CN101402199A - 基于视觉的手眼式低伺服精度机器人移动目标抓取方法 - Google Patents

Abstract

本发明公开了一种基于视觉的手眼式低伺服精度机器人移动目标抓取方法，按照如下步骤进行：步骤10捕捉目标物体的图像特征参数，并估计目标物体与摄像机之间的相对位姿；步骤20预测目标物体在下一个时钟周期后的位姿；步骤30对移动目标物体的抓取生成轨迹规划，机器人控制器控制机械臂接近目标物体实现抓取。本发明能够对移动目标的抓取的轨迹生成规划，提高抓取精度最终实现移动目标的抓取，解决了一直以来无法突破的低精度机械臂基于视觉伺服的技术难点。

Description

基于视觉的手眼式低伺服精度机器人移动目标抓取方法

技术领域

本发明涉及机器人视觉控制领域，特别涉及一种基于视觉的手眼式低伺服精度机器人移动目标抓取方法。

背景技术

随着科学技术的发展以及机器人应用领域的扩大，人们对机器人技术提出了更高的要求，希望机器人具有更高的智能和更强的环境适应能力，机器人视觉伺服研究正是为了满足这一要求而展开的。机器人视觉伺服最早出现于20世纪80年代，在90年代中后期发展迅速。这是因为机器人应用领域的扩展以及计算机硬件技术的突飞猛进，极大地提高了图像处理的速度，大幅降低了专用图像处理设备的费用。视觉伺服控制与基于传统传感器的机器人控制相比，具有比较明显的优点：更高的灵活性，更高的精度，能够对机器人标定误差具有强的鲁棒性等。

如图1所示，现有技术中的机器人视觉伺服控制方法，按照如下步骤进行：

步骤1机械臂上的摄像机捕捉目标物体的图像特征参数；

步骤2根据的得到的图像特征提取图像信息，并从图像信息估计目标物体与摄像机之间的相对位姿；

步骤3笛卡儿空间控制，求出机械臂对应的关节转角；

步骤4机器人控制器根据控制算法输出机械臂的关节转角；

步骤5机械臂接收信号接近目标物体，实现抓取。

所以现有技术中的机器人视觉伺服控制方法，从被测定的图像中提取信息，并从图像信息估计目标物体与摄像机之间的相对位姿，然后利用它与期望位姿的误差对机器人进行反馈控制的方法，主要适用位置精度比较高的机器人，而对于机器臂位置控制精度比较差的系统，存在抓取精度很差，抓取过程中出现超调，甚至导致抓取失败。目前低位置伺服精度机械臂基于视觉伺服的方法是一直以来人们渴望攻克的技术难点。

发明内容

本发明的目的是针对上述现有技术的缺陷，提供了一种基于视觉的手眼式低伺服精度机器人移动目标抓取方法，能够对移动目标的抓取的轨迹生成规划提高抓取精度最终实现抓取。

为了实现上述目的本发明采取的技术方案是：一种基于视觉的手眼式低伺服精度机器人移动目标抓取方法，按照如下步骤进行：

步骤10机械臂上的摄像机捕捉目标物体的图像特征参数，根据的得到的图像特征提取图像信息，并从图像信息估计目标物体与摄像机之间的相对位姿；

步骤20应用卡尔曼滤波器，预测目标物体在下一个时钟周期在机械臂基座标系下的位姿；

步骤30对移动目标物体的抓取生成轨迹规划，根据预测的下一时刻的目标物体位姿及机械臂末端当前位姿，按照运动误差计算补偿公式 ${\hat{P}}_{m_{i+1}}=P_{m_i}+{\mathrm{\ΔR}}_{i+1}+\mathrm{k\Δ}{D}_{\text{i}}$ 得到机械臂位姿的实际输入值，生成轨迹规划，机器人控制器控制机械臂接近目标物体实现抓取。

所述步骤30中的轨迹规划包括跟踪调节阶段和抓取调节阶段的轨迹规划；跟踪调节阶段轨迹规划是使得机械臂末端由初始位置运动到目标物体前方的l处；抓取调节阶段的轨迹规划是保证机械臂的手爪始终正对目标物体的把手并接近目标物体，当目标物体与机械臂末端的相对位姿小到一定程度时，对目标物体进行抓取。

