一种机器人学习方法、控制方法、装置、存储介质及主控设备与流程

本申请涉及通信技术领域，特别涉及一种机器人学习方法、控制方法、装置、存储介质及主控设备。

背景技术：

现有的工业机器人只是自动化设备，只能执行点到点固定的动作，不能根据工件的实际位置的变化来控制该机器人的机器臂移动至对应的位置来抓取该工件，抓取十分不灵活。

因此，现有技术存在缺陷，急需改进。

技术实现要素：

本申请实施例提供一种机器人学习方法、控制方法、装置、存储介质及主控设备，可以提高工件抓取灵活性。

本申请实施例提供一种机器人学习方法，包括以下步骤：

获取预设工件的初始照片以及拍摄该初始照片时机器臂前端相机、预设工件之间的相对位置关系；

设定多个特征参数并获取该多个特征参数在该初始照片中的特征参数值；

控制该机器臂分别调整至多个不同的位置进行拍照以获取该预设工件在不同相对位置关系情况下的第一照片，并获取每一第一照片对应该多个特征参数的特征参数值；

根据每一照片的各个特征参数值、对应的相对位置关系建立模型关系，并将该模型关系加入到模型数据库中。

在本发明所述的机器人学习方法中，所述相对位置关系包括机器臂前端相机与预设工件之间的距离值以及相对方位关系。

在本发明所述的机器人学习方法中，还包括以下步骤：

获取该预设工件的种类信息；

所述根据每一照片的各个特征参数值、对应的相对位置关系建立模型关系的步骤包括：

根据该预设工件的种类信息建立模型关系组，该模型关系组包括该预设工件的各个照片对应的模型关系。

一种机器人控制方法，包括以下步骤：

检测到工件抓取信号时，获取机器臂前端相机采集到的待抓取的工件的实时照片；

根据该实时照片获取预设的多个特征参数在该实时照片中的特征参数值；

根据该多个特征参数值查询预先建立的模型数据库，以获取该工件与该机器臂前端相机之间的相对位置关系；

根据所述相对位置关系生成控制信号，该控制信号用于控制机器臂抓取该待抓取的工件。

在本发明所述的机器人控制方法中，所述根据该多个特征参数值查询预先建立的模型数据库，以获取该工件与该机器臂前端相机之间的相对位置关系的步骤包括：

根据该实时照片判断该待抓取的工件的种类信息；

根据该待抓取工件的种类信息查询预先建立的模型数据库以获取对应的模型关系组；

根据该多个特征参数值从该模型关系组中的多个模型关系中查询出该待抓取的工件与该机器臂前端相机之间的相对位置关系。

在本发明所述的机器人控制方法中，所述相对位置关系包括机器臂前端相机与待抓取的工件之间的距离值以及相对方位关系。

在本发明所述的机器人控制方法中，所述机器臂前端的抓取机构处设置有力矩传感器；所述根据所述相对位置关系生成控制信号，该控制信号用于控制机器臂抓取该待抓取的工件的步骤包括：

根据该相对位置关系以及该待抓取的工件的种类信息生成控制信号，该控制信号用于控制该机器臂移动至对应位置并控制该抓取机构以对应的抓取力来抓取待抓取的工件。

一种机器人控制装置，包括：

第一获取模块，用于检测到工件抓取信号时，获取机器臂前端相机采集到的待抓取的工件的实时照片；

第二获取模块，用于根据该实时照片获取预设的多个特征参数在该实时照片中的特征参数值；

第三获取模块，用于根据该多个特征参数值查询预先建立的模型数据库，以获取该工件与该机器臂前端相机之间的相对位置关系；

控制模块，用于根据所述相对位置关系生成控制信号，该控制信号用于控制机器臂抓取该待抓取的工件。

一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述任一项所述的方法。

一种主控设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行上述任一项所述的方法。

本发明通过根据该工件的实时照片来获取该工件的相对位置关系，从而快速精准的抓取到该工件，具有提高抓取效率、抓取灵活度以及精确度的有益效果。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一些实施例中的机器人学习方法的流程图。

图2是本发明一些实施例中的机器人控制方法的流程图。

图3是本发明一些实施例中的机器人控制装置的结构图。

图4是本发明一些实施例中的主控设备的结构图。

具体实施方式

下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。

在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

在本申请中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本申请。此外，本申请可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本申请提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。

