本發(fā)明涉及機器人智能控制領(lǐng)域,尤其涉及基于圖像分析算法的機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化技術(shù)的快速發(fā)展，機器人在工業(yè)生產(chǎn)、物流倉儲、服務(wù)等領(lǐng)域的應用日益廣泛。基于圖像分析算法的機器人智能控制技術(shù)成為實現(xiàn)機器人自主作業(yè)、精準操作的關(guān)鍵技術(shù)，它能夠賦予機器人感知環(huán)境、識別目標的能力，使機器人根據(jù)環(huán)境變化自主做出決策，完成復雜任務(wù)。

2、然而，現(xiàn)有的機器人智能控制技術(shù)存在諸多不足。在目標識別與處理方面，傳統(tǒng)的圖像分析算法對復雜環(huán)境下多目標的識別效率和準確性較低，無法快速、精準地定位目標物體及特征點，導致機器人難以準確感知作業(yè)環(huán)境，影響后續(xù)的控制決策。例如在光線變化大、背景復雜的場景中，傳統(tǒng)算法易出現(xiàn)目標漏檢、誤檢等問題，使機器人無法正確執(zhí)行任務(wù)。

3、在運動控制策略制定與調(diào)整方面，現(xiàn)有機器人的運動規(guī)劃策略往往缺乏對機器人自身結(jié)構(gòu)參數(shù)、環(huán)境限制以及實時反饋信息的綜合考量。傳統(tǒng)的運動規(guī)劃方式不能根據(jù)機器人實際運行狀態(tài)和環(huán)境變化及時調(diào)整，容易導致機器人運動過程中出現(xiàn)碰撞、運動不平穩(wěn)等情況，既降低了機器人的工作效率，又存在安全隱患，難以滿足高精度、復雜任務(wù)的作業(yè)需求。而本次提出的基于圖像分析算法的機器人智能控制方法及系統(tǒng)，有效解決了這些問題。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)存在的缺點與不足,本發(fā)明提供基于圖像分析算法的機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算法對獲取的機器人作業(yè)環(huán)境圖像數(shù)據(jù)進行多目標特征識別，在圖像數(shù)據(jù)中定位目標物體及特征點，并生成對應的特征向量集；

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

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

6、步驟s4：依據(jù)運動規(guī)劃策略，通過控制機器人各關(guān)節(jié)的驅(qū)動裝置，進行機器人各關(guān)節(jié)按照預定的角度參數(shù)和運動順序轉(zhuǎn)動；

7、步驟s5：在機器人運動過程中，實時獲取機器人各關(guān)節(jié)的實際角度信息和末端執(zhí)行器的實際位置信息，并將其反饋至機器人多維姿態(tài)調(diào)控模型；

8、步驟s6：機器人多維姿態(tài)調(diào)控模型根據(jù)反饋信息與預設(shè)的目標姿態(tài)信息進行對比分析，對機器人后續(xù)的運動規(guī)劃策略進行動態(tài)調(diào)整，進行機器人的持續(xù)精確運動控制。

9、進一步地，所述機器人多維姿態(tài)調(diào)控模型，公式為：

10、

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

12、進一步地，所述機器人智能控制的各項參數(shù)參與構(gòu)建如下機器人運動規(guī)劃決策模型：

13、

14、其中，表示最終確定的機器人運動規(guī)劃策略；為包含機器人動力參數(shù)、速度參數(shù)、加速度參數(shù)的機器人智能控制參數(shù)向量；是機器人多維姿態(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)的復雜決策函數(shù)。

15、進一步地，在步驟s4中，所述控制機器人各關(guān)節(jié)的驅(qū)動裝置的過程，公式為：

16、

17、其中，表示驅(qū)動裝置輸出的驅(qū)動力或力矩向量；和為驅(qū)動控制系數(shù)；是機器人多維姿態(tài)調(diào)控模型輸出的各關(guān)節(jié)目標角度向量；為機器人各關(guān)節(jié)實際運動角速度的反饋向量。

18、進一步地，在步驟s5中，所述將機器人各關(guān)節(jié)的實際角度信息和末端執(zhí)行器的實際位置信息反饋至機器人多維姿態(tài)調(diào)控模型的過程，通過如下信息融合模型實現(xiàn)：

19、

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

21、進一步地，在步驟s6中，所述機器人多維姿態(tài)調(diào)控模型對機器人后續(xù)的運動規(guī)劃策略進行動態(tài)調(diào)整的過程，通過如下調(diào)整模型：

22、

23、其中，表示調(diào)整后的機器人運動規(guī)劃策略；為調(diào)整前的運動規(guī)劃策略；是融合后的反饋信息向量；為預設(shè)的目標姿態(tài)信息向量；為運動規(guī)劃策略調(diào)整函數(shù)。

