CN114347008A - 基于工业机器人的无序抓取工件方法、装置及智能终端 - Google Patents

Abstract

本发明公开了一种基于工业机器人的无序抓取工件方法、装置及智能终端，上述方法包括：获取预先采集的基准数据，所述基准数据包括机械手的位姿数据和工件的第一坐标数据；获取待抓取工件的第二坐标数据；基于所述第一坐标数据和所述第二坐标数据，修改所述位姿数据获得目标位姿数据；获取预设的路径数据，所述机械手基于所述路径数据移动到抓取区域；基于所述路径数据和所述目标位姿数据，根据轨迹生成模型生成抓取轨迹；基于所述抓取轨迹，所述机械手抓取所述待抓取工件。与现有技术相比，本发明方案只要一次性采集好基准数据，不需要重复示教就能自动生成抓取各个工件的抓取轨迹。

Description

基于工业机器人的无序抓取工件方法、装置及智能终端

技术领域

本发明涉及工业机器人技术领域，尤其涉及的是一种基于工业机器人的无序抓取工件方法、装置及智能终端。

背景技术

随着机器人领域技术的不断发展完善及国家对生产力水平需求的不断提高，机器人自动化无序抓取在工业生产中具备广泛的应用前景。

目前使用3D相机对工件进行拍照定位，可以获得工件的三维坐标位置，但是，工业机器人仅获得3D相机采集的工件三维坐标位置并不能实现自动抓取，抓取动作轨迹仍需要手动示教来实现。然而，由于示教轨迹是固定的，需要对一个工件容器中无序堆叠工件中的每个工件单独进行轨迹示教，示教工作量大，智能化程度不高，并且抓取工件的准确率并不高。

