(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211298730.5 (22)申请日 2022.10.24 (71)申请人 爱夫迪 （沈阳） 自动化科技有限公司 地址 110167 辽宁省沈阳市 浑南区全运路 109号沈阳创新天地D座9 楼907室 (72)发明人 李大超　程辉　刘广玉　 (74)专利代理 机构 绍兴三人 行柯信知识产权代 理事务所(普通 合伙) 33495 专利代理师 齐玉巧 (51)Int.Cl. G06T 7/62(2017.01) G06T 7/73(2017.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) (54)发明名称 一种高位料库机 器人的码垛控制方法 (57)摘要 本发明涉及码垛机器人的控制技术领域， 具 体涉及一种高位料库机器人的码垛控制方法。 方 法包括： 基于当前零件抓取过程中料框内零件的 灰度图像中各零件的面积获得待抓取零件； 将待 抓取零件的边缘线记为当前边缘线， 将历史零件 抓取过程中被抓取零件的边缘线记为历史边缘 线； 将各历史边缘线投影到当前图像中获得第一 图像， 基于各历史边缘线与当前边缘线的相似性 对第一图像中的历史边缘线聚类获得目标聚类 簇； 将目标聚类簇中的各历史边缘线对应的抓取 点投影到待抓取零件的表面图像中并进行聚类， 将各聚类簇的中心点作为待抓取零件的抓取点， 控制机器人对待抓取零件的抓取点进行抓取。 本 发明能够控制机器人对料框内的零件进行准确 抓取。 权利要求书2页 说明书8页 附图1页 CN 115359112 A 2022.11.18 CN 115359112 A 1.一种高位料库机器人的码垛控制方法， 其特 征在于， 该 方法包括以下步骤： 获取机器人当前零件抓取过程中料框内的零件的灰度图像记为当前图像， 获取M次历 史零件抓取过程中对应的零件的表面图像记为历史图像， 所述历史零件抓取过程中对应的 零件的表面图像为历史抓取过程中所抓取的零件被抓取前在料框内的表面图像； 基于所述 当前图像获得 各零件的表面图像； M≥10； 基于各零件的表面图像的面积和各零件对应的标准面积， 得到各零件的优先指标， 将 当前图像中优先指标最大的零件作为待抓取零件； 将所述待抓取零件的边缘线记为当前边 缘线， 将历史零件抓取过程中被抓取零件的边缘线记为历史边缘线； 基于各历史抓取过程 对应的抓取效果评价指标和各历史零件抓取过程中被抓取零件的优先指标获得各历史边 缘线上抓取点对应的有效性指标； 基于各历史边缘线上抓取点、 当前边缘线上 的各像素点 和所述有效性指标， 得到当前边缘线上各像素点对应的匹配度， 将所述匹配度大于匹配度 阈值的像素点作为待抓取零件上的特征点； 基于所述特征点和各历史边缘线获得各历史边 缘线与当前边 缘线的相似性； 将各历史边缘线投影到所述当前图像中获得第 一图像， 基于各历史边缘线与当前边缘 线的相似性以及各历史边缘线对应的抓取效果评价指标对第一图像中的历史边缘线进行 聚类获得目标聚类簇； 将所述目标聚类簇中的各历史边缘线对应的抓取点投影到所述待抓 取零件的表面图像中， 对待抓取零件的表面图像中的所有投影点进行聚类， 将各聚类簇的 中心点作为待抓取零件的抓取点， 控制机器人对所述待抓取零件的抓取点进行抓取。 2.根据权利要求1所述的一种高位料库机器人的码垛控制方法， 其特征在于， 所述基于 各历史边缘线上抓取点、 当前边缘线上 的各像素点和所述有效性指标， 得到当前边缘线上 各像素点对应的匹配度， 包括： 将当前边缘线和各历史边缘线投影到模板图像中， 所述模板图像为零件水平放置在料 框内的表面图像； 对于当前边缘线上第k个像素点： 根据该像素点在模板 图像中的投影点每次作为抓取 点时对应的有效性指标、 该像素点在模板图像中的投影点作为抓取点的总次数、 该像素点 在模板图像中的投影点与各历史边缘线上的抓取点投影到模板图像中的像素点的最近距 离， 计算该像素点对应的匹配度。 3.根据权利要求2所述的一种高位料库机器人的码垛控制方法， 其特征在于，  采用如 下公式计算该像素点对应的匹配度： 其中， 为当前边缘线上第k个像素点对应的匹配度， 为历史零件抓取过程的次数， 为当前边缘线上第k个像素点在模板图像中的投影点与第i个历史边缘线上 的抓取点投影 到模板图像中的像素点的最近距离， 为当前边缘线上第k个像素点在模板图像中的投影 点作为抓取点的总次数， 为当前边缘线 上第k个像素点在模板图像中的投影点第 j次作为 抓取点时对应的有效性指标， 为调整参数。 4.根据权利要求1所述的一种高位料库机器人的码垛控制方法， 其特征在于， 所述基于权　利　要　求　书 1/2 页 2 CN 115359112 A 2各历史边缘线与当前边缘线的相似性以及各历史边缘线对应的抓取效果评价指标对第一 图像中的历史边 缘线进行聚类获得目标聚类簇， 包括： 采用的DBSCAN聚类算法对第一图像中的历史边缘线进行 聚类； 所述DBSCAN聚类算法聚 类时的聚类距离是基于各历史边 缘线对应的相似性以及抓取效果评价指标 得到的； 将历史边 缘线数量 最多的聚类簇记为目标聚类簇 。 5.根据权利要求1所述的一种高位料库机器人的码垛控制方法， 其特征在于， 所述对待 抓取零件的表 面图像中的所有投影点进 行聚类， 包括： 采用K ‑means聚类算法对待抓取零件 的表面图像中的所有投影点进行聚类， 所述K ‑means聚类算法 的聚类距离是基于待抓取零 件的表面图像中的所有投影点的位置和所有投影点对应的抓取效果评价指标 得到的。 6.根据权利要求1所述的一种高位料库机器人的码垛控制方法， 其特征在于， 所述基于 各零件的表面图像的面积和各零件 对应的标准 面积， 得到各零件的优先指标， 包括： 对于当前图像 中的任一零件： 计算该零件的表面图像的面积和零件对应的标准面积的 差值的绝对值， 记 为第一绝对值； 以自然常数为底数， 以负的所述第一绝对值为指数的指数 函数的值作为该零件的优先指标。 7.根据权利要求1所述的一种高位料库机器人的码垛控制方法， 其特征在于， 所述基于 各历史抓取过程对应的抓取效果评价指标和各历史零件抓取过程中被抓取零件的优先指 标获得各历史边 缘线上抓取点对应的有效性指标， 包括： 对于任一历史零件抓取过程： 将该历史零件抓取过程对应的抓取效果评价指标和该历 史抓取过程中被抓取零件的优先指标 的乘积作为该历史零件抓取过程对应的历史边缘线 上抓取点对应的有效性指标。权　利　要　求　书 2/2 页 3 CN 115359112 A 3