CN114089767B - 一种移动式复合机器人应用中瓶状物的定位与抓取方法 - Google Patents
一种移动式复合机器人应用中瓶状物的定位与抓取方法 Download PDFInfo
- Publication number
- CN114089767B CN114089767B CN202111390950.6A CN202111390950A CN114089767B CN 114089767 B CN114089767 B CN 114089767B CN 202111390950 A CN202111390950 A CN 202111390950A CN 114089767 B CN114089767 B CN 114089767B
- Authority
- CN
- China
- Prior art keywords
- robot
- point
- movement
- path
- grabbing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 150000001875 compounds Chemical class 0.000 title abstract description 5
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 230000033001 locomotion Effects 0.000 claims description 34
- 230000008859 change Effects 0.000 claims description 19
- 239000002131 composite material Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims 1
- 238000010845 search algorithm Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 8
- 239000000126 substance Substances 0.000 abstract description 7
- 239000011159 matrix material Substances 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 239000003550 marker Substances 0.000 description 5
- 239000003153 chemical reaction reagent Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
Abstract
本发明公开一种移动式复合机器人应用中瓶状物的定位与抓取方法,应用于医疗、化工分析领域,针对现有视觉伺服方法存在的计算量大、AGV定位精度原因造成机械臂抓取产生误差的问题,本发明通过利用激光SLAM与基于图像的视觉伺服控制方法相结合,实现移动机械臂高精度的抓取工作,解决AGV定位不足的问题;再对基于图像的视觉伺服控制方法进行特定应用场景的优化,避免直接计算大量的雅可比矩阵,简化计算过程,解决图像处理效率的问题;实现系统高精度、高效率的要求。
Description
技术领域
本发明属于医疗化工自动化领域,特别涉及一种应用机器人进行试剂瓶智能抓取技术。
背景技术
在化工、医疗领域,若利用传统的固定底座式机械臂实现自动化试剂瓶的进样和取样,则只能满足单一工位的试剂分析需求。而随着试剂分析领域的不断发展,单一固定式的机械臂已经不能满足人们对于低成本多工位柔性化分析的需要。因此将机械臂与AGV相结合的移动式复合机器人在化工医疗领域的应用具有越来越重要的应用价值。
对于移动复合机器人应用来说,视觉定位与抓取是其最重要和广泛应用的功能,而视觉定位的精度以及伺服响应的速度是决定移动机械臂性能的关键性能指标。目前,广泛采用的视觉定位算法是先获取图像,再求解图像坐标系位姿变换矩阵,并通过坐标系位姿变换矩阵求出机械臂的新位姿坐标,并以此移动到新坐标。然而,该方法需要求解图像雅可比矩阵,计算过程比较繁琐,因此会降低机械臂响应速度,降低实时性;另外,移动机械臂在定位和抓取过程中,AGV本身定位精度低会对机械臂抓取操作带来很大误差。所以需要改进这种移动机器人的定位与抓取方法。
如专利公布号为CN113084808A的发明专利公布了一种基于单目视觉的移动机械臂2D平面抓取方法,该方法首先使用基于形状的模板匹配方法识别标志物;通过视觉伺服原理求解AGV的旋转角度;计算AGV移动后机械臂的新抓取位姿。但该方法存在以下几个问题:(1)应用了标志物,是通过标志物来间接定位抓取物固然可以降低计算量,然而要求工件与标志物位置需要固定,一旦放置有偏差,则容易造成后期抓取失败;(2)在进行图像处理过程中,要完成复杂的标定,该应用场景是在二维平面内,该专利通过计算雅可比矩阵来确定新的抓取位姿,计算繁琐,使移动机械臂实时性降低。
