VR技術在采摘機器人仿真系統中的應用研究

李 敏

(綿陽職業技術學院 計算機科學系， 四川 綿陽 621000)

0 引言

VR虛擬現實技術具有多感知性、存在感、交互性和自主性等重要特征，主要包括感知、自然技能、仿真模型及傳感技術等，能夠依據計算機和圖像技術，虛擬出如同真實環境的模式世界。本文基于VR虛擬現實技術，采用MatLab軟件搭建了采摘機器人虛擬樣機，并結合Novint Falcon控制器，實現了對虛擬機器人的控制。

1 VR虛擬現實概述

VR(Virtual Reality)虛擬現實技術是以計算機為核心，結合網絡技術、圖像仿真、人機接口、模式識別、傳感器、AI、自動控制，以及遠程操作等技術，將抽象模糊的信息處理為與某一特定真實環境在聽、看、聞、感等方面完全相似的模擬環境，用戶借助人機交互設備控制模擬環境中的對象，讓用戶身臨其境，實時感受模擬環境中的三維世界。

虛擬現實系統包括信息輸入和輸出反饋兩部分。輸入設備是數據手套、游戲手柄、鍵盤、鼠標、數據衣等；輸出反饋是BOOM顯示器、頭盔顯示器或液晶顯示屏等。用戶用過輸入等傳感設備直接對虛擬環境進行操控，并得到實時的三維顯示以及力和觸覺等反饋。當虛擬現實系統與外部世界通過傳感設備組成一個閉環控制系統時，用戶在與虛擬模型的交互中，實現對外部世界的操控。虛擬現實系統模型如圖1所示。

圖1 虛擬現實系統模型

虛擬現實系統主要由檢測、反饋、傳感器、控制、3D模型和建模模塊等6部分組成，如圖2所示。

圖2 模擬現實系統組成框架圖

檢測模塊的作用是檢測用戶傳遞的操作指令，然后傳遞給控制模塊，由其控制傳感器模塊作用于虛擬環境。反饋模塊的作用是實時監測傳感器模塊的工作狀態信息，為用戶提供反饋信息，方便用戶下一步操控。傳感器模塊的作用是：①接收用戶傳遞的操作指令，經過數據處理后傳遞給控制模塊；②將實時工作狀態反饋給用戶。控制模塊的作用是根據監測模塊的信息，控制傳感器作用于用戶、虛擬環境和現實世界之間。建模模塊的作用是根據現實環境和對象信息，搭建三維的虛擬環境。

2 采摘機器人運動學分析

本文研究的采摘機器人是一5個自由度的多關節機器人，由主動力臂、大臂、小臂、手腕和機械手組成，每個自由度都是轉動關節，各個關節串聯而成。其中，采摘機器人主動力臂的軸線為垂直于地面方向；大、小臂和手腕為軸線水平方向，相互之間呈平行關系。采摘機器人通過關節間的5個轉軸實現對機械手的操控，從而實現對目標果實的采摘作業。在關節系統中，主動力臂、大臂和小臂組成主連桿系統，用來控制末端執行器的空間位置；手腕用來控制采摘機器手的方向；機械手則用來實現抓取和放置動作。采摘機器人結構示意如圖3所示。

圖3 采摘機器人結構示意圖

采摘機器人5個自由度關節組建成了一個運動鏈，每個連桿連接兩個相鄰的關節，每個關節連接兩個相鄰的連桿，一旦某一連桿的一組任務完成，就會決定機器人從這一關節體到下一個關節體的轉換。如果所有連桿(0到n)完成轉換，則可以確定整個采摘機器人變換矩陣為0An。

機器人兩相鄰連桿n-1與n之間的相對關系的運動方式為：①每個連桿的局部參考幀可以通過指定的Z軸和X軸確定；②旋轉關節將圍繞Z軸旋轉，而棱柱關節將沿著Z軸平移；③X軸沿著兩個相鄰連續Z軸的公共法線；④Y軸則是另外兩個軸的向量之積。

為了表示采摘機器人各個關節運動過程中的位移與速度參數關系，采用DH模型建立機器人運動學方程，并建立如圖4所示的采摘機器人連桿坐標系。采摘機器人各連桿參數如表1所示。

從圖4和表1可以看出：本文建立了機器人DH參數，確定了采摘機器人各連桿之間如變量θn、扭角αn、連桿參數an，以及距離dn等參數信息。其中，參數αn、an和dn是固定的，而θn是可變的。

圖4 采摘機器人連桿坐標系圖

連桿n變量θn扭角αn/(°)連桿參數an/mm距離dn/mm1θ19001522θ2025003θ3016004θ49072050θ51070

每個連桿的臂矩陣可以表示為

(1)

其中，C1=cosθ1，S1=sinθ1，C23=cos(θ2+θ3)，S23=sin(θ2+θ3)，C234=cos(θ2+θ3+θ4)，S234=sin(θ2+θ3+θ4)。

式(1)可以轉換為

pn-1=n-1Anpn

(2)

利用式(2)，采摘機器人機械手的位姿可以用以下齊次矩陣表示，即

(3)

