CN109483537B - 一种Delta机器人作业目标选择方法及*** - Google Patents

Abstract

本发明提供了一种Delta机器人作业目标选择方法及***，所述Delta机器人作业目标选择***包括Delta机器人、物料作业传送带、托盒作业传送带、物料视觉装置、托盒视觉装置和处理器模块。本发明提供的一种Delta机器人作业目标选择方法及***，以远端实时计算Delta机器人的工作区域影像并通过多个筛选条件选出Delta机器人工作区域内的取料作业目标和装盒作业目标，以自动化的实现Delta机器人取料装盒作业目标选择，具有计算速度快，智能化程度高等特点。

Description

一种Delta机器人作业目标选择方法及***

技术领域

本发明涉及到Delta机器人领域，具体涉及到一种Delta机器人作业目标选择方法及***。

背景技术

Delta机器人在实际应用中，常用于夹取作业。在装盒夹取作业中，Delta机器人需要从物料作业传送带上夹取物料，然后装进托盒作业传送带上的托盒中。为了保证Delta机器人的运动速度、提高装盒效率，如何快速准确及有效的确认目标物料以及目标托盒，需要一种Delta机器人作业目标选择方法及***来实现。

发明内容

本发明提供了一种Delta机器人作业目标选择方法及***，具有计算速度快，智能化程度高等特点。

相应的，本发明提供了一种Delta机器人作业目标选择方法,包括以下步骤：

基于物料视觉装置获取所述物料作业传送带图像；

基于托盒视觉装置获取所述托盒作业传送带图像；

计算得出Delta机器人工作末端的工作区域的一次图像；

基于处理器模块计算在所述一次图像中的物料夹取目标的物料夹取坐标E；

基于处理器模块驱动Delta机器人工作末端运行至物料夹取坐标E执行物料夹取目标的物料夹取作业；

计算得出获取Delta机器人工作末端的工作区域的二次图像；

基于处理器模块计算在所述二次图像中的托盒装盒目标的托盒装盒坐标F；

基于处理器模块驱动Delta机器人工作末端运行至托盒装盒坐标F执行托盒装盒目标的托盒装盒作业。

所述基于物料视觉装置获取所述物料作业传送带图像包括以下步骤：

在物料作业传送带始端设置宽度为l的物料视觉装置，所述物料视觉装置以频率

获取位于其下方的物料作业传送带单位图像；

基于时间排序，通过图像合成的方式，获取物料作业传送带图像。

所述基于托盒视觉装置获取所述托盒作业传送带图像包括以下步骤：

在托盒作业传送带始端设置宽度为l的托盒视觉装置，所述托盒视觉装置以频率

获取位于其下方的托盒作业传送带单位图像；

基于时间排序，通过图像合成的方式，获取托盒作业传送带图像。

所述基于处理器模块计算在所述一次图像中的物料夹取目标的物料夹取坐标E包括以下步骤：

基于处理器模块，以所述工作区域的中心为原点构建直角坐标系，生成工作区域轮廓圆周方程r²＝x²+y²，r为工作区域半径，(x,y)为工作区域轮廓坐标；

基于处理器模块，计算所述工作区域的所有物料的物料特征点坐标；

基于处理器模块，以所述物料作业传送带的运动方向为距离计算方向，计算所述物料作业传送带上的多个物料距所述工作区域边缘的物料剩余距离；

基于所述Delta机器人工作末端的初始实时坐标，计算Delta机器人工作末端至各个物料间的物料移动距离；

基于所述Delta机器人工作末端的初始实时坐标、所述物料移动距离和物料剩余距离，筛选出可夹取物料集合；

基于处理器模块，在所述可夹取物料集合中，以物料剩余距离最小者作为物料夹取目标；

基于处理器模块，计算物料夹取目标的物料夹取坐标E。

所述基于所述Delta机器人工作末端的初始实时坐标、所述物料移动距离和物料剩余距离，筛选出可夹取物料集合包括以下步骤：

Delta机器人工作末端的初始实时坐标设为C₁(x_o1,y_o2)，物料的特征点坐标为A_i(x_i,y_i)，按照运动方向物料的特征点坐标与工作区域轮廓相对应的坐标为

