下载文档原格式
四自由度采摘灵巧臂的结构设计及运动学分析陈孟元【摘要】根据四自由度机械手臂应用于蔬果采摘的要求,提出一种坐标系优化法.先列出基于此坐标系的四自由度机械手臂运动学方程,并求得其正、逆解,然后求得末端执行器的位置、方向角度与机械手臂主动关节的关系;再利用动力学仿真软件ADAMS/VIEW对机械手臂的虚拟样机进行建模;最后,将运动学分析结果导入在MATLAB/Simulink搭建好的机器人力控制系统模型,进行联合仿真,得出运动轨迹、各个方向转角误差等仿真曲线.通过仿真验证了理论推导的正确性和方案的可行性,进一步证明本方案具有很好的运动特性.%A method for optimizing coordinate system was put forward to four-degree-of-freedom arm,a kind of mechanical arm used for vegetable and fruit picking.Kinematical equations of four-degree-of-freedom mechanical arm based on this coordinate system were established to solve the direct and inverse problems.Then the relationship between the space position and the direction angle from the active joint and the end effect is derived to build a model about the mechanical arm with dynamic simulation software ADAMS/VIEW.Finally,the kinematic analysis results were imported into the model of robot force control system built in MATLAB/ Simulink and the curves of the trajectory and the direction error were thus obtained.Consequently,the correctnessof the theoretical deduction and the feasibility of solution were validated,and this solution was further proved to possess good kinetic characteristics through simulation.【期刊名称】《陕西理工学院学报（自然科学版）》【年(卷),期】2017(033)001【总页数】6页(P21-26)【关键词】四自由度机械臂;正运动学;逆运动学;仿真【作者】陈孟元【作者单位】安徽工程大学安徽省电气传动与控制重点实验室,安徽芜湖241000;中国科学技术大学精密机械与精密仪器系,安徽合肥230027【正文语种】中文【中图分类】TH123+.1;TP391.41仿人机器人是一种集仿生、传感、驱动、智能、交互等技术于一体的综合平台[1-2]，由视觉采集、灵巧臂及控制策略等组成，其中灵巧臂作为机器人的核心功能模块对仿人机器人的作业水平具有重要的影响。
《基于手眼一体机械臂快速定位技术的研究》一、引言随着现代工业的快速发展，对于自动化、智能化和高效化的需求日益增长。
手眼一体机械臂作为一种集视觉与运动于一体的自动化设备，其快速定位技术的研究与应用显得尤为重要。
本文旨在探讨基于手眼一体机械臂的快速定位技术，分析其原理、应用及优势，以期为相关领域的研究与应用提供参考。
二、手眼一体机械臂快速定位技术原理手眼一体机械臂快速定位技术是集成了视觉系统和机械臂的运动控制技术。
