CN114888816B - 一种智能上下料机器人的控制系统及方法 - Google Patents

Abstract

本发明提供了一种智能上下料机器人的控制系统及方法，其中，系统包括：获取模块，用于获取上料区；控制模块，用于控制机器人将上料区内的工件转移至处理区的输入端，上料完成，当处理完成后，控制机器人将处理区的输出端的工件转移至预设的下料区内。本发明的智能上下料机器人的控制系统及方法，无需在处理设备的输入端和输出端旁设置工作人员，降低了人力成本，另外，一些工件在上料时需要与处理设备的输入端的固定装置进行对接时，也可由机器人进行完成，提升完成效率。

Description

一种智能上下料机器人的控制系统及方法

技术领域

本发明涉及机器人技术领域，特别涉及一种智能上下料机器人的控制系统及方法。

背景技术

目前，一些处理设备（例如：清洗机）需要进行上下料（例如：将需要清洗的工件输入清洗机，清洗完成后，取出）时，大多在处理设备的输入端和输出端旁设置工作人员，由工作人员人工完成，人力成本较大。另外，一些工件在上料时，需要与处理设备的输入端的固定装置（例如：固定座）进行对接，人工完成效率较低。

因此，亟需一种解决办法。

发明内容

本发明提供一种智能上下料机器人的控制系统及方法，无需在处理设备的输入端和输出端旁设置工作人员，降低了人力成本，另外，一些工件在上料时需要与处理设备的输入端的固定装置进行对接时，也可由机器人进行完成，提升完成效率。

本发明提供一种智能上下料机器人的控制系统，包括：

获取模块，用于获取上料区；

控制模块，用于控制机器人将上料区内的工件转移至处理区的输入端，上料完成，当处理完成后，控制机器人将处理区的输出端的工件转移至预设的下料区内；

获取模块获取上料区，包括：

持续获取机器人周边预设的范围内的第一图像；

基于第一图像，确定机器人周边预设的范围内剩余的历史上料区的第一位置块；

基于第一位置块，确定机器人周边预设的范围内剩余的历史上料区的上料区分布；

获取历史上料区的上料状态；

基于上料状态，将历史上料区分类成已上料目标和未上料目标；

基于已上料目标的第一位置块、上料区分布和预设的范围地图，规划已上料目标离开预设的范围的至少一个第一路线；

基于第一路线，制作规避路线集；

从范围地图内的多个第二位置块中挑选规避路线集内的全部第二路线均未途经且第二位置块的第一中心位置与机器人之间的第一直线距离小于等于预设的直线距离且空闲的第三位置块；

选取未上料目标的第一位置块的第二中心位置与第三位置块的第一中心位置之间的第二直线距离中最小第二直线距离对应的第三位置块作为目标位置块；

基于当前的第一图像，确定进入机器人周边预设的范围内且使用上料载具的至少一个上料人员；

提醒上料人员将上料载具移动至任一目标位置块；

基于提醒上料人员将上料载具移动至任一目标位置块之后获取的第一图像，确定上料人员将上料载具移动至目标位置块，并作为上料区，完成获取。

优选的，获取模块基于第一路线，制作规避路线集，包括：

获取任一已上料目标离开的第一路线与其他已上料目标离开的第一路线之间的重叠度，将重叠度与对应的已上料目标离开的第一路线进行关联；

累加计算已上料目标离开的第一路线关联的重叠度，获得已上料目标离开的第一路线的重叠度和；

将每一已上料目标离开的第一路线的重叠度和中最大重叠度和对应的第一路线作为第三路线；

基于各第三路线，制作规避路线集。

优选的，获取模块提醒上料人员将上料载具移动至任一目标位置块，包括：

基于当前的第一图像，确定上料人员的面部的面部位置和面部朝向；

基于面部位置和面部朝向，构建第一方向向量；

获取机器人周边预设的范围内的多个第一提示设备的设备位置和设备朝向；

基于设备位置和设备朝向，构建第二方向向量；

计算第一方向向量与第二方向向量之间的第一夹角；

选取最大第一夹角对应的第一提示设备作为第二提示设备；

基于第二提示设备的设备位置和目标位置块的第三中心位置，确定第三方向向量；

基于预设的方向向量-指引信息对照库，对照确定第三方向向量对应的第一指引信息；

控制第二提示设备显示第一指引信息。

优选的，获取模块提醒上料人员将上料载具移动至任一目标位置块，包括：

获取机器人周边预设的范围内的多个投射设备的投射范围；

当投射范围包含目标位置块的位置区域范围时，获取对应投射设备在目标位置块的位置区域范围内投射预设的第二指引信息时的投射路线；

基于当前的第一图像，确定投射路线上是否存在遮挡物；

若否，控制对应的任一投射设备向目标位置块的位置区域范围内投射第二指引信息。

优选的，控制模块控制机器人将上料区内的工件转移至处理区的输入端或将处理区的输出端的工件转移至预设的下料区内时，当机器人的机械手准备夹取工件时，获取工件的最佳抓取力度，控制机器人以最佳抓取力度抓取工件。

