[發明專利]基于無手眼標定的抓取學習控制方法、系統、機器人及介質

有效

• 申請號: 201911296308.4
• 申請日: 2019-12-16
• 公開（公告）號: CN111015676B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 歐勇盛;請求不公布姓名;李紀慶;徐升;王志揚;熊榮;陳凱;金少堃;彭遠哲;吳新宇
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: B25J9/22
• 分類號: B25J9/22;B25J9/16
• 代理公司: 深圳市銘粵知識產權代理有限公司 44304
• 代理人: 孫偉峰;吳曉青

本發明公開了一種基于無手眼標定的抓取學習控制方法，包括：獲取機器人完成示教任務過程中的運動數據的樣本；利用采樣樣本進行學習，獲得期望像素坐標以及像素偏差與機械臂末端速度的變換關系矩陣；獲取機器人當前末端位姿和當前像素坐標，結合期望像素坐標以及像素偏差與機械臂末端速度的變換關系矩陣，生成機械臂末端速度控制數據以用于控制機器人完成抓取任務。本發明還公開了一種基于無手眼標定的抓取學習控制系統。本發明還公開了一種采用上述基于無手眼標定的抓取學習控制系統的機器人。本發明也公開了一種計算機可讀存儲介質。本發明的基于無手眼標定的抓取學習控制方法，示教方便、結構簡單、無需標定且適應能力強，具有較強的應用前景。

技術領域

本發明涉及機器人伺服圖像控制領域，具體地，涉及一種基于無手眼標定的抓取學習控制方法、系統、機器人及介質。

背景技術

隨著機器人技術的發展，機器人越來越多的融入到人類的生活和工作中，代替人類完成各種作業。在現階段的機器人的應用中，尤其是工業應用中，在機器人上部署視覺系統，對機器人的手眼關系進行精準校準是非常重要的一步。但是進行手眼標定需要耗費大量的時間，并且如果機器人和相機的相對位置發生偏差，機器人的作業任務將可能出現失敗，更嚴重的會導致事故發生。為了消除手眼位置偏差帶來的不利影響，機器人的部署和維護需要專業人士進行大量的工作。在小批量多品種生產線中，維護和部署時的停工停線使得生產線的使用非常繁瑣且導致生產效率低下。如果能降低機器人部署和維護的門檻和時間，將給機器人的廣泛應用和普及帶來極大的促進作用。

發明內容

為解決上述現有技術存在的問題，本發明提供了一種基于無手眼標定的抓取學習控制方法、系統、機器人及介質。

為了達到上述發明目的，本發明采用了如下的技術方案：

根據本發明的一方面，提供了一種基于無手眼標定的抓取學習控制方法，所述抓取學習控制方法包括：

獲取機器人完成示教任務過程中的運動數據的采樣樣本；

利用所述采樣樣本進行學習，獲得期望像素坐標以及像素偏差與機械臂末端速度的變換關系矩陣；

獲取機器人當前末端位姿和待抓取物體的當前像素坐標，結合所述期望像素坐標以及所述像素偏差與機械臂末端速度的變換關系矩陣，生成機械臂末端速度控制數據以用于控制機器人完成抓取任務。

進一步地，所述利用所述采樣樣本進行學習，獲得期望像素坐標以及像素偏差與機械臂末端速度的變換關系矩陣的方法包括：

利用所述采樣樣本進行學習，通過數據驅動方法對所述采樣樣本進行建模，獲得所建模型中抓取成功概率最大的像素坐標作為期望像素坐標；

利用所述采樣樣本和所述期望像素坐標，通過多層超限學習機對所述采樣樣本進行建模，從而獲得像素偏差與機械臂末端速度的變換關系矩陣。

進一步地，所述利用所述采樣樣本進行學習，通過數據驅動方法對所述采樣樣本進行建模，獲得所建模型中抓取成功概率最大的像素坐標作為期望像素坐標的方法包括：

用高斯混合模型對所述采樣樣本中成功抓取的概率密度構建概率密度模型；

獲取使所述概率密度模型的成功抓取的概率最高的像素坐標作為期望像素坐標。

進一步地，所述利用所述采樣樣本和所述期望像素坐標，通過多層超限學習機對所述采樣樣本進行建模，從而獲得像素偏差與機械臂末端速度的變換關系矩陣的方法包括：

采用多層超限學習機對機械臂末端速度控制數據與像素偏差之間的映射關系構建映射模型；所述映射模型包括輸出層的權值；

利用所述采樣樣本和所述期望像素坐標對所述映射模型進行訓練，獲得最優的輸出層的權值；