基于雙目視覺(jué)的并聯(lián)機(jī)構(gòu)末端位姿檢測(cè)研究.pdf

1、并聯(lián)機(jī)構(gòu)及其并聯(lián)機(jī)器人具有剛性大、承載能力強(qiáng)、結(jié)構(gòu)穩(wěn)定、精度高、運(yùn)動(dòng)慣量小等優(yōu)點(diǎn)，被學(xué)術(shù)界廣泛關(guān)注。以3自由度為代表的少自由度并聯(lián)機(jī)構(gòu)具有結(jié)構(gòu)簡(jiǎn)單、靈巧度好、工作空間大、容易控制、造價(jià)低等優(yōu)點(diǎn)成為機(jī)器人研究的新熱點(diǎn)。在并聯(lián)機(jī)構(gòu)控制中，末端位姿是反映機(jī)構(gòu)運(yùn)動(dòng)狀態(tài)的重要參數(shù)，精確測(cè)得機(jī)構(gòu)的末端位姿可有效避免通過(guò)運(yùn)動(dòng)學(xué)模型解算所帶來(lái)的誤差，這將利于實(shí)現(xiàn)并聯(lián)機(jī)構(gòu)的高性能控制。在并聯(lián)機(jī)構(gòu)末端位姿檢測(cè)的研究中，由于檢測(cè)設(shè)備昂貴、檢測(cè)方法復(fù)雜以及檢測(cè)

2、范圍有限等原因，末端位姿檢測(cè)仍是難點(diǎn)。相對(duì)于其它檢測(cè)手段，機(jī)器視覺(jué)具有非接觸、適用性強(qiáng)、高性價(jià)比等優(yōu)點(diǎn)，尤其適用于具有運(yùn)動(dòng)多自由度、運(yùn)動(dòng)軌跡復(fù)雜、難以直接檢測(cè)的并聯(lián)機(jī)構(gòu)末端位姿檢測(cè)。
　　對(duì)于并聯(lián)機(jī)構(gòu)的末端位姿檢測(cè)問(wèn)題，采用基于機(jī)器視覺(jué)檢測(cè)方法的難點(diǎn)在于如何將視覺(jué)系統(tǒng)采集到的并聯(lián)機(jī)構(gòu)圖像經(jīng)過(guò)圖像處理后快速而精確地獲取該機(jī)構(gòu)的末端位姿信息。由于機(jī)器視覺(jué)算法復(fù)雜，光照變化、背景反光、噪聲干擾等外界因素會(huì)引起視覺(jué)系統(tǒng)的圖像匹配難以精確實(shí)

3、現(xiàn)，導(dǎo)致視覺(jué)檢測(cè)系統(tǒng)的速度和精度受到影響。
　　本文針對(duì)基于機(jī)器視覺(jué)的并聯(lián)機(jī)構(gòu)末端位姿檢測(cè)問(wèn)題，以一種新型3-DOF并聯(lián)機(jī)構(gòu)為研究對(duì)象，采用雙目視覺(jué)對(duì)該機(jī)構(gòu)末端位姿進(jìn)行檢測(cè)研究，并著重研究雙目檢測(cè)的立體匹配問(wèn)題，研究通過(guò)改進(jìn)和優(yōu)化雙目視覺(jué)立體匹配算法，在提高匹配算法實(shí)時(shí)性的同時(shí)，提高匹配的正確率，進(jìn)而使得位姿檢測(cè)的實(shí)時(shí)性和精度都得以提高。
　　本文主要研究?jī)?nèi)容如下：
　　(1)在如何保證新型3-DOF并聯(lián)機(jī)構(gòu)位姿檢測(cè)匹

