基于BP神经网络的机器人视觉伺服控制系统设计

论文摘要

人类获得的信息80%以上来自眼睛,给机器人增加视觉传感器势必会增加机器人系统的灵活性,解决当前的机器人系统多采用示教再现方式、柔性差等问题。视觉伺服机器人的研究已经成为机器人研究领域的一大热点。由于在制造、使用机器人过程中会产生各种偏差,以及摄像头存在着各种畸变,需要对机器人和摄像头进行非常精确的标定。然而标定是一项费时、耗力而且与生产环境紧密相关的工作,所以很多学者开始了无标定机器人视觉伺服系统的研究。随着人工神经网络技术的发展,人工神经网络技术不断地应用到各种场合,其复杂、非线性的映射能力使之非常适合应用到无标定机器人视觉伺服系统。本课题在KLD-400型SCARA机器人本体上构筑了机器人视觉伺服系统,视觉伺服控制器采用基于Back Propagation （BP）神经网络的控制方式。本文在视觉伺服控制器中引入了机器人关节位置信息,采用“小区域分步处理”的方法,提高了控制器的效率和精度。文章对机器视觉的图像处理过程进行了深入的研究,分别对基于彩色图像和基于灰度图像的目标识别与提取算法进行了研究,对圆形目标采用基于最小二乘原理的圆拟合方式进行重心定位,定位精度得到提高。结合SCARA机器人伺服控制的特点,机器人运动单元采用基于CP的轨迹规划方法对机器人末端轨迹进行控制。机器人视觉伺服系统实现了在工作平台任意目标点的精确定位,最后通过实验验证了控制方式的有效性。综上所述,本课题对基于神经网络的机器人视觉伺服系统进行了深入的研究,采用了一些新的处理方法和控制思想,希望对后续的研究起到有意义的参考作用。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 机器人技术的发展
• 1.2 机器人视觉伺服系统概述
• 1.2.1 机器人伺服系统结构分析
• 1.2.2 机器人视觉伺服主要研究内容
• 1.3 机器人视觉伺服的图像处理概述
• 1.4 人工神经网络技术概述
• 1.4.1 人工神经网络的发展
• 1.4.2 人工神经网络的发展趋势
• 1.4.3 我国神经网络研究现状
• 1.4.4 人工神经网络在机器人上的应用
• 1.5 课题来源及主要研究内容
• 第2章 机器人视觉伺服控制系统体系结构
• 2.1 视觉伺服机器人系统结构设计
• 2.2 机器人视觉伺服控制系统组成
• 2.3 机器人本体及运动控制模块
• 2.3.1 SCARA 机器人本体结构
• 2.3.2 运动控制模块组成
• 2.3.3 机器人运动控制模块软件结构
• 2.4 机器人视频采集系统设计
• 2.4.1 摄像头性能参数
• 2.4.2 图像采集卡技术参数
• 2.5 主控制系统的程序设计
• 2.6 本章小结
• 第3章 视觉伺服的图像处理
• 3.1 色彩空间分析
• 3.1.1 RGB 模型
• 3.1.2 YUV 颜色模型
• 3.1.3 HSV 颜色模型
• 3.1.4 色彩空间比较分析
• 3.2 图像预处理
• 3.2.1 彩色图像识别
• 3.2.2 彩色图像灰度化
• 3.2.3 图像滤波
• 3.3 图像二值化处理
• 3.4 图像分割
• 3.4.1 并行边界分割
• 3.4.2 串行边界分割
• 3.4.3 区域分割
• 3.5 目标特征的提取
• 3.5.1 质心坐标计算
• 3.5.2 基于圆拟合的高精度质心计算方法
• 3.6 图像处理程序流程
• 3.7 本章小结
• 第4章 机器人运动学分析及路径规划
• 4.1 视觉伺服机器人系统结构
• 4.2 SCARA 机器人的齐次坐标系
• 4.3 机器人路径规划方法综述
• 4.4 无障碍环境下机器人路径规划方法
• 4.4.1 点位控制方法
• 4.4.2 连续轨迹控制方法
• 4.5 基于CP 的机器人路径规划方法
• 4.6 本章小结
• 第5章 基于BP 神经网络的视觉伺服控制器设计
• 5.1 机器人视觉伺服系统的任务分析
• 5.2 机器人视觉伺服标定技术研究
• 5.2.1 摄像机成像模型及误差分析
• 5.2.2 标定方法概述
• 5.2.3 无标定机器人视觉伺服系统的研究
• 5.3 视觉伺服系统控制结构的选择
• 5.4 机器人视觉伺服误差关系分析
• 5.5 人工神经网络的结构选择
• 5.6 基于BP 神经网络的机器人视觉伺服控制器
• 5.6.1 神经网络输入输出选择
• 5.6.2 BP 神经网络层与隐含层神经元数的确定
• 5.6.3 神经网络的学习
• 5.7 机器人视觉伺服控制系统实验
• 5.8 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