CN110370268B - 箱内拣选的方法、装置和系统 - Google Patents
箱内拣选的方法、装置和系统 Download PDFInfo
- Publication number
- CN110370268B CN110370268B CN201811056424.4A CN201811056424A CN110370268B CN 110370268 B CN110370268 B CN 110370268B CN 201811056424 A CN201811056424 A CN 201811056424A CN 110370268 B CN110370268 B CN 110370268B
- Authority
- CN
- China
- Prior art keywords
- robot
- pose
- turnover box
- target object
- end effector
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000007306 turnover Effects 0.000 claims abstract description 162
- 239000012636 effector Substances 0.000 claims abstract description 72
- 238000012163 sequencing technique Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000036544 posture Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种箱内拣选的方法、装置和系统，涉及计算机技术领域。该方法的一具体实施方式包括：获取机器人、端拾器和周转箱的模型描述文件；以及获取目标物品在周转箱内的位姿；基于模型描述文件和目标物品在周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿；根据机器人的位姿抓取周转箱内的目标物品。该实施方式能够避免机器人或端拾器与周转箱的内壁发生碰撞。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种箱内拣选的方法、装置和系统。
背景技术
在传统的箱内拣选系统中，一般通过立体视觉系统对周转箱内的物品进行识别，引导机器人(例如六轴机器人)调整端拾器的位姿，以使端拾器对目标物品进行抓取并放到指定位置。
为了减少抓取过程中端拾器与周转箱的内壁发生碰撞，通常需要对立体视觉系统和机器人进行大量示教，以避开碰撞点或预先预测端拾器在抓取目标物品时是否会与周转箱的内壁发生碰撞。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
周转箱内的物品在运输途中容易发生倾斜，当立体视觉系统识别到倾斜物品时，端拾器抓取目标物品，易与周转箱的内壁发生碰撞；
由于六轴机器人拣选时的姿态是随机的，若端拾器进入周转箱内过多，机器人的本体也可能与周转箱的内壁发生碰撞。
发明内容
有鉴于此，为解决现有技术中的在箱内拣选时，机器人或端拾器易与周转箱的内壁发生碰撞的问题，本发明实施例提供一种箱内拣选的方法、装置和系统，能够避免机器人和端拾器与周转箱的内壁发生碰撞。
为实现上述目的，根据本发明实施例的一个方面，提供了一种箱内拣选的方法。
本发明实施例的一种箱内拣选的方法包括：获取机器人、端拾器和周转箱的模型描述文件；以及获取目标物品在所述周转箱内的位姿；基于所述模型描述文件和所述目标物品在所述周转箱内的位姿，计算所述机器人的运动学反解，确定所述机器人的位姿；根据所述机器人的位姿抓取所述周转箱内的目标物品。
可选地，根据所述机器人的位姿抓取所述周转箱内的目标物品包括：计算所述机器人和所述端拾器与所述周转箱之间的最小距离；当所述最小距离小于安全阀值时，调整所述机器人的位姿；当所述最小距离大于或等于安全阀值时，抓取所述目标物品。
可选地，基于所述模型描述文件和所述目标物品在所述周转箱内的位姿，计算所述机器人的运动学反解，确定所述机器人的位姿包括：对所有所述目标物品在所述周转箱内的位姿进行排序，得到位姿排序；其中，采用世界坐标表示所述目标物品在所述周转箱内的位姿；基于所述模型描述文件、所述目标物品在所述周转箱内的位姿和所述位姿排序，计算所述机器人的运动学反解，确定所述机器人在抓取每个所述目标物品时的位姿；其中，所述机器人的位姿包括所述机器人的每个关节的位置和关节角。
可选地，获取机器人、端拾器和周转箱的模型描述文件包括：获取机器人、端拾器和周转箱的三维模型，以及所述机器人与所述周转箱的位置信息；将所述三维模型转换为Collada格式的模型文件；基于所述模型文件和所述位置信息建立模型描述文件，其中，所述模型描述文件包括所述机器人、所述端拾器和所述周转箱的结构关系。
