机器人抓取操作的点云数据匹配方法及系统技术方案

本发明专利技术提出了一种机器人抓取操作中的点云数据匹配方法，包括：建立采集数据与真实场景平面型工件的空间坐标转换关系；寻找刚体变换矩阵T；建立邻对点与逼近面之间的距离误差公式；依据函数F(x)进行计算，使得函数F(x)取值最小；对函数F(x)进行线性化转化，以得到误差函数，进而得到刚体变换矩阵T；对海量点云数据进行筛选，以计算平面型工件的质心位置M，通过刚体变换矩阵T，将其进行变换后作为夹爪的末端中心位置进行抓取操作。本发明专利技术还提供了一种机器人抓取操作中的点云数据匹配系统。

【技术实现步骤摘要】
机器人抓取操作的点云数据匹配方法及系统
本专利技术涉及机器人视觉引导抓取领域，尤其是涉及一种应用于平面型工件的机器人抓取操作中的点云数据匹配方法及系统。
技术介绍
工业场合中经常需要在平面型工件表面进行机器人抓取操作，以手机玻璃屏幕为例，由于玻璃屏幕通常会与传送带运行方向有一定的夹角，因此需要将立体摄像头采集的点云数据进行旋转，以便与玻璃屏幕的几何模型匹配。如何减小点云数据和几何模型之间的匹配误差，提高匹配精度从而实现精确抓取，是一个有难度的技术问题。传统的工业机器人路径规划过程通常需要进行人工示教，或者在商用软件中进行离线编程以针对工件表面形貌进行分析，并规划工业机器人路径。离线编程方式需要获得产品表面形貌的三维几何模型，同时需要进行轨迹规划并进行虚拟-现实标定，该标定过程会产生标定误差，手动旋转和平移操作往往不能较好的实现点云数据和几何模型的精确匹配，从而影响机器人抓取操作的成功率。以离线编程环境下的人工旋转和平移操作为例，由于缺乏数据支撑，手动旋转和平移操作往往会在点云数据和几何模型之间产生较大的位置误差。由于人工操作缺乏数学理论的支持，因此点云数据的位置和姿态具有较大的随机性，当位置与几何模型存在误差时，容易导致机器人抓取动作产生偏移而失败。当其姿态与几何模型存在误差时，机器人抓取动作与物体之间存在夹角，在抓取过程中可能由于重力原因而滑落。
技术实现思路
本专利技术提供了一种应用于平面型工件的机器人抓取操作中的点云数据匹配方法，其采用最小化误差方法来估算点云数据和几何模型之间邻对点之间的距离，设计逼近面计算两者与逼近面之间的点的距离，通过迭代计算方法减小点云数据和几何模型的匹配残差，从而确保点云数据能够与几何数据进行较为精确的匹配。本专利技术所提供的一种机器人抓取操作中的点云数据匹配方法，包括：步骤S1：建立采集数据与真实场景平面型工件的空间坐标转换关系；步骤S2：寻找刚体变换矩阵T；步骤S3：建立邻对点与逼近面之间的距离误差公式，该公式表示为其中εα为最小误差，αqi为点云数据，ρi为初始点云数据，d为邻对点之间的距离；步骤S4：依据函数进行计算，其中x，y表示点p的坐标值，σx表示与x值相关的对称矩阵，将该函数转化为寻找围绕原点旋转θ角度、且包含平移向量t＝[txty]刚性变换，使得函数F(x)取值最小；步骤S5：对函数F(x)进行线性化转化，以得到误差函数其中，ε(θ，tx，ty)表示变换数据与原数据之间的残差，i表示当前点云数，m表示点云总数，xi表示本地点云的横坐标，θyi表示纵轴方向的导数，tx表示变换向量，0xi表示横轴方向的导数，yi表示纵轴方向的导数，σx表示与x相关的对称矩阵，进而得到刚体变换矩阵T；步骤S6：对海量点云数据进行筛选，以计算平面型工件的质心位置M，计算方法为其中，ri表示图像像素的横坐标，Ii表示图像的在I点上的灰度值，ci表示图像像素的纵坐标，(r，c)为计算出的平面型工件的质心坐标，通过刚体变换矩阵T，将其进行变换后作为夹爪的末端中心位置进行抓取操作。其中，所述步骤S1中，所述空间坐标转换关系之间存在匹配误差ε。其中，所述步骤S2中，注册算法寻找合适的刚体变换矩阵T，该刚体变换矩阵T包含旋转矩阵R和平移矩阵t。其中，所述步骤S3中，以假设距离是点云数据和几何模型与其地面之间距离的精确逼近为前提。本专利技术还提供了一种机器人抓取操作点中的点云数据匹配系统，包括坐标标定单元、刚体变换矩阵计算单元、距离误差计算单元、最小取值处理单元、刚体变换矩阵获取单元及末端中心位置计算单元；所述坐标标定单元用于对机器人视觉系统进行标定，以建立采集数据与真实场景平面型工件的空间坐标转换关系；所述刚体变换矩阵计算单元用于建立刚体变换矩阵T；所述距离误差计算单元用于建立邻对点与逼近面之间的距离误差公式，以计算得到邻对点与逼近面之间的距离误差；所述最小取值处理单元用于使得函数F(x)取值最小，其中函数F(x)的公式为所述刚体变换矩阵获取单元用于对函数F(x)进行线性化转换，以得到误差函数，进而得到刚体变换矩阵T；所述末端中心位置计算单元用于对海量点云数据进行筛选，以计算得到平面型工件的质心位置M，并结合前述得到的刚体变换矩阵T，将其进行变化后得到夹爪的末端中心位置。其中，所述刚体变换矩阵计算单元采用注册算法以寻找合适的刚体变换矩阵T，且该刚体变换矩阵T包含旋转矩阵R和平移矩阵t。本专利技术所述的应用于平面型工件的机器人抓取操作中的点云数据匹配方法采用最小化误差方法来估算点云数据和几何模型之间邻对点之间的距离，设计逼近面计算两者与逼近面之间的点的距离，通过迭代计算方法减小点云数据和几何模型的匹配残差，从而确保点云数据能够与几何数据进行较为精确的匹配。附图说明图1为本专利技术机器人抓取操作中的点云数据匹配方法的较佳实施方式的流程图。图2为本专利技术机器人抓取操作中的点云数据匹配系统的较佳实施方式的流程图。具体实施方式下面结合附图对本专利技术作进一步说明，但不以任何方式对本专利技术加以限制，基于本专利技术教导所作的任何变换，均落入本专利技术保护范围。请参考图1所示，本专利技术所述的一种机器人抓取操作中的点云数据匹配方法，包括以下步骤：步骤S1、对机器人视觉系统进行标定，建立采集数据与真实场景平面型工件的空间坐标转换关系，需要明确的是该映射存在匹配误差ε。步骤S2、采用注册算法寻找合适的刚体变换矩阵T，该刚体变换矩阵T包含旋转矩阵R和平移矩阵t。步骤S3、建立邻对点与逼近面之间的距离误差公式，该公式表示如下：其中，εα为最小误差，αqi为点云数据，ρi为初始点云数据，d为邻对点之间的距离，此处采用邻对点的平方距离是以假设该距离是点云数据和几何模型与其地面之间距离的精确逼近为前提的。步骤S4、假设在平面型工件上存在一点p，p＝(xy)是属于xy平面内的一点，假设存在函数其中x，y表示点p的坐标值，x表示与x值相关的对称矩阵，该函数近似等于误差εa。将此问题转化为寻找围绕原点旋转θ角度、且包含平移向量t＝[txty]刚性变换，使得函数F(x)取值最小。步骤S5、对函数F(x)进行线性化转换，当旋转角度θ足够小时，取sinθ＝θ，cosθ＝1，则有误差函数：其中，ε(θ，tx，ty)表示变换数据与原始数据之间的残差，i表示当前点云数，m表示点云总数，xi表示本地点云的横坐标，θyi表示纵方向的导数，tx表示变换向量，θxi表示纵轴方向的导数，yi表示本地点云的纵坐标，σx表示与x相关的对称矩阵，因此迭代计算中，需要求出θ，tx，ty的值，最小化点云数据和几何模型之间的残差，从而确保点云数据和几何模型之间实现较为精确的位置和姿态匹配，获得刚体变换矩阵T。步骤S6、对海量点云数据进行筛选，计算平面型工件的质心位置M，计算方法如下：其中，ri表示图像像素的横坐标，Ii表示图像的在I点上的灰度值本文档来自技高网...

