工業機器人交互示教與自主控制

陳成軍,潘勇

  • 工業機器人交互示教與自主控制-preview-1
  • 工業機器人交互示教與自主控制-preview-2
  • 工業機器人交互示教與自主控制-preview-3
  • 工業機器人交互示教與自主控制-preview-4
  • 工業機器人交互示教與自主控制-preview-5
工業機器人交互示教與自主控制-preview-1

相關主題

商品描述

本書以工業機器人交互示教與自主控制為主線,分別從工業機器人交互示教、基於數字孿生技術的工業機器人遙示教、基於目標識別定位的工業機器人自主裝配、基於引導示教強化學習的工業機器人柔順裝配等方向開展研究。本書共8章,第1章闡述工業機器人交互示教與自主控制的意義、國內外研究現狀以及全書研究內容;第2章論述基於增強現實的六自由度機器人交互示教系統;第3章論述基於手持示教筆的工業機器人交互示教系統;第4章論述基於數字孿生技術的工業機器人遙示教系統;第5章論述基於演示示教及自主學習的機器人抓取與裝配;第6章論述基於目標識別定位的工業機器人自主裝配;第7章論述基於引導示教強化學習的工業機器人柔順裝配;第8章總結全書內容,並進行展望。

目錄大綱

目錄
前言
第1章 緒論 1
1.1 工業機器人交互示教與自主控制的意義 1
1.2 工業機器人交互示教研究現狀 2
1.2.1 工業機器人示教編程 2
1.2.2 基於計算機視覺的工業機器人演示示教編程 5
1.2.3 基於AR的工業機器人軌跡示教編程 6
1.2.4 基於數字孿生技術的工業機器人遙示教 7
1.3 工業機器人自主裝配研究現狀 10
1.3.1 基於目標識別定位的工業機器人自主裝配 10
1.3.2 基於強化學習引導示教的工業機器人自主裝配 12
1.4 本書主要內容 17
第2章 基於AR的六自由度機器人交互示教系統 20
2.1 系統總體方案設計 20
2.1.1 系統方案設計 20
2.1.2 虛擬工業機器人模型及AR示教系統平臺構建 22
2.2 示教系統結構組成 26
2.2.1 基於位姿跟蹤系統的機器人示教 26
2.2.2 六自由度工業機器人正逆運動學模型 34
2.2.3 基於深度圖像的虛實碰撞檢測算法 38
2.3 示教系統的搭建及實驗 51
2.3.1 實驗平臺軟硬件配置 51
2.3.2 虛擬機器人末端執行器跟蹤實驗 52
2.3.3 碰撞檢測實驗 52
2.3.4 綜合實驗 55
2.4 本章小結 57
第3章 基於手持示教筆的工業機器人交互示教系統 58
3.1 系統總體方案設計 58
3.1.1 系統總體結構 58
3.1.2 位姿跟蹤系統 60
3.1.3 氣壓調節系統 63
3.2 基於手持示教筆的工業機器人軌跡示教系統 64
3.2.1 工業機器人軌跡示教系統設計 65
3.2.2 手持示教筆位置和姿態信息提取 65
3.2.3 機器人與位姿跟蹤系統的標定 66
3.2.4 標定誤差分析和提高精度的方法 70
3.2.5 軌跡示教系統設計與實驗 71
3.3 工業機器人軌跡規劃與生成 76
3.3.1 工業機器人軌跡規劃流程 77
3.3.2 示教路徑預處理模塊 77
3.3.3 位姿平滑模塊 80
3.3.4 速度規劃模塊 84
3.3.5 供氣壓力-出膠速度-工業機器人速度關系配合 88
3.3.6 軌跡規劃與塗膠實驗 89
3.4 本章小結 92
第4章 基於數字孿生技術的工業機器人遙示教系統 93
4.1 系統總體方案設計 93
4.1.1 機器人遙示教數字孿生框架設計 93
4.1.2 AR示教系統搭建 95
4.1.3 機器人控制平臺搭建 97