该技术通过视觉系统获取目标物体的位置信息，再通过机械臂的运动控制技术实现快速定位。
其中，视觉系统主要负责目标检测、识别和跟踪，而机械臂则根据视觉系统的信息实现精确的定位和操作。
1. 视觉系统视觉系统是手眼一体机械臂快速定位技术的核心之一。
它通过摄像头等设备获取目标物体的图像信息，然后通过图像处理和识别技术提取出目标的位置、姿态等信息。
此外，视觉系统还可以实现目标的实时跟踪，为机械臂的定位提供实时反馈。
2. 机械臂运动控制技术机械臂运动控制技术是实现手眼一体机械臂快速定位的关键。
它根据视觉系统提供的信息，通过控制算法实现机械臂的精确运动。
其中，常用的控制算法包括PID控制、模糊控制、神经网络控制等。
这些控制算法可以根据不同的应用场景和需求进行选择和优化。
三、手眼一体机械臂快速定位技术的应用手眼一体机械臂快速定位技术广泛应用于工业、医疗、军事等领域。
在工业领域，它可以实现自动化生产、零件装配、物料搬运等任务；在医疗领域，它可以协助医生进行手术操作、病人护理等任务；在军事领域，它可以用于无人装备的侦查、目标跟踪等任务。
此外，手眼一体机械臂快速定位技术还可以应用于家庭服务、航空航天等领域。
四、手眼一体机械臂快速定位技术的优势相比传统的人工操作或其它自动化设备，手眼一体机械臂快速定位技术具有以下优势：1. 高精度：通过视觉系统和机械臂的运动控制技术的结合，可以实现高精度的定位和操作。
2. 高效率：可以快速完成复杂的任务，提高生产效率和工作效率。
基于灵巧手的精确抓取方法研究摘要：随着机器人技术的快速发展，精确抓取技术在工业生产、医疗保健和服务机器人等领域中扮演着重要的角色。
本文通过研究基于灵巧手的精确抓取方法，探讨了其原理和应用。
1. 引言机器人的智能化与灵巧化是当前研究的热点。
在各个领域中，精确抓取是机器人执行任务的关键能力之一。
传统的机械手抓取方法往往存在抓取力度不准确、形状识别困难等问题。
基于灵巧手的精确抓取方法为解决这些问题提供了新的思路。
2. 基于灵巧手的精确抓取方法基于灵巧手的精确抓取方法主要包括感知、规划和控制三个步骤。
2.1 感知灵巧手的感知能力对于精确抓取至关重要。
通过视觉传感器获取目标物体的形状、颜色和纹理等信息，同时通过力传感器获取抓取过程中的实时力信息。
这些感知数据为后续的规划和控制提供了依据。
2.2 规划基于灵巧手的精确抓取方法需要进行抓取规划，即确定机械手的抓取位置和姿态。
通过分析目标物体的几何形状和力学特性，结合感知数据进行路径规划和抓取策略设计。
规划的目标是使机械手能够准确地抓取目标物体，同时最大程度地避免碰撞和损坏。
2.3 控制基于灵巧手的精确抓取方法中，控制是实现精确抓取的关键环节。
通过运动控制算法，控制机械手的运动轨迹和力度，以实现稳定、精确的抓取动作。
同时，控制算法还需要根据实时感知数据进行反馈调整，以适应环境变化和目标物体的特性。
3. 应用基于灵巧手的精确抓取方法在各个领域中都有广泛的应用。
在工业生产中，可以实现对零部件的精确抓取和组装；在医疗保健中，可以实现对病人的精确抓取和手术操作；在服务机器人中，可以实现对物品的精确抓取和搬运。
4. 结论基于灵巧手的精确抓取方法在机器人技术中具有重要的意义。
通过感知、规划和控制等步骤的综合应用，可以实现机器人对目标物体的精确抓取，提高机器人的操作能力和灵活性。
然而，目前仍存在一些挑战，如抓取力度的准确控制和复杂环境下的抓取策略设计等。
因此，未来的研究应进一步探索这些问题，推动基于灵巧手的精确抓取方法的发展。
基于视觉的机械臂抓取目标检测与运动规划研究基于视觉的机械臂抓取目标检测与运动规划研究摘要：随着人工智能和机器人技术的快速发展，基于视觉的机械臂抓取目标检测与运动规划成为了一个热门研究方向。
本文基于前沿研究成果，就该领域的相关理论和方法进行了深入研究和探讨。
首先，通过搭建基于视觉的机械臂系统，实现了对目标的检测和识别。
然后，设计了一套有效的运动规划算法，使机械臂能够准确抓取目标。
最后，通过实验验证了本文所提出方法的有效性和有效程度。
