机器人对动态目标的抓取操作是一项具有创新性和挑战性的任务,要求机器人能够自主检测到运动目标,获取目标物体当前的位置并对运动目标的轨迹进行准确预测,在此基础上规划和控制机器人自身的运动从而实现对运动目标的成功抓取。本文针对七自由度机器人抓取动态目标的操作提出了整体方案,主要研究内容包括以下四个方面:(1)七自由度机器人建模。本文选择Rethink公司的Sawyer七自由度机器人作为研究对象,根据D-H方法定义机器人各关节的参考坐标系,计算相应的D-H参数,推导出机器人的运动学及动力学方程,并利用Matlab中的Robotics System Toolbox工具箱验证建模的正确性。(2)基于卷积神经网络的运动目标抓取框检测。通过双目视觉系统获得目标的运动图像,设计卷积神经网络结构并训练网络模型,利用预先训练的模型检测目标在图像中的抓取框中心位置并预测在该位置从不同角度进行抓取的成功概率,寻找适合机器人抓取的最优抓取框。在检测到的抓取框区域提取FAST特征点,获取左右相机图像之间的匹配。(3)基于视觉的目标定位和轨迹预测。根据图像特征匹配的特征点图像坐标结合相机空间操作(CSM)方法完成对目标的视觉定位,获得运动目标在机器人坐标系下表示的三维空间位置。CSM方法无需对相机参数进行提前标定,同时能够保证较好的定位效果,有效避免了传统视觉定位方法中相机标定精度不够引起的定位误差。利用物体运动的轨迹数据离线训练支持向量回归(SVR)模型用来表征物体的运动特性,将捕获的运动目标在机器人坐标系下的三维空间位置作为初始状态,利用支持向量回归模型进行目标运动轨迹的预测。(4)机器人的运动轨迹规划和跟踪控制。结合预测的目标运动轨迹对机器人的运动进行规划,根据七自由度机器人的运动学模型,将预测的目标位置通过逆运动学求解得到期望的机器人关节角度。考虑机器人的运动学和动力学约束,在机器人关节空间中规划二阶连续可导的轨迹曲线,保证机器人在抓取过程中的运动平稳性。然后设计基于动力学模型的计算力矩控制器,完成机器人的轨迹跟踪。在Matlab中进行了仿真,仿真的结果表明所设计的控制器能够保证机器人精确地沿着规划的轨迹运动,使得机器人成功完成运动目标抓取操作。