CN112276948A - 零件抓取数据处理方法和装置 - Google Patents

Abstract

本申请实施例提供了一种零件抓取数据处理方法和装置。所述零件抓取数据处理方法包括：基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对当前大尺寸零件的最佳抓取参考点；输出最佳抓取参考点对应的点阵吸盘的抓取参数，以对当前大尺寸零件进行抓取。由于最佳抓取参考点基于当前大尺寸零件确定，因此输出的点阵吸盘的抓取参数能够对该当前大尺寸零件进行可靠抓取。

Description

零件抓取数据处理方法和装置

技术领域

本申请实施例涉及工业控制技术领域，尤其涉及一种零件抓取数据处理方法和装置。

背景技术

在目前机械重工行业中，精细化零件抓取能够提高诸如分拣效率、自动化效率等以辅助生产线的生产率。

目前的精细化零件抓取大部分是借助使用点阵式吸盘完成。点阵式吸盘具有诸多优点，如易于拼接、精准控制、吸力强大等。然而在许多精细化的抓取中由于抓取物体的形状任意且多变，对于准确的抓取零件带来较大的难度。一旦点阵式吸盘与抓取物的匹配出现了偏差，极易导致点阵式吸盘吸取到如废料框、其他零件等其他物体。

由于重工行业中抓取零件重量范围变化大，精细化零件抓取还存在改进的空间。

发明内容

有鉴于此，本发明实施例所解决的技术问题之一在于提供一种零件抓取数据处理方法和装置。

根据本发明实施例的第一方面，提供了一种零件抓取数据处理方法，包括：基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对当前大尺寸零件的最佳抓取参考点；输出最佳抓取参考点对应的点阵吸盘的抓取参数，以对当前大尺寸零件进行抓取。

本发明实施例的第二方面，提供了一种零件抓取数据处理装置，包括：确定模块，基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对当前大尺寸零件的最佳抓取参考点。输出模块，输出最佳抓取参考点对应的点阵吸盘的抓取参数，以对当前大尺寸零件进行抓取。

在本发明实施例的方案中，通过当前大尺寸零件的加工数据进行搜索，确定了点阵吸盘对当前大尺寸零件的最佳抓取参考点；输出最佳抓取参考点对应的点阵吸盘的抓取参数，以对当前大尺寸零件进行抓取。由于最佳抓取参考点基于当前大尺寸零件确定，因此输出的点阵吸盘的抓取参数能够对该当前大尺寸零件进行可靠抓取。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本申请实施例的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比值绘制的。附图中：

图1为本申请的一个实施例的零件抓取数据处理方法的示意性流程图；

图2A为本申请的另一实施例的大尺寸零件与点阵吸盘的一个示例的对齐方式的示意图；

图2B为本申请的另一实施例的大尺寸零件与点阵吸盘的另一示例的对齐方式的示意图；

图3为本申请的另一实施例的零件抓取数据处理方法的示意性流程图；

图4为本申请的另一实施例的零件抓取数据处理装置的示意性框图；

图5为本申请的另一实施例的电子设备的示意性框图。

具体实施方式

下面结合本发明实施例附图进一步说明本发明实施例具体实现。图1为本申请的

图1为本申请的一个实施例的零件抓取数据处理方法的示意性流程图。图1的零件抓取数据处理方法包括：

110：基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对当前大尺寸零件的最佳抓取参考点。

应理解，点阵吸盘对当前大尺寸零件的最佳抓取参考点可以为大尺寸零件的吸附平面上的参考点。当前大尺寸零件可以具有任何形状。

此外，大尺寸零件可以设置在较厚的钢板中。例如，大尺寸零件可以在上述的钢板中完成切割，并且存留在钢板中。大尺寸零件的吸附平面可以为上表面，其可以跟随与钢板的上表面。

此外，基于当前大尺寸零件的加工数据进行搜索，可以采用任何方式，例如，可以基于当前大尺寸零件的加工模拟数据以及点阵吸盘的模拟数据，进行固定点位和角度搜索或其他智能搜索算法。

