自動引導(dǎo)運輸車AGV（Automated Guided Vehicle）是現(xiàn)代化車間物流系統(tǒng)的核心裝備之一,擁有巨大的市場空間。一方面,市場現(xiàn)有的傳統(tǒng)的移動機器人沒有獨立的操作分揀功能,另一方面,純機械手式的搬運機器人只能夠在固定范圍內(nèi)實現(xiàn)抓取、搬運、裝配等動作,受工作空間限制。以全向輪AGV作為移動平臺并搭載機械手,它沿著磁條導(dǎo)航至平臺進行自動裝卸物料,使機械手以更適合的姿態(tài)完成指定的工作。論文開展全向輪AGV的導(dǎo)航與視覺抓取方法研究。RFID定位和磁導(dǎo)航中的PD算法補償對車體定位和運行路徑的準(zhǔn)確度進行校準(zhǔn),并進行導(dǎo)航定位試驗,提高運行導(dǎo)航運行的準(zhǔn)確度;AGV上六自由度機械臂為實驗對象,對物料的圖像進行圖像預(yù)處理,采用圖像去畸變和hu矩陣的方法解決分類抓取以及粘連問題,并進行抓取試驗,提高末端的吸盤定位并精確的抓取物料;根據(jù)AGV的功能需求,設(shè)計了全向輪AGV的整體方案,詳細(xì)闡述了 AGV運動及導(dǎo)航系統(tǒng)的設(shè)計與實現(xiàn)。為了解決在有限的工況中作業(yè),AGV本身靈活性不夠的運動問題,裝載麥克納姆全向輪,以解決在車間等內(nèi)部環(huán)境中AGV運動到工位,研究AGV的磁條導(dǎo)航方案及站點識別技術(shù)的結(jié)合策略... 

【文章來源】：長沙理工大學(xué)湖南省

【文章頁數(shù)】：97 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１?ＡＧＶ的銷量和安裝量??ＡＧＶ自動導(dǎo)引小車，屬于工業(yè)ＡＧＶ中的工業(yè)移動機器人范疇，也屬于特種ＡＧＶ??

?碩士學(xué)位論文???Ｉ?Ｉ?工規(guī)器人Ｉ?Ｉ?Ｉ特?ｆＷｌｆ§?乂?ＩＩ??｜?！?；??Ｉ?嘯■雖器人挪堊人?Ｉ?家度縣機茲人酸豫娜器人農(nóng)艦ｓ人！??圓ｍｕ國＿??ｘ？ｓｊ機茲人?并聯(lián)塋工ｉｍａ人?丨?感ｍ婪至機茲人?播貧類機器人??ｓ行手術(shù)ｍ＿人?Ｉ??學(xué)ｇｓａ塋機雄人教控塋機茲人?人?水下機３人?翟適灞？？人??１＿：愈５：顆戀１＾??Ｉ?ｉ?Ｉ??圖１．２ＡＧＶ的分類??超過７５％的工業(yè)ＡＧＶ視覺系統(tǒng)應(yīng)用在障礙物目標(biāo)檢測和目標(biāo)物料識別任務(wù)中，包??括提高生產(chǎn)效率、控制產(chǎn)品品質(zhì)、保證產(chǎn)品安全、采集產(chǎn)品資料等，分揀物料、機器人??運動躲避障礙物或集成在上述兩個過程中。目前，隨著日常生活中ＡＧＶ的廣泛應(yīng)用，??視覺系統(tǒng)對于ＡＧＶ而言越來越重要，可以說機器視覺系統(tǒng)的發(fā)展對整個ＡＧＶ技術(shù)的??發(fā)展起著至關(guān)重要的推動作用。??因為神經(jīng)網(wǎng)絡(luò)都具有良好的修錯能力，擬合能力以及自我學(xué)習(xí)能力，運用在非線性??的目標(biāo)檢測障礙物避障問題上，具有獨特的優(yōu)勢，使得ＡＧＶ磁導(dǎo)航行駛更加安全�？�??的來說，基于神經(jīng)網(wǎng)絡(luò)的視覺圖像的方法運用在避障與視覺抓取等方向上是未來的研究??重點。??１．２國內(nèi)外研究發(fā)展現(xiàn)狀??搭載機械臂的全向輪ＡＧＶ屬于復(fù)合型ＡＧＶ范疇，它是傳統(tǒng)的ＡＧＶ上加機械手的??手腳兩項功能集于一身的新型ＡＧＶ。在過去的ＡＧＶ定義中，一般工業(yè)機器人被稱為機??器人手臂（簡稱機械臂機器人），以取代人類胳膊的功能；復(fù)合式ＡＧＶ用于取代人的腿和??腳的功能。具有開發(fā)手和腳兩者結(jié)合的移動作業(yè)的能力。國內(nèi)外相關(guān)研究進展主要分為??以下兩部分：移動抓�。粒牵值难芯楷F(xiàn)狀；基于深度學(xué)習(xí)避障技術(shù)以及基于圖像處理

