一种工业机器人的自动修正打磨方法及系统技术方案

本申请涉及机器人控制技术的技术领域，尤其是涉及一种工业机器人的自动修正打磨方法及系统,包括以下步骤：获取参照物的全角度模板，提取每一模板的特征信息，获取待打磨对象的图像信息并提取特征信息；将每一模板与待打磨对象的图像进行特征匹配，若判断某一角度的模板与目标物匹配，则表明识别成功，将该角度的模板定为最优识别模板；获取最优识别模板的特征点和待打磨对象的实际特征点，并计算两者的偏差；基于ICP算法对最优识别模板的偏差进行修正，得到修正模板；根据修正后得到的修正模板的特征点形成抛光打磨轨迹，对待打磨对象进行抛光打磨；本发明专利技术能够修正打磨轨迹，具有抛光打磨的位置更精确的效果。抛光打磨的位置更精确的效果。抛光打磨的位置更精确的效果。

【技术实现步骤摘要】
一种工业机器人的自动修正打磨方法及系统


[0001]本专利技术涉及机器人控制技术的
，特别是一种工业机器人的自动修正打磨方法及系统。

技术介绍

[0002]在现有生产过程中，针对不同类型的物体执行抛光打磨的工序时，需先对物体的轮廓进行识别，在确认是待打磨目标后，再执行对应的打磨操作；现有技术中，对多个物体进行识别的方式多采用识别模板进行识别，但识别模板通常只具备一个或两个，当待识别的对象的角度发生偏移时，只用一两个模板进行识别会出现因待识别对象的角度与识别模板的角度匹配不上的问题，从而导致发生这一两个识别模板无法识别目标物或识别出错的情况，使得本应执行打磨操作的对象因识别出错而无法被打磨。
[0003]进一步的，因为最优识别模板与实际的待打磨对象之间还存在一定的位置偏差，当机械臂在基于最优识别模板的特征点进行操作时，会导致机械臂无法精准对接物体上的实际特征点，会在打磨过程中出现操作失败或操作不稳固的情况。