优选的，控制模块获取工件的最佳抓取力度，包括：

获取工件的工件图像；

基于工件图像，确定工件的结构信息和材料；

基于预设的第一特征提取模板，提取结构信息的多个结构特征；

训练最佳抓取力度确定模型；

基于最佳抓取力度确定模型，将材料和结构特征输入至最佳抓取力度确定模型，确定最佳抓取力度。

优选的，控制模块训练最佳抓取力度确定模型，包括：

从大数据平台上和/或从本地获取的多个抓取力度测试记录；

对抓取力度测试记录进行预处理；

将预处理结果作为训练样本，对预设的神经网络模型进行模型训练；

训练完成后，将神经网络模型作为最佳抓取力度确定模型；

其中，控制模块对抓取力度测试记录进行预处理，包括：

获取抓取力度测试记录的记录信息，记录信息包括：来源信息和测试过程信息；

基于预设的第二特征提取模板，提取记录信息的多个记录特征；

获取预设的触发特征库，将记录特征与触发特征库中的第一触发特征进行匹配；

若匹配符合，获取匹配符合的第一触发特征的触发类别，触发类别包括：单独触发和协同触发；

当触发类别为单独触发时，获取匹配符合的第一触发特征对应的预设的第一验证打分模板；

当触发类别为协同触发时，获取匹配符合的第一触发特征对应的预设的协同触发的第二触发特征；

将记录特征中除匹配符合的记录特征之外的记录特征与第二触发特征进行匹配；

若匹配符合，获取匹配符合的第一触发特征和第二触发特征共同对应的预设的第二验证打分模板；

基于第一验证打分模板和第二验证打分模板，对记录特征进行验证打分，并累加打分结果，获得打分和；

若打分和小于等于预设的打分和阈值，剔除对应抓取力度测试记录；

当需要剔除的抓取力度测试记录均剔除后，整合剩余的抓取力度测试记录，获得预处理结果。

本发明提供一种智能上下料机器人的控制方法，包括：

步骤1：获取上料区；

步骤2：控制机器人将上料区内的工件转移至处理区的输入端，上料完成，当处理完成后，控制机器人将处理区的输出端的工件转移至预设的下料区内；

步骤1：获取上料区，包括：

持续获取机器人周边预设的范围内的第一图像；

基于第一图像，确定机器人周边预设的范围内剩余的历史上料区的第一位置块；

基于第一位置块，确定机器人周边预设的范围内剩余的历史上料区的上料区分布；

获取历史上料区的上料状态；

基于上料状态，将历史上料区分类成已上料目标和未上料目标；

基于已上料目标的第一位置块、上料区分布和预设的范围地图，规划已上料目标离开预设的范围的至少一个第一路线；

基于第一路线，制作规避路线集；

从范围地图内的多个第二位置块中挑选规避路线集内的全部第二路线均未途经且第二位置块的第一中心位置与机器人之间的第一直线距离小于等于预设的直线距离且空闲的第三位置块；

选取未上料目标的第一位置块的第二中心位置与第三位置块的第一中心位置之间的第二直线距离中最小第二直线距离对应的第三位置块作为目标位置块；

基于当前的第一图像，确定进入机器人周边预设的范围内且使用上料载具的至少一个上料人员；

提醒上料人员将上料载具移动至任一目标位置块；

基于提醒上料人员将上料载具移动至任一目标位置块之后获取的第一图像，确定上料人员将上料载具移动至目标位置块，并作为上料区，完成获取。

优选的，基于第一路线，制作规避路线集，包括：

获取任一已上料目标离开的第一路线与其他已上料目标离开的第一路线之间的重叠度，将重叠度与对应的已上料目标离开的第一路线进行关联；

累加计算已上料目标离开的第一路线关联的重叠度，获得已上料目标离开的第一路线的重叠度和；

将每一已上料目标离开的第一路线的重叠度和中最大重叠度和对应的第一路线作为第三路线；

基于各第三路线，制作规避路线集。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为上料区获取的部分过程示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供一种智能上下料机器人的控制系统，包括：

获取模块，用于获取上料区；

控制模块，用于控制机器人将上料区内的工件转移至处理区的输入端，上料完成，当处理完成后，控制机器人将处理区的输出端的工件转移至预设的下料区内；

获取模块获取上料区，包括：

持续获取机器人周边预设的范围内的第一图像；

基于第一图像，确定机器人周边预设的范围内剩余的历史上料区的第一位置块；

基于第一位置块，确定机器人周边预设的范围内剩余的历史上料区的上料区分布；

获取历史上料区的上料状态；

基于上料状态，将历史上料区分类成已上料目标和未上料目标；

基于已上料目标的第一位置块、上料区分布和预设的范围地图，规划已上料目标离开预设的范围的至少一个第一路线；

基于第一路线，制作规避路线集；

从范围地图内的多个第二位置块中挑选规避路线集内的全部第二路线均未途经且第二位置块的第一中心位置与机器人之间的第一直线距离小于等于预设的直线距离且空闲的第三位置块；