此外，本发明实施例对点阵吸盘的吸附单元的排布方式不做限定，例如，可以为矩形、圆形、多边形等。一般地，点阵吸盘的吸附单元的布置范围可以不小于当前大尺寸零件的可吸附面积，当然，也可以小于可吸附面积。

此外，点阵吸盘的每个吸附单元可以通过磁通矩阵可以控制吸附磁力的开启和关断。

此外，当点阵式吸盘固定时，点阵吸盘能够基于抓取参考点对于任意形状的钢板进行解析，并且对当前大尺寸零件进行抓取。

在本发明的另一实现方式中，当前大尺寸零件的目标吸力阈值不小于当前大尺寸零件的重力的目标倍数。目标倍数即可以保证对当前大尺寸零件的安全抓取，使得大尺寸零件不至于从点阵吸盘上脱落，并且使得当前大尺寸零件之外的其他物体不会被吸附到点阵吸盘上。应理解，在一个示例中，目标倍数可以为1.5倍。在其他示例中，上述目标倍数也可以为其他的倍数。

120：输出最佳抓取参考点对应的点阵吸盘的抓取参数，以对当前大尺寸零件进行抓取。

应理解，可以输出诸如吸附平面上的抓取角度和磁通矩阵的抓取参数到抓取机构的控制单元中。

由于最佳抓取参考点基于当前大尺寸零件确定，因此输出的点阵吸盘的抓取参数能够对该当前大尺寸零件进行可靠抓取。

在本发明的另一实现方式中，基于旋转参考点，旋转点阵吸盘到多个角度，包括：基于旋转参考点，以目标旋转角度步长旋转点阵吸盘到多个角度。

在本发明的另一实现方式中，该方法还包括：基于多个角度，分别计算点阵吸盘与当前大尺寸零件之间的多个重合面积；基于多个重合面积和点阵吸盘的点阵排布参数，确定多个点阵吸盘吸力值；将多个点阵吸盘吸力值中的最大吸力值对应的抓取参考点确定为第一候选最佳参考点。

在本发明的另一实现方式中，输出最佳抓取参考点对应的点阵吸盘的抓取参数，包括：在多个角度中，确定与第一候选最佳参考点对应的旋转角度，并且在多个重合面积中，确定与第一候选最佳参考点对应的重合面积所覆盖的点阵吸盘磁通矩阵；输出对应的旋转角度和覆盖的点阵吸盘磁通矩阵。

具体而言，本发明实施例可以实现固定点解析，如重心点解析法。能够将吸盘的重心点与零件的重心点相重合，之后固定零件的同时以某一固定角度和重心点为中心旋转吸盘，确定点阵式吸盘与零件的重合面积。

具体而言，可以计算面积重合时点阵式吸盘产生的吸力，将最终产生吸力最大的对应角度和磁通矩阵点作为最终的输出。

此外，第一候选抓取参考点可以通过在特定角度改变磁通矩阵，得到目标磁通矩阵，使得确定产生目标吸力对应的最大的吸力。可以基于在多个角度的变化，确定磁通矩阵的调整。例如，如果两个相邻角度之间的角度引起了吸力变化较大，则优先选取吸力更大的磁通矩阵作为目标磁通矩阵。

此外，在多个角度的确定中，可以基于目标旋转角度步长来确定多个角度，也可以通过先前两次的旋转角度对应的吸力差来确定下一次旋转的角度，例如，先前两次的旋转角度对应的吸力差越大，下一次旋转的角度越小；先前两次的旋转角度对应的吸力差越小，下一次旋转的角度越大。

换言之，本发明实施例的方案可以对任意形状的钢板零件进行解析，相比传统的固定点解析只能处理规则的零件，本方法使用智能化的解析算法，大大提升了解析的通用性，使得基本对于任意形状的钢板零件均可解析抓取，对于实现工程的无人化至关重要。

