CN115464651A - 一种六组机器人物体抓取系统 - Google Patents

Abstract

本发明公开了一种六组机器人物体抓取系统，涉及机器人技术领域，包括目标定位模块、运动规划模块、误差分析模块和抓取追踪模块；目标定位模块用于根据目标物体所在空间的场景图像分析计算得到目标在空间的三维坐标；运动规划模块用于获取目标物体的空间坐标并进行运动学规划，以确定六自由度机械臂的运行轨迹，快速实现目标定位，提高机器人工作效率；误差分析模块用于获取六自由度机械臂的抓取信息并进行误差分析，判断抓取是否合格；抓取追踪模块用于获取误差分析模块生成的抓取不合格信号进行定位追踪分析，判断对应目标定位模块是否有定位不精准的趋势；以提醒移动终端的管理人员对目标定位模块进行校准、检修，以提高抓取精度。

Description

一种六组机器人物体抓取系统

技术领域

本发明涉及机器人技术领域，具体是一种六组机器人物体抓取系统。

背景技术

对物体的抓取或操作是机器人经常要执行的一项任务。对机器人而言，对目标物体的识别与定位是其成功抓取目标物体的前提，然而一般的智能机器人并不能像人类那样可以在复杂环境中轻松识别并定位目标物体，通常是通过训练好的深度学习模型来提取物体特征，进行识别，但在复杂环境中对目标进行精确快速的识别一直是一项难题。

此外，传统机器人通常按既定流程进行目标抓取工作，无法接受外界信息，当目标位置改变时便需要重新设定控制程序，影响了机器人工作的效率。同时机器人也无法根据抓取结果合理判断识别定位算法是否合乎标准，进而提高抓取精度，基于以上不足，本发明提出一种六组机器人物体抓取系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种六组机器人物体抓取系统。

为实现上述目的，根据本发明的第一方面的实施例提出一种六组机器人物体抓取系统，包括目标定位模块、运动规划模块、六自由度机械臂、误差分析模块、上位机和抓取追踪模块；

所述目标定位模块用于根据目标物体所在空间的场景图像进行分析计算得到目标在空间的三维坐标；所述运动规划模块用于获取目标物体的空间坐标并进行运动学规划，以确定六自由度机械臂的运行轨迹；

所述六自由度机械臂用于从运动规划模块接受运行指令，控制各关节伺服电机运动使机械爪运动到目标点，进行自主抓取，同时将自身位姿反馈给运动规划装置进行下一步规划；

所述误差分析模块与六自由度机械臂相连接，用于获取六自由度机械臂的抓取信息并进行误差分析，若误差系数WX≤预设误差阈值，则判定六自由度机械臂抓取合格，生成抓取合格信号；若WX＞预设误差阈值，则生成抓取不合格信号；

所述抓取追踪模块用于获取误差分析模块生成的抓取不合格信号进行定位追踪分析，判断对应目标定位模块是否有定位不精准的趋势；以提醒移动终端的管理人员对目标定位模块进行校准、检修。

进一步地，所述误差分析模块的具体分析步骤为：

获取六自由度机械臂的抓取信息，所述抓取信息包括抓点位置和抓点速度；记录六自由度机械臂的抓取时长为LT；

将抓点位置与目标点位置进行距离差计算得到误差距离W1；将抓点速度标记为V1；利用公式

计算得到误差系数WX，其中d1、d2为系数因子。

进一步地，所述抓取追踪模块的具体分析过程如下：

在六自由度机械臂的一个抓取周期内，当监测到抓取不合格信号时，自动倒计数，倒计数为D1，D1为预设值；

在倒计数阶段，若抓取不合格信号的出现次数达到预设第一数量或者预定比例或者连续抓取不合格信号的出现次数达到预设第二数量时，确定对应目标定位模块存在定位不精准的趋势，生成定位异常信号；

所述抓取追踪模块用于将定位异常信号发送至关联的移动终端。

进一步地，在倒计数阶段继续对抓取不合格信号进行监测，若监测到新的抓取不合格信号，则倒计数自动归为原值，重新按照D1进行倒计数，否则，倒计数归零，停止计数。

进一步地，所述目标定位模块包括深度视觉传感器，具体分析步骤为：

利用深度视觉传感器获取目标物体所在空间的场景图像；对获取的具备深度信息的RGB图像各像素点的深度值进行筛选，选取深度值在有效识别深度区域内的像素点，形成深度分割后的图像；

对深度分割后的RGB图像进行灰度化、图像滤波、阈值分割得到各像素点具备深度信息的理想图像；通过基于轮廓Hu矩特征改进的模板匹配法，将需要抓取的目标模板与得到的理想图像进行遍历匹配，定位图像中的目标，得到目标在图像坐标系中的二维坐标；

