基于视觉伺服的机器人动态跟踪抓取技术研究

发布时间：2020-04-08 05:12

【摘要】：目标抓取是机器人最为典型的应用之一,而随机运动目标的跟踪抓取则是机器人目标抓取领域最具挑战性的课题,可显著提升机器人操作的效率、柔性以及人机或者多机协作能力,具有广泛的应用前景。视觉是机器人最为重要的感知技术之一,结合机器视觉与机器人控制的视觉伺服技术为随机运动目标的跟踪抓取提供了可行的解决方案。然而,当前的视觉伺服技术对于随机运动目标的跟踪抓取仍然存在明显不足,其核心问题在于对随机运动目标的跟踪抓取算法缺乏的实时性与鲁棒性。本文以视觉伺服技术为基础,围绕视觉引导下的随机运动目标的跟踪抓取这一主题,对视觉目标的跟踪以及机器人的跟踪抓取控制算法进行改进了深入研究。主要研究内容包括:研究了基于改进几何粒子滤波的视觉跟踪算法,提升了动态跟踪的实时性和鲁棒性。首先,通过边缘提取和形态学膨胀的方式,对特征点进行精简。然后,用HSV颜色特征替代原有的灰度值特征。最后,在每一次准确的跟踪后对目标模板按一定比例进行更新。通过OTB2015数据集的测试,改进后的算法将跟踪速度由45.68fps提高到52.71fps,中心位置误差由0.61提高到0.74。重构了运动目标物在三维空间中的位姿,使改进几何粒子滤波的视觉跟踪的结果能够用于机器人的伺服控制。采用RGB-D相机彩图与深度图相结合的方式对视觉跟踪结果进行三维重构。重构过程中为了提高目标物位姿的计算速度,没有重构整个点云信息,而是有针对性地选取目标物上少量点的深度信息,通过SVD分解得到目标物的位姿。建立了“远距离跟踪近距离拦截抓取”的机器人动态跟踪抓取策略,提升了机器人跟踪抓取的快速性。跟踪过程采用基于位置的视觉伺服(position based visual servoing,PBVS),并对PBVS中目标物的位姿进行预测和偏移,减少了跟踪过程中的机器人运动的滞后,降低了跟踪过程机器人本体遮挡目标物可能性。搭建了机器人视觉跟踪抓取实验平台,开展了一维直线运动、二维随机运动和三维随机运动三类运动目标物的跟踪抓取实验。实验结果表明,本文提出的基于改进几何粒子滤波运动目标跟踪抓取算法具有良好的实时性和鲁棒性,三维随机运动目标物的最大平移速度达到0.25m/s,最大旋转角速度达到70°/s。
【图文】：

视觉,场景,传送带,机器人

华中科技大学硕士学位论文-1(a)(b)。对于运动目标物跟踪抓取的实际应用主要还停留在流水 (d)。对于传送带上的动态分拣视觉往往只起到识别和定位的作用传送带上的编码盘完成。这就带来了机器人、视觉传感器以及传并且该抓取为开环抓取，目标物位置姿态发生变化或者传送带运导致抓取失败。(a) 机器人码垛 (b) 机器人分拣

视觉跟踪,复杂场景

(c) 移动机械臂动态装配 (d) 空间机械臂抓取 (c) 人机协作图 1-2 复杂场景视觉跟踪抓取1.3 国内外研究现状对于运动目标的跟踪抓取方面的研究以欧美为代表的国家开始得较早，一维传送带抓取已经有了较为成熟的应用[9-12]，目前的研究热点已经转向对多维运动目标的跟踪抓取，并且已逐步有了一些实际应用。我国对于运动目标各种抓取的研究较少，应用也主要集中在一维传送带上的跟踪抓取，对于多维运动目标的跟踪抓取的研究我国主要集中在航天领域的空间机械臂上。运动目标的跟踪抓取的研究热点主要集中在对于运动目标跟踪和预测以及机械臂轨迹规划和控制这两方面。1.3.1 运动目标跟踪和预测研究现状对于传动带上运动物品的视觉跟踪抓取，同济大学的张建等人[13]利用 SIFT 特征点训练 SVM 分类器实现对目标物的识别，然后通过卡尔曼滤波器估计对象的位置和方向来获得机器人的抓取区域，实现了对传送带上以 0.4m/s 速度运动的物品的抓取，该方法虽然可以做到目标物的快速识别。但是 SVM 分类器需要进行大量的离线训练才能达到
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242

【参考文献】