论文部分内容阅读
随着机器人技术的发展,连续体机器人的研究逐渐成为一个热点,采用位姿或形状信息进行反馈控制是实现连续体机器人实时、精确运动的必要条件。由于连续体机器人没有关节,无法运用编码器、电位计等传统传感器获得其位姿。针对以上问题,本文建立双目立体视觉系统,利用自组织映射(SOM)神经网络算法实现了连续体机器人三维形状检测。首先,建立连续体机器人的双目立体视觉系统,运用张氏标定法实现了单目相机的标定,得到左右摄像机较为准确的内部参数和畸变参数。根据立体视觉标定原理完成了双目视觉的立体标定,求出了左右相机的相对位置,包括右相机相对于左相机的旋转矩阵和平移向量。其次,在传统自组织映射(SOM)算法的基础上设计了连续体机器人形状检测的平面自组织映射(SOM)算法和立体自组织映射(SOM)算法。两种算法的区别在于立体自组织映射(SOM)算法聚类分析和三维重构交互进行,而平面自组织映射(SOM)算法先完成聚类分析再进行三维重构。为了评价算法的优劣,本文还介绍了自组织映射(SOM)算法的品质误差和拓扑误差。本文研究了主成分分析原理,通过对样本进行降维,提高自组织映射(SOM)算法运算效率。为了反映视觉检测的三维形状跟踪实际形状的能力,本文定义了平均位置误差。最后,本文根据双目立体视觉系统,针对连续体机器人进行形状检测。通过自组织映射(SOM)网络设计的实验,最终得到最佳设计参数,并用这些参数进行平面自组织映射(SOM)算法的实验和立体自组织映射(SOM)算法实验。相比之下,平面自组织映射(SOM)算法对连续体机器人形状的重构精度更高,效果更好,验证了该算法的优越性,本文通过靶标的识别验证了平面自组织映射(SOM)算法的形状检测准确性,平均位置误差能够达到21.24mm,相对误差为2.38%,并说明了该误差的主要来源为非对齐误差。