本發(fā)明涉及工業(yè)自動(dòng)化控制領(lǐng)域，具體涉及一種零件視圖庫(kù)構(gòu)建方法、零件定位抓取方法及裝置。

背景技術(shù)：

目前各種類型的工業(yè)機(jī)器人應(yīng)用到零件加工和裝配及運(yùn)輸?shù)阮I(lǐng)域，對(duì)于工作在自動(dòng)化生產(chǎn)線或柔性制造系統(tǒng)上的工業(yè)機(jī)器人來(lái)說(shuō)，其完成最多的一類操作是“抓取——放置”動(dòng)作。

現(xiàn)有的技術(shù)中，通常要把零件放置到合適的工裝里，要求零件的位姿保持不變。每種不同的零件都要制作不同的工裝設(shè)備，導(dǎo)致成本較高、效率低下。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有技術(shù)中的上述問(wèn)題，本發(fā)明提出了一種零件視圖庫(kù)構(gòu)建方法、零件定位抓取方法及裝置，極大的減少了設(shè)備成本，提高了零件抓取的精準(zhǔn)度，從而提高了工業(yè)機(jī)器人的工作效率。

本發(fā)明提出一種零件視圖庫(kù)構(gòu)建方法，包括以下步驟：

步驟A1，繪制零件3D模型；

步驟A2，獲取所述零件3D模型不同角度的二維圖像；提取所述二維圖像的邊緣信息，并計(jì)算圖像間的相似度，根據(jù)相似度構(gòu)建梯形的零件視圖庫(kù)。

優(yōu)選地，步驟A2具體包括：

步驟A21，繪制一個(gè)球體，作為虛擬的視圖球，將所述零件3D模型置于球心；

步驟A22，在所述視圖球表面均勻地選取拍攝點(diǎn)，用虛擬相機(jī)在各拍攝點(diǎn)上拍攝所述零件3D模型的二維圖像；

步驟A23，對(duì)各二維圖像提取邊緣信息，并計(jì)算圖像間的相似度：

其中，p_i、q_i分別為兩張不同二維圖像的邊緣點(diǎn)的方向向量，n為邊緣點(diǎn)的個(gè)數(shù)；

步驟A24，根據(jù)相似度對(duì)二維圖像邊緣信息進(jìn)行分組，將相似度大于預(yù)設(shè)閾值D_k且拍攝點(diǎn)位置相鄰的圖像分入同一組，構(gòu)建梯形視圖庫(kù)的第k層；

步驟A25，若k小于預(yù)設(shè)的層數(shù)K，則轉(zhuǎn)至步驟A26；否則，構(gòu)建零件視圖庫(kù)的過(guò)程結(jié)束；

步驟A26，在第k層各圖像分組對(duì)應(yīng)的拍攝區(qū)域內(nèi)均勻選取新的拍攝點(diǎn)，用虛擬相機(jī)獲取新的二維圖像；

步驟A27，對(duì)于新的二維圖像，進(jìn)行k次在2*2區(qū)域內(nèi)取平均灰度值的操作，獲得分辨率降低的二維圖像；k＝k+1，轉(zhuǎn)至步驟A23。

優(yōu)選地，所述虛擬相機(jī)放置于球面，并指向球心；將所述零件3D模型的輪廓投影到所述虛擬相機(jī)的圖像平面上，獲得用所述虛擬相機(jī)拍攝的二維圖像；用地理坐標(biāo)來(lái)記錄所述虛擬相機(jī)在所述視圖球上的對(duì)應(yīng)拍攝點(diǎn)。

優(yōu)選地，構(gòu)建梯形零件視圖庫(kù)時(shí)，選取的拍攝點(diǎn)個(gè)數(shù)由底層到頂層逐層遞減，在每個(gè)拍攝點(diǎn)拍攝一張二維圖像。

優(yōu)選地，梯形零件視圖庫(kù)中，每層包括一個(gè)或一個(gè)以上不同的圖像分組，每個(gè)圖像分組作為一個(gè)節(jié)點(diǎn)；其中，每張圖像的邊緣信息還關(guān)聯(lián)存儲(chǔ)了對(duì)應(yīng)拍攝點(diǎn)的地理坐標(biāo)、對(duì)應(yīng)的下一層節(jié)點(diǎn)的序號(hào)。所述對(duì)應(yīng)的下一層節(jié)點(diǎn)，其相應(yīng)的拍攝區(qū)域中包含該圖像的拍攝點(diǎn)。

