基于立體視覺(jué)的串聯(lián)機(jī)器人跟蹤檢測(cè)系統(tǒng).pdf

1、串聯(lián)機(jī)器人已經(jīng)廣泛應(yīng)用在工業(yè)生產(chǎn)中的機(jī)械加工、焊接、裝配、表面噴涂、搬運(yùn)等作業(yè)。機(jī)器人在工作過(guò)程中，其末端操作器的位姿是體現(xiàn)串聯(lián)機(jī)器人運(yùn)動(dòng)狀態(tài)的重要參數(shù)，獲得機(jī)器人的位姿信息對(duì)機(jī)器人操作目標(biāo)尤為重要，同時(shí)，也是機(jī)器人視覺(jué)控制系統(tǒng)中視覺(jué)檢測(cè)環(huán)節(jié)的重要參數(shù)。串聯(lián)機(jī)器人具有多個(gè)自由度、運(yùn)動(dòng)軌跡復(fù)雜等特點(diǎn)，其末端操作器位姿的測(cè)量必須滿(mǎn)足多個(gè)自由度的測(cè)量。與傳統(tǒng)的檢測(cè)方法相比，視覺(jué)檢測(cè)能夠完成非接觸、智能、多個(gè)自由度測(cè)量。因此，本論文從機(jī)器視覺(jué)的

2、角度，設(shè)計(jì)基于立體視覺(jué)的串聯(lián)機(jī)器人跟蹤檢測(cè)系統(tǒng)，并通過(guò)對(duì)機(jī)器人在工作過(guò)程中跟蹤定位，測(cè)量機(jī)器人末端操作器，并對(duì)機(jī)器人位姿信息進(jìn)行計(jì)算與輸出。本文主要做了以下工作：
　　 首先設(shè)計(jì)了基于立體視覺(jué)的串聯(lián)機(jī)器人跟蹤檢測(cè)框架，用于串聯(lián)機(jī)器人在工作過(guò)程中對(duì)其進(jìn)行跟蹤及位姿檢測(cè)，通過(guò)該系統(tǒng)定位與檢測(cè)機(jī)器人的實(shí)時(shí)位姿。主要包括圖像視頻的采集與傳輸、攝像機(jī)標(biāo)定、機(jī)器人末端操作器的跟蹤、SURF算法特征點(diǎn)的提取與匹配、特征點(diǎn)的重建、串聯(lián)機(jī)器人的位

3、姿建模與求解。
　　 其次將CamShift算法引入到跟蹤檢測(cè)系統(tǒng)框架中，利用OpenCV實(shí)現(xiàn)了對(duì)串聯(lián)機(jī)器人操作器的實(shí)時(shí)跟蹤，搜索窗口在大環(huán)境下跟蹤鎖定機(jī)器人操作器并可以自適應(yīng)地調(diào)節(jié)窗口大小。系統(tǒng)基于CamShift算法跟蹤在空間工作中具有復(fù)雜性的串聯(lián)機(jī)器人，當(dāng)目標(biāo)發(fā)生部分遮擋時(shí)，也不會(huì)產(chǎn)生誤跟蹤。
　　 再次在串聯(lián)機(jī)器人位姿檢測(cè)中的特征提取和特征匹配步驟中引入SURF立體匹配算法，該算法以前尚未在該串聯(lián)機(jī)器人位姿視覺(jué)檢

4、測(cè)系統(tǒng)中應(yīng)用。SURF算法的特征提取與匹配作為系統(tǒng)的核心部分，首先在尺度空間極值檢測(cè)，確定關(guān)鍵點(diǎn)方向向量，生成SURF特征向量，利用SURF特征向量完成匹配。然后，將SURF匹配算法獲得特征點(diǎn)在每個(gè)攝像機(jī)系統(tǒng)下的2D坐標(biāo)，根據(jù)特征點(diǎn)重建模型獲得3D坐標(biāo)，最后根據(jù)建立的串聯(lián)機(jī)器人位姿模型，將3D坐標(biāo)轉(zhuǎn)化為求解φ，θ，ψ的多目標(biāo)優(yōu)化問(wèn)題。將改進(jìn)后的粒子群算法用于求解最優(yōu)目標(biāo)函數(shù)，并為機(jī)器人位姿測(cè)量提供了一個(gè)可行性方法。改進(jìn)的PSO算法主要加