在大型飞机机翼装配的过程中,非基准面之间常会因为加工误差或是装配过程中的变形而出现间隙,导致完成装配后的结构强度下降,或是在飞机服役过程中发生振动,严重时甚至会影响到飞机的运行安全。为降低装配间隙对结构整体的影响,在进行装配的过程中,需要根据间隙的形状,定制加工垫片对间隙区域进行填充。由于装配间隙在空间中具有很强的封闭性,且装配垫片表面为连续非均匀变厚曲面,装配垫片加工目前主要是由装配人员在装配现场根据经验试凑人工磨削完成。如何通过有限测量数据建模获得垫片三维轮廓,结合机器人智能加工技术,实现异形非均匀厚度垫片定制化加工,具有十分重要的工程应用价值。论文通过飞机构件模型装配,获取装配间隙位置与所需装配垫片模型形状,实现装配垫片加工余量计算,并推导磨削加工去除模型,规划机器人定制化加工工艺参数与加工轨迹规划。主要研究成果包括:针对装配垫片厚度分布复杂且厚度变化差值小的特点,论文使用机器人磨削加工作为垫片加工方式,对标准厚度铝合金材料进行加工处理,以Preston方程为基础,建立了机器人磨削加工材料去除模型,实现了磨削加工过程中对磨削深度的有效控制。分析了模型中各加工参数对磨削加工材料去除模型的影响,选择以机器人加工过程中的进给速度作为控制变量,在垫片加工过程中控制垫片厚度。实际装配过程中,装配间隙全区域精确测量相对较为困难,目前尚没有行之有效的方法。论文通过获取各装配部件点云包络得到的装配间隙模型,使用形状直径函数算法计算装配间隙模型中的厚度分布,通过对装配操作进行模拟,得到可能生成间隙的位置以及所需的垫片形状。在此基础上,通过基于近似平面化思想的点云几何分片算法,将垫片点云根据加工余量区间拆分为若干区域,并结合DBSCAN算法对各点云区域的边界进行识别,得到垫片模型表面的等加工余量曲线。针对机器人在异形非均匀厚度垫片自主加工中的轨迹规划和工艺规划,论文使用基于包容盒的横截面法作为轨迹规划策略,通过装配垫片加工余量分布模型与横截面求交,得到机器人加工轨迹线和对应的加工余量变化曲线,结合磨削加工材料去除模型计算得到沿轨迹线加工时的机器人进给速度变化曲线。使用抽稀算法对进给速度曲线进行离散,并将离散点投影至机器人加工轨迹线,得到离散轨迹点和对应的机器人加工进给速度。开发了面向装配垫片定制加工的机器人自主磨削加工规划软件,使用Efort机器人及FESTOOL磨削机构实现定制化加工平台搭建,并以飞机侧翼与机身间的装配垫片作为实验对象进行加工验证。测试结果表明,基于机器人磨抛方式得到的机翼装配垫片在加工精度和表面质量等方面均优于传统手工加工,验证了面向装配垫片的机器人加工系统的可靠性和实用性。

移动机械臂兼具灵巧作业能力与工作空间巨大的优势,为以风电叶片、高铁车身、飞机蒙皮为代表的大型复杂构件的高品质加工提供了新的解决思路。移动机械臂末端执行器的空间位姿高精度获取是保证加工质量的关键,而机械臂末端高精度、大范围的测量,具有较高挑战性。现有的大范围空间定位方法中,单站点式测量方法易受工件遮挡,而且存在累计误差,而多基站式测量方法则存在布站繁琐、成本高昂的问题,均不适用于移动机械臂定位场景。本文以双目立体视觉为基础,提出了一种无光线遮挡和累积误差的低成本移动机械臂大范围空间定位方案,并对方案的空间定位算法和靶标布局方案进行了深入探讨,主要包括以下内容:提出了一种基于双目立体视觉的移动机械臂空间大范围定位方案。该方案的实施则分为靶标的离线标定和相机在线测量这两步进行:采用分布式的参考靶标将测量场地覆盖,将双目相机与移动机械臂平台集成,双目相机同时拍摄机械臂末端和参考靶标,以相对定位的方式获得机械臂末端的绝对空间位姿。讨论了2类空间定位算法:基于位置优化的MLAT算法和基于相机位姿优化估计的定位算法,并基于后者中的同名点迭代算法进行鲁棒优化,在算法中增加了鲁棒分析环节,剔除测量数据中误差较大的离群点。仿真结果表明,改进后的算法能有效应对含有粗大误差的数据,鲁棒性有明显提升,定位精度接近于理想状态下原算法的精度。