基于机器视觉的工业协作机器人路径规划算法制造技术

本发明专利技术公开了基于机器视觉的工业协作机器人路径规划算法，包括以下步骤：机器视觉平面模型数据采集；机器视觉平面模型数据整合；制作立体三维模型；组合立体三维模型；采用人工鱼群算法规划路径；将步机器人行走路径结合到机器视觉立体三维模型中，拆分成各个平面的行走路径；将机器人在各个平面的行走路径传输给工业协作机器人，工业协作机器人进行运动。本发明专利技术通过使用机器视觉进行路线规划，可加快路线规划进程，且路线规划更加准确；通过使用人工鱼群算法进行规划路径，可快速准确实现对路径的规划；通过将规划路径结合到立体三维模型中，然后将三维路径拆分成平面行走路径，使得规划路径与工业协作机器人的结合使用更加方便快捷。

【技术实现步骤摘要】
基于机器视觉的工业协作机器人路径规划算法
本专利技术涉及机器人
，具体为基于机器视觉的工业协作机器人路径规划算法。
技术介绍
机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术(图像增强和分析算法、图像卡、I/O卡等)。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。协作式机器人，是设计和人类在共同工作空间中有近距离互动的机器人。到2010年为止，大部分的工业机器人是设计自动作业或是在有限的导引下作业，因此不用考虑和人类近距离互动，其动作也不用考虑对于周围人类的安全保护，而这些都是协作式机器人需要考虑的机能。路径规划是运动规划的主要研究内容之一。运动规划由路径规划和轨迹规划组成，连接起点位置和终点位置的序列点或曲线称之为路径，构成路径的策略称之为路径规划。路径规划在很多领域都具有广泛的应用，在高新科技领域的应用有：机器人的自主无碰行动；无人机的避障突防飞行；巡航导弹躲避雷达搜索、防反弹袭击、完成突防爆破任务等。传统的路径规划算法有人工势场法、模糊规则法、遗传算法、神经网络、模拟退火算法、蚁群优化算法等，这些路径规划算法在工业协作机器人的应用较为普遍，但这些算法较为复杂繁琐，且路径规划效率低。
技术实现思路
本专利技术要解决的技术问题是克服现有的缺陷，提供基于机器视觉的工业协作机器人路径规划算法，可以有效解决
技术介绍
中的问题。为实现上述目的，本专利技术提供如下技术方案：基于机器视觉的工业协作机器人路径规划算法，包括以下步骤：S1．机器视觉平面模型数据采集，对多个工业协作机器人所在工作区间的各个平面进行视觉数据采集，对工作区间内工业协作机器人进行各个平面的视觉数据采集；S2．机器视觉平面模型数据整合，将步骤S1中采集的工业协作机器人工作区间各个平面的视觉数据进行整合形成多个工作区间复合平面视觉模型，将步骤S1中采集的工作区间内工业协作机器人的平面视觉数据进行整合形成多个工业协作机器人复合平面视觉模型；S3．制作立体三维模型，将步骤S2中的多个工作区间复合平面视觉模型进行三维整合，形成工作区间立体三维模型，将步骤S2中的多个工业协作机器人复合平面视觉模型进行三维整合，形成工业协作机器人立体三维模型；S4．组合立体三维模型，将步骤S3中的工业协作机器人立体三维模型与工作区间立体三维模型进行组合，形成机器视觉立体三维模型；S5．在步骤S4中的机器视觉立体三维模型中，随机生成N条初始的路径，这些路径中的每一条路径的第一个路径点为起点，最后一个路径点为终点；S6．采用人工鱼群算法规划路径，每条路径随机选择鱼群的聚群行为或者追尾行为，根据聚群行为描述或追尾行为描述来改变该条路径中除起点终点之外的其他路径点的位置，以生成一条新的路径，循环操作，直至选定的最小路径保持不变的次数达到预设的次数不变阈值或循环次数达到预设的循环次数阈值时，则将该选定的最小路径作为最优路径，将最优路径的路径点依次连起来便为机器人的行走路径；S7．将步骤S6中的机器人行走路径结合到机器视觉立体三维模型中，拆分成各个平面的行走路径；S8．将步骤S7中得到的机器人在各个平面的行走路径传输给工业协作机器人，工业协作机器人进行运动。作为本专利技术的一种优选技术方案，所述步骤S6中，每条路径都会得到一条新的路径，由此得到2N条路径，其中N条为原路径，N条为新路径；找出这2N条路径中路径长度最小的一条路径，并记录该条最小路径的路径长度及其路径点；计算这2N条路径的适应度函数值，并从2N条原路径中选出X条适应度函数值大的路径；分别对这X条路径的适应度函数值进行矢量距运算，得到每条路径的矢量距,并将每条路径的矢量距除以X条路径的总的矢量距，得到每条路径的选择概率；将第一次记录的最小路径的路径长度和上一次循环迭代所选定的最小路径的路径长度进行比较，选定两者中路径长度相对小的路径作为本次循环迭代所选定的最小路径；同时从X条路径中选择N条选择概率相对大的路径作为下一次迭代的初始的路径。作为本专利技术的一种优选技术方案，所述步骤S1中，对工作区间进行平面数据采集时，采用基于扩展摄像机成像模型的自标定算法，给出扩展成像模型，采用扩展模型在一幅图像中同时运用不同方向透视投影分析，建立不同方向的单应关系进而建立内参数约束方程，实现单幅图像标定。与现有技术相比，本专利技术的有益效果是：1、本专利技术通过使用机器视觉进行路线规划，可加快路线规划进程，且路线规划更加准确。2、本专利技术通过使用人工鱼群算法进行规划路径，可快速准确实现对路径的规划。3、本专利技术通过将规划路径结合到立体三维模型中，然后将三维路径拆分成平面行走路径，使得规划路径与工业协作机器人的结合使用更加方便快捷。附图说明图1为本专利技术规划步骤示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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他实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术提供一种技术方案：基于机器视觉的工业协作机器人路径规划算法，包括以下步骤：S1．机器视觉平面模型数据采集，对多个工业协作机器人所在工作区间的各个平面进行视觉数据采集，对工作区间内工业协作机器人进行各个平面的视觉数据采集；S2．机器视觉平面模型数据整合，将步骤S1中采集的工业协作机器人工作区间各个平面的视觉数据进行整合形成多个工作区间复合平面视觉模型，将步骤S1中采集的工作区间内工业协作机器人的平面视觉数据进行整合形成多个工业协作机器人复合平面视觉模型；S3．制作立体三维模型，将步骤S2中的多个工作区间复合平面视觉模型进行三维整合，形成工作区间立体三维模型，将步骤S2中的多个工业协作机器人复合平面视觉模型进行三维整合，形成工业协作机器人立体三维模型；S4．组合立体三维模型，将步骤S3中的工业协作机器人立体三维模型与工作区间立体三维模型进行组合，形成机器视觉立体三维模型；S5．在步骤S4中的机器视觉立体三维模型中，随机生成N条初始的路径，这些路径中的每一条路径的第一个路径点为起点，最后一个路径点为终点；S6．采用人工鱼群算法规划路径，每条路径随机选择鱼群的聚群行为或者追尾行为，根据聚群行为描述或追尾行为描述来改变该条路径中除起点终点之外的其他路径点的位置，以生成一条新的路径，循环操作，直至选定的最小路径保持不变的次数达到预设的次数不变阈值或循环次数达到预设的循环次数阈值时，则将该选定的最小路径作为最优路径，将最优路径的路径点依次连起来便为机器人的行走路径；S7．将步骤S6中的机器人行走路径结合本文档来自技高网...

