MATLAB算法实战应用案例精讲-【人工智能】基于机器视觉的机器人及机械臂运动规划

目录

前言

几个高频面试题目

移动机器人的移动和机械臂的路径规划之间的异同

运动规划、轨迹规划和路径规划之间是什么关系？

如何处理存在耦合关系的路径与速度曲线的优化问题？ 

运动规划中如何实现姿态转接，角速度，角加速度的连续？

知识储备

工业机器人的发展历程

工业机器人现状

工业机器人关键技术

1.机器人基本系统构成

2.机器人的驱动系统

3.机器人的感知系统

4.机器人关键基础部件

5.机器人操作系统

6.机器人的运动规划

工业机器人分类

1.机械结构

工业机器人性能评判指标

1.工业机器人性能评判指标

2.运动自由度

3.有效负载(Payload)

4.运动精度(Accuracy)

5.运动特性（Sped）

6.动态特性结构动态参数

算法原理

什么是运动规划

为什么研究路径规划

 怎么做运动规划

算法思想

视觉引导机器人定位抓取

视觉引导和定位

机器视觉元件定位的重要性

常见的运动规划算法

图规划算法

空间采样算法

曲线插值拟合算法

仿生智能算法

几种算法的优劣对比

几种路径规划算法优劣对比

Dijkstra算法

 A*算法

 D*算法

LPA*算法

 D* lite算法

算法对比

工业机器人面临的技术挑战

1、机器人市场外资占九成

2、工业机器人面临的技术挑战

代码实现

C++

路径规划--图像识别目标分离 

Python

基于openmv的视觉识别调整4自由度的机械臂的运动

前言

目前机器人作为智能制造的重要组成部分，已经广泛应用于各行各业。但是大部分机器人都是通过示教过程实现生产制造的，编程简单快捷，不需要考虑复杂的轨迹规划，这样往往只能重复对固定位置的物体进行搬运或抓取，无法实现真正的智能化操作。随着工业智能化改造的不断深入，许多企业进行产线升级，逐渐将机器视觉技术引入生产制造过程中，应用于生产线对物料校准和定位，将视觉系统作为机器人对外界环境感知的一种辅助定位系统，就像给工业机器人装上了眼睛，采集场景信息，由控制器进行处理、判断，进而完成对应的控制指令。

机器人视觉抓取的目的是使用一个机械手模型(包括二指或多指夹爪，吸盘等)，以RGB或RGBD相机采集的场景图像为输入计算出一个最优的抓取位姿，使机械手在该位姿下可以稳定地抓取模型已知或未知的物体。其中机器人平面抓取是指限制机器人垂直桌面抓取，即为RPY角中的Roll和Pitch设为定值，抓取算法只需预测(x, y, z, yaw, width)。其中(x, y)为RGB图像或者深度图中的像素点位置，z为深度相机对应抓取点距离相机的深度，yaw表示机械手沿z轴的旋转角，或机械手闭合方向与图像水平轴的夹角；width表示机械手张开宽度。相对于6DOF位姿估计抓取算法，平面抓取算法使用更简单的深度学习模型可以优化预测速度，提高抓取成功率。