基于改进卷积网络的机器人定位误差补偿研究

简介

为了合理补偿机器人定位误差,提升分类预测精度,提出一种基于改进卷积网络的机器人定位误差补偿方法。以机器人实际与理想关节角度图像作为模型输入,精准提取二者深度特征图,计算实际关节角度与理想关节角度深度特征图之间各特征点欧氏距离,获得并输出机器人定位误差预测结果。将机器人定位误差补偿问题转化为算法优化问题,构建机器人定位误差补偿目标函数及约束条件,通过改进粒子群算法求得最优解,实现机器人定位误差的补偿。实验结果证明该方法可以有效补偿机器人的角位移误差,分类预测精度最高可达到99.87%,能够实现机器人对目标物体的准确抓取。