摘要
移动机器人搭载机器视觉对目标物体种类、位置识别从而抓取物体，是当下研究的热点，使用深度相机进行目标检测姿态判定具有较强的鲁棒性。人类对于远方看到的物体，想要将其抓起来会直接走到物体附近的位置，而这一操作对于机器人来说是相对困难的。本文以机器视觉为基础，以Intel Realsense D415深度相机作为视觉传感器针对不同的抓取物体进行目标识别、测距、姿态判定算法研究，并将算法搭载到机器人上进行实验测试，由于硬件条件限制，实验分为移动机器人与上位机两个部分，分别进行目标识别和机器人移动、机械臂抓取测试，最终实现以机器视觉为基础的移动机器人对目标识别运动到指定位置以及机械臂自主抓取，论文具体研究内容如下: （1）主要对实验中用到的移动机器人硬件平台进行学习，了解其运动特性，对第二部分实验中用到的六轴ABB机器人结构进行研究，学习机器人运动学正逆解，搭建机械臂DH模型，实现ABB机器人上位机与下位机之间的通讯模块。 （2）对以卷积神经网络为主体架构的YOLOv5目标识别算法进行学习，对 比YOLO系列算法的区别与改进，研究算法网络结构，引入CBAM注意力机制对网络进行增强优化，经实验，优化后的目标检测算法对小目标物体的识别能力明显加强且对遮挡条件下物体检测准确率也有所提高。其次将Intel Realsense D415深度相机与之融合，实现对目标的实时检测以及测定目标与相机之间真实距离，并在不同距离下对算法测距进行精度测试，实验结果表明测距误差在1.5mm以内，满足搭载在移动机器人上的目标检测与测距算法精度要求。 （3）为实现机器人对不同姿态下物体的自主抓取功能，本文对姿态判定算法进行研究，首先了解相机的四种坐标系的建立方法，对四种坐标系之间的相互转换关系进行研究，其次通过PnP算法研究3D与2D之间的转换模型，求解深度相机内外参数，通过深度相机获取的待抓取物体在相机坐标系下的坐标以及相机内外参数求解待抓取物体姿态，并将算法搭载到ABB机器人上进行抓取测试。
NETL