【技术实现步骤摘要】
本专利技术涉及机械臂视觉深度预估，具体提供一种基于深度强化学习的机械臂视觉深度预估方法。
技术介绍
1、机械臂视觉伺服控制是集成机器视觉、自动控制与计算机等技术为一体的综合技术，该技术通过视觉信号实现对机械臂的伺服运动控制，可以有效提高机械臂的运动精度与鲁棒性，增强机械臂与复杂环境交互能力。根据控制方法的不同，机械臂视觉伺服方法可以分为基于图像的视觉伺服方法与基于位置的视觉伺服方法。基于图像的视觉伺服方法不依赖于精确的相机内参与外参，具有较高的鲁棒性，因此广泛用于机器人视觉伺服领域。采用基于图像的视觉伺服方法，计算图像特征所对应的交互矩阵是非常重要的一环，交互矩阵可以精确的描述图像特征变化与相机速度之间的关系，但是交互矩阵的计算中包括视觉深度，视觉深度无法通过测量得到。
2、现有的视觉深度预估方法主要是采用理想位置处的视觉深度代替全局视觉深度，这样只能实现误差局部收敛。在相机的初始位置与理想位置相差很大的时候，这种预估方法无法保证任务成功。为了解决上述问题，提出了新的预估视觉深度的方法。
技术实现
本文档来自技高网...【技术保护点】
1.一种基于深度强化学习的机械臂视觉深度预估方法，机械臂上连接有相机，其特征在于，包括：
2.如权利要求1所述的基于深度强化学习的机械臂视觉深度预估方法，其特征在于，采用D-H参数法建立所述运动学模型。
3.如权利要求1所述的基于深度强化学习的机械臂视觉深度预估方法，其特征在于，采用透视投影变换方法建立所述相机模型。
4.如权利要求1所述的基于深度强化学习的机械臂视觉深度预估方法，其特征在于，所述机械臂起点位姿N0的选取方法如下：随机选取机械臂位姿，通过所述相机模型在该位姿处采集所述靶标图像，当所述靶标图像中出现全部特征点时，则选取...
【技术特征摘要】
1.一种基于深度强化学习的机械臂视觉深度预估方法，机械臂上连接有相机，其特征在于，包括：
2.如权利要求1所述的基于深度强化学习的机械臂视觉深度预估方法，其特征在于，采用d-h参数法建立所述运动学模型。
3.如权利要求1所述的基于深度强化学习的机械臂视觉深度预估方法，其特征在于，采用透视投影变换方法建立所述相机模型。
4.如权利要求1所述的基于深度强化学习的机械臂视觉深度预估方法，其特征在于，所述机械臂起点位姿n0的选取方法如下：随机选取机械臂位姿，通过所述相机模型在该位姿处采集所述靶标图像，当所述靶标图像中出现全部特征点时，则选取的位姿可以作为起点位姿n0。
5.如权利要求1所述的基于深度强化学习的机械臂视觉深度预估方法，其特征在于，依据在起点位姿处采集的靶标图像中的特征点，通过所述运动学模型，获得机械臂起点位姿n0对应的关节角度q0。
6.如权利要求...
【专利技术属性】
技术研发人员：朱明超，李中灿，吴清文，周宇飞，张显科，孙嘉霖，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
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。