像，提取H、S颜色分量的直方图，采用两分量加权形式，其中，Η分量的权重为0.2~0.4，S分 量的权重为0.6~0.8，应用化SU自适应阔值方法区分背景和目标；
[0059] 步骤4、应用小波边缘检测提取步骤3中得到的织物图像的边界轮廓，并应用形态 学方法进行轮廓补偿；
[0060] 步骤5、根据步骤1和步骤4的标定与图像边缘信息，确定织物的实际抓取位置，根 据双目标定结果W及两摄像机之间的位置关系，通过立体匹配获得图像的深度信息，结合 小波与形态学方法检测到的边缘信息，确定边缘在真实世界中的Ξ维信息，考虑到实际抓 取情况，W最右边缘向内推进8~15个像素为具体的抓取位置；
[0061] 步骤6、构造织物分类器:分类器采用无监督的Κ-均值聚类方法，W最小方差函数 最小化极值为准则，求织物图像颜色特征均值的最大似然估计，将织物分为i类，其流程图 如图2所示；
[0062] 步骤7、机器人根据织物分类器的分类结果，抓取不同颜色织物，放置在不同位置， 该分炼过程如图3所示，每一个颜色的织物的具体抓取位置，即为机器人终端的运动位置， 将此位置带入到机器人运动学方程，通过反解，求取四自由度机器人各个关节的运动学参 数，此参数传递到运动控制卡，机器人完成相关动作，运动学参数计算过程如下：
[0063] 机器人正运动学方程可用公式（1)表示：
[0064]
(1)
[0065] 式中，T为关于关节变量的函数，9ia = l，2,4)为从Xi-i到Xi绕Zi-i轴旋转的角度，d3 为关节距离，对应从拉到X3沿Z3轴测量的距离；
[0066] 已知机器人手爪终端的位置和姿态，求取机器人对应的各个关节角，W驱动关节 电机，从而使手爪的姿态符合抓取要求，逆运动学具有多解性，本发明具体的机器人逆运动 学求解如下：
[0067] a.求关节变量θι:
[0068] 为了分离变量，对公式(1)的两边同时左乘许、01)，得到公式(2):
[0069]
(2)
[0070] 代入四自由度机器人的具体数据，得到公式(3):
[0071]
[0072] 式中，1功机器人连杆1长度，12为机器人连杆2长度，n，o，a分别为法线、指向和接 近向量，P为两坐标原点长度；
[0073]令公式(3)中左右矩阵中的第一行第四个元素相等W及左右矩阵中的第二行第四 个元素相等，如公式(4)所示：
[007引 b.求关节变量白2:
[0079]由公式(4)得：
[0082] C.求关节变量d3:
[0083] 令公式(3)中的左右矩阵中的第Ξ行第四个元素相等，得：
[0084] d3 = -(pz+d4)； (7)式中，cU为关节距离，对应从X3到X4沿Z4轴测量的距离；
[00化]d.求关节变量白4:
[0086] 令公式(3)中左右矩阵中的第二行第一个元素相等，得：
[0087]
[0088] 由公式(8)求得04,求取公式如(9)所示：
[0089] 目4=a;rcsin(-sin目1 · rix+cos目1 · riy)-目2; (9)
[0090] W上步骤将机器人运动学反解参数求出。
【主权项】
1. 一种织物分炼机器人自主分炼方法，其特征在于，具体按照W下步骤： 步骤1、对安装在机器人上方的双目摄像机进行标定； 步骤2、通过安装在机器人上方的双目摄像机采集织物图像信号，然后实时在线传送给 图像处理单元； 步骤3、图像处理单元实时获取步骤2中传输过来的图像，并将RGB彩色图像转换为HSV 图像，应用化SU自动阔值法，分割各个织物； 步骤4、应用小波边缘检测提取步骤3中得到的织物图像的边界轮廓，并应用形态学方 法进行轮廓补偿，得到基于颜色分割与小波边缘检测的分割图像； 步骤5、根据步骤1和步骤4的标定与图像边缘信息，确定织物的实际抓取位置； 步骤6、构造织物分类器； 步骤7、机器人根据织物分类器的分类结果，抓取不同颜色织物，放置在不同位置。2. 根据权利要求1所述的一种织物分炼机器人自主分炼方法，其特征在于，所述步骤1 中的标定采用经典张正友标定方法。