一种具有较短路径的机器人图像绘制方法技术

本发明专利技术涉及一种图像绘制方法，尤其涉及一种具有较短路径的机器人图像绘制方法。按以下步骤进行：前期准备→绘制轮廓→确定落笔点→控制程度绘制过程。一种具有较短路径的机器人图像绘制方法，提高操作效率，简化操作步骤。

【技术实现步骤摘要】
一种具有较短路径的机器人图像绘制方法
本专利技术涉及一种图像绘制方法，尤其涉及一种具有较短路径的机器人图像绘制方法。
技术介绍
绘图是一项很常见的任务，打印机、平面绘图仪均有此功能。然而，其功能也仅限于此。在工业
，当赋予不同的末端工具时，绘图的功能还可以扩展到激光切割、打标、线切割等等。为实现特定的运动轨迹，这项工作目前主要依靠数控代码实现。对于光栅图像，还不能直接处理。在工业机器人领域，运动轨迹主要通过逐点示教的方式完成。当图形较为复杂时，示教的任务相当繁重。
技术实现思路
本专利技术主要是解决现有技术中存在的不足，提供一种克服机器人绘制平面复杂图形时繁重的示教任务，同时优化机器人末端执行器的行走路线，减少轮廓线之间的跳转时间，从而提高工作效率的一种具有较短路径的机器人图像绘制方法。本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种具有较短路径的机器人图像绘制方法，按以下步骤进行：(一)、前期准备：首先将此图像转化为灰度图，然后通过阈值处理将该图像二值化，提取出前景目标，然后，通过数学形态学操作，删除孤立点，消除椒盐噪声，之后，提取出目标轮廓，对构成轮廓的数据点进行精简；(二)、绘制轮廓：首先绘制外围的最大轮廓，然后绘制其余次大轮廓，按顺利依次绘制，最后绘制细节轮廓；细节轮廓的绘制顺序，用旅行商问题加以求解；为此，将各轮廓线的重心视为一个个的城市，问题是找出一条经过所有城市一次且仅一次的最短路径，唯一不同在于，访问完最后一个城市之后，不需要回到最初的城市；通过蚁群算法进行以下求解步骤：(1)将n只人工蚁随机放置在m个城市中的一个上，这里取n＝m；假设顺序路径{0，1，…，m-1}的长度为L，按下式初始化各城市之间的信息素含量：(2)对第k只人工蚁，由当前位置i选择下一个城市j时，选择概率按下式确定：式中，ηij为城市j相对于城市i的可见度，一般取其中，dij为城市i与城市j之间的距离；α、β用于表示相关量的重要程度，这里取α＝1，β＝10；表示当前尚末访问的城市列表；城市j的选择通过轮盘赌确定，选择概率越大，在轮盘上所占的面积越大，被选中的概率也越大；当k由0变化到n-1，i由1变化到m-2时，n只人工蚁分别访问了m个城市一次且仅一次，每只人工蚁构成一个可行解；(3)根据访问路径的长短，对n只人工蚁从小到大排列；假设本次循环求得的最短路径长度为L'，若L'≥L，程序结束，L'为全局最短距离；反之，令L'＝L，转步骤(4)；(4)按下式更新路径上的信息素含量：式中，ρ为信息素的挥发率，这里取ρ＝0.1；w为是用来更新信息素的蚂蚁数量，这里取w＝n/2；按下式取值：其中，Cr表示等级为r的人工蚁所走过的路径长度；r＝0对应本次最优解，r＝1代表本次次优解，其余依此类推；Q取1；完成以上工作后，跳转至步骤(2)循环执行；根据以上方法，得到轮廓线的访问顺序；(三)、确定落笔点：需要在轮廓线上确定合适的落笔点，使跳转路径尽可能短；先确定前两个轮廓的最短距离，从而得到这两个轮廓的落笔点，接着在第三个轮廓上寻找与第二个落笔点最近的点，作为第三落笔点，然后在第四个轮廓上寻找与第三个落笔点最近的点，作为第四落笔点，其余依次类推，从而确定一条相对较短的路径；或，在各轮廓线上随机取点，构成多个不同的解，选取其中的最优解作为最短路径；为提高程序收敛速度，使用启发式搜索算法；蚁群算法不能保证每次都求得最优解，但所得的解总是很靠近最优解；(四)、控制程度绘制过程：首先，在示教模式下操纵示教盒，将画笔定位至图幅中央，笔尖触及纸面；上位机程序执行时，将画笔抬高10mm，并移动到第一个轮廓的落笔点，画笔下移10mm开始绘图，第一条轮廓画完之后，画笔抬高10mm，移动到第二个轮廓的绘图点，画笔下移10mm开始绘制第二条轮廓，其余依此类推，直到画完所有轮廓；所有数据点均相对机器人绘图笔的末端偏移；图形中央对应绘图笔的初始位置；通过设置绘图比例，可改变所绘图形的实际大小，或以一定精度还原其原始尺寸；控制指令通过网线发送到控制器，或以机器人语言表达绘图指令，以作业的方式下载到控制器，通过示教盒调用作业的方式执行绘图任务。本专利技术提供一种具有较短路径的机器人图像绘制方法，提高操作效率，简化操作步骤。附图说明图1为本专利技术中待处理的示例图像；图2为本专利技术中一种路径较长的绘图方式；图3为本专利技术中绘制路径优化之后各轮廓线重心的连线；图4为本专利技术中给出了一种较短的绘制路径。具体实施方式下面通过实施例，并结合附图，对本专利技术的技术方案作进一步具体的说明。实施例1：如图1、图2、图3和图4所示，一种具有较短路径的机器人图像绘制方法，按以下步骤进行：(一)、前期准备：首先将此图像转化为灰度图，然后通过阈值处理将该图像二值化，提取出前景目标，然后，通过数学形态学操作，删除孤立点，消除椒盐噪声，之后，提取出目标轮廓，对构成轮廓的数据点进行精简；(二)、绘制轮廓：首先绘制外围的最大轮廓，然后绘制其余次大轮廓，按顺利依次绘制，最后绘制细节轮廓；细节轮廓的绘制顺序，用旅行商问题加以求解；为此，将各轮廓线的重心视为一个个的城市，问题是找出一条经过所有城市一次且仅一次的最短路径，唯一不同在于，访问完最后一个城市之后，不需要回到最初的城市；通过蚁群算法进行以下求解步骤：(1)将n只人工蚁随机放置在m个城市中的一个上，这里取n＝m；假设顺序路径{0，1，…，m-1}的长度为L，按下式初始化各城市之间的信息素含量：(2)对第k只人工蚁，由当前位置i选择下一个城市j时，选择概率按下式确定：式中，ηij为城市j相对于城市i的可见度，一般取其中，dij为城市i与城市j之间的距离；α、β用于表示相关量的重要程度，这里取α＝1，β＝10；表示当前尚末访问的城市列表；城市j的选择通过轮盘赌确定，选择概率越大，在轮盘上所占的面积越大，被选中的概率也越大；当k由0变化到n-1，i由1变化到m-2时，n只人工蚁分别访问了m个城市一次且仅一次，每只人工蚁构成一个可行解；(3)根据访问路径的长短，对n只人工蚁从小到大排列；假设本次循环求得的最短路径长度为L'，若L'≥L，程序结束，L'为全局最短距离；反之，令L'＝L，转步骤(4)；(4)按下式更新路径上的信息素含量：式中，ρ为信息素的挥发率，这里取ρ＝0.1；w为是用来更新信息素的蚂蚁数量，这里取w＝n/2；按下式取值：其中，Cr表示等级为r的人工蚁所走过的路径长度；r＝0对应本次最优解，r＝1代表本次次优解，其余依此类推；Q取1；完成以上工作后，跳转至步骤(2)循环执行；根据以上方法，得到轮廓线的访问顺序；(三)、确定落笔点：需要在轮廓线上确定合适的落笔点，使跳转路径尽可能短；先确定前两个轮廓的最短距离，从而得到这两个轮廓的落笔点，接着在第三个轮廓上寻找与第二个落笔点最近的点，作为第三落笔点，然后在第四个轮廓上寻找与第三个落笔点最近的点，作为第四落笔点，其余依次类推，从而确定一条相对较短的路径；或，在各轮廓线上随机取点，构成多个不同的解，选取其中的最优解作为最短路径；为提高程序收敛速度，使用启发式搜索算法；蚁群算法不能保证每次都求得最优解，但所得的解总是很靠近最优解；(四)、控制程度绘制过程：首先，在示教模式下操纵示教盒，将画笔定位本文档来自技高网...

