改进RRT^(*)的6R机械臂运动规划研究

为解决6R机械臂在运动规划中路径搜索随机性强,成功率低,生成轨迹平滑性差的问题提出一种改进型渐进最优快速随机扩展树(RRT^(*))算法用于路径规划,并使用非均匀五次B样条函数结合遗传算法进行轨迹规划。首先对RRT^(*)算法进行改进,使用自适应目标偏置策略,局部节点拒绝策略和基于Sobol序列的滑动采样池策略以提高规划效率,然后,将非均匀五次B样条函数用于路径平滑,并结合遗传算法优化运行时间及冲击,从而实现轨迹优化,保证机械臂运行安全平滑且快速。仿真结果表明,机械臂成功避障并到达目标位置的同时各关节运动轨迹具有高阶连续性,且路径规划时间和机械臂运行时间均大幅缩短,最后通过实验验证了算法的有效性。

AKAZE与高斯混合模型相融合的运动目标检测算法

传统高斯混合模型在抖动干扰下无法取得理想的运动目标检测效果,但实际的各种复杂情况下摄像系统均会存在抖动。针对这一问题,文中提出一种抖动干扰下运动目标检测算法:首先利用基于AKAZE特征点匹配算法,进行动态图像精确配准,消除图像抖动,做出运动补偿;其次利用高斯混合模型对配准后的视频序列进行运动目标检测,然后利用三帧差分技术对检测出的运动目标轮廓进一步补偿;最后使用连通域分析补全运动目标。实验表明,本文提出的方法能够满足检测要求,可以在抖动干扰下有效检测出运动目标。

基于双目视觉的工业机器人运动学参数辨识

针对工业机器人绝对定位精度不高的现状,提出一种基于双目视觉辨识运动学参数的方法。首先,基于modified Denavit-Hartenberg参数建立机器人运动学模型;其次,规划机器人末端以多空间球形运动,采用双目视觉系统测量不同末端位置相对球心的实际距离,与理论距离对比构造相对距离误差函数;然后,使用粒子群算法迭代求解运动学参数误差,并利用正余弦策略和信赖域优化对粒子群算法进行优化,降低粒子群陷入局部寻优的可能性;最后,对运动学参数进行补偿并对比验证。实验结果表明:距离平均误差由1.1601 mm减少到0.2260 mm,精度提高了80.52%;标准差由0.6582 mm减少到0.1412 mm,精度提高了78.55%,验证了所提方法的高效性和实用性。