通过目标各像素点具备的深度值结合提取的图像坐标系中的二维坐标，利用图像坐标系和世界坐标系变换的变化关系计算出目标的空间坐标。

与现有技术相比，本发明的有益效果是：

1、本发明中所述目标定位模块用于根据目标物体所在空间的场景图像进行分析计算得到目标在空间的三维坐标；所述运动规划模块用于获取目标物体的空间坐标并进行运动学规划，以确定六自由度机械臂的运行轨迹；所述六自由度机械臂用于从运动规划模块接受运行指令，控制各关节伺服电机运动使机械爪运动到目标点，进行自主抓取，同时将自身位姿反馈给运动规划装置进行下一步规划；能够以较快的速度实现目标定位，提高机器人工作效率；

2、本发明中所述误差分析模块用于获取六自由度机械臂的抓取信息并进行误差分析，计算得到误差系数WX，若WX≤预设误差阈值，则判定六自由度机械臂抓取合格，生成抓取合格信号；否则生成抓取不合格信号；所述抓取追踪模块用于获取误差分析模块生成的抓取不合格信号进行定位追踪分析，在倒计数阶段，若抓取不合格信号的出现次数达到预设第一数量或者预定比例或者连续抓取不合格信号的出现次数达到预设第二数量时，确定对应目标定位模块存在定位不精准的趋势，生成定位异常信号；以提醒移动终端的管理人员对目标定位模块进行校准、检修，以提高抓取精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种六组机器人物体抓取系统的系统框图。

具体实施方式

下面将结合实施例对本发明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。

如图1所示，一种六组机器人物体抓取系统，包括目标定位模块、运动规划模块、六自由度机械臂、误差分析模块、上位机以及抓取追踪模块；

目标定位模块用于根据目标物体所在空间的场景图像进行分析计算得到目标在空间的三维坐标；目标定位模块包括深度视觉传感器，具体分析步骤为：

利用深度视觉传感器获取目标物体所在空间的场景图像；

对获取的具备深度信息的RGB图像各像素点的深度值进行筛选，选取深度值在有效识别深度区域内的像素点，形成深度分割后的图像；

对深度分割后的RGB图像进行灰度化、图像滤波、阈值分割得到各像素点具备深度信息的理想图像；

通过基于轮廓Hu矩特征改进的模板匹配法，将需要抓取的目标模板与得到的理想图像进行遍历匹配，定位图像中的目标，得到目标在图像坐标系中的二维坐标；

通过目标各像素点具备的深度值结合提取的图像坐标系中的二维坐标，利用图像坐标系和世界坐标系变换的变化关系计算出目标的空间坐标；

运动规划模块与目标定位模块相连接，用于获取目标物体的空间坐标并进行运动学规划，以确定六自由度机械臂的运行轨迹；

六自由度机械臂用于从运动规划模块接受运行指令，控制各关节伺服电机运动使机械爪运动到目标点，进行自主抓取，同时将自身位姿反馈给运动规划装置进行下一步规划；

误差分析模块与六自由度机械臂相连接，用于获取六自由度机械臂的抓取信息并进行误差分析，具体分析步骤为：

获取六自由度机械臂的抓取信息，抓取信息包括抓点位置和抓点速度，其中抓点位置表示为机械爪中心点位置；

记录六自由度机械臂的抓取时长为LT，将抓点位置与目标点位置进行距离差计算得到误差距离W1；将抓点速度标记为V1；其中目标点位置表示为目标物体的中心点位置；利用公式

计算得到误差系数WX，其中d1、d2为系数因子；

将误差系数WX与预设误差阈值相比较；若WX≤预设误差阈值，则判定六自由度机械臂抓取合格，生成抓取合格信号；若WX＞预设误差阈值，则生成抓取不合格信号；误差分析模块用于将误差系数WX和对应信号上传至上位机进行显示、存储；

抓取追踪模块与误差分析模块相连接，用于获取误差分析模块生成的抓取不合格信号进行定位追踪分析，判断对应目标定位模块是否有定位不精准的趋势；具体分析过程如下：

在六自由度机械臂的一个抓取周期内，当监测到抓取不合格信号时，自动倒计数，倒计数为D1，D1为预设值；例如D1取值10；每抓取一个目标物品，则倒计数减一；在倒计数阶段继续对抓取不合格信号进行监测，若监测到新的抓取不合格信号，则倒计数自动归为原值，重新按照D1进行倒计数，否则，倒计数归零，停止计数；

在倒计数阶段，若抓取不合格信号的出现次数达到预设第一数量或者预定比例或者连续抓取不合格信号的出现次数达到预设第二数量时，确定对应目标定位模块存在定位不精准的趋势，生成定位异常信号；

抓取追踪模块用于将定位异常信号发送至关联的移动终端，以提醒移动终端的管理人员对目标定位模块进行校准、检修，以提高抓取精度。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

