如图1所示，Energid的软件，针对特定的机器人手，任何种类的物体，用数据库储存抓取的算法。通过模拟的方法，可以容易地创建，编辑，模拟测试抓取的序列。这个模拟工具也包括了抓取力和位置的控制。所需的抓取力也可以通过图形界面指定，编辑和测试。将成功的抓取路径和力储存到数据库中。抓取的动作可以离线创作和编辑。当给机器人一个物体，类似的抓取可以根据物体的相似性，从数据 库中进行搜索。相似性度量可以根据物体的形状，表面特性，铰接运动学(有关节的物体)等等。我们已经开发了一种，三维物体识别算法--形状匹配的算法。通过力的控制，机器人可以容纳接触位置误差，实现兼容的抓取。视觉系统用于跟踪物体的方位进行实时定位。整个抓取的系统可以通过模拟进行测试，和编辑。

　　图1:抓取系统简图

　　对于一个给定的物体，如果相应的手爪的抓取动作序列在数据库中存在的话，类似的抓取很容易被搜索到。使用机器视觉系统，抓取的软件工具可以用于在非结构化环境。该软件包括一个用于仿真和实时硬件控制的图形用户界面GUI。该系统也可以和视觉系统整合跟踪物体的位置，方向，和发音。该视觉系统利用Energid的Selection视觉工具包。 该运动控制系统利用Energid的机器人控制工具包Actin。

　　创建数据库

　　机器人抓取的数据库的方法，适用于所有的类型的物体。通过图形界面，用户可以修改抓取的动作和进行准确的动态模拟。数据库建成树状结构。根据物体的形状，关节，软硬程度，和表面特性等物体的特征用来搜索相似的物体及其抓取动作。每一个节点包含一种特定的物体相似性的算法。 每一个节点都可以执行快速的计算，一旦理想的相似的物体被搜索到。可以略去下面的搜索计算。系统的输入是一个物体的描述。输出是抓取的路径和力。该工具包支持力控制的整合， 并且抓取的路径和力可以通过Energid专利的运动控制和高逼真度的动态仿真测试和改进。

　　抓取的创作

　　抓取和操作的创作可以通过图形界面移动附加在机器手上的点和框架， 或改变关节的角度。 然后可以通过移动手指尖接触物体进一步改进抓取动作。在创作过程中，会用到具体的手臂和手，或只有手。 抓取的动作序列的创作过程是视觉化的创作，编辑和记录。 图2所示的是使用抓取创作工具创作用Schunk公司的手臂和手抓取和操作一个杯子的序列。

　　图2: 视觉化的创作用Schunk的手臂和手抓取一个杯子的动作。抓取的动作序列被显示在这个工具的底部。

　　抓取创作工具按键功能分别如下：

　　添加框架按钮：把序列的每一帧作为机器人要经过的点。

　　更新框架按钮：用户可以通过移动机器 人编辑抓取的每一帧。

　　保存序列按钮：用户可以将抓取序列储存 为日后的执行文件。

　　测试序列按钮：执行抓取动作。

　　清除序列按钮：移除所有的抓取的帧，重新开始。

　　编辑序列按钮：启用的抓取顺序编辑功能。

　　抓取和操作工具的一个强大的功能是能够储存抓取动作序列。手臂和手的逆运动学可以用Energid开发的Actin工具包来控制。和机器视觉软件整合，机器视觉系统提供物体的方位给机器人，因此一套抓取动作序列可以用于在一个较大范围内抓取物体。

　　这一创作灵巧的抓取工具，方便易用。用鼠标和其他输入设备移动手和手指接触物体，手的运动路径可以记录下来。 然而，如果只用位置控制，不可能实现所有目的的抓取。因为当手指接触物体的表面时会产生不定的力。对于易碎的物体，手需要轻轻地和物体接触， 因此需要如下面的所述力的控制的整合，

　　力控制

　　通过仿真测试和验证，进行力的控制下的抓取和操作是这一抓取动作设计的一个重要过程。适当的力和接触路径被储存在数据库中。力的控制系统通过图形用户界面(GUI)，很容易配置，测试和编辑。

