CN111735409A - 软体机器人臂形测量方法、系统及存储介质 - Google Patents

软体机器人臂形测量方法、系统及存储介质 Download PDF

Info

Publication number
CN111735409A
CN111735409A CN202010500614.1A CN202010500614A CN111735409A CN 111735409 A CN111735409 A CN 111735409A CN 202010500614 A CN202010500614 A CN 202010500614A CN 111735409 A CN111735409 A CN 111735409A
Authority
CN
China
Prior art keywords
soft robot
image
soft
robot
robotic arm
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
Application number
CN202010500614.1A
Other languages
English (en)
Inventor
王松涛
宋振东
赵伟
王文斌
陈伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Polytechnic
Original Assignee
Shenzhen Polytechnic
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Polytechnic filed Critical Shenzhen Polytechnic
Priority to CN202010500614.1A priority Critical patent/CN111735409A/zh
Publication of CN111735409A publication Critical patent/CN111735409A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种软体机器人臂形测量方法、系统及存储介质，该方法包括以下步骤：获取软体机器人在纯色背景下的图像；对图像进行预处理，增加软体机器人的对比度，获得软体机器人的预处理图像；对预处理图像采用预设方式进行分割处理，获得软体机器人的分割图像；对分割图像进行轮廓识别，获得软体机器人的边缘轮廓图像；对边缘轮廓图像进行识别，获得软体机器人的侧边图像数据；根据侧边图像数据，采用数据拟合方法获得软体机器人的弯曲半径。本发明在非接触条件下对软体机器人臂形进行测量，对软体机器人本身未附加任何约束力；对获得的测量结果可直观实时显示，从而可以对软体机器人进行实时的控制，提高软体机器人的运动精度。