因此，现有技术还有待改进和发展。

发明内容

本发明的主要目的在于提供一种基于工业机器人的无序抓取工件方法、装置及智能终端，旨在解决现有技术中抓取无序堆叠工件时需要重复示教，不能自动生成抓取轨迹的问题。

为了实现上述目的，本发明提供了一种基于工业机器人的无序抓取工件方法，其中，上述方法包括：

获取预先采集的基准数据，所述基准数据包括机械手的位姿数据和工件的第一坐标数据；

获取待抓取工件的第二坐标数据；

基于所述第一坐标数据和所述第二坐标数据，修改所述位姿数据获得目标位姿数据；

获取预设的路径数据，所述机械手基于所述路径数据移动到抓取区域；

基于所述路径数据和所述目标位姿数据，根据轨迹生成模型生成抓取轨迹；

基于所述抓取轨迹，所述机械手抓取所述待抓取工件。

可选的，预先采集所述基准数据，包括：

基于选定的工件，获取采集的所述选定工件的坐标数据和示教抓取所述选定工件时采集的机械手的位姿数据。

可选的，生成所述路径数据，包括：

获取工件容器的容器模型、机械手模型和障碍物模型；

基于所述容器模型、所述障碍物模型和所述机械手模型，建立抓取环境仿真模型；

基于所述抓取环境仿真模型，获得设定的路径节点，所述机械手模型基于所述路径节点移动时避开所述障碍物模型；

组合所有的所述路径节点，获得所述路径数据。

可选的，所述基于所述第一坐标数据和所述第二坐标数据，修改所述位姿数据获得目标位姿数据，包括：

基于所述第一坐标数据和所述第二坐标数据，获得齐次转换矩阵；

基于所述齐次转换矩阵和所述位姿数据，获得目标位姿数据。

可选的，所述目标位姿数据为基于相机坐标系的数据，基于所述齐次转换矩阵和所述位姿数据，获得目标位姿数据后，还包括：

获取预设的转换矩阵，获取预设的转换矩阵，所述转换矩阵用于将基于相机坐标系的坐标数据转换为基于机器人坐标系的坐标数据；

基于所述转换矩阵，转换并更新所述目标位姿数据。

可选的，生成所述转换矩阵，包括：

基于预设的三个位置，依次获取机械手基于机器人坐标系的第一三维坐标数据和基于相机坐标系的第二三维坐标数据；

基于所述第一三维坐标数据和所述第二三维坐标数据，获得所述转换矩阵。

可选的，所述基于所述路径数据和所述目标位姿数据，根据轨迹生成模型生成抓取轨迹，包括：

获取工件容器的尺寸数据；

基于所述尺寸数据和设定的干涉判定阈值，获得接近位置的坐标数据，所述接近位置位于所述容器内且位于所述待抓取工件的上方；

基于所述路径数据、所述目标位姿数据和所述接近位置的坐标数据，根据轨迹生成模型生成所述抓取轨迹。

为了实现上述目的，本发明第二方面还提供了一种基于工业机器人的无序抓取工件装置，包括：

采集模块，用于获取采集的基准数据、待抓取工件的第二坐标数据，所述基准数据包括机械手的位姿数据和工件的第一坐标数据；

路径设定模块，用于设定路径数据；

位姿修改模块，用于基于所述第一坐标数据和所述第二坐标数据，修改所述位姿数据获得目标位姿数据；

轨迹获取模块，用于基于所述路径数据和所述目标位姿数据，根据轨迹生成模型生成抓取轨迹。

可选的，还包括坐标转换模块，用于将基于相机坐标系的所述基准数据和所述待抓取工件的第二坐标数据更新为基于机器人坐标系。

为了实现上述目的，本发明第三方面还提供了一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的基于工业机器人的无序抓取工件程序，上述基于工业机器人的无序抓取工件程序被上述处理器执行时实现任意一项上述基于工业机器人的无序抓取工件方法的步骤。

由上述可见，本发明的基于工业机器人的无序抓取工件方法、装置及智能终端，基于基准数据的工件坐标数据和待抓取工件的坐标数据，修改基准数据中的机械手位姿数据，获得与待抓取工件对应的机械手位姿数据，再结合预设的路径数据，根据轨迹生成模型自动生成抓取轨迹，依照抓取轨迹就可以自动抓取无序堆叠的各个工件。只要一次性采集好基准数据，不需要重复示教就能自动生成抓取各个工件的抓取轨迹。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的基于工业机器人的无序抓取工件方法的流程示意图；

图2是本发明实施图1中步骤S400的具体流程示意图；

图3是本发明实施图1中步骤S500的具体流程示意图；

图4是本发明实施例提供的基于工业机器人的无序抓取工件装置的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。

下面结合本发明实施例的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

随着机器人领域技术的不断发展完善及国家对生产力水平需求的不断提高，机器人自动化无序抓取在工业生产中具备广泛的应用前景。

目前使用3D相机对工件进行拍照定位，可以获得工件的三维坐标位置，但是，工业机器人仅获得3D相机采集的工件三维坐标位置并不能实现自动抓取，抓取动作轨迹仍需要手动示教来实现。然而，由于示教轨迹是固定的，需要对一个工件容器中无序堆叠工件中的每个工件单独进行轨迹示教，示教工作量大，智能化程度不高，并且抓取工件的准确率并不高。

本发明的基于工业机器人的无序抓取工件方法，基于基准数据的工件坐标数据和待抓取工件的坐标数据，修改基准数据中的机械手位姿数据，获得与待抓取工件对应的机械手位姿数据，再结合预设的路径数据，根据轨迹生成模型自动生成抓取轨迹，依照抓取轨迹就可以自动抓取无序堆叠的各个工件。只要一次性采集好基准数据，不需要重复示教就能自动生成抓取各个工件的抓取轨迹。

示例性方法

如图1所示，本发明实施例提供一种基于工业机器人的无序抓取工件方法，具体的，上述方法包括如下步骤：

步骤S100：获取预先采集的基准数据，所述基准数据包括机械手的位姿数据和工件的坐标数据；

其中，机械手的位姿数据是指机械手的三维坐标数据，工件的坐标数据是指工件的三维坐标数据。上述三维坐标数据包括六个维度：(X，Y，Z，w，p，r),X代表前后方向的位置，Y代表左右方向的位置，Z代码上下方向的位置，w代表基于X轴的偏移角度，p代表基于Y轴的偏移角度，r代表基于Z轴的偏移角度。通过上述的三维坐标数据，可以唯一的确定机械手和工件的位置及角度。

上述基准数据可以通过3D视觉相机来获取。通过调节3D视觉相机的焦距、缩放比例、畸变系数、倾斜系数等获取到机械手和工件的图像以及所在场景的深度图像后，通过定位算法获得三维坐标数据。需要说明的是该三维坐标数据是以3D视觉相机本身上的某点位置为基准(即相机坐标系)的坐标数据。可以使用不同类型的3D视觉相机来采集三维坐标数据，如双目3D相机、TOF 3D相机、单目结构光3D相机，双目结构光3D相机等。