優(yōu)選地，對(duì)所述零件3D模型進(jìn)行拍攝時(shí)，根據(jù)零件在水平面上的各種擺放位姿，在步驟A21所述視圖球上，預(yù)先設(shè)定用地理坐標(biāo)表示的拍攝范圍：[(α₁，α₂)，(β₁，β₂)，d]；其中，(α₁，α₂)為經(jīng)度范圍、(β₁，β₂)為緯度范圍、d為所述視圖球的半徑。

本發(fā)明還提出一種零件定位抓取方法，包括以下步驟：

步驟B1，利用相機(jī)在線拍攝零件的二維圖像；

步驟B2，采用背景差分法，將待抓取零件的圖像從在線拍攝的圖像中提取出來(lái)；

其中，f(x，y，t)為在t時(shí)刻拍攝到的圖像的灰度值，為在t時(shí)刻提取到的待抓取零件的灰度值，b(x，y)為背景圖像的灰度值，T為閾值，若差分值大于T則認(rèn)為像素點(diǎn)(x，y)是待抓取零件上的像素點(diǎn)；

步驟B3，從步驟B2所得待抓取零件的圖像中提取邊緣信息；

步驟B4，利用相似度度量公式，將步驟B3所得圖像邊緣信息與零件視圖庫(kù)中的圖像邊緣信息進(jìn)行逐層匹配；根據(jù)最底層匹配到的圖像所對(duì)應(yīng)的位姿坐標(biāo)，利用最小二乘迭代的方法，獲得待抓取零件的位姿；所述零件視圖庫(kù)基于權(quán)利要求1～5中任一項(xiàng)所述方法構(gòu)建；

步驟B5，控制工業(yè)機(jī)器人接近待抓取零件，并用手爪進(jìn)行抓取操作。

優(yōu)選地，步驟B4具體包括：

步驟B41，k＝K，將步驟B3所得圖像邊緣信息與零件視圖庫(kù)中頂層的二維圖像邊緣信息進(jìn)行相似度計(jì)算，找到相似度最高的圖像，得到該圖像所對(duì)應(yīng)的下一層節(jié)點(diǎn)的序號(hào)m；

步驟B42，k＝k-1，將步驟B3所得圖像邊緣信息與零件視圖庫(kù)第k層中第m個(gè)節(jié)點(diǎn)上的各圖像邊緣信息繼續(xù)進(jìn)行相似度計(jì)算，找到相似度最高的圖像；

步驟B43，若k＞1，則獲取該圖像所對(duì)應(yīng)的第k-1層節(jié)點(diǎn)的序號(hào)m，轉(zhuǎn)至步驟B42，否則，轉(zhuǎn)至步驟B44；

步驟B44，獲取第1層中找到的相似度最高的圖像所對(duì)應(yīng)的位姿坐標(biāo)，用最小二乘法進(jìn)行迭代，得到待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo)(x，y，z，θ_x，θ_y，θ_z)。

其中，k為梯形零件的視圖庫(kù)的層序號(hào)，由頂層到底層分別為K、K-1、K-2、…、2、1。

優(yōu)選地，步驟B5具體為：

將待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo)換算為世界坐標(biāo)系中的坐標(biāo)：

^wT_o＝^wT_t^tT_c^cT_o，

其中：

^wT_o為待抓取零件在世界坐標(biāo)系中的坐標(biāo)，即待抓取零件的抓取點(diǎn)；

^wT_t為工業(yè)機(jī)器人工具坐標(biāo)系在世界坐標(biāo)系中的坐標(biāo)，通過(guò)向工業(yè)機(jī)器人讀??；

^tT_c為相機(jī)坐標(biāo)系在工業(yè)機(jī)器人工具坐標(biāo)系中的坐標(biāo)，通過(guò)手眼標(biāo)定獲得；

^cT_o為待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo)，通過(guò)位姿識(shí)別過(guò)程獲得；

