鲁棒的视觉机械臂联合建模优化方法

针对视觉机械臂在复杂系统环境下整体精度不高、不易部署、校准成本高的问题,提出一种鲁棒的视觉机械臂联合建模优化方法。首先,对视觉机械臂的各个子系统模型进行集成,在机械臂的工作空间随机采集伺服电机转角、机械臂末端坐标等数据。其次,提出一种具有分层优化机制的自适应多精英引导复合差分进化算法(AMECoDEs-LO),使用参数辨识的方法同时优化联合系统参数。AMECoDEs-LO对种群中阶段性的数据进行主成分分析(PCA),以参数降维的思想实现对收敛精度和速度的隐式引导。实验结果表明,在AMECoDEs-LO和联合系统模型的作用下,视觉机械臂在校准过程中不需要额外的仪器,部署速度快,最终精度相较于传统方法提高60%;在机械臂连杆受损、伺服电机精度降低、相机定位噪声增大的情况下,系统仍然保持较高精度,验证了所提方法的鲁棒性。

分层优化机制引导的视觉机械臂联合模型优化

针对视觉机械臂系统整体精度不高、不易部署、校准成本高的问题,提出了具有分层优化机制的自适应多精英引导的复合差分进化算法(AMECoDEs-LO)。首先,对机械臂运动学模型和手眼标定外参模型进行系统集成;然后,以AMECoDEs算法为基础对种群中阶段性数据进行主成分分析,按照当前代各维度向量支配度的不同,划分参数优化的优先级,以参数降维优化的思想实现了对种群收敛精度和速度的隐式引导,在仿真和真实环境下与现有的一流演化算法进行了对比验证;最后针对视觉传感器对环境噪声敏感问题,加入不同强度的高斯白噪声验证系统的鲁棒性。实验结果表明,该算法精度高、收敛速度快、鲁棒性好且不需要额外的校准仪器,可用于视觉机械臂的快速部署。

基于多模态的无序堆叠快递包裹机械臂视觉抓取系统

目的为实现快递交叉带分拣机的自动供包,设计一款基于多模态的无序堆叠快递包裹机械臂视觉抓取系统。方法将堆叠快递包裹RGB图像和深度图多模态信息送入全卷积残差网络模型进行识别,经过模型后处理、抓取策略设计、模型训练与部署,实现快递包裹抓取区域精确识别;结合包裹姿态估计,控制机械臂完成快递包裹的抓取和搬运。结果实验证明,文中提出的视觉识别方法实现了快递包裹抓取区域的精确识别,测试准确率达到了95.73%。结论基于该方法构建的快递包裹机械臂视觉抓取系统,可以完成快递交叉带分拣机的自动供包操作。

基于位置的机械臂视觉伺服预测控制

基于位置的机械臂视觉伺服控制需要解决位姿估计和目标跟踪控制问题.为了克服机械臂运动过程中的运动空间约束,提出了基于滚动时域估计(MHE)的机械臂位姿估计方法.在位姿估计的基础上,利用对偶梯度上升方法以及拉格朗日乘子处理具有控制输入约束的优化问题,并给出了基于迭代线性二次调节(iLQR)的视觉伺服预测控制器设计方法.进一步,采用极点配置方法设计了扩张状态观测器(ESO)用于解决估计误差和线性化误差引起的扰动问题.进而,给出了保证闭环系统稳定的充分条件.最后,通过仿真对比验证了本文所提算法的有效性和优越性.

机械臂视觉伺服系统的分析

在移动互联网、大数据、超级计算、传感网、脑科学等新理论、新技术的驱动下,机械臂视觉伺服系统的设计完善性显著增强,本文分析了机械臂视觉伺服系统的应用优势,并对机械臂视觉伺服系统的性能特征进行了介绍,探讨了机械臂视觉伺服系统相关环节的设计特点,希望能够促进我国科技革命和产业变革的深入推进.

面向仓库货架的商品智能拣选机器人设计

目的为降低仓储拣选作业的劳动强度、提高拣选准确率,设计一款可代替人工拣货的拣选机器人。方法基于PaddlePaddle的PP-ShiTu图像识别系统,实现货架商品的精确识别和种类的快速更新;针对低成本机械臂的视觉抓取问题,提出基于“无标定3D视觉+AGV运动控制”的货架商品抓取引导方法;采用二维码自主导航和智能升降系统实现了货架商品的搬运和立体抓取。结果实验证明,所设计的拣选机器人实现了货架商品的精确抓取和搬运,测试准确率达到了92.25%。结论基于该方法构建的智能拣选机器人,可以完成仓库货架商品的拣选和搬运。