[發明專利]一種工件抓取和撥動干預方法及系統

有效

• 申請號: 202110582191.7
• 申請日: 2021-05-26
• 公開（公告）號: CN113246130B
• 公開（公告）日: 2022-03-22
• 發明（設計）人: 徐剛;趙有港;肖江劍;許允款;曾晶
• 申請（專利權）人: 中國科學院寧波材料技術與工程研究所
• 主分類號: B25J9/16
• 分類號: B25J9/16;G06T7/00;G06T7/13;G06T7/66;G06T7/73
• 代理公司: 南京利豐知識產權代理事務所(特殊普通合伙) 32256
• 代理人: 王鋒

本發明公開了一種工件抓取和撥動干預方法及系統。所述方法包括：S1，獲取堆疊場景中工件的圖像信息，S2，根據圖像信息對工件進行識別，獲取堆疊場景中可抓取的候選工件數量，S3，若候選工件數量≤設定值時，則觸發撥動干預策略對堆疊工件進行撥動動作，S4，重復步驟S2、S3，直至候選工件數量≥設定值+1，則進行工件抓取作業。本發明通過網格法實現撥動路徑規劃，并且協調優化識別和抓取動作，為工件堆疊識別和抓取的應用場景，在有效撥動提升抓取效率這個方向上，提供了系統化的解決方案。

技術領域

本發明屬于機器人抓取技術領域，具體涉及一種工件抓取和撥動干預方法及系統。

背景技術

基于二維/三維視覺的機器人抓取技術，已經在物流快遞、倉庫搬運、拆碼垛等簡單場景中廣泛應用，視覺引導的機器人增強了面對復雜環境的感知能力。在工業抓取場景中，二維圖像能夠提供致密豐富的紋理信息，經過圖像處理和識別，獲取被抓取工件的位置(二維坐標)，但無法獲取深度信息。三維圖像能夠提供抓取場景中的距離信息。兩類數據具有較好的互補性，融合兩種模態的數據，可以對工件抓取場景進行更全面的感知。近年來，隨著工件6D姿態估計算法的研究日趨增加，設備的計算能力日益提高，機器人抓取系統已經在工件無序散亂堆疊、無序工件裝配、柔性抓取等相關領域取得創造性的突破。

其中，在面向小工件無序散亂堆疊的場景中，基于可見光相機設備進行對場景內的工件進行有效的撥動干預，是提高工件識別抓取效率和機器人環境感知能力的一個關鍵核心技術問題。從技術的角度來看，三維點云數據與二維圖像屬于不同模態的數據，如何巧妙的融合兩者的數據，并根據抓取場景內工件的散亂堆疊情況分析出可靠的幾何特征，最后為機器人提供一條合理有效的工件撥動軌跡路線，是國內外科技工作者著力探索一個研究方向。

現有的機器人工件抓取和撥動干預方法，根據實現原理的差異，大致可分為以下兩類：強化學習法、線性撥動法。第一類強化學習法，通常使用Q-Learning算法，通過完全試錯的方式進行自我監督，撥動后的成功抓取給予獎勵，從而實現撥動和抓取動作的協同作業。強化學習法隨著時間的推移需要不斷的使用更多的數據來學習，時間周期較長且泛化性不強，不太適用于高效率的工業場景。第二類線性撥動法，通過處理圖像信息，得到線性的方向矢量，再結合數據的合成，得出線性的撥動策略方法。文獻(Hermans T，Rehg JM，Bobick A.Guided Pushing for Object Singulation[C]//IEEE/RSJ InternationalConference on Intelligent RobotsSystems.IEEE，2012.)提出了一種在工件堆中隨機選擇一個對象和方向，然后在選定對象的質心沿選定方向撥動固定長度的準基線撥動策略。Danielczuk M等在文獻(Danielczuk M，Mahler J，Correa C，et al.Linear PushPolicies to Increase Grasp Access for Robot Bin Picking[C]//2018IEEE 14thInternational Conference on Automation Science and Engineering(CASE).IEEE，2018.)中，總結了準隨機基線策略、切邊界策略、自由空間策略、最大間隙策略、集群擴散策略等五種線性撥動策略。此幾類方法共有的不足在于：它們都是基于對象識別后的處理策略。而在相互遮擋的場景中，能夠識別出的對象相對較少，因此以上五類撥動策略不太適用于小工件堆疊遮擋的場景。

因此，如何提供一種適用于小工件堆疊遮擋的場景的機器人工件抓取和撥動干預方法，是一個急需解決的問題。

發明內容

本發明的主要目的在于提供一種工件抓取和撥動干預方法系統，從而克服現有技術的不足。

本發明的另一目的在于提供一種工件抓取和撥動干預系統。

為實現前述發明目的，本發明采用的技術方案包括：

本發明實施例提供了一種工件抓取和撥動干預方法，所述方法包括：