基于所述物料剩余距离计算物料离开工作区域所需时间

t_i为物料i离开工作区域所需时间，a_i为物料i的物料剩余距离，v₁为物料作业传送带的运行速度；

计算t_i时间内Delta机器人工作末端的可运行距离，计算公式为s_t＝v₀t_i，s_t为Delta机器人工作末端t_i时间的运行距离，v₀为Delta机器人工作末端的运行速度，t_i为物料i离开所述工作区域所需时间；

计算max(C₁A_i,C₁D_i)，即C₁A_i和C₁D_i中线段长度较大者的长度；

比较max(C₁A_i,C₁D_i)和s_t的大小，判断物料i是否可夹取；

当s_t≥max(C₁A_i,C₁D_i)时，物料i可夹取；当s_t＜max(C₁A_i,C₁D_i)时，物料i不可夹取；

基于处理器模块遍历计算所有的物料，将可夹取的物料归类至可夹取物料集合中。

基于处理器模块，计算物料夹取目标的物料夹取坐标E包括以下步骤：

基于处理器模块，通过点C₁(x_o1,y_o2)、点A_i(x_i,y_i)和点

计算∠C₁A_iD_i的余弦值cos∠C₁A_iD_i；

设边C₁E的长度为v₀t、边A_iE的长度为v₁t，并代入至余弦公式C₁E²＝A_iE²+C₁A_i ²-2·A_iE·C₁A_i·cos∠C₁A_iD_i，求解得出t；

基于处理器模块，计算出所述夹取点E坐标为E(x_i-v₁t,y_i)。

所述基于处理器模块，在所述可夹取物料集合中，以物料剩余距离最小者作为物料夹取目标还包括以下步骤：

当具有多个物料的物料剩余距离同时为最小值时，基于处理器模块，从所述多个物料中随机选择其中一个物料作为物料夹取目标。

所述基于处理器模块计算在所述二次图像中的托盒装盒目标的托盒装盒坐标F包括以下步骤：

基于处理器模块，计算所述二次图像中所述工作区域的所有托盒的托盒特征点坐标；

基于处理器模块，以所述托盒作业传送带的运动方向为距离计算方向，计算所述托盒作业上的多个托盒距所述工作区域边缘的托盒剩余距离；

基于处理器模块，以所述夹取点E坐标为Delta机器人工作末端实时坐标，计算Delta机器人工作末端至各个物料间的物料移动距离；

基于所述夹取点E坐标、所述托盒移动距离和所述托盒剩余距离，筛选出可装盒托盒集合；

基于处理器模块，在所述可装盒托盒集合中，以托盒剩余距离最小者作为托盒装盒目标；

基于处理器模块，计算托盒装盒目标的托盒装盒坐标F。

相应的，本发明还提供了一种Delta机器人作业目标选择***，用于执行权利要求1至8其中一项所述的Delta机器人作业目标选择方法。

所述Delta机器人作业目标选择***包括Delta机器人、物料作业传送带、托盒作业传送带、物料视觉装置、托盒视觉装置和处理器模块；

所述物料作业传送带和托盒作业传送带并排布置，运动方向相同；

所述Delta机器人设置在所述物料作业传送带和托盒作业传送带上方，所述Delta机器人工作末端的工作区域同时覆盖部分所述物料作业传送带和部分所述托盒作业传送带；

所述视觉装置用于获取所述物料作业传送带、托盒作业传送带上的图像，且所述Delta机器人工作末端的工作区域处于所述视觉装置的图像获取区域内；

所述处理器模块分别与所述物料视觉装置、托盒视觉装置、所述Delta机器人连接，接收所述物料视觉装置和托盒视觉装置的图像进行合成，计算物料特征点和托盒特征点，并控制所述Delta机器人的工作末端运行。

本发明实施例提供了一种Delta机器人作业目标选择方法及***，以远端实时计算Delta机器人的工作区域影像并通过多个筛选条件选出Delta机器人工作区域内的取料作业目标和装盒作业目标，以自动化的实现Delta机器人取料装盒作业目标选择，具有计算速度快，智能化程度高等特点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，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它的附图。

图1示出了本发明实施例的Delta机器人作业目标选择方法流程图；

图2示出了本发明实施例的Delta机器人作业目标选择***结构示意图；

图3示出了本发明实施例的Delta机器人作业区域视觉图像示意图；

图4示出了本发明实施例的Delta机器人作业点选择原理示意图；

图5示出了本发明实施例的步骤S104的实施原理示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1示出了本发明实施例的Delta机器人作业目标选择方法，本发明实施例的Delta机器人作业目标选择方法包括以下步骤：

