近年來,為提高生產(chǎn)效率并降低人力成本,大量倉儲物流廠商都要求增加相應(yīng)的自動化分揀線,來實現(xiàn)自動分揀,自動檢測貨物等。其中實現(xiàn)對物體的自動識別和抓取系統(tǒng),不僅具有理論研究意義,還由于其應(yīng)用范圍廣泛而具有很高的實用價值,成為國內(nèi)外眾多專家學(xué)者研究的重點。本文深入研究了機器視覺在線檢測、圖像處理、機器人系統(tǒng)集成等相關(guān)技術(shù),并以貨架中物體的位姿識別為應(yīng)用案例,設(shè)計開發(fā)了一套貨架物體自動識別抓取系統(tǒng)。主要研究內(nèi)容如下:首先,針對系統(tǒng)需要設(shè)計了硬件系統(tǒng),設(shè)計搭建了完整的實驗平臺,為實驗選取了6個常見的物體模型作為實驗驗證的材料,并組建了乘裝物體的平臺。通過對比分析實驗室的兩臺機器人的優(yōu)劣,為整個系統(tǒng)選定了執(zhí)行抓取動作的UR5機器人,同時,綜合分析市面上的三維相機的特點,選用了 RealSense F200作為實驗相機,并將深度相機與機械手進行了結(jié)合,將機械手固定在了機器人末端,使得“手眼”結(jié)合為了一體,為確定貨架上物體的姿態(tài)提供了前向運動學(xué)支撐。其次,對比分析了系統(tǒng)集成框架ROS與Player的優(yōu)劣,根據(jù)本實驗的特點選定了 ROS作為系統(tǒng)的整體框架。使用SURF算法對獲取圖像的位置進行了更精確的確... 

【文章來源】：天津科技大學(xué)天津市

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－２?ＰＲ２平臺實現(xiàn)抓取任務(wù)??Ｆｉｇ．?１－２?ＰＲ２?ｐｌａｔｆｏｒｍ?ｉｍｐｌｅｍｅｎｔｓ?ｇｒａｓｐｉｎｇ?ｔａｓｋ??－

齊貨架捕獲數(shù)據(jù)。這些捕獲的數(shù)據(jù)被傳回到筆記本電腦，使用視覺系統(tǒng)對圖像進行??處理，確定物體在貨架上的位置和方向。這些處理好的最終效應(yīng)器位置被傳遞到ＰＲ２??平臺，運動規(guī)劃器計算將底座移動到貨架所需要的路徑，并同時跟蹤脊柱位置，執(zhí)行??錯誤沖突檢查以確保ＰＲ２不會與貨架相交。到達位置后將手臂位置和物體的位置發(fā)送??給抓取系統(tǒng)，執(zhí)行抓取操作。抓取完成一個物體之后循環(huán)以上步驟直到將所有物體抓??取完成。??２．?Ｃａｒｌｏｓ?Ｈｅｒｎａｎｄｅｚ團隊使用ＹＡＳＫＡＷＡ機器人完成物體抓取??圖１－３?ＳＩＡ２０Ｆ機器人實現(xiàn)抓取任務(wù)??Ｆｉｇ．?１－３?ＳＩＡ２０Ｆ?ｒｏｂｏｔ?ｒｅａｌｉｚｅ?ｇｒａｓｐｉｎｇ?ｔａｓｋ??該團隊的解決方案是基于工業(yè)機器人手臂、定制的手爪和３Ｄ相機，如圖１－３所??示。對于機器人手臂，選擇的是７自由度的ＳＩＡ２０Ｆ機器人，并安裝在了水平軌道上，??由此產(chǎn)生的８自由度允許系統(tǒng)到達所有的既定位置，并且有足夠的機動性來選擇目標(biāo)??對象。??４??

