[发明专利]一种基于动捕的机器人装配离线示例学习系统和方法

权利要求书

1.一种基于动捕的机器人装配离线示例学习系统，包括光学动作捕捉平台、数据采集模块、数据预处理模块、离线机器人运动轨迹生成模块和仿真验证模块，其特征在于：

所述光学动作捕捉平台包括多个光学动作捕捉摄像机、网络设备、计算设备和设置在装配演示人员手部的多个反光标记点，其中，所述多个光学动作捕捉摄像机以对称方式布置在装配演示工作台的四周，每个光学动作捕捉摄像机通过网络设备连接至计算设备；

所述数据采集模块与光学动作捕捉平台连接，用于采集装配演示人员手臂及手部的演示装配轨迹；

所述数据预处理模块与所述数据采集模块连接，用于对采集的手臂及手部的演示装配轨迹进行离线预处理，排除噪声数据和无关的轨迹数据，融合多次演示的装配轨迹，获得由高斯混合模型建模的装配运动模型，所述的无关的轨迹数据包括用户手臂从任意位置到待装配零部件所在位置的运动轨迹以及装配完成后用户手臂及手部离开零部件的运动轨迹，

其中，提供一组样本集合{x_i}，i＝1,2,3...,定义：

RD_k(x,x′)＝max(||x-x^(k)||,||x-x′||)

作为可达距离，其中x^(k)是集合{x_i}中最接近x的第k个样本，k是手动选择的整数参数；

提供局部可达性密度

如果其中的样本x使得局部异常因子

上升的数值超过预设值，则将对应的样本x从演示数据中消除；

所述离线机器人运动轨迹生成模块与所述数据预处理模块连接，用于通过高斯混合回归的方法输出平滑的任务空间机器人装配运动轨迹；

所述仿真验证模块，用于将离线示例学习的轨迹迁移至仿真环境下，控制仿真平台中的机器人模拟装配动作；

所述离线机器人运动轨迹生成模块被配置成：

将获得的人工装配轨迹通过运动学逆解得到机器人在运动过程中的所有关节角序列；

通过代价函数，计算当前轨迹的代价值；

通过帧选择策略，计算当前轨迹下每一帧的被选择概率，根据帧选择策略选取关节角序列中的部分帧组成新的序列并再次计算代价值；

计算奖赏值，并据此更新关节角序列中每一帧被选择的概率；

更新整个关节角序列，删除概率低于某一阈值的帧，将剩余的帧组成新的关节角序列；

如果奖赏值的绝对值低于第一阈值或迭代次数大于第二阈值则输出当前剩余的帧序列，并且在关节空间以时间最短进行速度规划插值，输出运动耗时最少的运动轨迹作为目标轨迹。

2.根据权利要求1所述的机器人装配离线示例学习系统，其特征在于，所述的数据采集模块被配置为：

通过视觉标定算法的应用程序对于光学动作捕捉摄像机进行标定；

标定完成后，通过计算设备向光学动作捕捉摄像机发送采集命令，采集粘贴在熟练装配工人手臂及手部的反光标记点的位置、姿态数据；

通过交换机与光学动作捕捉摄像机进行数据传输，接收来自光学动作捕捉摄像机采集的用户手臂及手部的动作的位置姿态数据，并对接收到的数据进行离线分析，生成机器人可执行的运动轨迹信息。

3.根据权利要求1所述的机器人装配离线示例学习系统，其特征在于，所述的数据预处理模块包括：

异常检测单元，用于计算每个反光标记点在每个采样时刻的局部异常因子，将局部异常因子值大于某一给定阈值的点视作采样噪点并从演示数据集中排除；

轨迹分段单元，通过密度聚类方法，以每一次装配演示中每个反光标记点在每个采样时刻的速度作为该采样时刻的特征进行聚类；

轨迹融合单元，其被配置成：首先采用高斯混合模型对数据预处理模块得到的多次装配演示的装配轨迹进行建模，根据最大化贝叶斯信息准则的方法指定高斯核的数量；采用期望最大化方法学习多段装配轨迹，得到每个高斯核的参数；最后得到由高斯混合模型建模的、能够反映装配动作关键信息的装配运动模型。