S101：基于物料视觉装置400获取所述物料作业传送带图像，基于托盒视觉装置500获取所述托盒作业传送带图像；

具体的，如果通过视觉装置直接获取Delta机器人工作末端的工作区域图像，由于Delta机器人工作末端的阻挡，在具体实施中很难完全获取所需的工作区域图像，因此，可通过远端合成和即时计算的方式，基于软件计算的方式获取物料作业传送带图像和托盒作业传送带图像。

针对物料作业传送带，在物料作业传送带始端设置宽度为l的物料视觉装置400，物料视觉装置400以频率

获取位于其下方的物料作业传送带单位图像。通过图像合成的方式，以时间排序，获取物料作业传送带图像。具体的，为了避免相对时间的计算麻烦以及与托盒作业传送带图像相匹配，可使用标准北京时间作为时间计量标准。当物料作业传送带正常运行时，任一时刻的物料作业传送带上的表面图像都是可知的。

图3示出了本发明实施例的物料作业传送带图像合成原理示意图。需要说明的是，为了防止图像数量过多导致容量累积，应及时对已处理的影响进行删除。具体的，物料作业传送带上任一点，从物料作业传送带始端至末端的运行时间

因此，每次物料视觉装置400获取的物料作业传送带单位图像，再经过时间

进行删除。

同理的，针对托盒作业传送带，在托盒作业传送带始端设置宽度为l的托盒视觉装置500，托盒视觉装置500以频率

获取位于其下方的托盒作业传送带单位图像。通过图像合成的方式，以时间排序，获取托盒作业传送带图像。具体的，为了避免相对时间的计算麻烦以及与物料作业传送带图像相匹配，可使用标准北京时间作为时间计量标准。当托盒作业传送带正常运行时，任一时刻的托盒作业传送带上的表面图像都是可知的。

同理的，为了避免图像堆占用大量容量，结合以上物料作业传送带图像合成原理，每次托盒视觉装置500获取的托盒作业传送带单位图像，经过时间

进行删除。

S102：获取Delta机器人工作末端的工作区域的一次图像；

图4示出了本发明实施例一次图像与二次图像的合成图，由于一次图像只应用到物料作业传送带，二次图像只应用到托盒作业传送带，图4将一次图像中的物料作业传送带图像和二次图像中的托盒作业传送带图像整合一体，以节省篇幅。

为了实现物料的装盒作业，Delta机器人的工作区域302应覆盖物料作业传送带的局部区域以及托盒作业传送带的局部区域。

S103：基于处理器模块，以工作区域中心为原点构建直角坐标系，生成工作区域轮廓圆周方程r²＝x²+y²；

当以工作区域302中心为原点构建直角坐标系时，以运动方向的相反方向为x轴正向建立坐标系，工作区域轮廓圆周方程(第一圆周方程)为r²＝x²+y²，其中，r为Delta机器人的工作区域半径，x,y分别为工作区域轮廓的横坐标和纵向坐标。

以工作区域中心为原点构建直角坐标系，生成工作区域轮廓圆周方程r²＝x²+y²，由于本发明实施例主要涉及的为x坐标的计算，因此，列出x坐标的求解方程为

S104：基于处理器模块，计算所述工作区域的所有物料的物料特征点坐标；

在物料夹取的作业过程中，针对不同的物料，Delta机器人的工作末端在作业时始终与所需夹取的物料上一个相对固定的坐标点相对，该相对固定的坐标点为该物料的物料特征点，当Delta机器人工作末端移动至该物料特征点时，即可对该物料特征点所对应的物料进行物料夹取作业。

具体的，以本发明实施例的附图图2为例进行说明。一般的，为了获取物料的清晰轮廓信息，物料作业传送带的颜色与物料颜色应该是具有较大的差异性的，如物料的颜色与物料作业传送带的颜色搭配可为黑色和白色、绿色与白色、蓝色与白色；一般来说，浅色的物料与黑色的物料作业传送带搭配，深色的物料与白色的物料作业传送带进行搭配。

