基于多源数据采集的机器人抓取精度自适应识别方法与流程

本发明涉及抓取识别，具体为基于多源数据采集的机器人抓取精度自适应识别方法。

背景技术：

1、工业机器人已广泛应用于零部件分拣、精密装配、柔性物料搬运等场景，高精度、高稳定性的自主抓取能力是机器人实现智能化作业的核心基础；因此需要进行机器人抓取精度识别；

2、现阶段机器人抓取识别方案多依赖单一视觉传感器完成目标定位与抓取，或者抓取物体放置在固定位置的抓取，无法应对整行，但是工业现场普遍存在光照强弱波动，导致二维识别物体位置定位不准确，同时二维图像难以准确获取三维坐标系，同时三维成像针对堆叠的物体容易识别成一个物品，导致抓取不准确，现有的技术中难以针对光照强弱波动与物体堆叠的物品的精准识别，导致每单个物品抓取不精确。

技术实现思路

1、本发明旨在至少在一定程度上解决现有技术中的技术问题之一，通过基于相机获取目标抓取物品图像，标记为实时二维物品图；基于实时二维物品图获取第一灰度阈值；基于实时二维物品图和第一灰度阈值获取实时分割轮廓；基于实时分割轮廓获取实时轮廓夹角；基于无相互遮挡的物品获取历史轮廓夹角，基于历史轮廓夹角获取第一夹角阈值和第二夹角阈值；基于实时轮廓夹角、第一夹角阈值以及第二夹角阈获取实时单物体轮廓点、遮挡轮廓以及未遮挡轮廓；基于遮挡轮廓和未遮挡轮廓进行不同的抓取识别，以解决现有的技术中难以针对光照强弱波动与物体堆叠的物品的精准识别，导致每单个物品抓取不精确的问题。

2、为实现上述目的，本技术提供基于多源数据采集的机器人抓取精度自适应识别方法，包括如下步骤：

3、s100，基于相机获取目标抓取物品图像，标记为实时二维物品图；基于实时二维物品图获取第一灰度阈值；基于实时二维物品图和第一灰度阈值获取实时分割轮廓；基于实时分割轮廓获取实时轮廓夹角；