1. 引言1.1 研究背景机械臂作为一种用于代替人工操作的工具，被广泛应用于工业生产、服务机器人等领域。
然而，传统的机械臂只能完成简单的重复动作，无法适应复杂、变化的环境。
因此，基于视觉的机械臂抓取目标检测和运动规划成为了提升机械臂智能化水平的重要研究方向。
1.2 研究意义基于视觉的机械臂抓取目标检测和运动规划，能够使机械臂能够感知和理解周围环境，从而实现对不同形状、大小、位置的目标进行准确抓取。
这对于提高机械臂的工作效率、提升产品质量以及降低人工操作过程中的人为错误具有重要意义。
2. 目标检测方法2.1 图像预处理在进行目标检测之前，首先需要对图像进行预处理，以提高目标检测算法的准确性和鲁棒性。
常见的预处理方法包括图像增强、噪声消除和图像分割等。
2.2 目标识别目标识别是目标检测的核心任务之一。
本文采用深度学习的方法，利用卷积神经网络（CNN）对目标进行识别。
通过训练大量的样本数据，CNN能够学习到目标的特征表示。
3. 运动规划方法3.1 逆向运动学逆向运动学方法可以根据机械臂末端位置和姿态信息，求解出机械臂关节角度，实现预期的末端位置和姿态控制。
3.2 碰撞检测为了保证机械臂在运动过程中不与周围物体发生碰撞，需要进行碰撞检测。
常见的碰撞检测算法有基于距离的碰撞检测算法、基于包围盒的碰撞检测算法等。
4. 实验与结果分析在本文的实验中，我们搭建了基于视觉的机械臂系统，并对其进行了目标检测和运动规划。
基于计算机视觉的采摘机械臂控制系统设计目录一、内容概括 (2)1.1 背景与意义 (3)1.2 研究目标与内容 (3)二、相关理论与技术 (4)2.1 计算机视觉基本原理 (6)2.2 机器人的基本控制原理 (7)2.3 摘要算法与数据处理技术 (9)三、采摘机械臂系统设计 (10)3.1 机械臂结构设计 (11)3.2 末端执行器设计 (13)3.3 传感器模块设计与选型 (14)四、基于计算机视觉的末端执行器识别与定位 (15)4.1 末端执行器外观特征提取 (16)4.2 基于计算机视觉的末端执行器定位 (17)4.3 末端执行器抓取策略研究 (18)五、基于计算机视觉的机械臂运动控制 (19)5.1 运动规划 (21)5.2 控制算法设计 (23)5.3 实时校正与补偿 (24)六、实验验证与分析 (26)6.1 实验平台搭建 (26)6.2 实验过程与结果分析 (28)6.3 结论与改进方向 (29)七、总结与展望 (30)7.1 研究成果总结 (31)7.2 研究不足与局限性 (32)7.3 未来工作展望 (33)一、内容概括本文档主要介绍了基于计算机视觉的采摘机械臂控制系统设计的相关内容。
设计该系统的目的在于实现自动化、智能化的采摘作业，提高采摘效率和质量，降低人工成本。
整个系统设计基于计算机视觉技术，通过对采摘环境的实时图像识别与处理，实现对机械臂的精准控制。
计算机视觉技术：研究并应用计算机视觉技术，实现对采摘环境的实时图像获取、处理和分析。
通过图像识别、目标定位等技术，获取目标果实的准确位置和特征信息。
机械臂控制系统：设计适用于采摘作业的机械臂结构，研发相应的控制系统。
该系统能够接收计算机视觉系统传递的目标信息，通过算法计算和控制机械臂的运动，实现对目标果实的精准采摘。
人工智能算法：运用机器学习、深度学习等人工智能技术，对计算机视觉和机械臂控制系统进行优化。
通过训练模型，提高系统对目标果实的识别准确率、定位精度和采摘效率。
人工智能驱动的机器人手臂系统设计及评估现代科技逐渐发展，人工智能技术已经广泛应用于多个领域。
在制造业中，人工智能技术同样发挥着重要作用。
其中，机器人手臂系统作为制造领域中的标志性应用之一，其发展趋势和技术特点也变得越来越重要。
本文将从设计和评估两个方面来讨论人工智能驱动的机器人手臂系统。
一. 设计1.1 机器人手臂简介机器人手臂由手臂机构、末端执行器、驱动电机、控制电路和传感器组成。
手臂机构是机器人手臂的支架架构，同时也是机器人手臂工作的物理框架。
