本书以工业机器人交互示教与自主控制为主线，分别从工业机器人交互示教、基于数字孪生技术的工业机器人遥示教、基于目标识别定位的工业机器人自主装配、基于引导示教强化学习的工业机器人柔顺装配等方向开展研究。本书共8章，第1章阐述工业机器人交互示教与自主控制的意义、国内外研究现状以及全书研究内容；第2章论述基于增强现实的六自由度机器人交互示教系统；第3章论述基于手持示教笔的工业机器人交互示教系统；第4章论述基于数字孪生技术的工业机器人遥示教系统；第5章论述基于演示示教及自主学习的机器人抓取与装配；第6章论述基于目标识别定位的工业机器人自主装配；第7章论述基于引导示教强化学习的工业机器人柔顺装配；第8章总结全书内容，并进行展望。
样章试读
目录
- 目录
前言
第1章 绪论 1
1.1 工业机器人交互示教与自主控制的意义 1
1.2 工业机器人交互示教研究现状 2
1.2.1 工业机器人示教编程 2
1.2.2 基于计算机视觉的工业机器人演示示教编程 5
1.2.3 基于AR的工业机器人轨迹示教编程 6
1.2.4 基于数字孪生技术的工业机器人遥示教 7
1.3 工业机器人自主装配研究现状 10
1.3.1 基于目标识别定位的工业机器人自主装配 10
1.3.2 基于强化学习引导示教的工业机器人自主装配 12
1.4 本书主要内容 17
第2章 基于AR的六自由度机器人交互示教系统 20
2.1 系统总体方案设计 20
2.1.1 系统方案设计 20
2.1.2 虚拟工业机器人模型及AR示教系统平台构建 22
2.2 示教系统结构组成 26
2.2.1 基于位姿跟踪系统的机器人示教 26
2.2.2 六自由度工业机器人正逆运动学模型 34
2.2.3 基于深度图像的虚实碰撞检测算法 38
2.3 示教系统的搭建及实验 51
2.3.1 实验平台软硬件配置 51
2.3.2 虚拟机器人末端执行器跟踪实验 52
2.3.3 碰撞检测实验 52
2.3.4 综合实验 55
2.4 本章小结 57
第3章 基于手持示教笔的工业机器人交互示教系统 58
3.1 系统总体方案设计 58
3.1.1 系统总体结构 58
3.1.2 位姿跟踪系统 60
3.1.3 气压调节系统 63
3.2 基于手持示教笔的工业机器人轨迹示教系统 64
3.2.1 工业机器人轨迹示教系统设计 65
3.2.2 手持示教笔位置和姿态信息提取 65
3.2.3 机器人与位姿跟踪系统的标定 66
3.2.4 标定误差分析和提高精度的方法 70
3.2.5 轨迹示教系统设计与实验 71
3.3 工业机器人轨迹规划与生成 76
3.3.1 工业机器人轨迹规划流程 77
3.3.2 示教路径预处理模块 77
3.3.3 位姿平滑模块 80
3.3.4 速度规划模块 84
3.3.5 供气压力-出胶速度-工业机器人速度关系配合 88
3.3.6 轨迹规划与涂胶实验 89
3.4 本章小结 92
第4章 基于数字孪生技术的工业机器人遥示教系统 93
4.1 系统总体方案设计 93
4.1.1 机器人遥示教数字孪生框架设计 93
4.1.2 AR示教系统搭建 95
4.1.3 机器人控制平台搭建 97
4.2 机器人遥示教系统数字孪生模型 100
4.2.1 机器人遥示教系统数字孪生建模流程 100
4.2.2 虚拟机器人三维建模 101
4.2.3 机器人工作场景三维重建 102
4.2.4 机器人手眼标定 103
4.2.5 碰撞检测模型 105
4.3 基于姿态示教装置目标检测的机器人AR遥示教 108
4.3.1 机器人遥示教系统设计 108
4.3.2 Kinect2.0传感器标定 108
4.3.3 姿态示教装置目标检测方法 110
4.3.4 机器人位姿规划 113
4.4 基于八叉树模型和人体骨骼节点的碰撞检测 116
4.4.1 碰撞检测算法比较 116
4.4.2 基于物体空间的碰撞检测算法 117
4.4.3 基于八叉树模型的实时碰撞检测 117
4.4.4 基于人体骨骼节点识别的人机碰撞检测方法 119
4.5 基于数字孪生技术的机器人遥示教原型系统设计与实验 124
4.5.1 基于人体骨骼节点识别的人机碰撞检测系统搭建 124
4.5.2 机器人及其工作场景数字孪生建模实验 125
4.5.3 基于姿态示教装置目标检测的机器人AR位姿规划实验 126
4.5.4 基于八叉树模型和人体骨骼节点的实时碰撞检测实验 128
4.5.5 用户调研 130
4.6 基于SAM与位姿估计的交互式零样本机械装配体3D重建方法 131
4.6.1 交互式零样本机械装配体3D重建框架 131
4.6.2 机械装配体数据集 137
4.6.3 实验平台和评价指标 140
4.6.4 实验结果与分析 141
4.7 本章小结 146
第5章 基于演示示教及自主学习的机器人抓取与装配 147
5.1 基于视觉的机器人抓取与装配演示示教系统 147
5.1.1 演示示教系统总体框架 147
5.1.2 实验验证 157
5.2 基于深度强化学习的机器人自主抓取与装配技能学习 161
5.2.1 工作空间标定 161
5.2.2 图像预处理 163
5.2.3 学习框架 164
5.2.4 奖励函数设置 170
5.2.5 实验系统设计及验证 172
5.3 本章小结 182
第6章 基于目标识别定位的工业机器人自主装配 183
6.1 机器人末端执行器位姿粗调整方法 183
6.1.1 基于目标识别定位的机器人末端执行器位姿粗调整方法 183
6.1.2 轴孔装配实验及结果分析 193
6.2 机器人末端执行器位姿精调整方法 195
6.2.1 机器人末端执行器位姿粗调整误差分析 195
6.2.2 基于强化学习的机器人末端执行器位姿精调整方法 196
6.2.3 基于图像匹配的机器人末端执行器位姿精调整方法 204
6.3 本章小结 213
第7章 基于引导示教强化学习的工业机器人柔顺装配 214
7.1 基于联合强化学习的主动柔顺装配技能学习 214
7.1.1 联合强化学习方法框架 214
7.1.2 状态判断与参数优化模块 216
7.1.3 联合强化学习奖励函数设置 218
7.1.4 实验验证 220
7.2 基于引导示教的人类意图与装配策略获取方法 229
7.2.1 引导示教强化学习方法框架 229
7.2.2 MYO肌电臂环工作空间标定 230
7.2.3 引导示教强化学习方法框架 233
7.2.4 示教数据的解析转化处理 236
7.3 基于引导示教强化学习的混合决策装配技能模型 242
7.3.1 混合决策装配技能模型的运行流程 242
7.3.2 混合决策装配技能模型的融合 243
7.3.3 实验验证 245
7.4 本章小结 250
第8章 总结与展望 251
8.1 本书总结 251
8.2 研究展望 253
参考文献 255
京公网安备 11010102004214号