四指机器人灵巧手
    41.
    发明公开

    公开(公告)号:CN117733890A

    公开(公告)日:2024-03-22

    申请号:CN202311522257.9

    申请日:2023-11-15

    Abstract: 本发明涉及机器人技术领域,提供一种四指机器人灵巧手,包括基座,基座上设有四个手指,每个手指包括:第一指节、第二指节、第一关节、第二关节和柔性指尖,第一指节通过第一关节与基座连接,第一关节具有多个主动自由度,以使第一指节可进行伸展、屈曲和旋转动作;第二指节与第一指节铰接,以使第二指节可相对于第一指节转动;柔性指尖与第二指节连接;第二关节设于柔性指尖内,第二关节与第二指节连接,第二关节具有多个被动自由度,以根据物体的表面轮廓被动调整抓取方向。上述的四指机器人灵巧手,模拟人类拇指设计,具有多个自由度,提高了手指的灵巧性,可实现对不同形状和大小物体的灵活抓取,提高了对掌内物体进行平移及旋转的操作能力。

    基于双目立体视觉的基准孔定位方法及装置

    公开(公告)号:CN117689668A

    公开(公告)日:2024-03-12

    申请号:CN202311435169.5

    申请日:2023-10-31

    Abstract: 本发明提供一种基于双目立体视觉的基准孔定位方法及装置,该基于双目立体视觉的基准孔定位方法包括:获取待检测的基准孔图像;基于目标分割模型对待检测的基准孔图像进行图像分割,得到目标基准孔图像;对目标基准孔图像的轮廓进行拟合,得到基准孔轮廓信息,并基于双目立体视觉技术对基准孔轮廓信息进行立体匹配,得到基准孔轮廓坐标信息;对基准孔轮廓坐标信息进行空间圆拟合,得到基准孔圆心的空间位置信息。本发明所述方法通过目标分割模型从输入的基准孔图像中提取多维度的特征,增强了图像特征的表征能力,进而提高了在复杂场景下对基准孔定位的准确率。

    一种工件检测台及工件检测中转台

    公开(公告)号:CN107655379B

    公开(公告)日:2024-02-13

    申请号:CN201711072268.6

    申请日:2017-11-03

    Abstract: 一种工件检测中转台,包括底架、两个工件检测台、次品槽,底架上安装有丝杠导轨、直线轨道及架设在直线导轨外侧的拖链;一个工件检测台为移动检测台,移动检测台与丝杠导轨、直线轨道配合实现人工随机抽检;另一个工件检测台为固定检测台,固定检测台固设于底架上实现机器自动全检;该次品槽安装在两个检测台下方。本发明提出的工件检测中转台具有以下优点:在自动化生产过程中,机器人可将工件放在中转台上,可以实现机器自动全检和人工随机抽检两种功能,由检测台对工件进行检测,检测合格后即可取出并进行下一道工序的作业生产;不合格则进入次品槽,简化了工艺流程,提高了生产效率和自动化水平。

    基于水下作业机器人视觉的目标检测方法、系统、装置

    公开(公告)号:CN110969158B

    公开(公告)日:2023-07-25

    申请号:CN201911076410.3

    申请日:2019-11-06

    Abstract: 本发明属于水下视觉感知技术领域,具体涉及一种基于水下作业机器人视觉的目标检测方法、系统、装置,旨在解决现有水下作业机器人视觉系统中目标检测与定位精度低的问题。本系统方法包括获取双目视觉图像;通过稠密连接网络提取图像的特征,并通过特征金字塔网络提取左图像、右图像中的目标图像作为检测结果;通过位置匹配对检测结果中目标图像进行匹配,获得对应的一个或多个目标图像对;基于所在水域水的折射率、双目相机透明防水层的折射率,通过光路追踪法获取每个目标图像对对应目标的中心点在双目相机坐标系下的三维坐标。本发明提高了目标检测与定位的精度。

    水下机器人运动控制方法、装置、系统、设备和存储介质

    公开(公告)号:CN115808931A

    公开(公告)日:2023-03-17

    申请号:CN202310071091.7

    申请日:2023-02-07

    Abstract: 本发明涉及机器人技术领域,提供一种水下机器人运动控制方法、装置、系统、设备和存储介质,其中方法包括:获取待控制的水下机器人的当前运动状态和任务目标;将当前运动状态和任务目标输入至反馈控制器,得到反馈控制器输出的第一控制动作;将当前运动状态和任务目标输入至残差控制器,得到残差控制器输出的第二控制动作,残差控制器是基于强化学习方法在仿真环境中训练得到的,仿真环境基于周期性参数随机化策略调整;基于第一控制动作和第二控制动作,对水下机器人进行运动控制。本发明实施例提供的水下机器人运动控制方法、装置、系统、设备和存储介质,实现在扰动情况下对水下机器人进行高效、精准的运动控制。

