CN108098761A - 一种新型机器人抓取目标的臂手装置及方法 - Google Patents

一种新型机器人抓取目标的臂手装置及方法 Download PDF

Info

Publication number
CN108098761A
CN108098761A CN201611043659.0A CN201611043659A CN108098761A CN 108098761 A CN108098761 A CN 108098761A CN 201611043659 A CN201611043659 A CN 201611043659A CN 108098761 A CN108098761 A CN 108098761A
Authority
CN
China
Prior art keywords
arm
target
manipulator
novel robot
video acquisition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611043659.0A
Other languages
English (en)
Inventor
杨旭
覃争鸣
陈墩金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rich Intelligent Science And Technology Ltd Is Reflected In Guangzhou
Original Assignee
Rich Intelligent Science And Technology Ltd Is Reflected In Guangzhou
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Rich Intelligent Science And Technology Ltd Is Reflected In Guangzhou filed Critical Rich Intelligent Science And Technology Ltd Is Reflected In Guangzhou
Priority to CN201611043659.0A priority Critical patent/CN108098761A/zh
Publication of CN108098761A publication Critical patent/CN108098761A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems

Abstract

本发明公开了一种新型机器人抓取目标的臂手装置及方法，所述装置包括：视频采集模块、上位计算机、机械臂模块及机械手模块；所述方法包括：S1，对视频采集模块进行内外参数的标定；S2，对所采集图像信息中的目标对象进行识别与定位；S3，控制机械臂移动到目标位置，并利用机械手进行精细抓取。本发明方案利用传感器、控制器操作机械臂、手实现了非结构环境下对目标物体的自主精细抓取。

