基于机器视觉的机器人抓取实验系统

针对工业机器人成本高、开源性差和维护困难等问题,设计了一种基于机器视觉的机器人抓取实验系统。该系统利用机器视觉、深度学习和路径规划等技术对目标工件进行识别、定位,并完成抓取任务。机器人系统在结构设计上采用串联结构,利用无刷直流电机作为机器人关节的驱动机构。为了解决工件识别与定位问题,利用Pytorch框架下的深度学习模型,对工件图像进行处理,并利用YOLOV3算法对工件进行识别;基于机器人操作系统(ROS)实现机器人6自由度的运动学求解与运动规划;完成了系统总体与软硬件设计,并验证了机器人抓取试验系统的有效性。该系统具有成本低、灵活性好和高可靠性等优点,软硬件完全开源,便于日常实验和教学,提升了学生的动手能力和创新能力。