利用目标物体的视觉6D姿态估计提高重型操作臂的任务灵活性
机器人学
2025-02-27 v1
摘要
近期在深度神经网络中进行对象视觉6D姿态估计的进展，为重型机器人应用的新型视觉控制方法提供了可能。本研究提出了一种用于重型、长臂(HDLR)操作臂精确工具定位的管线。利用眼-in-hand配置的摄像机直接估计工具和感兴趣目标物体(OOI)的姿态。基于工具与目标之间的姿态误差，以及摄像机与机器人之间的基于运动的标定，可通过流行于行业的常规机器人建模和控制方法可靠地实现精确工具定位。所提出的方法包括基于视觉估计OOI姿态的姿态和位置对齐，而摄像机到机器人标定基于视觉SLAM的运动实现。这些方法寻求避免由于结构柔性HDLR操作臂的刚体-基于运动学的误差，通过基于图像的算法实现。为了训练OOI姿态估计的深度神经网络，仅使用合成数据。该方法在实际环境中使用5米到达距离的HDLR操作臂进行了验证。实验结果表明，实现了小于2 mm的图像基准工具定位误差（沿非深度轴），这为增加非刚性HDLR操作臂的任务灵活性和自动化水平提供了新方法。
引用
@article{arxiv.2502.19169,
title = {Increasing the Task Flexibility of Heavy-Duty Manipulators Using Visual 6D Pose Estimation of Objects},
author = {Petri Mäkinen and Pauli Mustalahti and Tuomo Kivelä and Jouni Mattila},
journal= {arXiv preprint arXiv:2502.19169},
year = {2025}
}