一、基于实时障碍物预测的机器人运动规划（论文文献综述）
胡春生,魏红星,闫小鹏,李国利[1]（2022）在《码垛机器人的研究与应用》文中提出通过对码垛机器人相关文献进行归纳整理,从结构优化、末端执行机构、运动规划、运动控制、机器人编程、国内应用等六个方面对码垛机器人进行了概述,分别阐述了机器人本体结构优化、运动规划的常见方法、机器人编程的常用手段、机器人控制的常用方法、避障规划的难点、多机器人协同的特殊性、各类型末端执行机构的优缺点,随后针对我国的码垛机器人应用现状,提出了对应的解决措施,针对码垛机器人关键技术的研究,指出了未来的发展方向和研究重点,可为相关研究人员提供参考。
史亚鹏[2]（2021）在《基于运动规划与足地交互的液压四足机器人力矩控制研究》文中研究说明液压四足机器人面向复杂环境的高自主性、高柔顺性和高动态稳定性是其迈向实用化,进入未来军事、生产和生活服务的前提和保障。按照以上宏观需求,将四足机器人系统架构分为规划层、柔顺层和驱动层。运动任务目标的实现往往取决于规划层的自主性与抗扰鲁棒性;机器人的机身稳定与足-地柔顺则依赖于柔顺层的足-地动态交互;而运动轨迹与足-地交互力指令的实施必须通过驱动层的关节力矩控制来实现。为此,本文针对液压四足机器人在复杂环境中的运动规划与力控等核心问题,重点突破规划层、柔顺层与驱动层各层内的关键技术难点,并综合考虑层间联系,以保证关节力矩对任务空间运动轨迹与足-地交互力的同时跟踪。本文首先从四足机器人运动特性分析入手,在规划层建立能够表征四足机器人运动本质的点-质量模型,以降低系统的状态变量维度。在点-质量模型动力学分析的基础上,结合运动任务指令、外界地形环境和步态特征,设计完成了以质心轨迹和落足点为决策变量的非线性运动规划优化模型。为实现机器人整体运动任务的全局寻优与在线实时反应能力,本文对基于离线预规划与在线重规划的分步式优化策略进行了探讨。离线预规划阶段以整体运动任务全局优化为目标,运用上述优化模型生成全局质心轨迹和落足点序列。为了实现全局规划结果与在线重规划的良好融合,运用向量场路径跟踪的空间收敛特性,开展了全局路径空间收敛的向量场跟踪算法研究。并以此为基础,结合模型预测控制的鲁棒性时域优化的优势构建基于全局路径跟踪的在线重规划策略,构建了基于向量场路径跟踪的MPC在线运动规划算法,解决了基于时间函数收敛速度与空间全局路径的维度不匹配问题,实现了运动规划兼顾全局性与实时性的目的。为进一步探究基于点-质量模型的四足机器人运动轨迹重构问题,研究四足机器人典型行走步态与虚拟双足的步态模式映射关系,基于点-质量模型与虚拟双足的对应关系进而建立与四足的落足点几何映射联系,结合腾空相轨迹规划,最终生成任务空间运动轨迹。在规划层期望运动轨迹生成的基础上,本文借鉴四足哺乳动物骨骼-肌肉系统的柔性功能特征,从功能仿生角度出发,在柔顺层建立任务空间全身柔顺模型,包含足端阻抗模型和机身虚拟模型。以两模型全身柔顺力平衡方程为基础,推导出两模型参数刚度映射关系,进而建立机身与足端的几何增量联系。为建立机身与足端的力学联系,本文开展了基于解析计算和数值优化的足力分配算法研究;综合机身与足端力、位两个层面的研究成果,提出了基于位姿补偿算法与足力跟踪算法的四足机器人仿生平衡点控制策略,从系统角度建立了机身与足端的显式协同联系,以提高系统的自稳定柔顺交互性能。为进一步探索上述任务空间规划层、柔顺层与关节空间力矩驱动层的空间控制模式映射关系,本文从多刚体动量守恒出发推导出质心动力学模型,进而建立了质心轨迹与关节力矩的空间映射。在质心动力学模型基础上,进一步采用基于PD反馈补偿的模型误差补偿机制,综合质心、足端与机身运动轨迹与足-地交互力的多目标跟踪评价指标,建立了基于二次规划的多目标优化力矩控制算法,解决了逆动力学求解的欠驱动不适应问题,实现了对运动轨迹与足-地交互力的鲁棒性同时跟踪。基于四足机器人理论研究成果与仿真分析,搭建完成液压四足机器人实物样机EHbot。详细阐述了基于三电机驱动齿轮泵的机载液压动力源和腿部液压执行系统的设计过程,该系统具有低噪声、低震动和空间配置灵活等特点。在此基础上,依据关节力矩指令执行需求,开展基于力前馈与扰动补偿的液压执行单元力跟踪补偿算法研究,提高了液压执行单元非对称容腔面积与足地冲击下的期望力跟踪性能。最后,将上述理论研究成果应用于EHbot实物样机,依次开展在线运动规划,自稳定柔顺交互,力矩控制动态稳定实验和速度、负重及爬坡能力综合性能实验研究。实验结果表明EHbot系统设计的可行性以及运动规划与力控算法的有效性,为未来液压四足机器人的应用提供了宝贵的理论基础和工程经验。
常琳[3]（2021）在《双足机器人复杂环境下定位、导航和规划》文中进行了进一步梳理双足机器人与地面非连续接触的运动特点使其能适应复杂路面,足式运动的结构特点使其便于跨越障碍和间隙,因此双足机器人具有机动性高、环境适应能力强等优点,其运动规划与控制一直是国内外机器人领域的研究热点。美国国防部举办的机器人挑战赛,展示了现有双足机器人技术的综合水准,也表明复杂环境下的双足机器人运动规划与控制是当前研究的主要方向。为提升机器人在复杂环境下的运动能力,本文围绕双足机器人复杂运动的轨迹规划与控制问题,开展了以下四个方面的研究:首先,大型双足机器人普遍具备完善的反馈控制框架以提升其运动稳定性,但对于硬件条件受限的双足机器人,由于缺少完善的反馈控制方法,难以实现稳定的双足行走。本文对双足机器人的运动模型与控制系统展开研究,基于线性倒立摆模型给出了双足步态规划的完整流程。结合行走稳定性分析,提出一种通用型双足步态反馈控制方法,采用惯性测量单元（IMU）、关节角度传感器和足底压力传感器数据作为反馈输入,通过质心轨迹反馈,实现了稳定的双足行走,降低了双足机器人稳定行走的硬件需求。其次,与轮式机器人同步建图与定位过程相比,双足机器人执行建图与定位算法时,其行走方向与行走距离难以精确控制,行走稳定性不高,对定位算法产生较大干扰。本文首先搭建了双足机器人视觉定位与导航系统,采用基于点云地图拼接的稠密地图进行导航,基于人工势场法实现了双足行走路径规划,并进行了路径柔顺处理与足迹序列生成。为提高机器人行走过程中的里程计估计精度,提出适用于双足机器人的里程计估计方法,先尝试使用粒子滤波方法处理IMU噪声,消除了着地冲击对里程计估计的影响。针对基于粒子滤波的IMU里程计存在累积误差的问题,提出一种多传感器融合的里程计估计方法,预先估计IMU的噪声参数,再基于扩展卡尔曼滤波方法,将视觉定位数据与IMU数据融合,估计机器人里程信息。实验表明多传感器融合的里程计估计方法可以消除由于双足机器人行走精度不足导致的累积误差,改善了里程计估计精度与机器人定位准确度。再次,对双足机器人失稳时的倒地保护规划展开研究。针对机器人在行走过程中有概率失稳摔倒的问题,分析了机器人倒地动力学与倒地保护约束,提出一种基于多目标优化的倒地轨迹优化方法。将双足机器人的小腿、大腿、躯干和手臂视为多阶倒立摆,通过分析倒地过程的运动方程和倒立摆稳定条件,模拟并规划了具有倒地保护能力的跌倒姿势。再结合运动学约束和物理约束,构建了摔倒轨迹改进的多目标优化算法,通过优化每个关节的角度和角速度,降低机器人跌落过程的角动量,从而实现最小动能着地。该方法减小了机器人与地面的冲击,降低了机器人硬件的损坏几率,通过仿真及样机实验验证了该方法的有效性。最后,由于双足机器人是多自由度的非线性复杂系统,在机器人上使用传统控制方法不能实现复杂环境下的稳定运动。本文对双足机器人复杂运动的轨迹规划问题展开研究。为改进现有复杂运动轨迹中足端轨迹计算繁杂,轨迹连接位置或速度不连续等问题,从机器人动力学模型入手,改进机器人上下楼梯、上下斜坡、曲线行走和一步转向等运动轨迹规划方法,简化运动轨迹中的几何计算,改善步态衔接时的轨迹连续性。为改进复杂运动轨迹的运动稳定性与灵活性,基于混合微粒群进化算法,考虑运动稳定性与轨迹连续性构建了ZMP约束和动能约束,结合双足机器人运动学约束对复杂运动轨迹进行轨迹优化,并基于小线段时间最优速度规划算法实现速度规划,改善了复杂运动时的ZMP稳定裕度与行走轨迹的动态特性。实验表明该方法有效的降低了双足机器人上下楼梯与斜坡运动的摔倒几率,增大了转向步态的最大单步转向角度,整体提高了机器人复杂环境下的运动稳定性与灵活性。综上所述,本文围绕复杂环境下双足机器人运动规划控制与定位导航相关问题展开研究,提出了适用于倒地运动与复杂行走的轨迹优化方法与多传感器融合的定位与导航方法,解决了机器人倒地保护、复杂环境运动等关键技术问题,为双足机器人规模化推广和应用奠定基础。
