机器人杂志

机器人杂志2019年第4期

• 基于合作目标的无人机目标跟踪方法

  苏贇, 王挺, 姚辰, 邵士亮, 王志东

  无人机与地面排爆机器人组成空地系统协同作业，可以大大提高排爆机器人的作业效率和作业能力．针对此问题，提出一种可用于空地系统的无人机目标跟踪方法．首先，利用视觉算法对地面目标进行识别和定位，并利用动态置信窗口减小搜索面积．对于高机动性造成的目标短暂消失导致跟踪失败的问题，利用卡尔曼滤波算法对目标位置进行滤波和运动预测，并提出一种自适应串级PID（比例－积分－微分）算法进行无人机飞行控制，实现对动态目标的实时跟踪．最后，设计了机体倾斜补偿算法来解决环境干扰造成的降落误差较大的问题，实现无人机的精准降落．搭建了地面机器人和无人机组成的空地系统进行实验，结果表明该系统能可靠地完成各部分任务，验证了所设计算法的有效性．

• 基于改进蛇形曲线的蛇形机器人在流场中避障的轨迹跟踪控制律

  李东方, 邓宏彬, 潘振华, 彭腾, 王超

  针对蛇形机器人在流场中各关节之间的轨迹跟踪问题，研究一种基于改进蛇形曲线的蛇形机器人在流场中避障的轨迹跟踪控制律．首先，考虑流体环境可能施加在蛇形机器人系统上的外部干扰，采用浸入边界－格子Boltzmann方法（IB-LBM）在流场中建立障碍通道和蛇形机器人的流固耦合模型．然后，对蛇形机器人加入势函数，使其可以避开障碍；并采用改进的蛇形曲线方程使机器人尾部各关节跟踪头部的运动轨迹．最后，通过Matlab仿真和实验，研究不同流场密度、机器人尾部摆动频率以及流场雷诺数等参数对蛇形机器人轨迹跟踪的影响．理论分析和数值仿真表明，所设计的轨迹跟踪控制律不仅可以使蛇形机器人在遇到障碍时各关节跟踪前一关节的运动轨迹，而且还能使横向距离、纵向距离及方向角趋于稳定，达到有效避障的目的．此外，蛇形机器人在离开障碍通道后，各关节可以恢复蛇形曲线的运动形式，为蛇形机器人提供源源不断的前进动力．仿真和实验结果验证了轨迹跟踪控制律的有效性．

• 基于神经网络的全方位移动机器人运动稳定性研究

  叶长龙, 张思阳, 于苏洋, 姜春英

  全方位移动机器人具有平面运动的3个自由度，运动灵活性高，被广泛应用到狭窄拥挤环境中．针对实验室开发的MY2轮在运动过程中的振动现象及轨迹误差问题，采用BP（反向传播）神经网络方法来解决．根据机器人的结构及运动特点，建立BP神经网络模型并分析及优化了BP神经网络参数．以BP神经网络模型为基础进行轨迹仿真实验，分析初值、不同速度及不同轨迹对模型的影响．结果表明基于合适的BP神经网络方法可以将轨迹误差控制在3 mm内，偏向转角误差小于3°，能够减缓机器人振动，提高轨迹精度．通过输入不同运动轨迹验证BP神经网络模型的普遍适用性，最后通过实验验证了仿真结果的正确性．

• 基于深度卷积神经网络的语义地图构建

  胡美玉, 张云洲, 秦操, 刘桐伯

  本文将图像语义分割与即时定位与地图构建（SLAM）技术相结合构建环境的3维语义地图．输入的图像序列经过ORB-SLAM进行关键帧筛选．提出了一种基于DeepLab算法改进的图像语义分割方法．在卷积网络的最后一层后面引入上采样卷积层，改善双线性插值过于粗糙的问题．关键帧的深度图作为门控信号控制不同卷积操作的选择，从而在对远处的物体保持细节的同时对近处的物体保持较大视野．然后，对齐分割后的图像与深度图，利用相邻关键帧之间的空间对应关系构建3维稠密语义地图．实验结果表明，对于室内和室外场景，本文算法可以实现准确的语义分割，反投影到3维空间中也能形成效果良好的语义地图；与当前大多数基于DeepLab与反卷积算法的方法相比，本文算法可以得到更好的语义地图．

• 基于摆动单线激光雷达的大场景稠密点云地图创建系统

  钱超杰, 杨明, 戚明旭, 王春香, 王冰

  在创建大场景稠密点云地图时，由于当前的各类环境3维测量系统难以兼顾大范围和高密度的点云测量要求，为此设计了一种基于摆动单线激光雷达的大场景稠密点云地图创建系统．首先，实现了大型激光雷达稳定精确的全向摆动．然后，给出了单点采集点云的拼接方法和多点采集点云的配准方法．最后，提出了一种3维点云投影密度的分析方法，并对仿真测量结果进行了对比与评价．实验结果表明，本系统的有效测量距离超过75 m、测量范围覆盖俯仰±45°、点云间距小于20 cm、点云分布均匀，装置的视野范围和点云分布可进行调节，并能通过多点配准对更大场景进行建图．

