基于改进型抓取质量判断网络的机器人抓取系统研究

发布时间：2020-11-18 13:03

　　 机器人抓取是完成搬运、分拣、装配等任务中的关键步骤,目前机器人抓取的准确率受到未知物体信息、抓取规划设计和动态环境等许多因素影响,导致对未知物体的自主抓取能力不能满足应用要求。研究高效、准确、可复用性高的抓取方法,对于提高机械臂工作效率、降低生产成本具有重要意义。针对机器人面对未知物体难以实现有效抓取这一难题,本文进行了以下研究:(1)设计了基于Yumi机器人自主抓取硬件系统,分析了相机坐标系和机器人坐标系的转换,建立了深度相机的手眼标定模型和机器人运动学模型。(2)分析了基于抓取点质量判断卷积神经网络(GQ-CNN)的抓取规划流程,设计了机器人夹具的四维姿态参数。针对GQ-CNN不能有效对复杂物体候选抓取点进行鲁棒性评估问题,提出了一种改进型的多尺度抓取点质量判断网络(GQ-CNN1),通过使用多个小尺度卷积核代替大尺度卷积核进行多尺度特征提取,提升了网络对评估抓取点质量的准确率。实验证明改进的GQ-CNN1网络性能优于GQ-CNN,在一定程度上解决复杂环境下的物体抓取问题。(3)针对GQ-CNN1网络无法有效对小物体候选抓取点进行鲁棒性评估问题,提出了一种基于改进型的抓取点质量判断网络(GQ-CNN2),通过将低层的特征信息与高层特征信息进行融合,减少因池化丢失的特征信息,从而提高网络对小物体抓取点的准确判断。实验证明改进的GQ-CNN2网络性能优于GQ-CNN1和原始网络,可以较好解决复杂环境下的物体抓取问题。本文对机器人面对未知物体难以实现有效抓取这一难题,提出了应用深度神经网络的抓取点质量判断改进算法,实验结果证明了算法的有效性,取得的成果对提高机器人的抓取准确率具有重要的意义。
【学位单位】：湘潭大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP242
【部分图文】：

在 2020 年突破 380 万台。现阶段，机器人技术已经广泛用于工业生产和日常生活[1]中，如图1.1 所示，在仓储中对物体进行搬运、协助外科医生完成手术和代替人在水下、太空等特殊环境中进行工作等等，这些应用无疑都需要机器人对目标物进行精确地感知和定位。但目前 90%以上的机器人还不具备对环境的感知能力，仅仅能够代替人类进行简单的劳动工作。高精度、高负载、高稳定性、网络化和智能性的机器人是未来发展的趋势。（a）仓储搬运 （b）协助外科术 （c）特殊环境工作图 1.1 机器人应用领域将视觉引入机器人抓取系统中，提高机器人对外部环境的感知能力，扩大机器人的使用范围，在一定程度上缓解了在复杂环境情况下对机器人的需求问题[2]。视觉传感器是一种复杂的传感器，具有信息量大、可适用范围广、对使用环境限制条件少的特点。机器人抓取系统通过使用视觉传感器，将机器人与视觉结合起来，通过对复杂环境的感知，能在非接触性的条件下引导机械臂运动，提高了机器人的智能化。机器人抓取系统是集图像处理、机器人和计算机等方面技术的综合性系统，研究内容包括机器人正逆运动学、模式识别、传感信息处理和优化理论等方面。

在 2020 年突破 380 万台。现阶段，机器人技术已经广泛用于工业生产和日常生活[1]中，如图1.1 所示，在仓储中对物体进行搬运、协助外科医生完成手术和代替人在水下、太空等特殊环境中进行工作等等，这些应用无疑都需要机器人对目标物进行精确地感知和定位。但目前 90%以上的机器人还不具备对环境的感知能力，仅仅能够代替人类进行简单的劳动工作。高精度、高负载、高稳定性、网络化和智能性的机器人是未来发展的趋势。（a）仓储搬运 （b）协助外科术 （c）特殊环境工作图 1.1 机器人应用领域将视觉引入机器人抓取系统中，提高机器人对外部环境的感知能力，扩大机器人的使用范围，在一定程度上缓解了在复杂环境情况下对机器人的需求问题[2]。视觉传感器是一种复杂的传感器，具有信息量大、可适用范围广、对使用环境限制条件少的特点。机器人抓取系统通过使用视觉传感器，将机器人与视觉结合起来，通过对复杂环境的感知，能在非接触性的条件下引导机械臂运动，提高了机器人的智能化。机器人抓取系统是集图像处理、机器人和计算机等方面技术的综合性系统，研究内容包括机器人正逆运动学、模式识别、传感信息处理和优化理论等方面。

