[发明专利]一种基于矩特征学习神经网络的异形曲面跟踪方法及系统

摘要

本发明公开了一种基于矩特征学习神经网络的异形曲面跟踪方法及系统，所述方法包括如下步骤：获取期望矩特征向量；获取初始矩特征向量、初始矩特征向量的雅可比矩阵、机械臂的目标关节角速度向量；利用期望矩特征向量、初始矩特征向量以及械臂关节角速度矩阵对B样条基的神经网络控制器进行深度离线训练；机械臂关节角速度向量将当前矩特征向量与所述期望矩特征向量的特征误差输入训练后的B样条基的神经网络控制器得到当前位姿下机械臂关节角速度向量；依据当前位姿下机械臂关节角速度向量控制机械臂运动使机械臂端的相机随之移动。本发明通过上述方法可以实现异形曲面精确定位跟踪。

主权项

1.一种基于矩特征学习神经网络的异形曲面跟踪方法，其特征在于：包括如下步骤：S1：获取待跟踪的异形曲面在期望位姿下的期望图像，并提取所述期望图像的所有图像特征得到期望矩特征向量；S2：获取待跟踪的异形曲面在预设初始位姿下的初始图像，并计算出初始矩特征向量、初始矩特征向量的雅可比矩阵、机械臂的目标关节角速度向量；其中，将机械臂端的相机移动至预设初始位姿进行拍摄，再提取所述初始图像的图像特征得到初始矩特征向量，以及基于初始图像中目标区域轮廓的深度信息计算出初始矩特征向量的雅可比矩阵，最后基于初始矩特征向量和初始矩特征向量的雅可比矩阵计算出机械臂的目标关节角速度向量；每个矩特征向量中图像特征的数量与机械臂关节角速度向量中角速度元素的数量相等；S3：利用所述期望矩特征向量、初始矩特征向量以及械臂关节角速度矩阵对B样条基的神经网络控制器进行深度离线训练；所述深度离线训练过程为：将初始矩特征向量和所述期望矩特征向量的特征误差作为所述神经网络控制器的输入参数，输出得到机械臂关节角速度向量，并计算网络输出得到的机械臂关节角速度向量与S2计算的机械臂的目标关节角速度向量之间的角度误差值向量，以所述角度误差值向量小于预设第一精度为目标训练所述神经网络控制器直至计算出的所述角度误差值小于预设第一精度；S4：基于训练后的B样条基的神经网络控制器计算出当前位姿下机械臂关节角速度向量；其中，将当前矩特征向量与所述期望矩特征向量的特征误差输入训练后的B样条基的神经网络控制器得到当前位姿下机械臂关节角速度向量；所述当前矩特征向量是提取当前图像的图像特征生成的，所述当前图像是在当前位姿下的待跟踪的异形曲面的图像；S5：依据S4中当前位姿下机械臂关节角速度向量控制机械臂运动使机械臂端的相机随之移动。