機器人抓取是完成搬運、分揀、裝配等任務中的關(guān)鍵步驟,目前機器人抓取的準確率受到未知物體信息、抓取規(guī)劃設(shè)計和動態(tài)環(huán)境等許多因素影響,導致對未知物體的自主抓取能力不能滿足應用要求。研究高效、準確、可復用性高的抓取方法,對于提高機械臂工作效率、降低生產(chǎn)成本具有重要意義。針對機器人面對未知物體難以實現(xiàn)有效抓取這一難題,本文進行了以下研究:(1)設(shè)計了基于Yumi機器人自主抓取硬件系統(tǒng),分析了相機坐標系和機器人坐標系的轉(zhuǎn)換,建立了深度相機的手眼標定模型和機器人運動學模型。(2)分析了基于抓取點質(zhì)量判斷卷積神經(jīng)網(wǎng)絡(luò)(GQ-CNN)的抓取規(guī)劃流程,設(shè)計了機器人夾具的四維姿態(tài)參數(shù)。針對GQ-CNN不能有效對復雜物體候選抓取點進行魯棒性評估問題,提出了一種改進型的多尺度抓取點質(zhì)量判斷網(wǎng)絡(luò)(GQ-CNN1),通過使用多個小尺度卷積核代替大尺度卷積核進行多尺度特征提取,提升了網(wǎng)絡(luò)對評估抓取點質(zhì)量的準確率。實驗證明改進的GQ-CNN1網(wǎng)絡(luò)性能優(yōu)于GQ-CNN,在一定程度上解決復雜環(huán)境下的物體抓取問題。(3)針對GQ-CNN1網(wǎng)絡(luò)無法有效對小物體候選抓取點進行魯棒性評估問題,提出了一種基于改進型的抓取點質(zhì)量判斷網(wǎng)絡(luò)(GQ-CNN2),通過將低層的特征信息與高層特征信息進行融合,減少因池化丟失的特征信息,從而提高網(wǎng)絡(luò)對小物體抓取點的準確判斷。實驗證明改進的GQ-CNN2網(wǎng)絡(luò)性能優(yōu)于GQ-CNN1和原始網(wǎng)絡(luò),可以較好解決復雜環(huán)境下的物體抓取問題。本文對機器人面對未知物體難以實現(xiàn)有效抓取這一難題,提出了應用深度神經(jīng)網(wǎng)絡(luò)的抓取點質(zhì)量判斷改進算法,實驗結(jié)果證明了算法的有效性,取得的成果對提高機器人的抓取準確率具有重要的意義。
【學位單位】：湘潭大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP242
【部分圖文】：

在 2020 年突破 380 萬臺�，F(xiàn)階段，機器人技術(shù)已經(jīng)廣泛用于工業(yè)生產(chǎn)和日常生活[1]中，如圖1.1 所示，在倉儲中對物體進行搬運、協(xié)助外科醫(yī)生完成手術(shù)和代替人在水下、太空等特殊環(huán)境中進行工作等等，這些應用無疑都需要機器人對目標物進行精確地感知和定位。但目前 90%以上的機器人還不具備對環(huán)境的感知能力，僅僅能夠代替人類進行簡單的勞動工作。高精度、高負載、高穩(wěn)定性、網(wǎng)絡(luò)化和智能性的機器人是未來發(fā)展的趨勢。（a）倉儲搬運 （b）協(xié)助外科術(shù) （c）特殊環(huán)境工作圖 1.1 機器人應用領(lǐng)域?qū)⒁曈X引入機器人抓取系統(tǒng)中，提高機器人對外部環(huán)境的感知能力，擴大機器人的使用范圍，在一定程度上緩解了在復雜環(huán)境情況下對機器人的需求問題[2]。視覺傳感器是一種復雜的傳感器，具有信息量大、可適用范圍廣、對使用環(huán)境限制條件少的特點。機器人抓取系統(tǒng)通過使用視覺傳感器，將機器人與視覺結(jié)合起來，通過對復雜環(huán)境的感知，能在非接觸性的條件下引導機械臂運動，提高了機器人的智能化。機器人抓取系統(tǒng)是集圖像處理、機器人和計算機等方面技術(shù)的綜合性系統(tǒng)，研究內(nèi)容包括機器人正逆運動學、模式識別、傳感信息處理和優(yōu)化理論等方面。

在 2020 年突破 380 萬臺�，F(xiàn)階段，機器人技術(shù)已經(jīng)廣泛用于工業(yè)生產(chǎn)和日常生活[1]中，如圖1.1 所示，在倉儲中對物體進行搬運、協(xié)助外科醫(yī)生完成手術(shù)和代替人在水下、太空等特殊環(huán)境中進行工作等等，這些應用無疑都需要機器人對目標物進行精確地感知和定位。但目前 90%以上的機器人還不具備對環(huán)境的感知能力，僅僅能夠代替人類進行簡單的勞動工作。高精度、高負載、高穩(wěn)定性、網(wǎng)絡(luò)化和智能性的機器人是未來發(fā)展的趨勢。（a）倉儲搬運 （b）協(xié)助外科術(shù) （c）特殊環(huán)境工作圖 1.1 機器人應用領(lǐng)域?qū)⒁曈X引入機器人抓取系統(tǒng)中，提高機器人對外部環(huán)境的感知能力，擴大機器人的使用范圍，在一定程度上緩解了在復雜環(huán)境情況下對機器人的需求問題[2]。視覺傳感器是一種復雜的傳感器，具有信息量大、可適用范圍廣、對使用環(huán)境限制條件少的特點。機器人抓取系統(tǒng)通過使用視覺傳感器，將機器人與視覺結(jié)合起來，通過對復雜環(huán)境的感知，能在非接觸性的條件下引導機械臂運動，提高了機器人的智能化。機器人抓取系統(tǒng)是集圖像處理、機器人和計算機等方面技術(shù)的綜合性系統(tǒng)，研究內(nèi)容包括機器人正逆運動學、模式識別、傳感信息處理和優(yōu)化理論等方面。

