PRODUCT CENTER
产品中心
联系我们
销售热线:
Contact Hotline
0411-81761733 13795135256
传真:0411-81761733

E-mail:dutduyu@foxmail.com

公司地址:辽宁省大连市高新园区亿阳路6号三丰大厦C座1104室
智能机器人教学科研平台
 
  大连大华中天科技有限公司智能机器人教学科研平台是一款搭载轻量仿生机械臂、可移动的智能科研平台,具有性价比高、柔性化、安全可靠等特点。该平台主要由2自由度智能移动机器人、6自由度机械臂及夹爪、视觉传感器、激光传感器等组成。
 
  智能移动机器人搭载激光传感器和视觉摄像头,可用于自主建图、导航、避障等应用;6自由度柔性机械臂及夹爪,结合全局视觉摄像头,可用于抓取规划、视觉伺服抓取等应用;智能移动机器人、柔性机械臂结合各种传感器可用于智能移动抓取等应用。
 
  智能机器人教学科研平台
 
  智能机器人教学科研平台具有以下功能特点:
 
  ·集成控制系统
 
  支持Windows/Linux操作平台,集成封装移动机器人、机械臂及多种传感器控制软件,支持多种编程语言及模块化编程,便于用户学习和二次开发;
 
  ·安全性高
 
  搭载轻量化仿生机械臂,控制器集成,柔性化控制,更加安全可靠;
 
  ·扩展性强
 
  提供ROS/Python/C++SDK,支持RS-232/Ethernet通信,包含视觉识别抓取、自主导航、移动操作等多种应用案例;
 
  ·易用性
 
  支持ROS框架,丰富的开源功能包,帮助用户快速上手机器人的使用和开发;
 
  ·配套课程
 
  配有ROS入门、机械臂规划、移动机器人自主导航、视觉识别及移动抓取等相关课程,通过理论知识、仿真实验及实践验证相结合,快速掌握智能机器人理论知识与开发实践。
 
  二、智能机器人教学科研平台组成
 
  智能机器人教学科研平台由2自由度智能移动机器人、6自由度机械臂及夹爪、视觉传感器(含云台)、激光传感器等4部分构成。
 
智能移动机器人
Dhzt_bot
   
1)重量:30kg
2)最大负载:50kg
3)最小离地高度:20mm
4)最大移动速度:1m/s
5)电池:24V,40Ah锂电池
6)待机时间:8h
7)运行时间:3h
8)IMU:9轴IMU
9)本体外壳材质:金属
10)激光传感器:二维
11)支持ROS、Matlab和V-rep运动学/动力学仿真和实时监控
12)支持通过电脑端或手柄端遥控操作
13)支持路径规划、地图构建及自主避障
 
6自由度机械臂及夹爪
KINOVA Jaco2 6Dof+3 gripper
   
1)机械臂自由度:6DOF
2)机械臂重量:5.2kg
3)负载: 1.6kg(持续负载,中等臂展)
1.3kg(峰值负载,全臂展)
4)工作半径:900mm
5)电源电压:18~29VDC(额定24 VDC)
6)平均功率:25W
7)二次开发接口:C++、Python / ROS
8)通信接口:RS232、Ethernet、I/O、RS485、CAN
9)API:KINOVA KORTEX API
10)操作环境温度:-10°C ~ 40°C
11)结构紧凑、开放型好、性价比高,具有很好的人机交互性
12)用户可以利用API工具或高级编程语言在Linux或windows下编写算法,实现场景应用
 
视觉传感器(含云台)
realsense D435(云台:ELF)
   
Realsense D435:
1)使用环境:室内/室外
2)深度视场(H×V×D): 87°±3°×58°±1°×95°±3°
3)最小深度距离:0.105m
4)深度相机分辨率、帧率:720p @ 90fps(最大)
5)RGB视场:69.4°×42.5°×77°(±3°)
6)RGB相机分辨率、帧率:1080 p @ 30 fps
7)接口:USB 3.0
8)尺寸(L×D×H):90mm×25mm×25mm
9)支持TensorFlow物品识别,包括水果识别、动物识别、鸡蛋识别、字母识别、汉字识别等
10)通过视觉定位技术,能够实现机械臂精准物品抓取
11)开源SDK,支持opencv、python、pcl、c++等,方便二次开发
 
