针对机器人示教抓取异构件水龙头仅能适应固定姿态,缺乏自主获取位姿能力的问题,开发了一套双目视觉引导的异构件定位抓取系统。首先通过单目及双目标定获取相机参数及相对位姿,接着对图像进行预处理、立体校正。经过二值化、形态学等图像处理算法将水龙头待抓取区域提取并且创建为模板。采用模板匹配与极限约束结合的方法进行特征匹配,根据匹配点视差及相机标定结果计算三维坐标,同时利用图像的二阶矩计算偏转角度。最后根据手眼标定矩阵及偏转角转换公式,求得水龙头在机器人基坐标系下的姿态,实现异构件的定位与抓取。实验结果表明x、y、z方向误差分别在±0.9mm、±1mm、±1.4mm以内,偏转角误差在±3.5°以内,具有良好的实用价值。

为解决当前监测方法位姿误差和高度误差偏大等问题,提出图像视觉特征的机械臂末端位姿监测方法。先通过TSAI手眼标定法标定机械臂手眼系统,然后采用粗定位提取机械臂轮廓,利用最小二乘法对边缘点拟合,获取视觉特征,最后通过机械臂视觉特征获取抓取位置,对抓取位姿和关节角进行映射得到机械臂作业轨迹,实现机械臂末端位姿监测。仿真实验结果表明,所提方法的位姿误差仅为0.06mm,高度误差仅为0.05mm,运行时间也较短,明显优于对比方法,不仅可有效降低位姿误差和高度误差,还能有效提升监测效率。

针对基于视觉辅助下的机器人对目标物体识别精度与抓取精度的要求,提出了一种基于深度学习目标检测方法的视觉抓取系统。系统首先通过改进的深度学习的目标检测算法实现被抓物体的识别;其次根据张正友相机标定的方法对末端夹持器柔性夹爪和深度相机实现手眼标定;最后在气动仿生手臂实验平台上完成物体的抓取实验。实验结果表明,与传统视觉抓取系统相比,基于深度学习目标检测的抓取系统不仅能够提高机器人对被抓物体的识别精度,而且还能够适应在各种复杂环境下实现对多种类别物体的抓取,取得了令人满意的抓取效果。

针对高精度测量辅助机器人加工的手眼标定,提出一种基于三维视觉测量的精确手眼标定方法,该方法考虑了非线性优化和初值计算中建模误差的影响。为了提高求解精度,在传感器框架中建立了具有更精确参考点的非线性标定模型,提出一种结合传感器测量和机器人位置随机误差的迭代权重优化解。在初值解中,建立考虑基础参考测量误差的测量平差模型,并使用拉格朗日乘子进行求解。仿真对比结果表明:该方法在估计手眼变换参数方面比其他典型方法具有

针对传统机械臂视觉系统标定方法存在标定误差大、精度低以及标定过程复杂的问题,提出一种面向数字孪生的手眼标定方法,通过分析标定原理给出标定方法以及搭建机械臂孪生虚拟平台,实现虚实空间的数据交互。结果表明:提出的手眼标定方法具有抓取精度高、抓取性能良好的优势。

口腔手术机器人手眼标定精度直接影响口腔手术机器人的工作精度。针对固定视点的口腔手术机器人,提出一种基于SVD分解的手眼标定算法,该算法无需采集姿态信息。通过纯平移运动,采集若干对坐标点计算旋转矩阵,而后通过纯旋转运动,采集若干对坐标点计算平移向量,从而完成手眼标定。在双目视觉位置定位精度为0.12 mm、机器人位置定位精度为0.1 mm、两者姿态定位精度均不定的条件下,实物实验结果表明:该算法标定平均误差的旋转部分在4 mrad以下,平移