[发明专利]一种基于时序触觉数据处理的物体抓取方法

说明书

本发明公开了基于时序触觉数据处理的物体抓取方法，包括：根据物体的位置信息获取最优抓取区域；当机械手运行到最优抓取区域时，控制机械手以预设的力闭合并停留多个触觉传感器采集周期，停留期间通过触觉传感器采集物体的触觉数据，包含机械手对物体施加的力的大小和方向信息；将每个采集周期的触觉数据转化为触觉图像，再将按时间排列的触觉图像作为初始的网络输入，利用预先训练好的力的跟踪运动网络，进行循环传递，预测出未来时序的若干帧触觉图像；将若干帧触觉图像构成的帧序列输入至预先训练好的LSTM分类网络中，输出表征本次抓取是否为稳定抓取的分类结果；若为稳抓取，则控制机械手进行抓取；反之，则控制机械手松开物体，结束。

技术领域

本发明涉及机器人技术领域，具体涉及一种基于时序触觉数据处理的物体抓 取方法。

背景技术

随着人工智能与硬件设备的飞速发展，大大地推进了工业化进程与机器人科 学的发展。机器人的抓取功能是机器人最基本的功能，用来执行诸如分拣、拾取 等基本的任务操作。在工业生产环境或者物流分拣任务下，机器人抓取应用十分 常见。但是目前的抓取工作普遍使用单一模态——视觉对物体进行抓取预测，得 到适合机械手抓取的点。然而在利用视觉对抓取点进行判断时常常由于难以对物 体的重心和表面粗糙程度进行判断、客观存在机器人自身系统误差、视觉传感器 输入误差和环境噪声等因素，加上目标物体可能具有不规则几何外形，导致现有 的视觉抓取方式在执行抓取任务时抓取成功率降低。而在工业界场景中，物体的 摆放位置基本固定，机械臂只需要运行到指定位置闭合夹爪即可进行抓取。但是 由于物体可能密度分布不均或几何形状难以抓取可能会导致抓取失败。

一般地，用点接触抓取物体的方法都是首先通过固定的深度相机，获取目标 物体可见部分的点云信息，基于高斯过程重建曲面。通过设置满足稳定抓取的约 束条件，例如力封闭原则，筛选出满足条件的可行抓取点的集合，最后在仿真环 境和机器人实物上验证抓取的成功率。但是这种方式的弊端是：仅仅依靠视觉抓 取，从物体上获取的信息太少，很容易造成误判，从而导致抓取失败。当机械手 运行到物体所在位置后，在执行抓取任务时，首先是应当对物体表面特征进行判 断，而视觉无法做到这一点。

发明内容

本发明针对目前机器人抓取存在的难点，例如传感器精度、物体质心分布情 况难以简单通过视觉判定、物体的不规则外形和表面摩擦系数等造成抓取时发生 滑动从而导致抓取失败的情况，在视觉筛选的基础上，通过采集物体的触觉信息 并进行触觉数据处理，来预测力的运动情况，从而预判是否为稳定抓取，以此解 决目前的抓取方式抓取成功率低的问题。

为解决以上问题，本发明采用以下技术方案：

一种基于时序触觉数据处理的物体抓取方法，包括以下步骤：S1、根据物体 的位置信息获取最优抓取区域；S2、当机械手运行到所述最优抓取区域时，主控 制计算机生成控制指令，控制机械手以预设的力闭合并停留多个触觉传感器采集 周期，停留期间通过触觉传感器采集物体的触觉数据，所述触觉数据包含机械手 对物体施加的力的大小和方向信息；S3、将每个采集周期的触觉数据转化为触觉 图像，再将按时间排列的触觉图像进行时间维度上的叠加，得到叠加图像；S4、 以所述叠加图像作为初始的网络输入，利用预先训练好的力的跟踪运动网络，进 行循环传递，预测出未来时序的若干帧触觉图像；S5、将所述若干帧触觉图像构 成的帧序列输入至预先训练好的LSTM分类网络中进行分类，输出表征本次抓 取是否为稳定抓取的分类结果；S6、若所述分类结果显示本次抓取为稳抓取，则 主控制计算机控制机械手进行抓取；反之，则主控制计算机控制机械手松开物体， 本次抓取任务结束。

本发明上述技术方案的有益效果在于：首先，为了确保准确的抓取，建立了 基于二指机械手和目标物体之间的抓取坐标系，获取最优抓取区域，根据两者之 间的位姿关系能够准确的对目标物体进行定位和描述，也能够对抓取动作能够准 确的用参数化的方式进行描述；其次，通过基于触觉传感器的时序触觉数据处理 与预判方式，将采集到的触觉数据进行预处理形成触觉图像并经过力的跟踪运动 网络与LSTM分类网络对本次抓取质量进行预判，能够提高物体抓取的成功率。

附图说明