张健[4]（2021）在《六自由度机器人工作空间三维重建及运动规划研究》文中研究说明六自由度机器人装配技术是一项具有广泛应用前景的前沿技术,面对现代生产制造模式定制化、小批量的特点及市场多元化需求,传统的示教型工业机器人装配已经不能适应这种复杂未知的装配环境,需要实现机器人智能装配、协作装配,赋予机器人感知、决策、执行一体化功能。本文将以六自由度操作机器人轴孔装配为研究对象,基于单目相机、深度相机传感器,从环境感知视觉系统的搭建与标定、基于环境感知视觉系统的相机位姿估计及三维重建、六自由度操作机器人运动规划三方面来展开研究。1.环境感知视觉系统的搭建与标定。首先,针对半封闭空间内部轴孔装配此类场景,将Kinect v2云台视觉系统和EIH（Eye-in-Hand）单目视觉系统结合,搭建环境感知视觉系统;其次,对两种视觉系统进行标定,得到Kinec v2相机坐标系相对于机器人基坐标系、单目相机相对于六自由度操作机器人第六轴坐标系的变换矩阵;最后,对Kinect v2相机、单目相机两种相机传感器进行标定,结果表明,Kinect v2相机的彩色镜头相对于红外镜头的变换矩阵在x方向上的相对误差为0.53%,单目相机内参的平均相对误差为1.66%。2.基于环境感知视觉系统的三维重建。本章方法如下:将三维重建方法运用到半封闭空间内部轴孔装配此类场景,为机器人提供障碍物和装配目标三维位姿信息。首先,基于 SLAM（Simultaneous Localization And Mapping）框架和 Kinect v2 云台视觉系统,完成半封闭空间外部三维点云的构建;其次,以单目视觉SLAM算法和SFM（Structure From Motion）算法相结合的方式,解决深度相机无法进入半封闭狭小空间内部的问题,完成单目相机的定位,避免机器人在获取半封闭空间内部环境时与其发生碰撞,并完成半封闭空间内部三维点云的构建;最后,通过实验验证本文三维重建方法可行有效。3.六自由度操作机器人运动规划算法研究。所提方法如下:首先,基于行为动力学理论,建立机器人末端执行器位置、姿态动力学模型,并针对模型中的速度项进行改进,仿真对比结果表明,改进后可以实现速度的自适应变化且更加平滑;其次,在机器人关节和连杆上分别设置固定控制点和浮动控制点,保证连杆和关节不和障碍物发生碰撞;最后,将行为动力学模型和碰撞检测算法融合,仿真和实验结果表明,本文提出的运动规划方法在给定起始位姿和目标位姿时,可以生成一条无碰撞路径,且实现了末端执行器速度自适应变化。4.模拟半封闭空间轴孔装配实验。首先,利用环境感知视觉系统的标定结果和三维重建结果,完成坐标转换,求解得到了模拟半封闭空间外部的局部目标点和目标孔中心点相对于机器人基座标系的位姿转换矩阵;其次,设计实验方案,搭建模拟半封闭空间内轴孔装配的实验平台;最后,利用本文提出的六自由度操作机器人运动规划算法,完成半封闭空间内部的轴孔装配实验。
赵亮亮[5]（2021）在《基于环境动态信息的冗余机械臂避障运动规划》文中提出近年来,冗余机械臂越来越多地应用于多臂协同、人机共融以及空间在轨作业等非结构工作环境中。多机械臂协同作业以及人机协同作业能显着提升生产效率及产品质量,并能够提高工业生产线的灵活性。此外,冗余机械臂可克服复杂及危险环境所带来的干扰和阻碍,完成人类难以胜任的任务。复杂工作环境所存在的随机性和不可预测性等因素会导致机械臂与环境之间发生碰撞,进而导致关节速度突变及硬件损坏。同时,在与障碍物交互过程中,如果不对环境进行合理建模,机械臂的运动性能,安全工作空间区域及可操作度将会显着降低。此外,机械臂逆运动学及其末端运动规划的求解时间需满足控制系统实时性要求。因此,在非结构环境中进行安全且高效的运动规划需解决障碍物建模,避障逆运动学求解以及末端执行器可行且受约束运动规划等问题。这些问题由于受机械臂及障碍物的几何构型,运动学模型及运动状态等方面影响,紧密相关。鉴于此,本文基于工作环境的动态信息对冗余机械臂逆运动学及其末端运动规划两个方面进行了深入研究,提出了7自由度冗余机械臂避障逆运动学求解算法,超冗余机械臂避障逆运动学求解算法以及机械臂末端避障运动规划算法。同时,在此基础上建立了不同应用场景的仿真及物理平台,并以Baxter双臂机器人系统以及哈工大超冗余机器人系统作为实验平台进行了算法验证实验。本文从机械臂的任务空间约束,关节限位约束以及无碰撞约束三个主要方面进行研究,设计了基于牛顿拉普森迭代法和一阶优化法的7自由度机械臂逆运动学算法,并通过对关节角度矢量进行合理调整来处理雅可比矩阵奇异问题。该算法可根据机械臂指定末端任务和障碍物几何及运动信息反馈计算避障逆解,进而避免其在运行过程中发生碰撞。此外,根据Lipschitz连续条件和β-光滑条件给出了算法中碰撞约束因子详尽的收敛性证明,并基于Lyapunov方程对该算法进行了严格的稳定性分析。最后,基于机器人操作系统和Gazebo机器人模拟器建立了机械臂仿真系统,并通过仿真及对比分析验证了该算法的可行性和有效性。为简化逆运动学求解过程,提高算法计算效率,本文通过引入启发式几何迭代法,并基于对超冗余机械臂关节位置矢量进行正向和逆向迭代搜索来解决其任务约束问题,同时基于机械臂关节和连杆间封闭式Minkowski和以及速度矢量转换设计了连杆速度矢量避障调整策略。该算法可避免复杂矩阵计算,有效地减少计算时间,同时基于关节位置矢量的求解过程有效地避免了雅可比矩阵奇异问题。此外,通过利用该算法计算效率高等特点,本文给出了可应用于软体机械臂的避障逆运动学求解方案。最后,建立了超冗余机械臂仿真系统并进行了仿真,以验证所提算法的高效性和通用性,同时还给出了该算法与其他不同逆运动学求解算法详尽的对比分析。针对机械臂末端避障运动规划以及精细操作等应用需求,本文对球面与椭球面间封闭式Minkowski和进行了扩展,引入更加复杂的超二次曲面模型,并提出了一种基于线性运动方程的末端执行器广义避障运动规划算法;同时,给出了椭球面与超二次曲面间碰撞检测方法,并基于蒙特卡洛法设计了复杂曲面外切线的求解方案;基于典型工作环境对所提算法进行了扩展,其中主要设置了包括具有多静态障碍物及动态障碍物的两种工作环境;该算法可应用于机械臂末端实时避障路径规划,同时能够处理工作环境的几何及运动信息不确定问题;此外,该算法还考虑了末端执行器和障碍物的平移及旋转速度对安全运行空间的影响;基于平面及三维工作空间进行了仿真,并给出了所提算法与其他避障路径规划算法的对比结果,证明了该算法在解决障碍物干扰方面问题的优势。为验证所提出的7自由度冗余和超冗余机械臂的逆运动学求解算法以及末端执行器运动规划算法的有效性,本文基于Baxter双臂机器人系统以及哈工大超冗余机器人系统,设计了7自由度冗余机械臂避障逆运动学求解实验,超冗余机械臂避障逆运动学求解实验以及机械臂末端避障运动规划实验等三组共七个实验项目,对所提算法的有效性及实用性进行了有针对性地验证。
