为了帮助脊椎损伤患者能在不同场合中下楼梯活动,提出了一种惯性测量单元(IMU)的适用于外骨骼下楼梯的步态规划算法去检验佩戴者的运动轨迹,同时使用深度相机作为视觉传感器实时检测楼梯环境。此种算法按照视觉传感器反馈的楼梯高度与宽度、穿戴者的下肢尺寸等数据对关节位置进行最优轨迹的规划,之后关节的角度轨迹利用逆运动学进行计算分析。最后通过多名实验者穿戴下肢外骨骼机器人在两种不同尺寸的楼梯上进行模拟实验,机器人根据不同环境规划出不同的步态轨迹去帮助穿戴者完成下楼梯的实验,且实际楼梯尺寸与深度相机检测的尺寸误差在2%以内。实验结果表明,运用此种算法的下肢外骨骼机器人可以为不同的人规划出适应不同尺寸楼梯的步态轨迹,从而验证了此种算法的有效性。

机器人在导航过程中存在两个共性问题(1)在任意位置启动时如何迅速确定初始位置;(2)由于误匹配导致全局定位结果出现较大偏差。针对这两个问题,提出了一种基于深度相机和2D激光雷达的机器人快速定位系统。由于信息量太少,基于激光雷达的方法易出现误匹配而重定位效果不佳,为此引入信息量更丰富的视觉传感器,将视觉特征点地图和二维占据栅格地图结合在一起,根据定位状态进行模式切换。正常导航时为激光定位,当机器人在任意位置启动或导航位置丢失时切换到视觉重定位。另将视觉算法中的6-DoF简化为3-DoF,有效减少了计算时间。设计实验平台验证了所提出的定位系统能够提高定位效果,定位精度提高了10%,重定位速度提高了57.8%,且具有更好地环境适应能力和实用性。

针对汽车转向节自动化加工需求,研究转向节位姿估计实现方法。构建转向节检测整体方案,对相机畸变进行标定,并根据标定结果产生点云;针对转向节中心孔尺寸存在偏差,无法直接利用点云配准技术实现3D坐标间接定位问题,利用2D图像处理确定像素坐标配合深度相机索引深度值确定抓取点3D坐标;对转向节不同姿态估计问题,利用SAC-IA算法将待检测转向节点云与模板转向节点云进行初始配准,再利用NDT算法进行细配准;开发软件进行测试。结果表明:用所提算法细配准,匹配得分为27 mm2,验证了转向节姿态估计的精度。