24、進一步地，所述步驟s3中確定機器人運動規(guī)劃策略，具體包括：

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

26、步驟s3.2：依據(jù)機器人各關(guān)節(jié)的運動范圍和結(jié)構(gòu)限制，將最短時間路徑分解為各關(guān)節(jié)的運動軌跡；

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

28、進一步地，所述步驟s4中依據(jù)運動規(guī)劃策略控制機器人各關(guān)節(jié)的驅(qū)動裝置，具體包含：

29、步驟s4.1：根據(jù)運動規(guī)劃策略中各關(guān)節(jié)的運動順序，依次激活對應的驅(qū)動裝置；

30、步驟s4.2：按照運動規(guī)劃策略中各關(guān)節(jié)的運動軌跡，實時調(diào)整驅(qū)動裝置的輸出參數(shù)，使關(guān)節(jié)按照預定的角度參數(shù)進行轉(zhuǎn)動；

31、步驟s4.3：在關(guān)節(jié)轉(zhuǎn)動過程中，監(jiān)測驅(qū)動裝置的運行狀態(tài)，若出現(xiàn)異常則立即啟動應急控制程序，對驅(qū)動裝置進行調(diào)整或停止運動。

32、進一步地，所述步驟s5中實時獲取機器人各關(guān)節(jié)的實際角度信息和末端執(zhí)行器的實際位置信息，具體操作如下：

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

34、步驟s5.2：通過安裝在機器人末端執(zhí)行器上的位置傳感器實時獲取末端執(zhí)行器在空間中的實際位置坐標；

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

36、基于圖像分析算法的機器人智能控制系統(tǒng)，包括：

37、圖像特征識別處理單元，用于利用優(yōu)化的single?shot?multi-box?detector算法對獲取的機器人作業(yè)環(huán)境圖像數(shù)據(jù)進行多目標特征識別，定位目標物體及特征點，并生成對應的特征向量集；

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

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

40、關(guān)節(jié)驅(qū)動控制單元，與運動規(guī)劃決策單元連接，依據(jù)運動規(guī)劃策略，控制機器人各關(guān)節(jié)的驅(qū)動裝置，使機器人各關(guān)節(jié)按照預定的角度參數(shù)和運動順序進行轉(zhuǎn)動；

41、信息采集反饋單元，與關(guān)節(jié)驅(qū)動控制單元和姿態(tài)調(diào)控計算單元連接，在機器人運動過程中，實時獲取機器人各關(guān)節(jié)的實際角度信息和末端執(zhí)行器的實際位置信息，并將其反饋至姿態(tài)調(diào)控計算單元；

42、運動策略調(diào)整單元，與信息采集反饋單元和運動規(guī)劃決策單元連接，機器人多維姿態(tài)調(diào)控模型根據(jù)反饋信息與預設(shè)的目標姿態(tài)信息進行對比分析，通過該單元對機器人后續(xù)的運動規(guī)劃策略進行動態(tài)調(diào)整，進行機器人的持續(xù)精確運動控制。

43、有益效果：本發(fā)明提出基于圖像分析算法的機器人智能控制方法及系統(tǒng)，在目標識別層面，采用優(yōu)化的single?shot?multi-box?detector算法對作業(yè)環(huán)境圖像數(shù)據(jù)進行多目標特征識別，精準定位目標物體及特征點并生成特征向量集，相較于傳統(tǒng)算法，能更好地適應復雜環(huán)境，大幅提升目標識別的效率與準確性，避免漏檢、誤檢問題，為機器人精準感知環(huán)境奠定基礎(chǔ)。在運動控制方面，機器人多維姿態(tài)調(diào)控模型依據(jù)目標物體空間位置和機器人初始位姿計算關(guān)節(jié)角度參數(shù)，同時結(jié)合機器人智能控制各項參數(shù)構(gòu)建運動規(guī)劃決策模型，綜合考慮機器人動力、速度、加速度參數(shù)及環(huán)境與結(jié)構(gòu)限制條件確定運動規(guī)劃策略，從末端執(zhí)行器軌跡到關(guān)節(jié)運動順序均進行科學規(guī)劃。此外，通過信息采集反饋單元實時獲取機器人關(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)整模型對運動規(guī)劃策略進行動態(tài)優(yōu)化。這種閉環(huán)控制機制相比傳統(tǒng)運動控制方式，能實時根據(jù)機器人實際狀態(tài)和環(huán)境變化調(diào)整策略，有效避免碰撞，保障運動平穩(wěn)性，顯著提升機器人工作效率與作業(yè)安全性，滿足高精度復雜任務(wù)需求，實現(xiàn)機器人的持續(xù)精確運動控制。