[发明专利]基于无手眼标定的抓取学习控制方法、系统、机器人及介质

说明书

本发明公开了一种基于无手眼标定的抓取学习控制方法，包括：获取机器人完成示教任务过程中的运动数据的样本；利用采样样本进行学习，获得期望像素坐标以及像素偏差与机械臂末端速度的变换关系矩阵；获取机器人当前末端位姿和当前像素坐标，结合期望像素坐标以及像素偏差与机械臂末端速度的变换关系矩阵，生成机械臂末端速度控制数据以用于控制机器人完成抓取任务。本发明还公开了一种基于无手眼标定的抓取学习控制系统。本发明还公开了一种采用上述基于无手眼标定的抓取学习控制系统的机器人。本发明也公开了一种计算机可读存储介质。本发明的基于无手眼标定的抓取学习控制方法，示教方便、结构简单、无需标定且适应能力强，具有较强的应用前景。

技术领域

本发明涉及机器人伺服图像控制领域，具体地，涉及一种基于无手眼标定的抓取学习控制方法、系统、机器人及介质。

背景技术

随着机器人技术的发展，机器人越来越多的融入到人类的生活和工作中，代替人类完成各种作业。在现阶段的机器人的应用中，尤其是工业应用中，在机器人上部署视觉系统，对机器人的手眼关系进行精准校准是非常重要的一步。但是进行手眼标定需要耗费大量的时间，并且如果机器人和相机的相对位置发生偏差，机器人的作业任务将可能出现失败，更严重的会导致事故发生。为了消除手眼位置偏差带来的不利影响，机器人的部署和维护需要专业人士进行大量的工作。在小批量多品种生产线中，维护和部署时的停工停线使得生产线的使用非常繁琐且导致生产效率低下。如果能降低机器人部署和维护的门槛和时间，将给机器人的广泛应用和普及带来极大的促进作用。

发明内容

为解决上述现有技术存在的问题，本发明提供了一种基于无手眼标定的抓取学习控制方法、系统、机器人及介质。

为了达到上述发明目的，本发明采用了如下的技术方案：

根据本发明的一方面，提供了一种基于无手眼标定的抓取学习控制方法，所述抓取学习控制方法包括：

获取机器人完成示教任务过程中的运动数据的采样样本；

利用所述采样样本进行学习，获得期望像素坐标以及像素偏差与机械臂末端速度的变换关系矩阵；

获取机器人当前末端位姿和待抓取物体的当前像素坐标，结合所述期望像素坐标以及所述像素偏差与机械臂末端速度的变换关系矩阵，生成机械臂末端速度控制数据以用于控制机器人完成抓取任务。

进一步地，所述利用所述采样样本进行学习，获得期望像素坐标以及像素偏差与机械臂末端速度的变换关系矩阵的方法包括：

利用所述采样样本进行学习，通过数据驱动方法对所述采样样本进行建模，获得所建模型中抓取成功概率最大的像素坐标作为期望像素坐标；

利用所述采样样本和所述期望像素坐标，通过多层超限学习机对所述采样样本进行建模，从而获得像素偏差与机械臂末端速度的变换关系矩阵。

进一步地，所述利用所述采样样本进行学习，通过数据驱动方法对所述采样样本进行建模，获得所建模型中抓取成功概率最大的像素坐标作为期望像素坐标的方法包括：

用高斯混合模型对所述采样样本中成功抓取的概率密度构建概率密度模型；

获取使所述概率密度模型的成功抓取的概率最高的像素坐标作为期望像素坐标。

进一步地，所述利用所述采样样本和所述期望像素坐标，通过多层超限学习机对所述采样样本进行建模，从而获得像素偏差与机械臂末端速度的变换关系矩阵的方法包括：

采用多层超限学习机对机械臂末端速度控制数据与像素偏差之间的映射关系构建映射模型；所述映射模型包括输出层的权值；

利用所述采样样本和所述期望像素坐标对所述映射模型进行训练，获得最优的输出层的权值；