一种基于工业视觉的拆垛机器人控制方法与流程
本发明涉及智能拆垛机器人,尤其涉及一种基于工业视觉的拆垛机器人控制方法。
背景技术:
1、工业视觉拆垛机器人是一种集成3d视觉感知与机器人控制技术的自动化设备,常用于化工领域,其末端执行器通常采用吸盘与夹爪协同工作的复合抓取结构进行拆垛码垛工作,其中,吸盘利用真空吸附原理初步抓取并提起袋装物料,夹爪随后闭合提供辅助承载支撑力,但在实际运行过程中,尤其在对化肥等农用物品拆垛时,因编织袋上常存在生产及堆积过程中累积的灰尘,拆垛过程中普遍伴随粉尘被重新扬起并悬浮的情况,这些粉尘会持续附着在3d视觉感知摄像头的表面,形成累积性污染层,与环境光照的剧烈变化一同对机器人的视觉成像质量与特征提取能力造成影响,导致机器人视觉定位误差增大,此外,抓取过程中粉尘不但干扰的图像的判断,编织袋表面附着的粉末因填充在编织缝隙中,会破坏吸盘与袋面之间的微观密封界面,使吸盘难以与编织袋有效贴合而快速建立负压,导致真空吸力效率不足,抓取成功率下降,甚至可能使夹爪错误插入编织袋内,造成物料破损或设备故障,严重影响拆垛系统的连续作业能力。
2、中国专利申请公开号:cn120986877a,公开了一种拆码垛机器人堆叠物料识别方法及系统,该方法包括:获取物料堆垛的抓取面中每个采样点的目标深度信息;基于所述抓取面的多个采样点的目标深度信息,确定所述抓取面中每个采样点的平坦指数;所述平坦指数用于指示采样点的平坦程度;根据所述抓取面的多个采样点的平坦指数确定所述抓取面中的目标抓取区域;生成并向物料抓取装置发送抓取信息;所述抓取信息用于指示所述物料抓取装置通过抓取部抓取所述目标抓取区域。
3、由此可见,上述现有设备最少存在以下问题:其通过目标深度信息计算平坦指数来筛选抓取区域,在实际粉尘环境中,相机镜头积尘或光照波动会导致深度数据出现噪声甚至空洞,此时仅凭平坦指数难以区分真实平坦与噪声导致的伪平坦,从而误选不可靠的抓取点;其仅依据几何平坦程度选择抓取区域,忽视了编织袋表面附着的粉末的影响,无法预判或调节真空吸附的参数;其为开环控制,不基于实测数据对其使用的平坦指数进行修正,随着粉尘持续累积、光照条件变化或吸盘磨损,其会逐渐偏离最优工况,导致定位误差累积、掉袋率上升,最终影响拆垛系统的长期连续作业能力。
技术实现思路
1、为此,本发明提供一种基于工业视觉的拆垛机器人控制方法,用以通过双相机纹理对比获取粉尘干扰程度以对抓取数据进行校准来克服现有技术中由于仅依赖单一深度信息且忽视干扰导致选择不可靠抓取区域致使真空吸附失败率逐渐升高的问题。
2、为实现上述目的,本发明提供一种基于工业视觉的拆垛机器人控制方法,包括:
3、基于运动相机在开始抓取装配袋前获取的第一纹理粗糙度和对比相机在开始抓取装配袋前获取的第二纹理粗糙度确定纹理保持率;
4、基于各袋面采样区的修正平整度由各袋面采样区筛选平整采样区,其中,修正平整度基于光照干扰度、纹理保持率和运动相机在抓取装配袋前获取的各袋面采样区的局部平整度确定,光照干扰度基于运动相机在抓取装配袋前获取的光照强度确定;
5、基于各袋面采样区的纹理恢复值和预设纹理阈值由各袋面采样区筛选清晰采样区,其中,纹理恢复值基于纹理保持率、光照干扰度和运动相机与装配袋之间的距离小于预设距离时获取的第三纹理粗糙度确定;
6、基于平整采样区和清晰采样区的交集区域确定吸盘目标区或备用目标区,其中,备用目标区基于吸盘目标区为空时,根据平整采样区和清晰采样区确定;