Description

一种新型机器人抓取目标的臂手装置及方法
技术领域
本发明属于机器人视觉定位及抓取，涉及一种新型机器人抓取目标的臂手装置及方法。
背景技术
21世纪以来，随着机器人技术的不断成熟，机器人技术得到了更广泛应用。从工业机器人发展到服务型机器人，机器人逐渐走入了人们的日常生活当中，给我们带来了诸多方便。随着人类物质生活水平的提高及精神生活的日益丰富，未来机器人将跟人类更密切的联系在一起。
随着机器视觉与机器人技术的发展,服务机器人越来越智能化,如日本本田公司生产的仿人机器人ASIMO已能够完成接待客人、准备早餐等任务。智能服务机器人的核心技术包括目标抓取、定位、导航、人机交互、环境感知等。
在家庭、办公、医护等环境中，智能服务机器人通常需要完成一些自主抓取任务，如传递物品、清理桌面等，这需要机器人能够快速准确地完成对环境中物体的定位与识别，以及实现对目标物体的精细抓取。然而，环境的复杂性与物体的多样性给机器人自主实现物体定位与识别带来了很大的挑战。
论文“双目立体视觉的目标识别与定位，智能系统学报,2011,6(4):303-311，尚倩,阮秋琦,李小利”，采用双目立体视觉实现目标识别与定位；该双目立体视觉系统主要包括摄像机标定、图像分割、立体匹配和3维测距4个模块，其中立体匹配是双目视觉定位的最关键的一步，但实现目标区域的准确立体匹配较难，且立体匹配的不准确将直接导致所获取的深度信息产生偏差，同时其实时性是双目和多目定位视觉系统面临的最大挑战。
论文“基于Kinect的机械臂目标抓取，智能系统学报,2013,8(2):149-155，韩峥,刘华平,黄文炳,等”，利用Kinect实现目标识别与定位，其定位前采用张正友棋盘标定法标定摄像头内外参数，在识别物体时采用基于深度信息的背景相减法，但该方法只适用于物体变动检测。
论文“A case study ofobject identification using a Kinect sensor，2013IEEE International Conference on Systems,Man,and Cybernetics(SMC).2013:1743-1747，Huang Z Y,Huang J T,Hsu C M”，利用Kinect采集的RGB与深度信息，生成点云，并利用点云分割来实现目标物体识别，但该方法的实时性较差，且对算法优化要求较高。
发明内容
本发明目的在于提供一种新型机器人抓取目标的臂手装置及方法，利用深度分割、颜色与形状特征分割实现了目标的识别与定位，利用变积分PID控制机械手的抓取，有效地解决了非结构环境中对目标物体定位及识别不及时、不准确，从而导致机器人无法自主精确抓取的问题。
为解决上述技术问题，本发明采用如下的技术方案：一种新型机器人抓取目标的臂手装置及方法，其中，所述装置包括：视频采集模块、上位计算机、机械臂模块及机械手模块；其中，所述视频采集模块与上位计算机相连；所述上位计算机与机械臂模块通过以太网相连；所述上位计算机与机械手模块通过串口相连。
进一步地，所述视频采集模块采用的是微软的Kinect传感器，主要负责采集深度信息和RGB图像信息。
进一步地，所述机械臂模块采用UR5机械臂，共有6个自由度，机械臂末端的最大负荷为5kg。
进一步地，所述机械手模块采用SHU-II灵巧手，安装在机械臂的末端，实现物体的抓取功能。
进一步地，所述上位计算机用于对从Kinect传感器接收的信息进行处理后，实现对机械臂及机械手的控制。
所述方法包括：S1，对视频采集模块进行内外参数的标定；S2，对所采集图像信息中的目标对象进行识别与定位；S3，控制机械臂移动到目标位置，并利用机械手进行精细抓取。
