论文笔记-190711

1、基于视觉的吊装机器臂卷扬随动控制研究
本文针对岸对船、船对船、船对岸等间接定位作业对象和起重设备间相对位置并在运动补偿中保持相对静止的特点，升沉方向将该问题转换为运动跟随问题，试提出了应用视觉进行定位与跟踪的直接定位方式，达到卷扬绳索升降控制以及卷扬跟随运动中升降绳索与运动目标处于相对静止状态的目的，要对基于视觉的卷扬随动控制策略进行研究。基于实验室搭建的海洋物流实验平台，采用视觉标识简化了平台实验中复杂背景环境下对不同目标对象的检测，目标对象和起重设备之间相对距离进行直接定位，根据其相对起吊设备（或绳索末端）的位置偏移量，此作为主要输入信号实现对目标对象的运动跟随控制，对运动轨迹平滑问题，出采用双 S 型曲线在线轨迹规划算法实现运动规划，对跟随控制精度问题，用位置环 PID 控制算法以及速度环 PDF 控制算法实现运动目标快速跟踪，终将问题转化为绳索末端对目标对象的运动跟随，两者之间处于相对静止状态或者在幅度较大的升沉位移下其相对偏移尽量减少。
系统总体方案设计

数据通信与接口
卷扬执行电机的上位机与伺服驱动器的数据通讯由 Ether CAT 在物理层上进行实现，主要完成卷扬电机数据反馈以及控制输入；本文中 Pomesa 视觉传感器采用 USB3.0 接口与上位机相连，其根据设定的定时周期将采集的图像信息传送给上位机；Kuka 机器臂的通讯由工控机通过 TCP/IP 协议与上位机进行通讯，要是接收控制信号以及反馈机器臂位姿以及各关节转角信息。运动模拟平台独立于上述三个模块，控制由Stewart 平台运动控制计算机负责，用 Ether CAT 工业现场总线对平台的 6 个电动缸伺服电机进行控制。

软件部分由视觉检测模块、卷扬运动控制模块、运动模拟模块、吊装机器臂模块等组成
采用 D-H 法对吊装机器臂进行坐标建模，导正运动学模型，采用共形几何代数法求解位置逆解，析具有视场角约束条件下的运动空间；
D-H 参数主要用于描述开环结构机械系统相邻杆件的相对位置关系，采用四个参数来描述杆件间关节角坐标系之间的位姿变换关系，现末端执行器相对基座位姿表示。
2、基于 Kinect 动态手势识别的机械臂实时位姿控制系统-2017

摘要: 基于 Kinect 动态手势识别达到实时控制机械臂末端位姿的效果。位置控制信息的获取采用 Kinect 计算手部4 个关节点在控制中的位置变动，根据噪声在控制中易引起机械臂误动作和运动振动等问题，为了避免噪声对实时控制的不利影响，用卡尔曼滤波跟踪降噪。姿势控制信息通过采集手部点云经滤波处理后应用最小二乘拟合的方式获取掌心所在平面，运用迭代器降噪处理。系统通过对手部位置和姿势信息的整合、手势到机械臂空间坐标映射及运动学求解来实时控制机械臂末端位姿。实验结果证明，手势控制系统满足控制要求，简单、易于操作，机械臂实时响应速度快、运动准确。
本文通过对手的空间位置动态变化信息及手掌心姿态信息的采集来获取控制指令，实时控制 6-DOF 机械臂完成指定的手部控制指令。
系统组成：
信息采集设备采用 Kinect 2 体感摄像头，通过采集的骨骼数据及手部点云数据完成手势信息的采集，通过计算机算法进行滤波、信息整合、空间映射及运动求解后，数据传输到六自由度爱普生机械臂控制端实现控制。

Kinect 2 较上一代具有很大的性能提升，更宽的视角和更远的识别距离，够识别 4 个手部关节点信息。Kinect 在传输数据帧时，能够达到 30 fps 的数据密度。Kinect 正面左侧为 ＲGB 色彩摄像头，色彩摄像头右侧为 CMOS 红外传感器即深度摄像头，中间部分是红外发射器，弱光条件下能够保证识别精度。
采用 Kinect 追踪骨骼点数据，内部原理是基于机器学习技术，捕获的深度信息传入 SDK，对信息进行处理，计算出代表骨骼信息的特征向量，将其与随机决策库中的数据进行匹配，从而得出骨骼点信息。通过对手部点云信息和关节点信息进行滤波和整合处理，手势控制指令指定控制系统的控制阶段，手势信息映射到机械臂运动控制空间，完成手势控制信息的运动学解算，而将其转换为控制信号，控制机械臂对手势控制指令做出响应。

Kinect 骨骼数据信息中包含每个骨骼点的追踪状态，为: 未跟踪到、推测、跟踪到3 种状态；
降噪：信息采集过程中，由于人手部运动的模糊性、随机性、时变性，及摄像头自身在采集数据过程中产生噪声的共同作用下，数据中存在大量噪声，如果数据直接用于控制机械臂，导致受控中的机械臂运动可能产生抖动和误动作。——卡尔曼滤波
实际中发现点云依然存在大量的噪声点影响拟合平面的准确性，提高求得平面精度就需要对点云中的点进行进一步甄选——设计一个迭代器来完成数据点除噪

人手与机械臂末端的空间映射关系是实现控制的关键问题。
根据人手和机械臂的数学模型进行笛卡尔空间映射，人手位姿转换为机械臂末端位姿，设其映射关系函数为 f，人手和机械臂末端之间笛卡尔空间映射定义为线性关系。

基于 Kinect 动态手势信息对 6DOF 机械臂末端位姿进行实时控制，用卡尔曼滤波进行数据降噪处理，对手掌点云进行滤波及最小二乘处理，同时将数据信息进行运动学解算作为机械臂的控制指令。实验中，械臂能够按照动态手势信息实时做出运动响应，对于控制的不同阶段，通过规划不同的控制比例因子来提高控制效率。机械臂受控中运动平稳、动作准确、实时性强。手势控制指令简单易于操作，操作员手势操作机器人负担轻、临场感强。对于确定的机械臂末端控制要求 能 迅 速 完 成，达 到 了 位 姿 随 动 控 制 的 效果。