张昊[6]（2021）在《动态环境下协作机械臂拟人避障运动规划研究》文中提出2016年10月19日，我国的天宫二号与神舟十一号飞船对接成功，宇航员与空间机械臂进行了国际首次人机协同在轨维修科学试验，人机协同在轨维修己成为天宫二号三大关键试验任务之一。未来我国空间站的建设、在轨维护、科学实验同样也需要一款空间机械臂来辅助宇航员工作。空间环境中的机械臂路径规划问题研宄对实现空间机器人与宇航员协作完成在轨任务具有重要意义。现如今，国内外对于空间机械臂的相关研究尚处于起步的阶段，仍然存在许多关键问题需要解决。空间机械臂在动态、不确实的空间站环境下与宇航员协作完成在轨任务时，协作机械臂不仅会受到关节限位、自碰撞等固有约束的影响，还会受到保持特定位姿等任务约束的影响；同时还需要保持拟人构型以增强人机交互的舒适性。这对本己复杂的仿人机械臂高维运动规划提出了更高的要求，主要涉及到任务约束下的路径规划以及运动拟人化两个关键问题。本研究课题以七自由度协作机械臂为研究对象，以任务约束下协作机械臂拟人避障运动规划方法、动态环境下基于该方法框架的避障运动规划为研宄主线，逐步开展动态环境下协作机械臂拟人避障运动规划的研宄探索，具体研宄内容如下：对于任务约束下协作机械臂拟人避障运动规划部分，针对现有方法将仿人机械臂任务约束路径规划问题和运动构型拟人化问题单独考虑，不能实现协作机械臂在满足约束下运动的同时实现其运动拟人化的问题，提出了一种任务约束下基于人臂运动学习的协作机械臂拟人运动规划方法，该方法直接在机械臂满足约束的任务空间釆用随机采样规划算法规划出满足协作机械臂固有约束以及任务约束的末端路径；建立包含上下臂长的高斯过程回归模型对人臂运动进行学习映射给仿人机械臂，得到拟人臂构型；对釆用基于臂角参数的逆运动学求解无效采样点的完整零空间，选取次拟人臂构型。该方法（1）能够同时解决仿人机械臂的任务约束运动规划和运动拟人化问题；（2）建立人臂高斯过程回归模型，实现随机采样规划算法直接在满足约束的任务空间进行采样，避免采用约束满足的方法，提高了算法规划效率；（3）将上下臂长也作为模型的输入，加入到模型的训练，避免协作机械臂模型改变导致的数据重新采集和训练。（4）对自运动流形进行了完整描述，保证了规划算法的概率完备性。对于动态环境下避障运动规划部分，本文在上述规划方法的基础上，分析了末端位姿空间中全局路径规划与局部路径规划算法的优劣，针对全局路径规划算法不能很好地解决动态环境中机械臂避障路径规划问题以及局部规划算法不能得到最优解且极易陷入局部最小值的问题，提出一种结合了 RRT*规划算法和人工势场法的混合算法，该算法（1）全局规划阶段忽略动态障碍物采用RRT*算法得到一条渐进最优规划路径，以该全局路径作为局部规划器的路径引导；（2）局部规划阶段采用改进人工势场法，该改进势场法是在传统位置势场的基础上加入速度、加速度以及全局路径指引势场，使规划器充分利用全局环境信息，实现动态环境下的实时避障的同时能沿着渐进最优路径行走，极大避免陷入局部最小值的问题。
刘怡舟[7]（2021）在《面向多种约束操作任务的机械臂运动规划研究》文中研究表明在各种非结构化约束下进行高效、可靠的运动规划是多自由度机器人实现运动智能的基础与前提。近些年来,机器人的运动规划问题受到了广泛关注,大量研究工作致力于提升机器人在非结构化约束场景下的智能性与自主性。但从生产生活的各个领域来看,机器人,尤其是以串联机械臂为代表的多自由度机器人尚未通过现有规划方法实现其操作的高自主性和高可靠性。主要表现为:现有规划方法对于含有多种约束的操作任务普遍存在着规划效率低、路径质量差的问题,随之带来的任务执行失败甚至人机安全的风险,使运动规划技术无法在实际场景下应用和落地。所以,研究一个能够完整获取并处理操作过程中可能出现的各种复杂约束、且具备高效率、高可靠性的运动规划框架,是解决上述问题的理想途径,并将有力推动地人机协作、物理交互、模仿学习、智能抓取等多个领域的研究,具有广泛的应用前景。本文将机械臂在操作过程可能存在的各种运动约束分解为环境约束、任务约束和控制约束,分别对其进行归纳、描述和建模,并在此基础上寻找一系列控制输入使机械臂安全、可靠地完成预定任务,从而建立一套高效、稳定的适用于各种复杂、耦合约束下操作任务的机械臂运动规划算法。本文从环境约束、任务约束和控制约束这三类运动约束的分析和定义入手,结合各自特点研究了约束参数化模型的构建方法,为机械臂运动规划问题提供先验和输入。针对环境约束在机械臂高维构型空间无法被显式描述,从而导致规划算法探索过程盲目、规划效率低的问题,基于增量式的高斯混合模型,结合贪婪的最大化期望估计算法,研究了环境约束概率模型的构建方法,并使其具备随环境变化进行在线更新的能力;针对任务约束存在种类多样、非线性强且隐式定义的特点,研究了一种基于连续动作模仿学习的任务约束模型构建方法,通过手眼跟踪、滑动窗一致性采样、运动聚类和全变差降噪等手段,使机械臂从单次连续示教动作中分割并学习出多种任务约束,并利用流形度量学习建立任务约束近似模型,并进一步研究了包含多种被操作物体的任务约束模型库的构建方法。针对运动规划算法在解决含有多种约束操作规划问题时效率低的问题,本文利用环境约束、任务约束模型的先验知识,研究了面向环境约束、任务约束的机械臂运动规划方法。针对碰撞检测模块严重制约规划算法效率的问题,基于环境约束的概率模型,研究了一种兼顾可靠性与高效率的碰撞检测算法,提升了构型空间中高维样本点的碰撞检查速度;针对任务约束流形非线性、零测度且不可解析的特点造成规划效率低、可靠性差的问题,基于任务约束模型中的流形近似图和流形度量的先验信息,通过局部最优扩展和流形投影等方法,对规划搜索过程进行引导和启发,结合碰撞检测模块,构建了高效、稳定的环境、任务约束下机械臂运动规划方法。针对运动规划算法生成路径质量差、且现有路径优化算法容易破坏已满足约束的问题,本文研究了一种基于线性约束条件下二次规划的机械臂路径优化方法。利用梯度信息在路径参数空间进行数值优化,通过碰撞回溯策略将环境约束转化线性约束条件增量式地加入二次规划过程,并将每轮迭代产生的优化路径向任务约束流形进行投影,从而生成完全满足环境约束、任务约束和控制约束的最终轨迹,使机械臂能够以最优时间效率执行含有多种约束的作业任务,并提出机械臂路径质量的定量评价指标,为后续的对比验证实验奠定了基础。利用对含有多种约束规划问题的研究结果,构建了具有较高效率和可靠性的机械臂运动规划算法框架,并搭建了多种场景下的仿真和实验平台。从环境约束和任务约束模型入手,验证了约束模型构建与更新方法的有效性与准确性。在约束模型的基础上进行了无任务约束、末端姿态约束、封闭链约束和被动链约束等多种任务下的机械臂运动规划实验,并与同类算法进行对照实验,证明了本文提出的运动规划算法的高效率以及约束模型的有效性。基于运动规划算法获得的初始路径,利用面向控制约束的路径优化方法进行了一系列路径优化实验,证明了本文提出的建模、规划和优化算法框架能够高效、稳定地解决含有环境约束、任务约束和控制约束在内的多种约束的运动规划任务,为该框架在工业生产、物流配送、抢险搜救、家庭服务等实际场景下的应用奠定了理论与实践基础。
