基于模糊神经网络的单目视觉伺服机器人智能抓取

论文摘要

随着科技的进步,人们对机器人的要求也越来越高,不仅要求机器人能够实现常规的动作,而且还要求机器人具有人类的视觉、思维、学习与自主能力等。为此,本文对单目视觉伺服机器人的智能抓取模型进行深入的研究,运用模糊神经网络来辨识单目视觉伺服机器人的智能抓取模型。论文首先回顾了机器人的发展概况以及发展趋势,总结了机器人视觉的研究内容以及模糊神经网络的研究现状,接着讨论了视觉伺服机器人的运动学和机器人视觉伺服系统,然后对目标识别技术和模糊神经网络技术等问题进行深入研究,最后实现单目视觉伺服机器人的智能抓取。在视觉伺服机器人的运动学和机器人视觉伺服系统研究方面,采用D-H建模法和CCD的成像几何建立视觉伺服机器人的正逆运动学模型,分析比较了基于位置的视觉伺服系统以及基于图像的视觉伺服系统、静态的视觉伺服系统和动态的视觉伺服系统。在目标识别方面,采用自适应中值滤波器来消除椒盐噪声对图像的影响,而采用自适应维纳滤波器来消除高斯噪声对图像的影响,采用FCM（模糊C均值聚类）来分割目标与背景并采用数学形态学来平滑目标信息,通过统计学分析,得到表征目标信息的特征向量。在智能抓取模型建立方面,运用六层模糊神经网络和三阶段混合学习算法,得到一种由数据自动生成基于模糊神经网络的Visual-Degree函数（视觉空间的特征向量到关节空间的关节变量之间的映射关系）的方法。在智能抓取实现方面,简单介绍了单目视觉伺服机器人的硬件组成,研究了PMAC（可编程多轴运动控制器）与主机的通信原理以及matlab与VC++的通信原理,创建了机器人运动的人机界面,实现机器人的智能抓取。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 工业机器人
• 1.1.1 工业机器人概况
• 1.1.2 工业机器人发展趋势
• 1.2 机器人视觉的研究内容
• 1.3 神经网络与模糊技术综述
• 1.3.1 神经网络与模糊技术概述
• 1.3.2 神经网络与模糊技术的结合
• 1.4 课题的来源和本文主要工作
• 1.4.1 课题的来源
• 1.4.2 本文主要工作
• 1.4.3 本文主要结构
• 第二章 视觉伺服机器人的运动学分析
• 2.1 数学基础
• 2.2 D-H 建模法
• 2.3 成像几何
• 2.4 KLD-600 机器人运动学正逆解
• 2.4.1 正运动学求解
• 2.4.2 逆运动学求解
• 2.5 机器人视觉伺服系统
• 2.6 本章小结
• 第三章 目标识别
• 3.1 图像预处理
• 3.1.1 图像的采集与数字化
• 3.1.2 图像去噪
• 3.2 图像分割
• 3.2.1 灰度直方图
• 3.2.2 FCM 聚类
• 3.2.3 数学形态学
• 3.3 特征提取
• 3.4 本章小结
• 第四章 基于Mamdani 推理的模糊神经网络
• 4.1 Visual-Degree 函数的定义
• 4.1.1 机器人的运动状态空间
• 4.1.2 各运动状态空间的相互关系和Visual-Degree函数
• 4.2 模糊神经网络
• 4.3 混合学习算法
• 4.3.1 自组织学习
• 4.3.2 模糊规则确定
• 4.3.3 监督学习
• 4.4 本章小结
• 第五章 单目视觉伺服机器人智能抓取的实现
• 5.1 单目视觉伺服机器人的硬件系统
• 5.1.1 运动控制器
• 5.1.2 运动伺服系统
• 5.1.3 视觉系统
• 5.1.4 机器人本体
• 5.2 单目视觉伺服机器人的软件系统
• 5.2.1 Visual C++与PMAC 通讯
• 5.2.2 Visual C++与matlab 通讯
• 5.3 智能抓取的实现方案
• 5.4 实验结果
• 5.4.1 HMI 画面
• 5.4.2 智能抓取模型的实验结果
• 5.5 本章小结
• 第六章 总结与展望
• 参考文献
• 研究生期间发表论文和参与科研项目
• 致谢