论文部分内容阅读
从工作场景中准确识别未知物体并对其进行智能抓取,是工业机器人领域中的热点问题之一。基于早期认知视觉的机器人智能抓取方法是一种针对环境未知、目标未知的机器人智能抓取方法,这种方法能提取出场景中的视觉特征—3D多模态轮廓,这种多模态轮廓能直接用来生成抓取动作,从而引导机器人进行准确抓取。基于早期认知视觉的机器人智能抓取方法需要研究的主要问题包括:(1)机器人抓什么;(2)怎样抓;(3)在哪抓。 针对第一个问题,也就是如何从工业场景中正确的识别出要抓取的目标,本文采用了一种利用早期认知视觉系统提取图像3D轮廓的方法。早期认知视觉是连接早期视觉和认知视觉的中间平台,通过早期认知视觉系统提取出图像的2D基元,2D基元是图片小块,有丰富的语义信息包括位置、方向、相位和三色值;再由两个立体图像的相一致的2D基元配对来构建3D基元,通过3D基元的共面性和共色性得到图像的3D轮廓。在Ubuntu10.04下,通过输入立体图片对,对这种方法进行了实验,实验结果表明此方法能将工业场景中的未知物体准确的识别出来,有效地保留了图像的必要信息并且具有强抗噪性。 在选定目标后,针对如何规划出适当的抓取策略这个问题,本文采用了一种基于3D多模态轮廓的二指抓取方法。二指抓取由一对具有共面性和共色性的3D“父基元”来定义,由一个3D位置和两个方向组成。这个3D位置就是手爪要到达的位置,两个方向是手爪的抓取方向。同时,本文根据实际场景定义了四种基本抓取动作,从而得到适当的“抓取假设”。用Covis软件对这些抓取假设进行仿真,仿真结果表明了此抓取方法的可行性和有效性。 得到适当的抓取策略后,针对如何引导机器人手爪到达合适的位置和方向,本文提出了基于kalman滤波的机器人无标定6自由度视觉伺服方法。利用kalman滤波原理在线估计图像雅克比矩阵,在此基础上设计了视觉控制律,从而计算机器人运动控制量,使机器人按照合适的姿态移动到要抓取的位置。6自由度机器人视觉定位仿真实验结果表明,该方法具有较高的定位精度。