   
ELF:
1)转动范围:水平120°,俯仰120°
2)电源:12V
3)通信接口:USB
4)重量:1350g
5)尺寸(W×L×H):300mm×72mm×140mm
 
激光传感器
HOKUYO
UST-10LX
 
   
1)测量范围:270°
2)测量距离:0.06-10m,Max.30m
3)角度分辨率:典型值0.25°
4)激光光源:半导体激光二极管(905nm);
激光安全等级1(FDA)
5)测量精度:±40mm
6)扫描时间:25ms/scan
7)噪音:<25dB
8)电源:10-30VDC
9)通信接口:Ethernet 100BASE-TX
10)重量:130g
11)防护等级:IP65
12)用于障碍物检测、室内建图、自主导航等
 
 
 
  三、配套课程(总学时:64课时)
 
  1、初识ROS(10课时)
 
  ROS(Robot Operating System)是一个适用于机器人的开源的元操作系统。ROS提供了一个标准的操作系统环境,包括硬件抽象、底层设备控制、通用功能的实现、进程间消息转发和功能包管理等。它基于一个集中式拓扑的图结构,在节点中接收许多传感器、控制、状态、规划、执行器数据进行计算处理,并发送。同时提供用于获取、编译、编写、和跨计算机运行代码所需的工具和库函数。
 
  ROS的主要目标是为机器人研究和开发提供代码复用的支持。ROS是一个分布式的进程框架,这些进程被封装在易于被分享和发布的程序包和功能包中。ROS也支持一种类似于代码储存库的联合系统,这个系统也可以实现工程的协作及发布。这个设计可以使一个工程的开发和实现从文件系统到用户接口完全独立决策。同时,所有的工程都可以被ROS的基础工具整合在一起。
 
  1.1 ROS发展与现状
 
  1.2 ROS安装与环境配置
 
  1.3 ROS通信机制
 
  1.4 ROS话题与服务
 
  1.5 ROS系统仿真
 
  2、智能移动机器人SLAM(20课时)
 
  在智能机器人研究中一个最关键的技术就是同时定位和建图,也就是所谓的SLAM技术。SLAM技术的出现彻底解决了机器人研究领域中“我在哪儿”的问题,使机器人在未知环境中的自主移动成为可能。SLAM通过输入各种各样的传感器信息:驱动车轮的电机信息、IMU、GPS、激光数据、图像数据等,并利用多传感器融合算法求解出一个精确的机器人位姿(即位置和姿态,以下简称pose),同时,将每个pose处得到的传感器数据拼接起来形成完整的地图,又可作为计算位姿的依据。为了实现移动机器人的自主移动,ROS提供了功能强大的导航定位功能包集。
 
  2.1 Gmapping、hector及Cartographer方法概述
 
  2.2闭环检测及环路校正
 
  2.3 IMU与里程计融合
 
  2.4 ROS导航功能包介绍
 
  2.5全局规划算法Dijstra、A*和D*
 
  2.6局部规划算法dwa、trajectory、teb和eband
 
  2.7 ROS导航功能包配置
 
  2.8编写全局规划器插件
 
  2.9 SLAM功能仿真实验
 
  2.10地图构建与自主导航实验
 
  3、6自由度柔性机械臂运动规划与视觉伺服(24课时)
 
  机械臂运动规划解决如何将机械臂移动到期望位置和状态的问题,在使末端执行器到达设定位姿的同时,避免在移动群组是与任何障碍发生碰撞——包括自身连杆或由传感器感知的其他物体,或违反关节约束。运动规划的结果是得到一条使机械臂移动到预定目标位置的轨迹,这条轨迹需要避免碰撞,并且满足关节层速度和加速度的约束条件。MoveIt!是一个被广泛应用的开源软件,提供了一个简单、开放的软件平台,可用于机械臂运动规划领域。
 
