工业机器人:从感知到运动
工业机器人在许多工程领域需要知识,包括机械设计、感知、决策、控制设计、嵌入式系统。学习的关键组件和步骤完成拾起并定位机器人工作流。
拾起并定位机器人感知环境包括基本的初始化步骤,其次是两个主要的步骤,如识别部分和执行一个拾起并定位工作流。相比传统的工业机器人的任务定义工作空间区域中的所有对象事先scan-and-build环境过程用计算机视觉对挑选high-mix部分和灵活的操作很重要。计算机视觉工具箱™和深度学习工具箱™用于目标检测。下一个任务是指导机器人从一个初始配置所需的联合配置通过避免碰撞与障碍。运动规划包括路径规划和轨迹生成、提供光滑的关节轨迹和解决实际工业机器人的任务。在这个视频,你会看到双向迅速探索随机树(RRT)算法引入工业机器人机械手的应用程序。路径规划提供的路径构成的输入轨迹生成。然后,轨迹生成器将生成一个基于时间的控制序列对于如何遵循一条给定的约束。您还将了解如何Stateflow®可以用来安排高层的任务和步骤从拾起并定位工作流任务。
有关这个视频中使用的工具的更多信息,请参阅以下资源:
在这个视频中,我将讨论设计工业机器人应用程序专门拾起并定位一个机器人与MATLAB应用程序开发。这个视频的过程中我要涵盖以下主题。
首先,我要开始讨论工业机器人和每个应用程序。我将讨论的关键组件和步骤完成拾起并定位机器人工作流——比如扫描和构建环境,检测和分类,路径规划和轨迹的一代。最后,我将额外的可用资源。
这里我们看到一个模拟左边和右边相应的视频的机器人手臂拾起并定位。拾起并定位自动化可以加快捡的过程部分或项目,并将它们放到最后一英里的行业应用的另一个位置。这个应用程序通常使用一个先进的知觉系统和肘部自治区识别、掌握,并将对象从一个地方移动到另一个地方。
拾起并定位机器人一般或包括元素的感知、规划和控制。全球机械臂可以自动检测一个特殊的对象基于摄像头的输入,并计划一个路径选择的对象。
正如你能想到的,它涉及到几个不同的技术,如机器人技术,优化、计算机视觉、机器学习、控制器逻辑,等等。开始设计机器人程序我们可以从一个系统设计,是代表组件,我们需要它们之间的交互。
对于这种情况,我们需要从感知对象探测器和崩溃文件模块,运动计划和状态控制器,模拟器或负载栏原型和迭代和测试每个性能。
我进一步打破整个工作流在幻灯片中拾起并定位。这个流程图详细解释了如何装载臂机械手与对象交互。它可以由一个基本的初始化步骤感知环境,其次是两个主要的步骤,如识别部分和执行拾起并定位任务。
第一个关键步骤容易感知环境。利用三维扫描和点云处理计算机视觉的自主工业机器人需要应对动态环境中,如部分位置的变化或动态障碍。相比传统的拾起并定位任务,一切都是预先知道的,这些步骤是非常重要的选择高混合部分以及灵活的自动化。
这种方法将克服限制在传统的工业机器人应用程序。因此,在开始拾起并定位任务,机器人移动预定义扫描现场和捕获的工作空间的一组点云环境的使用机载传感器。
一旦机器人扫描工作区面积,捕获的点云被进一步处理编码为碰撞网格,这样机器人可以很容易地识别障碍并在通过计划一部分。从点云在这里碰撞网格显示。几个点云处理工具使用从计算机视觉在MATLAB工具箱——比如一个点云变换,点云新兴和分段点云到集群。最后你可以创建碰撞网格对象从生成的点云分割然后路径避免打印机就会明白这些网障碍。
我们现在需要检测和分类的对象所以机器人可以知道哪个对象。我们可以创建一组图像数据进行训练。在这里我们移动机器人从许多不同的摄像机的角度和捕捉图像流。然后我们可以使用深度学习分类和检测对象或图像。
图像可以使用图像标记标签应用计算机视觉从工具箱。这样你就可以创建训练数据一步检测模型。从计算机视觉检测函数工具箱可以给你图像的边界框的位置检测对象以及它们的类。
在露台模拟器在这个回收机器人的例子中,我们有两个类系统对象——底部,可以放置在不同的位置的表。我们使用模拟相机饲料从机器人和pretrained深学习模式应用于检测可回收部分。模型以相机坐标系作为输入,然后输出对象的位置和回收它需要的类型。
机器人现在知道避免碰撞的障碍,和哪一个对象去接,把他们的地方。下一个测试是指示机器人从最初的计算移动所需的联合计算操作碰撞的对象和对象。