可选地，获取目标物品在所述周转箱内的位姿包括：在抓取目标物品时，监测所述端拾器的实时位置；当所述端拾器到达预设位置时，利用立体视觉系统获取目标物品在所述周转箱内的位姿。
为实现上述目的，根据本发明实施例的又一方面，提供了一种箱内拣选的装置。
本发明实施例的一种箱内拣选的装置包括：第一获取模块，用于获取机器人、端拾器和周转箱的模型描述文件；以及第二获取模块，用于获取目标物品在所述周转箱内的位姿；计算模块，用于基于所述模型描述文件和所述目标物品在所述周转箱内的位姿，计算所述机器人的运动学反解，确定所述机器人位姿；抓取模块，用于根据所述机器人的位姿抓取所述周转箱内的目标物品。
可选地，所述抓取模块还用于：计算所述机器人和所述端拾器与所述周转箱之间的最小距离；当所述最小距离小于安全阀值时，调整所述机器人的位姿；当所述最小距离大于或等于安全阀值时，抓取所述目标物品。
可选地，所述计算模块还用于：对所有所述目标物品在所述周转箱内的位姿进行排序，得到位姿排序；其中，采用世界坐标表示所述目标物品在所述周转箱内的位姿；基于所述模型描述文件、所述目标物品在所述周转箱内的位姿和所述位姿排序，依次计算所述机器人的运动学反解，确定所述机器人在抓取每个所述目标物品时的位姿；其中，所述机器人的位姿包括所述机器人的每个关节的位置和关节角。
可选地，所述第一获取模块还用于：获取机器人、端拾器和周转箱的三维模型，以及所述机器人与所述周转箱的位置信息；将所述三维模型转换为Collada格式的模型文件；基于所述模型文件和所述位置信息建立模型描述文件，其中，所述模型描述文件包括所述机器人、所述端拾器和所述周转箱的结构关系。
可选地，所述第二获取模块还用于：在抓取目标物品时，监测所述端拾器的实时位置；当所述端拾器到达预设位置时，利用立体视觉系统获取目标物品在所述周转箱内的位姿。
为实现上述目的，根据本发明实施例的又一方面，提供了一种箱内拣选的系统。
本发明实施例的一种箱内拣选的系统应用本发明实施例的一种箱内拣选的方法，包括计算机、机器人、设置于机器人端部的端拾器、立体视觉系统和仓库设备控制系统，其中：所述仓库设备控制系统、所述计算机、所述立体视觉系统、所述机器人和所述端拾器之间通信连接；所述仓库设备控制系统用于调度所述计算机、所述机器人、所述端拾器和所述立体视觉系统抓取目标物品；所述计算机用于获取所述机器人、所述端拾器和所述周转箱的模型描述文件；以及基于所述模型描述文件和所述目标物品在所述周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿；所述立体视觉系统用于获取所述目标物品在所述周转箱内的位姿；所述机器人用于根据所述计算机确定的位姿调整所述端拾器的位姿；所述端拾器用于抓取所述目标物品。
为实现上述目的，根据本发明实施例的再一方面，提供了一种箱内拣选的电子设备。
本发明实施例的一种箱内拣选的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例的一种箱内拣选的方法。
为实现上述目的，根据本发明实施例的再一方面，提供了一种计算机可读存储介质。
本发明实施例的一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的一种箱内拣选的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用获取机器人、端拾器和周转箱的模型描述文件；以及获取目标物品在周转箱内的位姿；基于模型描述文件和目标物品在周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿；根据机器人的位姿抓取周转箱内的目标物品的技术手段，利用模型描述文件描述机器人的工作环境，基于模型描述文件和目标物品在所述周转箱内的位姿计算机器人的运动学反解，从而反向推导出机器人在抓取目标物品时的位姿，所以克服了在箱内拣选时，机器人或端拾器易与周转箱的内壁发生碰撞的技术问题，进而达到避免机器人或端拾器与周转箱的内壁发生碰撞的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的箱内拣选的方法的主要步骤的示意图；
图2是根据本发明一个可参考实施例的箱内拣选的方法的主要流程的示意图；
图3是根据本发明实施例的箱内拣选的装置的主要模块的示意图；
图4是根据本发明实施例的箱内拣选的系统的示意图；
图5是本发明实施例可以应用于其中的示例性系统架构图；
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要指出的是，在不冲突的情况下，本发明的实施例以及实施例中的技术特征可以相互结合。
