一种基于大数据深度学习的机械臂智能控制系统技术方案

本发明专利技术公开了一种基于大数据深度学习的机械臂智能控制系统，包括图像采集模块、点云建立模块、坐标系生成模块、图像识别模块、网络连接模块、数据库模块、神经网络控制模块、抓取姿势确定模块、机械臂驱动模块、自适应学习模块和转换模块。本发明专利技术通过图像采集模块配合点云建立模块将画面信息和点云信息传递至图像识别模块内，通过图像识别模块进行画面识别，并最终将结果向神经网络控制模块输出，通过神经网络控制模块采用BO神经网络模块配合抓取姿势确定模块和机械臂驱动模块驱动机械臂实现物体抓取操作，并通过自适应学习模块提供可行标准和指标，使得机械臂可以自行学习，从而实现了可自主深度学习的目的，同时增强了机械臂的灵活性。臂的灵活性。

【技术实现步骤摘要】
一种基于大数据深度学习的机械臂智能控制系统


[0001]本专利技术涉及机械臂控制
，具体为一种基于大数据深度学习的机械臂智能控制系统。

技术介绍

[0002]现代工业生产中广泛应用机械手去完成特定的任务，如抓取、搬运和分拣。它们代替人完成繁重且反复的工作任务，能在有害环境下操作以保护人身安全，实现生产的机械化和自动化，极大地解放了生产力，提高了生产效率。
[0003]但是现有技术在实际使用时，机器人视觉抓取任务中抓取目标位姿的确定一般是通过人工标记进行的，这样虽然大大提高了图像处理过程的速度，但很难应用于类似家庭、安保、物流等非结构化环境中机械臂自主抓取。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据深度学习的机械臂智能控制系统，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：包括图像采集模块、点云建立模块、坐标系生成模块、图像识别模块、网络连接模块、数据库模块、神经网络控制模块、抓取姿势确定模块、机械臂驱动模块、自适应学习模块和转换模块，所述图像采集模块和点云建立模块的输出端均分别与坐标系生成模块和图像识别模块的输入端连接，所述坐标系生成模块的输出端与转换模块的输入端连接，所述转换模块的输出端与图像识别模块的输入端连接，所述网络连接模块的连接端分别与图像识别模块、数据库模块、神经网络控制模块和自适应学习模块的连接端双向连接，所述图像识别模块的输出端与神经网络控制模块的输入端连接，所述神经网络控制模块的输出端与抓取姿势确定模块的输入端连接，所述机械臂驱动模块的输入端分别与抓取姿势确定模块和自适应学习模块的输出端连接，所述图像识别模块包括特征提取模块、图像分割模块、图像分类模块、目标识别模块和预处理模块，所述预处理模块的输出端与特征提取模块的输入端连接，所述特征提取模块的输出端与图像分割模块的输入端连接，所述图像分割模块的输出端与图像分类模块的输入端连接，所述图像分类模块的输出端与目标识别模块的输入端连接。
[0006]优选的，所述图像采集模块包括但不限于相机和补光灯，且图像采集模块用于获取画面信息，所述点云建立模块包括但不限于激光扫描仪，且点云建立模块用于获取位置点云数据。
[0007]优选的，所述坐标系生成模块用于以图像采集模块中相机为原点建立三维坐标系，且坐标系生成模块包括固定在机械臂上的坐标系标定板。
[0008]优选的，所述预处理模块用于对传递来的数据进行滤波去噪处理，所述特征提取模块用于基于区域分割的方法将画面信息分割成若干个子区域。
[0009]优选的，所述图像分割模块用于根据全局特征和局部特征对图像进行特征提取，
其中所述全局特征包括但不限于颜色特征、形状特征和纹理特征，所述局部特征包括角点特征和斑点特征。
[0010]优选的，所述图像分类模块用于采用人工神经算法对图像进行分类，所述目标识别模块包括图像字符识别模块和图像物体识别模块，所述图像字符识别模块用于识别图像中的字母、数字和文字符号，所述图像物体识别模块用于对图像中的物体进行分类与检测。
[0011]优选的，所述神经网络控制模块用于采用BP神经网络控制抓取姿势确定模块工作，所述抓取姿势确定模块用于确定机械手臂夹持的姿势，所述机械臂驱动模块用于控制机械手臂，所述自适应学习模块用于通过多次监督学习、半监督学习以及非监督学习过程使机械臂可自主学习，所述转换模块用于将坐标系生成模块建立的以相机为原点的坐标系通过计算转换成以机械臂固定点为原点的坐标系。
[0012]优选的，所述转换模块的输出端连接有自检模块，所述自检模块的连接端与图像识别模块的连接端双向连接。
[0013]与现有技术相比，本专利技术的有益效果是：
[0014]1、本专利技术通过图像采集模块配合点云建立模块将画面信息和点云信息传递至图像识别模块内，通过图像识别模块进行画面识别并最终将结果向神经网络控制模块输出，通过神经网络控制模块采用BO神经网络模块配合抓取姿势确定模块和机械臂驱动模块驱动机械臂实现物体抓取操作，并通过自适应学习模块提供可行标准和指标，使得机械臂可以以此为标准和指标自行学习，从而实现了可自主深度学习的目的，同时增强了机械臂的灵活性；