选取未上料目标的第一位置块的第二中心位置与第三位置块的第一中心位置之间的第二直线距离中最小第二直线距离对应的第三位置块作为目标位置块；

基于当前的第一图像，确定进入机器人周边预设的范围内且使用上料载具的至少一个上料人员；

提醒上料人员将上料载具移动至任一目标位置块；

基于提醒上料人员将上料载具移动至任一目标位置块之后获取的第一图像，确定上料人员将上料载具移动至目标位置块，并作为上料区，完成获取。

上述技术方案的工作原理及有益效果为：

上料区具体为：现场内需要上料的工件放置的区域，上料区可由机器人调试人员进行输入设定。处理区具体为：现场内对工件进行处理的处理设备（例如：对工件进行清洗的清洗机），处理区有输入端和输出端，输入端具体为：工件进入处理设备的入口，输出端具体为：工件经处理设备处理完成后输出的出口。预设的下料区具体为：现场内放置处理完成的工件的区域，也可由机器人调试人员进行输入设定。

本申请控制机器人的机械手将上料区内的工件转移至处理区的输入端，工件由输入端进入处理区，由处理区进行相应处理，当处理完成后，工件由处理区的输出端出来，控制机器人的机械手将处理区的输出端的工件转移至预设的下料区内。另外，当工件需要固定在处理区的输入端的固定装置（例如：清洗机的清洗输送带上的固定座）上时，可由机器人调试人员进行相应调试设定。

本申请无需在处理设备的输入端和输出端旁设置工作人员，降低了人力成本，另外，一些工件在上料时需要与处理设备的输入端的固定装置进行对接时，也可由机器人进行完成，提升了完成效率；

预设的范围具体为：现场内以机器人的位置为圆心，半径长为6米的圆形范围。剩余的历史上料区具体为：历史上工作人员利用上料载具将工件运输至机器人旁时，人先离开，等待机器人对上料载具内的物件进行搬运，剩余的历史上料区则为未被推走的上料载具所在的区域。第一位置块具体为：剩余的历史上料区的区域的区域位置范围。如图1所示，图中的A为机器人的位置区域，B为预设的范围，C1和C2为剩余的历史上料区的第一位置块。上料区分布具体为：由各个剩余的历史上料区的第一位置块组成的位置块分布，即哪里有第一位置块，如图1所示，C1和C2组成上料区分布。预设的范围地图具体为：现场内对应于以机器人为圆心，半径长为6米的圆形范围的三维地图，三维地图上设置有现场内各个机器设备的摆放位置和设备的三维模型，可由工作人员预先绘制，可以实现。预设的直线距离具体为：表示与机器人距离较近的距离，可取2.5米。第二位置块具体为：工作人员根据现场内的设备布置预先将范围地图划分成的多个位置区域，如图1所示，D为第二位置块。第一中心位置具体为：第二位置块的中心点的位置。第二中心位置具体为：未上料目标的第一位置块的中心点的位置。

一般的，上料区均固定设置，需要工作人员等将工件转移至上料区，例如：工作人员利用上料载具（例如：推车）将工件运输至上料区旁，直接将工件搬运至上料区，又例如：工作人员利用上料载具将工件运输至流水线旁，再将工件搬运至流水线上，由流水线将工件运输至上料区，十分繁琐，人力成本较大，智能化程度较低。特别是当需要处理的工件数量较多时，更加不适用。

本申请中，机器人固定设置，上料人员只需利用上料载具运输工件至位于机器人旁的目标位置块，人即可离开，机器人的机械手将上料载具内工件转移至处理区的输入端，待上料人员再次利用上料载具运输其它工件过来时，将上一次使用的内部工件已由机器人转移至处理区的输入端的空上料载具带走，由此循环。极大程度上提升了便捷性，降低了人力成本。

另外，当上料人员再次利用上料载具运输其它工件过来时，想要将上一次使用的内部的工件已由机器人转移至处理区的输入端的空上料载具带走时，可能由于机器人周边的空间有限或多个上料载具摆放的不合理，可能会导致上料人员无法将空上料载具带走，造成混乱，影响上料秩序和上料效率。

