【技术实现步骤摘要】
本专利技术涉及充电机械臂控制，尤其涉及一种电动汽车充电机械臂柔顺插接方法及装置。
技术介绍
1、随着新能源电动汽车的普及和市场规模日益增大，电动汽车的自动充电问题逐渐成为研究热点。现阶段对电动汽车的插拔电工作主要依靠人力完成，在一些商业和公共场所、物流和仓储等存在较多电动作业车辆或电动乘用车工作场景下，亟需一种“自动充电机械臂”来完成这些繁复的插拔电工作来提高充电效率，节省设备及管理成本。
2、对于自动充电机械臂而言，柔顺插接存在两个困难，一是车辆充电接口的识别和定位，二是如何实现柔顺插接。通过充电接口点云进行识别定位是一种有效方式，出于成本考虑，机械臂的控制装置的计算性能有限，受限于机械臂的控制装置的计算能力，高精度的点云分析计算过程难以实现，一般是对点云进行将采样，不可避免的在定位时会引入更多的误差，无法直接根据估计的定位结果进行插接控制；另外，电动汽车的充电接口分为直流充电接口和交流充电接口，针对不同类型的汽车，充电接口的规格可能也会有所不同，这给机械臂柔顺插拔带来困难。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题，本专利技术提供一种电动汽车充电机械臂柔顺插接方法及装置。
2、第一方面，本专利技术提供一种电动汽车充电机械臂柔顺插接方法，包括：
3、通过3d相机采集汽车充电接口处的点云，对点云进行降噪滤波、降采样得到稀疏点云；对稀疏点云进行dbscan聚类分割出稀疏点云所包含的各个点云聚类，根据点云聚类的第一复合特征
4、根据目标点云聚类相对充电机械臂坐标系的6d位姿确定初始对接目标位置，使用dijkstra算法进行路径规划，从机械臂的当前位置规划到初始对接目标位置的无碰撞路径，按照规划路径将机械臂移动到汽车充电接口处进行插接；
5、在插接充电头过程中，通过相机采集充电插头和汽车充电接口的对接视频，通过六轴力传感器采集机械臂插接过程中的力参数，利用融合分析对接视频和力参数反馈来生成动作和预期对接结果的强化学习模型来控制插接过程，实现充电机械臂柔顺插接。
6、更进一步的，对稀疏点云进行dbscan聚类分割出稀疏点云所包含的各个点云聚类，根据点云聚类的第一复合特征识别出组成充电接口的目标点云聚类包括：定义每个聚类的最小包含点数，定义每个聚类中一个点的邻域范围；将稀疏点云中所有点初始化为未访问点；
7、遍历该未访问点，对于每个未访问点，如果该未访问点的邻域内的点数大于最小包含点数，则该未访问点为核心点，创建一个新簇，递归的将直接和间接邻域内的点添加到所创建的新簇中，修改状态为被访问；最终输出表示结构的点云聚类；
8、对于每个点云聚类，使用主成分分析方法提取形状特征；计算每个点云聚类的点云数据在三维空间中的最大范围作为尺寸特征；利用点云聚类的点云数据的法线信息、曲率来计算表面特征；将点云聚类的形状特征、尺寸特征和表面特征作为第一复合特征与充电接口模型的相应第一复合特征进行匹配，从全部点云聚类中筛选出组成充电接口的目标点云聚类。
9、更进一步的，利用目标点云聚类和充电接口模型的相应匹配关系得到目标点云聚类相对充电接口模型的目标转换关系包括：
10、对充电接口模型大规模均匀地采样，获取若干采样点；
11、对于每个采样点，找到与其最接近的采样点最邻点；
12、计算采样点和采样点最邻点之间的距离、采样点和采样点最邻点连线投影到充电接口模型坐标系任意两个固定的正交面后投影线与相应两个正交面中非交线的轴的夹角，采样点和采样点最邻点法线之间的角度；通过上述参数构建采样点和采样点最邻点之间的第二复合特征；
13、对于组成充电接口的目标点云聚类，选取全部可能的采样点和采样点最邻点，并计算全部可能的采样点和采样点最邻点的第二复合特征，利用全部可能的采样点和采样点最邻点的第二复合特征从充电接口模型采样点和采样点最邻点第二复合特征的哈希表或存储树中匹配查到充电接口模型中对应的采样点和采样点最邻点；
14、对于目标点云聚类和充电接口模型中相匹配的若干采样点和采样点最邻点，计算两者之间的转换矩阵，从而得到若干限定目标点云聚类和充电接口模型中相匹配的若干采样点和采样点最邻点之间位姿转换关系的转换矩阵，所述转换矩阵包含旋转矩阵和平移矩阵；
15、利用全部转换矩阵对应的旋转角度和平移距离对设定的姿态空间范围内旋转角度和平移距离进行投票，对设定姿态空间范围内的旋转角度和平移距离的投票结果进行meanshift聚类，选取投票数量多的主聚对应的旋转角度和平移距离得到目标点云聚类相对充电接口模型的目标转换矩阵。