控制機(jī)器人手爪按照預(yù)設(shè)的路徑接近待抓取零件，并進(jìn)行抓取。

優(yōu)選地，所述相機(jī)的內(nèi)參數(shù)與構(gòu)建視圖庫(kù)時(shí)所用的虛擬相機(jī)的內(nèi)參數(shù)相等。

優(yōu)選地，所述相機(jī)為單目相機(jī)，利用平面標(biāo)定板，獲取相機(jī)內(nèi)參數(shù)(f，k，S_x，S_y，C_x，C_y)；其中，f為相機(jī)焦距，k為相機(jī)畸變系數(shù)；S_x，S_y為圖像傳感器在水平和垂直方向上相鄰像素之間的距離；C_x，C_y為投影中心在成像平面的垂直投影。

優(yōu)選地，待抓取零件放置在傳送帶上。

本發(fā)明還提出了一種零件定位抓取裝置，包括計(jì)算機(jī)、控制柜、工業(yè)機(jī)器人、手爪，以及工業(yè)相機(jī)；

所述計(jì)算機(jī)通過(guò)網(wǎng)絡(luò)與工業(yè)機(jī)器人、控制柜，以及工業(yè)相機(jī)進(jìn)行通訊，作為主控制服務(wù)器；

所述控制柜，用于接收計(jì)算機(jī)發(fā)來(lái)的控制命令，并控制工業(yè)機(jī)器人執(zhí)行相應(yīng)的動(dòng)作；

所述工業(yè)機(jī)器人，用于執(zhí)行控制柜發(fā)來(lái)的命令；

所述手爪固定在所述工業(yè)機(jī)器人上，用于抓取放置在平面上的零件；

所述工業(yè)相機(jī)，固定在工業(yè)機(jī)器人上或手爪上，用于在線拍攝二維圖像。

優(yōu)選地，所述計(jì)算機(jī)上裝載了圖像處理及控制系統(tǒng)。

所述圖像處理及控制系統(tǒng)，包括待抓取零件的零件視圖庫(kù)、零件視圖庫(kù)管理模塊、零件圖像提取模塊、零件位姿匹配模塊，以及控制模塊；

所述零件視圖庫(kù)，基于權(quán)利要求1～5中任一項(xiàng)所述方法構(gòu)建；

所述零件視圖庫(kù)管理模塊，用于零件視圖庫(kù)的構(gòu)建、添加、刪除和查詢操作；

所述零件圖像提取模塊，利用差分背景法從在線拍攝的二維圖像中提取待抓取零件的圖像；

所述零件位姿匹配模塊，將待抓取零件的圖像與零件視圖庫(kù)中圖像進(jìn)行逐層匹配；并利用最小二乘迭代的方法確定待抓取零件的位姿；

所述控制模塊，通過(guò)控制柜下達(dá)控制命令，控制工業(yè)相機(jī)進(jìn)行圖像拍攝；根據(jù)由所述零件位姿匹配模塊確定的待抓取零件的位姿，控制工業(yè)機(jī)器人移動(dòng)、控制手爪執(zhí)行抓取及放置動(dòng)作。

優(yōu)選地，所述將待抓取零件的圖像與零件視圖庫(kù)中圖像進(jìn)行逐層匹配，具體為：

提取待抓取零件二維圖像的邊緣信息，與零件視圖庫(kù)中頂層的二維圖像邊緣信息進(jìn)行相似度計(jì)算，選擇相似度最高的圖像，定位其所對(duì)應(yīng)的下一層節(jié)點(diǎn)，在下一層節(jié)點(diǎn)中再選取相似度最高的圖像；依此類推，直到零件視圖庫(kù)的底層。

優(yōu)選地，所述工業(yè)相機(jī)為單目相機(jī)，與構(gòu)建零件視圖庫(kù)時(shí)所用的虛擬相機(jī)具有相同的內(nèi)參數(shù)。

優(yōu)選地，所述計(jì)算機(jī)通過(guò)有線網(wǎng)絡(luò)與工業(yè)機(jī)器人、控制柜，以及相機(jī)進(jìn)行通訊。

