买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆大学;中建隧道建设有限公司申请的专利大范围密集块状物体环境下的机器人自主移动抓取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117103251B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310976394.3，技术领域涉及：B25J9/16；该发明授权大范围密集块状物体环境下的机器人自主移动抓取方法是由苏晓杰;罗鹏;戴亦军;原红祥;孙少欣;马铁东;秦宗琛设计研发完成，并于2023-08-04向国家知识产权局提交的专利申请。

本大范围密集块状物体环境下的机器人自主移动抓取方法在说明书摘要公布了：本发明公开一种机器人自主移动抓取方法，包括步骤：S1、获取工作台上的所有工件的初始位置和全局图像；S2、定位工作台上所有的待抓取工件；S3、通过法向量求解方法，计算所有待抓取工件相对于相机坐标系的位姿；S4、计算机械臂末端对每一个工件的实际抓取位姿，确立为工件位姿总信息；S5、计算机械臂每一个关节的旋转角度；S6、控制机械臂对工件进行抓取，并在工件位姿总信息中删除抓取完成的工件位姿信息；S7、通过贪心算法和遗传算法结合求解抓取剩余工件所需要移动的位置；S8、路径点的排序，并控制机械臂抓取完成每个路径点求逆解的所有工件。本发明解决了现有机器人的定位抓取方法对于待抓取物体位姿多样的情况下无法适用的问题。

本发明授权大范围密集块状物体环境下的机器人自主移动抓取方法在权利要求书中公布了：1.大范围密集块状物体环境下的机器人自主移动抓取方法，其特征在于，包括步骤： S1、通过控制自主移动机器人的机械臂携带相机移动，获取工作台上的所有工件的初始位置和全局图像； S2、将全局图像输入YOLOV5网络中进行目标识别，定位工作台上所有的待抓取工件； S3、根据S2中所获取待抓取工件的定位信息，通过法向量求解方法，计算所有待抓取工件相对于相机坐标系的位姿，包括： S301、获取所有工件的像素坐标信息，以及在相机坐标系下的深度信息； S302、将所有工件的像素坐标信息转化为在相机坐标系下的坐标信息，记录每一工件的位置信息：工件识别框L的左上角坐标L1为，左下角坐标L2为，右上角坐标L3为，右下角坐标L4为，中心坐标L5为，表示工件的编号； S303、有： 将X、Y这两个向量分别作为工件的X轴方向和Y轴方向，并将中心坐标作为工件的原点，计算每个工件左下角坐标与左上角坐标，以及右上角坐标与左上角坐标的差值； S304、通过法向量的求解方法，计算工件的Z轴方向； S305、求解工件相对于相机坐标系下的旋转矩阵和位移量； S4、根据所有待抓取工件的位姿信息和手眼变换矩阵，计算机械臂末端对每一个工件的实际抓取位姿，计算方式如下： 其中表示相机到机械臂基座的位姿变换，通过正运动学解算求得；表示工件到机械臂末端的位姿变换； 设置工作台相对于机器人笛卡尔坐标系的范围为； 记录所有的工件实际抓取位姿信息，确立为工件位姿总信息； S5、对每一个工件的实际抓取位姿求逆解，计算机械臂每一个关节的旋转角度； S6、控制机械臂对步骤S5中求逆解的工件进行抓取，并在工件位姿总信息中删除抓取完成的工件位姿信息； S7、通过贪心算法和遗传算法结合求解抓取剩余工件所需要移动的位置，并根据优先级进行排序，存储求解的所有路径点，包括： S701、定义染色体：将自主移动机器人从初始位置移动到另一个位置的位移变化量和角度变化量作为染色体，表示为，其中表示相对于机器人笛卡尔坐标系的X轴方向的位移变化量，表示相对于机器人笛卡尔坐标系的Y轴方向的位移变化量，表示当前机器人的方向与移动到下一位置的角度变化量； S702、定义适应度函数：定义适应度函数为机器人移动到下一位置时，能够抓取工件的数量； S703、初始化种群：随机生成100个染色体作为种群的初始状态； S704、二元锦标赛选择：从种群种随机采样两个染色体，将每个染色体带入适应度函数中求取其适应度值，选择其中最优的适应度值作为父代； S705、重复S704步骤，选择出两个父代个体； S706、设置交叉的概率为0.6，随机生成一个0-1的小数，判断该小数是否小于交叉概率，如果该小数小于交叉概率，则对步骤S705选出来的两个父代进行两点交叉； 如果该小数大于交叉概率，则不对这两个父代进行交叉，并将这两个父代加入子代种群中； S707、设置变异概率为0.3，提取子代种群中一个子代，随机生成一个0-1的小数，判断该小数是否小于变异概率，如果该小数小于变异概率，则该子代进行单点变异； 如果该小数大于变异概率，则不对该子代进行变异； S708、重复S707的变异操作，直到遍历子代种群中的所有子代； S709、重复迭代S704-S708步骤，直到子代种群数量达到初始种群数量； S710、更新种群：用新生成的子代种群替代原始种群； S711、重复迭代100次S704-S710步骤； S712、将最新的种群所有染色体带入适应度函数，求解出适应度最大的染色体，记录该染色体信息； S713、从工件位姿总信息中删除机器人到达该染色体指示的位置后所能抓取的工件位姿信息； S714、重复迭代S701-S713步骤，直到工件位姿总信息为空； S8、根据S7中路径点的排序，进行点与点的路径规划，并控制机械臂抓取完成每个路径点求逆解的所有工件； 步骤S2中YOLOV5网络为预先训练的网络结构，其训练步骤包括： S201、拍摄多张工件图像，进行定位标注，获取被标注的图像以及定位标签信息； S202、对工件图像进行裁剪和数据增强，制作定位数据集； S203、将定位数据集中的图像和定位标签信息输入到YOLOV5网络中训练网络权重参数，获取优化后的YOLOV5网络，对未知工件图像进行框选定位和类别识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学;中建隧道建设有限公司，其通讯地址为：400044 重庆市沙坪坝区沙正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。