又如专利公布号为201811042590.9的发明专利公布了一种利用AGV位置信息标定其搭载机械臂位置的方法,该发明基于建模的方式,利用坐标系间的关系,通过几组矩阵运算便能计算出机械臂相对于导航坐标系的位置,并能够计算出物体在机械臂基座坐标系下的位姿表示;再结合工位内物体与导航坐标系的关系,可以方便地对机械臂轨迹进行规划。但是该发明存在以下问题:仍然需要先进行一系列的坐标测定,测量精度影响实际的操作精度。另外,机械臂的坐标位置精度还十分依赖AGV的导航定位精度,对于导航精度低于机械臂抓取的精度要求时,该方法则不能完成抓取任务。
因此,需要一种应用于医疗、化工领域,针对瓶状物体,且能够同时解决移动机械臂的AGV导航精度不足,图像处理效率低的方法,从而提高移动机械臂的定位精度和系统效率。
发明内容
为解决上述技术问题,本发明提出一种移动式复合机器人应用中瓶状物的定位与抓取方法,可以不用进行标定就能直接使用,且定位精度高,实时性好。
本发明采用的技术方案为:一种面向瓶状物体的复合式移动机器人定位与抓取方法,包括:
S1、控制机械臂移动到能够准确抓取物体的位置,确立示教位姿(标准拍照位姿),拍摄照片作为匹配模板;
S2、多次移动AGV的位置,并返回同一工作台,记录下运动变化值和移动后的图像特征。然后,使用机器人笛卡尔坐标系的运动变化值和运动前后的图像特征变化值计算出机器人移动与图像特征变化之间的对应关系;
S3、移动机器人通过携带的激光雷达采集周围环境信息,构建室内环境地图模型;
S4、使用栅格地图的方法描述环境地图;
S5、路径规划系统根据环境地图模型在两工作台之间规划出一条能够安全移动的路径,当遇到障碍物时,进行路径重规划;
S6、移动机器人控制运动系统根据当前的定位以及环境地图规划的路径,指示电机进行相应的运动,完成到另一工作台的运动;
S7、AGV位置固定不动,机械臂运动到示教位置,拍摄一张照片,识别当前位置的图像特征,计算当前图像与期望图像的偏差值,对偏差值进行计算得出e,比较e与阈值e0的关系,若e>e0,则执行步骤8、9,反之,直接进行抓取;
S8、得到的图像特征偏差值和对应转换比例关系计算出机器人笛卡尔坐标系的偏差值;
S9、根据机器人笛卡尔坐标系的偏差值,控制机器人完成向期望图像位置的移动,并实现工件抓取。
步骤S1中,提取特征为:瓶子圆心O(u1,v1)、瓶子半径R。
步骤S2中,在当前工站位置,在X-Y平面移动机器人模拟抓取工件时的水平运动,记录下运动变化值和运动前后图像中工件质心、长边两坐标位置,重复进行多次求平均,根据机器人笛卡尔坐标系的平均运动变化值ΔX、ΔY和运动前后的平均图像特征变化值Δu、Δv计算出机器人移动与图像特征变化之间的对应转换比例关系R(kx,ky),即
步骤S5中所述路径规划算法为改进后的双向随机树搜索算法,步骤S5的实现过程具体包括以下步骤:
S51、初始化:设置起点、终点、扩展步长;
S52、基于概率p选取随机样点,当0<p<0.5时,选择随机点作为随机样点,当0.5<=p<1时,选择目标点作为随机样点;
S53、分别从起点和终点生成随机树Tree1、Tree2,选取随机树Tree1中与Psample欧式距离最近的节点P1near。以P1near为基点,按步长step朝着Psample扩展出新的节点P1new。将P1next与P1new相连作为Ln,分别画出两条关于Ln对称的线段,两条线段距离Ln的长度皆为AGV长边的长度;
S54、检查Tree1的新节点P1new与Tree2中的任意节点的距离是否小于步长step,如果小于,对其连线进行障碍检测,如果通过,则两棵树联通,停止随机树的扩展;从新节点向最近点不断回溯的方法,生成规划路径path;
S55、从终点开始遍历路径,寻找路径path上面可以与起点联通的节点Pi,连接起点与Pi,进行安全距离判断,判断通过,再重新从终点遍历,寻找可以与Pi点联通的节点,直到与终点相连,生成最终路径。
步骤S7中,与设定的阈值e0进行对比,若e>e0,则计算当前图像与期望图像的偏差值/>
步骤S8中,机器人笛卡尔坐标系的偏差值计算公式如下
本发明的有益效果:本发明的方法具有以下优点:
(1)面向医疗、化工分析领域,通过非标志物的视觉反馈方法,实现对瓶状物体的精确定位与抓取;
(2)通过视觉反馈,来消除AGV移动过程中产生的误差使移动机械臂的定位抓取精度,不受AGV精度的影响;
(3)通过改进后的视觉算法、路径规划算法,实现对医疗、化工领域,瓶状物体的实时快速抓取,提高系统定位精度与实时性。
附图说明
图1是本发明用于实现移动机械臂定位、抓取物体的流程图;
图2是本发明中激光SLAM移动机器人导航系统结构图;
图3是路径规划流程图;
图4是安全距离判断示意图;
图5是期望位置与当前位置图像坐标系的关系示意图;
图6是移动机械臂定位、抓取的结构示意图;
其中,1-AGV小车,2-机械臂,3-单目相机,4-电动夹爪,5-待抓取物体,6-工作台。
具体实施方式
为便于本领域技术人员理解本发明的技术内容,下面结合附图对本发明内容进一步阐释。
