基于改进人工势场的苹果采摘机器人机械手避障方法

针对非结构化环境下的采摘机器人机械手实时避障问题,提出一种改进人工势场法的避障路径规划方法。根据自行研制的5自由度苹果采摘机器人机械手具体结构和障碍物特征,进行机械手运动学分析和障碍物建模;在保留传统人工势场法易于实现、结构简单等优点的基础上,针对其存在的局部极小点、陷进区等问题,结合果树生长环境中障碍物的特点,通过引入虚拟目标点使搜索过程跳出局部最优的极小点,从而实现机械手避开障碍物到达目标的灵活避障;将该方法应用于机械手末端位置、障碍物位置和目标位置已知条件下的采摘机器人机械手实时避障任务中,仿真和实验研究结果表明此方法简单,实时性好,能够有效地避开障碍物,成功到达目标位置,适合自然生长状态下苹果的自动采摘。     

永磁变刚度机构柔性机器人力学特性研究

提出了一种柔性机器人用永磁变刚度机构。由于电动机转矩有限,在不用增加绳索拉力的情况下,通过该机构实现了柔性机器人关节更强的变刚度能力。该永磁变刚度机构主要由磁弹簧单元和滑轮绳索单元构成。通过虚位移法建立了弹簧磁力和绳索拉力解析模型,通过实验对永磁体间磁力和绳索上的拉力进行测量,测量结果和模型计算结果基本吻合。其结果表明,永磁体间磁力、绳索拉力和刚度随永磁体间气隙减小呈非线性增加,随永磁体长度和平均半径的增加而增加,保持三角形结构高不变,绳索拉力和刚度随着三角形结构底长的增加而增加,减小滑轮半径,可以进一步增加绳索刚度变化范围。     

基于激光雷达的巡检机器人导航系统研究

智能巡检机器人能够高效、可靠地完成巡检任务,降低工作人员的劳动强度,准确、稳定的导航定位是巡检机器人执行巡检任务的基础。本文研究了基于激光雷达的巡检机器人导航系统,可实现机器人在室内外环境下的地图建立、路径规划和导航定位。导航系统由远程监控平台与巡检机器人组成,远程监控平台发布巡检任务、监控机器人状态、查询与存储检测数据,巡检机器人可实现自主导航定位、遍历检测点、执行数据采集等巡检任务,二者通过无线网络实现远程数据交互。融合激光雷达与编码器信息,使用高鲁棒性Gmapping算法建立二维环境地图。根据地图与检测点信息,采用分支界定算法搜索最优巡检路线,以减少巡检时间和能源消耗。使用自适应蒙特卡罗定位(AMCL)算法估计机器人位置和姿态,结合巡检路线,进行导航定位。根据横向偏差与航向偏差,通过经典的PID算法完成机器人驱动控制。机器人搭载可见光相机与红外相机,可对目标进行可见光通道与红外通道的融合图像检测。对巡检机器人进行了室内导航定位试验,试验结果表明,在1 m/s的速度下,位置与航向偏差的平均绝对误差(MAE)分别小于5 cm和1.1°,标准差(SD)分别小于5 cm和1.5°,能够满足巡检导航定位的要求。     

并联机器人可操作度分析的蒙特卡罗方法

对蒙特卡罗法生成的并联机器人工作空间上的随机点分布不均匀性进行了研究,基于多维随机变量函数的分布密度公式,推导出蒙特卡罗法生成的并联机器人工作空间点概率密度与雅可比行列式的关系式,建立了输出空间概率密度与并联机器入可操作度之间的关系.以平面两自由度5R并联机器人为研究对象,采用蒙特卡罗法分析了其工作空间上的可操作度,并根据工作模式将输入空间划分成4个子空间,指出了子空间交界处的逆向奇异性.仿真结果表明,蒙特卡罗法是分析并联机器人可操作度和逆向奇异的一种有效方法.     

番茄收获机器人技术研究进展

简述了番茄收获机器人系统组成和技术研究进展，分析了各组成部分的功能与工作原理，并对番茄收获机器人通用性、可靠性、工作效率、采摘质量与机械手性能等方面的发展进行了探讨。     

计算机视觉技术在番茄收获中的应用

运用双目立体视觉技术对红色番茄进行定位,图像进行灰度变换后,对图像的二维直方图进行腐蚀,膨胀以后除小团块,提取背景区边缘,然后用拟合曲线实现彩色图像的分割,将番茄从背景中分离出来,对目标进行标定后,用面积匹配实现共轭图像中目标的配准,运用体视成像原理,从两幅二维图像中恢复目标的三维坐标,从实验数据可知,当目标与摄像机的距离为300－400mm时,深度误差可控制在3％－4％。     

农业机器人视觉导航技术发展与展望

概述了农业机器人主要的导航方式，综合分析了目前国内外视觉导航研究现状及存在的问题，并提出了进一步研究的方向与途径。     

基于机器人的禽蛋自动检测与分级系统集成开发

将禽蛋的破损检测、内部品质检测以及检测和分级时的搬运工作集成到一个关节型机器人上,实现了禽蛋检测与分级的自动化和柔性搬运.机器人在视觉引导下,定位禽蛋位置并将其吸取,分别运动到基于敲击声音的破损检测和基于彩色图像的内部品质检测装置处,进行相应的检测,根据检测结果分级并将禽蛋搬运到相应等级的位置放下.文章给出了各子系统的组成结构、集成原理,硬件配置和主要参数.试验结果表明,该系统硬件配置合理,各部分能够协调工作,运行稳定.     

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。     

采摘机器人深度视觉伺服手-眼协调规划研究

针对现有采摘机器人的识别-采摘精度与效率偏低等问题,开展了采摘机器人深度视觉伺服手-眼协调规划研究。开发了在手RealSense深度伺服的小型升降式采摘机器人,进行了采放果的工作空间与姿态分析,针对“眼在手上”模式建立了手-眼协调的坐标变换模型。对采摘机器人提出了基于在手RealSense深度伺服的由远及近手眼协调策略,并根据RealSense与机械臂参数完成了基于深度视觉的远近景协调关键点间分段动作规划。手眼协调采摘试验表明,末端在X、Y、Z方向的平均定位精度为3.51、2.79、3.35mm,平均耗时为19.24s,其中机械臂从初始位开始采果的平均耗时为12.04s,中间识别与运算的平均耗时为3.82s,放果动作平均耗时为7.2s,机械臂动作耗时占整个环节的80.2%。该机器人结构和在手RealSense深度伺服的手眼协调策略可满足采摘作业需求。