3. 根据权利要求1所述的一种织物分炼机器人自主分炼方法，其特征在于，所述步骤3 中RGB彩色图像转换为服V图像时，对于获取的H、S通道的图像，提取H、S颜色分量的直方图， 义用两分量加权形式，其中，Η分量的权重为0.2~0.4，S分量的权重为0.6~0.8，两权重之 和为1。4. 根据权利要求1所述的一种织物分炼机器人自主分炼方法，其特征在于，所述步骤5 确定织物的实际抓取位置，具体为:根据双目标定结果W及两摄像机之间的位置关系，通过 立体匹配获得图像的深度信息，结合小波与形态学方法检测到的边缘信息，确定边缘在真 实世界中的Ξ维信息，W最右边缘向内推进8~15个像素为具体的抓取位置。5. 根据权利要求1所述的一种织物分炼机器人自主分炼方法，其特征在于，所述步骤6 中的织物分类器为采用无监督的Κ-均值聚类方法，W最小方差函数最小化极值为准则，求 织物图像颜色特征均值的最大似然估计，将织物分为i类。6. 根据权利要求1所述的一种织物分炼机器人自主分炼方法，其特征在于，所述步骤7 中机器人根据织物分类器的分类结果，抓取不同颜色织物，放置在不同位置，每一个颜色的 织物的具体抓取位置，即为机器人终端的运动位置，将此位置带入到机器人运动学方程，通 过反解，求取四自由度机器人各个关节的运动学参数，此参数传递到运动控制卡，机器人完 成相关动作，具体为： "运动学参数计算过程如下： 机器人正运动学方程可用公式（1)表示：(1) 式中，T为关于关节变量的函数，0i(i = l，2,4)为从Xi-i到Xi绕Zi-i轴旋转的角度，d3为关 节距离，对应从拉到X3沿Z3轴测量的距离； 已知机器人手爪终端的位置和姿态，求取机器人对应的各个关节角，W驱动关节电机， 从而使手爪的姿态符合抓取要求，本发明具体的机器人逆运动学求解如下： a.求关节变量9i: 为了分离变量，对公式(1)的两边同时左乘7 I的），得到公式(2):(2) 代入四自由度机器人的具体数据，得到公式(3):式中，h为机器人连杆1长度，12为机器人连杆2长度，n，o，a分别为法线、指向和接近向 量，P为两坐标原点长度； 令公式(3)中左右矩阵中的第一行第四个元素相等W及左右矩阵中的第二行第四个元 素相等，如公式(4)所示：b.求关节变量目2: 由公式(4)得：C.求关节变量d3: 令公式(3)中的左右矩阵中的第Ξ行第四个元素相等，得： d3 = -(pz+d4) ； (7) 式中，cU为关节距离，对应从X3到X4沿Z4轴测量的距离； d.求关节变量04: 令公式(3)中左右矩阵中的第二行第一个元素相等，得： -sin白1 · rix+cos白1 · ny = sin白2 · cos白4+C0S白1 · sin白4; (8) 由公式(8)求得04,求取公式如(9)所示： 白4 = arcsin(_sin白1 · rix+cos白1 · ny)_白2; (9)，，。
【专利摘要】本发明公开了一种织物分拣机器人自主分拣方法，以机器人获取的流水线上的织物的数字图像为研究对象，通过图像颜色空间转换，对H、S颜色分量应用加权形式，应用Otsu自适应阈值方法实现图像分割，应用小波边缘检测，形态学轮廓补偿，提取织物轮廓；根据摄像机标定结果，获得织物的实际位置。同时，以H、S颜色分量加权式为特征、以最小方差准则进行K-均值聚类方法分类；不同的织物类被设置到相应的放置位置，机器人根据放置位置，根据运动学方程，反解出各个关节的运动学参数，最终实施抓取动作。本发明一种织物分拣机器人自主分拣方法，不需要人工干预，能自主、高效准确而且稳定持久地实现织物的分拣。
【IPC分类】B07C5/342, B07C5/36
【公开号】CN105562361
【申请号】CN201510979762
【发明人】王晓华, 李鹏飞, 张蕾, 张宏伟
【申请人】西安工程大学
【公开日】2016年5月11日
【申请日】2015年12月23日