基于机器学习的五指灵巧手抓取规划研究

作     者：袁浩 

作者单位：国防科技大学 

学位级别：硕士

导师姓名：李东旭;范才智

授予年度：2017年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080202[工学-机械电子工程] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：五指灵巧手 抓取规划 支持向量机排序 深度学习 

摘      要：随着各国空间探索的不断发展,面向各种任务的航天器进入了太空。空间实验任务和空间在轨服务任务的强度越来越大,对宇航员提出严峻考验。由于宇航员进行航天活动存在生理限制和巨大风险,空间实验和在轨服务向无人自主方向发展。因此,空间机器人自主操作逐渐成为实现空间实验和在轨服务的重要途径之一,它通过机器人自带的各种传感器、控制器,运行过程中无外界人为信息输入和控制,用机器人手独立地完成特定的行为。自主抓取是机器人自主操作研究的一大挑战。本文针对机器人自主抓取这一问题,以机器视觉与机器学习相结合,系统地研究了具有五指灵巧手的机器人的抓取对象感知、最优五指抓取点选择、自主抓取控制策略设计等抓取规划方法。本文的主要工作如下:设计了基于SVM-ranking的五指抓取点选择方法,可以规划出模型未知物体的五指抓取点。通过RGB-D传感器获取环境的彩色图像和深度图像,生成彩色点云;基于人手抓取分析,提出了一种最优五指抓取点三步选择策略;对于每一步选择建立了对应的搜索坐标系,并提取了相应选择对象的搜索特征;通过人工标记获取训练集,通过SVM-ranking学习算法完成了每一步选择模型的训练;通过测试,验证了五指抓取点选择算法的有效性。设计了基于深度学习的最优抓取区域快速选择算法,可以避免人工提取抓取特征,提升最优抓取区域的搜索能力。采用了一种稀疏自动编码器对区域抓取特征进行自主学习;针对RGB-D多模态输入,采用一种带有结构正则惩罚项的学习算法,对输入层和隐藏层1之间的连接权重和连接数进行优化,抑制过拟合;提出了一种两步级联选择策略加速最优抓取区域的选择;通过交叉检验对深度神经网络模型进行训练和评估。设计了五指灵巧手的抓取控制策略。分析了五指灵巧手的结构特点,并建立了五指灵巧手的简化模型;推导了其运动学模型和动力学模型;基于常见的机器人臂-手系统,设计基于五指灵巧手和机械臂的抓取执行策略以及机械臂和五指灵巧手的控制策略。完成了自主抓取仿真系统的搭建和仿真研究。基于ROS系统设计了五指灵巧手抓取仿真框架,搭建了自主抓取仿真平台;通过自主抓取仿真实验验证了五指灵巧手抓取规划系统的有效性。综上所述,论文研究了基于RGB-D数据输入和机器学习理论的五指灵巧手抓取规划问题,进行了五指抓取点选择方法、最优抓取区域快速选择算法、自主抓取控制策略的设计,以及自主抓取仿真验证,这些工作对于五指灵巧手应用于实际的抓取任务以及空间机器人自主操作任务具有一定理论和技术参考价值。