论文部分内容阅读
随着计算机硬件设备以及人工智能技术的快速发展,服务机器人领域引发了新一轮的研究热潮。准确地完成目标物体的识别、抓取以及躲避障碍物是机器人智能化完成工作任务的前提。而小物体检测效果差,抓取位姿估计困难等是制约家庭服务机器人技术发展的关键。针对这些问题,许多学者在目标物体检测与抓取领域,使用SSD、YOLO和RCNN系列等深度学习算法以及模板匹配、图像分割以及点云分割等算法完成机器人的目标物体检测与抓取。本文对家庭服务机器人系统的目标物体检测与抓取进行了相关研究。机器人进行目标物体检测时,提出了一种基于特征融合的SSD物体检测算法,以解决现有目标检测算法存在的不足;针对物体位姿估计复杂度高,位姿估计困难的问题,本文采用基于点云法线的位姿估计方法完成抓取位姿估计;另外,针对家庭服务机器人系统运动时,在无先验信息情况下避障困难的问题,本文结合家庭服务机器人特点提出了一种基于Improved Artificial Potential Field for Virtual Coordinate(VC-IAPF)的避障算法,实现机器人自主避障。最后,完成了家庭服务机器人的物体识别与抓取应用系统的整体设计。本课题的主要研究内容如下:(1)基于特征融合的SSD目标物体检测算法针对在目标物体检测过程中,对小物体检测效果差的问题,本课题提出了基于特征融合的SSD目标物体检测算法。本文分析SSD网络结构各层的特点,分析小物体检测性能不足的原因,设计融合特征层和融合结构。首先将卷积后的特征归一化和ReLU激活,然后融合激活后的特征,送入SSD的分类检测器中完成物体分类和检测。该算法通过融合浅层与深层的特征信息,充分利用了浅层的高分辨率特点和深层的高语义特点,有效提高了小物体的检测性能。(2)基于点云法线的目标物体抓取位姿估计方法针对机械臂抓取目标物体位姿估计困难问题,本文采用基于点云分割的方法获得完整的目标物体,计算目标物体中心点切面法向量,继而估算出机械臂的抓取位姿。针对Kinect相机深度图有大量黑洞的问题,本文对双边滤波算法做出改进,通过添加动态高斯相似度权值因子提升滤波性能,从而修复深度图像。由此建立更准确的点云图,然后通过点云滤波、聚类分割、法线估计等方法进一步得到更精确的抓取点及其位姿。实验结果表明该方法修复效果显著,位姿估计准确,满足机械臂的抓取需求,可准确的完成抓取任务。(3)基于VC-IAPF自主避障算法的设计与实现针对家庭服务机器人系统的运动避障功能需求,本文提出了一种VC-IAPF避障算法。以机器人中心为基础建立虚拟坐标系,使用距离优先策略定位障碍物的方位,利用障碍物虚拟坐标映射关系确定障碍物坐标数据;针对机器人避障过程的特点,设计了障碍物排斥速度数学模型,利用该模型实时计算障碍物对轮椅床的排斥速度,然后建立速度引力场和斥力场,通过避障速度模块计算出机器人的避障速度矢量,从而实现机器人的自主避障。在公开PASCAL VOC数据集中验证本文所提物体检测算法的性能,实验结果表明所提基于特征融合的SSD目标检测算法的mAP为78.33%,对小目标物体检测效果有较大提升,进而证明该算法的有效性。同时,在伴随机器人平台上应用所提的物体检测算法,验证基于点云法线估计抓取物体姿态方法的性能,实验结果表明上述算法能有效地完成目标物体检测与抓取任务。最后,以轮椅床为实验平台,验证VC-IAPF算法的避障效果,实验结果充分证明该算法避障效果的有效性和准确性。