在本发明的另一实现方式中，基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对当前大尺寸零件的最佳抓取参考点，包括：基于当前大尺寸零件的加工数据进行固定点位和角度搜索，确定当前大尺寸零件的第一组点阵吸盘抓取参考点；如果在第一组点阵吸盘抓取参考点中的第一候选最佳参考点的吸力值大于当前大尺寸零件的目标吸力阈值，则将第一候选最佳参考点确定为最佳抓取参考点。

具体而言，将零件的重心点与点阵式吸盘的中心点相重合，设定旋转角度的步长，在限定的角度范围内逐步搜索，记录所有对应点与旋转角度的磁通矩阵及其吸力大小。选择吸力最大的点(例如，候选最佳点位1)所对应的旋转角度与磁通矩阵作为输出。

此外，可以针对最佳点1所产生的吸力，判断吸力与零件自身重力的比值，当比值大于目标比值时，可以输出抓取参数，并且结束数据处理过程。

图2A为本申请的另一实施例的大尺寸零件与点阵吸盘的一个对齐方式的示意图。图B为本申请的另一实施例的大尺寸零件与点阵吸盘的另一对齐方式的示意图。如图所示，当左侧的图中的零件利用点阵吸盘进行吸附时，吸力与重力的比值小于目标比值，则调整吸附的角度，直到比值大于目标比值，选取比值最大的角度作为目标角度。

在本发明的另一实现方式中，基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对当前大尺寸零件的最佳抓取参考点，还包括：如果第一候选最佳参考点的吸力值不大于当前大尺寸零件的目标吸力阈值，则利用目标智能算法，对当前大尺寸零件的加工数据进行搜索，确定第二候选最佳参考点，并且从第一候选最佳参考点和第二候选最佳参考点中确定最佳参考点。

应理解，采用启发式智能搜索方法，通过全局智能搜素，能够避免陷入局部最优解或者只在某几个固定点位旋转搜索。

具体而言，当吸力与零件自身重力的比值小于目标比值(目标吸力与当前大尺寸的重力的比值)时，可以开启智能搜索策略进行全局搜索，以确定候选最佳抓取参考点2及其对应的旋转角度与磁通矩阵。

此外，可以对候选最佳参考点1和候选最佳参考点2的产生吸力大小与力矩大小解析比较，确定最佳参考点作为最终的输出。

此外，通过大量零件抓取实测表明本方法能比传统找到更大的吸力，可以在本智能解析算法下轻松抓取在固定点位和角度搜索中不能抓取的零件。

换言之，本发明实施例的方法能够综合考虑磁通矩阵的准确性与解析速度，在能满足工业生产的前提下，确保点阵式吸盘开启的磁通矩阵具有足够的准确性，能较好的避免废料框或其他零件同时达到最大的吸力，为无人化智能抓取打下了坚实的基础。

在本发明的另一实现方式中，基于当前大尺寸零件的加工数据进行固定点位和角度搜索，确定当前大尺寸零件的第一组点阵吸盘抓取参考点，包括：通过将点阵吸盘与当前大尺寸零件对齐，确定点阵吸盘的旋转参考点；基于旋转参考点，旋转点阵吸盘到多个角度，得到当前大尺寸零件的第一组点阵吸盘抓取参考点。

在本发明的另一实现方式中，通过将点阵吸盘与当前大尺寸零件对齐，确定点阵吸盘的旋转参考点，包括：分别确定点阵吸盘的重心点与当前大尺寸零件的重心点；将点阵吸盘的重心点与当前大尺寸零件的重心点重合。

在本发明的另一实现方式中，该方法还包括：基于点阵吸盘的重心点与当前大尺寸零件的重心点之间的重合点，确定旋转参考点。

在本发明的另一实现方式中，从第一候选最佳参考点和第二候选最佳参考点中确定最佳参考点，包括：利用目标智能算法，对当前大尺寸零件的加工数据进行搜索，确定最佳参考点；通过比较第一候选最佳参考点和第二候选最佳参考点各自对应的吸力值和吸力力矩值，确定最佳参考点。

