[发明专利]基于异构特征融合的机器人抓取方法

权利要求书

1.一种基于异构特征融合的机器人抓取方法，其特征在于，包括基于异构特征的环境-机器人感知模块，基于机器人本体的轮式-机械臂规划模块以及机器人运动控制模块；

所述基于异构特征的环境-机器人感知模块用于对环境进行精细感知，获取感知信息，所述感知信息包括障碍物坐标、机器人当前坐标、目标点坐标；

所述基于机器人本体的轮式-机械臂规划模块根据所述基于异构特征的环境-机器人感知模块的感知信息，进行规划路径，使机器人的机械手能够获得目标的无碰撞路径；

所述机器人运动控制模块根据所述无碰撞路径通过电机驱动实现机器人执行所述无碰撞路径的动作；

所述基于异构特征的环境-机器人感知模块包括实现环境信息特征融合的基于多模态信息的异构特征融合模块、实现环境与目标信息重建的基于多尺度信息的三维检测模块、实现目标的准确位姿估计的基于分层优化的多源位姿估计模块、实现噪声处理与信息增强的基于分析归类模型的自适应鲁棒性增强方法模块；

所述基于多模态信息感知的异构特征模块，根据不同类型的传感器中收集观测目标的数据建立多模态信息感知模型，获得各传感器的异构特征，构建多模态深度学习模型进行异构特征融合，输出多视觉传感器环境信息；

所述基于多尺度信息的三维检测模块，通过多视觉信号对物体信息进行表征获得目标物体的整体特征描述，融合所述多视觉传感器环境信息，通过多视觉传感器环境信息的局部表征和目标物体的整体特征的多尺度位置估计方法，输出环境与目标物体位置信息，实现物体三维坐标的矫正；

所述基于分层优化的多源位姿估计模块包括初步位姿估计、实时矫正目标物体的位姿状态；

所述初步位姿估计根据所述环境与目标物体位置信息获得位置物体的表面形状，通过抓取状态下的实时触觉反馈，获得初步触觉信息；回归计算获得合适的夹持力，获得对应关节力矩阵信息；

所述实时矫正目标物体的位姿状态根据所述初步触觉信息、关节力矩阵信息通过粒子群算法实时确定机器人的本体工作状态，建立多模态数据的同源感知模型，输出异构多源传感信号；

所述基于分析归类模型的自适应鲁棒性增强方法模块针对不同的操作任务类型情况，通过噪声自适应调节方法和建立视觉感知、力觉感知、深度感知的关联机制，采用深度特征学习模型的级联推理框架，融合时空配准法，实时预测机器人周围三维环境的综合态势，对所述异构多源传感信号，进行精细估计与信号矫正，获得所述感知信息。

2.根据权利要求1所述的基于异构特征融合的机器人抓取方法，其特征在于，所述多模态信息感知模型为以分布式感知的方式，通过多源动态信号表征机器人所处的环境，获取初步检测特征的异构特征；

所述多模态深度学习模型使用人工神经网络法引入非线性激活函数，实现多模态特征的异构特征融合。

3.根据权利要求1所述的基于异构特征融合的机器人抓取方法，其特征在于，多模态信息感知的异构特征模块设有自适应特性的注意力机制方法，对多源信号进行权值计算，实现冗余信息的动态调节。

4.根据权利要求1所述的基于异构特征融合的机器人抓取方法，其特征在于，所述多尺度位置估计方法引入轻量级深度学习网络，通过多源信息的稀疏表示和降维来实现算法的实时性。

5.根据权利要求1所述的基于异构特征融合的机器人抓取方法，其特征在于，所述噪声自适应调节方法，引入时变参数，克服干扰信号的影响。

6.根据权利要求1所述的基于异构特征融合的机器人抓取方法，其特征在于，所述规划路径包括建立抓取规则、导航避障；

所述抓取规则使用基于对象整体形状及其局部特征的启发式算法计算建立抓取规则，实现抓取；

所述导航避障利用人工势场法建立导航避障，将编队理论应用于多关节机器手，根据传感器结果规划路径，获得目标的无碰撞路径。