末端执行器是机器人手臂的最终工作部分，其中包括夹爪等设备。
驱动电机是机器人手臂的动力来源，控制电路用于控制各个部件的运动，传感器则用于监控机器人手臂的运动状态。
1.2 机器人手臂驱动目前机器人手臂的驱动方式主要有两种，分别为单个伺服电机和多个伺服电机。
单个伺服电机采用地盘控制方式，可以较为便捷地进行计算。
多个伺服电机采用电气设计，但是这种设计方式较为复杂，需要较高的技术水平。
1.3 机器人手臂控制机器人手臂的控制方法主要包括运动和成像两种方式。
其中，运动控制方法是指机器人手臂在运动时控制的方式，即通过控制电机的转速和方向来控制机器人手臂的运动。
成像控制方法是指通过机器视觉技术，即使用相机和图像处理算法来控制机器人手臂的运动。
1.4 机器人手臂智能化人工智能技术将机器人手臂推上了一个新的高度，赋予机器人手臂更高的自主性和智能化。
机器人手臂智能化的关键在于掌握机器人手臂和周围环境的状况，并根据实际需求进行相应的决策。
目前技术发展已经很成熟，例如在自动化流水线中实现了对产品的检测、抓取和分拣等。
二. 评估2.1 功能评估机器人手臂需要具备灵活、高效、精准的工作能力，具体表现在如下方面：(1) 精度：机器人手臂需要具备较高的精度，以保证制造品质(2) 速度：机器人手臂需要具备较高的速度，以保证生产效率(3) 稳定性：机器人手臂需要具备较高的稳定性，以保证工作质量(4) 安全性：机器人手臂需要具备良好的安全性，以保障生产场所和操作人员的安全。
基于Inspire的采摘机械臂结构优化设计目录一、项目概述 (2)1. 研究背景及意义 (2)2. 研究目的和任务 (3)3. 研究方法与流程 (4)二、Inspire软件应用基础 (5)1. Inspire软件介绍 (7)2. 软件功能模块及应用范围 (8)3. 软件操作界面及基本工具使用 (9)三、采摘机械臂结构现状分析 (10)1. 现有采摘机械臂结构概述 (11)2. 现有结构存在的问题分析 (12)3. 改进方向的确定 (13)四、采摘机械臂结构优化设计 (14)1. 设计理念与思路 (16)2. 结构设计及参数优化 (17)3. 关键部件的选型与配置 (18)4. 智能化控制系统的集成设计 (19)五、仿真分析与性能评估 (21)1. 仿真分析软件选择与应用 (22)2. 仿真分析模型的建立及参数设置 (23)3. 仿真结果分析与性能评估指标 (24)4. 进一步优化建议 (26)六、实验验证与结果分析 (27)1. 实验平台搭建及实验方案制定 (28)2. 实验过程记录与数据收集 (30)3. 实验结果分析与讨论 (31)4. 实验总结与下一步计划 (32)七、结论与展望 (34)1. 项目成果总结 (35)2. 学术价值及实际应用前景展望 (36)3. 后续研究方向与建议 (37)一、项目概述随着现代农业生产技术的不断进步，高效、精准的采摘机械臂已成为现代农业装备的重要组成部分。
目前市面上的采摘机械臂在结构设计上仍存在诸多不足，如刚度不足、稳定性差、适应性有限等，这些问题严重制约了机械臂在复杂环境下的作业效率和准确性。
Inspire作为先进的机器人技术平台，具有高度灵活性和可扩展性，非常适合用于采摘机械臂的设计与开发。
本项目旨在基于Inspire 平台，对采摘机械臂进行结构优化设计，以提高其作业性能、稳定性和适应性，从而满足现代农业生产中对于高效、智能采摘装备的需求。
通过本项目的研究，我们期望能够开发出一种结构合理、性能优越、操作便捷的采摘机械臂，为农业生产带来革命性的变革，推动农业自动化水平的提升。
基于机器视觉的智能机械手系统设计与实现机器视觉的应用已经不仅局限于工业自动化生产中的简单检测与识别，如今，随着机器视觉技术与人工智能的迅猛发展，它已经成为现代智能制造的重要组成部分，被广泛应用于机器人、智能物流、汽车制造等方面。
而机器人中的机械手，也因为其灵活、精准的动作无疑是机器视觉技术最好的应用领域之一。
本文拟探讨如何基于机器视觉实现智能机械手的系统设计与实现，并探究该技术在实际应用中的优势和挑战。
