【技术实现步骤摘要】
本专利技术涉及在移动场景下六自由度机械臂追踪靶点和完成不同靶点工艺的。
技术介绍
1、如今，数字化建造作为国家工业智能化浪潮中的一个重要组成部分，正在进入加速发展阶段中。数字化建造技术中最重要的一个部分，是聚焦于利用数字化工业生产线描述传统的建造系统。通过数字化智能装配技术，实施大尺度下的智能建筑建造，从而将数字化加工与现场总装配联系起来，实现高效率分步骤的数字化智能建造场景。
2、当前的数字化建造场景需要像搭积木一样将各个钢木结构匹配组装，而每一块“积木”的加工制造需要克服一系列的难点，如：制造尺度规模大、要求精度高、生产线装配成本高等。为解决这些问题，布局智能化建造工厂，可以借由机械臂实施精准定点加工，并通过实时在线规划加工路径，可以在短时间内低成本架设加工产线，为数字化建筑输送零件。
3、在智能化建造工厂中，有些柔性加工场景需要使机械臂能够在较大的场景范围中完成加工任务，而当前市面上的大臂展机械臂往往需要配合外部轴才能完成大范围加工任务，而外部轴的部署与移动都需要较为庞大的时间与人力成本。另外外部轴也无法实现机械臂纵向范围的大幅度伸展操作。
4、智能化建造场景中预期可以通过多机调度的方法，将每一个搭载移动底盘的机械臂作为一个加工个体，从而可以对全局统筹优化，高效率的实现多智能体的高度协调配合加工。同时，实现机器人移动位置后自动准确到达加工位置，不仅可以满足诸多加工工艺的外部轴需求,还可以持续完成后续的加工任务。
技术实现思路
1、本专利技术
2、为达上述目的，本专利技术采取的技术方案如下：
3、一种机械臂动态追踪目标的方法，包括如下步骤：
4、s1，通过移动的机械臂末端相机捕捉工件上的二维码阵列定位信息，跟踪靶点标定于二维码阵列中心；
5、s2，通过移动的机械臂末端点激光采集靶点数据，基于点激光数据进行q-learning强化学习模型训练，获取机械臂的位置信息和动作指令；
6、s3，结合s1的定位信息和s2的位置信息与动作指令，得到一个包含三维位置信息的靶点位置；
7、s4，对s3的靶点位置，通过姿态散点算法获取一组合法的机械臂末端姿态值，再结合机械臂当前的位置与姿态信息，生成一个完整的目标位姿；
8、s5，对s4得到的目标位姿，通过避障路径规划算法得到一条无碰撞的路径，再对该路径进行最优时序插值，生成一条带时间戳的运动轨迹；
9、s6，当机械臂在执行s5得到的运动轨迹时，若伺服信号位置发生变化，则需要通过轨迹修正拼接算法生成一条新的指向当前定位位置的运动轨迹，并覆盖之前轨迹；
10、s7，在机械臂运动过程中，若目标靶点没有超过预设阈值的偏移，则通过轨迹滤波算法对相邻帧路径进行比较滤波，防止机械臂异常规划造成的转移。
11、本专利所述的移动的机械臂，可以采用现有的移动底盘搭载多自由度机械臂来实现。
12、进一步，s1所述的二维码阵列，由5x5个互不相同的二维码组成，跟踪靶点预先标定于二维码阵列中心(可以改变)。在智能化建造工厂内，将二维码阵列标定于加工工件上，方便机械臂识别跟踪。s1所述的相机为高频工业相机，加载于机械臂末端轴上。
13、进一步，s1通过下述步骤实现机械臂对目标靶点的实时定位：
14、s101，使用手眼标定算法对机械臂末端轴上的相机标定，获取相机内参和外参，分别用于图像的修正和坐标系的转换；
15、s102,采集图像：使用s101标定过的相机采集图像，利用滤波技术剔除图像信息噪声；
16、s103，模板匹配：通过视觉算法识别二维码阵列的靶点，并通过二维码阵列的信息获取靶点的相机坐标系信息；
17、s104，坐标系转换：使用标定的外参把相机坐标系下的靶点坐标信息转换成用于机械臂运动的目标坐标信息；
18、s105，在机械臂的施工系统内，随着机械臂的视觉定位流程刷新定位，重复s102-s104，实现机械臂对目标靶点的实时伺服跟踪。
19、s102对相邻帧间二维码阵列定位信息进行比较，并且与一个较长时序的定位信息数据流进行方差比较。如果某一帧数据相较于之前的定位数据出现偏离，得到一个超出阈值的方差结果，则设定为机械臂定位信息发生大范围漂移，视作定位噪声舍弃。
20、s103可根据二维码阵列内二维码相邻位置不变原则，整体匹配原始模板，计算得到当前阵列中心位于相机坐标系的朝向姿态(倾角与旋转角)。根据二维码阵列中每一个单二维码相关角点信息，与原始模板加权匹配运算，并结合之前所得二维码朝向姿态信息，计算当前二维码中心的靶点位于相机坐标系位置xyz。所述的加权匹配方法是利用计算机视觉理论中模板匹配的方法，将当前姿态所见二维码阵列图像与预先从各个角度摄制得到的二维码阵列图像模板进行匹配，获取一个当前的初步姿态，之后根据二维码阵列内部图像拓扑关系，生成一个估计的姿态关系，二者加权得到一个估计的姿态值。