进一步地，所述步骤S1中，采用张正友棋盘标定法(出自论文A flexible newtechnique for camera calibration[J],作者张正友，IEEE Transactions on PatternAnalysis&Machine Intelligence,2000,22(11):1330-1334)对摄像头进行标定。
本发明与现有技术相比具有以下的有益效果：
本发明方案利用传感器、控制器操作机械臂、手实现了非结构环境下对目标物体的自主精细抓取。
附图说明
图1是新型机器人抓取目标的臂手系统的结构框图。
图2是新型机器人抓取目标的臂手装置实现的方法流程图。
图3是安装在手指指节处的压力传感器的F-U特性曲线。
图4是不同果蔬与手指各指节接触时的压力值。
图5是新型机器人抓取目标的臂手系统的工作流程图。
具体实施方式
下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。
参照图1，本发明的一种新型机器人抓取目标的臂手装置及方法，其中，所述装置包括：视频采集模块、上位计算机、机械臂模块及机械手模块；所述视频采集模块与上位计算机相连；所述上位计算机与机械臂模块通过以太网相连；所述上位计算机与机械手模块通过串口相连。
其中，所述视频采集模块采用的是微软的Kinect传感器，即一个3D视觉传感器；它是由一个红外线(infrared radiation，IR)投射器、一个红外摄像头和一个RGB摄像头组成；IR投射器和IR摄像头负责生成深度图像，而RGB摄像头负责采集RGB彩色图像，其分辨率可以达到640×480。本发明中，Kinect传感器主要负责采集深度信息和RGB图像信息。
所述机械臂模块采用UR5机械臂，共有6个自由度，机械臂末端的最大负荷为5kg；
所述机械手模块采用SHU-II灵巧手，安装在机械臂的末端，实现物体的抓取功能。该灵巧手共有5个手指，每个手指的运动通过电机拉动与手指连接的牵引线来实现，由于其手指关节嵌入弹簧片，故控制手指的抓取只需精确控制电机的方向和转速；另外，拇指除了弯曲自由度外还有一个向左向右的自由度。通过与电机相连接的磁编码器精确测量手指的位置，这是因为在每个手指的3个关节处安装了灵敏度很高的压力传感器。因此，该灵巧手在抓取时能根据目标物体的形状、大小和硬度实现自适应控制。
所述上位计算机为主控制计算机，其主要功能是处理Kinect采集的深度与RGB图像数据，计算出目标物体的3维坐标信息。通过TCP/IP网络与机械臂控制台进行通信，实现机械臂控制；并通过串口通信发送指令控制灵巧手，实施抓取动作。开发平台VisualStudio 2010，配置OpenNI采集Kinect获取的深度信息和RGB信息，并配置OpenCV处理获取的深度信息和RGB信息，实现对目标物体的识别与定位。
参照图2，所述方法包括：
S1，对视频采集模块进行内外参数的标定；
为了实现对目标物体的精确定位，首先需要对Kinect进行标定。目前，Kinect标定主要包括摄像头标定，以及深度图像与RGB图像重合。采用OpenNI自带的函数已经可以很好地解决深度与RGB图像的校正，故Kinect标定问题为摄像头标定问题。
目前摄像头标定方法很多，本系统采用了张正友棋盘标定法，该方法标定过程简单，操作方便。在标定时，摄像头模型采用针孔模型，其定义如下：
sm＝A[R t]M， (1)
即
式中，(XW，YW，ZW)为世界坐标系下某点坐标；(u，v)为(XW，YW，ZW)点投影在图像平面的坐标；A为摄像头内参数矩阵；[R t]为外参数矩阵，R为旋转矩阵，t为平移矩阵；M为世界坐标系下某点齐次坐标；fx，fy分别为摄像头在x，y轴上的焦距；Cx，Cy分别为摄像头焦点与成像平面中心点偏移值。
内参数矩阵是描述摄像机坐标系与图像坐标系之间的关系，利用内参数可以计算出图像坐标系的某点对应于摄像机坐标系的点，其计算如下：
式中，(XC，YC)为RGB图像中某点在摄像机坐标系的坐标，ZC为对应于该点深度图像中的深度值。