如图6所示为移动机械臂定位、抓取的结构示意图,该结构包括:AGV小车1、机械臂2、单目相机3、电动夹爪4、待抓取物体5、工作台6;所述机械臂2安装于AGV小车1上,所述单目相机3、电动夹爪4安装于机械臂2上,待抓取物体5放置于工作台6上。
如图1所示,基于图6所示结构的一种面向瓶状物体的复合式移动机器人定位与抓取方法,包括以下步骤:
S1:移动机器人停靠在某工站位置,利用机器人示教器控制机械臂移动到能够准确抓取本工站工件的位置,记录下此时的机器人位姿,作为示教位姿(标准拍照位姿)。同时,拍摄待抓取工件图像,提取工件图像信息,具体为:工件质心O(u1,v1),半径R。建立匹配模板,工件质心的位置即为工件位置。
S2:在当前工站位置,在X-Y平面移动机器人模拟抓取工件时的水平运动,记录下运动变化值和运动前后图像中工件质心、长边两坐标位置,重复进行多次求平均,根据机器人笛卡尔坐标系的平均运动变化值ΔX,ΔY和运动前后的平均图像特征变化值计算出机器人移动与图像特征变化之间的对应转换比例关系R(kx,ky),即
S3:如图2所示,为激光SLAM移动机器人导航系统结构图,首先,利用AGV手柄控制移动AGV快速建图,即通过激光雷达扫描周围环境信息,使用FastSLAM算法构建室内环境地图模型;
S4:使用栅格地图的方法描述环境地图,即将整个环境地图分割为整齐排列的二维离散单元格,每个离散单元格就称为栅格,每个栅格的布尔信息就代表此位置上是否有障碍物,用0表示这个栅格没有障碍物,用1表示有障碍物。
S5:路径规划系统根据环境地图模型规划出AGV从当前出发点到目标工站位置的一条安全路径,当遇到障碍物时,则重新进行路径规划。如图3所示,路径规划具体步骤为:
S51:初始化:设置起点、终点、扩展步长;
S52:基于概率p选取随机样点,当0<p<0.5时,选择随机点作为随机样点,当0.5<=p<1时,选择目标点作为随机样点;
S53:分别从起点和终点生成随机树Tree1、Tree2,选取随机树Tree1中与Psample欧式距离最近的节点P1near。以P1near为基点,按步长step朝着Psample扩展出新的节点P1new。然后进行障碍检测,如图4所示:将P1next与P1new相连作为Ln,分别画出两条关于Ln对称的线段,两条线段距离Ln的长度皆为AGV长边的长度;
S54:检查Tree1的新节点P1new与Tree2中的任意节点的距离是否小于步长step,如果小于,对其连线进行障碍检测,如果通过,则两棵树联通,停止随机树的扩展。从新节点向最近点不断回溯的方法,生成规划路径path。
S55:从终点开始遍历路径,寻找路径path上面可以与起点联通的节点Pi,连接起点与Pi,进行安全距离判断,判断通过,再重新从终点遍历,寻找可以与Pi点联通的节点,直到与终点相连,生成最终路径。
S6:根据路径规划系统规划的路径再结合移动机器人实时定位信息(利用粒子滤波原理进行实时定位信息),运动控制系统制定运动控制指令,并将指令转换成直接控制电机的驱动指令,驱动电机转动;
S7:机械臂运动到示教位姿,拍摄一张照片,识别当前位置的图像特征,如图3所示,记工件质心位置像素坐标为(u1’,v1′),计算与设定的阈值e0进行对比,若e>e0,如图5所示,计算当前图像与期望图像的偏差值/>并执行步骤S8、S9;若e<e0,则控制机器人进行抓取动作。
S8:得到的图像特征偏差值和对应转换比例关系计算出机器人笛卡尔坐标系的偏差值
S9:根据机器人笛卡尔坐标系的偏差值,控制机器人完成向期望位置的移动并重复步骤S7,直至e<e0,实施对工件的抓取。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (4)
1.一种面向瓶状物体的复合式移动机器人定位与抓取方法,其特征在于,包括:
S1、控制机械臂移动到能够准确抓取物体的位置,确立示教位姿,拍摄照片作为匹配模板;
S2、多次移动AGV的位置,并返回同一工作台,记录下运动变化值和移动后的图像特征;然后,使用机器人笛卡尔坐标系的运动变化值和运动前后的图像特征变化值计算出机器人移动与图像特征变化之间的对应关系;步骤S2中,在当前工站位置,在X-Y平面移动机器人模拟抓取工件时的水平运动,记录下运动位移和运动前后图像中工件质心坐标位置,重复进行多次求平均,根据机器人笛卡尔坐标系的平均运动变化值ΔX、ΔY和运动前后的平均图像特征变化值Δu、Δv计算出机器人移动与图像特征变化之间的对应转换比例关系R(kx,ky),即
S3、移动机器人通过携带的激光雷达采集周围环境信息,构建室内环境地图模型;
S4、使用栅格地图的方法描述环境地图;
S5、路径规划系统根据环境地图模型在两工作台之间规划出一条能够安全移动的路径,当遇到障碍物时,进行路径重规划;
S6、移动机器人控制运动系统根据当前的定位以及环境地图规划的路径,指示电机进行相应的运动,完成到另一工作台的运动;
S7、AGV位置固定不动,机械臂运动到示教位置,拍摄一张照片,识别当前位置的图像特征,计算当前图像与期望图像的偏差值,对偏差值进行计算得出e,比较e与阈值e0的关系,若e>e0,则执行步骤S8-S9,反之,直接进行抓取;步骤S7中,工件质心位置像素坐标为与设定的阈值e0进行对比,若e>e0,则计算当前图像与期望图像的偏差值/>
