基于知識引導(dǎo)的工業(yè)機器人泛化性視覺系統(tǒng)研究與實現(xiàn).pdf

1、隨著現(xiàn)代科技的發(fā)展和自動化生產(chǎn)程度的提高，工業(yè)機器人在工程領(lǐng)域已獲得了廣泛的應(yīng)用。在實際生產(chǎn)過程中，工業(yè)機器人所體現(xiàn)出來的高效性、高精度性和多功能性等特點是普通人力所不能比擬的。相信在不久的將來，工業(yè)機器人必將替代普通人力成為工業(yè)發(fā)展的主要生產(chǎn)力。目前，工業(yè)機器人的發(fā)展在自主學(xué)習(xí)和記憶以及柔性加工等方面依然存在一定的缺陷。針對這些缺陷，本文通過在傳統(tǒng)算法的頂層引入知識工程，實現(xiàn)先驗知識的共享、集成、推理和演繹，開發(fā)了機器人視覺知識系統(tǒng)（

2、子系統(tǒng)），以提高機器人的學(xué)習(xí)、思維記憶和環(huán)境感知功能:在此基礎(chǔ)上，進一步研發(fā)了一套基于知識引導(dǎo)的工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)），用于實現(xiàn)機器人對目標(biāo)對象的自動識別和精準(zhǔn)定位。本文主要以缸體鑄件為實驗對象，對兩套系統(tǒng)中涉及的相關(guān)理論和關(guān)鍵技術(shù)進行了深入研究，并對該視覺系統(tǒng)的可靠性和泛化性進行了驗證。具體研究內(nèi)容和研究結(jié)論總結(jié)如下:
　　(1)基于人工神經(jīng)網(wǎng)絡(luò)具有非線性學(xué)習(xí)功能的特性，提出了一種可對機器人視覺知識系統(tǒng)中標(biāo)定知識自動

3、獲取的新標(biāo)定方法。通過定義手眼標(biāo)定模型中符號和邏輯表達（隱式知識）的表示方法，可以實現(xiàn)手眼標(biāo)定模型中隱式知識向顯式知識的轉(zhuǎn)變。借助該標(biāo)定方法的使用，機器人視覺知識系統(tǒng)（子系統(tǒng)）可通過學(xué)習(xí)機制獲取不同工作環(huán)境下的最佳標(biāo)定模型，用于指導(dǎo)工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)）的手眼標(biāo)定過程，實現(xiàn)機器人對目標(biāo)對象的精準(zhǔn)定位。
　　(2)為了提高圖像分割算法在復(fù)雜工業(yè)圖像中分割的自適應(yīng)性和穩(wěn)定性，提出了基于圖像高層信息的改進型變分水平集分割模型

4、和基于先驗知識的自適應(yīng)閾值分割模型。本文采用無參考圖像質(zhì)量評價分析方法，分析了不同工作環(huán)境下導(dǎo)致原始圖像質(zhì)量不穩(wěn)定的原因和影響圖像分割算法穩(wěn)定性的主要干擾因素。在此基礎(chǔ)上，提出了由圖像信息能量項、懲罰項和高斯金字塔項共同組成的改進型變分水平集分割方法和基于峰值和灰度統(tǒng)計知識的自適應(yīng)閾值分割算法。兩種分割方法均能快速準(zhǔn)確地從復(fù)雜背景中分割出包含定位基準(zhǔn)的感興趣區(qū)域，且當(dāng)因環(huán)境光強改變造成工件成像質(zhì)量發(fā)生變化時，該分割方法仍然能夠準(zhǔn)確地分割

5、出感興趣區(qū)域，兩種方法的分割耗時分別約為1.3s和0.8s。上述分割方法的應(yīng)用，可以進一步提高工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)）的穩(wěn)定性和泛化性能。
　　(3)本文提出了一種基于形狀知識的圖像語義識別方法。首先，針對工件形狀特征，構(gòu)建了具有平移、旋轉(zhuǎn)和縮放不變的內(nèi)、外部形狀特征圖像描述子的形狀描述數(shù)據(jù)庫;其次，運用數(shù)據(jù)挖掘技術(shù)中的粗糙集算法對數(shù)據(jù)庫中的數(shù)據(jù)進行屬性約簡和識別規(guī)則提取，以實現(xiàn)識別知識的自動獲取，形成識別知識庫;最后，

6、將工件形狀的語義信息作為識別規(guī)則的前項，將對應(yīng)的形狀描述子作為識別規(guī)則的結(jié)論，建立了工件形狀的語義信息和形狀特征圖像描述子之間的映射。通過使用該圖像語義識別方法，機器人視覺知識系統(tǒng)（子系統(tǒng)）可根據(jù)工件形狀的語義信息，從識別知識庫中自動獲取對應(yīng)的圖像描述，從而指導(dǎo)工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)）對目標(biāo)對象的自動識別，運用上述方法可對已建模形狀進行識別，其識別率可達100％。
　　(4)基于Java SSH軟件開發(fā)平臺，通過將建立的

7、標(biāo)定知識庫、事實庫和形狀識別知識庫集成于MySQL數(shù)據(jù)庫管理系統(tǒng)中，開發(fā)了基于Web的機器人視覺知識系統(tǒng)（子系統(tǒng)），以獲取不同工作環(huán)境下的最佳標(biāo)定模型和不同工件形狀語義信息對應(yīng)的識別知識信息，為工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)）服務(wù)。
　　(5)設(shè)計了工業(yè)機器人泛化性視覺系統(tǒng)的總體框架結(jié)構(gòu)和各功能模塊?；赩S2012+QT5.3軟件開發(fā)平臺，研發(fā)了一套基于知識引導(dǎo)的工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)）。該主系統(tǒng)可以通過Socket

8、通信方式與子系統(tǒng)進行對接。當(dāng)用戶在瀏覽器上通過子系統(tǒng)向服務(wù)器發(fā)送檢測請求時，主系統(tǒng)即可根據(jù)用戶權(quán)限獲取相關(guān)的標(biāo)定知識和識別知識，從而引導(dǎo)機器人實現(xiàn)對目標(biāo)對象的自動識別和精準(zhǔn)定位。
　　本論文研究了基于知識引導(dǎo)的工業(yè)機器人泛化性視覺系統(tǒng)的關(guān)鍵技術(shù)，對基于人工神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)標(biāo)定方法、復(fù)雜環(huán)境下的圖像自動分割算法及基于形狀知識的圖像語義識別等方面進行了研究，實現(xiàn)了工業(yè)機器人對目標(biāo)對象的自動識別和精準(zhǔn)定位。該系統(tǒng)可有效提升工業(yè)生產(chǎn)線的