JP6572687B2 - 把持可否判定方法 - Google Patents
把持可否判定方法 Download PDFInfo
- Publication number
- JP6572687B2 JP6572687B2 JP2015172824A JP2015172824A JP6572687B2 JP 6572687 B2 JP6572687 B2 JP 6572687B2 JP 2015172824 A JP2015172824 A JP 2015172824A JP 2015172824 A JP2015172824 A JP 2015172824A JP 6572687 B2 JP6572687 B2 JP 6572687B2
- Authority
- JP
- Japan
- Prior art keywords
- gripping
- hand
- point
- control device
- posture
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 34
- 239000013598 vector Substances 0.000 claims description 21
- 238000013459 approach Methods 0.000 claims description 9
- 238000012706 support-vector machine Methods 0.000 claims description 8
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 230000036544 posture Effects 0.000 description 65
- 238000001514 detection method Methods 0.000 description 17
- 238000012546 transfer Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 210000003857 wrist joint Anatomy 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- NDAUXUAQIAJITI-UHFFFAOYSA-N albuterol Chemical compound CC(C)(C)NCC(O)C1=CC=C(O)C(CO)=C1 NDAUXUAQIAJITI-UHFFFAOYSA-N 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000323 shoulder joint Anatomy 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Landscapes
- Manipulator (AREA)
Description
本発明は、このような問題点に鑑みてなされたものであり、把持可能な部品数を増加させつつ、把持成功率は高めることができる把持可否判定方法を提供することを主たる目的とする。
この一態様によれば、ハンド通過領域に障害物が存在する場合でも、直ちに、その把持対象物を把持不可能と判断するのではなく、識別器を用いて把持可否の判定を行う。このため、把持可能な部品数を増加させることができる。この把持可否の判定を行う際に、ハンドと障害物との強干渉点が少なく、把持成功率が高いハンドの把持パターンを学習した識別器を用いることで、把持成功率は高めることができる。すなわち、把持可能な部品数を増加させつつ、把持成功率は高めることができる。
この一態様において、前記識別器はランダムフォレストで構成されており、前記特徴ベクトルは、下記式を用いて算出してもよい。この一態様によれば、ランダムフォレストで構成された識別器を用いて、把持可能な部品数を増加させつつ、把持成功率は高めることができる。
この一態様において、前記識別器は、線形SVM(support vector machine)で構成されており、前記特徴ベクトルfsは、下記式を用いて算出してもよい。この一態様によれば、線形SVMで構成された識別器を用いて、把持可能な部品数を増加させつつ、把持成功率は高めることができる。
本実施の形態の搬送ロボットは、複数の箱内に収容されたピッキング対象物(把持対象物)である部品を当該箱から夫々ピッキング(把持)して搬送する。
制御装置4は、例えば、制御演算、演算処理等を行うCPU(Central Processing Unit)4a、CPU4aによって実行される制御プログラム、演算プログラム等が記憶されたROM(Read Only Memory)やRAM(Random Access Memory)からなるメモリ4b、外部と信号の入出力を行う複数のインターフェイス部(I/F)4cなどからなるマイクロコンピュータを中心にして、ハードウェア構成されている。CPU4a、メモリ4b及びインターフェイス部4cは、データバスなどを介して相互に接続されている。
一方で、そのハンド通過領域Sの障害物を無視して把持を実行すれば、把持可能と判断する部品数は多くなる。しかし、例えば、ハンド21が障害物と強く衝突し、実際に把持を実行した際の把持成功率が低下する虞がある。
