人机协作机器人抓取系统及其工作方法技术方案

本发明专利技术公开了一种人机协作机器人抓取系统及其工作方法，所述人机协作机器人抓取系统包括佩戴式惯性传感器模块、相机定距模块、高斯模型EM算法训练模块、高斯模型处理模块以及适应性机器人关节坐标提取模块。本发明专利技术提供的人机协作机器人抓取系统在人机协作的应用场景中，无须进行机器人视觉系统的标定以及运动学求逆，降低了操作人员的专业技能要求。另外，本发明专利技术提供的人机协作机器人抓取系统无须大量的样本即可实现映射，使得机器人轨迹平滑柔顺。

Grabbing System of Man-Machine Cooperative Robot and Its Working Method

The invention discloses a man-machine cooperative robot grasping system and its working method. The grasping system of the man-machine cooperative robot includes a wearable inertial sensor module, a camera ranging module, a Gauss model EM algorithm training module, a Gauss model processing module and an adaptive robot joint coordinate extraction module. The human-machine cooperative robot grasping system provided by the invention does not require the calibration of the robot vision system and kinematics inversion in the application scenario of human-machine cooperation, thus reducing the professional skill requirements of the operator. In addition, the human-machine cooperative robot grasping system provided by the invention can realize mapping without a large number of samples, so that the robot trajectory is smooth and flexible.