S8、得到的图像特征偏差值和对应转换比例关系计算出机器人笛卡尔坐标系的偏差值;
S9、根据机器人笛卡尔坐标系的偏差值,控制机器人完成向期望图像位置的移动,并实现工件抓取。
2.根据权利要求1所述的一种面向瓶状物体的复合式移动机器人定位与抓取方法,其特征在于,步骤S1中,提取特征为:瓶子圆心O(u1,v1)、瓶子半径R。
3.根据权利要求1所述的一种面向瓶状物体的复合式移动机器人定位与抓取方法,其特征在于,步骤S5中所述路径规划算法为改进后的双向随机树搜索算法;步骤S5的实现过程具体包括以下步骤:
S51、初始化:设置起点、终点、扩展步长;
S52、基于随机生成的概率p选取随机样点Psample,当0<p<0.5时,选择随机点作为随机样点,当0.5<=p<1时,选择目标点作为随机样点;
S53、分别从起点和终点分别生成随机树Tree1、Tree2,选取随机树Tree1中与Psample欧式距离最近的节点为P1near;以P1near为基点,按步长step朝着Psample扩展出新的节点P1new;Tree2的生长过程同Tree1;将P1near与P1new相连作为Ln,分别画出两条关于Ln对称的线段,两条线段与Ln的垂直距离皆为AGV几何图形外接圆的半径;
S54、检查Tree1的新节点P1new与Tree2中的任意节点的距离是否小于步长step,如果小于,对其连线进行障碍检测,如果检测无障碍,则两棵树连通,随机树停止生长;然后,Tree1和Tree2分别从各自新节点向最近点不断回溯,生成规划路径path_p;
S55、从终点开始遍历规划的路径path_p,寻找路径path_p上面可以与起点连通的节点Pi,连接起点与Pi,进行安全距离判断,判断通过,则再重新从终点遍历,寻找可以与Pi点连通的节点,直到与终点相连;生成最终路径Path。
4.根据权利要求1所述的一种面向瓶状物体的复合式移动机器人定位与抓取方法,其特征在于,步骤S8中,机器人笛卡尔坐标系的偏差值计算公式如下
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111390950.6A CN114089767B (zh) | 2021-11-23 | 2021-11-23 | 一种移动式复合机器人应用中瓶状物的定位与抓取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111390950.6A CN114089767B (zh) | 2021-11-23 | 2021-11-23 | 一种移动式复合机器人应用中瓶状物的定位与抓取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114089767A CN114089767A (zh) | 2022-02-25 |
CN114089767B true CN114089767B (zh) | 2024-03-26 |
Family
ID=80303118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111390950.6A Active CN114089767B (zh) | 2021-11-23 | 2021-11-23 | 一种移动式复合机器人应用中瓶状物的定位与抓取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114089767B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117631664B (zh) * | 2023-11-22 | 2024-07-23 | 中建材智能自动化研究院有限公司 | 智能机器人精准移动及抓取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019000854A1 (zh) * | 2017-03-28 | 2019-01-03 | 江苏科技大学 | 一种波浪补偿打捞机器人系统 |
CN110842928A (zh) * | 2019-12-04 | 2020-02-28 | 中科新松有限公司 | 一种复合机器人视觉引导定位装置及方法 |
CN112894823A (zh) * | 2021-02-08 | 2021-06-04 | 珞石(山东)智能科技有限公司 | 一种基于视觉伺服的机器人高精度装配方法 |
CN113172632A (zh) * | 2021-05-12 | 2021-07-27 | 成都瑞特数字科技有限责任公司 | 一种基于图像的简化机器人视觉伺服控制方法 |
-
2021
- 2021-11-23 CN CN202111390950.6A patent/CN114089767B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019000854A1 (zh) * | 2017-03-28 | 2019-01-03 | 江苏科技大学 | 一种波浪补偿打捞机器人系统 |