分析了同名点迭代算法的误差传递模型,提出采用姿态精度因子RDOP这一概念来表征测量误差和估计误差之间的放大关系。根据RDOP的影响因素,重点优化了靶标相对布局,确定了矩形布局是各类布局中最优的。最后,进一步优化了靶标整体布局方案,确定了靶标间距为33cm时是适合本方案的最优靶标间距。搭建了移动测量实验平台,进行了移动机械臂末端定位实验和大型构件三维扫描实验。实验结果表明,本文提出的基于立体视觉的移动机械臂大范围空间定位系统不存在光线遮挡和累计误差的问题,对机械臂末端直接定位的位置和姿态精度分别为±0.23mm和±0.02°,机械臂结合扫描仪后对扫描仪的位姿定位精度为±0.25mm和±0.5°。

抓取是机器人技术在现实生活中最为常见的表现手段,也是机器人操作中最具挑战性的任务之一,其对于解放人类双手、提高工业生产力具有重要意义。传统机器人抓取操作多在结构化环境下进行,需要事先获取被抓取物体三维模型并离线规划机械臂抓取轨迹,适用场景相对固定且物体形状、颜色、大小等特征单一,缺乏灵活性和鲁棒性。为实现机器人在非结构化环境下对任意物体的精确抓取,首先需要解决的就是抓取位姿检测问题。本文以RGB-D相机为基础,深入研究了基于卷积神经网络的抓取位姿检测算法,分别实现了已知物体与未知物体的抓取位姿高效鲁棒检测,并进行了抓取实验验证,主要研究内容包括:研究了基于深度图像的机器人抓取位姿表示方法,使用二维图像检测代替三维空间抓取位姿检测。将多接触点表示法与二维旋转矩形框表示法相结合,提出两点式抓取位姿表示方法以表示机器人三维抓取位姿,更加符合二指平行夹持器执行捏取式抓取操作要求。结合深度数据并限定抓取方向,将二维抓取参数唯一地映射回三维抓取空间。提出了一种针对已知物体的两步法抓取位姿检测算法,将目标检测与抓取位姿检测相结合,利用小样本数据集训练网络模型,对物体位姿变化具有较高的适应性。基于SSD＿Mobile Net网络模型进行目标检测,采用阈值化分割技术将物体从背景中分离出来,利用主成分分析法可同时对多个物体进行抓取位姿确定。与传统方式相比,在有效减少构建抓取数据库时间的同时达到了87%的抓取成功率,性能较为优异。提出了一种针对未知物体的端到端抓取位姿检测算法,采用仿真方式构建抓取数据集并训练全卷积网络模型,直接输出深度图中各位置所对应的抓取位置、角度和质量,在极大减少数据集搜集时间的同时提升了抓取检测精度,通过抓取质量预测函数评价抓取位姿的优劣。该算法在验证集上的准确率达到0.899,超过原始GQCNN的准确率。且对于未知物体的抓取位姿检测平均时间为0.65s,较原始网络提升了31.6%。抓取质量Q值较高,且较为集中均在0.79以上,相比之前Q值不稳定且整体偏小有了较大提升。搭建了机器人抓取实验平台,通过对不同形状的未知物体进行抓取实验以验证抓取位姿检测算法的性能。实验结果表明端到端抓取位姿检测算法的抓取位姿检测准确率和机器人抓取成功率均达到较高水平,抓取过程灵巧且稳定。

机器人抓取是应用最为广泛的机器人作业任务,也是机器人操作中最具挑战性的技术之一。当前成熟的机器人抓取系统多数针对结构化操作环境,且依赖事先获取的抓取对象模型规划抓取过程,抓取目标形状、姿态、大小、颜色等特征单一且应用场景相对固定,缺乏灵活性与鲁棒性。为适应非结构化环境下未知目标抓取的应用需求,首先需要攻克未知目标抓取位姿的自主检测问题。本文针对未知目标物体的自主抓取位姿检测展开研究,提出了基于卷积神经网络的机器人抓取位姿自主检测算法,并进行了实验验证,主要内容包括:研究了基于RGB-D图像的机器人抓取位姿表示方法,将机器人三维空间抓取位姿检测问题转换为二维图像检测问题。研究二维图像上的有向矩形框表示方法表示机器人三维空间抓取位姿,并提出通过限定抓取方向为物体表面法线方向的方式,结合RGB-D图像数据,将该有向矩形框参数唯一映射到机器人三维空间抓取位姿参数。