机器人灵巧手自知抓物系统技术方案

本发明专利技术涉及机器人抓取技术领域，公开了一种机器人灵巧手自知抓物系统，由灵巧手和识别系统组成，灵巧手是由可活动的手状机械结构和内外部触觉传感器，形成的拟人式抓取手，识别系统是在作业场景中根据需要完成的任务，来进行为动作而感知或为感知而动作的两个行动模式，在机器人视觉受限甚至失效的盲环境中，以提高灵巧手抓取的自主性、稳定性和自适应性为目的，借助灵巧手的多点触碰及多传感器信息优势完成对未知物体模型重构及抓取。势完成对未知物体模型重构及抓取。

【技术实现步骤摘要】
机器人灵巧手自知抓物系统


[0001]本专利技术涉及机器人抓取
，具体为一种机器人灵巧手自知抓物系统。

技术介绍

[0002]对未知物体的抓取是机器人多指灵巧手代替人手执行各种复杂任务的基本能力，而获取未知物体的信息并进行模型重构是机器人完成抓取和操作规划的前提。目前机器人视觉系统被广泛的应用于物体信息的提取，然而在非结构环境中，例如复杂背景、透明物体、遮挡和黑暗等情况，视觉传感器可能会出现噪声过大、分辨率下降甚至信息缺失等情况，最终导致抓取任务的失败。

