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geomagic studio的水枪逆向设计及其误差分析

本文利用geomagic Studio软件对水枪的点云数据进行处理生成NURBS曲面模型,并进行了偏差分析,表明逆向建构曲面的精度较高。在逆向工程中使用geomagic studio软件重建模型,不仅能保证产品质量,而且可以大幅度减少产品开发周期。     

基于ZRM-MDH模型转换的串联机器人运动学参数标定

运动学参数误差是影响工业机器人绝对定位精度的主要因素,通过误差标定能够有效地提高工业机器人的精度。运动学模型的完整性、连续性与冗余性对运动学参数的辨识精度影响较大。为尽可能地提高机器人的标定精度,并易于实现机器人误差补偿,本文提出一种基于ZRM-MDH模型转换的机器人运动学参数标定方法。首先,基于零参考模型(ZRM)建立TX60型串联工业机器人的位姿误差模型,结合测量位姿误差辨识ZRM的参数;其次,基于圆点分析法将ZRM转换成MDH模型。在TX60型机器人前侧工作区域内任意选择50个测量点,实施运动学参数误差标定。实验表明,基于MDH模型标定后的机器人平均综合定位误差为0.081 mm,而经过ZRMMDH模型转换后的机器人平均综合定位误差为0.062 mm。为验证标定方法的稳定性,在TX60型机器人前侧工作区域内,选择5个区域实施运动学参数误差标定,结果表明,基于ZRM-MDH模型转换获得的标定精度稳定性相对较好。     

基于CATIA的拖拉机覆盖件逆向设计及有限元分析

针对拖拉机覆盖件曲面复杂、精度及光顺性要求不高、结构强度大的特点,利用CATIA的逆向设计具有的强大曲面设计功能,以某拖拉机轮罩为例,从点云数据预处理、点云数据网格化及分块、曲面重建、曲面品质分析、曲面拼接及模型评价几方面阐述了拖拉机覆盖件逆向设计流程,同时对重建的曲面模型进行了有限元分析。研究结果表明,所构建曲面模型满足了设计精度及光顺性要求,为后续的拖拉机覆盖件模具设计制造提供了理论依据。     

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射关系问题,提出了一种残差BP神经网络算法。使用多个残差网络模块的方式加深BP神经网络的深度,残差模块的输入信息可以在网络内跨层传输,较好地解决了因深度增加网络模型容易产生梯度消失而无法提升网络性能的问题;通过6自由度机器人雅可比方程对逆运动学解的空间进行划分,确定了8个独立的区域,基于独立区域方法对训练数据进行处理,从而避免了多自由度机器人逆运动学多解对网络学习的影响,网络训练精度提升了2个数量级,训练速度提高了2倍。在REBot-V-6R型6自由度机器人输送线分拣系统中进行二维平面抓取和三维实物抓取实验,实验结果验证了该方法的准确性。结果表明,该方法比1层BP神经网络、3层BP神经网络、5层BP神经网络的训练精度分别提高了4个数量级、2个数量级、5个数量级,测试精度提高2个数量级;与传统标定方法相比,本文方法节约了逆运动学求解过程的计算成本,抓取位姿精度提高了1个数量级。     

2TPR&2TPS并联机器人结构参数辨识

并联机器人末端位姿精度对其工作性能影响较大，建立有效的标定算法是提高机器人位姿精度的重要保证。本文以一种2TPR&2TPS并联机构为研究对象，首先对机器人进行运动学分析，采用全微分法得出机器人的误差模型，根据该模型得出机器人结构参数误差与末端位姿误差的量化关系，以及各误差项误差变动对末端位姿误差的影响规律；接着，建立参数辨识模型和标定效果评价函数，验证了参数辨识模型的有效性，再用该模型辨识机器人的结构参数误差；最后，修正运动学模型完成了机器人的误差标定。实验结果显示，标定后机器人的平均位置精度提升68.62%,距离误差均值由7.710 mm降至2.350 mm,精度提升69.52%,实验结果证明本文的标定算法有效。     

三角网格细分曲面数控加工刀轨快速生成算

提出了一种基于三角网格细分曲面模型的刀轨生成算法,建立三角网格细分曲面模型的空间聚类索引结构,基于该结构实现网格模型与刀轨截面快速、精确求交获取刀触点集,并根据刀触点对应曲面位置处的微分几何性质确定刀位点,采用最小生成树算法对刀位点集排序生成刀轨.实例证明,该算法可有效提高复杂曲面模型的刀轨生成效率及精度.     

自由曲面重构中的Hilbert扫描-小波变换去噪处理

介绍了小波分析理论在曲面去噪中的应用,在所设计的原始曲面上随机设置噪声,对含噪声的原始曲面型值点数据进行Hilbert扫描和小波分解,提取低频分量,再应用Unigraphics软件中的NURBS完成曲面重构,并对曲面重构的精度和效率进行了分析、验证。     

大空间运动3-RRRU并联机器人运动学标定与误差分析

并联机器人具有高速、高刚度和大负载等明显优势,被广泛应用到农业和工业领域,但多关节导致该类机器人控制精度不高。针对大空间运动3-RRRU并联机器人的运动学建模和误差标定方法展开了系统、深入研究。综合应用DH法和空间矢量法建立了机器人的运动学模型,在此基础上,借助偏微分理论推导并建立机器人的误差模型;应用激光跟踪仪进行不同轨迹下机器人的空间位置数据采集,对一般遗传算法进行改进,以等步距搜索策略实现主要遗传算子的优化,并通过全局数值寻优获取机器人的误差补偿数据,完成标定和补偿工作。实验表明：基于直线标定方式,补偿后直线轨迹跟踪误差控制在0.14～1.34mm,但不适用于曲线轨迹补偿,其实测补偿后的最大误差高达5.08mm。曲线轨迹标定精度高于直线轨迹标定,补偿后将直线和曲线两种路径下的最大误差分别降低至1.18mm和1.56mm。该标定方法自动化程度高,适用于含有大量关节并联机器人的误差标定工作。     

基于逆向工程技术的鼹鼠前爪趾甲几何模型

利用三维激光扫描系统对鼹鼠前爪趾甲的表面进行扫描,获得趾甲腹面和背面的表面数据点云,对扫描数据精简、平滑处理后,采用点-线-面方法进行了曲面重构,最后进行了重构曲面模型精度分析.分析表明,鼹鼠前爪趾甲重构曲面模型满足精度条件,为后续的几何形态定量分析提供了模型基础.