在本发明的另一实现方式中，该方法还包括：在输出最佳参考点对应的点阵吸盘的抓取参数时，通过分布式计算机获取下一大尺寸零件的加工数据，以进行零件抓取数据处理。

换言之，本发明实施例的方案能够进一步提高了零件解析的效率，对零件解析的时间做了进一步的压缩，使之达到了工业生产的时间性能要求。

换言之，本发明实施例的方案能够被分布式计算进一步加快解析的速度，满足了工业生产的节拍要求，大幅缩短了解析时间。

在本发明的另一实现方式中，该方法还包括：将最佳参考点对应的点阵吸盘的抓取参数与当前大尺寸零件的加工数据关联存储在数据库中。

在本发明的另一实现方式中，该方法还包括：在数据库中比较下一大尺寸零件的加工数据与当前大尺寸零件的加工数据；如果下一大尺寸零件的加工数据与当前大尺寸零件的加工数据匹配，则输出最佳参考点对应的点阵吸盘抓取参数，以对下一大尺寸零件进行抓取。

换言之，在本发明实施例中，能够使用数据库作为缓存，将对大尺寸零件解析结果存储在数据库中，从而当下次解析相同或相似的大尺寸零件时，可从缓存中读取相应的抓取参数，极大地缩短了解析时间，经由测试，可以将解析的时间缩短在至10秒以内。

图3为本申请的另一实施例的零件抓取数据处理方法的示意性流程图。如图所示，

应理解，本示例的零件抓取数据处理方法仅仅为一个示例，

在步骤S301中，通过进行重心点搜索，得到多个抓取参考点，并且进入到步骤S302。

在步骤S302中，在多个抓取参考点中，确定候选最佳参考点1，并且进入到捕捉S303中。

在步骤S303中，判断候选最佳参考点1是否大于目标吸力阈值，如果为是，则进入到步骤S305中；如果为否，则进入到步骤S304中。

在步骤S304中，基于大尺寸零件进行智能搜索，并且进入到步骤S306中。

在步骤S305中，结束流程。

在步骤S306中，确定候选最佳参考点2，并且进入到步骤S307中。

在步骤S307中，判断候选最佳参考点1和候选最佳参考点2的大小关系，并且进入到步骤S308中。

在步骤S308中，在候选最佳参考点1和候选最佳参考点2，确定吸力较大的候选最佳参考点为最佳参考点。

图4为本申请的另一实施例的零件抓取数据处理装置的示意性框图。图4的零件抓取数据处理装置包括：

确定模块410，基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对当前大尺寸零件的最佳抓取参考点；

输出模块420，输出最佳抓取参考点对应的点阵吸盘的抓取参数，以对当前大尺寸零件进行抓取。

由于最佳抓取参考点基于当前大尺寸零件确定，因此输出的点阵吸盘的抓取参数能够对该当前大尺寸零件进行可靠抓取。

在本发明的另一实现方式中，确定模块具体用于：基于当前大尺寸零件的加工数据进行固定点位和角度搜索，确定当前大尺寸零件的第一组点阵吸盘抓取参考点；如果在第一组点阵吸盘抓取参考点中的第一候选最佳参考点的吸力值大于当前大尺寸零件的目标吸力阈值，则将第一候选最佳参考点确定为最佳抓取参考点。

在本发明的另一实现方式中，确定模块还用于：如果第一候选最佳参考点的吸力值不大于当前大尺寸零件的目标吸力阈值，则利用目标智能算法，对当前大尺寸零件的加工数据进行搜索，确定第二候选最佳参考点，并且从第一候选最佳参考点和第二候选最佳参考点中确定最佳参考点。

在本发明的另一实现方式中，确定模块具体用于：通过将点阵吸盘与当前大尺寸零件对齐，确定点阵吸盘的旋转参考点；基于旋转参考点，旋转点阵吸盘到多个角度，得到当前大尺寸零件的第一组点阵吸盘抓取参考点。