技术实现思路

[0004]针对上述缺陷，本专利技术的目的在于提出一种工业机器人的自动修正打磨方法及系统，能够修正打磨轨迹，使得修正后的打磨轨迹可以精确地对准实际需打磨的位置，具有抛光打磨的位置更精确的效果。
[0005]为达此目的，本专利技术采用以下技术方案：
[0006]一种工业机器人的自动修正打磨方法，包括以下步骤：
[0007]步骤S1：获取参照物的全角度模板，提取每一模板的特征信息，获取待打磨对象的图像信息并提取特征信息；
[0008]步骤S2：将每一模板与待打磨对象的图像进行特征匹配，若判断某一角度的模板与目标物匹配，则表明识别成功，将该角度的模板定为最优识别模板；
[0009]步骤S3：获取最优识别模板的特征点和待打磨对象的实际特征点；计算最优识别模板的特征点与待打磨对象的实际特征点的偏差；
[0010]步骤S4：基于ICP算法对最优识别模板的偏差进行修正，得到修正模板；
[0011]步骤S5：根据修正后得到的修正模板的特征点形成抛光打磨轨迹，根据抛光打磨轨迹对待打磨对象进行抛光打磨。
[0012]优选的，步骤S1中，获取参照物的全角度模板并提取每一模板的特征信息，包括以下步骤：
[0013]步骤S11：获取参照物的多个角度的图像作为模板；
[0014]步骤S12：对每一个所述模板进行第一层金字塔梯度量化以及第二层金字塔梯度量化，得到对应每一个模板的角度图像矩阵，并将角度图像矩阵转换成梯度幅值图像矩阵；
[0015]步骤S13：设定梯度幅值阈值，对梯度幅值图像矩阵进行遍历，找出梯度幅值图像
矩阵中的最大梯度幅值的像素点，判断最大梯度幅值的像素点的梯度幅值是否大于梯度幅值阈值，若是，则将该像素点标记为识别特征；
[0016]步骤S14：设定数量阈值，获取所有识别特征的数量，判断所有识别特征的数量是否大于数量阈值，若是，则将所有识别特征加入到特征点集合中并保存至存储器。
[0017]优选的，在步骤S2中，将每一模板与目标物的图像进行特征匹配，包括以下步骤：设定阈值，根据模板的特征信息和目标物的图像的特征信息，将目标物的图像的特征与上述每个模板的特征进行特征匹配，并进行分数计算，当某一模板的分数达到阈值时，则该模板与当前的目标物相互匹配，该模板为最优识别模板，当前的目标物为待打磨对象。
[0018]优选的，在步骤S3中，获取待打磨对象的实际特征点，计算最优识别模板的特征点与待打磨对象的实际特征点的偏差，包括以下步骤：
[0019]步骤S31：以提取亚像素点集的方式将待打磨对象的边缘从待打磨对象的图像信息中进行提取出来，得到目标边框；
[0020]步骤S32：按照比例将目标边框上的识别特征以及其余识别特征组合成第一识别点，根据第一识别点找出最优识别模板上与第一识别点对应的第二识别点；
[0021]步骤S33：获取所有第一识别点和对应的第二识别点之间的距离，判断所有第一识别点和其对应的第二识别点之间的距离是否大于距离阈值，若满足，则获取满足距离阈值的第一识别点的数量，并判断数量是否满足第一数量阈值，若不满足，则对偏差进行修正。
[0022]优选的，在步骤S4中，基于ICP算法对最优识别模板的偏差进行修正，包括以下步骤：
[0023]步骤S41：设置变化矩阵，将第一识别点与第二识别点代入至变化矩阵中，进行修正最优识别模板的位姿；
[0024]步骤S42：每一次修正过程均对应一个当前模板图和当前变化矩阵，获取当前模板图的位姿的修改次数，获取所有第一识别点与第二识别点之间的距离，判断修正后的当前模板图上满足距离阈值的第二识别点数量和修正次数；
[0025]步骤S43：当满足距离阈值的第二识别点数量小于第二数量阈值且修正次数小于次数阈值时，则使用上一次变化矩阵对当前变化矩阵进行更新，继续发出修正指令，对模板图继续修正，直到满足距离阈值的第二识别点数量大于第二数量阈值或模板图修正次数等于次数阈值。
[0026]优选的，在步骤S5中，根据修正后得到的修正模板的特征点形成抛光打磨轨迹，根据抛光打磨轨迹对待打磨对象进行抛光打磨，具体包括如下步骤：
[0027]两个抓取机械臂从起点运动到指定位置，将目标物抓起，再把目标物搬运到设定的打磨工位，打磨机械臂按照抛光打磨轨迹开始打磨目标物，打磨完一个面后，两个所述抓取机械臂调整目标物的姿态，打磨机械臂再打磨另一个面，最后将目标物送回指定位置，两个抓取机械臂和打磨机械臂回到初始位置，单周期打磨完成。
[0028]优选的，根据抛光打磨轨迹对待打磨对象进行抛光打磨，还包括在抛光打磨过程中对机械臂的打磨力进行恒力柔顺控制，具体包括以下步骤：
[0029]步骤1：给定目标物的参考位置、期望抓取内力和期望打磨力；
[0030]步骤2：对两个抓取机械臂协作所形成的闭链进行位置分解，将目标物的参考位置分解为两个抓取机械臂末端的期望位置；