本發(fā)明通過(guò)提取零件3D模型的二維輪廓，保證了用于構(gòu)建視圖庫(kù)的圖像本身是清晰可辨的。在視圖庫(kù)中通過(guò)相似度對(duì)圖像邊緣信息進(jìn)行分組，進(jìn)而構(gòu)建了梯形的零件視圖庫(kù)；基于所述零件視圖庫(kù)，在進(jìn)行零件抓取前，將待抓取零件的圖像與視圖庫(kù)中的圖像從頂層到底層，根據(jù)相似度逐層匹配，可以迅速地定位到底層中與待抓取零件圖像最相似的圖像，進(jìn)而獲取該底層圖像對(duì)應(yīng)的位姿坐標(biāo)；再用最小二乘迭代的方法獲取零件的精確位姿坐標(biāo)。本發(fā)明省去了零件定位工裝，大大降低了工業(yè)生產(chǎn)線上的成本；而且不受生產(chǎn)線上光照不均的影響，能夠精確地抓取目標(biāo)零件，提高了工業(yè)機(jī)器人工作的效率。

附圖說(shuō)明

圖1是本實(shí)施例中所述視圖球的示意圖；

圖2是本實(shí)施例中構(gòu)建梯形零件視圖庫(kù)時(shí)，選取的拍攝點(diǎn)個(gè)數(shù)由底層到頂層逐層遞減的局部示意圖；

圖3是本實(shí)施例中零件視圖庫(kù)的梯形結(jié)構(gòu)示意圖；

圖4是本實(shí)施例中對(duì)所述零件3D模型進(jìn)行拍攝時(shí)，預(yù)設(shè)的地理坐標(biāo)范圍示意圖；

圖5是本實(shí)施例中零件定位抓取方法流程示意；

圖6是本實(shí)施例中零件定位抓取裝置示意圖。

具體實(shí)施方式

下面參照附圖來(lái)描述本發(fā)明的優(yōu)選實(shí)施方式。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解的是，這些實(shí)施方式僅僅用于解釋本發(fā)明的技術(shù)原理，并非旨在限制本發(fā)明的保護(hù)范圍。

本發(fā)明提出一種零件視圖庫(kù)構(gòu)建方法，包括以下步驟：

步驟A1，繪制零件3D模型；

步驟A2，獲取所述零件3D模型不同角度的二維圖像；提取所述二維圖像的邊緣信息，并計(jì)算圖像間的相似度，根據(jù)相似度構(gòu)建梯形的零件視圖庫(kù)。

本實(shí)施例中，如圖1所示，其中，最外面的球體為繪制的虛擬視圖球，1表示零件的3D模型，2表示虛擬相機(jī)，虛擬相機(jī)可以移動(dòng)到視圖球上選定的點(diǎn)并進(jìn)行拍攝；

步驟A2具體包括：

步驟A21，繪制一個(gè)球體，作為虛擬的視圖球，將所述零件3D模型置于球心；

步驟A22，在所述視圖球表面均勻地選取拍攝點(diǎn)，用虛擬相機(jī)在各拍攝點(diǎn)上拍攝所述零件3D模型的二維圖像；

步驟A23，對(duì)各二維圖像提取邊緣信息，并計(jì)算圖像間的相似度，如公式(1)所示：

其中，p_i、q_i分別為兩張不同二維圖像的邊緣點(diǎn)的方向向量，n為邊緣點(diǎn)的個(gè)數(shù)；

步驟A24，根據(jù)相似度對(duì)二維圖像邊緣信息進(jìn)行分組，將相似度大于預(yù)設(shè)閾值D_k且拍攝點(diǎn)位置相鄰的圖像分入同一組，構(gòu)建梯形視圖庫(kù)的第k層；

步驟A25，若k小于預(yù)設(shè)的層數(shù)K，則轉(zhuǎn)至步驟A26；否則，構(gòu)建零件視圖庫(kù)的過(guò)程結(jié)束；

