[发明专利]机械臂避障运动规划方法和装置

说明书

本申请提供了一种机械臂避障运动规划方法和装置，其中，方法包括：获取机械臂模型和场景RGB‑D图像；将所述场景RGB‑D图像输入预训练完成的深度神经网络得到场景中形状补全信息，所述形状补全信息用于表征完成形状补全的场景信息；基于所述机械臂模型生成运动配置信息；基于所述运动配置信息和所述形状补全信息进行运动规划。通过形状补全算法提高单视角下视觉感知信息的完整性，可提高避障规划的精度。

技术领域

本申请涉及测试性优化技术领域，尤其涉及一种机械臂避障运动规划方法和装置。

背景技术

随着智能制造领域工业智能化成为将来的发展趋势，机械臂越来越多的应用在工业制造、航天和医疗各个领域。为了满足机械臂的多场景使用，尤其在操作空间有限、集成度较高的环境中，配备相应的视觉传感器成为了常见技术手段。

在视觉系统中，深度相机在成本、数据丰富性方面有着巨大的优势，不仅可以获得场景的RGB信息，经过适当处理，还可以获得点云信息，但是单视角下的点云信息往往由于自身遮挡和其他物体之间互相遮挡，导致点云信息不完全，进而影响避障规划或其它机械臂操作比如抓取的准确性。

因此，相关技术中确保机械臂在规划时精确度低的技术问题。

发明内容

本申请提供了一种机械臂避障运动规划方法和装置，以至少解决相关技术中确保机械臂在规划时精确度低的技术问题。

根据本申请实施例的一个方面，提供了一种机械臂避障运动规划方法，包括：获取机械臂模型和场景RGB-D图像；将所述场景RGB-D图像输入预训练完成的深度神经网络得到场景中形状补全信息，所述形状补全信息用于表征完成形状补全的场景信息；基于所述机械臂模型生成运动配置信息；基于所述运动配置信息和所述形状补全信息进行运动规划。

可选地，所述将所述场景RGB-D图像输入预训练完成的深度神经网络得到场景中形状补全信息包括：基于所述深度神经网络提取场景中每个点的纹理特征和几何特征；对所述纹理特征和所述几何特征进行拼接得到融合特征；将所述场景中所有点的融合特征进行池化，得到全局特征；将所述全局特征拼接到每个点的所述融合特征上，得到每个点的特征向量；基于所述特征向量通过多任务学习得到所述形状补全信息。

可选地，所述基于所述机械臂模型生成运动配置信息包括：基于所述机械臂模型配置生成MoveIt配置信息；基于所述机械臂模型生成IK-Fast求解器配置信息。

可选地，所述基于所述运动配置信息和所述形状补全信息进行运动规划包括：读取形状补全信息，所述形状补全信息包括完成形状补全的场景信息的点云信息；基于所述形状补全信息创建空间地图，所述空间地图用于表征障碍物分布状态；基于所述空间地图进行运动规划。

可选地，基于所述形状补全信息创建空间地图包括：通过区域滤波滤除完成形状补全的场景信息的点云信息中的机械臂对应的点云信息，得到过滤点云信息；基于所述过滤点云信息创建所述空间地图。

可选地，机械臂避障运动规划方法还包括：基于手眼标定将所述补全信息进行坐标变换至机械臂基座坐标系下。

可选地，机械臂避障运动规划方法还包括：基于所述形状补全信息计算场景RGB-D图像的冲突点数值；将所述冲突点数值作为所述补全信息质量的置信度对所述形状补全信息进行验证。

根据本申请实施例的又一个方面，还提供了一种机械臂避障运动规划装置，包括：获取模块，用于获取机械臂模型和场景RGB-D图像；补全模块，用于将所述场景RGB-D图像输入预训练完成的深度神经网络得到场景中形状补全信息，所述形状补全信息用于表征完成形状补全的场景信息；配置模块，用于基于所述机械臂模型生成运动配置信息；规划模块，用于基于所述运动配置信息和所述形状补全信息进行运动规划。