具体地，为了实现无序堆叠工件的自动抓取，需要生成每个工件的抓取轨迹。然而工件容器中的工件是无序堆叠的，每一个工件的位置及角度都是不相同的，因此，需要先选定其中一个工件进行示教抓取，并采集工件的三维坐标数据和抓取时机械手的位姿数据。该工件的三维坐标数据和抓取时机械手的位姿数据就形成抓取其余工件时的基准数据，根据该基准数据进行一定计算，就可以获得抓取其余工件相关的坐标数据，从而实现自动抓取。容易理解的是，如果工件容器没有移动，当工件容器中的工件被抓取完毕后，仍然可以对后续加入到该工件容器中的工件进行持续抓取。实现一次示教、自动抓取的效果，智能化程度高，示教工作量小。

步骤S200：获取待抓取工件的坐标数据；

具体地，选定工件容器内无序堆叠工件中的一个作为待抓取工件，通过3D视觉相机采集到该待抓取工件的图像，通过定位算法获得三维坐标数据。通过与3D视觉相机建立连接，就可以获取到该三维坐标数据。

采集工件图像前，先需要在3D视觉相机进行工件注册，即将工件放置在3D视觉相机下，获得工件的三维模型，并保存在数据库中，该三维模型作为识别工件容器中工件的模板。识别工件时，3D视觉相机都会提供抓取场景的深度图像，经3D视觉相机的主控模块处理生成抓取场景的三维模型，通过与保存的工件模板进行匹配，识别出工件容器中的工件，同时计算得到工件的三维坐标数据。

步骤S300：基于基准数据中的工件坐标数据和待抓取工件的坐标数据，修改机械手的位姿数据获得目标位姿数据；

具体地，由于基准数据中机械手的位姿数据是在采集基准数据时，机械手抓取某个工件时采集到的。该工件和待抓取工件的坐标数据显然是不相同的，因此，需要根据两者之间坐标数据的相关性来对基准数据中机械手的位姿数据进行修正，从而获得机械手抓取待抓取工件所依据的位姿数据。

在一些实施场景中，对上述位姿数据进行修正的方法，包括：

步骤S310：基于基准数据中的工件坐标数据和待抓取工件的坐标数据，获得齐次转换矩阵；

具体地，通过对基准数据中的工件坐标数据进行仿射变换，如平移和缩放。获得齐次转换矩阵，通过该齐次转换矩阵使得基准数据中的工件坐标数据能转换为待抓取工件的坐标数据。

步骤S320：基于齐次转换矩阵和位姿数据，获得目标位姿数据。

具体地，将位姿数据转换为矩阵，根据齐次转换矩阵对位姿数据进行矩阵变换，从而获得目标位姿数据。

由于本实施例中机械手移动时的坐标是基于机器人坐标系的，即机械手移动基准是设置在固定机械手的机器人的某个位置，而目标位姿数据是基于相机坐标系的，因此，还需要对目标位姿数据进行坐标转换。具体实施过程为：获取到预设的用于将相机坐标系转换为机器人坐标系的转换矩阵，然后根据该转换矩阵，转换并更新目标位姿数据。上述转换矩阵可以在手眼标定过程中获得，手眼标定具体过程为：示教机械手手抓以三个不同角度放置于3D视觉相机下方拍照获取机械手手抓的图形，并通过定位算法获得基于相机坐标系的三维坐标数据，利用机械手手抓在相机坐标系中的坐标和在机器人坐标中的坐标这两组坐标点，通过vector_to_hom_mat3d算子(仿射变换算子)把相机坐标系转换到机器人坐标系，并得到这两个坐标系之间的4×4的转换矩阵。通过该转换矩阵即可将任意相机坐标系下的点转换到机器人坐标系下。