利用式(3)和(4)可以实现求取图像平面任意一点摄像机坐标系下3维坐标。为了实现机械手对物体的抓取，往往需要将摄像机坐标系下的3维坐标转换到机械臂基坐标系，因此需要计算出摄像机坐标系与机械臂基坐标系(式(2)中的世界坐标系)的关系，即外参数矩阵
式中，为机械臂末端坐标系到摄像头坐标系的转换关系，为机械臂末端坐标系到机械臂基坐标系的转换关系。
摄像机坐标系的点转换到机械臂基坐标系时表示为
在标定时，将棋盘放置在机械臂末端上，利用式(5)中机械末端坐标系与机械臂基坐标系之间的转换关系计算并记录下在不同视角下各个角点对应机械臂基坐标系下的坐标，并利用OpenCV中的cvCalibrateCamera2函数计算出内外参数。
在实际标定过程中，为了得到高质量的结果，至少需要选取10幅7×8或者更大棋盘的图像。
S2，对所采集图像信息中的目标对象进行识别与定位；
本发明选用大小、形状不同的果蔬作为抓取目标，这些果蔬主要有苹果、梨、香蕉、橙子。这些果蔬的颜色特征和形状特征较为明显，故在识别过程中先通过颜色分割再利用果蔬的形状特征，最终实现果蔬的识别。在颜色分割前，考虑到存在背景干扰，故利用深度信息滤除背景。
S21，深度分割是指利用深度信息，将不在深度范围内的彩色图像信息滤除(见式(7))，从而减小识别区域，降低后期识别运算的复杂性。
式中，PRGB为图像中某点的RGB值，dmax为最大的深度值，dmin为最小的深度值。
本发明为了实现深度分割，将机械臂操作台固定在距离Kinect 0.9～1.5m位置(操作台宽约0.6m)，将操作台深度信息以外的背景彩色图像信息滤除(全部变为黑色)。在深度分割后，将操作台面内彩色信息提取出来，从而大大降低外部环境对果蔬识别的影响，提高后期识别计算速度。
S22，颜色与形状识别；彩色图像的分割往往需要选取合适的颜色空间进行分割，而RGB颜色模型是主要面向硬件的模型，应用于彩色视频摄像机和彩色监视器。RGB颜色空间受光源的种类、光照的强度等因素影响，且3个分量互相关联变化，很难确定识别RGB的阈值范围。而HSV(色调、饱和度、亮度)模型更符合描述和解释颜色的方式，其中色调H(hue)反映了该颜色最接近何种可见光谱波长，即某一种颜色；饱和度S(saturation)表示一种颜色相对于其纯色的比例，即纯洁性，可用来区别颜色明暗的程度；V(value)表示色彩的明亮程度。RGB转换到HSV的转换形式为
故本发明采用HSV颜色空间的颜色分割，由于某些果蔬颜色比较相近(如梨和香蕉)，往往仅通过颜色分割不能很好地识别，因此在完成颜色分割后，需要结合果蔬的形状特征实现果蔬的识别。采用果蔬的圆形度R，可以精确地区分颜色相近的不同种类的果蔬，其计算公式为
式中，S为果蔬的轮廓面积，L为果蔬轮廓周长。
具体识别步骤如下：
步骤1，进行深度信息分割后的RGB图像往往存在噪点，故采用平滑滤波滤除噪点；
步骤2，将滤波后的彩色图像从RGB颜色空间转换到HSV颜色空间，V通道受光线影响较大，故在H、S通道选取合适的阈值进行二值化，其具体阈值如表1所示。将二值化后的图像进行形态学处理，排除孤立噪声并对目标的缺损进行适当修补。
步骤3，在颜色分割后，利用果蔬的形状特征圆形度R(具体范围见表1)最终确定待识别果蔬的轮廓。求出轮廓中心点，利用标定时计算出的内外参数矩阵，通过式(3)、(4)和(6)求出目标物体的3D坐标。
表1果蔬颜色与形状特征
S3，控制机械臂移动到目标位置，并利用机械手进行精细抓取；
通过测量灵巧手的尺寸，将定位的目标3维坐标减去灵巧手位移量求得机械臂末端3维坐标，然后将该3维坐标发送至机械臂控制台，控制台通过逆运动学求解最优解，最终机械臂移动至目标位置。
考虑到果蔬的大小、形状以及硬度的不同，为了实现果蔬的精细抓取，需要实现抓取手指指节接触力的控制。
