本发明涉及机器人，特别是涉及机器人拾物方法。
背景技术：
1、随着工业智能时代的不断推进，机器人的应用从工业、服务业等领域中基础的转运、检测、抓夹等工作，深入到替代人工的一些轻微拿捏、拾物等指尖上精细动作操作的工作应用，可见机器人精细传感以及精细操作等技术的快速发展。
2、现有技术中，在精细操作上，机器人拾物由于传感器的限制和操作员的误差等因素，机器人拾物的精度可能存在一定的不足，比如在分拣小件物品时，机器人的抓取位置可能出现偏差，造成错误，再比如在应对各种尺寸形状的产品时，分拣机器人的适应性也存在一定的问题，针对这些问题需要对每个产品进行独立的编程和调试等，通常还需要大量的人工和较长的时间进行处理，这些处理明显的影响了工作效率，且难以提升效率。
技术实现思路
1、本发明的目的在于提供一种基于相关分析和机器人操作的物体拾取方法，该方法通过基于相关性分析，优化机械臂拾取和放置物体的计算机视觉技术算法，可大大提高机器人的自动适应性，且可简化计算处理过程提高准确率。
2、为实现上述目的，本发明的技术方案是：一种基于相关分析和机器人操作的物体拾取方法，其特征在于，方法步骤如下，
3、步骤一、通过图像采集设备获得roi图像；
4、步骤二、对roi图像进行图像处理和目标检测，具体是将roi图像导入软件处理为灰度格式得到roi灰度图像，然后检测得到物体在roi灰度图像中的物体图像并进行定位；
5、步骤三、计算出物体图像中心在roi灰度图像中的中心坐标，并将中心坐标转换为空间实际距离的实际距离坐标；
6、步骤四、将实际距离坐标用于机械人控制指令中，机械人根据所述机械人控制指令执行动作。
7、所述步骤二roi灰度图像为强度图像的roi灰度图像，目标检测时通过二维互相关运算来定位所述roi灰度图像中的物体图像，roi灰度图像为矩阵a，物体图像为矩阵b，其二维互相关运算为运算矩阵a和矩阵b之间的离散互相关性，由以下方法给出，
8、矩阵
9、其中，0≤i<ar+ac-1&0≤j<br+bc-1，a表示矩阵a的行，b表示矩阵a的列，i表示矩阵c的行，j表示矩阵c的列，ar、ac是矩阵a的维数，br、bc是矩阵b的维数，评估roi灰度图像和物体图像的互相关，估计出roi灰度图像和物体图像之间的相关程度，并将结果存储在矩阵c中，获得物体图像在roi灰度图像中的确切位置，并在roi灰度图像中对应该确切位置周围绘制出一个矩形框得到roi处理图像，从而进行定位。
10、所述步骤三中通过所述roi处理图像计算出物体的中心坐标，具体是使用循环遍历所述处理图像，直到遇到亮度最小的像素，该亮度最小的像素对应位于所述roi处理图像中矩形框的左上角，通过该像素来计算定位出物体图像中心在roi处理图像中的中心坐标，中心坐标为[x+(a/2)，y+(b/2)]，其中，x、y为矩形框的左上角像素的像素坐标，a、b为矩形框的尺寸；
11、将所述中心坐标转换成实际距离坐标是通过将所述中心坐标与roi处理图像的图像常数计算得出的，具体是机械人的原点以正好位于所述roi处理图像行的中间位置为原点，设实际距离坐标为[xdis，ydis]，xdis为中心坐标到roi处理图像行方向的距离，ydis为中心坐标到roi处理图像底边缘的距离，x'为机械臂原点到目标物体的水平距离，y'为中心坐标到roi处理图像底边的像素距离，r为roi处理图像行像素数，c为roi处理图像的列像素数，x'＝±[(x+(a/2)-r/2]，y'＝c*(y+b/2)，xdis通过x'与roi处理图像的图像常数中行每像素数值相乘得到，ydis通过y'与roi处理图像的图像常数中列每像素数值相乘得到。
12、所述步骤四，通过实际距离坐标计算出机器人的运动参数，该运动参数包括旋转角度记为θ、参数距离记为t和roi下边缘所需的有效距离记为ydis；
