为了满足视觉机器人能够精准抓取平面零件的需求,提出一种加入深度学习算法的零件识别与定位方法。首先,利用YOLOv4-tiny目标检测算法对目标物体进行识别,并提取出感兴趣区域(Region of Interest,ROI)送入PSPnet语义分割网络中进一步提...为了满足视觉机器人能够精准抓取平面零件的需求,提出一种加入深度学习算法的零件识别与定位方法。首先,利用YOLOv4-tiny目标检测算法对目标物体进行识别,并提取出感兴趣区域(Region of Interest,ROI)送入PSPnet语义分割网络中进一步提取ROI。然后,将ROI区域进行亚像素级的模板匹配,并计算目标物体的深度信息。在目标物体中心坐标求解中,以ROI区域的最大内接圆的圆心作为目标物体的中心。最后,利用D-H法对机器人进行运动学解算,并进行抓取试验。实验结果表明:该方法的深度误差率大约为0.72%,视觉机器人抓取零件成功率达到91%,具有较高的定位精度和抓取成功率,可以满足实际工业分拣搬运需求。展开更多
为提高纺织服装行业中面料抓取机械臂的轨迹跟踪精度,建立考虑参数不确定性的动力学模型,采用反步法在浸入与不变(immersion and invariance,I&I)自适应理论框架下设计了一种轨迹跟踪控制方法。首先,建立含未知参数的柔性关节机械...为提高纺织服装行业中面料抓取机械臂的轨迹跟踪精度,建立考虑参数不确定性的动力学模型,采用反步法在浸入与不变(immersion and invariance,I&I)自适应理论框架下设计了一种轨迹跟踪控制方法。首先,建立含未知参数的柔性关节机械臂动力学模型;其次,采用I&I自适应控制方法设计了关节转动惯量的自适应律,并通过构造光滑函数实现参数估计误差流形的不变性和吸引性,保证参数估计误差收敛到0;最后,将所设计的自适应律引入反步法设计控制律的递推过程中,使所设计的控制律对不确定参数具有自适应特性。仿真结果表明,与传统反步法相比,所设计的I&I自适应反步法能更快速、更稳定地达到对期望轨迹的跟踪效果,该算法对期望轨迹的跟踪误差可保持在±0.002 rad之内。展开更多
文摘为了满足视觉机器人能够精准抓取平面零件的需求,提出一种加入深度学习算法的零件识别与定位方法。首先,利用YOLOv4-tiny目标检测算法对目标物体进行识别,并提取出感兴趣区域(Region of Interest,ROI)送入PSPnet语义分割网络中进一步提取ROI。然后,将ROI区域进行亚像素级的模板匹配,并计算目标物体的深度信息。在目标物体中心坐标求解中,以ROI区域的最大内接圆的圆心作为目标物体的中心。最后,利用D-H法对机器人进行运动学解算,并进行抓取试验。实验结果表明:该方法的深度误差率大约为0.72%,视觉机器人抓取零件成功率达到91%,具有较高的定位精度和抓取成功率,可以满足实际工业分拣搬运需求。
文摘为提高纺织服装行业中面料抓取机械臂的轨迹跟踪精度,建立考虑参数不确定性的动力学模型,采用反步法在浸入与不变(immersion and invariance,I&I)自适应理论框架下设计了一种轨迹跟踪控制方法。首先,建立含未知参数的柔性关节机械臂动力学模型;其次,采用I&I自适应控制方法设计了关节转动惯量的自适应律,并通过构造光滑函数实现参数估计误差流形的不变性和吸引性,保证参数估计误差收敛到0;最后,将所设计的自适应律引入反步法设计控制律的递推过程中,使所设计的控制律对不确定参数具有自适应特性。仿真结果表明,与传统反步法相比,所设计的I&I自适应反步法能更快速、更稳定地达到对期望轨迹的跟踪效果,该算法对期望轨迹的跟踪误差可保持在±0.002 rad之内。