求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。

3D视觉技术在机器人抓取作业中的应用查看源代码讨论查看历史

跳转至: 导航搜索

来自 搜狐网 的图片

3D视觉技术在机器人抓取作业中的应用近年来,机器人自动化领域越来越多地应用3D视觉技术对目标物体进行定位。本文主要研究3D视觉技术在机器人抓取作业中的应用,总结了3D视觉技术在识别、定位物体时面临的挑战,给出了抓取作业机器人3D视觉系统的设计方法,归纳了现有的3D表面成像方法和视觉处理算法,最后给出一个结合3D视觉技术对白色抽屉纸盒进行抓取分拣的实际应用案例。

关键词:3D视觉;工业机器人;抓取

案例背景介绍

1 引言

随着经济的发展与科技的进步,人们越来越多地将自动化技术应用到生产与生活中,与此同时,也对自动化技术提出了更高的要求。近十年来,工业机器人[1]的普及使得机器人自动化得到了更广泛的应用和关注。很多机器人系统已经集成了视觉系统,利用机器视觉技术实现检测、识别、定位等功能,为后续的机器人运动提供必要的信息。

在许多自动化应用场合中,如自动化分拣、装配、拆垛、码垛、上料等过程中,工业机器人经常被用来进行抓取作业。要完成抓取操作,机器人系统可能需要完成目标感知、运动规划、抓取规划等一系列任务。视觉系统在机器人抓取作业中的作用就是识别、定位目标物体,为机器人提供目标物体的类型与位姿信息。其中,位姿估计的精度关系到抓取的成功率与精度,是非常重要的技术参数。

3D视觉技术的优点

3D视觉技术作为新兴的技术领域还存在很多亟待解决的问题,但2D视觉已不能满足空间抓取的应用要求。与2D视觉相比,3D视觉技术的优点有:

(1)3D视觉可以提供目标物体6DOF的位姿数据,而2D视觉仅能提供平面内3DOF的位姿数据;

(2)3D视觉能给出目标物体的深度信息或物体表面的点云信息。

但与此同时,3D视觉技术在机器人抓取应用中仍然面临许多挑战:

(1)点云空洞:用3D相机捕捉反光、透明、网状物体表面的点云信息,经常会出现数据的丢失,丢失的点云数据[2]形成了点云空洞;

(2)点云粘连:多个物体杂乱堆放或者两个物体表面靠近摆放时,不同物体表面的点云会粘连在一起,这就涉及到如何稳定、准确地进行点云分割;

(3)点云密度不一致:物体表面与3D相机之间的相对位姿、物体表面的颜色均会影响点云的密度,使得目标场景的点云密度不一致,这在一定程度上给点云处理算法带来了困难;

(4)视野局限:有限的相机视角、遮挡和阴影效果,都会阻碍3D相机获得抓取目标的表面全貌,进而阻碍对抓取目标的识别;

(5)速度:3D视觉的原理要求其处理的数据量较大。3D相机的分辨率越高,所采集的点云质量越好,越能表征物体表面更细微的几何特征,但相应地带来的数据量就越大。为了适应实际应用需要,如何提高3D相机获取目标场景点云的速度、点云处理算法的速度仍是需要研究的课题。

此外,相机传感器的噪声,点云分割噪声,光照条件的变化,物体的颜色等诸多因素都是3D视觉技术所面临的问题。

本文主要研究3D视觉技术在机器人抓取作业中的应用。文章第二部分介绍抓取作业机器人3D视觉系统的设计,包括视觉设备的选择、与机械设计的关系;第三部分介绍几种3D表面成像技术;第四部分介绍3D视觉处理算法,包括点云分割、3D匹配等;第五部分给出一个实际应用案例:工业机器人结合3D视觉分拣白色抽屉纸盒;第六部分为总结。

参考文献