位姿转换模型的生成方法、控制方法、系统、设备和介质技术方案

本申请涉及一种位姿转换模型的生成方法、控制方法、系统、设备和介质。所述位姿转换模型的生成方法包括：获取机器人的目标部位的测量位姿数据；获取与所述测量位姿数据对应的所述机器人目标部位的理论位姿数据；将所述测量位姿数据作为输入，所述理论位姿数据作为输出进行位姿转换模型的训练；当所述位姿转换模型满足预设要求时，得到训练完成的位姿转换模型。采用本方法能够提升机器人移动姿态控制准确性。性。性。

【技术实现步骤摘要】
位姿转换模型的生成方法、控制方法、系统、设备和介质


[0001]本申请涉及机器人控制
，特别是涉及一种位姿转换模型的生成方法、控制方法、系统、设备和介质。

技术介绍

[0002]随着社会的发展和科技的进步，机器人已经广泛地应用工业、医疗、服务等各个领域，以代替人类从事相关的工作，以提高生产效率和精度。成熟的机器人系统的往往具备较高的重复定位精度。但随着技术的不断发展，在各个细分领域，对于机器人绝对定位精度的要求也越来越高。以机器人辅助穿刺手术为例，机器人依靠CT(Computed Tomography，电子计算机断层扫描)扫描重建的人体三维模型的目标标记位置，来构建机器人导航的路线。机器人通过与CT图像配准，在非实时的CT导航下，按照所构建的路线准确移动至目标位置，机器人能否准确移动与机器人系统误差有极大关联。
[0003]在传统方式中，在进行机器人误差校准的时候，是通过将机器人目标点的理论位姿和实际位姿统一到一个坐标系中，并进行系统误差校准，从而需要借助手眼标定理论或其他方法，从而引入误差。
[0004]如何减少机器人的理论位姿与实际位姿之间的转换误差，提升机器人移动位姿控制的准确性是现阶段亟待解决的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种提升机器人移动姿态控制准确性的位姿转换模型的生成方法、控制方法、系统、设备和介质。
[0006]一种位姿转换模型生成方法，所述位姿转换模型生成方法包括：
[0007]获取机器人的目标部位的测量位姿数据；
[0008]获取与所述测量位姿数据对应的所述机器人目标部位的理论位姿数据；
[0009]将所述测量位姿数据作为输入，所述理论位姿数据作为输出进行位姿转换模型的训练；
[0010]当所述位姿转换模型满足预设要求时，得到训练完成的位姿转换模型。
[0011]在其中一个实施例中，所述获取机器人的目标部位的测量位姿数据，包括：
[0012]获取预先定义的参考实际坐标系，所述参考实际坐标系是机器人在初始位置时，根据检测装置基座标系下所述机器人的目标部位的坐标生成的；
[0013]获取所述检测装置所采集得到的所述机器人目标部位的实际测量坐标，并基于所述实际测量坐标计算得到实际测量坐标系；
[0014]根据所述实际测量坐标系和所述参考实际坐标系计算得到测量位姿数据。
[0015]在其中一个实施例中，所述获取与所述测量位姿数据对应的所述机器人目标部位的理论位姿数据，包括：
[0016]获取预先定义的参考理论坐标系，所述参考理论坐标系是机器人在初始位置时，
根据机器人基座标系下所述机器人的目标部位的坐标生成的；
[0017]获取与所述测量位姿数据对应的机器人的各关节变量，并根据所述各关节变量计算得到所述机器人的目标部位的实际理论坐标，基于所述实际理论坐标建立实际理论坐标系；
[0018]根据所述实际理论坐标系和所述参考理论坐标系得到所述机器人的目标部位的理论位姿数据。
[0019]在其中一个实施例中，所述将所述测量位姿数据作为输入，所述理论位姿数据作为输出进行位姿转换模型的训练之前，还包括：
[0020]对所述测量位姿数据和所述理论位姿数据进行过滤处理。
[0021]在其中一个实施例中，所述对所述测量位姿数据和所述理论位姿数据进行过滤处理，包括：
[0022]将所述测量位姿数据作为输入变量，所述理论位姿数据作为输出变量，进行多元回归分析；
[0023]计算所述输入变量和所述输出变量的统计变量，并根据所述统计变量调整所述多元回归分析中的回归方程，直至所述输入变量和所述输出变量的映射关系满足预设条件；
[0024]根据所得到的回归方程计算所述测量位姿数据和所述理论位姿数据中的离群点，删除所述离群点。
[0025]在其中一个实施例中，所述将所述测量位姿数据作为输入，所述理论位姿数据作为输出进行位姿转换模型的训练，包括：
[0026]通过多元回归分析法和/或神经网络模型，将所述测量位姿数据作为输入，所述理论位姿数据作为输出进行位姿转换模型的训练。
[0027]在其中一个实施例中，所述多元回归分析法的训练方式包括：
[0028]将所述测量位姿数据作为输入变量，所述理论位姿数据作为输出变量，进行多元回归分析；
[0029]计算所述输入变量和所述输出变量的统计变量，并根据所述统计变量调整所述多元回归分析中的回归方程，直至所述输入变量和所述输出变量的映射关系满足第一预设条件；
[0030]获取调整后的所述回归方程作为训练得到的位姿转换模型。
[0031]在其中一个实施例中，所述神经网络模型的训练方式包括：
[0032]将所述测量位姿数据作为神经网络模型的输入层数据；
