张俊豪,罗国富,杨幸博,李亚为,张宁波

(郑州轻工业大学 机电工程学院，河南 郑州 450002)

0 引 言

机械臂是一个强耦合的复杂系统，能够代替人工在未知环境以及危险环境中工作，是现代机械设备自动化、智能化、无人化的主要表现[1]。机械臂运行灵活便捷，故受到诸多行业的青睐，在工业装配、煤矿开采等领域应用广泛。在机械臂实际控制过程中，需要采集其末端位姿运行数据提交至机械臂控制端，以完成不同目标物抓取任务[2]。因此，精准感知机械臂位姿数据是顺利完成工作任务的基本保障。但单传感器采集的机械臂数据源难以完整表达目标物准确信息，多传感器已逐渐成为机械臂数据采集的主流方向[3]。

深度学习是机器学习的关键研究方向之一，通过学习大量样本的内在规律与表示层次，形成具有像人脑一样的数据分析能力，其在图像信息识别、图像信息融合领域的应用性能得到广泛认可[4-5]。为此，本文将深度学习算法与机器视觉技术结合，基于深度学习算法感知多个视觉传感器采集的机械臂位姿数据：基于多摄像机采集机械臂及其目标物图像，以提高位姿数据采集的精度；利用卷积神经网络构建深度学习模型，对多摄像机采集的多源数据进行融合，得到机械臂图像的坐标信息；结合机械臂位姿视觉模型与机械臂图像坐标信息运算得到机械臂末端位姿数据，为精准设置机械臂运行轨迹、控制机械臂行为提供数据基础。……