李康康[8]（2021）在《基于深度学习的机械臂智能抓取系统的研究》文中研究指明随着机器人应用领域不断扩展,机器人智能化控制技术愈见短板。常用的机器人控制方式主要是通过示教器或者离线编程的方法。这种固定的点到点的操纵控制方式,不能够应对复杂的抓取环境,需要机器人具有更高的智能化。此外,传统的机器人抓取针对的是特定的检测工件,通过人工设计特征提取,并使用模板匹配等方法。该种方法可移植性不强,鲁棒性较低。因此,面对类别多样、姿态各异的抓取对象,本课题提出一套在ROS（Robot Operating System）软件环境下,基于深度学习的机械臂智能抓取系统,使机械臂能够应对多样的抓取环境,提高机械臂智能化抓取能力。本文主要研究内容如下:（1）首先,针对待抓取的生活用品进行系统的整体需求分析,并搭建系统整体框架。针对性的对硬件选型、及系统控制流程设计。（2）针对基于图像的SSD（single shot multibox detector）目标识别算法存在信息源单一,导致中小目标对象误检漏检现象,提出改进多层尺度特征融合算法,丰富特征层特征信息,增强特征图特征表达能力。此外,为进一步提高算法检测精度,对视觉传感器进行标定,保证空间场中的信息完全映射到图像上。（3）针对检测到目标对象位姿的快速判断,在准确得到目标对象类别、定位框的基础上,通过聚类算法得到对象点云模型,并利用Ran Sa C（Random Sample Consensus）算法进行代表性几何特征点提取,最终通过PCA（Principal Component Analysis）进行目标点云主方向判断,得到目标对象姿态信息。并结合定位框位置信息得到目标对象位姿。（4）针对机械臂实际工作场景,既要考虑到机械臂的快速响应,又要充分考虑机械臂运动得安全范围。因此,对采用随机搜索路径点策略的RRT（Rapidly-exploring Random Trees）算法进行改进。核心想法是,结合人工势场法思想提出改进RRT算法,并加载到OMPL（Open Motion Planning Library）运动规划库,能够有效节省路径搜索时间,提高了机械臂运动规划在高维空间的成功率。（5）针对目标检测算法、目标位姿判断算法、运动规划化算法及机械臂控制逻辑问题,基于ROS机器人操作系统,整合系统整体软硬件,利用Move It运动规划插件及rviz可视化软件,对抓取情形进行分析。最终将得到的目标在视觉传感器中位姿,通过坐标变换到机械臂坐标系下,最终成功抓取目标对象。本文搭建的基于深度学习的机械臂智抓取系统,在改进传统目标检测算法误检、漏检的的基础上,有效的提高了机械臂应对复杂环境下的抓取能力。结果实验表明,本文提出的机械臂抓取体系统具有较高的可操作性与可行性。
张楠[9]（2021）在《绳索机器人的运动规划研究》文中进行了进一步梳理绳索机器人采用柔性绳索控制末端执行器的运动以完成指定任务,但绳索只能向末端施加拉力而无法施加推力,此单向力传递特性为其运动规划带来了困难。为克服运动规划中的盲目性,本论文采用几何法首先研究了简单质点型绳索机器人的运动规划,然后将方法推广至复杂的平台型机构。之后通过映射视角研究了对具体机构类型依赖性较弱的更一般运动规划方法。最后考虑了基于期望运动空间的机构设计和在各类不确定性下的轨迹安全实现问题。具体研究工作分为以下四个方面。1)质点型绳索机器人的运动规划:为确定可行轨迹的存在性,论文采用几何法分析了绳索机器人的动力学约束特性及相应的动态工作空间。首先根据解析几何与射影几何将复杂的拉力约束转化为位置-加速度平面上的简单可行域约束,然后根据此平面上可行域的边界确定出末端执行器的最远运动距离,进而得到对偶的可达空间与可归空间。根据此对偶空间,可解析地规划出可行路径,并可在位置-加速度平面上直接设计可行的点到点轨迹、周期轨迹以及过渡轨迹。相应非空的轨迹参数取值范围可由可行域边界条件解析求解。2)平台型绳索机器人的运动规划:为将上述方法推广至平台型机构,首先分析了沿惯性主轴的转动下的单向力传递特性。它也可转化为位置-加速度平面上的可行域约束进行讨论,但约束边界变得更加复杂。根据此平面上曲线所满足的面积条件和可实现性条件,分析了可达空间并进行了相应的点到点运动规划。对于沿一般轴转动的情形,采用了可比较大小的内含点到点轨迹探索可达空间的边界并通过数值离散化路径求解了轨迹参数的取值范围。对于周期轨迹,可类似地通过函数合成或运动合成方式规划,合成参数的取值范围可用于描述相应的轨迹空间。最后也给出部分过渡轨迹的存在性结论或假设,并通过按动态优先级选择节点进行扩展的概率扩展树（PET）算法规划了两状态间的过渡轨迹。3)一般绳索机器人的运动规划:为寻找满足期望条件的可行轨迹以及对可行轨迹的性能进行优化,论文定义了两种对偶的映射（异性映射和共性映射）,并将它们应用于一般轨迹的规划中。其中异性映射法是首先将拉力约束映射到拉力边界方程的无根区域,然后通过基于PET的移根法使拉力约束边界方程的实根离开不可行域而使不可行轨迹其变为可行轨迹。共性映射法是先选择参数化可行轨迹,然后采用斯图姆定理、区间代数运算或连续极值跟踪法将拉力约束转化为轨迹参数约束,并在保持轨迹可行性不变的条件下对轨迹性能进行动态改善,或求解用于描述轨迹空间的参数取值范围。4)绳索机器人的机构设计与轨迹实现:为在仿真或实验中实现期望的运动,论文根据延伸映射定义了一类对偶曲线以描述绳索机器人的可达空间,并通过对期望可达空间进行相应的收缩映射设计了合适的机构。为在无法跟踪运动目标时安全停止末端,论文以线性时变微分方程描述末端在广义变心场中的运动。然后采用一种基于纵横分级的PET算法,合理地搜索满足拉力约束条件、广义场心条件以及运动收敛条件的场参数,以生成一系列局部可行的轨迹,使得末端在绳索始终张紧的情形下停止成为可能。本论文主要采用几何法定义和求解了用于保证可行轨迹存在性的可达空间,并给出了可达空间内考虑复杂动力学约束下的运动规划方法。最后通过仿真或实验,对所提出的一些代表性运动规划方法进行了有效性检验。
解迎刚,兰江雨[10]（2021）在《协作机器人及其运动规划方法研究综述》文中进行了进一步梳理协作机器人是一种新型工业机器人,利用物联网感知等新兴技术进行智能人机交互,实现与人类近距离协同工作以提高生产效率。因此,协作机器人近年来备受关注,成为了机器人领域最热门的研究方向之一。介绍了协作机器人的基本情况,包括主要产品、机器人本体设计以及应用案例;介绍了常见的人机协作方法,重点围绕人机协作中的高效、简单、安全三个特点,分别对协作机器人编程、安全协作方法、高效协作方法三个方面的研究成果展开讨论;总结了常见的机器人运动规划方法,分成路径规划方法和轨迹规划方法两部分介绍,并分析了各类方法的优缺点;最后,对目前协作机器人研究的发展方向进行了展望。
二、基于实时障碍物预测的机器人运动规划（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于实时障碍物预测的机器人运动规划（论文提纲范文）
（1）码垛机器人的研究与应用（论文提纲范文）
| 1 码垛机器人研究内容 |
| 1.1 码垛机器人结构优化 |
| 1.2 末端执行机构 |
| 1.3 码垛机器人的运动规划 |
| 1.3.1 路径规划 |
| (1）单个机器人路径规划 |
| (2）多机器人协同路径规划 |
| 1.3.2 轨迹规划 |
| 1.3.3 避障问题 |
| 1.3.4 多机器人协同与单个机器人运动规划的联系与区别 |
| 1.3.5 机器人运动规划的关键技术及难点 |
| 1.4 机器人运动控制 |
| 1.5 机器人的编程 |
| 2 国内应用现状 |
| 3 国内码垛机器人发展存在的问题及对策 |
| 3.1 国内码垛机器人存在的问题 |
| (1）智能化程度较低 |
| (2）核心部件依赖进口 |
| (3）智能算法自主研发能力差 |
| (4）标准化程度较差 |
| 3.2 解决的对策 |
| (1）核心零部件国产化 |
| (2）加强码垛机器人智能化建设 |
| (3）算法优化 |
| (4）构建标准化体系 |
| 4 总结与展望 |
（2）基于运动规划与足地交互的液压四足机器人力矩控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外发展现状与趋势 |
| 1.2.1 四足机器人运动规划发展现状 |
| 1.2.2 四足机器人柔顺控制发展现状 |
| 1.2.3 四足机器人力矩控制研究现状 |
| 1.3 研究现状总结 |
| 1.4 主要研究内容 |
| 第2章 基于全局路径跟踪的在线运动规划算法研究 |
| 2.1 引言 |
| 2.2 点-质量模型建立与运动特性分析 |
| 2.2.1 点-质量简化模型建立 |
| 2.2.2 点-质量模型动力学构建 |
| 2.2.3 点-质量模型运动特性分析 |
| 2.3 优化模型设计与预规划算法研究 |
| 2.3.1 运动性能评价指标 |
| 2.3.2 约束模型量化准则 |