  3.1摄像头内参标定
 
  3.2机器人手眼标定
 
  3.3 opencv基本功能介绍
 
  3.4简单图像处理算法实验
 
  3.5基于模板匹配的识别方法
 
  3.6基于ArUco Marker检测的识别方法
 
  3.7机械臂运动学正反解
 
  3.8典型运动规划算法RRT、RRT*、PRM、RRT-connect等
 
  3.9 Moveit!运动规划包介绍
 
  3.10 Moveit!运动规划包配置
 
  3.11基于Gazebo的机械臂可视化仿真实验
 
  3.12机械臂的视觉伺服抓取实验
 
  4、智能机器人视觉识别与移动抓取(10课时)
 
  移动机械臂相较于常规的移动机器人或固定工位的机械臂而言,有着更灵活、更广泛的应用,在实际仓库或是餐厅、生产车间、家庭都具有实际的应用需求,极大地促进了社会生产力的发展和人类生活水平的提高。移动机器人机械臂视觉控制系统是一个复杂的强耦合非线性系统,具有感知外部环境、确定目标物体位置、自主移动以及机械臂运动控制等功能,其目标物体定位与移动抓取规划问题是当前研究的热点问题。
 
  4.1智能机器人标定、误差补偿
 
  4.2智能机器人运动学建模
 
  4.3机械臂与移动机器人的协调控制
 
  4.4创建机器人urdf模型
 
  4.5基于Gazebo的机器人移动抓取仿真实验
 
  4.6智能机器人视觉识别与移动抓取实验
 
  四、课程设计案例
 
  1、基于Gazebo的机械臂可视化仿真(24课时)
 
  Gazebo是一款3D动态模拟器,能够在复杂的室内和室外环境中准确有效地模拟机器人。Gazebo通常用于测试机器人算法和用现实场景进行回归测试。其包含丰富的机器人模型和环境库、各种各样的传感器,并且程序设计方便和具有简单的图形界面。
 
  以“pick and place”为例,建立机械臂操作环境,插入视觉传感器,建立机械臂与视觉传感器的坐标转换关系;利用视觉传感器识别物体并进行分类;引导机械臂抓取和放置。
 
 
  典型pick and place过程
 
  涉及主要知识:
 
  (1)视觉识别
 
  掌握ROS下话题的接收与发布方式,能够熟练编写相关节点程序,实现接收RGB图像、利用opencv图像处理算法识别轮廓、颜色、形状,并发布图像中心、目标轮廓等数据。
 
  搭建不同的仿真环境,基于不同的目标物体,分别采用基于模板匹配的识别方法及基于ArUco Marker检测的识别方法进行识别,并自行探索更为稳定的视觉识别算法,输出视觉坐标系下目标物体的中心位置。
 
  熟悉urdf文件的结构,在仿真环境中插入视觉传感器,即在urdf文件中插入一个link,以建立机械臂与视觉传感器的坐标转换关系,从而将视觉坐标系下的目标物体位置映射到机械臂基坐标系下,实现机械臂末端执行器准确到达目标物体位置。
 
  (2)机械臂运动规划
 
  熟悉应用Moveit!运动规划包,利用它可以完成机械臂的正逆运动学求解、运动路径规划、碰撞检测、模型可视化等。
 
  理解不同运动规划算法的原理,并尝试对其进行改进。move_group节点是Moveit!系统架构中的核心,默认使用OMPL运动规划库。通过MotionPlanning插件,可自行选择运动规划算法,例如RRT(快速扩展随机树法),RRT*,PRM(概率路标图法),RRT-connect,KPIECE等,同时可以在上述算法上进行修改以适应相应的机械臂。
 
