工業(yè)機械臂作為國家工業(yè)自動化發(fā)展的基礎(chǔ)核心裝備,在汽車制造、航空航天、3C家電和物流快遞等行業(yè)發(fā)揮著舉足輕重的作用。在智能制造浪潮背景下,未來工廠必定是高度智能化、信息化和人機協(xié)作共融,機械臂面臨的工作場景必定是動態(tài)的、混雜和不確定的。然而,當(dāng)前機械臂在上述應(yīng)用場景中存在著智能主動感知和安全自主交互能力不足,國內(nèi)外在相關(guān)研究方向上沒有可行的更好解決方案,仍存在著諸多關(guān)鍵問題急需解決。本課題以工業(yè)機械臂為研究對象,圍繞其在混雜場景下自主避障動態(tài)路徑規(guī)劃與多目標(biāo)視覺識別這一研究主線,逐步展開機械臂動態(tài)避障路徑規(guī)劃以及多目標(biāo)視覺識別和3D位姿估計的深入研究和探索,旨在為解決機械臂自主作業(yè)涉及的若干關(guān)鍵技術(shù)問題提供新的思路和為工程產(chǎn)業(yè)化應(yīng)用提供實踐指導(dǎo)。針對現(xiàn)有快速搜索隨機樹(Rapidly-exploring Random Tree,RRT)規(guī)劃算法在動態(tài)環(huán)境中不能夠很好地解決機械臂自主避障靜動態(tài)路徑規(guī)劃問題,提出了分別從節(jié)點拓展和軌跡優(yōu)化平滑兩方面改進(jìn)基本RRT算法的靜態(tài)避障路徑規(guī)劃方法Smoothly-RRT,提出了基于目標(biāo)方向改進(jìn)采樣函數(shù)的Bi-RRT-Star動態(tài)路徑規(guī)劃算法,分別從...

【文章頁數(shù)】：129 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 相關(guān)問題的國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 機械臂動態(tài)路徑規(guī)劃研究現(xiàn)狀
        1.2.2 多目標(biāo)識別和3D位姿估計研究現(xiàn)狀
        1.2.3 目前研究存在的問題與不足
    1.3 本文的主要研究內(nèi)容與章節(jié)安排
第2章 基于改進(jìn)RRT算法的機械臂動態(tài)路徑規(guī)劃
    2.1 引言
    2.2 基于RGB-D視覺傳感器的全局場景三維重建
    2.3 基于改進(jìn)RRT算法機械臂靜態(tài)路徑規(guī)劃
        2.3.1 基本RRT算法
        2.3.2 節(jié)點拓展
        2.3.3 軌跡優(yōu)化
        2.3.4 靜態(tài)碰撞檢測
    2.4 基于改進(jìn)RRT算法機械臂動態(tài)路徑規(guī)劃
        2.4.1 連接策略
        2.4.2 啟發(fā)密集采樣
        2.4.3 鄰接節(jié)點擴(kuò)展
        2.4.4 動態(tài)碰撞檢測
    2.5 機械臂靜動態(tài)避障路徑規(guī)劃仿真與實驗
        2.5.1 靜態(tài)避障路徑規(guī)劃
        2.5.2 基于V-REP環(huán)境動態(tài)障礙物仿真
        2.5.3 動態(tài)避障路徑規(guī)劃
    2.6 本章小結(jié)
第3章 機械臂混雜場景大小多目標(biāo)識別與位姿估計
    3.1 引言
    3.2 視覺系統(tǒng)混合配置方法總體框架
    3.3 大目標(biāo)視覺識別與位姿估計
        3.3.1 離線目標(biāo)物的3D模型數(shù)據(jù)庫建立
        3.3.2 在線目標(biāo)識別與3D位姿估計
    3.4 小目標(biāo)視覺識別與位姿估計
        3.4.1 離線3D形狀模型生成
        3.4.2 在線模板匹配和位姿計算
    3.5 混雜大小多目標(biāo)位姿識別與分揀實驗
        3.5.1 大目標(biāo)位姿識別
        3.5.2 小目標(biāo)位姿識別
        3.5.3 混雜大小多目標(biāo)識別分揀
    3.6 本章小結(jié)
第4章 機械臂基于單目視覺3D重建的微小目標(biāo)識別
    4.1 引言
    4.2 微小尺寸特征目標(biāo)識別與位姿估計方法
        4.2.1 混雜場景3D點云重建
        4.2.2 點云預(yù)處理與法向量估計
        4.2.3 特征描述子生成
        4.2.4 霍夫空間投票算法
        4.2.5 場景點云和模型點云初始匹配
        4.2.6 點云配準(zhǔn)與位姿估計
    4.3 實驗與結(jié)果分析
        4.3.1 系統(tǒng)硬件組成
        4.3.2 3D混雜場景點云重建結(jié)果
        4.3.3 識別率和位姿估計精度比較
        4.3.4 Bin-picking無序分揀實驗
    4.4 本章小結(jié)
第5章 機械臂混雜場景多目標(biāo)識別與動態(tài)路徑規(guī)劃集成實驗
    5.1 引言
    5.2 綜合實驗硬件平臺
    5.3 作業(yè)任務(wù)描述與軟件算法模塊化集成
    5.4 三種類型目標(biāo)零件的識別分揀與抓取避障
        5.4.1 大目標(biāo)管接頭識別
        5.4.2 平面類零件識別
        5.4.3 小目標(biāo)螺栓識別
        5.4.4 三種類型目標(biāo)零件抓取
        5.4.5 機械臂靜動態(tài)避障路徑規(guī)劃
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其它成果
致謝
個人簡歷



本文編號：3863208