一种基于手、眼、臂协调操作的机器人抓取物体的控制方法技术

本发明专利技术提供了一种基于手、眼、臂协调操作的机器人抓取物体的控制方法，通过视觉获得物体相关信息，并建立手抓取模式，确定抓取位置，然后结合手的抓取位姿进行机械臂的运动规划，最后控制手和机械臂按规划曲线动作实现对物体的抓取。该控制方法能够将手眼臂三者真正协调起来，从而使抓取动作更加柔顺与准确，并在一定程度上具有容错性。

【技术实现步骤摘要】

本专利技术涉及一种机器人抓取物体的控制方法，尤其涉及基于手、眼、臂协调操作的机器人抓取物体的控制方法，利用机器人的手、眼、臂相互协调，使抓取操作更加顺畅、准确。
技术介绍
当前的机器人的用途越来越广，也越来越灵活，不仅局限于固定动作路径的运动与简单自适应，而是向智能化方面发展。智能化要求机器人具有识别和推理的能力，并做出判断和决策。而传统机器人存在灵活性差、效率低下、力控不够精确等缺点。并且，现有机器人控制仅限于基于视觉机械臂控制(Mohebbi A,Keshmiri M,Xie W F.An eye-in-hand stereo visual servoing for tracking and catching moving objects[C]//Control Conference(CCC),2014 33rd Chinese.IEEE,2014:8570-8577.)或者手与臂的控制(Huang M B,Huang H P,Cheng C C,et al.Efficient grasp synthesis and control strategy for robot hand-arm system[C]//Automation Science and Engineering(CASE),2015IEEE International Conference on.IEEE,2015:1256-1257.)。而目前包含机械臂、机械手和视觉的机器人系统中，视觉系统仅用于操作目标的定位(Cheon S,Ryu K,Oh Y.Object manipulation using robot arm-hand system[C]//2013 10th International Conference on Ubiquitous Robots and Ambient Intelligence(URAI).2013.)，而并没有将手、眼、臂三者真正结合起来，进行动作协调。
技术实现思路
为解决上述问题，将手眼臂三者结合起来，首先机器人通过视觉获得物体相关信息，并建立手抓取模式，确定抓取位置，然后结合手的抓取模式(抓取位姿)进行机械臂的运动规划，最后控制手和机械臂按规划曲线动作实现对物体的抓取。该方案能够将手眼臂三者真正协调起来，从而使抓取动作更加柔顺与准确，并在一定程度上具有容错性。本专利技术提供了一种机器人稳定攀爬控制方法，一种基于手、眼、臂协调操作的机器人抓取物体的控制方法，其中，所述机器人具有机械手、机械臂、机器人外部环境传感器系统、神经网络系统、控制系统；所述控制方法包括如下步骤：(1)通过所述机器人外部环境传感器系统获得物体相关信息；(2)获取用户所输入的对于抓取操作的任务要求；(3)将步骤(1)中所获得的物体相关信息以及步骤(2)中所述任务要求传给神经网络系统，得到握持模式规划、机械臂轨迹规划、抓取力规划；(4)所述控制系统控制机械手和机械臂按所述规划的曲线动作/路径对物体实施动作协调的抓取。