部分大型深度網(wǎng)絡(luò)對第一部分生成的候選框篩選，得出最優(yōu)抓取邊框。該方法是首次將深度學習引入機器人物體抓取檢測領(lǐng)域，并在 Cornell 數(shù)據(jù)集上取得傳統(tǒng)機器學習無法達到的準確率。圖 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獲得目標物體的感興趣區(qū)域，其次從感興趣區(qū)域之中隨機采樣圖片塊，圖片塊大小為夾爪寬度映射到圖像坐標上的寬度的 1.5 倍。然后使用在 ImageNet[18]預訓練過后的 Alexnet[19]網(wǎng)絡(luò)結(jié)構(gòu)作為特征提取，最后根據(jù)圖片塊在 0，10°，….170°各個角度的抓取成功率，選出最優(yōu)抓取圖片塊，其網(wǎng)絡(luò)結(jié)構(gòu)如圖 1.2 所示。
【相似文獻】

相關(guān)期刊論文 前10條

1 董詩繪;張雨新;鄭宏亮;牛彩雯;;基于Robotics Toolbox工業(yè)機器人工作空間的仿真與分析[J];裝備制造技術(shù);2019年10期

2 郭小寶;趙振;黃偉;賈志聞;;飲料生產(chǎn)線碼垛機器人的設(shè)計原理[J];裝備機械;2018年02期

3 許衛(wèi)斌;平雪良;應再恩;杜永忠;李正洋;;6R型串聯(lián)機器人工作空間快速求解方法[J];機械設(shè)計;2013年06期

4 段齊駿;機器人工作空間配置的可靠性規(guī)劃[J];機械科學與技術(shù);2004年02期

5 鐘勇,朱建新;一種新的機器人工作空間求解方法[J];機床與液壓;2004年04期

6 楊德榮,馮宗律;機器人工作空間快速可靠數(shù)值算法[J];機器人;1990年02期

7 王興海,周迢;機器人工作空間的數(shù)值計算[J];機器人;1988年01期

8 徐禮鉅,姚進;機器人尺度綜合的一種方法[J];機器人;1988年02期

9 陳懇,林建亞,路甬祥;機器人的自適應控制系統(tǒng)[J];機器人;1988年03期

10 郭明,周國斌;多關(guān)節(jié)機器人工作空間的分析與評價方法[J];機器人;1988年04期

相關(guān)博士學位論文 前10條

1 吳鴻敏;非參數(shù)化貝葉斯模型的機器人多模態(tài)感知與學習[D];廣東工業(yè)大學;2019年

2 曲家迪;基于視覺的擬人雙臂機器人自主協(xié)調(diào)操作研究[D];哈爾濱工業(yè)大學;2019年

3 楊劍;群機器人隊形控制及協(xié)同搜索方法研究[D];哈爾濱工業(yè)大學;2018年

4 陳賽旋;協(xié)作機器人零力控制與碰撞檢測技術(shù)研究[D];中國科學技術(shù)大學;2018年

5 梁樂;黏性橡膠拆垛機器人軌跡優(yōu)化及控制研究[D];哈爾濱工業(yè)大學;2018年

6 牟宗高;面向狹小空間作業(yè)的超冗余機器人軌跡規(guī)劃及控制研究[D];哈爾濱工業(yè)大學;2017年

7 王貴飛;基于義齒磨損性能測試的冗余驅(qū)動咀嚼機器人技術(shù)研究[D];大連理工大學;2018年

8 曾遠帆;基于空間相似性的工業(yè)機器人定位精度補償技術(shù)研究[D];南京航空航天大學;2017年

9 楊聚慶;面向智能制造的機器人位姿誤差動態(tài)修正技術(shù)研究[D];北京工業(yè)大學;2018年

10 王玉金;閉鏈弓形五連桿機器人翻滾運動生成研究[D];華中科技大學;2018年

相關(guān)碩士學位論文 前10條

1 成超鵬;基于改進型抓取質(zhì)量判斷網(wǎng)絡(luò)的機器人抓取系統(tǒng)研究[D];湘潭大學;2019年

2 向立清;用于航空發(fā)動機原位檢測的連續(xù)體機器人研究[D];南京航空航天大學;2019年

3 鄭法穎;基于二級反饋的機器人精度補償技術(shù)及應用[D];南京航空航天大學;2019年

4 張文靜;基于位移傳感器的工業(yè)機器人運動學標定技術(shù)研究[D];南京航空航天大學;2019年

5 王春明;協(xié)作機器人阻抗/導納混合系統(tǒng)框架與力控制研究[D];南京航空航天大學;2019年

6 肖亮;雙機器人協(xié)同自動鉆鉚控制方法與應用[D];南京航空航天大學;2019年

7 張學祥;六維微重力模擬平臺的建模與控制[D];南京航空航天大學;2019年

8 王龍飛;飛機結(jié)構(gòu)機器人自動制孔的誤差補償技術(shù)研究[D];南京航空航天大學;2019年

9 朱蘇緯;面向微電機的機器人協(xié)同裝配關(guān)鍵技術(shù)研究[D];南京航空航天大學;2019年

10 崔靚;基于激光構(gòu)圖的服務機器人定位導航系統(tǒng)設(shè)計[D];寧夏大學;2019年

本文編號：2888748