随着机器人技术的不断发展,工业机器人的应用领域也大大扩展,已开始从传统的汽车制造、机械加工向五金、3C、家具等各个离散制造行业推广应用。考虑到在新兴制造领域中存在大量的小件装配需求,并且它们具有典型的多品种、小批量和短周期特点,因而该领域对工业机器人的易用性提出了极高的要求。机器人演示编程作为一种提高机器人易用性的重要途径,由于其可以有效简化机器人编程,因而成为了当前机器人领域中的研究热点。本文针对工业装配演示编程中的动作识别问题展开研究,考虑到装配动作识别的复杂性,本文从装配物体和操作手两个主体中提取特征描述装配动作,进而实现连续装配动作识别。本文具体的研究内容和成果如下:1.提出了改进的压缩跟踪算法。针对原压缩跟踪中目标尺寸和学习率均固定的问题,本文算法一方面通过利用带通道标记的随机稀疏测量矩阵从不同尺度图像形成的图像金字塔中采集低维Haar特征,从而获取不同尺度图像的特征描述,实现变尺寸的物体跟踪;另一方面在参数更新时引入归一化的颜色直方图描述目标,通过计算当前跟踪结果和跟踪目标的直方图巴氏距离判断跟踪目标是否被遮挡,并以此自适应地改变学习率参数。实验结果表明该算法能够应对小目标跟踪、尺度变化和遮挡等影响。2.提出了基于分层模型的多特征融合装配动作识别方法。在底层模型中,装配手势类型基于旋转不变特性的IHOG特征和Zernike矩特征识别,装配动作高度变化类型通过分析手的运动轨迹Z分量随时间的变化获取,而XY平面投影轨迹和装配物体平面运动轨迹则用于提取本文提出的平面轨迹方向直方图。高层模型将底层模型中的手势、高度变化类型以及平面轨迹方向直方图作为特征,结合Multi-class SVM分类器实现了装配动作识别。实验中该方法对包含放、贴、推、拧和提5类装配动作的视频识别正确率高达98%,与其他的动作识别方法相比,准确率更高,更加适合装配演示编程系统。3.提出了结合滑动窗口的分割点检测和基于迭代动态规划的识别优化的方法以实现连续装配动作分割与识别。考虑到装配动作分割和装配动作识别两个问题相互耦合,本文在多特征融合的动作特征描述基础上,首先利用滑动窗口法进行动作分割点检测,然后在该初值下,基于迭代动态规划的方法最大化装配动作识别置信度总和,同时优化分割点位置和动作数目。实验中该算法对连续动作视频的分割与识别结果以及该算法在装配演示编程系统中的成功应用,均表明了该算法具备有效性和实用性。