面向機器人抓取的散亂零件自動識別與定位技術研究.pdf

1、裝配作為生產(chǎn)環(huán)節(jié)中一個必不可少部分，占用整個產(chǎn)品加工的大部分時間。小批量多樣化的生產(chǎn)模式對裝配的快速性、準確性、靈活性提出了更高的要求。相比于傳統(tǒng)手工裝配，基于機器人的自動化裝配可以免除人為因素對產(chǎn)品質(zhì)量的影響，降低裝配耗時，極大地提高生產(chǎn)效率。國內(nèi)外對機器人自動裝配技術的研究，主要集中在零件位姿檢測。本文提出基于低成本Kinect傳感器的散亂零件位姿估算方法。通過分析修復傳感器的深度圖像，獲得描述零件姿態(tài)的點云；利用散亂零件連接部分特

2、征和零件自身平面結(jié)構分離出目標單元；針對分割后的單元數(shù)據(jù)，由隨機采樣一致原理出發(fā)，設計基于特征的位姿估算方法并通過實驗進行分析驗證。
　　本研究主要內(nèi)容包括：⑴提出了基于Kinect傳感器的散亂零件點云獲取方法。建立深度圖像和三維點云的變換關系，針對圖像中的三種主要缺陷，分別進行處理：采用引導濾波去除圖像噪聲，分析調(diào)整參數(shù)和窗口半徑對圖像質(zhì)量及邊界輪廓影響，針對不同圖像，提出參數(shù)的最佳選擇；采用聯(lián)合雙邊濾波修復圖像的空洞，分析參數(shù)

3、影響并通過實驗測試空洞填補的數(shù)量和質(zhì)量；采用卡爾曼濾波消除深度數(shù)據(jù)跳動，分析參數(shù)影響并通過實驗對比處理前后數(shù)據(jù)的變化程度；最后，提出一個完整的深度圖像預處理方法，通過實驗測試三維點云的精度。⑵提出了完整的點云預處理方案。通過標定載物面，獲得完整目標點云。提出基于體素網(wǎng)格的點云密度減低方法，減少點云數(shù)量。利用數(shù)據(jù)點局部統(tǒng)計特征，設計一種有效的離散點檢測方法，提高目標點云中有效點的比例。⑶提出了基于統(tǒng)計距離和平面特征的散亂零件分割方法。針對

4、邊界點和內(nèi)部點在空間統(tǒng)計性質(zhì)上的差異，提出基于統(tǒng)計距離的相鄰目標連接部分消除方法，獲得適合空間聚類分割的點云單元；對于相互連接程度較大的相鄰目標，設計基于平面結(jié)構的點云分割算法，實現(xiàn)從堆疊零件中獲取單個目標的目標。⑷提出了基于隨機采樣一致的位姿估計方法。利用Halton序列從STL模型中獲取零件的標準點云。采用偶極子特征完成目標零件和標準點云匹配，針對特征中需要的法向量信息，提出了一種基于累加距離的估計算法。依據(jù)隨機采樣一致原理完成匹配