基于椭圆锥人工势场的服务机器人抓取目标物体的方法技术

本发明专利技术属于服务机器人技术领域，具体涉及一种基于椭圆锥人工势场的服务机器人抓取目标物体的方法、系统、装置，旨在解决抓取方法难以有效的搬移任意朝向的阻碍物体，导致抓取质量较差的问题。本发明专利技术方法包括：获取周围环境的彩色图像及原始点云数据；获取目标物体的包围框，并将其对应的点云数据作为第一点云数据，剩余的作为第一环境点云数据；对第一点云数据、第一环境点云数据进行转换；拟合目标物体所在平面的平面方程；获取障碍物体的尺寸、位置及朝向信息；获取目标物体的尺寸、位置及朝向信息；构建最小椭圆包络；若可以直接抓取目标物体，则抓取，否则先对阻碍物体进行搬移而后完成对目标物体的抓取。本发明专利技术提高了服务机器人的抓取质量。

【技术实现步骤摘要】
基于椭圆锥人工势场的服务机器人抓取目标物体的方法
本专利技术涉及服务机器人
，具体涉及一种基于椭圆锥人工势场的服务机器人抓取目标物体的方法、系统、装置。
技术介绍
随着机器人技术的快速发展，服务机器人逐渐进入人们的日常生活。为更好的满足人类的需求，提供更为优质的服务，服务机器人自身携带机械臂。国内外研究人员在安装有机械臂的服务机器人的目标物体抓取方面开展了深入研究，其中普遍采用视觉传感器对抓取场景进行感知。在服务机器人到达指定操作区域后，服务机器人将结合视觉传感器的感知结果，控制机械臂实施抓取。服务机器人的目标物体抓取涉及基于视觉的目标物体检测以及机械臂规划两方面。基于视觉的目标物体检测是服务机器人抓取的前提，传统的物体检测方法通常需要手工设计特征，环境适应性较差。随着深度学习的发展，基于深度学习的物体检测方法成为当前研究的重点，代表性方法包括FasterR-CNN(fasterregion-basedconvolutionalneuralnetwork)、YOLO(youonlylookonce)、SSD(singleshotmulti本文档来自技高网...

【技术保护点】
1.一种基于椭圆锥人工势场的服务机器人抓取目标物体的方法，其特征在于，该方法包括：/n步骤S100，服务机器人通过传感器获取周围环境的彩色图像以及其在相机坐标系下的原始点云数据；/n步骤S200，通过基于深度学习的物体检测方法获取所述彩色图像中目标物体的包围框；并将所述目标物体的包围框在原始点云数据中对应的点云数据作为目标物体的第一点云数据，剩余的点云数据作为第一环境点云数据；/n步骤S300，根据相机坐标系与服务机器人机械臂坐标系O

【技术特征摘要】
1.一种基于椭圆锥人工势场的服务机器人抓取目标物体的方法，其特征在于，该方法包括：
步骤S100，服务机器人通过传感器获取周围环境的彩色图像以及其在相机坐标系下的原始点云数据；
步骤S200，通过基于深度学习的物体检测方法获取所述彩色图像中目标物体的包围框；并将所述目标物体的包围框在原始点云数据中对应的点云数据作为目标物体的第一点云数据，剩余的点云数据作为第一环境点云数据；
步骤S300，根据相机坐标系与服务机器人机械臂坐标系OrXrYrZr的坐标转换关系，对所述目标物体的第一点云数据、所述第一环境点云数据进行转换，得到目标物体的第二点云数据、第二环境点云数据；
步骤S400，去除服务机器人的机械臂在XrYr平面的工作空间外的第二环境点云数据，将剩余的第二环境点云数据作为第三环境点云数据，并通过PCL点云库对目标物体所在平面进行拟合，得到目标物体所在平面的平面方程；
步骤S500，基于所述平面方程，去除第三环境点云数据中位于目标物体所在平面以及该平面下方的点所对应的数据，得到第四环境点云数据，进行第四环境点云数据的点云簇聚类；通过第一算法获得聚类后各点云簇所对应障碍物体的最小包围盒，进而得到障碍物体的尺寸、位置及朝向信息；所述第一算法为基于主成分分析的最小包围盒获取算法；
步骤S600，对目标物体，结合所述平面方程，在所述目标物体的第二点云数据中去除目标物体所在平面以及该平面下方的点所对应的数据，得到目标物体的第三点云数据，并通过第一算法获得目标物体对应的最小包围盒，进而得到目标物体的尺寸、位置及朝向信息；
步骤S700，基于目标物体和各障碍物体的尺寸、位置以及朝向信息，构建目标物体、各障碍物体对应的最小椭圆包络；
步骤S800，基于目标物体和各障碍物体的尺寸、位置及朝向信息，判断是否可以直接抓取目标物体，若可以，则直接抓取目标物体；否则，结合目标物体和各障碍物体的最小椭圆包络，通过人工势场法，先对阻碍物体进行搬移而后完成对目标物体的抓取。