步驟A26，在第k層各圖像分組對(duì)應(yīng)的拍攝區(qū)域內(nèi)均勻選取新的拍攝點(diǎn)，用虛擬相機(jī)獲取新的二維圖像；

步驟A27，對(duì)于新的二維圖像，進(jìn)行k次在2*2區(qū)域內(nèi)取平均灰度值的操作，獲得分辨率降低的二維圖像；k＝k+1，轉(zhuǎn)至步驟A23。

本實(shí)施例中，所述虛擬相機(jī)放置于球面，并指向球心；將所述零件3D模型的輪廓投影到所述虛擬相機(jī)的圖像平面上，獲得用所述虛擬相機(jī)拍攝的二維圖像；用地理坐標(biāo)來(lái)記錄所述虛擬相機(jī)在所述視圖球上的對(duì)應(yīng)拍攝點(diǎn)。

本實(shí)施例中，如圖2所示，構(gòu)建梯形零件視圖庫(kù)時(shí)，選取的拍攝點(diǎn)個(gè)數(shù)由底層到頂層逐層遞減，在每個(gè)拍攝點(diǎn)拍攝一張二維圖像。

從圖2的局部示意圖可以看出，如子圖(a)、(b)、(c)、(d)所示，在構(gòu)建梯形時(shí)，選取的拍攝點(diǎn)個(gè)數(shù)逐層遞減。

本實(shí)施例中，如圖3所示，是一個(gè)四層的零件視圖庫(kù)，每個(gè)小矩形代表一張二維圖像的邊緣信息；每層包括一個(gè)或一個(gè)以上不同的圖像分組，每個(gè)圖像分組作為一個(gè)節(jié)點(diǎn)；其中，每張圖像的邊緣信息還關(guān)聯(lián)存儲(chǔ)了對(duì)應(yīng)拍攝點(diǎn)的地理坐標(biāo)、對(duì)應(yīng)的下一層節(jié)點(diǎn)的序號(hào)。所述對(duì)應(yīng)的下一層節(jié)點(diǎn)，其相應(yīng)的拍攝區(qū)域中包含該圖像的拍攝點(diǎn)。

圖3中第一層(最底層)是從該層對(duì)應(yīng)拍攝點(diǎn)上獲取的原始二維投影圖像中提取的邊緣信息；從第二層的對(duì)應(yīng)拍攝點(diǎn)上獲取的原始二維投影圖像要經(jīng)過(guò)一次2x2區(qū)域內(nèi)取平均灰度值操作，再提取邊緣信息，用來(lái)構(gòu)成梯形的第二層；從第三層的對(duì)應(yīng)拍攝點(diǎn)上獲取的原始二維投影圖像要經(jīng)過(guò)兩次2x2區(qū)域內(nèi)取平均灰度值操作，再提取邊緣信息，用來(lái)構(gòu)成梯形的第三層；從第四層(頂層)的對(duì)應(yīng)拍攝點(diǎn)上獲取的原始二維投影圖像要經(jīng)過(guò)三次2x2區(qū)域內(nèi)取平均灰度值操作，再提取邊緣信息，用來(lái)構(gòu)成梯形的第四層；頂層的二維投影圖像分辨率最低，但仍然能夠清晰地分辨出邊緣。

本實(shí)施例中，對(duì)所述零件3D模型進(jìn)行拍攝時(shí)，根據(jù)零件在水平面上的各種擺放位姿，在步驟A21所述視圖球上，如圖4所示，預(yù)先設(shè)定用地理坐標(biāo)表示的拍攝范圍：[(α₁，α₂)，(β₁，β₂)，d]；其中，(α₁，α₂)為經(jīng)度范圍、(β₁，β₂)為緯度范圍、d為所述視圖球的半徑。

本發(fā)明還提出一種零件定位抓取方法，如圖5所示，包括以下步驟：

步驟B1，利用相機(jī)在線拍攝零件的二維圖像；

步驟B2，采用背景差分法，將待抓取零件的圖像從在線拍攝的圖像中提取出來(lái)；如公式(2)所示：

其中，f(x，y，t)為在t時(shí)刻拍攝到的圖像的灰度值，為在t時(shí)刻提取到的待抓取零件的灰度值，b(x，y)為背景圖像的灰度值，T為閾值，若差分值大于T則認(rèn)為像素點(diǎn)(x，y)是待抓取零件上的像素點(diǎn)；