因此，工作人员需要将已上料目标推走，想要为推着载有新的工件的上料载具来到机器旁的工作人员推荐上料区时，得保证已上料目标有路线离开。因此，从第二位置块中挑选推荐的上料区时，规划已上料目标离开预设的范围的第一路线，挑选时，得保证第一路线构成的规避路线集内的全部第二路线均未途经，从而使得已上料目标有路线离开。另外，在挑选时，保证第二位置块的第一中心位置与机器人之间的第一直线距离小于等于预设的直线距离，使得推荐的上料区距离机器人较近，提升上料效率。其次，在挑选时，保证挑选的第二位置块状态为空闲，即第二位置块内没有任何物体摆放，可基于图像识别技术，根据第一图像确定。挑选出满足这三点的第二位置块，作为第三位置块。另外，推荐的上料区需要尽可能地距离未上料目标较近，减少机器人切换到对下一未上料载具进行搬运上料的移动行程，因此，选取未上料目标的第一位置块的第二中心位置与第三位置块的第一中心位置之间的第二直线距离中最小第二直线距离对应的第三位置块作为目标位置块，为推着载有新的工件的上料载具来到机器旁的工作人员推荐目标位置块，最终，基于之后的第一图像，确定上料人员将上料载具移动至目标位置块，并作为上料区。

如图1所示，假设C1为已上料目标，工作人员需要推走，规划其离开预设的范围B的第一路线E。假设C2为未上料目标，从第二位置块D中挑选第三位置块时，得保证第一路线为途经且距离机器人A较近且空闲且距离其他未上料目标C2较近，因此，则挑选第二位置块F作为目标位置块，推荐工作人员将载有新的工件的上料载具推至目标位置块。

本申请合理为推着载有新的工件的上料载具来到机器旁的工作人员推荐上料区，避免上料人员无法将空上料载具带走，保证了上料秩序和上料效率，也提升了机器人周边上料载具摆放的合理性，更节省了机器人的功耗。

其次，基于已上料目标的第一位置块、上料区分布和预设的范围地图，规划已上料目标离开预设的范围的至少一个第一路线时，将已上料目标的第一位置块的中心作为路线规划起点，规划时，保证避开的路线避开上料区分布中的除已上料目标之外的其他第一位置块，避免已上料目标离开时有其他历史上料区遮挡，也基于范围地图上避开现场内的一些现场设备等，基于地图进行路线规划，规划时避开一些障碍目标属于现有技术范畴，不作赘述。

本发明提供一种智能上下料机器人的控制系统，获取模块基于第一路线，制作规避路线集，包括：

获取任一已上料目标离开的第一路线与其他已上料目标离开的第一路线之间的重叠度，将重叠度与对应的已上料目标离开的第一路线进行关联；

累加计算已上料目标离开的第一路线关联的重叠度，获得已上料目标离开的第一路线的重叠度和；

将每一已上料目标离开的第一路线的重叠度和中最大重叠度和对应的第一路线作为第三路线；

基于各第三路线，制作规避路线集。

上述技术方案的工作原理及有益效果为：

制作规避路线集时，只需保证每一个已上料目标对应有一个离开路线即可，允许第一路线之间有重叠，选取关联的最大重叠度和对应的已上料目标离开的第一路线作为第三路线，纳入规避路线集，使得机器人周边空间的最大利用化，提升上料能力，也使得系统更加具有适用性。

本发明提供一种智能上下料机器人的控制系统，获取模块提醒上料人员将上料载具移动至任一目标位置块，包括：

基于当前的第一图像，确定上料人员的面部的面部位置和面部朝向；

基于面部位置和面部朝向，构建第一方向向量；

获取机器人周边预设的范围内的多个第一提示设备的设备位置和设备朝向；

基于设备位置和设备朝向，构建第二方向向量；

计算第一方向向量与第二方向向量之间的第一夹角；

选取最大第一夹角对应的第一提示设备作为第二提示设备；

基于第二提示设备的设备位置和目标位置块的第三中心位置，确定第三方向向量；

基于预设的方向向量-指引信息对照库，对照确定第三方向向量对应的第一指引信息；

控制第二提示设备显示第一指引信息。

上述技术方案的工作原理及有益效果为：

提醒上料人员将上料载具移动至任一目标位置块的方式有一种：通过第一提示设备对上料人员进行提醒，第一提示设备可以为显示屏等，为方便上料人员查看，设置在较高处。

在挑选第一提示设备时，引入第一方向向量和第二方向向量，计算两者的夹角，选取最大夹角对应的第一提示设备作为第二提示设备。一般的，当上料人员完全正视显示屏时，夹角为180°。设备朝向为垂直于显示屏向外，引入第三方向向量和方向向量-指引信息对照库，对照确定第三方向向量对应的第一指引信息，例如：由显示屏位置指向目标位置块的3D箭头。方向向量-指引信息对照库由工作人员预先设定不同方向向量适宜的指引信息进行构建，适宜需要保证指引信息能够指示显示屏位置向目标位置块的方向，可以实现。充分保证提醒的可达性和鲜明性。向量构建及向量夹角计算属于现有技术范畴，不作赘述。

