基于场景点云重建的移动焊接机器人作业轨迹提取方法

为保证移动作业焊接机器人能够在建筑、石化、船舶等非结构化场景中精准高效的完成作业,提出一种基于点云重建的焊接轨迹提取方法。焊接机器人变换作业场景后,首先通过深度相机实时检测引导标志物,明确作业范围和起点并重建场景点云。然后基于点云分割和边界提取算法获取焊缝点云轨迹,并提出一种焊接机器人位姿调整策略。最后,针对点云精度不足的问题,采用激光视觉传感器对焊缝进行精度修正,提取精确焊接轨迹。通过曲线焊缝场景实验,表明机器人运动平滑,焊缝轨迹提取误差小于0.5 mm,精度满足生产要求。

基元库构建思想的机器人动作与策略演示学习方法

为解决机器人演示学习过程中演示数据优化、动作与任务策略的存储调用问题,提出一种利用基元库思想的演示学习方法。动作学习采用专家拖动机械臂执行动作获取演示数据,利用高斯混合模型与高斯混合回归提升数据质量,由动态运动基元算法转换为基函数的权重值。策略学习将任务步骤创建为动作基元,向基元内添加得到的权重值并构建包含任务执行策略的基元名片,由基元组成基元库完成存储。执行任务时从基元库中有序调用基元,利用YOLOv5目标检测网络和AlexNet图像分类网络检测目标信息,匹配动作并泛化出具有原动作特征的新动作。该方法实现了从演示中学习动作与策略存储,根据实际目标组合合适动作完成任务。钢筋绑扎实验创建5个动作基元,通过专家演示学习10个动作,机器人利用动作基元库成功完成水平面与竖直面钢筋交叉点绑扎任务说明其有效性。

一种基于面结构光的刀具三维测量系统

提出一种基于面结构光的刀具三维测量系统。该系统由计算机、CCD摄像机、投影仪以及刀具转台组成。采用多频外差相移法对刀具包裹相位进行展开,并得出刀具的绝对相位。基于张正友标定法,提出采用50%灰度棋盘格和黑白棋盘格对CCD摄像机-投影仪标定的方法。在系统标定的基础上对刀具进行三维测量实验,得出刀具的三维点云,并重建出刀具的三维模型。实验结果表明,该系统能够准确的对刀具进行三维测量,为其他复杂刀具的测量奠定基础。

基于面结构光投影法的刀具几何参数测量研究

先进制造技术中高效切削刀具的几何形状与几何参数是否合理直接影响刀具的使用寿命以及产品的加工质量,针对这个问题,采用面结构光投影法对高效切削刀具的几何参数进行非接触式测量,此方法不仅能够准确重建出用于其几何参数测量的刀具三维模型,还能够直观反映刀具表面有无缺陷。主要对面结构光投影法基本思想、测量系统数学模型和点云旋转拼接进行了研究,并给出了刀具转台坐标系和CCD摄像机成像坐标系之间的变换关系,并对直柄麻花钻进行测量实验,实际结果测量结果的比较表明面结构光投影法可有效对刀具进行测量,且测量精度较高。

三维激光雷达-相机间外参的高效标定方法

在自动驾驶、移动机器人等领域,激光雷达与相机是常用的传感器,融合这两者的信息首先应该标定两者间的外参。本文在考虑平面移动机器人运动特点的基础上提出两阶段外参标定方法,在尽可能少的人为干预下实现快速标定。第一阶段,在机器人运动过程中同时估算激光里程计和视觉里程计,提取平移、旋转两种运动信息以修改的Kabsch算法初步估计外参中的旋转矩阵;第二阶段,以箱体三面相交组成的三面体作为标识物,优化点云中三面体边的投影点和图像中对应三面体边的距离,从而得到精确的外参。此两阶段方法效率高、无需专业设备,在少量人工干预下即可实现外参标定。最后,实验结果表明,在3个坐标轴上的平均误差仅为3.67、1.11、0.78 mm,在典型移动计算平台上相应的平均标定时间仅需约635 ms。

基于面元的机器人三维激光雷达室内实时定位和建图方法

为了满足室内服务机器人定位能力要求,在考虑室内环境结构化特征和激光雷达独特优势的基础上,提出了从雷达点云中提取面元表达环境以实现室内精确定位和建图的方法。对激光雷达的扫描线进行分割,通过计算分割段内各点的凸系数的连续性条件确定面元覆盖范围。定位和建图分为两个阶段,首先求解点云帧间运动,作为全局位姿的估计;其次对全局位姿进一步优化,依概率将帧面元融入地图。两个阶段均优化隐式移动最小二乘距离代价,而面元不确定模型则由激光雷达测量误差确定。最后,分别在空旷和狭窄两种场景下进行试验,结果表明,所提方法相对定位精度分别为0.022%和0.11%,地图一致性好、满足实时性要求。

基于模糊控制的移动机器人路径跟踪

建立了履带式移动机器人的数学模型.模仿人工驾驶过程中的预瞄行为,提出了一种移动机器人路径跟踪的模糊控制方法.用距离误差和预瞄角度误差作为控制量建立角速度控制器,实现对匀速行驶移动机器人的路径跟踪控制.LabVIEW仿真结果表明,提出的模糊控制方法能够保证移动机器人快速、准确的沿规划路径行驶,具有良好的鲁棒性.