采摘機器人的逆運動學可以分為兩個過程，假設連桿1的旋轉角度(θ1：機器人主動力臂的旋轉角度)是主動力臂電機必須沿著需要方向移動的角度。采摘機器人逆運動示意如圖5所示。

圖5 采摘機器人逆運動示意圖(前視圖和俯視圖)

圖5中，O為原點，A為肩關節，B為肘關節，C為手腕，D為機械手；點p是采摘機器人的機械手，手腕和機械手在一個平面內，θ2、θ3和θ4可以確定三維平面內機械手的姿態；x、xp和yp之間的關系可以表示為

x=[(xp)2+(yp)2]1/2

(4)

θ1的計算式為

θ1=arctan(yp/xp)

(5)

為了計算方便，將圖5簡化為如圖6所示的逆運動位姿示意圖。

圖6 采摘機器人逆運動示意簡化圖

如圖6所示，β=α+θ2，p點坐標方程為

(6)

當采摘機械手末端位置被確定時，x、zp和ψ也將會被確定。其中，ψ為采摘機器人手腕的方位角。C(x3,z3)的位置可以通過以下等式計算出，即

(7)

確定關節4的位置后，θ2和θ3可以由兩個自由度機械手確定，式(7)可以化簡為

(8)

由式(8)可以求出θ2和θ3，又因為β=α+θ2，Ψ=(θ2+θ3+θ4)，且有

(9)

那么θ4可以通過下式計算出，即

θ4=ψ-(θ2+θ3)

(10)

式(8) ～式(10)就是采摘機器人的逆運動學方程。

3 建立采摘機器人仿真平臺

3.1 采摘機器人仿真平臺結構

采摘機器人臨場感仿真平臺由硬件和軟件兩部分構成，該仿真平臺結構如圖7所示。

圖7 采摘機器人仿真平臺結構框架

采摘機器人仿真平臺硬件系統由Novint Falcon、PC機以及鍵鼠組成。其中，Novint Falcon是一種全新型的控制器，替代了傳統的鼠標和操縱桿，使用該設備能夠體驗不同以往的三維空間的力反饋，賦予虛擬物品和環境真實的感覺。

采摘機器人仿真平臺軟件系統主要功能包括人手運動檢測、運動跟蹤計算、碰撞檢測、機械手動作解析、目標獲取、虛擬接觸力和3D圖形顯示及力反饋等。該仿真平臺軟件系統框架如圖8所示。

以上功能模塊主要是采用3D仿真、模式識別和運動跟蹤等VR虛擬現實技術，結合機器人運動學，計算虛擬環境中的機器人與運動映射點的實時狀態，控制機械手的運動軌跡規劃，并通過3D圖形顯示及力反饋進行信息反饋。

圖8 仿真平臺軟件系統框架圖

3.2 采摘機器人虛擬操作

采摘機器人仿真平臺主要功能是通過在虛擬環境中對機械手的虛擬操作，獲取運動映射及力映射模塊的參數信息，從而了解機器人的運動軌跡規劃及生成、關節空間和操作空間中的運動邊界條件，為虛擬操作模塊通過運動映射點操作機械手使其任意采摘作業，并實時計算機械手以及目標果實的位置坐標。通過仿真平臺可為實際研究采摘機器人正逆運動學提供參考。采摘機器人虛擬操作場景如圖9所示。

圖9 采摘機器人虛擬操作場景

采用Novint Falcon作為人機交互設備，實時獲取三維模型中虛擬采摘機器人運動姿態信息，可以實時觀察運動映射點和機械手在虛擬空間中的運動，為研究采摘機器人正逆運動學提供理論參考。

4 實驗與結果分析

為了驗證采摘機器人仿真系統的可行性，采用MatLab構建其虛擬樣機，通過Novint Falcon人機交互設備采集人手的運動，從而控制虛擬環境中的虛擬機器人進行采摘、放置等操作。實驗中，在MatLab界面中輸入“正向和逆向”，調用機械手的前向和反向運動學模擬。在前進運動的操作界面中，輸入參數由操作者確定需要移動的關節角度，而軟件則計算出機械手最終的位置方向；在逆向運動操作界面中，輸入參數必須由操作者移動的位置來確定，而軟件自動計算機械手應該移動的位置。逆向運動模擬操作仿真軌跡如圖10所示。

圖10 逆向運動模擬操作仿真軌跡

如圖10所示：采摘機械手精確地執行了圓形軌跡的運動模擬，實現了逆向運動學計算與仿真。從仿真結果可以看出：采摘機械手在模擬運動中，位移和加速度比較穩定，較大程度地減少了關節依次驅動的突變加速度，使得采摘機器人整體運行平穩度較高。

5 結論

介紹了VR虛擬現實技術的概念和特點，分析了采摘機器人正、逆運動學，并介紹了逆運動求解過程；最后，從硬件和軟件兩部分介紹了采摘機器人仿真平臺，實現了采摘機器人的虛擬操作。仿真結果表明：采摘機械手精確地執行了圓形軌跡的運動模擬，實現了逆向運動學計算與仿真，對研究采摘機器人正、逆運動學具有一定參考意義。