【技术实现步骤摘要】
本专利技术属于机器人，特别涉及一种可形变对象的操作方法、装置、电子设备及存储介质。
技术介绍
1、机器人操作驱动对象发生形变在现代机器人应用中大量存在，而经典机器人学方法处理的是一般为刚体对象，这类对象不发生形变或形变可忽略。
2、一个经典的机器人操作问题是将操作对象从a点移动并放置到b点，在这个过程中目标对象不发生形变或形变可忽略，对象的状态可用其在空间中具有6个自由度的位姿状态进行确定性描述，如(x,y,z,α,β,γ)。而对于一类以驱动对象发生形变为目标的机器人操作应用，对象的状态是空间中的连续体、具有无限个自由度，目前缺乏对这类对象的确定性形变描述和建模方法，这大大限制了机器人在这类场景中的应用。
技术实现思路
1、本说明书实施例的目的是提供一种可形变对象的操作方法、装置、电子设备及存储介质。
2、为解决上述技术问题，本申请实施例通过以下方式实现的：
3、第一方面，本申请提供一种可形变对象的操作方法，该方法包括：
4、获取目标对象的初始状态及材料参数、机器人的操作任务；
5、将目标对象的初始状态及材料参数、机器人的操作任务输入混合建模框架，输出目标对象的对象形变状态，并确定对应时刻机器人状态；
6、其中，混合建模框架包括超网格模型生成模块，用于按照预设周期进行串-并行更新及存储目标对象的状态。
7、在其中一个实施例中，超网格模型生成模块包括体模型、表面模型及特征点模型；体模型、表面模型及特征
8、体模型用于基于物理模型的计算；
9、表面模型用于形变特征输出和处理与环境的碰撞检测；
10、特征点模型用于接收机器人操作交互及特征描述。
11、在其中一个实施例中，超网格模型生成模块更新目标对象的状态，包括：
12、体模型中的任意节点在某时刻状态表述为{qt，vt}，一个普遍接受的假设是：网格中的各个节点的运动满足牛顿第二定律：
13、
14、已知体模型中的任意节点的初始状态为{q0，v0}，根据牛顿-欧拉时间积分方法，建立如下更新规则：
15、qt+1＝qt+hvt+1 (1)
16、vt+1＝vt+hm-1(fint(qt+1)+fext) (2)
17、将(2)中的vt+1代入(1)中，进一步得到，
18、m[qt+1-(qt+hvt+h2m-1fext)]＝h2fint(qt+1) (3)
19、其中，是一个对角的质量矩阵，为节点所受的内部力，为节点所受的外部力，h为上述隐式时间积分的步长；在任意时刻，m和fext是已知的，只要确定即可求解得到qt+1。
20、在其中一个实施例中，混合建模框架还包括快速形变计算模块，用于求解公式(3)，具体为：
21、将公式(3)的求解转化为一个非线性优化问题：
22、
23、其中，s为上一时刻系统的状态；系统的状态包括机器人的状态和目标对象的状态；
24、通过求解上述非线性优化问题求解公式(3)。
25、在其中一个实施例中，求解上述非线性优化问题采用交替方向乘子法，包括：
26、将非线性优化问题按如下优化问题：
27、arg minq，zf(q)+g(z)s.t.aq+bz＝c
28、其中，
29、
30、
31、a＝ws,b＝-w,c＝0
32、进行快速并行求解。
33、在其中一个实施例中，混合建模框架还包括在线特征绑定与参数学习模块，用于作为快速形变计算模块的附加约束，以自动完成误差修正。
34、在其中一个实施例中，在线特征绑定与参数学习模块用于作为快速形变计算模块的附加约束，以自动完成误差修正，包括：
35、1)获取真实操作场景的点云数据和rgb数据，采用视觉重建的方式获得目标对象区域的点云数据；
36、2)以特征点模型中点云数据q为基准，采用体素降采样法对获得的目标对象区域的点云进行尺度统一化预处理，得到包含k个点的点云数据p，并计算点云数据p的快速点特征直方图描述子；
37、3)采用迭代最近点算法对点云数据p和点云数据q做初配准，得到两点云数据间的初配准变换矩阵
38、4)对于点云数据p中的任意一点pi(xi，yi，zi)，i＝1，2，…，k，借助初配准变换矩阵将其转换到点云数据q中的虚拟点p′i(x′i，y′i，z′i)；