提出了一种基于滑动窗检测的抓取位姿检测算法,抓取位姿检测准确率较同类型算法有所提高。基于卷积神经网络模型设计了一个抓取位姿抓取置信度判别模型,使用滑动窗算法生成的候选抓取位姿进行可抓取置信度判定并排序,得到最优抓取位姿。该算法在康奈尔抓取数据集上达到了91.3%的抓取检测准确率。提出了一种基于深度残差网络的抓取位姿检测算法,在兼顾抓取位姿检测成功率的同时,显著地提升了抓取位姿检测速度。使用基于深度残差网络的卷积神经网络模型端到端的学习RGB-D图像数据和最优抓取位姿映射关系,通过数据扩增和迁移学习技术加速学习过程,避免数据过拟合问题。该算法在康奈尔数据集上的抓取检测准确率达到了90.1%,检测速度相比滑动窗类算法的15秒/帧提高到了0.37秒/帧。搭建了基于Kinect深度相机和UR5机器人的抓取位姿检测算法验证实验平台,分别面向熟悉目标物体和未知目标物体进行了抓取验证实验。实验结果表明抓取位姿检测算法的抓取位姿检测准确率和抓取成功率均达到了较优水平,机器人自主抓取过程灵巧且鲁棒。

智能仓储技术是机器人化智能制造的未来发展的重要组成部分。在机器人化智能制造过程中,智能仓储技术能提高仓储管理工作效率、降低投入成本,是其中重要的一环。RFID（Radio Frequency Identification）传感器是物联网的核心组成部分,具有唯一ID识别、非视距传播、不受光照影响、成本较低等诸多优势。近年来,由于RFID传感器的独特优势,其在出入库盘点、物流接驳、智能仓储管理等应用场景下得到越来越广泛的应用而显示出巨大的潜力。基于RFID通道门的出入库盘点中,标签假阳性识别是一个普遍问题。针对现有在RFID通道门场景下出入库识别技术中的标签假阳性读取问题,本学位论文提出了基于RFID相位的标签识别方法,并完成其工程化,基于理论研究在实验室环境下搭建工业级别的RFID通道门系统,主要研究工作包括:研究了RFID相位信号预处理方法。根据RFID系统采集的信息,研究了RFID相位信号的预处理方法,包括相位插值算法、相位解缠方法。并分析了智能仓储工况及RFID信号特点,介绍了基于合成孔径雷达的RFID定位方法思想,为后文的标签识别方法提供理论基础。提出了基于深度神经网络的标签分类方法。构建了深度残差网络模型,通过离线采集RFID相位数据,并进行预处理和标签类别的标记;将处理完成的数据输入到神经网络模型中,进行离线训练,得到神经网络分类器;然后进行RFID标签在线识别,区分目标标签和干扰标签;并在实验室环境下搭建平台验证该算法。提出了基于相位序列互相关函数的标签分类方法。在线采集RFID相位数据,经过预处理方法后与先验的目标标签和干扰标签相位序列计算互相关系数,根据得到的互相关系数区分目标标签和干扰标签;并在实验室环境下搭建平台验证该算法。开展了实验室中工业级智能制造系统RFID通道门的实验验证,在本文所提出的标签识别方法的基础上,搭建软硬件系统,在实验室环境下进行了实验验证,表明本文所提出的方法能很好地应用与实际工业环境,具有广泛的应用前景和需求。

机器人化智能制造是智能制造的未来发展重要方向。在机器人化智能制造过程中,需要解决机器人的定位问题,包括目标对象的位置信息和机器人自身的位置信息感知。作为物联网的重要组成,RFID的唯一识别属性可简化机器人对环境中目标对象等的识别过程,无需像视觉等依赖复杂的目标提取与识别算法,同时RFID具有低成本与无需光学可视等优势。利用基于RFID的定位技术以解决机器人的位置信息感知问题,将RFID的“ID传感器”和“位置传感器”属性相结合,可提高RFID的位置管理能力和机器人的位置感知水平。本学位论文系统研究了基于RFID相位特征的机器人定位模型与技术方法,取得了一些理论成果,并将理论研究应用于机器人化智能制造系统中,主要研究工作和创新点包括:提出了基于RFID解缠相位的机器人空间位置识别方法。