本技术涉及机械臂抓取控制，具体涉及一种机械臂分拣抓取控制方法、系统及装置。
背景技术：
1、机械臂分拣抓取控制技术是工业自动化领域中的一项关键技术，随着工业4.0的兴起，智能制造成为全球工业发展的趋势，机械臂作为实现自动化生产的重要工具，能够快速准确地完成分拣、搬运、装配等任务，减少人工操作的需求，降低生产成本，因此分拣抓取控制技术的发展显得尤为重要。
2、在对机械臂进行移动控制时，由于机械臂的移动，相机视角的变化会导致背景环境在图像中的呈现也随之改变，这种背景的变化会引入噪声和不相关的信息，从而干扰目标物体的准确识别和定位，当相机与目标物体之间的距离发生变化时，即使目标物体的实际大小未变，其在图像中所占的比例也会随之改变，这种尺度变化可能会导致误判物体的实际尺寸，从而影响物体相对于机械臂偏移量的计算，导致机械臂对物体的位置和尺寸的连续跟踪出现误差，进而影响到机械臂的抓取策略和路径规划。现有技术由于背景干扰和尺度变化的识别与补偿不足，无法有效地解决目标物体在复杂环境下的准确识别和定位问题，引起机械臂抓取时的机械臂末端执行器的位置和姿态偏移以及抓取路径规划的准确性。
技术实现思路
1、为了解决上述技术问题，本技术的目的在于提供一种机械臂分拣抓取控制方法、系统及装置，所采用的技术方案具体如下：
2、第一方面，本技术实施例提供了一种机械臂分拣抓取控制方法，该方法包括以下步骤：
3、获取机械臂末端在分拣抓取过程中不断移动所采集的目标物体的点云数据；目标物体的点云数据中包含各个独立物体所在区域；
4、基于机械臂抓取目标所在区域投影到xy平面的二维点云数据中的所有边界点，分别与其余所有独立物体所在区域投影到xy平面的二维点云数据中的边界点之间的最小距离的分布情况，确定机械臂抓取目标受到背景干扰的程度；
5、基于机械臂抓取目标在相邻时刻，分别由其所在区域点云数据的边界点分布之间的分布相似性，由其二维点云数据中的边界点组成的轮廓之间的结构相似性，以及机械臂抓取目标受到背景干扰的程度的差异，确定机械臂抓取目标在相邻时刻受到背景干扰的变化差异；
6、利用icp点云配准算法获取相邻时刻目标物体的点云数据中机械臂抓取目标的偏移量；基于所述变化差异对偏移量进行修正，重新确定机械臂抓取目标在下一时刻点云数据中的实际位置，并利用路径规划算法，规划机械臂抓取路径；
7、对修正后的icp点云配准算法输出的平移偏差、平移方向以及旋转矩阵，利用逆动力学输出机械臂末端执行器到达终点时机械臂的位置和姿态；同时结合机械臂抓取路径、所述位置和姿态，对机械臂分拣抓取进行控制。
8、优选地，所述机械臂抓取目标受到背景干扰的程度的确定方法为：
9、基于机械臂抓取目标所在区域投影到xy平面的二维点云数据中的所有边界点的所述最小距离中，小于平均水平的所述最小距离对应的元素所占的比例，作为机械臂抓取目标受到整体背景干扰的程度；
10、基于机械臂抓取目标所在区域投影到xy平面的二维点云数据中的所有边界点的所述最小距离中，小于平均水平的所述最小距离对应的元素的集中分布情况，确定机械臂抓取目标受到不同背景干扰的整体程度；
11、将机械臂抓取目标受到整体背景干扰的程度与受到不同背景干扰的整体程度进行融合，得到机械臂抓取目标受到背景干扰的程度。
12、优选地，所述机械臂抓取目标受到不同背景干扰的整体程度的确定方法为：
13、将机械臂抓取目标所在区域投影到xy平面的二维点云数据中的所有边界点的所述最小距离组成边界特征序列；
14、将边界特征序列中小于平均水平的元素标记为0，否则标记为1；基于标记的数值获取所有小于平均水平的元素的游程；
15、对于各个游程，计算各个游程的游程长度占边界特征序列长度的比例值；计算各个游程中所有元素的所述最小距离的均值；计算比例值与均值的比值结果；
16、将所有游程的所述比值结果的和值，作为所述机械臂抓取目标受到不同背景干扰的整体程度。
17、优选地，所述游程为在边界特征序列中连续出现的相同标记的数值所组成的序列。
18、优选地，所述机械臂抓取目标在相邻时刻受到背景干扰的变化差异的确定方法为：
19、将结构相似性与分布相似性进行融合，确定机械臂抓取目标在相邻时刻的特征相似性；
20、获取机械臂抓取目标在相邻时刻受到背景干扰的程度的差异；
21、基于特征相似性与所述差异，确定机械臂抓取目标在相邻时刻受到背景干扰的变化差异。
22、优选地，所述机械臂抓取目标在相邻时刻的特征相似性的确定方法进一步由所述结构相似性与所述分布相似性的乘积得到。
23、优选地，所述偏移量的获取过程为：将相邻时刻目标物体的点云数据采用icp点云配准算法，输出空间变化矩阵中的平移向量，作为机械臂抓取目标的偏移量。