的Ｆａｓｔ?Ｒ－ＣＮＮ深層神經(jīng)網(wǎng)絡(luò)處理對象，并提取??對象的邊界框。在處理物體位姿方面采用的Ｓｕｐｅｒ?４ＰＣＳ進行不可變形產(chǎn)品的姿態(tài)估??計，以使目標(biāo)物體的過濾后的點云與物體的ＣＡＤ模型相匹配。??１．２．２國內(nèi)發(fā)展現(xiàn)狀??長期以來我國工業(yè)發(fā)展比較緩慢，當(dāng)前在機器人自動抓取方面的應(yīng)用集中在碼垛??機器人碼垛。系統(tǒng)指定其抓取的物體，相對處理比較簡單，模塊搭建相對落后。但我??國在自動分煉方面也以取得一些進步，逐步在向發(fā)達國家看齊。京東舉辦的倉儲大賽??也在著力向自動抓取方面看齊，如圖１－４所示為大賽中的自動倉儲機器人。??圖１－４倉儲機器人??Ｆｉｇ．?１－４?Ｓｔｏｒａｇｅ?ｒｏｂｏｔ??１．３本文主要結(jié)構(gòu)??第一章介紹了課題研宄意義和目的，并對當(dāng)前的倉儲過程中所面臨的問題做了詳??細(xì)分析，同時闡述了國內(nèi)外對倉儲過程的研宄現(xiàn)狀，并對本文的組織結(jié)構(gòu)進行了安排。??第二章將詳細(xì)分析基于３Ｄ模型的物體位姿識別方法，闡述所面對的一些問題，??并詳細(xì)分析機器人抓取物體的關(guān)鍵技術(shù)，完成整個系統(tǒng)運行流程的設(shè)計，并且將對實??驗所用到的物體分割算法神經(jīng)網(wǎng)絡(luò)進行細(xì)致分析。??第三章從系統(tǒng)硬件著手，對場景進行了詳細(xì)的設(shè)計，選取了實驗所需的物體及乘??裝物體的貨架，同時將選取的ＲｅａｌＳｅｎｓｅ相機和實驗室設(shè)計完成的機械手爪進行了緊??５??

【參考文獻】：
期刊論文
[1]基于改進SURF算法的雙目視覺測量系統(tǒng)研究[J]. 彭澤林,謝小鵬.  計算機測量與控制. 2018(08)
[2]基于SURF和Camshift的目標(biāo)跟蹤算法研究[J]. 李建建,王春陽.  長春理工大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[3]基于機器視覺的工業(yè)機器人標(biāo)定方法研究[J]. 付貴.  南方農(nóng)機. 2018(09)
[4]3D打印PLA/PCL復(fù)合材料的力學(xué)性能[J]. 苗劍飛,何雪濤,李飛,向聲燚,劉曉軍,楊衛(wèi)民,焦志偉.  工程塑料應(yīng)用. 2018(02)
[5]機器人手眼標(biāo)定及其精度分析的研究[J]. 張洪瑤,李論,周波,陳松林.  組合機床與自動化加工技術(shù). 2018(01)
[6]3D打印用PLA樹脂的成分和拉伸性能分析[J]. 李真真,馮婧.  信息記錄材料. 2018(03)
[7]基于機器學(xué)習(xí)的圖像分割算法研究[J]. 劉燕,董蓉,李勃.  電視技術(shù). 2017(Z4)
[8]基于KUKA機器人的電熱水器內(nèi)膽摘取系統(tǒng)的設(shè)計與研究[J]. 李道軍,王玉闖,金建軍,劉德平.  機床與液壓. 2017(21)
[9]3D打印材料柔性PLA基本性能表征[J]. 程燕婷,孟家光.  紡織導(dǎo)報. 2017(11)
[10]卷積網(wǎng)絡(luò)深度學(xué)習(xí)算法與實例[J]. 陳旭,張軍,陳文偉,李碩豪.  廣東工業(yè)大學(xué)學(xué)報. 2017(06)

博士論文
[1]圖像特征提取方法及其應(yīng)用研究[D]. 劉淑琴.西北大學(xué) 2016

碩士論文
[1]基于視覺的工件定位與抓取[D]. 楊厚易.西南科技大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)與3D幾何語義的室內(nèi)場景理解研究[D]. 張曉明.北京交通大學(xué) 2018
[3]基于全卷積神經(jīng)網(wǎng)絡(luò)的圖像分割算法的研究及應(yīng)用[D]. 袁兵.電子科技大學(xué) 2018
[4]基于RealSense深度信息的枝上柑橘果實近景識別研究[D]. 朱新新.江蘇大學(xué) 2017
[5]基于全卷積神經(jīng)網(wǎng)絡(luò)的全向場景分割研究與算法實現(xiàn)[D]. 翁健.山東大學(xué) 2017
[6]基于ROS的智能工業(yè)機器人系統(tǒng)的設(shè)計與實現(xiàn)[D]. 劉鳳.中國科學(xué)院大學(xué)(中國科學(xué)院沈陽計算技術(shù)研究所) 2017
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的立體匹配技術(shù)研究[D]. 陳拓.浙江大學(xué) 2017
[8]UR5型機器人的運動學(xué)分析與標(biāo)定實驗研究[D]. 蔡肖肖.浙江理工大學(xué) 2017
[9]基于強化學(xué)習(xí)的移動機器人路徑規(guī)劃研究[D]. 高慧.西南交通大學(xué) 2016
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割[D]. 陳鴻翔.浙江大學(xué) 2016



本文編號：3592174