图1是根据本发明实施例的箱内拣选的方法的主要步骤的示意图。
如图1所示，本发明实施例的箱内拣选的方法主要包括以下步骤：
步骤S101：获取机器人、端拾器和周转箱的模型描述文件。
为避免机器人或端拾器在进行箱内拣选时，与周转箱的内壁发生碰撞，本发明实施例在抓取目标物品之前，通过机器人、端拾器和周转箱的模型描述文件对周转箱的内部情况进行分析计算。
其中，机器人可以是具有六个关节轴的六轴机器人。端拾器可以是吸盘或机械夹紧结构等，用于抓取目标物品。周转箱是放置目标物品的容器，例如集装箱等。模型描述文件中包括了机器人、端拾器和周转箱的结构关系，即机器人、端拾器和周转箱在指定坐标系中的相对位置和姿态，该模型描述文件可以预先获得或在需要抓取目标物品时获得。
在本发明实施例中，步骤S101可以通过经下方式实现：获取机器人、端拾器和周转箱的三维模型，以及机器人与周转箱的位置信息；将三维模型转换为Collada格式的模型文件；基于模型文件和位置信息建立模型描述文件。
其中，机器人、端拾器和周转箱的三维模型可以利用某些三维绘图工具进行绘制得到，例如SOLIDWORKS等三维绘图工具，SOLIDWORKS是一种三维绘图软件。机器人与周转箱的位置信息是指机器人与周转箱的相对位置以及其上各部位在空间中的距离等。Collada格式是一种三维模型描述文件格式，通常是一种可扩展标记语言(XML)文件，本发明实施例中，可以利用FreeCAD或Meshlab等工具将三维模型转换为Collada格式的模型文件，FreeCAD是一款跨平台开放源代码软件，用于计算机辅助模型和工程设计；MeshLab是一个开源、可移植和可扩展的三维几何处理系统，主要用于交互处理和非结构化编辑三维三角形网格。基于模型文件和位置信息所建立的模型描述文件能够描述机器人的工作环境。
需要指出的是，可以分别获取机器人和端拾器的三维模型、周转箱的三维模型，并将两个模型转换为Collada格式的模型文件；也可以分别获取机器人的三维模型、端拾器的三维模型、周转箱的三维模型，并将三个模型转换为Collada格式的模型文件。
步骤S102：获取目标物品在周转箱内的位姿。
由于周转箱内的物品在运输途中容易发生倾斜，因此在抓取目标物品可以先获取周转箱内该目标物品的位姿，以便引导端拾器抓取目标物品。通过目标物品在周转箱内的位姿可以描述目标物品的大小和姿态等。
在本发明实施例中，步骤S102可以通过经下方式实现：在抓取目标物品时，监测端拾器的实时位置；当端拾器到达预设位置时，利用立体视觉系统获取目标物品在周转箱内的位姿。
立体视觉系统可以是3D相机等，利用立体视觉系统拍摄目标物品的图像，基于目标物品的图像获取目标物品在周转箱内的位姿(基于图像获取位姿是本领域常用技术，此处不再赘述)。
步骤S103：基于模型描述文件和目标物品在周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿。
计算机器人的运动学反解即模拟机器人在工作环境下如何抓取目标物品，在得到模型描述文件和目标物品在所述周转箱内的位姿后，能够通过计算机器人的运动学反解反向推导出机器人在抓取目标物品时的位姿，避免机器人或端拾器与周转箱的内壁发生碰撞。
机器人的运动学反解是指根据机器人的运动学方程求解各个关节角(即关节处的夹角)，运动方程是描述结构中力与位移(包括速度和加速度)关系的数学表达式，其建立方法主要有5种，包括牛顿第二定律、达朗贝尔原理、虚位移原理、哈密顿原理和拉格朗日方程。
在本发明实施例中，步骤S103可以通过经下方式实现：对所有目标物品在周转箱内的位姿进行排序，得到位姿排序；基于模型描述文件、目标物品在周转箱内的位姿和位姿排序依次计算机器人的运动学反解，确定机器人在抓取每个目标物品时的位姿。
当抓取一个周转箱中的多个目标物品时，可以基于由上至下、由左至右或置信度等指标对所有目标物品在周转箱内的位姿进行排序，再依次计算出抓取每个目标物品时机器人的位姿，置信度是评价目标物品在周转箱内的位姿的准确程度(即与实际相符的可能性)。可以采用世界坐标系表示目标物品在周转箱内的位姿，世界坐标系是指一个系统的绝对坐标系，本发明实施例中，立体视觉系统的画面中所有点的坐标都是以立体视觉系统为中心来确定各自的位置。机器人的位姿包括机器人的每个关节的位置和关节角。
步骤S104：根据机器人的位姿抓取周转箱内的目标物品。
通过以上步骤计算出机器人抓取目标物品时的位姿后，机器人以该位姿抓取周转箱内的目标物品，即确定机器人的位姿后，机器人根据该位姿调整每个关节的位置和关节角，从而使端拾器准确抓取目标物品。
为保证抓取目标物品的过程中，机器人和端拾器与周转箱的内壁不会发生碰撞，本发明实施例还可以进一步对步骤S103得到的结果进行较验。即本发明实施例的箱内拣选的方法还可以包括：计算抓取目标物品时，机器人和端拾器与周转箱之间的最小距离；当最小距离小于安全阀值时，调整机器人的位姿；当最小距离大于或等于安全阀值时，抓取目标物品。