具体的，针对物料轮廓的获取方法现有技术已有较多的披露，本发明实施例不另外进行说明，物料轮廓根据所需的精度与坐标密度，最终生成的为一系列的坐标点，在本发明实施例中，由于物料为的截面形状为圆形的，因此，只需将物料轮廓的一系列的坐标点进行相加后求平均数，即可得出物料的物料特征点坐标，本发明实施例的物料特征点坐标用A_i(x_i,y_i)表示。

需要说明的是，物料轮廓最终生成的坐标点在轮廓上的分布是均匀的。针对不同形状的物料，可根据不同的方法对物料特征点进行计算，本发明实施例不逐一进行介绍。

S105：基于处理器模块，以所述物料作业传送带的运动方向为距离计算方向，计算所述物料作业传送带上的多个物料距所述工作区域边缘的物料剩余距离；

按照物料A_i的运动方向，根据方程

和

求出物料a_i至工作区域边缘的距离。具体的，将物料A_i的纵向坐标y_i代入至方程

中，求出纵坐标为y_i时的工作区域横坐标，然后通过作差后求绝对值得出物料距所述工作区域边缘的物料剩余距离。

具体的，物料A_i距所述工作区域边缘的物料剩余距离

结合附图图2所示，A1的物料剩余距离为a1，A2的物料剩余距离为a2，A3的物料剩余距离为a3，A4的物料剩余距离为a4，依次类推。

S106：基于所述Delta机器人工作末端的初始实时坐标，计算Delta机器人工作末端至各个物料间的物料移动距离；

Delta机器人工作末端的运动受处理器模块控制，其初始实时坐标是实时可知的，本发明实施例将Delta机器人工作末端的初始实时坐标设为C₁(x_o1,y_o2)。根据两个坐标点之间的距离公式计算Delta机器人工作末端至各个物料间的物料移动距离，物料移动距离d_i计算公式为

计算可得，物料A1、A2、A3、A4的物料移动距离为d₁、d₂、d₃、d₄，其余物料的物料移动距离按本发明实施例所介绍的方法进行计算。

S107：基于所述Delta机器人工作末端的初始实时坐标、所述物料移动距离和物料剩余距离，筛选出可夹取物料集合；

由于Delta机器人工作末端从初始位置移动至物料特征点需要一定的时间，与此同时，物料会随着物料作业传送带运动而同步运动，因此，需要通过计算来判断物料在Delta机器人工作末端从初始位置移动至物料特征点的过程中，是否随物料作业传送带运动离开Delta机器人工作末端的工作区域。

由于Delta机器人工作末端的运动以及物料的运动是实时变化的，如果需要动态计算Delta机器人工作末端与物料的坐标进行匹配，则计算量非常庞大，因此，在该步骤中，本发明提供了一种可夹取物料的判定方法。

图5示出了步骤S104的实施原理示意图。具体的，由以上步骤介绍可得，Delta机器人工作末端的初始实时坐标设为C₁(x_o1,y_o2)，物料的特征点坐标为A_i(x_i,y_i)，按照运动方向物料的特征点坐标与工作区域轮廓相对应的坐标为

附图图3上分别标出了任意位置的初始实时坐标C₁、特征点坐标A_i以及工作区域轮廓对应坐标D_i。

参照附图图5所示出的细实线，在Delta机器人工作末端和物料的实时运行过程中，无论Delta机器人工作末端和物料的速度设置是怎样的，假设Delta机器人工作末端能够夹取到物料，则Delta机器人工作末端的运行轨迹始终位于附图图3粗实线所示的由三点连线围成的区域之间。结合三角形的性质可知，Delta机器人工作末端的运行距离的最大值总是产生在以C₁为端点的两条边上，即C₁A_i或C₁D_i上。因此，理论上，如果Delta机器人工作末端能够在物料A_i运行离开工作区域前，运动至C₁A_i和C₁D_i中距离较大者的相对于C₁的另一个端点上，则Delta机器人工作末端总是可以在线段D_iA_i上的某一个位置对物料进行夹取。

具体的，首先，根据物料剩余距离计算物料离开工作区域所需时间，即

t_i为物料i离开工作区域所需时间，a_i为物料i的物料剩余距离，v₁为物料作业传送带的运行速度。

然后，计算t_i时间内Delta机器人工作末端的可运行距离，计算公式为s_t＝v₀t_i，s_t为Delta机器人工作末端t_i时间的运行距离，v₀为Delta机器人工作末端的运行速度，t_i为物料i离开工作区域所需时间。

