[发明专利]基于立体视觉的机器人欠驱动手自主抓取方法

摘要

基于立体视觉的机器人欠驱动手自主抓取方法，涉及一种机器人自主抓取方法。为了解决目前的机器人抓取方法需要事先得到物体的三维模型才可求解抓取点的问题和目前的机器人抓取方法只能对简单的物体进行识别，而对复杂的物体则不能获得其相应的抓取点的问题。本发明首先针对所要抓取的物体及其环境，通过Kinect传感器获取物体及环境的RGB-D点云，并对点云进行滤波处理；针对RGB-D点云，提取法向量夹角特征、共面特征、距离特征、抓取稳定性特征及碰撞检测特征和相应的约束方程；然后，基于高斯过程分类建立抓取规划方案；按照抓取方案驱动欠驱动手进行抓取，然后根据电流检测判断欠驱动手是否已经抓住物体，直至欠驱动手抓住物体，完成抓取任务后释放物体。本发明适用于机器人的抓取领域。

主权项

基于立体视觉的机器人欠驱动手自主抓取方法，其特征在于包括下述步骤：步骤1、针对所要抓取的物体及其环境，通过Kinect传感器获取物体及环境的RGB‑D点云，并对点云进行滤波处理；步骤2、针对RGB‑D点云，提取法向量夹角特征、共面特征、距离特征、抓取稳定性特征及碰撞检测特征和相应的约束方程；(1)法向量夹角特征：在抓住物体时，欠驱动手的两指是对称的，两指的分支点为O″，假设两指与物体的接触点为点C₁与点C₂，C₁与C₂的连线为中点与O″的连线与物体表面的交点记为O，n₁、n₂分别为点O、C₁处的法向量，n₁、n₂的夹角为α；假设物体与欠驱动手之间的摩擦力系数为f，确定接触点C₁与点C₂处的摩擦锥，摩擦锥顶角θ的大小由θ＝arctan(f)确定；定义法向量夹角特征为：F₁＝cos(α)＝cos(n₁,n₂)约束方程为：F₁＝cos(α)<cos(θ)；(2)共面特征：定义共面特征为：F₂＝distance(n₁，n₂)约束方程为：F₂＝distance(n₁，n₂)<F_2max；其中，n₁和n₂分别表示点O与点C₁法线；distance(n₁，n₂)表示n₁和n₂所在直线的距离；F_2max为临界值；(3)距离特征：定义点O到点C₁所在的直线距离为d_pair；定义欠驱动手最合适的抓取距离为d_optimal，定义距离描述子为d＝|d_pair‑d_optimal|；欠驱动手的最大距离为d_max，最小距离为d_min，假设$d_{optimal}=\frac{d_{max}-d_{min}}{2};$令ω为欠驱动手两指之间的最大距离，得到如下的约束条件：$d\&lt;\frac{1}{2}\mathrm{\&omega;};$(4)抓取稳定性特征：稳定距离为欠驱动手中心与物体重心之间的距离；通过Kinect传感器获得物体的局部三维点云，通过这局部三维点云找出物体在Kinect中的坐标系x轴、y轴和z轴方向上的最大和最小值，分别记为x_min、x_max、y_min、y_max、z_min、z_max；认为在Kinec的坐标系中物体中心点坐标为$z=\frac{z_{\min }+z_{max}}{2};$定义共面特征为：$F_3=\sqrt{{(x-x_g)}^2+{(y-y_g)}^2+{(z-z_g)}^2}$其中x_g、y_g、z_g为在Kinect的坐标系中物体重心的坐标；约束方程为：$F_3=\sqrt{{(x-x_g)}^2+{(y-y_g)}^2+{(z-z_g)}^2}\&lt;F_{3max};$其中，F_3max为F₃对应的阈值；(5)碰撞检测特征：首先是通过对称的方法获得两个抓取点，在两个抓取点外侧分别建立两个圆柱体，圆柱体的半径大于欠驱动手的手指的半径，圆柱体的方向与抓取方向相同；碰撞检测特征是通过计算点云中的点落入到两个圆柱体中的个数来计算的，分别记为h₁、h₂；通过机器学习的方法来学习碰撞检测特征并获得阀值h_1max和h_2max；即h₁<h_1max、h₂<h_2max；步骤3：基于高斯过程分类建立抓取规划方案；步骤4：按照抓取方案驱动欠驱动手进行抓取，然后根据电流检测判断欠驱动手是否已经抓住物体，直至欠驱动手抓住物体，完成抓取任务后释放物体。