构建了解缠相位-位置模型,将空间位置识别转化为一个非线性最优化求解问题,避免了传统方法的穷举式网格搜索过程,在保持空间位置识别精度的同时降低计算负荷。同时,分析了相位解缠中的空间采样约束,提出了基于RSSI的天线优选策略,提高空间位置识别的精度。构建了以移动机器人为合成孔径运动载体的RFID标签空间位置识别平台,验证了所提出方法的有效性和性能。建立了基于RFID相位差的机器人空间位置识别方法。揭示了RFID相位差信息和空间位置之间的内在关联特性,从理论上证实了相位差可实现空间位置识别,并建立了基于RFID相位差观测模型的机器人空间位置识别方法。将所提出的基于RFID相位差的机器人空间位置识别方法应用于移动机器人寻位中,实验表明在仅仅使用商用RFID设备时,所提出的方法能够实现移动机器人高精度自主寻位。构建了融合RFID相位差和可读性的机器人位姿识别方法。利用相位差信息的高灵敏度且无需离线标定的特性,构建了基于相位差信息的RFID定位模型,并分析了相位差与位姿之间的模糊性问题;为此,进一步提出基于RFID可读性的分类逻辑策略,抑制了相位差信息的位姿模糊性影响。将所提出的相位差模型和基于可读性的分类逻辑策略进行融合,实现了稀疏RFID标签阵列分布下移动机器人高精度位姿识别。开展了RFID定位技术在机器人化智能制造系统中的应用验证。针对机器人化智能制造系统中的出入库自动识别工程需求,结合本文研究,搭建了RFID位置识别硬件和软件系统。在汽车制造厂的总装车间工程应用现场进行了实验测试和验证,表明本文所研究的RFID定位技术在实际工程应用中具有广泛的应用前景,具有重要的现实意义。

智能移动机器人在提高生产效率、提升生活质量方面发挥了重大作用,自主导航是智能移动机器人的核心能力,也是移动机器人领域的研究热点。相比视觉、激光、惯性导航等传统的移动机器人导航技术,射频识别（RFID）技术由于其具有唯一ID识别、非视距、不受光照影响、自动识别、成本低廉等优势在机器人导航领域中显示出独特的潜力。针对现有RFID导航技术中普遍存在的需铺设大量参考标签、导航轨迹曲折、实时性差等问题,本论文提出了一种基于RFID相位梯度伺服原理的移动机器人自主导航方法和基于RFID标签角度估计的避障方法,实现了移动机器人的高效导航。本文的主要研究内容包括:提出了基于RFID相位梯度的移动机器人伺服原理。根据射频信号中相位与传播距离的关系,提出了基于相位梯度的RFID伺服方法,并证明了所提出的算法的可行性与有效性,克服了基于当前RFID伺服方法中存在的需铺设大量参考标签、导航轨迹曲折的缺陷。构造了基于相位梯度的目标函数,提出了基于信号强度（Received Signal Strength Indicator,RSSI）的目标到达判定方法,设计了基于PID的伺服控制器。多种不同环境中的仿真实验表明,本论文所提出的基于RFID相位梯度的移动机器人伺服方法具有很好的导航性能和稳定性,并解决了现有RFID伺服技术中存在的无法判断是否到达目标位置的问题。建立了基于RFID标签角度估计的避障方法。提出了一种基于双天线时序阵列的到达角度（Angle of Arrive,AOA）估计方法,克服了传统的AOA方法中两个天线安装距离不能超过λ/2的问题。设计了用于避障的模糊逻辑控制器,实现了在障碍物的种类和数量都不同的情况下的避障功能。搭建了RFID伺服导航系统的实验平台,在目标位置固定、目标位置突变和目标位置连续移动三种不同的测试条件下进行基于RFID伺服的移动机器人导航实验。分别从机器人的运动轨迹和到达姿态进行分析,验证了所提出的RFID伺服算法的有效性和优越性。

