基于機器視覺的服務機器人智能抓取研究.pdf

1、作為機器人的一項重要能力,機器人的抓取歷經(jīng)數(shù)十年的研究,已經(jīng)取得了諸多成果,并在工業(yè)生產(chǎn)中取得了廣泛的應用,但家庭環(huán)境下服務機器人的抓取仍然遠未成熟。家庭環(huán)境的動態(tài)性和不確定性、幾十乃至上百種不同的目標物體、物體位姿的任意擺放、多個物體間的相互接觸與遮擋,都對服務機器人抓取的智能性提出了更高的要求。本文面向服務機器人對家庭環(huán)境下物體的智能抓取,以視覺為主要傳感器,針對機器人按照用戶指令識別并抓取指定物體的應用情境,對機器人智能抓取所涉及

2、到的主要問題,包括物體模型庫的創(chuàng)建、物體識別與六自由度位姿計算、抓取姿態(tài)生成以及運動規(guī)劃分別進行了研究,構(gòu)建了一套完整的智能抓取軟硬件系統(tǒng),本文的工作主要包含以下幾個方面:
　　(1)為了實現(xiàn)物體識別、位姿計算與抓取規(guī)劃,實現(xiàn)了一種便捷易用的物體三維建模方法,只需手持傳感器環(huán)繞物體采集20-30幀數(shù)據(jù),即可建立物體的完整三維模型,并自動計算模型的尺寸。利用這種方法,為20種不同材質(zhì)、不同形狀的物體建立了三維模型,構(gòu)成了物體模型庫;

3、
　　(2)利用局部不變特征,通過當前場景與模型庫中各模型的特征匹配實現(xiàn)物體識別,考慮到模型庫中的模型數(shù)量可能多達幾十甚至上百個,提出一種基于局部樸素貝葉斯最近鄰的由粗到細的物體識別算法框架,其計算復雜度僅隨模型庫中的模型個數(shù)對數(shù)增長;在物體識別的基礎上,綜合使用特征點的二維圖像坐標與三維空間坐標進行位姿計算,可以獲得物體的完整六自由度位姿,將該方法在一個公共數(shù)據(jù)庫上進行測試,平均平移誤差為1.70cm,平均旋轉(zhuǎn)誤差為3.23°,

4、均優(yōu)于已有的位姿計算算法ePnP;
　　(3)針對已有的多種抓取姿態(tài)生成方法僅能獲得有限的離散抓取姿態(tài)的問題,使用任務空間區(qū)域的概念,以物體為中心,形成對連續(xù)可抓取區(qū)域的完整表述,并根據(jù)物體識別與六自由度位姿計算結(jié)果生成末端執(zhí)行器的目標抓取姿態(tài),可以應對物體傾斜放置、相互接觸或遮擋的情況。為了提高生成的目標抓取姿態(tài)的可達概率,使用高斯混合模型對末端執(zhí)行器的可達方位進行建模,并利用該模型創(chuàng)建多棵目標樹進行機械臂運動規(guī)劃,提高了運動規(guī)

5、劃的效率。針對由全方位移動基與機械臂構(gòu)成的機器人在運動時的異步性,將移動抓取規(guī)劃中移動基的規(guī)劃與機械臂的規(guī)劃分開考慮,提出了一種基于工作空間最近鄰搜索的移動基目標位置確定方法,所得到的運動路徑更適合實際環(huán)境中機器人的移動抓取操作;
　　(4)構(gòu)建了服務機器人智能抓取軟硬件系統(tǒng),在模塊化思想下將上述各方法封裝為軟件模塊,并在實際環(huán)境中進行了大量的測試,實驗結(jié)果證明了上述各種方法的有效性。
　　本文所研究的模型庫創(chuàng)建、物體識別與