针对传统机器人目标抓取过程中识别精度低的问题,提出了一种改进SSD网络的目标识别与定位方法。首先,针对机器人在小目标检测上精度低的问题,将特征金字塔与CNN神经网络结合,实现高层特征与底层特征提取的联合;其次,针对工业机器人数据样本小、不利于识别分析的问题,采用移动、旋转、增加噪声干扰、消除干扰数据等方式对数据集进行增强;最后,对改进的SSD网络进行验证。结果表明,相较于SS+SIFT+SVM算法、SS+HOG+SVM算法,改进的SSD网络可有效识别和定位需要抓取的目标。

为满足配网带电作业机器人作业任务要求,提出一种基于激光雷达点云的电气设备识别方法。采集点云后,进行预处理操作,清除干扰点并保留作业区域的点云。基于几何特征,初步检测电杆和绝缘机械臂,然后利用电杆与机械臂之间的几何约束条件,通过最小二乘法对识别结果进行迭代优化。利用所获得的电杆和机械臂构成结构所提供的几何信息,进一步处理电力线点云,实现电力线点云识别。实验表明,该方法能快速、准确、稳健地从作业区域的激光雷达点云中分割和识别电杆、机械臂和电力线,为机器人执行各种后续作业任务提供充足信息。