然后根据坐标公式，首先计算C₁A_i和C₁D_i的线段长度，选择其中的较大者，即max(C₁A_i,C₁D_i)。

然后，通过判断max(C₁A_i,C₁D_i)和s_t的大小，判断物料i是否可夹取。当s_t≥max(C₁A_i,C₁D_i)时，物料i可夹取；当s_t＜max(C₁A_i,C₁D_i)时，物料i不可夹取。

最后，通过遍历计算所有的物料，将可夹取的物料归类至可夹取物料集合中。

S108：基于处理器模块，在所述可夹取物料集合中，以物料剩余距离最小者作为物料夹取目标；

为了确认夹取目标，本发明实施例中，以物料剩余距离最小者作为物料夹取目标的选取标准。以该标准确定夹取目标的好处在于，当物料作业传送带的运行速度合适时，可夹取目标总是位于工作区域靠近附图方向左侧的某个固定范围内，有利于减少Delta机器人工作末端的运行距离，增加装盒效率。

需要说明的是，如果具有多个具有物料剩余距离最小值的物料，相对于装盒作业而言，选取其中的任意一个物料进行装盒对于整体流水线的作业而言功效是等价的，可采用随机选择的方式，选择其中一个物料作为夹取目标，避免进行额外的计算，节省处理器模块的运算资源。

S109：基于处理器模块，计算物料夹取目标的物料夹取坐标E；

经过物料夹取目标的确认后，需要通过处理器模块，确认Delta机器人工作末端夹取物料夹取目标的夹取点E。

以附图图3为例，通过初始实时坐标C₁、特征点坐标A_i以及工作区域轮廓对应坐标D_i可获取∠C₁A_iD_i的余弦值cos∠C₁A_iD_i，再结合边C₁E、边A_iE和三角形的余弦公式，可得出最终夹取物料夹取目标的夹取点E。

具体的，边C₁E的长度为v₀t，边A_iE的长度为v₁t，余弦公式为C₁E²＝A_iE²+C₁A_i ²-2·A_iE·C₁A_i·cos∠C₁A_iD_i；分别将边C₁E和边A_iE代入余弦公式，得v₀t²＝v₁t²+C₁A_i ²-2·v₁t·C₁A_i·cos∠C₁A_iD_i，其中，除时间t外，其余均为已知数，通过处理器模块求解得出t。

结合时间t和A_i坐标，计算出夹取点E坐标为E(x_i-v₁t,y_i)。

S110：基于处理器模块驱动Delta机器人工作末端运行至夹取点E(x_i-v₁t,y_i)进行物料夹取作业。

需要说明的是，一般的，物料夹取作业动作较快，本发明实施例没有对物料夹取作业的执行动作进行限定，在本发明实施例中，物料夹取作业过程中的物料位置变化可忽略不计。

S111：获取Delta机器人工作末端的工作区域的二次图像；

与物料的目标选择方法同理，需要对托盒作业传送带上的托盒进行目标托盒选取。由于步骤S102～步骤S110的执行需要一定的时间，由于处理器计算模块较快，具体的时间主要花费在步骤S110的Delta机器人工作末端物理运动动作上，经过步骤S109后，托盒作业传送带上的托盒位置已发生变化，因此，需要重新以当前时间获取Delta机器人工作末端的工作区域的二次图像，可参考附图图4示出了托盒传送带图像，以下步骤主要应用二次图像中的托盒传送带区域。

