CN106997201A - 多机器人协作的路径规划方法 - Google Patents

Abstract

本发明涉及机器人路径规划领域，尤其涉及多机器人协作路径规划方法。提供一工件，定义主机器人和从机器人，并且获取主机器人的主信息和从机器人的从信息；主机器人采用主动视觉的方式获取工件的工件信息；根据主信息和从信息构建机器人模型，并且根据工件信息构建环境模型；主机器人根据机器人模型和环境模型确定主机器人和从机器人的工作任务及工作路径；主机器人和从机器人根据工作路径执行工作任务。本发明通过双目主动视觉系统智能辨识三维物体，不局限于物体的颜色、形状等特征。采用分段式路径规划技术，提高了路径优化效率，解决了多机器人叠加运动中的握手避碰问题，实现多机器人加工过程中的各关节动态调整与路径的在线优化。

Description

多机器人协作的路径规划方法

技术领域

本发明涉及机器人工作领域，尤其涉及一种多机器人协作路径规划方法。

背景技术

传统的工业机器人基本不具备协作的能力，多半的加工是依靠人员干预来完成的，而工艺要求的提高以及工业作业的复杂化，单个机器人操作已很难满足工业需求。多机器人系协作系统作为机器人研究领域里的一个重要的分支，越来越受到广泛的关注。在大量的多机器人方向研究中，多机器人协作路径规划问题成为研究的聚焦点。特定的机器人协作往往参照某种特定的环境，采用传感器信息在工作的过程中获得同步，通过信息的共享来协同操作等等。实现多个机器有效的路径规划、协同运行并完成一定的任务，已经成为工业机器人机器人行业发展的趋势，在智能制造、柔性加工的设计及实现中起着非常重要的作用。

针对于关节型机器人协作的研究方法已经相当的成熟，涉及的应用范围也相当的广泛。多数的文献都是对于协作机器人的动力学约束进行分析，没有涉及到协作系统路径规划编程方式。目前，多数应用到工业生产中的机器人协作采用示教的方式进行机器人的路径规划。而对于机器人协作要求比较高场合，需要研发传感技术与智能控制相结合的路径规划方法，来提高机器人协作的效率。

多机器人协作是对单机器人控制器功能上的扩展，实现多机器人协作的路径规划问题的关键是解决多机器人系统的智能辨识及避碰路径规划问题。目前国内的产品中出现多机器人协作的问题，大多采用示教方式及机器人末端点反解的方式来解决，但只考虑了机器人协作中的耦合运动的情况，这种方式效率低，灵活性差。而工业中一般是多数机器人进行协作工作，尤其是在工作范围比较小的情况下，多机器人进行叠加运动。而在多机器人实际协作过程中，尤其是在两个机器人的重叠工作区域内，碰撞问题是常见的问题。

发明内容

本发明的目的在于，提供多机器人协作路径规划方法，解决以上技术问题。

本发明所解决的技术问题可以采用以下技术方案来实现：

多机器人协作的路径规划方法，应用于多个机器人协同完成对工件的工作任务中，且所述多个机器人包括主机器人和与该主机器人配合的至少一个从机器人，所述路径规划方法包括以下步骤：

步骤S1，提供一工件，定义所述主机器人和所述从机器人，并且获取所述主机器人的主信息和所述从机器人的从信息；

步骤S2，所述主机器人采用主动视觉的方式获取所述工件的工件信息；

步骤S3，根据所述主信息和所述从信息构建机器人模型，并且根据所述工件信息构建环境模型；

步骤S4，所述主机器人根据所述机器人模型和所述环境模型确定所述主机器人和所述从机器人的工作任务及工作路径；

步骤S5，所述主机器人和所述从机器人根据所述工作路径执行所述工作任务。

优选地，所述步骤S1中，主机器人为双目机器人；以及获取的所述主机器人的主信息为主机器人双目的坐标信息。

优选地，所述工作路径包括主工作路径和握手工作路径和从工作路径；以及所述主机器人工作在所述主工作路径，所述从机器人工作在所述从工作路径，所述主机器人和所述从机器人协作工作在所述握手工作路径。

优选地，所述步骤S4中，

步骤S41，所述主机器人根据所述机器人模型和所述环境模型确定所述工作任务；

步骤S42，所述主机器人根据所述工作任务确定所述主机器人的主工作路径；

步骤S43，所述主机器人根据所述工作任务分配所述从机器人的从工作路径；

步骤S44，所述主机器人根据所述工作任务确定所述握手工作路径。

优选地，所述步骤S43还包括：

步骤S431，所述从机器人对所述从工作路径进行路径优化。

优选地，所述步骤S5中，

步骤S51，预设置一所述主机器人与所述从机器人之间的安全距离，执行步骤S52或步骤S53或步骤S54；

步骤S52，所述主机器人与所述从机器人之间的距离大于所述安全距离，所述主机器人和所述从机器人的排斥速度为零；

步骤S53，所述主机器人与所述从机器人之间的距离小于或等于所述安全距离，并且所述主机器人和所述从机器人的接近速度小于或等于零，所述主机器人和所述从机器人的排斥速度为零；

