MAGAZINE
刊物內容

回列表

運用Kinect 3D感測器之視覺導引機械手臂夾取系統

摘要"

本研究主要是開發物件的3D識別與姿態估測方法,最後應用於機械手臂的夾取系統中。物件的3D點雲資料來源主要是以Kinect感測器獲得,點雲資料中的幾何與視點特徵利用視點特徵直方圖(VFH)方法來描述。VFH方法可在表面有雜訊與缺少深度訊息數據下仍穩定地工作,然而當物件為有對稱性的特徵且被對稱地放置於視點中時,物件的姿態將可能會發生錯誤估測。為了克服此問題,本文提出一修正的視點特徵直方圖(MVFH)。MVFH主要包含兩部分,(1)擴展快速點直方圖(FPFH)元件與(2)擴展視點方向元件。MVFH能有效的描述鏡像特徵的物件姿態與其後的物件識別粗估,至於更精確的物件姿態與位置,可利用迭代最近點(ICP)的方法獲得。最後本文將前述物件識別與姿態估測方法,應用於機械手臂自動夾取系統中,證明所提出之物件識別與姿態估測方法有效的改善視覺導引機械手臂準確性、靈活性和智能性。

關鍵詞:視覺導引機械手臂、Kinect感測器、視點特徵直方圖、迭代最近點。

機械手臂的夾取應用中,通常是將待夾物件擺放於固定位置,再對機械手臂校導導引機械手臂完成重覆性的夾取動作;在機械手臂還沒導入機器視覺以前,機械手臂是無法辨識與夾取隨機放置的物件,主要是無法得知待夾物件的種類與姿態,故無法再做進一步的對應處理。對於機器視覺的物件識別與姿態估測,不少學者已提出相關論文[1-5],但是這些演算法並無法廣泛使用於家用環境,其中一個很大的原因是家用的環境過於複雜且環境不確定性較高,需做大量的物件識別,因此所須花的計算成本過大,而無法滿足使用者對於時間規格的要求。但於較制式的工業應用環境中,由於識別的物件相對單純,故在物件的識別與姿態估測計算量上較容易
掌控。
目前3D機器視覺技術[6-7]的發展雖還沒像2D技術[8]的成熟,在處理空間的物件識別與姿態估測上,3D機器視覺技術有著三項優勢,主要是3D影像能提供: (1) 範圍內影像的深度資料,(2)從範圍影像提取的特徵不受光照影響,(3)3D物件的姿態估測會比2D物件姿態估測更為準確。儘管如此,三維物體識別存在著許多問題,如縮放,視點變化,光照變化和背景雜訊等。在機械手臂夾取應用中,視點特徵直方圖(VFH) [1]是用來描述物件的3D識別特徵與六個自由度的姿態,VFH方法可在表面有雜訊與缺少深度訊息數據下仍穩定地工作,然而當物件為有對稱性的特徵且被對稱地放置於視點中時,物件的姿態將可能會發生錯誤估測。為了克服此問題,本文提出一修正的視點特徵直方圖(MVFH),MVFH主要包含兩部分:(1)擴展快速點直方圖(FPFH)元件與(2)擴展視點方向元件。MVFH能有效的描述鏡像特徵的物件姿態與其後的物件識別能力粗估,其後更精確的物件姿態與位置,可利用迭代最近點(ICP)的方法獲得。最後本文將前述物件識別與姿態估測方法,應用於機械手臂自動夾取系統中,證明所提出之物件識別與姿態估測方法有效的改善視覺導引機械手臂的準確性、靈活性和智
能性。
本文的結構如下:我們在第二節將簡要地描述系統架構。接下來,在第三節部分我們將討論所提的物件識別與姿態估測演算法。第四節描述了實驗裝置、計算結果與識別性能。最後第五節說明本文的結論和建議,提供相關從事人員參考。

系統架構

硬體設置

圖1為本文的硬體設置架構,主要包含三部份:(1)Microsoft Kinect 3D感測器,(2)六自由度機械手臂,(3)工作檯。Kinect感測器主要為將所看到的東西轉為3D點雲資料,機械手臂為用來夾取物件的元件,工作檯為物件擺放處。……(更多內容,請見機新刊雜誌)

READ MORE BACK TO LIST