如果机器人与周转箱各处的距离以及端拾器与周转箱各处的距离中的最小距离小于安全阀值，即机器人和端拾器与周转箱之间的最小间隙小于安全阀值，则机器人或端拾器可能与周转箱发生碰撞；反之，则不会发生碰撞。需要说明的是，安全阀值可以根据实际经验或拣选需要确定。
根据本发明实施例的箱内拣选的方法可以看出，因为采用获取机器人、端拾器和周转箱的模型描述文件；以及获取目标物品在周转箱内的位姿；基于模型描述文件和目标物品在周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿；根据机器人的位姿抓取周转箱内的目标物品的技术手段，利用模型描述文件描述机器人的工作环境，基于模型描述文件和目标物品在所述周转箱内的位姿计算机器人的运动学反解，从而反向推导出机器人在抓取目标物品时的位姿，所以克服了在箱内拣选时，机器人或端拾器易与周转箱的内壁发生碰撞的技术问题，进而达到避免机器人或端拾器与周转箱的内壁发生碰撞的技术效果。
图2是根据本发明一个可参考实施例的箱内拣选的方法的主要流程的示意图。
如图2所示，在应用本发明实施例的箱内拣选的方法时，可以按以下流程实施：
步骤S201：引导机器人调整端拾器的位姿：
端拾器设置在机器人的端部，通过引导机器人可使端拾器到达预定位置。
步骤S202：利用立体视觉系统获取目标物品在周转箱内的位姿：
可以通过立体视觉系统在感应到端拾器到达拍照位时自动拍摄目标物品的图像；或，还可以监控机器人的位姿，在端拾器到达拍照位时达到拍照位时控制立体视觉系统拍摄目标物品的图像。基于目标物品的图像获取目标物品在周转箱内的位姿。
步骤S203：对目标物品在周转箱内的位姿进行排序，得到位姿排序。
步骤S204：计算机器人的运动学反解：
基于模型描述文件、目标物品在周转箱内的位姿和位姿排序，依次计算机器人的运动学反解，确定抓取每个目标物品时机器人的位姿。
步骤S205：对步骤S204得到的结果进行较验：
机器人和端拾器与周转箱之间的最小间隙小于安全阀值，则机器人或端拾器可能与周转箱发生碰撞，继续执行步骤S206；机器人和端拾器与周转箱之间的最小间隙大于或等于安全阀值，则机器人或端拾器，则不会发生碰撞，继续执行步骤S207。
步骤S206：判断是否全部目标物品已完成计算：
若是，则重新执行步骤S202－步骤S205；若否，则重新执行步骤S204－步骤S205。
步骤S207：根据步骤S204确定的机器人的位姿抓取目标物品。
图3是根据本发明实施例的箱内拣选的装置的主要模块的示意图。
如图3所示，本发明实施例的箱内拣选的装置300包括：第一获取模块301、第二获取模块302、计算模块303和抓取模块304。
其中，
第一获取模块301，用于获取机器人、端拾器和周转箱的模型描述文件；以及
第二获取模块302，用于获取目标物品在周转箱内的位姿；
计算模块303，用于基于所述模型描述文件和所述目标物品在所述周转箱内的位姿，计算所述机器人的运动学反解，确定所述机器人的位姿；
抓取模块304，用于根据所述机器人的位姿抓取所述周转箱内的目标物品。
在本发明实施例中，所述抓取模块304还用于：计算所述机器人和所述端拾器与所述周转箱之间的最小距离；当所述最小距离小于安全阀值时，调整所述机器人的位姿；当所述最小距离大于或等于安全阀值时，抓取所述目标物品。
在本发明实施例中，所述计算模块303还用于：对所有所述目标物品在周转箱内的位姿进行排序，得到位姿排序；其中，采用世界坐标表示所述目标物品在周转箱内的位姿；基于所述模型描述文件、所述目标物品在周转箱内的位姿和所述位姿排序，依次计算所述机器人的运动学反解，确定所述机器人在抓取每个所述目标物品时的位姿；其中，所述机器人的位姿包括所述机器人的每个关节的位置和关节角。
在本发明实施例中，所述第一获取模块301还用于：获取机器人、端拾器和周转箱的三维模型，以及所述机器人与所述周转箱的位置信息；将所述三维模型转换为Collada格式的模型文件；基于所述模型文件和所述位置信息建立模型描述文件，其中，所述模型描述文件包括所述机器人、所述端拾器和所述周转箱的结构关系。
在本发明实施例中，所述第二获取模块302还用于：在抓取目标物品时，监测所述端拾器的实时位置；当所述端拾器到达预设位置时，利用立体视觉系统获取目标物品在周转箱内的位姿。
根据本发明实施例的箱内拣选的装置可以看出，因为采用获取机器人、端拾器和周转箱的模型描述文件；以及获取目标物品在周转箱内的位姿；基于模型描述文件和目标物品在周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿；根据机器人的位姿抓取周转箱内的目标物品的技术手段，利用模型描述文件描述机器人的工作环境，基于模型描述文件和目标物品在周转箱内的位姿计算机器人的运动学反解，从而反向推导出机器人在抓取目标物品时的位姿，所以克服了在箱内拣选时，机器人或端拾器易与周转箱的内壁发生碰撞的技术问题，进而达到避免机器人或端拾器与周转箱的内壁发生碰撞的技术效果。
