本申請涉及自動(dòng)化，尤其涉及一種基于深度圖像的鋼筋綁扎機(jī)器人位姿調(diào)整方法。

背景技術(shù)：

1、在橋梁預(yù)制混凝土構(gòu)件制造中，鋼筋籠的綁扎是一個(gè)重要且復(fù)雜的過程。為了提高綁扎效率和質(zhì)量，業(yè)界已研發(fā)出用于鋼筋籠綁扎的四輪鋼筋綁扎機(jī)器人系統(tǒng)。鋼筋籠綁扎鋼筋綁扎機(jī)器人在到達(dá)鋼筋籠前的初始位姿須與待綁扎面的空間位姿平行，以確保在后續(xù)綁扎過程中始終與鋼筋籠保持平行，確保綁扎位置的準(zhǔn)確性。

2、在現(xiàn)有技術(shù)中，通常是通過人工遙控的方式，通過遙控設(shè)備手動(dòng)調(diào)整鋼筋綁扎機(jī)器人位置和姿態(tài)，使其到達(dá)鋼筋籠的位置并與鋼筋籠保持平行，以進(jìn)行作業(yè)。然而這種方式需要耗費(fèi)大量的人力資源，并且人為操作容易產(chǎn)生誤差，導(dǎo)致鋼筋綁扎機(jī)器人作業(yè)效率較低。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本申請?zhí)峁┝艘环N基于深度圖像的鋼筋綁扎機(jī)器人位姿調(diào)整方法，以解決現(xiàn)有技術(shù)中鋼筋綁扎機(jī)器人作業(yè)效率較低的問題。

2、為實(shí)現(xiàn)上述目的，本申請?zhí)峁┤缦录夹g(shù)方案：

3、本申請第一方面公開了一種基于深度圖像的鋼筋綁扎機(jī)器人位姿調(diào)整方法，包括：

4、獲取鋼筋籠的深度圖像；

5、對所述深度圖像進(jìn)行特征提取，得到特征點(diǎn)；其中，所述特征點(diǎn)用于表征所述鋼筋籠的局部特征；

6、基于所述特征點(diǎn)計(jì)算得到鋼筋籠的位姿信息；其中，所述位姿信息包括平面法向量、位置信息和方向信息；

7、基于所述位姿信息計(jì)算目標(biāo)位置的坐標(biāo)信息；其中，所述目標(biāo)位置為所述鋼筋綁扎機(jī)器人所需要到達(dá)的作業(yè)位置；

8、基于鋼筋綁扎機(jī)器人的當(dāng)前坐標(biāo)和所述坐標(biāo)信息，規(guī)劃所述鋼筋綁扎機(jī)器人的作業(yè)路徑，并基于所述作業(yè)路徑控制所述鋼筋綁扎機(jī)器人移動(dòng)至所述目標(biāo)位置；

9、所述鋼筋綁扎機(jī)器人到達(dá)所述目標(biāo)位置時(shí)，基于所述位姿信息調(diào)整所述鋼筋綁扎機(jī)器人的位姿。

10、可選的，上述的方法，所述對所述深度圖像進(jìn)行特征提取，得到特征點(diǎn)，包括：

11、利用sift算法對所述深度圖像機(jī)進(jìn)行高斯模糊處理，生成所述深度圖像的圖像金字塔；

12、針對所述圖像金字塔的每一個(gè)尺度空間，將當(dāng)前尺度空間的極值點(diǎn)作為所述特征點(diǎn)，并生成所述特征點(diǎn)的特征描述子。

13、可選的，上述的方法，所述對所述深度圖像進(jìn)行特征提取，得到特征點(diǎn)之后，還包括：

14、將所述特征點(diǎn)與預(yù)先構(gòu)建的特征點(diǎn)數(shù)據(jù)集中的特征點(diǎn)進(jìn)行特征匹配，篩選出匹配成功的特征點(diǎn)。

15、可選的，上述的方法，所述將所述特征點(diǎn)與預(yù)先構(gòu)建的特征點(diǎn)數(shù)據(jù)集中的特征點(diǎn)進(jìn)行特征匹配，包括：