| 2.3.3 离散化全局预规划算法设计 |
| 2.4 全局路径跟踪的在线重规划算法研究 |
| 2.4.1 基于全局路径空间收敛的向量场跟踪算法设计 |
| 2.4.2 基于模型预测控制的在线重规划算法设计 |
| 2.5 基于点-质量模型的四足机器人足端轨迹重构 |
| 2.5.1 典型四足行走步态腿部协调机制 |
| 2.5.2 基于贝塞尔曲线的腾空相轨迹设计 |
| 2.6 本章小结 |
| 第3章 基于全身柔顺模型与平衡点控制的自稳定柔顺交互研究 |
| 3.1 引言 |
| 3.2 任务空间全身柔顺模型构建 |
| 3.2.1 全身柔顺模型设计 |
| 3.2.2 柔顺模型参数分析 |
| 3.3 基于全身柔顺模型的足力分配算法研究 |
| 3.3.1 基于解析计算的足力分配算法设计 |
| 3.3.2 基于数值优化的足力分配算法设计 |
| 3.4 基于自稳定柔顺交互的平衡点控制策略构建 |
| 3.4.1 仿生平衡点控制策略构建 |
| 3.4.2 足端平衡点轨迹调节机制设计 |
| 3.5 本章小结 |
| 第4章 基于运动轨迹与足-地交互力同时跟踪的力矩控制研究 |
| 4.1 引言 |
| 4.2 四足机器人质心动力学建模 |
| 4.2.1 四足机器人多刚体动量推导 |
| 4.2.2 四足机器人质心动力学特性分析 |
| 4.3 关节空间模型误差补偿机制分析 |
| 4.3.1 质心轨迹误差补偿机制 |
| 4.3.2 机身轨迹补偿机制 |
| 4.3.3 足端轨迹补偿机制 |
| 4.4 多目标QP优化力矩控制算法研究 |
| 4.4.1 关节空间优化系统评价指标 |
| 4.4.2 关节空间约束方程 |
| 4.5 本章小结 |
| 第5章 液压四足机器人平台搭建与实验研究 |
| 5.1 引言 |
| 5.2 液压四足机器人系统搭建 |
| 5.2.1 四足机器人机身结构 |
| 5.2.2 四足机器人腿部结构 |
| 5.2.3 液压执行单元力跟踪补偿算法设计 |
| 5.3 在线运动规划实验与分析 |
| 5.3.1 运动规划目标跟踪实验 |
| 5.3.2 侧向扰动实时调节实验 |
| 5.4 自稳定柔顺交互实验与分析 |
| 5.4.1 机身姿态自稳定调节实验 |
| 5.4.2 外力扰动柔顺交互实验 |
| 5.5 力矩控制动态稳定性实验与分析 |
| 5.5.1 力矩控制稳定性对比实验 |
| 5.5.2 石子路面快速通过实验 |
| 5.5.3 复杂扰动下动态稳定性实验 |
| 5.6 速度、负重及爬坡实验与分析 |
| 5.6.1 快速行走实验 |
| 5.6.2 负重Trot与爬坡Walk实验 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）双足机器人复杂环境下定位、导航和规划（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 双足机器人国内外发展现状 |
| 1.1.1 双足机器人国外发展现状 |
| 1.1.2 双足机器人国内发展现状 |
| 1.1.3 中小型双足机器人平台发展现状 |
| 1.2 双足机器人步态规划及稳定性研究现状 |
| 1.2.1 双足机器人步态规划方法现状 |
| 1.2.2 双足机器人稳定性判断依据现状 |
| 1.3 双足机器人SLAM现状 |
| 1.4 双足机器人倒地运动规划研究现状 |
| 1.5 双足机器人复杂运动规划研究现状 |
| 1.6 本文主要研究内容和意义 |
| 1.6.1 研究的目的和意义 |
| 1.6.2 本领域科学问题 |
| 1.6.3 本文主要研究的内容 |
| 第2章 基于ZMP和倒立摆模型的双足机器人步态规划与控制方法 |
| 2.1 引言 |
| 2.2 双足机器人运动学模型 |
| 2.3 双足机器人行走稳定性 |
| 2.3.1 基于零力矩点的稳定性判据 |
| 2.3.2 ZMP的测量 |
| 2.3.3 ZMP与机器人运动的关系 |
| 2.4 基于倒立摆模型的双足步态轨迹规划 |
| 2.4.1 线性倒立摆模型 |
| 2.4.2 着地相轨迹规划 |
| 2.4.3 摆动相轨迹规划 |
| 2.5 通用型双足步态反馈控制方法 |
| 2.6 全自主双足机器人系统 |
| 2.6.1 硬件系统 |
| 2.6.2 软件系统 |
| 2.6.3 机器人平台对比 |
| 2.7 双足机器人行走实验 |
| 2.8 本章小结 |
| 第3章 基于多传感器融合的复杂环境下双足机器人定位和导航 |
| 3.1 引言 |
| 3.2 双足机器人视觉定位与导航系统构架 |
| 3.2.1 双目视觉定位系统 |
| 3.2.2 基于ORB-SLAM的建图与定位 |
| 3.3 稠密地图转换与导航地图生成 |
| 3.3.1 构建稠密点云地图 |
| 3.3.2 地图存储与转换 |
| 3.3.3 构建全局二维导航地图 |
| 3.4 双足机器人导航路径与足迹序列生成 |
| 3.4.1 基于人工势场法的双足行走路径规划 |
| 3.4.2 导航路径柔顺与足迹序列生成 |
| 3.5 基于粒子滤波的IMU数据融合里程计 |
| 3.5.1 粒子滤波器设计 |
| 3.5.2 基于粒子滤波的里程计估计 |
| 3.6 基于TCN的多传感器融合里程计 |
| 3.6.1 基于EKF的IMU预测 |
| 3.6.2 IMU更新 |
| 3.6.3 基于数据融合的里程计更新 |
| 3.6.4 基于TCN的IMU噪声估计 |
| 3.7 双足机器人SLAM实验 |
| 3.7.1 双足机器人定位导航实验 |
| 3.7.2 双足机器人里程计实验 |
| 3.8 本章小结 |
| 第4章 基于多目标优化的双足机器人倒地保护研究 |
| 4.1 引言 |
| 4.2 倒地状态分析 |
| 4.2.1 双足机器人倒地ZMP判据 |
| 4.2.2 四阶倒立摆的运动方程 |
| 4.3 双足机器人倒地动力学分析 |
| 4.3.1 双足机器人倒地处理 |
| 4.3.2 倒地运动角动量分析 |
| 4.3.3 倒地运动关节力分析 |
| 4.4 双足机器人倒地优化约束条件 |
| 4.4.1 运动学约束 |
| 4.4.2 实际物理约束 |
| 4.5 双足机器人倒地保护轨迹多目标优化方法 |
| 4.5.1 双足机器人倒地优化分析 |
| 4.5.2 改进动态多目标优化算法 |
| 4.5.3 稳定性优化 |
| 4.5.4 角动量优化 |
| 4.6 双足机器人倒地保护实验 |
| 4.7 本章小结 |
| 第5章 基于混合微粒群进化算法的双足机器人复杂运动轨迹规划 |
| 5.1 引言 |
| 5.2 双足机器人运动规划约束条件 |
| 5.3 双足机器人复杂运动轨迹规划 |
| 5.3.1 楼梯运动 |
| 5.3.2 上下斜坡运动 |
| 5.3.3 曲线行走运动 |
| 5.3.4 一步转向运动 |
| 5.4 基于微粒群算法的复杂运动轨迹优化 |
| 5.4.1 混合微粒群进化算法 |
| 5.4.2 复杂运动轨迹优化算法 |
| 5.4.3 算法对比实验 |
| 5.5 基于小线段时间最优速度规划算法 |
| 5.5.1 基于可达性分析的时间最优速度规划 |
| 5.5.2 基于可达性分析的时间最优问题算法 |
| 5.5.3 分段时间最优速度规划算法 |
| 5.5.4 时间最优速度规划算法仿真与实验 |
| 5.6 双足机器人复杂运动实验 |
| 5.6.1 走楼梯实验 |
| 5.6.2 走斜坡实验 |
| 5.6.3 一步转向实验 |
| 5.6.4 复杂运动综合仿真实验 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（4）六自由度机器人工作空间三维重建及运动规划研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 三维重建研究现状 |