Description

软体机器人臂形测量方法、系统及存储介质
技术领域
本发明涉及机器人位姿检测技术领域，尤其涉及一种基于视觉技术的软体机器人臂形测量方法、系统及存储介质。
背景技术
随着科学技术的迅猛发展，各种各样的机器人层出不穷，涉及人们生活的方方面面，比如工业机器人、医疗机器人、服务机器人、特种机器人等。这些机器人很大程度上减轻了人们的劳动负担，方便了人们的生活，但是，这些机器人也用很多局限性。为了进一步提高机器人的灵活性、安全性和智能性，软体机器人成为了当下机器人领域的研发热点。
与传统刚性机器人相比，软体机器人主要优点如下：
1)安全性好：传统的机器人大多由刚性材料制造，其本体的刚度较大，在作业工程中进行力柔顺困难，软体机器人大多由超弹性材料等制造，其本体的刚度较小，在作业工程中可以根据操作对象改变自身的形状；
2)灵活性好：传统的机器人大多是由多个离散的关节和连杆组成，其自由度有限，软体机器人结构简单，而且理论上具有无穷多个自由度，如软体机械臂利用本体的变形可以连续弯曲或者伸长，以形成类似大象鼻子、章鱼触手的运动；
3)适用场景多样：传统的刚性机械臂作业时对工作空间要求较高，需要避免障碍物的存在，软体机械臂则可以承受能量冲击，即使存在障碍物也不会发生强烈碰撞，非常适合在非结构化和空间受限环境中作业，如管道探伤，废墟救援等。
软体机器人在保证灵活性、安全性的同时，也存在缺陷：软体机器人高度的柔顺性使得传统的传感器如编码器、电位计和刚性力触觉传感器等很难集成到本体上，因此传统的形体重构算法无法用来重构其形体。
因此，开发一种非接触臂形测量方法对软体机器人的精确控制非常重要。
发明内容
本发明的主要目的在于提供一种基于视觉技术的软体机器人臂形测量方法、系统及存储介质，旨在实现在非接触条件下对软体机器人的臂形进行准确测量，同时，根据臂形推算出软体机器人的末端位姿。
为实现上述目的，本发明提出一种软体机器人臂形测量方法，所述方法包括以下步骤：
获取所述软体机器人在纯色背景下的图像；
对所述图像进行预处理，增加所述软体机器人的对比度，获得所述软体机器人的预处理图像；
对所述预处理图像采用预设方式进行分割处理，获得所述软体机器人的分割图像；
对所述分割图像进行轮廓识别，获得所述软体机器人的边缘轮廓图像；
对所述边缘轮廓图像进行识别，获得所述软体机器人的侧边图像数据；
根据所述侧边图像数据，采用数据拟合方法获得所述软体机器人的弯曲半径。
本发明进一步的技术方案是，所述对所述图像进行预处理的步骤包括：
对所述图像进行二值化处理。
本发明进一步的技术方案是，所述对所述预处理图像采用预设方式进行分割处理步骤包括：
对所述预处理图像采用基于边缘的图像分割算法、或者基于区域分割算法、或者基于图的分割算法进行分割处理。
本发明进一步的技术方案是，所述对所述分割图像进行轮廓识别的步骤包括：
对所述分割图像采用形态学腐蚀算法、或者Sobel边缘检测算法、或者Prewitt边缘检测算法进行轮廓识别。
本发明进一步的技术方案是，所述对所述边缘轮廓图像进行识别，获得所述软体机器人的侧边图像数据的步骤包括：
将所述软体机器人的轮廓分为四条边；
获取所述四条边的长度；
选择长度最长的两条边为所述软体机器人的侧边图像。
本发明进一步的技术方案是，所述根据所述侧边图像数据，采用数据拟合方法获得所述软体机器人的弯曲半径的步骤之后还包括：
显示所述软体机器人的弯曲半径，获取所述软体机器人的臂形。
本发明进一步的技术方案是，所述获取所述软体机器人的臂形的步骤之后还包括：
根据所述软体机器人的臂形获取所述软体机器人的末端位姿。
为实现上述目的，本发明还提出一种软体机器人臂形测量系统，所述系统包括存储器、处理器、以及存储在所述存储器上的软体机器人臂形测量程序，所述软体机器人臂形测量程序被所述处理器调用时执行如上所述的方法的步骤。
为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有软体机器人臂形测量程序，所述软体机器人臂形测量程序被处理器执行时实现如上所述的软体机器人臂形测量方法的步骤。
本发明软体机器人臂形测量方法的有益效果是：
1、在非接触条件下对软体机器人臂形进行测量，对软体机器人本身未附加任何约束力；
2、获得的测量结果可直观实时显示，从而可以对软体机器人进行实时的控制，提高软体机器人的运动精度。
附图说明
图1是本发明软体机器人臂形测量方法较佳实施例的流程示意图；
图2是在纯色背景下采集的软体机器人的图像示意图；
图3是软体机器人的图像分割图；
图4是软体机器人的识别轮廓图；
图5是软体机器人的侧边识别图；
图6是软体机器人的弯曲半径图。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
考虑到目前的软体机器人高度的柔韧性使得传统的传感器如编码器、电位计和刚性触觉传感器等很难集成到本体上，因此，传统的形体重构算法无法用来重构其形体，因此，本发明提出一种解决方案，通过非接触臂形测量方法实现对软体机器人的精确控制，可以在非接触条件下对软体机器人的臂形进行准确测量，同时根据臂形可以推算出软体机器人的末端位姿。
具体地，本发明提出一种基于视觉算法的软体机器人臂形测量方法，请参照图1，图1是本发明软体机器人臂形测量方法较佳实施例的流程示意图。
如图1所示，本实施例中，该软体机器人臂形测量方法包括以下步骤：
步骤S10，获取所述软体机器人在纯色背景下的图像。
可以理解的是，本步骤中，将软体机器人至于纯色背景下进行图像采集，避免其它任何物品出现在软体机器人周围，通过视觉传感器对软体机器人进行拍照，获得软体机器人图像，如图2所示。
步骤S20，对所述图像进行预处理，增加所述软体机器人的对比度，获得所述软体机器人的预处理图像。
具体地，在获得所述软体机器人在纯色背景下的图像后，对该图像进行二值化处理，增加软体机器人图像的对比度，处理结束后，获得软体机器人的预处理图像。
步骤S30，对所述预处理图像采用预设方式进行分割处理，获得所述软体机器人的分割图像。
