CN105983965A - 一种用于特定空间下机械手臂抓取的互感识别方法 - Google Patents
一种用于特定空间下机械手臂抓取的互感识别方法 Download PDFInfo
- Publication number
- CN105983965A CN105983965A CN201510064998.6A CN201510064998A CN105983965A CN 105983965 A CN105983965 A CN 105983965A CN 201510064998 A CN201510064998 A CN 201510064998A CN 105983965 A CN105983965 A CN 105983965A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- information
- testee
- capture
- particular space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Manipulator (AREA)
Abstract
一种用于特定空间下机械手臂抓取的互感识别方法。其主要包括内容:建立与被抓取物体的通信机制,预先获取被抓取物体的参数;识别被抓取物体信息,制定抓取方案;建立抓取物体案例数据库,用于被测物体参数的存储、管理和调阅;结合案例库,支撑和优化机械手臂抓取方案。本发明将利用无线传感技术,实现抓取方与被抓取方的互感,提高机械手臂识别过程。在被抓取物体上安装无线通信装置,并将被抓取物体的质量、体积、刚度以及阻尼等信息上传至机械手臂接收终端,通过机械手臂控制终端实现对以上信息的解析过程,快速制定抓取方案。
Description
技术领域
本发明属于机械测量和无线通信技术领域,特别是涉及一种用于机械手臂抓取的互感识别的实现方法。
背景技术
随着机器人研究的深入和各方面需求的巨大增长,机器人的应用领域在不断地扩大,概念也在不断地拓展,不再局限于搬运、焊接以及大批量作业的工业机器人,人类已经研制成功或正在研制用于危险环境作业、海洋资源探测、核能利用、军事侦察以及空间探测中的特种机器人。
在机器人获得巨大发展的同时,机器人关键部件之一的机械手臂也获得了长足的进步。作为机器人与环境相互作用的最后环节和执行部件,机械手臂既是一个主动感知工作环境信息的感知器,又是最后的执行器,是一个高度集成的、具有多种感知功能和智能化的机电系统,涉及机构学、仿生学、自动控制、传感器技术、计算机技术、人工智能、通讯技术、微电子学、材料学等多个研究领域和交叉学科。
在机械手臂用以抓取物体的应用中,随着被抓取物体的多样性,机械手臂设计的复杂度日益增加,同时,机械手臂本体的制造和维修成本也随之增加。如何在既定生产过程中的相对抓取较多样的物体同时对机械手臂降低技术难度,成为目前机械手臂的研究热点。
发明内容
为了解决上述问题,本发明的目的在于提供一种用于特定空间下机械手臂抓取的互感识别方法。
为了达到上述目的,本发明提供的用于特定空间下机械手臂抓取的互感识别方法包括按顺序执行的下列步骤:
步骤1.建立被测物体的参数表单,实现对被测物体的特征信息标记;
步骤2.实现机械手臂与被测物体的无线通信连接,由被测物体自身提供抓取所需的感知信息;
步骤3.建立被测物体识别框架模型;
步骤4.建立抓取物体案例知识库,用于被测物体参数的存储、管理和调阅;
步骤5.关联抓取物体案例知识库,提取被测物体共性信息,为新一轮抓取任务提供优先参考。
在步骤1中,所建立的被测物体参数表单信息包含被测物体的名称、质量、体积、刚度、阻尼,建立唯一标示ID,借助ID将被测物体与其参数表单关联起来。
在步骤2中,根据机械手臂抓取任务,在2.4GHz的无线射频频段上,机械手臂在指定的特定空间下发出抓取指令,被抓取物体接收指令之后,将自身的参数信息与ID进行绑定并发送至机械手臂。
在步骤3中,由机械手臂控制终端对被抓取物体回馈的信息进行解析,并构建被抓取物体识别框架模型,该框架模型包含抓取力度、空间方位数据。
在步骤4中,借助步骤3中得到的被抓取物体识别框架模型获取被抓取物体的参数表单信息和机械手臂所采取的抓取实施方案信息,并创建抓取物体案例知识库。该知识库可以实现抓取信息二次加工的功能。
在步骤5中,关联抓取物体案例知识库,将之前被抓取物体的参数信息进行硬度等级、质量等级、形状等级、阻尼等级进行分类,当启动新一轮抓取任务时,接收到被抓取物体参数时,即可进入此知识库进行抓取方案优先参考。
本发明提供的用于特定空间下机械手臂抓取的互感识别方法的效果:
本方法通过建立在被抓取物体上植入记录自身信息的无线射频标签和在机械手臂上植入与之通信的无线射频感应标签基础之上,可以降低机械手臂本体识别被抓取物体的难度和时间成本,既方便机械手臂实现抓取工作,又可以实现被抓取物体的电子化管理。
附图说明
图1为本发明提供的用于特定空间下机械手臂抓取的互感识别方法流程图。
图2为建立机械手臂和被抓取物体的无线通信。
具体实施方式
下面结合附图对本发明提供的用于特定空间下机械手臂抓取的互感识别方法进行详细说明。
如图1所示,本发明具体实施如下:
1.建立被测物体的参数表单
依据机械手臂抓取物体所需数据,制定被测物体的参数表单,具体内容包含被抓取物体的质量、体积、刚度、阻尼,并将表单存储到无线射频标签,将机械手臂抓取物体时的判断数据,直接由被抓取物体直接提供。
2.建立机械手臂和被抓取物体的无线通信
如图2所示,由机械手臂发起抓取任务,在特定空间下,向周围广播2.4GHz频段的无线信号,唤醒绑定在被抓取物体的无线射频标签,接收来自无线射频标签回传信息。
3.建立被抓取物体识别框架模型