技术实现思路

[0003]本专利技术提供了一种机器人灵巧手自知抓物系统，该机器人灵巧手自知抓物系统，在机器人视觉受限甚至失效的盲环境中，以提高灵巧手抓取的自主性、稳定性和自适应性为目的，借助灵巧手的多点触碰及多传感器信息优势完成对未知物体模型重构及抓取。
[0004]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0005]一种机器人灵巧手自知抓物系统，由灵巧手和识别系统组成，灵巧手是由可活动的手状机械结构和内外部触觉传感器，形成的拟人式抓取手，识别系统是在作业场景中根据需要完成的任务，来进行为动作而感知或为感知而动作的两个行动模式：其特征在于，所述系统运行步骤如下；
[0006]步骤1，灵巧手伸出对未知物体进行触觉探索及触觉数据采集，如探索物体初始位置以知时，灵巧手对物体的顶部和侧面进行抓取，具体步骤如下；
[0007]步骤1.1，顶部探索，灵巧手首先宏定位至0p，并沿z轴向桌面运动至手指与物体发生接触，此时的位置被记录为1p，手指执行FCEP并记录触觉数据后，机械臂沿η方向以s为步长运动，手指重复FCEP，当手指探索到物体边缘时，灵巧手回到探索起点1p并更改探索方向，在完成4个方向的探索后顶部探索流程结束，得到物体顶部触觉数据；
[0008]步骤1.2，侧面探索，1:机器人灵巧手沿η运动，以夹取方向d、步长s执行PEP；
[0009]2:机器人灵巧手复位，机械臂沿ρ以步长l运动至物体其它部分开始探索，在范式1中，d是执行PEP的必要参数，根据观察3，d通常沿轴向a或b， maxd代表抓取维度d的最大值，如果axAd，夹取方向可以定为沿物体轴线方向，分别为：1dθ[sinθ,cosθ,0]，2dθsinθ,θcosθ,0]，3d[cosθ,θ sinθ,0]，4d[cosθ,sinθ]；如果maxA，d且maxB，d，则夹取方向可以定义为沿方向a，分别为：1d[sinθ,cosθ,0]，2dθ[θsinθ,θcosθ,0]，具体执行过程为：当探索开始后，首先按表2-4确定ρ、d和η；每完成一次局部探索，按ρ的方向移动至下一位置，并用相同的d和η开始新的局部探索，后将经过顶部探索后的不同尺寸的物体进行分类，对于不同类型的物体产生如下不同的探索方法以执行侧面探索：
[0010]类别1：对于每个夹取方向，机器人手按范式1探索物体；
[0011]类别2：对于每个夹取方向，机器人手按范式1探索物体至边缘，完成后执行范式2，
之后再重复执行范式1，范式2共执行1c次，剩余未探索部分高度为r1HH c l，采用类别1中方法完成探索；
[0012]类别3：对于每个夹取方向，机器人手按范式1探索物体H/s次，完成后执行范式2后再重复执行范式1，范式2共执行2c次；
[0013]类别4：对于每个夹取方向，机器人手按范式1探索物体m/s次，完成后执行范式2，之后再重复执行范式1，范式2共执行1c次，剩余未探索部分高度为r1HHcl，采用类别3中方法完成探索；
[0014]步骤1.3,触觉数据收集，每次触觉传感器与物体接触即可得到触觉数据，包括精确的接触点位置g[x,y,z]及其对应的法向量gn，每次执行EP时，若手指i与物体发生接触，即得到一组触觉数据，同时通过机械臂和灵巧手的关节位置传感器可以据同样作为有效数据被记录下来，由于物体放置于物体坐标系的原点，而得到的触觉数据是以手指末端的触觉坐标系为基准测量的，因此可通过如下所示的机器人臂-手多链路精确正逆运动学变换表达式；
[0015]P
i
＝T
arm
(θ
arm
)T
i
(θ
i
)g
i
＝R(θ)g
i
+P0，v
i
＝T
arm
(θ
arm
)T
i
(θ
i
)n
gi
＝R(θ)n
gi
将触觉数据从触觉坐标系变换至物体坐标系中；
[0016]步骤2，基于离散卡尔曼滤波对采集到的触觉数据进行预先处理，以减少数据误差对模型重构结果的影响；
[0017]步骤3，预处理后，先对聚类的触觉点云进行分割，后对云中的几何向量数据进行提取，提取后根据已知的物体形状及其几何特征向量构成的数据集，识别出新未知物体的形状，后再原始数据中抽取多个样本，并对每个样本生成多个决策树，决策树生成后通过超二次曲面函数来重建物体模型；
[0018]步骤4，通过步骤1.3中收集的触觉数据对灵巧手的抓取点进行确定；
[0019]步骤5，当灵巧手伸出对物体进行抓取时，有时物体的位姿会与原先的位置出现误差，为了使手指仍然能够与物体的期望位置接触，对手指工作空间范围内的误差进行补偿。
[0020]优选的，所述触觉传感器选用柔性压阻式触觉传感器，且触觉传感器表面覆盖压敏橡胶，所述触觉传感器由36个触觉单元覆盖，其中每个触觉单元尺寸为3mm*3mm，因此空间分辨率为3*3mm2，厚度为0.65mm，接触物体时可变形量为0.5mm
[0021]优选的，步骤2所述基于离散卡尔曼滤波对采集到的触觉数据进行预先处理包括以下内容；
[0022]步骤2.1，通过系统的测量值及测量噪声协方差矩阵kR对触觉点的空间位置进行建模；
[0023]设触觉传感器处的测量协方差转换为世界坐标系中的测量协方差为TkRRθΣR θ；
[0024]设当前观测的触觉位置00^kx＝p以及测量的协方差TkR＝RθΣRθ进行初始化；
[0025]后通过以下简化后的卡尔曼滤波公对触觉传感器噪声的滤波进行计算；
[0026]K
k
＝P
k
(P
k
+R(θ)∑R(θ)
T
)-1
[0027][0028]P
k
＝(I-K
k
)P
k-1
。
[0029]优选的，步骤3所述对聚类的触觉点云进行分割包括以下内容；
[0030]3.1，通过k-means++算法确定初始的簇中心；
[0031]其中算法流程如下；
[0032]输入：N组触觉点数据D
c
，初始聚类中心数量k
[0033]输出：及对应中心点C＝{c1，...，c...

