[发明专利]基于异构特征融合的机器人抓取方法

说明书

本发明提供了一种基于异构特征融合的机器人抓取方法，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；基于异构特征的环境‑机器人感知模块能够获取障碍物坐标、机器人当前坐标、目标点坐标等感知信息；基于机器人本体的轮式‑机械臂规划模块根据所述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；机器人运动控制模块根据无碰撞路径并通过电机驱动实现机器人执行无碰撞路径的动作。本方法可以融合多模态信息，获取三维环境下的精细感知模型，集感知、规划及控制于一体，实现在非结构化环境中接近目标并在不碰撞障碍物的情况下成功实现移动双臂机器人的抓取操作。

技术领域

本发明涉及机器人领域，具体地，涉及一种基于异构特征融合的机器人抓取方法。

背景技术

在家用机的智能机器人中，最需要具备的能力包括两方面，一方面是移动导航能力，另一方面就是机器臂的抓取能力。人类具有着强大的灵活性与机动性，而机器人没有。在环境中，机器人抓取物体时会遇到不少的阻碍，例如机器人在中的移动空间比较有限，要抓取的物体可能会被其他物体遮挡。此外，在有人类走动的环境中，安全性也是一个非常重要的问题。

针对环境下面临任务环境复杂，操作对象种类繁多，存在光照、背景变化、抖动等不确定因素，仅通过单一传感器感知目标信息不完整，同时由于遮挡，视角等因素造成的检测不精确，且检测信息中可能含有大量噪音，为保证移动双臂机器人对周围环境的精细感知，需要融合视觉、触觉、力觉、深度信息等多种传感信息进行机器人周围环境的多模态感知。

针对单源信号源由于遮挡、视角等因素造成的检测不精确时有发生，如专利文献CN105598974A公开了一种机械手运动方法及其系统，依据在运动过程是否检测到取料允许信号或放料允许信号，控制机械手的实时运动；一旦运动过程中的检测信号因为不定环境因素的遮挡，往往就会出现检测及其不精确的情况，如此会造成机械手无法实现实时准确运动。进一步，对于机器人抓取过程中存在的光照、背景变化、抖动等不确定性因素、复杂环境中存在的目标种类繁多、局部信息严重的问题、被抓取目标形状不固定、重量不确定问题，甚至单视角视觉信息存在的目标信息缺失的问题更是无法克服的。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于异构特征融合的机器人抓取方法，可以融合多模态信息，获取三维环境下被抓取目标的精细感知模型，同时集感知，规划及控制于一体，使移动双臂机器人能够在非结构化环境中不碰撞任何障碍物的情况下成功的抓取目标。

根据本发明提供的一种基于异构特征融合的机器人抓取方法，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，获取障碍物坐标、机器人当前坐标、目标点坐标等感知信息；

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基于机器人本体的轮式-机械臂规划模块的无碰撞路径，通过电机驱动实现机器人执行所述无碰撞路径的动作。

进一步地，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；

具体地，不同类型的传感器包括但不仅限于视觉传感器，触觉传感器，力觉传感器和深度传感器。