基于物聯(lián)網(wǎng)技術(shù)的工業(yè)機械臂抓取位姿快速檢測研究

黃 艷，黃 蓉

（1.西安交通工程學(xué)院，西安 710300；2.許繼集團，許昌 461000）

0 引言

工業(yè)機械臂是工業(yè)生產(chǎn)過程中使用的一種機械電子裝置，該裝置是模擬人手臂功能完成生產(chǎn)作業(yè)，其是由多個部分組成，包含驅(qū)動器、感應(yīng)器、控制器等[1]。在工業(yè)生產(chǎn)過程中，會存在動態(tài)變化場景，抓取目標也存在移動情況，在該情況下，機械臂在進行抓取時，需依據(jù)抓取目標的情況，調(diào)整自身的抓取位姿[2]，如果抓取位姿不適當(dāng)，則對于工業(yè)機械臂的抓取精度會造成直接影響[3]。因此，為了保證工業(yè)機械臂在動態(tài)場景下，目標的抓取精度，需對其自身抓取位姿實行檢測，判斷其位姿是否滿足精準抓取需求；如果位姿存在偏差，則可通過控制系統(tǒng)對位姿實行控制和校正，調(diào)整位姿使其處于最佳狀態(tài)。因此，工業(yè)機械器抓取位姿檢測，對目標的抓取效果具有重要意義[4]。物聯(lián)網(wǎng)技術(shù)作為可實現(xiàn)物體和網(wǎng)絡(luò)連接的一種網(wǎng)絡(luò)技術(shù)，該連接是通過信息傳感設(shè)備完成，其具有全面感知、可靠傳輸以及智能處理等顯著優(yōu)勢，因此，該技術(shù)在智能識別、目標定位、跟蹤以及監(jiān)測等方面具有良好的應(yīng)用效果。

劉東等人[5]和劉傳凱等人[6]，針對機械器抓取位姿檢測問題，分別進行研究后，基于模型降階和基于雙目橢圓特征的位姿精確檢測方法，對機械臂的位姿實行檢測，但是上述在檢測過程中，對于動態(tài)作業(yè)工況下，檢測結(jié)果仍需進一步驗證。因此，本文研究基于物聯(lián)網(wǎng)技術(shù)的工業(yè)機械臂抓取位姿快速檢測方法，該法依據(jù)物聯(lián)網(wǎng)技術(shù)的全面感知以及安全通信的特點，實時獲取機械臂在抓取時的相關(guān)數(shù)據(jù)，并結(jié)合多傳感器數(shù)據(jù)融合方法，實現(xiàn)感知信息的融合，依據(jù)融合的數(shù)據(jù)結(jié)果完成機械臂抓取位姿檢測，為工業(yè)生產(chǎn)提供可靠保障。

1 工業(yè)機械臂抓取位姿快速檢測

1.1 位姿快速檢測方法框架

本文為實現(xiàn)工業(yè)機械臂抓取位姿快速檢測，針對工業(yè)作業(yè)的需求，提出基于物聯(lián)網(wǎng)技術(shù)的工業(yè)機械臂抓取位姿快速檢測方法，該方法的整體框架如圖1所示。

圖1 工業(yè)機械臂抓取位姿快速檢測方法框架

該方法整體四個部分，分別為數(shù)據(jù)采集系統(tǒng)、嵌入式網(wǎng)關(guān)系統(tǒng)、機械臂檢測控制系統(tǒng)以及檢測結(jié)果展示系統(tǒng)，四個系統(tǒng)相互關(guān)聯(lián)且獨立運行，分別完成作業(yè)相關(guān)數(shù)據(jù)采集、數(shù)據(jù)安全通信、抓取位姿檢測、異常位姿調(diào)整以及檢測結(jié)果和抓取結(jié)果的展示。

該方法的整體框架中，多傳感器采集的機械臂作業(yè)環(huán)境數(shù)據(jù)（環(huán)境溫度、濕度、壓力、風(fēng)向等）；通過激光雷達獲取機械臂抓取目標數(shù)據(jù)（距離、方位、高度、形狀，移動速度等），經(jīng)過有嵌入式網(wǎng)關(guān)系統(tǒng)進行傳送，機械臂檢測控制系統(tǒng)接受該網(wǎng)關(guān)層傳送的數(shù)據(jù)后[7]，采用同質(zhì)多傳感器數(shù)據(jù)融合方法對其實行融合，并將融合后的數(shù)據(jù)存儲至數(shù)據(jù)庫中；以該數(shù)據(jù)為依據(jù)進行機械臂位姿檢測。其中，嵌入式網(wǎng)關(guān)系統(tǒng)是方法的通信核心部分，也是控制系統(tǒng)實現(xiàn)位姿檢測和控制的基礎(chǔ)，該部分主要采用ZigBee網(wǎng)絡(luò)協(xié)調(diào)器、控制器、串口擴展等為核心組成部分，保證采集數(shù)據(jù)的通信效果；同時，保證異常位姿調(diào)整指令的傳達，保證機械臂的抓取效果[8]。機械臂位姿快速檢測依據(jù)多傳感器融合結(jié)果完成；如果位姿檢測后發(fā)現(xiàn)位姿存在異常，則由控制系統(tǒng)實行控制校正，其主要是依據(jù)單片機、驅(qū)動器等部分完成。