本実施形態に係る把持可否判定方法は、上述の如く、ロボットアーム2によるバラ積みされた部品の把持作業において、ハンド21と、把持対象部品と隣接する部品と、の接触を適度に許容することで、把持可能な部品数を増加させつつ、把持成功率は高めるものである。
d(pi):点piから指部の開閉方向(把持方向)に伸ばした直線がハンド通過領域境界と交わる点の内、piから最も近い点との距離。その点piがハンド通過領域の内側(指部22の閉方向)に入り込んだ距離。
ここで、ハンド21と障害物との強干渉する点を少なくすると、ハンド21による部品把持の成功率が高まると仮定する。すなわち、h(pi)、d(pi)及びnの全ての値が小さい方が把持成功率が高いと仮定する。そして、この仮定の基で把持成功率が高いときに生成された特徴ベクトルを用いて識別器を生成している。
特徴ベクトルとして、ハンド通過領域内のポイント分布を用いる。このため、h(pi)、d(pi)を用いた2次元ヒストグラムを下記のように定義する。なお、下記定義において、binwidthはbin幅であり、bin_h及びbin_dは各軸のbin上限値(無条件で把持失敗と判定する閾値)である。
特徴ベクトル=(底面からの距離:min((h(pi)/binwidth),bin_h),
側面からの距離:min((d(pi)/binwidth),bin_d))
(1)前提条件の取得
まず、上述した学習フェーズの前提条件について説明する。
(前提1)ロボットアーム2が把持する部品、ロボットアーム2自体の幾何モデル、ならびに、部品の重量は予め与えられているものとする。
(前提2)各箱の中に入っている部品の種類は既知であるが、部品の箱中での位置及び部品の数は未知とする。
例えば、メモリ4bには、上述した、ロボットアーム2が把持する部品の幾何モデル、ロボットアーム2自体の幾何モデル、部品の重量、各箱の中に入っている部品の種類、などの情報が予め記憶されている。
続いて、ロボットアーム2が把持動作を開始する前に、ハンド21が各部品を把持可能な位置及び姿勢(以下、把持位置姿勢)のデータベースを構築する。制御装置4は、部品毎の把持位置姿勢のデータベースを、例えば、下記<フェーズ1〜6>に従って構築する。
先ず、制御装置4は、部品の形状(幾何モデル)に対して最適な分割数を決めるための評価指標を導き出す。詳細には、制御装置4は、領域分割数決定方法によって、以下の条件1を満たすまでクラスタをマージする。
誤差(error)>0.01、且つ、クラスタの重なり度<0.2であって、クラスタの重なり度は、下記式により導き出す。
制御装置4は、<フェーズ1>で導き出した評価指標を最小化するように、部品の幾何モデルを一般的な方法(例えば、非特許文献:辻、原田、山野辺、永田、中村、長谷川、”一般物体把持のための把持姿勢変換”、ロボティクスシンポジア講演稿集、pp.219-224、2013)に基づいて分割(クラスタリング)する。これにより、部品の幾何モデルに複数の2次曲面が割り当てられる。
制御装置4は、2次曲面として楕円や円が割り当てられたものに対しては、これらのバウンディングボックスを導き出す。なお、バウンディングボックスの3辺長が部品全体のバウンディングボックスの3辺長の0.15倍(但し、倍数は適宜変更することができる。)より小さいクラスタ領域は、把持点探索の対象外とする。
制御装置4は、<フェーズ3>で導き出したバウンディングボックスを、例えば、非特許文献:原田、辻、金子、金広、丸山、”直方体モデルに基づく多指ハンドの把握計画”、日本機械学会誌(C編)、vol.76、no.762、pp.331-339、2010で定義したGRC(Grasping Rectangular Convex)とみなし、GRCの曲面に離散化した点を仮定し、この点にアプローチするように仮想的にハンド21を動かす。
制御装置4は、<フェーズ4>におけるハンド21の姿勢から当該ハンド21の指部22が部品と接触するまで仮想的に当該指部22を閉じる。
制御装置4は、仮想的に全ての指部22が部品と接触した時点で、例えば、非特許文献:原田、辻、宇都、山野辺、永田、”ソフトフィンガ型把持の安定性解析”、計測自動制御学会システムインテグレーション部門講演会予稿集、2013に開示された手法で把持安定性をチェックする。制御装置4は、各把持位置姿勢のチェックを行って、把持安定性の条件を満たさないと判断した把持位置姿勢を対象外とする。
把持対象物である箱内の部品の位置及び姿勢(以下、位置姿勢)の計測を行う。
搬送ロボット1が動作を開始し、制御装置4は、モータを制御して上記構築したデータベースの把持位置姿勢に含まれるロボットアーム2の位置に移動台車3を移動させる。そして、検出部5は、その位置で、視覚センサ51を用いて、部品の位置姿勢を計測する。
制御装置4は、実際にロボットアーム2を動作させ、そのときのロボットアーム2の把持動作軌道を、下記のように生成する。
上記の如く、視覚センサ51は、箱に入っている部品の位置姿勢を計測する。このとき、絶対座標系から見た部品の位置を示す3次元位置ベクトルをPoとし、部品の位置姿勢を示す3×3の回転行列をRoとし、認識された部品のうち第i把持対象物を夫々Poi、Roiと定義する。
Pwij=Poi+Roi*oPwij
Rwij=Roi*oRwij
制御装置4は、検出部5から、把持対象の部品の位置Poi、及び姿勢Roiを取得する(ステップS101)。
制御装置4は、検出部5により検出された部品の位置姿勢に対して、把持位置姿勢のデータベースを用いることで、把持対象の部品の目標位置姿勢の候補Pwij、Rwijを算出する(ステップS103)。