具体地，在获得所述软体机器人的预处理图像后，可以采用基于边缘的图像分割算法、或者基于区域分割算法以及图的分割算法等中的一种或者几种对该预处理图像进行处理，从而获得所述软体机器人的分割图像，如图3所示。
步骤S40，对所述分割图像进行轮廓识别，获得所述软体机器人的边缘轮廓图像。
具体地，在获得所述软体机器人的分割图像后，采用形态学腐蚀算法、或者Sobel边缘检测算法、或者Prewitt边缘检测算法等中的一种或者几种对该分割图像进行轮廓识别，从而获得所述软体机器人的边缘轮廓图像，如图4所示。
步骤S50，对所述边缘轮廓图像进行识别，获得所述软体机器人的侧边图像数据。
具体地，在获得所述软体机器人的边缘轮廓图像后，对软体机器人的边缘轮廓进行进一步识别，主要步骤为：将所述软体机器人的轮廓分为四条边，分别获得四条边的长度，选择最长的两条边即是所述软体机器人的侧边图像，如图5所示。
步骤S60，根据所述侧边图像数据，采用数据拟合方法获得所述软体机器人的弯曲半径。
在获得所述软体机器人的侧边图像数据后，采用数据拟合方法获得所述软体机器人的弯曲半径。
作为一种实施方式，本实施例在上述根据所述侧边图像数据，采用数据拟合方法获得所述软体机器人的弯曲半径的步骤之后还包括以下步骤：
显示所述软体机器人的弯曲半径，获取所述软体机器人的臂形。
可以理解的是，本实施例在获得所述软体机器人的弯曲半径，获取所述软体机器人的臂形，完成所述软体机器人的臂形测量之后，进行直观实时显示，可以对所述软体机器人进行实时的控制，提高软体机器人的运动精度。
作为一种实施方式，本实施例在显示所述软体机器人的弯曲半径，获取所述软体机器人的臂形的步骤之后还包括以下步骤：
根据所述软体机器人的臂形获取所述软体机器人的末端位姿。
本发明软体机器人臂形测量方法的有益效果是：
1、在非接触条件下对软体机器人臂形进行测量，对软体机器人本身未附加任何约束力；
2、获得的测量结果可直观实时显示，从而可以对软体机器人进行实时的控制，提高软体机器人的运动精度。
为实现上述目的，本发明还提出一种软体机器人臂形测量系统，所述系统包括存储器、处理器、以及存储在所述存储器上的软体机器人臂形测量程序，所述软体机器人臂形测量程序被所述处理器调用时执行如上实施例所述的方法的步骤，这里不再赘述。
为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有软体机器人臂形测量程序，所述软体机器人臂形测量程序被处理器执行时实现如上实施例所述的软体机器人臂形测量方法的步骤，这里不再赘述。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种软体机器人臂形测量方法，其特征在于，所述方法包括以下步骤：
获取所述软体机器人在纯色背景下的图像；
对所述图像进行预处理，增加所述软体机器人的对比度，获得所述软体机器人的预处理图像；
对所述预处理图像采用预设方式进行分割处理，获得所述软体机器人的分割图像；
对所述分割图像进行轮廓识别，获得所述软体机器人的边缘轮廓图像；
对所述边缘轮廓图像进行识别，获得所述软体机器人的侧边图像数据；
根据所述侧边图像数据，采用数据拟合方法获得所述软体机器人的弯曲半径。
2.根据权利要求1所述的软体机器人臂形测量方法，其特征在于，所述对所述图像进行预处理的步骤包括：
对所述图像进行二值化处理。
3.根据权利要求1所述的软体机器人臂形测量方法，其特征在于，所述对所述预处理图像采用预设方式进行分割处理步骤包括：
对所述预处理图像采用基于边缘的图像分割算法、或者基于区域分割算法、或者基于图的分割算法进行分割处理。
4.根据权利要求1所述的软体机器人臂形测量方法，其特征在于，所述对所述分割图像进行轮廓识别的步骤包括：
对所述分割图像采用形态学腐蚀算法、或者Sobel边缘检测算法、或者Prewitt边缘检测算法进行轮廓识别。
5.根据权利要求1所述的软体机器人臂形测量方法，其特征在于，所述对所述边缘轮廓图像进行识别，获得所述软体机器人的侧边图像数据的步骤包括：
将所述软体机器人的轮廓分为四条边；
获取所述四条边的长度；
选择长度最长的两条边为所述软体机器人的侧边图像。
6.根据权利要求1-5任意一项所述的软体机器人臂形测量方法，其特征在于，所述根据所述侧边图像数据，采用数据拟合方法获得所述软体机器人的弯曲半径的步骤之后还包括：
显示所述软体机器人的弯曲半径，获取所述软体机器人的臂形。
7.根据权利要求6所述的软体机器人臂形测量方法，其特征在于，所述获取所述软体机器人的臂形的步骤之后还包括：
根据所述软体机器人的臂形获取所述软体机器人的末端位姿。
8.一种软体机器人臂形测量系统，其特征在于，所述系统包括存储器、处理器、以及存储在所述存储器上的软体机器人臂形测量程序，所述软体机器人臂形测量程序被所述处理器调用时执行如权利要求1-7任意一项所述的方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有软体机器人臂形测量程序，所述软体机器人臂形测量程序被处理器执行时实现如权利要求1-7中任一项所述的软体机器人臂形测量方法的步骤。
CN202010500614.1A 2020-06-04 2020-06-04 软体机器人臂形测量方法、系统及存储介质 Pending CN111735409A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010500614.1A CN111735409A (zh) 2020-06-04 2020-06-04 软体机器人臂形测量方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010500614.1A CN111735409A (zh) 2020-06-04 2020-06-04 软体机器人臂形测量方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN111735409A true CN111735409A (zh) 2020-10-02

