近年來,機械臂技術在各個領域應用的越來越廣泛。但是現(xiàn)有的果園采摘機械臂、工業(yè)生產(chǎn)機械臂等存在許多弊端。例如,有些機械臂配備較為落后的視覺系統(tǒng),甚至沒有應用視覺系統(tǒng),這些問題阻礙著機械臂的發(fā)展和應用。在實際應用中如何能增強機械臂系統(tǒng)的識別與定位能力、完成復雜任務的能力就成為了改進機械臂系統(tǒng)的關鍵問題。針對機械臂系統(tǒng)識別與定位能力的不足本文進行如下研究:目前,視覺系統(tǒng)與機械臂系統(tǒng)的傳統(tǒng)結合方式是將相機固定在一端進行識別與定位,由另一端的機械臂完成抓取任務。這樣的設計方法具有局限性,抓取的物體要根據(jù)相機的位置而固定。本文為了改善這種弊端,提出一種將深度相機固定在機械臂末端的識別與定位系統(tǒng),這種搭建方式可以根據(jù)目標擺放角度的不同進行多次、多角度的識別和定位,增加了系統(tǒng)的泛化能力和實用性。在識別方面,深度學習算法比基于特征匹配的傳統(tǒng)算法識別更加準確。所以本文提出將深度學習中的YOLO v3算法應用在系統(tǒng)中,并針對算法對小目標的識別不夠精準、識別框回歸不準確的問題做出改進。本文減少了YOLO v3基礎網(wǎng)絡的層數(shù),同時增加了多尺度特征提取結構,采用卷積核大小為（1×1）、（1×1+3×3）、（1×1... 

【文章來源】：長春理工大學吉林省

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

HERB機器人在美國的波士頓大學，Andreas等人運用3D點云算法和人工智能算法相結合的方

第1章緒論21.2國內(nèi)外研究現(xiàn)狀1.2.1國外研究現(xiàn)狀機械臂與機器視覺相結合的研究方式最早出現(xiàn)在上個世紀90年代，首次將視覺與機械臂結合的應用是在1991年，由Herve等人實現(xiàn)了將傳感信息從圖像空間直接映射到機械臂空間的控制方法[6]。而后在1995年，由Yoshimi等人使用無標定視覺的方式完成了視覺孔軸的裝備任務[7]。隨后數(shù)十年技術不斷成熟，將機械臂與視覺結合應用成為了機械臂技術發(fā)展的熱點方向。HERB(HomeExploringRoboticButler)機器人是美國卡耐基梅隆大學某團隊的研究成果，如圖1.1所示。機器人具備彩色視頻傳感器、深度傳感器等視覺傳感器。針對視覺與機械臂的結合，Berenson的團隊[8]對其進行二次開發(fā)，采用為機器人建立一個存儲大量3D模型的數(shù)據(jù)庫，通過機器人拍攝目標的RGB圖像，使用SIFT算法與數(shù)據(jù)庫中的模型進行特征匹配，匹配成功則完成目標的識別和定位任務。圖1.1HERB機器人在美國的波士頓大學，Andreas等人運用3D點云算法和人工智能算法相結合的方式完成機械臂的識別與定位任務，如圖1.2所示。首先，將視覺傳感器拍攝的目標的RGB圖像或者點云圖像作為系統(tǒng)的輸入，經(jīng)過算法處理生成大量的候選抓取位置，然后系統(tǒng)對候選抓取位置進行評估，最終得到可行的抓取位置，最后完成抓取任務。圖1.2Andreas等人的實驗平臺最為著名的是美國WillowGarage公司研制的PR2（PersonalRobot2）機器人，