【技术保护点】
1.基于机器视觉的工业协作机器人路径规划算法，其特征在于：包括以下步骤：S1．机器视觉平面模型数据采集，对多个工业协作机器人所在工作区间的各个平面进行视觉数据采集，对工作区间内工业协作机器人进行各个平面的视觉数据采集；S2．机器视觉平面模型数据整合，将步骤S1中采集的工业协作机器人工作区间各个平面的视觉数据进行整合形成多个工作区间复合平面视觉模型，将步骤S1中采集的工作区间内工业协作机器人的平面视觉数据进行整合形成多个工业协作机器人复合平面视觉模型；S3．制作立体三维模型，将步骤S2中的多个工作区间复合平面视觉模型进行三维整合，形成工作区间立体三维模型，将步骤S2中的多个工业协作机器人复合平面视觉模型进行三维整合，形成工业协作机器人立体三维模型；S4．组合立体三维模型，将步骤S3中的工业协作机器人立体三维模型与工作区间立体三维模型进行组合，形成机器视觉立体三维模型；S5．在步骤S4中的机器视觉立体三维模型中，随机生成N条初始的路径，这些路径中的每一条路径的第一个路径点为起点，最后一个路径点为终点；S6．采用人工鱼群算法规划路径，每条路径随机选择鱼群的聚群行为或者追尾行为，根据聚群行为描述或追尾行为描述来改变该条路径中除起点终点之外的其他路径点的位置，以生成一条新的路径，循环操作，直至选定的最小路径保持不变的次数达到预设的次数不变阈值或循环次数达到预设的循环次数阈值时，则将该选定的最小路径作为最优路径，将最优路径的路径点依次连起来便为机器人的行走路径；S7．将步骤S6中的机器人行走路径结合到机器视觉立体三维模型中，拆分成各个平面的行走路径；S8．将步骤S7中得到的机器人在各个平面的行走路径传输给工业协作机器人，工业协作机器人进行运动。...

【技术特征摘要】
1.基于机器视觉的工业协作机器人路径规划算法，其特征在于：包括以下步骤：S1．机器视觉平面模型数据采集，对多个工业协作机器人所在工作区间的各个平面进行视觉数据采集，对工作区间内工业协作机器人进行各个平面的视觉数据采集；S2．机器视觉平面模型数据整合，将步骤S1中采集的工业协作机器人工作区间各个平面的视觉数据进行整合形成多个工作区间复合平面视觉模型，将步骤S1中采集的工作区间内工业协作机器人的平面视觉数据进行整合形成多个工业协作机器人复合平面视觉模型；S3．制作立体三维模型，将步骤S2中的多个工作区间复合平面视觉模型进行三维整合，形成工作区间立体三维模型，将步骤S2中的多个工业协作机器人复合平面视觉模型进行三维整合，形成工业协作机器人立体三维模型；S4．组合立体三维模型，将步骤S3中的工业协作机器人立体三维模型与工作区间立体三维模型进行组合，形成机器视觉立体三维模型；S5．在步骤S4中的机器视觉立体三维模型中，随机生成N条初始的路径，这些路径中的每一条路径的第一个路径点为起点，最后一个路径点为终点；S6．采用人工鱼群算法规划路径，每条路径随机选择鱼群的聚群行为或者追尾行为，根据聚群行为描述或追尾行为描述来改变该条路径中除起点终点之外的其他路径点的位置，以生成一条新的路径，循环操作，直至选定的最小路径保持不变的次数达到预设的次数不变阈值或循环次数达到预设的循环次数阈值时，则将该选定的最小路径作为最优路径，将最优...

【专利技术属性】
技术研发人员：刘学良，唐校，任斌，蒋周琼，张志，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：广东,44