论文部分内容阅读
目前大多数机器人都是面对固定环境,重复完成固定任务。为了提高机器人的智能性和自主性,机器视觉技术被越来越多的应用到机器人领域。其中双目立体视觉技术,能够赋予机器人类似人眼的功能,实现目标识别与定位。因此,利用机器视觉技术提高机器人的智能性已成为研究热点。本文对基于双目视觉的机械臂抓取进行了研究。主要完成了下面的研究内容。机械臂的正、逆运动学的研究。首先要了解空间位姿描述,以及坐标系齐次变换,然后运用D-H(Denavit-Hartenberg)建模方法,建立UR5机械臂的运动学模型;接着需要对UR5机械臂的正运动学进行研究,得到UR5机械臂末端执行器的坐标系与UR5机械臂基座坐标系的关系;在此基础之上,进行UR5机械臂的逆运动学研究,即分析UR5末端执行器的期望位姿对应的各个关节转角。最后,利用MATLAB中的工具箱Robotics Toolbox进行正逆运动学仿真,分析仿真结果,判断对UR5机械臂正、逆运动学分析的正确性,以及所建立的模型的有效性。双目视觉系统的研究以及摄像机的参数标定。在了解双目摄像机成像原理的基础上,建立合理的成像模型。利用张正友标定法进行双目摄像机的参数标定,该方法已经封装成工具箱;利用MATLAB中的toolbox_calib工具箱完成相机的参数标定,以得到相机的内部参数,以及左右摄像机的相对位姿关系,并对标定结果进行误差分析,判断标定结果是否有效。目标识别。首先进行图像预处理的研究;然后,关于目标识别算法,主要分析SIFT和SURF两种模板匹配方法,在利用单应矩阵确定图像中目标物体所在的目标区域的基础上,与ORB算法进行实验对比,根据实验结果,从识别的稳定性和算法执行效率的角度,选择合适的算法,并对该算法进行改进。最后通过实验证改进算法的有效性。目标定位。首先对采集到的图像对进行立体校正;接着通过计算可以获得模板图像目标物体形心位置,进一步的,利用单应矩阵可获得左摄像机采集的图像中目标物体的形心位置。然后通过立体匹配找到该像素点在右摄像机采集图像中对应像素点,从而获得目标匹配点对的信息。在此基础上即可对目标物体形心进行三维重建,并通过实验验证三维重建的精度,最后依据二维和三维点对信息,以重投影误差最小为准求解目标物体的姿态信息,并经过实验验证所用方法的有效性。系统搭建和抓取实验。系统主要由ZED双目摄像机和UR5机械臂构成。在进行抓取实验之前,对于本文的眼在手系统,需要完成对应的手眼标定,获得摄像机坐标系到机械臂末端执行器坐标系的转换矩阵。在此基础之上,进行抓取实验,通过实验结果来验证本文所用方法的有效性。