[發明專利]一種基于局部點云模型的物體最優抓取識別方法

在審

• 申請號: 202011531432.7
• 申請日: 2020-12-22
• 公開（公告）號: CN112720477A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 曾輝雄;李俊;程靖航;高銀;謝銀輝;楊進興
• 申請（專利權）人: 泉州裝備制造研究所
• 主分類號: B25J9/16
• 分類號: B25J9/16;B25J13/08;B25J15/08;G01B11/24;G06T17/00
• 代理公司: 泉州市文華專利代理有限公司 35205
• 代理人: 陳雪瑩

1.一種基于局部點云模型的物體最優抓取識別方法，其特征在于：包括

局部點云模型獲取步驟：獲取待抓取物體的局部點云模型；

抓取長方體生成步驟：根據局部點云模型的高度信息截取部分點云數據，形成新點云模型；提取新點云模型的邊緣輪廓，計算中心點；基于中心點生成抓取長方體；

抓取長方體得分計算步驟：計算抓取長方體截取到的新點云模型的外輪廓點集；基于該外輪廓點集，并根據預設的抓取規則對抓取長方體進行量化評分；

最優抓取方式確定步驟：確定得分最高的抓取長方體為最優抓取方式。

2.根據權利要求1所述的一種基于局部點云模型的物體最優抓取識別方法，其特征在于：所述抓取長方體生成步驟中，檢測局部點云模型的最高點，然后基于該最高點向下截取h的高度，獲取部分點云數據，形成新點云模型；其中，向下截取的高度h為預設值。

3.根據權利要求1所述的一種基于局部點云模型的物體最優抓取識別方法，其特征在于：所述住區長方體生成步驟中，通過尋找極值點的方法提取新點云模型的外輪廓，并通過極端點云坐標平均值的方式獲取新點云模型的中心點。

4.根據權利要求1所述的一種基于局部點云模型的物體最優抓取識別方法，其特征在于：所述抓取長方體得分計算步驟中，預設的抓取規則如下：

a.點集對越靠近點云模型的中心越好；

b.點集對每一組點集擬合的直線與原始點的標準差越小越好；

c.抓取長方體的短邊與其所截取的點集擬合的直線越平行越好；

d.點集對每組點集分別擬合的兩條直線越平行越好；

以上四條規則都只在XY平面內進行考慮及計算；

量化評分方式如下：

對于規則a，計算點云輪廓與中心點的最短距離作為參考值x，假設點集內某個點與中心點的距離為y，計算該點集的平均距離比值：

對于不同抓取長方體形成的m組點集對，按距離比值大小的排序，分別以a1,a2,…，am的分值進行賦值；其中，m為生成的抓取長方體數量；

對于規則b，點集對每組點集分別利用最小二乘法擬合一條最好直線，即各個原始點與直線之間距離的平方和為最小值的直線，再比較擬合直線與原始點集的標準差，標準差越小說明點集直線度越好，物體邊緣越平整有利于抓取；對m組點集對按標準差大小進行排序，并分別以b1,b2,…，bm的分值進行賦值；

對于規則c，分別計算抓取長方體截取的兩組點集所擬合的直線斜率，再與抓取長方體短邊的斜率進行對比，斜率越接近得分越高；對m組點集對按斜率接近程度進行排序，并分別以c1,c2,…，cm的分值進行賦值；

對于規則d，比較的是抓取長方體截取的兩組點集擬合的直線的斜率，兩者斜率越接近說明越平行，有利于夾持器的夾持；對m組點集對按斜率接近程度進行排序，并分別以d1,d2,…，dm的分值進行賦值；

最后，每組點云對綜合得分為以上四條規則得分之和。

5.根據權利要求4所述的一種基于局部點云模型的物體最優抓取識別方法，其特征在于：所述抓取長方體得分計算步驟中，如果規則b計算得到的擬合直線與點集的標準差大于設定閾值，說明點集分布不是為直線，則規則c與規則d的計算結果直接以0分進行賦值；其余點集仍然按既定規則賦予分值。

6.根據權利要求4所述的一種基于局部點云模型的物體最優抓取識別方法，其特征在于：所述抓取長方體得分計算步驟中，預設的抓取規則的權重系數設定為：規則a：0.5；規則b：0.2；規則c：0.2；規則d：0.1。

7.根據權利要求4所述的一種基于局部點云模型的物體最優抓取識別方法，其特征在于：所述最優抓取方式確定步驟中，如果抓取長方體截取到的輪廓點點集在z軸方向上的平均高度低于5mm，則不考慮作為抓取選擇；考慮到抓取成功率，如果抓取長方體截取的兩組點云的平均高度差大于20mm，也不考慮作為抓取選擇。