| 1.2.2 机器人运动规划研究现状 |
| 1.3 研究内容与论文结构框架 |
| 2 环境感知视觉系统的搭建与标定 |
| 2.1 引言 |
| 2.2 环境感知视觉系统的搭建 |
| 2.2.1 环境感知系统理论基础 |
| 2.2.2 环境感知视觉系统的搭建 |
| 2.2.3 相机位姿估计的必要性分析 |
| 2.3 Kinect v2 云台视觉系统的标定 |
| 2.3.1 针孔相机模型 |
| 2.3.2 Kinect v2相机标定实验 |
| 2.3.3 Kinect v2云台视觉系统的标定 |
| 2.4 EIH单目视觉系统的标定 |
| 2.4.1 单目相机标定实验 |
| 2.4.2 EIH单目视觉系统的标定 |
| 2.5 本章小结 |
| 3 基于环境感知视觉系统的相机位姿估计及三维重建 |
| 3.1 引言 |
| 3.2 图像特征点的检测与匹配 |
| 3.2.1 ORB算法 |
| 3.2.2 特征点检测与匹配算法对比实验 |
| 3.3 基于Kinect v2云台视觉系统的三维重建 |
| 3.3.1 四元数 |
| 3.3.2 基于数据集的Kinect v2相机位姿估计 |
| 3.3.3 基于数据集的Kinect v2相机的三维点云构建 |
| 3.3.4 实验平台下Kinect v2相机三维点云的构建 |
| 3.4 基于EIH单目视觉系统的相机位姿估计及三维重建 |
| 3.4.1 基于数据集的单目相机位姿估计 |
| 3.4.2 基于数据集的单目相机的三维点云构建 |
| 3.4.3 实验平台下单目相机三维点云的构建 |
| 3.5 本章小结 |
| 4 六自由度操作机器人运动规划算法研究 |
| 4.1 引言 |
| 4.2 行为动力学模型基础理论 |
| 4.3 六自由度操作机器人末端执行器行为动力学模型的建立 |
| 4.3.1 位置行为动力学建模 |
| 4.3.2 姿态行为动力学建模 |
| 4.3.3 整体行为协调 |
| 4.3.4 行为动力学模型仿真 |
| 4.4 考虑机器人连杆和关节的六自由度操作机器人运动规划算法 |
| 4.4.1 碰撞检测算法原理 |
| 4.4.2 行为动力学模型行为变量的坐标转换 |
| 4.4.3 整体的运动规划算法 |
| 4.5 六自由度操作机器人运动规划算法仿真实验 |
| 4.5.1 基于MATLAB的仿真平台的搭建 |
| 4.5.2 仿真平台下的运动规划及分析 |
| 4.6 六自由度操作机器人运动规划实验 |
| 4.6.1 上位机和机器人之间的通讯 |
| 4.6.2 实验方案 |
| 4.6.3 实验过程及结果分析 |
| 4.7 本章小结 |
| 5 模拟半封闭空间轴孔装配实验 |
| 5.1 引言 |
| 5.2 三维点云的坐标转换 |
| 5.2.1 模拟半封闭空间外部局部目标位姿的获取及坐标转换 |
| 5.2.2 装配目标孔位姿的获取及坐标转换 |
| 5.3 模拟半封闭空间轴孔装配实验 |
| 5.3.1 实验方案 |
| 5.3.2 实验过程及结果 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（5）基于环境动态信息的冗余机械臂避障运动规划（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 物理量名称及符号表 |
| 第1章 绪论 |
| 1.1 课题的背景及研究的意义 |
| 1.2 七自由度冗余机械臂逆运动学求解发展综述 |
| 1.2.1 逆雅可比矩阵法 |
| 1.2.2 数据驱动法 |
| 1.2.3 混合方法 |
| 1.2.4 研究现状简析 |
| 1.3 超冗余机械臂逆运动学求解发展综述 |
| 1.3.1 几何方法 |
| 1.3.2 启发式逆运动学算法 |
| 1.3.3 研究现状简析 |
| 1.4 避障运动规划发展综述 |
| 1.4.1 全局运动规划方法 |
| 1.4.2 局部运动规划方法 |
| 1.4.3 物体间碰撞检测发展综述 |
| 1.4.4 研究现状简析 |
| 1.5 本文主要研究内容 |
| 第2章 七自由度冗余机械臂避障逆运动学求解 |
| 2.1 引言 |
| 2.2 机械臂运动学模型 |
| 2.3 基于多约束的机械臂逆运动学模型 |
| 2.3.1 数学模型 |
| 2.3.2 任务空间及关节限位约束 |
| 2.3.3 避障约束 |
| 2.4 避障逆运动学算法 |
| 2.4.1 算法设计 |
| 2.4.2 收敛性证明及稳定性分析 |
| 2.5 避障逆运动学算法仿真 |
| 2.5.1 基于ROS和Gazebo的仿真系统建模 |
| 2.5.2 躲避行走人体模型仿真 |
| 2.5.3 算法性能分析 |
| 2.6 本章小结 |
| 第3章 超冗余机械臂避障逆运动学求解 |
| 3.1 引言 |
| 3.2 基于FABRIK的避障逆运动学算法 |
| 3.2.1 FABRIK算法求解策略分析 |
| 3.2.2 球面与椭球面间封闭式Minkowski和 |
| 3.2.3 避障逆运动学算法设计 |
| 3.3 不同约束条件下避障逆运动学算法的应用 |
| 3.3.1 多动态障碍物 |
| 3.3.2 静态障碍物 |
| 3.3.3 应用于软体机械臂 |
| 3.4 避障逆运动学算法仿真 |
| 3.4.1 基于ROS和Gazebo的仿真模型建立 |
| 3.4.2 超冗余机械臂仿真 |
| 3.4.3 软体机械臂仿真 |
| 3.4.4 七自由度冗余机械臂仿真 |
| 3.5 本章小结 |
| 第4章 机械臂末端避障运动规划 |
| 4.1 引言 |
| 4.2 机械臂末端广义避障运动规划算法 |
| 4.2.1 数学模型 |
| 4.2.2 椭球面与超二次曲面间碰撞检测分析 |
| 4.2.3 算法设计 |
| 4.2.4 复杂曲面外切线求解 |
| 4.3 基于典型工作环境的算法扩展 |
| 4.3.1 多障碍物工作环境 |
| 4.3.2 动态障碍物工作环境 |
| 4.4 机械臂末端避障运动规划仿真 |
| 4.4.1 仿真模型建立 |
| 4.4.2 2D工作空间仿真 |
| 4.4.3 3D工作空间仿真 |
| 4.5 本章小结 |
| 第5章 冗余机械臂逆运动学及末端避障运动规划实验 |
| 5.1 引言 |
| 5.2 七自由度冗余机械臂避障逆运动学求解实验 |
| 5.2.1 Baxter双臂共同作业实验 |
| 5.2.2 Baxter双臂与Kuka臂共同作业实验 |
| 5.3 超冗余机械臂避障逆运动学求解实验 |
| 5.3.1 静态障碍物实验 |
| 5.3.2 动态障碍物实验 |
| 5.4 机械臂末端避障运动规划实验 |
| 5.4.1 躲避多静态障碍物实验 |
| 5.4.2 躲避 3D环境中工人实验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 七自由度冗余机械臂避障逆运动学求解算法的收敛性证明 |
| A.1 证明函数 ψ_j(q_i) 为Lipschitz连续 |
| A.2 证明函数 ψ_j(q_i) 为 β-光滑 |
| A.3 碰撞约束因子的收敛性证明 |
| 附录B 机械臂及其球面模型的D-H参数 |
| B.1 Baxter右臂及球面的D-H参数 |
| B.2 人体模型的D-H参数 |
| B.3 Baxter左臂及球面的D-H参数 |
| B.4 Kuka臂及球面的D-H参数 |
| 附录C Kuka臂D-H参数及变换矩阵 |
| C.1 D-H参数 |
