面向机器人抓取的智能相机系统设计
这是一篇关于智能相机,系统设计,机器人抓取,算法设计的论文, 主要内容为工业自动化是制造业向智能化、柔性化转型的关键,而视觉技术作为其中的最重要的一环,一直以来都是各领域研究的重点,视觉技术可以取代大量以往需要人工参与的危险和重复的工作,通过与机器人技术相结合,可以大大提高生产的实时性和生产效率。智能相机作为视觉技术与嵌入式硬件的结合体,具有集成度高,结构紧凑的特点,在国内外都得到了广泛的应用,而我国对于智能相机的研究相较于国外起步较晚,自主产品不多且易用性较差,相关开发工具较为缺乏,使得智能相机开发能力受到了很大的制约。针对上述问题,本文设计开发了一套智能相机开发工具,同时为了方便用户开发与机器人抓取相关视觉应用,通过分析工业场景下的机器人视觉抓取应用需求,设计开发了一套视觉算法工具库,并对各算法实现原理进行详细介绍。本文中主要工作内容如下:(1)研究分析用户在视觉任务开发过程中的实际需求,设计了一种智能相机设计工具开发方案,通过节点连接的方式实现对视觉任务的编辑开发,并通过插件的方式对相机功能进行拓展,从而增强系统的开发灵活性。(2)通过对常见算法特点进行整合分析,建立了一套通用算法节点设计方法,以及对应的逻辑编排设计方法,并针对插件功能需求,设计了算法插件的开发方法以及插件导入方法,并设计了对应的算法节点运行管理功能。(3)设计了一套基于web技术的智能相机运行平台开发方法,将原本不易观察的相机内部数据,通过直观的方法进行展示,同时提供了方便的外部交互方法,使相机能够灵活进行切换,满足不同的生产需求。(4)针对机器人抓取的过程中实际需求,设计并实现了一套面向机器抓取的视觉算法工具库,重点对其中的模板匹配、亚像素边缘、工件计数、blob分析四个算法进行深入的介绍,包括各算法的底层实现原理以及实际工程中的实现方法,并针对各算法特点设计了对应的参数配置工具。同时重点对模板匹配的加速策略进行研究,并提出相应的搜索加速方法。(5)对本文所设计的面向机器人抓取的智能相机系统进行全面的测试,依次对所设计的系统以及算法进行测试,以验证其可行性,之后通过与机器人进行联调,从而实现了智能相机系统辅助机器手抓取的功能,从而验证了本文所述系统的可行性。
基于深度学习的目标抓取策略研究
这是一篇关于深度学习,目标抓取,机器视觉,二指夹持器,机器人抓取的论文, 主要内容为机器人的抓取操作是机器人与外界交互的最基本方式之一,传统的机器人抓取方法在面对现如今更加普遍的非结构化场景时,存在抓取成功率低、通用性差等问题。深度学习与视觉技术使得机器人具有感知与决策能力,能够完成各类复杂环境下的抓取任务。本文针对智能机器人完成抓取操作的核心任务——抓取检测问题展开研究,面向不同的抓取场景,构建了基于卷积神经网络的抓取检测模型,并搭建了机器人抓取实验平台对模型进行了验证。本文主要研究工作包括:(1)针对目前主流的2D抓取检测方法精度易受抓取背景噪声影响的问题,开展基于混合网络架构的平面2D抓取检测模型研究。首先基于改进的YOLO V5算法来获取待抓取物体的目标检测框,然后以轻量级的卷积神经网络Mobile Net V3为主干特征提取网络,构建抓取检测网络生成待抓取物体的抓取检测框,最后提出一种IOU区域评估方法,以待抓取物体的目标检测框为背景筛选出最优抓取检测框来计算最终的抓取位姿,有效避免抓取背景噪声对抓取检测结果的影响;(2)为满足从不同角度对物体执行抓取的要求,构建了基于Point Net和点云注意力机制的6-Dof抓取检测模型。首先设计了点云注意力机制嵌入到Point Net点云分类网络,搭建抓取位姿质量评估网络,然后基于YCB数据集生成抓取数据集对模型进行训练与测试;最后通过消融实验得到最佳的模型结构;(3)搭建机器人抓取实验平台对提出的模型进行应用验证,分别将训练好的模型部署在机器人平台上进行抓取实验,通过设置不同的抓取场景与评价指标,验证所提模型的合理性。实验对比发现,基于混合网络架构的平面2D抓取检测模型对单目标的抓取具有较高的成功率,对于多目标的抓取,基于Point Net和点云注意力机制的6-Dof抓取检测模型在成功率和完成率两方面均具有较好的性能表现。
