基于kinect的物体抓取场景认知

针对RoboCup竞赛家庭组比赛对物体抓取的要求,研究了物体抓取场景认知问题。设计了一种基于kinect的物体抓取场景认知系统。先将kinect传感器得到的深度图像转换为3维(3D)点云图,然后计算每个3D点所在曲面的局部法向量,再根据法向量和距离特征分割提取出水平桌面;采用3D点与水平桌面的位置关系分离出潜在的抓取物体目标点,选择随机抽样一致(RANSAC,Random Sample Consensus)算法完成圆柱形抓取物体的定位。使用实验室采集的场景深度图对认知系统进行测试。结果表明,设计的系统可以可靠提取水平桌面和桌面上的圆柱形物体,可以达到物体抓取比赛的要求。

基于深度视觉传感的巡检机器人行进轨迹跟踪控制

巡检机器人面对不同路况时反应速度的时间差使其行进轨迹跟踪控制容易产生误差。为了提高巡检机器人复杂操作环境中的行进轨迹跟踪控制效果,提出基于深度视觉的巡检机器人行进轨迹跟踪控制方法。根据巡检机器人移动位姿和轴向运动轨迹产生的角速度和线速度,建立巡检机器人运动学方程;利用Kinect深度视觉传感器创建贴合实际环境的三维地图;利用滑模控制器约束巡检机器人运动学方程,实现巡检机器人行进轨迹自动化跟踪控制。实验结果表明,所提方法在障碍物环境和非障碍物环境的跟踪控制效果均较好。