摘要
地面以上是空间更为广阔、场景更为复杂的三维世界，而林业、农业、工业以及建筑业等领域中的桁架类杆件环境便是其中重要的一类。面向桁架环境的高空作业通常具有高强度、高难度和高危险等特点，因而研究和开发攀爬机器人系统具有极大的应用价值与现实意义，其中双手爪攀爬机器人以其全方位的移动能力、出色的杆件间过渡能力和良好的跨越障碍能力正逐步成为机器人技术研究的热点之一。然而，杆件抓夹作为该类机器人攀爬移动的核心和关键，与其相关的自主规划与控制问题鲜有关注，其中所涉及的相关理论与技术亟待深入展开研究，而这也成为阻碍自主攀爬实现的瓶颈性问题。 本文围绕双手爪攀爬机器人在桁架环境中的抓夹自主规划所涉及的相关问题进行了系统研究和深入探讨。主要内容包括: 1.从仿生攀爬的角度探讨自主攀爬所面临的共性问题于实现的的基本框架，并通过对双手爪攀爬机器人的运动特点分析提炼出抓夹这一自主攀爬的核心问题，进而提出了双手爪攀爬机器人抓夹自主规划与实现的总体框架，分别从全局抓夹点序列规划、机器人攀爬过程中的抓夹点修正以及杆件检测与自主抓夹三个方面进行了分析并提供了宏观的解决方案。 2.提出了以最少攀爬步数为目标的机器人抓夹点序列规划优化模型，求解杆间过渡时可过渡区域内的抓夹点。进一步的，考虑机器人与杆件的无碰约束，构建了求解可越障区域的数学模型，并提出了完整的无碰抓夹点序列优化规划算法。设计了步态解释器，生成可过渡区域和可越障区域之外的抓夹点，得到连接起始点和终止点的全局无碰抓夹点序列。一系列的仿真实验验证了全局抓夹点序列优化求解算法的正确性和有效性。 3.机器人在实际攀爬过程中，为实现对抓夹点的准确跟踪，提出了夹持器全局位姿估计算法。根据机器人在桁架中的不同攀爬状态提出了相应的抓夹点修正规划方法。将具有渐进最优特性的RRT*算法用于双手爪攀爬机器人的单步无碰路径规划。通过实验验证了抓夹点在线修正理论和规划算法的可行性。 4.针对双手爪攀爬机器人的自主抓夹提出了一种新型的杆件检测与位姿估计方法。提出了基于关键点检测的深度神经网络VertexNet，实现对杆件的准确识别与分割。基于检测杆件的四边形包围盒对杆件点云进行提取，并提出了基于RANSAC的杆件参数估计算法。通过大量的评估实验验证了杆件检测算法与位姿估计算法的有效性。 5.介绍了双手爪攀爬机器人的设计方法，并搭建了新型的具有可重构特性的仿生双手爪攀爬机器人系统Climbot。以此作为实验平台，集成本文所提出的各项技术，通过一系列实验对相关的基础理论、方法策略和算法实现的可行性与有效性进行了验证。 本文围绕抓夹自主化展开研究，在抓夹点规划中引入无碰约束提出了无碰抓夹点无碰优化规划模型，为机器人攀爬提供了全局的方向引导;在攀爬过程中通过夹持器位姿估计为机器人提供全局定位，并开展夹持点修正规划和单步路径规划，使得机器人能跟踪全局夹持点序列攀爬行进;为精确抓夹杆件，本文提出基于深度学习的杆件检测方法，解决了当前存在的抓夹效率低、鲁棒性差的问题。通过本文的研究，为双手爪攀爬机器人的抓夹自主规划与实现提供了可行的解决方案，为自主攀爬的真正实现打下了基础。
NETL