一種非結(jié)構(gòu)環(huán)境下機器人作業(yè)的位姿信息測量方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于機器人視覺伺服及目標(biāo)信息獲取領(lǐng)域，具體涉及一種非結(jié)構(gòu)環(huán)境下機 器人作業(yè)的位姿信息測量方法。
【背景技術(shù)】
[0002] "福島核電站事故"對核電的安全可靠性提出了警鐘，"福島核電站事故"各國均對 核電的安全可靠性及發(fā)展核電的必要性進行了深入探討。在這種情況下，通過裝載視覺系 統(tǒng)的智能特種機器人替代人力進入這些高危的環(huán)境中開展自主監(jiān)測和維護工作成為一種 有效方法和熱門趨勢。
[0003] 由于機器人工作的環(huán)境是一種非結(jié)構(gòu)化環(huán)境，非結(jié)構(gòu)化環(huán)境的特征是表面材質(zhì)性 能不均，結(jié)構(gòu)及尺寸變化不規(guī)律且不穩(wěn)定，環(huán)境信息非固定、不可知、不可描述。因此，機器 人工作的環(huán)境是一種未知、復(fù)雜的環(huán)境。
[0004] 現(xiàn)有的裝載視覺系統(tǒng)自主抓取作業(yè)機器人中根據(jù)攝像機與機器人的相互位置的 不同，分類分為Eye-in-Hand系統(tǒng)和Eye-to-Hand系統(tǒng)。Eye-in-Hand系統(tǒng)的攝像機安裝 在機器人手部末端，在工業(yè)機器人中的應(yīng)用比較廣泛。但是在非結(jié)構(gòu)化環(huán)境應(yīng)用中，系統(tǒng) 視場處在變化之中，不能保證作業(yè)目標(biāo)一直在視場中，有時會存在丟失作業(yè)目標(biāo)的現(xiàn)象。 Eye-to-Hand系統(tǒng)的攝像機安裝在視野包含目標(biāo)物區(qū)域的某一固定位置，由于攝像機不隨 之一起移動，使用該方案的機器人進入非結(jié)構(gòu)化環(huán)境進行自主作業(yè)的空間范圍有限。
[0005] 同時，傳統(tǒng)機械臂自主控制中，機械臂末端夾具的控制依靠機械臂運動控制電機 轉(zhuǎn)動實現(xiàn)，并且只能通過計算控制電機轉(zhuǎn)動過程及轉(zhuǎn)動量計算當(dāng)前機械臂末端夾具在空間 移動量和旋轉(zhuǎn)量，因此，末端夾具在當(dāng)前環(huán)境中的相對位置和姿態(tài)是未知的。同時，傳統(tǒng)的 機械臂末端的動作完成，依據(jù)機械臂的路徑規(guī)劃伺服發(fā)出指令直接執(zhí)行相應(yīng)動作，無法實 現(xiàn)實時反饋動作執(zhí)行過程是否會發(fā)生碰撞等意外情況。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明提供了一種非結(jié)構(gòu)環(huán)境下機器人作業(yè)的位姿信息測量方法，可以為移動機 器人在非結(jié)構(gòu)化環(huán)境下對目標(biāo)物實現(xiàn)無碰撞的自主抓取提供相應(yīng)的位姿信息。
[0007] 本發(fā)明的一個實施例提供了非結(jié)構(gòu)環(huán)境下機器人作業(yè)的位姿信息測量方法，包 括：
[0008] 創(chuàng)建機器人當(dāng)前工作空間的實時三維模型；
[0009] 在機器人機械臂末端夾具上設(shè)置位姿標(biāo)記板，位姿標(biāo)記板與夾具同軸轉(zhuǎn)動；
[0010] 在位姿標(biāo)記板上畫標(biāo)記直線箭頭，標(biāo)記直線箭頭與夾具的夾縫呈垂直關(guān)系；
[0011] 獲取標(biāo)定直線箭頭的矢量坐標(biāo)，計算得到機械臂末端夾具當(dāng)前的位置和夾具旋轉(zhuǎn) 角度；
[0012]測量機器人機械臂伸縮的最長縱向和橫向距離，提取三維點云坐標(biāo)值中Z方向絕 對值小于最長縱向距離并且Y方向絕對值小于最長橫向距離三維點云進行位姿標(biāo)記板檢 索；
[0013] 利用三維點云圖存儲的彩色信息，將RGB值歸一化，根據(jù)標(biāo)定板顏色，對比 CIE1931-RGB標(biāo)準(zhǔn)色度表成功檢索到位姿標(biāo)記板；
