基于多尺度特征融合和抓取质量评估的抓取生成方法

在非结构化场景中,物体的6-Dof抓取是智能服务机器人领域的一项极具挑战性的任务。在该场景中,机器人需要应对不同大小和形状的物体以及环境噪声等因素的干扰,因此难以生成准确的抓取姿态。针对此问题本文提出一种基于多尺度特征融合和抓取质量评估的6-Dof抓取姿态生成方法。首先,提出了自适应半径查询法,解决真实环境中点云采样不均匀导致的关键点查询异常的问题;其次设计了一种将多尺度特征和抓取质量评估融合的抓取生成网络,可以生成丰富的6-Dof抓取域;最后,定义了一种抓取质量评估方法,包含力闭合分数、接触面平整度、棱边分析和质心分数,并将这些标准应用在标准数据集上生成新的抓取置信分数标签,同时将这些标准融入抓取生成网络中。实验结果表明所述的方法与当前较为先进的方法FGC-GraspNet相比平均精度提升了5.9%,单物体抓取成功率提升了5.8%,多物体场景的抓取成功率提升了1.1%。综上所述,本文所提出的方法具备有效性和可行性,在单物体场景和多物体场景中具有较好的适应性。

基于点云的机器人抓取检测方法研究

针对非结构化场景中机器人的抓取任务提出一种抓取位姿检测方法,首先对目标点云进行均匀采样得到初始抓取点,并通过PCA方法建立各抓取点的局部坐标系。然后,根据二指夹持器参数确定抓取位姿,使用位姿搜索策略扩充候选抓取位姿。接着,将每个候选抓取位姿对应的夹持器闭合区域的点云送入PointNet构建的抓取质量评估网络进行评估,筛选候选抓取位姿,得到较高质量的抓取位姿。最后,在ros平台上搭建机器人抓取仿真平台并进行实验验证。证明提出的方法可以在目标点云上生成抓取位姿,并可以稳定地完成处理单个或多个随机放置的未知物体的抓取任务。

六自由度双臂机器人动力学分析与运动控制

人形机器人运动过程中稳定持物是机器人领域的一个关键研究内容,作为人形机器人中的重要研究方向,六自由度双臂机器人合作抓持重物的稳定性和安全性难以保证。通过对机器人持物运动过程中的受力和运动分析,提出了基于配置构型评估和动力学分析的控制方法,有效解决了持物过程中的稳定性问题。通过对轨迹点的局部最优调整抓取姿态,利用双臂操作过程中受力分析,借助典型的Lu Gre摩擦模型,构建摩擦力和滑动接触数理模型,并进行动力学分析,在此基础上,提出了相应的控制方法。通过数值仿真,验证了在此控制方法下六自由度双臂能够平稳有效的持物运动。

基于视觉感知和触觉先验知识学习的机器人稳定抓取

针对机器人抓取过程中需要实时评估抓取质量以动态调整抓取构型的问题,提出了基于触觉先验知识的机器人稳定抓取方法.首先,根据抓取过程中物体抵抗外界扰动的能力,提出了一种基于触觉信息的抓取质量评估方法.在此基础上,建立了视触觉联合数据集并学习触觉先验知识.其次,提出了融合视觉图像和触觉先验知识的稳定抓取构型生成方法.最后,在搭建的机器人抓取系统中对10种目标物体进行了实验验证.结果表明,相比传统的视觉方法,该方法的抓取稳定性提高了55%;针对已知物体和未知物体,稳定抓取成功率分别为86%和79%,体现了较好的泛化效果.