[發明專利]機器人平行板夾具與目標物體之間最佳接觸線檢測方法

在審

• 申請號: 201910403247.0
• 申請日: 2019-05-15
• 公開（公告）號: CN110264441A
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 陳國華;王耀增;張愛軍
• 申請（專利權）人: 北京化工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

機器人平行板夾具與目標物體之間最佳接觸線檢測方法，涉及智能機器人視覺領域。此方法包括：(1)獲取目標物體深度圖像；(2)對深度圖像進行卷積濾波；(3)進行二維卷積來進行物體梯度的計算；(4)對梯度的幅值以及梯度的方向進行計算；(5)將梯度方向利用直方圖進行排列和統計并選取主要方向角；(6)跟蹤梯度圖像的輪廓線，從而確定輪廓線的長度；(7)去除超出規定閾值的輪廓線；(8)對接觸線對的抓取穩定性進行考核；(9)選取可靠性得分最高的接觸線對作為最佳抓取位置；(10)抓取可靠度大于閾值的抓取位置，如果有多個抓取位置選擇得分最高的。本發明解決了對機器人平行板夾具與目標物體之間最佳接觸線準確高效檢測的問題。

技術領域

本發明涉及智能機器人視覺技術領域，尤其涉及一種基于深度圖像的平行板夾具與目標物體之間最佳接觸線檢測方法。

背景技術

機器人視覺智能抓取在機器人領域當中目前是一個熱門的研究方向，機器視覺在工業中的應用隨著當前工業自動化智能化不斷地提升應用也越來越廣泛。

當前許多機器人是利用RGB攝像頭來獲取場景以及目標物體數據，之后利用圖像處理來將目標物體的抓取位置提取出來。

當前目標物體抓取位置的提取方法主要是通過圖像處理技術來得到特征點，比如SIFT、SURF、PFH、FPFH、Harris等。

如果利用目前的方式來提取出物體的抓取位置，我們得遍歷各種方向來選擇與檢測特征，這樣會影響目標物體接觸位置的檢測效率，所以將抓取位置的檢測精確提取并加快速度是個重要的課題。

發明內容

本發明所要解決的問題是對機器人平行板夾具與目標物體之間最佳接觸線準確高效的檢測方法。不僅利用了平行板夾具以及目標物體本身的深度特征信息而且在穩定性方面進行了分析。

為了解決上述問題，本專利提供了基于深度圖像視覺的最佳接觸線提取方法，所述方法包括：

步驟1：獲取目標物體深度圖像；

步驟2：遍歷對深度圖像的像素來進行卷積濾波；

步驟3：利用x方向與y方向的兩個卷積核對深度圖像進行二維卷積來進行深度圖像當中梯度的計算；

步驟4：計算每個梯度的幅值還有梯度的方向；

步驟5：將所有梯度方向借助直方圖進行排列和統計并選取單個bin之中數量最多的5個角度作為物體的主要方向角度，在這里每5度劃為一個bin；

步驟6：使用八鄰域對梯度圖像的輪廓線進行跟蹤，最后確定好輪廓線的長度；

步驟7：確定好輪廓線之后尋找深度圖像對應的的像素位置計算深度，同時將該輪廓線的淺點作為基礎，如果輪廓上的某個點與該點的深度差值超出根據實際末端執行器抓手的內部深度D,把這個D設為閾值D_Thresh,那么把該點從輪廓線當中去除，同時根據三個標準來對接觸線進行篩選并根據實際抓手的幾何性質增加篩選接觸線的條件；

步驟8：對所有接觸線組合情況各自的抓取穩定性進行分析；

步驟9：計算出所有接觸線對的抓取可靠度得分并從中選取最高分數的抓取接觸線對作為抓取的位置；

步驟10：根據Cornell grasping dataset數據集每幅圖上的最佳抓取位置得到可靠性閾值，最后可靠性閾值被確定為G_Thresh＝0.7。抓取可靠性超出該閾值的話可以確定這是合理的抓取位置，如果超過閾值的接觸線對有多組我們選擇其中得分最高的。

更進一步地，步驟4每個梯度的幅值還有梯度的方向的具體步驟如下：

對深度圖像計算完梯度值后，利用下列兩個公式計算每個梯度的幅值還有梯度的方向：