对于上述控制方法，在所述步骤(1)中，所述物体相关信息包括物理信息和位置信息，所述物理信息又包括物体的形状信息、质量信息；所述位置信息包括位置信息、姿态信息；在所述步骤(2)中，所述任务要求包括稳定性要求、灵巧性要求。对于上述控制方法，在所述步骤(1)中，所述机器人外部环境传感器系统为双目视觉系统，所述双目视觉系统基于Retinex方法对所采集的物体的图像进行图像增强，以进行所述物体的识别与定位。对于上述控制方法，在所述图像增强过程中，通过将入射光照L(x,y)解析出来，由R(x,y)＝S(x,y)/L(x,y)得到所述物体本身的反射光线的属性R(x,y)，从而获得相应的所述物体相关信息；其中，S(x,y)为所采集图像的光照情况。对于上述控制方法，其中，在所述解析的过程中，通过所采集的所述图像中每个像素点与阿基米德螺旋线上的像素点进行比较，进而估计出图像中光照度的变化情况。对于上述控制方法，在所述步骤(3)中，由所述神经网络系统进行所述物体相关信息的分类以进行所述握持模式规划、机械臂轨迹规划、抓取力规划：所述形状信息、姿态信息以及任务要求用于所述神经网络系统中的机械手握持模式规划模块进行机械手的握持模式规划；所述位置信息用于所述神经网络系统中的机械臂轨迹规划模块进行机械臂轨迹规划从而用于调整接近所述物体的距离；所述质量信息用于所述神经网络系统中的抓取力规划模块进行抓取力的规划。对于上述控制方法，在所述握持模式规划、抓取力规划、机械臂轨迹规划过程中，所述神经网络系统依据所述物理信息与内部知识库中锁存物体的信息进行比较、匹配，依照所匹配的所述锁存物体的抓取规划，确定所述握持模式规划、抓取力规划、机械臂轨迹规划。对于上述控制方法，在所述步骤(3)中，所述神经网络系统将抓取操作进行细分以应用于所述握持模式规划以实现抓取操作的柔顺与准确，具体为：将抓取操作分为包络抓取、精密抓取；所述包络抓取又包括平托、包络抓握，所述包络抓握又包括细长棱柱抓握、紧凑圆环抓握、单薄包络抓握；所述细长棱柱抓握又包括强力缠绕；所述精密抓取又包括细长棱柱抓握、紧凑圆环抓握。对于上述控制方法，在所述步骤(4)中，所述控制系统将所述握持模式规划应用于机械手，将机械臂轨迹规划、抓取力规划应用于机械臂，并且对机械臂采用基于动力学前馈的机械臂运动控制。对于上述控制方法，在对基于动力学前馈的机械臂运动控制过程中，所述控制系统采用基于遗忘因子函数的阻抗控制率对机械臂进行控制，通过扩展经典阻抗控制方法中的虚拟弹簧项，对机械臂阻抗控制的平衡位置进行自适应调节，用于降低机械臂移动过程中的内力并减小或避免振动。对于上述控制方法，在采用基于遗忘因子函数的所述控制过程中，针对骤停过程采用基于遗忘因子的自适应调整算法函数，将机械臂阻抗控制中虚拟弹簧的平衡位置由期望位置不断向机械臂上一个步长的实际位置而改变；所述遗忘因子函数为： u n + 1 ( t ) = ( 1 - r ( n ) ) u n ( t ) + r ( n ) u 0 ( t ) + Γ 1 Γ 2 本文档来自技高网...

