[发明专利]机械臂在复杂环境下的快速分割方法

说明书

本发明公开了一种机械臂在复杂环境下的快速分割方法。系统采用搭载深度摄像头和彩色摄像头的Kinect以及机械臂构成实验平台。所述的快速分割方法包括以下步骤：进行深度相机的手眼标定；获取场景的点云数据；进行机械臂的正运动学求解，获取分割区域；采用LCCP算法对点云数据进行聚类以及分割；将机械臂从环境中提取出来。与现有的机械臂分割方法相比，该方法有效提高了机械臂的分割精度与准确性，优化了传统分割算法的运行效率。

技术领域

本发明涉及智能机器人技术领域，尤其涉及一种机械臂在复杂环境下的快速分割方法。

背景技术

空气中酸性物质和灰尘增多，电网网路腐蚀加快，维修人员在高空作业时掉落风险增高。其次是劳动强度问题，由于带电作业需要维修人员穿戴厚重的绝缘服，这就大大增加了工人的劳动负载，特别是在酷暑和严寒环境下，工人的身体负担更大。还有就是人工带电作业的防护要求高、操作规范严格，稍不注意就会造成极其严重的后果。

由于带电作业需求的紧迫性以及人工带电作业的危险性，研究开发具有带电作业能力的机器人来替代人工作业已经成为未来电网系统维护的必然趋势。

现阶段的配网带电作业机器人虽然已经能胜任大部分工作，但是大部分还无法完全自主作业，在作业的过程中主要还是操作员进行控制。因此，机器人在图像识别和处理方面的能力还有待提高，对于作业现场环境的判断还要进一步加强。针对机械臂在环境识别中需要将本体与周围物体分离的问题，现阶段的分割方法还不太成熟，分割效果也较差。

发明内容

本发明的目的是提供一种机械臂在复杂环境下的快速分割方法。

本发明为实现上述目的所采用的技术方案是：

机械臂在复杂环境下的快速分割方法，包括以下步骤：

1)对深度相机进行手眼标定；

2)通过标定后的深度相机分别获取机械臂工作空间的深度图像的深度信息以及彩色图像的RGBA信息、二维坐标信息，并将上述信息进行融合，得到机械臂工作空间的点云数据；

3)建立机械臂的正运动学模型，获取机械臂各关节和连杆上若干点的坐标；

4)根据机械臂关节和连杆上点的坐标，建立包络球，机械臂某个关节或连杆上某个点的坐标对应一个包络球，机械臂所有关节和连杆上所有点的坐标对应的所有包络球组成安全区域，滤除安全区域外的点云数据；

5)对安全区域内的点云数据进行分割；

6)根据分割结果，提取机械臂。

所述对深度相机进行手眼标定为，采用最小二乘法，获取机械臂基坐标系和相机坐标系之间的齐次变换矩阵。

所述深度相机包括深度摄像头以及彩色摄像头，深度摄像头采集图像的深度图像，彩色摄像头采集图像的彩色图像。

步骤2)为：

遍历深度图像中的每一个像素点P_i，将P_i从深度图像映射到彩色图像得到像素点P_c，每一个P_i与P_c为一一映射关系，如果P_c在彩色图像的坐标范围内，则保存P_c的彩色图像的RGBA信息；将P_i从深度图像直接转换到相机坐标系下得到相机空间中的坐标P_a，如果P_a在彩色图像的坐标范围内，则保存P_a的三维坐标信息，将P_c与P_a进行融合，得到机械臂工作空间的点云数据。

步骤3)为：

对机械臂运用D-H参数分析法建立各个关节的连杆坐标系，其连杆之间的变换矩阵为：