一种六组机器人物体抓取系统，在工作时，目标定位模块用于根据目标物体所在空间的场景图像进行分析计算得到目标在空间的三维坐标；运动规划模块用于获取目标物体的空间坐标并进行运动学规划，以确定六自由度机械臂的运行轨迹；六自由度机械臂用于从运动规划模块接受运行指令，控制各关节伺服电机运动使机械爪运动到目标点，进行自主抓取，同时将自身位姿反馈给运动规划装置进行下一步规划；能够以较快的速度实现目标定位，提高机器人工作效率；

误差分析模块用于获取六自由度机械臂的抓取信息并进行误差分析，结合六自由度机械臂的抓取时长为LT、抓点位置与目标点位置的误差距离以及抓点速度计算得到误差系数WX，若WX≤预设误差阈值，则判定六自由度机械臂抓取合格，生成抓取合格信号；否则生成抓取不合格信号；抓取追踪模块用于获取误差分析模块生成的抓取不合格信号进行定位追踪分析，判断对应目标定位模块是否有定位不精准的趋势；在倒计数阶段，若抓取不合格信号的出现次数达到预设第一数量或者预定比例或者连续抓取不合格信号的出现次数达到预设第二数量时，确定对应目标定位模块存在定位不精准的趋势，生成定位异常信号；以提醒移动终端的管理人员对目标定位模块进行校准、检修，以提高抓取精度。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (5)

1.一种六组机器人物体抓取系统，其特征在于，包括目标定位模块、运动规划模块、六自由度机械臂、误差分析模块、上位机和抓取追踪模块；

所述目标定位模块用于根据目标物体所在空间的场景图像进行分析计算得到目标在空间的三维坐标；所述运动规划模块用于获取目标物体的空间坐标并进行运动学规划，以确定六自由度机械臂的运行轨迹；

所述六自由度机械臂用于从运动规划模块接受运行指令，控制各关节伺服电机运动使机械爪运动到目标点，进行自主抓取，同时将自身位姿反馈给运动规划装置进行下一步规划；

所述误差分析模块与六自由度机械臂相连接，用于获取六自由度机械臂的抓取信息并进行误差分析，若误差系数WX≤预设误差阈值，则判定六自由度机械臂抓取合格，生成抓取合格信号；若WX＞预设误差阈值，则生成抓取不合格信号；

所述抓取追踪模块用于获取误差分析模块生成的抓取不合格信号进行定位追踪分析，判断对应目标定位模块是否有定位不精准的趋势；以提醒移动终端的管理人员对目标定位模块进行校准、检修。

2.根据权利要求1所述的一种六组机器人物体抓取系统，其特征在于，所述误差分析模块的具体分析步骤为：

获取六自由度机械臂的抓取信息，所述抓取信息包括抓点位置和抓点速度；记录六自由度机械臂的抓取时长为LT；

将抓点位置与目标点位置进行距离差计算得到误差距离W1；将抓点速度标记为V1；利用公式

计算得到误差系数WX，其中d1、d2为系数因子。

3.根据权利要求1所述的一种六组机器人物体抓取系统，其特征在于，所述抓取追踪模块的具体分析过程如下：

在六自由度机械臂的一个抓取周期内，当监测到抓取不合格信号时，自动倒计数，倒计数为D1，D1为预设值；

在倒计数阶段，若抓取不合格信号的出现次数达到预设第一数量或者预定比例或者连续抓取不合格信号的出现次数达到预设第二数量时，确定对应目标定位模块存在定位不精准的趋势，生成定位异常信号；

所述抓取追踪模块用于将定位异常信号发送至关联的移动终端。

4.根据权利要求3所述的一种六组机器人物体抓取系统，其特征在于，在倒计数阶段继续对抓取不合格信号进行监测，若监测到新的抓取不合格信号，则倒计数自动归为原值，重新按照D1进行倒计数，否则，倒计数归零，停止计数。

5.根据权利要求1所述的一种六组机器人物体抓取系统，其特征在于，所述目标定位模块包括深度视觉传感器，具体分析步骤为：

利用深度视觉传感器获取目标物体所在空间的场景图像；对获取的具备深度信息的RGB图像各像素点的深度值进行筛选，选取深度值在有效识别深度区域内的像素点，形成深度分割后的图像；

对深度分割后的RGB图像进行灰度化、图像滤波、阈值分割得到各像素点具备深度信息的理想图像；通过基于轮廓Hu矩特征改进的模板匹配法，将需要抓取的目标模板与得到的理想图像进行遍历匹配，定位图像中的目标，得到目标在图像坐标系中的二维坐标；

通过目标各像素点具备的深度值结合提取的图像坐标系中的二维坐标，利用图像坐标系和世界坐标系变换的变化关系计算出目标的空间坐标。

Images