基于局部特征的位姿求解算法

为提高点云数据配准精度,更准确获取目标物体位姿信息,提出一种基于局部特征的多源数据匹配位姿求解方法。首先,通过3D深度相机获取模型三维点云数据,并根据梯度阈值算法从大量点云数据中得到物体表面梯度值;其次,使用L+边界提取算法提取物体边缘轮廓特征信息,再遍历实体大量点云数据求解二维轮廓特征值,从而对输出的轮廓特征数据建立特征数据库;最后,对获取的点云数据特征进行数据处理,通过Hu矩匹配算法找到相对应的数据源后再由F-ICP匹配算法获取模型位姿。结果表明基于局部特征的多源数据匹配算法可以有效对点云数据进行位姿计算,匹配精度得到提升。

基于共面4点的机器人位姿求解及其不确定性分析

针对工业机器人视觉伺服控制系统的位置定位问题,提出了一种采用共面4点的单目机器人视觉系统的摄像机位姿求解方法。为评价这种单目机器人视觉系统的定位精度,对定位不确定性的评定方法进行了研究,并在深入分析机器人视觉系统平面定位精度不确定性的基础上,提出将极大似然抽样一致性与上述位姿求解方法相结合,以改善机器人的定位精度。实验证明,该方法在抗噪声能力、对外点稳定性方面优于传统的最小二乘法,有利于提高视觉系统的定位精度和鲁棒性。

基于多线结构光的电池阵列位姿测量技术研究

获取机械手与电池阵列平面相对位姿是机械手对电池阵列平面自动操作的前提。针对多片状拼接特点的非合作电池阵列测量目标,提出了一种基于多线结构光的电池阵列平面位姿测量方法。该测量法采用多线结构光获取电池阵列上激光光条的图像,在图像中提取光条中心直线并进行短直线信息融合,依据不同光条之间的几何约束关系识别出直线组,进而基于直线组上的特征点求解相对位姿。在图像处理过程中,为快速获取高精度光条中心直线,提出了一种基于主成分分析与RANSAC相结合的光条中心直线提取方法。经实验验证,所提光条中心直线提取方法,精度与Steger算法相近,速度约为Steger算法的3倍;所提短直线信息融合方法能够改善位姿求解精度;所提测量方法求解的相对位置误差小于4.6 mm,相对姿态角误差小于2°,满足实际工程应用需求。

基于近红外单目相机的目标定位系统实现

近红外下的单目相机定位具有突出的成本优势与广泛的应用价值。搭建了近红外单目相机系统,研究一种稳定的在近红外光下的目标定位方法,并基于C++开发语言编写软件完成算法实现。软件界面基于Qt5,支持跨平台部署。

面向高变倍场景的变电站巡检机器人云台相机对准方法

受导航误差和机械磨损等因素影响,变电站巡检机器人在自主巡检时的停靠位姿偏离预置位姿,导致其云台相机在高倍变焦抓图时出现目标设备不在图像内以及聚焦失败等问题。因此,提出一种面向高变倍场景的变电站巡检机器人云台相机对准方法,使巡检机器人相机能够精确对准到预置位姿,以拍摄与模板图像一致的高质量巡检图像。首先,建立巡检机器人位姿与像素误差之间的关系模型;然后,基于构造的变电站空间布局假设条件,提出机器人相机位姿误差的近似解法;最后,对相机位姿误差进行正交解耦,使用提出的折半对准控制方法校正相机位姿误差。在巡检机器人真型平台上开展相机对准试验,结果表明,相较于仅调整云台姿态的传统相机对准方法,该方法在高变倍巡检场景中表现出更高的巡检覆盖率、准确率以及更低的巡检图像像素误差。

三维医学标定物中标记点的识别和匹配方法

脊柱外科手术机器人的二维导航方案可利用三维标定物拍摄正侧位方向的两张二维X线图像进行三维重建,完成患者空间注册后,利用手术工具在患者解剖图像上的实时投影达到导航目的。其中,图像标志点提取和匹配是完成患者注册的重要环节,二维医学影像空间与三维患者手术空间匹配的精度直接影响整个手术导航系统的精度。鉴于在复杂背景中稳定提取标记点的难度,提出一种在二维X线图像中自动识别和匹配三维标定物中标记点的方法,以便用于之后进行准确的三维重建。识别方法融合了形态学处理技术与椭圆拟合技术,自适应匹配算法通过选取特定的非共面点并运用位姿求解算法,实现了3D至2D位置的精确匹配。这种方法适用于多种标记点排列,大幅提升了系统的自适应性和操作的灵活性。

工业机械臂多工位作业下的视觉对准技术研究

为实现工业机械臂多工位作业下末端工具与工件的精确对准,提出了一种基于单目视觉的对准技术。首先利用系统标定建立起各坐标系之间的位置关系。其次,设计了一套合作靶标,将其布置在各个工位的对准目标附近,通过离线测量,获取示教对准下靶标的期望位姿,以此建立对准目标任务表。在多工位在线作业阶段,视觉系统实时识别并测量当前工位下的靶标及其位姿,依据任务表的期望位姿,获得位姿偏差,并通过系统标定建立的坐标映射,将偏差量解算为机械臂的运动数据,从而驱动机械臂末端进行位姿调整,最终实现末端工具与对准目标的精确对准。搭建了螺纹旋拧和抓手夹持多工位试验平台,同时进行了精度验证试验,结果表明测量距离约260mm处,位置精度在X、Y方向达到0.1mm,Z方向达到0.2mm,角度误差优于0.1°。

