CN108748162B - 一种机器人实验教学用基于最小二乘法的机械臂控制方法 - Google Patents

一种机器人实验教学用基于最小二乘法的机械臂控制方法 Download PDF

Info

Publication number
CN108748162B
CN108748162B CN201810745022.9A CN201810745022A CN108748162B CN 108748162 B CN108748162 B CN 108748162B CN 201810745022 A CN201810745022 A CN 201810745022A CN 108748162 B CN108748162 B CN 108748162B
Authority
CN
China
Prior art keywords
target object
track
controlling
sample points
paw
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.)
Active
Application number
CN201810745022.9A
Other languages
English (en)
Other versions
CN108748162A (zh
Inventor
王天雷
王柱
王天擎
张昕
罗兵
李烨
王玉青
张京玲
郝晓曦
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.)
Wuyi University
Original Assignee
Wuyi University
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 Wuyi University filed Critical Wuyi University
Priority to CN201810745022.9A priority Critical patent/CN108748162B/zh
Publication of CN108748162A publication Critical patent/CN108748162A/zh
Priority to PCT/CN2019/079255 priority patent/WO2020010876A1/zh
Priority to US16/753,007 priority patent/US20200290201A1/en
Priority to DE112019003470.7T priority patent/DE112019003470T5/de
Application granted granted Critical
Publication of CN108748162B publication Critical patent/CN108748162B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1646—Programme controls characterised by the control loop variable structure system, sliding mode control
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/42—Recording and playback systems, i.e. in which the programme is recorded from a cycle of operations, e.g. the cycle of operations being manually controlled, after which this record is played back on the same machine
    • G05B19/425—Teaching successive positions by numerical control, i.e. commands being entered to control the positioning servo of the tool head or end effector
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J15/00—Gripping heads and other end effectors
    • B25J15/0028—Gripping heads and other end effectors with movable, e.g. pivoting gripping jaw surfaces
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种机器人实验教学用基于最小二乘法的机械臂控制方法，包括：采集目标物图像，通过目标物图像计算出目标物的位置坐标；设定拾取距离，根据位置目标选定若干个第一样本点和第二样本点，利用摆动舵机控制手爪顺次按第一轨迹和第二轨迹进行运动；读取摆动舵机内PWM信号占空比S，计算Di＝S/P的值；基于最小二乘法对xi进行拟合，得到拟合方程：调整拾取距离，根据拟合数据相应设定摆动舵机内PWM信号占空比并控制手爪顺次按第一轨迹和第二轨迹进行运动；控制手爪闭合完成目标物抓取并提取上行。本发明采用最小二乘法拟合，大大简化了实现轨迹的标定步骤，有利于提高机械臂拾取效率，方便机器人实验教学使用。

