本發(fā)明涉及工業(yè)自動化與計算機視覺的，具體而言，涉及基于目標檢測模型的抓取點位姿計算方法及其應用。
背景技術：
1、傳統(tǒng)的機械臂抓取控制主要依賴預設的固定軌跡與人工設定的位姿參數(shù)，難以靈活應對多種類工件的動態(tài)識別與精確定位。尤其在處理具有高反光、高精度要求和遮擋干擾的復雜工業(yè)部件時，傳統(tǒng)方法在效率和精度方面均存在明顯不足，難以滿足智能制造對高適應性與自動化水平的要求。
2、本申請的申請人已提交的名稱為《從二維圖像中獲取缺陷中心坐標的計算方法及其應用》、申請?zhí)枮閏n2024116137510的中國專利申請公開了從二維圖像中獲取缺陷中心坐標的計算方法，該方法求解缺陷中心在機器人基座坐標系下的三維位置坐標(x,?y,?z)，機器人夾爪即可移動缺陷中心到三維相機的成像中心，服務于后續(xù)的三維成像檢測環(huán)節(jié)。但是，要想實現(xiàn)“高精度視覺引導夾取”，還需要提供一個完整的且同時包含位置和姿態(tài)的六自由度抓取位姿(x,?y,?z,?rx,?ry,?rz)以引導機器人機械臂精準地移動至待抓取物處進行精準抓取，而現(xiàn)有技術尚未解決該技術問題。
技術實現(xiàn)思路
1、本發(fā)明所要解決的技術問題在于提供一種具備更強的通用性與自適應能力，能夠高效應對多類別目標的識別與位姿自動精配準的基于目標檢測模型的抓取點位姿計算方法及其應用，技術方案如下：
2、基于目標檢測模型的抓取點位姿計算方法，其特征在于：包括以下步驟：
3、步驟100，根據(jù)目標檢測模型處理待抓取物的灰度圖像所得到的目標中心區(qū)域，從待抓取物的三維點云中提取相應的子區(qū)域點云；
4、步驟200，通過 fpfh特征向量和 ransac對子區(qū)域點云和模板點云進行粗匹配，得到粗匹配結果；
5、步驟300，通過粗匹配結果和 gicp對子區(qū)域點云和模板點云進行精匹配，得到精配準結果；
6、步驟400，根據(jù)內(nèi)點均方根誤差和重合度判斷精配準結果是否滿足預設定要求，若滿足，則進入下一步，否則終止流程；
7、步驟500，根據(jù)精配準結果和坐標變換，計算得到待抓取物的抓取點位姿。
8、自動引導抓取方法，包括步驟：機械臂根據(jù)上述的計算方法計算得到的抓取點位姿執(zhí)行抓取待抓取物的操作。
9、與現(xiàn)有技術相比，本發(fā)明的基于目標檢測模型的抓取點位姿計算方法及其應用具有以下優(yōu)點：
10、（1）現(xiàn)有技術常直接處理全場景點云，包含大量無關背景數(shù)據(jù)，導致計算冗余、效率低下。而本發(fā)明通過目標檢測模型鎖定目標范圍，僅提取有效子區(qū)域點云，大幅減少數(shù)據(jù)量，降低后續(xù)匹配與計算的復雜度，提升整體流程效率。同時，本發(fā)明將2d目標檢測(灰度圖像)與3d點云處理深度融合，先通過2d目標檢測為3d點云區(qū)域提取提供精準引導，再通過3d點云處理確保位姿計算的空間精度，進而顧定位速度與空間精度，更適應實際抓取場景(如工業(yè)流水線、機器人抓取)的實時性與準確性需求。
11、（2）本發(fā)明提供了一種基于目標檢測與三維點云聚類過濾融合的視覺引導方法，摒棄了計算密集且對誤差敏感的像素級分割，轉而采用高效的目標檢測快速鎖定興趣區(qū)域(roi)，并將核心處理置于三維域。通過后續(xù)的點云聚類、幾何過濾與精準篩選，直接從roi中提取抓取點的三維幾何特征以解算六自由度位姿。相較于現(xiàn)有的實例分割方案，本發(fā)明有效克服了實例分割帶來的計算延遲、二維誤差傳導及信息冗余問題，在保證高精度的同時，顯著提升了系統(tǒng)的實時性與魯棒性，經(jīng)驗證，本發(fā)明對每個待抓取物（物料被定位面大小范圍：8mm×8mm?-?80mm×50mm，物料被定位面深度范圍：±15mm）的計算時間均在3s以內(nèi)，尤其適用于工業(yè)高速精密抓取場景。
