基于图像算法的机器人运动控制系统及关联机器人的制作方法

本发明涉及机器人控制系统领域，具体为基于图像算法的机器人运动控制系统及关联机器人。

背景技术：

1、基于图像算法的机器人运动控制系统是近年来机器人技术领域的热点之一。随着计算机视觉、深度学习等技术的不断发展，图像算法逐渐成为机器人视觉感知和控制的重要手段。传统机器人运动控制主要基于机器人的内部传感器，如编码器、陀螺仪等来实现，控制精度较高，但是缺乏对复杂环境的自适应能力。而基于图像算法的机器人运动控制系统则可以通过感知环境中的图像信息，实现对环境的感知与理解，并在此基础上实现机器人的运动控制，近年来，随着深度学习的发展，基于深度学习的图像识别和目标检测算法在机器人运动控制系统中得到了广泛应用。同时，基于深度学习的强化学习算法也被应用于机器人运动控制中，实现了自主学习和智能决策。这些技术的发展极大地拓展了机器人运动控制的应用场景和控制精度，促进了机器人技术的发展，随着人工智能、机器学习等技术的迅速发展，基于图像算法的机器人运动控制系统的研究和应用前景广阔，将为实现机器人在更广泛领域的应用提供强有力的支撑。

2、算法准确性不高：机器人运动控制系统需要准确地识别和定位物体，以及进行路径规划等操作。然而，图像算法本身的准确性受到多种因素的影响，例如光照、噪声等，这会导致算法输出的结果不够准确，从而影响机器人的运动控制。

3、实时性不足：机器人运动控制系统需要对实时输入的图像进行处理，并在很短的时间内输出控制指令。然而，图像算法通常需要较长的处理时间，因此可能无法满足实时性的要求。

4、环境不稳定：机器人运动控制系统在实际应用中面临的环境可能非常复杂和不稳定，例如光照不均、视野受限、障碍物遮挡等，这会对算法的准确性和实时性造成很大的影响。

技术实现思路

1、针对现有技术的不足，本发明提供了基于图像算法的机器人运动控制系统及关联机器人，解决了算法准确性不高、实时性不足、环境不稳定的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：基于图像算法的机器人，包括机器人主体，所述机器人主体的底部设有供电主机和控制主机，所述机器人主体的两侧分别设有主机械臂组件和副机械臂组件，所述控制主机的两侧设有配件箱，所述控制主机的两侧分别设有供电接口、pin接口、辅助接口、调制仪器、网络接口和信号接口，所述机器人主体的顶部设有配件接口。

3、优选的，所述主机械臂组件包括和机器人主体相互连接的主臂连接段，所述主臂连接段的端部连接有配件臂，所述配件臂的端部设有操作手臂，所述操作手臂的端部设有端部驱动臂，所述端部驱动臂的端部设有工作连接板，所述主臂连接段的端部设有辅助摄像头，所述操作手臂的端部侧面设有防护盖板和激光摄像头。

4、优选的，所述端部驱动臂和工作连接板之间设有辅助配件盒，所述端部驱动臂和操作手臂之间设有端部平台，所述辅助配件盒另一侧和工作连接板外周配合的位置设有端部壳体，所述端部驱动臂的端部侧面嵌合有毫米波摄像头，所述工作连接板的中部设有部件连接口，所述工作连接板的表面嵌合有ccd相机。

5、优选的，所述配件臂为空心结构，且配件臂的两端均采用内置减速器的伺服电机连接传动，所述辅助摄像头采用空间景深摄像头。

6、优选的，所述毫米波摄像头内嵌有毫米波雷达和光学摄像头，且毫米波摄像头和端部驱动臂之间采用万向轴连接，采用伺服电机驱动。

7、优选的，所述副机械臂组件包括和机器人主体之间相互连接的连接臂，所述连接臂的侧面嵌合有空间摄像头，所述连接臂的端部设有配件模块，所述配件模块的端部连接有转接主机，所述转接主机的侧面设有二级摄像头，所述转接主机的端部设有端部连接臂，所述端部连接臂的端部设有驱动机械手，所述驱动机械手的侧面设有端部摄像头，所述驱动机械手的端部设有操作端头。

8、优选的，所述空间摄像头采用周向阵列排布的三组摄像头，且空间摄像头内置有激光测距传感器，所述空间摄像头通过直线模组和连接臂之间相互连接。

9、优选的，所述二级摄像头和端部摄像头采用红外摄像头，且二级摄像头和端部摄像头的红外摄像头均为球轴连接。

10、优选的，基于图像算法的机器人运动控制系统，所述控制系统包括如下部分：

11、图像采集模块：该模块通过摄像头等设备采集机器人周围的图像信息，并将其传输到图像处理模块进行处理；

12、图像处理模块：该模块负责对采集到的图像进行处理和分析，提取出所需的信息，如机器人当前位置、周围环境等，具体的处理流程包括：

13、图像预处理：对采集到的图像进行预处理，如去噪、滤波、二值化等操作，以提高后续处理的准确度和效率；

14、物体检测：根据预设的模板或算法，对图像中的物体进行检测和识别，找出机器人所处的位置、方向和周围环境等信息；

15、运动跟踪：通过对多帧图像进行分析和比较，确定机器人的运动状态和方向，为后续的运动控制做出准确的预测；

16、环境建模：根据采集到的图像和物体信息，构建机器人周围的环境模型，为机器人的运动控制提供基础数据；

17、运动控制模块：该模块根据处理后的信息，控制机器人的运动，实现其自主控制和操作，具体的控制流程包括：

18、运动规划：根据机器人当前位置、目标位置和环境模型等信息，规划出机器人的运动轨迹和路径；

19、运动控制：通过控制机器人的关节和轮子等运动部件，实现机器人的运动控制和操作，具体的控制方法包括pid控制、动力学控制、路径跟踪控制等；

20、碰撞检测：在运动过程中，对机器人和周围环境进行碰撞检测，避免机器人碰撞或受到损坏；

21、关联机器人模块：该模块用于连接多个机器人，实现协同作业。

22、优选的，所述关联机器人模块的具体的关联流程包括：

23、通信协议：通过特定的通信协议，实现机器人之间的信息传递和交互；

24、协同控制：通过协调机器人的运动轨迹和操作，实现多个机器人的协同作业，具体的协同方法包括分工协作、领航机器人：在多个机器人中，选择一个领航机器人，其负责引领其他机器人进行协同作业；

25、协同路径规划：针对多个机器人的协同作业，需要进行协同路径规划，通过协调各个机器人的运动轨迹和行动步骤，实现整个作业的高效和协同；

26、冲突解决：在多个机器人进行协同作业时，可能会出现冲突或协调不当的情况，此时需要对冲突进行分析和解决，保证整个协同作业的顺利进行。

27、本发明所取得的有益效果是：

28、本发明采用改进算法和提高图像质量等方式来提高算法的准确性，采用深度学习方法中的卷积神经网络（cnn）等算法来进行图像识别和定位，提高算法的准确性。

29、本发明提高算法的实时性，使用硬件加速器来加速图像算法的计算速度，此外，通过优化算法和减少算法复杂度等方式来提高算法的处理速度。

30、本发明采用多种图像算法来提高系统的鲁棒性和稳定性，使用多种传感器（如摄像头、激光雷达等）来获得多模态的信息，同时将多种信息进行融合，从而提高系统的稳定性和鲁棒性，应对环境不稳定的情况。