基于视觉深度估计的机械臂避障路径规划研究与应用.pdfVIP

摘要

随着机器人产业领域与医学检测领域的深度融合，使用机械臂替代人工完成

检测实验，将大幅度提高效率及检测实验员的安全性。如何在充满仪器设备等障

碍物的空间内实现机械臂自主避障将影响着检测实验的效率及机械臂自身安全

性。本文以实现机械臂视觉避障路径规划为目标，为机械臂引入视觉模块，从单

目深度估计算法及避障路径规划算法展开研究。主要的研究内容和创新点如下：

针对现有基于卷积或循环神经网络所构建的单目深度估计模型存在的全局

信息感知能力差，局部细节捕捉能力不足、模型训练成本高及训练数据需求量大

等问题，本文提出一种基于注意力机制的图像分割模型（SwinTransformer）为骨

干的改进单目深度估计模型，以提升单目深度估计模型对图像全局感知能力及局

部细节捕捉能力。特征提取器部分采用微型视觉Transformer模型（Tiny-ViT）为

整体模型带来大模型、大数据集的增益，在降低了模型整体参数量的同时让本文

所改进模型在例如NYUDepthv2等小型数据集乃至本文所提出的医学检测实验

室数据集中获得更好的评价指标，输出更加精细的机械臂工作空间深度预测图像，

以支撑机械臂工作空间的三维重构。

针对机械臂在医学检测实验室中易发生碰撞且路径非最优的问题，本文提出

一种基于双向快速扩展随机树（RRT-Connect）改进算法。重点引入自适应步长

及剪枝等策略，使改进后算法所规划的路径更平滑，提高了机械臂工作的精度及

运动效率；并通过减少冗余路径，提高了机械臂路径规划的实时性。

最后通过搭建机械臂视觉避障实验平台，通过所提出的单目深度估计模型，

对机械臂工作环境的RGB图像进行深度估计，并将所输出的深度图像转化为

PCD点云图像，最后使用八叉树地图的形式发布在基于ROS的Rviz仿真平台

上以实现机械臂工作环境的三维重构。加入改进的RRT-Connect算法至机械臂的

开放的运动规划库（OMPL）路径规划控制器中，实现在三维重构的机械臂工作

空间避障路径规划，并在实机实验平台中完成了机械臂视觉避障抓取的应用。

关键词：机械臂；单目深度估计；Transformer；避障路径规划；视觉避障

ABSTRACT

Theintegrationoftheroboticsindustryandthemedicaltestingfieldhasledtothe

useofroboticarmstoreplacemanualcompletionoftestingexperimenter.Thissub-

stitutiongreatlyimprovesefficiencyandthesafetyofthetestingexperiments,andthe

useofroboticarmstoreplacemanualcompletionoftestingexperimentswillgreatly

improvethesafetyandefficiencyofthetestingofexperiments.Theefficiencyand

safetyoftheroboticarminaspacefullofobstacles,suchasinstrumentsandequipment,

iscrucialtotherealizationofautonomousobstacleavoidance.Thisthesisaimsto

achievevisualobstacleavoidancepathplanningforaroboticarm.Toaccomplishthis,

avisionmoduleisintroducedandresearchisconductedonthemonoculardepthestima-

tionalgorithmandtheobstacleavoidancepathplanningalgorithm.Themainresearch

con