本发明的有益效果是：相比现有技术，本发明一种基于视觉的手眼式低伺服精度机器人移动目标抓取方法，能够对移动目标的抓取的轨迹生成规划提高抓取精度最终实现移动目标的抓取，解决了一直以来无法突破的低精度机械臂基于视觉伺服的技术难点。

附图说明

图1是现有技术中的机器人视觉伺服控制方法的实现框图；

图2是本发明所述基于视觉的手眼式低伺服精度机器人移动目标抓取方法的实现框图；

图3是本发明所述的基于视觉的手眼式低伺服精度机器人运动误差计算与补偿原理图；

图4是利用本发明的机器人的手爪与目标物体的把手在抓取时的位置关系图；

图5是利用本发明的机器人在抓取移动目标过程的示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，但不作为对本发明的限定。

如图2所示，一种基于视觉的手眼式低伺服精度机器人移动目标抓取方法，按照如下步骤进行：

步骤10通过手眼视觉系统摄像机捕捉得到目标物体相对于机械臂末端的位姿T_r即图像特征参数，通过机械臂的位置检测元件得到机械臂的当前的关节角θ。由机械臂的当前关节角度θ，可以计算机械臂当前的位姿T_m，则目标物体相对于机械臂基座坐标系的位姿T_t＝T_mT_r。将目标物体的姿态转变为欧拉角的形式，则目标物体相对于机械臂基座坐标系的位姿为P_t＝(x_t，y_t，z_t，α_t，β_t，γ_t)(参见图3)。

步骤20笛卡儿空间位姿估计，应用卡尔曼滤波器，预测目标物体在下一个时钟周期在机械臂基座标系下的位姿。

步骤30对移动目标物体的抓取生成轨迹规划，根据预测的目标物体位姿及相对位姿，按照运动误差计算补偿公式 ${\hat{P}}_{m_{i+1}}=P_{m_i}+{\mathrm{\ΔR}}_{i+1}+\mathrm{k\Δ}{D}_{\text{i}}$ 得到机械臂的实际位姿输入值，生成轨迹规划，利用轨迹规划对机器人进行控制，机器人控制器控制机械臂接近目标物体实现抓取。

如图3所示，机械臂的实际到达的位姿T_m ⁱ，将T_m ⁱ的姿态转化为欧拉角的形式，可得到机械臂的实际位姿为 $P_{m_i}(x_{m_i},y_{m_i},z_{m_i},{\mathrm{\α}}_{m_i},{\mathrm{\β}}_{m_i},{\mathrm{\γ}}_{m_i}).$ 机械臂的期望位姿为

将

的姿态转化为欧拉角的形式，则机械臂期望位姿 ${\tilde{P}}_{m_i}({\tilde{x}}_{m_i},{\tilde{y}}_{m_i},{\tilde{z}}_{m_i},{\widetilde{\mathrm{\α}}}_{m_i},{\widetilde{\mathrm{\β}}}_{m_i},{\widetilde{\mathrm{\γ}}}_{m_i}),$ 且 ${\tilde{P}}_{m_i}=P_{m_i}+\mathrm{\Δ}{R}_i.$ 其中ΔR_i为第i次轨迹规划值相对于当前时刻机械臂末端的位姿P_m ⁱ的增量。机械臂的轨迹规划的输出位姿

机械臂第i个时间周期的实际位姿与轨迹规划输出位姿的误差 $\mathrm{\Δ}{D}_i={\hat{P}}_{m_i}-P_{m_i}.$ 为了补偿误差，为i+1次规划的输出修正为 ${\hat{P}}_{m_{i+1}}=P_{m_i}+\mathrm{\Δ}{R}_{i+1}+\mathrm{\Δ}{D}_i.$ 为了更好的控制机械臂，可以用系数k乘以ΔD_i，则 ${\hat{P}}_{m_{i+1}}=P_{m_i}+\mathrm{\Δ}{R}_{i+1}+\mathrm{k\Δ}{D}_i.$ k的值可由实验确定，一般取k＝1.0。

