基于Kinect的机器人抓取系统研究

智能抓取搬运机器人能够高效、可靠地完成各种搬运任务,降低工作人员的劳动强度,精准的物体定位是机器人执行搬运任务的基础。本文研究了基于Kinect的机器人抓取系统,可实现物体的类别检测、物体定位及机器人抓取任务。抓取系统由3个子系统(物体检测系统、物体定位系统及机器人抓取系统)组成。首先利用Kinect采集的物体图像信息训练单次多盒检测(Single multi-box detection,SSD)模型,然后根据SSD模型对物体的类别进行检测,得到物体在图像中的边框,并获取边框中物体像素坐标和深度,接着通过Kinect相机手眼标定法将像素坐标和深度转换到机器人基坐标系中,实现物体的定位,最后通过机器人逆运动学求解关节角,驱动机器人运动完成抓取搬运任务。对机器人进行了物体的定位和抓取实验,实验结果表明,物体的定位误差较小,物体抓取搬运实验的平均成功率达到97%,满足物体的抓取搬运需求。     

基于混合蛙跳优化的采摘机器人相机标定方法

针对采摘机器人领域传统的张正友相机标定方法存在对相机模型参数初值敏感和标定结果不稳定等问题,提出一种基于改进混合蛙跳和LM算法的相机标定方法。该方法把相机标定划分为两步:(1)以混合蛙跳优化为工具,求出相机模型参数的初始值,避免传统张正友相机标定方法直接求取相机模型的参数初值所带来的初值敏感问题。(2)以改进LM算法对第1步求出的相机模型参数初值进行非线性优化求精,避免张正友相机标定方法须求取相机模型优化参数的雅可比矩阵,从而导致标定结果不稳定的问题。采用Open CV编写采摘机器人双目视觉标定系统,分别对传统张正友相机标定方法、基于遗传算法的相机标定方法、基于标准混合蛙跳算法的相机标定方法和本文相机标定方法进行相机标定试验。试验结果表明:本文相机标定方法所获得的左相机焦距的绝对误差为0. 065～0. 506 mm、相对误差为1. 899%～12. 652%,平面靶标图像特征点的平均像素误差为0. 166～0. 175像素;右相机焦距的绝对误差为0. 083～0. 360 mm、相对误差为2. 429%～11. 484%,平面靶标图像特征点的平均像素误差为0. 103～0. 114像素;双目相机之间距离的绝对误差为1. 866～2. 789 mm、相对误差为3. 209%～4. 874%。以上参数精度及收敛速度和稳定性均优于其他相机标定方法,从而验证了该方法所获得的相机标定参数具有较高的准确性和可靠性。     

基于视觉和工业机器人的动态抓取技术研究

科学技术迅猛发展带动了现代工业向智能化方向转化,机器人技术也逐渐被应用到了社会生产等众多领域。然而,目前有超过三人之二的工业机器人在应用时还在采用手动示教的方式来完成,这种方式有其自身的优势,具有便捷性,但同时也存在着弊端,不但要求具有十分高的示教精度,若是物体和机器人的相对位置发生一点偏差,就要重新进行示教。所以,不断对视觉集成系统中的识别和定位技术进行研究与开发,完善工业机器人的抓取技术,可使其更好完成抓取任务,提高机器人的准确率和工作效率。     

番茄粘弹性参数机器人抓取在线估计

为了使采摘机器人在抓取过程中能够对被抓果蔬的粘弹性力学参数进行快速估计,实时优化抓取过程,减少末端执行器对被抓取对象造成机械损伤,以抓取力、变形量、作用时间为输入,建立了番茄粘弹性参数估计的人工神经网络模型。运用质构仪蠕变试验所测的力、变形和时间,以及粘弹性参数E_1、E_2、η_1、η_2作为训练数据集,确定了人工神经网络的拓扑结构和参数,并测试了网络模型的粘弹性参数估计性能。利用二指机器人末端执行器对随机番茄样本进行抓取试验,并在抓取过程中用此模型来在线估计粘弹性参数。通过与质构仪的实测值进行对比发现,当时间t≥0.2 s时,各参数的估计值与实测值之间的相对误差均在25%以内,并根据0.2 s时得到的粘弹性参数对机器人抓取力范围进行了估计。结果表明,利用此方法在机器人抓取过程中可以对被抓番茄粘弹性特性进行估计,为在线优化抓取力提供了依据。     

基于残差BP神经网络的6自由度机器人视觉标定

基于视觉伺服控制的机器人手眼标定和逆运动学求解一直是视觉伺服领域的核心问题.随着应用场景的逐渐复杂,传统手眼标定方法已无法满足需求;随着网络深度的增加,单一BP神经网络逆运动学求解算法的误差趋于饱和甚至变大,无法进一步提升网络性能.针对以上问题,本文将手眼标定和逆运动学求解融合为拟合目标图像坐标到机器人各关节角之间的映...     