一、机器视觉的发展与应用机器视觉技术始于上世纪60年代，起初主要用于对工件生产质量的检测。
但随着计算机技术与通信技术的不断发展，人工智能技术逐渐应用于机器视觉中，使得机器视觉技术得到了快速的发展，广泛应用于机器人、交通管理、物流等领域。
机器视觉的基本原理是将摄像机捕捉到的图像信息进行处理和分析，以识别图像中的物体、人脸，或检测出不符合要求的产品等。
因为机器视觉能够快速准确地识别图像信息，所以可以被广泛应用于工业生产制造中，例如产品检测、质量控制、零件组装、物料分类等方面。
此外，机器视觉也可以应用于智能检测机器人，为机器人提供高精度的位置定位，从而实现机器人在无人值守的情况下，正确高效地完成工作任务。
二、智能机械手系统设计与实现目前，基于机器视觉技术的机械手系统已经可以实现人类手臂的99%以上的动作。
通过相机检测物体、计算机计算物体的位置和状态，控制机械臂完成不同的动作。
下面我们将探究智能机械手系统的具体实现步骤。
1. 相机与光源安装相机和光源的安装位置会直接影响到捕捉到的图像的质量，这一环节需要根据实际情况进行仔细规划和设计。
一般来说，相机应安装在机械臂的末端，高度和角度与物体有关。
同时，要根据需要安装适当的光源，便于机器视觉系统捕捉到更为清晰、准确的图像。
2. 图像预处理机械臂通过识别物体形状、大小、颜色、位置、质量等参数对物体进行抓取或搬运。
由于图像中存在很多干扰信息，因此需要进行图像预处理。
机械手臂智能控制与物体抓取技术研究摘要：机械手臂智能控制与物体抓取技术是现代工业和科技领域中一个重要的研究方向。
本文主要探讨了机械手臂智能控制的基本原理和物体抓取技术的关键技术，介绍了目前研究中的一些主要方法和领域应用，并展望了未来的发展趋势和挑战。
1. 引言机械手臂智能控制和物体抓取技术在工业自动化、机器人应用、医疗辅助、环境清洁等领域中具有重要的应用价值。
随着人工智能和机器学习的发展，机械手臂智能控制技术得到了巨大的进步，使得机械手臂能够更加准确地感知和控制环境，实现精确的物体抓取。
2. 机械手臂智能控制的基本原理机械手臂智能控制的基本原理是通过传感器获取环境信息，利用算法和控制器对信息进行处理，然后控制机械手臂的运动。
其中，传感器主要包括视觉传感器、力传感器和触觉传感器，用于感知物体位置、形状、质量等关键信息。
算法和控制器主要包括路径规划算法、运动控制算法和力控制算法，用于实现机械手臂的运动控制和力控制。
3. 物体抓取技术的关键技术物体抓取技术是机械手臂智能控制的关键技术之一。
目前，主要的物体抓取技术包括基于视觉的抓取技术、基于力的抓取技术和深度学习的抓取技术。
基于视觉的抓取技术利用摄像头或激光传感器获取物体的视觉特征，然后利用算法计算抓取点和抓取姿态。
基于力的抓取技术通过力传感器和控制器实现对物体的力控制，以实现抓取。
深度学习的抓取技术利用深度神经网络从大量数据中学习抓取物体的模式和策略，具有更高的精确度和适应性。
4. 研究方法和领域应用在机械手臂智能控制和物体抓取技术研究中，主要采用仿真实验和实际操作相结合的方法。
仿真实验主要通过建立数学模型和虚拟环境，对算法和控制器进行测试和验证。
实际操作主要通过搭建实验平台和机械手臂系统，进行实际的物体抓取操作，并对实验结果进行分析和评估。
目前，机械手臂智能控制和物体抓取技术已经在汽车制造、物流仓储、医疗手术、家庭服务等领域得到广泛应用。
5. 未来发展趋势和挑战随着人工智能和机器学习技术的快速发展，机械手臂智能控制和物体抓取技术将迎来更大的发展空间和机遇。
自动化机械手臂的精确控制与灵巧操作方法研究现代工业生产中，自动化机械手臂作为一种高效、精准的生产装置，广泛应用于各个领域。
机械手臂能够完成各种复杂的操作任务，如搬运、装配、焊接等，极大地提高了生产效率和产品质量。
然而，在实际应用中，机械手臂的精确控制和灵巧操作仍然面临许多挑战，需要进行深入的研究与探索。
一、机械手臂的结构与控制系统机械手臂通常由机械结构、传动装置、传感器、控制系统等部分组成。