基于视觉引导的协作机器人灵巧手复杂场景下的柔顺抓取
这是一篇关于机器人抓取,灵巧手,协作机器人,目标检测,抓取生成的论文, 主要内容为机器人抓取技术是机器人领域的重要研究方向,该技术在柔性生产线、餐饮服务业、农业采摘等领域都有着越来越广泛的应用。机器视觉等人工智能技术的快速发展,为机器人智能抓取技术提供了新的研究思路和契机。不过,现有的基于神经网络的机器人抓取检测模型,无法满足在生成抓取框的同时,获得该物体的类别信息,否则就需要自行构建包含上述两种信息的大规模数据集;此外,在灵巧手的抓取规划中避免复杂的物理建模,机器人在人机共融环境下的安全性等都是亟待解决的问题。本文提出了一套基于视觉引导的机器人灵巧手多目标柔顺抓取方案,涵盖了视觉抓取生成、灵巧手抓取规划以及机械臂的安全控制三大方面。首先,建立了基于五指灵巧手和RGB-D相机的机器人抓取实验平台,并将该平台的所有模块都统一到了KST(KUKA Sunrise Toolbox)中,建立了上述抓取实验平台中的图像坐标系、相机坐标系和世界坐标系的齐次变换矩阵。其次,分析了多目标机器人抓取检测的主流方案,建立了以YOLO v5目标检测网络和GG-CNN机器人抓取生成网络为基础的多目标检测抓取生成网络SGG-Net。在训练网络前,建立了HIT Grasp数据集,训练后SGG-Net第一阶段网络的m AP@0.5达到0.84,检测速度达到每帧0.01s。本文还建立了一种图像目标提取模块,可将复杂场景下的指定目标从背景中分离出来。接下来,本文提出了一种面向五指灵巧手的抓取控制方法,该方法基于手指的力矩反馈,在不同物体的抓取实验中效果良好。此外还提供了一种基于数据手套关节映射的灵巧手控制方案,完成了对常见物体的抓取。随后,给出了一种应用五维抓取矩形框实现灵巧手抓取的工程性方案。本文还建立了KUKA iiwa协作机器人的运动学和动力学模型,提出了一套基于关节力矩传感器的机器人碰撞检测与安全响应机制,大大提高了在人机共融环境下机器人的安全水平。最后,在复杂场景下的多目标交互式抓取实验对多种不同形态的物体进行了抓取,抓取平均成功率为86.0%,验证了本文提出的SGG-Net、基于力阈值的自适应灵巧手抓取控制算法等的有效性和实用性。
基于视觉引导的协作机器人灵巧手复杂场景下的柔顺抓取
这是一篇关于机器人抓取,灵巧手,协作机器人,目标检测,抓取生成的论文, 主要内容为机器人抓取技术是机器人领域的重要研究方向,该技术在柔性生产线、餐饮服务业、农业采摘等领域都有着越来越广泛的应用。机器视觉等人工智能技术的快速发展,为机器人智能抓取技术提供了新的研究思路和契机。不过,现有的基于神经网络的机器人抓取检测模型,无法满足在生成抓取框的同时,获得该物体的类别信息,否则就需要自行构建包含上述两种信息的大规模数据集;此外,在灵巧手的抓取规划中避免复杂的物理建模,机器人在人机共融环境下的安全性等都是亟待解决的问题。本文提出了一套基于视觉引导的机器人灵巧手多目标柔顺抓取方案,涵盖了视觉抓取生成、灵巧手抓取规划以及机械臂的安全控制三大方面。首先,建立了基于五指灵巧手和RGB-D相机的机器人抓取实验平台,并将该平台的所有模块都统一到了KST(KUKA Sunrise Toolbox)中,建立了上述抓取实验平台中的图像坐标系、相机坐标系和世界坐标系的齐次变换矩阵。其次,分析了多目标机器人抓取检测的主流方案,建立了以YOLO v5目标检测网络和GG-CNN机器人抓取生成网络为基础的多目标检测抓取生成网络SGG-Net。在训练网络前,建立了HIT Grasp数据集,训练后SGG-Net第一阶段网络的m AP@0.5达到0.84,检测速度达到每帧0.01s。