大型复杂构件,如风电叶片、航空结构件、高铁车体构件等,其自由曲面外形尺寸精度与表面粗糙度对提高其流体动力学性能至关重要,需要通过先进的光整加工技术实现高精度制造。基于移动平台搭载机械臂、机械臂法兰安装末端执行器构建的机器人移动加工系统为大型复杂构件的高效精密加工提供了新思路。本文基于机器人移动加工系统设计了一种三自由度并联末端执行器,结合虚拟系数的全并联机器人广义运动/力传递指标,提出了一种并联机构顺应设计指标,通过顺应设计指标完成了并联末端执行器的尺度优化,实现了大型复杂构件自由曲面的顺应加工。本文的主要研究内容如下:设计了一种三自由度并联末端执行器。通过研究典型的六自由度并联机构和少自由度并联机构,确定移动加工机器人并联末端执行器采用具有灵活定位能力的1T2R构型。基于实验室移动机械臂平台,设计了3-RRS并联末端执行器;推导了3-RRS并联末端执行器的运动学公式,借助螺旋理论求解出3-RRS并联机构的雅克比矩阵,为并联末端执行器的灵巧度分析提供了理论基础。分析了并联末端执行器的顺应工作空间。通过深入分析大型复杂构件磨抛加工的特点,确定了并联末端执行器位姿顺应的约束条件。提出了顺应工作空间的概念,与并联机构的一般工作空间相比,顺应工作空间的优点是可以指示出可达的磨抛区域。给出了两种计算顺应工作空间的方法,正解法较为直观但计算复杂度高,逆解法则更加方便有效。以3-RRS并联末端执行器磨抛加工球体为例,计算出顺应工作空间验证上述方法的有效性。完成了移动加工机器人并联末端执行器优化设计。结合一种基于虚拟系数的全并联机器人广义运动/力传递指标,重新定义顺应工作空间,并提出顺应设计指标的概念,以此进行了并联末端执行器的设计优化,分析了优化后的3-RRS并联末端执行器的工作空间和灵巧度;通过仿真分析验证了优化后3-RRS并联末端执行器可以对风电叶片进行顺应加工。构建了并联末端执行器轨迹跟踪实验平台和移动加工机器人并联末端执行器力控打磨实验平台。针对所研制的3-RRS并联末端执行器进行了轨迹跟踪实验,分析了轨迹跟踪的平均误差、最大正偏差和最小负偏差,证明了3-RRS并联末端执行器有较高的运动精度。基于移动加工机器人并联末端执行器力控打磨实验平台进行了力控打磨实验对3-RRS并联末端执行器的顺应加工性能进行评估,证明3-RRS并联末端执行器可以顺应风电叶片的自由曲面型面变化。通过理论分析和实验验证得到与工件表面正交的打磨力与舵机输入电流呈线性关系,且打磨力上下波动最大±2N。证明了移动加工机器人并联末端执行器可以有效地完成大型复杂构件自由曲面的顺应加工任务。

机器人移动加工具有高机动性、高灵巧性、可重构性强、易于传感集成和并行协作等特点,是实现大型复杂构件高效高品质智能化加工制造的有效途径。合理的运动规划能够充分发挥机器人移动加工的优势,是保证大型复杂构件加工质量与效率的关键。但是,大型复杂构件尺寸超大、形状复杂,表面质量与形状精度要求较高,机器人移动加工运动规划时必须将构件化整为零,并充分利用机器人移动加工系统的冗余性进行机器人刚度及运动学性能优化,存在建模分析困难、计算量大等问题。因此,本文聚焦大型复杂构件机器人移动加工运动规划问题,以机器人高效碰撞检测方法为基础,分别从机器人任务规划、性能优化、轨迹规划等角度展开研究,设计了面向大型复杂构件机器人移动加工的运动规划体系与方法,并将相关研究成果应用于大型复杂构件的加工制造。论文主要研究成果如下:针对移动加工运动规划计算量大,计算效率低的问题,提出了基于特征点集的快速全局碰撞检测方法。建立了机器人与加工对象的高效碰撞检测模型,基于该模型进行了机器人与加工对象之间的碰撞分析。分析表明,加工路径上总是存在少量的特征点,即局部范围内最可能发生碰撞的轨迹点。然后,结合构件几何分析和机器人运动学提出了特征点的高效判定方法。使用特征点代替所有轨迹点进行全局碰撞检测,保证了检测准确性,且检测效率较传统离散碰撞检测方法提升2～3个数量级。针对加工区域面积大、形状复杂,任务规划难的问题,提出了基于几何及任务信息的大型复杂构件加工区域划分方法。