[发明专利]一种装配方法、装配装置及装配设备

说明书

发明提供一种装配方法、装配装置及装配设备。其中，所述装配方法包括基于获取的装配件和待装配件的第一图像，结合获取的装配相关的参数信息，经过预先经过训练的第一模型生成指向所述机械手的第一指令，通过所述指令控制机械手移动到所述待装配件附近，抓取所述待装配件，带动所述待装配件移动到所述装配件的装配位置附近和带动所述待装配件装配到所述装配位置。采用本发明的技术方案，通过机器学习的方法进行装配，能够提高装配的工作效率及准确率。

技术领域

本发明涉及自动化技术领域，具体涉及一种装配方法、装配装置及装配设备。

背景技术

现有的自动化技术领域中，可以通过自动化设备实现各种装配的动作，比如：将销钉插入插孔中，将不同外形或种类的零部件插入对应的目标插孔中等等。

现有的自动化的装配设备，柔性化程度较低，因此当需要彼此装配的结构件的结构、种类或环境等等发生改变时，通常需要重新修改程序，造成成本的增加。并且，在一些装配难度比较大的动作中，通过自动化设备很难完成装配，或者在装配过程中失误率很高。

发明内容

有鉴于此，本发明提供一种装配方法、装配装置及装配设备。

本发明第一方面提供一种装配方法，所述装配方法包括：

基于获取的装配件和待装配件的第一图像或第一位姿，结合获取的装配相关的参数信息，经过预先经过训练的第一模型生成指向所述机械手的第一指令，通过所述指令控制机械手移动到所述待装配件附近，抓取所述待装配件，带动所述待装配件移动到所述装配件的装配位置附近和带动所述待装配件装配到所述装配位置；其中，所述第一位姿为基于所述第一图像获取的所述装配件和待装配件的位姿。

进一步，所述参数信息包括：机械手的位姿信息、力/力矩反馈信号、和/或所述装配件和/或所述待装配件的物理信息。

进一步，所述第一模型为NN模型、CNN模型、CNN模型与其它模型的结合或NN模型与其它模型的结合。

进一步，所述预先经过训练的第一模型通过包括如下训练方法步骤获取：

监督学习、强化学习或模仿学习。

本发明第二方面提供一种装配方法，所述装配方法包括：

基于获取的待装配件的第二图像或第二位姿，结合获取的装配相关的参数信息，生成第二指令，通过所述第二指令控制机械手移动到所述待装配件附近，抓取所述待装配件；其中，所述第二位姿为基于所述第二图像获取的所述待装配件的位姿；

基于获取的装配件的装配位置第三图像或第三位姿，结合获取的装配相关的参数信息，生成第三指令，通过所述第三指令带动所述待装配件移动到所述装配件的装配位置附近，带动所述待装配件装配到所述装配位置；其中，所述第三位姿为基于所述第三图像获取的所述装配件的位姿；

所述第二指令经过预先经过训练的第二模型生成；和/或

所述第三指令经过预先经过训练的第三模型生成。

进一步，所述参数信息包括：机械手的位姿信息、力/力矩反馈信号、和/或所述装配件和/或所述待装配件的物理信息。

进一步，所述第二模型和/或第三模型为NN模型、CNN模型、CNN模型与其它模型的结合或NN模型与其它模型的结合。

进一步，所述预先经过训练的第二模型和/或所述预先经过训练的第三模型通过包括如下训练方法步骤获取：

监督学习、强化学习或模仿学习。

本发明第三方面提供一种装配方法，所述装配方法包括: