基于散料三维特征分布的空间坐标寻位方法

摘要

本发明公开了一种基于散料三维特征分布的抓取方法，包括如下步骤：建立质量特征分布及抓取效果关系模型；根据质量特征分布及抓取效果关系模型获取散料抓取时的抓取效果；筛选出所有达到抓取效果要求的抓取点；将达到抓取效果要求的抓取点中有面积重合的非优化抓取点从队列中删除，获取优化的抓取点；将优化的抓取点按方向进行路径规划，生成业务抓取点队列；根据业务抓取点队列完成散料抓取。本发明有效的给出每一位置的高效抓取点，发货效率上相较于人工规划抓取方法有大幅提升。

说明书

技术领域

本发明属于散料运输领域，具体涉及一种基于散料三维特征分布的抓取方法。

背景技术

在铁精粉无人值守系统的抓取发料工作中，因发货时间窗口限制的原因，对抓取效率有较高要求。散料表面分布具有极不规则、分布连续的特征，且抓取过程中会动态变化。抓斗抓取点位的选择，关系到抓取的效果与效率。抓取点位选择不当，除存在安全风险外，抓取效率达不到要求，则无法适应发货业务需求。

发明内容

针对现有技术的不足，本发明的目的在于提供一种基于散料三维特征分布的抓取方法，以解决现有技术中存在的抓取效率低的问题。

为达到上述目的，本发明所采用的技术方案是：

一种基于散料三维特征分布的抓取方法，包括如下步骤：

建立质量特征分布及抓取效果关系模型；

根据质量特征分布及抓取效果关系模型获取散料抓取时的抓取效果；

筛选出所有达到抓取效果要求的抓取点；

将达到抓取效果要求的抓取点中有面积重合的非优化抓取点从队列中删除，获取优化的抓取点；

将优化的抓取点按方向进行路径规划，生成业务抓取点队列；

根据业务抓取点队列完成散料抓取。

进一步的，所述质量特征分布及抓取效果关系模型为：

其中，AFF

进一步的，所述子窗口的质量分布向心度计算方法如下：

AFF

其中，

其中，α值为中心区域范围：P

进一步的，所述优化的抓取点获取方法包括；对所有抓取效果好的窗口根据其重合程度及向心度，进一步选择相近区域中位置最优抓取点并保留在抓取点位置队列中，非最优点位从点位队列中删除。

进一步的，所述抓取点位保留条件如下：

假设有可抓取点位队列Pos

进一步的，所述抓取点位保留公式如下：

其中，

与现有技术相比，本发明所达到的有益效果是：

本发明通过质量特征分布及抓取效果关系模型建立的基础上，结合分析散料的分布特征，提出三维特征分布的抓取点检测方法及路径规划，根据物料的分布情况进行检测、分析，规划整个发货区域的抓取点及路径，保证抓取的效果与发货的效率，有效的给出每一位置的高效抓取点，发货效率上相较于人工规划抓取方法有大幅提升。

附图说明

图1为散料三维采集及模型图。

图2为抓取窗口分布图及中心子窗口图，其中，图2(a)为抓取窗口分布图，图2(b)为中心子窗口图。

图3为散料三维分布与抓取效果关系示意图。

图4为散料三维采集装备安装示意图。

图5为铁精矿仓及铁精矿散料区域模型图，其中，图5(a)为梅山铁精矿仓三维模型原，图5(b)为铁精矿散料区域三维模型。

图6为梅山铁精矿仓部分抓取点寻找示意图。

图7为梅山铁精矿仓最优抓取点队列及路径规划图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

目前，散料无人值守机器人系统已开始应用，能代替人工进行全自动的发料。由于城市类型的矿山，受城市交通货时间要求，水陆联运的时间窗口较小，对散料发货的效率要求较高。而干散料的表面极不规则、动态变化快，抓取区域的抓取点的选择及整个区域的发货路径规划，直接决定了每一斗的抓取效果及装车的发货效率，关系到系统的可用性。提升系统的抓取点选择方法及路径规划，是发货业务的关键技术。三维图像的检测、生成及分割等技术已经应用于生产、安全预警等各个方面。如应用检测技术获得DEM三维模型，应用DEM三维特征检测与分割路面裂缝区域，或通过目标图像比对报警，或用于坡度误差、地形分析建图等应用。在采集三维散料表面基础上进行三维建模，提取三维特征及分布，建立三维特征分布与抓取效果的关系模型，并通过仿真实验，解决散料发货机器人的效率问题。

