机器人目标位置姿态估计及抓取研究

摘要

随着服务业对劳动力的需求越来越大，机器人逐渐被用于工业与服务领域。自动化生产线上的工业机器人，“抓取-放置”已成为他们实施次数最多的操作，服务型机器人在日常生活中，“抓取-放置”的环节也是必不可少的。要成功完成该操作，对目标物体即被操作物体位置姿态信息的获取是必须的。因为，本文开展机器人目标位置姿态估计及抓取研究。分别利用深度相机和双目相机两个不同的视觉传感器采集图像，针对场景中带有直线特征的物体，通过不同的算法对待抓取物体的位置姿态进行估计，具体研究内容如下: 第一，在研究了相机成像模型和视觉测量原理的基础上，分别对Kinect相机和双目相机进行了标定。 第二，研究了基于点云特征的位姿估计方法。针对Kinect相机采集的场景图像，利用直通滤波以及基于平面拟合的算法去除场景点云的背景和待抓取物体所在平面的点云，通过欧式聚类算法，实现将待抓取物体的点云单独分割出来。接着提取待抓取物体点云的ISS3D特征点，并生成FPFH特征描述子，同时建立待抓取的物体的特征描述子模型。运用SAC-IA算法将待抓取物体点云的特征描述子与模型中的特征描述子进行匹配，得到粗略的位姿估计，然后使用ICP算法优化计算最优变换矩阵，实现了对物体位姿信息的精确估计。 第三，研究了基于目标边缘特征的双目位姿估计方法。针对双目相机采集的场景图像，提出了一种基于目标边缘特征的双目位姿估计方法。该方法首先针对场景中具有直线特征的物体，提出了一种Hough变换结合线段聚类合并的算法，精确提取物体的直线边缘;然后利用双目立体标定的参数制定匹配筛选机制，得到左右目正确匹配的直线对;并设计了一种空间平面求交线的方法，对匹配的直线对进行三维重建;最后通过EPnP算法计算得到初始位姿矩阵，利用物体直线边缘的三维重建结果结合ICP算法对待配准边缘点云和目标边缘点云进行精配准，得到精确的旋转平移矩阵，从而实现对具有明显直线特征物体的精确位置姿态估计。 最后，进行了手眼协调的机械臂抓取实验。采用Tsai-lenz算法对Kinova机械臂进行手眼标定并对标定精度做重投影误差分析;设计综合实验对基于点云特征的位姿估计方法和基于目标边缘特征的双目位姿估计方法的性能进行对比分析;最后将位置姿态的计算结果作为机械臂系统的输入，实现了对目标物体的抓取。