机械结构是机械手臂的骨架，确定了机械手臂的运动范围和载荷能力。
传动装置用于驱动机械手臂进行各种运动，常见的传动装置包括电机、减速器等。
传感器可以实时监测机械手臂的位置、速度、力度等参数，为控制系统提供反馈信息。
控制系统是机械手臂的大脑，根据传感器反馈信息调整机械手臂的运动轨迹和力度，实现精确控制和灵巧操作。
二、精确控制算法的研究精确控制是机械手臂的关键技术之一，直接影响着机械手臂的定位精度和运动稳定性。
目前，常见的机械手臂控制算法包括PID控制、模糊控制、神经网络控制等。
PID控制是一种经典的控制算法，通过比例、积分、微分三个部分来调节机械手臂的位置和速度。
模糊控制是一种基于模糊逻辑推理的控制方法，能够很好地处理非线性系统的控制问题。
神经网络控制则是一种基于人工神经网络的控制方法，具有良好的自适应性和泛化能力。
研究人员可以根据不同的应用场景选择合适的控制算法，提高机械手臂的精确控制能力。
三、灵巧操作策略的探索灵巧操作是机械手臂的另一个重要技术难点，主要包括目标检测与识别、路径规划与优化、力度控制与调节等方面。
目标检测与识别是指机械手臂需要识别和定位目标物体，为机械手臂的操作提供准确的目标位置信息。
路径规划与优化是指根据目标物体的位置和形状，设计出最优的运动轨迹，使机械手臂能够高效地完成操作任务。
力度控制与调节是指机械手臂需要根据目标物体的性质和要求，调节力度和力量分配，避免对物体造成损坏或变形。
通过研究灵巧操作策略，可以提高机械手臂的操作灵活性和适应性，满足不同场景下的操作需求。
基于机械臂灵巧手智能数据采集系统的设计与分析YANG Qingfeng;FENG Baolin;LI Lu;SHI Yungao;SUN Peng;MAO Wujun【摘要】在非结构环境中机器人对不同形状、重量物体的有效抓取效率低.针对这一现状,自主设计了一套基于机械臂灵巧手的智能数据采集系统平台,该平台由Kinect2.0摄像机、BH8-282三指灵巧手、UR5六自由度机械臂等设备组成,通过对目标物体的自动识别和定位,自主运动规划路线完成对目标物体的抓取动作,并得到抓取目标物的视觉和触觉信息.实验表明,该平台可以在无人监督的情况下,完成对目标物体的有效抓取,并实现对视觉和触觉数据的完全自动化采集.实验过程中对3589组抓取目标物数据分析,未抓住目标物的比例为15.41％,抓稳的比例为42.91％,未抓稳的比例为41.86％,总体实验效果较好.【期刊名称】《机械与电子》【年(卷),期】2019(037)007【总页数】6页(P75-80)【关键词】机器人;机械臂;触觉;自动化采集【作者】YANG Qingfeng;FENG Baolin;LI Lu;SHI Yungao;SUN Peng;MAO Wujun【作者单位】;;;;;【正文语种】中文【中图分类】TP2420 引言在对机器人抓取的研究工作中，大量的数据是研究的基础，而数据的采集则依赖于良好的数据采集系统[1]。
南加利福尼亚大学的Chebotar等人设计了一种触觉数据采集装置，采用Barrett WAMTM机械臂和带有BioTac传感器的Barrett灵巧手对圆柱状物体进行不断抓取，在对物体的抓取过程中完成触觉数据的采集。
但该数据采集装置主要适应于抓取规则形状的物体，不能很好地完成多种类型目标物体的抓取，同时该装置无法进行视觉数据的采集[2]；哈佛大学的Wan等人设计了一套类似上述的装置，同样采用机械臂和灵巧手对目标物体进行抓取。
不同的是在目标物体下面系上了1个质量为200 g的小球，这样当目标抓取物掉落时，它们就会掉落至固定位置，方便机械臂和灵巧手的重复抓取。
同时，他们在装置上加入一台照相机，用来评估纠正目标抓取物的掉落位置。
但该装置仍不适合多种类型物体的抓取，原则上可以实现视觉数据的采集，但效果不佳[3]；清华大学的人工智能实验室采用德国雄克公司的机械臂和BH8-280灵巧手设计了一套数据采集系统。
该机械臂为7自由度工业机械臂，每个关节都可围绕各自的轴心转动，从而可以在多个方位进行操控。
