本發(fā)明涉及機(jī)器人智能控制領(lǐng)域,尤其涉及基于圖像分析算法的機(jī)器人智能控制方法及系統(tǒng)。

背景技術(shù)：

1、隨著智能制造與自動(dòng)化技術(shù)的快速發(fā)展，機(jī)器人在工業(yè)生產(chǎn)、物流倉(cāng)儲(chǔ)、服務(wù)等領(lǐng)域的應(yīng)用日益廣泛?；趫D像分析算法的機(jī)器人智能控制技術(shù)成為實(shí)現(xiàn)機(jī)器人自主作業(yè)、精準(zhǔn)操作的關(guān)鍵技術(shù)，它能夠賦予機(jī)器人感知環(huán)境、識(shí)別目標(biāo)的能力，使機(jī)器人根據(jù)環(huán)境變化自主做出決策，完成復(fù)雜任務(wù)。

2、然而，現(xiàn)有的機(jī)器人智能控制技術(shù)存在諸多不足。在目標(biāo)識(shí)別與處理方面，傳統(tǒng)的圖像分析算法對(duì)復(fù)雜環(huán)境下多目標(biāo)的識(shí)別效率和準(zhǔn)確性較低，無(wú)法快速、精準(zhǔn)地定位目標(biāo)物體及特征點(diǎn)，導(dǎo)致機(jī)器人難以準(zhǔn)確感知作業(yè)環(huán)境，影響后續(xù)的控制決策。例如在光線變化大、背景復(fù)雜的場(chǎng)景中，傳統(tǒng)算法易出現(xiàn)目標(biāo)漏檢、誤檢等問(wèn)題，使機(jī)器人無(wú)法正確執(zhí)行任務(wù)。

3、在運(yùn)動(dòng)控制策略制定與調(diào)整方面，現(xiàn)有機(jī)器人的運(yùn)動(dòng)規(guī)劃策略往往缺乏對(duì)機(jī)器人自身結(jié)構(gòu)參數(shù)、環(huán)境限制以及實(shí)時(shí)反饋信息的綜合考量。傳統(tǒng)的運(yùn)動(dòng)規(guī)劃方式不能根據(jù)機(jī)器人實(shí)際運(yùn)行狀態(tài)和環(huán)境變化及時(shí)調(diào)整，容易導(dǎo)致機(jī)器人運(yùn)動(dòng)過(guò)程中出現(xiàn)碰撞、運(yùn)動(dòng)不平穩(wěn)等情況，既降低了機(jī)器人的工作效率，又存在安全隱患，難以滿(mǎn)足高精度、復(fù)雜任務(wù)的作業(yè)需求。而本次提出的基于圖像分析算法的機(jī)器人智能控制方法及系統(tǒng)，有效解決了這些問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)存在的缺點(diǎn)與不足,本發(fā)明提供基于圖像分析算法的機(jī)器人智能控制方法及系統(tǒng)。

2、本發(fā)明所采用的技術(shù)方案是，基于圖像分析算法的機(jī)器人智能控制方法，包括如下步驟：

3、步驟s1：利用優(yōu)化的single?shot?multi-box?detector算法對(duì)獲取的機(jī)器人作業(yè)環(huán)境圖像數(shù)據(jù)進(jìn)行多目標(biāo)特征識(shí)別，在圖像數(shù)據(jù)中定位目標(biāo)物體及特征點(diǎn)，并生成對(duì)應(yīng)的特征向量集；

4、步驟s2：將特征向量集輸入預(yù)先構(gòu)建的機(jī)器人多維姿態(tài)調(diào)控模型，該模型根據(jù)特征向量集中目標(biāo)物體的空間位置信息以及機(jī)器人自身的初始位姿信息，計(jì)算機(jī)器人各關(guān)節(jié)需要調(diào)整的角度參數(shù)；

5、步驟s3：基于機(jī)器人智能控制的各項(xiàng)參數(shù)，結(jié)合機(jī)器人多維姿態(tài)調(diào)控模型輸出的關(guān)節(jié)角度參數(shù)，確定機(jī)器人運(yùn)動(dòng)規(guī)劃策略，所述運(yùn)動(dòng)規(guī)劃策略包含機(jī)器人末端執(zhí)行器的運(yùn)動(dòng)軌跡規(guī)劃以及各關(guān)節(jié)的運(yùn)動(dòng)順序規(guī)劃；