散料无人值守机器人系统发料工作中，抓取的效率是业务考核的关键。散料的分布连续且表面极不规则，动态变化大，是高效抓取工作的难题。根据梅山铁精矿粉仓库发料作业抓取效果的实际要求，从解决发料效果的目标出发，定义了抓取窗口、质量分布向心度等概念，在对现场三维数据网格化的基础上，建立了质量分布向心度的滑动窗口最优抓取点位检测方法，根据抓取效果要求检测符合要求的抓取窗口分布点位。以梅山当前铁精矿仓的实际环境进行实验采集，生成了铁精矿三维模型，并对全仓的三维特征分布通过滑动窗口寻位方法进行分析，得到了优化后的最终抓取点位队列，相较人工观测抓取，本方法得到结果更优，解决了散料无人值守机器人抓取业务抓取点位队列的关键问题，该方法已用于梅山矿业散料无人值守机器人系统发料工作中，取得良好效果。

一种基于散料三维特征分布的抓取方法，包括如下步骤

建立质量特征分布及抓取效果关系模型；

根据质量特征分布及抓取效果关系模型获取散料抓取时的抓取效果；

筛选出所有达到抓取效果要求的抓取点；

将达到抓取效果要求的抓取点中有面积重合的非优化抓取点从队列中删除，获取优化的抓取点；

将优化的抓取点按方向进行路径规划，生成业务抓取点队列；

根据业务抓取点队列完成散料抓取。

具体步骤如下：

一、定义散料业务场景

在散料码头、仓库中，散料的堆放通常为倾倒或抓斗抛放形成，其三维分布既连续又极不规则，如图1所示，为铁精矿仓库三维模型图。工业级干散料无人值守装运业务，要求系统安全、高效。干散堆料的变化较快，要保证安全，要根据现场抓斗抓取姿态与堆料分布情况，建立三维特征分布与安全关系模型，在安全的情况下方可抓取；在抓取质量方面，对每一次抓取位的堆料分布情况，需建立三维物料分布特征模型，保证抓取效果。

根据建模需要，做如下基本定义：

(1)单元窗口：整个堆料区域划分为M×N个基本方格，称为单元窗口。每个单元窗口的边长为l的正文形，整个区域可视作一个三维矩阵A

(2)抓取窗口：在抓斗抓取物料时，抓斗完全张开时抓取范围在平面上的投影称为抓取窗口，图2(a)表示料场按规则划分为连续分布的抓取窗口。假设堆料区域A

(3)抓取子窗口：为表示三维分布特征，将任何一个抓取窗口W

(4)质量分布向心度(AFF

(5)滑动窗口：为寻找物料分布满足抓取效果好的抓取位置，按抓取窗口的大小，每隔S行、T列动态滑动此窗口，记录滑动过程中所有窗口的p、q值及特征分布数据，此窗口称之为滑动窗口。

二、建立质量特征分布及抓取效果关系模型

对于任何一个抓取窗口，其包含P×Q个单元窗口，则抓取窗口W

在W

要保证每一次抓取效果满足要求，设计抓取窗口W

1、中心平均高度。如图3(2)-3(4)所示，对于窗口W

2、质量分布向心度。将抓取窗口W

AFF

其中，α值为中心区域范围，P

对于整个抓取窗口，其质量分布向心度为所有子窗口向心度之和的平均值，由此可得：

根据式(4)，可以求出任何一个子窗口的质量分布向心度值，用于评测在此窗口在抓取时是否满足抓取效果，如果满足则实施抓取动作，否则通过滑动窗口，根据式(2)-式(4)的关键指标，找出所有抓取效果较好的抓取窗口位置，在此基础上，对所有抓取效果好的窗口根据其重合程度及向心度等参数，进一步选择相近区域中位置最优抓取点并保留在抓取点位置队列中，非最优点位从点位队列中删除，用于为抓取智能指挥提供数据。假设有可抓取点位队列Pos

其中，r

三、建立滑动窗口寻位方法及路径规划算法

如图1所示的料场区域中，如果规则的划分各抓取窗口，根据AFF

则滑动窗口方法寻找符合抓取效果的方法如下：

滑动系统为S、T的滑动窗口寻位方法及路径规划：

initM，N，P，Q，U，V，S，T，l

A＝textread(’3120010500before.txt’)％获取散料仓库三维数据；

P

P

Creat(A

Creat(AFF

Creat(SW

forp＝1:S:P

for q＝1:T:P

W

xWc＝round(P/2)+1；yW

SLR＝abs(HL

AFF

foru＝1：U：(P-U)

forv＝1：V：(Q—V)