本发明提供一种智能上下料机器人的控制系统，获取模块提醒上料人员将上料载具移动至任一目标位置块，包括：

获取机器人周边预设的范围内的多个投射设备的投射范围；

当投射范围包含目标位置块的位置区域范围时，获取对应投射设备在目标位置块的位置区域范围内投射预设的第二指引信息时的投射路线；

基于当前的第一图像，确定投射路线上是否存在遮挡物；

若否，控制对应的任一投射设备向目标位置块的位置区域范围内投射第二指引信息。

上述技术方案的工作原理及有益效果为：

提醒上料人员将上料载具移动至任一目标位置块的方式还有一种：通过投射设备对上料人员进行提醒，投射设备可以为投射灯等。但是，需要合理地挑选第一提示设备和/或投射设备等。

在挑选投射设备时，保证投射范围包含目标位置块的位置区域范围，也保证投射路线上不存在遮挡物，保证了提醒的可达性。另外，预设的第二指引信息可以为，例如：边框与目标位置块的位置区域范围适配，边框内部有“请将上料载具移至此！”的字样。

本发明提供一种智能上下料机器人的控制系统，控制模块控制机器人将上料区内的工件转移至处理区的输入端或将处理区的输出端的工件转移至预设的下料区内时，当机器人的机械手准备夹取工件时，获取工件的最佳抓取力度，控制机器人以最佳抓取力度抓取工件。

上述技术方案的工作原理及有益效果为：

一般的，机器人的机械手的抓取力度均固定设置，这样使得系统只能应用于一种工件的上下料，当应用于其它工件时，需要重新设置抓取力度。但是，应用场景中，一般工件的类型较多，材料和结构大多不相同，使用起来比较繁琐，适用性也很低。因此，亟需进行解决。本申请当机器人的机械手准备夹取工件时，获取工件的佳抓取力度，控制机器人以最佳抓取力度抓取工件，保证机械手以适宜力度抓取工件，提升适用性。

本发明提供一种智能上下料机器人的控制系统，控制模块获取工件的最佳抓取力度，包括：

获取工件的工件图像；

基于工件图像，确定工件的结构信息和材料；

基于预设的第一特征提取模板，提取结构信息的多个结构特征；

训练最佳抓取力度确定模型；

基于最佳抓取力度确定模型，将材料和结构特征输入至最佳抓取力度确定模型，确定最佳抓取力度。

上述技术方案的工作原理及有益效果为：

获取工件的工件图像时，可由靠近工件的机械手上的图像采集设备进行采集。基于工件图像，确定工件的结构信息和材料，可基于图像识别技术实现。引入预设的第一特征提取模板，提取结构信息的多个结构特征，预设的第一特征提取模板可以为：不同结构信息对应的特征，结构特征可以为：体积多大和什么结构等。引入最佳抓取力度确定模型，基于最佳抓取力度确定模型，根据材料和结构特征，确定最佳抓取力度，提升确定效率和精准性。

本发明提供一种智能上下料机器人的控制系统，控制模块训练最佳抓取力度确定模型，包括：

从大数据平台上和/或从本地获取的多个抓取力度测试记录；

对抓取力度测试记录进行预处理；

将预处理结果作为训练样本，对预设的神经网络模型进行模型训练；

训练完成后，将神经网络模型作为最佳抓取力度确定模型；

其中，控制模块对抓取力度测试记录进行预处理，包括：

获取抓取力度测试记录的记录信息，记录信息包括：来源信息和测试过程信息；

基于预设的第二特征提取模板，提取记录信息的多个记录特征；

获取预设的触发特征库，将记录特征与触发特征库中的第一触发特征进行匹配；

若匹配符合，获取匹配符合的第一触发特征的触发类别，触发类别包括：单独触发和协同触发；

当触发类别为单独触发时，获取匹配符合的第一触发特征对应的预设的第一验证打分模板；

当触发类别为协同触发时，获取匹配符合的第一触发特征对应的预设的协同触发的第二触发特征；

将记录特征中除匹配符合的记录特征之外的记录特征与第二触发特征进行匹配；

若匹配符合，获取匹配符合的第一触发特征和第二触发特征共同对应的预设的第二验证打分模板；

基于第一验证打分模板和第二验证打分模板，对记录特征进行验证打分，并累加打分结果，获得打分和；

若打分和小于等于预设的打分和阈值，剔除对应抓取力度测试记录；

当需要剔除的抓取力度测试记录均剔除后，整合剩余的抓取力度测试记录，获得预处理结果。

上述技术方案的工作原理及有益效果为：

“和/或”指的是抓取力度测试记录的获取有两种并行方案，方案可以择一进行也可以共同进行。

训练最佳抓取力度确定模型时，首先需要获取训练样本，训练样本可以为抓取力度测试记录，抓取力度测试记录为不同材料不同结构的工件进行最佳抓取力度测试的测试数据和测试结果等。为了提升最佳抓取力度确定模型的训练质量，对抓取力度测试记录进行预处理，将预处理结果作为训练样本，对预设的神经网络模型进行模型训练。神经网络模型和模型训练均为现有技术范畴，不作赘述。