Description

一种机器人实验教学用基于最小二乘法的机械臂控制方法
技术领域
本发明涉及机器人机械臂，尤其是一种机器人实验教学用基于最小二乘法的机械臂控制方法。
背景技术
目前，机器人的图像识别定位一般是：将目标物与机器人的距离进行计算后输送到机械臂控制系统，通过舵机控制机械臂对目标物实现取放，而一般的机械臂会采用二连杆机构，每一个连杆由单独一个舵机驱动。在移动过程中，由于需要使手爪从某一高度竖直下降到预定目标位置处，因此希望是沿一条垂直向下的轨迹来运动，但实际上由舵机驱动的二连杆机构很难准确实现：
具体地，机械臂二连杆机构一般包括大臂、小臂及手爪，假设手爪拾取的位置坐标为P(y，z)，因此可得到如下关系式
Figure BDA0001724126120000011
其中θ1为舵机控制大臂转动后大臂与水平面之间的夹角、θ2为小臂与大臂延长线之间的夹角，l1和l2均为常数；对上述关系式求反函数得
Figure BDA0001724126120000012
由上式可以看出，θ1和θ2在实现过程中取值较为复杂，对抓取的影响较大，且呈非线性耦合关系，这为实现轨迹，尤其是移动到目标位置处的轨迹的标定增添了一定难度。
发明内容
为了解决上述问题，本发明的目的是提供一种机器人实验教学用基于最小二乘法的机械臂控制方法，能够简化标定步骤，提高机械臂拾取效率，方便机器人实验教学使用。
为了弥补现有技术的不足，本发明采用的技术方案是：
一种机器人实验教学用基于最小二乘法的机械臂控制方法，包括以下步骤：
采集目标物图像，通过目标物图像计算出目标物的位置坐标；
设定拾取距离，即机械臂回转中心到手爪的距离xi，根据位置目标选定若干个第一样本点和第二样本点，利用摆动舵机控制手爪顺次按第一轨迹和第二轨迹进行运动；其中，所述若干个第一样本点/第二样本点等水平排列设置，所述每一第二样本点均位于相应的第一样本点的正下方；从起始位置到每一第一样本点的运动轨迹为第一轨迹，从每一第一样本点到相应的第二样本点的运动轨迹为第二轨迹；
读取两段运动轨迹过程中摆动舵机内PWM信号占空比S，计算Di＝S/P的值；其中，Di为拟合数据，P为摆动舵机的分辨率；
基于最小二乘法对xi进行拟合，得到拟合方程：
Di(xi)＝c0+c1xi+c2xi 2；其中C0、C1和C2均为方程参数；
调整拾取距离，根据拟合方程得到拟合数据，相应设定摆动舵机内PWM信号占空比，利用摆动舵机控制手爪顺次按第一轨迹和第二轨迹进行运动，从而使手爪到达目标物位置；
控制手爪闭合完成目标物抓取并提取上行。
进一步，通过摄像头或高速相机采集目标物图像。
进一步，通过目标物图像计算出目标物的位置坐标，包括以下步骤：
通过无线路由将目标物图像传输到计算机中；
利用计算机分析计算出目标物的位置坐标。
进一步，利用计算机分析计算出目标物的位置坐标，包括以下步骤：
对目标物图像依次进行高斯滤波、通道差分的二值化分割和形态学处理，得到转化图像；
利用BP神经网络算法识别转化图像的特征，获得目标物的位置坐标。
进一步，所述选定的第一样本点和第二样本点的个数均为10个。
进一步，根据位置目标选定若干个第一样本点和第二样本点，包括以下步骤：
根据位置目标计算出目标物的水平抓取范围；
在水平抓取范围上方一高度选定若干个水平排列的第一样本点；
在水平抓取范围内且在每一第一样本点的正下方处取相应的第二样本点。
进一步，利用旋转舵机控制机械臂转动到目标物的前方来调整拾取距离。
本发明的有益效果是：通过采集图像并处理，得到目标物的位置坐标，并选取相应样本点来进行轨迹测试，即针对占空比与拾取距离之间的关系，进行最小二乘法的曲线拟合，经这一过程最终得到单变量的拟合方程，因此就可通过确定新的拾取距离来确定拟合数据，从而确定占空比，之后就只需按照占空比进行调节就可以将手爪送至目标物位置处，从而实现拾取；与传统技术相比，不用考虑两连杆之间的几何参数，尤其是实际位置所导致的两杆之间的角度变化，使得标定更加简洁方便。因此，本发明采用最小二乘法拟合，大大简化了实现轨迹的标定步骤，有利于提高机械臂拾取效率，方便机器人实验教学使用。
附图说明
下面结合附图给出本发明较佳实施例，以详细说明本发明的实施方案。
图1是本发明的步骤流程图；
图2是本发明的示意效果图。
具体实施方式
参照图1和图2，本发明的一种机器人实验教学用基于最小二乘法的机械臂控制方法，包括以下步骤：
采集目标物图像，通过目标物图像计算出目标物的位置坐标；
