[发明专利]机器人自主学习系统和机器人控制方法在审

专利信息
申请号: 201910088467.9 申请日: 2019-01-30
公开(公告)号: CN109760054A 公开(公告)日: 2019-05-17
发明(设计)人: 冉祥 申请(专利权)人: 重庆两江微链智能科技有限公司
主分类号: B25J9/16 分类号: B25J9/16;B25J19/02
代理公司: 佛山市海融科创知识产权代理事务所(普通合伙) 44377 代理人: 陈志超
地址: 401122 重庆*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 预设 抓取 自主学习系统 机器人 信息获取单元 机器人控制 模型数据库 运算单元 视频 机械臂 相对位置关系 输出 节省资源 模拟机器 模拟机械 视觉机器 输出单元 学习效率 种类信息 工控机 机器臂 可移植 储存 拍摄 学习 计算机
【说明书】:

发明实施例提供一种机器人自主学习系统和机器人控制方法,该机器人自主学习系统,包括:信息获取单元,用于获取、储存预设工件视频以及拍摄该视频时机器臂前端与预设工件之间的相对位置关系、该机械臂种类信息;运算单元,用于根据所述信息获取单元获取的数据,自主学习、识别预设工件以及模拟机械臂抓取姿态;输出单元,用于根据所述运算单元的计算结果,形成并输出所述机械臂抓取姿态与预设工件对应关系的模型数据库,所述模型数据库可移植输出。本发明通过输入预设工件视频,由计算机或工控机模拟机器臂抓取姿态,进行自主学习,提高视觉机器臂学习效率,节省资源。

技术领域

本申请涉及通信技术领域,特别涉及一种机器人自主学习系统和机器人控制方法。

背景技术

现有的工业机器人已经成为生产自动化的必要设备,应用于工业化生产的各个行业。目前的机器人系统在装备自动化生产线前,需要针对待抓取的工件进行学习,尤其是现有的视觉机器臂系统,在投入使用前,需由技术人员对其进行训练,拍摄待抓取工件图片样本,设定参数条件进行学习,图片样本越多,学习的次数越多,视觉机器臂抓取就越准确,在此过程中,生成的机器学习程序存储于此机器臂的工控机系统中,这样的学习过程存在两个问题:

(1)需要对投入生产的每一个机器人系统进行单独训练,存储于机器人的工控机系统的机器学习程序通用性差,无法移植使用;

(2)反复拍取样本图片的方式重复性工作多,效率比较低。

因此,现有技术存在缺陷,急需改进。

发明内容

本申请实施例提供一种机器人自主学习系统和机器人控制方法,根据输入的工件视频和拍摄该视频时机器臂前端与预设工件之间的相对位置关系、该机械臂种类信息,采用计算机或工控机模拟机器臂抓取姿态,进行自主学习,节省资源,提高学习效率。

本申请实施例提供一种机器人自主学习系统,包括:

信息获取单元,用于获取、储存预设工件视频以及拍摄该视频时机器臂前端与预设工件之间的相对位置关系、该机械臂种类信息;

运算单元,用于根据获取的数据,自主学习、识别预设工件以及模拟机械臂抓取姿态;

输出单元,用于根据所述运算单元的计算结果,形成并输出所述机械臂抓取姿态与预设工件对应关系的模型数据库,所述模型数据库可移植输出

在本发明所述的机器人自主学习系统中,所述相对位置关系包括机器臂前端与预设工件之间的距离值以及相对方位关系。

在本发明所述的机器人自主学习系统中,所述信息获取单元还用于获取该预设工件的种类信息;

所述输出单元,用于根据所述运算单元的计算结果,根据该预设工件的种类信息建立模型关系组,形成并输出所述机械臂抓取姿态与预设工件对应关系的模型数据库。

在本发明所述的机器人自主学习系统中,所述信息获取单元获取预设工件的视频包括以下步骤:

所述视频包括多帧图像,识别该多帧图像中的预设工件,获取筛选图片;

设定多个特征参数并获取该多个特征参数在所述筛选图像的特征参数值。

在本发明所述的机器人自主学习系统中,所述模型数据库包括根据所述预设工件的种类信息、所述筛选图片的各个特征参数值、对应的相对位置关系和模拟机械臂抓取姿态建立的模型关系。

在本发明所述的机器人自主学习系统中,所述识别该多帧图像中的预设工件,获取筛选图片包括以下步骤:

对于获取的多帧图像进行预处理,去除噪声;

利用减背景技术得到前景目标,同时对于虚假前景予以消除,利用颜色空间法及阴影的方向去除各种阴影;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆两江微链智能科技有限公司,未经重庆两江微链智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910088467.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top