21、s104由相机标定数据计算得到二维码中心(靶点)到机械臂基坐标系的转换关系，并进行转换运算，使视觉定位位置(二维码中心)与机械臂末端工具头追踪位置重合。
22、进一步，s2对采集到的靶点数据通过高斯滤波处理，去除噪声。
23、s2所述的q-learning模型训练是指将滤波后的点激光数据输入q-learning强化学习模型进行训练，记录q表数据，获取训练结果；机械臂响应训练好的模型进行控制决策实现跟踪。
24、进一步，s2所述的q-learning强化学习步骤包括：
25、首先初始化q表：
26、s201，根据x、y方向运动范围除以运动分辨率(步长)，获得第一维与第二维长度；
27、s202，根据动作指令个数，初始化第三维长度；
28、s203，生成一个mxnx4的q表，每一个值填充为0；
29、然后循环以下步骤：
30、s204，预设机械臂训练初始位置为p1，并移动至该处；
31、s205，对该位置选取动作a1
32、a)将当前机械臂末端笛卡尔空间位置映射到q表中某一位置；
33、b)取该位置当前的动作序列；
34、c)生成随机值，如果该随机值处于预设范围，则选取当前动作序列中所有能达到最大收益的动作，任意选取一个作为指定动作；若该随机值不处于预设范围，则进行直接任意选取一个动作；
35、s206，根据获得动作a1移动机械臂位置，若到达该方向边界则保持不动，保存当前移动后姿态作为观测姿态p2；
36、s207，判断此时激光数据
37、a)如果进入奖励范围，则奖励值r为1，设本文档来自技高网...
【技术保护点】
1.一种机械臂动态追踪目标的方法，包括如下步骤：
2.如权利要求1所述的机械臂动态追踪目标的方法，其特征在于：S1通过下述步骤实现机械臂对目标靶点的实时定位：
3.如权利要求1所述的机械臂动态追踪目标的方法，其特征在于：S2所述的Q-learning模型训练是指将滤波后的点激光数据输入Q-learning强化学习模型进行训练，记录Q表数据，获取训练结果；机械臂响应训练好的模型进行控制决策实现跟踪。
4.如权利要求3所述的机械臂动态追踪目标的方法，其特征在于：所述的
5.如权利要求1所述的机械臂动态追踪目标的方法，其特征在于：S4所述的姿态散点算法是指，在尚未运动到目标姿态时，可以将目标姿态按照数量插值给待追踪靶点的新轨迹所包含的一组路点；姿态达到目标姿态后，或是进入范围后，无论是否完成当前轨迹对目标靶点的追踪，散点生成一个新的姿态，并插值后赋予当前执行轨迹路点。
6.如权利要求1所述的机械臂动态追踪目标的方法，其特征在于：S5所述的避障路径规划方法是指，将障碍物与工具头在笛卡尔空间以几何立方体的方式建立障碍物几何体模型，
7.如权利要求1所述的机械臂动态追踪目标的方法，其特征在于：S6所述的轨迹修正拼接方法，步骤如下：
8.如权利要求1所述的机械臂动态追踪目标的方法，其特征在于：S7对相邻帧路径进行比较滤波，可通过如下方法进行：
9.一种机械臂动态追踪目标系统，包括：
10.一种机械臂动态追踪目标的装置或终端，包括一个或多个处理器、存储装置；存储装置，用于存储一个或多个程序；当所述的一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1-8任一所述的一种机械臂动态追踪目标的方法。
11.一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现权利要求1-8任一所述的一种机械臂动态追踪目标的方法。
...【技术特征摘要】
1.一种机械臂动态追踪目标的方法，包括如下步骤：
2.如权利要求1所述的机械臂动态追踪目标的方法，其特征在于：s1通过下述步骤实现机械臂对目标靶点的实时定位：
3.如权利要求1所述的机械臂动态追踪目标的方法，其特征在于：s2所述的q-learning模型训练是指将滤波后的点激光数据输入q-learning强化学习模型进行训练，记录q表数据，获取训练结果；机械臂响应训练好的模型进行控制决策实现跟踪。
4.如权利要求3所述的机械臂动态追踪目标的方法，其特征在于：所述的
5.如权利要求1所述的机械臂动态追踪目标的方法，其特征在于：s4所述的姿态散点算法是指，在尚未运动到目标姿态时，可以将目标姿态按照数量插值给待追踪靶点的新轨迹所包含的一组路点；姿态达到目标姿态后，或是进入范围后，无论是否完成当前轨迹对目标靶点的追踪，散点生成一个新的姿态，并插值后赋予当前执行轨迹路点。
6.如权利要求1所述的机械臂动态追踪目标的方法，其特征在于：s5所述的避障路径规划方法是指，将障碍物与工具头在笛卡尔空间...
【专利技术属性】
技术研发人员：孟浩，胡雨辰，张建，
申请(专利权)人：上海大界智能设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。