• 机器人单足系统－沙土塑性接触力学建模及验证

  杨传潇, 丁亮, 唐德威, 高海波, 邓宗全

  为了更好地实现足式移动机器人在柔软流动性地面的仿真以及反馈控制，提出了机器人单足系统与沙土（柔性地面环境）接触力学的模型．该模型讨论并继承了部分经典土力学中极限承载力理论的假设条件，并加以拓展和深化，分别建立了机器人硬质足、柔性足与沙土环境的接触力学模型．与其他模型相比，该模型充分考虑了接触面和滑裂面的外形特征，且参数均为常用已测物理参数而不需要在线的辨识过程．设计、加工并搭建了机器人单足式移动平台，完成了单足系统移动平台与沙土环境准静态和动态冲击状态下的相互作用实验．实验和仿真预测结果的对比表明，预测结果与样本数据结果的总误差为8.97%，验证了塑性接触力学模型的准确性和预测足地接触变形时力学行为的有效性．

• 柔性外骨骼手的抓取力控制方法

  刘自文, 赵亮, 于鹏, 杨铁, 杨洋, 常俊玲, 赵新刚, 刘连庆

  为了辅助丧失手部运动功能的患者完成日常生活用品的抓取，研制了一种基于线张力反馈的柔性外骨骼机器人系统，其可实现手指指尖抓取力的稳定控制．首先介绍了柔性外骨骼手套的结构设计以及控制策略．然后建立了手指静态力学模型，通过套索入口侧线张力计算得到手指指尖与物体之间的接触力．针对套索传动过程中存在的摩擦损耗问题，通过物理方法将套索累计弯曲角度的变化范围限制在0°～ 90°范围内，并采用中值补偿的方法对摩擦损耗进行补偿．最后通过柔性外骨骼手套抓取力控制实验验证了手指静态力学模型以及摩擦补偿方法的有效性，手指指尖接触力的误差最大范围为±1 N．为了验证柔性外骨骼手套的实际使用效果，在丧失手部运动功能的患者身上进行了柔性外骨骼手套的抓取实验．实验结果表明，柔性外骨骼手套可以辅助患者完成对日常生活用品的可靠抓取．

• 基于多维度服务情景的人的舒适需求建模

  张森, 刘景泰

  服务机器人需要针对不同服务情景下的任务需求切换对应的服务行为．为了提供一种能够体系化地涵盖服务机器人的全部服务情景的共性研究方法，提出了多维度服务情景的概念，通过机器人所处工作环境的大小、环境中的参与者的多少和参与者的动态情况等多维度因素来量化与理解服务机器人所面对的全部服务情景．基于多维度服务情景的量化与理解，设计了一种基于紧张空间的人的舒适需求建模方法．该模型描述了每种服务情景下人的紧张空间在工作环境的大小、环境中的参与者的数量和参与者的动态情况的影响下产生的不规则形变．最后，通过设计的仿真系统研究了多维度服务情景对应的人的紧张空间．多维度服务情景不仅可以覆盖全部服务情景，而且可以根据研究的需要调整所选取的因素．相较于枚举式的研究方法，多维度服务情景的概念更适用于服务机器人的研究．

• 家庭智能空间下多领域知识的共享与重用方法

  张营, 田国会, 张森彦, 李泚泚

  为充分利用家庭环境中的多领域知识和提高服务质量，基于家庭智能空间提出了一种多领域知识的共享与重用方法．首先，根据先验知识构建基于本体的多领域知识模型，在此基础上，结合软件智能体实现知识的自动表征，解决数据的异构性问题和促进知识的共享与重用．然后根据用户的日常行为活动，提出一种基于多传感器和活动模板的行为活动理解方法，实现用户意图的识别和服务的推理．为降低计算成本和提高服务质量，通过重用行为活动领域知识实现服务执行序列的获取和动作的引导，并融合仿真系统生成的服务执行策略和物品领域共享的物品知识高效地执行机器人服务，从而提升服务执行的智能化水平．最后，实验结果表明了方法的有效性和可行性．