对抓取力度测试记录进行预处理时，从来源和测试过程的维度，对抓取力度测试记录进行验证即得保证来源可靠性和测试过程的过程质量。

引入预设的第二特征提取模板，提取出记录信息的多个记录特征，预设的第二特征提取模板可以为，不同记录信息对应的记录特征，记录特征可以为：哪一个来源方、什么测试类型、采用什么测试策略等。

引入触发特征库，触发特征库中有大量表征采用什么验证打分模板对记录特征进行验证打分的第一触发特征，可由工作人员事先进行收集建库，可以实现。第一触发特征的触发类别分为单独触发和协同触发，单独触发为第一触发特征自身可以表征出采用什么验证打分模板对记录特征进行验证打分，例如：特征为来源为某测试机构的网站，验证打分模板为网站可信度和对应分值，协同触发为第一触发特征与至少一个其它第二触发特征协同表征出采用什么验证打分模板对记录特征进行验证打分，例如：特征分别为测试人员的经验值和测试人员的参与程度，验证打分模板为将参与程度作为权重赋予经验值（两者相乘）后的数值和对应得分。

基于触发类别的不同，分别获取对应第一验证打分模板和第二验证打分模板。极大程度上提升了验证打分的针对性和验证打分效率。

基于第一验证打分模板和第二验证打分模板，对记录特征进行验证打分，并累加打分结果（每一次验证打分的得分），获得打分和。若打分和小于等于预设的打分和阈值，剔除对应抓取力度测试记录，将剩余的抓取力度测试记录进行整合，获得预处理结果，提升了最佳抓取力度确定模型的训练质量，提升了其用于根据材料和结构特征，确定最佳抓取力度的适用性。

本发明提供一种智能上下料机器人的控制方法，包括：

步骤1：获取上料区；

步骤2：控制机器人将上料区内的工件转移至处理区的输入端，上料完成，当处理完成后，控制机器人将处理区的输出端的工件转移至预设的下料区内；

步骤1：获取上料区，包括：

持续获取机器人周边预设的范围内的第一图像；

基于第一图像，确定机器人周边预设的范围内剩余的历史上料区的第一位置块；

基于第一位置块，确定机器人周边预设的范围内剩余的历史上料区的上料区分布；

获取历史上料区的上料状态；

基于上料状态，将历史上料区分类成已上料目标和未上料目标；

基于已上料目标的第一位置块、上料区分布和预设的范围地图，规划已上料目标离开预设的范围的至少一个第一路线；

基于第一路线，制作规避路线集；

从范围地图内的多个第二位置块中挑选规避路线集内的全部第二路线均未途经且第二位置块的第一中心位置与机器人之间的第一直线距离小于等于预设的直线距离且空闲的第三位置块；

选取未上料目标的第一位置块的第二中心位置与第三位置块的第一中心位置之间的第二直线距离中最小第二直线距离对应的第三位置块作为目标位置块；

基于当前的第一图像，确定进入机器人周边预设的范围内且使用上料载具的至少一个上料人员；

提醒上料人员将上料载具移动至任一目标位置块；

基于提醒上料人员将上料载具移动至任一目标位置块之后获取的第一图像，确定上料人员将上料载具移动至目标位置块，并作为上料区，完成获取。

本发明提供一种智能上下料机器人的控制方法，基于第一路线，制作规避路线集，包括：

获取任一已上料目标离开的第一路线与其他已上料目标离开的第一路线之间的重叠度，将重叠度与对应的已上料目标离开的第一路线进行关联；

累加计算已上料目标离开的第一路线关联的重叠度，获得已上料目标离开的第一路线的重叠度和；

将每一已上料目标离开的第一路线的重叠度和中最大重叠度和对应的第一路线作为第三路线；

基于各第三路线，制作规避路线集。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种智能上下料机器人的控制系统，其特征在于，包括：

获取模块，用于获取上料区；

控制模块，用于控制机器人将所述上料区内的工件转移至处理区的输入端，上料完成，当处理完成后，控制机器人将所述处理区的输出端的所述工件转移至预设的下料区内；

获取上料区，包括：

持续获取机器人周边预设的范围内的第一图像；

基于所述第一图像，确定机器人周边所述预设的范围内剩余的历史上料区的第一位置块；

基于第一位置块，确定机器人周边所述预设的范围内剩余的历史上料区的上料区分布；

获取所述历史上料区的上料状态；

基于所述上料状态，将所述历史上料区分类成已上料目标和未上料目标；

基于预设的范围地图、所述已上料目标的所述第一位置块和所述上料区分布，规划所述已上料目标离开所述预设的范围的至少一个第一路线；

基于所述第一路线，制作规避路线集；

从所述范围地图内的多个第二位置块中挑选所述规避路线集内的全部第二路线且所述第二位置块的第一中心位置与机器人之间的第一直线距离小于等于预设的直线距离且空闲的第三位置块，所述第二路线均未被途经；所述第二位置块为工作人员根据现场内的设备布置预先将所述范围地图划分成的多个位置区域；

