[发明专利]一种机械臂运动规划群体智能计算方法

权利要求书

1.一种机械臂运动规划群体智能计算方法，其特征在于，包括以下步骤：

步骤1：构建机械臂所在工作空间的三维坐标系；

利用图像采集区域覆盖机械臂抓取目标物体的整个工作空间的双目ZED相机的左右摄像头连线中点作为原点，以双目ZED右摄像头中心到双目ZED左摄像头中心连线为y轴正向，根据右手定则建立机械臂工作空间的三维立体坐标系；

步骤2：构建基于模糊神经网络的待抓取物体目标识别模型；

以每幅待抓取物体目标图像的中间像素累加值和对应的物体类别分别作为输入和输出数据，对模糊神经网络进行训练，得到基于模糊神经网络的待抓取物体目标识别模型；

所述待抓取物体目标图像的中间像素累加值的获取过程如下：

利用步骤1中用于构建三维立体坐标系的双目ZED采集各类待抓取物体目标图像在各种位姿下的图像；对待抓取物体目标图像依次进行去噪、位置变换、灰度处理和边缘检测；提取经过边缘检测后的图像的大小为200×200的正中间区域，将所提取区域中所有像素的灰度值进行累加得到中间像素累加值；

步骤3：构建基于极限学习机的机械臂抓取最优路径模型；

利用机械臂抓取各类待抓取物体，获得抓取路径样本，以抓取路径样本中的机械臂起点、终点位置坐标和运动旋转角度矩阵分别作为输入和输出数据，以各关节的旋转角度总和最小为目标函数，对极限学习机进行训练，获得基于极限学习机的机械臂抓取最优路径模型；

所述抓取路径样本包括机械臂末端在步骤1构建的三维坐标系中，抓取起点和抓取终点位置坐标，以及机械臂各关节的运动旋转角度矩阵，所述运动旋转角度矩阵的行数和列数分别为机械臂转动关节个数和抓取物体过程中的动作次数；

步骤4：实时采集待抓取物体目标图像识别物体类别；

利用步骤1中用于构建三维立体坐标系的双目ZED采集待抓取物体目标图像，按照步骤2中的处理过程提取当前图像中的中间像素累加值，并输入所述基于模糊神经网络的待抓取物体目标识别模型中，获得物体类别信息；

步骤5；基于物体类别确定物体重心，求得抓取终点坐标，获取机械臂抓取最优路径，驱动机械臂抓取物体；

基于物体类别信息确定物体重心，使得机械臂夹爪的抓取中心对应物体重心，从而确定机械臂夹爪在抓取终点的坐标，并输入所述基于极限学习机的机械臂抓取最优路径模型中，得到机械臂抓取最优路径，并发送至机械臂控制系统，驱动机械臂抓取物体；

在机械臂抓取物体过程中，若双目ZED拍摄到工作空间出现障碍物，则利用障碍物的深度图像信息在所述三维坐标系中构建障碍物模型，判断障碍物模型的包络线位置是否处于机械臂的原始抓取运动区域中，若不处于，则机械臂继续按原抓取路径进行抓取工作，若处于，则将障碍物模型的包络线与原始抓取运动区域的切点、避障路径的起点和终点坐标输入基于支持向量机的机械臂避障路径模型，获得避障路径；

所述障碍物模型的包络线与原始抓取运动区域的切点的获取过程如下：

将障碍物模型的包络线截断机械臂原抓取路径的截断起点、截断终点连成截断直线，获取所有和截断直线平行的平面与障碍物模型的包络线相切的点，选出与截断直线最近的切点；

避障路径的起点为所述截断起点前移3cm，避障路径的终点为所述截断终点后移3cm；

所述避障路径位于切点外部；

所述基于支持向量机的机械臂避障路径模型，是以各类障碍物位于所述工作区间中，障碍物模型的包络线将机械臂原抓取路径截断后得到避障路径起点、避障路径终点以及包络线与原始抓取运动区域的切点作为输入数据，机械臂在避障过程中各关节的运动旋转角度矩阵作为输出数据，以各关节的旋转角度之和最小作为目标函数，对支持向量机进行训练获得。