4.2 機器人遙示教系統數字孿生模型 100
4.2.1 機器人遙示教系統數字孿生建模流程 100
4.2.2 虛擬機器人三維建模 101
4.2.3 機器人工作場景三維重建 102
4.2.4 機器人手眼標定 103
4.2.5 碰撞檢測模型 105
4.3 基於姿態示教裝置目標檢測的機器人AR遙示教 108
4.3.1 機器人遙示教系統設計 108
4.3.2 Kinect2.0傳感器標定 108
4.3.3 姿態示教裝置目標檢測方法 110
4.3.4 機器人位姿規劃 113
4.4 基於八叉樹模型和人體骨骼節點的碰撞檢測 116
4.4.1 碰撞檢測算法比較 116
4.4.2 基於物體空間的碰撞檢測算法 117
4.4.3 基於八叉樹模型的實時碰撞檢測 117
4.4.4 基於人體骨骼節點識別的人機碰撞檢測方法 119
4.5 基於數字孿生技術的機器人遙示教原型系統設計與實驗 124
4.5.1 基於人體骨骼節點識別的人機碰撞檢測系統搭建 124
4.5.2 機器人及其工作場景數字孿生建模實驗 125
4.5.3 基於姿態示教裝置目標檢測的機器人AR位姿規劃實驗 126
4.5.4 基於八叉樹模型和人體骨骼節點的實時碰撞檢測實驗 128
4.5.5 用戶調研 130
4.6 基於SAM與位姿估計的交互式零樣本機械裝配體3D重建方法 131
4.6.1 交互式零樣本機械裝配體3D重建框架 131
4.6.2 機械裝配體數據集 137
4.6.3 實驗平臺和評價指標 140
4.6.4 實驗結果與分析 141
4.7 本章小結 146
第5章 基於演示示教及自主學習的機器人抓取與裝配 147
5.1 基於視覺的機器人抓取與裝配演示示教系統 147
5.1.1 演示示教系統總體框架 147
5.1.2 實驗驗證 157
5.2 基於深度強化學習的機器人自主抓取與裝配技能學習 161
5.2.1 工作空間標定 161
5.2.2 圖像預處理 163
5.2.3 學習框架 164
5.2.4 獎勵函數設置 170
5.2.5 實驗系統設計及驗證 172
5.3 本章小結 182
第6章 基於目標識別定位的工業機器人自主裝配 183
6.1 機器人末端執行器位姿粗調整方法 183
6.1.1 基於目標識別定位的機器人末端執行器位姿粗調整方法 183
6.1.2 軸孔裝配實驗及結果分析 193
6.2 機器人末端執行器位姿精調整方法 195
6.2.1 機器人末端執行器位姿粗調整誤差分析 195
6.2.2 基於強化學習的機器人末端執行器位姿精調整方法 196
6.2.3 基於圖像匹配的機器人末端執行器位姿精調整方法 204
6.3 本章小結 213
第7章 基於引導示教強化學習的工業機器人柔順裝配 214
7.1 基於聯合強化學習的主動柔順裝配技能學習 214
7.1.1 聯合強化學習方法框架 214
7.1.2 狀態判斷與參數優化模塊 216
7.1.3 聯合強化學習獎勵函數設置 218
7.1.4 實驗驗證 220
7.2 基於引導示教的人類意圖與裝配策略獲取方法 229
7.2.1 引導示教強化學習方法框架 229
7.2.2 MYO肌電臂環工作空間標定 230
7.2.3 引導示教強化學習方法框架 233
7.2.4 示教數據的解析轉化處理 236
7.3 基於引導示教強化學習的混合決策裝配技能模型 242
7.3.1 混合決策裝配技能模型的運行流程 242
7.3.2 混合決策裝配技能模型的融合 243
7.3.3 實驗驗證 245
7.4 本章小結 250
第8章 總結與展望 251
8.1 本書總結 251
8.2 研究展望 253
參考文獻 255