在一些实施场景中，为了简化和方便坐标转换的计算，可以先选定一个工件作为基准工件，将基准工件正放于3D视觉相机下方，此时工件与相机坐标系的X、Y、Z轴没有偏转，设定工件此时的三维坐标为工件零点A，此时工件零点A的三维坐标数据(X，Y，Z，w，p，r)为(0，0，0，0，0，0)。工件位置保持不动，示教机械手在工件正上方抓取工件，设定机械手此位置姿态为机械手抓取零点。则机械手抓取零点的坐标(X，Y，Z，w，p，r)为(0，0，0，0，0，0)。假如工件容器中待抓取工件1的三维坐标为(-30，-20，-5，30，10，5)，机械手抓取工件1时基于机械手抓取零点的偏移坐标相应为(-30，-20，-5，30，10，5)，机械手根据该偏移坐标修正机械手抓取零点的位姿来抓取工件1时，与在工件零点时抓取工件相同，仍是从工件的正上方抓取工件，从而准确地抓取工件。以此类推，工件容器内其他工件无论是何种角度和姿态，机械手都能根据3D视觉相机拍照获取工件的偏移坐标来引导机械手通过相应的坐标偏移实现工件的抓取，并且抓取工件时机械手姿态始终置于工件正上方。

步骤S400：获取预设的路径数据，机械手基于所述路径数据移动到抓取区域；

其中，路径数据是指机械手抓取目标工件时进入抓取区域前和离开抓取区域后经过的路径点。抓取区域是指3D视觉相机所能拍摄的区域。通常机械手从初始位置先移动至工件容器的上方，然后在抓取区域内抓取工件。因此一般以移动到工件容器的上方以及从工件容器的上方移开作为进入抓取区域和离开抓取区域。

具体地，抓取工件时，机械手从工件容器的上方移动至抓取待抓取工件的位置，该移动路径可以基于3D视觉相机拍摄的三维坐标数据拟合生成。然而机械手从等待位置移动至抓取区域的路径与实际现场环境相关，需要对路径数据先行设定好，从而实现机械手的自行移动。可选的，可以只设置移动路径上的节点数据，设置好节点数据后，通过路径拟合算法，自动生成路径数据。

步骤S500：基于路径数据和目标位姿数据，根据轨迹生成模型生成抓取轨迹；

步骤S600：基于抓取轨迹，机械手抓取待抓取工件。

具体地，抓取轨迹是指描述机械手运动的作业程序，由使机械手从一个位置到另一个位置的一系列运动语句组成。获得了路径数据后和目标位姿数据后，轨迹生成模型就可以根据路径数据、目标位姿数据生成路径上的控制点的坐标数据，基于这些坐标数据进行编程生成抓取轨迹。轨迹生成模型优选采用本实施例中使用的工业机器人轨迹生成软件。获得抓取轨迹后，机械手控制器就能自动运行上述抓取轨迹，完成抓取待抓取工件的操作。

综上所述，本实施例只需设置一次机械手路径数据，进行一次工件抓取示教，工业机器人轨迹生成软件可以根据待抓取工件的坐标数据自动调整生成抓取轨迹，完成自动抓取。智能化程度高，抓取准确率高、抓取效果好。

在一个实施例中，生成上述步骤S400中的路径数据更具体地包括如图2所示的步骤：

步骤S410：获取工件容器的容器模型、机械手模型和障碍物模型；

具体地，本实施例中通过建立与机械手移动到工件容器上方的现场环境对应的抓取环境仿真模型，在仿真模型上可视化地设置机械手的移动路径，实现了机械手移动时自动规避周围的障碍物。因此，首先需要对工件容器、机械手和障碍物进行建模，获得对应的模型数据。优选的，采用本实施例中的3D视觉相机来进行建模，只需要将工件容器、机械手、障碍物放在3D视觉相机中，就可以获得对应的点云数据，通过点云数据来生成模型。

步骤S420：基于容器模型、障碍物模型和机械手模型，建立抓取环境仿真模型；

具体地，将获得的容器模型、障碍物模型和机械手模型依据现场环境中的各自位置导入仿真模型中，获得抓取环境仿真模型。

步骤S430：基于抓取环境仿真模型，获得设定的路径节点，所述机械手模型基于所述路径节点移动时避开障碍物模型；

具体地，在抓取环境仿真模型中，可视化地设置机械手从初始位置移动到工件容器上方位置时的路径节点，使得机械手沿上述路径节点移动时能够避开障碍物模型，相当于，实际抓取时，机械手基于这些路径节点移动，能自动避开相应的障碍物。