Family

ID=72649933

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010500614.1A Pending CN111735409A (zh) 2020-06-04 2020-06-04 软体机器人臂形测量方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN111735409A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1563891A (zh) * 2004-04-20 2005-01-12 长安大学 一种识别路面裂缝的系统和方法
CN1975323A (zh) * 2006-12-19 2007-06-06 南京航空航天大学 利用单数码相机自由拍摄进行物体三维测量的方法
CN201555571U (zh) * 2009-08-17 2010-08-18 魏润杰 一种非接触式动态形貌测量装置
CN103063159A (zh) * 2012-12-31 2013-04-24 南京信息工程大学 一种基于ccd的零件尺寸测量方法
CN108332681A (zh) * 2018-01-03 2018-07-27 东北大学 一种薄壁管材大塑性弯曲截面轮廓曲线的确定方法
CN109579735A (zh) * 2018-12-03 2019-04-05 广州沧恒自动控制科技有限公司 基于机器视觉的活塞环轮廓检测识别分类方法及其装置
DE102019212099A1 (de) * 2018-08-13 2020-02-13 Keyence Corporation Optischer versatzmesser
CN111080696A (zh) * 2019-10-25 2020-04-28 青岛农业大学 一种基于计算机视觉的水下海参识别及定位方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1563891A (zh) * 2004-04-20 2005-01-12 长安大学 一种识别路面裂缝的系统和方法
CN1975323A (zh) * 2006-12-19 2007-06-06 南京航空航天大学 利用单数码相机自由拍摄进行物体三维测量的方法
CN201555571U (zh) * 2009-08-17 2010-08-18 魏润杰 一种非接触式动态形貌测量装置
CN103063159A (zh) * 2012-12-31 2013-04-24 南京信息工程大学 一种基于ccd的零件尺寸测量方法
CN108332681A (zh) * 2018-01-03 2018-07-27 东北大学 一种薄壁管材大塑性弯曲截面轮廓曲线的确定方法
DE102019212099A1 (de) * 2018-08-13 2020-02-13 Keyence Corporation Optischer versatzmesser
CN109579735A (zh) * 2018-12-03 2019-04-05 广州沧恒自动控制科技有限公司 基于机器视觉的活塞环轮廓检测识别分类方法及其装置
CN111080696A (zh) * 2019-10-25 2020-04-28 青岛农业大学 一种基于计算机视觉的水下海参识别及定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
段双林: "基于机器视觉的大型圆环零件圆度测量技术研究", 《光电技术应用》 *

Similar Documents

Publication Publication Date Title
Romero-Ramire et al. Fractal markers: A new approach for long-range marker pose estimation under occlusion
US8265425B2 (en) Rectangular table detection using hybrid RGB and depth camera sensors
US20080094389A1 (en) Image Processing System for Automatic Segmentation of a 3-D Tree-Like Tubular Surface of an Object, Using 3-D Deformable Mesh Models
Clements et al. Three-dimensional contact imaging with an actuated whisker
US7043062B2 (en) Image processing method for displaying an image sequence of a deformable 3-D object with indications of the object wall motion
US10043279B1 (en) Robust detection and classification of body parts in a depth map
Roussel et al. A computational model for C. elegans locomotory behavior: application to multiworm tracking
CN114081471B (zh) 一种基于三维图像与多层感知的脊柱侧弯cobb角测量方法
US20130329038A1 (en) System and method for detecting and tracking a curvilinear object in a three-dimensional space
CN112767426B (zh) 一种目标匹配方法、装置和机器人
CN113269835A (zh) 基于轮廓特征的工业零件位姿识别方法、装置和电子设备
CN111582186A (zh) 基于视觉和触觉的物体边缘识别方法、装置、系统及介质
Dalvand et al. High speed vision-based 3D reconstruction of continuum robots
Meza et al. Markerpose: robust real-time planar target tracking for accurate stereo pose estimation
Keipour et al. Detection and physical interaction with deformable linear objects
CN111735409A (zh) 软体机器人臂形测量方法、系统及存储介质
Zheng et al. Vision‐Based Online Key Point Estimation of Deformable Robots
Boby Hand-eye calibration using a single image and robotic picking up using images lacking in contrast
EP4155036A1 (en) A method for controlling a grasping robot through a learning phase and a grasping phase
Lee et al. Visual odometry for absolute position estimation using template matching on known environment
CN114782537A (zh) 基于3d视觉的人体颈动脉定位方法及装置
Fresnillo et al. An approach based on machine vision for the identification and shape estimation of deformable linear objects
JP6256124B2 (ja) 画像処理装置、およびプログラム
JP2019039864A (ja) 手認識方法、手認識プログラム及び情報処理装置
CN113188455B (zh) 一种基于机器人末端单目视觉的物体法向高度计算方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201002