论文题目：基于视觉的机械臂的目标检测和避障路径规划研究与应用
摘要：机械臂作为自动化技术发展的基础设备之一,经过长期发展,已经在部分行业中起到举足轻重的作用。然而在如今高度智能化的时代,机械臂仍然缺乏主动感知和安全实时交互等能力。本文在六自由度机械臂平台上,采用双目相机作为机械臂的视觉传感器,运用深度学习技术实现自动视觉检测,对机械臂操作中的路径规划算法进行探索,旨在提升机械臂的自主性和智能化程度。首先,搭建了基于ROS的机械臂系统。对机械臂运动学进行了分析,在ROS系统中对机械臂模型采用Move It!进行了配置,利用Ar Uco标签进行了手眼标定实验,得到机械臂和视觉系统间的变换矩阵,利用点云信息得到了机械臂平台在工作空间中的八叉树地图。其次,针对机械臂系统确定目标对象及其位姿的任务,设计了先通过目标检测确定类别和范围,再进行抓取检测确定抓取位姿的思路。针对YOLOv4目标检测算法中网络结构复杂和计算量大的问题,对YOLOv4算法进行轻量化设计,引入了轻量级网络Mobile Net V3代替CSPDarknet53作为主干特征提取网络,并用深度可分离卷积对网络进一步优化,得到了轻量化的Small-Mobile Net V3-YOLOv4网络,改进的网络更容易部署在嵌入式平台上。在自制的八类可抓取物品数据集上训练和评估改进前后的网络模型,验证了改进的模型能够显著地提升检测速度。再利用目标检测的结果将抓取注意力集中到目标对象区域,结合基于CNN的抓取检测,得到了抓取位姿。然后,针对机械臂的避障路径规划展开了研究。分析和对比了RRT、RRTConnect和RRT*算法。在RRT*算法上做出改进,加入目标导向节点策略和自适应概率策略,减少了运行时间,避免陷入局部极小值,并进行了避障路径规划三维仿真实验。对规划生成的路径应用三次多项式法进行了轨迹优化。在机械臂仿真平台进行路径规划,生成了机械臂可执行的连续平滑路径轨迹。最后,在机械臂平台上进行了验证实验。将目标检测模型部署到机械臂系统,测试了算法的应用效果。使用机械臂系统完成了识别和抓取目标对象的实验,表明了本文提出的目标对象的检测算法和避障路径规划算法的可靠性。
关键词：机械臂;目标检测;YOLOv4;路径规划;RRT*
学科专业：控制科学与工程
摘要
Abstract
第1章 绪论
1.1 课题研究的背景与意义
1.2 国内外研究现状
1.2.1 目标检测研究现状
1.2.2 机械臂路径规划研究现状
1.3 论文研究内容和章节安排
第2章 机械臂系统分析和设计
2.1 机械臂系统结构
2.1.1 硬件平台
2.1.2 软件功能
2.2 六自由度机械臂运动学分析
2.2.1 D-H参数法建模
2.2.2 机械臂正运动学分析
2.2.3 机械臂逆运动学分析
2.3 基于MoveIt!对机械臂配置
2.3.1 MoveIt!系统架构
2.3.2 机械臂Move It!配置
2.4 机械臂场景构建
2.4.1 八叉树地图原理
2.4.2 视觉场景地图搭建
2.5 本章小结
第3章 目标检测和抓取检测算法研究
3.1 基于深度学习的目标检测算法对比
3.2 改进YOLOv4的目标检测算法
3.2.1 YOLOv4算法介绍
3.2.2 轻量级网络MobileNetV3介绍
3.2.3 Small-MobileNetV3-YOLOv4算法
3.2.4 模型训练及分析
3.2.5 实验结果分析
3.3 基于CNN的抓取检测算法
3.3.1 抓取表示和抓取算法网络结构
3.3.2 抓取检测实验
3.4 本章小结
第4章 机械臂避障路径规划研究
4.1 几类路径规划算法对比
4.2 三种RRT系列算法介绍
4.2.1 RRT算法
4.2.2 RRT-connect算法
4.2.3 RRT*算法
4.3 三种RRT算法仿真实验结果与分析
4.3.1 二维平面仿真实验
4.3.2 三维空间仿真实验
4.4 改进的RRT*算法研究
4.4.1 改进的RRT*算法设计
4.4.2 三维空间仿真实验
4.5 机械臂轨迹规划和碰撞检测
4.5.1 机械臂轨迹优化
4.5.2 机械臂碰撞检测
4.6 机械臂路径规划实验
4.6.1 机械臂路径规划流程
4.6.2 机械臂路径规划仿真实验
4.7 本章小结
第5章 机械臂系统应用与实现
5.1 机械臂与相机的手眼标定
5.1.1 手眼标定的原理
5.1.2 手眼标定实验
5.2 目标对象的检测实现
5.2.1 ROS系统中配置D435i相机
5.2.2 目标检测算法部署
5.2.3 目标对象的检测实现过程
5.2.4 目标对象的检测实验及分析
5.3 机械臂抓取实验
5.4 本章小结
结论
参考文献
致谢