4、配算法實(shí)時(shí)性方面展開(kāi)研究。解決匹配過(guò)程實(shí)時(shí)性差的問(wèn)題，關(guān)鍵在于降低匹配算法的復(fù)雜度。作為匹配算法的代表，SIFT算法不僅可以處理圖像之間發(fā)生平移、旋轉(zhuǎn)、尺度變換、光照變換下的匹配問(wèn)題，而且能在一定程度上對(duì)視角變化、仿射變化保持較為穩(wěn)定的特征匹配能力。然而傳統(tǒng)SIFT算法復(fù)雜度高，匹配過(guò)程耗時(shí)過(guò)長(zhǎng)。針對(duì)這一問(wèn)題，考慮新型3-DOF并聯(lián)機(jī)構(gòu)圖像是剛性圖像且存在多個(gè)角點(diǎn)，本文采用Harris-SIFT算法實(shí)現(xiàn)立體匹配，通過(guò)算法簡(jiǎn)單的Harri

5、s算子提取圖像特征點(diǎn)，再利用SIFT特征描述子對(duì)圖像進(jìn)行匹配，使得匹配結(jié)果兼具實(shí)時(shí)性和穩(wěn)定性；
　　(2)在如何提高新型3-DOF并聯(lián)機(jī)構(gòu)位姿檢測(cè)匹配算法精度方面展開(kāi)研究。在立體匹配過(guò)程中，由于錯(cuò)誤測(cè)量、錯(cuò)誤計(jì)算或錯(cuò)誤假設(shè)等原因，會(huì)導(dǎo)致匹配結(jié)果出現(xiàn)錯(cuò)誤匹配和誤差匹配的問(wèn)題。針對(duì)這一問(wèn)題，本文通過(guò)分格取點(diǎn)和提前取點(diǎn)驗(yàn)算臨時(shí)模型的方法提出一種改進(jìn)的RANSAC算法，以剔除Harris-SIFT算法存在的誤匹配點(diǎn)，在保證匹配算法實(shí)時(shí)性的

6、同時(shí)，提高匹配的正確率，從而提高機(jī)構(gòu)末端三維位姿檢測(cè)的精度。
　　(3)在新型3-DOF并聯(lián)機(jī)構(gòu)末端位姿求解方法上展開(kāi)研究。首先，采用線性針孔模型作為本課題的視覺(jué)模型，并根據(jù)zhang平面標(biāo)定法實(shí)現(xiàn)針孔模型的標(biāo)定，完成視覺(jué)模型攝像機(jī)參數(shù)的求解；然后，將采集到的并聯(lián)機(jī)構(gòu)圖像進(jìn)行去噪、特征點(diǎn)提取、基于Harris-SIFT算法的立體匹配，以及匹配提純等圖像處理；最后，根據(jù)新型3-DOF并聯(lián)機(jī)構(gòu)運(yùn)動(dòng)特點(diǎn)，建立機(jī)構(gòu)平臺(tái)的定坐標(biāo)系與動(dòng)坐標(biāo)系

7、，并設(shè)定機(jī)構(gòu)標(biāo)志點(diǎn)，將前期圖像處理得到的末端匹配點(diǎn)對(duì)帶入視覺(jué)模型，最終實(shí)現(xiàn)并聯(lián)機(jī)構(gòu)末端位姿的求解。
　　(4)構(gòu)建基于雙目視覺(jué)的新型3-DOF并聯(lián)機(jī)構(gòu)末端位姿檢測(cè)實(shí)驗(yàn)硬件平臺(tái)，并結(jié)合Visual Studio集成開(kāi)發(fā)工具和OpenCV視覺(jué)庫(kù)，完成新型3-DOF并聯(lián)機(jī)構(gòu)雙目檢測(cè)系統(tǒng)軟件開(kāi)發(fā)。在此基礎(chǔ)上，完成了基于雙目視覺(jué)的新型3-DOF并聯(lián)機(jī)構(gòu)末端位姿檢測(cè)實(shí)驗(yàn)。通過(guò)對(duì)比本文所提出方法與常規(guī)方法的實(shí)驗(yàn)結(jié)果，驗(yàn)證了本文所提出檢測(cè)方法的合