16、通過ransac算法構(gòu)建特征匹配的最佳模型；

17、利用所述最佳模型，將所述特征點(diǎn)與預(yù)先構(gòu)建的特征點(diǎn)數(shù)據(jù)集中的特征點(diǎn)進(jìn)行特征匹配，篩選出匹配成功的特征點(diǎn)。

18、可選的，上述的方法，所述通過ransac算法構(gòu)建特征匹配的最佳模型，包括：

19、從所述特征點(diǎn)數(shù)據(jù)集中隨機(jī)篩選一個(gè)子集；

20、基于所述子集評估特征匹配的初始模型；

21、評估所述特征點(diǎn)數(shù)據(jù)集中除所述子集外的特征點(diǎn)與該模型的擬合程度，并生成內(nèi)點(diǎn)集；其中，所述擬合程度高的特征點(diǎn)為內(nèi)點(diǎn)，所述擬合程度低的特征點(diǎn)為外點(diǎn)；

22、若所述內(nèi)點(diǎn)集中特征點(diǎn)的數(shù)量大于預(yù)設(shè)的閾值，則確定所述初始模型為所述最佳模型；

23、若所述內(nèi)點(diǎn)集中特征點(diǎn)的數(shù)量不大于所述閾值，則返回執(zhí)行所述從所述特征點(diǎn)數(shù)據(jù)集中隨機(jī)篩選一個(gè)子集，直至所述內(nèi)點(diǎn)集中特征點(diǎn)的數(shù)量大于預(yù)設(shè)的閾值，則確定所述初始模型為所述最佳模型。

24、可選的，上述的方法，所述基于所述特征點(diǎn)計(jì)算得到鋼筋籠的位姿信息，包括：

25、將所述特征點(diǎn)轉(zhuǎn)換為三維點(diǎn)云數(shù)據(jù)；

26、對所述三維點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，計(jì)算得到所述鋼筋籠的初始位姿信息；

27、利用光束調(diào)整算法對所述初始位姿信息進(jìn)行全局優(yōu)化，得到所述位姿信息。

28、可選的，上述的方法，所述對所述三維點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，計(jì)算得到所述鋼筋籠的初始位姿信息，包括：

29、識別所述鋼筋籠側(cè)面的長平面；

30、利用主成分分析算法，對所述三維點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，得到所述長平面的法向量和位置信息；

31、基于所述法向量和所述位置信息，計(jì)算得到所述鋼筋籠的初始位姿信息。

32、可選的，上述的方法，所述基于所述作業(yè)路徑控制所述鋼筋綁扎機(jī)器人移動(dòng)至所述目標(biāo)位置，包括：

33、所述鋼筋綁扎機(jī)器人移動(dòng)時(shí)，采集所述作業(yè)路徑上的環(huán)境深度圖像；

34、基于所述環(huán)境深度圖像確定所述作業(yè)路徑上是否存在障礙物；

35、若不存在障礙物，則基于所述作業(yè)路徑控制所述鋼筋綁扎機(jī)器人移動(dòng)至所述目標(biāo)位置；

36、若存在障礙物，則調(diào)整所述作業(yè)路徑，生成新的作業(yè)路徑，并按照所述新的作業(yè)路徑控制所述鋼筋綁扎機(jī)器人移動(dòng)至所述目標(biāo)位置。

37、可選的，上述的方法，所述若存在障礙物，則調(diào)整所述作業(yè)路徑，生成新的作業(yè)路徑，包括：

38、若存在障礙物，則獲取鋼筋綁扎機(jī)器人坐標(biāo)和障礙物坐標(biāo)；

39、將所述障礙物坐標(biāo)設(shè)為非途經(jīng)點(diǎn)，基于所述鋼筋綁扎機(jī)器人坐標(biāo)、所述障礙物坐標(biāo)和所述目標(biāo)位置的坐標(biāo)信息，重新生成不包含所述非途經(jīng)點(diǎn)的作業(yè)路徑。