选取所述未上料目标的所述第一位置块的第二中心位置与所述第三位置块的所述第一中心位置之间的第二直线距离中最小所述第二直线距离对应的所述第三位置块作为目标位置块；

基于当前的所述第一图像，确定进入机器人周边所述预设的范围内且使用上料载具的至少一个上料人员；

提醒所述上料人员将所述上料载具移动至任一所述目标位置块；

基于提醒所述上料人员将所述上料载具移动至任一所述目标位置块之后获取的所述第一图像，确定所述上料人员将所述上料载具移动至所述目标位置块，并作为上料区，完成获取；

基于所述第一路线，制作规避路线集，包括：

获取任一所述已上料目标离开的第一路线与其他所述已上料目标离开的第一路线之间的重叠度，将所述重叠度与对应的所述已上料目标离开的第一路线进行关联；

累加计算所述已上料目标离开的第一路线关联的所述重叠度，获得已上料目标离开的第一路线的重叠度和；

将每一所述已上料目标离开的第一路线的重叠度和中最大重叠度和对应的所述第一路线作为第三路线；

基于各所述第三路线，制作规避路线集；

所述控制模块控制机器人将所述上料区内的工件转移至处理区的输入端或将所述处理区的输出端的所述工件转移至预设的下料区内时，当机器人的机械手准备夹取所述工件时，获取所述工件的最佳抓取力度，控制机器人以所述最佳抓取力度抓取所述工件；

获取所述工件的最佳抓取力度，包括：

获取所述工件的工件图像；

基于所述工件图像，确定所述工件的结构信息和材料；

基于预设的第一特征提取模板，提取所述结构信息的多个结构特征；

训练最佳抓取力度确定模型；

基于所述最佳抓取力度确定模型，将所述材料和所述结构特征输入至所述最佳抓取力度确定模型，确定最佳抓取力度；

训练最佳抓取力度确定模型，包括：

从大数据平台上和/或从本地获取的多个抓取力度测试记录；

对所述抓取力度测试记录进行预处理；

将预处理结果作为训练样本，对预设的神经网络模型进行模型训练；

训练完成后，将所述神经网络模型作为最佳抓取力度确定模型；

其中，对所述抓取力度测试记录进行预处理，包括：

获取所述抓取力度测试记录的记录信息，所述记录信息包括：来源信息和测试过程信息；

基于预设的第二特征提取模板，提取所述记录信息的多个记录特征；

获取预设的触发特征库，将所述记录特征与所述触发特征库中的第一触发特征进行匹配；

若匹配符合，获取匹配符合的所述第一触发特征的触发类别，所述触发类别包括：单独触发和协同触发；

当所述触发类别为单独触发时，获取匹配符合的所述第一触发特征对应的预设的第一验证打分模板；

当所述触发类别为协同触发时，获取匹配符合的所述第一触发特征对应的预设的协同触发的第二触发特征，将所述记录特征中除匹配符合的所述记录特征之外的所述记录特征与所述第二触发特征进行匹配，若匹配符合，获取匹配符合的所述第一触发特征和所述第二触发特征共同对应的预设的第二验证打分模板；