【技术保护点】
一种具有较短路径的机器人图像绘制方法，其特征在于按以下步骤进行：(一)、前期准备：首先将此图像转化为灰度图，然后通过阈值处理将该图像二值化，提取出前景目标，然后，通过数学形态学操作，删除孤立点，消除椒盐噪声，之后，提取出目标轮廓，对构成轮廓的数据点进行精简；(二)、绘制轮廓：首先绘制外围的最大轮廓，然后绘制其余次大轮廓，按顺利依次绘制，最后绘制细节轮廓；细节轮廓的绘制顺序，用旅行商问题加以求解；为此，将各轮廓线的重心视为一个个的城市，问题是找出一条经过所有城市一次且仅一次的最短路径，唯一不同在于，访问完最后一个城市之后，不需要回到最初的城市；通过蚁群算法进行以下求解步骤：(1)将n只人工蚁随机放置在m个城市中的一个上，这里取n＝m；假设顺序路径{0，1，…，m‑1}的长度为L，按下式初始化各城市之间的信息素含量：τij(0)=1L,i,j∈{0,1,...,m-1},i≠j,0,i=j]]>(2)对第k只人工蚁，由当前位置i选择下一个城市j时，选择概率按下式确定：式中，ηij为城市j相对于城市i的可见度，一般取其中，dij为城市i与城市j之间的距离；α、β用于表示相关量的重要程度，这里取α＝1，β＝10；表示当前尚末访问的城市列表；城市j的选择通过轮盘赌确定，选择概率越大，在轮盘上所占的面积越大，被选中的概率也越大；当k由0变化到n‑1，i由1变化到m‑2时，n只人工蚁分别访问了m个城市一次且仅一次，每只人工蚁构成一个可行解；(3)根据访问路径的长短，对n只人工蚁从小到大排列；假设本次循环求得的最短路径长度为L'，若L'≥L，程序结束，L'为全局最短距离；反之，令L'＝L，转步骤(4)；(4)按下式更新路径上的信息素含量：τij(t+1)=(1-ρ)τij(t)+Σr=0w-1(w-r)Δτijr]]>式中，ρ为信息素的挥发率，这里取ρ＝0.1；w为是用来更新信息素的蚂蚁数量，这里取w＝n/2；按下式取值：其中，Cr表示等级为r的人工蚁所走过的路径长度；r＝0对应本次最优解，r＝1代表本次次优解，其余依此类推；Q取1；完成以上工作后，跳转至步骤(2)循环执行；根据以上方法，得到轮廓线的访问顺序；(三)、确定落笔点：需要在轮廓线上确定合适的落笔点，使跳转路径尽可能短；先确定前两个轮廓的最短距离，从而得到这两个轮廓的落笔点，接着在第三个轮廓上寻找与第二个落笔点最近的点，作为第三落笔点，然后在第四个轮廓上寻找与第三个落笔点最近的点，作为第四落笔点，其余依次类推，从而确定一条相对较短的路径；或，在各轮廓线上随机取点，构成多个不同的解，选取其中的最优解作为最短路径；为提高程序收敛速度，使用启发式搜索算法；蚁群算法不能保证每次都求得最优解，但所得的解总是很靠近最优解；(四)、控制程度绘制过程：首先，在示教模式下操纵示教盒，将画笔定位至图幅中央，笔尖触及纸面；上位机程序执行时，将画笔抬高10mm，并移动到第一个轮廓的落笔点，画笔下移10mm开始绘图，第一条轮廓画完之后，画笔抬高10mm，移动到第二个轮廓的绘图点，画笔下移10mm开始绘制第二条轮廓，其余依此类推，直到画完所有轮廓；所有数据点均相对机器人绘图笔的末端偏移；图形中央对应绘图笔的初始位置；通过设置绘图比例，可改变所绘图形的实际大小，或以一定精度还原其原始尺寸；控制指令通过网线发送到控制器，或以机器人语言表达绘图指令，以作业的方式下载到控制器，通过示教盒调用作业的方式执行绘图任务。...