2.根据权利要求1所述的基于椭圆锥人工势场的服务机器人抓取目标物体的方法，其特征在于，所述相机坐标系与服务机器人机械臂坐标系OrXrYrZr的坐标转换关系为：



其中，(xcp,ycp,zcp)T和(xrp,yrp,zrp)T分别为原始点云数据Ds中的点在相机坐标系OcXcYcZc和服务机器人机械臂坐标系OrXrYrZr中的坐标，Tm为预设的矩阵。


3.根据权利要求2所述的基于椭圆锥人工势场的服务机器人抓取目标物体的方法，其特征在于，步骤S400中“通过PCL点云库对目标物体所在平面进行拟合，得到目标物体所在平面的平面方程”，其方法为：
通过PCL点云库的pass.filter滤波算法对第三环境点云数据进行滤波处理；
处理后，通过PCL点云库中的ransac拟合算法进行平面拟合，获得拟合平面的法向量(Aop,Bop,Cop)和截距Dop，进而得到目标物体所在平面的平面方程为Aop·x+Bop·y+Cop·z+Dop＝0。


4.根据权利要求3所述的基于椭圆锥人工势场的服务机器人抓取目标物体的方法，其特征在于，步骤S500中“进行第四环境点云数据的点云簇聚类”，其方法为：通过欧式聚类算法将第四环境点云数据进行点云簇聚类。


5.根据权利要求4所述的基于椭圆锥人工势场的服务机器人抓取目标物体的方法，其特征在于，步骤S500中“进而得到障碍物体的尺寸、位置及朝向信息”，其方法为：
基于各障碍物体相应的最小包围盒Bj，j＝1,2,…,Nc，得到Bj在机械臂坐标系OrXrYrZr下的8个顶点的坐标Nc为障碍物体的个数，根据计算出对应障碍物体的高度；
将各障碍物体相应的最小包围盒Bj垂直投影到目标物体所在平面上，得到相应投影矩形的4个顶点的坐标根据计算相应投影矩形的中心点坐标、长、宽以及该投影矩形的长边相对于Xr轴方向的角度；
投影矩形的中心点坐标反映了对应障碍物体的位置信息，将投影矩形的长边相对于Xr轴方向的角度作为对应障碍物体的朝向信息，投影矩形的长、宽以及障碍物体的高度描述了对应障碍物体的尺寸信息。


6.根据权利要求5所述的基于椭圆锥人工势场的服务机器人抓取目标物体的方法，其特征在于，步骤S700“基于目标物体和各障碍物体的尺寸、位置以及朝向信息，构建目标物体、各障碍物体对应的最小椭圆包络”，其方法为：
根据物体Oj的投影矩形的顶点信息中心点坐标长宽以及该投影矩形的长边相对于Xr轴方向的角度计算最小椭圆包络的离心率e、半长轴a和半短轴b；
将得到的半长轴a和半短轴b代入标准椭圆方程并展开，得到最小椭圆包络的一般方程：

<...

【专利技术属性】
技术研发人员：耿文杰，曹志强，李忠辉，亢晋立，喻俊志，景奉水，
申请(专利权)人：中国科学院自动化研究所，北京能创科技有限公司，
类型：发明
国别省市：北京;11