combining tracking and interception is adopted along with the position-based visual servoing(PBVS)method to achieve stable grasp of the target. Comprehensive comparisons on open source dataset and a large number of experiments on real robot system are conducted, which demonstrate the proposed method has competitive performance in random moving object tracking and grasping.     

基于多空间混合约束的NAO机器人抓取轨迹规划

为提高NAO机器人手臂抓取物体的可靠性,本论文提出关节空间和笛卡尔空间控制相结合的方法,设计NAO机器人手臂的轨迹进行目标抓取。由于目标大小已知,利用关节空间控制可以预先设定NAO机器人抓取的最佳姿态,即NAO机器人手臂各个关节角度。运用正运动学,计算手臂移动位置。在设定姿态后的位置与目标点之间,利用笛卡尔空间控制进行轨迹规划。实验表明,在NAO坐标系下,手臂抓取范围内该算法能够在给定范围内准确地完成空间抓取目标任务。     

基于kinect的物体抓取场景认知

针对RoboCup竞赛家庭组比赛对物体抓取的要求,研究了物体抓取场景认知问题。设计了一种基于kinect的物体抓取场景认知系统。先将kinect传感器得到的深度图像转换为3维(3D)点云图,然后计算每个3D点所在曲面的局部法向量,再根据法向量和距离特征分割提取出水平桌面;采用3D点与水平桌面的位置关系分离出潜在的抓取物体目标点,选择随机抽样一致(RANSAC,Random Sample Consensus)算法完成圆柱形抓取物体的定位。使用实验室采集的场景深度图对认知系统进行测试。结果表明,设计的系统可以可靠提取水平桌面和桌面上的圆柱形物体,可以达到物体抓取比赛的要求。     

HIT/DLR多指手抓取操作研究

研究了HIT／DLR多指手在抓取操作过程中,其手指关节与被抓物体间的位姿对应关系,并基于多指平面抓取建立了HIT／DLR多指手完整的运动学方程．该算法通过自上而下的层次化结构算法简化了多指运动学的求解过程,避免了传统算法中抓取矩阵和手雅克比矩阵的高维矩阵计算．HIT／DLR多指手的抓取实验表明,该运动学算法能够满足抓取操作中的位置控制要求．     

面向任务的机器人灵巧手控制系统及多指空间协调阻抗控制

为提高多指灵巧手的控制和操作性能,提出了基于集中控制-分层处理的DLR/HIT Ⅱ机器人灵巧手实时控制系统结构,并建立了基于Simulink/QNX的实时控制平台和嵌入式驱动控制层,极大地简化了高集成度机电一体化灵巧手的控制器设计过程,并实现灵巧手在多自由度仿机器人上的无缝连接,进行了多指灵巧手空间协调阻抗控制的研究,基于手指指尖位置建立了适用于任意手指数目n的机器人灵巧手物体空间坐标系,并基于六维空间虚拟弹簧的阻抗思想和关节力矩反馈实现了以被抓取物体位置和姿态为控制目标的多指灵巧手空间协调阻抗控制.在基于Simulink/QNX的实时控制平台上对DLR/HIT Ⅱ灵巧手进行了空间协调阻抗控制实验,实验结果表明了灵巧手控制软硬件系统和控制策略的有效性和稳定性.在未降低灵巧手自由度的前提下,将DLR/HIT Ⅱ多指灵巧手协调抓取操作的控制输入量由30个减为6个,为提高抓取规划算法效率提供了稳定高效的新型控制策略.     

一种新的计算三指机器人柔性手抓取力的方法

本文在柔性手与操作体点接触的基础上,采用旋量方法表示手指对操作体的作用力,并提出了判断手指抓取位置能平衡任意外力的条件。在指端的法向作用力满足单向性条件及切向作用力满足摩擦条件的前提下,给出了一种求解柔性手抓取力的行之有效的方法。     

机器人多指手的优化抓取力计算

由于机器人灵巧手与物体接触所产生的摩擦力约束为非线性约束,导致实时计算手指抓取力受到了极大的限制。提出了一种计算多指手优化抓取力的通用方法,其关键是利用拉格朗日乘子法,通过自动调节各手指法向接触力的权值系数来获得满足非线性摩擦锥约束的初始抓取力,并结合梯度流的方法对初始抓取力进行优化。对于任意的干扰外力,在满足抓取稳定性的情况下,可快速地计算出各手指的优化抓取力。仿真结果证明了该方法的有效性。     

基于RTM的自主服务机器人智能化分散控制

为提高智能服务机器人的服务质量及智能化水平,基于机器人技术中间件(robot technology middleware,RTM),对室内环境下的机器人定点物体传送任务及其相关技术进行了深入研究.首先,为了提高系统的稳定性及开发效率,建立功能模块集,并结合模糊树图与DS(Dempster-Shafer)证据理论实现模块的粒度划分;对于机器人定点物体传送过程中所面临的即时定位与地图创建问题,采用Rao-Blackwellized粒子滤波算法完成底层栅格地图的创建,进而构造动态精简式混合地图,并利用记忆循迹规则实现机器人定点导航;通过改进的显著性区域提取算法实现对空间物体坐标的提取,并利用智能机械臂平台完成对物体的抓取及传送任务.以机器人移动平台和UR5机械臂为基础对设计系统进行实际测试,结果验证了所提分散控制方法的有效性和可行性.