W

AFF

end

end

AFF

AFF

end

end

disp(AFF

if(AFF

fprintf(′As1.txt′，％s\n′，P

end

Rmin＝read(′As1.txt′)；％读取所有效果好的抓取点；

fori＝1：size(Rmin)-1

forj＝i+1：size(Rmin)

if((CalIns(i，j)＞Sins)&&AFF

有部分重合的最优抓取位；

end

end

Rout＝getGrabRoad(Rmin，Vector)％最优点按方向规划路径。

本发明还提供了具体的算法仿真与工程应用，具体如下：

1、散料三维采集与建模应用

铁精矿仓，行车的大小车均按轨道双向移动，下方散料随着布料小车的布料或抓斗抓取动作动态改变。为了采集铁精矿粉三维表面信息，需要同时获取散料当前的三维高程数据及坐标。为采集三维场景的实时三维坐标，按图5所示的方法进行设计。

图4中3D雷达安装于大车上，用于随行车移动，动态垂直的采集正下方的料面高程数据，大车与小车的测距同时采集当前大车所在位置下方的料面平面坐标，与雷达高程数据融合形成散料的三维动态云点，经滤波与网格化，建立三维模型。

项目采用16通道雷达，16个通道垂直角成规则性排列，16通道根据激光束的飞行速度和时间，根据d＝c*t/2获得物理与激光雷达之间的距离。激光雷达数据包共1248字节，包括距离值、校准反射率、方位角、时间戳和工厂标记。

其中数据块12个，共1200字节，每个数据块中有两组某通道数据。数据包中数据是建立在极坐标的方位角值和距离值，要转换为笛卡尔空间坐标系，通过下述方式转换：

其中，ω为各通道的垂直角，α为水平角，在当前现场中为90度，A为通道的水平偏移量，B为通道的垂直偏移量，X、Y、Z为每个通道的空间坐标系。将现场划分为1200*20网格，根据各点数据的坐标将点云数据进行计算，分别落在各小格内，对数据进行高斯滤波与二次处理，即完成了散料三维建模。建模结果如图6所示。

2、算法仿真与工程应用

采集现场高程数据，并采用高斯滤波方式生成散料三维模型，根据模型，对抓取窗口的中心带高度、周边子窗口高度差及W

后续特征分析及均以图5(b)进行分析。图5(b)中M＝71,N＝151，整个散料区域共分为10721个单元格謝组成。设P＝8,Q＝16，U＝4,V＝4，S＝3,T＝4。则全场共有851个滑动寻找点。根据滑动窗口寻位方法，以当前散料实际情况为例，平均高度只有0.76。工程上抓斗抓料时下降高度常会达到1.5米左右，考虑抓取安全设置抓取窗口高度1.8米，且中心带散料的向心度大于1，每次找到合适点位则记录抓取点的位置及相关参数，如图6所示，寻找到的35个效果较理想的抓取点如表1所示。

表1铁精矿仓抓取点查询结果：

表中，sn代表寻找到的序号，cx cy为符合抓取效果要求的抓取点的中心坐标，h为本抓取窗口的散料均高，a为当前抓取窗口的散料向心度。由表1可知，向心度较好的抓取点均高相对较高且料集中分布在抓取窗口中心位置，与现场观测及人工经验相符。另外有部分点位之间重合部分较多，需要进一步将交叉多的部分点位从队列中删除。本实例中36个满足条件的抓取点，按式(5)则得到最终最优点位16个，如表2。

图7为梅山铁精矿仓最优抓取点队列及路径规划图，从图中可以看出，矿料较高且集中处为抓取效果较好，与人工判断及现场实际情况相符。现场用散料机器人系统进行抓取，实际每斗抓取量平均在8吨以上，抓取效果满足生产要求，较人工眼观选点抓取效果更优。

通过三维采集雷达及测距雷达采集散料调和信息及建模的基础上，分析散料的分布特征，提出一种基于三维特征分布的滑动窗口抓取点检测方法及路径规划，根据物料的分布情况进行检测、分析，规划整个发货区域的抓取点及路径，保证抓取的效果与发货的效率。在梅山现场应用的效果表明，基于三维特征分布的滑动窗口路径规划方法，能有效的给出每一位置的高效抓取点，发货效率上相较于人工规划抓取方法有大幅提升。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。