论文部分内容阅读
伴随着工业4.0时代的到来,工业自动化的飞速发展,传统的工业生产模式逐渐衰落,新型的工业自动化生产模式日益兴盛,工业自动化抓取是不可缺少的环节,针对多样化大批量生产模型中对抓取的速度、效率、准确性的要求不断提升,采用基于工业机器人自动化抓取代替传统的人工上料,能够提高抓取的效率及准确性。工业机器人自动化抓取的实质就是对工件进行识别和定位并最终放置到指定位置的过程。本文基于三维视觉对工业机器人工件定位方法进行研究,工业机器人工件定位的实质是通过对工件三维点云的匹配达到工件定位的目的。实现工件三维点云高效匹配的精髓就是三维点云匹配算法的选取,以工业抓取机器人为背景,以散乱堆叠的三通工件为研究对象,以三维空间的图形匹配为理论依据,对工件三维点云匹配与定位问题做了深入的分析与研究。论文的主要工作如下:(1)建立工件的RGBD数据模型。通过Kinect三维视觉传感器获取散乱堆叠工件的RGBD数据并根据RGBD数据提取散乱堆叠工件的深度信息,进而得到了散乱堆叠工件点云:工件点云背景分割是根据散乱堆叠工件点云的深度信息对散乱堆叠工件点云的背景进行分割,剔除不希望得到的背景点云信息,进而得到只含有散乱堆叠工件的三维点云(3D Point Cloud)。(2)散乱堆叠工件点云的点对特征提取。针对散乱堆叠放置工件这一研究对象,依据工件点云的点元及其法向量信息提出了描述工件三维点云的点对特征,并设计了点对特征的提取方法,使其更好地去描述工件三维点云,以及提出采用哈希表数据结构存储点对特征的方法,以实现点对特征的快速查找与访问,提高了点对特征搜索的实时性。(3)基于投票算法的散乱堆叠工件点云的点对特征匹配。针对工业机器人工件抓取这一研究背景,分析了经典的三维点云匹配算法,结合前述的工件点云点对特征,提出了采用基于投票算法的点对特征匹配策略,在Linux现行版本ubuntu 14.04 LTS 64位操作系统下,采用Qt Creator编程环境平台,结合PCL(Point Cloud Library)编写程序,进行散乱堆叠放置工件定位的实验,首先对目标工件进行学习,然后进行点对特征匹配及位姿假设投票,最后将位姿假设投票进行聚类及位姿估计实现散乱堆叠工件定位的目的。