一种基于落点区域检测的多模式抓取避障检测优化方法技术

本发明专利技术公开了一种基于落点区域检测的多模式抓取避障检测优化方法，主要步骤包括：目标进行典型模式下的抓取设计，获得不同抓取模式下夹持器的落点区域；建立多模式抓取规划数据库；获取目标场景信息并检测目标零件的类型、姿态及其在相机坐标系下的位置信息；索引抓取规划数据库，获得该模式下的抓取规划；求得抓取该目标时相机坐标系下夹持器位姿及工件坐标系下的落点区域；检查落点区域，无碰撞则执行该次抓取，有碰撞则优化后再次检测；变换得到夹持器在机器人坐标系下的位姿，执行抓取。本发明专利技术可以准确对所规划抓取进行碰撞检查，可用于多物体多模式下的抓取规划，应用简单，适用于各类抓取场景，提高了自动化抓取的安全性。安全性。安全性。

【技术实现步骤摘要】
一种基于落点区域检测的多模式抓取避障检测优化方法


[0001]本专利技术涉及机器人
，具体涉及机器人自主抓取分拣过程中抓取规划的避障检测及优化方法。

技术介绍

随着自动化控制和机器视觉检测技术的发展，机器人已经在许多工业场景中实现了对人类的完全替代，其在工作的连续性，工作稳定性和精度方面具有人类无法比拟的优势，已经帮助众多产线实现了全自动化改造，极大地提高了生产效率。同时随着现代控制理论和人工智能技术的发展，机器人的智能化水平越来越高，其能够承担的任务也越来越复杂多样。抓取动作作为人类与现实世界交互工作的重要基本动作之一，同样是机器人完成众多任务时所必须拥有的能力。现有的机器人抓取技术大多部署在较为结构化场景中，机器人只需要在某些传感器信号的出发下完成某一固定抓取动作，实现定点抓取、搬运、放置的效果，虽然稳定，但只能完成较为简单的任务。机器人技术的发展，尤其是家用服务机器人，必将趋向于更加复杂，贴合实际环境的场景，在面向此类非结构化场景抓取需求时，目前主流目标检测方法，如基于深度学习的YOLO，基于传统图像处理方法的模板匹配算法等，均无法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于落点区域检测的多模式抓取避障检测优化方法，其特征在于，应用此方法的抓取技术实现主要包括以下步骤：S1.结合待抓取目标以及所用夹持器的几何形状对目标进行典型模式下的抓取设计，获得不同抓取模式下夹持器的落点区域；S2.建立待抓取目标和多模式抓取规划数据库；S3.标定相机与机器人末端夹持器之间的位置关系，获得手眼变换矩阵S4.使用相机获取目标场景信息并使用检测算法获得目标零件的类型、姿态及其在相机坐标系下的位置信息；S5.依据识别得到的目标零件信息索引抓取规划数据库，获得该模式下的抓取规划及落点区域；S6.求得抓取该目标物体时的相机坐标系下夹持器位姿及工件坐标系下的落点区域；S7.对所获落点区域进行检查，无碰撞则执行该次抓取，有碰撞则更换目标或优化后再次检测；S8.根据手眼变换矩阵得到夹持器的实际位姿，执行抓取。2.如权利要求1中所述的基于落点区域检测的多模式抓取避障检测优化方法，其特征在于，抓取落点区域检测避障方法实现包括以下步骤：S1.结合待抓取目标以及所用夹持器的几何形状对目标进行典型模式下的抓取设计，获得不同抓取模式下夹持器的落点区域；S2.建立待抓取目标和多模式抓取规划数据库；S3.对某个所规划抓取的落点区域进行碰撞检查；S4.根据碰撞检查结果决定下一步执行动作。3.如权利要求1中所述的基于落点区域检测的多模式抓取避障检测优化方法，其特征在于，步骤S2中所构建的抓取规划数据库中至少应当包括：(1)待抓取目标物体的种类、3维模型等信息；(2)每个目标物体在不同放置位姿下的夹持器的抓取模式，即夹持器在目标物体工件坐标系下的位姿；(3)各抓取模式下落点区域存在碰撞时的优化规则(4)所用夹持器的末端形状，尺寸参数；(5)夹持器末端落点区域在目标物体局部坐标系下的关键位置参数，如矩形区域的角点坐标，圆形区域的圆心坐标及半径等；所述的不同抓取模式定义为：对于同一抓取目标，依据其所处姿态，为机器人设计不同的相对位置来完成对该目标在当前姿态下的最优抓取即为一种模式。4.如权利要求1中所述的基于落点区域检测的多模式抓取避障检测优化方法，其特征在于，抓取落点区域碰撞检测方法包括以下步骤：S1.使用相机采集场景图像；S2.根据夹持器落点区域的关键位置参数裁剪得到落点区域图像；S3.为某一图像特征指标设定碰撞阈值；S4.比较区域内计算所得所述指标与设定阈值相比较，获得碰撞检测结果；所述的碰撞检查方法由所用的相机及检测方式确定，包括但不限于以下几种：(1)如使用普通2D相机获取RGB图像或灰度图像，可用模板匹配或目标检测方法从场景中提取...

【专利技术属性】
技术研发人员：陈锐，刘道会，朱信宇，王慧港，李洋，蒲华燕，罗均，
申请(专利权)人：重庆大学，
类型：发明
国别省市：