基于双目立体视觉的双臂协作机器人动态标定方法研究

基于双目立体视觉的双臂协作机器人在解决立体仓库散落零件识别抓取任务过程中的遮挡问题时,会因相机位姿变化而需要重新采集图像信息进行标定,其结果会受到外部环境因素的影响,使得标定精度降低,而架构无需重新标定的动态双目立体视觉系统可以有效解决该问题,故本文提出一种无需重新标定的动态双目立体视觉标定方法,通过在双臂机器人的两个协作机械臂上分别安装深度视觉模块,架构两个相机互为冗余的动态双目立体视觉系统,结合现有双目立体视觉标定方法和坐标系转换关系,仅在初始位姿标定一次即可推导出动态物像转换模型,得到动态基线与三维信息的函数关系,从而实现目标定位。实验结果表明,该方法能够有效降低动态环境下外部环境因素对双臂协作机器人标定结果的干扰程度,获得准确性较高的目标位置信息。

基于激光雷达增强的视觉SLAM多机器人协作地图构建方法的研究

针对光线强度对机器人视觉同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)建图信息量、时效性和鲁棒性影响大的问题,提出一种基于激光雷达(Light Detection And Ranging,LiDAR)增强的视觉SLAM多机器人协作地图构建方法。在地图构建过程中,将LiDAR深度测量值集成到现有的特征点检测和特征描述子同步定位与地图构建(Oriented FAST and Rotated BRIEF-Simultaneous Localization and Mapping,ORB-SLAM3)算法中,利用改进的扩展卡尔曼滤波算法将激光雷达的高精度数据和视觉传感器的时序信息融合在一起,获得单个机器人的位姿状态,结合深度图进行单个机器人稠密点云地图的构建;利用关键帧跟踪模型和迭代最近点(Iterative Closest Point,ICP)算法得到存在共识关系的机器人之间的坐标转换关系,进而得到各机器人的世界坐标系,在世界坐标系中实现多机器人协作地图的融合与构建。在Gazebo仿真平台中实验验证了方法的时效性和鲁棒性。