步骤S54，所述主机器人和所述从机器人之间的距离小于或等于所述安全距离，并且所述主机器人和所述从机器人的接近速度大于零，根据所述安全距离和所述主机器人与所述从机器人之间的实际距离和所述主机器人与所述从机器人的接近速度，计算所述主机器人和所述从机器人的排斥速度；以及所述主机器人和所述从机器人根据所述排斥速度执行所述工作任务。

本发发明通过双目主动视觉系统智能辨识三维物体，不局限于物体的颜色、形状等特征。采用分段式路径规划技术，提高了路径优化效率，解决了多机器人叠加运动中的握手避碰问题，实现多机器人加工过程中的各关节动态调整与路径的在线优化。整套技术方案不受限于机器人的结构和数目，具有通用性。

附图说明

图1是本发明的机器人协作分段优化策略图；

图2是本发明的双目视觉原理图。

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做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

本发明提出了一种基于主动视觉与智能控制相结合的多机器人路径规划方法，实现多机器人加工过程中的各关节动态调整与路径的在线优化。

本发明包括三个机器人共同协作，主机器人A是带有视觉传感设备的六关节机器人，从机器人B与从机器人C分别是四轴搬运机器人、六关节机器人，对两种不同规格物品进行分类处理操作。具体实施步骤包括：

步骤S1，提供一工件，定义主机器人A和从机器人(B、C)，并且获取主机器人A的主信息和从机器人(B、C)的从信息；获取的主机器人A的主信息为主机器人A双目的坐标信息。

步骤S2，主机器人A采用主动视觉的方式获取工件的信息。

工件可以为机器人在工作环境中的工作对象，在工作环境中可能有较多的工件，首先必须定义其中一个工件作为工作任务的对象，主机器人A通过可控运动抓取工件时，由于其他非工作任务工件之间相互遮挡，对主机器人A中的镜头光源要求比较复杂，识别难度较大，因此，主机器人A采用主动调整、多点取像的主动视觉技术来提高识别率，并得工件的形状特性、大小等信息，也就是通过设有线性结构光的双目相机进行物品的立体模板匹配辨识，获得工件的信息。

参见图2，为了获得工作环境内工件的坐标，需要说明的是工件可能在工作环境中任意一点，通常是采用工作环境内任意一点P(x,y,z)在主机器人A的左右相机中心在各自相机的成像平面上面形成投影点P_L与P_R，本实施例中，主机器人A可以是双目机器人，所以形成投影点P_L与P_R即为P(x,y,z)在主机器人双目上的投影点，通过标定算法求得相机的投影矩阵M_L与M_R，假设W_L＝(u_L,v_L,1)^T,W_R＝(u_R,v_R,1)^T分别是P_L与P_R在各自成像中的图像齐次坐标；(X,Y,Z,1)为P点在绝对坐标系下的齐次坐标,则

Z_cLW_L＝M_L*[x y z 1]^T (1)

Z_cRW_R＝M_R*[x y z 1]^T (2)

其中：

为了优化求解得到P点的坐标，处理消去Z_cL,Z_cR,得到矩阵方程：

AQ_P＝C (3)

其中：

采用最小二乘方法对公式(3)进行求解得到P点坐标值：

Q_p＝(A^TA)^-1A^TC (4)

本申请通过SUSAN角点特征的区域匹配方法对视觉信息进行立体匹配，实现工件辨识，得到工件信息。

步骤S3，根据主信息和从信息构建机器人模型，并且根据工件信息构建环境模型。

根据主机器人A的主信息和从机器人(B、C)的从信息建立涉及多个机器人的模型，根据获得的工件信息建立环境模型。

步骤S4，主机器人A根据机器人模型和环境模型确定主机器人和从机器人(B、C)的工作任务及工作路径。

如图1所示，本方案采用分段式路径规划，将主机器人A与从机器人(B、C)的握手范围选择为固定的工作范围，将整个路径优化问题简化为3段子路径：主机器人路径规划段(主工作路径FH)、从机器人路径规划段(从工作路径EG)、主从机器人握手规划段(握手工作路径EF)。

握手工作路径EF构成主从机器人握手段，其中H为主机器人A的初始点，G为从机器人末端目标位置点。在握手工作路径EF采用固定的规划策略，即主从机器人分别在E、F点的保持速度位置状态不变；在主工作路径FH、从工作路径EG，根据主机器人A辨识的外部信息或从机器人目标位置速度信息分别选择不同的优化策略，并通过逆雅克比矩阵得到各关节控制策略，最后通过机器人正解及曲线拟合的方法得到平滑路径。

