基于遗传算法的机械手位姿检测相机布置优化方法技术

本发明专利技术属于视觉位姿识别领域，公开了一种基于遗传算法的机械手位姿检测相机布置优化方法，包括步骤S1.设置机械手的工作姿态参数，对机械手的工作空间和常见工作状态进行离散化处理；步骤S2.设置相机参数，包括相机的数目参数、相机的可安装空间和相机的光学参数如视场角、景深、焦距和分辨率等；步骤S3.建立基于机械手工作姿态参数和相机参数的视觉识别误差模型，对相机布置方案进行评价打分；步骤S4.设置遗传算法超参数和初始化种群，算法超参数包括基因大小、种群个体数目、最大迭代次数、交叉概率和变异概率等，初始化种群；步骤S5.进行遗传迭代优化，得到的最佳个体。本发明专利技术方法提高了相机布置效率和位姿识别精度。高了相机布置效率和位姿识别精度。高了相机布置效率和位姿识别精度。

【技术实现步骤摘要】
基于遗传算法的机械手位姿检测相机布置优化方法


[0001]本专利技术属于视觉位姿识别领域，尤其涉及一种基于遗传算法的机械手位姿检测相机布置优化方法。

技术介绍

[0002]随着智能制造的推进和机械手技术的不断完善，以工业机器人为代表的机械手广泛用于工业生产、紧急救险和日常生活中。对于高温、高湿、核辐射等场景，安装在机械手关节上的电子器件容易失效，在这些场景中常采用全机械传动的机械手。由于机械臂关节上，缺少电子传感器，使机械手的定位精度难以得到精确保障。采用相机识别机械臂上的特征点，以及基于特征点计算机械手的空间位姿可以提高机械手的运动控制精度。要实现机械手较大运动范围的检测，单个相机难以胜任，采用多个相机的空间配置，可以较好地覆盖机械手的工作空间。相机数目的选取和相机组的布置对机械手各种状态的覆盖、机械手姿态精度和相机的使用效率都有重要影响。目前主要根据工人经验来确定相机组的空间位姿，或者采用等距布置和对称布置的方式，等距布置即间隔一段距离就安装一个相机，对称布置即在对称位置上布置一对相机。
[0003]常规的相机布置方法存在很多劣势，一是依靠工人经验来进行布置容易存在不周之处，实际效果难以控制。同时，这种方法需要不断地进行拆卸安装和测试调整，费时费力；二是等距布置和对称布置这些方法虽然简单，但是存在冗余情况，相机的利用效率必然不高，导致成本上升；三是目前这些方法都未结合所述的机械手位姿检测这一实际任务，对如何布置相机才能提高位姿检测的精度和相机使用效率没有综合考虑在内。