7、基于预测密封难度校准抓取过程中吸盘的真空吸取速率和预测建压时长,其中,预测密封难度基于缺陷区域比、纹理保持率和第二纹理粗糙度确定,缺陷区域比基于备用目标区内平整采样区和清晰采样区确定;
8、基于抓取过程中获取的实测建压时间和预测建压时长校准预设纹理阈值。
9、进一步地,确定运动相机的纹理保持率的过程包括:
10、计算第一纹理粗糙度和第二纹理粗糙度的比值,以确定运动相机的纹理保持率。
11、进一步地,确定光照干扰度的过程包括:
12、基于光照偏离量与预设最佳光照窗口长度确定光照干扰度,其中,预设最佳光照窗口长度为预设最佳光照窗口上限与其下限之差,光照偏离量为光照过曝量、光照欠曝量和零之间的最大值,光照过曝量为光照强度与预设最佳光照窗口的上限的差值,光照欠曝量为预设最佳光照窗口的下限与光照强度的差值。
13、进一步地,筛选平整采样区的过程包括:
14、基于各袋面采样区的局部平整度与动态修正因子确定对应袋面采样区的修正平整度,其中,动态修正因子基于光照修正因子与纹理保持率确定,光照修正因子与光照干扰度成正比;
15、基于各袋面采样区修正平整度和预设平整阈值的对比结果由各袋面采样区中筛选平整采样区。
16、进一步地,筛选清晰采样区的过程包括:
17、基于各袋面采样区的第三纹理粗糙度与纹理修正度确定对应袋面采样区的纹理恢复值,其中,纹理修正度基于纹理保持率与光照干扰度确定,纹理修正度与纹理保持率呈反比,并与光照干扰度成正比;
18、基于各袋面采样区的纹理恢复值和预设纹理阈值的对比结果由各袋面采样区筛选清晰采样区。
19、进一步地,确定各袋面采样区的纹理恢复值的过程包括:
20、基于纹理保持率与光照修正系数确定纹理修正度,其中,光照修正系数与光照干扰度呈正比。
21、进一步地,确定吸盘目标区或备用目标区的过程包括:
22、将面积和形状完全覆盖预设吸盘区域的预测吸附区域确定为吸盘目标区,其中,预测吸附区域为由平整采样区和清晰采样区的交集区域连结而成的区域集;
23、基于吸盘目标区为空时,将面积和形状覆盖预设吸盘区域最大的预测吸附区域确定为备用目标区。
24、进一步地,确定预测密封难度的过程包括:
25、基于纹理干扰度和缺陷区域比确定预测密封难度,其中,纹理干扰度基于纹理保持率的补数与第二纹理粗糙度确定,缺陷区域比基于预测吸附区域内平整采样区和清晰采样区的交集区域的面积与预设吸盘区域的面积确定。
26、进一步地,校准真空吸取速率和预测建压时长的过程包括:
27、基于预设真空吸取速率和预测密封难度校准抓取过程中吸盘的真空吸取速率,其中,预测密封难度与真空吸取速率呈正比;
28、基于校准后的真空吸取速率确定对应的预测建压时长。
29、进一步地,校准预设纹理阈值的过程包括:
30、基于预测偏离比与预设过严阈值和预设过松阈值的比较结果校准预设纹理阈值,其中,预测偏离比基于抓取过程中获取的实测建压时间和预测建压时长确定。
31、与现有技术相比,本发明的有益效果在于:一方面,考虑到运动相机在拆垛过程中镜头表面累计的粉尘会直接遮挡入射光线与反射光线,导致运动相机接收到的信号强度呈指数衰减,而另一方面,考虑到光照偏离最佳光照的区间会降低结构光条纹的对比度,并放大点云平整度的测量噪声,在两种不同机理的干扰之下,运动相机难以准确识别对袋面附着的粉末或其上褶皱是否已达到破坏密封界面的程度和具体位置,因此,本方法通过同时采用近距离运动相机与高位对比相机,通过纹理保持率和光照干扰度对运动相机的测量值进行动态修正,在保留运动相机近距离高精度优势的同时,降低镜头积尘与光照波动对运动相机识别袋面纹理特征和平整度特征的干扰,以选择更利于吸附的吸盘目标抓取区域并针对性校准调节真空抽取参数,实现稳定且高成功率的抓取拆垛作业。
