基于计算机视觉的机器人多指手预抓取模式聚类分析研究

论文摘要

随着人类科技的不断发展,机器人的应用场合越来越广泛,而抓取操作是必不可少的环节。模仿人类的抓取操作,本文研究的是机器人抓取物体过程中的预抓取阶段,即机器人根据视觉传感器感知被抓取物体与抓取有关的参数,并根据机器人手的姿态,采用何种预抓取模式的决策阶段。首先根据BH-4手和Rutgers手设计出一种具有四个手指的多指手模型,并根据Cutkosky提出的人手抓取分类学,将多指手的预抓取模式分为13类。其次,选择26种实物,每两种实物对应一种预抓取模式。在相同环境中,每种实物在五个不同的角度分别采集一幅图像。经过一系列的图像处理方法,提取被抓取物体的姿态、大小、形状以及表面粗糙度特征作为该物体的特征参数用于预抓取模式分类。随后本文着重研究了聚类分析在多指手预抓取模式分类方面的应用。先用模糊C-均值聚类算法验证聚类分析的可行性,在聚类正确率较低且不稳定的情况下,通过改进算法提高性能。在此基础上,本文提出了一种新的改进算法—二阶段加权模糊C-均值聚类算法,经仿真实验分析,其各方面性能的提高都很明显,特别是聚类正确率稳定在96.15%。接着本文深入研究了核方法在特征选取和聚类分析中的应用。并提出了一种结合核主成分分析和核模糊C-均值聚类的新算法,将该算法用在多指手预抓取模式聚类分析中,算法的实时性和正确率都较为理想。最后,本文利用OpenGL和Visual C++开发了多指手预抓取三维仿真平台,对机器人预抓取的过程进行可视化仿真。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 本课题提出的背景
• 1.2 机器人多指手发展概述
• 1.3 机器人多指手抓取控制策略
• 1.4 抓取模式分类学的研究现状
• 1.5 机器人多指手预抓取模式分类方法的研究现状
• 1.6 论文的主要研究内容
• 第二章 机器人多指手预抓取模式规划
• 2.1 引言
• 2.2 预抓取模式规划任务描述
• 2.2.1 机器人多指手三维模型的建立
• 2.2.2 预抓取模式分类决策
• 2.3 多指手预抓取模式规划流程
• 2.3.1 物体姿态特征
• 2.3.2 物体几何特征
• 2.3.3 物体形状特征
• 2.3.4 物体表面粗糙度特征
• 2.4 本章小结
• 第三章 基于计算机视觉的机器人多指手被抓取物体特征识别
• 3.1 引言
• 3.2 物体图像采集
• 3.3 数字图像处理
• 3.3.1 图像预处理
• 3.3.2 图像阈值分割
• 3.3.3 数学形态学处理
• 3.3.4 图像轮廓提取及轮廓细化
• 3.3.5 图像去除背景
• 3.4 物体的特征提取
• 3.4.1 物体的姿态和几何特征提取
• 3.4.2 物体形状特征提取
• 3.4.3 物体的表面粗糙度特征提取
• 3.5 物体的特征参数向量
• 3.6 本章小结
• 第四章 基于模糊C-均值的机器人多指手预抓取模式聚类分析
• 4.1 引言
• 4.2 预抓取模式样本集
• 4.3 聚类分析概述
• 4.4 模糊C-均值聚类分析
• 4.4.1 模糊C-均值聚类算法描述
• 4.4.2 模糊加权因子m 的选取
• 4.4.3 预抓取模式聚类分析
• 4.5 改进的模糊C-均值聚类分析
• 4.5.1 加权模糊C-均值聚类算法
• 4.5.2 本文改进的聚类算法
• 4.5.3 实验分析
• 4.6 本章小结
• 第五章 基于核方法的机器人多指手预抓取模式聚类分析
• 5.1 引言
• 5.2 核方法的理论基础
• 5.2.1 核的定义
• 5.2.2 再生核理论及MERCER 定理
• 5.2.3 常用核函数及其构造
• 5.3 基于核方法的机器人多指手预抓取特征选取
• 5.3.1 主成分分析
• 5.3.2 核主成分分析
• 5.3.3 PCA 与KPCA 的比较
• 5.4 基于核方法的机器人多指手预抓取模式聚类分析
• 5.4.1 核模糊C-均值聚类算法
• 5.4.2 本文提出的核聚类算法
• 5.4.3 实验分析
• 5.5 本章小结
• 第六章 多指手预抓取的三维可视化仿真研究
• 6.1 引言
• 6.2 三维仿真平台的建立
• 6.2.1 机器人多指手抓取系统模型的建立
• 6.2.2 控制窗口及可视化窗口的设计
• 6.3 可视化仿真
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 工作总结
• 7.2 今后展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文