基于新时达SD500机器人工具坐标系标定方法研究

本文对新时达SD500机器人的工具坐标系标定方法进行了研究。首先介绍了机器人的各个坐标系,机器人坐标系的标定分为工具标定和工件标定,然后具体分析了机器人的工具标定,即机器人TCP位置标定和工具坐标系姿态标定,工具标定完成后对标定结果进行了检验,最终完成了机器人工具坐标系的标定。     

基于立体视觉的水果采摘机器人系统设计

基于立体视觉建立了水果采摘机器人系统.在图像空间利用Hough变换检测出果实目标,并利用随机采样目标上均匀分布多个点的三维坐标信息重建果实球模型,进而获得目标质心的空间位置坐标;通过最小二乘法研究了采摘机器人手眼标定;分析了采摘机器人的轨迹规划.实验结果表明,设计的自动采摘系统可以有效地消除遮挡以及立体视觉匹配失效等因素的影响,目标定位误差小于8 mm,显著地提高了抓取的精度和可靠性.     

基于立体视觉的水果采摘机器人系统设计

基于立体视觉建立了水果采摘机器人系统。在图像空间利用Hough变换检测出果实标,并利用随机采样目标上均匀分布多个点的三维坐标信息重建果实球模型,进而获得目标质心的空间位置坐标;通过最小二乘法研究了采摘机器人手眼标定;分析了采摘机器人的轨迹规划。实验结果表明,设计的自动采摘系统可以有效地消除遮挡以及立体视觉匹配失效 等因素的影响,目标定位误差小于8mm,显著地提高了抓取的精度和可靠性。     

番茄收获机器人视觉系统标定的研究

番茄收获机器人在番茄收获中是靠其视觉系统来获得目标位置信息的,而在定位过程中,首先遇到的就是摄像机的标定问题。为此,主要研究了番茄收获机器人双目视觉系统的标定,标定出了番茄收获机器人双目视觉系统的内部参数和外部参数,为番茄收获机器人双目定位系统提供了系统参数。     

小型码垛机器人机械手抓取装置设计

详述在化工、饮料、食品、啤酒、塑料等自动生产线上可使用的码垛机器人抓取装置的分析及设计过程.依据码垛工作对机械臂的性能要求,对原有部件进行设计改进,通过改进其连杆机构并增设两个气缸带动移动板完成抓取工作,同时设置缓冲垫,对货物进行缓冲,解决现有码垛机器人存在的对货物抓取效果较差的问题,节约了人力成本.     

一种基于微分进化的采摘机器人运动反解方法

针对传统的采摘机器人运动反解求法的求解过程过于繁琐及自适应性等不足,提出了一种基于微分进化的采摘机器人运动反解求取方法。该方法首先利用采摘机器人运动正解方程构造出求解采摘机器人运动反解的目标函数,然后运用微分进化算法的泛化性和自适应性对该目标函数进行优化处理,从而求解出采摘机器人运动反解。同时,为了分析该方法的性能,还分别对传统的采摘机器人运动反解和基于微分进化的采摘机器人运动反解进行了对比试验,从而验证了该方法的有效性和鲁棒性。     

水果采摘机器人末端操作器定位装置的实现

针对采摘机器人末端操作器对目标果实的定位问题,提出了利用集成锁相环路解码器LM567与红外线光电开关相结合组成位置传感器的方法,实现对作业对象的精确定位.通过对传感器工作原理的分析和试验,验证了对作业对象进行定位的可行性.     

基于VR技术的采摘机器人采摘环境仿真研究

为了提高采摘机器人采摘果实的准确率,提升机器人的作业效率,将VR虚拟现实技术引入到了采摘机器人的设计上,提出了基于小波神经网络的机器人PID控制器优化算法,并通过对采摘虚拟环境的创建和机器人的虚拟建模,验证机器人的作业性能.以黄瓜真实生长环境为研究对象,创建了采摘机器人的作业环境,并对采摘机器人的采摘准确率进行了对比,...     

智能移动苹果采摘机器人的设计及试验

以ARM9 2440处理器为核心,基于BP神经网络的机器人视觉识别和定位,研制了一种苹果采摘机器人及控制系统。首先应用Photoshop软件将图像分割为640×640像素的图片,然后在RGB颜色空间下,结合数学形态学中值滤波降噪和拉普拉斯算子边缘检测的方法实现果实目标的特征提取,最终完成苹果的定位并在MatLab环境下使用robotics-toolbox工具箱编程仿真。试验结果表明:该机器人能有效识别果实并完成抓取工作,为后续的深入研究奠定了基础。     

采摘机器人视觉伺服策略研究——基于回归数据挖掘的

为了实现采摘机器人的准确抓取控制、路径识别和自主导航功能,提出了一种基于回归数据挖掘计算模型的机器人视觉伺服控制系统。首先利用双目相机获取果实图像,然后利用拉普拉斯变换和高斯滤波方法对图片进行平滑和增强处理,并利用Canny算法对图像边缘进行检测和分割处理,完成图像的预处理。对图像进行目标识别,提取图像的特征,并采用回归数据挖掘方法对滤波图像进行检验,最终通过计算得到果实图像的中心位置,将中心位置利用控制器反馈给控制中心,控制中心发出指令,控制末端执行器完成果实的采摘作业。对机器人视觉伺服系统进行了测试,结果表明:利用采摘机器人视觉伺服系统可以准确地计算果实的中心位置,实测位置和计算位置的吻合程度较高,视觉伺服系统的计算的稳定性较好。     