【技术实现步骤摘要】
人机协作机器人抓取系统及其工作方法
本专利技术涉及机器人
，尤其涉及一种人机协作机器人抓取系统及其工作方法。
技术介绍
在工业生产和日常生活中，机器人越来越多的代替人类执行各种操作任务，例如焊接、切割、冲压、喷漆、材料处理、精密材料加工，机器人在上述任务中具有显着的优势。在机器人抓取作业时，目标物体的位姿经常发生变化，机器人需要根据物体的位姿信息调整自身的运动实现抓取的适应性。在某些机器人应用的新兴行业中，例如手机、平板、可穿戴设备等主流产品的更新换代速度非常快，短的只有几个月。传统的机器人方案大量时间资源要被投入到生产线上，这不符合现在的生产模式，这些新兴行业中的特点是产品种类很多、体积普遍不大。人类负责对柔性、触觉、灵活性要求比较高的工序，机器人则利用其快速、准确的特点负责重复性的工作。目前更多的研究都放在与视觉的结合上进行抓取，但是为了得到相机中的观测变量到机器人的关节坐标，需要对视觉系统进行标定，传统的视觉标定方法对操作者的专业性要求较高，而且需要浪费大量的时间才能完成。
技术实现思路
为解决现有技术存在的局限和缺陷，本专利技术提供一种人机协作机器人抓取系统，包括数据获取部分、数据处理部分、工业机器人部分，所述数据获取部分包括佩戴式惯性传感器模块、相机定距模块，所述数据处理部分包括高斯模型EM算法训练模块、高斯模型处理模块，所述工业机器人部分包括适应性机器人关节坐标提取模块；所述佩戴式惯性传感器模块设置在操作者的手上，用于提取所述操作者抓取物体的姿态变量；所述相机定距模块提取物体边缘点坐标，获取坐标的平均值作为目标物体中心点的坐标(x，y)；所述高斯模型EM算法训练模块使用示教数据估算高斯模型的参数，形成物体观测变量与机器人关节变量之间的映射关系；所述高斯模型处理模块对所述机器人关节变量与所述物体观测变量进行关联，通过预先训练得到的映射关系，根据新的物体观测变量预测对应的机器人关节变量；所述适应性机器人关节坐标提取模块提取所述高斯模型处理模块获得的机器人关节变量。可选的，所述佩戴式惯性传感器模块包括传感器节点和汇聚控制节点，所述传感器节点设置在掌心处，所述汇聚控制节点设置在手背处；所述传感器节点用于采集操作者手掌在抓取物体过程中的姿态信息；所述汇聚控制节点用于收集所述传感器节点的数据，通过无线传输方式将收集的数据发送给数据处理部分。可选的，所述传感器节点为三轴陀螺仪，用于获取手掌的三轴旋转角速度(gx，gy，gz)；所述三轴陀螺仪还用于根据三轴旋转角速度和采样时间进行积分运算，获得传感器节点的姿态信息，通过欧拉角的形式对所述姿态信息进行表示。可选的，所述工业机器人部分还包括机器人本体和底层控制器，所述适应性机器人关节坐标提取模块将机器人关节变量发送给所述机器人本体和底层控制器，所述底层控制器控制所述机器人本体完成物体的抓取动作。本专利技术还提供一种人机协作机器人抓取系统的工作方法，所述人机协作机器人抓取系统包括数据获取部分、数据处理部分、工业机器人部分，所述数据获取部分包括佩戴式惯性传感器模块、相机定距模块，所述数据处理部分包括高斯模型EM算法训练模块、高斯模型处理模块，所述工业机器人部分包括适应性机器人关节坐标提取模块；所述人机协作机器人抓取系统的工作方法包括：所述佩戴式惯性传感器模块提取所述操作者抓取物体的姿态变量；所述相机定距模块提取物体边缘点坐标，获取坐标的平均值作为目标物体中心点的坐标(x，y)；所述高斯模型EM算法训练模块使用示教数据估算高斯模型的参数，形成物体观测变量与机器人关节变量之间的映射关系；所述高斯模型处理模块对所述机器人关节变量与所述物体观测变量进行关联，通过预先训练得到的映射关系，根据新的物体观测变量预测对应的机器人关节变量；所述适应性机器人关节坐标提取模块提取所述高斯模型处理模块获得的机器人关节变量。可选的，所述高斯模型处理模块对所述机器人关节变量与所述物体观测变量进行关联，通过预先训练得到的映射关系，根据新的物体观测变量预测对应的机器人关节变量的步骤包括：在高斯混合模型的概率分布下，样本x°的出现概率为：其中，m代表高斯分布的总个数，p(k)-α(k)代表样本xo来源于第k个高斯分布的概率，p(xo|k)＝N(xo；μk；∑k)代表第k个高斯分布生成样本xo的概率，μk和∑k分别代表第k个高斯分布的均值向量和协方差矩阵；新的观测变量onew来自第k个高斯分布的后验概率为：p(k|onew)∝p(k)p(onew|k)k*＝argmaxp(k|onew)将第k个高斯分布的均值向量μk和协方差矩阵∑k进行分块：其中，μr为训练样本集之中由机器人关节坐标构成的关节变量的均值，μo为训练样本集之中由物体的中心点坐标和传感器的姿态信息构成的观测变量的均值，Krr为关节变量的协方差，Koo为观测变量的协方差，Kor为观测变量与关节变量的协方差，Kro为关节变量与观测变量的协方差，机器人获得物体的新的观测变量onew与机器人的关节角度rnew相适应的条件概率分布为：其中，为与新的观测变量相适应的关节角度分布的均值，为高斯分布的协方差矩阵。可选的，所述佩戴式惯性传感器模块包括传感器节点和汇聚控制节点，所述传感器节点设置在掌心处，所述汇聚控制节点设置在手背处；所述佩戴式惯性传感器模块提取所述操作者抓取物体的姿态变量的步骤包括：所述传感器节点采集操作者手掌在抓取物体过程中的姿态信息；所述汇聚控制节点收集所述传感器节点的数据，通过无线传输方式将收集的数据发送给数据处理部分。本专利技术具有下述有益效果：本专利技术提供的人机协作机器人抓取系统及其工作方法之中，所述人机协作机器人抓取系统包括佩戴式惯性传感器模块、相机定距模块、高斯模型EM算法训练模块、高斯模型处理模块、适应性机器人关节坐标提取模块，佩戴式惯性传感器模块提取操作者抓取物体的姿态变量，相机定距模块提取物体边缘点坐标，获取坐标的平均值作为目标物体中心点的坐标(x，y)，高斯模型EM算法训练模块使用示教数据估算高斯模型的参数，形成物体观测变量与机器人关节变量之间的映射关系，高斯模型处理模块对机器人关节变量与物体观测变量进行关联，通过预先训练得到的映射关系，根据新的物体观测变量预测对应的机器人关节变量，适应性机器人关节坐标提取模块提取高斯模型处理模块获得的机器人关节变量。本专利技术提供的人机协作机器人抓取系统在人机协作的应用场景中，无须进行机器人视觉系统的标定以及运动学求逆，降低了操作人员的专业技能要求。另外，本专利技术提供的人机协作机器人抓取系统无须大量的样本即可实现映射，使得机器人轨迹平滑柔顺。附图说明图1为本专利技术实施例一提供的人机协作机器人抓取系统的结构示意图。图2为本专利技术实施例一提供的人机协作机器人抓取系统的流程图。图3为本专利技术实施例一提供的人机协作机器人抓取系统获得物体中心点的像素坐标示意图。图4为本专利技术实施例一提供的人机协作机器人抓取系统根据物体观测变量预测对应的机器人关节变量。具体实施方式为使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图对本专利技术提供的人机协作机器人抓取系统及其工作方法进行详细描述。实施例一图1为本专利技术实施例一提供的人机协作机器人抓取系统的结构示意图。如图1所示，本实施例提供的人机协作机器人抓取系统包括佩戴本文档来自技高网...