【技术特征摘要】
1.一种具有较短路径的机器人图像绘制方法，其特征在于按以下步骤进行：(一)、前期准备：首先将此图像转化为灰度图，然后通过阈值处理将该图像二值化，提取出前景目标，然后，通过数学形态学操作，删除孤立点，消除椒盐噪声，之后，提取出目标轮廓，对构成轮廓的数据点进行精简；(二)、绘制轮廓：首先绘制外围的最大轮廓，然后绘制其余次大轮廓，按顺序依次绘制，最后绘制细节轮廓；细节轮廓的绘制顺序，用旅行商问题加以求解；为此，将各轮廓线的重心视为一个个的城市，问题是找出一条经过所有城市一次且仅一次的最短路径，唯一不同在于，访问完最后一个城市之后，不需要回到最初的城市；通过蚁群算法进行以下求解步骤：(1)将n只人工蚁随机放置在m个城市中的一个上，这里取n＝m；假设顺序路径{0，1，…，m-1}的长度为L，按下式初始化各城市之间的信息素含量：(2)对第k只人工蚁，由当前位置i选择下一个城市j时，选择概率按下式确定：式中，ηij为城市j相对于城市i的可见度，取其中，dij为城市i与城市j之间的距离；α、β用于表示相关量的重要程度，这里取α＝1，β＝10；表示当前尚末访问的城市列表；城市j的选择通过轮盘赌确定，选择概率越大，在轮盘上所占的面积越大，被选中的概率也越大；当k由0变化到n-1，i由1变化到m-2时，n只人工蚁分别访问了m个城市一次且仅一次，每只人工蚁构成一个可行解；(3)根据访问路径的长短，对n只人工蚁从小到大排列；假设本次循环求得的最短路径长度为L′，若L′≥L，循环结束，L′为全局最短距离；反之，令L′＝L，转步骤(4)；(4)按下式更新路径...

【专利技术属性】
技术研发人员：李正刚，范卫国，何雪军，陈立，朱彬，金晶，
申请(专利权)人：杭州新松机器人自动化有限公司，
类型：发明
国别省市：浙江;33