技术实现思路

[0004]本专利技术目的在于提供一种基于遗传算法的机械手位姿检测相机布置优化方法，以解决上述的技术问题。
[0005]为解决上述技术问题，本专利技术的基于遗传算法的机械手位姿检测相机布置优化方法的具体技术方案如下：
[0006]一种基于遗传算法的机械手位姿检测相机布置优化方法，包括如下步骤：
[0007]步骤S1.设置机械手工作姿态参数，对机械手的工作空间和常见工作状态进行离散化处理，即获取待观测目标的参数；
[0008]步骤S2.设置相机参数，包括相机的数目参数、相机的可安装空间和相机的光学参数，即获取观测相机的参数；
[0009]步骤S3.建立基于机械手参数、相机参数的视觉识别误差模型，对相机布置方案进行评价打分，即建立后续遗传算法的适应度函数；
[0010]步骤S4.设置遗传算法超参数和初始化种群，算法超参数包括基因大小、种群个体数目、最大迭代次数、交叉概率和变异概率，初始化种群即设置相机布置的原始方案；
[0011]步骤S5.进行遗传迭代优化，得到的最佳个体即是相机的最佳布置方案。
[0012]进一步地，所述步骤S1包括如下具体步骤：
[0013]结合机械手的常用任务和工况，获取机械手的常用工作空间，对设置的工作空间进行离散化，得到大量的机械手工作状态；
[0014]使用机械手末端的位置和姿态来代表机械手的状态，使用4
×
4位姿矩阵来表示机械手末端的位姿：
[0015][0016]式中T为机械手末端的位姿矩阵，R表示末端的旋转矩阵，P表示末端的平移向量。
[0017]进一步地，所述步骤S2包括如下具体步骤：
[0018]设置相机的数目n，进行机械手位姿识别为相机组，优化目标是在给定相机数目的基础上，得到相应数目相机的最佳布置方案；
[0019]设置相机的可安装空间参数，当安装自由度大时，相机在大范围的三维空间内安装并可任意朝向；或更贴合实际情况，相机只能安装在工作空间中的桁架上，朝向受桁架结构的限制；
[0020]设置相机的光学参数，包括垂直视场角FOVV、水平视场角FOVH、景深DOF、焦距f和分辨率X
×
Y；
[0021]只考虑目标是否可见，相机的可视范围模型为由视场角决定的四棱锥，若再考虑到目标能否清晰成像，相机的可视范围模型为由视场角和景深共同决定的四棱台；
[0022]相机组的布置方案使用n
×
6的矩阵进行表示:
[0023][0024]式中A表示整个相机组的布置方案，A
n
表示第n个相机的安装状态，A
n
中的[X
n Y
n Z
n
]是相机三维空间坐标，表示相机的安装位置，[Vec_x
n Vec_y
n Vec_z
n
]是相机光轴向量，表示相机的安装朝向。
[0025]进一步地，所述步骤S3包括如下具体步骤：
[0026]末端位姿检测是通过提取末端某一平面上的多个特征点完成的，对视觉位姿检测误差进行理论计算，特征点既可以采用机械臂上较为明显的点特征，也可以人为地贴置标记点，当特征点数目为X，且特征点位于正多边形的顶点处时，位姿计算的各项理论误差如下：
[0027]Z方向位置误差：
[0028]X/Y方向位置误差：
[0029]Z方向姿态误差：
[0030]X/Y方向姿态误差：
[0031]其中，μ为相机像元尺寸；f为相机焦距；l
o
为特征点之间距离；为特征点定位精度；δ为像元分辨率；a为系数，与特征点数目相关；
[0032]得到，位姿检测精度取决于相机自身品质、相机与特征点组的距离、特征点组分布情况和特征点定位精度；
[0033]根据误差分析理论，从提高位姿检测精度出发，建立相机布置方案的评价打分体系，首先，单个相机与某个机械手状态的评价指标包括相机视野、目标相对距离、目标相对位置和目标相对姿态四项，根据各项指标对位姿精度的影响程度，对这四项评价指标设置相应的权重分数；
[0034]相机视野指标反映机械手末端是否在相机视野内，并且未被机械手本体所遮挡，该分项占总评分A％；目标相对距离指标反映机械手末端是否在相机的景深中，该分项占总评分B％；目标相对位置指标反映机械手末端是否在相机视野中央，该分项占总评分C％；目标相对姿态指标反映机械手末端平面法线偏离相机法线的程度，该分项占总评分D％，最后，A、B、C和D之和为100；
[0035]当某一机械手状态和相机安放确定时，可计算得到各分项得分，各分项得分的累加和反映了此时安放的相机能否对该机械手状态进行高精度的感知，即是得分反映了该相机安放的优劣情况。