在本发明的另一实现方式中，确定模块具体用于：基于旋转参考点，以目标旋转角度步长旋转点阵吸盘到多个角度。

在本发明的另一实现方式中，确定模块还用于：基于多个角度，分别计算点阵吸盘与当前大尺寸零件之间的多个重合面积；基于多个重合面积和点阵吸盘的点阵排布参数，确定多个点阵吸盘吸力值；将多个点阵吸盘吸力值中的最大吸力值对应的抓取参考点确定为第一候选最佳参考点。

在本发明的另一实现方式中，输出模块具体用于：在多个角度中，确定与第一候选最佳参考点对应的旋转角度，并且在多个重合面积中，确定与第一候选最佳参考点对应的重合面积所覆盖的点阵吸盘磁通矩阵；输出对应的旋转角度和覆盖的点阵吸盘磁通矩阵。

在本发明的另一实现方式中，确定模块具体用于：分别确定点阵吸盘的重心点与当前大尺寸零件的重心点；将点阵吸盘的重心点与当前大尺寸零件的重心点重合。

在本发明的另一实现方式中，确定模块还用于：基于点阵吸盘的重心点与当前大尺寸零件的重心点之间的重合点，确定旋转参考点。

在本发明的另一实现方式中，确定模块具体用于：利用目标智能算法，对当前大尺寸零件的加工数据进行搜索，确定最佳参考点；通过比较第一候选最佳参考点和第二候选最佳参考点各自对应的吸力值和吸力力矩值，确定最佳参考点。

在本发明的另一实现方式中，目标智能算法包括遗传算法等智能仿生算法。

在本发明的另一实现方式中，当前大尺寸零件的目标吸力阈值不小于当前大尺寸零件的重力的1.5倍。

在本发明的另一实现方式中，该装置还包括：获取模块，在输出最佳参考点对应的点阵吸盘的抓取参数时，通过分布式计算机获取下一大尺寸零件的加工数据，以进行零件抓取数据处理。

在本发明的另一实现方式中，该装置还包括：存储模块，将最佳参考点对应的点阵吸盘的抓取参数与当前大尺寸零件的加工数据关联存储在数据库中。

在本发明的另一实现方式中，输出模块还用于：在数据库中比较下一大尺寸零件的加工数据与当前大尺寸零件的加工数据；

如果下一大尺寸零件的加工数据与当前大尺寸零件的加工数据匹配，则输出最佳参考点对应的点阵吸盘抓取参数，以对下一大尺寸零件进行抓取。

图5为本申请的另一实施例的电子设备的示意性框图。如图5所示，电子设备包括：一个或多个处理器510、通信接口520、存储器530和通信总线540、以及一个或多个程序。一个或多个处理器510、通信接口520、存储器530通过通信总线540完成相互间的通信，一个或多个程序被存储在存储器530中，并且被配置为由一个或多个处理器510执行本发明任一实施例的方法。

本发明实施例还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制包括存储介质的设备执行本发明任一实施例中的方法。

至此，已经对本主题的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序，以实现期望的结果。在某些实施方式中，多任务处理和并行处理可以是有利的。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable LogicDevice,PLD)(例如现场可编程门阵列(FieldProgrammableGateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera HardwareDescription Language)、Confluence、CUPL(Cornell University ProgrammingLanguage)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware Description Language)等，目前最普遍使用的是VHDL(Very-High-Speed Integrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定事务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行事务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种零件抓取数据处理方法，其特征在于，包括：

基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对所述当前大尺寸零件的最佳抓取参考点；

输出所述最佳抓取参考点对应的所述点阵吸盘的抓取参数，以对所述当前大尺寸零件进行抓取。

2.根据权利要求1所述的方法，其特征在于，所述基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对所述当前大尺寸零件的最佳抓取参考点，包括：

基于所述当前大尺寸零件的加工数据进行固定点位和角度搜索，确定所述当前大尺寸零件的第一组点阵吸盘抓取参考点；

如果在所述第一组点阵吸盘抓取参考点中的第一候选最佳参考点产生的的吸力值大于所述当前大尺寸零件的目标吸力阈值，则将所述第一候选最佳参考点确定为最佳抓取参考点。

3.根据权利要求2所述的方法，其特征在于，所述基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对所述当前大尺寸零件的最佳抓取参考点，还包括：

