基于锥孔靶标的机器人末端位姿间接测量方法

机器人的位姿误差是衡量机器人性能的重要指标,因此位姿测量是机器人校准过程中的重要环节。为简化机器人末端位姿测量过程,提出一种间接测量方法。首先设计靶标并建立靶标坐标系、将靶标安装在法兰盘上、标定出两者之间的转换关系;然后利用绝对关节臂测量机测量靶标上的锥孔,采用最小二乘法并结合靶标坐标系与法兰盘坐标系之间的转换矩阵计算出机器人末端位姿,并分析测量误差对位姿误差的影响;最后对KR5arc工业机器人末端位姿进行测量。实验表明:该间接测量方法相较于直接测量方法的优点在于不仅可以保证测量结果的准确度,而且可提高测量结果的紧密度、大大简化测量过程。     

基于视觉和工业机器人的动态抓取技术

目的 针对传送带输送产品过程中,机器人动态抓取产品的位姿数据计算问题,提出一整套基于智能相机和编码器检测的位姿数据计算方法。方法 首先搭建一套相机检测和机器人动态抓取系统模型,介绍抓取系统的构成及其工作过程;其次,为抓取系统创建各个坐标系,详细介绍各个坐标系间的变换关系、矩阵模型及需要标定的量;再次,设计标定量的测算过程和计算公式;最后,搭建以三菱工业机器人、欧姆龙智能相机及编码器等核心部件为主的实验样机,对上述位姿数据计算方法进行测试和验证。结果 实验结果表明,产品位姿数据的计算值与实测值之间的误差低于0.4 mm。结论 基于视觉和编码器检测的机器人动态抓取精度符合工程应用要求。     

基于立体视觉的移动机器人自主导航定位系统

描述了一种基于立体视觉的移动机器人自主导航定位系统。该系统采用双目立体视觉完成环境特征的3D信息提取,实时计算出机器人相对作业目标的位姿（6D）关系,导引移动机器人控制系统按目标异向进行运动。系统在相对位姿计算中采用旋动（Screw）理论,将带约束的多变量函数的非线性优化问题转化为线性方程组的最小二乘问题,简化了计算复杂性。实验表明,这个导航定位系统在定位精度和数据处理速度上均可满足机器人导航的要求。     

基于视觉的工业机器人码垛系统设计与分析

目的 为提高企业工件的码垛效率,降低工人劳动强度,搭建工业机器人视觉码垛实验系统.方法 在对工业机器人运动学模型分析的基础上,通过相机坐标系和末端坐标系的坐标关系,得到工业机器人末端执行器的位置和姿态信息.结果 提出了基于工件位置坐标的图像剔除算法,实现了多余工件图像的剔除.通过旋转平移矩阵计算待码垛工件的实际位置,并将此位置作为视觉校正后的工业机器人抓取工件位置.结论 实验结果显示改进后系统的重复性定位精度在x,y方向上均有显著提高,验证了工业机器人视觉码垛系统模型的准确性.     

基于YOLOv5和U-NET的多目标药盒抓取系统设计

目的 解决传统机器视觉机器人抓取系统对多目标及复杂目标背景分割不精确导致的目标定位精度差而影响机器人抓取效率的问题,提出一种新的深度学习抓取识别定位系统。方法 搭建由Delta机械臂、PC上位机、双目相机等组成的硬件系统,对工业部署常用的YOLO系列算法进行对比研究。将YOLO与U-NET相结合,用于目标的检测和分割。在精确分割出属于目标和背景目标的像素区域的同时,计算边缘和中心位置信息,运用立体视觉技术得到三维位置,并转换为世界坐标系,由PC机引导机械臂去完成抓取任务。结果 深度学习目标检测和图像分割相结合的系统在较复杂背景、多目标的场景下比未添加图像分割的算法拥有更好的目标定位精确度。结论 YOLOv5和U-NET相结合的目标定位抓取方法具有较高的鲁棒性,达到了并联机械臂的抓取要求。该方法能够运用于其他多自由度机械臂上,具有良好的应用价值。     

基于双目视觉零件特征测量技术的研究

通过eye on hand模式，对上下料机器人配置双目视觉系统，将获得的图像进行处理后，判断工件的尺寸、位姿等信息，为上下料操作提供数据支持，使其能准确抓取工件。本文根据双目测量的理论基础，利用Harris角点算法获取零件的角点，对左右相机获取的图像进行区域匹配操作，进而获得工件的特征信息。最后，利用MATLAB对工件进行特征的提取和测量实验，为后续的研究工作提供了基础。     

基于模型的水下机器人视觉悬停定位技术

根据7000米载人潜水器水下作业的需要和特点,提出了一种基于单目视觉位姿测量原理的水下机器人悬停定位方法,构建了包含水下目标识别与跟踪、三维位姿计算及水下机器人控制三项关键技术的水下演示实验系统。以自行研制的水下机器人控制系统实验研究平台为实验载体,以4个按正四面体分布的小球构成的合作目标为观察目标,在室内实验水池中实现了水下机器人悬停与定位演示实验。实验结果显示,系统能够弓I导机器人运动到指定位姿并实现稳定的悬停和定位。该项研究为基于模型的单目视觉三维位姿测量技术开辟了水下机器人应用新领域。     

视觉工业机器人目标识别技术及抓取系统研究

为实现视觉工业机器人的目标识别与抓取,该文基于YOLOv4算法进行了研究,搭建了结合视觉机器人的目标抓取试验平台。采用深度可分离卷积替换YOLOv4特征提取部分及中间层的标准卷积,降低参数量,提高网络速度,以实现目标的快速识别。利用改进的D-YOLOv4网络构建D-YOLOv4-grasp抓取预测网络,同时采用五参数表示法检测目标的抓取位姿,并进行了试验验证。研究结果表明,采用改进的D-YOLOv4目标检测算法和D-YOLOv4-grasp抓取预测网络,可以实现视觉工业机器人的目标快速识别与抓取。     

多传感信息融合机器人标定方法

该文提出一种基于多传感信息融合技术进行机器人运动学标定的方法。首先通过对机器人的指数积(POE)正向运动学模型取微分的方式建立末端执行器的误差模型,利用ROMER-RA7520绝对关节臂测量机和安装在末端工具上的多个传感器分别采集末端执行器的位置和姿态信息;随后根据坐标统一原理将测量机的位置测量数据和多传感器的姿态量测数据转换到机器人基础坐标系下,实现位姿数据的空间配准;接着运用自适应加权融合算法融合处理经过空间配准后的位姿数据,得到末端执行器位姿测量值;最后应用迭代最小二乘法求解出参数偏差。KR5arc机器人标定仿真实验表明:该方法可大幅度提升机器人在任意位姿下的定位、定姿精度。     

机器人与激光跟踪仪的坐标系转换方法研究

激光跟踪仪对工业机器人的末端位姿进行绝对定位精度标定时,需要把测量坐标系和机器人坐标系下的坐标值转换到同一坐标系下,坐标值的比较才有意义。因为机器人运动学模型误差的存在,使得机器人坐标系下的点不能遵循着唯一确定的变换关系变换到测量坐标系,所以坐标系的变换精度不高。在建立齐次变换形式的变换模型之后,通过分析坐标系变换过程中的误差来源,提出结合最小二乘法的RANSAC快速转换算法。从测量样点中随机选择一定量的样点拟合变换模型,在获得多个变换模型之后,利用评判模型选择最优模型。结果表明:相比于常规的求解方法,机器人和激光跟踪仪的坐标转换精度提高3倍。RANSAC算法能有效地降低机器人模型误差对求解变换关系的影响,并且实验过程快速、操作简单。