本发明主要涉及机械臂定位领域，尤其涉及一种机械臂快速定位抓取方法。
背景技术：
1、机械臂抓取技术是现代工业自动化和机器人应用中的重要组成部分。它的重要性体现在多个方面，包括提高生产效率、保障工作安全性、实现精准操作等。相比于人工操作，机械臂能够以更高的速度和精准度完成抓取任务。机械臂可以根据预先设定的路径和参数进行操作，如抓取物体、移动到指定位置等，因此具有高度可编程性和可重复性。无论是在装配线上的物料搬运、仓储物流、还是食品加工等领域，机械臂抓取技术都可以实现高效率的生产过程。在危险环境或需要处理危险品的场景中，机械臂的应用可以减少对人类工作人员的潜在风险。机械臂可以处理重量大、体积大、高温物体等对人体有潜在伤害风险的物体，从而减少工作环境中的人身伤害风险。此外，机械臂还可以通过传感器和智能算法实现碰撞检测和避免，保证在与人类共同工作时的安全。机械臂由多个关节和执行器组成，能够模拟人的手臂运动，实现高精度的定位和灵活的操作。机械臂可以通过视觉感知、力传感器等设备获取目标物体的信息，根据其属性和形状选择合适的抓取策略。对工件进行准确的视觉定位是机械臂抓取不可或缺的一个步骤。它涉及到机械臂准确地获取目标物体的位置和姿态信息。只有通过准确的工件定位，机械臂才能进行精准的抓取和操作，从而实现高效的生产和自动化流程。准确的视觉定位有助于提高加工精度、保障安全性、实现自动化操作，并提高加工的稳定性和一致性。而在工件的视觉定位中，工件的边缘以及特征点成为我们识别工件的关键。
技术实现思路
1、本发明所要解决的技术问题是为了引导机械臂到达所需位姿进行工作，提供一种机械臂快速定位抓取方法，可以快速计算转换矩阵用于机械臂的旋转和平移。
2、本发明所述的机械臂快速定位抓取方法，所述方法包括：
3、步骤一，获取标志物点云，将标志物至于深度相机视场内，通过深度相机拍摄标志物得到标志物点云。
4、步骤二，点云预处理，对所述标志物点云进行采样滤波和高斯滤波预处理，通过在点云中创建三维体素栅格并用重心点表示该体素内的点进行采样滤波，通过对每个点的邻域进行统计分析和计算所有邻近点的平均距离进行高斯滤波。
5、步骤三，对所述标志物点云进行点云分割和点云筛选提取标志物点云，在点云中对初始点在设定半径下进行临近点搜索，并在搜索结果中重复进行搜索操作直至不再增加新的点，并对搜索得到的点云按平均高度进行分类，选取平均高度最高的点云作为标志物点云。
6、步骤四，对所述标志物点云进行主成分分析法计算标志物主轴方向，与模板点云进行主轴匹配并计算转换矩阵，所述标志物主轴方向需要计算点云中心：
7、
8、公式(1)中，pcenter为点云中心，pi为点云，n为点云个数，计算协方差矩阵为：
9、
10、公式(2)中，cp为点云协方差矩阵，根据所述协方差矩阵进行奇异值分解计算得到主要的特征分量，即点云的主轴方向：
11、cp＝updpvpt(3)
12、公式(3)中，up为特征向量。将标志物点云与模板点云进行主轴方向匹配后，计算旋转矩阵和平移矩阵：
13、
14、公式(4)中，r0为旋转矩阵，t0为平移矩阵，xcenter和ux分别为模板点云的点云中心和特征向量。根据所述旋转矩阵和所述平移矩阵对所述标志物点云进行转换：
15、pnew＝p*r0+t0(5)
16、公式(5)中，pnew为转换后的标志物点云。
17、7.步骤五，对转换后的所述标志物点云根据几何信息计算位姿。对所述标志物点云计算外轮廓，对所述外轮廓通过拟合直线求交点得到标志物点云的角点，通过所述角点计算标志物点云中心点坐标得到平移矩阵t1。对所述标志物点云计算法向量后，计算法向量与x轴，y轴，z轴的夹角：
18、
19、公式(6)中，(x1,y1,z1)为所述标志物点云的法向量，(x2,y2,z2)依次表示x轴，y轴和z轴，θ为向量之间的夹角，通过所述夹角计算得到旋转矩阵r1，根据式(5)进行转换之后完成机械臂的旋转平移到位，可进行抓取等动作。
20、本发明与现有技术相比具有如下有益效果：
21、1)本发明通过将标志物点云根据主成分分析法的主轴方向与模板点云进行匹配，再根据标志物点云轮廓提取矩形特征和直线特征，通过对几何特征进行计算得到转换矩阵，用于引导机械臂的旋转和平移。与现有技术相比，本发明使用主成分分析法快速的实现点云匹配，通过几何特征能够快速准确的计算标志物点云位姿。
22、2)本发明通过获得标志物的点云，识别标志物点云的位姿，能够快速地计算机械臂末端到标志物的转换矩阵，通过转换矩阵能够快速的与其他工件建立关系，实现固定工件的抓取任务。与现有技术相比，本发明通过先识别标志物的位姿，并建立与其他固定工件的转换矩阵，在预先标定后，能够快速的引导机械臂到达工作位。
1.一种机械臂快速定位抓取方法，所述方法包括：
2.根据权利要求1所述的机械臂快速定位抓取方法，其特征在于：所述步骤s1中，将标志物至于深度相机视场内，通过深度相机拍摄标志物得到标志物点云。
3.根据权利要求1所述的机械臂快速定位抓取方法，其特征在于：所述步骤s2中，对所述标志物点云进行采样滤波和高斯滤波预处理，所述采样滤波是在点云中创建三维体素栅格并用重心点表示该体素内的点，所述高斯滤波是对每个点的邻域进行统计分析和计算所有邻近点的平均距离。
4.根据权利要求1所述的机械臂快速定位抓取方法，其特征在于：所述步骤s3中，对所述标志物点云进行点云分割和点云筛选提取标志物点云，所述点云分割为对初始点在设定半径下进行临近点搜索，并在搜索结果中重复进行搜索操作直至不再增加新的点，所述点云筛选为对搜索得到的点云按平均高度进行分类，选取平均高度最高的点云作为标志物点云。
5.根据权利要求1所述的机械臂快速定位抓取方法，其特征在于：所述步骤s4中，对所述标志物点云进行主成分分析法计算标志物主轴方向后，与模板点云进行主轴匹配并计算转换矩阵，所述标志物主轴方向需要计算点云中心：
6.根据权利要求1所述的机械臂快速定位抓取方法，其特征在于：所述步骤s5中，对转换后的所述标志物点云根据几何信息计算位姿。对所述标志物点云计算外轮廓，对所述外轮廓通过拟合直线求交点得到标志物点云的角点，通过所述角点计算标志物点云中心点坐标得到平移矩阵t1。对所述标志物点云计算法向量后，计算法向量与x轴，y轴，z轴的夹角：