丁武臣

摘  要：为解决工业机器人成本高、开源性差、维护难度大的问题，本文利用机器视觉、深度学习、路径规划等技术探索机器人智能抓取实验系统设计，实现机器人智能识别、定位和抓取等功能。经验证，该系统具有灵活性好、可靠性高、易维护等优点，解决了成本高的问题。

关键词：机器人;视觉;抓取;系统设计;深度学习

ROS机器人操作系统具有开源的优势，丰富的资源为机器人开发提供了便利条件。本文借助ROS平台开发了基于机器视觉的机器人系统，对机器人进行运动路径规划，并实现对目标工件的识别与抓取。

1系统整体框架设计

机器人系统整体框架主要包括图像输入与识别定位系统、主从机控制和执行机构等[1]。机器人采用串联结构，具有6个自由度，包括5个机器人关节和一个末端夹爪，该系统利用无刷直流电机作为机械人关节的驱动机构，机器人关节驱动电机采用磁场矢量控制方法，以实现对关节角度的闭环控制。

基于ROS平台，机器人系统可以完成6自由度机械臂的求解与运动规划，并迁移至实体机器人。在目标工件识别上，利用Pytorch框架中深度学习模型，对工件图像进行处理并利用YOLOV3算法完成工件的识别与定位。

2系统设计

2.1系统硬件设计

系统的硬件设计主要为机器人关节驱动模块的设计，主要设计电机的控制驱动电路[2]。关节作为机器人系统的执行机构，需要选择合适的电机和控制策略保证机器人系统运动控制性能。……