[发明专利]一种基于视觉和力位图像学习的机器人精密柔性装配方法

说明书

本发明提供了一种基于视觉和力位图像学习的机器人精密柔性装配方法，属于智能制造领域；本发明通过控制工业机器人抓取待装工件到达装配体的孔附近，然后控制工业机器人采集装配过程中的力、位姿信号以生成力位关系图并标记标签，输入图像分类模型Ⅰ中训练，同时采集装配过程中的视觉图像并标记标签，输入图像分类模型Ⅱ中训练，得到模型Ⅰ的输出结果用于指导工业机器人的运动方向和大小，模型Ⅱ的输出结果用于判断是否装配完成；采用本发明的技术方案，通过学习力位关系图像和视觉图像，可以控制机器人完成精密柔性装配。

技术领域

本发明涉及智能制造领域，更具体地，涉及一种基于视觉和力位图像学习的机器人精密柔性装配方法。

背景技术

机器人装配是智能制造领域的重要研究方向。随着智能化生产的提出，越来越多制造行业开始利用机器人装配，协作机器人由于负载能力不够，进行重型工件装配时有一定局限性；传统工业机器人装配大多基于示教，只能完成简单，低精度的装配工作；目前的解决方案是通过给工业机器人加上多种传感器，赋予机器人感知外界环境的能力，传统的视觉方法采用特征点匹配和视觉伺服，容易出现特征点丢失、匹配不准等问题，采用柔顺控制算法进行力觉和位姿的控制在具体应用中精度不够高。

发明内容

为了解决上述问题，本发明旨在公开一种基于视觉和力位图像学习的机器人精密柔性装配方法，尤指一种基于机器学习对装配过程中的力位图像和视觉图像进行分类学习，通过学习结果指导机器人完成精密柔性装配的解决方法；

为了实现上述目的，本发明所采用的技术方案主要包括以下过程：

步骤1、建立工业机器人的运动学模型，得到工业机器人的运动学正解与逆解，手动操作示教器或通过程序控制工业机器人,使得处于机器人末端的待装工件靠近装配体的孔，并控制末端工具将待装工件调整为待装配位姿，设置装配过程中的步距，控制工业机器人执行装配操作；

所述运动学模型是指通过建立D-H参数表建立机器人各个连杆和末端工具的坐标系，通过坐标系变换矩阵推导出运动学正解，通过Pieper准则推导出运动学逆解；

得到的运动学正解与逆解用于确定机器人末端位姿值，便于后续采集位姿信号；

优选的，所述待装工件通过末端夹爪抓取，所述末端夹爪连接在六维力传感器的末端位置，所述六维力传感器连接在工业机器人最后一个关节的末端位置；

优选的，所述待装配位姿是指通过视觉方法计算得到的待装工件相对于装配体的孔的相对位姿；

所述步距设定为工业机器人在笛卡尔空间内沿任意方向步进运动一次的距离值，其值小于等于装配精度要求；

所述执行装配操作的方法包括手动示教、视觉引导、程序控制工业机器人进行装配，优选的，采用手动示教方法；

步骤2、装配过程中，机器人每执行一次步距，采集一次力信号和位姿信号，根据时间戳将采集的力信号和位姿信号进行合成，生成力位关系图像，并为该图像标记步进运动标签；

所述执行一次步距的方法包括手动示教、视觉引导、程序控制工业机器人步进移动或步进旋转一次，优选的，采用手动示教方法；

所述力信号通过工业机器人末端力传感器采集，包括三维空间的三个坐标轴x、y、z方向的接触力信号Fx、Fy及Fz，绕装配轴的装配力矩信号T和时间戳；

所述位姿信号通过机器人末端位姿得到，包括末端位置坐标值Px、Py、Pz及末端姿态值Rx、Ry、Rz和时间戳；

所述时间戳用于记录当前采集的信号的时间信息；