Dissertação
Domestic Robot Grasping using Visual-Servoing and Deep Learning EVALUATED
O manuseamento robótico é uma funcionalidade importante em robôs domésticos. Esta área tem sido objecto de extensa investigação levando ao desenvolvimento de diferentes métodos, desde sistemas baseados na teoria de controlo, até sistemas que usam somente aprendizagem automática. Esta tese propõe um processo para manipulação de objectos, cujo componente central usa seguimento visual (visual-servoing ou VS) para posicionar o efector terminal do braço robótico junto ao objecto a agarrar, com localização obtida através de retroação visual. Uma câmara com sensor de profundidade, fixa à cabeça de um robô móvel, observa o objecto e o efector terminal e estima ambas as posições, usadas para calcular o erro posicional de forma independente da calibração cinemática e da câmara. O erro é minimizado através de controlo proporcional do braço, que é actuado através de cinemática diferencial. A posição do objecto é obtida usando uma rede neuronal convolucional que identifica a área da imagem que contém o objecto. A profundidade no centro desta área é usada para calcular a posição. O efector terminal é localizado usando marcadores de realidade aumentada (AR) colocados à volta do pulso. O processo completo obtém o volume de colisão do espaço, move o braço até uma posição de pré-agarramento que faz com que o efector terminal fique visível na câmara, e o seguimento visual é activado. O sistema demonstra sucesso em agarrar objectos domésticos em diferentes posições, obtendo bons resultados num teste de manuseamento para usar em futuras competições da European Robotics League.
novembro 13, 2020, 9:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Pedro Manuel Urbano de Almeida Lima
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Catedrático