BH8-280灵巧手固定在机械臂末端，其手指上带有触觉传感器，在对物体的抓取过程中，可以采集到触觉数据。
该系统可以实现对目标物体的抓取，但需要人为监督和调控完成数据的采集，不适合大量数据的采集工作。
在此，主要采用Kinect 2.0摄像机、BH8-282三指灵巧手、UR5六自由度机械臂等设备搭建出一套全自动数据采集平台。
该平台可以在无人监督的情况下对目标物体进行检测识别并进行定位，通过自主运动规划，实施对目标物体的抓取动作，同时自动标注抓取效果的稳定与否，实现对视觉数据和触觉数据的完全自动化采集[4]。
1 机械臂灵巧手操作系统的设计在非结构化环境里如何实现良好的自主抓取一直是一个研究的热点[5]。
增强机器人的感知系统是解决这种难题的重要途径之一，这样即使在未知的复杂环境里，机器人依然能够依靠良好的感知系统完成自主抓取动作。
机器人的自主抓取大多是在视觉控制的条件下进行的[6]，例如视觉定位和视觉伺服[7]。
在此，所搭建的机械臂灵巧手操作平台就是基于视觉定位的，主要包含3个模块：摄像机模块，操作台模块以及机械臂-灵巧手模块。
3个模块有效地结合在一起，构成一套全新的数据自动采集平台，整个系统的构建模型如图1所示[8]。
图1 系统模型1.1 摄像机模块摄像机模块主要由Kinect2.0摄像机和三角架组成。
三脚架用来固定摄像机，同时可以方便调节摄像机的高度和角度，以获得拍照的最佳视角。
Kinect2.0摄像机用来对目标物体进行目标检测并定位，进而实现机械臂灵巧手对目标物体的准确抓取[9]。
Kinect摄像机是一款3D体感摄像机，是微软公司开发的一种体感外设，内置RGB彩色摄像机、红外摄像机以及麦克风阵列等传感器，通过采集人体姿态、位置和语音完成人机交互[10]。
在此，采用第2代Kinect摄像机Kinect 2.0，如图2所示。
图2 Kinect 2.0摄像机相对于第1代摄像机Kinect 1.0，Kinect 2.0摄像机具有更高的分辨率和色彩识别度，这使其具备了更高的精准性和更快的响应速度。
Kinect 2.0摄像机拥有1 080 P高清分辨率，能够实时监控并获取优质的抓取目标物的画面；内置RGB彩色摄像机进行了更加合理的优化，可以捕获更加清晰的目标物体的RGB图片；同时，更广阔的视野有利于得到更大范围内的图像信息；Kinect 2.0摄像机配备有新型红外传感器，可以在相对较弱的光照强度条件下甚至黑暗的环境中对目标物体进行识别，降低了对操作环境和使用场地的要求，这对实验平台的搭建提供了更多的便利；Kinect 2.0摄像机对内置深度传感器进行了改进，对噪声基底进行优化处理，使其具有良好的深度保真效果，获取更加精准的距离信息[11]。
本实验平台采用Kinect2.0摄像机对目标物体进行检测和定位，可以完全满足实验要求。
1.2 操作台模块操作台模块主要由高度可调的折叠桌和1个收纳箱组成，如图3所示。
折叠桌高度可以调节，方便操作台的上下移动，有利于获得最佳操作平面。
由于灵巧手相对比较脆弱，操作台不能为硬质面板，因此将收纳箱的上盖换成一块布进行覆盖，获得1个平整而富有弹性的工作面，有益于对灵巧手的保护。
同时，操作平台可操作平面比较大，当目标抓取物掉落时，不会落入操作台以外的界面，方便机械臂灵巧手操作平台的下一次抓取。
图3 折叠桌和收纳箱1.3 机械臂-灵巧手模块机械臂-灵巧手模块主要由机械臂、灵巧手和基座组成[12]。
机械臂为UR5六自由度工业机械臂，具有灵活、轻便和良好的柔性功能，噪音小、功耗低，编程简单易操作。
灵巧手为BarrettHand BH8-282三指灵巧手，有手指1、手指2、手指3和手掌S 4个传感器。
基座为一个中空的铝合金框架，里面可以放置一些仪器设备，其底部装配有4个万向轮，可方便地移动和更换工位。