[0031]步骤3：通过力传感器获取两个抓取机械臂末端对目标物的作用力信号，对该作用力信号进行卡尔曼滤波处理，将卡尔曼滤波处理后的作用力信号进行分解，得到真实内力和真实外力；通过力传感器获取打磨机械臂末端对目标物的作用力信号，对该作用力信号进行卡尔曼滤波处理；
[0032]步骤4：建立动态自适应阻抗控制方程，根据打磨机械臂末端对目标物的真实作用力和期望打磨力得到打磨机械臂末端的位置补偿，以修正打磨机械臂的末端位置，保持恒定的打磨力大小。
[0033]一种工业机器人的自动修正打磨系统，包括模板制作模块、图像采集模块、图像识别模块、修正模块和抛光打磨模块；
[0034]所述模板制作模块用于以参照物为对象制作全角度模板；
[0035]所述图像采集模块用于采集并获取目标物的图像信息；
[0036]所述图像识别模块用于接收由模板制作模块输入的各个模板，提取每个模板的特征信息，接收由图像采集模块输入的目标物的图像信息，提取目标物图像的特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业机器人的自动修正打磨方法，其特征在于：包括以下步骤：步骤S1：获取参照物的全角度模板，提取每一模板的特征信息，获取待打磨对象的图像信息并提取特征信息；步骤S2：将每一模板与待打磨对象的图像进行特征匹配，若判断某一角度的模板与目标物匹配，则表明识别成功，将该角度的模板定为最优识别模板；步骤S3：获取最优识别模板的特征点和待打磨对象的实际特征点；计算最优识别模板的特征点与待打磨对象的实际特征点的偏差；步骤S4：基于ICP算法对最优识别模板的偏差进行修正，得到修正模板；步骤S5：根据修正后得到的修正模板的特征点形成抛光打磨轨迹，根据抛光打磨轨迹对待打磨对象进行抛光打磨。2.根据权利要求1所述的一种工业机器人的自动修正打磨方法，其特征在于：步骤S1中，获取参照物的全角度模板并提取每一模板的特征信息，包括以下步骤：步骤S11：获取参照物的多个角度的图像作为模板；步骤S12：对每一个所述模板进行第一层金字塔梯度量化以及第二层金字塔梯度量化，得到对应每一个模板的角度图像矩阵，并将角度图像矩阵转换成梯度幅值图像矩阵；步骤S13：设定梯度幅值阈值，对梯度幅值图像矩阵进行遍历，找出梯度幅值图像矩阵中的最大梯度幅值的像素点，判断最大梯度幅值的像素点的梯度幅值是否大于梯度幅值阈值，若是，则将该像素点标记为识别特征；步骤S14：设定数量阈值，获取所有识别特征的数量，判断所有识别特征的数量是否大于数量阈值，若是，则将所有识别特征加入到特征点集合中并保存至存储器。3.根据权利要求2所述的一种工业机器人的自动修正打磨方法，其特征在于：在步骤S2中，将每一模板与目标物的图像进行特征匹配，包括以下步骤：设定阈值，根据模板的特征信息和目标物的图像的特征信息，将目标物的图像的特征与上述每个模板的特征进行特征匹配，并进行分数计算，当某一模板的分数达到阈值时，则该模板与当前的目标物相互匹配，该模板为最优识别模板，当前的目标物为待打磨对象。4.根据权利要求1所述的一种工业机器人的自动修正打磨方法，其特征在于：在步骤S3中，获取待打磨对象的实际特征点，计算最优识别模板的特征点与待打磨对象的实际特征点的偏差，包括以下步骤：步骤S31：以提取亚像素点集的方式将待打磨对象的边缘从待打磨对象的图像信息中进行提取出来，得到目标边框；步骤S32：按照比例将目标边框上的识别特征以及其余识别特征组合成第一识别点，根据第一识别点找出最优识别模板上与第一识别点对应的第二识别点；步骤S33：获取所有第一识别点和对应的第二识别点之间的距离，判断所有第一识别点和其对应的第二识别点之间的距离是否大于距离阈值，若满足，则获取满足距离阈值的第一识别点的数量，并判断数量是否满足第一数量阈值，若不满足，则对偏差进行修正。5.根据权利要求4所述的一种工业机器人的自动修正打磨方法，其特征在于：在步骤S4中，基于ICP算法对最优识别模板的偏差进行修正，包括以下步骤：步骤S41：设置变化矩阵，将第一识别点与第二识别点代入至变化矩阵中，进行修正最优识别模板的位姿；
步骤S42：每一次修正过程均对应一个当前模板图和当前变化矩阵，获取当前模板图的位姿的修改次数，获取所有第一识别点与第二识别点之间的距离，判断修正后的当前模板图上满足距离阈值的第二识别点数量和修正次数；步骤S43：当满足距离阈值的第二识别点数量小于第二数量阈值且修正次数小于次数阈值时，则使用上一次变化矩阵对当前变化矩阵进行更新，继续发出修正指令，对模板图继续修正，直到满足距离阈值的第二识别点数量大于第二数量阈值或模板图修正次数等于次数阈值。6.根据权利要求1所述的一种工业机器人的自动修正打磨方法，其特征在于：在步...

【专利技术属性】
技术研发人员：龙腾发，吴志诚，雷勤，
申请(专利权)人：广东天太机器人有限公司，
类型：发明
国别省市：