4、s200，基于无相互遮挡的物品获取历史轮廓夹角，基于历史轮廓夹角获取第一夹角阈值和第二夹角阈值；

5、s300，基于实时轮廓夹角、第一夹角阈值以及第二夹角阈获取实时单物体轮廓点、遮挡轮廓以及未遮挡轮廓；

6、s400，基于遮挡轮廓和未遮挡轮廓进行不同的抓取识别。

7、进一步地，s100包括如下子步骤：

8、在物品放置区域中心上方安装相机，相机正对着物品放置区域，物品放置区域背景为黑色，然后通过相机获取目标抓取物品图像，标记为实时二维物品图；

9、将实时二维物品图中每个像素点的rgb值都转化为灰度值获得灰度图，标记为实时二维物品灰度图。

10、进一步地，s100还包括如下子步骤：

11、将实时二维物品灰度图中每个像素点的灰度值，标记为实时物品灰度值；

12、将0到255的灰度值范围划分成n个相等的灰度值范围长度的灰度值范围，标记为第一灰度范围；

13、分别获取每个第一灰度范围内实时物品灰度值的数量，标记为第一范围内数量；

14、将第一灰度范围的中间值，标记为第一范围中值；

15、按照第一范围中值的从小到大，将第一范围内数量进行从左到右进行排序；

16、将大于左右两侧的第一范围内数量，标记为第一目标数量；

17、从左到右获取第一个第一目标数量，标记为第二目标数量；

18、从右到左获取第一个第一目标数量，标记为第三目标数量；

19、获取第二目标数量至第三目标数量中间数量最小的第一范围内数量，标记为第四目标数量；

20、获取第四目标数量对应的第一范围中值，标记为第一灰度阈值。

21、进一步地，s100还包括如下子步骤：

22、获取大于第一灰度阈值的实时物品灰度值，标记为实时分割灰度值；

23、获取实时分割灰度值的像素点组成的连续区域，标记为实时分割区域；

24、获取实时分割区域的轮廓，标记为实时分割轮廓。

25、进一步地，s100还包括如下子步骤：

26、建立平面直角坐标系，标记为实时分割坐标系；

27、将实时分割轮廓放置在实时分割坐标系的第一象限中；

28、在实时分割轮廓上每个间隔距离为m绘制一个点，标记为实时分割轮廓点；

29、连接相邻的实时分割轮廓点获得线段，标记为实时轮廓线段；

30、获取相邻的实时轮廓线段之间的夹角，标记为实时轮廓夹角。

31、进一步地，s200包括如下子步骤：

32、获取无相互遮挡的物品下的实时轮廓夹角，标记为历史轮廓夹角；

33、获取f1个历史轮廓夹角；

34、以历史轮廓夹角为横轴值，建立平面直角坐标系，标记为第一历史坐标系；

35、获取历史轮廓夹角的均值，标记为历史夹角均值；

36、获取历史夹角均值在第一历史坐标系横轴的点，标记为历史均值点；

37、获取过历史均值点作第一历史坐标系纵轴的直线，标记为历史中直线；

38、在第一历史坐标系的第一象限中，第一历史坐标系横轴值为历史轮廓夹角，第一历史坐标系纵轴值为任意值的坐标点，标记为历史夹角坐标点。

39、进一步地，s200还包括如下子步骤：

40、获取f1的一半，标记为f2；

41、第一历史直线开始向第一历史坐标系横轴负方向移动一条平行于第一历史坐标系纵轴的直线，标记为第一平移直线；第一历史直线开始向第一历史坐标系横轴正方向移动一条平行于第一历史坐标系纵轴的直线，标记为第二平移直线；第一平移直线与第二平移直线移动的距离相同；获取第一平移直线与第二平移直线之间的历史夹角坐标点，标记为第一中间分布坐标点；当第一中间分布坐标点等于或者大于f2时，停止移动第一平移直线与第二平移直线移动，获取此停止位置的第一平移直线与第二平移直线移动，分别标记为第一参照直线和第二参照直线；

42、设定一个比值，标记为b1；获取第一参照直线与第二参照直线之间的距离，标记为d1；

43、获取b1与d1的乘积，标记为d2；

44、将第一参照直线向第一历史坐标系横轴负方向移动d2获得直线，标记为第一阈值直线；

45、将第二参照直线向第一历史坐标系横轴正方向移动d2获得直线，标记为第二阈值直线；

46、获取第一阈值直线和第二阈值直线之间的历史夹角坐标点，标记为历史筛选坐标点；

47、获取所有历史筛选坐标点横坐标的最小值和最大值，分别标记为第一夹角阈值和第二夹角阈值。

48、进一步地，s300包括如下子步骤：

49、以任意一个实时分割轮廓点分别向实时分割轮廓两侧搜索，若出现实时轮廓夹角不在第一夹角阈值至第二夹角阈值的范围时，停止搜索，将搜索到实时分割轮廓点对应的实时分割轮廓，认定为遮挡轮廓；若未出现实时轮廓夹角不在第一夹角阈值至第二夹角阈值的范围时，同时又回到实时分割轮廓点，将搜索到实时分割轮廓点对应的实时分割轮廓，认定为未遮挡轮廓。

50、进一步地，s400包括如下子步骤：

51、若为未遮挡轮廓，然后通过三维扫描获取实时分割轮廓内对应的一个目标物品的三维轮廓点，标记为实时单物体三维点；

52、基于实时单物体三维点通过机器人抓取每个目标物品。

53、进一步地，s400还包括如下子步骤：

54、若为遮挡轮廓，将每次搜索到的实时分割轮廓点，标记为实时单物体轮廓点；

55、将实时单物体轮廓点以圆的方程拟合获取函数，标记为实时拟合轮廓；

56、每个实时拟合轮廓区域对应一个需要抓取的目标物品；

57、然后通过三维扫描获取实时拟合轮廓内对应的一个目标物品的三维轮廓点，标记为实时单物体三维点；

58、基于实时单物体三维点通过机器人抓取每个目标物品。

59、本发明的有益效果：本发明通过基于相机获取目标抓取物品图像，标记为实时二维物品图；基于实时二维物品图获取第一灰度阈值；基于实时二维物品图和第一灰度阈值获取实时分割轮廓；基于实时分割轮廓获取实时轮廓夹角；基于无相互遮挡的物品获取历史轮廓夹角，基于历史轮廓夹角获取第一夹角阈值和第二夹角阈值；基于实时轮廓夹角、第一夹角阈值以及第二夹角阈获取实时单物体轮廓点、遮挡轮廓以及未遮挡轮廓；基于遮挡轮廓和未遮挡轮廓进行不同的抓取识别，优势在于，能够适应不同光照变化，同时能够针对堆叠的物品准确识别，提升抓取物品抓取精确度；

60、本发明通过基于实时轮廓夹角、第一夹角阈值以及第二夹角阈获取实时单物体轮廓点、遮挡轮廓以及未遮挡轮廓，优势在于，能够识别出堆叠物品的遮挡，提升抓取物品抓取精确度。