基于機器視覺的挖掘機器人控制系統(tǒng)研究.pdf

1、液壓挖掘機是應用廣泛、結構復雜的工程機械。隨著挖掘機技術的發(fā)展，目前國內外許多研究機構都致力于提高挖掘機自動化、智能化水平的研究。為實現(xiàn)挖掘機的自主挖掘功能，挖掘機的機器人化是其發(fā)展的重要方向。為提高工作效率，降低勞動強度，適應復雜工作環(huán)境，實現(xiàn)自主挖掘將成為提高挖掘機智能化水平的研究熱點。
　　課題在對挖掘機進行機器人化改造基礎上，建立了工作裝置和電液系統(tǒng)模型，對工作裝置軌跡規(guī)劃進行了仿真研究。結合視覺傳感器獲取環(huán)境信息，設計了

2、一種適合挖掘機器人的自抗擾視覺伺服控制器，并通過仿真和試驗驗證了自抗擾視覺伺服方法的有效性。構建了基于行為控制的挖掘機器人控制體系結構，對給定的挖掘任務進行狀態(tài)分解，實現(xiàn)自主挖掘。具體研究工作包括以下幾個主要方面:
　　(1)針對PC02-1型小松液壓挖掘機，設計了電液系統(tǒng)改造方案，對挖掘機進行了機器人化電液比例技術改造。在工作裝置上安裝了傾角傳感器和壓力變送器，在機架上安裝了視覺傳感器。在Matlab/Simulink環(huán)境下搭建

3、了挖掘機器人的xPCtarget控制平臺，給出了xPC target的配置方法和工作流程。采用宿主機—目標機的外部模式實現(xiàn)對挖掘機器人的實時控制，可方便地進行動態(tài)模型實驗，實時獲取最佳控制參數(shù)。
　　(2)挖掘機器人的工作裝置類似于由液壓缸驅動的機械臂，采用機器人學的運動學理論對工作裝置進行正向/逆向運動學模型的建立，并將位姿空間、關節(jié)空間和油缸空間聯(lián)系起來，實現(xiàn)在各個空間對挖掘機器人的控制。建立了挖掘機器人閥控液壓缸系統(tǒng)模型，并

4、采用RBF神經(jīng)網(wǎng)絡對電液系統(tǒng)參數(shù)進行辨識。對工作裝置運動學逆解采用RBF神經(jīng)網(wǎng)絡優(yōu)化策略，實現(xiàn)工作裝置鏟斗末端運動軌跡規(guī)劃。為提高挖掘機器人工作裝置挖掘作業(yè)時軌跡規(guī)劃控制精度，建立了ANFIS逆映射模型，選取逆映射間的輸入、輸出曲面數(shù)據(jù)訓練ANFIS結構，實現(xiàn)由給定的期望挖掘軌跡，獲得相應的關節(jié)角，進而用于跟蹤期望的運動軌跡，仿真表明跟蹤精度能較好滿足實際要求。
　　(3)針對室外道路圖像易受光照影響的特點，提出了去相關拉伸變換的

5、方法。為提高鏟斗圖像質量，采用直方圖均勻化方法進行圖像增強。為去除障礙物目標圖像中的背景影響，引入了基于梯度的分水嶺變換圖像分割方法，對挖掘機器人運動路徑上的障礙物及目標進行分割。為提高對鏟斗目標的識別精度，提出了基于不變矩和改進BP網(wǎng)絡的圖像目標識別方法，提高了對鏟斗目標識別的可靠性。
　　(4)攝像機參數(shù)標定是建立機器視覺測量系統(tǒng)的基礎，是提高視覺測量精度的保證。建立了挖掘機器人攝像機視覺系統(tǒng)內、外參數(shù)成像模型，分析了攝像機非

6、線性畸變參數(shù)，確定了適合挖掘機器人視覺系統(tǒng)的標定參數(shù)。通過采集自制的棋盤標定模板圖像，基于OpenCV技術實現(xiàn)了對模板角點的提取，進而標定出攝像機模型的內部參數(shù)矩陣，攝像機非線性模型的徑向畸變系數(shù)，及攝像機外部旋轉矩陣和平移向量，并給出了標定參數(shù)誤差。標定結果表明，誤差達到亞像素級，可滿足挖掘機器人視覺系統(tǒng)的標定及視覺測量精度要求。建立了挖掘機器人雙目立體視覺系統(tǒng)模型并進行了標定。研究了挖掘機器人鏟斗目標圖像匹配方法，對雙目立體視覺匹配

7、進行了仿真研究。
　　(5)在立體視覺系統(tǒng)標定及圖像匹配的基礎上，研究了立體視覺深度信息測量方法、目標圖像定位方法、運動目標跟蹤方法。研究了基于顏色標記跟蹤的挖掘機器人鏟斗目標及姿態(tài)識別方法。研究了鏟斗標記圖像的特征提取及鏟斗目標定位的實現(xiàn)方法。
　　(6)研究了圖像雅可比矩陣及改進神經(jīng)網(wǎng)絡圖像雅可比矩陣估計方法。為提高挖掘機器人的自主挖掘能力，設計了基于圖像的自抗擾視覺控制器，對挖掘機器人的動臂、斗桿、鏟斗組成的3節(jié)機械臂

8、末端位置和姿態(tài)在x-z平面進行控制。針對自抗擾控制器需要整定的參數(shù)較多，參數(shù)間相互影響，整定困難的特點，引入了粒子群算法對控制器參數(shù)進行優(yōu)化。由于原始粒子群算法存在后期易陷入局部最優(yōu)的缺欠，采用小生境粒子群算法對自抗擾控制器參數(shù)進行整定優(yōu)化。搭建了基于視覺的自抗擾控制系統(tǒng)，并進行了仿真研究。
　　(7)為實現(xiàn)挖掘機器人的自主挖掘，構建了適合挖掘機器人的行為控制體系結構。以挖掘行為作為基準，用狀態(tài)流模型實現(xiàn)挖掘目標、挖掘任務、挖掘行