本申请的说明书和权利要求书以及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应当理解，这样描述的对象在适当情况下可以互换。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。例如，包含了一系列步骤的过程、方法或包含了一系列模块或单元的装置、终端、系统不必限于清楚地列出的那些步骤或模块或单元，还可以包括没有清楚地列出的步骤或模块或单元，也可以包括对于这些过程、方法、装置、终端或系统固有的其它步骤或模块或单元。

参考图1，图1为本发明一些实施例中的机器人学习方法，包括以下步骤：

s101、获取预设工件的初始照片以及拍摄该初始照片时机器臂前端相机与预设工件之间的相对位置关系。

在该步骤中，该初始照片的拍摄位置可以选择为该前端相机正对该工件的正面，并且，在获取到该初始照片时，还同时获取到了该预设工件的种类信息，也即是该工件的名称、型号等。可以通过手动输入的方式获取，也可以通过图像识别技术，通过该正面的初始照片可以通过查询数据库的方式识别出该工件的名称以及型号，当然，其并不限于此。

其中，该相对位置关系包括机器臂前端相机或者该机器臂前端的抓取机构与预设工件之间的距离值以及相对方位关系。

s102、设定多个特征参数并获取该多个特征参数在该初始照片中的特征参数值。

在该步骤中，该特征参数可以为该工件的长宽高等尺寸参数，或者形状参数，颜色参数等。由于不同的工件往往特征各不相同，要想提取到最能表现该工件特征的特征参数，在设定特征参数时就需要参考该预设工件的种类信息，需要根据该预设工件的种类信息来选择多个参数作为特征参数。

s103、控制该机器臂分别调整至多个不同的位置进行拍照以获取该预设工件在不同相对位置关系情况下的第一照片，并获取每一第一照片对应该多个特征参数的特征参数值。

在该步骤中，例如可以为300个不同的位置，从而可以获取300张照片，1000个位置更好，不同的位置越多，后续控制越精确。并且拍摄每一第一照片时，还会采用外部设备或者自带部件去检测该预设工件与该机器臂前端摄像头之间的相对位置关系，更精准的做法是获取该机器臂前端的抓取机构与该预设工件之间的相对位置关系。

s104、根据每一照片的各个特征参数值、对应的相对位置关系建立模型关系，并将该模型关系加入到模型数据库中。

其中可以采用关系数据模型，它以记录组或数据表的形式组织数据，以便于利用各种地理实体与属性之间的关系进行存储和变换，不分层也无指针，是建立空间数据和属性数据之间关系的一种非常有效的数据组织方法。优点在于结构特别灵活，概念单一，满足所有布尔逻辑运算和数学运算规则形成的查询要求；能搜索、组合和比较不同类型的数据；增加和删除数据非常方便；具有更高的数据独立性、更好的安全保密性。

在该步骤中，该模型数据库中具有多个工件的模型关系，每一工件具有多个模型关系。

在一些实施例中，该机器人学习方法还包括:获取该预设工件的种类信息。对应地，该步骤s104包括：根据该预设工件的种类信息建立模型关系组，该模型关系组包括该预设工件的各个照片对应的模型关系。从将同一个工件的模型关系放在一个组内，便于查找，可以提高查找速度。

请参照图2，图2是本发明一些实施例中的一种机器人控制方法的流程图，该方法包括以下步骤：

s201、检测到工件抓取信号时，获取机器臂前端相机采集到的待抓取的工件的实时照片。

其中，在检测到工件抓取信号时，需要开启光源模块进行补光，使得前端相机可以拍摄到更加清晰明亮的实时照片。

s202、根据该实时照片获取预设的多个特征参数在该实时照片中的特征参数值。

其中，该特征参数可以为该工件的长宽高等尺寸参数，或者形状参数，颜色参数等。由于不同的工件往往特征各不相同，要想提取到最能表现该工件特征的特征参数，在设定特征参数时就需要参考该预设工件的种类信息，需要根据该预设工件的种类信息来选择多个参数作为特征参数。对于已知工件种类信息的情况下，可以直接该工件的种类信息选择需要提取的该实时照片的特征参数，在确定要提取哪些特征参数的特征参数值后，就可以很快从该实时照片中提取出该特征参数的特征参数值。