本文还建立了一种图像目标提取模块,可将复杂场景下的指定目标从背景中分离出来。接下来,本文提出了一种面向五指灵巧手的抓取控制方法,该方法基于手指的力矩反馈,在不同物体的抓取实验中效果良好。此外还提供了一种基于数据手套关节映射的灵巧手控制方案,完成了对常见物体的抓取。随后,给出了一种应用五维抓取矩形框实现灵巧手抓取的工程性方案。本文还建立了KUKA iiwa协作机器人的运动学和动力学模型,提出了一套基于关节力矩传感器的机器人碰撞检测与安全响应机制,大大提高了在人机共融环境下机器人的安全水平。最后,在复杂场景下的多目标交互式抓取实验对多种不同形态的物体进行了抓取,抓取平均成功率为86.0%,验证了本文提出的SGG-Net、基于力阈值的自适应灵巧手抓取控制算法等的有效性和实用性。
面向机器人抓取的智能相机系统设计
这是一篇关于智能相机,系统设计,机器人抓取,算法设计的论文, 主要内容为工业自动化是制造业向智能化、柔性化转型的关键,而视觉技术作为其中的最重要的一环,一直以来都是各领域研究的重点,视觉技术可以取代大量以往需要人工参与的危险和重复的工作,通过与机器人技术相结合,可以大大提高生产的实时性和生产效率。智能相机作为视觉技术与嵌入式硬件的结合体,具有集成度高,结构紧凑的特点,在国内外都得到了广泛的应用,而我国对于智能相机的研究相较于国外起步较晚,自主产品不多且易用性较差,相关开发工具较为缺乏,使得智能相机开发能力受到了很大的制约。针对上述问题,本文设计开发了一套智能相机开发工具,同时为了方便用户开发与机器人抓取相关视觉应用,通过分析工业场景下的机器人视觉抓取应用需求,设计开发了一套视觉算法工具库,并对各算法实现原理进行详细介绍。本文中主要工作内容如下:(1)研究分析用户在视觉任务开发过程中的实际需求,设计了一种智能相机设计工具开发方案,通过节点连接的方式实现对视觉任务的编辑开发,并通过插件的方式对相机功能进行拓展,从而增强系统的开发灵活性。(2)通过对常见算法特点进行整合分析,建立了一套通用算法节点设计方法,以及对应的逻辑编排设计方法,并针对插件功能需求,设计了算法插件的开发方法以及插件导入方法,并设计了对应的算法节点运行管理功能。(3)设计了一套基于web技术的智能相机运行平台开发方法,将原本不易观察的相机内部数据,通过直观的方法进行展示,同时提供了方便的外部交互方法,使相机能够灵活进行切换,满足不同的生产需求。(4)针对机器人抓取的过程中实际需求,设计并实现了一套面向机器抓取的视觉算法工具库,重点对其中的模板匹配、亚像素边缘、工件计数、blob分析四个算法进行深入的介绍,包括各算法的底层实现原理以及实际工程中的实现方法,并针对各算法特点设计了对应的参数配置工具。同时重点对模板匹配的加速策略进行研究,并提出相应的搜索加速方法。(5)对本文所设计的面向机器人抓取的智能相机系统进行全面的测试,依次对所设计的系统以及算法进行测试,以验证其可行性,之后通过与机器人进行联调,从而实现了智能相机系统辅助机器手抓取的功能,从而验证了本文所述系统的可行性。
面向机器人抓取的智能相机系统设计
这是一篇关于智能相机,系统设计,机器人抓取,算法设计的论文, 主要内容为工业自动化是制造业向智能化、柔性化转型的关键,而视觉技术作为其中的最重要的一环,一直以来都是各领域研究的重点,视觉技术可以取代大量以往需要人工参与的危险和重复的工作,通过与机器人技术相结合,可以大大提高生产的实时性和生产效率。智能相机作为视觉技术与嵌入式硬件的结合体,具有集成度高,结构紧凑的特点,在国内外都得到了广泛的应用,而我国对于智能相机的研究相较于国外起步较晚,自主产品不多且易用性较差,相关开发工具较为缺乏,使得智能相机开发能力受到了很大的制约。针对上述问题,本文设计开发了一套智能相机开发工具,同时为了方便用户开发与机器人抓取相关视觉应用,通过分析工业场景下的机器人视觉抓取应用需求,设计开发了一套视觉算法工具库,并对各算法实现原理进行详细介绍。