16、更进一步的，利用第二复合特征构建哈希表或存储树；所述哈希表以第二复合特征为键，以充电接口模型上对应特征的采样点和采样点最邻点为值；所述存储树包含五层结构，第一层的根节点存储采样点和采样点最邻点之间的距离、第二层树节点和第三层树节点存储采样点和采样点最邻点连线投影到充电接口模型坐标系任意两个固定的正交面后投影线与相应两个正交面中非交线的轴的两个夹角，第四层树节点存储采样点和采样点最邻点法线之间的角度，第五层的叶节点存储对应叶节点所在树节点和根节点存储的第二复合特征的采样点和采样点最邻点。
17、更进一步的，所述强化学习模型包括：基于卷积网络的对接图像特征编码器、softmax层、全连接网络、权重生成网络和基于转置卷积网络的对接图像特征解码器，所述对接图像特征编码器接收通过滑窗逐步切分出的n个对接视频帧组成的当前对接视频帧序列[p1,p2....pn]，所述对接图像特征编码器配合所述softmax层提取当前对接视频帧序列中每个对接视频帧中的注意力点，将提取的注意力点和当前对接视频帧序列中每个对接视频帧对应的力参数、机械臂朝汽车充电接口移动的距离、动作和对应充电接口类型的类型编码输入到所述全连接网络，所述全连接网络得到预测的接下来一个对接视频帧对应的动作和下一对接视频帧序列中每个对接视频帧对应的注意力点，权重生成网络基于下一对接视频帧序列中每个对接视频帧对应的注意力点生成n组权重，每组权重分别与对接图像特征编码器提取的相应对接视频帧特征加权，将加权结果输入到对接图像特征解码器来预测下一对接视频帧序列中每个对接视频帧；所述全连接网络预测的动作提供给充电机械臂执行；其中所述类型编码作为条件，用于使所述全连接网络针对相应类型充电接口进行动作控制。
18、更进一步的，所述全连接网络通过ddqn算法进行训练，初始化两个分别作为主q网络和目标q网络的全连接网络；
19、循环以下过程，直到算法收敛或达到设定的训练轮数：
20、根据当前状态s，使用ε-greedy策略选择动作a；本文档来自技高网...
【技术保护点】
1.一种电动汽车充电机械臂柔顺插接方法，其特征在于，包括：
2.根据权利要求1所述的电动汽车充电机械臂柔顺插接方法，其特征在于，对稀疏点云进行DBSCAN聚类分割出稀疏点云所包含的各个点云聚类，根据点云聚类的第一复合特征识别出组成充电接口的目标点云聚类包括：定义每个聚类的最小包含点数，定义每个聚类中一个点的邻域范围；将稀疏点云中所有点初始化为未访问点；
3.根据权利要求1所述的电动汽车充电机械臂柔顺插接方法，其特征在于，利用目标点云聚类和充电接口模型的第二复合特征的相应匹配关系得到目标点云聚类相对充电接口模型的目标转换关系包括：
4.根据权利要求3所述的电动汽车充电机械臂柔顺插接方法，其特征在于，利用第二复合特征构建哈希表或存储树；所述哈希表以第二复合特征为键，以充电接口模型上对应特征的采样点和采样点最邻点为值；所述存储树包含五层结构，第一层的根节点存储采样点和采样点最邻点之间的距离、第二层树节点和第三层树节点存储采样点和采样点最邻点连线投影到充电接口模型坐标系任意两个固定的正交面后投影线与相应两个正交面中非交线的轴的两个夹角，第四层树节点存储
5.根据权利要求1所述的电动汽车充电机械臂柔顺插接方法，其特征在于，所述强化学习模型包括：基于卷积网络的对接图像特征编码器、Softmax层、全连接网络、权重生成网络和基于转置卷积网络的对接图像特征解码器，所述对接图像特征编码器接收通过滑窗逐步切分出的n个对接视频帧组成的当前对接视频帧序列[P1,P2....Pn]，所述对接图像特征编码器配合所述Softmax层提取当前对接视频帧序列中每个对接视频帧中的注意力点，将提取的注意力点和当前对接视频帧序列中每个对接视频帧对应的力参数、机械臂朝汽车充电接口移动的距离、动作和对应充电接口类型的类型编码输入到所述全连接网络，所述全连接网络得到预测的接下来一个对接视频帧对应的动作和下一对接视频帧序列中每个对接视频帧对应的注意力点，权重生成网络基于下一对接视频帧序列中每个对接视频帧对应的注意力点生成n组权重，每组权重分别与对接图像特征编码器提取的相应对接视频帧特征加权，将加权结果输入到对接图像特征解码器来预测下一对接视频帧序列中每个对接视频帧；所述全连接网络预测的动作提供给充电机械臂执行；其中所述类型编码作为条件，用于使所述全连接网络针对相应类型充电接口进行动作控制。