6、步驟s4：依據(jù)運(yùn)動(dòng)規(guī)劃策略，通過(guò)控制機(jī)器人各關(guān)節(jié)的驅(qū)動(dòng)裝置，進(jìn)行機(jī)器人各關(guān)節(jié)按照預(yù)定的角度參數(shù)和運(yùn)動(dòng)順序轉(zhuǎn)動(dòng)；

7、步驟s5：在機(jī)器人運(yùn)動(dòng)過(guò)程中，實(shí)時(shí)獲取機(jī)器人各關(guān)節(jié)的實(shí)際角度信息和末端執(zhí)行器的實(shí)際位置信息，并將其反饋至機(jī)器人多維姿態(tài)調(diào)控模型；

8、步驟s6：機(jī)器人多維姿態(tài)調(diào)控模型根據(jù)反饋信息與預(yù)設(shè)的目標(biāo)姿態(tài)信息進(jìn)行對(duì)比分析，對(duì)機(jī)器人后續(xù)的運(yùn)動(dòng)規(guī)劃策略進(jìn)行動(dòng)態(tài)調(diào)整，進(jìn)行機(jī)器人的持續(xù)精確運(yùn)動(dòng)控制。

9、進(jìn)一步地，所述機(jī)器人多維姿態(tài)調(diào)控模型，公式為：

10、

11、其中，表示機(jī)器人第個(gè)關(guān)節(jié)的目標(biāo)調(diào)整角度；為根據(jù)機(jī)器人結(jié)構(gòu)和作業(yè)需求設(shè)定的權(quán)重系數(shù)；是基于目標(biāo)物體特征向量和機(jī)器人當(dāng)前狀態(tài)特征向量的非線性映射函數(shù)；為機(jī)器人第個(gè)關(guān)節(jié)的當(dāng)前角度；表示機(jī)器人末端執(zhí)行器當(dāng)前位置與目標(biāo)位置的偏差向量。

12、進(jìn)一步地，所述機(jī)器人智能控制的各項(xiàng)參數(shù)參與構(gòu)建如下機(jī)器人運(yùn)動(dòng)規(guī)劃決策模型：

13、

14、其中，表示最終確定的機(jī)器人運(yùn)動(dòng)規(guī)劃策略；為包含機(jī)器人動(dòng)力參數(shù)、速度參數(shù)、加速度參數(shù)的機(jī)器人智能控制參數(shù)向量；是機(jī)器人多維姿態(tài)調(diào)控模型輸出的關(guān)節(jié)角度參數(shù)向量；表示機(jī)器人作業(yè)環(huán)境及自身結(jié)構(gòu)限制條件向量；為基于上述參數(shù)的復(fù)雜決策函數(shù)。

15、進(jìn)一步地，在步驟s4中，所述控制機(jī)器人各關(guān)節(jié)的驅(qū)動(dòng)裝置的過(guò)程，公式為：

16、

17、其中，表示驅(qū)動(dòng)裝置輸出的驅(qū)動(dòng)力或力矩向量；和為驅(qū)動(dòng)控制系數(shù)；是機(jī)器人多維姿態(tài)調(diào)控模型輸出的各關(guān)節(jié)目標(biāo)角度向量；為機(jī)器人各關(guān)節(jié)實(shí)際運(yùn)動(dòng)角速度的反饋向量。

18、進(jìn)一步地，在步驟s5中，所述將機(jī)器人各關(guān)節(jié)的實(shí)際角度信息和末端執(zhí)行器的實(shí)際位置信息反饋至機(jī)器人多維姿態(tài)調(diào)控模型的過(guò)程，通過(guò)如下信息融合模型實(shí)現(xiàn)：

19、

20、其中，表示融合后的反饋信息向量；為機(jī)器人各關(guān)節(jié)實(shí)際角度信息向量；是機(jī)器人末端執(zhí)行器實(shí)際位置信息向量；為上一時(shí)刻的反饋信息向量；為信息融合函數(shù)。

21、進(jìn)一步地，在步驟s6中，所述機(jī)器人多維姿態(tài)調(diào)控模型對(duì)機(jī)器人后續(xù)的運(yùn)動(dòng)規(guī)劃策略進(jìn)行動(dòng)態(tài)調(diào)整的過(guò)程，通過(guò)如下調(diào)整模型：

22、

23、其中，表示調(diào)整后的機(jī)器人運(yùn)動(dòng)規(guī)劃策略；為調(diào)整前的運(yùn)動(dòng)規(guī)劃策略；是融合后的反饋信息向量；為預(yù)設(shè)的目標(biāo)姿態(tài)信息向量；為運(yùn)動(dòng)規(guī)劃策略調(diào)整函數(shù)。