其中：

第i时间周期，机械臂末端的期望位姿，

T_m ⁱ：第i时间周期，机械臂末端的实际到达的位姿，

第i时间周期，机械臂末端的实际位姿，

第i时间周期，机械臂的期望位姿，

第i时间周期，轨迹规划机械臂末端输出位姿，

ΔD_i：第i时间周期，机械臂末端的期望位置与实际位置与的误差，

ΔR_i：第i次轨迹规划的期望值相对于当前时刻机械臂末端的位姿

的增量。

如图4-5所示，所述步骤30中的轨迹规划包括跟踪调节阶段9和抓取调节阶段8的轨迹规划；跟踪调节阶段9轨迹规划是使得机械臂末端由初始位置运动到目标物体前方的l处；抓取调节阶段8的轨迹规划是保证机械臂手爪6始终正对目标物体7的把手并接近目标物体，当目标物体与机械臂末端的相对位姿小到一定程度时，对目标物体7进行抓取。

跟踪调节阶段9：

如图4-5所示，根据视觉信息，机械臂在初始时刻，预测目标物体7下一个时间周期后的位置，并确定目标物体7位置前方l处的位姿

用直线连接当前机械臂末端位置和

选择该直线上一点记为 ${\tilde{P}}_{m_1}=P_{m_0}+\mathrm{\Δ}{R}_1,$ ${\hat{P}}_{m_1}={\tilde{P}}_{m_1}.$ 保证机械臂下个时刻

不超速。机械臂走完后，预测下一个时间周期的位姿，并确定目标物体7在该位姿下前方l的位姿

用直线连接此时机械臂末端位姿

和

在该直线上选择一点 ${\tilde{P}}_{m_2}=P_{m_1}+\mathrm{\Δ}{R}_2,$ 取 ${\hat{P}}_{m_2}={\tilde{P}}_{m_2}+\mathrm{k\Δ}{D}_1,$ k为调节系数，一般取1.0，具体值可通过试验确定。用直线连接P₁和

开环规划该直线间路径。依次类推下面的点。当机械臂与在目标物体7前方l处附近一定范围内时，机械臂进入抓取调节阶段。

其中：i时刻预测的i+1个时钟周期目标物体7前方l的位姿。

抓取调节阶段8：

抓取调节阶段8的轨迹规划方法与跟踪调节阶段9规划算法类似，只是抓取调节阶段首先保证机械臂与目标物体7姿态一致，然后消除y方向误差，接着消除x方向误差，最后消除z方向误差。保证机械臂在抓取过程中与目标物体7不发生碰撞。

本发明一种基于视觉的手眼式低伺服精度机器人移动目标抓取方法，能够对移动目标的抓取的轨迹生成规划提高抓取精度最终实现移动目标的抓取，解决了一直以来无法突破的低精度机械臂基于视觉伺服的技术难点。

以上所述的实施例，只是本发明较优选的具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。

Claims (2)

1.一种基于视觉的手眼式低伺服精度机器人移动目标抓取方法，其特征在于，按照如下步骤进行：

步骤10机械臂上的摄像机捕捉目标物体的图像特征参数，根据的得到的图像特征提取图像信息，并从图像信息估计目标物体与摄像机之间的相对位姿；

步骤20应用卡尔曼滤波器，预测目标物体在下一个时钟周期在机械臂基座标系下的位姿；

步骤30对移动目标物体的抓取生成轨迹规划，根据预测的下一时刻的目标物体位姿及机械臂末端当前位姿，按照运动误差计算补偿公式 ${\hat{P}}_{m_{i+1}}=P_{m_i}+\mathrm{\Δ}{R}_{i+1}+\mathrm{k\Δ}{D}_i$ 得到机械臂位姿的实际输入值，生成轨迹规划，机器人控制器控制机械臂接近目标物体实现抓取。

2.根据权利要求1所述的一种基于视觉的手眼式低伺服精度机器人移动目标抓取方法，其特征在于：所述步骤30中的轨迹规划包括跟踪调节阶段和抓取调节阶段的轨迹规划；跟踪调节阶段轨迹规划是使得机械臂末端由初始位置运动到目标物体前方的l处；抓取调节阶段的轨迹规划是保证机械臂的手爪始终正对目标物体的把手并接近目标物体，当目标物体与机械臂末端的相对位姿小到一定程度时，对目标物体进行抓取。

Images