[发明专利]一种机器人抓取任务的触觉感知方法

权利要求书

1.一种机器人抓取任务的触觉感知方法，其特征在于，包括以下步骤：

步骤1，触觉感知关键技术分析；

步骤2，薄膜压力传感器等搭建触觉感知系统；

步骤3，目标检测算法选取和比较；

步骤4，触觉感知系统进行柔体抓取实验；

步骤5，通过实验对抓取结果状态检测并进行验证。

2.根据权利要求1所述的一种机器人抓取任务的触觉感知方法，其特征在于，所述步骤1包括：

基于针孔成像，空间中物体的三维坐标转变成摄像机拍摄的二维图像需要经历四个基本的坐标系变换，即：世界坐标系→摄像机坐标系→图像坐标系→像素坐标系；

转移矩阵R的具体表示如下：

其中，α,β,γ分别为与X_c,Y_c,Z_c轴的旋转度。

3.根据权利要求1所述的一种机器人抓取任务的触觉感知方法，其特征在于，所述步骤2包括：

畸变主要有径向畸变、偏心畸变和薄棱镜畸变三种情况；

得到M的坐标为：

其中，基线距离为B，焦距相同为f，内参v_o，u_o；

标定方法需要一个坐标己知，精度够高的标定板，结合图像处理和矩阵变换来求解内参和外参。

4.根据权利要求1所述的一种机器人抓取任务的触觉感知方法，其特征在于，所述步骤3包括：

首先选用YOLOv2进行检测,发现其虽然检测速度快，但在定位方面不够准确，并且召回率低；

继续采用YOLOv3目标检测，使用全卷积神经网络，结合了残差网络中的跳跃连接和特征金字塔网络等算法，并采用3个不同尺度的特征图来进行位置与类别预测，有效提高了目标检测的准确率；

为目测算法选取数据集，并将其分为训练集和测试集，激活函数为tanh函数，最大迭代次数4000，用同一数据集对两个算法进行比较，发现YOLOv3具有更好的性能，能够满足目标检测任务的需求。

5.根据权利要求4所述的一种机器人抓取任务的触觉感知方法，其特征在于，所述包括：

从不同尺度提取特征，YOLOv3提取最后3层特征图，不仅在每个特征图上分别独立做预测，同时通过将小特征图上采样到与大的特征图相同大小，然后与大的特征图拼接做进一步预测；

使用逻辑回归替代softmax作为分类器，在实际应用场合中，一个物体有可能输入多个类别，单纯的单标签分类在实际场景中存在一定的限制。

6.根据权利要求1所述的一种机器人抓取任务的触觉感知方法，其特征在于，所述步骤4包括：

要搭建触觉感知系统，需要对相机进行标定，MATLAB自带标定工具箱可以实现相机的快速标定，故实验中使用MATLAB进行标定；

机械臂的操作平台是以底座中心为基坐标系，故需要对机械臂和世界坐标系进行标定，以保证机测得的三维坐标能够转换成机械臂内置操作平台的坐标，使机械臂能够运动到正确的位置，计算出机械臂与相机之间的坐标变换矩阵T_m-c。

7.根据权利要求6所述的一种机器人抓取任务的触觉感知方法，其特征在于，所述包括：

触觉感知系统主要由三个部分构成：薄膜压力传感器、压力转换模块和单片机；薄膜压力传感器通过机械手按压数据读取握力信息，该握力信息需要通过压力转换模块，转换成合适的电压，并通过单片机转换成可读取的握力数据；

机器人抓取实验中使用的是UR6机械臂，UR6机械手臂的最大负载为5kg，最大工作范围850mm/33.5英寸，实验中，将UR6机械臂固定在定位板上，只需要视觉感知系统给出物体的位置信息，UR6机械臂的控制程序就可以运行内部的控制算法控制机械臂向目标靠近。

8.根据权利要求1所述的一种机器人抓取任务的触觉感知方法，其特征在于，所述步骤5包括：

利用LSTM神经网络来学习滑动过程中的特征，可以进行滑觉检测；

滑觉检测实验分为二组进行，第一组采用触觉感知系统抓取，第二组仅采用视觉感知系统进行抓取，每组各尝试抓取100次，抓取结果可以是抓空、抓取成功；

采用深度学习的方法能够具有更高的识别率，减少目标丢失情况的发生，具有更好的鲁棒性。