图4是根据本发明实施例的箱内拣选的系统的示意图。
如图4所示，本发明实施例的箱内拣选的系统由计算机、机器人、端拾器、立体视觉系统和仓库设备控制系统(WCS)组成。
其中，端拾器设置于机器人的端部；计算机、机器人、端拾器、立体视觉系统和仓库设备控制系统之间进行通信连接，具体地，WCS可以通过交换机与计算机和机器人通信连接，计算机与立体视觉系统通过通用串行总线(USB)或其他形式的接口进行通信连接。
WCS用于调度计算机、机器人、端拾器和立体视觉系统抓取目标物品。即WCS能够实施本发明实施例的箱内拣选的方法，以控制计算机、机器人、端拾器和立体视觉系统执行特定的业务流程，完成抓取目标物品。需要注意的是，本发明实施例的箱内拣选的方法还可以由计算机执行，即由计算机控制机器人、端拾器和立体视觉系统执行特定的业务流程，完成抓取目标物品。
计算机用于获取机器人、端拾器和周转箱的模型描述文件；以及基于模型描述文件和目标物品在周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿。
立体视觉系统用于获取目标物品在周转箱内的位姿。
机器人用于根据计算机确定的位姿调整端拾器的位姿，即计算机确定机器人的位姿后，机器人根据该位姿调整每个关节的位置和关节角，从而使端拾器到达适合抓取目标物品的位置。
端拾器用于抓取目标物品。
根据本发明实施例的箱内拣选的系统可以看出，因为采用获取机器人、端拾器和周转箱的模型描述文件；以及获取目标物品在周转箱内的位姿；基于模型描述文件和目标物品在周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿；根据机器人的位姿抓取周转箱内的目标物品的技术手段，利用模型描述文件描述机器人的工作环境，基于模型描述文件和目标物品在所述周转箱内的位姿计算机器人的运动学反解，从而反向推导出机器人在抓取目标物品时的位姿，所以克服了在箱内拣选时，机器人或端拾器易与周转箱的内壁发生碰撞的技术问题，进而达到避免机器人或端拾器与周转箱的内壁发生碰撞的技术效果。
图5示出了可以应用本发明实施例的箱内拣选的方法或箱内拣选的装置的示例性系统架构500。
如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。
需要说明的是，本发明实施例所提供的箱内拣选的方法一般由服务器505执行，相应地，箱内拣选的装置一般设置于服务器505中。
应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括第一获取模块、第二获取模块和计算模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，第二获取模块还可以被描述为“获取目标物品在周转箱内的位姿的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：步骤S101：获取机器人、端拾器和周转箱的模型描述文件；步骤S102：获取目标物品在周转箱内的位姿；步骤S103：基于模型描述文件和目标物品在周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿；步骤S104：根据机器人的位姿抓取周转箱内的目标物品。
根据本发明实施例的技术方案，因为采用获取机器人、端拾器和周转箱的模型描述文件；以及获取目标物品在周转箱内的位姿；基于模型描述文件和目标物品在周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿；根据机器人的位姿抓取周转箱内的目标物品的技术手段，利用模型描述文件描述机器人的工作环境，基于模型描述文件和目标物品在所述周转箱内的位姿计算机器人的运动学反解，从而反向推导出机器人在抓取目标物品时的位姿，所以克服了在箱内拣选时，机器人或端拾器易与周转箱的内壁发生碰撞的技术问题，进而达到避免机器人或端拾器与周转箱的内壁发生碰撞的技术效果。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (11)
1.一种箱内拣选的方法，其特征在于，包括：
获取机器人、端拾器和周转箱的模型描述文件；以及
获取目标物品在所述周转箱内的位姿；
基于所述模型描述文件和所述目标物品在所述周转箱内的位姿，计算所述机器人的运动学反解，确定所述机器人的位姿；
根据所述机器人的位姿抓取所述周转箱内的目标物品；
