[发明专利]一种基于深度卷积神经网络的工业机械臂视觉控制方法

说明书

本发明公开了一种基于深度卷积神经网络的工业机械臂视觉控制方法，包括步骤：1)目标物体视觉信息采集与预处理；2)训练与调整深度卷积神经网络模型；3)验证模型与保存模型。本发明结合深度卷积神经网络提取不同姿态的目标物体的理想抓取位置，提升了系统能够适用的范围，从而克服了传统视觉控制发放识别特定目标物体差问题，有效简化工业机械臂的使用难度，为工业机械臂控制提供新的方法，具备良好的扩展性。

技术领域

本发明涉及工业机械臂领域，尤其是指一种基于深度卷积神经网络的工业机械臂视觉控制方法。

背景技术

在工业生产中，工业机械臂可以替代人力进行简单和重复性的工作，例如：拾取、组装、焊接、包装、敲打、剪切、打磨、拖拽等生产操作。特别是在危险、恶劣的作业环境下使用机器人技术降低潜在的安全风险。研究机器人技术是实现智能制造，降低企业生产成本的重要的途径。

“运动规划”和“任务确定”是工业机械臂的关键的两类技术。“运动规划”可以分为路径规划(path planning)和轨迹生成(trajectory generation)两部分。路径规划的目的是为工业机械臂找到一系列无干涉、并能成功完成任务的路径点，这些路径点可以是三维空间中的坐标，或者关节角度，路径规划即为工业机械臂确定工作过程中需要经过的特定位置的集合；轨迹生成负责为工业机械臂生成一系列在运动上连续的参考点和附加信息，轨迹生成即确定工业机械臂以何种方式、速度通过路径规划生成的路径点集合。

“任务确定”是研究和解决工业机械臂如何识别目标物体。工业机械臂需要能够识别目标物体，然后才能进行后续生产操作。目前这部分存在很大缺陷，现有的工业机械臂需要要求物件出现在固定的空间三维坐标位置上。工业机械臂再从这个位置针对不同作业对物件进行具体操作。

目前在传统工业机器人上的控制技术(正逆运动学，正逆动力学，轨迹规划，参数辨识，误差补偿等)在理论上已经非常成熟了，只要给定目标坐标，就能配合多种方法进行轨迹规划获取一条适当的运动路径和运动过程中的动力输出配置。

目前生产上的工业机械臂使用方式有以下几种：

1.拖动示教：即通过拖动工业机器人来教会工业机器人按照固定的轨迹进行工作，使用上十分简单，但是面对复杂工作不能很好的进行规划，而且这种拖动方式需要人来进行，工业机器人存在一定危险性。

2.外部示教：利用手：势传感器来操作机器人，让机器人模仿手的运动。但是问题在于这些传感器的精度不高，短期内无法用于工业生产。

3.语音示教：利用预定义的语音指令来操纵工业机器人运动，存在问题是可操作精度差，不能很好的进行精细的工作。

4.编程示教：即利用工业机器人的示教盒进行编程控制工业机器人的运转，这需要工厂中有熟悉机器人的使用人员。

以上的4种工业机器人使用方式都存在的缺点的是，工业机器人需要按照预定义的程序运转，需要专业人员进行维护，并且应用到新任务中的复杂度高。部署和实施上的困难在很大程度上限制了机器人产业的反展。给定目标物体信息，工业机械臂便可完成相应生产操作，但是如何确定目标物体是应用的一大难题。因此亟需一种智能的能够自动识别目标物体的算法用于控制工业机械臂，降低工业机械臂的应用成本。

发明内容

本发明的目的在于克服现有工业机械臂视觉控制技术自动化水平与智能化层度低，提出了一种基于深度卷积神经网络的工业机械臂视觉控制方法，该方法考虑了工业机械臂相对稳定的室内工作环境要求，克服通过重复性编程控制工业机器人的缺点；结合机器学习与机器视觉，利用仿生物视觉方法的深度卷积神经网络的提取目标零件的能力，提升工业机械臂视觉系统识别目标零件的准确度，优化工业机械臂的使用和加速工业机械臂在生产中的应用。

为实现上述目的，本发明所提供的技术方案为：一种基于深度卷积神经网络的工业机械臂视觉控制方法，具体包含以下步骤：