[发明专利]一种基于图像信息的机械手抓取物体的方法

说明书

技术领域

本发明机器人技术领域，涉及一种基于图像信息的机械手抓取物体的方法。

背景技术

在工业生产活动中，利用机械手抓取放置在工作台或是传送带上的工件，是完成分拣、搬运或是装配任务的基础工序。例如在汽车发动机生产线中，需要利用机械手从一堆杂乱放置的工件中挑拣出连杆并装配到发动机内。在螺栓加工线上，则需要将不符合规格要求的螺帽从传送带上分拣出。在玩具生产线上，需要将不同形状的玩具搬运到不同的包装箱内。在生活领域，目前出现了大量实用化的服务机器人。这些服务机器人，需要根据使用者的指令，智能抓取放置在不同位置的物体，例如水瓶、水果或是扳手。

因而，利用图像信息，计算被抓取物体的位置，自动时计算出该物体的抓取点位置，对于工业机器人和服务机器人灵活完成不同的工作任务，具有重要的应用意义。

目前，大部分基于图像信息的抓取方法属于基于模型重构的抓取方法，即利用图像信息重构出物体的几何轮廓，然后从物体的几何轮廓上计算出抓取点的精确位置。例如，文章，“Manipulation of Unmodeled ObjectsUsing Intelligent Grasping Schemes”[D.L.Bowers和R.Lumia]，专利CN03151424.3。这类方法的步骤是：首先，重构出物体的精确几何模型，计算出模型上每个点的位置和该点的法向量；然后，根据形封闭或力封闭的准则，从大量点的集合及其法向量集合中，找出一组符合稳定抓取要求的点。这种算法由于获取点的位置和法向量信息，因而算法复杂性较高；并且，由于机械手在抓取时需要精确到达抓取点位置，在实际应用过程中，如果机械手的手指位置产生偏差，不能到达计算出的抓取点位置，有可能会抓不稳物体。还有一些方法是基于离线训练的抓取方法，建立物体的几何轮廓与抓取点位置的映射关系。例如，文章Grasping Unknown ObjectsBased on 3D Model Reconstruction[B.Wang]。这种方法需要事先用大量的轮廓训练出映射函数。实时性不好。

发明内容

为了解决基于模型重构的抓取算法复杂性较高，并且在使用过程中，由于机械手手指位置的不精确，使物体脱离机械手，抓取不稳定；以及，基于离线学习的抓取方法，需要事先训练抓取映射函数，算法的实时性不好等问题，本发明的目的是提供一种的基于图像信息的机械手抓取物体的方法。

为了实现上述的目的，本发明提供一种基于图像信息的机械手抓取物体的方法，利用图像处理模块、凸包计算模块、最小宽度计算模块和包容抓取区域计算模块实现机械手抓取物体的步骤包括：

步骤S1：图像处理模块，从输入计算机的原始图像信息中提取待抓取物体的边缘轮廓数据；

步骤S2：凸包计算模块接收图像处理模块输出的待抓取物体的边缘轮廓数据，凸包计算模块根据边缘轮廓数据拟合出包围物体边缘轮廓的最小凸多边形；

步骤S3：最小宽度计算模块接收凸包计算模块输出的最小凸多边形数据，最小宽度计算模块利用最小凸多边形数据计算出最小凸多边形的最小宽度；

步骤S4：包容抓取区域计算模块接收最小宽度计算模块输出的最小凸多边形的最小宽度，包容抓取区域计算模块利用最小凸多边形的最小宽度计算机械手抓取物体时机械手与物体之间的相对位置关系，引导机械手抓取物体。

其中，所述凸包计算模块根据边缘轮廓数据拟合最小凸多边形的步骤包括：

步骤S21：输入待抓取物体的边缘轮廓数据，计算待抓取物体的边缘轮廓在y坐标最小的数据P_m，以P_m为极点，计算待抓取物体的边缘轮廓的第j个数据P_j与极点P_m的极角Q_j，1≤j≤n，其中n为边缘轮廓数据的个数；

步骤S22：按照极角Q_j从小到大的顺序将n个边缘轮廓数据的极角进行排序，得到边缘轮廓数据与极角相对应的数据集合S＝{P₁，P₂，.....，P_n}，并设定凸包点的初始有序集合为S_init＝{R₁，R₂}，其中R₁和R₂表示最小凸多边形的顶点，R₁的x坐标和y坐标等于P₁的x坐标和y坐标，R₂的x坐标和y坐标等于P₂的x坐标和y坐标；