基于点云法矢方向聚类伺服的机器人定位控制方法及系统技术方案

本发明专利技术公开了一种基于点云法矢方向聚类伺服的机器人定位控制方法及系统，属于视觉伺服技术领域，机器人具有六自由度运动，且与一个RGBD深度相机固定连接；该方法包括：获取待定位目标的理想点云图像；计算理想点云图像中各点的法矢量并聚类，得到聚类质心集合

【技术实现步骤摘要】
基于点云法矢方向聚类伺服的机器人定位控制方法及系统
本专利技术属于视觉伺服
，更具体地，涉及一种基于点云法矢方向聚类伺服的机器人定位控制方法及系统。
技术介绍
机器人定位与伺服控制在机器人化加工制造、智能物流仓储、医疗辅助等领域有广泛的应用需求。视觉伺服是一种利用视觉信息控制机器人运动到期望位置以实现机器人定位的视觉控制技术。现有的视觉伺服技术一般分为基于位置的视觉伺服(PBVS)和基于图像的视觉伺服(IBVS)。PBVS需要获得目标的几何模型，相机的内部参数以及观测到的图像特征信息，然后估计相机与目标的相对位姿，减小位姿误差是PBVS系统的主要任务。与此相比，IBVS系统中图像的特征信息直接用于控制机器人，通过构造图像雅克比矩阵建立控制方程实现伺服任务。IBVS和PBVS两种伺服控制技术都需要在图像中提取特征信息，特征提取的精度很大程度上决定了伺服控制的精度，但是在很多场景应用中(比如对光滑的风电叶片，高铁壳体等构件的寻位加工)，目标的纹理特征缺失，很难在图像空间中提取出稳定性和精度较高的图像特征，这给伺服控制带来了极大本文档来自技高网...

【技术保护点】
1.一种基于点云法矢方向聚类伺服的机器人定位控制方法，其特征在于，所述机器人具有六自由度运动，且与一个RGBD深度相机固定连接；所述基于点云法矢方向聚类伺服的机器人定位控制方法包括如下步骤：/n(S1)计算所述机器人相对于待定位目标处于理想位置时，所述待定位目标上各点在所述RGBD深度相机的坐标系下的三维坐标，得到所述待定位目标的理想点云图像；/n(S2)计算所述理想点云图像中各点的法矢量后，进行聚类，得到所述理想点云图像的聚类质心集合

【技术特征摘要】
1.一种基于点云法矢方向聚类伺服的机器人定位控制方法，其特征在于，所述机器人具有六自由度运动，且与一个RGBD深度相机固定连接；所述基于点云法矢方向聚类伺服的机器人定位控制方法包括如下步骤：
(S1)计算所述机器人相对于待定位目标处于理想位置时，所述待定位目标上各点在所述RGBD深度相机的坐标系下的三维坐标，得到所述待定位目标的理想点云图像；
(S2)计算所述理想点云图像中各点的法矢量后，进行聚类，得到所述理想点云图像的聚类质心集合
(S3)计算所述机器人相对于所述待定位目标处于实际位置时，所述待定位目标上各点在所述RGBD深度相机的坐标系下的三维坐标，得到所述待定位目标的实际点云图像；
(S4)计算所述实际点云图像中各点的法矢量后，进行聚类，得到所述实际点云图像的聚类质心集合MC；
(S5)根据所述理想点云图像的聚类质心集合和所述实际点云图像的聚类质心集合MC，计算所述RGBD深度相机在当前位置相对于所述理想位置的旋转矩阵R和平移变换向量C*tC，并基于该计算结果计算所述RGBD深度相机的速度VC；
(S6)判断所述速度VC是否已经收敛到0，若是，则伺服控制结束；否则，使所述机器人按照所述速度VC移动预设时间后，转入步骤(S3)。


2.如权利要求1所述的基于点云法矢方向聚类伺服的机器人定位控制方法，其特征在于，所述步骤(S5)中，根据所述理想点云图像的聚类质心集合和所述实际点云图像的聚类质心集合MC，通过最近点迭代算法计算所述RGBD深度相机在当前位置相对于所述理想位置的旋转矩阵R和平移变换向量C*tC。


3.如权利要求1或2所述的基于点云法矢方向聚类伺服的机器人定位控制方法，其特征在于，所述步骤(S2)和所述步骤(S4)中，按照如下步骤对点云图像中各点的法矢量进行聚类，得到聚类质心集合：
(T1)选择K个法矢量作为初始法矢质心向量；
(T2)对于点云图像中的每一个点，计算其法矢量与每一个法矢质心向量的余弦相似性，从而确定与该点的法矢量具有最大余弦相似性的法矢质心向量，将该点聚入该法矢质心向量所在的法矢聚类集合；
(T3)点云图像中所有点聚类完成后，更新每个法矢聚类集合的法矢质心向量；
(T4)若各法矢质心向量更新前、后的角度变化均小于等于预设的阈值ε，则判定聚类过程收敛，转入步骤(T5)；否则，转入步骤(T2)；
(T5)将当前聚类得到的K个法矢聚类集合作为聚类结果，计算各法矢聚类集合的聚类质心的空间坐标，得到聚类质心集合；
其中，K为预设正整数，ε＞0。


4.如权利要求3所述的基于点云法矢方向聚类伺服的机器人定位控制...

【专利技术属性】
技术研发人员：陶波，张士羿，龚泽宇，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42