| C.2 变换矩阵 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（6）动态环境下协作机械臂拟人避障运动规划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机械臂路径规划研究现状 |
| 1.2.2 基于采样的任务约束路径规划研究现状 |
| 1.2.3 机械臂拟人运动规划研究现状 |
| 1.2.4 动态环境下机械臂路径规划研究现状 |
| 1.3 目前研究存在的问题与不足 |
| 1.4 本文主要研究内容与章节安排 |
| 1.4.1 课题主要研究内容 |
| 1.4.2 论文结构安排 |
| 2 协作机械臂运动学模型及零空间完整描述 |
| 2.1 协作机械臂运动学模型建立与分析 |
| 2.1.1 七自由度协作机械臂 |
| 2.1.2 基于D-H参数的正运动学模型 |
| 2.1.3 基于臂角参数的逆运动学模型 |
| 2.2 协作机械臂零空间完整描述 |
| 2.2.1 协作机械臂的自运动 |
| 2.2.2 协作机械臂避关节限位的零空间 |
| 2.2.3 协作机械臂避碰撞的零空间 |
| 2.3 本章小结 |
| 3 任务约束下协作机械臂拟人避障运动规划 |
| 3.1 机械臂末端任务空间下RRT*算法实现 |
| 3.1.1 任务空间下RRT算法实现 |
| 3.1.2 任务空间下RRT*算法实现 |
| 3.2 任务约束下基于学习的协作机械臂运动规划方法 |
| 3.2.1 整体方案 |
| 3.2.2 满足位姿约束的任务空间表示 |
| 3.2.3 满足位姿约束的任务空间距离度量 |
| 3.2.4 基于高斯过程回归的人臂运动预测模型 |
| 3.2.5 基于零空间完整描述的次拟人解选取 |
| 3.3 本章小结 |
| 4 任务约束下协作机械臂动态拟人避障运动规划 |
| 4.1 传统人工势场法的实现 |
| 4.2 末端任务空间改进人工势场法的实现 |
| 4.2.1 引力场函数的推导 |
| 4.2.2 斥力场函数的推导 |
| 4.3 基于RRT*与改进人工势场法的混合算法 |
| 4.4 本章小结 |
| 5 实验与分析 |
| 5.1 实验平台 |
| 5.2 任务约束下协作机械臂拟人避障运动规划 |
| 5.2.1 避障碍与零空间完整描述 |
| 5.2.2 拟人避障运动 |
| 5.2.3 对比实验 |
| 5.3 动态环境下协作机械臂任务约束拟人避障运动规划 |
| 5.3.1 改进势场法 |
| 5.3.2 全局路径引导 |
| 5.3.3 局部最小 |
| 5.3.4 动态环境验证 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）面向多种约束操作任务的机械臂运动规划研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机器人运动约束模型构建的研究现状 |
| 1.2.2 机器人运动规划与搜索方法的研究现状 |
| 1.2.3 机器人路径优化方法的研究现状 |
| 1.2.4 分析与总结 |
| 1.3 主要研究内容 |
| 第2章 机械臂运动约束分析与模型构建研究 |
| 2.1 引言 |
| 2.2 机械臂运动约束的归纳与描述 |
| 2.2.1 环境约束的描述 |
| 2.2.2 任务约束的描述 |
| 2.2.3 控制约束的描述 |
| 2.3 基于增量式EM算法的机械臂环境约束模型构建方法 |
| 2.3.1 高斯混合模型的参数估计方法 |
| 2.3.2 增量式最大化期望估计算法 |
| 2.3.3 环境约束模型的在线更新方法 |
| 2.4 基于连续动作模仿学习的机械臂任务约束模型研究 |
| 2.4.1 基于视觉包围盒的手眼跟踪方法 |
| 2.4.2 滑动窗采样一致性算法 |
| 2.4.3 示教动作的分割与提取方法 |
| 2.4.4 任务约束的描述与学习 |
| 2.4.5 任务约束模型的构建方法 |
| 2.5 本章小结 |
| 第3章 基于环境和任务约束模型的机械臂运动规划方法研究 |
| 3.1 引言 |
| 3.2 基于环境约束模型的碰撞检测方法 |
| 3.2.1 高维概率模型的交叉验证 |
| 3.2.2 基于几何模型的碰撞检测 |
| 3.2.3 几何模型与概率模型的融合碰撞检测策略 |
| 3.3 基于约束流形度量的运动规划方法研究 |
| 3.3.1 环境和任务约束下运动规划问题的定义 |
| 3.3.2 流形表面的启发式搜索方法 |
| 3.3.3 局部最优扩展目标的搜索方法 |
| 3.3.4 流形表面的局部扩展 |
| 3.3.5 流形表面的投影方法 |
| 3.4 本章小结 |
| 第4章 面向控制约束的机械臂路径优化研究 |
| 4.1 引言 |
| 4.2 无约束机械臂路径优化问题的数学模型建立 |
| 4.3 带约束机械臂路径优化问题的求解 |
| 4.3.1 碰撞回溯策略与线性约束的施加 |
| 4.3.2 基于LCQP的机械臂路径优化算法 |
| 4.3.3 面向控制约束的路径插值与定量评价方法 |
| 4.3.4 二维空间数值仿真实验 |
| 4.4 本章小结 |
| 第5章 多种约束下的机械臂运动规划实验研究 |
| 5.1 引言 |
| 5.2 机械臂运动约束模型的建立与验证实验 |
| 5.2.1 环境约束模型的构建与更新实验 |
| 5.2.2 任务约束模型的构建实验 |
| 5.3 含有环境和任务约束的机械臂运动规划实验 |
| 5.3.1 无任务约束的运动规划实验 |
| 5.3.2 末端姿态约束的运动规划实验 |
| 5.3.3 封闭链约束的运动规划实验 |
| 5.3.4 被动链约束的运动规划实验 |
| 5.4 含有多种约束的机械臂轨迹优化实验 |
| 5.4.1 无任务约束的机械臂轨迹优化实验 |
| 5.4.2 末端姿态约束的轨迹优化实验 |
| 5.4.3 封闭链约束的轨迹优化实验 |
| 5.4.4 被动链约束的轨迹优化实验 |
| 5.5 7自由度冗余机械臂的运动规划与优化实验 |
| 5.5.1 冗余机械臂在非结构化变化场景下的运动规划实验 |
| 5.5.2 冗余机械臂在被动链约束下的运动规划与优化实验 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（8）基于深度学习的机械臂智能抓取系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标检测算法研究现状 |
| 1.2.2 基于视觉的机械臂抓取研究现状 |
| 1.3 论文的研究内容及组织结构 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文行文结构及内容安排 |
| 第二章 基于深度学习目标检测的机器人抓取系统整体设计 |
| 2.1 整体需求分析 |
| 2.2 系统硬件总体设计 |
| 2.3 系统硬件选型 |
| 2.3.1 目标检测模型训练服务器 |
| 2.3.2 视觉传感器 |
| 2.3.3 机械臂与末端执行器 |
| 2.4 系统控制流程设计 |
| 2.5 本章小结 |
| 第三章 基于深度学习的目标检测与定位系统研究 |
| 3.1 相机测量原理 |
| 3.1.1 深度测距原理 |
| 3.1.2 相机成像原理 |
| 3.2 相机标定 |
| 3.3 卷积神经网络 |
| 3.3.1 卷积神经网络原理 |
| 3.3.2 卷积网络特性 |
| 3.4 基于改进多层尺度特征融合的目标检测算法 |
| 3.4.1 SSD算法模型 |
| 3.4.2 基础网络层特征融合改进 |
| 3.4.3 附加网络层特征融合改进 |
| 3.5 改进多层尺度特征融合的网络模型整体结构 |
| 3.5.1 网络模型整体结构 |
| 3.5.2 多层尺度特征融合算法计算过程 |
