基于Kinect輔助的服務(wù)機器人抓取路徑規(guī)劃研究.pdf

1、隨著人們生活水平的提高以及人口老齡化的加重，服務(wù)機器人逐漸變成機器人發(fā)展的一個重要方向。由于服務(wù)機器人所處的家庭環(huán)境具有情景復雜、非結(jié)構(gòu)化等特征，服務(wù)機器人的抓取路徑規(guī)劃面臨著新的問題。本文以Baxter機器人為對象，基于Kinect深度相機提供的三維信息，設(shè)計了Baxter機械臂無障礙抓取路徑規(guī)劃系統(tǒng)，實現(xiàn)了機器人在家庭環(huán)境中的抓取任務(wù)。
　　首先，本文介紹了機器人操作系統(tǒng)(robot operating system，ROS)

2、的基本原理，并基于ROS平臺搭建了Baxter機器人的仿真和實驗系統(tǒng)。針對搭建的機器人系統(tǒng)的視覺傳感器Kinect，分析了其工作原理，建立了Kinect視覺坐標系統(tǒng)并進行了Kinect參數(shù)標定。對Baxter機器人本體，以左手臂為實驗對象，利用DH坐標法建立Baxter機器人的前向動力學，并運用基于奇異魯棒性逆的Newton-Raphson迭代方法求解機器人的逆運動學。
　　其次，針對Kinect獲得的原始深度信息存在的噪聲、空洞

3、和物體邊緣串擾等缺陷，在比較了常用的深度圖像濾波方法的基礎(chǔ)上，提出了改進的深度圖像修復算法。針對邊緣串擾錯誤信息，利用Canny邊緣檢測和形態(tài)學濾波方法標記出錯誤信息并去除。對可信區(qū)域的深度信息進行基于深度閾值的聯(lián)合雙邊濾波進行噪聲濾波。在彩色圖像邊界的引導下運用聯(lián)合雙邊算法對深度值無效點（“空洞”和錯誤邊緣）進行迭代修復，從而得到邊緣清晰的高質(zhì)量三維信息，并基于改善的三維信息生成八叉樹地圖(Octomap)用于機械臂路徑規(guī)劃。

4、　　再次，針對Baxter機械臂自由度高的特點，在最優(yōu)快速擴展隨機樹(optimal Rapidly-exploring Random Tree，RRT*)算法的基礎(chǔ)上，引入了懶惰碰撞檢測策略、改進的最近點選擇、路徑優(yōu)化以及智能采樣等方法進行算法改進，提高了路徑代價收斂的效率。將懶惰碰撞檢測策略運用在最近節(jié)點和最優(yōu)父節(jié)點選擇過程中，有效降低碰撞檢測次數(shù)。而改進的最近點選擇充分利用現(xiàn)有的規(guī)劃信息，在節(jié)點拓展和路徑優(yōu)化之間進行自適應(yīng)權(quán)衡。經(jīng)

5、過路徑優(yōu)化的節(jié)點作為智能采樣的偏置點，有助于節(jié)點在障礙物構(gòu)型附近精細采樣，從而進一步降低路徑代價。實驗證明改進的雙向最優(yōu)快速擴展隨機樹(Improved bidirectional RRT*，IB-RRT*)算法在保持較高的規(guī)劃成功率的同時，能夠更快地向最優(yōu)路徑收斂。
　　最后，根據(jù)Kinect提供的三維空間信息，運用IB-RRT*算法在模擬的環(huán)境中分別進行仿真和實驗，實驗結(jié)果驗證了本文提出的算法的有效性，能夠?qū)崿F(xiàn)機械臂在實際場景