本发明的压力传感器安装在手指指节处，采用了408传感器，它广泛应用于自动控制设备的仿真人触摸控制、医学系统以及工业机器人。压力传感器的F-U(电压归一化后范围值为0～255mV)特性曲线如图3所示。由图3可见，压力值越大压力传感器的阻值越小，因而经过放大电路后的电压值越小。
经过多组接触力测试，并对数值求取平均值，不同果蔬在与手指各指节接触时的压力值如图4所示。
根据分析抓取各个手指指节压力值发现：
(1)大拇指、食指、中指以及无名指为主要受力手指，小拇指仅与目标物体有接触但压力值很小或无接触；
(2)主要受力指节位于指尖，通常指根与目标物体的接触压力值很小或无接触。
因此，在实际抓取过程中只需实现对大拇指、食指、中指和无名指指尖指节的接触力控制。
在手指指节接触力控制实验中发现，手指在空载运动时线驱动的结构使得手指运动角度越大，电机承受的负载越大。而在传统的PID控制中，当PID参数整定后各个参数都是确定值，很难减少压力的静差，因此积分参数很难整定。在手指空载情况下当手指角度较小时需要小的积分参数，而在手指角度较大时需要大的积分参数，故本发明采用对手指指节接触力进行变积分PID控制。
变积分PID是在不同角度范围内改变积分系数，使抓取的压力值快速响应，PID积分项表达式为
式中，kI为传统的PID积分参数，kA为与角度相关的变积分系数，e(k)为设定值和输出值的偏差值，则变积分PID算法为
式中，kP为PID的比例参数，kD为PID的微分参数。
通过不断调试，选取合适的PID参数以及变积分系数kA，实现对接触力的精确控制。
本发明的总体工作流程如图5所示，主要包括：利用深度分割、颜色与形状特征分割实现目标的识别与定位；通过TCP/IP通信发送3维坐标，实现对机械臂的控制；利用变积分PID控制实现灵巧手的精细抓取。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种新型机器人抓取目标的臂手装置，其特征在于，所述装置包括：视频采集模块、上位计算机、机械臂模块及机械手模块；其中，所述视频采集模块与所述上位计算机相连；所述上位计算机与所述机械臂模块通过以太网相连；所述上位计算机与所述机械手模块通过串口相连。
2.根据权利要求1所述的一种新型机器人抓取目标的臂手装置，其特征在于，所述视频采集模块采用的是微软的Kinect传感器，主要负责采集深度信息和RGB图像信息。
3.根据权利要求1所述的一种新型机器人抓取目标的臂手装置，其特征在于，所述机械臂模块采用UR5机械臂，共有6个自由度，机械臂末端的最大负荷为5kg。
4.根据权利要求1所述的一种新型机器人抓取目标的臂手装置，其特征在于，所述机械手模块采用SHU-II灵巧手，安装在机械臂的末端，实现物体的抓取功能。
5.根据权利要求1所述的一种新型机器人抓取目标的臂手装置，其特征在于，所述上位计算机用于对从Kinect传感器接收的信息进行处理后，实现对机械臂及机械手的控制。
6.一种应用权利要求1所述的一种新型机器人抓取目标的臂手装置实现的方法，其特征在于，所述方法包括：S1，对视频采集模块进行内外参数的标定；S2，对所采集图像信息中的目标对象进行识别与定位；S3，控制机械臂移动到目标位置，并利用机械手进行精细抓取。
CN201611043659.0A 2016-11-24 2016-11-24 一种新型机器人抓取目标的臂手装置及方法 Pending CN108098761A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611043659.0A CN108098761A (zh) 2016-11-24 2016-11-24 一种新型机器人抓取目标的臂手装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611043659.0A CN108098761A (zh) 2016-11-24 2016-11-24 一种新型机器人抓取目标的臂手装置及方法

