[发明专利]一种机械臂运动规划群体智能计算方法

说明书

本发明公开了一种机械臂运动规划群体智能计算方法，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；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；步骤3：构建基于极限学习机的机械臂抓取最优路径模型；步骤4：实时采集待抓取物体目标图像识别物体类别；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；该方法采用智能算法计算得到机械臂抓取目标物体一条无碰撞、动力学特性满足裕度要求、轨迹长度和运动时间较短的理想轨迹，大大提高了生产效率，同时节约了人员成本，给工厂带来收益。

技术领域

本发明属于机械臂控制计算领域，特别涉及一种机械臂运动规划群体智能计算方法。

背景技术

随着“中国制造2025”的来临，智能机器人如机械手，AGV，无人机等将在制造环境下承担越来越多的工作。现有机械臂可由示教器、上位机控制，示教器控制是在示教器上通过操纵杆和按钮对机械臂的各关节进行控制，再完成既定工况后将程序储存；上位机控制是在上位机中进行编程，可完成既定工况循环。上述两种机械臂控制方法都只能完成固定工况的循环，无法应对工况的变化，针对现有机械臂操作通过监控装置操作机械臂视野受限，操作者在整个控制过程中极易产生难以承受的生物学疲劳，造成失误发生安全事故，为此，机械臂的自动识别和抓取物体路径设计是解决机械臂控制难题的一大突破。

发明内容

本发明提出了一种机械臂运动规划群体智能计算方法，该方法使机械臂通过外置摄像头建立笛卡尔坐标系获取目标物体图像并识别目标物体，通过机器学习模型获取抓取目标物体最优运动路径，并对障碍物进行判断，生成避障路径。

一种机械臂运动规划群体智能计算方法方法，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；

对采集到的目标图像使用图像平滑法去除噪声，然后进行几何预处理，由于所有图的背景均相同，将图像中的物体变换到统一中央位置，然后进行灰度化处理，再使用Laplacian算子进行边缘检测；

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；