6.根据权利要求5所述的电动汽车充电机械臂柔顺插接方法，其特征在于，所述全连接网络通过DDQN算法进行训练，初始化两个分别作为主Q网络和目标Q网络的全连接网络；
7.根据权利要求6所述的电动汽车充电机械臂柔顺插接方法，其特征在于，所述损失函数如下：LOSS＝αLoss1+βLoss2+κLoss3；其中，α、β、κ分别为相应的权重系数，Loss1表示预测的接下来一个对接视频帧和真实的接下来一个对接视频帧Pn+1之间的欧式距离，Loss2表示预测的注意力点和真实的注意力点之间的欧式距离均值，Loss3表示主Q网络和目标Q网络计算Q值的均方误差。
8.根据权利要求5所述的电动汽车充电机械臂柔顺插接方法，其特征在于，所述强化学习模型中，对接图像特征编码器、Softmax层、权重生成网络和基于转置卷积网络的对接图像特征解码器遵循如下约束：所述对接图像特征编码器配合所述Softmax层提取当前对接视频帧序列中每个对接视频帧中的注意力点，将提取的注意力点输入到所述权重生成网络生成n组权重，每组权重分别与对接图像特征编码器提取的相应对接视频帧特征加权，将加权结果输入到对接图像特征解码器，还原出当前对接视频帧序列中每个对接视频帧。
9.一种电动汽车充电机械臂柔顺控制装置，其特征在于，包括：至少一处理单元，所述处理单元、存储单元、执行单元和采集单元通过总线单元互联，所述存储单元存储计算机程序，所述计算机程序被所述处理单元执行时，实现如权利要求1-8任一所述的电动汽车充电机械臂柔顺插接方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-8任一项所述的电动汽车充电机械臂柔顺插接方法。
...【技术特征摘要】
1.一种电动汽车充电机械臂柔顺插接方法，其特征在于，包括：
2.根据权利要求1所述的电动汽车充电机械臂柔顺插接方法，其特征在于，对稀疏点云进行dbscan聚类分割出稀疏点云所包含的各个点云聚类，根据点云聚类的第一复合特征识别出组成充电接口的目标点云聚类包括：定义每个聚类的最小包含点数，定义每个聚类中一个点的邻域范围；将稀疏点云中所有点初始化为未访问点；
3.根据权利要求1所述的电动汽车充电机械臂柔顺插接方法，其特征在于，利用目标点云聚类和充电接口模型的第二复合特征的相应匹配关系得到目标点云聚类相对充电接口模型的目标转换关系包括：
4.根据权利要求3所述的电动汽车充电机械臂柔顺插接方法，其特征在于，利用第二复合特征构建哈希表或存储树；所述哈希表以第二复合特征为键，以充电接口模型上对应特征的采样点和采样点最邻点为值；所述存储树包含五层结构，第一层的根节点存储采样点和采样点最邻点之间的距离、第二层树节点和第三层树节点存储采样点和采样点最邻点连线投影到充电接口模型坐标系任意两个固定的正交面后投影线与相应两个正交面中非交线的轴的两个夹角，第四层树节点存储采样点和采样点最邻点法线之间的角度，第五层的叶节点存储对应叶节点所在树节点和根节点存储的第二复合特征的采样点和采样点最邻点。
5.根据权利要求1所述的电动汽车充电机械臂柔顺插接方法，其特征在于，所述强化学习模型包括：基于卷积网络的对接图像特征编码器、softmax层、全连接网络、权重生成网络和基于转置卷积网络的对接图像特征解码器，所述对接图像特征编码器接收通过滑窗逐步切分出的n个对接视频帧组成的当前对接视频帧序列[p1,p2....pn]，所述对接图像特征编码器配合所述softmax层提取当前对接视频帧序列中每个对接视频帧中的注意力点，将提取的注意力点和当前对接视频帧序列中每个对接视频帧对应的力参数、机械臂朝汽车充电接口移动的距离、动作和对应充电接口类型的类型编码输入到所述全连接网络，所述全连接网络得到预测的接下来一个对接视频帧对应的动作和下一对接视频帧序列中每个对接视频帧对应的注意力点，权重生成网络基于下一对接视频帧序列...
【专利技术属性】
技术研发人员：杨会轩，夏倩倩，苏明，于希彬，彭丹丹，王桂斌，颜培粱，段英杰，郑国栋，陈文静，
申请(专利权)人：山东华科信息技术有限公司，
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。