【技术保护点】
1.一种人机协作机器人抓取系统，其特征在于，包括数据获取部分、数据处理部分、工业机器人部分，所述数据获取部分包括佩戴式惯性传感器模块、相机定距模块，所述数据处理部分包括高斯模型EM算法训练模块、高斯模型处理模块，所述工业机器人部分包括适应性机器人关节坐标提取模块；所述佩戴式惯性传感器模块设置在操作者的手上，用于提取所述操作者抓取物体的姿态变量；所述相机定距模块提取物体边缘点坐标，获取坐标的平均值作为目标物体中心点的坐标(x，y)；所述高斯模型EM算法训练模块使用示教数据估算高斯模型的参数，形成物体观测变量与机器人关节变量之间的映射关系；所述高斯模型处理模块对所述机器人关节变量与所述物体观测变量进行关联，通过预先训练得到的映射关系，根据新的物体观测变量预测对应的机器人关节变量；所述适应性机器人关节坐标提取模块提取所述高斯模型处理模块获得的机器人关节变量。

【技术特征摘要】
1.一种人机协作机器人抓取系统，其特征在于，包括数据获取部分、数据处理部分、工业机器人部分，所述数据获取部分包括佩戴式惯性传感器模块、相机定距模块，所述数据处理部分包括高斯模型EM算法训练模块、高斯模型处理模块，所述工业机器人部分包括适应性机器人关节坐标提取模块；所述佩戴式惯性传感器模块设置在操作者的手上，用于提取所述操作者抓取物体的姿态变量；所述相机定距模块提取物体边缘点坐标，获取坐标的平均值作为目标物体中心点的坐标(x，y)；所述高斯模型EM算法训练模块使用示教数据估算高斯模型的参数，形成物体观测变量与机器人关节变量之间的映射关系；所述高斯模型处理模块对所述机器人关节变量与所述物体观测变量进行关联，通过预先训练得到的映射关系，根据新的物体观测变量预测对应的机器人关节变量；所述适应性机器人关节坐标提取模块提取所述高斯模型处理模块获得的机器人关节变量。2.根据权利要求1所述的人机协作机器人抓取系统，其特征在于，所述佩戴式惯性传感器模块包括传感器节点和汇聚控制节点，所述传感器节点设置在掌心处，所述汇聚控制节点设置在手背处；所述传感器节点用于采集操作者手掌在抓取物体过程中的姿态信息；所述汇聚控制节点用于收集所述传感器节点的数据，通过无线传输方式将收集的数据发送给数据处理部分。3.根据权利要求2所述的人机协作机器人抓取系统，其特征在于，所述传感器节点为三轴陀螺仪，用于获取手掌的三轴旋转角速度(gx，gy，gz)；所述三轴陀螺仪还用于根据三轴旋转角速度和采样时间进行积分运算，获得传感器节点的姿态信息，通过欧拉角的形式对所述姿态信息进行表示。4.根据权利要求1所述的人机协作机器人抓取系统，其特征在于，所述工业机器人部分还包括机器人本体和底层控制器，所述适应性机器人关节坐标提取模块将机器人关节变量发送给所述机器人本体和底层控制器，所述底层控制器控制所述机器人本体完成物体的抓取动作。5.一种人机协作机器人抓取系统的工作方法，其特征在于，所述人机协作机器人抓取系统包括数据获取部分、数据处理部分、工业机器人部分，所述数据获取部分包括佩戴式惯性传感器模块、相机定距模块，所述数据处理部分包括高斯模型EM算法训练模块、高斯模型处理模块，所述工业机器人部分包括适应性机器人关节坐标提取模块；所述人机协作机器人抓...

【专利技术属性】
技术研发人员：陶永，任帆，房增亮，邹遇，陈超勇，江山，张强，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11