本文中主要工作内容如下:(1)研究分析用户在视觉任务开发过程中的实际需求,设计了一种智能相机设计工具开发方案,通过节点连接的方式实现对视觉任务的编辑开发,并通过插件的方式对相机功能进行拓展,从而增强系统的开发灵活性。(2)通过对常见算法特点进行整合分析,建立了一套通用算法节点设计方法,以及对应的逻辑编排设计方法,并针对插件功能需求,设计了算法插件的开发方法以及插件导入方法,并设计了对应的算法节点运行管理功能。(3)设计了一套基于web技术的智能相机运行平台开发方法,将原本不易观察的相机内部数据,通过直观的方法进行展示,同时提供了方便的外部交互方法,使相机能够灵活进行切换,满足不同的生产需求。(4)针对机器人抓取的过程中实际需求,设计并实现了一套面向机器抓取的视觉算法工具库,重点对其中的模板匹配、亚像素边缘、工件计数、blob分析四个算法进行深入的介绍,包括各算法的底层实现原理以及实际工程中的实现方法,并针对各算法特点设计了对应的参数配置工具。同时重点对模板匹配的加速策略进行研究,并提出相应的搜索加速方法。(5)对本文所设计的面向机器人抓取的智能相机系统进行全面的测试,依次对所设计的系统以及算法进行测试,以验证其可行性,之后通过与机器人进行联调,从而实现了智能相机系统辅助机器手抓取的功能,从而验证了本文所述系统的可行性。
具有多传感融合的智能轮式机器人研究
这是一篇关于轮式机器人,多传感融合,自主导航,导航区域划分,动态负载调节,机器人抓取的论文, 主要内容为轮式结构是机器人常用的运动结构类型。相比于足式、履带式等结构类型,具有简单高效等特点。近年来轮式机器人的快速发展使其智能化程度不断提升,但仍然存在以下几个问题:(1)单传感方案无法满足复杂场景需求,多传感融合在高效性和传感器的种类、数量以及成本方面难以兼顾;(2)嵌入式设备的计算资源难以满足多传感融合算法;(3)具有自主导航和抓取功能的机器人难以实现精确控制。为此,本文针对上述问题开展以下研究:一、提出一种基于动态窗口算法(Dynamic Window Approach,DWA)的多传感融合自主导航控制算法。该算法将机器人导航区域依据导航区域重要性和传感器参数等特性划分,划分后的导航核心区域采用“激光雷达+”的多传感融合方案,非核心区仅使用激光雷达,以此提升多传感融合的效果,同时减少融合使用的传感器数量和数据处理的难度。二、提出一种多传感融合自适应调节算法。该算法引入动态负载调节机制,根据嵌入式设备的资源状况、多传感融合方案和算法复杂度等,自主选择最优的传感方案;该算法也可以设定负载调控策略,根据节能型、常规型和性能型等调控策略,自主选择合适的传感方案。三、为了验证本文提出的多传感融合算法以及自主设计的柔性机械臂性能,搭建具有抓取功能的轮式机器人。该机器人子系统包括:(1)基于机器人操作系统(The Robot Operating System,ROS)进行开发实现主控系统;(2)基于STM32设计和开发实现底层运动控制系统;(3)基于自主设计柔性机械臂和开发配套控制算法实现的抓取控制系统,并搭建一套基于6自由度(Six Degree of Freedom,6Do F)刚性机械臂的控制系统用于对比研究;(4)基于ROS设计和开发实现集语音、文字、视觉、图形化界面等交互形式于一体的智能交互系统。最后,将本文提出的算法部署到嵌入式平台上,并在非结构化环境下进行自主导航与抓取相结合实验。在搭建的两套平台上均能较好的完成自主导航和抓取任务,验证了本文提出的多传感导航算法和自主设计的柔性机械臂有效性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计货栈 ，原文地址：https://m.bishedaima.com/lunwen/48691.html
