论文总字数：34011字

摘 要

在工业自动化领域，对于工厂中有关仓库内货物有关仓储、物流等方面进行自动化的尝试一直备受关注，而在货物分拣方面的自动化操作则需要工业机器人拥有一定的视觉能力。普通的摄像头能够作为机器人的传感器辅助其进行分拣操作，然而其成功率则可能受到环境等诸多因素的影响而产生一定波动。而通过线结构光获取三维点云则能够相对较好的获取物体特征，更有利于机器人进行分拣、抓取的操作。于是本文便基于线结构光传感器研究了机器人的视觉抓取算法。

首先，本文使用Gocator线结构光传感器在VS2013环境下进行点云数据的获取。该传感器被安装在安川YASKAWA MOTOMAN机器人上，通过在控制机器人移动的同时进行测量，从而获取完整的点云数据。之后通过体素滤波器(VoxelGrid)对点云进行降采样，从而在保留尽量多点云特征的同时减少点云大小。

之后，本文使用随机抽样一致算法(Random Sample Consensus, RANSAC)提取点云的平面，并使用欧式聚类方法对点云进行聚类，得到一个个单独的待识别点云目标。之后提取点云的内部形态描述特征点(Intrinsic Shape Signatures, ISS)，并使用KDtree加速计算点云的快速点云直方图特征(Fast Point Feature Histgram, FPFH)，基于此特征使用SAC-IA算法进行初匹配，识别匹配出点云的类型。随后，使用迭代最近点算法(Iterative closet point method, ICP)进一步配准，得到点云的位姿信息。

最后，本文通过简化后的手眼标定方法得到传感器到机械臂的坐标变换，并使用Dobot机械臂进行了物体抓取。实验证明本文的方法能较好的完成机器人分拣任务。

关键词：线结构光，工业机器人，内部形态描述特征，快速点云直方图特征，手眼标定

Abstract

The attempt to automatize the warehousing and logistics of goods from warehouse wins always lots of concern in the area of factory automation, but the automatic operation for goods sorting requires a degree of visual ability. The normal camera can act as a sensor for robot to help robot sorting. However, the fluctuation of success rate may occur because of the influence of surroundings or other factors. Meanwhile the feature of goods can be relative easier extracted by 3d point cloud using linear structured light. The 3d point cloud is also more advantageous to the robot to carry on the sorting, the grasping operation. Thus, the robotic visual grasping algorithm based on linear structured light sensor is studied.

Firstly, the Gocator linear structured light sensor is used in the environment of VS2013 to get the point cloud data. This sensor is installed on the YASKAWA MOTOMAN robot and measures by the movement of robot. Then the Voxel Grid filter is used to get the down sample of point cloud. Thus reducing the point cloud size while preserving as many cloud features as possible.

Secondly, the RANSAC algorithm is used to fit the plane in the point cloud. After removing the plane, the program can get the clusters of point cloud with Euclidean clustering method. For each point cloud target, extract the ISS feature and then compute FPFH feature with a kdtree accelerate method. Based on this FPFH feature, the SAC-IA algorithm is used to coarse match to get the type of the point cloud. And ICP algorithm is used to get the exact location of point cloud.

Finally, a simplified Eye-to-hand calibration method is used to get the transform between sensor coordinate system and robot coordinate system. Using Dobot robot to pick goods up. The results from experiment show that the method studied in this paper can effectively accomplish the object grasping and sorting task of the robot.

KEY WORDS: Linear structured light, Industrial robot, ISS, FPFH, Eye-to-hand calibration

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 选题背景及意义 1

1.2 国内外研究现状 2

1.2.1 工业机器人的发展现状 2

1.2.2 三维目标识别算法研究现状 4

1.3 论文研究内容 4

1.3.1 论文主要研究工作 4

1.3.2 论文架构安排 5

第二章 3D点云数据获取以及预处理 6

2.1 系统硬件结构 6

2.1.1 线结构光传感器Gocator 6

2.1.2 安川MOTOMAN机器人 6

2.2 点云及其基本原理 7

2.2.1 点云基本介绍 7

2.2.2 线结构光获取点云 8

2.3 点云的预处理 8

2.3.1 点云滤波简介 9

2.3.2 点云滤波方法 9

2.4 本章小结 12

第三章 三维目标识别算法研究 13

3.1 获取目标物体点云 13

3.1.1 点云分割算法RANSAC 13

3.1.2 欧式点云聚类算法 14

3.1.3 kd树数据结构 15

3.2 点云识别算法ICP 17

3.2.1 ICP算法简介 17

3.2.2 ICP算法的使用及不足 18

3.3 ICP算法的改进 20

3.3.1 ISS特征及其提取 20

3.3.2 FPFH特征与SAC_IA粗配准 21

3.4 最终改进算法以及效果 24

3.4.1 最终算法总结 25

3.4.2 纯ICP算法效果演示 25

3.4.3 ICP ISS算法演示 27

3.4.4 ICP SAC-IA预匹配算法结果演示 28

3.4.5 ICP ISS SAC-IA预匹配算法结果演示 29

3.5 本章小结 30

第四章 三维目标抓取算法研究 32

4.1 物体在点云图像中的定位 32

4.1.1 模板抓取点的确定 32

4.1.2 实物抓取点的转换 33

4.2 获取物体在世界坐标系中的坐标 34

4.2.1 点云检测方法带来的问题 34

4.2.2 机器人的手眼系统简介 34

4.2.3 简化的手眼标定算法 34

4.3 物体抓取的实现 35

4.3.1 抓取硬件设备 35

4.3.2 抓取接口函数 36

4.3.3 实际抓取实验 38

4.4 本章小结 39

第五章 软件功能以及测试 40

5.1 系统结构设计 40

5.2 程序界面设计 40

5.3 系统结果分析 41

5.4 本章小结 42

第六章 总结与展望 43

6.1 全文总结 43

6.2 展望 43

致 谢 45

参考文献 46

绪论

选题背景及意义

人类通过各种感官，如视觉、嗅觉等方式来感知外界信息。在这其中获得外界信息最关键的途径之一是视觉。随着自动化技术的不断发展，机器能在很多领域替代人类进行工作。同样的，机器也需要从外界获得信息，计算机视觉便是研究如何使计算机运用摄像头等传感器对外界进行感知的科学。而在计算机视觉领域中，目标识别一直是一个十分重要并热门的课题。

目标识别的应用十分广泛，它可以应用于智能监控、工业流水线自动化操作、智能机器人以及近年来十分热门的智能驾驶和物流自动分拣等领域。尽管目标识别有很广的应用领域与良好的前景，但是与人类能轻易的通过视觉分辨各种物体不同，计算机难以从图像信息中对目标物体进行识别，如何根据识别对象选择不同的传感器以及识别算法就显得十分重要。所以目标识别有很高的研究意义。

剩余内容已隐藏，请支付后下载全文，论文总字数：34011字