[0033]通过所述输入层到隐藏层的第一传递函数将所述输入层数据传递至隐藏层；
[0034]通过所述隐藏层到输出层的第二传递函数将所述隐藏层中的数据传递至输出层得到输出层数据；
[0035]根据所述理论位姿数据和所述输出层数据对所述第一传递函数和所述第二传递函数中的参数进行训练，直至所述理论位姿数据和所述输出层数据满足第二预设条件时，根据所述第一传递函数和所述第二传递函数中的参数得到训练完成的位姿转换模型。
[0036]一种机器人控制方法，所述机器人控制方法包括：
[0037]获取所采集的机器人的目标部位的实际位姿；
[0038]根据所述实际位置和上述的位姿转换模型，计算得到所述实际位姿对应的理论位
姿；
[0039]基于所述理论位姿对所述机器人进行控制。
[0040]在其中一个实施例中，所述基于所述理论位姿对所述机器人进行控制，包括：
[0041]根据所述理论位姿，确定机器人各关节的关节控制变量；
[0042]基于各所述关节控制变量对所述机器人各关节进行运动控制。
[0043]在其中一个实施例中，所述根据所述理论位姿，确定机器人各关节的关节控制变量，包括：
[0044]获取预先定义的机器人的目标部位的参考理论坐标系；
[0045]将所述理论位姿中的理论旋转向量映射为理论旋转矩阵；
[0046]根据所述理论旋转矩阵、所述理论位姿中的理论平移向量以及所述参考理论坐标系，计算得到所述机器人各关节的关节控制变量。
[0047]在其中一个实施例中，所述获取所采集的机器人的目标部位的实际位姿，包括：
[0048]获取预先定义的机器人的目标部位的参考实际坐标系；
[0049]获取采集的机器人的目标部位的实际坐标系；
[0050]根据所述参考实际坐标系和所述实际坐标系计算得到实际旋转矩阵和实际平移向量；
[0051]将所述实际旋转矩阵映射为实际旋转向量；
[0052]将所述实际旋转向量和所述实际平移向量作为实际位姿。
[0053]一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种位姿转换模型生成方法，其特征在于，所述位姿转换模型生成方法包括：获取机器人的目标部位的测量位姿数据；获取与所述测量位姿数据对应的所述机器人目标部位的理论位姿数据；将所述测量位姿数据作为输入，所述理论位姿数据作为输出进行位姿转换模型的训练；当所述位姿转换模型满足预设要求时，得到训练完成的位姿转换模型。2.根据权利要求1所述的位姿转换模型生成方法，其特征在于，所述获取机器人的目标部位的测量位姿数据，包括：获取预先定义的参考实际坐标系，所述参考实际坐标系是机器人在初始位置时，根据检测装置基座标系下所述机器人的目标部位的坐标生成的；获取所述检测装置所采集得到的所述机器人目标部位的实际测量坐标，并基于所述实际测量坐标计算得到实际测量坐标系；根据所述实际测量坐标系和所述参考实际坐标系计算得到测量位姿数据。3.根据权利要求1所述的位姿转换模型生成方法，其特征在于，所述获取与所述测量位姿数据对应的所述机器人目标部位的理论位姿数据，包括：获取预先定义的参考理论坐标系，所述参考理论坐标系是机器人在初始位置时，根据机器人基座标系下所述机器人的目标部位的坐标生成的；获取与所述测量位姿数据对应的机器人的各关节变量，并根据所述各关节变量计算得到所述机器人的目标部位的实际理论坐标，基于所述实际理论坐标建立实际理论坐标系；根据所述实际理论坐标系和所述参考理论坐标系得到所述机器人的目标部位的理论位姿数据。4.根据权利要求1所述的位姿转换模型生成方法，其特征在于，所述将所述测量位姿数据作为输入，所述理论位姿数据作为输出进行位姿转换模型的训练之前，还包括：对所述测量位姿数据和所述理论位姿数据进行过滤处理。5.根据权利要求4所述的位姿转换模型生成方法，其特征在于，所述对所述测量位姿数据和所述理论位姿数据进行过滤处理，包括：将所述测量位姿数据作为输入变量，所述理论位姿数据作为输出变量，进行多元回归分析；计算所述输入变量和所述输出变量的统计变量，并根据所述统计变量调整所述多元回归分析中的回归方程，直至所述输入变量和所述输出变量的映射关系满足预设条件；根据所得到的回归方程计算所述测量位姿数据和所述理论位姿数据中的离群点，删除所述离群点。6.根据权利要求1至5任意一项所述的位姿转换模型生成方法，其特征在于，所述将所述测量位姿数据作为输入，所述理论位姿数据作为输出进行位姿转换模型的训练，包括：通过多元回归分析法和/或神经网络模型，将所述测量位姿数据作为输入，所述理论位姿数据作为输出进行位姿转换模型的训练。7.根据权利要求6所述的位姿转换模型生成方法，其特征在于，所述多元回归分析法的训练方式包括：将所述测量位姿数据作为输入变量，所述理论位姿数据作为输出变量，进行多元回归
分析；计算所述输入变量和所述输出变量的统计变量，并根据所述统计变量调整所述多元回归分析中的回归方程，直至所述输入变量和所述输出变量的映射关系满足第一预设条件；获取调整后的所述回归方程作为训练得到的位姿转换模型。8.根据权利要求6所述的位姿转换模型生成...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：上海术航机器人有限公司，
类型：发明
国别省市：