【技术保护点】
一种基于手、眼、臂协调操作的机器人抓取物体的控制方法，其中，所述机器人具有机械手、机械臂、机器人外部环境传感器系统、神经网络系统、控制系统；所述控制方法包括如下步骤：(1)通过所述机器人外部环境传感器系统获得物体相关信息；(2)获取用户所输入的对于抓取操作的任务要求；(3)将步骤(1)中所获得的物体相关信息以及步骤(2)中所述任务要求传给神经网络系统，得到握持模式规划、机械臂轨迹规划、抓取力规划；(4)所述控制系统控制机械手和机械臂按所述规划的曲线动作/路径对物体实施动作协调的抓取。

【技术特征摘要】
1.一种基于手、眼、臂协调操作的机器人抓取物体的控制方法，其中，所述机器人具有机械手、机械臂、机器人外部环境传感器系统、神经网络系统、控制系统；所述控制方法包括如下步骤：(1)通过所述机器人外部环境传感器系统获得物体相关信息；(2)获取用户所输入的对于抓取操作的任务要求；(3)将步骤(1)中所获得的物体相关信息以及步骤(2)中所述任务要求传给神经网络系统，得到握持模式规划、机械臂轨迹规划、抓取力规划；(4)所述控制系统控制机械手和机械臂按所述规划的曲线动作/路径对物体实施动作协调的抓取。2.根据权利要求1的所述控制方法，其特征在于：在所述步骤(1)中，所述物体相关信息包括物理信息和位置信息，所述物理信息又包括物体的形状信息、质量信息；所述位置信息包括位置信息、姿态信息；在所述步骤(2)中，所述任务要求包括稳定性要求、灵巧性要求。3.根据权利要求1或2的所述控制方法，其特征在于：在所述步骤(1)中，所述机器人外部环境传感器系统为双目视觉系统，所述双目视觉系统基于Retinex方法对所采集的物体的图像进行图像增强，以进行所述物体的识别与定位。4.根据权利要求3的所述控制方法，其特征在于：在所述图像增强过程中，通过将入射光照L(x,y)解析出来，由R(x,y)＝S(x,y)/L(x,y)得到所述物体本身的反射光线的属性R(x,y)，从而获得相应的所述物体相关信息；其中，S(x,y)为所采集图像的光照情况；其中，在所述解析的过程中，通过所采集的所述图像中每个像素点与阿基米德螺旋线上的像素点进行比较，进而估计出图像中光照度的变化情况。5.根据权利要求1、2或4的所述控制方法，其特征在于：在所述步骤(3)中，由所述神经网络系统进行所述物体相关信息的分类以进行所述握持模式规划、机械臂轨迹规划、抓取力规划：所述形状信息、姿态信息以及任务要求用于所述神经网络系统中的机械手握持模式规划模块进行机械手的握持模式规划；所述位置信息用于所述神经网络系统中的机械臂轨迹规划模块进行机械臂轨迹规划从而用于调整接近所述物体的距离；所述质量信息用于所述神经网络系统中的抓取力规划模块进行抓取力的规划。6.根据权利要求1、2或4的所述控制方法，其特征在于：在所述握持模式规划、抓取力规划、机械臂轨迹规划过程中，所述神经网络系统依据所述物理信息与内部知识库中锁存物体的信息进行比较、匹配，依照所匹配的所述锁存物体的抓取规划，确定所述握持模式规划、抓取力规划、机械臂轨迹规划。7.根据权利要求1、2或4的所述控制方法，其特征在于：在所述步骤(3)中，所述神经网络系统将抓取操作进行细分以应用于所述握持模式规划以实现抓取操作的柔顺与准确，具体为：将抓取操作分为包络抓取、精密抓取；所述包络抓取又包括平托、包络抓握，所述包络抓握又包括细长棱柱抓握、紧凑圆环抓握、单薄包络抓握；所述细长棱柱抓握又包括强力缠绕；所述精密抓取又包括细长棱柱抓握、紧凑圆环抓握。8.根据权利要求1或2的所述控制方法，其特征在于：在所述步骤(4)中，所述控制系统将所述握持模式规划应用于机械手，将机械臂轨迹规划、抓取力规划应用于机械臂，并且对机械臂采用基于动力学前馈的机械臂运动控制。9.根据权利要求8的所述控制方法，其特征在于：在对基于动力学前馈的机械臂运动控制过程中，所述控制系统采用基于遗忘因子函数的阻抗控制率对机械臂进行控制，通过扩展经典阻抗控制方法中的虚拟弹簧项，对机械臂阻抗控制的平衡位置进行自适应调节，用于降低机械臂移动过程中的内力并减小或避免振动。10.根据权利要求9的所述控制方法，其特征在于：在采用基于遗忘因子函数的所述控制过程中，针对骤停过程采用基于遗忘因子的自适应调整算法函数，将机械臂阻抗控制中虚拟弹簧的平衡位置由期望位置不断向机械臂上一个步长的实际位置而改变；所述遗忘因子函数为： u n + 1 ( t ) = ( 1 - r ( n ) ) u n ( t ) + r ( n ) u 0 ( t ) + [ Γ 1 Γ 2 ...

【专利技术属性】
技术研发人员：蒋志宏，李辉，魏博，莫洋，黄强，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11