一种针对机器人工作场景中提取障碍物运动信息的方法技术

本发明专利技术公开了一种针对机器人工作场景中提取障碍物运动信息的方法。由于在工业动态场景中，机器人或机械臂运行的时候，不可避免地会出现有物体或者人突发进入到机器人的工作范围内造成安全问题，本发明专利技术利用工业场景中搜集到的点云信息，应用基于神经网络的点云处理算法，对突发进入机器人或机械臂工作范围的物体或人进行检测，并对检测到的障碍物点云信息进行后续处理，计算该障碍物的位置、速度等信息，通过障碍物的位置、速度信息判断是否需要机器人或机械臂停止或改变运动轨迹，从而避免碰撞等安全事故。

【技术实现步骤摘要】
一种针对机器人工作场景中提取障碍物运动信息的方法
本专利技术涉及机器视觉
，具体涉及一种针对机器人工作场景中提取障碍物运动信息的方法。
技术介绍
随着智能制造的发展，自动化机器人、机械臂等的应用也越来越广泛。随着工业机器人的数量以及种类越来越多，它们的智能化程度越来越高，其能够胜任的工作也越来越多，机器人之间的配合协作、以及人机协作等越来越常见，机器人的安全控制研究方面也越来越重要。针对工业机器人或机械臂的工作过程中，若有行人或者其他物体突然进入到机器人的工作范围内，可能会造成安全事故。为避免机器人与障碍物的碰撞发生，需要有检测障碍物的方法并根据障碍物的运动信息对机器人作出闪避动作指令。目前大多为使用超声波、激光雷达或者多目视觉对障碍物进行探测，但这些方法获取到的障碍物形状以及运动信息极为有限。
技术实现思路
本专利技术的目的是为了解决现有技术中的上述缺陷，提供一种针对机器人工作场景中提取障碍物运动信息的方法，该方法在机器人或机械臂工作过程中，利用点云获取系统，获得场景点云信息，并对点云进行处理，提取出本文档来自技高网...

【技术保护点】
1.一种针对机器人工作场景中提取障碍物运动信息的方法，其特征在于，所述方法包括以下步骤：/nS1、利用结构光系统、光探测和测距点云获取系统，以一定的时间间隔获取工业场景的点云信息，并对点云信息进行下采样至一定的点数目；/nS2、将下采样后的点云信息输入到神经网络中，由神经网络给出识别结果；/nS3、根据识别结果，提取出点云中相对应的属于障碍物的点，并针对上述障碍物的点计算出障碍物的运动信息，辅助机器人作出运动判断。/n

【技术特征摘要】
1.一种针对机器人工作场景中提取障碍物运动信息的方法，其特征在于，所述方法包括以下步骤：
S1、利用结构光系统、光探测和测距点云获取系统，以一定的时间间隔获取工业场景的点云信息，并对点云信息进行下采样至一定的点数目；
S2、将下采样后的点云信息输入到神经网络中，由神经网络给出识别结果；
S3、根据识别结果，提取出点云中相对应的属于障碍物的点，并针对上述障碍物的点计算出障碍物的运动信息，辅助机器人作出运动判断。


2.根据权利要求1所述的一种针对机器人工作场景中提取障碍物运动信息的方法，其特征在于，所述步骤S1中，对获取工业场景的点云信息使用随机采样算法，将点云信息的数据矩阵在点的数目维度随机地抽取出所需数量的点；或者，对获取工业场景的点云信息使用最远点采样算法，每次采样出距离已采样点的点集最远的一个点并重复进行，使得采样后的点云统一到特定数目。


3.根据权利要求1所述的一种针对机器人工作场景中提取障碍物运动信息的方法，其特征在于，所述步骤S2中神经网络采用动态图卷积神经网络，该动态图卷积神经网络包括输入层、第一边缘卷积算子、第二边缘卷积算子、第三边缘卷积算子、第一共享全连接层、第二共享全连接层、第一池化层和输出层，其中，所述边缘卷积算子包括邻域点云聚集模块、卷积层和第二池化层，所述邻域点云聚集模块采用k近邻算法；该动态图卷积神经网络的输入层与输出层之间各层的连接关系为：输入层依次连接到第一边缘卷积算子、第二边缘卷积算子、第三边缘卷积算子，经过三次边缘卷积后经过第一共享全连接层以及第一池化层得到全局特征；将每个点从各个边缘卷积算子中得到的特征以及全局特征结合，并分别输入到第二共享全连接层中，最终由输出层得到输出；其中，每个边缘卷积算子包括聚集邻域点云模块、卷积层、第二池化层，聚集邻域点云模块进行邻域...

【专利技术属性】
技术研发人员：王念峰，林景新，张宪民，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44