1.2 工業(yè)機械臂數(shù)據(jù)的通信協(xié)議

據(jù)數(shù)據(jù)采集系統(tǒng)采集的數(shù)據(jù)在進行通信時，為保證通信效果，本文采用物聯(lián)網(wǎng)技術(shù)中的ZigBee網(wǎng)絡(luò)通信協(xié)議完成，該協(xié)議可看作短距離無線傳感器網(wǎng)絡(luò)和控制協(xié)議，可保證網(wǎng)絡(luò)中各個節(jié)點快速加入網(wǎng)絡(luò)[9]，并且功耗較小。ZigBee網(wǎng)絡(luò)通信協(xié)議是各層的協(xié)議總和，其共包含物理層、介質(zhì)訪問層、網(wǎng)絡(luò)層、應(yīng)用層以及安全服務(wù)提供層，協(xié)議中的各層均有各自的功能，并且，各層之間可通過相應(yīng)的服務(wù)接口完成據(jù)數(shù)據(jù)采集系統(tǒng)采集數(shù)據(jù)的通信。該協(xié)議的結(jié)構(gòu)如圖2所示。

圖2 ZigBee網(wǎng)絡(luò)通信協(xié)議結(jié)構(gòu)

物聯(lián)網(wǎng)組網(wǎng)過程中，需依據(jù)全功能和精簡功能兩種設(shè)備完成，其中協(xié)調(diào)器是主要的全功能設(shè)備，其作為網(wǎng)絡(luò)主控節(jié)點，是網(wǎng)絡(luò)的核心，其主要作用是實現(xiàn)網(wǎng)絡(luò)啟動、網(wǎng)絡(luò)中所有節(jié)點的管理等。

1.3 機械臂的采集數(shù)據(jù)融合方法

機械臂在作業(yè)過程中，為保證其抓取位姿的快速檢測，需依據(jù)數(shù)據(jù)采集系統(tǒng)采集的數(shù)據(jù)完成，由于數(shù)據(jù)在采集過程中，是由不同的采集設(shè)備完成[10]，因此，為實現(xiàn)采集數(shù)據(jù)的有效利用，需對數(shù)據(jù)采集系統(tǒng)采集的數(shù)據(jù)實行融合，本文采用基于相對距離融合方法完成。

如果采集機械臂相關(guān)數(shù)據(jù)的設(shè)備數(shù)量為n，采集的機械臂作業(yè)相關(guān)數(shù)據(jù)用si={s1,s1,...,sn}，由于各個采集設(shè)備在數(shù)據(jù)采集過程中，會受到環(huán)境因素和自身感知精度的影響[11]，導(dǎo)致采集獲取的si具備顯著的隨機性，因此，定義si為si對應(yīng)的隨機變量，si在正常情況下呈現(xiàn)正態(tài)分布狀態(tài)，其真?zhèn)纬潭鹊拇_定只可依據(jù)si={s1,s1,...,sn}中自身含有的信息完成，因此si的真實性越好，其他采集數(shù)據(jù)對其的支持程度越好?；诖?，在數(shù)據(jù)采集系統(tǒng)采集的數(shù)據(jù)間的支持程度中引入相對距離，完成采集的全部機械臂數(shù)據(jù)融合。

設(shè)dij表示相對距離，對應(yīng)任意兩個采集設(shè)備采集數(shù)據(jù)間，其計算公式如式(1)所示：

式(1)中，si和sj表示采集設(shè)備采集的任意兩個數(shù)據(jù)，i,j=1,2,...,n。依據(jù)該公式可知，dij的結(jié)果越大，表示si和sj之間的差距越大，即si和sj之間的相互支持程度越小。

為實現(xiàn)si和sj之間相互支持程度的統(tǒng)一量化，本文引入支持度函數(shù)rij，該函數(shù)需滿足下述條件：

條件1：rij和dij之間呈現(xiàn)反比例關(guān)系。

條件2：rij引入后，可提升采集設(shè)備采集數(shù)據(jù)的處理能力[12]，最大程度利用隸屬度函數(shù)的優(yōu)點，以此可保證si和sj之間的相互支持程度絕對化。

rij的計算公式為：

如果采集的機械臂數(shù)據(jù)相對自身而言的dij等于0，rij的值越大，此時，表示兩個數(shù)據(jù)之間的支持度的等于1；反之表示兩個數(shù)據(jù)之間的距離較大，rij則失去意義。