基于改进YOLOv5m的采摘机器人苹果采摘方式实时识别

为准确识别果树上的不同苹果目标,并区分不同枝干遮挡情形下的果实,从而为机械手主动调整位姿以避开枝干对苹果的遮挡进行果实采摘提供视觉引导,提出了一种基于改进YOLOv5m面向采摘机器人的苹果采摘方式实时识别方法。首先,改进设计了BottleneckCSP-B特征提取模块并替换原YOLOv5m骨干网络中的BottleneckCSP模块,实现了原模块对图像深层特征提取能力的增强与骨干网络的轻量化改进;然后,将SE模块嵌入到所改进设计的骨干网络中,以更好地提取不同苹果目标的特征;进而改进了原YOLOv5m架构中输入中等尺寸目标检测层的特征图的跨接融合方式,提升了果实的识别精度;最后,改进了网络的初始锚框尺寸,避免了对图像里较远种植行苹果的识别。结果表明,所提出的改进模型可实现对图像中可直接采摘、迂回采摘（苹果上、下、左、右侧采摘）和不可采摘果实的识别,识别召回率、准确率、mAP和F1值分别为85.9%、81.0%、80.7%和83.4%。单幅图像的平均识别时间为0.025s。对比了所提出的改进算法与原YOLOv5m、YOLOv3和EfficientDet-D0算法在测试集上对6类苹果采摘方式的识别效果,结果表明,所提出的算法比其他3种算法识别的mAP分别高出了5.4、22、20.6个百分点。改进模型的体积为原始YOLOv5m模型体积的89.59%。该方法可为机器人的采摘手主动避开枝干对果实的遮挡,以不同位姿采摘苹果提供技术支撑,可降低苹果的采摘损失。     

草莓收获机器人采摘执行机构设计与试验

设计了一套针对地垄栽培模式下草莓的无损伤自动采摘执行机构.该执行机构可在一定范围内对成熟草莓进行自主识别和精确定位,并以夹持、剪切果柄的方式摘取果实,从而实现草莓的无损伤采摘;所采用的控制方法对视觉传感器精度和机构重复定位精度依赖性较小,利于在进一步推广中控制成本.试验结果表明,该执行机构在实验室环境下对草莓的无损伤采摘成功率可达90％.     

果树快速定位采摘机器人设计——基于红外和激光扫描技术

为提高采摘机器人的自主导航能力和采摘效率,实现机器人的快速果树识别和定位,结合红外测距传感器与计算机图像处理技术,利用激光扫描传感器体积小、功耗低、速度快、抗干扰等特点,提出了一种非接触式测量果树深度信息的方法;并结合计算机图像处理对果树进行了标定,实现果树的快速识别与定位,为采摘机器人运动轨迹规划提供了自主导航的参数。为了验证该方法的可靠性,在采摘机器人试验样机上安装了红外线测距和激光扫描快速定位装置,并通过左右两侧果树的导航路径拟合,得到了机器人的行走路径,通过对比红外线测距和激光扫描的结果发现,其拟合路径基本吻合,从而验证了该方法测量数据的可靠性。根据不同的树高对应的枝叶密度,利用计算机图像处理对果树进行了标定,最后利用激光扫描方法对标定后的果树进行了快速定位,并将结果和全站仪的结果进行了对比,结果表明:激光扫描和全站仪之间的最大误差仅为20mm。这说明,激光测量的精度较高,可以满足设计的需求。     

直角坐标红花采摘机器人的设计与试验

针对红花采摘仍以人工采摘为主、采摘效率低下、费时费力等问题,结合红花物理生长特性及红花种植模式设计了一种直角坐标红花采摘机器人.对直角坐标采摘系统进行参数计算,确定直角坐标采摘系统X轴总长为900 mm,Y轴总长为700 mm,Z轴的行程范围为698 mm.由静力学仿真试验可知:在采摘过程中应用普通碳钢应变最小为6.5...     

基于遗传算法和EDA技术的果蔬采摘机器人设计

为了提高果蔬采摘机器人的避障和路径规划能力,实现机器人智能化和轻量化的设计,将嵌入式系统引入到果蔬采摘机器人的控制系统中,并利用EDA技术对控制系统进行了封装,植入了机器人路径规划的遗传算法。对果蔬采摘机器人的机械手进行了改进,通过机械手结构设计实现了采摘机器人执行末端的避障功能,利用遗传算法智能控制设计实现了复杂环境中的路径搜索功能。对果蔬采摘机器人的性能进行了测试,结果表明:障碍物识别率高达99%以上,路径规划的准确率也在95%以上,满足智能化采摘机器人的设计需求,为现代化采摘机器人的设计提供了较有价值的参考。