步驟B3，從步驟B2所得待抓取零件的圖像中提取邊緣信息；

步驟B4，利用相似度度量公式，將步驟B3所得圖像邊緣信息與零件視圖庫(kù)中的圖像邊緣信息進(jìn)行逐層匹配；根據(jù)最底層匹配到的圖像所對(duì)應(yīng)的位姿坐標(biāo)，利用最小二乘迭代的方法，獲得待抓取零件的位姿；所述零件視圖庫(kù)基于權(quán)利要求1～5中任一項(xiàng)所述方法構(gòu)建；

步驟B5，控制工業(yè)機(jī)器人接近待抓取零件，并用手爪進(jìn)行抓取操作。

本實(shí)施例中，圖3中圈出來(lái)部分可以用來(lái)表示圖像逐層匹配的大致過(guò)程。步驟B4具體包括：

步驟B41，k＝K，將步驟B3所得圖像邊緣信息與零件視圖庫(kù)中頂層的二維圖像邊緣信息進(jìn)行相似度計(jì)算，找到相似度最高的圖像，得到該圖像所對(duì)應(yīng)的下一層節(jié)點(diǎn)的序號(hào)m；

步驟B42，k＝k-1，將步驟B3所得圖像邊緣信息與零件視圖庫(kù)第k層中第m個(gè)節(jié)點(diǎn)上的各圖像邊緣信息繼續(xù)進(jìn)行相似度計(jì)算，找到相似度最高的圖像；

步驟B43，若k＞1，則獲取該圖像所對(duì)應(yīng)的第k-1層節(jié)點(diǎn)的序號(hào)m，轉(zhuǎn)至步驟B42，否則，轉(zhuǎn)至步驟B44；

步驟B44，獲取第1層中找到的相似度最高的圖像所對(duì)應(yīng)的位姿坐標(biāo)，用最小二乘法進(jìn)行迭代，得到待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo)(x，y，z，θ_x，θ_y，θ_z)。

其中，k為梯形零件的視圖庫(kù)的層序號(hào)，由頂層到底層分別為K、K-1、K-2、…、2、1。

本實(shí)施例中，步驟B5具體為：

將待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo)換算為世界坐標(biāo)系中的坐標(biāo)，如公式(3)所示：

^wT_o＝^wT_t^tT_c^cT_o (3)

其中：

^wT_o為待抓取零件在世界坐標(biāo)系中的坐標(biāo)，即待抓取零件的抓取點(diǎn)；

^wT_t為工業(yè)機(jī)器人工具坐標(biāo)系在世界坐標(biāo)系中的坐標(biāo)，通過(guò)向工業(yè)機(jī)器人讀??；

^ttT_c為相機(jī)坐標(biāo)系在工業(yè)機(jī)器人工具坐標(biāo)系中的坐標(biāo)，通過(guò)手眼標(biāo)定獲得；

^cT_o為待抓取零件在相機(jī)坐標(biāo)系中的位姿坐標(biāo)，通過(guò)位姿識(shí)別過(guò)程獲得；

控制機(jī)器人手爪按照預(yù)設(shè)的路徑接近待抓取零件，并進(jìn)行抓取。

本實(shí)施例中，所述相機(jī)的內(nèi)參數(shù)與構(gòu)建視圖庫(kù)時(shí)所用的虛擬相機(jī)的內(nèi)參數(shù)相等。

本實(shí)施例中，所述相機(jī)為單目相機(jī)，利用平面標(biāo)定板，獲取相機(jī)內(nèi)參數(shù)(f，k，S_x，S_y，C_x，C_y)；其中，f為相機(jī)焦距，k為相機(jī)畸變系數(shù)；S_x，S_y為圖像傳感器在水平和垂直方向上相鄰像素之間的距離；C_x，C_y為投影中心在成像平面的垂直投影。

本實(shí)施例中，待抓取零件放置在傳送帶上。

本發(fā)明還提出了一種零件定位抓取裝置，如圖6所示，包括計(jì)算機(jī)、控制柜、工業(yè)機(jī)器人、手爪，以及工業(yè)相機(jī)；

圖6中，1表示工業(yè)機(jī)器人、2表示控制柜、3表示計(jì)算機(jī)、4表示工業(yè)相機(jī)、5表示手爪、6表示放置零件的平面(本實(shí)施例中為傳送帶)、7表示零件；