24、优选地，所述修正的具体方法的表达式为：，式中，为修正后的机械臂抓取目标的偏移量，为机械臂抓取目标的偏移量，b为机械臂抓取目标在相邻时刻受到背景干扰的变化差异，为预设的调整系数。
25、第二方面，本技术实施例提供了一种机械臂分拣抓取控制系统，所述系统包括：
26、机械臂抓取数据采集模块，用于获取机械臂末端在分拣抓取过程中不断移动所采集的目标物体的点云数据；目标物体的点云数据中包含各个独立物体所在区域；
27、机械臂抓取目标分析模块，用于基于机械臂抓取目标所在区域投影到xy平面的二维点云数据中的所有边界点，分别与其余所有独立物体所在区域投影到xy平面的二维点云数据中的边界点之间的最小距离的分布情况，确定机械臂抓取目标受到背景干扰的程度；
28、基于机械臂抓取目标在相邻时刻，分别由其所在区域点云数据的边界点分布之间的分布相似性，由其二维点云数据中的边界点组成的轮廓之间的结构相似性，以及机械臂抓取目标受到背景干扰的程度的差异，确定机械臂抓取目标在相邻时刻受到背景干扰的变化差异；
29、机械臂抓取路径规划模块，用于利用icp点云配准算法获取相邻时刻目标物体的点云数据中机械臂抓取目标的偏移量；基于所述变化差异对偏移量进行修正，重新确定机械臂抓取目标在下一时刻点云数据中的实际位置，并利用路径规划算法，规划机械臂抓取路径；
30、对修正后的icp点云配准算法输出的平移偏差、平移方向以及旋转矩阵利用逆动力学，输出机械臂末端执行器到达终点时机械臂的位置和姿态；同时结合机械臂抓取路径、所述位置和姿态，对机械臂分拣抓取进行控制。
31、第三方面，本技术实施例还提供了一种机械臂分拣抓取控制装置，所述装置包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述一种机械臂分拣抓取控制方法的步骤。
32、由以上实施例可见，本技术实施例提供的一种机械臂分拣抓取控制方法、系统及装置，至少具有如下有益效果：
33、本技术提出一种机械臂分拣抓取控制方法、系统及装置，针对背景点云对目标物体尺度估计的影响问题，同时结合alpha shapes算法，分析机械臂抓取目标所在区域投影到xy平面的二维点云数据中的所有边界点的分布情况，确定机械臂抓取目标受到背景干扰的程度，用于反映目标物体边界点受背景点云影响的程度，解决了背景干扰对尺度估计准确性的影响；针对连续相邻时刻下由于物体尺度估计的不稳定性问题，使用结构相似性度量算法和三维尺度不变特征变换匹配算法，分别对机械臂抓取目标所在区域点云数据的边界点分布以及二维点云数据中的边界点组成的轮廓之间的相似性进行分析，结合机械臂抓取目标受到背景干扰的程度，排除了背景干扰对连续相邻时刻中物体尺度估计稳定性的影响；通过icp点云配准算法获取物体原始的偏移量，并结合变化差异进行偏移量的修正，规划机械臂抓取路径，实现了更精确的物体位置定位，减少了由于尺度变化导致的定位误差，提高了物体尺度估计的准确性和机械臂定位的精确度，通过动态调整偏移量和路径规划，增强了机械臂对复杂环境的适应能力和任务执行的准确性。
1.一种机械臂分拣抓取控制方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种机械臂分拣抓取控制方法，其特征在于，所述机械臂抓取目标受到背景干扰的程度的确定方法为：
3.如权利要求2所述的一种机械臂分拣抓取控制方法，其特征在于，所述机械臂抓取目标受到不同背景干扰的整体程度的确定方法为：
4.如权利要求3所述的一种机械臂分拣抓取控制方法，其特征在于，所述游程为在边界特征序列中连续出现的相同标记的数值所组成的序列。
5.如权利要求1所述的一种机械臂分拣抓取控制方法，其特征在于，所述机械臂抓取目标在相邻时刻受到背景干扰的变化差异的确定方法为：
6.如权利要求5所述的一种机械臂分拣抓取控制方法，其特征在于，所述机械臂抓取目标在相邻时刻的特征相似性的确定方法进一步由所述结构相似性与所述分布相似性的乘积得到。
7.如权利要求1所述的一种机械臂分拣抓取控制方法，其特征在于，所述偏移量的获取过程为：将相邻时刻目标物体的点云数据采用icp点云配准算法，输出空间变化矩阵中的平移向量，作为机械臂抓取目标的偏移量。
8.如权利要求1所述的一种机械臂分拣抓取控制方法，其特征在于，所述修正的具体方法的表达式为：，式中，为修正后的机械臂抓取目标的偏移量，为机械臂抓取目标的偏移量，b为机械臂抓取目标在相邻时刻受到背景干扰的变化差异，为预设的调整系数。
9.一种机械臂分拣抓取控制系统，实现如权利要求1中所述的方法，其特征在于，所述系统包括：
10.一种机械臂分拣抓取控制装置，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8任意一项所述一种机械臂分拣抓取控制方法的步骤。