13、以下列设定为例说明运动参数的计算：roi处理图像为80×110像素，矩形框像素为20×20像素，roi处理图像的图像常数中行每像素数值为2.25毫米，roi处理图像的图像常数中列每像素数值为2.27毫米，由此c＝110,r＝80，a＝20，b＝20；
14、所述roi处理图像的列长度记为c'，roi处理图像的行长度记为r'，c'通过c与roi处理图像的图像常数中列每像素数值相乘得到，即c'＝2.27*c＝249.7，r'通过r与roi处理图像的图像常数中行每像素数值相乘得到，即r'＝2.25*r＝180；
15、
16、ydis＝ydis–t。
17、所述机器人控制指令为六轴机械臂的机械臂控制指令，所述六轴机械臂从其底座至抓取工作端的各轴依次记为j1、j2、j3、j4、j5和j6，所述六轴机械臂执行动作的步骤如下：
18、s1、六轴机械臂驱动器获得θ和ydis值，
19、s2、六轴机械臂在原点对齐，
20、s3、六轴机械臂根据ydis值沿这负y轴方向移动，
21、s4、j1根据θ旋转一个角度，
22、s5、j4和j5分别旋转90°和θ，
23、s6、按恒定值沿负z轴方向执行六轴机械臂运动，
24、s7、六轴机械臂末端执行器的夹爪闭合抓住物体，
25、s8、六轴机械臂沿正z轴方向通过恒定值进行，
26、s9、控制六轴机械臂末端执行器平移到放置工位并放置物体。
27、通过采用上述技术方案，本发明的有益效果是：本发明的方法采用人工智能算法的计算机视觉技术和基于相关性分析借助机械臂来拾取和放置物体，具体是利用了图像处理技术以及智能算法计算物体与捕获图像之间的二维相关性来定位物体的位置。该方法也通过更好的算法优化，大大提高机器人的适应性，在处理一定范围内的物品时，机器人可以自动调整适应不同尺寸和形状的物体的拾取，如可应用于圆形、圆柱形、混合形状等，甚至是变形、异形的形状应用。还有，该方法允许从随机位置多次抓取类似的对象，节省了训练不同形状物体挑拣的时间，还可简化机器人控制指令的指令集，不需要广泛的图像映射技术。综上方法总体算法简单，占用内存空间少，不需要任何滤波器，减少了指令集，具有较高的抓取准确率，从而实现本发明的上述目的。
1.一种基于相关分析和机器人操作的物体拾取方法，其特征在于，方法步骤如下，
2.如权利要求1所述的一种基于相关分析和机器人操作的物体拾取方法，其特征在于，所述步骤二roi灰度图像为强度图像的roi灰度图像，目标检测时通过二维互相关运算来定位所述roi灰度图像中的物体图像，roi灰度图像为矩阵a，物体图像为矩阵b，其二维互相关运算为运算矩阵a和矩阵b之间的离散互相关性，由以下方法给出，
3.如权利要求2所述的一种基于相关分析和机器人操作的物体拾取方法，其特征在于，所述步骤三中通过所述roi处理图像计算出物体的中心坐标，具体是使用循环遍历所述处理图像，直到遇到亮度最小的像素，该亮度最小的像素对应位于所述roi处理图像中矩形框的左上角，通过该像素来计算定位出物体图像中心在roi处理图像中的中心坐标，中心坐标为[x+(a/2)，y+(b/2)]，其中，x、y为矩形框的左上角像素的像素坐标，a、b为矩形框的尺寸；
4.如权利要求3所述的一种基于相关分析和机器人操作的物体拾取方法，其特征在于，所述步骤四，通过实际距离坐标计算出机器人的运动参数，该运动参数包括旋转角度记为θ、参数距离记为t和roi下边缘所需的有效距离记为ydis；
5.如权利要求4所述的一种基于相关分析和机器人操作的物体拾取方法，其特征在于，所述机器人控制指令为六轴机械臂的机械臂控制指令，所述六轴机械臂从其底座至抓取工作端的各轴依次记为j1、j2、j3、j4、j5和j6，所述六轴机械臂执行动作的步骤如下：
