[發明專利]一種機械臂運動規劃群體智能計算方法

有效

• 申請號: 201810068243.7
• 申請日: 2018-01-24
• 公開（公告）號: CN108196453B
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 劉輝;黃家豪;李燕飛
• 申請（專利權）人: 中南大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

本發明公開了一種機械臂運動規劃群體智能計算方法，包括以下步驟：步驟1：構建機械臂所在工作空間的三維坐標系；步驟2：構建基于模糊神經網絡的待抓取物體目標識別模型；步驟3：構建基于極限學習機的機械臂抓取最優路徑模型；步驟4：實時采集待抓取物體目標圖像識別物體類別；步驟5；基于物體類別確定物體重心，求得抓取終點坐標，獲取機械臂抓取最優路徑，驅動機械臂抓取物體；該方法采用智能算法計算得到機械臂抓取目標物體一條無碰撞、動力學特性滿足裕度要求、軌跡長度和運動時間較短的理想軌跡，大大提高了生產效率，同時節約了人員成本，給工廠帶來收益。

技術領域

本發明屬于機械臂控制計算領域，特別涉及一種機械臂運動規劃群體智能計算方法。

背景技術

隨著“中國制造2025”的來臨，智能機器人如機械手，AGV，無人機等將在制造環境下承擔越來越多的工作。現有機械臂可由示教器、上位機控制，示教器控制是在示教器上通過操縱桿和按鈕對機械臂的各關節進行控制，再完成既定工況后將程序儲存；上位機控制是在上位機中進行編程，可完成既定工況循環。上述兩種機械臂控制方法都只能完成固定工況的循環，無法應對工況的變化，針對現有機械臂操作通過監控裝置操作機械臂視野受限，操作者在整個控制過程中極易產生難以承受的生物學疲勞，造成失誤發生安全事故，為此，機械臂的自動識別和抓取物體路徑設計是解決機械臂控制難題的一大突破。

發明內容

本發明提出了一種機械臂運動規劃群體智能計算方法，該方法使機械臂通過外置攝像頭建立笛卡爾坐標系獲取目標物體圖像并識別目標物體，通過機器學習模型獲取抓取目標物體最優運動路徑，并對障礙物進行判斷，生成避障路徑。

一種機械臂運動規劃群體智能計算方法方法，包括以下步驟：

步驟1：構建機械臂所在工作空間的三維坐標系；

利用圖像采集區域覆蓋機械臂抓取目標物體的整個工作空間的雙目ZED相機的左右攝像頭連線中點作為原點，以雙目ZED右攝像頭中心到雙目ZED左攝像頭中心連線為y軸正向，根據右手定則建立機械臂工作空間的三維立體坐標系；

步驟2：構建基于模糊神經網絡的待抓取物體目標識別模型；

以每幅待抓取物體目標圖像的中間像素累加值和對應的物體類別分別作為輸入和輸出數據，對模糊神經網絡進行訓練，得到基于模糊神經網絡的待抓取物體目標識別模型；

所述待抓取物體目標圖像的中間像素累加值的獲取過程如下：

利用步驟1中用于構建三維立體坐標系的雙目ZED采集各類待抓取物體目標圖像在各種位姿下的圖像；對待抓取物體目標圖像依次進行去噪、位置變換、灰度處理和邊緣檢測；提取經過邊緣檢測后的圖像的大小為200×200的正中間區域，將所提取區域中所有像素的灰度值進行累加得到中間像素累加值；

對采集到的目標圖像使用圖像平滑法去除噪聲，然后進行幾何預處理，由于所有圖的背景均相同，將圖像中的物體變換到統一中央位置，然后進行灰度化處理，再使用Laplacian算子進行邊緣檢測；

步驟3：構建基于極限學習機的機械臂抓取最優路徑模型；

利用機械臂抓取各類待抓取物體，獲得抓取路徑樣本，以抓取路徑樣本中的機械臂起點、終點位置坐標和運動旋轉角度矩陣分別作為輸入和輸出數據，以各關節的旋轉角度總和最小為目標函數，對極限學習機進行訓練，獲得基于極限學習機的機械臂抓取最優路徑模型；

所述抓取路徑樣本包括機械臂末端在步驟1構建的三維坐標系中，抓取起點和抓取終點位置坐標，以及機械臂各關節的運動旋轉角度矩陣，所述運動旋轉角度矩陣的行數和列數分別為機械臂轉動關節個數和抓取物體過程中的動作次數；

步驟4：實時采集待抓取物體目標圖像識別物體類別；