如果所述第一候选最佳参考点的吸力值不大于所述当前大尺寸零件的目标吸力阈值，则利用目标智能算法，对所述当前大尺寸零件的加工数据进行搜索，确定第二候选最佳参考点，并且从所述第一候选最佳参考点和所述第二候选最佳参考点中确定最佳参考点。

4.根据权利要求2所述的方法，其特征在于，所述基于所述当前大尺寸零件的加工数据进行固定点位和角度搜索，确定所述当前大尺寸零件的第一组点阵吸盘抓取参考点，包括：

通过将所述点阵吸盘与所述当前大尺寸零件对齐，确定所述点阵吸盘的旋转参考点；

基于所述旋转参考点，旋转所述点阵吸盘到多个角度，得到所述当前大尺寸零件的第一组点阵吸盘抓取参考点。

5.根据权利要求4所述的方法，其特征在于，所述基于所述旋转参考点，旋转所述点阵吸盘到多个角度，包括：

基于所述旋转参考点，以目标旋转角度步长旋转所述点阵吸盘到所述多个角度，其中，所述方法还包括：

基于所述多个角度，分别计算所述点阵吸盘与所述当前大尺寸零件之的多个重合面积；

基于所述多个重合面积和所述点阵吸盘的点阵排布参数，确定所述多个点阵吸盘吸力值；

将所述多个点阵吸盘吸力值中的最大吸力值对应的抓取参考点确定为所述第一候选最佳参考点。

6.根据权利要求5所述的方法，其特征在于，所述输出所述最佳抓取参考点对应的所述点阵吸盘的抓取参数，包括：

在所述多个角度中，确定与所述第一候选最佳参考点对应的旋转角度，并且在所述多个重合面积中，确定与所述第一候选最佳参考点对应的重合面积所覆盖的点阵吸盘磁通矩阵；

输出对应的旋转角度和覆盖的点阵吸盘磁通矩阵。

7.根据权利要求4所述的方法，其特征在于，所述通过将所述点阵吸盘与所述当前大尺寸零件对齐，确定所述点阵吸盘的旋转参考点，包括：

分别确定所述点阵吸盘的重心点与所述当前大尺寸零件的重心点；

将所述点阵吸盘的重心点与所述当前大尺寸零件的重心点重合，其中，所述方法还包括：

基于所述点阵吸盘的重心点与所述当前大尺寸零件的重心点之间的重合点，确定所述旋转参考点。

8.根据权利要求3所述的方法，其特征在于，所述从所述第一候选最佳参考点和所述第二候选最佳参考点中确定最佳参考点，包括：

通过比较所述第一候选最佳参考点和所述第二候选最佳参考点各自对应的吸力值和吸力力矩值，确定所述最佳参考点。

9.根据权利要求1-8中任一项所述的方法，其特征在于，所述方法还包括：

在输出所述最佳参考点对应的所述点阵吸盘的抓取参数时，通过分布式计算机获取下一大尺寸零件的加工数据，以进行零件抓取数据处理；

将所述最佳参考点对应的点阵吸盘的抓取参数与所述当前大尺寸零件的加工数据关联存储在数据库中；

在所述数据库中比较下一大尺寸零件的加工数据与所述当前大尺寸零件的加工数据；

如果所述下一大尺寸零件的加工数据与所述当前大尺寸零件的加工数据匹配，则输出所述最佳参考点对应的点阵吸盘抓取参数，以对所述下一大尺寸零件进行抓取。

10.一种零件抓取数据处理装置，其特征在于，包括：

确定模块，基于当前大尺寸零件的加工数据进行搜索，确定点阵吸盘对所述当前大尺寸零件的最佳抓取参考点；

输出模块，输出所述最佳抓取参考点对应的点阵吸盘的抓取参数，以对所述当前大尺寸零件进行抓取。

Images