制御装置4は、算出した把持対象の部品の目標位置姿勢の候補Pwij、Rwijの逆運動学問題が解を有すると判定すると(ステップS104のYES)、その目標把持位置姿勢の候補において、ロボットアーム2が障害物に干渉していないか否かを判定する(ステップS105)。一方、制御装置4は、算出した把持対象の部品の目標位置姿勢の候補Pwij、Rwijの逆運動学問題が解を有しないと判定すると(ステップS104のNO)、後述の(ステップS110)の処理に移行する。
制御装置は、全把持対象、全把持位置姿勢の判定が完了したと判定すると(ステップS 108のYES)、本処理を終了する。一方、制御装置は、全把持対象、全把持位置姿勢の判定が完了していないと判定すると(ステップS108のNO)、kをインクリメントし(k=k+1(但し、第i把持対象物のデータベースの数を超えると、i=i+1、j=1とする))(ステップS109)、後述の(ステップS110)の処理に移行する。
制御装置4は、上記生成した把持動作軌道を用いて、下記(5)で識別器を生成する。
(5)識別器の生成
上記説明した通りであり、説明が重複するので省略する。
(1)部品の位置姿勢の計測
上記学習フェーズの部品の位置姿勢の計測と同一であるため、説明を省略する。
(2)把持動作(ピッキング動作)
図7は、実行フェーズにおける把持動作軌道の生成方法のフローを示すフローチャートである。
制御装置4は、部品のポイントクラウドをセグメント化し、各セグメントのバウンディングボックスを計算する。制御装置4は、計算したバウンディングボックスの形状が把持対象の部品のバウンディングボックスの形状に近いものに対し部品の位置姿勢を当てはめる。
制御装置4は、検出部5により検出された部品の位置姿勢に対して、把持位置姿勢のデータベースを用いることで、把持対象の部品の目標位置姿勢の候補Pwij、Rwijを算出する(ステップS203)。
制御装置4は、目標位置姿勢の候補Pwij、Rwijに対して識別器を用いて把持可能と判定したとき(ステップS204のYES)、算出した把持対象の部品の目標位置姿勢の候補Pwij、Rwijの逆運動学問題が解を有するか否かを判定する(ステップS205)。一方、制御装置4は、目標位置姿勢の候補Pwij、Rwijに対して識別器を用いて把持可能でない判定したとき(ステップS204のNO)、後述の(ステップS211)の処理に移行する。
制御装置4は、全把持対象、全把持位置姿勢の判定が完了したと判定すると(ステップS209のYES)、後述の(ステップS211)の処理に移行する。一方、制御装置4は、全把持対象、全把持位置姿勢の判定が完了していないと判定すると(ステップS209のNO)、kをインクリメントし(k=k+1(但し、第i把持対象物のデータベースの数を超えると、i=i+1、j=1とする))(ステップS210)、後述の(ステップS211)の処理に移行する。
制御装置4は、複数の把持動作軌道が得られた場合に、各把持動作軌道の評価指標Iを算出する。上述の如く、ハンド21の把持動作軌道と障害物との強干渉する点を少なくすると、ハンド21による部品把持の成功率が高まると仮定する。すなわち、h(pi)、d(pi)及びnの全ての値が小さい方が把持成功率が高いと仮定する。
以上、本実施形態に係る把持可否判定方法おいて、ハンド通過領域内に含まれる3次元点群データと、ハンド21による把持対象物の把持の成否と、を対応付けた複数のサンプルデータを取得し、距離h(pi)、距離d(pi)及びnの値が小さい方が把持成功率が高いと仮定し、サンプルデータおよび距離h(pi)およびd(pi)に基づいて算出した特徴ベクトルから、把持対象物の把持可否を判定するための識別器を生成し、生成した識別器を用いてハンドによる把持対象物の把持可否を判定する。
これにより、ハンド通過領域Sに障害物が存在する場合でも、直ちに、その部品を把持不可能と判断するのではなく、識別器を用いて把持可否の判定を行う。このため、把持可能な部品数を増加させることができる。この把持可否の判定を行う際に、ハンド21と障害物との強干渉点が少なく、把持成功率が高いハンド21の把持パターンを学習した識別器を用いることで、把持成功率は高めることができる。すなわち、把持可能な部品数を増加させつつ、把持成功率は高めることができる。
プログラムは、様々なタイプの非一時的なコンピュータ可読媒体(non-transitory computer readable medium)を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体(tangible storage medium)を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体(例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ)、光磁気記録媒体(例えば光磁気ディスク)、CD−ROM(Read Only Memory)、CD−R、CD−R/W、半導体メモリ(例えば、マスクROM、PROM(Programmable ROM)、EPROM(Erasable PROM)、フラッシュROM、RAM(random access memory))を含む。
Claims (3)