设定拾取距离，即机械臂回转中心到手爪的距离xi，根据位置目标选定若干个第一样本点3和第二样本点4，利用摆动舵机控制手爪顺次按第一轨迹1和第二轨迹2进行运动；其中，所述若干个第一样本点3/第二样本点4等水平排列设置，所述每一第二样本点4均位于相应的第一样本点3的正下方；从起始位置到每一第一样本点的运动轨迹为第一轨迹1，从每一第一样本点到相应的第二样本点4的运动轨迹为第二轨迹2；
读取两段运动轨迹过程中摆动舵机内PWM信号占空比S，计算Di＝S/P的值；其中，Di为拟合数据，P为摆动舵机的分辨率；
基于最小二乘法对xi进行拟合，得到拟合方程：
Di(xi)＝c0+c1xi+c2xi 2；其中C0、C1和C2均为方程参数；
调整拾取距离，根据拟合方程得到拟合数据，相应设定摆动舵机内PWM信号占空比，利用摆动舵机控制手爪顺次按第一轨迹1和第二轨迹2进行运动，从而使手爪到达目标物位置；
控制手爪闭合完成目标物抓取并提取上行。
具体地，通过采集图像并处理，得到目标物的位置坐标，并选取相应样本点来进行轨迹测试，即针对占空比与拾取距离之间的关系，进行最小二乘法的曲线拟合，经这一过程最终得到单变量的拟合方程，因此就可通过确定新的拾取距离来确定拟合数据，从而确定占空比，之后就只需按照占空比进行调节就可以将手爪送至目标物位置处，从而实现拾取；与传统技术相比，不用考虑两连杆之间的几何参数，尤其是实际位置所导致的两杆之间的角度变化，使得标定更加简洁方便。因此，本发明采用最小二乘法拟合，大大简化了实现轨迹的标定步骤，有利于提高机械臂拾取效率，方便机器人实验教学使用。
进一步，通过摄像头或高速相机采集目标物图像。
进一步，通过目标物图像计算出目标物的位置坐标，包括以下步骤：
通过无线路由将目标物图像传输到计算机中；
利用计算机分析计算出目标物的位置坐标。
进一步，利用计算机分析计算出目标物的位置坐标，包括以下步骤：
对目标物图像依次进行高斯滤波、通道差分的二值化分割和形态学处理，得到转化图像；
利用BP神经网络算法识别转化图像的特征，获得目标物的位置坐标。
具体地，高斯滤波、通道差分的二值化分割和形态学处理的原理基本上已为本领域的技术人员所熟知，而BP神经网络算法也是一种现有手段，因此在这对其具体过程不作赘述。
进一步，所述选定的第一样本点3和第二样本点4的个数均为10个。
进一步，根据位置目标选定若干个第一样本点3和第二样本点4，包括以下步骤：
根据位置目标计算出目标物的水平抓取范围；
在水平抓取范围上方一高度选定若干个水平排列的第一样本点3；
在水平抓取范围内且在每一第一样本点3的正下方处取相应的第二样本点4。
具体地，计算出的位置目标虽然是基于经处理过的图像得来的，但还是存在一定误差，所以对于抓取位置暂时不要太过限定，因此设置水平抓取范围，一般而言，在位置目标的同一水平的左侧以及右侧各选定一个位置点，以该两个位置点来作为水平抓取范围的两个端点。
进一步，利用旋转舵机控制机械臂转动到目标物的前方来调整拾取距离，优选转动到目标物的正前方，这样便于调整拾取距离，使机械臂为调整而做的移动路径更加简单。
进一步，利用抓取舵机控制手爪闭合完成目标物抓取并提取上行。
具体地，本实施例对机械臂没有要求限制，可以基于一般的机器人机械臂来进行抓取；
参照图2，一般的机械臂包括底座、机械手以及相应舵机，机械手包括手爪，舵机包括用于控制机械手在底座上进行水平旋转的旋转舵机、用于控制手爪开合的抓取舵机和用于控制机械手摆动的摆动舵机，对应二连杆机构，机械手还包括大臂6及小臂5，摆动舵机包括用于控制大臂6的二号舵机和用于控制小臂5的三号舵机。
因此，实际上一次轨迹是通过大臂6和小臂5的动作合力完成的，在测试时可分别获取二号舵机和三号舵机的占空比，再根据各自的占空比与拾取距离进行最小二乘法分段曲线拟合，从而得到拟合控制曲线，也就得到了拟合方程；在实际抓取时，根据相应的拟合方程算出占空比，从而实现对大臂6和小臂5的控制。
可见，其原理与单个摆动舵机的控制是一样的了，可推知，无论需要控制多少个部件，只要对其相应舵机进行拟合，就可以同样利用本发明的方法来实现。
优选地，在本实施例中，摆动舵机、旋转舵机和抓取舵机均利用PCA9685模块来进行驱动，固有分辨率为4069，即Di＝S/4069。
以上内容对本发明的较佳实施例和基本原理作了详细论述，但本发明并不局限于上述实施方式，熟悉本领域的技术人员应该了解在不违背本发明精神的前提下还会有各种等同变形和替换，这些等同变形和替换都落入要求保护的本发明范围内。

