论文部分内容阅读
随着科学技术的发展以及机器人应用领域的不断扩大,人们对机器人技术提出了更高的要求,不仅要求机器人实现常规的示教操作,也希望机器人具有更高的智能和更强的环境适应能力。图像是机器人感知环境的重要信息来源,多自由度机械臂的机器人系统是仿人机器人的重要组成部分,也是实现机器人操作的执行机构,将视觉信息同机器人控制相结合形成视觉伺服系统,使机器人具有同外部环境进行智能交互的能力,是当今机器人发展的一个主要方向和研究热点。本文以NAO机器人为操作平台,为进一步体现仿人机器人的智能性,对基于视觉伺服的仿人机器人抓取操作进行了深入的研究。在深入研究了大量相关文献的基础上,本文在NAO机器人本体上构建了机器人视觉伺服的抓取操作系统,主要针对目标物体的识别与定位及对目标物体抓取操作运动规划进行了研究与实现。首先,在对目标物体的识别与定位方面进行了以下两个方面的研究:第一,对目标图像的进行边缘检测,通过圆拟合得到高精度的质心坐标;第二,针对传统的单目视觉目标定位的精度很大程度上依赖于标定精度的问题,本文改进的采用BP神经网络得到目标质心坐标和目标相对于摄像机的坐标之间的关系,实验证明了采用改进的BP算法具有较快的学习能力和较好的定位精度。其次,在机器人手臂运动规划方面进行了两方面的研究:第一,建立了机器人手臂的D-H模型,并通过蒙特卡罗法计算机器人手臂可达空间;第二,在对多自由度机器人进行路径规划时,使用传统路径规划算法计算复杂度较高,本文采用快速扩展随机树算法进行路径规划,针对该算法规划出的路径缺乏可重复性的问题,本文将启发函数引入RRT算法中,实验结果表明,改进的RRT算法提高了路径规划的效率,保证了规划路径接近于最短路径,对同一任务规划具有一定的可重复性。最后,在系统的整体实现方面,本文阐述了机器人手臂操作的实现过程。对于已知任意摆放的物体,利用视觉提供的图像信息,通过训练好的BP神经网络得到目标物体的位姿,机器人自主对抓取操作进行规划。实验完成了对目标物体的抓取,验证了针对本文问题所采用理论及方法的正确性。