Publications (1)

Publication Number Publication Date
CN108098761A true CN108098761A (zh) 2018-06-01

Family

ID=62204677

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611043659.0A Pending CN108098761A (zh) 2016-11-24 2016-11-24 一种新型机器人抓取目标的臂手装置及方法

Country Status (1)

Country Link
CN (1) CN108098761A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108827154A (zh) * 2018-07-09 2018-11-16 深圳辰视智能科技有限公司 一种机器人无示教抓取方法、装置及计算机可读存储介质
CN109079777A (zh) * 2018-08-01 2018-12-25 北京科技大学 一种机械臂手眼协调作业系统
CN109108970A (zh) * 2018-08-22 2019-01-01 南通大学 一种基于骨骼节点信息的交互式机械臂控制方法
CN110125036A (zh) * 2019-04-25 2019-08-16 广东工业大学 一种基于模板匹配的自识别分拣系统和方法
CN110455189A (zh) * 2019-08-26 2019-11-15 广东博智林机器人有限公司 一种大尺寸物料的视觉定位方法和搬运机器人
CN111015670A (zh) * 2019-12-28 2020-04-17 飞天诚信科技股份有限公司 一种机械手臂及其定位识别处理零件的方法
CN113492404A (zh) * 2021-04-21 2021-10-12 北京科技大学 一种基于机器视觉的仿人机器人动作映射控制方法
CN113925742A (zh) * 2021-10-20 2022-01-14 南通大学 一种目标驱动式的上肢外骨骼康复机器人的控制方法及其控制系统
CN114619421A (zh) * 2022-04-08 2022-06-14 北京理工大学 抓取设备、抓取存储一体化系统及抓取方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108827154A (zh) * 2018-07-09 2018-11-16 深圳辰视智能科技有限公司 一种机器人无示教抓取方法、装置及计算机可读存储介质
CN109079777B (zh) * 2018-08-01 2021-09-10 北京科技大学 一种机械臂手眼协调作业系统
CN109079777A (zh) * 2018-08-01 2018-12-25 北京科技大学 一种机械臂手眼协调作业系统
CN109108970A (zh) * 2018-08-22 2019-01-01 南通大学 一种基于骨骼节点信息的交互式机械臂控制方法
CN109108970B (zh) * 2018-08-22 2021-11-09 南通大学 一种基于骨骼节点信息的交互式机械臂控制方法
CN110125036A (zh) * 2019-04-25 2019-08-16 广东工业大学 一种基于模板匹配的自识别分拣系统和方法
CN110455189A (zh) * 2019-08-26 2019-11-15 广东博智林机器人有限公司 一种大尺寸物料的视觉定位方法和搬运机器人
CN111015670B (zh) * 2019-12-28 2021-06-08 飞天诚信科技股份有限公司 一种机械手臂及其定位识别处理零件的方法
CN111015670A (zh) * 2019-12-28 2020-04-17 飞天诚信科技股份有限公司 一种机械手臂及其定位识别处理零件的方法
CN113492404A (zh) * 2021-04-21 2021-10-12 北京科技大学 一种基于机器视觉的仿人机器人动作映射控制方法
CN113492404B (zh) * 2021-04-21 2022-09-30 北京科技大学 一种基于机器视觉的仿人机器人动作映射控制方法
CN113925742A (zh) * 2021-10-20 2022-01-14 南通大学 一种目标驱动式的上肢外骨骼康复机器人的控制方法及其控制系统
CN114619421A (zh) * 2022-04-08 2022-06-14 北京理工大学 抓取设备、抓取存储一体化系统及抓取方法
CN114619421B (zh) * 2022-04-08 2024-01-02 北京理工大学 抓取设备、抓取存储一体化系统及抓取方法

Similar Documents

Publication Publication Date Title
CN108098761A (zh) 一种新型机器人抓取目标的臂手装置及方法
CN107186708B (zh) 基于深度学习图像分割技术的手眼伺服机器人抓取系统及方法
CN107160364B (zh) 一种基于机器视觉的工业机器人示教系统及方法
US8244402B2 (en) Visual perception system and method for a humanoid robot
Bohg et al. Robot arm pose estimation through pixel-wise part classification
CN111604598B (zh) 一种机械臂进给式激光刻蚀系统的对刀方法
US10306149B2 (en) Image processing apparatus, robot system, robot, and image processing method
CN109443206B (zh) 基于彩色球形光源靶标的机械臂末端位姿测量系统及方法
CN108817613A (zh) 一种弧焊机器人焊缝纠偏系统及方法
CN112010024B (zh) 一种基于激光和视觉融合检测的货箱自动抓取方法及系统
CN109297413A (zh) 一种大型筒体结构视觉测量方法
CN108177150A (zh) 基于视觉的电梯门板定位与抓取装置及方法
Guo Research of hand positioning and gesture recognition based on binocular vision
CN116673962B (zh) 一种基于Faster R-CNN和GRCNN的机械臂智能抓取方法及系统
CN115070781B (zh) 一种物体抓取方法及双机械臂协作系统
CN108161930A (zh) 一种基于视觉的机器人定位系统及方法
CN113744247A (zh) 一种pcb焊点缺陷识别方法和系统
Natarajan et al. Robust stereo-vision based 3D modelling of real-world objects for assistive robotic applications
CN113386128A (zh) 一种面向多自由度机器人的体势交互方法
CN105025619B (zh) 基于机器人运动过程中应对黑暗环境的光源亮度调节方法
Ali et al. An identification and localization approach of different labware for mobile robot transportation in life science laboratories
CN114851206A (zh) 基于视觉引导机械臂抓取炉具的方法
Sanchez-Lopez et al. Visual detection, tracking and pose estimation of a robotic arm end effector
Gao et al. Vision-based grasping and manipulation of flexible USB wires
CN210589323U (zh) 基于三维视觉引导的钢箍加工上料控制系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180601