煤矸石分拣机器人动态目标稳定抓取轨迹规划

针对机器人分拣煤矸石时,因输送带打滑、左右摆动而造成矸石定位不准确、机械臂末端抓取失败和载荷冲击等问题,提出了一种基于机器视觉的煤矸石分拣机器人动态目标稳定抓取轨迹规划方法。首先,采用基于HU不变矩图像匹配算法对目标矸石进行匹配识别并获取目标矸石位姿;其次,分别建立机器人和相机-机器人运动学方程,并进行正逆求解,实现基于视觉的目标矸石精确定位;最后,采用位置-速度-加速度三环PID控制算法进行目标矸石动态跟踪,即位置环控制器的输入为获取的目标矸石精确位置,位置环控制器的输出作为速度环控制器的输入,速度环控制器的输出作为加速度环控制器的输入,将加速度环控制器的输出叠加到伺服电动机上,使机械臂末端与目标矸石达到位置、速度同步运动的效果,实现平稳快速抓取。采用Matlab对三环PID控制算法、三维比例导引算法和三维偏置比例导引算法进行仿真对比,结果表明:对动态目标的跟踪抓取在追随式、同步式和拦截式3种情况下,三环PID控制算法的响应时间、跟踪抓取时间均较比例导引算法及偏置比例导引算法短,且三环PID控制算法在整个过程中各轴速度、加速度连续、平滑,没有出现突变情况,可实现动态目标同步跟踪、精准抓取。在煤矸石分拣系统平台上应用三环PID控制算法、比例导引算法和偏置比例导引算法进行适应性实验,结果表明:3种算法在机器人运行时各个关节均未超限;三环PID控制算法完成抓取的平均时间比比例导引算法和偏置比例导引算法短;三环PID控制算法在抓取点的平均速度偏差在1 mm/s左右,跟踪速度偏差较小,可满足对高速度目标的同步跟踪、精准抓取要求。

基于机器视觉的多机械臂煤矸石分拣机器人系统研究

现有煤矸石分拣方法主要是根据煤和岩石的纹理特征值,利用图像处理和模式识别技术对煤矸石进行识别分选,分选的煤矸石粒度为25~150mm,而对于150mm以上的煤矸石仍依靠人工进行分选。为了对大粒度煤矸石进行分拣,设计了一种基于机器视觉的多机械臂煤矸石分拣机器人系统。该系统采用机器视觉采集煤矸石信息,应用深度学习方法实现煤矸石识别和抓取特征提取;在获取煤矸石序列信息后,根据煤矸石位置进行排序工作,并通过多目标任务分配策略将抓取任务下达给相应机械臂控制器;机械臂获取任务后,根据获得的任务对目标进行动态监测,当目标进入机械臂工作空间后由视觉伺服系统驱动机械臂完成煤矸石分拣。试验结果表明,该系统可对粒度为50~260mm的煤矸石进行高效、快速分拣,所采用的煤矸石识别方法和分拣策略在不同带速下具有良好的稳定性和准确性,煤矸识别与定位的综合准确率可达93%,验证了该系统的可行性。

改进的ORB-FLANN煤矸石图像高效匹配方法

针对煤矸石分拣机器人分拣煤矸石时,带式输送机输送带打滑、跑偏以及带速波动造成的目标煤矸石位姿变化,从而导致抓取失败或空抓漏抓等问题,提出了一种改进的ORB-FLANN (Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)煤矸石识别图像与分拣图像高效匹配方法。提出改进ORB的特征点检测方法对煤矸石识别图像与分拣图像进行特征点检测,实现快速检测图像特征点;提出改进FLANN匹配算法对图像特征点进行匹配,实现煤矸石识别图像与分拣图像高效匹配。针对传统ORB方法对煤矸石图像特征检测时间长、重复率低问题,提出了改进ORB特征检测方法,提高了图像特征点检测速度和重复率;针对传统FLANN匹配方法对煤矸石图像匹配精确率低问题,提出了融合PROSAC算法的改进FLANN匹配方法,剔除错误特征匹配点对,提高了图像匹配的精确率。在自主研发的双机械臂桁架式煤矸石分拣机器人试验平台上应用文中方法、SURF特征匹配方法、HU不变矩匹配方法、SIFT特征匹配方法和ORB特征匹配方法分别进行了不同带速、尺度、旋转角度条件下的煤矸石匹配试验,结果表明:本方法的匹配率为98.2%,匹配时间为141 ms,具有匹配率高、实时性好以及鲁棒性强等特点,能够满足煤矸石识别图像与分拣图像高效精准匹配的要求。