以当地移动工件到达对象,然后我们需要运动计划。让我们深入路径规划和轨迹生成提供光滑的关节轨迹解决实际机器人的任务。机器人对象选择和地点的环境可能需要路径规划算法来找到机器人的无碰撞路径从一个配置另一个计算。它是一个纯几何描述的运动。考虑到避障,全球谈判一个复杂的场景。
这需要初始配置,最终配置和环境作为输入。有趣的问题是需要满足的约束条件。约束机器人加入限制和障碍的例子。路径规划将发现碰撞pre-joint轨迹开始配置,目标配置。根据应用程序的特点,环境,和您所使用的机器人,你就可以开始使用优化理论,或基于抽样的路径规划。
在这里,我想向你们介绍双向多次爆炸库存算法机器人机械手。双向RRT规划师创建两个树指定为开始,和目标配置。它将需要指定属性的数目。第一最大连接距离规划配置。和一个可选的,连接到启发式可能增加你的速度。延长每棵树从开始,目标配置,规划师生成一个随机的配置。如果有效,这就意味着没有碰撞环境,一步从上市节点基于max连接距离属性。
扩展计划后尝试连接在两棵树之间。无效的配置,或与环境冲突的连接不添加到树中。当EnableConnectHeuristic属性是真的,这禁用限制最大连接距离属性,当两个节点直接连接碰撞预购两三个见面。环境是一个不太拥挤的时候,连接到启发式有助于缩短规划时间。
当我们设置启用连接启发式属性为false,我们限制扩展距离之间连接两个三个,最大的价值连接距离。这将导致更高的连续率找到一个有效的计划,但可能需要两个长路径。我们可以使用一个路径缩短函数指定路径缩短通过学习可以缩短策略。例如,这是最初通过。你可以选择两个不相邻的边缘,选择中间配置我们选择边缘。尝试连接。如果无效,跳过添加这条边。但是我们重复与另一个两个不相邻的边缘。如果有效,添加这条边。然后,我们可以删除另一个长边。
在这张幻灯片,我显示的一个例子,展示如何使用双向RRT全球机械手功能。我讨论,有几个属性来优化您的机器人路径,这样您就可以做一个短的路径,或提高路径规划时间。我这里显示两条路径造成更大,和较小的最大连接距离名额,当将对象在墙上。计算时间的计划——计划配置生成的数量成正比。
为了提高规划时间,考虑增加验证距离,或减少最大连接距离。路径规划,提供的路径构成的输入轨迹生成。轨迹发生器会产生基于时间序列,或如何遵循给定的路径约束如位置,速度,加速度通过连接在本地类路点的多项式函数。所以轨迹是一个描述如何遵循时间的路径。我们可以知道现在的区别是什么路径规划,和轨迹生成。
有几种方法可以创建插入连接配置时间的轨迹。例如,梯形速度轨迹piece-wide恒定加速度轨迹,零加速度,和持续减速。这导致梯形。是相对容易实现失效等要求的位置,速度和加速度的极限。你也可以插入两个路径点之间使用各种命令在多项式。在实践中使用的最常见的订单是三次多项式,和五次多项式。不断地缝合在一起的多项式轨迹是有用的一段与零,或非零速度,加速度,因为加速度概要文件顺利与梯形速度轨迹。
所以我们需要不断检测对象的状态,捡起来,把它们放在正确的暂存区域。为了做到这一点,稳定图可以用来安排高水平的任务,从任务和步骤挑选和工作流的地方。最后,一起把所有步骤在这个例子中,机器人识别部分,再生成两个别针。在这个例子中,机器人学习在露台模拟器模拟深度相机安装在机器人。
我们使用双向RRT路径规划和轨迹生成的梯形速度剖面。这个示例使用多个与钢工具箱。机器人系统工具箱用于模型,模拟机械手。ROS MATLAB工具箱用于连接到露台模拟器。计算机视觉的工具箱,深度学习使用Point-Cloud-Processing工具箱用于目标检测。它开始扫描与Point-Cloud-Processing建立现场环境。一次完成现场工作区域可以从扫描,并建立环境一步,机器人可以计划一个路径选择,并将部分垃圾桶。机器人持续工作到旧的部分已被放置。回收机器人的例子所示,也可以是一个前传不同的场景,如焊接、组装。
在这个视频中,挑选与MATLAB小应用程序开发。我们有许多例子来开始使用。我列在这里,在机械手运动计划的一些例子,轨迹生成和追随者,从机器人工具箱和碰撞检查,你可以试试。我鼓励您访问机器人系统工具箱网页。我们有多年的一次研讨会上发布在我们的网站上帮助加速你的开发工作。此外,我们有一个简短的视频,和GitHub库来帮助你提高在几个主题。我会问你去探索这些资源,看看这些能帮助您的应用程序。谢谢你的关注。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。