这里介绍了一种专门用于拾取和放置的六自由度并行机器人,该机器人具有高速和高载荷自重比的封闭式运动结构。这里针对六轴并联机器人运动控制和视觉抓取问题进行了深入的研究。首先针对六轴并联机器人的逆运动学问题进行求解;其次本文提出了牛顿修正法的六轴并联机器人实时正运动学求解方法;再次利用图像学形态算法从图像信息中确定待抓取目标的形态学特征,采用目标中心定位方法进行视觉抓取;最后利用实验验证了六轴并联机器人运动学和视觉抓取模型的正确性。结果表明该策略在较短的执行时间内,位置和方向参数的精度分别接近0.008mm和0.0012°。

视觉伺服抓取通常将相机采集的当前图像特征与期望图像特征之间的偏差作为输入信号,通过图像处理、视觉伺服策略等使机械手能够运动到期望位姿。传统的基于位置或基于图像的视觉伺服存在各自的缺点,这里在视觉伺服控制方面,结合位置视觉伺服收敛速度快以及图像视觉伺服精度高的优点,研究了基于位置和基于图像的切换视觉伺服方法。以机械手坐标系原点与期望位姿坐标系原点在世界坐标系下的距离作为视觉伺服切换的阈值,通过对切换视觉伺服方法的仿真分析,验证了该方法在前半程可以快速达到物体附近,后半程利用图像伺服可以使机械手精确到达期望位置。

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。