在一些实施例中，在该待抓取的工件为未知工件的情况下，在执行该步骤s202之前，还需要执行：根据该实时照片获取该待抓取的工件的种类信息。可以采用图片识别技术识别出该工件的种类信息，也可以采用手动输入的方式。

s203、根据该多个特征参数值查询预先建立的模型数据库，以获取该工件与该机器臂前端相机之间的相对位置关系。

在该步骤中，该模型数据库为上述实施例中采用机器人学习方法建立的模型数据库。为了提高效率，在一些实施例中，该步骤s203包括：

s2031、根据该待抓取工件的种类信息查询预先建立的模型数据库以获取对应的模型关系组；s2032、根据该多个特征参数值从该模型关系组中的多个模型关系中查询出该待抓取的工件与该机器臂前端相机之间的相对位置关系。

其中，该相对位置关系包括机器臂前端相机或者该机器臂前端的抓取机构与待抓取的工件之间的距离值以及相对方位关系。

s204、根据所述相对位置关系生成控制信号，该控制信号用于控制机器臂抓取该待抓取的工件。

在该步骤中，该控制信号包括了该机械臂需要移动或者转动的角度以及距离数据，使得该机械臂可以将该抓取机构移动到该待抓取的工件处。

在一些实施例中，该机器臂前端的抓取机构处设置有力矩传感器；该步骤s204包括：根据该相对位置关系以及该待抓取的工件的种类信息生成控制信号，该控制信号用于控制该机器臂移动至对应位置并控制该抓取机构以对应的抓取力来抓取待抓取的工件。并且在抓取过程中，该力矩传感器会实时反馈数据给该主控设备。对于不同种类的工件，由于该工件的强度以及重量均不相同，因此需要施加的抓取力也不相同，可以避免损坏工件，也能保证工件不会掉落。

具体地，该步骤根据该相对位置关系以及该待抓取的工件的种类信息生成控制信号包括：根据该工件的种类信息或者该工件的重量信息、外型信息以及材质信息；根据该工件的重量信息、外型信息以及材质信息计算出额定抓取力；

根据该相对位置关系生成移动控制参数信息，根据该移动控制参数信息以及额定抓取力生成控制信号，使得该机器臂可以将该抓取机构移动至对应位置并以该额定抓取力来抓取该工件。

由上可知，本发明通过获取该预设工件的种类信息；所述根据每一照片的各个特征参数值、对应的相对位置关系建立模型关系的步骤包括：根据该预设工件的种类信息建立模型关系组，该模型关系组包括该预设工件的各个照片对应的模型关系，可以随着工件位置变化精准工质该机器人抓取到该工件，具有提高抓取的精确度以及灵活性的有益效果。

请参照图3，图3是本发明一些实施例中的一种机器人控制装置的结构图，该装置包括：第一获取模块301、第二获取模块302、第三获取模块303以及控制模块304。

其中，该第一获取模块301用于检测到工件抓取信号时，获取机器臂前端相机采集到的待抓取的工件的实时照片。其中，在检测到工件抓取信号时，需要开启光源模块进行补光，使得前端相机可以拍摄到更加清晰明亮的实时照片。

其中，该第二获取模块302用于根据该实时照片获取预设的多个特征参数在该实时照片中的特征参数值。其中，该特征参数可以为该工件的长宽高等尺寸参数，或者形状参数，颜色参数等。由于不同的工件往往特征各不相同，要想提取到最能表现该工件特征的特征参数，在设定特征参数时就需要参考该预设工件的种类信息，需要根据该预设工件的种类信息来选择多个参数作为特征参数。对于已知工件种类信息的情况下，可以直接该工件的种类信息选择需要提取的该实时照片的特征参数，在确定要提取哪些特征参数的特征参数值后，就可以很快从该实时照片中提取出该特征参数的特征参数值。

其中，该第三获取模块303用于根据该多个特征参数值查询预先建立的模型数据库，以获取该工件与该机器臂前端相机之间的相对位置关系。该模型数据库为上述实施例中采用机器人学习方法建立的模型数据库。为了提高效率，在一些实施例中，该第三获取模块303包括：第一获取单元，用于根据该待抓取工件的种类信息查询预先建立的模型数据库以获取对应的模型关系组；查询单元，用于根据该多个特征参数值从该模型关系组中的多个模型关系中查询出该待抓取的工件与该机器臂前端相机之间的相对位置关系。其中，该相对位置关系包括机器臂前端相机或者该机器臂前端的抓取机构与待抓取的工件之间的距离值以及相对方位关系。