S112：基于处理器模块，计算所述工作区域的所有托盒的托盒特征点坐标；

与步骤S104方法相同，最终得出的托盒特征点坐标为B_j(x_j,y_j)。

S113：基于处理器模块，以所述托盒作业传送带的运动方向为距离计算方向，计算所述托盒作业上的多个托盒距所述工作区域边缘的托盒剩余距离；

参照步骤S105的计算方式，托盒B_j距所述工作区域边缘的托盒剩余距离

结合附图图2所示，B1的托盒剩余距离为b1，B2的托盒剩余距离为b2,依次类推。

S114：基于所述夹取点E坐标，计算Delta机器人工作末端至各个物料间的物料移动距离；

与步骤S106相比，由于Delta机器人工作末端刚执行完物料夹取作业，此时Delta机器人工作末端的坐标即为夹取点E坐标。

S115：基于所述所述夹取点E坐标、所述托盒移动距离和所述托盒剩余距离，筛选出可装盒托盒集合；

与步骤S107计算原理相同，Delta机器人工作末端坐标以所述夹取点E的坐标进行替代。

S116：基于处理器模块，在所述可装盒托盒集合中，以托盒剩余距离最小者作为托盒装盒目标；

与步骤S108执行原理相同，在所述可装盒托盒集合中，以托盒剩余距离最小者作为托盒装盒目标；如果存在多个托盒的托盒剩余距离同时为最小值，则以随机抽取的方式，选择其中一个托盒作为托盒装盒目标；

S117：基于处理器模块，计算托盒装盒目标的托盒装盒坐标F；

与步骤S109执行原理相同，通过余弦公式首先求出Delta机器人工作末端的运行时间，以托盒装盒目标的托盒特征点为基础，计算托盒装盒坐标F；

S118：基于处理器模块驱动Delta机器人工作末端运行至夹取点F进行物料装盒作业。

与步骤S109执行原理相同。

相应的，本发明实施例还提供了一种Delta机器人作业目标选择***，用于实现本发明实施例所提供的Delta机器人作业目标选择方法，包括Delta机器人、物料作业传送带、托盒作业传送带、物料视觉装置400、托盒视觉装置500和处理器模块；

所述物料作业传送带和托盒作业传送带并排布置，长度相等，运动方向相同；

所述物料视觉装置400、托盒视觉装置500分别设置在物料作业传送带和托盒作业传送带始端；

所述Delta机器人设置在所述物料作业传送带和托盒作业传送带上方，所述Delta机器人工作末端的工作区域同时覆盖部分所述物料作业传送带和部分所述托盒作业传送带；

所述处理器模块分别与视觉装置和所述Delta机器人，接收视觉装置的图像并加以处理，控制所述Delta机器人的工作末端运行。

本发明实施例提供了一种Delta机器人作业目标选择方法及***，以远端实时计算Delta机器人的工作区域影像并通过多个筛选条件选出Delta机器人工作区域内的取料作业目标和装盒作业目标，以自动化的实现Delta机器人取料装盒作业目标选择，具有计算速度快，智能化程度高等特点。

以上对本发明实施例所提供的一种Delta机器人作业目标选择方法及***进行了详细介绍，本文中应用了具体个例对本发明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发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，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发明的限制。

Claims (7)

1.一种Delta机器人作业目标选择方法，其特征在于，包括以下步骤：

基于物料视觉装置获取所述物料作业传送带图像；

基于托盒视觉装置获取所述托盒作业传送带图像；

计算得出Delta机器人工作末端的工作区域的一次图像；

基于处理器模块计算在所述一次图像中的物料夹取目标的物料夹取坐标E；

基于处理器模块驱动Delta机器人工作末端运行至物料夹取坐标E执行物料夹取目标的物料夹取作业；

计算得出获取Delta机器人工作末端的工作区域的二次图像；

基于处理器模块计算在所述二次图像中的托盒装盒目标的托盒装盒坐标F；

基于处理器模块驱动Delta机器人工作末端运行至托盒装盒坐标F执行托盒装盒目标的托盒装盒作业；

其中，所述基于处理器模块计算在所述一次图像中的物料夹取目标的物料夹取坐标E包括以下步骤：

基于处理器模块，以所述工作区域的中心为原点构建直角坐标系，生成工作区域轮廓圆周方程r²＝x²+y²，r为工作区域半径，(x,y)为工作区域轮廓坐标；

基于处理器模块，计算所述工作区域的所有物料的物料特征点坐标；

基于处理器模块，以所述物料作业传送带的运动方向为距离计算方向，计算所述物料作业传送带上的多个物料距所述工作区域边缘的物料剩余距离；

基于所述Delta机器人工作末端的初始实时坐标，计算Delta机器人工作末端至各个物料间的物料移动距离；

基于所述Delta机器人工作末端的初始实时坐标、所述物料移动距离和物料剩余距离，筛选出可夹取物料集合；

基于处理器模块，在所述可夹取物料集合中，以物料剩余距离最小者作为物料夹取目标；

基于处理器模块，计算物料夹取目标的物料夹取坐标E；

所述基于所述Delta机器人工作末端的初始实时坐标、所述物料移动距离和物料剩余距离，筛选出可夹取物料集合包括以下步骤：

Delta机器人工作末端的初始实时坐标设为C₁(x_o1,y_o2)，物料的特征点坐标为A_i(x_i,y_i)，按照运动方向物料的特征点坐标与工作区域轮廓相对应的坐标为

