公开(公告)号：CN119635626A

公开(公告)日：2025-03-18

申请号：CN202411665529.5

申请日：2024-11-20

Applicant: 安徽大学

Inventor： 高赫佳 ,  杨洋 ,  赵俊杰 ,  何传峰 ,  孙长银

IPC: B25J9/16

Abstract: 本发明提供一种面向多种背景下的机器人抓取检测方法及装置，涉及机器人智能控制技术领域。该方法包括：获取抓取数据集；对抓取数据集进行预处理，获得预处理后的抓取数据集；构建自适应多背景抑制抓取网络；根据预处理后的抓取数据集，对自适应多背景抑制抓取网络进行训练，获得训练好的自适应多背景抑制抓取网络；获取待抓取物体的RGB‑D图像数据；将待抓取物体的RGB‑D图像数据输入训练好的自适应多背景抑制抓取网络中，获得抓取质量图、抓取角度图以及抓取宽度图；根据抓取质量图、抓取角度图以及抓取宽度图，估计抓取位姿数据；根据抓取位姿数据进行运动规划，使机器人执行抓取任务。采用本发明可提升机器人系统的抓取操作的实时性和精确度。

公开(公告)号：CN117283565A

公开(公告)日：2023-12-26

申请号：CN202311477918.0

申请日：2023-11-03

Applicant: 安徽大学

Inventor： 高赫佳 ,  张芷铭 ,  胡钜奇 ,  何传峰 ,  孙长银

IPC: B25J9/16

Abstract: 本发明属于自动控制技术领域，具体涉及一种基于全状态反馈的Actor‑Critic网络控制方法，通过ROS平台对柔性关节机械臂进行仿真验证，选取拥有七自由度柔性关节机械臂的Baxter机器人模型作为柔性关节机械臂的动力学模型，并设定机械臂末端执行关节的期望轨迹、以及末端执行关节的约束力矩增益参数，预先构建Actor和Critic神经网络，在设定仿真循环的时间周期内，依据期望轨迹，通过仿真环境输出末端执行关节的仿真结果，将仿真结果输入Critic神经网络中，将输出结果输入Actor神经网络中进行训练，并实时输出基于Actor神经网络控制下的Baxter模型末端执行关节的实际轨迹，以此对机械臂进行有效控制与消除不确定因素，同时提高系统的精度和增强系统的鲁棒性，使其更易于控制更加安全。

公开(公告)号：CN118514080B

公开(公告)日：2024-10-29

申请号：CN202410802921.3

申请日：2024-06-20

Applicant: 安徽大学

Inventor： 高赫佳 ,  何传峰 ,  赵俊杰 ,  孙长银 ,  沈杰 ,  陈锋

IPC: B25J9/16

Abstract: 本发明涉及机器人技术领域，特别是指一种基于改进生成残差网络MetaCoorNet的机器人抓取姿态估计方法及系统。所述方法包括：根据MCB模块以及残差模块进行模型构建，获得MCN抓取姿态预测模型；通过外部相机对目标场景进行拍摄，获得目标图像；将目标图像输入MCN抓取姿态预测模型，获得抓取姿态；根据预设的坐标转换单应性矩阵，对抓取姿态进行坐标变换，获得机器人抓取姿态；根据机器人抓取姿态以及预设的机器人运动学模型进行逆运动求解，得到关节转动角度值；根据关节转动角度值，通过执行器执行抓取动作。本发明是一种特征提取能力强、计算成本低、位置信息融合机制精确的机器人抓取姿态估计方法。

公开(公告)号：CN118514080A

公开(公告)日：2024-08-20

申请号：CN202410802921.3

申请日：2024-06-20

Applicant: 安徽大学

Inventor： 高赫佳 ,  何传峰 ,  赵俊杰 ,  孙长银 ,  沈杰 ,  陈锋

IPC: B25J9/16

Abstract: 本发明涉及机器人技术领域，特别是指一种基于改进生成残差网络MetaCoorNet的机器人抓取姿态估计方法及系统。所述方法包括：根据MCB模块以及残差模块进行模型构建，获得MCN抓取姿态预测模型；通过外部相机对目标场景进行拍摄，获得目标图像；将目标图像输入MCN抓取姿态预测模型，获得抓取姿态；根据预设的坐标转换单应性矩阵，对抓取姿态进行坐标变换，获得机器人抓取姿态；根据机器人抓取姿态以及预设的机器人运动学模型进行逆运动求解，得到关节转动角度值；根据关节转动角度值，通过执行器执行抓取动作。本发明是一种特征提取能力强、计算成本低、位置信息融合机制精确的机器人抓取姿态估计方法。

公开(公告)号：CN117283565B

公开(公告)日：2024-03-22

申请号：CN202311477918.0

申请日：2023-11-03

Applicant: 安徽大学

Inventor： 高赫佳 ,  张芷铭 ,  胡钜奇 ,  何传峰 ,  孙长银

IPC: B25J9/16

Abstract: 本发明属于自动控制技术领域，具体涉及一种基于全状态反馈的Actor‑Critic网络控制方法，通过ROS平台对柔性关节机械臂进行仿真验证，选取拥有七自由度柔性关节机械臂的Baxter机器人模型作为柔性关节机械臂的动力学模型，并设定机械臂末端执行关节的期望轨迹、以及末端执行关节的约束力矩增益参数，预先构建Actor和Critic神经网络，在设定仿真循环的时间周期内，依据期望轨迹，通过仿真环境输出末端执行关节的仿真结果，将仿真结果输入Critic神经网络中，将输出结果输入Actor神经网络中进行训练，并实时输出基于Actor神经网络控制下的Baxter模型末端执行关节的实际轨迹，以此对机械臂进行有效控制与消除不确定因素，同时提高系统的精度和增强系统的鲁棒性，使其更易于控制更加安全。