随机场景下线状柔性体自动拓扑形态操作的实现方法

The technique of automatic manipulation of deformable linear objects has a bright prospect in applications like wire assembly, automatic suturing, robotic assistance in daily life. The difficulties involved in realizing the applications lie in the fact that a deformable linear object may show both geometric deformation like bending, twisting and topological deformation as knotting, tangling. Especially, in most of cases the two kinds of deformation are coupled with each other. Since it is difficult to estimate shape change involved in a manipulation process, a robot may face some unpredictable conditions, scenes. It is very important to make a robot capable of dealing with such unpredictable conditions considering applying them in practices. This means that a robot should be able to correctly recognize the state and complete the manipulation task planned for this moment. In this project, we plan to propose for solutions useful for dealing with such conditions. The whole proposal is consisted of solutions to the following problems: topological state recognition method in complex backgrounds, simultaneous control of geometric and topological shape of a deformable linear object, state recognition and detangling of multiple deformable linear objects in unknown environment. We believe that the solutions to these problems are the key to make deformable linear object manipulation techniques really applicable in practical engineering fields.

线缆状物体的自动操作在电缆安装、自动缝合手术、生活辅助等众多领域有广泛的应用前景。其主要技术难点在于线缆在操作中不仅呈现弯曲、扭曲等几何形变还伴随有缠绕、纽结等拓扑形态的变化。而且在实际操作中，这两种形态变化往往相互耦合。由于线状柔性体的变形行为无法准确预知，因此即使在完成一个既定的操作过程中，也会出现事先无法预知的条件、场景。在这种情况下使机器人能够准确地识别当前所处状态，并按照既定的操作方案完成包含拓扑形变的操作对于实现线状柔性体操作技术在实践中的真正应用尤为关键。本项目拟针对提高机器人在此类场景中的适应性问题开展研究。力争通过解决复杂背景下线状柔性体的拓扑形态识别方法、线状柔性体的几何/拓扑形态同时控制、未知条件下复数线状柔性体的耦合状态识别与拆解等问题，使机器人具备在随机场景下实现线状柔性体拓扑形态操作的能力，促进此类技术的真正应用。

线缆状物体的自动操作在电缆安装、自动缝合手术、生活辅助等众多领域中有广泛的应用前景。其主要技术难点在于线缆在操作中不仅呈现弯曲、扭曲等几何形变还伴随有缠绕、打结等拓扑形态的变化。而且在实际操作中，这两种形态变化往往相互耦合。由于线状柔性体的变形行为无法准确预测，因此即使在完成一个既定的操作过程中，也会出现事先无法预知的场景。在这种情况下使机器人能够准确地识别当前所处状态，并按照既定的操作方案完成包含拓扑形变的操作对于实现线状柔性体操作技术在实践中的真正应用尤为关键。本项目针对提高机器人在此类场景中的适应性问题开展研究。目的是使机器人具备在随机场景下实现线状柔性体拓扑形态操作的能力，促进此类技术的真正应用。作为项目的研究成果，首先本项目提出了一种基于深度学习的复杂背景下线状柔性体拓扑状态识别方法。对于复杂未知背景中摆放的数量未知的复数根线缆状物体，这一方法可以从图像中将线缆自动地从背景中提取出来，并计算出电缆之间的互相缠绕、电缆自身的缠绕状态。其次，针对线缆拓扑变换操作过程中，线缆的几何形状与拓扑形态之间相关干涉的问题。本项目从软件算法、操作执行器设计两个角度进行了研究。提出了一种在保持对线缆夹取状态的前提下，对电缆实现扭转、收放线操作的执行器。这一方法有效地解决了狭窄空间内对电缆实现拓扑变化操作时，对线缆形态变化能力的约束问题。另外，基于识别出来的多线缆之间的拓扑状态，本项目中开发了机器人自动解缠算法。它能自动规划出将多根线缆之间的自缠绕、互缠绕解除的动作序列。最后通过一组针对未知背景下未知个数线缆的机器人自动解缠实验证明了本项目提出方法的有效性。