12、（3）本發(fā)明在粗匹配階段采用 fpfh特征向量(能有效捕捉點云局部幾何特征)與 ransac算法(擅長剔除噪聲、遮擋導致的外點)，可在存在部分遮擋、點云噪聲的情況下，快速得到可靠的初始配準結果，避免傳統(tǒng)粗匹配易受干擾的缺陷。在精匹配階段以粗匹配結果為初始值，結合 gicp算法收斂更快、精度更高的優(yōu)點，解決了傳統(tǒng)icp算法易陷入局部最優(yōu)、收斂慢的問題，最終得到高精度配準結果。由此，本發(fā)明通過粗匹配與精匹配的結合策略，既保證了配準的魯棒性，又顯著提升了配準精度，解決了傳統(tǒng)單一匹配方法的精度不足或魯棒性差的問題，為后續(xù)位姿計算奠定基礎。
13、（4）本發(fā)明在位姿坐標變換之前通過內(nèi)點均方根誤差和重合度來量化評估精配準結果，主動剔除不合格結果，從流程上減少無效抓取嘗試，確保只有滿足抓取精度要求的結果才進入后續(xù)步驟，顯著提升抓取可靠性。由于坐標變換的誤差來源被嚴格控制，使得依賴精配準結果的位姿計算誤差更小，經(jīng)驗證，本發(fā)明抓取點位姿計算的定位精度誤差為±0.1mm，能更準確地反映待抓取物的實際空間位姿，滿足抓取對“位置+姿態(tài)”的高精度要求(如機械臂抓取的角度、位置偏差需控制在毫米級)。
14、綜上，本發(fā)明的基于目標檢測模型的抓取點位姿計算方法及其應用的工藝步驟簡單且易實施和控制，通過深度融合二維紋理信息與三維幾何信息的位姿計算，實現(xiàn)“高效數(shù)據(jù)篩選-魯棒精配準-質量校驗-精準位姿計算”的全流程優(yōu)化，在效率、精度、可靠性、場景適應性等方面均優(yōu)于傳統(tǒng)方法，能夠高效應對多類別目標的識別與位姿自動精配準，顯著提升工業(yè)抓取系統(tǒng)在復雜環(huán)境下的應用效果與智能化水平。
15、下面結合附圖和具體實施方式對本發(fā)明做進一步的說明。本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。
1.基于目標檢測模型的抓取點位姿計算方法，其特征在于：包括以下步驟：
2.如權利要求1所述的基于目標檢測模型的抓取點位姿計算方法，其特征在于：步驟100中：
3.如權利要求2所述的基于目標檢測模型的抓取點位姿計算方法，其特征在于：步驟100還包括對子區(qū)域點云進行處理，處理步驟包括：
4.如權利要求3所述的基于目標檢測模型的抓取點位姿計算方法，其特征在于：步驟200包括：
5.如權利要求4所述的基于目標檢測模型的抓取點位姿計算方法，其特征在于：步驟300包括：
6.如權利要求5所述的基于目標檢測模型的抓取點位姿計算方法，其特征在于：步驟400還包括對滿足抓取要求的精配準結果進行篩選，包括步驟：
7.如權利要求6所述的基于目標檢測模型的抓取點位姿計算方法，其特征在于：
8.如權利要求6所述的基于目標檢測模型的抓取點位姿計算方法，其特征在于：步驟500包括步驟：
9.如權利要求8所述的基于目標檢測模型的抓取點位姿計算方法，其特征在于：步驟540中的線性變換矩陣t的計算表達式為：
10.自動引導抓取方法，其特征在于：包括步驟：機械臂根據(jù)權利要求1-9之一所述的計算方法計算得到的抓取點位姿執(zhí)行抓取待抓取物的操作。