- バラ積みされた複数の把持対象物をロボットアームのハンドによって把持する際に、前記ハンドが前記把持対象物を把持可能か否かを判定する把持可否判定方法であって、
前記把持対象物から所定距離離れたアプローチ点から該把持対象物を前記ハンドにより把持する把持点まで前記ハンドを移動させ、該把持点で前記把持対象物を前記ハンドにより把持するまでに、前記ハンドが通過する領域をハンド通過領域とし、該ハンド通過領域内に含まれる3次元点群データと、前記ハンドによる前記把持対象物の把持の成否と、を対応付けた複数のサンプルデータを取得するステップと、
前記ハンド通過領域内に含まる3次元点群のi番目の点をpi(i=1、2、・・・n)とし、前記点piをアプローチ方向に伸ばした直線が前記ハンド通過領域の境界と交わる点の内、前記点piから最も遠い点との距離をh(pi)とし、前記点piから前記ハンドの把持方向に伸ばした直線が前記ハンド通過領域の境界と交わる点の内、前記点piから最も近い点との距離をd(pi)とし、前記h(pi)、d(pi)及びnの値が小さい方が把持成功率が高いと仮定し、前記サンプルデータと前記距離h(pi)及びd(pi)とに基づき算出した特徴ベクトルから、前記把持対象物の把持可否を判定するための識別器を生成するステップと、
前記生成した識別器を用いて前記ハンドによる前記把持対象物の把持可否を判定するステップと、
を含む、ことを特徴とする把持可否判定方法。 - 請求項1記載の把持可否判定方法であって、
前記識別器はランダムフォレストで構成されており、
前記特徴ベクトルは、下記式を用いて算出する、ことを特徴とする把持可否判定方法。
前記特徴ベクトル=(min((h(pi)/binwidth),bin_h),
min((d(pi)/binwidth),bin_d))
但し、上記式、binwidthはbin幅であり、bin_h及びbin_dは各軸のbin上限値である。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015172824A JP6572687B2 (ja) | 2015-09-02 | 2015-09-02 | 把持可否判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015172824A JP6572687B2 (ja) | 2015-09-02 | 2015-09-02 | 把持可否判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017047505A JP2017047505A (ja) | 2017-03-09 |
JP6572687B2 true JP6572687B2 (ja) | 2019-09-11 |
Family
ID=58278493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015172824A Expired - Fee Related JP6572687B2 (ja) | 2015-09-02 | 2015-09-02 | 把持可否判定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6572687B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6983524B2 (ja) * | 2017-03-24 | 2021-12-17 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP6695843B2 (ja) | 2017-09-25 | 2020-05-20 | ファナック株式会社 | 装置、及びロボットシステム |
WO2019098074A1 (ja) * | 2017-11-16 | 2019-05-23 | 倉敷紡績株式会社 | 線状物把持方法および制御装置 |
SG11202011865WA (en) * | 2018-06-26 | 2021-01-28 | Teradyne Inc | System and method for robotic bin picking |
JP7275759B2 (ja) * | 2019-03-28 | 2023-05-18 | セイコーエプソン株式会社 | 物体検出方法、物体検出装置およびロボットシステム |
WO2022162769A1 (ja) * | 2021-01-27 | 2022-08-04 | 川崎重工業株式会社 | ロボットシステム、移動経路生成装置および移動経路生成方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5430796B2 (ja) * | 2011-04-14 | 2014-03-05 | 三菱電機株式会社 | ロボット制御装置 |
JP2014161965A (ja) * | 2013-02-26 | 2014-09-08 | Toyota Industries Corp | 物品取り出し装置 |
-
2015
- 2015-09-02 JP JP2015172824A patent/JP6572687B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2017047505A (ja) | 2017-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6572687B2 (ja) | 把持可否判定方法 | |
