基于目标物体检测技术的工业机器人分拣技术研究（开题报告）

本课题研究的目的、意义

随着我国经济的不断发展，以工业机器人为基础的自动化生产过程在零件装配、货物包装以及3C产业等领域中较为常见。越来越多的企业将以往工厂中通过员工手动完成的任务交给机器人去完成，大大节约了企业的劳动成本，提高了产品的生产效率，从而提高公司的经济效益。同时，机器人也被应用于汽车制造行业和医疗等领域，保证了处于危险环境下工人的人身安全，使生产模式逐步由传统的以工人为主导转变为目前的以工业机器人为主导。
传统的机器人大多采用示教编程或离线编程的方法，使机器人做点到点的运动，而实现较为复杂的运动轨迹是比较困难的，就达不到流水线的柔性、自动化生产。这类传统的方法也对待抓取的物体的摆放位置有一定的要求，例如，待抓取物体形状或工作环境改变时，就需要对程序进行重新编写，自动化程度并不高。随着中国制造2025时代的到来，智能化被人们高度重视，现如今，工业机器人也不断的朝着智能化的方向发展，更多的是把机器人与视觉技术结合起来，在零部件及货物的自动化包装、拆卸和搬运的过程中，怎样得到这些目标物体的特征并对其进行分类和识别是非常重要的一个部分。
在过去的几十年里，基于2D图像的研究己经较为成熟，基于图像的视觉技术是目前目标识别中最常用的方法，该技术被广泛的应用于人脸识别、医学检测等领域，主要使用的是模式识别与图像处理方面的知识，对比多幅图像的共有景物，对图像信息进行处理，其中，包括分割、特征提取等过程，从而实现目标的识别与分类。相对于2D图像，物体3D点云信息增加了一维信息，它相比2D图像的优势如下：

1. 3D点云信息增加了深度信息，对物体的描述更加全面；
   2)对物体的点云信息进行特征提取不受尺度、旋转以及光照的影响 .
   3)基于2D图像的视觉技术可以得到物体的3DOF信息，而3D视觉技术可以得到物体的6DOF信息这些优势使得视觉领域的热点逐渐的进入3D视觉。
   随着传感器技术的不断发展，微软在几年前推出了深度传感器Kinect，它可以获取物体表面的三维数据，使用起来比较方便，在三维重构、手势识别、人体骨骼识别等领域得到研究者的青睐，Kinect相机能够获取视野内所有物体表面的点云信息，通过对这些点云信息的处理，可以对目标物体进行识别与分类。除了Kinect之外，华硕的Xtion以及英特尔的Realsense SR300也有同样的功能，也被人们广泛应用于科学研究领域。
   通过上述可以得知，目标物体的三维信息获取与处理是机器人智能化发展中必不可少的一项技术。本文对机器人待抓取的目标物体的识别与姿态估计进行研究，利用Kinect相机搭建视觉系统，获取整个视野中的点云数据，并利用相关算法完成目标物体的别与分割，并对目标物体自身位姿进行估计，这对机器人智能化发展有着重要的意义。
   本课题国内外研究概况（并在表格最后附上文献综述）
   本文通过对目标物体表面三维点云信息的获取，以及算法分析来进行位姿估计，并通过实验进行验证。主要研究内容包括：目标物体的检测识别和机器人分拣实验两大部分。本文将从这两个主要内容进行国内外研究现状的概述。

1.1机器人分拣研究现状

机器人在箱体中抓取散乱堆放的物体在学术上被称为RBP CRandomBing-picking)系统，如图1-1所示。典型的RBP系统主要分为三个部分：视觉检测识别、计算机控制单元和机器人本体。视觉检测部分主要是负责目标物体的信息采集与算法处理，得到目标物体的位姿信息；计算机控制单元负责控制机器人运动，根据算法处理得到目标物体的位姿信息，利用机器人末端执行器对目标物体进行分拣。目前，国内外各大企业都有自己的各种解决方案。

图1-1 Random Bing-picking系统示意图
(1)机器人分拣的国外研究现状
机器人的智能分拣技术在国外己日趋成熟，尤其是在日本、德国、瑞士和美国等国家，他们将该技术广泛地应用于工业生产线上。日本FANUC公司推出基于iRVision的视觉系统，如图1-2所示，该系统能运用在2维和3维视觉环境上，它可以利用高清相机来确定事先没有定位的零部件的确切位置，检测到目标物体原来位置与现在位置的关系，并且在工业机器人出现问题时，可以快速的复位。在机器人收到相机发送的信号后，利用安装在机械臂末端的特定的专用执行器对目标物体进行可靠的抓取与摆放。该系统有较好的柔性及可靠性，组成简单且