仿人機(jī)器人抓取算法的研究與實(shí)現(xiàn).x課件

仿人機(jī)器人抓取算法的研究與實(shí)現(xiàn)隨著智能機(jī)器人在社會(huì)上的廣泛應(yīng)用,學(xué)術(shù)機(jī)構(gòu)以及工業(yè)界開始以仿人機(jī)器人作為研究平臺(tái),構(gòu)建適用于不同復(fù)雜場(chǎng)景的應(yīng)用,以促進(jìn)技術(shù)創(chuàng)新和社會(huì)經(jīng)濟(jì)的發(fā)展。目前,在未知環(huán)境中仿人機(jī)器人的抓取任務(wù)仍然是一項(xiàng)技術(shù)挑戰(zhàn)。首先,仿人機(jī)器人與工業(yè)流水線上固定在基座上的多軸機(jī)械操作手不同,它具有更加復(fù)雜的機(jī)械構(gòu)型,需要考慮運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)特性以保證其平穩(wěn)的完成任務(wù);其次,機(jī)器人要能探知自身終端執(zhí)行器的可達(dá)能力范圍,避免機(jī)器人去抓取不在其能力范圍內(nèi)的目標(biāo)時(shí),失衡摔倒;最后,機(jī)器人對(duì)未知場(chǎng)景理解和感知還包括了三維地圖的構(gòu)建,以及對(duì)目標(biāo)物體進(jìn)行識(shí)別和姿態(tài)估計(jì)。因此,仿人機(jī)器人抓取作為由多個(gè)模塊組成的復(fù)雜系統(tǒng),如何保證各個(gè)模塊高效執(zhí)行是亟待解決的難題。本文以仿人機(jī)器人NAO作為研究平臺(tái),針對(duì)在抓取任務(wù)中涉及的視覺(jué)與控制算法,設(shè)計(jì)了改進(jìn)的運(yùn)動(dòng)學(xué)模型,構(gòu)建了基于動(dòng)態(tài)能力圖的局部感知系統(tǒng),包含工作如下:(1)對(duì)于多連桿和多關(guān)節(jié)組成的仿人機(jī)器人,需要使用運(yùn)動(dòng)學(xué)模型描述其空間姿態(tài)的變化。傳統(tǒng)的建模方法以仿人機(jī)器人的軀干為中心,將機(jī)器人劃分成5條獨(dú)立的機(jī)械鏈分別求解,不適合描述機(jī)器人在動(dòng)態(tài)場(chǎng)景中抓取時(shí)的連續(xù)運(yùn)動(dòng)。本文提出一種改進(jìn)的運(yùn)動(dòng)學(xué)模型,包含了管理機(jī)器人全身關(guān)節(jié)和連桿的二叉樹結(jié)構(gòu)、正逆運(yùn)動(dòng)學(xué)的解決方案、雙足步行的設(shè)計(jì)以及手眼標(biāo)定的實(shí)現(xiàn)。(2)三維環(huán)境地圖和可達(dá)能力空間是機(jī)器人進(jìn)行局部環(huán)境感知的重要信息。本文在即時(shí)定位與地圖構(gòu)建(SimulaneouslyLocalizationAndMapping,SLAM)技術(shù)生成的包含位姿信息點(diǎn)云的基礎(chǔ)上,使用Octomap作為數(shù)據(jù)結(jié)構(gòu)構(gòu)建了三維環(huán)境地圖,并以概率的方式進(jìn)行動(dòng)態(tài)增量更新以排除采集數(shù)據(jù)中的噪聲影響。為了描述機(jī)器人的工作空間,本文提出一種動(dòng)態(tài)更新的能力圖構(gòu)建算法。該算法不僅能實(shí)時(shí)響應(yīng)機(jī)器人在連續(xù)運(yùn)動(dòng)時(shí)的位姿變化,而且能對(duì)場(chǎng)景中的障礙做出范圍上的自適應(yīng)。是靜態(tài)能力空間在仿人機(jī)器人應(yīng)用中的擴(kuò)展與改進(jìn)?；谏鲜鰞牲c(diǎn)算法上的創(chuàng)新,本文構(gòu)建了完備的仿人機(jī)器人動(dòng)態(tài)抓取系統(tǒng)。多模式的模板匹配算法被集成在系統(tǒng),幫助機(jī)器人獲取物體的類別和姿態(tài)。額外的立體攝像機(jī)固定于NAO機(jī)器人頭部,運(yùn)用手眼標(biāo)定技術(shù)建立了機(jī)器人坐標(biāo)系與相機(jī)坐標(biāo)系的統(tǒng)一關(guān)系,將物體位姿轉(zhuǎn)換到機(jī)器人坐標(biāo)空間內(nèi)。從而應(yīng)用逆運(yùn)動(dòng)學(xué)求解器求解出NAO機(jī)器人在期望位姿下的關(guān)節(jié)向量值,以此指導(dǎo)控制模塊對(duì)伺服電機(jī)配置。為了驗(yàn)證所提算法的有效性,針對(duì)上述研究?jī)?nèi)容,本文在機(jī)器人操作系統(tǒng)(RobotOperationSystem,ROS)框架中集成了仿人機(jī)器人抓取系統(tǒng)中涉及的控制和視覺(jué)模塊。一方面,根據(jù)場(chǎng)景中的識(shí)別出的物體,能夠推導(dǎo)出NAO機(jī)器人完成抓取的對(duì)應(yīng)關(guān)節(jié)配置;另一方面,通過(guò)可視化工具測(cè)試了在追蹤NAO機(jī)器人連續(xù)運(yùn)動(dòng)時(shí)能力圖的變化情況。實(shí)驗(yàn)結(jié)果表明,在機(jī)器人抓取物體的過(guò)程從傳感器中讀取的終端效應(yīng)器的位姿與目標(biāo)物體位姿之間的誤差在0.003m~2以內(nèi),滿足機(jī)器人抓取條件