其中，该控制模块304用于根据所述相对位置关系生成控制信号，该控制信号用于控制机器臂抓取该待抓取的工件。该控制信号包括了该机械臂需要移动或者转动的角度以及距离数据，使得该机械臂可以将该抓取机构移动到该待抓取的工件处。

在一些实施例中，该机器臂前端的抓取机构处设置有力矩传感器；该控制模块304用于：根据该相对位置关系以及该待抓取的工件的种类信息生成控制信号，该控制信号用于控制该机器臂移动至对应位置并控制该抓取机构以对应的抓取力来抓取待抓取的工件。并且在抓取过程中，该力矩传感器会实时反馈数据给该主控设备。对于不同种类的工件，由于该工件的强度以及重量均不相同，因此需要施加的抓取力也不相同，可以避免损坏工件，也能保证工件不会掉落。

本发明实施例还提供一种存储介质，该存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，该计算机执行上述任一实施例所述的基于语音识别的人脸表情装饰方法，从而实现以下功能：检测到工件抓取信号时，获取机器臂前端相机采集到的待抓取的工件的实时照片；根据该实时照片获取预设的多个特征参数在该实时照片中的特征参数值；根据该多个特征参数值查询预先建立的模型数据库，以获取该工件与该机器臂前端相机之间的相对位置关系；根据所述相对位置关系生成控制信号，该控制信号用于控制机器臂抓取该待抓取的工件。

由上可知，本发明通过获取该预设工件的种类信息；所述根据每一照片的各个特征参数值、对应的相对位置关系建立模型关系的步骤包括：根据该预设工件的种类信息建立模型关系组，该模型关系组包括该预设工件的各个照片对应的模型关系，可以随着工件位置变化精准工质该机器人抓取到该工件，具有提高抓取的精确度以及灵活性的有益效果。

请参照图4，本发明实施例还提供一种主控设备。该主控设备可以是智能手机、平板电脑等设备。如示，主控设备400包括处理器401和存储器402。其中，处理器401与存储器402电性连接。处理器401是主控设备400的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或调用存储在存储器402内的计算机程序，以及调用存储在存储器402内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控。

在本实施例中，主控设备400中的处理器401会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器402中，并由处理器401来运行存储在存储器402中的计算机程序，从而实现各种功能：从而实现以下功能：检测到工件抓取信号时，获取机器臂前端相机采集到的待抓取的工件的实时照片；根据该实时照片获取预设的多个特征参数在该实时照片中的特征参数值；根据该多个特征参数值查询预先建立的模型数据库，以获取该工件与该机器臂前端相机之间的相对位置关系；根据所述相对位置关系生成控制信号，该控制信号用于控制机器臂抓取该待抓取的工件。

存储器402可用于存储计算机程序和数据。存储器402存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器401通过调用存储在存储器402的计算机程序，从而执行各种机器人的控制方法。

主控设备与前端相机之间通过socket的协议建立连接，数据存放在各自的寄存器地址里，以备实时交换。当主控设备检测到随意堆放的工件时候，就通过软触发前端相机进行拍取照片，同时开启触发光源模块进行补光。主控设备会根据反馈信息执行相应的抓取或装配动作。由于搭载了先进的六纬度力矩传感器，其通过ehercat协议将数据传送给主控设备，基于专业化的结构，高灵敏度、刚性好、维间耦合小、有机械过载保护功能，成为机器人主控设备的一大亮点。主控设备根据数据进行分析，能够起到有效的保护作用，在抓取的过程中加载到工件的力度，操作系统会根据力反馈数据实现闭环性控制。机器人的主控设备自有支持离线编程，脱离了示教器面板控制单元。这样编程更加经济、方便、快捷并摆脱了地域上的限制。相对于在线示教，离线编程软件易于修改，能够实现多台机器人和外围设备的协调示教，能够实现基于大数据的自动规划等。

需要说明的是，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，该存储介质可以包括但不限于：只读存储器(rom，readonlymemory)、随机存取存储器(ram，randomaccessmemory)、磁盘或光盘等。

以上对本申请实施例所提供的机器人学习方法、控制方法、装置、存储介质及主控设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。