面向光学检测中轨迹优化问题的遗传算法研究

在自动光学检测中,取像次数及轨迹直接影响着检测效率,而图像拼接法效率较低。将该问题分解为聚类及轨迹规划问题;提出了一种基于布尔矩阵编码的遗传算法实现聚类操作,该方法不但可保证个体均为局部最优,且通过修复策略可响应各项约束条件;而后提出了"两段式"遗传算法对取像位置容差和取像顺序进行组合求解,从而实现了取像位置及轨迹的优化过程。实验验证了算法所规划的取像位置及取像轨迹较传统算法均有所提升,可有效提高自动光学检测的效率。

基于视觉的非接触呼吸频率自动检测方法

针对生理健康监测领域的呼吸率检测舒适度及效率问题,提出了一种基于视觉的非接触式测量方法,该方法利用普通相机拍摄人体呼吸视频,并通过欧拉算法将呼吸时的胸腹运动位移加以放大,考虑人体胸腹区域位置提取准确度对呼吸率检测精度的影响,提出了基于光流信号提取呼吸区域的方法,利用光流算法将胸腹运动转化为光流信息并进行编码,将其显示为彩色图像形式,从中提取胸腹呼吸区域的像素亮度序列,从而得到呼吸波形信息,通过波峰检测获取呼吸率。最后,实验将本算法自动提取的呼吸信号与Embla N7000多导睡眠仪测量结果相比较,结果表明,本算法呼吸率检测平均误差为0.54次/min,具有较高的准确性。

BIM校正累计误差的激光里程计求解方法

建筑机器人室内作业过程中,如何实现里程计精确求解对后续的定位建图及精准作业有着至关重要的影响。针对传统同步定位与地图构建(SLAM)方法由于回环检测导致的准确性问题,提出了一种以建筑信息模型(BIM)数据校正激光里程计累计误差实现精准定位的方法。首先求解机器人初始时刻在BIM中的全局初始定位,其次提取三维点云关键点并转换其为二维点云,然后以轮式里程计数据为预测值求解帧间运动,最后结合BIM数据消除累计误差得到高精度里程计定位。实验表明:本方法在机器人初始定位、激光点云处理和消除累计误差的运动求解上具有良好的稳定性和准确性,初始定位误差小于2 mm,里程计偏移量误差控制在0.09%内,为建筑机器人精确建图提供了有力保障。

基于灰色预测—模糊逻辑的磁场测量采样技术研究

针对雷达速调管电磁聚焦系统磁场分布的检测要求,分析了检测位置控制模型。提出了一种基于灰色预测—模糊逻辑的磁场分布测量方法,解决了等间距测量条件下检测效率和检测精度之间的矛盾。实验结果表明,该方法能够使系统根据磁场强度变化缓急动态调整测量位置,取得了良好的测量控制效果。

基于LabVIEW的标签识别校验系统开发及应用

在传统的纸币包装装箱生产线上,产品标签和箱体标签的校验工作都是由操作人员人工完成的,劳动强度大且可靠性差。本系统以LabVIEW作为软件开发平台,自主开发了一套标签视觉识别校验系统,并利用DDE(动态数据交换)实现了和原工业组态系统之间的数据交互,大幅度提高了检测精度和检测效率。

基于模型约束的人体姿态视觉识别算法研究

针对移乘服务机器人对人体姿态识别高精度性的要求,以及现有的人体姿态识别方法在关节遮挡情况下识别精度低的问题,提出了一种基于模型约束的人体姿态识别算法,以解决移乘操作前机器人系统对人体关节空间坐标的精确提取。首先采用OpenPose算法识别彩色图像中未遮挡关节的像素坐标,通过对RGB-D相机的彩色图像与深度图像进行对齐,将关节像素坐标转换为3D坐标。然后依据人体模型相关参数以及未被遮挡关节坐标计算与之相连接的被遮挡关节的空间坐标,用于提高遮挡关节的识别精度。实验结果表明,所提出的算法在关节未遮挡时识别精度为92%,在关节遮挡时达到了90%。单帧计算平均用时约为190 ms,满足移动服务机器人操作的实时性要求。

一种康普顿光源柔性激光反射镜架的结构设计

设计了一种应用于康普顿光源激光光路精密调节系统的柔性激光反射镜架。该柔性激光反射镜架采用压电陶瓷电机驱动,通过机构中单自由度柔性铰链的弹性变形实现反射镜沿经度和纬度方向的两个转动自由度,实现对激光束入射角的精确调节。首先基于机构伪刚体模型,分别构建了机构运动学模型和输出刚度模型;然后利用有限元分析工具对机构理论位移和应力分布进行了仿真分析;最后利用视觉检测对镜架的可调节范围进行了实验验证。实验结果表明其经纬方向调节范围均在1.2°以上,柔性镜架各项参数设计合理,满足康普顿光源调节系统要求。

