基于深度学习模型的抓取方法及装置

    公开(公告)号:CN112884825A

    公开(公告)日:2021-06-01

    申请号:CN202110295688.0

    申请日:2021-03-19

    摘要: 本申请公开了一种基于深度学习模型的抓取方法及装置,用于夹持器抓取目标物体,包括:建立目标物体集合的属性集合数据、2D数据集和不规则物体点云数据集;根据所述2D数据集和所述不规则物体点云数据集,分别训练2D深度学习模型和点云深度学习模型;通过所述2D深度学习模型确定待抓取的目标物体;根据所述属性集合数据、所述点云深度学习模型,计算所述目标物体的抓取点位姿数据、夹持器的开合尺寸数据和夹持器夹持所述目标物体的压力阈值;根据所述属性集合数据、所述抓取点位姿数据、所述开合尺寸数据和所述压力阈值,抓取所述目标物体放置在指定位置。通过结合目标物体属性和深度学习模型实现夹持器的精准抓取,从而提升抓取成功率。

    竖直搓动式移动与转动自由度解耦的高速并联机器人

    公开(公告)号:CN111975748A

    公开(公告)日:2020-11-24

    申请号:CN202010744092.X

    申请日:2020-07-29

    IPC分类号: B25J9/00

    摘要: 本发明公开了一种竖直搓动式移动与转动自由度解耦的高速并联机器人,多个驱动装置设在定平台上,每个驱动装置包括主动臂和驱动单元。动平台设在定平台下方,动平台包括较主动臂的数量少一个的连接部。转动部可转动地设于动平台的中部,末端执行器与转动部固定相连。搓动部在竖直方向上可滑动地设于动平台上,搓动部可带动转动部转动。多组第一支链组分别一一对应连接在多个主动臂和多个连接部之间,第二支链组连接在其中一个主动臂和搓动部之间。根据本发明实施例的高速并联机器人,可实现末端执行器移动与转动自由度解耦,易进行运动学分析,从而简化控制、轨迹规划和标定过程,具有控制简单、作业效率高等特点。

    扭矩测量装置
    7.
    发明公开

    公开(公告)号:CN110864833A

    公开(公告)日:2020-03-06

    申请号:CN201911056653.0

    申请日:2019-10-31

    IPC分类号: G01L3/14

    摘要: 本发明提供了一种扭矩测量装置,包括:筒体、多个凹槽和与凹槽相应设置的多个应变片及与多个应变片连接的电路板。筒体一端为扭矩输入端,另一端为扭矩输出端;多个凹槽设在筒体内侧壁面上和/或筒体外侧壁面上;多个应变片设在与多个凹槽对应的筒体的侧壁上。该方案通过在筒体上设凹槽能够减薄筒体在凹槽处的厚度,在同样大小的扭矩作用下,筒体在凹槽处能够产生更大的形变,使得应变片能够检测更大的形变,从而可提高扭矩测量装置的灵敏度。且该设置在减少筒体局部壁厚的同时依旧可使筒体其他部位的厚度较厚,从而确保其刚度,这就使得扭矩测量装置能够同时兼顾高灵敏度和高刚度。而筒体的结构可进一步提高其刚度,使筒体内部更方便布置零件。

    基于深度学习模型的抓取方法及装置

    公开(公告)号:CN112884825B

    公开(公告)日:2022-11-04

    申请号:CN202110295688.0

    申请日:2021-03-19

    摘要: 本申请公开了一种基于深度学习模型的抓取方法及装置,用于夹持器抓取目标物体,包括:建立目标物体集合的属性集合数据、2D数据集和不规则物体点云数据集;根据所述2D数据集和所述不规则物体点云数据集,分别训练2D深度学习模型和点云深度学习模型;通过所述2D深度学习模型确定待抓取的目标物体;根据所述属性集合数据、所述点云深度学习模型,计算所述目标物体的抓取点位姿数据、夹持器的开合尺寸数据和夹持器夹持所述目标物体的压力阈值;根据所述属性集合数据、所述抓取点位姿数据、所述开合尺寸数据和所述压力阈值,抓取所述目标物体放置在指定位置。通过结合目标物体属性和深度学习模型实现夹持器的精准抓取,从而提升抓取成功率。

    机器人控制和视觉感知一体化控制器系统和方法

    公开(公告)号:CN112975969A

    公开(公告)日:2021-06-18

    申请号:CN202110219918.5

    申请日:2021-02-26

    IPC分类号: B25J9/16

    摘要: 本发明提出一种机器人控制和视觉感知一体化控制器系统和方法,其中,系统包括:机器人控制模块、视觉感知模块和工业总线通讯模块,其中,机器人控制模块、视觉感知模块和工业总线通讯模块集成在一个IPC中,机器人控制模块和视觉感知模块通信连接,机器人控制模块通过工业总线通讯模块与机器人本体交互,其中,机器人控制模块中包括:第一实时Linux操作系统单元、基于PC的底层运动控制单元、基于ROS2的上层运动控制单元;视觉感知模块包括:第二实时Linux操作系统单元、基于Detectron2的图像识别单元和图像处理单元。在一个工业PC上能够实现机器人控制、视觉感知和总线数据传输的功能,降低了系统的复杂度,降低了集成难度,提升了系统的可靠性。

    机器人关节层控制方法及系统

    公开(公告)号:CN111267098B

    公开(公告)日:2021-05-28

    申请号:CN202010101656.8

    申请日:2020-02-19

    IPC分类号: B25J9/16 B25J17/00

    摘要: 本发明公开了一种基于ROS2框架和EtherCAT总线的机器人关节层控制方法及系统,其中,方法包括以下步骤:生成满足预设条件的三维空间中的轨迹路径点;基于ROS2架构生成满足预设条件的关节层的关节命令轨迹;基于EtherCAT总线并根据轨迹路径点和关节命令轨迹控制机器人的控制器和不同伺服驱动器,以对机器人的目标关节进行控制。该方法可以快速实现机器人底层关节的稳定、实时、高效和平滑控制,为机器人的快速开发提供可靠的技术方法和支持,简单易实现。