  掌握Moveit!中的配置文件和启动文件,例如joint_limits.yaml记录了机器人各个关节的位置、速度及加速度的极限,这些在运动规划中都会用到,kinematics.yaml则是用于运动学求解。MoveIt配置助手则可以通过加载URDF文件来配置机器人运动规划所需要的信息,最终生成完整的Moveit!配置功能包。SRDF是Moveit!中最重要的配置文件,记录了配置助手中设置的各种信息。
 
  熟悉利用C++编程调用move_group的API设定目标位姿和规划方法;掌握在可视化界面中选择规划方式,通过手动拖动可视化界面中的交互标记,将机械臂拖动至目标位姿,点击规划按钮进行规划,点击执行按钮,规划好的路径点信息就被发送下去,Gazebo中的仿真机械臂就会按照规划好的路径点信息进行移动,到达目标位置。
 
  2、智能移动机器人建图、定位导航及自主避障(24课时)
 
  智能移动机器人通过激光传感器对周围环境进行扫描,构建一个和真实环境一致的地图;同时对智能移动平台位置进行定位,赋予机器人终点位置,智能移动平台将规划一条正确的全局路径,机器人执行任务时,通过激光传感器检测障碍物,可实现自主避障,实时调整局部路径,最终引导智能移动平台安全到达指定的目的地。
 
  移动机器人建图与导航
 
  涉及主要知识:
 
  (1)激光建图
 
  掌握三种激光建图算法,Gmapping、hector、及Cartographer,熟悉这三种方法的配置文件,并利用这三种方法对不同环境建立栅格地图。
 
  探索不同的匹配方法对建图结果的影响,主要有扫描匹配算法、图优化算法、ICP点云匹配算法等,熟悉闭环检测及环路校正原理,在激光建图算法中融入不同的匹配方法,进行栅格地图的建立。
 
  (2)机器人导航
 
  掌握navigation栈的原理。Navigation栈是一个获取里程计信息、传感器数据和目标位姿并输出安全的速度命令到运动平台的2D导航包的集合。机器人使用navigation栈导航时,move_base模块负责整个navigation行为的调度,包括初始化costmap与planner,监视导航状态适时更换导航策略等。
 
  掌握move_base的使用和costmap的原理。Move_base首先启动global_planner和local_planner两个规划期,负责全局路径规划和局部路径规划,通过costmap组建生成代价地图global_costmap和local_costmap.通过全局路径规划,计算出机器人到目标位置的全局路线,通过局部路径规划,实现局部避障的规划。
 
  熟悉比较典型的global planner算法原理,包括Dijstra,A*和D*算法原理,并利用这些不同算法进行相同目标的全局路径规划测试。基于规划的全局路径,测试不同的local planner算法,包括dwa,trajectory,teb和eband等,熟悉这些规划算法的基本思想,并得以正确应用。
 
  3、基于视觉的机器人目标识别与移动抓取规划(32课时)
 
  基于上述视觉识别、机械臂规划及移动机器人导航技术,在现实环境中进行视觉识别和移动抓取研究。据需求提前打印出marker,并贴在被抓取物体,通过realsense获得图像信息,对marker进行检测,将获取的位姿给到机械臂末端,完成移动抓取。
 
  移动抓取过程
 
  涉及主要知识:
 
  (1)机器人标定
 
  标定视觉摄像头内外参;
 
  掌握imu和里程计的融合方法,提升机器人的定位精度。
 
  复合型机器人的手眼标定。
 
  基于手眼位置的误差补偿方法。
 
  (2)协调控制
 
  智能型复合机器人运动学建模和运动学逆解。
 
  建立机械臂视觉伺服系统,设计不同控制率来控制复合型机器人实现目标物体的抓取操作。
 
  建立机器人视觉导航系统,设计合适的跟踪控制器,有效处理移动平台的动力学不确定参数和视觉系统的标定误差带来的影响,实现移动平台智能自主导航。
 
关注官方微信
0411-81761733
返回顶部