柔性阵列电容式触觉传感器设计与实验

针对现有柔性触觉传感器柔性差、结构和加工工艺复杂等问题,设计了一种可用于智能机器人和健康监测领域中的柔性阵列电容式触觉传感器。传感器由上电极层、下电极层和中间介电层构成,每个电极层上有多个平行带状电极,且上下层电极互相垂直,电极垂直交叉点形成阵列传感器单元。介绍了柔性阵列电容式触觉传感的理论基础和结构设计,并根据阵列结构建立了信号采集和处理系统。实验证明,该柔性阵列电容式触觉传感器和信号采集系统有很好的稳定性和准确性,可获得其表面的压力分布情况,并可在上位机中图形化呈现。

人体舒适度及翻身高度与各部位压力分布研究

在研究人体翻身与各部位压力分布问题时,翻身研究中两个最重要的考察因素为省力及舒适度。在确保舒适度的前提下,对翻身时间及人体受力情况进行研究并优化,采用ADAMS与实验相结合的模式,在自制气垫床基础上,受试者大量实验并通过软件提取有效的压力数值,从而提供仿真的基础数据,通过仿真证明实验的可行性,运用MATLAB工具箱对实验数据的拟合计算得到各部位力与翻身高度的关系式,分析拟合结果得到最优解,同时通过实验验证仿真结果的真实性及正确性,最终得出最合适的翻身时间、平躺时各部位的受力情况以及各部位不舒适的临界值,确定各部位的力范围。在保证舒适度的基础上,研究上半身各部位受力情况,确定合适的翻身时间,也为涉及人体翻身的研究提供了理论依据。

基于人体模型约束的步态动态识别方法

针对外骨骼机器人在人机交互、医疗康复中的人体运动步态准确识别问题,提出一种基于人体模型约束的步态动态识别方法。首先,利用AMS仿真软件建立不同运动的仿真模型,根据模型约束划分步态相位,并通过回归映射建立真实数据与仿真数据间的对应关系;然后,将柔性压力传感器采集的足底压力数据以及惯性测量单元采集的足部位移数据融合为足部运动数据,并根据动态变化结合模型约束条件动态分割运动数据,以判断步态相位;最后,搭建卷积神经网络(CNN)识别行走步态相位。实验结果表明,所提方法的行走动作步态平均识别准确率为94.58%,上、下楼梯动作的平均步态识别准确率分别为93.21%和94.64%,与未经动态分割的足底压力数据的步态识别相比,分别提高了11.34、12.19和16.03个百分点。可见,通过经动态分割的足部运动数据进行CNN识别具有较高的准确率,且适用于不同动作的步态识别。

基于柔性压力传感器的睡姿识别方法研究

目前使用的睡姿识别系统存在泄露隐私、束缚人体以及识别精度不高等问题,难以实现临床应用。为了提高睡姿识别的实用性,使用自主开发的柔性压力传感器无束缚采集六种睡姿图像,提出了一种基于支持向量机(SVM)并使用遗传算法(GA)进行关键参数优化的睡姿识别方法。实验表明:提出的方法能准确识别人体睡姿,平均识别准确率可达93.3%,在临床护理领域具有良好的应用前景。

基于面结构光的工件内壁点云旋转拼接研究

针对某些工件内部空间有限、测量困难的问题,提出了一种基于面结构光的点云旋转拼接方法。介绍了面结构光单一视野的重建方法,采用四步相移与互补格雷码结合的方法获取绝对相位值,通过多项式拟合法对相机、投影仪进行标定。基于机械臂末端腕关节旋转平面(简称:旋转平面)对点云的配准进行了研究,提出了基于辅助相机的标定方法,给出了相机成像坐标系和旋转平面坐标系之间的变换关系。实验结果表明:该方法适用于工件内壁测量,拼接平均误差不大于0.05 mm,满足实际应用需求。

睡眠中逐次心跳周期的无束缚提取方法研究

针对无束缚睡眠监测的迫切需求以及现有心率和心跳周期提取方法获取生理信息有限、缺乏临床价值或需要关于生理信息的先验知识等问题,基于心冲击(BCG)提出了一种改进的实时心率和逐次心跳周期提取方法。该方法利用固定于床侧的加速度传感器采集BCG信号,并通过改进的心跳周期函数从BCG信号中得到心跳周期序列;为解决序列中出现错误心跳周期的问题引入心跳周期估计的概念,根据心跳周期估计值并通过心跳候选值和其位置差值结合,从心跳候选值及位置构成的矩阵中得到逐次心跳周期。通过对比实验,将本方法与心电图得到的心率和心跳周期相比较,结果表明本方法提取心率的准确率不低于98.72%,两种方法获得的逐次心跳周期95.64%在一致性界限之内,验证了其准确性和一致性。