提出了一种在V-REP平台下实现机器人虚拟运动控制及运动仿真方法。在V-REP中创建了机器人控制模型,并使用Lua编写了控制脚本及通信接口,使用Visual Studio 2010编写了外部控制程序。通过Socket通信实现机器人模型与外部控制程序的连接...提出了一种在V-REP平台下实现机器人虚拟运动控制及运动仿真方法。在V-REP中创建了机器人控制模型,并使用Lua编写了控制脚本及通信接口,使用Visual Studio 2010编写了外部控制程序。通过Socket通信实现机器人模型与外部控制程序的连接。以广泛应用的IRB4600六轴机器人模型为实验对象,通过外部控制程序实现机器人运动仿真的步骤。实验中机器人准确响应外部控制指令到达相应位置,验证了本方法的有效性。展开更多
This paper provides a teaching concept for control theory education based on Virtual Robot Experimentation Platform(V-REP).A cart inverted pendulum virtual physical model is developed on V-REP.Students must analyze,de...This paper provides a teaching concept for control theory education based on Virtual Robot Experimentation Platform(V-REP).A cart inverted pendulum virtual physical model is developed on V-REP.Students must analyze,design,and implement a suitable controller for the cart inverted pendulum system using their knowledge of the control theory.Different from traditional experiment and numerical simulation,virtual experiment is safe and less constrained.Moreover,the experiment results are more intuitive and obvious.This study can improve students’interest in learning the control theory and help students understand the relevant content better.展开更多
针对姿态任意、尺寸不一的物体以及抓取角度离散性问题,提出一种基于语义分割与旋转目标检测的单目位姿估计方法.阶段1:首先利用faster R-CNN (faster regions with convolutional neural networks features)进行抓取检测获取候选抓取框...针对姿态任意、尺寸不一的物体以及抓取角度离散性问题,提出一种基于语义分割与旋转目标检测的单目位姿估计方法.阶段1:首先利用faster R-CNN (faster regions with convolutional neural networks features)进行抓取检测获取候选抓取框;其次利用语义分割网络获取待抓取物体的轮廓信息;最后利用语义分割结果为每个待抓取物体筛选置信度最高的抓取框,同时完成角度粗估计.阶段2:利用旋转目标检测获取精细的抓取角度,以修正阶段1抓取框的偏转角.此外,考虑到抓取物具有多尺度的特点,提出一种多尺度特征融合模块,使金字塔的所有层共享相似的语义特征.针对智能算法求解逆运动学时出现迭代后期收敛速度慢的问题,利用牛顿法收敛速度快的优点,加快智能算法后期的收敛速度.基于V-REP仿真以及实际抓取检测实验表明,所提算法的抓取检测精度为98.4%,实际抓取成功率达到了88.3%,仿真抓取时的有害扭矩大小较修正前有所改善,能够满足机械臂抓取要求.展开更多
文摘提出了一种在V-REP平台下实现机器人虚拟运动控制及运动仿真方法。在V-REP中创建了机器人控制模型,并使用Lua编写了控制脚本及通信接口,使用Visual Studio 2010编写了外部控制程序。通过Socket通信实现机器人模型与外部控制程序的连接。以广泛应用的IRB4600六轴机器人模型为实验对象,通过外部控制程序实现机器人运动仿真的步骤。实验中机器人准确响应外部控制指令到达相应位置,验证了本方法的有效性。
基金supported by the 2021 Higher Education Teaching Reform Research Project of SEAC(No.221057)2021 Ministry of Education Collaborative Education Project(No.202102646007)2022 Guizhou Province Gold Course Construction Project.
文摘This paper provides a teaching concept for control theory education based on Virtual Robot Experimentation Platform(V-REP).A cart inverted pendulum virtual physical model is developed on V-REP.Students must analyze,design,and implement a suitable controller for the cart inverted pendulum system using their knowledge of the control theory.Different from traditional experiment and numerical simulation,virtual experiment is safe and less constrained.Moreover,the experiment results are more intuitive and obvious.This study can improve students’interest in learning the control theory and help students understand the relevant content better.
文摘针对姿态任意、尺寸不一的物体以及抓取角度离散性问题,提出一种基于语义分割与旋转目标检测的单目位姿估计方法.阶段1:首先利用faster R-CNN (faster regions with convolutional neural networks features)进行抓取检测获取候选抓取框;其次利用语义分割网络获取待抓取物体的轮廓信息;最后利用语义分割结果为每个待抓取物体筛选置信度最高的抓取框,同时完成角度粗估计.阶段2:利用旋转目标检测获取精细的抓取角度,以修正阶段1抓取框的偏转角.此外,考虑到抓取物具有多尺度的特点,提出一种多尺度特征融合模块,使金字塔的所有层共享相似的语义特征.针对智能算法求解逆运动学时出现迭代后期收敛速度慢的问题,利用牛顿法收敛速度快的优点,加快智能算法后期的收敛速度.基于V-REP仿真以及实际抓取检测实验表明,所提算法的抓取检测精度为98.4%,实际抓取成功率达到了88.3%,仿真抓取时的有害扭矩大小较修正前有所改善,能够满足机械臂抓取要求.