步骤S440：组合所有的所述路径节点，获得路径数据。

具体地，设定好路径节点后，将所有的路径节点依照先后顺序进行组合，获得路径数据。轨迹生成模型就可以根据该路径数据生成机械手的路径轨迹。

显然，获得路径数据后，还可以根据生成的路径轨迹来对路径节点进行验证和更新。

综上所述，本实施例通过建立抓取环境仿真模型，在抓取环境仿真模型中放置障碍物，规划能够避开障碍物的路径节点，之后轨迹生成模型根据路径节点生成路径轨迹，实际抓取时就能够自动规避障碍物，机械手不会与障碍物发生干涉。设置方法简单灵活，能够自动生成路径轨迹，不用进行轨迹示教。

在一个实施例中，上述步骤S500更具体地包括如图3所示的步骤：

步骤S510：获取工件容器的尺寸数据；

步骤S520：基于所述尺寸数据和设定的干涉判定阈值，获得接近位置的坐标数据，所述接近位置位于所述容器内且位于待抓取工件的上方；

其中，工件容器的尺寸数据包括：工件容器的长宽高以及侧壁厚度等，可以通过工件容器的模型获得工件容器的尺寸数据，也可以通过3D视觉相机拍照获得上述尺寸数据。

具体地，机械手在工件容器内抓取工件时，如果直接从工件容器的上空停留位置移动到抓取位置时，很容易和工件容器发生干涉碰撞。因此，本实施例在抓取工件时考虑到工件容器边缘可能产生干扰，在工件容器内且位于待抓取工件的上方设置了一个接近位置，确保从工件容器上空停留位置到接近位置不会与工件容器发生干涉。该接近位置可以在获取到的工件容器尺寸数据后，参考设定的干涉判定阈值计算出来。

步骤S530：基于路径数据、目标位姿数据和接近位置的坐标数据，根据轨迹生成模型生成抓取轨迹。

具体地，由于另外设定一个接近位置，抓取轨迹生成时，就需要结合路径数据、接近位置的坐标数据、目标位姿数据这三项数据来根据轨迹生成模型生成抓取轨迹。

相应地，工件容器内也可以设置一个离开位置，机械手离开工件容器前先移动到离开位置，再移动到工件容器的上方，然后移动到工件放置位置。

综上所述，本实施例中，通过另外设置接近位置，可以进一步地避免机械手与工件容器发生干涉碰撞，实现机械手精准的自动抓取和自动避障的效果。

示例性设备

如图4中所示，对应于基于工业机器人的无序抓取工件方法，本发明还提供了一种基于工业机器人的无序抓取工件装置，上述基于工业机器人的无序抓取工件装置包括：

采集模块600，用于获取采集的基准数据、待抓取工件的坐标数据，所述基准数据包括机械手的位姿数据和工件的坐标数据；

具体地，上述基准数据和坐标数据都是三维坐标数据，可以通过3D视觉相机采集，3D视觉相机连接到3D视觉相机控制器上，通过3D视觉相机控制器获得上述三维坐标数据。

路径设定模块610，用于设定路径数据；

具体地，通过设定路径数据，获得机械手从初始位置移动到抓取区域的移动路径。

本实施例中，在显示界面上导入工件容器模型、障碍物模型和机械手模型，建立抓取环境仿真模型。在仿真模型内可视化地设置机械手从初始位置移动到抓取区域的路径节点，使得机械手沿上述路径节点移动时能够避开障碍物模型。

位姿修改模块620，用于基于基准数据中的工件坐标数据和待抓取工件的坐标数据，修改位姿数据获得目标位姿数据；

具体地，通过对基准数据中的工件坐标数据进行仿射变换，如平移和缩放。获得齐次转换矩阵，该齐次转换矩阵使得基准数据中的工件坐标数据变换为待抓取工件的坐标数据，再通过该齐次转换矩阵修改位姿数据获得目标位姿数据。

轨迹获取模块630，用于基于路径数据和目标位姿数据，根据轨迹生成模型生成抓取轨迹。

具体地，抓取轨迹是指描述机械手运动的作业程序，由使机械手从一个位置到另一个位置的一系列运动语句组成。获得了路径数据后和目标位姿数据后，轨迹生成模型就可以根据路径数据、目标位姿数据生成移动路径及抓取路径上的控制点的轨迹坐标数据，基于这些轨迹坐标数据进行编程生成抓取轨迹。