基于所述模型描述文件和所述目标物品在所述周转箱内的位姿，计算所述机器人的运动学反解，确定所述机器人的位姿包括：
对所有所述目标物品在所述周转箱内的位姿进行排序，得到位姿排序；其中，采用世界坐标表示所述目标物品在所述周转箱内的位姿；
基于所述模型描述文件、所述目标物品在所述周转箱内的位姿和所述位姿排序，依次计算所述机器人的运动学反解，确定所述机器人在抓取每个所述目标物品时的位姿；
其中，所述模型描述文件包括机器人、端拾器和周转箱在指定坐标系中的相对位置和姿态；所述机器人的位姿包括机器人的每个关节的位置和关节角。
2.根据权利要求1所述的方法，其特征在于，根据所述机器人的位姿抓取所述周转箱内的目标物品包括：
计算所述机器人和所述端拾器与所述周转箱之间的最小距离；
当所述最小距离小于安全阀值时，调整所述机器人的位姿；
当所述最小距离大于或等于安全阀值时，抓取所述目标物品。
3.根据权利要求1所述的方法，其特征在于，获取机器人、端拾器和周转箱的模型描述文件包括：
获取机器人、端拾器和周转箱的三维模型，以及所述机器人与所述周转箱的位置信息；
将所述三维模型转换为Collada格式的模型文件；
基于所述模型文件和所述位置信息建立模型描述文件，其中，所述模型描述文件包括所述机器人、所述端拾器和所述周转箱的结构关系。
4.根据权利要求1所述的方法，其特征在于，获取目标物品在所述周转箱内的位姿包括：
在抓取目标物品时，监测所述端拾器的实时位置；
当所述端拾器到达预设位置时，利用立体视觉系统获取目标物品在所述周转箱内的位姿。
5.一种箱内拣选的装置，其特征在于，包括：
第一获取模块，用于获取机器人、端拾器和周转箱的模型描述文件；以及
第二获取模块，用于获取目标物品在所述周转箱内的位姿；
计算模块，用于基于所述模型描述文件和所述目标物品在所述周转箱内的位姿，计算所述机器人的运动学反解，确定所述机器人的位姿；
抓取模块，用于根据所述机器人的位姿抓取所述周转箱内的目标物品；
所述计算模块还用于：
对所有所述目标物品在所述周转箱内的位姿进行排序，得到位姿排序；其中，采用世界坐标表示所述目标物品在所述周转箱内的位姿；
基于所述模型描述文件、所述目标物品在所述周转箱内的位姿和所述位姿排序，依次计算所述机器人的运动学反解，确定所述机器人在抓取每个所述目标物品时的位姿；其中，所述机器人的位姿包括所述机器人的每个关节的位置和关节角；
其中，所述模型描述文件包括机器人、端拾器和周转箱在指定坐标系中的相对位置和姿态；所述机器人的位姿包括机器人的每个关节的位置和关节角。
6.根据权利要求5所述的装置，其特征在于，所述抓取模块还用于：
计算所述机器人和所述端拾器与所述周转箱之间的最小距离；
当所述最小距离小于安全阀值时，调整所述机器人的位姿；
当所述最小距离大于或等于安全阀值时，抓取所述目标物品。
7.根据权利要求5所述的装置，其特征在于，所述第一获取模块还用于：
获取机器人、端拾器和周转箱的三维模型，以及所述机器人与所述周转箱的位置信息；
将所述三维模型转换为Collada格式的模型文件；
基于所述模型文件和所述位置信息建立模型描述文件，其中，所述模型描述文件包括所述机器人、所述端拾器和所述周转箱的结构关系。
8.根据权利要求5所述的装置，其特征在于，所述第二获取模块还用于：
在抓取目标物品时，监测所述端拾器的实时位置；
当所述端拾器到达预设位置时，利用立体视觉系统获取目标物品在所述周转箱内的位姿。
9.一种箱内拣选的系统，其特征在于，应用权利要求1-4中任一所述的方法，包括计算机、机器人、设置于机器人端部的端拾器、立体视觉系统和仓库设备控制系统，其中：
所述仓库设备控制系统、所述计算机、所述立体视觉系统、所述机器人和所述端拾器之间通信连接；
所述仓库设备控制系统用于调度所述计算机、所述机器人、所述端拾器和所述立体视觉系统抓取目标物品；
所述计算机用于获取所述机器人、所述端拾器和所述周转箱的模型描述文件；以及基于所述模型描述文件和所述目标物品在所述周转箱内的位姿，计算机器人的运动学反解，确定机器人的位姿；
所述立体视觉系统用于获取所述目标物品在所述周转箱内的位姿；
所述机器人用于根据所述计算机确定的位姿调整所述端拾器的位姿；
所述端拾器用于抓取所述目标物品
所述计算机还用于：
对所有所述目标物品在所述周转箱内的位姿进行排序，得到位姿排序；其中，采用世界坐标表示所述目标物品在所述周转箱内的位姿；
基于所述模型描述文件、所述目标物品在所述周转箱内的位姿和所述位姿排序，依次计算所述机器人的运动学反解，确定所述机器人在抓取每个所述目标物品时的位姿；
其中，所述模型描述文件包括机器人、端拾器和周转箱在指定坐标系中的相对位置和姿态；所述机器人的位姿包括机器人的每个关节的位置和关节角。
10.一种箱内拣选的电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
