双手爪机器人在杆件环境中活动,机器人的每一步运动都涉及杆件检测和抓夹,这就要求机器人能够正确识别可抓夹杆件,并检测目标杆件的抓夹位姿。机器人手爪与杆件之间是刚性抓夹,为提高抓夹可靠性,要求杆件位姿检测精度尽可能高,机器人手眼标定和抓夹策略起到重要作用。作为特种移动机器人,爬杆机器人具有三种不同的攀爬步态,通过步态规划器生成运动轨迹。本文的具体工作和创新如下:1.结合图像处理和点云数据,提出一套杆件识别和位姿估计的算法。分析杆件特征,通过图像滤波、边缘检测、直线检测等算子在图像中识别目标物体,定位杆件位置。使用图像信息分割杆件点云数据,再利用数据拟合的方法计算杆件位姿信息。根据圆杆和方杆的特征,提出区分不同杆件的方法并判断杆件的可抓夹性。2.机器人需要知道目标杆件的具体位置和朝向才能实施杆件抓夹,相机检测位姿结果需要转移到机器人坐标系下,这个转换过程要解决相机内外参数标定和机器人手眼标定。本文应用HALCON机器视觉软件平台,对相机展开标定工作,并对标定结果进行验算后评估内参数标定和手眼标定的精度。3.在相机获得杆件位姿的基础上,提出一种评估位姿检测精度的方法,利用UR3平台通过尖点触碰的方法获取杆件轴线方向的真实值,与相机检测结果进行比较。4.爬杆机器人属于平面构型,末端手爪的姿态受到限制,导致机器人不能到达杆件初始位姿,即机器人没有对应的逆运动学。结合圆杆和方杆的抓夹特点,提出调整目标杆件位置和姿态的方法,搜寻机器人能到达的位姿,实现机器人的自主抓夹。5.爬杆机器人有三种步态运动,通过DMP算法实现机器人单步运动。给定示教轨迹,改变起点和终点位置,机器人能仿照示教轨迹复现运动。结合全局目标点,手爪带动相机到达杆件的周边,然后启动相机检测杆件位姿,实现精确抓夹。