论文部分内容阅读
工业机械臂作为国家工业自动化发展的基础核心装备,在汽车制造、航空航天、3C家电和物流快递等行业发挥着举足轻重的作用。在智能制造浪潮背景下,未来工厂必定是高度智能化、信息化和人机协作共融,机械臂面临的工作场景必定是动态的、混杂和不确定的。然而,当前机械臂在上述应用场景中存在着智能主动感知和安全自主交互能力不足,国内外在相关研究方向上没有可行的更好解决方案,仍存在着诸多关键问题急需解决。本课题以工业机械臂为研究对象,围绕其在混杂场景下自主避障动态路径规划与多目标视觉识别这一研究主线,逐步展开机械臂动态避障路径规划以及多目标视觉识别和3D位姿估计的深入研究和探索,旨在为解决机械臂自主作业涉及的若干关键技术问题提供新的思路和为工程产业化应用提供实践指导。针对现有快速搜索随机树(Rapidly-exploring Random Tree,RRT)规划算法在动态环境中不能够很好地解决机械臂自主避障静动态路径规划问题,提出了分别从节点拓展和轨迹优化平滑两方面改进基本RRT算法的静态避障路径规划方法Smoothly-RRT,提出了基于目标方向改进采样函数的Bi-RRT-Star动态路径规划算法,分别从连接策略、启发密集采样以及邻接节点的扩充三方面进行了改进,提出了启发式贪婪多步扩展算法,仿真和实验结果表明搜索速度和搜索效率上较Basic-RRT和Bi-RRT算法显著提高,平均规划时间更短,规划成功率更高,生成路径也更为平滑,能够在线动态规避全局环境中的规则和无规则的运动障碍物。针对国内外研究大小多目标共存的混杂场景位姿识别较少以及RGB-D传感器深度分辨率和视场范围存在的先天不足,提出了一种RGB-D传感器结合手眼相机混合配置的位姿识别方法,手眼相机被固定在机械臂末端执行器上,随机械臂移动近距离拍摄场景目标图像。提出了一种基于Kinect V2传感器的大目标表面弱纹理识别和3D位姿估计方法,可以快速鲁棒识别、定位环境下不同类型的大目标。针对视场内小目标无法被识别的问题,使用Kinect感知小目标周围的大目标,进而能够引导机械臂从初始位姿靠近小目标周围,利用机械臂末端执行器的手眼相机去感知识别小目标。将所提方法和两种主流位姿识别方法进行对比实验,验证了所提方法具有更小的位姿估计误差和更高的识别率,实现了机械臂混杂场景下对大小目标的精确识别与自动分拣。针对国内外研究混杂场景表面微小尺寸特征的目标位姿识别领域存在不足,同时为了解决当目标CAD模型和场景点云具有很大初始位置时,传统迭代最近点(Iterative Closest Point,ICP)算法无法得到全局最优解的难题,提出了一种基于低成本的单目视觉三维重建的混杂微小目标位姿自动识别方法,对三维重建获取到的场景点云依次进行去噪滤波、改进法向量估计、Color Signatures of Histogram of orientations(Color-SHOT)局部特征描述子生成、基于随机采样一致性(Random Sample And Consensus,RANSAC)算法和提出的偏远最近点(Remote Closest Point,RCP)算法在线场景点云和CAD模型两次粗匹配以及Levenberg Marquardt(LM)-ICP精配准,最终获得目标的精确位姿。对所提方法和两种主流位姿识别方法进行了对比实验,结果验证了所提位姿识别方法具有更小的位姿估计误差和更高的识别率,实现了机械臂基于单目相机对混杂场景微小尺寸目标零件的位姿识别和自动化分拣。设计并研发了一套机械臂混杂场景下多目标识别分拣与动态避障路径规划集成应用管理软件,在对该软件的需求进行简要分析的基础上,详细设计了综合软件管理平台的总体体系结构和各功能子模块,并通过在三种水管接头、连接件、垫片、螺栓和拟人障碍物以及人体动态手臂干扰组成的混杂场景下的多目标识别分拣与动态安全避障实际工程应用实例,表明了所提方法能够精确识别上述目标零件位姿,同时实现了在识别、抓取和分拣过程中及时安全规避静动态障碍物,进一步验证了本文提出的多目标位姿自动识别和自主动态避障路径规划方法的实用性及技术优越性。