工业机器人抓取技术分析

2362486 2017-09-29 | rar | 0.57 MB | 次下载 | 1积分

资料介绍

　　在如今这个高度智能化的时代，无人机已经在为我们记录生活，自动驾驶汽车也早已开始上路测试，物流机器人正被广泛推广。不难发现，机器人与我们的生活联系得越来越紧密。

　　然而，机器人产业的迅速发展目前还没能让广大民众为之欢呼雀跃。对普通民众而言，机器人的工业运用离他们太遥远。他们可能也无法理解，在工业上被广泛使用的机器人为何迟迟无法进入“寻常百姓家”？其实，由于工厂的环境相对单一，工业机器人只需要按照设定好的程序运行就能够批量完成流水化作业。

　　车间中的工业机器人

　　但人类的世界纷繁复杂，这种非结构化环境给机器人高效运行带来了极大的困难。真正能走进千家万户，给大家带来欢乐与便利的服务型机器人少之又少。抛开复杂程度较高的任务不说，仅仅是让机器人给我们递上一杯沏好的热茶，让我们能够凭借指令“隔空取物”，就还有一些技术难点需要被攻克。

　　感知技术

　　为了让机器人很好地完成取物任务，机器人需要有传感器来确定物体的位姿。传感器相当于机器人的眼睛，机器人通过传感器可以实时获取环境的RGBD信息。其中事先学习过的环境中物体可以通过神经网络被识别，并获得相应的空间位置。但家庭场景十分复杂，又有各类纷繁的物体，在这样的环境中机器人如何自动、准确地识别、分割并计算出目标物体的位置及形状信息仍是一个难题。

　　抓取规划

　　仅有一双眼睛显然还无法帮助我们实现“隔空取物”。家庭环境中物体多样，为了适应这些不同种类、不同形状的物体，机器人还需要一双灵巧的机械手。在执行抓取任务时，机器人的抓取规划可以被分为手臂运动规划和手部抓取规划两个部分。

　　手臂在运动时，需要通过外部传感器将环境信息导入vwin 环境用于避障，通过优化运动路径，确保手臂能够安全、高效地运动到机器人抓取所需要到达的位姿。手的抓取姿态，可以借助GraspIt！（用于机械手抓取的开源模拟软件）等工具模拟生成，也可以通过训练的神经网络生成。这些方式都需要保证生成的姿态能够在理想情况下成功抓取。简而言之，就是要让机器人学会在识别出物体之后自己找到抓取物体的路径，并调整到合适的手势。可路径、手势选择太多，怎样才能执行好任务，为此机器人也很纠结。