论文部分内容阅读
与人工分拣水果相比,机器人分拣水果具有分拣效率高,劳动强度低、经济效益好等优点。并联机构采用闭链结构,具有结构稳定、刚度大、精度高、动力性能好等优点,基于此,本课题组研制了一种水果分拣并联机器人。水果分拣并联机器人进行分拣水果操作时,对其末端执行器位姿的实时检测有利于掌握机器人末端执行器的运动状态并实现实时闭环控制,从而提升并联机器人的控制性能。双目视觉检测方法具有非接触性、适用性强、性价比高等优点,适用于水果分拣并联机器人的末端位姿检测。目前,并联机器人双目视觉末端位姿检测研究还存在一些难点,主要包括光照、噪声干扰等因素引起的检测精度降低问题、末端执行器上固定安装的标定板在工作空间边界位置易受并联机器人机构杆件遮挡导致视觉盲区错误检测问题等。为此,本文研究了一种改进PROSAC算法的双目视觉末端位姿检测方法以克服光照、噪声干扰等因素引起的检测精度降低问题,同时研究了一种运动学正解结合混合优化RBF神经网络进行误差补偿的视觉盲区末端位姿检测方法以解决视觉盲区末端位姿错误检测问题。本文完成的主要工作如下:(1)提出一种改进PROSAC算法的双目视觉末端位姿检测方法。为解决水果分拣并联机器人双目视觉末端位姿检测中,因光照、噪声干扰等因素引起的末端位姿检测精度降低问题,通过穿插取点和预检验的方法对PROSAC算法进行改进以克服该算法的模型参数估计精度不高和计算耗时问题,并采用改进的PROSAC算法对立体匹配结果进行提纯,以在保证立体匹配实时性的同时提高立体匹配的准确率,进而提高水果分拣并联机器人双目视觉末端位姿检测的精度。(2)提出一种运动学正解结合混合优化RBF神经网络进行误差补偿的视觉盲区末端位姿检测方法。为解决水果分拣并联机器人双目视觉末端位姿检测中,末端执行器上固定安装的标定板在工作空间边界位置易受并联机器人机构杆件遮挡导致视觉盲区末端位姿错误检测问题,通过采用运动学正解获取末端位姿参数理论估计值,并设计一种混合优化的RBF神经网络对运动学正解的末端位姿理论估计值进行误差补偿,以提高视觉盲区的并联机器人末端位姿检测精度。(3)构建水果分拣并联机器人双目视觉末端位姿检测系统实验平台,进行对比实验。设计硬件平台完成末端执行器的图像采集与传输,并通过Visual Studio软件和Open CV视觉库进行编程,实现水果分拣并联机器人双目视觉末端位姿检测系统的软件开发,最后基于该系统完成水果分拣并联机器人的末端位姿检测对比实验。实验结果表明,与未改进PROSAC算法的末端位姿检测方法相比,改进PROSAC算法的并联机器人双目视觉末端位姿检测方法,其末端位姿各分量x,y,z,γ的误差平均绝对值分别降低了65.9%、68%、66.7%和58.7%,误差标准差分别降低了63.2%、61.9%、63.6%和56.5%;与未进行误差补偿的运动学正解相比,运动学正解结合混合优化RBF神经网络进行误差补偿的视觉盲区末端位姿检测方法,其末端位姿分量x,y,z,γ的误差平均绝对值分别降低了54.4%、67.7%、54.7%和52.9%,误差标准差分别降低了52.9%、62.8%、51.9%和58.8%,验证了本文所提末端位姿检测方法的有效性和优越性。