?碩士學(xué)位論文???第二章復(fù)合型全向輪ＡＧＶ建模??論文針對當(dāng)前復(fù)合式ＡＧＶ小車在工作過程中的導(dǎo)航避障和視覺抓取兩個方面，分??別從對ＡＧＶ小車和機械臂進行運動學(xué)建模。??２．１全向移動ＡＧＶ機械臂運動學(xué)建模??２．１．１機械臂連桿坐標(biāo)系建立??關(guān)節(jié)之間的位移關(guān)系可以簡化等價為兩個連桿之間的位移關(guān)系，本文Ｄ－Ｈ方法來??描述兩個關(guān)節(jié)之間的位移關(guān)系。Ｄ－Ｈ法是基于空間坐標(biāo)關(guān)系，來建立和描述各個關(guān)節(jié)之??間的相對位移關(guān)系的一種方法，如圖２．１所示為Ｄ－Ｈ法坐標(biāo)原理圖。??謂－??圖２．１?Ｄ－Ｈ法坐標(biāo)原理圖??從圖可以看出，在連桿ｉ＋１和連桿ｉ相互連接的關(guān)節(jié)Ａｉ＋１處建立坐標(biāo)系（ｘｕｙｕｚｉ），??根據(jù)連桿之間的關(guān)系［４Ｑ］，已知坐標(biāo)系（Ｘｉ，ｙｉ，Ｚｌ）固定在連桿ｉ上，所以當(dāng)關(guān)節(jié)ｉ＋１在轉(zhuǎn)動??的時候，連桿ｉ＋１將相對于連桿ｉ在運動，本文將按照以下的流程規(guī)則建立各個連桿之??間的坐標(biāo)關(guān)系式：??（１）?Ｚ軸的建立：將乙軸相對于ｉ關(guān)節(jié)的軸線規(guī)定為坐標(biāo)系ｚ軸。??（２）Ｘ軸的建立：將乂＾軸相對于乙＾軸，兩者滿足且Ｘｗ軸指向軸的方向規(guī)定??為坐標(biāo)系ｘ軸。??（３）?Ｙ軸的建立：通過右手法則確定ｙ軸的方向，即從ｘ軸彎向ｚ軸時，大拇指所指??１０??

【參考文獻】：
期刊論文
[1]基于TensorFlow的K-means算法的研究[J]. 李昱鋒,李建宏,文永明.  信息技術(shù)與網(wǎng)絡(luò)安全. 2019(05)
[2]特征增強的SSD算法及其在目標(biāo)檢測中的應(yīng)用[J]. 譚紅臣,李淑華,劉彬,劉秀平.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2019(04)
[3]基于DSSD的靜態(tài)手勢實時識別方法[J]. 周文軍,張勇,王昱潔.  計算機工程. 2020(02)
[4]帶移動底盤的機械臂控制系統(tǒng)設(shè)計[J]. 張占賓,李小堅.  工業(yè)控制計算機. 2018(09)
[5]基于改進BP算法在深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的研究[J]. 黃培.  機械強度. 2018(04)
[6]EM算法在極化合成孔徑雷達影像分類中的應(yīng)用[J]. 隋克林.  城市勘測. 2018(02)
[7]一個例子深度理解EM算法[J]. 彭玉兵.  贛南師范大學(xué)學(xué)報. 2018(03)
[8]一種數(shù)據(jù)增強和多模型集成的細(xì)粒度分類算法[J]. 蔣杰,熊昌鎮(zhèn).  圖學(xué)學(xué)報. 2018(02)
[9]基于深度學(xué)習(xí)的多視窗SSD目標(biāo)檢測方法[J]. 唐聰,凌永順,鄭科棟,楊星,鄭超,楊華,金偉.  紅外與激光工程. 2018(01)
[10]實時目標(biāo)檢測算法YOLO的批再規(guī)范化處理[J]. 溫捷文,戰(zhàn)蔭偉,凌偉林,郭燦樟.  計算機應(yīng)用研究. 2018(10)

博士論文
[1]面向機器人操作的目標(biāo)檢測與抓取規(guī)劃研究[D]. 郭迪.清華大學(xué) 2016
[2]雙向運動型視覺導(dǎo)引AGV關(guān)鍵技術(shù)研究及實現(xiàn)[D]. 喻俊.南京航空航天大學(xué) 2012
[3]空間機械臂抓取目標(biāo)的碰撞前構(gòu)型規(guī)劃與控制問題研究[D]. 叢佩超.哈爾濱工業(yè)大學(xué) 2009
[4]全方位移動操作機器人及其運動規(guī)劃與導(dǎo)航研究[D]. 蔣林.哈爾濱工業(yè)大學(xué) 2008

碩士論文
[1]基于機器視覺的汽車先進駕駛輔助系統(tǒng)中行人檢測技術(shù)研究[D]. 王永宏.浙江大學(xué) 2019
[2]全向移動自主跟隨機器人系統(tǒng)設(shè)計與實現(xiàn)[D]. 李玲.湖南大學(xué) 2018
[3]基于深度學(xué)習(xí)目標(biāo)檢測算法的應(yīng)用[D]. 杜鳳麟.安徽大學(xué) 2018
[4]基于改進的Mask R-CNN的車輛識別及檢測[D]. 白寶林.安徽大學(xué) 2018
[5]輪式移動機械臂設(shè)計與定位及路徑規(guī)劃研究[D]. 高恒.西安理工大學(xué) 2017
[6]模塊化六自由度機械臂運動學(xué)研究及其連桿尺寸優(yōu)化[D]. 張雷剛.安徽理工大學(xué) 2017
[7]透過工業(yè)4.0解析“中國制造2025”[D]. 侯晉珊.北京工業(yè)大學(xué) 2017
[8]基于深度卷積神經(jīng)網(wǎng)絡(luò)的道路場景物體檢測方法研究[D]. 孫貴賓.北方工業(yè)大學(xué) 2017
[9]夾抱搬運型AGV的設(shè)計與可靠性分析[D]. 羅雨佳.電子科技大學(xué) 2017
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別方法研究[D]. 段萌.鄭州大學(xué) 2017



本文編號：3020648