　　力的控制框架

　　力的控制 框架设计主要有以下要求：

　　必须能够容纳不同的力控制算法，并允许新的用户定义的算法。

　　能够容纳不同类型的力量/力 矩传感器。

　　必须适合模拟的和实际的机器人和传感器。

　　必须很好地与位置控制框架整合。

　　Figure 3: 力的控制框架

　　力的控制框架支持位置为基础的力控制(PBFC)，也被称作内位置环力控制，即位置控制用来执行力控制。PBFC 力控制不要求直接控制执行器的扭矩， 因此被广泛应用于工业机器人。PBFC 力控制。 如图3所示， 外环的力通过调节器(Modifier)为内环力控制提供参考位置。调节器用理想的力(Fd)和力反馈 (F) 修改理想的轨迹 (xd)， 然后传递指令位置(xc)给运动学的控制器。算出关节位置(qc)， 传递给机器人的控制器。

　　力控制插件

　　力控制插件是个工具，它与抓取创作图形界面结合，允许用户用使用所提供的力控制框架而无需写C++程序。此插件允许用户定义和管理力传感器类型，力量控制的具体参数，在主动力控制框架中的每个传感器的力。通过改变控制参数和传感器的位置和类型，该控 制系统可以容易地配置和编辑。

　　该插件包括若 干对话框。通过对话框，用户可以在任何一节臂附加传感器,

　　选择传感器类型，当前的软件包括皮肤触觉传感器，六维力/力矩传感器和关节力矩传感器和关节力矩传感器模型。

　　设定理想传感器的值(以帧为基础)，

　　选择力的控制方法，打开/关闭控制系统

　　变更控制系统参数，例如，对于一个PID控制器，位置，积分，微分增益可以调整.

　　所有的配置都可以视觉化的界面上进行，例如，在图4所示对话框可帮助管理和确定每个机械手的力传感器的集合。此对话框从菜单栏通过=>力控制=>管理力传感器进入。用户首先使用第一个下拉框选择要为其定义机器人力来为其定义传感器。然后，通过第二个下拉框连接选择一节臂。新加入的传感器将显示在右侧的表格。用户可以通过调节传感器性能表中的值编辑配置传感器特性。按一下删除键，所选择的传感器可以被删除。

　　图4: 管理力传感器的对话框

　　模拟例

　　抓取路径和把握力控制框架的有效性的验证是通过模拟德国Schunk公司的LWA机械臂和SDH的手抓取各种物体。每个手指配备了触摸感应器，这里用了手指末端的传感器。这三个手指上的远端触摸传感器用于为力的控制提供反馈数据。每一个力的控制器，PI力控制比例 增益为0.02和积分增益0.005。

　　抓取和移动垒球

　　图5和图6描述了Schunk手抓取一个高尔夫球和垒球的动作序列。最初手直接放在球的上方，手指关节设置有一定的相同的角度。给机器人力控制器0.5 N的命令，这个作用力引导三根手指关闭。当手指触及球，触摸传感器测力变得大于零，随即相关力控制器处于关闭状态。当所有三个手指触摸球，其中一个手指力控制器打开，设定理想的力为2N。图5和图6中左边的手指用于加力。其他两个手指控制使用位置控制。然后该机器人等待了3秒，让手指上 的力达到预期的水平，以确保成功的抓取。最后，将球拿起来。

　　两种球的抓取，用了一样的抓取序列和控制参数。这样的结果说明用力的控制的有效性。 如果只是用位置控制，每一种情况将需要不同的抓取序列适应不同的球的尺寸。

　　图 5: Schunk 的手抓取高尔夫球的仿真

　　图 6: Schunk的手抓取垒球的仿真

　　用修改抓取球序列抓取一个杯子

　　图7的仿真演示了用力控制抓取更复杂的物体，一个杯子的效果。抓取的力和位置的控制参数是和抓取球一样的。只有开始手相对于杯子的位置，手的关节角度和抓取球时有所不同。而命令抓取的动作序列是一样的。

　　图 7: Schunk 手臂和手抓取杯子的动力学仿真

　　仿真的结果表明，用力的控制，机器人能够抓住一个物体，即使抓取路径和接触位置不完全一样。例如，一个高尔夫球的抓取可以用来抓取垒球。利用力的控制，即使在物体的形状的不确定，仍然可以成功地编写抓取的脚本。利用力的控制，抓取的路径和姿势很容易编辑， 从一个相似物体的抓取修改成对一个新的物体的抓取。减少创作抓取脚本的努力。例如，例如一个球的抓取很容易被修用于抓取和拿起一个杯子。

　　数据库

　　抓取和操作的数据库创建成树状结构。树的节点用黄色的长方块表示，树的节点包含物体的特征信息，用来比较物体的相似性。 树叶用浅蓝色的长方块表示， 其中、存有该物体的抓取动作序列。当机器被命令抓取一个物体时，机器人根据物体的形状，通过搜索树的节点，找到合适的的树叶，用其中的抓取动作序列来控制机器人。例如：如果给一个球，可能垒球的抓取被搜索到，用来抓取这个球。