【技术保护点】

【技术特征摘要】
1.一种机器人灵巧手自知抓物系统，由灵巧手和识别系统组成，灵巧手是由可活动的手状机械结构和内外部触觉传感器，形成的拟人式抓取手，识别系统是在作业场景中根据需要完成的任务，来进行为动作而感知或为感知而动作的两个行动模式：其特征在于，所述系统运行步骤如下；步骤1，灵巧手伸出对未知物体进行触觉探索及触觉数据采集，如探索物体初始位置以知时，灵巧手对物体的顶部和侧面进行抓取，具体步骤如下；步骤1.1，顶部探索，灵巧手首先宏定位至0p，并沿z轴向桌面运动至手指与物体发生接触，此时的位置被记录为1p，手指执行FCEP并记录触觉数据后，机械臂沿η方向以s为步长运动，手指重复FCEP，当手指探索到物体边缘时，灵巧手回到探索起点1p并更改探索方向，在完成4个方向的探索后顶部探索流程结束，得到物体顶部触觉数据；步骤1.2，侧面探索，1:机器人灵巧手沿η运动，以夹取方向d、步长s执行PEP；2:机器人灵巧手复位，机械臂沿ρ以步长l运动至物体其它部分开始探索，在范式1中，d是执行PEP的必要参数，根据观察3，d通常沿轴向a或b，maxd代表抓取维度d的最大值，如果axAd，夹取方向可以定为沿物体轴线方向，分别为：1dθ[sinθ，cosθ，0]，2dθsinθ，θcosθ，0]，3d[cosθ，θsinθ，0]，4d[cosθ，sinθ]；如果maxA，d且maxB，d，则夹取方向可以定义为沿方向a，分别为：1d[sinθ，cosθ，0]，2dθ[θsinθ，θcosθ，0]，具体执行过程为：当探索开始后，首先按表2-4确定ρ、d和η；每完成一次局部探索，按ρ的方向移动至下一位置，并用相同的d和η开始新的局部探索，后将经过顶部探索后的不同尺寸的物体进行分类，对于不同类型的物体产生如下不同的探索方法以执行侧面探索：类别1：对于每个夹取方向，机器人手按范式1探索物体；类别2：对于每个夹取方向，机器人手按范式1探索物体至边缘，完成后执行范式2，之后再重复执行范式1，范式2共执行1c次，剩余未探索部分高度为r1HH c l，采用类别1中方法完成探索；类别3：对于每个夹取方向，机器人手按范式1探索物体H/s次，完成后执行范式2后再重复执行范式1，范式2共执行2c次；类别4：对于每个夹取方向，机器人手按范式1探索物体m/s次，完成后执行范式2，之后再重复执行范式1，范式2共执行1c次，剩余未探索部分高度为r1HHcl，采用类别3中方法完成探索；步骤1.3，触觉数据收集，每次触觉传感器与物体接触即可得到触觉数据，包括精确的接触点位置g[x，y，z]及其对应的法向量gn，每次执行EP时，若手指i与物体发生接触，即得到一组触觉数据，同时通过机械臂和灵巧手的关节位置传感器可以据同样作为有效数据被记录下来，由于物体放置于物体坐标系的原点，而得到的触觉数据是以手指末端的触觉坐标系为基准测量的，因此可通过如下所示的机器人臂-手多链路精确正逆运动学变换表达式；P
i
＝T
arm
(θ
arm
)T
i
(θ
i
)g
i
＝R(θ)g
i
+P0，v
i
＝T
arm
(θ
arm
)T
i
(θ
i
)n
gi
＝R(θ)n
gi
将触觉数据从触觉坐标系变换至物体坐标系中；步骤2，基于离散卡尔曼滤波对采集到的触觉数据进行预先处理，以减少数据误差对模型重构结果的影响；
步骤3，预处理后，先对聚类的触觉点云进行分割，后对云中的几何向量数据进行提...

【专利技术属性】
技术研发人员：董皓宇，
申请(专利权)人：北京航云月智能科技有限公司，
类型：发明
国别省市：