CN110842928A (zh) * | 2019-12-04 | 2020-02-28 | 中科新松有限公司 | 一种复合机器人视觉引导定位装置及方法 |
CN112894823A (zh) * | 2021-02-08 | 2021-06-04 | 珞石(山东)智能科技有限公司 | 一种基于视觉伺服的机器人高精度装配方法 |
CN113172632A (zh) * | 2021-05-12 | 2021-07-27 | 成都瑞特数字科技有限责任公司 | 一种基于图像的简化机器人视觉伺服控制方法 |
Non-Patent Citations (1)
Title |
---|
基于机器视觉的目标定位与机器人规划系统研究;杨三永;曾碧;;计算机测量与控制;20191225(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114089767A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108838991B (zh) | 一种自主类人双臂机器人及其对运动目标的跟踪操作系统 | |
CN109186606B (zh) | 一种基于slam和图像信息的机器人构图及导航方法 | |
CN111496770A (zh) | 基于3d视觉与深度学习的智能搬运机械臂系统及使用方法 | |
CN108818530B (zh) | 基于改进rrt算法的机械臂抓取散乱堆放活塞运动规划方法 | |
CN112171661A (zh) | 一种基于视觉信息融合的机械臂抓取目标物体方法 | |
CN111243017A (zh) | 基于3d视觉的智能机器人抓取方法 | |
CN115582827B (zh) | 一种基于2d和3d视觉定位的卸货机器人抓取方法 | |
CN114089767B (zh) | 一种移动式复合机器人应用中瓶状物的定位与抓取方法 | |
CN104298244A (zh) | 一种工业机器人三维实时高精度定位装置及方法 | |
CN114770461B (zh) | 一种基于单目视觉的移动机器人及其自动抓取方法 | |
Li et al. | A mobile robotic arm grasping system with autonomous navigation and object detection | |
CN108152829B (zh) | 一种加装直线导轨的二维激光雷达建图装置及其建图方法 | |
CN117840995A (zh) | 基于两阶段视觉伺服的自动砌墙方法及系统 | |
CN111121639A (zh) | 一种刚柔一体的建筑物狭窄空间的裂缝检测系统 | |
CN113146616B (zh) | 一种四自由度机械臂视觉伺服控制方法 | |
CN112123329B (zh) | 一种机器人3d视觉手眼标定方法 | |
Wang et al. | Object Grabbing of Robotic Arm Based on OpenMV Module Positioning | |
Liu et al. | Vehicle automatic charging system guided electric by 3d vision and f/t sensor | |
Li | A Design of Robot System for Rapidly Sorting Express Carton with Mechanical Arm Based on Computer Vision Technology | |
Wang et al. | Agv navigation based on apriltags2 auxiliary positioning | |
Luo | Design of Handling Robot Based on OpenMV and Intelligent Tracking System | |
Wang et al. | Autonomous Collection System of Substation Patrol Robot | |
CN115556102B (zh) | 一种基于视觉识别的机器人分拣规划方法及规划设备 | |
Chiu et al. | Grasp Planning and Control for Robotic Mobile Manipulation Based on Semantic Segmentation | |
Chang et al. | Vision-Based Cooperative Manipulation of Mobile Robots. |
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 |