Claims (7)

1.一种机器人实验教学用基于最小二乘法的机械臂控制方法，其特征在于，包括以下步骤：
采集目标物图像，通过目标物图像计算出目标物的位置坐标；
设定拾取距离，即机械臂回转中心到手爪的距离xi，根据位置目标选定若干个第一样本点和若干个第二样本点，利用摆动舵机控制手爪顺次按第一轨迹和第二轨迹进行运动；其中，所述若干个第一样本点/第二样本点等高度排列设置，所述每一第二样本点均位于相应的第一样本点的正下方；从起始位置到每一第一样本点的运动轨迹为第一轨迹，从每一第一样本点到相应的第二样本点的运动轨迹为第二轨迹；
读取两段运动轨迹过程中摆动舵机内PWM信号占空比S，计算Di＝S/P的值；其中，Di为拟合数据，P为摆动舵机的分辨率；
基于最小二乘法对xi进行拟合，得到拟合方程：Di(xi)＝c0+c1xi+c2xi 2；其中C0、C1和C2均为方程参数；
调整拾取距离，根据拟合方程得到拟合数据，相应设定摆动舵机内PWM信号占空比，利用摆动舵机控制手爪顺次按调整后的拾取距离所对应的第一轨迹和第二轨迹进行运动，从而使手爪到达目标物位置；
控制手爪闭合完成目标物抓取并提取上行。
2.根据权利要求1所述的一种机器人实验教学用基于最小二乘法的机械臂控制方法，其特征在于，通过摄像头或高速相机采集目标物图像。
3.根据权利要求1所述的一种机器人实验教学用基于最小二乘法的机械臂控制方法，其特征在于，通过目标物图像计算出目标物的位置坐标，包括以下步骤：
通过无线路由将目标物图像传输到计算机中；
利用计算机分析计算出目标物的位置坐标。
4.根据权利要求3所述的一种机器人实验教学用基于最小二乘法的机械臂控制方法，其特征在于，利用计算机分析计算出目标物的位置坐标，包括以下步骤：
对目标物图像依次进行高斯滤波、通道差分的二值化分割和形态学处理，得到转化图像；
利用BP神经网络算法识别转化图像的特征，获得目标物的位置坐标。
5.根据权利要求1所述的一种机器人实验教学用基于最小二乘法的机械臂控制方法，其特征在于，所述选定的第一样本点和第二样本点的个数均为10个。
6.根据权利要求1所述的一种机器人实验教学用基于最小二乘法的机械臂控制方法，根据位置目标选定若干个第一样本点和第二样本点，包括以下步骤：
根据位置目标计算出目标物的水平抓取范围；
在水平抓取范围上方一高度选定若干个水平排列的第一样本点；
在水平抓取范围内且在每一第一样本点的正下方处取相应的第二样本点。
7.根据权利要求1-6任一所述的一种机器人实验教学用基于最小二乘法的机械臂控制方法，其特征在于，利用旋转舵机控制机械臂转动到目标物的前方来调整拾取距离。
CN201810745022.9A 2018-07-09 2018-07-09 一种机器人实验教学用基于最小二乘法的机械臂控制方法 Active CN108748162B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201810745022.9A CN108748162B (zh) 2018-07-09 2018-07-09 一种机器人实验教学用基于最小二乘法的机械臂控制方法
PCT/CN2019/079255 WO2020010876A1 (zh) 2018-07-09 2019-03-22 一种机器人实验教学用基于最小二乘法的机械臂控制方法
US16/753,007 US20200290201A1 (en) 2018-07-09 2019-03-22 Least square-based mechanical arm control method for robot experimental teaching
DE112019003470.7T DE112019003470T5 (de) 2018-07-09 2019-03-22 Auf der Methode der kleinsten Quadrate basiertes Roboterarmsteuerverfahren für experimentelles Lehren von Robotern

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810745022.9A CN108748162B (zh) 2018-07-09 2018-07-09 一种机器人实验教学用基于最小二乘法的机械臂控制方法

Publications (2)

Publication Number Publication Date
CN108748162A CN108748162A (zh) 2018-11-06
CN108748162B true CN108748162B (zh) 2021-05-25

Family

ID=63972915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810745022.9A Active CN108748162B (zh) 2018-07-09 2018-07-09 一种机器人实验教学用基于最小二乘法的机械臂控制方法

Country Status (4)