24、進(jìn)一步地，所述步驟s3中確定機(jī)器人運(yùn)動(dòng)規(guī)劃策略，具體包括：

25、步驟s3.1：根據(jù)機(jī)器人多維姿態(tài)調(diào)控模型輸出的關(guān)節(jié)角度參數(shù)，結(jié)合機(jī)器人智能控制的速度參數(shù)和加速度參數(shù)，計(jì)算機(jī)器人末端執(zhí)行器從當(dāng)前位置到目標(biāo)位置的最短時(shí)間路徑；

26、步驟s3.2：依據(jù)機(jī)器人各關(guān)節(jié)的運(yùn)動(dòng)范圍和結(jié)構(gòu)限制，將最短時(shí)間路徑分解為各關(guān)節(jié)的運(yùn)動(dòng)軌跡；

27、步驟s3.3：根據(jù)各關(guān)節(jié)的運(yùn)動(dòng)軌跡和機(jī)器人智能控制的動(dòng)力參數(shù)，確定各關(guān)節(jié)的運(yùn)動(dòng)順序，以避免運(yùn)動(dòng)干涉并保證運(yùn)動(dòng)平穩(wěn)性。

28、進(jìn)一步地，所述步驟s4中依據(jù)運(yùn)動(dòng)規(guī)劃策略控制機(jī)器人各關(guān)節(jié)的驅(qū)動(dòng)裝置，具體包含：

29、步驟s4.1：根據(jù)運(yùn)動(dòng)規(guī)劃策略中各關(guān)節(jié)的運(yùn)動(dòng)順序，依次激活對(duì)應(yīng)的驅(qū)動(dòng)裝置；

30、步驟s4.2：按照運(yùn)動(dòng)規(guī)劃策略中各關(guān)節(jié)的運(yùn)動(dòng)軌跡，實(shí)時(shí)調(diào)整驅(qū)動(dòng)裝置的輸出參數(shù)，使關(guān)節(jié)按照預(yù)定的角度參數(shù)進(jìn)行轉(zhuǎn)動(dòng)；

31、步驟s4.3：在關(guān)節(jié)轉(zhuǎn)動(dòng)過(guò)程中，監(jiān)測(cè)驅(qū)動(dòng)裝置的運(yùn)行狀態(tài)，若出現(xiàn)異常則立即啟動(dòng)應(yīng)急控制程序，對(duì)驅(qū)動(dòng)裝置進(jìn)行調(diào)整或停止運(yùn)動(dòng)。

32、進(jìn)一步地，所述步驟s5中實(shí)時(shí)獲取機(jī)器人各關(guān)節(jié)的實(shí)際角度信息和末端執(zhí)行器的實(shí)際位置信息，具體操作如下：

33、步驟s5.1：利用安裝在機(jī)器人各關(guān)節(jié)處的角度傳感器實(shí)時(shí)采集關(guān)節(jié)的實(shí)際轉(zhuǎn)動(dòng)角度，并將角度信息轉(zhuǎn)換為數(shù)字信號(hào)；

34、步驟s5.2：通過(guò)安裝在機(jī)器人末端執(zhí)行器上的位置傳感器實(shí)時(shí)獲取末端執(zhí)行器在空間中的實(shí)際位置坐標(biāo)；

35、步驟s5.3：將采集到的關(guān)節(jié)角度數(shù)字信號(hào)和末端執(zhí)行器位置坐標(biāo)信息進(jìn)行編碼處理，形成可供機(jī)器人多維姿態(tài)調(diào)控模型識(shí)別的反饋信息格式。

36、基于圖像分析算法的機(jī)器人智能控制系統(tǒng)，包括：

37、圖像特征識(shí)別處理單元，用于利用優(yōu)化的single?shot?multi-box?detector算法對(duì)獲取的機(jī)器人作業(yè)環(huán)境圖像數(shù)據(jù)進(jìn)行多目標(biāo)特征識(shí)別，定位目標(biāo)物體及特征點(diǎn)，并生成對(duì)應(yīng)的特征向量集；

38、姿態(tài)調(diào)控計(jì)算單元，與圖像特征識(shí)別處理單元連接，用于將特征向量集輸入機(jī)器人多維姿態(tài)調(diào)控模型，根據(jù)特征向量集中目標(biāo)物體的空間位置信息以及機(jī)器人自身的初始位姿信息，計(jì)算機(jī)器人各關(guān)節(jié)需要調(diào)整的角度參數(shù)；