32、进一步地,由于运动相机同时受镜头积尘与近场扬尘影响,其测得的纹理值会持续低于真实水平且随袋面粉尘积累和运动相机上扬尘的累积而恶化,同时,袋面真实的纹理也会随批次或加工误差的发生变化,导致难以对运动相机的测量误差进行有效校准,为此,本发明通过对比相机在同一光照下获取的作为运动相机的无尘基准,得到纹理保持率,以实时且动态的预测运动相机的信号衰减比例,对运动相机的实际测量值进行自适应校正,以保持机器人视觉测量的准确性。
33、进一步地,由于环境光照的过曝与欠曝都会导致运动相机成像质量下降,且相机的最佳工作光强区间宽度通常代表其对光照调节要求的严格程度,为此,本方法通过光照干扰度确定当前光照条件对运动相机影响的严重程度,为后续平整度修正与纹理筛选提供自适应的调节依据。
34、进一步地,由于光照偏离和粉尘干扰均会引入点云测量噪声,使运动相机实测的局部平整度误差增大,且光照偏离程度与测量噪声成正比,纹理保持率与测量噪声成反比,为此,本方法通过光照偏离度与纹理保持率共同构建动态修正因子,对实测局部平整度进行联合放大校正,从而更为严格的筛选出几何变形更小更易于吸盘有效贴合的平整采样区。
35、进一步地,由于运动相机实测的第三纹理粗糙度同时受粉尘衰减与光照干扰影响,且纹理保持率越小纹理损失越严重,光照干扰度越大图像越模糊,为此,本方法通过构建纹理修正度对运动相机的实测纹理进行动态补偿,以基于运动相机所拍摄的当前区域纹理是否足够丰富而筛选出视觉定位可靠的清晰采样区。
36、进一步地,由于袋面褶皱与凹陷会导致吸盘无法贴合,而带面粉尘会填充编织缝隙破坏密封界面稳定性,均会导致吸盘难以完成吸附,因此本方法通过在袋面寻找既符合几何平整度要求,又具有清晰纹理特征的区域,从而增加吸附的成功率,而不存在完全覆盖区域时,优先选择覆盖面积最大的备用目标区,以最大化有效吸附面积。
37、进一步地,由于袋面粉尘浓度会破坏吸盘密封界面,袋面纹理稀疏度会放大粉尘的泄漏影响,而吸盘覆盖区域内的存在缺陷的面积可以衡量发生泄漏的比例,因此本方法通过纹理干扰度表征粉尘浓度与纹理稀疏度对密封影响的同时,与代表影响区域占比的缺陷区域比结合以预测吸盘抽取真空时的难度,为动态调节真空抽速和吸附时间提供量化依据。
38、进一步地,由于预测密封难度越大吸盘泄漏越严重,因此为维持预测建压时长不变通常需要更高的真空抽速来补偿泄漏量,且考虑到密封难度为零时应维持基准抽速,因此本方法通过控制真空吸取速率随预测密封难度线性提升,以在难抓袋面上自动增强吸力增加抓取成功率,在易抓取的袋面上避免过抽,进而兼顾抓取成功率与作业效率。
39、进一步地,由于预设纹理阈值直接影响缺陷区域比及预测密封难度,若阈值设置不当会导致预测建压时长与实际建压时长产生系统性偏差,其中,在筛选过于严格时,选出的优质区域偏少导致预测密封难度偏低,预测建压时长较实测建压时间明显偏短,反之则使预测建压时长较实测建压时间明显偏长,因此本方法通过预测偏离比与预设过严阈值和过松阈值的比较结果,反向校准纹理阈值,使预设纹理阈值能够自适应的不断逼近当前工况下的最优值,以提升预测准确性与抓取成功率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com