所述計(jì)算機(jī)通過(guò)網(wǎng)絡(luò)與工業(yè)機(jī)器人、控制柜，以及工業(yè)相機(jī)進(jìn)行通訊，作為主控制服務(wù)器；

所述控制柜，用于接收計(jì)算機(jī)發(fā)來(lái)的控制命令，并控制工業(yè)機(jī)器人執(zhí)行相應(yīng)的動(dòng)作；

所述工業(yè)機(jī)器人，用于執(zhí)行控制柜發(fā)來(lái)的命令；

所述手爪固定在所述工業(yè)機(jī)器人上，用于抓取放置在平面上的零件；手爪的形狀可以根據(jù)實(shí)際需要設(shè)計(jì)，本實(shí)施例中使用的是二指手爪；

所述工業(yè)相機(jī)，固定在工業(yè)機(jī)器人上或手爪上，用于在線拍攝二維圖像。

本實(shí)施例中，所述計(jì)算機(jī)上裝載了圖像處理及控制系統(tǒng)。

所述圖像處理及控制系統(tǒng)，包括待抓取零件的零件視圖庫(kù)、零件視圖庫(kù)管理模塊、零件圖像提取模塊、零件位姿匹配模塊，以及控制模塊；

所述零件視圖庫(kù)，基于權(quán)利要求1～5中任一項(xiàng)所述方法構(gòu)建；

所述零件視圖庫(kù)管理模塊，用于零件視圖庫(kù)的構(gòu)建、添加、刪除和查詢操作；

所述零件圖像提取模塊，利用差分背景法從在線拍攝的二維圖像中提取待抓取零件的圖像；

所述零件位姿匹配模塊，將待抓取零件的圖像與零件視圖庫(kù)中圖像進(jìn)行逐層匹配；并利用最小二乘迭代的方法確定待抓取零件的位姿；

所述控制模塊，通過(guò)控制柜下達(dá)控制命令，控制工業(yè)相機(jī)進(jìn)行圖像拍攝；根據(jù)由所述零件位姿匹配模塊確定的待抓取零件的位姿，控制工業(yè)機(jī)器人移動(dòng)、控制手爪執(zhí)行抓取及放置動(dòng)作。

本實(shí)施例中，所述將待抓取零件的圖像與零件視圖庫(kù)中圖像進(jìn)行逐層匹配，具體為：

提取待抓取零件二維圖像的邊緣信息，與零件視圖庫(kù)中頂層的二維圖像邊緣信息進(jìn)行相似度計(jì)算，選擇相似度最高的圖像，定位其所對(duì)應(yīng)的下一層節(jié)點(diǎn)，在下一層節(jié)點(diǎn)中再選取相似度最高的圖像；依此類推，直到零件視圖庫(kù)的底層。

本實(shí)施例中，所述工業(yè)相機(jī)為單目相機(jī)，與構(gòu)建零件視圖庫(kù)時(shí)所用的虛擬相機(jī)具有相同的內(nèi)參數(shù)。

本實(shí)施例中，所述計(jì)算機(jī)通過(guò)有線網(wǎng)絡(luò)與工業(yè)機(jī)器人、控制柜，以及相機(jī)進(jìn)行通訊。

本領(lǐng)域技術(shù)人員應(yīng)該能夠意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的方法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明電子硬件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以電子硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。本領(lǐng)域技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

至此，已經(jīng)結(jié)合附圖所示的優(yōu)選實(shí)施方式描述了本發(fā)明的技術(shù)方案，但是，本領(lǐng)域技術(shù)人員容易理解的是，本發(fā)明的保護(hù)范圍顯然不局限于這些具體實(shí)施方式。在不偏離本發(fā)明的原理的前提下，本領(lǐng)域技術(shù)人員可以對(duì)相關(guān)技術(shù)特征作出等同的更改或替換，這些更改或替換之后的技術(shù)方案都將落入本發(fā)明的保護(hù)范圍之內(nèi)。