• 共圆滑杆直线平夹自适应机器人手的研制

  罗超, 苏靖惟, 张文增

  在平夹模式下，传统机器人手指末端的运动轨迹为圆弧，工作空间小，不适合抓取工作台上的薄板物体．为此，本文提出了一种共圆滑杆直线机构，分析了该机构的工作原理、运动特性和工作空间，并基于该直线机构设计了一种新型的直线平夹自适应机器人手．设计的机器人手包含2根手指，共4个自由度，仅采用2根电机驱动，结构简单．每个手指由基座、电机、簧件、L型连杆和2个指段等组成．该装置具备直线平夹和自适应包络两种抓取模式，捏持精度高，无需借助额外的传感和控制系统即可适应不同位置、姿态和形状的物体．针对设计的机器人手进行了不同抓取模式分析、运动分析和受力分析，研究了不同参数对抓取力的影响，为机器人手的设计和优化提供依据．并且研制了原理样机，开展了抓取实验，结果表明：机器人手的设计和分析合理，该装置可以实现直线平夹和自适应抓取功能，既能直线平夹物体，也能稳定包络抓取形状、大小各异的物体．

• 一种仿生爪刺式履带爬壁机器人设计与分析

  刘彦伟, 刘三娃, 梅涛, 吴晅, 李言

  为提高爬壁机器人的粘附性能和脱附效率，实现高效爬行运动，提出了一种仿生爪刺式履带爬壁机器人．该机器人结合了腿式机器人容易脱附和履带式机器人粘附面积大的优点，在不增加额外驱动的前提下，实现了机器人爪刺足的可控粘附与脱附．首先，在东方绢金龟足部柔顺跗节链结构的启发下，设计了仿生柔顺爪刺结构来适应粗糙壁面形貌、提高足部粘附性能．然后，针对履带旋转运动引起爪刺脱附困难的问题，设计了一种双轨道机构来模仿昆虫足部粘附、脱附动作．最后，在多种粗糙壁面上开展了爬行实验，结果表明爪刺足粘附稳定且易于脱附．

• 复杂背景下基于深度学习的手势识别

  彭玉青, 赵晓松, 陶慧芳, 刘宪姿, 李铁军

  在人机交互领域，针对复杂背景下手势识别率低、算法鲁棒性差的问题，基于深度学习提出一种手势识别算法HGDR-Net（hand gesture detection and recognition network）．该算法由手势检测和识别2部分构成．在手势检测阶段，为解决复杂背景下手势区域提取困难的问题，基于改进的YOLO（you only look once）算法进行手势检测．改进的YOLO算法结合了手势检测的特点，解决了原始YOLO对小物体检测效果差、定位准确度不高的问题．在识别阶段，利用卷积神经网络（CNN）进行识别，并针对手势区域的尺寸多样性引入了空间金字塔池化（SPP）来解决CNN的多尺度输入问题．最后在训练过程中联合线下和实时2种数据增强方法避免过拟合问题，提升HGDR-Net的泛化能力．在NUS-Ⅱ和Marcel两个复杂背景的公共数据集上进行了验证实验，识别率分别达到98.65%和99.59%．结果表明本文算法能准确地从各种复杂背景中识别手势，相比于基于人工提取特征的传统算法和其他基于CNN的算法具有更高的识别准确率和更强的鲁棒性．

• 基于模糊模型参考学习控制的手术机器人人机交互

  林安迪, 干旻峰, 葛涵, 唐宇存, 徐海东, 匡绍龙, 黄立新, 孙立宁

  为了解决机器人辅助手术环境下人机交互运动过程中的不稳定性问题以及医生个人因素难以建模的问题，提出了一种基于模糊模型参考学习的变导纳人机合作控制方法．首先将人体手臂自然运动的特征作为模糊学习控制的参考模型，通过离线学习机构训练出模糊导纳控制器的变阻尼系数调整参数规则．再以医生对机器人的拖拽力以及机器人速度作为输入、机器人期望的速度作为输出，构建基于变阻尼参数调整的变导纳控制方法．离线训练实验结果表明，该方法经过10次离线训练，可以达到柔顺性要求，人机合作速度最大误差低于17 mm/s，且人机合作轨迹最大误差低于15 mm．相比单纯基于固定导纳参数的模糊控制，该方法具有更好的跟踪速度与精度．

• 腹腔微创手术机器人的主从控制

  牛国君, 曲翠翠, 潘博, 付宜利

  为提高基于内窥镜的腹腔微创手术机器人系统的手眼协调一致性，提出了一种主从控制方法．基于旋量理论建立从手系统的正逆运动学模型，基于运动模型提出内窥镜坐标系下的主从运动控制算法，该算法包含了运动的一致性控制、相对运动控制和比例运动控制．主手的腕部为被动方式（无电机驱动），不能在任意位置保持静止，在手术开始、中途中断或调节主手工作空间时，主手和从手姿态不能保持一致．为此，开展3种辅助功能实现研究，分别为主从姿态配准、手术器械更换和主从二次映射．最后进行了套环和穿线实验，这两组实验最大空间位置误差均小于1 mm，说明该算法可有效地提高手眼协调的一致性．