基于Kinect輔助的服務(wù)機(jī)器人抓取路徑規(guī)劃研究.pdf

1、隨著人們生活水平的提高以及人口老齡化的加重，服務(wù)機(jī)器人逐漸變成機(jī)器人發(fā)展的一個(gè)重要方向。由于服務(wù)機(jī)器人所處的家庭環(huán)境具有情景復(fù)雜、非結(jié)構(gòu)化等特征，服務(wù)機(jī)器人的抓取路徑規(guī)劃面臨著新的問(wèn)題。本文以Baxter機(jī)器人為對(duì)象，基于Kinect深度相機(jī)提供的三維信息，設(shè)計(jì)了Baxter機(jī)械臂無(wú)障礙抓取路徑規(guī)劃系統(tǒng)，實(shí)現(xiàn)了機(jī)器人在家庭環(huán)境中的抓取任務(wù)。
　　首先，本文介紹了機(jī)器人操作系統(tǒng)(robot operating system，ROS)

2、的基本原理，并基于ROS平臺(tái)搭建了Baxter機(jī)器人的仿真和實(shí)驗(yàn)系統(tǒng)。針對(duì)搭建的機(jī)器人系統(tǒng)的視覺(jué)傳感器Kinect，分析了其工作原理，建立了Kinect視覺(jué)坐標(biāo)系統(tǒng)并進(jìn)行了Kinect參數(shù)標(biāo)定。對(duì)Baxter機(jī)器人本體，以左手臂為實(shí)驗(yàn)對(duì)象，利用DH坐標(biāo)法建立Baxter機(jī)器人的前向動(dòng)力學(xué)，并運(yùn)用基于奇異魯棒性逆的Newton-Raphson迭代方法求解機(jī)器人的逆運(yùn)動(dòng)學(xué)。
　　其次，針對(duì)Kinect獲得的原始深度信息存在的噪聲、空洞

3、和物體邊緣串?dāng)_等缺陷，在比較了常用的深度圖像濾波方法的基礎(chǔ)上，提出了改進(jìn)的深度圖像修復(fù)算法。針對(duì)邊緣串?dāng)_錯(cuò)誤信息，利用Canny邊緣檢測(cè)和形態(tài)學(xué)濾波方法標(biāo)記出錯(cuò)誤信息并去除。對(duì)可信區(qū)域的深度信息進(jìn)行基于深度閾值的聯(lián)合雙邊濾波進(jìn)行噪聲濾波。在彩色圖像邊界的引導(dǎo)下運(yùn)用聯(lián)合雙邊算法對(duì)深度值無(wú)效點(diǎn)（“空洞”和錯(cuò)誤邊緣）進(jìn)行迭代修復(fù)，從而得到邊緣清晰的高質(zhì)量三維信息，并基于改善的三維信息生成八叉樹(shù)地圖(Octomap)用于機(jī)械臂路徑規(guī)劃。

4、　　再次，針對(duì)Baxter機(jī)械臂自由度高的特點(diǎn)，在最優(yōu)快速擴(kuò)展隨機(jī)樹(shù)(optimal Rapidly-exploring Random Tree，RRT*)算法的基礎(chǔ)上，引入了懶惰碰撞檢測(cè)策略、改進(jìn)的最近點(diǎn)選擇、路徑優(yōu)化以及智能采樣等方法進(jìn)行算法改進(jìn)，提高了路徑代價(jià)收斂的效率。將懶惰碰撞檢測(cè)策略運(yùn)用在最近節(jié)點(diǎn)和最優(yōu)父節(jié)點(diǎn)選擇過(guò)程中，有效降低碰撞檢測(cè)次數(shù)。而改進(jìn)的最近點(diǎn)選擇充分利用現(xiàn)有的規(guī)劃信息，在節(jié)點(diǎn)拓展和路徑優(yōu)化之間進(jìn)行自適應(yīng)權(quán)衡。經(jīng)

5、過(guò)路徑優(yōu)化的節(jié)點(diǎn)作為智能采樣的偏置點(diǎn)，有助于節(jié)點(diǎn)在障礙物構(gòu)型附近精細(xì)采樣，從而進(jìn)一步降低路徑代價(jià)。實(shí)驗(yàn)證明改進(jìn)的雙向最優(yōu)快速擴(kuò)展隨機(jī)樹(shù)(Improved bidirectional RRT*，IB-RRT*)算法在保持較高的規(guī)劃成功率的同時(shí)，能夠更快地向最優(yōu)路徑收斂。
　　最后，根據(jù)Kinect提供的三維空間信息，運(yùn)用IB-RRT*算法在模擬的環(huán)境中分別進(jìn)行仿真和實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出的算法的有效性，能夠?qū)崿F(xiàn)機(jī)械臂在實(shí)際場(chǎng)景