部分大型深度网络对第一部分生成的候选框筛选，得出最优抓取边框。该方法是首次将深度学习引入机器人物体抓取检测领域，并在 Cornell 数据集上取得传统机器学习无法达到的准确率。图 1.1 抓取矩形框表示Pinto[17]等人首先使用高斯混合背景算法获得目标物体的感兴趣区域，其次从感兴趣区域之中随机采样图片块，图片块大小为夹爪宽度映射到图像坐标上的宽度的 1.5 倍。然后使用在 ImageNet[18]预训练过后的 Alexnet[19]网络结构作为特征提取，最后根据图片块在 0，10°，….170°各个角度的抓取成功率，选出最优抓取图片块，其网络结构如图 1.2 所示。
【相似文献】

相关期刊论文 前10条

1 董诗绘;张雨新;郑宏亮;牛彩雯;;基于Robotics Toolbox工业机器人工作空间的仿真与分析[J];装备制造技术;2019年10期

2 郭小宝;赵振;黄伟;贾志闻;;饮料生产线码垛机器人的设计原理[J];装备机械;2018年02期

3 许卫斌;平雪良;应再恩;杜永忠;李正洋;;6R型串联机器人工作空间快速求解方法[J];机械设计;2013年06期

4 段齐骏;机器人工作空间配置的可靠性规划[J];机械科学与技术;2004年02期

5 钟勇,朱建新;一种新的机器人工作空间求解方法[J];机床与液压;2004年04期

6 杨德荣,冯宗律;机器人工作空间快速可靠数值算法[J];机器人;1990年02期

7 王兴海,周迢;机器人工作空间的数值计算[J];机器人;1988年01期

8 徐礼钜,姚进;机器人尺度综合的一种方法[J];机器人;1988年02期

9 陈恳,林建亚,路甬祥;机器人的自适应控制系统[J];机器人;1988年03期

10 郭明,周国斌;多关节机器人工作空间的分析与评价方法[J];机器人;1988年04期

相关博士学位论文 前10条

1 吴鸿敏;非参数化贝叶斯模型的机器人多模态感知与学习[D];广东工业大学;2019年

2 曲家迪;基于视觉的拟人双臂机器人自主协调操作研究[D];哈尔滨工业大学;2019年

3 杨剑;群机器人队形控制及协同搜索方法研究[D];哈尔滨工业大学;2018年

4 陈赛旋;协作机器人零力控制与碰撞检测技术研究[D];中国科学技术大学;2018年

5 梁乐;黏性橡胶拆垛机器人轨迹优化及控制研究[D];哈尔滨工业大学;2018年

6 牟宗高;面向狭小空间作业的超冗余机器人轨迹规划及控制研究[D];哈尔滨工业大学;2017年

7 王贵飞;基于义齿磨损性能测试的冗余驱动咀嚼机器人技术研究[D];大连理工大学;2018年

8 曾远帆;基于空间相似性的工业机器人定位精度补偿技术研究[D];南京航空航天大学;2017年

9 杨聚庆;面向智能制造的机器人位姿误差动态修正技术研究[D];北京工业大学;2018年

10 王玉金;闭链弓形五连杆机器人翻滚运动生成研究[D];华中科技大学;2018年

相关硕士学位论文 前10条

1 成超鹏;基于改进型抓取质量判断网络的机器人抓取系统研究[D];湘潭大学;2019年

2 向立清;用于航空发动机原位检测的连续体机器人研究[D];南京航空航天大学;2019年

3 郑法颖;基于二级反馈的机器人精度补偿技术及应用[D];南京航空航天大学;2019年

4 张文静;基于位移传感器的工业机器人运动学标定技术研究[D];南京航空航天大学;2019年

5 王春明;协作机器人阻抗/导纳混合系统框架与力控制研究[D];南京航空航天大学;2019年

6 肖亮;双机器人协同自动钻铆控制方法与应用[D];南京航空航天大学;2019年

7 张学祥;六维微重力模拟平台的建模与控制[D];南京航空航天大学;2019年

8 王龙飞;飞机结构机器人自动制孔的误差补偿技术研究[D];南京航空航天大学;2019年

9 朱苏纬;面向微电机的机器人协同装配关键技术研究[D];南京航空航天大学;2019年

10 崔靓;基于激光构图的服务机器人定位导航系统设计[D];宁夏大学;2019年

本文编号：2888748