11.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811056424.4A CN110370268B (zh) | 2018-09-11 | 2018-09-11 | 箱内拣选的方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811056424.4A CN110370268B (zh) | 2018-09-11 | 2018-09-11 | 箱内拣选的方法、装置和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110370268A CN110370268A (zh) | 2019-10-25 |
| CN110370268B true CN110370268B (zh) | 2021-07-30 |
Family
ID=68243718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811056424.4A Active CN110370268B (zh) | 2018-09-11 | 2018-09-11 | 箱内拣选的方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110370268B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111558940B (zh) * | 2020-05-27 | 2020-10-23 | 佛山隆深机器人有限公司 | 一种机器人料框抓取规划与碰撞检测方法 |
| CN112774203B (zh) * | 2021-01-22 | 2023-04-28 | 北京字跳网络技术有限公司 | 一种虚拟对象的位姿控制方法、装置以及计算机存储介质 |
| CN113524187B (zh) * | 2021-07-20 | 2022-12-13 | 熵智科技(深圳)有限公司 | 一种工件抓取顺序的确定方法、装置、计算机设备及介质 |
| CN114055472A (zh) * | 2021-12-06 | 2022-02-18 | 珠海格力智能装备有限公司 | 机器人抓取控制方法、装置、存储介质和机器人 |
| CN114700940B (zh) * | 2022-03-24 | 2023-08-25 | 梅卡曼德（北京）机器人科技有限公司 | 抓取方法、装置及计算设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0951968A3 (en) * | 1998-04-21 | 2003-07-02 | Fanuc Ltd | Article picking-up apparatus |
| CN1162681C (zh) * | 1999-03-19 | 2004-08-18 | 松下电工株式会社 | 三维物体识别方法及使用该方法的零件抓取系统 |
| CN101034418A (zh) * | 2006-03-10 | 2007-09-12 | 发那科株式会社 | 用于机器人仿真的装置、程序、记录介质以及方法 |
-
2018
- 2018-09-11 CN CN201811056424.4A patent/CN110370268B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0951968A3 (en) * | 1998-04-21 | 2003-07-02 | Fanuc Ltd | Article picking-up apparatus |
| CN1162681C (zh) * | 1999-03-19 | 2004-08-18 | 松下电工株式会社 | 三维物体识别方法及使用该方法的零件抓取系统 |
| CN101034418A (zh) * | 2006-03-10 | 2007-09-12 | 发那科株式会社 | 用于机器人仿真的装置、程序、记录介质以及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110370268A (zh) | 2019-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110370268B (zh) | 箱内拣选的方法、装置和系统 | |
| CN111754515B (zh) | 堆叠物品的顺序抓取方法和装置 | |
| CN108712946B (zh) | 货物摆放方法、装置、系统以及电子设备和可读存储介质 | |