具体地，步骤S4包括：

步骤S41，主机器人A根据机器人模型和环境模型确定工作任务；

步骤S42，主机器人A根据工作任务确定主机器人A的主工作路径；

步骤S43，主机器人A根据工作任务分配从机器人(B、C)的从工作路径，从机器人(B、C)对从工作路径进行路径优化；

步骤S44，主机器人A根据工作任务确定握手工作路径。

步骤S5，主机器人A和从机器人(B、C)根据工作路径执行工作任务。

为了防止多机器人执行工作任务过程中出现运动碰撞问题，采用包围盒模型建立基于速度排斥场的避碰路径规划策略。为了实现基于机器人末端速度驱动的避碰路径规划，建立速度排斥场模型。假设两个机器人A、B都以各自速度V_A,V_B移动到各自的终点。A_xyz＝(A_x,A_y,A_z)，B_xyz＝(B_x,B_y,B_z)分别是自然坐标系下两个机器人最近的坐标点。D为A_xyz、B_xyz之间的距离，则两个机器人的接近速度为D_r是点A_xyz,B_xyz之间安全距离，V_Astep，V_Bstep的排斥速度。

当两个机器人的之间的距离大于预设置的安全距离D_r时，速度排斥场为零，即：

V_Astep＝V_Bstep＝0,D≥D_r (5)

当两个机器人之间距离小于等于预设置的安全距离D_r时，但是接近速度小于等于零时，速度排斥场为零，即：

当两个机器人之间距离小于等于预设置的安全距离D_r时，并且接近速度大于零时，速度排斥场为零，产生的排斥速度为：

同理，机器人A与机器人C，机器人B与机器人C之间也采用此方式进行避碰速度处理。

本实施例对两个机器人的速度信号进行叠加，并采用逆雅克比矩阵将笛卡尔坐标空间速度矢量转化为关节空间速度矢量，通过机器人正解计算出两机器人作为离散初始路径的末端路径。

以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所做出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (6)

1.多机器人协作的路径规划方法，其特征在于，应用于多个机器人协同完成对工件的工作任务中，且所述多个机器人包括主机器人和与该主机器人配合的至少一个从机器人，所述路径规划方法包括以下步骤：

步骤S1，提供一工件，定义所述主机器人和所述从机器人，并且获取所述主机器人的主信息和所述从机器人的从信息；

步骤S2，所述主机器人采用主动视觉的方式获取所述工件的工件信息；

步骤S3，根据所述主信息和所述从信息构建机器人模型，并且根据所述工件信息构建环境模型；

步骤S4，所述主机器人根据所述机器人模型和所述环境模型确定所述主机器人和所述从机器人的工作任务及工作路径；

步骤S5，所述主机器人和所述从机器人根据所述工作路径执行所述工作任务。

2.根据权利要求1所述的多机器人协作的路径规划方法，其特征在于，所述步骤S1中，主机器人具有双目视觉识别系统；以及获取的所述主机器人的主信息为待识别工件的双目坐标信息。

3.根据权利要求1所述的多机器人协作的路径规划方法，其特征在于，所述工作路径包括主工作路径和握手工作路径和从工作路径；以及所述主机器人工作在所述主工作路径，所述从机器人工作在所述从工作路径，所述主机器人和所述从机器人协作工作在所述握手工作路径。

4.根据权利要求1所述的多机器人协作的路径规划方法，其特征在于，所述步骤S4中，

步骤S41，所述主机器人根据所述工件特征信息和所述环境模型确定所述工作任务；

步骤S42，所述主机器人根据所述工作任务确定所述主机器人的主工作路径；

步骤S43，所述主机器人根据所述工作任务确定所述从机器人的从工作路径；

步骤S44，所述主机器人根据所述工作任务确定所述握手工作路径。

5.根据权利要求4所述的多机器人协作的路径规划方法，其特征在于，所述步骤S43还包括：

步骤S431，所述从机器人对所述从工作路径进行路径优化。

6.根据权利要求1所述的多机器人协作的路径规划方法，其特征在于，所述步骤S5中，

步骤S51，预设置一所述主机器人与所述从机器人之间的安全距离，执行步骤S52或步骤S53或步骤S54；

步骤S52，所述主机器人与所述从机器人之间的距离大于所述安全距离，所述主机器人和所述从机器人的排斥速度为零；

步骤S53，所述主机器人与所述从机器人之间的距离小于或等于所述安全距离，并且所述主机器人和所述从机器人的接近速度小于或等于零，所述主机器人和所述从机器人的排斥速度为零；

步骤S54，所述主机器人和所述从机器人之间的距离小于或等于所述安全距离，并且所述主机器人和所述从机器人的接近速度大于零，根据所述安全距离和所述主机器人与所述从机器人之间的实际距离和所述主机器人与所述从机器人的接近速度，计算所述主机器人和所述从机器人的排斥速度；以及所述主机器人和所述从机器人根据所述排斥速度执行所述工作任务。