NAO机器人的视觉伺服物品抓取设计与实现

摘要

随着人口老龄化问题日益加剧，“空巢老人”不断增多，导致如何解决照顾陪伴“空巢老人”的问题成为社会难题。在日常生活中，物品的操作是最为频繁的行为之一，老年人和残疾人由于行动不便或各种其他的原因，难以完成这些日常行为，需要家庭服务机器人给予帮助，所以服务机器人不仅需要在非结构化的家庭环境中运动，更为重要的是需要具有操作能力，能够帮助人完成家庭物品的抓取和传送。
　　本文以家庭服务机器人为用户提供家庭物品抓取和传递服务为应用背景，以仿人机器人NAO为实验平台，为使NAO能够更智能更自主地进行运动控制，对NAO机器人的五自由度手臂进行运动学建模，利用NAO的本体单目视觉和外设双目立体视觉构成视觉伺服控制系统，提出了准确的物品位姿估计算法，设计了基于位置的视觉伺服(Position-Based Visual Servoing，PBVS)控制方法，并且结合迭代学习控制改进了PBVS控制律，并通过实验验证提出的机器人控制方法能够使机器人很好的完成家庭物品抓取、传递任务，对机器人走入家庭为人提供服务具有重要意义。
　　针对在机器人附近且在机器人视野范围内物品的抓取问题，基于本体单目视觉提出基于Naomark标签的物品识别和定位方法，利用世界平面单应矩阵分解算法对目标物的位姿进行估计，使本体单目视觉能够对物体进行快速识别和准确定位。同时，本文设计了单臂抓取和双臂抓取的PBVS控制律，利用运动学逆解进行关节控制量的求解实现抓取，并提出双臂抓取在运送物品过程中需满足的位姿约束条件。为避免抓取过程中末端执行器与障碍物和目标抓取物的碰撞，对原有PBVS控制律引入路径规划进行了改进，通过实验验证了改进控制律的优越性。
　　对于未贴Naomark标签的物体和传递过程中运动的物体，本体视觉存在分辨率低，深度信息未知单目视觉难以进行精确定位，图像特征提取困难，难以进行快速图像处理，易产生图像动态模糊等问题。为解决这些难题以实现本体单目视觉难以准确识别与定位的物品的抓取，借助Bumblebee2双目立体相机构建视觉伺服系统，通过图像处理获取物品的自然特征点，利用对极几何及本质矩阵分解和线性三角形法获取特征点的三维坐标，进而估计出摄像机坐标系与物体坐标系的相对位姿。对于传递过程中运动物体的定位问题，提出了基于扩展卡尔曼滤波的物体位姿估计与运动预测方法。针对静止物品和传递过程中运动物品的抓取问题，分别设计了李雅普诺夫渐进稳定的PBVS抓取控制律，但由于机械误差和物品运动预测误差的存在，导致末端执行器不能完全跟踪上期望的抓取轨迹，本文结合迭代学习控制对PBVS控制律进行了改进，通过迭代实验验证提出的方法能够快速校正系统误差，提高系统响应速度，使机器人能够快速、稳定的完成目标物品的抓取，实现相应的家庭服务。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 相关问题的研究现状

1．2．1 NAO机器人抓取研究现状

1．2．2 视觉测量定位研究现状

1．2．3 视觉伺服控制研究现状

1．3 本文主要研究内容

1．4 论文章节安排

第二章 实验平台及NAO机器人的建模

2．1 实验平台简介

2．1．1 NAO机器人

2．1．2 Bumblebee2双目视觉

2．2 NAO机械臂的运动学建模

2．2．1 运动学正解

2．2．2 运动学逆解

2．3 本章小结

第三章 视觉测量定位

3．1 基于本体单目视觉的物体定位

3．1．1 摄像机模型及参数标定

3．1．2 基于单应矩阵分解的物品位姿估计

3．2 基于双目立体视觉的物体定位

3．2．1 对极几何及基本矩阵分解

3．2．2 位姿估计

3．3 实验结果与分析

3．3．1 单目视觉定位实验

3．3．2 双目视觉定位实验

3．4 本章小结

第四章 基于本体单目视觉的物品抓取

4．1 单臂抓取的PBVS控制律

4．2 双臂抓取的PBVS控制律

4．3 增加路径点的PBVS控制律

4．4 实验结果与分析

4．4．1 单臂抓取实验

4．4．2 双臂抓取实验

4．5 本章小结

第五章 基于双目立体视觉的物品抓取

5．1 视觉伺服系统标定

5．2 静止物体抓取

5．2．1 PBVS抓取控制律

5．2．2 结合迭代学习控制的改进控制律

5．3 运动物体抓取

5．3．1 基于扩展卡尔曼滤波的物体位姿估计与运动预测

5．3．2 PBVS抓取控制律

5．3．3 结合迭代学习控制的改进控制律

5．4 实验结果与分析

5．4．1 系统标定实验

5．4．2 静止物品抓取实验

5．4．3 运动物品抓取实验

5．5 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

硕士期间发表的论文和科研成果

硕士期间参加的科研工作