分析被抓取物体所提供自身参数,采用DS证据理论构建识别框架模型,并将模型作为开展抓取工作的输入依据。
4.建立抓取物体案例知识库
将已建立的框架模型导入到被抓取物体信息数据库,方便被抓取物体信息的存储、管理和调阅;更新抓取任务数据储备,以枚举抓取案例的方式构建抓取物体案例知识库
5.关联抓取物体案例知识库
进行被抓取物体信息的质量、体积、刚度、阻尼四个维度分析和筛选,若发现之前具有类似的被抓取物体,直接启动相关的抓取物体案例;若未在抓取物体案例知识库中出现过的被抓取物体,将跳转到建立被抓取物体识别框架模型环节。
Claims (6)
1.一种用于特定空间下机械手臂抓取的互感识别方法,其特征在于:所述的实现方法包括按顺序执行的下列步骤:
步骤1.建立被测物体的参数表单,实现对被测物体的特征信息标记;
步骤2.实现机械手臂与被测物体的无线通信连接,由被测物体自身提供抓取所需的感知信息;
步骤3.建立被测物体识别框架模型;
步骤4.建立抓取物体案例知识库,用于被测物体参数的存储、管理和调阅;
步骤5.关联抓取物体案例知识库,提取被测物体共性信息,为新一轮抓取任务提供优先参考。
2.根据权利要求1所述的用于特定空间下机械手臂抓取的互感识别方法,其特征在于:在步骤1中,所建立的被测物体参数表单信息包含被测物体的名称、质量、体积、刚度、阻尼,建立唯一标示ID,借助ID将被测物体与其参数表单关联起来。
3.根据权利要求1所述的用于特定空间下机械手臂抓取的互感识别方法,其特征在于:在步骤2中,根据机械手臂抓取任务,在2.4GHz的无线射频频段上,机械手臂在指定的特定空间下发出抓取指令,被抓取物体接收指令之后,将自身的参数信息与ID进行绑定并发送至机械手臂。
4.根据权利要求1所述的用于特定空间下机械手臂抓取的互感识别方法,其特征在于:在步骤3中,由机械手臂控制终端对被抓取物体回馈的信息进行解析,并构建被抓取物体识别框架模型,该框架模型包含抓取力度、空间方位数据。
5.根据权利要求1所述的用于特定空间下机械手臂抓取的互感识别方法,其特征在于:在步骤4中,借助步骤3中得到的被抓取物体识别框架模型获取被抓取物体的参数表单信息和机械手臂所采取的抓取实施方案信息,并创建抓取物体案例知识库。该知识库可以实现抓取信息二次加工的功能。
6.根据权利要求1所述的用于特定空间下机械手臂抓取的互感识别方法,其特征在于:在步骤5中,关联抓取物体案例知识库,将之前被抓取物体的参数信息进行硬度等级、质量等级、形状等级、阻尼等级进行分类与分析,当启动新一轮抓取任务时,接收到被抓取物体参数时,即可进入此知识库进行抓取方案优先参考。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510064998.6A CN105983965A (zh) | 2015-02-09 | 2015-02-09 | 一种用于特定空间下机械手臂抓取的互感识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510064998.6A CN105983965A (zh) | 2015-02-09 | 2015-02-09 | 一种用于特定空间下机械手臂抓取的互感识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105983965A true CN105983965A (zh) | 2016-10-05 |
Family
ID=57036232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510064998.6A Pending CN105983965A (zh) | 2015-02-09 | 2015-02-09 | 一种用于特定空间下机械手臂抓取的互感识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105983965A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106826814A (zh) * | 2016-12-16 | 2017-06-13 | 深圳市优必选科技有限公司 | 一种机器人的运动控制方法和运动控制系统 |
CN107272697A (zh) * | 2017-07-21 | 2017-10-20 | 深圳市萨斯智能科技有限公司 | 一种机器人的管理方法和机器人 |
CN107378948A (zh) * | 2017-07-21 | 2017-11-24 | 深圳市萨斯智能科技有限公司 | 一种机器人对待抓取的目标物品的处理方法和机器人 |
CN107378947A (zh) * | 2017-07-21 | 2017-11-24 | 深圳市萨斯智能科技有限公司 | 一种机器人的控制方法和机器人 |
CN109508740A (zh) * | 2018-11-09 | 2019-03-22 | 郑州轻工业学院 | 基于高斯混合噪声生成式对抗网络的物体硬度识别方法 |
CN112218748A (zh) * | 2018-06-14 | 2021-01-12 | 雅马哈发动机株式会社 | 机器人系统 |
CN115870966A (zh) * | 2021-09-28 | 2023-03-31 | 中国科学院沈阳自动化研究所 | 一种基于d-s证据合成理论的速度协调方法 |
-
2015
- 2015-02-09 CN CN201510064998.6A patent/CN105983965A/zh active Pending