基于所述物料剩余距离计算物料离开工作区域所需时间

t_i为物料i离开工作区域所需时间，a_i为物料i的物料剩余距离，v₁为物料作业传送带的运行速度；

计算t_i时间内Delta机器人工作末端的可运行距离，计算公式为s_t＝v₀t_i，s_t为Delta机器人工作末端t_i时间的运行距离，v₀为Delta机器人工作末端的运行速度，t_i为物料i离开所述工作区域所需时间；

计算max(C₁A_i,C₁D_i)，即C₁A_i和C₁D_i中线段长度较大者的长度；

比较max(C₁A_i,C₁D_i)和s_t的大小，判断物料i是否可夹取；

当s_t≥max(C₁A_i,C₁D_i)时，物料i可夹取；当s_t＜max(C₁A_i,C₁D_i)时，物料i不可夹取；

基于处理器模块遍历计算所有的物料，将可夹取的物料归类至可夹取物料集合中。

2.如权利要求1所述的Delta机器人作业目标选择方法，其特征在于，所述基于物料视觉装置获取所述物料作业传送带图像包括以下步骤：

在物料作业传送带始端设置宽度为l的物料视觉装置，所述物料视觉装置以频率

获取位于其下方的物料作业传送带单位图像；

基于时间排序，通过图像合成的方式，获取物料作业传送带图像。

3.如权利要求1所述的Delta机器人作业目标选择方法，其特征在于，所述基于托盒视觉装置获取所述托盒作业传送带图像包括以下步骤：

在托盒作业传送带始端设置宽度为l的托盒视觉装置，所述托盒视觉装置以频率

获取位于其下方的托盒作业传送带单位图像；

基于时间排序，通过图像合成的方式，获取托盒作业传送带图像。

4.如权利要求1所述的Delta机器人作业目标选择方法,其特征在于，基于处理器模块，计算物料夹取目标的物料夹取坐标E包括以下步骤：

基于处理器模块，通过点C₁(x_o1,y_o2)、点A_i(x_i,y_i)和点

计算∠C₁A_iD_i的余弦值cos∠C₁A_iD_i；

设边C₁E的长度为v₀t、边A_iE的长度为v₁t，并代入至余弦公式C₁E²＝A_iE²+C₁A_i ²-2·A_iE·C₁A_i·cos∠C₁A_iD_i，求解得出t；

基于处理器模块，计算出所述物料夹取坐标E为E(x_i-v₁t,y_i)。

5.如权利要求1所述的Delta机器人作业目标选择方法,其特征在于，所述基于处理器模块，在所述可夹取物料集合中，以物料剩余距离最小者作为物料夹取目标还包括以下步骤：

当具有多个物料的物料剩余距离同时为最小值时，基于处理器模块，从所述多个物料中随机选择其中一个物料作为物料夹取目标。

6.如权利要求1所述的Delta机器人作业目标选择方法,其特征在于，所述基于处理器模块计算在所述二次图像中的托盒装盒目标的托盒装盒坐标F包括以下步骤：

基于处理器模块，计算所述二次图像中所述工作区域的所有托盒的托盒特征点坐标；

基于处理器模块，以所述托盒作业传送带的运动方向为距离计算方向，计算所述托盒作业上的多个托盒距所述工作区域边缘的托盒剩余距离；

基于处理器模块，以所述物料夹取坐标E为Delta机器人工作末端实时坐标，计算Delta机器人工作末端至各个托盒的托盒移动距离；

基于所述物料夹取坐标E、所述托盒移动距离和所述托盒剩余距离，筛选出可装盒托盒集合；

基于处理器模块，在所述可装盒托盒集合中，以托盒剩余距离最小者作为托盒装盒目标；

基于处理器模块，计算托盒装盒目标的托盒装盒坐标F。

7.一种Delta机器人作业目标选择***，其特征在于，用于执行权利要求1至6其中一项所述的Delta机器人作业目标选择方法。

Images