針對機械臂數(shù)據(jù)融合問題，構(gòu)建支持度矩陣R，其表達公式為：

由于式(3)中的rij只用于描述si和sj之間的相互支持程度，因此，si的真實程度需通過公式中的ri1,ri2,...,rin描述?；诖?，采集設(shè)備采集的其他機械臂數(shù)據(jù)對si支持程度為wi，wi值越高表示前者對后者的支持度越好，即si的真實性越佳。

結(jié)合信息分享理念可知數(shù)個等效信息量的總和即可自合成最優(yōu)融合信息量[13]，并且各個信息的權(quán)系數(shù)需滿足，其中0≤wi≤1，并且wi需結(jié)合ri1,ri2,...,rin的整體信息，依據(jù)概率源融合理念得出，應(yīng)通過一組非負數(shù)a1,a2,...,an，計算wi，其公式為：

對式(4)實行轉(zhuǎn)換后得出：

式(5)中，A=[w1,w1,...,wn]T，A表示非負數(shù)矩陣，且A=[a1,a1,...,an]T。由于rij≥0，則R為非負矩陣，基于此可知該矩陣中存在的最大模特征值λ，λ對應(yīng)的特征向量分量為非負，λA=RA，并且滿足ai的條件，基于此，各類采集設(shè)備采集的機械臂數(shù)據(jù)之間支持程度，可通過λA進行衡量，如果：

此時，wi即表示采集的其他機械臂數(shù)據(jù)對si的支持程度，則采集的全部機械臂數(shù)據(jù)的融合公式為：

1.4 機械臂抓取位姿快速檢測

完成數(shù)據(jù)采集系統(tǒng)獲取機械臂數(shù)據(jù)融合后，將融合后數(shù)據(jù)s作為擴展卡爾曼濾波模型的輸入，該模型接收s后，將融合后數(shù)據(jù)s中的傳感器數(shù)據(jù)作為機械臂狀態(tài)方程的輸入[14]，將激光雷達獲取的抓取目標信息作為觀測信息，以此完成機械臂抓取位姿快速檢測。

機械臂狀態(tài)方程，其公式為：

式(8)中，f表示非線性模型，機械臂在k-1時刻的狀態(tài)結(jié)果和控制輸入分別用f(Hk-1)和uk-1表示；ηk-1表示該時刻下的動態(tài)噪聲。

如果機械臂的狀態(tài)變量為H=(x y φ vω)，其中：x、y表示方向；φ表示機械臂的偏航角；v表示目標移動速度；ω表示角速度。對其實行離散化非線性處理后，并結(jié)合數(shù)據(jù)采集周期對動態(tài)模型的離散化結(jié)果[15]，對f實行線性化處理，以此得出雅克比矩陣Fk，其公式為：

將式(9)代入式(8)中，可得出：

基于上述公式可得出擴展卡爾曼濾波的機械波抓取檢測過程公式：

式(11)中，濾波器在k時刻的先驗檢測結(jié)果用表示；該時刻的后驗檢測結(jié)果用表示，基于該公式即可獲取機械臂當(dāng)下抓取位姿檢測結(jié)果。

檢測模型在k時刻的先驗檢測協(xié)方差用表示，其計算公式為：

式(12)中，k-1時刻的后驗檢測協(xié)方差用ψk-1表示。

2 測試分析

為測試本文方法的應(yīng)用效果，以某汽車配件生產(chǎn)車間內(nèi)的某臺抓取機械臂作為測試對象，其結(jié)構(gòu)如圖3所示。該機械臂的運動自由度為6度，其負載為12kg，重定位精度為±0.01mm。該生產(chǎn)車間所生產(chǎn)的汽車配件的尺寸大小存在極大差異，因此，機械臂在抓取過程中，對于較小和較大抓取目標的精準性存在一定不足。采用本文方法對該機械臂抓取位姿實行檢測，并依據(jù)位姿的檢測結(jié)果，對機械臂的抓取位姿實行控制和調(diào)整，提升機械臂的抓取精度。

為衡量本文方法對機械臂位姿檢測性能，采用點度量和矩形度量作為評價指標，前者是衡量本文方法檢測的機械臂抓取中心和實際抓取中心之間的距離（要求標準小于2cm）；后者是衡量本文方法的位姿檢測框與實際檢測框之間的相似性，并且后者指標需滿足兩個條件，一是檢測的位姿角度和實際抓取角度之間的差需小于30°，二是兩者的相似系數(shù)大于25%，該系數(shù)計算公式為：