    基于双目视觉的高分辨率视触觉传感器及点云生成方法

    公开(公告)号:CN113624371B

    公开(公告)日:2022-07-22

    申请号:CN202110899809.2

    申请日:2021-08-06

    Abstract: 本发明属于触觉传感器领域,具体涉及了一种基于双目视觉的高分辨率视触觉传感器及点云生成方法,旨在解决现有视触觉传感器结构要求高、定位精度低、分辨率低的问题。本发明包括:第一凝胶层和带有标记点阵列、接触层的第二凝胶层构成的接触凝胶层,接触凝胶层与支撑框架构成中空腔体,双目相机设置于该中空腔体,并且其共享视域为接触凝胶层位于中空腔体内的区域,光源为中空腔体提供照明;基于该视触觉传感器,进行高分辨率触觉点云生成,包括图像预处理、标记点检测与跟踪、基于结构的标记点立体匹配和计算触觉点云。本发明结构要求低、定位精度高,可获得高分辨率(高于1mm)的触觉点云,对机器人灵巧精准操作任务具有潜在的应用价值。

    激光雷达与相机外参标定方法及装置

    公开(公告)号:CN114758005A

    公开(公告)日:2022-07-15

    申请号:CN202210291432.7

    申请日:2022-03-23

    Inventor: 荣政 王硕 吴毅红

    Abstract: 本发明提供一种激光雷达与相机外参标定方法及装置,包括:基于相机采集到的图像数据,获取相机坐标系下的标定板几何参数;并基于激光雷达采集到的点云数据,获取激光雷达坐标系下的标定板几何参数;基于标定板几何参数在相机和激光雷达坐标系中的对应关系构建第一约束条件;利用所述第一约束条件进行递进式的迭代优化,确定激光雷达与相机之间的外参。本发明提供的激光雷达与相机外参标定方法及装置,充分利用标定板的先验信息对传感器采集数据进行误差抑制优化,从而保证标定结果的高精度和可靠性。

    水下应急救援机器人
    48.
    发明公开

    公开(公告)号:CN114291238A

    公开(公告)日:2022-04-08

    申请号:CN202111518194.0

    申请日:2021-12-10

    Abstract: 本发明提供一种水下应急救援机器人,包括:浮力外壳模块,浮力外壳模块用于提供浮力;水下推进模块,设置于浮力外壳模块上,用于提供推进力;水下感知模块,设置于浮力外壳模块上,用于感知外界环境;机械臂模块,设置于浮力外壳模块的前进端;破拆切割模块,设置于机械臂模块上,用于实现破拆切割;主控制模块,用于控制水下推进模块、水下感知模块和机械臂模块。本发明提供的水下应急救援机器人,浮力外壳模块提供浮力,水下感知模块感知外界环境,主控制模块控制水下推进模块实现前进后退、上浮下潜、转弯等运动,主控制模块控制机械臂模块的伸缩运动,实现破拆切割模块的按需切割,以达到保障生命安全,减少财产损失的目的。

    基于伺服电机辅助运动的多激光雷达外参标定方法和装置

    公开(公告)号:CN113777593B

    公开(公告)日:2022-03-04

    申请号:CN202111330346.4

    申请日:2021-11-11

    Inventor: 荣政 王硕 吴毅红

    Abstract: 本发明提供一种基于伺服电机辅助运动的多激光雷达外参标定方法和装置,其中,方法包括:构建与多激光雷达中每一个雷达对应的虚拟电机坐标系;根据所述每一个雷达与所述虚拟电机坐标系确定所述雷达与所述虚拟电机坐标系之间的外参;根据所述外参确定对应的所述雷达的环境模型;根据每一个所述雷达的环境模型确定所述多激光雷达之间的外参。本发明适用于具有任意相对位姿关系、任意多个激光雷达之间的外参标定,且不要求多激光雷达之间有共视区域。该标定方法操作简单便捷、扩展性强、计算高效、无需特定的标定物或场景布置,适合用于多激光雷达系统的流程化、快速、精准标定。

    机器人技能学习的方法、装置、电子设备及存储介质

    公开(公告)号:CN113919475A

    公开(公告)日:2022-01-11

    申请号:CN202111537547.1

    申请日:2021-12-16

    Abstract: 本发明公开了机器人技能学习的方法、装置、电子设备及存储介质,包括:获取多个连续等间隔时刻的环境状态;环境状态包含机器人状态以及任务阶段标志符;将多个连续等间隔时刻的环境状态输入至训练好的机器人技能学习模型,得到机器人学习技能的动作描述信息序列;根据动作描述信息序列确定机器人执行的动作序列。本发明通过将多个连续等间隔时刻的环境状态输入至机器人技能学习模型,得到机器人学习技能的动作描述信息序列,从而实现机器人技能学习,解决了在面对多阶段复杂任务时易导致的难收敛、成功率较低的问题,提高了鲁棒性,实现了机器人复杂技能的高效、精准学习。

Patent Agency Ranking