近年來,我國先后出臺了關(guān)于工業(yè)智能制造的多項(xiàng)政策,智能制造意在將信息化與工業(yè)化具體相互融合,是未來我國制造業(yè)發(fā)展與變革的重要方向。機(jī)器視覺與機(jī)械臂抓取技術(shù)被廣泛的應(yīng)用于工業(yè)自動(dòng)化生產(chǎn)領(lǐng)域,為制造業(yè)生產(chǎn)提供了諸多的便利。然而不同的自動(dòng)化生產(chǎn)環(huán)境,物體的擺放位置有著很多的不確定性。目前在工業(yè)生產(chǎn)過程中,大多數(shù)的工業(yè)機(jī)械臂都是按照固定的示教指令進(jìn)行抓取與放置工件,這種工作方式存在著一定的局限性,這種工作方式需要讓工件處于固定的位置、以固定的姿態(tài)進(jìn)行抓取物體;一旦外界以及物體位姿發(fā)生變化,機(jī)械臂將無法實(shí)現(xiàn)抓取功能,導(dǎo)致任務(wù)中斷或者失敗。機(jī)器視覺因其信息含量大、測量范圍大、精度較高等眾多優(yōu)點(diǎn)而被廣泛地引入到工業(yè)自動(dòng)化過程中來,被充當(dāng)機(jī)械臂的大腦與眼睛,實(shí)現(xiàn)工業(yè)機(jī)械臂的自動(dòng)化自主決策抓取任務(wù)。因此,本文將從基于單目視覺物體的姿態(tài)估計(jì)、基于多種群粒子群算法的機(jī)械臂路徑規(guī)劃、任意位姿抓取策略實(shí)現(xiàn)機(jī)械臂抓取為切入點(diǎn),設(shè)計(jì)了一個(gè)復(fù)雜靜態(tài)背景下,目標(biāo)物體姿態(tài)估計(jì)與機(jī)械臂智能化自主抓取系統(tǒng)。本論文內(nèi)容結(jié)構(gòu)如下。首先針對復(fù)雜的工業(yè)生產(chǎn)環(huán)境下,難以將目標(biāo)物體與復(fù)雜背景信息分離開的問題,本文提出一種利用圖像預(yù)處理手...

【文章頁數(shù)】：104 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及其意義
    1.2 復(fù)雜背景三維姿態(tài)估計(jì)發(fā)展概況
    1.3 機(jī)械臂研究現(xiàn)狀
    1.4 機(jī)械臂運(yùn)動(dòng)規(guī)劃研究現(xiàn)狀
    1.5 本文主要研究內(nèi)容及結(jié)構(gòu)
第2章 基于單目估計(jì)機(jī)械臂抓取系統(tǒng)
    2.1 系統(tǒng)組成及其開發(fā)環(huán)境
        2.1.1 系統(tǒng)開發(fā)的軟硬件環(huán)境
        2.1.2 機(jī)器視覺系統(tǒng)
        2.1.3 關(guān)節(jié)的旋轉(zhuǎn)角度與指令的轉(zhuǎn)換關(guān)系
        2.1.4 機(jī)械臂手系統(tǒng)
        2.1.5 系統(tǒng)通信系統(tǒng)
    2.2 機(jī)械臂幾何模型
        2.2.1 位姿描述
        2.2.2 機(jī)械臂自由度
    2.3 本章小結(jié)
第3章 目標(biāo)物體定位與位姿估計(jì)
    3.1 復(fù)雜靜態(tài)背景圖像預(yù)處理
    3.2 單目相機(jī)成像原理
        3.2.1 幾種坐標(biāo)系的建立及關(guān)系
    3.3 攝像機(jī)標(biāo)定
        3.3.1 相機(jī)內(nèi)參標(biāo)定
        3.3.2 相機(jī)畸變
        3.3.3 相機(jī)內(nèi)參標(biāo)定實(shí)驗(yàn)與結(jié)果分析
        3.3.4 相機(jī)的安裝
    3.4 目標(biāo)物體姿態(tài)估計(jì)
        3.4.1 PNP算法
        3.4.2 目標(biāo)物體的虛擬坐標(biāo)系建立
        3.4.3 目標(biāo)物體識別
        3.4.4 目標(biāo)物體2D靶點(diǎn)圖像坐標(biāo)
        3.4.5 目標(biāo)物體位姿
        3.4.6 目標(biāo)物體與相機(jī)坐標(biāo)系之間的位姿關(guān)系
        3.4.7 目標(biāo)物體在機(jī)械臂基座下的位姿
    3.5 本章小結(jié)
第4章 機(jī)械臂抓取算法
    4.1 機(jī)械臂正向運(yùn)動(dòng)學(xué)分析
    4.2 五軸機(jī)械臂DH建模
        4.2.1 MDH建模過程
        4.2.2 MDH正向運(yùn)動(dòng)學(xué)方程
    4.3 機(jī)械臂路徑規(guī)劃控制算法
        4.3.1 基于多種群粒子群算法優(yōu)化機(jī)械臂路徑規(guī)劃問題
        4.3.2 種群演化算法及原理
        4.3.3 粒子群演化算法數(shù)學(xué)模型
        4.3.4 粒子群演化算法基本步驟
        4.3.5 多種群優(yōu)化算法
        4.3.6 多種群粒子群算法原理
        4.3.7 PSOEL基于機(jī)械臂模型運(yùn)動(dòng)規(guī)劃
    4.4 機(jī)械手多姿態(tài)抓取
        4.4.1 物體在機(jī)械臂基坐標(biāo)系方位角
        4.4.2 基于方位角抓取策略算法
    4.5 系統(tǒng)軟件與機(jī)械臂之間的通信
    4.6 本章小結(jié)
第5章 仿真與實(shí)物實(shí)驗(yàn)結(jié)果分析
    5.1 目標(biāo)物體位姿求取
        5.1.1 不同位置下目標(biāo)物體位置信息
        5.1.2 不同物體的處于某一位置時(shí)
        5.1.3 目標(biāo)物體位置求出實(shí)驗(yàn)精度分析
    5.2 MDH正向運(yùn)動(dòng)學(xué)模型MATLAB仿真
    5.3 多粒子群優(yōu)化算法在機(jī)械臂路徑規(guī)劃中的分析
        5.3.1 PSOEL在不同子種群個(gè)數(shù)下的結(jié)果分析
        5.3.2 在不同的種群大小(PS)下PSOEL的仿真
        5.3.3 在不同的電機(jī)運(yùn)動(dòng)步長下的結(jié)果分析
        5.3.4 在不同的粒子最大的飛行速度(Vmax)下的結(jié)果
        5.3.5 在不同的學(xué)習(xí)率(C₁,C₂)下,PSOEL的結(jié)果
        5.3.6 五自由度機(jī)械臂的運(yùn)動(dòng)規(guī)劃結(jié)果分析
    5.4 機(jī)械臂實(shí)際與仿真運(yùn)動(dòng)對比分析
    5.5 機(jī)械手抓取實(shí)驗(yàn)
    5.6 小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文情況
致謝



本文編號：3757091