基于機(jī)器視覺的服務(wù)機(jī)器人智能抓取研究.pdf

1、作為機(jī)器人的一項重要能力,機(jī)器人的抓取歷經(jīng)數(shù)十年的研究,已經(jīng)取得了諸多成果,并在工業(yè)生產(chǎn)中取得了廣泛的應(yīng)用,但家庭環(huán)境下服務(wù)機(jī)器人的抓取仍然遠(yuǎn)未成熟。家庭環(huán)境的動態(tài)性和不確定性、幾十乃至上百種不同的目標(biāo)物體、物體位姿的任意擺放、多個物體間的相互接觸與遮擋,都對服務(wù)機(jī)器人抓取的智能性提出了更高的要求。本文面向服務(wù)機(jī)器人對家庭環(huán)境下物體的智能抓取,以視覺為主要傳感器,針對機(jī)器人按照用戶指令識別并抓取指定物體的應(yīng)用情境,對機(jī)器人智能抓取所涉及

2、到的主要問題,包括物體模型庫的創(chuàng)建、物體識別與六自由度位姿計算、抓取姿態(tài)生成以及運(yùn)動規(guī)劃分別進(jìn)行了研究,構(gòu)建了一套完整的智能抓取軟硬件系統(tǒng),本文的工作主要包含以下幾個方面:
　　(1)為了實現(xiàn)物體識別、位姿計算與抓取規(guī)劃,實現(xiàn)了一種便捷易用的物體三維建模方法,只需手持傳感器環(huán)繞物體采集20-30幀數(shù)據(jù),即可建立物體的完整三維模型,并自動計算模型的尺寸。利用這種方法,為20種不同材質(zhì)、不同形狀的物體建立了三維模型,構(gòu)成了物體模型庫;

3、
　　(2)利用局部不變特征,通過當(dāng)前場景與模型庫中各模型的特征匹配實現(xiàn)物體識別,考慮到模型庫中的模型數(shù)量可能多達(dá)幾十甚至上百個,提出一種基于局部樸素貝葉斯最近鄰的由粗到細(xì)的物體識別算法框架,其計算復(fù)雜度僅隨模型庫中的模型個數(shù)對數(shù)增長;在物體識別的基礎(chǔ)上,綜合使用特征點的二維圖像坐標(biāo)與三維空間坐標(biāo)進(jìn)行位姿計算,可以獲得物體的完整六自由度位姿,將該方法在一個公共數(shù)據(jù)庫上進(jìn)行測試,平均平移誤差為1.70cm,平均旋轉(zhuǎn)誤差為3.23°,

4、均優(yōu)于已有的位姿計算算法ePnP;
　　(3)針對已有的多種抓取姿態(tài)生成方法僅能獲得有限的離散抓取姿態(tài)的問題,使用任務(wù)空間區(qū)域的概念,以物體為中心,形成對連續(xù)可抓取區(qū)域的完整表述,并根據(jù)物體識別與六自由度位姿計算結(jié)果生成末端執(zhí)行器的目標(biāo)抓取姿態(tài),可以應(yīng)對物體傾斜放置、相互接觸或遮擋的情況。為了提高生成的目標(biāo)抓取姿態(tài)的可達(dá)概率,使用高斯混合模型對末端執(zhí)行器的可達(dá)方位進(jìn)行建模,并利用該模型創(chuàng)建多棵目標(biāo)樹進(jìn)行機(jī)械臂運(yùn)動規(guī)劃,提高了運(yùn)動規(guī)

5、劃的效率。針對由全方位移動基與機(jī)械臂構(gòu)成的機(jī)器人在運(yùn)動時的異步性,將移動抓取規(guī)劃中移動基的規(guī)劃與機(jī)械臂的規(guī)劃分開考慮,提出了一種基于工作空間最近鄰搜索的移動基目標(biāo)位置確定方法,所得到的運(yùn)動路徑更適合實際環(huán)境中機(jī)器人的移動抓取操作;
　　(4)構(gòu)建了服務(wù)機(jī)器人智能抓取軟硬件系統(tǒng),在模塊化思想下將上述各方法封裝為軟件模塊,并在實際環(huán)境中進(jìn)行了大量的測試,實驗結(jié)果證明了上述各種方法的有效性。
　　本文所研究的模型庫創(chuàng)建、物體識別與