基于点云配准的集装箱船模拟绑扎方法

针对目前集装箱船堆箱绑扎精度验证时,因测量条件恶劣和工装繁重而影响造船工期的问题,通过使用点云配准方法求解舱口盖箱角和绑扎眼板的位姿,并基于此提出集装箱的模拟绑扎方法。该方法通过在大场景船舱点云中提取相对较小的箱角和眼板特征进行点云配准,并求出其实际位姿,同时建立相应的数学模型解算出绑扎余量和集装箱间隙等参数,判断绑扎杆的干涉情况。最后,现场绑扎试验表明,模拟绑扎计算值与试验结果较为相近,有望在未来替代传统的人工绑扎验证方法,实现集装箱船建造过程中的集装箱绑扎数字化模拟验证。

虚拟装配中的装配约束实现技术研究

结合虚拟装配中对装配约束实现的需求,以实际装配过程中常用的面与面之间的装配约束为例,阐述了虚拟装配中的装配约束实现流程,给出了虚拟环境下装配约束的定位求解过程,即通过姿态求解和位置求解确定零部件的空间目标位姿。同时给出了装配约束归约准则表以及归约结果的准确表达形式,并提出了在约束空间下对零部件的空间位姿调整算法,解决了多约束下自由度的计算问题以及零部件的调整问题,使虚拟装配中的零部件装配过程更加符合实际,操作更加方便。开发了原型系统虚拟装配工艺规划软件VAPP,对提出的算法进行了验证。

CAD系统中的自动装配的实现机理与方法研究

提出了装配黑箱理念,介绍了自动装配研究的现状,并通过对零件信息模型、装配模型、装配顺序及装配位姿求解等关键问题的论述,探讨了在CAD系统中实现自动装配的机理和方法。提出了解决零件装配信息表达的“有向装配编码矩阵法”、解决位姿记录的“位姿约束向量记录法”,以及装配零件的权重值、装配母体、装配元素等新方法和新概念,为进一步研究自动装配问题提供了理论基础和方法指导。

工业机器人单目视觉对准技术研究

针对工业机器人精确对准问题,提出了一种基于单目视觉的工业机器人对准技术。该技术把工业机器人与单目视觉测量技术相结合,根据特制的手眼标定板,快速建立单目视觉测量系统与机器人上对准轴之间的手眼关系和对准的基准位姿;在对准环节,通过单目视觉系统获取工件目标的姿态,然后根据已有的手眼关系和基准位姿,求解在机器人基坐标系下机器人末端的对准轴的位置调整量,迭代调整机器人末端位姿,从而实现了机械人末端的对准轴与工件目标的精确对准。实验结果表明:在测量距离约是150mm处,对准平均精度优于0.2°。

一种拉刀螺旋容屑槽前刀面磨削砂轮安装位姿计算方法

螺旋容屑槽是螺旋拉刀的重要结构之一,螺旋前刀面的高质量精确磨削对于刀具的工作性能与服役寿命有着重要影响。提出了一种适用于螺旋前刀面刃磨的砂轮安装位姿计算方法,确保螺旋前刀面的精密磨削。首先从五轴加工角度构建砂轮安装位姿与磨削运动数学模型,然后基于离散砂轮空间运动扫掠体进行螺旋槽轴截面加工廓形的离散包络计算,并给出相应的离散磨削接触线追溯算法。在此基础上,进一步分析拉刀前刀面的磨削工艺并构建磨削工艺约束条件,形成拉刀螺旋前刀面刃磨的砂轮安装位姿计算模型及其优化搜索方法。最后进行了实例求解,通过与解析法计算结果的精度对比和磨削接触线分布位置的状态验证了该算法的有效性,并进一步对砂轮安装角、砂轮外径和加工槽宽的关系进行讨论,给出了实际应用中的砂轮安装位姿优选规则。

单圆位姿识别二义性的矩形约束消除

为了解决单目视觉中单圆位姿测量方法存在虚假解的问题,提出了矩形约束消除位姿二义性的方法。在相机已标定的情况下,采集目标上圆与矩形的图像,要求圆与矩形共面或者两个平面相互平行。首先通过相关数学推导可获得圆特征的圆心位置和过圆心法向量,但是圆心位置和过圆心法向量均存在二义性虚假解;其次由先验条件未知的矩形所确定的平面法向量与过圆心的真实法向量平行为约束条件,可有效消除虚假解;最后由相关算法可计算出真实法向量所包含的物体姿态参数,同时可确定物体的真实位置。经实验验证,物体姿态测量的绝对误差小于0.5°,表明该方法简单易行,可有效消除单圆位姿测量虚假解。

基于深度学习门牌检测的机器人室内定位方法

提出了一种基于深度学习的门牌检测方法,以实现室内环境中移动机器人的全局定位。具体步骤为:基于MobileNet-SSD算法对单目相机获取的图像进行门牌区域检测;提出一种改进的旋转投影方法用于倾斜图像校正;通过kNN(k-Nearest Neighbors)算法进行门牌号识别;根据事先采集的各个门牌的正视模板图片进行SURF(Speeded Up Robust Features)特征点匹配,进而实现基于n点透视(PnP)问题的相机位姿求解;根据坐标变换实现移动机器人的全局定位。使用移动机器人在室内办公环境下进行定位实验,结果表明,基于该方法实现的平均位置误差约为7 cm,朝向误差为0.1712 rad,相较于只使用自适应蒙特卡罗方法时位置误差减小了约50%,朝向误差减小了约57%。