| 3.5.3 网络损失函数设计 |
| 3.6 基于PCA的目标物体位姿判断算法设计 |
| 3.6.1 PCA原理 |
| 3.6.2 基于PCA的目标对象位姿检测流程 |
| 3.6.3 PCA目标对象位姿检测分析 |
| 3.7 本章小结 |
| 第四章 基于ROS的机器人运动规划研究 |
| 4.1 机械臂运动空间模型建立 |
| 4.1.1 机械臂运动学建模 |
| 4.1.2 机械臂正逆运动学分析 |
| 4.1.3 机械臂建模验证 |
| 4.2 改进RRT的路径规划算法 |
| 4.2.1 RRT算法基本原理 |
| 4.2.2 改进的RRT算法 |
| 4.2.3 改进的运动规划算法与原始算法对比 |
| 4.3 机械臂末端轨迹规划 |
| 4.3.1 多连续直线路径平滑 |
| 4.3.2 基于S型的曲线插补规划 |
| 4.4 Move It机器人运动规划系统架构 |
| 4.4.1 机器人运动规划软件架构 |
| 4.4.2 Move It系统架构及参数配置 |
| 4.4.3 基于Move It的 OMPL规划机制 |
| 4.5 机械臂运动控制 |
| 4.6 本章小结 |
| 第五章 机械臂视觉识别抓取测试实验分析 |
| 5.1 目标检测算法模型与评估 |
| 5.1.1 实验环境与数据 |
| 5.1.2 目标检测算法模型训练结果与分析 |
| 5.1.3 中小目标实验结果对比分析 |
| 5.1.4 生活用品数据集检测结果分析 |
| 5.1.5 测试速度结果对比分析 |
| 5.2 机械臂抓取目标物体实验与分析 |
| 5.2.1 测试环境 |
| 5.2.2 机械臂抓取运动逻辑 |
| 5.2.3 机械臂抓取目标物体 |
| 5.3 本章小节 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（9）绳索机器人的运动规划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 绳索机器人的研究背景 |
| 1.2 绳索机器人的研究现状 |
| 1.2.1 机构设计 |
| 1.2.2 特性分析 |
| 1.2.3 运动规划 |
| 1.2.4 轨迹实现 |
| 1.3 论文内容与结构安排 |
| 1.3.1 论文工作 |
| 1.3.2 创新之处 |
| 1.3.3 结构安排 |
| 第2章 质点型绳索机器人的运动规划 |
| 2.1 运动学与动力学建模 |
| 2.2 拉力约束特性分析 |
| 2.2.1 直线路径下的单向力传递分析 |
| 2.2.2 曲线路径下的单向力传递分析 |
| 2.3 工作空间分析 |
| 2.3.1 直线路径下的可达空间 |
| 2.3.2 曲线路径下的可达空间 |
| 2.4 运动规划 |
| 2.4.1 点到点运动规划 |
| 2.4.2 周期运动规划 |
| 2.4.3 过渡运动规划 |
| 2.5 本章小结 |
| 第3章 平台型绳索机器人的运动规划 |
| 3.1 运动学与动力学建模 |
| 3.2 拉力约束特性分析 |
| 3.2.1 直线路径下的单向力传递分析 |
| 3.2.2 曲线路径下的单向力传递分析 |
| 3.3 工作空间分析 |
| 3.3.1 可达空间 |
| 3.3.2 周期空间 |
| 3.3.3 过渡空间 |
| 3.4 动态轨迹规划 |
| 3.4.1 点到点运动规划 |
| 3.4.2 周期运动规划 |
| 3.4.3 过渡运动规划 |
| 3.5 本章小结 |
| 第4章 一般绳索机器人的特性分析和运动规划 |
| 4.1 动力学约束下的映射定义 |
| 4.1.1 保路径可行性映射 |
| 4.1.2 保时间历程可行性映射 |
| 4.1.3 保轨迹可行性映射 |
| 4.2 动力学约束下的映射求解 |
| 4.3 映射视角下的工作空间求解与运动规划 |
| 4.3.1 映射视角下的可达空间求解 |
| 4.3.2 映射视角下的运动规划 |
| 4.4 复杂机构与复杂约束下的运动规划 |
| 4.4.1 可重构绳索机器人运动规划 |
| 4.4.2 冗余绳索机器人运动规划 |
| 4.4.3 绳索机器人避障运动规划 |
| 4.5 本章小结 |
| 第5章 绳索机器人的设计与轨迹实现 |
| 5.1 可达空间的几何描述 |
| 5.1.1 对偶伴随曲线的定义 |
| 5.1.2 对偶伴随曲线的存在唯一性 |
| 5.1.3 对偶伴随曲线的求解 |
| 5.1.4 对偶伴随曲线的性质 |
| 5.2 绳索机器人的设计 |
| 5.2.1 绳索机器人的参数设计 |
| 5.2.2 绳索机器人的结构设计 |
| 5.3 轨迹的安全实现 |
| 5.3.1 安全实现的问题描述 |
| 5.3.2 安全实现的方法 |
| 5.3.3 安全拉力分配 |
| 5.4 仿真与实验 |
| 5.4.1 质点型绳索机器人的线性运动规划 |
| 5.4.2 质点型绳索机器人的非线性运动规划 |
| 5.4.3 平台型绳索机器人的线性运动规划 |
| 5.4.4 平台型绳索机器人的非线性运动规划 |
| 5.4.5 绳索机器人的安全停止 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（10）协作机器人及其运动规划方法研究综述（论文提纲范文）
| 1 协作机器人介绍 |
| 1.1 主要产品 |
| 1.2 本体设计 |
| 1.2.1 构型设计 |
| 1.2.2 柔性结构设计 |
| 1.2.3 多传感器设计 |
| 1.2.4 末端执行器设计 |
| 1.2.5 机器人本体安全设计 |
| 1.3 应用案例 |
| 2 人机协作方法 |
| 2.1 协作机器人编程方法 |
| 2.1.1 拖动示教 |
| 2.1.2 基于演示学习的编程 |
| 2.1.3 其他编程方法 |
| 2.2 安全协作方法 |
| 2.2.1 人机协作安全准则 |
| 2.2.2 碰撞避免方法 |
| 2.2.3 碰撞处理方法 |
| 2.3 高效协作方法 |
| 2.3.1 协作任务分配方法 |
| 2.3.2 协作心理问题 |
| 3 协作机器人运动规划方法 |
| 3.1 路径规划方法 |
| 3.1.1 基于图搜索的路径规划 |
| 3.1.2 基于采样的路径规划 |
| 3.1.3 基于人工势场的路径规划 |
| 3.2 轨迹规划方法 |
| 3.2.1 规划插值 |
| 3.2.2 轨迹优化 |
| 4 协作机器人发展方向 |
| 5 结束语 |
四、基于实时障碍物预测的机器人运动规划（论文参考文献）
- [1]码垛机器人的研究与应用[J]. 胡春生,魏红星,闫小鹏,李国利. 计算机工程与应用, 2022(02)
- [2]基于运动规划与足地交互的液压四足机器人力矩控制研究[D]. 史亚鹏. 哈尔滨工业大学, 2021(02)
- [3]双足机器人复杂环境下定位、导航和规划[D]. 常琳. 哈尔滨工业大学, 2021
- [4]六自由度机器人工作空间三维重建及运动规划研究[D]. 张健. 西安理工大学, 2021(01)
- [5]基于环境动态信息的冗余机械臂避障运动规划[D]. 赵亮亮. 哈尔滨工业大学, 2021(02)
- [6]动态环境下协作机械臂拟人避障运动规划研究[D]. 张昊. 西安科技大学, 2021(02)
- [7]面向多种约束操作任务的机械臂运动规划研究[D]. 刘怡舟. 哈尔滨工业大学, 2021(02)
- [8]基于深度学习的机械臂智能抓取系统的研究[D]. 李康康. 江南大学, 2021(01)
- [9]绳索机器人的运动规划研究[D]. 张楠. 中国科学技术大学, 2021(09)
- [10]协作机器人及其运动规划方法研究综述[J]. 解迎刚,兰江雨. 计算机工程与应用, 2021(13)