基于視覺的6R工業(yè)機械臂運動規(guī)劃.pdf

1、隨著工業(yè)技術的不斷發(fā)展以及生產(chǎn)的需要，機器人技術已經(jīng)不僅僅局限于完成簡單的作業(yè)任務，同時還需要具有更強的適應性、靈活性、穩(wěn)定性、安全性等特性。本文對機械臂的研究的目標主要有兩個：其一是運動學方面的研究，對于機械臂的逆運動問題一直沒有一種固定的解決算法，如果找到一種可以快速處理機械臂逆運動問題的科學算法，就可以提高機械臂的工作效率，改善機械臂的實時性。其二是視覺算法方面的研究，如果要提高工業(yè)機器人自身的靈活性就需要與環(huán)境進行交互，對環(huán)境與

2、目標進行高精度的檢測和識別，一種合理的圖像處理方法可以極大提高視覺系統(tǒng)的圖像識別匹配能力與目標定位能力。本文的內(nèi)容也就是圍繞以上兩點進行研究：
　　首先對機械臂的運動學進行了研究，運用DH方法建立機械臂的數(shù)學模型，推導正運動學方程，接著通過運用人工蜂群算法對機械臂逆運動進行求解。該算法通過優(yōu)化BP算法的閾值加快神經(jīng)網(wǎng)絡收斂速度，將機械臂逆運動問題轉(zhuǎn)化為一類非線性多輸入多輸出問題。最后通過MATLAB軟件對機械臂的關鍵關節(jié)進行動態(tài)仿

3、真模擬，計算末端執(zhí)行器在到達指定空間坐標時各個關節(jié)的位移，結果表明機械臂仿真模型可以在合理的誤差范圍內(nèi)到達目標位置完成任務。
　　接下來在運動學建立的基坐標系基礎上，本文進行了視覺方面的研究。首先介紹了對單、雙目視覺定位原理，依據(jù)目標點在采集圖像上的像素坐標，通過運用坐標變換方法最終得到目標點的空間坐標位置。接著研究了SIFT算法在圖像處理中的應用，介紹了SIFT算法的各個相關概念，最后實驗性的將SIFT算法與神經(jīng)網(wǎng)絡結合，通過將