基于改进PSO-BP算法的机器人目标位姿识别方法

机器人作业环境复杂,物料分布具有随机性,导致机器人目标位姿的辨识和定位精度低,实时性差,为此提出一种基于改进粒子群算法-BP神经网络(PSO-BP)的机器人目标位姿识别方法。采用改进的中值滤波算法对目标图像预处理,构建多尺度灰度差异算子以及局部图像熵算子,将两者点积运算获取加权局部熵,抑制目标图像中的噪声。通过多视图几何中间帧的关联特征信息,提取机器人目标位姿特征。在BP神经网络训练阶段通过改进的PSO算法优化处理,采用优化后的BP神经网络算法对提取的特征展开训练和识别,最终实现机器人目标位姿识别。实验结果表明,当机器人目标测试样本数量为55个时,所提方法的亮度方差为0.305,当像素识别误差为1.5%时,所提方法获取的机器人目标位姿识别误差为0.11,所提方法能够在像素识别误差下准确识别机器人目标,获取高精度的机器人目标位姿识别结果。

基于孪生空间的单目图像目标位姿一体化标注方法

多目标位姿估计问题是无人驾驶、人机交互等领域的基础问题之一,但目前受采集设备限制,该领域数据大多集中在较小空间范围,这使得刚体位姿估计的实用价值受到限制.针对上述问题,提出了一种基于孪生空间的单目图像目标位姿一体化标注方法,并设计了一套位姿标注工具LabelImg3D.首先,在孪生空间中放置同焦距的虚拟相机,并构建与真实目标等同的3维模型;然后在孪生空间中放置真实空间拍摄图像(一次投影图),使其填充虚拟相机视场;最后对3维模型进行平移旋转,使目标二次投影与一次投影在虚拟相机中保持一致,从而一体化得到目标位姿.基于该方法,开源了一套标注工具LabelImg3D(https://github.com/CongliangLi/LabelImg3D).通过在KITTI及P-LM数据集上的测试,实验结果表明,该方法对尺寸变化不明显的目标,平均位移精度可达85%以上,旋转精度可达90%以上,且该方法仅借助于单目相机,大大降低了目标3维位姿数据的采集难度.

目标位姿测量中的三维视觉方法

要测量出一组特征点分别在两个空间坐标系下的坐标 ,就可以求解两个空间目标间的位姿关系 .实现上述目标位姿测量方法的前提条件是要保证该组特征点在不同坐标系下 ,其位置关系相同 ,但计算误差的存在却破坏了这种固定的位置关系 .为此 ,提出了两种基于模型的三维视觉方法——基于模型的单目视觉和基于模型的双目视觉 ,前者从视觉计算的物理意义入手 ,通过简单的约束迭代求解实现模型约束 ;后者则将简单的约束最小二乘法和基于模型的单目视觉方法融合在一起来实现模型约束 .引入模型约束后 ,单目视觉方法可以达到很高的测量精度 .而基于模型的双目视觉较传统的无模型立体视觉方法位移精度提高有限 。

一种面向空间非合作目标位姿测量应用的三维点云滤波算法

针对激光位姿敏感器获得的原始点云有噪声和直接参与解算消耗星上计算资源过大问题,给出一种适用于空间非合作目标位姿测量的点云滤波和特征提取算法。应用仿真的方法分别验证了算法滤除空间随机噪声和点云降采样的有效性,验证了特征点对目标位姿变化和高斯测量噪声的鲁棒性。在非合作目标绕飞、抵近、捕获全物理试验平台上,以扫描激光位姿敏感器获得的原始点云数据为输入,验证了算法在实际空间目标位姿测量中的性能。试验结果表明,该算法实现了原始点云93.1%的降采样,节省了92.9%的位姿解算时间,可有效提升星上数据处理的效率和姿态解算的实时性。