Xu et al. | Compare contact model-based control and contact model-free learning: A survey of robotic peg-in-hole assembly strategies | |
JP7116901B2 (ja) | ロボット制御装置、ロボット制御方法及びロボット制御プログラム | |
US11945114B2 (en) | Method and system for grasping an object | |
CN111684474B (zh) | 运算装置、运算方法及记录介质 | |
JP5724919B2 (ja) | 軌道生成装置、移動体、軌道生成方法及びプログラム | |
US9149932B2 (en) | Robot picking system, control device, and method of manufacturing a workpiece | |
WO2012035707A1 (ja) | 地図生成装置、地図生成方法、移動体の移動方法、及びロボット装置 | |
CN104238562A (zh) | 用于经由可穿戴传感器控制机器人装置的方法和设备 | |
CN114147708B (zh) | 基于改进的天牛须搜索算法的机械臂避障路径规划方法 | |
Vonásek et al. | RRT-path–a guided rapidly exploring random tree | |
JP2016110576A (ja) | 自己位置推定装置及び自己位置推定装置を備えた移動体 | |
JP7275759B2 (ja) | 物体検出方法、物体検出装置およびロボットシステム | |
Farag et al. | Real-time robotic grasping and localization using deep learning-based object detection technique | |
Harada et al. | Initial experiments on learning-based randomized bin-picking allowing finger contact with neighboring objects | |
Mishani et al. | Real-time non-visual shape estimation and robotic dual-arm manipulation control of an elastic wire | |
Militaru et al. | Object handling in cluttered indoor environment with a mobile manipulator | |
US10933526B2 (en) | Method and robotic system for manipulating instruments | |
JP5983506B2 (ja) | 把持対象物の把持パターン検出方法およびロボット | |
Hyttinen et al. | Estimating tactile data for adaptive grasping of novel objects | |
Meng et al. | Spring-IMU fusion-based proprioception for feedback control of soft manipulators | |
JP7034971B2 (ja) | 作動システム、制御装置、およびプログラム | |
JP6641804B2 (ja) | 搬送車の移動経路設定方法 | |
Kim et al. | Improvement of Door Recognition Algorithm using Lidar and RGB-D camera for Mobile Manipulator | |
CN114080304A (zh) | 控制装置、控制方法及控制程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180808 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20180824 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180824 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190716 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190718 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190729 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6572687 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
LAPS | Cancellation because of no payment of annual fees |