40、從上述技術(shù)方案可以看出，本申請?zhí)峁┑囊环N基于深度圖像的鋼筋綁扎機(jī)器人位姿調(diào)整方法中，首先獲取鋼筋籠的深度圖像。然后對深度圖像進(jìn)行特征提取，得到特征點(diǎn)。接著基于特征點(diǎn)計(jì)算得到鋼筋籠的位姿信息，基于位姿信息計(jì)算目標(biāo)位置的坐標(biāo)信息?；阡摻罱壴鷻C(jī)器人的當(dāng)前坐標(biāo)和坐標(biāo)信息，規(guī)劃鋼筋綁扎機(jī)器人的作業(yè)路徑，并基于作業(yè)路徑控制鋼筋綁扎機(jī)器人移動(dòng)至目標(biāo)位置。當(dāng)鋼筋綁扎機(jī)器人到達(dá)目標(biāo)位置時(shí)，基于位姿信息調(diào)整鋼筋綁扎機(jī)器人的位姿。由此可知，本申請通過獲取鋼筋籠的深度圖像并提取特征點(diǎn)，基于特征點(diǎn)對鋼筋籠進(jìn)行位姿識別，確保鋼筋綁扎機(jī)器人作業(yè)時(shí)與鋼筋籠的待綁扎面保持平行，提高綁扎位置的準(zhǔn)確性。同時(shí)鋼筋綁扎機(jī)器人可以自主移動(dòng)并調(diào)整姿態(tài)，快速到達(dá)工作位置并進(jìn)行作業(yè)，無需人工操作，提高了工作效率和質(zhì)量。解決了現(xiàn)有技術(shù)中鋼筋綁扎機(jī)器人作業(yè)效率較低的問題。

技術(shù)特征：

1.一種基于深度圖像的鋼筋綁扎機(jī)器人位姿調(diào)整方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述深度圖像進(jìn)行特征提取，得到特征點(diǎn)，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述深度圖像進(jìn)行特征提取，得到特征點(diǎn)之后，還包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述特征點(diǎn)與預(yù)先構(gòu)建的特征點(diǎn)數(shù)據(jù)集中的特征點(diǎn)進(jìn)行特征匹配，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述通過ransac算法構(gòu)建特征匹配的最佳模型，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述特征點(diǎn)計(jì)算得到鋼筋籠的位姿信息，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述對所述三維點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，計(jì)算得到所述鋼筋籠的初始位姿信息，包括：

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述作業(yè)路徑控制所述鋼筋綁扎機(jī)器人移動(dòng)至所述目標(biāo)位置，包括：

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述若存在障礙物，則調(diào)整所述作業(yè)路徑，生成新的作業(yè)路徑，包括：

技術(shù)總結(jié)
本申請?zhí)峁┝艘环N基于深度圖像的鋼筋綁扎機(jī)器人位姿調(diào)整方法。在該方法中，首先獲取鋼筋籠的深度圖像。然后對深度圖像進(jìn)行特征提取，得到特征點(diǎn)。接著基于特征點(diǎn)計(jì)算得到鋼筋籠的位姿信息，基于位姿信息計(jì)算目標(biāo)位置的坐標(biāo)信息。基于鋼筋綁扎機(jī)器人的當(dāng)前坐標(biāo)和坐標(biāo)信息，規(guī)劃鋼筋綁扎機(jī)器人的作業(yè)路徑，并基于作業(yè)路徑控制鋼筋綁扎機(jī)器人移動(dòng)至目標(biāo)位置。當(dāng)鋼筋綁扎機(jī)器人到達(dá)目標(biāo)位置時(shí)，基于位姿信息調(diào)整鋼筋綁扎機(jī)器人的位姿。由此可知，利用本申請的方法，鋼筋綁扎機(jī)器人可以自主移動(dòng)并調(diào)整姿態(tài)，快速到達(dá)工作位置并進(jìn)行作業(yè)，無需人工操作，提高了工作效率和質(zhì)量。解決了現(xiàn)有技術(shù)中鋼筋綁扎機(jī)器人作業(yè)效率較低的問題。

技術(shù)研發(fā)人員：鄧露,張鋒,郭晶晶,曹然
受保護(hù)的技術(shù)使用者：湖南大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9