Country Link
US (1) US20200290201A1 (zh)
CN (1) CN108748162B (zh)
DE (1) DE112019003470T5 (zh)
WO (1) WO2020010876A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108748162B (zh) * 2018-07-09 2021-05-25 五邑大学 一种机器人实验教学用基于最小二乘法的机械臂控制方法
CN111208730B (zh) * 2020-01-08 2021-06-22 南昌大学 一种快速终端滑模阻抗控制算法
CN114770461B (zh) * 2022-04-14 2023-12-01 深圳技术大学 一种基于单目视觉的移动机器人及其自动抓取方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6278906B1 (en) * 1999-01-29 2001-08-21 Georgia Tech Research Corporation Uncalibrated dynamic mechanical system controller
US20010056313A1 (en) * 2000-05-08 2001-12-27 Osborne William Joseph Object locating and retrieving system utilizing labels
JP4298757B2 (ja) * 2007-02-05 2009-07-22 ファナック株式会社 ロボット機構のキャリブレーション装置及び方法
CN101396830A (zh) * 2007-09-29 2009-04-01 株式会社Ihi 机器人装置的控制方法以及机器人装置
TWI446305B (zh) * 2012-07-11 2014-07-21 Univ Nat Taipei Technology 機械手臂的教導裝置及其教導方法
CN103955207B (zh) * 2014-04-24 2016-06-22 哈尔滨工业大学 一种三爪式空间末端执行器在微重力环境下的捕获容差能力测试系统及方法
CN105654474A (zh) * 2015-12-28 2016-06-08 深圳先进技术研究院 基于视觉引导的机械臂定位方法及装置
CN106217374B (zh) * 2016-08-11 2019-01-11 广州成潮智能科技有限公司 一种智能机械臂的控制方法、装置及系统
CN106737855B (zh) * 2016-08-22 2019-07-02 南京理工大学 一种综合位姿误差模型与刚度补偿的机器人精度补偿方法
CN106651949B (zh) * 2016-10-17 2020-05-15 中国人民解放军63920部队 一种基于仿真的空间机械臂抓捕目标遥操作方法及系统
CN107160389B (zh) * 2017-05-09 2019-07-30 浙江工业大学 一种工业机器人的力矩控制方法
CN107450885B (zh) * 2017-07-21 2020-09-08 上海交通大学 一种工业机器人与三维传感器的坐标变换求解方法
CN107186701B (zh) * 2017-07-24 2023-07-14 佛山科学技术学院 一种三自由度并联机构的示教机械臂参数标定装置及方法
CN108177145A (zh) * 2017-12-28 2018-06-19 北京航空航天大学 一种无偏最优的工业机械臂绝对定位精度标定方法
CN108748162B (zh) * 2018-07-09 2021-05-25 五邑大学 一种机器人实验教学用基于最小二乘法的机械臂控制方法

Also Published As

Publication number Publication date
DE112019003470T5 (de) 2021-04-29
CN108748162A (zh) 2018-11-06
WO2020010876A1 (zh) 2020-01-16
US20200290201A1 (en) 2020-09-17

Similar Documents

Publication Publication Date Title
CN108748162B (zh) 一种机器人实验教学用基于最小二乘法的机械臂控制方法
CN104842362B (zh) 一种机器人抓取物料包的方法和机器人抓取装置
CN104626169B (zh) 基于视觉与机械综合定位的机器人抓取零件的方法
CN111462154B (zh) 基于深度视觉传感器的目标定位方法、装置及自动抓取机器人
CN110580725A (zh) 一种基于rgb-d相机的箱体分拣方法及系统
CN111723782A (zh) 基于深度学习的视觉机器人抓取方法及系统
CN108748149B (zh) 一种复杂环境下基于深度学习的无标定机械臂抓取方法
CN107053173A (zh) 机器人抓取系统及抓取工件的方法
CN111923053A (zh) 基于深度视觉的工业机器人物件抓取示教系统及方法
CN110293559A (zh) 一种自动识别定位对准的安装方法
CN111784655B (zh) 一种水下机器人回收定位方法
CN109238135B (zh) 一种基于视觉精准定位来料到测试箱的方法
CN110640741A (zh) 一种规则形状工件匹配的抓取工业机器人
CN113689509A (zh) 基于双目视觉的无序抓取方法、系统及存储介质
CN114770461B (zh) 一种基于单目视觉的移动机器人及其自动抓取方法
CN208092786U (zh) 一种以深度卷积神经网络为基础的零件分拣系统
CN115629066A (zh) 一种基于视觉引导的面向自动配线的方法及装置
CN116686545B (zh) 基于机器视觉控制的荔枝采摘机器人除遮方法
CN114132745A (zh) 一种基于agv及机器视觉进行工件自动上下料系统及方法
Gao et al. An automatic assembling system for sealing rings based on machine vision
CN112657869A (zh) 一种基于视觉的螺母分拣设备及其分拣方法
CN116749198A (zh) 一种基于双目立体视觉引导机械臂抓取方法
CN110788858B (zh) 一种基于图像的物体校位方法、智能机器人及校位系统
CN112541936B (zh) 执行机构操作空间视觉信息确定方法及系统
US20230405831A1 (en) System and method for picking and placing objects

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant