【论文笔记】基于 ROS 的送餐机器人自主抓取实现

摘要

送餐机器人的出现可以为同属服务行业的餐饮业减轻大量用人成本，推动传 统餐厅向智慧餐厅的转变升级。

• ROS平台作为媒介
• 利用摄像头和六自由度机械臂
• 对食物的自主 抓取

关键词

1. ROS；
2. 六自由度机械臂；
3. 深度学习摄像头；
4. 手眼标定

1 主要任务

本文主要研究如何利用搭载于送餐机器人上的六 自由度机械臂与摄像头，实现机器人自主抓取的功能，从而实现机器人的高度自动化与智能化。

利用 ORB_SLAM 算法可以高效地建立三维空间模型，并且可以依据建模
结果获得某点的空间坐标值，传达至机器人主机进行后续处理。

完成抓取动作过程如下。

1. 使用 usb 与机械臂 lsc 主控板进行连接；
2. 摄像头建模后将采集空间坐标参数发送到机器人主机；
3. 主机转换为 robot_arm/cmdstring 格式的 topic；
4. 由 robot_arm 节点负责将这个 topic 内容经由 usb hid 协议发送给机械臂主控板，完成抓取的操作。

2 六自由度机械臂的二次开发

2.1 用户向控制板发送数据

CMD_SERVO_MOVE参数指令

参数	意义
1	要转动舵机的数量
2	舵机转动时间的十六进制下的低两位
3	舵机转动时间的十六进制下的高两位
4	转动舵机的 ID 号
5	舵机转动角度位置的十六进制下的低两位
6	舵机转动角度位置的十六进制下的高两位

2.2 控制板向用户返回数据

参数	意义
1	运行动作组的编号
2	动作组准备执行次数的十六进制下的低两位
3	动作组准备执行次数的十六进制下的高两位

3 基于 Tsai-Lenz 算法的自主抓取设计

手眼标定法根据摄像头固定的位置可分为两种类型。

1. 摄像头固定在机械臂之上，称为眼在手上（eye-in-hand）；
2. 摄像头固定在机械臂之外，称为眼在手外 （eye-to-hand）；
   本文采用了 eye-to-hand 方式。

过程如下。
（1）物体识别：在图像中检测到物体。
（2）位姿估计：得到物体在相机坐标系下的位置和姿态。
（3）相机拟定：对物体在相机坐标系下的坐标进行 转换，得到其在机器人坐标系的坐标。

用 $\mathbf{H}$ 表示坐标变换 （$\mathbf{H}$ 指 homogeneous matrices
齐次变换矩阵）。
已知多组机械臂在机器人坐标系中的坐标 ${\mathbf{H}}_g$ 、标定板在相机坐标系中的坐标 ${\mathbf{H}}_c$ 。 求解机械臂和相机之间的位姿关系 ${\mathbf{H}}_{gc}$ 。
$$A={\mathbf{H}}_{gij},B={\mathbf{H}}_{cij},X={\mathbf{H}}_{gc}$$
$$AX=XB$$
根据 Tsai-Lenz 算法即可求解 $X$，其核心等式如下。
$$Skew（P_{gij}+P_{cij}）P^{\prime }$$
$$c_g=P_{cij}-P_{gij}$$

4 结束语