[0014] 對檢索到的位姿標(biāo)記板三維點云圖區(qū)域進行灰度化和濾波去噪處理，并采用 Canny算子對所述圖像進行二值化處理，及檢測圖像的輪廓；
[0015] 利用霍夫變換方法提取二值化圖像中直線箭頭的三維點云信息；以及
[0016] 根據(jù)直線箭頭的三維點云信息，計算機械臂末端夾具在相機坐標(biāo)系中的位置和姿 ??τ O
[0017] 本發(fā)明的有益效果為：
[0018] 1.本發(fā)明的位姿測量方法提高了機器人在非結(jié)構(gòu)化環(huán)境下自主抓取的可行性和 精確度，既可以避免Eye-in-Hand系統(tǒng)的位姿測量方法存在的丟失作業(yè)目標(biāo)的缺點，也可 以避免Eye-to-Hand系統(tǒng)的位姿測量方法作業(yè)的空間范圍有限的缺點；可實時反饋機械臂 在機器人當(dāng)前工作區(qū)間的相對位置和姿態(tài)，有效實現(xiàn)機械臂對目標(biāo)物實現(xiàn)無碰撞的自主抓 取。
[0019] 2.基于視覺的機械臂末端夾具的位姿測量方式適用于任意形狀的夾具，具有應(yīng)用 廣泛的優(yōu)點。
[0020] 3.視覺系統(tǒng)在安裝選定的相機之初進行一次相機參數(shù)標(biāo)定后，可在任意未知非結(jié) 構(gòu)化環(huán)境中，無需相機標(biāo)定，實時為機械臂自主抓取提供目標(biāo)物相對位置和姿態(tài)信息。
【附圖說明】
[0021] 圖1所示為本發(fā)明的一種非結(jié)構(gòu)環(huán)境下機器人作業(yè)的位姿信息測量方法100的流 程圖；
[0022] 圖2所示為本發(fā)明的創(chuàng)建機器人當(dāng)前工作空間的實時三維模型的方法200的流程 圖；
[0023] 圖3所示為本發(fā)明的直線箭頭姿態(tài)測量示意圖。
【具體實施方式】
[0024] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明具體實施例及 相應(yīng)的附圖對本發(fā)明技術(shù)方案進行清楚、完整地描述。
[0025] 參考圖1，圖1所示為本發(fā)明的一種非結(jié)構(gòu)環(huán)境下機器人作業(yè)的位姿信息測量方 法100的流程圖。實施例100包括如下步驟101至109。
[0026] 在步驟101中，創(chuàng)建機器人當(dāng)前工作空間的實時三維模型。
[0027] 機器人當(dāng)前工作空間的實時三維模型是指用于對機器人當(dāng)前工作區(qū)域建立適合 計算機表示和處理的數(shù)學(xué)模型，對其進行處理、操作和分析。工作區(qū)域重建不僅能夠為機器 人的導(dǎo)航、定位以及避障提供必要的信息，而且大大提升了機器人感知外部環(huán)境、辨識真實 場景中物體幾何特性的能力，從而使移動機器人機械臂自主作業(yè)過程更好避障、定位以及 對作業(yè)目標(biāo)的操作。
[0028] 參考圖2,在本發(fā)明的一個實施例中，步驟101可以進一步包括步驟201~207。
[0029] 在步驟201中，用兩個相機同時采集機器人當(dāng)前工作空間的實時圖像，得到兩個 彩色圖像。
[0030] 相機成像過程是將客觀場景的三維物體投影到二維圖像平面的過程。因此，在本 發(fā)明的一個實施例中，在采集圖像之前，需要對視覺系統(tǒng)相機進行參數(shù)標(biāo)定。
[0031 ] 在本發(fā)明的一個實施例中，采用張正友的雙目標(biāo)定方法對視覺系統(tǒng)相機進行攝像 機內(nèi)參數(shù)標(biāo)定和攝像機之間的結(jié)構(gòu)參數(shù)（即外參數(shù)）標(biāo)定。
[0032] 在步驟202中，獲取兩個彩色圖像中某一相同像點的二維圖像坐標(biāo)信息。
[0033] 在本發(fā)明的一個實施例中，可以利用圖像匹配算法得出兩個圖像中某一相同像點 的二維圖像坐標(biāo)信息。
[0034] 在步驟203中，計算所述像點在兩個彩色圖像中的視差，得到像點在機器人當(dāng)前 工作空間中的深度信息。
[0035] 在步驟204中，組合二維圖像坐標(biāo)信息和深度信息，獲取像點在機器人當(dāng)前工作 空間中的三維坐標(biāo)信息。
[0036] 在步驟205中，組合機器人當(dāng)前工作空間實時圖像中所有點的三維坐標(biāo)信息，生 成機