[0015]2、本专利技术同时还通过图像采集模块中相机对机械臂的图像采集，以及点云建立模块中采集的机械臂表面的点云数据形成机械臂的三维移动向量坐标，并对机械臂的移动进行持续监督，使得当机械臂两两关节之间会产生轻微的应力形变，轻微的应力形变会导致机械手在运动过程中产生轻微的位置偏差时，可以被快速得知并对机械臂进行重新校准，从而避免机械臂在持续运动过程中会不断累积轻微的位置偏差，最终形成较大的位置偏差而不能被忽略，从而导致机械手不能精确地工作。
附图说明
[0016]图1为本专利技术一种基于大数据深度学习的机械臂智能控制系统整体结构系统控制框图；
[0017]图2为本专利技术一种基于大数据深度学习的机械臂智能控制系统整体图像识别模块系统框图；
[0018]图3为本专利技术一种基于大数据深度学习的机械臂智能控制系统相机坐标系示意图；
[0019]图4为本专利技术一种基于大数据深度学习的机械臂智能控制系统机械臂固定点坐标系示意图。
[0020]图中：1、图像采集模块；2、点云建立模块；3、坐标系生成模块；4、图像识别模块；41、特征提取模块；42、图像分割模块；43、图像分类模块；44、目标识别模块；441、图像字符识别模块；442、图像物体识别模块；45、预处理模块；5、网络连接模块；6、数据库模块；7、神经网络控制模块；8、抓取姿势确定模块；9、机械臂驱动模块；10、自适应学习模块；11、转换
模块；12、自检模块。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0022]请参阅图1
‑
4，本专利技术提供一种技术方案：包括图像采集模块1、点云建立模块2、坐标系生成模块3、图像识别模块4、网络连接模块5、数据库模块6、神经网络控制模块7、抓取姿势确定模块8、机械臂驱动模块9、自适应学习模块10和转换模块11，图像采集模块1和点云建立模块2的输出端均分别与坐标系生成模块3和图像识别模块4的输入端连接，坐标系生成模块3的输出端与转换模块11的输入端连接，转换模块11的输出端与图像识别模块4的输入端连接，网络连接模块5的连接端分别与图像识别模块4、数据库模块6、神经网络控制模块7和自适应学习模块10的连接端双向连接，图像识别模块4的输出端与神经网络控制模块7的输入端连接，神经网络控制模块7的输出端与抓取姿势确定模块8的输入端连接，机械臂驱动模块9的输入端分别与抓取姿势确定模块8和自适应学习模块10的输出端连接，图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据深度学习的机械臂智能控制系统，其特征在于：包括图像采集模块(1)、点云建立模块(2)、坐标系生成模块(3)、图像识别模块(4)、网络连接模块(5)、数据库模块(6)、神经网络控制模块(7)、抓取姿势确定模块(8)、机械臂驱动模块(9)、自适应学习模块(10)和转换模块(11)，所述图像采集模块(1)和点云建立模块(2)的输出端均分别与坐标系生成模块(3)和图像识别模块(4)的输入端连接，所述坐标系生成模块(3)的输出端与转换模块(11)的输入端连接，所述转换模块(11)的输出端与图像识别模块(4)的输入端连接，所述网络连接模块(5)的连接端分别与图像识别模块(4)、数据库模块(6)、神经网络控制模块(7)和自适应学习模块(10)的连接端双向连接，所述图像识别模块(4)的输出端与神经网络控制模块(7)的输入端连接，所述神经网络控制模块(7)的输出端与抓取姿势确定模块(8)的输入端连接，所述机械臂驱动模块(9)的输入端分别与抓取姿势确定模块(8)和自适应学习模块(10)的输出端连接，所述图像识别模块(4)包括特征提取模块(41)、图像分割模块(42)、图像分类模块(43)、目标识别模块(44)和预处理模块(45)，所述预处理模块(45)的输出端与特征提取模块(41)的输入端连接，所述特征提取模块(41)的输出端与图像分割模块(42)的输入端连接，所述图像分割模块(42)的输出端与图像分类模块(43)的输入端连接，所述图像分类模块(43)的输出端与目标识别模块(44)的输入端连接。2.根据权利要求1所述的一种基于大数据深度学习的机械臂智能控制系统，其特征在于：所述图像采集模块(1)包括但不限于相机和补光灯，且图像采集模块(1)用于获取画面信息，所述点云建立模块(2)包括但不限于激光扫描仪，且点云建立模块(2)用于获取位置点云数据。3.根据权利要求1所述的一种基于大数据深度学习的机械臂智能控制系统，其特征...

【专利技术属性】
技术研发人员：王燕清，
申请(专利权)人：南京晓庄学院，
类型：发明
国别省市：