39、運(yùn)動(dòng)規(guī)劃決策單元，與姿態(tài)調(diào)控計(jì)算單元連接，基于機(jī)器人智能控制的各項(xiàng)參數(shù)，結(jié)合機(jī)器人多維姿態(tài)調(diào)控模型輸出的關(guān)節(jié)角度參數(shù)，確定機(jī)器人運(yùn)動(dòng)規(guī)劃策略；

40、關(guān)節(jié)驅(qū)動(dòng)控制單元，與運(yùn)動(dòng)規(guī)劃決策單元連接，依據(jù)運(yùn)動(dòng)規(guī)劃策略，控制機(jī)器人各關(guān)節(jié)的驅(qū)動(dòng)裝置，使機(jī)器人各關(guān)節(jié)按照預(yù)定的角度參數(shù)和運(yùn)動(dòng)順序進(jìn)行轉(zhuǎn)動(dòng)；

41、信息采集反饋單元，與關(guān)節(jié)驅(qū)動(dòng)控制單元和姿態(tài)調(diào)控計(jì)算單元連接，在機(jī)器人運(yùn)動(dòng)過(guò)程中，實(shí)時(shí)獲取機(jī)器人各關(guān)節(jié)的實(shí)際角度信息和末端執(zhí)行器的實(shí)際位置信息，并將其反饋至姿態(tài)調(diào)控計(jì)算單元；

42、運(yùn)動(dòng)策略調(diào)整單元，與信息采集反饋單元和運(yùn)動(dòng)規(guī)劃決策單元連接，機(jī)器人多維姿態(tài)調(diào)控模型根據(jù)反饋信息與預(yù)設(shè)的目標(biāo)姿態(tài)信息進(jìn)行對(duì)比分析，通過(guò)該單元對(duì)機(jī)器人后續(xù)的運(yùn)動(dòng)規(guī)劃策略進(jìn)行動(dòng)態(tài)調(diào)整，進(jìn)行機(jī)器人的持續(xù)精確運(yùn)動(dòng)控制。

43、有益效果：本發(fā)明提出基于圖像分析算法的機(jī)器人智能控制方法及系統(tǒng)，在目標(biāo)識(shí)別層面，采用優(yōu)化的single?shot?multi-box?detector算法對(duì)作業(yè)環(huán)境圖像數(shù)據(jù)進(jìn)行多目標(biāo)特征識(shí)別，精準(zhǔn)定位目標(biāo)物體及特征點(diǎn)并生成特征向量集，相較于傳統(tǒng)算法，能更好地適應(yīng)復(fù)雜環(huán)境，大幅提升目標(biāo)識(shí)別的效率與準(zhǔn)確性，避免漏檢、誤檢問(wèn)題，為機(jī)器人精準(zhǔn)感知環(huán)境奠定基礎(chǔ)。在運(yùn)動(dòng)控制方面，機(jī)器人多維姿態(tài)調(diào)控模型依據(jù)目標(biāo)物體空間位置和機(jī)器人初始位姿計(jì)算關(guān)節(jié)角度參數(shù)，同時(shí)結(jié)合機(jī)器人智能控制各項(xiàng)參數(shù)構(gòu)建運(yùn)動(dòng)規(guī)劃決策模型，綜合考慮機(jī)器人動(dòng)力、速度、加速度參數(shù)及環(huán)境與結(jié)構(gòu)限制條件確定運(yùn)動(dòng)規(guī)劃策略，從末端執(zhí)行器軌跡到關(guān)節(jié)運(yùn)動(dòng)順序均進(jìn)行科學(xué)規(guī)劃。此外，通過(guò)信息采集反饋單元實(shí)時(shí)獲取機(jī)器人關(guān)節(jié)角度和末端位置信息，經(jīng)信息融合模型處理后反饋至調(diào)控模型，利用調(diào)整模型對(duì)運(yùn)動(dòng)規(guī)劃策略進(jìn)行動(dòng)態(tài)優(yōu)化。這種閉環(huán)控制機(jī)制相比傳統(tǒng)運(yùn)動(dòng)控制方式，能實(shí)時(shí)根據(jù)機(jī)器人實(shí)際狀態(tài)和環(huán)境變化調(diào)整策略，有效避免碰撞，保障運(yùn)動(dòng)平穩(wěn)性，顯著提升機(jī)器人工作效率與作業(yè)安全性，滿(mǎn)足高精度復(fù)雜任務(wù)需求，實(shí)現(xiàn)機(jī)器人的持續(xù)精確運(yùn)動(dòng)控制。