关键词:
机械臂
图像去雾
目标定位
轨迹规划
时间优化
摘要:
机械臂是将多学科的先进技术集成于一体的高科技产品,在极端恶劣的环境中可以代替人类完成各种工作任务。同时机械臂具有较高的生产效率,由此机械臂成为科研人员的研究热点。传统的机械臂只能进行单一、重复的操作,无法满足现代化生产的需求,所以研究人员将计算机视觉与机械臂相结合。利用视觉计算检测到目标物体位置,然后控制机械臂到达目标位置,使运行过程简单化、智能化。本文以AUBO-i5型机械臂为研究对象来分析机械臂的运动轨迹规划等问题,主要的研究内容如下:(1)首先,简单地介绍AUBO-i5型六自由度机械臂的结构和特点,并分析了机械臂运动学的基本理论知识及运动学模型;其次,描述了机械臂末端的位姿信息,以及多种坐标系的转换方式;最后,为了分析正逆运动学的准确性,本研究通过Matlab仿真软件进行了验证。(2)机械臂的抓取环境复杂多变,例如机械臂在雾霾环境下工作时,相机采集到的图像就会发生特征丢失的现象。针对该问题,提出了一种基于Cycle-dehaznet的单幅图像去雾网络。该方法将循环对抗生成网络Cyclegan和传统去雾网络Dehazenet相结合,利用Dehazenet架构作为Cyclegan网络中生成器的特征提取模块,并结合已有的假设和先验知识提升网络的去雾性能,从而有效地降低雾霾对图像成像质量的不利影响,提高了机械臂的抓取检测精度。然后,分析了目标定位技术,即基于卷积神经网络的矩形框抓取检测算法。针对所获取的图像进行矩形框抓取检测操作,利用卷积神经网络的特征提取能力,可以较好地学习图像数据并输出机械臂抓取的二维位置关系。最后,将二维抓取参数转换到空间坐标中,输出目标物体的空间位置信息,为下一步轨迹规划及优化做好准备。(3)机械臂在运行过程中存在加速度突变的问题,严重时会导致电机脱离驱动范围。针对此问题,本文选择将三次和五次多项式插值算法结合来优化机械臂的运动轨迹。机械臂在轨迹规划过程中驱动装置要符合实际负载要求,因此各关节速度和加速度在选取上会相对保守,导致完成一套动作需要的时间过长,从而使机械臂的连续性和平稳性未能充分发挥。为解决关节速度和加速度的优化选择问题,创新性地提出一种基于改进蝴蝶算法的机械臂时间最优轨迹规划方法。通过将莱维飞行和正弦余弦算法引入到蝴蝶优化算法中,对机械臂的运行时间进行优化,改进后的运行时间缩短了近36%,大大提升机械臂的工作效率。