基于旋转投影二进制描述符的空间目标位姿估计

为了实现基于点云的空间目标相对位姿快速估计,提出一种旋转投影二进制描述符(BRoPH)。该描述符首先建立特征点处的局部参考坐标系,然后通过旋转投影局部点云生成不同视角下的密度图像块和深度图像块,最后根据图像块生成特征点的多尺度二进制字符串。针对位姿估计对实时性的要求,在分析BRoPH Hamming距离分布的基础上,提出了基于Hamming距离阈值的特征匹配策略,用于剔除潜在的错误配对,加快位姿估计收敛速度。最后,在基于局部特征描述符位姿估计框架下分别与SHOT描述符和FPFH描述符进行了比较。结果表明:BRoPH描述符在仅需要SHOT和FPFH平均内存1/80的基础上,得到了远高于SHOT和FPFH的平均位姿估计精度,其平均姿态误差小于0.1°,平均位置误差小于1/180 R。此外,基于Hamming距离阈值的特征匹配策略使得BRoPH的位姿粗估计速度加快了7倍,总体位姿估计频率超过7Hz,比SHOT和FPFH分别快3~6.8倍。该方法具有占用内存小、计算速度快、位姿估计精度高和抗干扰能力强等优点,满足基于点云的空间目标位姿估计实时性要求。

机器人抓取视觉传感目标精确定位方法

机器人抓取目标时,正确完成任务的前提是可以精准检测到目标位置,当距离目标较远时,以信号传感为基础的定位精度和稳定性会受到影响。为解决上述问题,提出基于视觉传感器的机器人抓取目标精确定位方法。利用视觉传感器获取目标图像,并标定目标位姿。采取直线段检测方法提取目标位姿特征,将提取的特征输入到改进粒子群算法的支持向量机回归模型中,输出定位结果。利用回归误差补偿模型对定位结果补偿,完成机器人抓取目标精确定位。实验结果显示,利用视觉传感器后,机器人抓取目标的定位时间为35 s、与实际位置的接近程度高于81%、置信度高于92%,由此可知机器人抓取视觉传感目标定位效果较好。

服务机器人目标同时识别与位姿判定研究

目前机器人尚难以自主建立起目标姿态的概念,通过人机交互方式辅助机器人对目标建模则不失为一种可行方案。提出了一种基于新型目标模型的离线/在线两步目标识别与位姿判定系统。离线阶段采用人机交互方式构建目标模型,在线阶段通过场景图像与目标模型的特征点对应即可自动发现目标,并计算其相对于机器人的位姿。实验证明,该系统能够有效完成对纹理目标的同时识别与位姿判定。

机器人钣金折弯系统仿真平台设计

现有钣金折弯加工机器人采用示教编程,针对其效率低、占用设备时间长的问题,对机器人钣金折弯系统仿真平台进行了设计与构建。基于对系统各组成单元的参数配置和局部坐标系定义,完成了参数化导入和定位,实现了系统仿真平台的环境构建;通过对钣金折弯任务状态下机器人操作末端位姿和任务目标位姿的数学模型分析,建立了机器人末端位姿和任务目标位姿的关系,生成了折弯操作时机器人末端的任务目标位姿;通过机器人运动仿真模块生成关节角度,选取试验钣金件对该平台进行了仿真试验。研究结果表明:该仿真平台能正确生成机器人执行不同钣金加工操作任务的目标位姿,并实现加工仿真,可为面向钣金折弯工艺的机器人离线编程系统研究提供借鉴。

随机生成空间坐标系的数学分析和实现

对于冗余度机器人位置级不同运动学反解算法,需要检测算法的有效性、速度和收敛情况。在机器人的工作空间中,人为设置目标位姿的方法缺少全面性论证,通过数学方法论证算法性能,需要较长的研究时间,并且缺少对算法运行速度和收敛性的直观感受。一种简单有效的方式是随机生成多目标位姿。本文详细论述随机生成空间坐标系的数学分析,并编写相关程序实现此功能。

Pose measurement using quaternion and Kalman filter

In this paper,a method combining perspective-n-point(PnP) and novel iteration algorithm is developed to measure the pose of a target in high precision for Tele-LightSaber game.The PnP algorithm is used to obtain a rough pose,which is taken as the initial value of the iteration algorithm.The iteration algorithm utilizes the unit quaternions to represent the rotations.Then the result is optimized with Kalman filter.Considering the real-time and accuracy of the pose measurement,a fast feature extraction algorithm including object location,edge detection and corner detection is adopted to get the corners in high precision.The experiments and results verify the effectiveness of the proposed method.