如图4所示，UR5机械臂质量仅18 kg，质量轻便，因此不需要坚固的重型底座，可以方便地移动和安置，同时所需安装空间小，很容易应用于各种场所；UR5机械臂能够进行有效负荷为5 kg的作业，可以完美胜任轻量级协作过程，如采摘、放置和测试等；UR5机械臂模仿人类手臂进行设计，具有6个自由度，每个关节都可围绕其自身轴心进行±360°旋转，工作半径可达850 mm，在此范围内，UR5机械臂可以轻易地执行各种动作，满足多种任务要求；UR5机械臂支持的通信标准为TCP/IP 100 M通讯，适用IEEE 802.3u协议标准和100BASE-TX通讯介质标准，采用以太网socket连接和Modbus TCP连接，可以方便地进行通信。
图4 UR5机械臂Barrett公司的BH8系列的机械手为可编程灵巧手，仿人手进行设计，灵活性比较高，可以抓取不同种类、不同大小的物体，操作简单快捷[1]。
本文采用BarrettHand BH8-282三指灵巧手，如图5所示，它具有紧凑的结构，通过法兰结构安装在UR5机械臂末端关节上，采用高速CAN总线通信方式。
图5 灵巧手BarrettHand BH8-282灵巧手将通信电路、伺服控制系统和4个无刷电机集成在本体内部，布局巧妙合理。
在它的3根多关节手指中，其中1根手指是固定不动的，另外2根手指可以对称地横向运动180°，用以支持完成更多的抓取方案，操作灵活。
除此之外，每个关节都配备高精度的位置反馈码盘以完成更加精准的控制和更精细的操作。
Barrett Hand BH8-282灵巧手的3根手指和手掌各有1个触觉传感器阵列，如图6所示，可以很方便地实现对触觉数据信息的采集，本文主要使用3根手指采集到的触觉数据进行实验。
图6 BarrettHand灵巧手触觉传感器示意为了固定UR5机械臂，设计了一个中空的基座，如图7所示。
UR5机械臂以此为基础可以方便地进行运作。
BarrettHand灵巧手通过法兰盘固定在UR5的末端，UR5机械臂通过运动规划可以到达目标物体的上方，BarrettHand灵巧手对目标物体实施抓取，并进行触觉数据的采集。
图7 基座2 IFOA-FCM的图像分割本文采用Willow Garage公司开发的ROS机器人操作系统[13]。
该系统为机器人提供与操作系统类似功能的软件平台，能够满足机器人领域的代码复用性和机器人的模块化需求，在机器人领域的应用逐渐扩展。
在基于Linux的Ubuntu操作系统下，ROS能够提供资源管理、程序控制以及人机交互等操作系统应有的功能，包括底层硬件的控制和一些功能包的管理等。
在ROS 的基础上，开发人员开发出了很多软件包，例如识别、定位、运动规划以及其他一些高级功能包，因此利用该软件平台可以很方便地对机器人进行应用开发，ROS已经成为一种通用性很强的机器人操作系统[14]。
2.1 ROS通信机制ROS的核心功能是提供一种点对点通信机制，其核心框架有节点管理器、发布者和订阅者3个主体，如图8所示[15]。
节点管理器的主要功能是将各类节点的信息进行注册登记并沟通节点与节点之间的通讯。
发布者和订阅者自身是一类节点，需要在节点管理器上注册，在建立通信之前，双方是相互独立的，不存在耦合关系。
当订阅者需要对一个话题订阅的时候，节点管理器会查询是否存在发布者发布该话题，一旦发现，节点管理器就会将发布者和订阅者联系起来，订阅者直接接收话题里面的消息，实现点对点通信[16]。
图8 ROS机器人系统核心框架2.2 基于ROS 的机械臂灵巧手操作框架在机械臂灵巧手操作平台对目标物体抓取的过程中，其抓取动作可以分为启动任务、搜索目标、追踪目标、调整位姿以及执行抓取任务等，如图9所示。
在对目标物体抓取之前，首先需要对Kinect2.0摄像机、机械臂、灵巧手等进行初始化设置，完成各种配置；其次，Kinect2.0摄像机搜索操作台上的目标物体，并对其进行定位；然后机械臂进行运动规划[17]，包括路径规划、碰撞检测、接近目标等；接着灵巧手调整位姿，为抓取目标物体做最后的准备，最后执行抓取操作，完成抓取任务。
图9 抓取动作划分如图10所示，上述抓取动作的执行都是在ROS下完成的，Kinect2.0摄像机、机械臂、灵巧手分别建立节点，然后通过消息机制，建立一对一通信。