39、5)在虚拟点p′i的周围构建一个2×2×2的体素，取每个体素的中心点处的最近点构成候选点，记为qj，j＝1，2，…8，分别计算相应的qj与pi处的快速点特征直方图描述子的f2距离，取最小f2距离的点，记为构成一对特征点对，并计算间的欧氏距离误差ei；
40、6)重复4)-5)，将点云数据p中所有点集绑定到点云数据q中，形成新的表面特征点约束以及对应的误差协方差矩阵，通过最新一次的快速形变计算模块完成形变状态更新。
41、第二方面，本申请提供一种可形变对象的操作装置，该装置包括：
42、获取模块，用于获取目标对象的初始状态及材料参数、机器人的操作任务；
43、处理模块，用于将目标对象的初始状态及材料参数、机器人的操作任务输入混合建模框架，输出目标对象的对象形变状态，并确定对应时刻机器人状态；
44、其中，混合建模框架包括超网格模型生成模块，用于按照预设周期进行串-并行更新及存储目标对象的状态。
45、第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如第一方面的可形变对象的操作方法。
46、第四方面，本申请提供一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的可形变对象的操作方法。
47、由以上本说明书实施例提供的技术方案可见，该方案：提供了一个通用的面向可形变对象机器人操作的建模框架，能够实现“机器人-对象”的联合建模，满足后续机器人操作规划与控制的需求；可以兼顾可形变对象的形变计算的准确性和计算效率，可以及时给出机器人操作驱动下的形变状态计算结果。
本文档来自技高网...【技术保护点】
1.一种可形变对象的操作方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述超网格模型生成模块包括体模型、表面模型及特征点模型；所述体模型、所述表面模型及所述特征点模型间两两相互映射并按照预设周期进行串-并行更新所述目标对象的状态；
3.根据权利要求1所述的方法，其特征在于，所述超网格模型生成模块更新所述目标对象的状态，包括：
4.根据权利要求3所述的方法，其特征在于，所述混合建模框架还包括快速形变计算模块，用于求解公式(3)，具体为：
5.根据权利要求4所述的方法，其特征在于，求解上述非线性优化问题采用交替方向乘子法，包括：
6.根据权利要求4所述的方法，其特征在于，所述混合建模框架还包括在线特征绑定与参数学习模块，用于作为所述快速形变计算模块的附加约束，以自动完成误差修正。
7.根据权利要求6所述的方法，其特征在于，所述在线特征绑定与参数学习模块用于作为所述快速形变计算模块的附加约束，以自动完成误差修正，包括：
8.一种可形变对象的操作装置，其特征在于，所述装置包括
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的可形变对象的操作方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的可形变对象的操作方法。
...【技术特征摘要】
1.一种可形变对象的操作方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述超网格模型生成模块包括体模型、表面模型及特征点模型；所述体模型、所述表面模型及所述特征点模型间两两相互映射并按照预设周期进行串-并行更新所述目标对象的状态；
3.根据权利要求1所述的方法，其特征在于，所述超网格模型生成模块更新所述目标对象的状态，包括：
4.根据权利要求3所述的方法，其特征在于，所述混合建模框架还包括快速形变计算模块，用于求解公式(3)，具体为：
5.根据权利要求4所述的方法，其特征在于，求解上述非线性优化问题采用交替方向乘子法，包括：
6.根据权利要求4所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：夏泽洋，邓豪，熊璟，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。