基于所述第一验证打分模板和所述第二验证打分模板，对所述记录特征进行验证打分，并累加打分结果，获得打分和；

若所述打分和小于等于预设的打分和阈值，剔除对应所述抓取力度测试记录；

当需要剔除的所述抓取力度测试记录均剔除后，整合剩余的所述抓取力度测试记录，获得预处理结果。

2.如权利要求1所述的一种智能上下料机器人的控制系统，其特征在于，所述提醒所述上料人员将所述上料载具移动至任一所述目标位置块，包括：

基于当前的所述第一图像，确定所述上料人员的面部的面部位置和面部朝向；

基于所述面部位置和所述面部朝向，构建第一方向向量；

获取机器人周边所述预设的范围内的多个第一提示设备的设备位置和设备朝向；

基于所述设备位置和所述设备朝向，构建第二方向向量；

计算所述第一方向向量与所述第二方向向量之间的第一夹角；

选取最大所述第一夹角对应的所述第一提示设备作为第二提示设备；

基于所述第二提示设备的所述设备位置和所述目标位置块的第三中心位置，确定第三方向向量；

基于预设的方向向量-指引信息对照库，对照确定所述第三方向向量对应的第一指引信息；

控制所述第二提示设备显示所述第一指引信息。

3.如权利要求1所述的一种智能上下料机器人的控制系统，其特征在于，所述提醒所述上料人员将所述上料载具移动至任一所述目标位置块，包括：

获取机器人周边所述预设的范围内的多个投射设备的投射范围；

当所述投射范围包含所述目标位置块的位置区域范围时，获取对应所述投射设备在所述目标位置块的位置区域范围内投射预设的第二指引信息时的投射路线；

基于当前的所述第一图像，确定所述投射路线上是否存在遮挡物；

若否，控制对应的任一所述投射设备向所述目标位置块的位置区域范围内投射所述第二指引信息。

4.一种智能上下料机器人的控制方法，其特征在于，包括：

步骤1：获取上料区；

步骤2：控制机器人将所述上料区内的工件转移至处理区的输入端，上料完成，当处理完成后，控制机器人将所述处理区的输出端的所述工件转移至预设的下料区内；

所述步骤1：获取上料区，包括：

持续获取机器人周边预设的范围内的第一图像；

基于所述第一图像，确定机器人周边所述预设的范围内剩余的历史上料区的第一位置块；

基于第一位置块，确定机器人周边所述预设的范围内剩余的历史上料区的上料区分布；

获取所述历史上料区的上料状态；

基于所述上料状态，将所述历史上料区分类成已上料目标和未上料目标；

基于预设的范围地图、所述已上料目标的所述第一位置块和所述上料区分布，规划所述已上料目标离开所述预设的范围的至少一个第一路线；

基于所述第一路线，制作规避路线集；

从所述范围地图内的多个第二位置块中挑选所述规避路线集内的全部第二路线且所述第二位置块的第一中心位置与机器人之间的第一直线距离小于等于预设的直线距离且空闲的第三位置块，所述第二路线均未被途经；所述第二位置块为工作人员根据现场内的设备布置预先将所述范围地图划分成的多个位置区域；

选取所述未上料目标的所述第一位置块的第二中心位置与所述第三位置块的所述第一中心位置之间的第二直线距离中最小所述第二直线距离对应的所述第三位置块作为目标位置块；

基于当前的所述第一图像，确定进入机器人周边所述预设的范围内且使用上料载具的至少一个上料人员；

提醒所述上料人员将所述上料载具移动至任一所述目标位置块；

基于提醒所述上料人员将所述上料载具移动至任一所述目标位置块之后获取的所述第一图像，确定所述上料人员将所述上料载具移动至所述目标位置块，并作为上料区，完成获取；

所述基于所述第一路线，制作规避路线集，包括：

获取任一所述已上料目标离开的第一路线与其他所述已上料目标离开的第一路线之间的重叠度，将所述重叠度与对应的所述已上料目标离开的第一路线进行关联；

累加计算所述已上料目标离开的第一路线关联的所述重叠度，获得已上料目标离开的第一路线的重叠度和；

将每一所述已上料目标离开的第一路线的重叠度和中最大重叠度和对应的所述第一路线作为第三路线；

基于各所述第三路线，制作规避路线集；

所述方法还包括：

控制机器人将所述上料区内的工件转移至处理区的输入端或将所述处理区的输出端的所述工件转移至预设的下料区内时，当机器人的机械手准备夹取所述工件时，获取所述工件的最佳抓取力度，控制机器人以所述最佳抓取力度抓取所述工件；

其中，获取所述工件的最佳抓取力度，包括：

获取所述工件的工件图像；

基于所述工件图像，确定所述工件的结构信息和材料；

基于预设的第一特征提取模板，提取所述结构信息的多个结构特征；

训练最佳抓取力度确定模型；

基于所述最佳抓取力度确定模型，将所述材料和所述结构特征输入至所述最佳抓取力度确定模型，确定最佳抓取力度；

其中，训练最佳抓取力度确定模型，包括：

从大数据平台上和/或从本地获取的多个抓取力度测试记录；

对所述抓取力度测试记录进行预处理；

将预处理结果作为训练样本，对预设的神经网络模型进行模型训练；

训练完成后，将所述神经网络模型作为最佳抓取力度确定模型；

其中，对所述抓取力度测试记录进行预处理，包括：

获取所述抓取力度测试记录的记录信息，所述记录信息包括：来源信息和测试过程信息；

基于预设的第二特征提取模板，提取所述记录信息的多个记录特征；

获取预设的触发特征库，将所述记录特征与所述触发特征库中的第一触发特征进行匹配；

若匹配符合，获取匹配符合的所述第一触发特征的触发类别，所述触发类别包括：单独触发和协同触发；

当所述触发类别为单独触发时，获取匹配符合的所述第一触发特征对应的预设的第一验证打分模板；

当所述触发类别为协同触发时，获取匹配符合的所述第一触发特征对应的预设的协同触发的第二触发特征，将所述记录特征中除匹配符合的所述记录特征之外的所述记录特征与所述第二触发特征进行匹配，若匹配符合，获取匹配符合的所述第一触发特征和所述第二触发特征共同对应的预设的第二验证打分模板；

基于所述第一验证打分模板和所述第二验证打分模板，对所述记录特征进行验证打分，并累加打分结果，获得打分和；

若所述打分和小于等于预设的打分和阈值，剔除对应所述抓取力度测试记录；

当需要剔除的所述抓取力度测试记录均剔除后，整合剩余的所述抓取力度测试记录，获得预处理结果。

Images