　　图 8: 抓取和操作的数据库创建成树状结构。树的节点用黄色的长方块表示，树的节点包含物体的特征信息，用来比较物体的相似性。 树叶用浅蓝色的长方块表示， 其中、存有该物体的抓取动作路径和力。

　　数据库可以方便地 编辑和扩展，

　　•可以很容易地创建一个分支，单点击红色的点，可以在此添加一个新的分支。•可以编辑分支，用户可以复制，粘贴和删除分支。例如，在图中显示，垒球的分支可以 复制粘贴到另一个分支。•节点也可以被编辑，节点可以是一个真实的节点用来比较物体的相似性，也是一个节点只是占有一个位置。图9显示了一个真实的垒球的节点。垒球的形状特征直方图表示。直方图是用来比较垒球与其他物体的相似性。•叶节点可以被编辑，当点击一个叶子 节点，将弹出抓创作工具。将数据库与抓取创建工具连接。修改后的抓取可以保存到数据库中。

　　数据库接口的一个关键部分是形状匹配算法。形状匹配算法：(1)该算法能够区别物体的不同的形状和大小。(2)物体应与本身匹配但区别于其它不同的任选的物体。(3)物体与类似的形状的物体相匹配。

　　形状匹配算法

　　该算法结合物体形状特征直方图来计算两个刚性物体之间的一个简单的相异值。物体的特征被定义为两个选定点之间的距离和两个点的方向向量之间的角度，如图9所示。该物体特征的直方图设置是利用角度和距离作为两个独 立的变量。两个物体形状之间的差异可以计算来那个直方图的差异来计算。即计算两个直方图的每个格子的计数差的总和。

　　图9: 直方图用来评估基于形状的相异。每个方格的计数用颜色显示。物体形状的差异通过比较两个直方图的方格子里的计数来计算。

　　结果

　　图10 显示一组物体用物体形状匹配方法计算相似程度的结果。我们用了三个球形状，三个胶囊形， 三个方盒子形状的物体，另外还有笔，网球和高尔夫球。胶囊形状1和2是同一物体， 但用的是任意的特征集合进行物体匹配比较。方盒1和方盒2也是同样的物体。

　　图 10: 形状匹配算法的评价，在两个轴线上的物体以相同的顺序排列，每个物体和本身比较，也和所有其他的物体比较。蓝颜色表示相异值较低或接近的匹配。一个完美的匹配结果图表是对角线是蓝色其它方格里颜色离蓝色较远。

　　这些结果与预期相符：

　　每一个物体和本身相匹配但有别于其它物体。

　　在一类物体中， 比如球状物体，物体有同样的形状，但不同的大小。这些物体相互匹配但有一定的不同。

　　网球和球1，笔和胶囊状物体0有较好的匹配。

　　视觉跟踪系统的整合

　　视觉系统提供场景中物体的位置，姿势和几何形状。此信息用于抓取物体匹配计算。机器视觉算法包括离线训练，在线识别和姿势检测过程。训练过程是在各种照明条件下，收集物体各种姿势的图像。这些图像可以是来自实物照片或它们的CAD模型。

　　该视觉跟踪系统包含一个空间处理模块和时间处理模块。这些说明，在图11所示。空间处理包括模块化的三个阶段，1)分割，2)初步位置，姿势和几何形状估计，3)改进位置，姿势，几何形状估计。时空处理如图11所示，结合多个时间点的结果，对物体的位置，姿势和几何的评估。而且能够随时间提供新的物体的位置，姿势和几何形状的能力，使改进跟踪有新的可能性。

　　图 11: 物体跟踪识别系统由空间组件和时间组件构成.

　　硬件控制例

　　图12显示用Schunk公司的机器人硬件整合 视觉跟踪抓取一个球。当跟踪垒球时，只需跟踪物体的位置，但物体的姿势可以忽略。图12显示了从一个示范抓取球的动作序列，用户可以随意掷到现场一个球，机器人视觉系统发现球并使用我们的工具将球抓起来。图13显示了配置的软件可控制各种任务。

　　图 12: 视觉跟踪抓取球的显示。 用户往机器人前扔一个球，机器人会自动识别和抓取。

　　图 13: 抓取和操作其它物体的演示， 包括1)钳子，2)手电筒，3)木头块，4)瓶子，5)笔，6)螺丝刀，7)电话，8)订书机，9)倒水， 10)将电池装到手电筒里，11)打开瓶盖， 12) 手机。