[0036]进一步地，所述步骤S3的各分项得分的具体计算方式如下：
[0037]相机视野指标考虑两方面的内容，一是机械手末端是否在视野中，通过计算机械手末端是否在由视场角确定的四棱锥中确定；二是机械手末端是否会被机械手本体所遮挡，判断机械手末端与相机连线上是否有机械手实体存在，机械手实体采用简化规则模型代表，判断遮挡问题转化为判断线段与规则模型的相交问题，若机械手末端在视野中且不被机械手本体所遮挡，这一项可以获得该分项的全部分值；
[0038]机械手实体简化为规则模型的组合体，先将规则模型进行参数化表示，则相交条件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的机械手位姿检测相机布置优化方法，其特征在于，包括如下步骤：步骤S1.设置机械手工作姿态参数，对机械手的工作空间和常见工作状态进行离散化处理，即获取待观测目标的参数；步骤S2.设置相机参数，包括相机的数目参数、相机的可安装空间和相机的光学参数，即获取观测相机的参数；步骤S3.建立基于机械手参数、相机参数的视觉识别误差模型，对相机布置方案进行评价打分，即建立后续遗传算法的适应度函数；步骤S4.设置遗传算法超参数和初始化种群，算法超参数包括基因大小、种群个体数目、最大迭代次数、交叉概率和变异概率，初始化种群即设置相机布置的原始方案；步骤S5.进行遗传迭代优化，得到的最佳个体即是相机的最佳布置方案。2.根据权利要求1所述的基于遗传算法的机械手位姿检测相机布置优化方法，其特征在于，所述步骤S1包括如下具体步骤：结合机械手的常用任务和工况，获取机械手的常用工作空间，对设置的工作空间进行离散化，得到大量的机械手工作状态；使用机械手末端的位置和姿态来代表机械手的状态，使用4
×
4位姿矩阵来表示机械手末端的位姿：式中T为机械手末端的位姿矩阵，R表示末端的旋转矩阵，P表示末端的平移向量。3.根据权利要求1所述的基于遗传算法的机械手位姿检测相机布置优化方法，其特征在于，所述步骤S2包括如下具体步骤：设置相机的数目n，进行机械手位姿识别为相机组，优化目标是在给定相机数目的基础上，得到相应数目相机的最佳布置方案；设置相机的可安装空间参数，当安装自由度大时，相机在大范围的三维空间内安装并可任意朝向；或更贴合实际情况，相机只能安装在工作空间中的桁架上，朝向受桁架结构的限制；设置相机的光学参数，包括垂直视场角FOVV、水平视场角FOVH、景深DOF、焦距f和分辨率X
×
Y；只考虑目标是否可见，相机的可视范围模型为由视场角决定的四棱锥，若再考虑到目标能否清晰成像，相机的可视范围模型为由视场角和景深共同决定的四棱台；相机组的布置方案使用n
×
6的矩阵进行表示：
式中A表示整个相机组的布置方案，A
n
表示第n个相机的安装状态，A
n
中的[X
n Y
n Z
n
]是相机三维空间坐标，表示相机的安装位置，[Vec_x
n
Vec_y
n Vec_z
n
]是相机光轴向量，表示相机的安装朝向。4.根据权利要求1所述的基于遗传算法的机械手位姿检测相机布置优化方法，其特征在于，所述步骤S3包括如下具体步骤：末端位姿检测是通过提取末端某一平面上的多个特征点完成的，对视觉位姿检测误差进行理论计算，特征点既可以采用机械臂上较为明显的点特征，也可以人为地贴置标记点，当特征点数目为X，且特征点位于正多边形的顶点处时，位姿计算的各项理论误差如下：Z方向位置误差：X/Y方向位置误差：Z方向姿态误差：X/Y方向姿态误差：其中，μ为相机像元尺寸；f为相机焦距；l
o
为特征点之间距离；为特征点定位精度；δ为像元分辨率；a为系数，与特征点数目相关；得到，位姿检测精度取决于相机自身品质、相机与特征点组的距离、特征点组分布情况和特征点定位精度；根据误差分析理论，从提高位姿检测精度出发，建立相机布置方案的评价打分体系，首先，单个相机与某个机械手状态的评价指标包括相机视野、目标相对距离、目标相对位置和目标相对姿态四项，根据各项指标对位姿精度的影响程度，对这四项评价指标设置相应的权重分数；相机视野指标反映机械手末端是否在相机视野内，并...

【专利技术属性】
技术研发人员：李基拓，刘芝，陆国栋，
申请(专利权)人：余姚市机器人研究中心，
类型：发明
国别省市：