【技术实现步骤摘要】
基于3D视觉的智能机器人抓取方法
本专利技术涉及机器人智能控制
,尤其是涉及到一种基于3D视觉的智能机器人抓取方法。
技术介绍
3C数码产品(包括计算机、通信类、消费类电子产品的合称)由于其智能化、使用方便、功能强大,越来越受到消费者的欢迎。目前,3C产品的产量也在逐步攀升。随着3C产品生产过程中的人工成本的快速上升,厂家越来越希望从自动化生产获得更低的成本、更高的效率以及最佳的良品率。机器人技术作为近年来快速发展的智能自动化技术,在工业生产中得到了越来越多地应用。3C行业中,目前也使用了智能机器人的抓取系统,用于3C产品的输送与装配作业中。专利技术人在研究中发现,现有技术的智能机器人抓取系统,大都都是基于二维机器视觉,通过识别输送过程中的工件的二维特征(包括定位和颜色等),以便机器人进行抓取装配,其应用场景中的工件一般比较简单和规则化,以至于仅通过二维特征就容易被机器人所抓取,不适用于更加复杂或具有不易抓取的物体形状(例如具有易滑动的圆弧表面形状)的场景。另外,基于二维机器视觉的抓取系统,工件在输送过程中一般不能有堆叠,如果产生堆叠,一是容易识别失败,二是没有有效地方法确定出供机器人精确稳定抓取的区域。另外,现有的技术泛化能力较差,当抓取目标变更后,以往的抓取策略就不再适用。综上所述,为了推进3C产品的智能化生产技术,有必要提供新的基于3D机器视觉的智能抓取方法。
技术实现思路
有鉴于此,有必要针对上述的问题,提供一种基于3D视觉的机器人抓取方法,相比于现有技术,能够实现对 ...
【技术保护点】
1.一种基于3D视觉的智能机器人抓取方法,其特征在于,包括:/n步骤1,完成智能抓取系统的手眼标定;/n步骤2,完成基于卷积神经网络的抓取规划模型的训练;/n步骤3,完成智能智能机器人在真实环境下的抓取。/n
【技术特征摘要】
1.一种基于3D视觉的智能机器人抓取方法,其特征在于,包括:
步骤1,完成智能抓取系统的手眼标定;
步骤2,完成基于卷积神经网络的抓取规划模型的训练;
步骤3,完成智能智能机器人在真实环境下的抓取。
2.根据权利要求1所述的基于3D视觉的智能机器人抓取方法,其特征在于,所述步骤1的流程具体包括:
搭建所述智能抓取系统,所述智能抓取系统包括Kinect-2.0、YuMi机器人及计算机;所述Kinect-2.0用于作为视觉传感器采集3D视觉数据,所述计算机与所述Kinect-2.0、所述YuMi连接,以完成抓取规划模型训练,并控制所述YuMi机器人实现抓取;
所述Kinect-2.0利用3D相机获取待抓取目标三维6DOF的姿态点云数据;
采用眼在手外的手眼标定方式;
对所述待抓取目标三维6DOF的姿态点云数据进行标定,完成3D相机与所述YuMi机器人的数据互联,以得到相机坐标系和机器人坐标系的参数转换。
3.根据权利要求2所述的基于3D视觉的智能机器人抓取方法,其特征在于,所述采用眼在手外的手眼标定方式,包括以下步骤:
标定3D相机的深度图像坐标系与红外相机坐标系求解齐次变化矩阵;
将标定板放在固定位置,读取标定板角点在深度图像中的坐标并将其转换为红外坐标系下坐标记录数据;
控制机器人手臂移动至该坐标记录数据在机器人坐标系之下XYZ;
反复上述流程采集多组公共点数据,使用迭代最近点算法求解出三维坐标系旋转偏移矩阵;
利用前面得到的相机参数完成抓取目标三维点云数据的配准。
4.根据权利要求3所述的基于3D视觉的智能机器人抓取方法,其特征在于,深度图像坐标系与红外坐标系的关系为:
其中,OdXdYdZd坐标系表示红外相机坐标系,OoUdVd坐标系表示深度图像坐标系,O1XY为红外相机成像平面坐标系,其X轴与Ud轴平行,Y轴与Vd平行,原点O1的坐标为坐标系OdXdYdZd坐标原点是红外相机的光心;
其中,P(ud,vd)为深度图像坐标系上一点,在红外坐标系相对应的点为P(xd,yd,zd),fx与fy表示红外相机的焦距,与表示图像坐标系的中心点坐标。
5.根据权利要求3所述的基于3D视觉的智能机器人抓取方法,其特征在于,机器人坐标系与3D相机的深度坐标系的转换模型为:
其中,[XRYRZR]表示YuMi机器人坐标系的点坐标,[XKYKZK]为3D相机的深度坐标系,λ为两个坐标系尺度比例因子,为坐标系平移增量。
6.根据权利要求2所述的基于3D视觉的智能机器人抓取方法,其特征在于,所述步骤2的流程,包括:
对深度图像数据进行预处理操作去除采集过程中产生的噪声;
将预处理...
【专利技术属性】
技术研发人员:雷渠江,徐杰,梁波,李秀昊,刘纪,邓云甫,王卫军,韩彰秀,
申请(专利权)人:广州中国科学院先进技术研究所,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。