机器人抓取物体的三维位姿识别系统研究

发布时间：2022-01-16 07:04

　　近年来,为提高生产效率并降低人力成本,大量仓储物流厂商都要求增加相应的自动化分拣线,来实现自动分拣,自动检测货物等。其中实现对物体的自动识别和抓取系统,不仅具有理论研究意义,还由于其应用范围广泛而具有很高的实用价值,成为国内外众多专家学者研究的重点。本文深入研究了机器视觉在线检测、图像处理、机器人系统集成等相关技术,并以货架中物体的位姿识别为应用案例,设计开发了一套货架物体自动识别抓取系统。主要研究内容如下:首先,针对系统需要设计了硬件系统,设计搭建了完整的实验平台,为实验选取了6个常见的物体模型作为实验验证的材料,并组建了乘装物体的平台。通过对比分析实验室的两台机器人的优劣,为整个系统选定了执行抓取动作的UR5机器人,同时,综合分析市面上的三维相机的特点,选用了 RealSense F200作为实验相机,并将深度相机与机械手进行了结合,将机械手固定在了机器人末端,使得“手眼”结合为了一体,为确定货架上物体的姿态提供了前向运动学支撑。其次,对比分析了系统集成框架ROS与Player的优劣,根据本实验的特点选定了 ROS作为系统的整体框架。使用SURF算法对获取图像的位置进行了更精确的确... 

【文章来源】：天津科技大学天津市

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

图１－２?ＰＲ２平台实现抓取任务??Ｆｉｇ．?１－２?ＰＲ２?ｐｌａｔｆｏｒｍ?ｉｍｐｌｅｍｅｎｔｓ?ｇｒａｓｐｉｎｇ?ｔａｓｋ??－

齐货架捕获数据。这些捕获的数据被传回到笔记本电脑，使用视觉系统对图像进行??处理，确定物体在货架上的位置和方向。这些处理好的最终效应器位置被传递到ＰＲ２??平台，运动规划器计算将底座移动到货架所需要的路径，并同时跟踪脊柱位置，执行??错误冲突检查以确保ＰＲ２不会与货架相交。到达位置后将手臂位置和物体的位置发送??给抓取系统，执行抓取操作。抓取完成一个物体之后循环以上步骤直到将所有物体抓??取完成。??２．?Ｃａｒｌｏｓ?Ｈｅｒｎａｎｄｅｚ团队使用ＹＡＳＫＡＷＡ机器人完成物体抓取??图１－３?ＳＩＡ２０Ｆ机器人实现抓取任务??Ｆｉｇ．?１－３?ＳＩＡ２０Ｆ?ｒｏｂｏｔ?ｒｅａｌｉｚｅ?ｇｒａｓｐｉｎｇ?ｔａｓｋ??该团队的解决方案是基于工业机器人手臂、定制的手爪和３Ｄ相机，如图１－３所??示。对于机器人手臂，选择的是７自由度的ＳＩＡ２０Ｆ机器人，并安装在了水平轨道上，??由此产生的８自由度允许系统到达所有的既定位置，并且有足够的机动性来选择目标??对象。??４??

的Ｆａｓｔ?Ｒ－ＣＮＮ深层神经网络处理对象，并提取??对象的边界框。在处理物体位姿方面采用的Ｓｕｐｅｒ?４ＰＣＳ进行不可变形产品的姿态估??计，以使目标物体的过滤后的点云与物体的ＣＡＤ模型相匹配。??１．２．２国内发展现状??长期以来我国工业发展比较缓慢，当前在机器人自动抓取方面的应用集中在码垛??机器人码垛。系统指定其抓取的物体，相对处理比较简单，模块搭建相对落后。但我??国在自动分炼方面也以取得一些进步，逐步在向发达国家看齐。京东举办的仓储大赛??也在着力向自动抓取方面看齐，如图１－４所示为大赛中的自动仓储机器人。??图１－４仓储机器人??Ｆｉｇ．?１－４?Ｓｔｏｒａｇｅ?ｒｏｂｏｔ??１．３本文主要结构??第一章介绍了课题研宄意义和目的，并对当前的仓储过程中所面临的问题做了详??细分析，同时阐述了国内外对仓储过程的研宄现状，并对本文的组织结构进行了安排。??第二章将详细分析基于３Ｄ模型的物体位姿识别方法，阐述所面对的一些问题，??并详细分析机器人抓取物体的关键技术，完成整个系统运行流程的设计，并且将对实??验所用到的物体分割算法神经网络进行细致分析。??第三章从系统硬件着手，对场景进行了详细的设计，选取了实验所需的物体及乘??装物体的货架，同时将选取的ＲｅａｌＳｅｎｓｅ相机和实验室设计完成的机械手爪进行了紧??５??

【参考文献】：
期刊论文
[1]基于改进SURF算法的双目视觉测量系统研究[J]. 彭泽林,谢小鹏.  计算机测量与控制. 2018(08)
[2]基于SURF和Camshift的目标跟踪算法研究[J]. 李建建,王春阳.  长春理工大学学报(自然科学版). 2018(03)
[3]基于机器视觉的工业机器人标定方法研究[J]. 付贵.  南方农机. 2018(09)
[4]3D打印PLA/PCL复合材料的力学性能[J]. 苗剑飞,何雪涛,李飞,向声燚,刘晓军,杨卫民,焦志伟.  工程塑料应用. 2018(02)
[5]机器人手眼标定及其精度分析的研究[J]. 张洪瑶,李论,周波,陈松林.  组合机床与自动化加工技术. 2018(01)
[6]3D打印用PLA树脂的成分和拉伸性能分析[J]. 李真真,冯婧.  信息记录材料. 2018(03)
[7]基于机器学习的图像分割算法研究[J]. 刘燕,董蓉,李勃.  电视技术. 2017(Z4)
[8]基于KUKA机器人的电热水器内胆摘取系统的设计与研究[J]. 李道军,王玉闯,金建军,刘德平.  机床与液压. 2017(21)
[9]3D打印材料柔性PLA基本性能表征[J]. 程燕婷,孟家光.  纺织导报. 2017(11)
[10]卷积网络深度学习算法与实例[J]. 陈旭,张军,陈文伟,李硕豪.  广东工业大学学报. 2017(06)

博士论文
[1]图像特征提取方法及其应用研究[D]. 刘淑琴.西北大学 2016

硕士论文
[1]基于视觉的工件定位与抓取[D]. 杨厚易.西南科技大学 2018
[2]基于卷积神经网络与3D几何语义的室内场景理解研究[D]. 张晓明.北京交通大学 2018
[3]基于全卷积神经网络的图像分割算法的研究及应用[D]. 袁兵.电子科技大学 2018
[4]基于RealSense深度信息的枝上柑橘果实近景识别研究[D]. 朱新新.江苏大学 2017
[5]基于全卷积神经网络的全向场景分割研究与算法实现[D]. 翁健.山东大学 2017
[6]基于ROS的智能工业机器人系统的设计与实现[D]. 刘凤.中国科学院大学(中国科学院沈阳计算技术研究所) 2017
[7]基于卷积神经网络的立体匹配技术研究[D]. 陈拓.浙江大学 2017
[8]UR5型机器人的运动学分析与标定实验研究[D]. 蔡肖肖.浙江理工大学 2017
[9]基于强化学习的移动机器人路径规划研究[D]. 高慧.西南交通大学 2016
[10]基于卷积神经网络的图像语义分割[D]. 陈鸿翔.浙江大学 2016



本文编号：3592174