首先,基于构件表面的几何信息,即加权平均法矢,将构件整体加工区域划分为若干个法矢方向相对一致的子曲面;然后,从任务层面上,以子曲面离线编程所得轨迹点云为输入,综合考虑机器人可达性、奇异与碰撞规避等约束条件,将各子曲面对应的轨迹点云进一步划分为若干个形状规整、面积相近的子区域,为后续工位优化及全局优化研究提供了有力支撑。针对机器人刚性差、约束条件多,性能优化难的问题,提出了融合刚度性能与运动学约束的机器人移动加工工位优化方法。分析了机器人刚度性能,提出了面向任务的全局刚度性能评价指标（MSPI）,实验表明该指标与加工质量正相关。在此基础上,建立了以MSPI最大化为目标函数,以关节范围、关节速度、奇异规避及碰撞规避等为约束条件的工位优化模型。然后,分别提出了基于遗传算法（GA）、粒子群优化（PSO）与序列二次规划（SP-SQP）算法的最优工位解算方法,并通过仿真进行了三种方法的有效性分析与性能对比。研究了移动加工机器人序列工位全局优化、子区域加工顺序指定及机器人轨迹规划问题,形成了完善的大型复杂构件移动加工运动规划体系。提出了基于木桶效应的序列工位全局优化方法,从全局角度改善了加工区域划分及工位优化结果;将子区域加工顺序指定转换为移动平台最短路径规划问题,提出了基于遗传算法的最短路径规划方法;提出了操作空间三次样条规划与关节空间多次B样条规划相结合的轨迹规划方法,保证了机器人加工路径与轨迹的高阶连续性。以风电叶片表面打磨为应用背景,构建了大型复杂构件机器人移动加工硬件系统,介绍了系统的主要组成。开发了机器人移动加工软件,具备大型复杂构件区域划分、离线编程、工位优化及全局规划与轨迹规划等功能,为大型复杂构件“测量-规划-加工”一体化的实现奠定了基础。基于上述软硬件系统,在风电叶片表面打磨实验中进行了研究方法的系统性验证。

大型复杂构件如飞机蒙皮、风电叶片、高铁壳体等是航空、能源、交通等领域使用的核心构件,传统的加工方式主要是通过人工或者固定机床的方式完成,但是存在人力加工成本高,机床加工范围小的问题。移动加工机器人的出现为大型复杂构件的加工提供了新的解决思路。移动机器人对复杂构件的加工按照任务流程可以分为构件测量、位置规划、机器人寻位以及加工执行四个部分,其中移动机器人寻位的目的是根据传感器信息控制移动机器人自主运动到规划的加工工位,是移动加工作业流程中一个承上启下的环节,因此移动机器人寻位的精度直接影响了加工的精度和质量,对整个系统的实现具有重要意义。本文围绕大范围场景中移动机器人对大型复杂构件的定位问题展开研究,提出了一种基于点云伺服的移动机器人寻位方案,并对方案中理想点云的获取以及机器人位姿估计算法进行了优化。论文主要包括以下内容:提出了一种基于点云伺服的移动加工机器人寻位算法整体方案,使得点云伺服算法可以应用在移动机器人对大型复杂构件的寻位场景中。该方案的实现主要分为三个模块:点云获取、位姿估计以及伺服控制器构建,根据测量点云和位置优化解算理想点云,根据理想点云和当前点云的位姿估计构建伺服控制器,可以实现基于点云伺服的移动机器人寻位控制。提出了一种解算当前机器人与目标机器人之间相对位姿的算法,提高了移动机器人位姿估计的鲁棒性和准确性。构建了点云伺服目标函数,利用点云配准解算移动机器人的相对位姿,针对点云配准算法的缺陷,提出了一种先利用FPFH描述子粗配准再利用ICP实现精配准的位姿估计算法,该算法通过法矢聚类提高了位姿估计的计算速度。构建了基于相对位姿关系的点云伺服控制器,实现了移动机器人伺服寻位的闭环控制。通过相机标定和测量点云解算了目标构件的理想点云,根据理想点云和当前点云的寻位误差建立了远距离粗加精配准,近距离精配准的点云伺服控制策略,最后,根据控制策略并基于相对位姿关系构建了点云伺服控制器。搭建了机器人寻位实验的软硬件平台。通过UR5机械臂寻位实验验证了点云伺服方法应用在机器人寻位上的有效性和鲁棒性,通过真实工厂环境下移动AGV小车的寻位实验,验证了本论文所提出的定位方法的准确性。机械臂寻位的位置精度和角度精度分别控制在1cm和0.5以内,大范围场景下移动小车寻位的位置精度控制在4cm内。