| Kaipa et al. | Addressing perception uncertainty induced failure modes in robotic bin-picking | |
| US11090808B2 (en) | Control device, picking system, distribution system, program, control method and production method | |
| US11027427B2 (en) | Control device, picking system, distribution system, program, and control method | |
| US20240051137A1 (en) | Control device, picking system, distribution system, program, control method and production method | |
| US10102629B1 (en) | Defining and/or applying a planar model for object detection and/or pose estimation | |
| US11007643B2 (en) | Control device, picking system, distribution system, program, control method and production method | |
| JP2020532440A (ja) | オブジェクトをロバストに把持し、ターゲティングするためのロボットシステムおよび方法 | |
| 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 | |
| US11007649B2 (en) | Information processing apparatus, picking system, distribution system, program and information processing method | |
| CN113610968B (zh) | 目标检测模型的更新方法及装置 | |
| CN112633187B (zh) | 基于图像分析的机器人自动搬运方法、系统和存储介质 | |
| WO2020231319A1 (en) | Robot cell setup system and process | |
| Zhang et al. | Multi‐target detection and grasping control for humanoid robot NAO | |
| Kim et al. | Digital twin for autonomous collaborative robot by using synthetic data and reinforcement learning | |
| JP2017202549A (ja) | ロボット制御装置、ロボット、及びロボットシステム | |
| US20240208069A1 (en) | Automatic pick and place system | |
| CN110910056A (zh) | 一种传站设备、装厢方法和装置 | |
| GB2624698A (en) | Methods and control systems for controlling a robotic manipulator | |
| CN115890656A (zh) | 仓储物流机器人控制方法、系统、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200602 Address after: Room A1905, 19th floor, No. 2 Building, 18 Kechuang 11th Street, Beijing Daxing District, Beijing Applicant after: Beijing Jingdong Qianshi Technology Co.,Ltd. Address before: 300457 Tianjin Economic and Technological Development Zone, No. 10 Fourth Avenue, Phase 2, First Floor Applicant before: Tianjin Jingdong Shentuo Robot Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |