[发明专利]基于自适应动态力平衡的机械臂抓取方法和系统

说明书

本申请属于工业机器人技术领域，具体涉及一种基于自适应动态力平衡的机械臂抓取方法和系统。其中的方法包括：获取目标物体的目标点云信息，通过凹包轮廓检测算法检测得到边缘轮廓信息，基于边缘轮廓信息和机械臂末端执行器两指间距离，建立目标物体的可抓取区域模型；按照预设的规则生成矩形滑框，利用最小二乘直线拟合对每一矩形滑框内左右两边的凸顶点集合进行直线拟合，基于拟合得到的两条直线间的夹角确定目标物体的可抓取位置；确定目标物体左侧边缘、右侧边缘在第一坐标轴上坐标的平均值，当平均值之差小于预设阈值时，机械臂根据可抓取位置对目标物体进行抓取。本申请方法实施简单快捷，具有较强的实时性，可准确可靠地抓取目标物体。

技术领域

本申请属于工业机器人技术领域，具体涉及一种基于自适应动态力平衡的机械臂抓取方法和系统。

背景技术

近年来，基于多自由度机器臂的智能机器人被广泛应用于工业、服务等领域，以完成复杂且重复的物体抓取操作。不同于机器人在结构化环境下对工件的抓取，非结构环境往往具有高度动态性以及不确定性，其中的目标物体也往往是未知的，由于未知物体在模型数据库中没有相应的几何模型和外观信息，无法利用先验知识，因此非结构化环境下的自主抓取在精度和稳定性等方面还存在很大的提升空间。

提供目标物体的详细信息用于抓取操作将是一项非常耗时的任务。现有方法中采用相似模型的抓取方法可以简化机械臂控制，但很容易导致机器人选错相似的物体，从而使抓取变得不可靠或者不准确；而采用机器学习的方法对目标物体进行识别，需要通过足够多的抓取实验得到的大量数据，作为机械臂抓取模型的训练集，对网络模型进行训练得到抓取模型，整个过程不仅耗时较长，而且复杂不易实施。

发明内容

(一)要解决的技术问题

鉴于现有技术的上述缺点、不足，本申请提供一种基于自适应动态力平衡的机械臂抓取方法和系统。

(二)技术方案

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请实施例提供一种基于自适应动态力平衡的机械臂抓取方法，该方法包括：

S10、获取图像传感器在目标位置上采集的目标物体的目标点云信息，所述图像传感器设置于机械臂上部设定位置；

S20、通过凹包轮廓检测算法对所述目标点云信息进行检测，得到所述目标物体在第一平面上投影的边缘轮廓信息；所述第一平面基于对所述目标点云信息采用主成分分析法提取得到的第一主成分信息确定；

S30、基于所述边缘轮廓信息和机械臂末端执行器两指间距离，建立所述目标物体的可抓取区域模型；

S40、基于可抓取区域模型，按照预设的规则生成矩形滑框，利用最小二乘直线拟合对每一矩形滑框内左右两边的凸顶点集合进行直线拟合，基于拟合得到的两条直线间的夹角确定所述目标物体的可抓取位置；

S50、基于所述可抓取位置，确定所述目标物体左侧边缘、右侧边缘在第一坐标轴上坐标的平均值，所述第一坐标轴垂直于所述第一平面；

S60、当平均值之差小于预设阈值时，机械臂根据所述可抓取位置对所述目标物体进行抓取。

可选地，在S10之前还包括：

S01、图像传感器在初始位置采集目标物体的初始点云信息；

S02、通过主成分分析法提取所述初始点云信息的第二主成分信息，基于所述第二主成分信息对所述初始位置进行变换，得到所述图像传感器的目标位置。

可选地，步骤S02包括：

S021、将所述初始点云信息进行去中心化，得到第一点云数据；

S022、基于所述第一点云数据的协方差矩阵，计算所述协方差矩阵的特征值和特征向量；