一种基于重采样姿态解析的机器人多阶行为规划方法技术

本发明专利技术公开了一种基于重采样姿态解析的机器人多阶行为规划方法，涉及机械臂抓取领域，方法包括，设置相机高度，对机械臂的抓取范围和抓取精度进行评估；构建目标姿态解析框架，对机械臂进行优化，建立运动学模型，优化位姿校准，减少模型依赖和环境干扰；对处于视域边界的目标进行多次精细采样检测得到样本数据，对采样数据进行融合分析生成重采样边缘补偿策略；根据重采样边缘补偿策略结合多阶规划对目标精准定位，所述精准定位包括角度定位和位置定位；采用动态多阶耦合方法模仿人类自然动作完成手臂伸展和手爪开启同步；进行抓取实验并绘制曲线图，并评估。本申请克服了现有机械臂抓取依赖被动传感器所导致的视野受限和抓取误差问题。

【技术实现步骤摘要】

本专利技术涉及机械臂抓取领域，特别是一种基于重采样姿态解析的机器人多阶行为规划方法。

技术介绍

1、当前，机械臂抓取技术主要依赖被动传感器和基于深度学习的方法。被动传感器在视野边缘存在畸变，导致抓取误差，且视域受限使动作规划困难。基于深度学习的端到端学习虽有可能解决复杂抓取任务，但直接应用于超视域抓取面临诸多困难，如任务复杂导致变量增多、维度增加，下行动作要求精确，部署时需大量实验数据训练模型，消耗大量资源和时间，不利于桌面轻量化任务的快速精准操作。

2、此外，现有抓取运动规划研究多从目标复杂性、任务复杂性、仿生困难性等角度展开，如tan等提出的抓握质量测量方法，fang等的数据集和深度完成网络，song等的多模态神经网络，shukla等的机器学习架构等，但对于非结构化场景中的快速准确抓取和广域覆盖仍具挑战性，精准抓取涉及的复杂规划逻辑尚未得到有效解决。

3、因此亟需一种基于重采样姿态解析的机器人多阶行为规划方法来解决上述问题。

技术实现思路

1、为解决上述问题，本申请提供了一种基于重本文档来自技高网...

【技术保护点】

1.一种基于重采样姿态解析的机器人多阶行为规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于重采样姿态解析的机器人多阶行为规划方法，其特征在于，S3中构建目标姿态解析框架采用刘维数据进行抓取检测，依据锚定框的信息得出物品的中心抓取坐标。

3.根据权利要求1所述的一种基于重采样姿态解析的机器人多阶行为规划方法，其特征在于，S3中构建目标姿态解析框架的具体内容包括：

4.根据权利要求1所述的一种基于重采样姿态解析的机器人多阶行为规划方法，其特征在于，S4中机械臂对处于视域边界的目标进行多次精细采样；

5.根据权利要求1所述的...

【技术特征摘要】

1.一种基于重采样姿态解析的机器人多阶行为规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于重采样姿态解析的机器人多阶行为规划方法，其特征在于，s3中构建目标姿态解析框架采用刘维数据进行抓取检测，依据锚定框的信息得出物品的中心抓取坐标。

3.根据权利要求1所述的一种基于重采样姿态解析的机器人多阶行为规划方法，其特征在于，s3中构建目标姿态解析框架的具体内容包括：

4.根据权利要求1所述的一种基于重采样姿态解析的机器人多阶行为规划方法，其特征在于，s4中机械臂对处于视域边界的目标进行多次精细采样；

5.根...

【专利技术属性】
技术研发人员：谢明山，罗浩东，
申请(专利权)人：贵州大学，
类型：发明
国别省市：