第1章緒論3主要是由視覺系統(tǒng)、機械臂系統(tǒng)和底盤組成，如圖1.3所示。其在頭部配備了視覺傳感器、激光傳感器和RGB-D傳感器。同時，機器人具有兩個七自由度的機械臂和一個全方位移動底盤。機器人的主要任務是完成目標的識別、定位與抓取任務，為家庭服務提供極大的便利。圖1.3PersonalRobot2機器人由于PR2機器人在視覺與機械臂結合方面的出色表現(xiàn)，加州大學伯克利分校的Levine等人首次提出將強化學習算法等人工智能技術應用在PR2機器人上[9]。他的團隊使用策略搜索算法學習一些不同的抓取姿態(tài)和運動軌跡，使機器人能夠適應更復雜的工作環(huán)境。如圖1.4所示。圖1.4PR2機器人實驗平臺1.2.2國內(nèi)研究現(xiàn)狀由于國內(nèi)的機械臂技術起步較晚，所以國內(nèi)關于機械臂與機器視覺的研究無論是從應用、研發(fā)等方面都比美國、日本、歐洲這些在機械臂技術發(fā)達的國家略有差距。但是隨著我國對于機械臂技術研究的重視程度越來越高，同時為了響應國家的“863計劃[10]”，我國的自動化研究所、哈爾濱工業(yè)大學等許多高校開始對機器人領域進行探索，隨后便涌現(xiàn)出許多優(yōu)秀的研究成果。在2005年，我國醫(yī)療領域使用機器人是由東北大學的潘峰等人開創(chuàng)的，他的團隊使用機器視覺與機械臂相結合的方式完成腦外科手術[11]，與傳統(tǒng)的手術相比其能夠通過計算機和機械臂的幫助降低手術風險。其系統(tǒng)包括有計算機輔助規(guī)劃和引導系統(tǒng)、機器人和控制系統(tǒng)、機器視覺系統(tǒng)以及患者系統(tǒng)等四部分。整個手術過程是由視覺系統(tǒng)根據(jù)患者的情況在患者頭顱上定位四個標記，將機械臂的末端也固定上兩個標

【參考文獻】：
期刊論文
[1]工業(yè)機器人的應用現(xiàn)狀及發(fā)展[J]. 樸圣艮.  農(nóng)家參謀. 2019(23)
[2]養(yǎng)老服務機器人現(xiàn)狀及其發(fā)展建議[J]. 趙雅婷,趙韓,梁昌勇,孫浩,吳其林.  機械工程學報. 2019(23)
[3]一種協(xié)作型機器人運動性能分析與仿真[J]. 胡明偉,王洪光,潘新安,田勇,常勇.  智能系統(tǒng)學報. 2017(01)
[4]全面認識互聯(lián)網(wǎng)+,大力推進智能制造[J]. 楊海成.  機器人技術與應用. 2015(04)
[5]《中國制造2025》推動機器人發(fā)展[J].   機器人技術與應用. 2015(03)
[6]空間機械臂技術及發(fā)展建議[J]. 于登云,孫京,馬興瑞.  航天器工程. 2007(04)
[7]視覺定位腦外科手術機器人系統(tǒng)的坐標映射[J]. 潘峰,武威,楊軼璐,徐心和.  東北大學學報. 2005(05)
[8]國家863計劃新一代信息網(wǎng)絡研究的部署[J]. 趙慧玲.  電信技術. 2003(06)

博士論文
[1]在軌服務空間機械臂運動及任務規(guī)劃方法研究[D]. 曾岑.大連理工大學 2013

碩士論文
[1]基于裝配機器人雙目視覺系統(tǒng)的障礙物三維重建研究[D]. 傅豪.西安理工大學 2018
[2]基于快速SSD深度學習算法的機器人抓取系統(tǒng)研究[D]. 王欣.武漢科技大學 2018
[3]基于SSD物體檢測技術的機器人抓取系統(tǒng)研究[D]. 李亞男.吉林大學 2018
[4]采摘機器人目標識別及定位研究[D]. 王偉斌.西安理工大學 2017
[5]基于視覺感知的機械臂運動控制研究[D]. 劉詩釗.蘭州理工大學 2017
[6]6R機器人的運動規(guī)劃與仿真研究[D]. 王鵬.北京郵電大學 2017
[7]基于雙目視覺的伺服機械臂運動控制研究[D]. 于灝洋.大連理工大學 2016
[8]基于雙目立體視覺的工業(yè)機器人目標識別及定位研究[D]. 聶春鵬.長安大學 2015



本文編號：3620092