进一步的，还包括坐标转换模块，用于将基于相机坐标系的基准数据和待抓取工件的第二坐标数据更新为基于机器人坐标系。

本实施例中，上述基于工业机器人的无序抓取工件装置的各模块的具体功能可以参照上述基于工业机器人的无序抓取工件方法中的对应描述，在此不再赘述。

应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.基于工业机器人的无序抓取工件方法，其特征在于，包括：

获取预先采集的基准数据，所述基准数据包括机械手的位姿数据和工件的第一坐标数据；

获取待抓取工件的第二坐标数据；

基于所述第一坐标数据和所述第二坐标数据，修改所述位姿数据获得目标位姿数据；

获取预设的路径数据，所述机械手基于所述路径数据移动到抓取区域；

基于所述路径数据和所述目标位姿数据，根据轨迹生成模型生成抓取轨迹；

基于所述抓取轨迹，所述机械手抓取所述待抓取工件。

2.如权利要求1所述的基于工业机器人的无序抓取工件方法，其特征在于，预先采集所述基准数据，包括：

基于选定的工件，获取采集的所述选定工件的坐标数据和示教抓取所述选定工件时采集的机械手的位姿数据。

3.如权利要求1所述的基于工业机器人的无序抓取工件方法，其特征在于，生成所述路径数据，包括：

获取工件容器的容器模型、机械手模型和障碍物模型；

基于所述容器模型、所述障碍物模型和所述机械手模型，建立抓取环境仿真模型；

基于所述抓取环境仿真模型，获得设定的路径节点，所述机械手模型基于所述路径节点移动时避开所述障碍物模型；

组合所有的所述路径节点，获得所述路径数据。

4.如权利要求1所述的基于工业机器人的无序抓取工件方法，其特征在于，所述基于所述第一坐标数据和所述第二坐标数据，修改所述位姿数据获得目标位姿数据，包括：

基于所述第一坐标数据和所述第二坐标数据，获得齐次转换矩阵；

基于所述齐次转换矩阵和所述位姿数据，获得目标位姿数据。

5.如权利要求4所述的基于工业机器人的无序抓取工件方法，其特征在于，所述目标位姿数据为基于相机坐标系的数据，基于所述齐次转换矩阵和所述位姿数据，获得目标位姿数据后，还包括：

获取预设的转换矩阵，所述转换矩阵用于将基于相机坐标系的坐标数据转换为基于机器人坐标系的坐标数据；

基于所述转换矩阵，转换并更新所述目标位姿数据。

6.如权利要求5所述的基于工业机器人的无序抓取工件方法，其特征在于，生成所述转换矩阵，包括：

基于预设的三个位置，依次获取机械手基于机器人坐标系的第一三维坐标数据和基于相机坐标系的第二三维坐标数据；

基于所述第一三维坐标数据和所述第二三维坐标数据，获得所述转换矩阵。

7.如权利要求1所述的基于工业机器人的无序抓取工件方法，其特征在于，所述基于所述路径数据和所述目标位姿数据，根据轨迹生成模型生成抓取轨迹，包括：

获取工件容器的尺寸数据；

基于所述尺寸数据和设定的干涉判定阈值，获得接近位置的坐标数据，所述接近位置位于所述工件容器内且位于所述待抓取工件的上方；

基于所述路径数据、所述目标位姿数据和所述接近位置的坐标数据，根据轨迹生成模型生成所述抓取轨迹。

8.基于工业机器人的无序抓取工件装置，其特征在于，包括：

采集模块，用于获取采集的基准数据、待抓取工件的第二坐标数据，所述基准数据包括机械手的位姿数据和工件的第一坐标数据；

路径设定模块，用于设定路径数据；

位姿修改模块，用于基于所述第一坐标数据和所述第二坐标数据，修改所述位姿数据获得目标位姿数据；

轨迹获取模块，用于基于所述路径数据和所述目标位姿数据，根据轨迹生成模型生成抓取轨迹。

9.如权利要求8所述的基于工业机器人的无序抓取工件装置，其特征在于，还包括：

坐标转换模块，用于将基于相机坐标系的所述基准数据和所述待抓取工件的第二坐标数据更新为基于机器人坐标系。

10.智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于工业机器人的无序抓取工件程序，所述基于工业机器人的无序抓取工件程序被所述处理器执行时实现如权利要求1-7任意一项所述基于工业机器人的无序抓取工件方法的步骤。

Images