[发明专利]基于视觉实时示教与自适应DMPS的机械臂运动控制方法和系统

说明书

本发明涉及一种基于视觉实时示教与自适应DMPS的机械臂运动控制方法和系统。首先设定示教物，然后控制示教物进行示范运动，使用Kinect获取深度图并结合PnP算法对示教物进行三维位姿定位与跟踪，建立空间映射系统将示教物位姿映射到机械臂末端，根据逆运动学解算机械臂各关节控制信息并实时发送以间接控制机械臂运动，最后在线记录示教运动信息并运用自适应DMPS算法对其进行局部线性优化与学习。本发明摆脱了传统示教模式中机械臂硬件结构的束缚与对复杂传感器的依赖，降低了示教的硬件成本与示教难度，无接触特性增强了示教过程的安全性的同时还具有广泛适用性，本发明提出的自适应DMPS方法使整个系统具有良好的抗干扰性。

技术领域

本发明属于机械臂运动规划领域，具体涉及一种基于QR码(二维条码的一种)进行的机械臂在线视觉示教学习的运动控制方法和系统。

背景技术

运动规划主要针对机器人上具有高维度运动空间的机械臂模块，不同于平面的路径规划，其主要分为关节空间轨迹规划与笛卡尔空间轨迹规划两大类，前者在传统中主要运用样条插值方法，后者主要运用空间直线或者空间圆弧等规划方法。由于机械臂自身的多自由度空间特性，使得这几种方法实际运用中不仅规划计算复杂大，还对于每一个新的目标都要重新计算运动过程中机械臂的每个姿态，尤其当机械臂与运动目标点之间存在障碍物时，传统的方法更难规划出机械臂的运动，所以传统方法存在计算复杂、智能化低、适应性差等缺陷。美国莱斯大学Kavraki等人开发的开源运动规划库(Open Motion PlanningLibrary，OMPL)成为目前主流机械臂运动规划平台。在OMPL中适用于高维的运动规划方法主要有概率路图法(Probabilistic Road Map，PRM)、快速拓展随机树法(Rapidly RandomTree，RRT)与人工势场法等，这些算法使用不同的采样方式搜索区域，具有规划速度快、概率完备等优点，但由于算法随机采样的特性，使得同一任务每次规划的结果都不同，不仅有时无法达到满意的规划效果，还无法对规划结果作出预判。

近年来，机器学习发展迅速，研究者们致力于开发示教学习模式的机械臂运动方法让机械臂的使用变得简单。如何对机械臂进行在线示教是研发的一大难题，一些研究机构采用定制的可示教类型的机械臂如KUKA机械臂，此类机械臂可将机械臂与使用者手臂绑定使其同时运动进行在线示教，这类方法不仅需要专业的硬件设备，示教过程还存在着一定的危险性；另一些研究机构采用大量的传感器安于使用者运动部位进行示教，这种方法既需要依赖大量且昂贵的传感器，又容易出现干扰等问题影响学习效果，当减少传感器数量时无法保证精度，而为了增加精度又不得不人为配置若干辅助装置。因而如何实施一种既安全又适用性广泛的示教方法是业界一直追求的目标。

发明内容

本发明针对上述机械臂运动规划领域示教学习模式中示教困难与学习抗干扰性差等问题，提出一种基于视觉实时示教与自适应DMPS的机械臂运动控制方法和系统，该方法大幅减少传感器数目并保证精度，摆脱了传统示教模式中机械臂硬件结构的束缚与对复杂传感器的依赖，降低了示教的硬件成本与示教难度，无接触特性增强了使用者安全性的同时还具有广泛适用性，针对示教信息存在干扰等问题，本发明提出的自适应DMPS方法使整个系统具有良好的抗干扰性。

为解决上述技术问题，本发明采用如下技术方案：

一种基于视觉实时示教与自适应DMPS的机械臂运动控制方法，其特征在于通过计算机视觉对具有设定QR码特征的示教物进行三维位姿识别、定位、跟踪，QR码中心为二维码示教识别部位，二维码示教识别部位外围为白色矩形区域和四角的黑色小矩形连接形成的矩形框；同时建立空间映射系统将示教物空间信息映射到机械臂末端，示教时使用者通过操控示教物间接实时控制机械臂运动。