基于前馈径向基网络的动态抓取参数估计方法

针对机器人在抓取速度不均匀、方向随机的运动目标过程中手眼信息不同步的问题，提出了一种基于径向基函数神经网络预测的目标运动参数估计方法。该方法采用核相关滤波（KCF）算法实时跟踪目标位置，建立目标运动模型，分别用前馈感知机和径向基函数神经网络预测目标的运动参数，动态调整卡尔曼滤波运动估计方程的采样时间，大大减少了计算时间，提高了机器人抓取目标运动的精度。实验是在UR5机器人抓取平面自由运动物体上进行的。结果表明，与前馈感知器网络相比，该方法不仅使追踪过程中爪与目标之间的最大后向距离减少了一半，而且抓取所需时间减少了20%。该方法能较好地解决机器人捕获过程中目标速度或方向突然变化所引起的动态自适应问题