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106826814A (zh) * | 2016-12-16 | 2017-06-13 | 深圳市优必选科技有限公司 | 一种机器人的运动控制方法和运动控制系统 |
CN106826814B (zh) * | 2016-12-16 | 2019-12-10 | 深圳市优必选科技有限公司 | 一种机器人的运动控制方法和运动控制系统 |
CN107272697A (zh) * | 2017-07-21 | 2017-10-20 | 深圳市萨斯智能科技有限公司 | 一种机器人的管理方法和机器人 |
CN107378948A (zh) * | 2017-07-21 | 2017-11-24 | 深圳市萨斯智能科技有限公司 | 一种机器人对待抓取的目标物品的处理方法和机器人 |
CN107378947A (zh) * | 2017-07-21 | 2017-11-24 | 深圳市萨斯智能科技有限公司 | 一种机器人的控制方法和机器人 |
CN112218748A (zh) * | 2018-06-14 | 2021-01-12 | 雅马哈发动机株式会社 | 机器人系统 |
CN112218748B (zh) * | 2018-06-14 | 2023-09-05 | 雅马哈发动机株式会社 | 机器人系统 |
US11926057B2 (en) | 2018-06-14 | 2024-03-12 | Yamaha Hatsudoki Kabushiki Kaisha | Robot system |
CN109508740A (zh) * | 2018-11-09 | 2019-03-22 | 郑州轻工业学院 | 基于高斯混合噪声生成式对抗网络的物体硬度识别方法 |
CN109508740B (zh) * | 2018-11-09 | 2019-08-13 | 郑州轻工业学院 | 基于高斯混合噪声生成式对抗网络的物体硬度识别方法 |
CN115870966A (zh) * | 2021-09-28 | 2023-03-31 | 中国科学院沈阳自动化研究所 | 一种基于d-s证据合成理论的速度协调方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105983965A (zh) | 一种用于特定空间下机械手臂抓取的互感识别方法 | |
CN107153871B (zh) | 基于卷积神经网络和手机传感器数据的跌倒检测方法 | |
DeGol et al. | Automatic grasp selection using a camera in a hand prosthesis | |
EP3529675B1 (de) | Innenraum-personenortung-basierte fertigungssteuerung in der metallverarbeitenden industrie | |
CN110135341B (zh) | 杂草识别方法、装置及终端设备 | |
CN108093030B (zh) | 一种基于云服务器的人工智能模型部署方法 | |
CN107077659A (zh) | 一种智能库存管理系统、服务器、方法、终端和程序产品 | |
Kasaei et al. | Towards lifelong assistive robotics: A tight coupling between object perception and manipulation | |
CN109983433A (zh) | 评价机器人抓取 | |
CN107369635B (zh) | 一种基于深度学习的智能半导体装备系统 | |
JP2019150911A (ja) | ロボット作業システム、及びロボット作業システムの制御方法 | |
CN109584298A (zh) | 面向机器人自主物体拾取任务的在线自学习方法 | |
CN109815846A (zh) | 图像处理方法、装置、存储介质和电子装置 | |
CN102999951A (zh) | 基于无线网络接收信号强度的人员智能考勤方法 | |
CN109726662A (zh) | 基于卷积和循环组合神经网络的多类别人体姿态识别方法 | |
CN109685148A (zh) | 多类别人体动作识别方法及识别系统 | |
CN108058172A (zh) | 一种基于自回归模型的机械手抓取方法 | |
CN105446203B (zh) | 一种机器人电源控制方法及系统 | |
CN109711324A (zh) | 基于傅里叶变换和卷积神经网络的人体姿态识别方法 | |
CN109313635A (zh) | 人工智能的行为控制数据库的建立方法及其设备、系统 | |
Amroun et al. | Dnn-based approach for recognition of human activity raw data in non-controlled environment | |
CN107862302A (zh) | 一种基于半监督学习的人体运动检测系统及方法 | |
CN106570409A (zh) | 数据处理方法及服务器 | |
CN108346324A (zh) | 一种提高学习效率的智能伴读系统 | |
CN109145124A (zh) | 信息的存储方法、装置、存储介质及电子装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161005 |
|
WD01 | Invention patent application deemed withdrawn after publication |