式(13)中：X表示本文方法檢測獲取的抓取框面積；Y表示實際標定的抓取框面積；X∩Y和X∪Y分別表示交集和并集，均對應(yīng)本文方法檢測獲取的抓取框面積和實際標定的抓取框面積之間。

獲取本文方法在不同抓取目標長度下，本文方法對機械臂位姿實行檢測后，獲取點度量和矩形度量兩個指標的結(jié)果，如表1所示。

表1 點度量和矩形度量兩個指標測試結(jié)果

分析表1測試結(jié)果可知：抓取目標大小的逐漸增加，本文方法檢測的機械臂抓取中心和實際抓取中心之間的距離均在2cm以內(nèi)，最大距離為1.6cm，最小距離為0.5cm；抓取角度之間的差和相似系數(shù)的結(jié)果均滿足條件標準，兩者的最大值分別為20°和95.7%。因此，本文方法具有良好的機械臂位姿檢測性能。

為衡量本文方法對機械臂位姿的檢測效果，采用平均模型點的3D距離指標ADD、該距離在各個閾值下的通過率曲線形成的面積和總面積的比值指標AUC，作為評價指標，兩個指標的計算公式分別為：

式(15)中：Rest、Test分別表示旋轉(zhuǎn)和平移兩種矩陣，均對應(yīng)本文方法的檢測結(jié)果；R和T分別表示旋轉(zhuǎn)和平移兩種矩陣，均對應(yīng)實際結(jié)果；Pi表示抓取目標的3D點；FN和TP均表示位姿，前者對應(yīng)檢測正確位姿，后者對應(yīng)檢測錯位位姿。要求ADD指標的結(jié)果低于5cm，AUC指標的結(jié)果高于94.5%。

依據(jù)上述公式獲取本文方法在不同的抓取目標數(shù)量下，ADD和AUC兩個指標的計算結(jié)果，如圖3所示。

圖3 位姿檢測效果測試結(jié)果

分析圖3測試結(jié)果可知：隨著抓取目標數(shù)量的逐漸增加，ADD和AUC兩個指標的測試結(jié)果均滿足應(yīng)用需求標準，兩個指標的最大值分別為4.4cm、98.2%。表示本文方法具有良好的機械臂位姿檢測效果，能夠準確檢測出機械臂在抓取作業(yè)過程中，位姿是否正確、是否滿足目標抓取需求。

為更深入衡量本文方法對機械臂抓取位姿的檢測效果，抓取目標在靜態(tài)和動態(tài)兩種工況下，分別采用本文方法對機械臂抓取位姿實行檢測，并在MATLAL軟件中獲取位姿的檢測結(jié)果，并將該結(jié)果與實際位姿結(jié)果實行對比，結(jié)果如圖4和圖5所示。

圖4 靜態(tài)工況下的位姿檢測結(jié)果

圖5 動態(tài)工況下的檢測結(jié)果

分析圖4、圖5測試結(jié)果可知：抓取目標在靜態(tài)和動態(tài)兩種工況下，采用本文方法對機械臂的位姿實行檢測后，檢測的位姿結(jié)果與實際位姿結(jié)果吻合程度較高，因此，本文方法的檢測效果良好，能夠精準判斷機械臂的位姿情況，為目標抓取精度提供可靠保障。

為驗證本文方法的應(yīng)用性，依據(jù)本文方法對機械臂抓取位姿實行檢測后，依據(jù)檢測結(jié)果對機械臂的位置實行調(diào)整，獲取位姿調(diào)整情況，并統(tǒng)計調(diào)整后機械臂的抓取結(jié)果，如圖6所示。

圖6 位姿調(diào)整后機械臂抓取結(jié)果

分析圖6測試結(jié)果可知：生產(chǎn)管理中心能夠依據(jù)位姿檢測結(jié)果對機械臂的位姿實行控制和校正，調(diào)整各個關(guān)節(jié)的運動參數(shù)、軌跡規(guī)劃參數(shù)以及機械臂末端位姿等，以此，保證機械臂最佳的位姿狀態(tài)，提升目標抓取精度。

3 結(jié)語

工業(yè)機械臂在工業(yè)生產(chǎn)過程中，由于機械臂的自身運行慣性和抓取目標的大小差異，會導(dǎo)致抓取精度存在一定不足，因此機械臂在抓取時，對其抓取位姿實行檢測尤為重要，依據(jù)可依據(jù)位姿的檢測結(jié)果判斷該位姿下，是否可抓取成功，并依據(jù)檢測結(jié)果調(diào)整機械臂的位姿。因此，本文研究基于物聯(lián)網(wǎng)技術(shù)的工業(yè)機械臂抓取位姿快速檢測方法。對該方法的應(yīng)用效果實行測試后得出：其具有良好的機械臂位姿檢測性能，精準檢測機械臂的位姿狀態(tài)，為機械臂的準確抓取提供可靠依據(jù)。