【技术保护点】
1.一种机器人抓取操作中的点云数据匹配方法，其特征在于：所述机器人抓取操作中的点云数据匹配方法包括：/n步骤S1：建立采集数据与真实场景平面型工件的空间坐标转换关系；/n步骤S2：寻找刚体变换矩阵T；/n步骤S3：建立邻对点与逼近面之间的距离误差公式，该距离误差公式表示为

【技术特征摘要】
1.一种机器人抓取操作中的点云数据匹配方法，其特征在于：所述机器人抓取操作中的点云数据匹配方法包括：
步骤S1：建立采集数据与真实场景平面型工件的空间坐标转换关系；
步骤S2：寻找刚体变换矩阵T；
步骤S3：建立邻对点与逼近面之间的距离误差公式，该距离误差公式表示为其中εα为最小误差，αqi为点云数据，ρi为初始点云数据，d为邻对点之间的距离；
步骤S4：依据函数进行计算，其中x，y表示点p的坐标值，σx表示与x值相关的对称矩阵，将该函数转化为寻找围绕原点旋转θ角度、且包含平移向量t＝[txty]刚性变换，使得函数F(x)取值最小；
步骤S5：对函数F(x)进行线性化转化，以得到误差函数其中，ε(θ，tx，ty)表示变换数据与原数据之间的残差，i表示当前点云数，m表示点云总数，xi表示本地点云的横坐标，θyi表示纵轴方向的导数，tx表示变换向量，θxi表示横轴方向的导数，yi表示本地点云的纵坐标，σx表示与x相关的对称矩阵，进而得到刚体变换矩阵T；
步骤S6：对海量点云数据进行筛选，以计算平面型工件的质心位置M，计算方法为：

其中，ri表示图像像素的横坐标，Ii表示图像的在l点上的灰度值，ci表示图像像素的纵坐标，(r，c)为计算出的平面型工件的质心坐标，通过刚体变换矩阵T，将其进行变换后作为夹爪的末端中心位置进行抓取操作。


2.如权利要求1所述的机器人抓取操作中的点云数据匹配方法，其特征在于：所述步骤S1中，所述空间坐标转换关系之间存在匹配误差ε。

【专利技术属性】
技术研发人员：皮历，魏祯奇，王潇，谢旭，周林，李胜豪，陈冬，
申请(专利权)人：重庆见芒信息技术咨询服务有限公司，
类型：发明
国别省市：重庆;50