CN107263472A - 一种机器人运动曲线处理方法及系统 - Google Patents
一种机器人运动曲线处理方法及系统 Download PDFInfo
- Publication number
- CN107263472A CN107263472A CN201710458617.1A CN201710458617A CN107263472A CN 107263472 A CN107263472 A CN 107263472A CN 201710458617 A CN201710458617 A CN 201710458617A CN 107263472 A CN107263472 A CN 107263472A
- Authority
- CN
- China
- Prior art keywords
- curve
- discretization
- vector
- msub
- mover
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种机器人运动曲线处理方法,包括:对运动曲线进行分割处理,得到离散化曲线向量;对离散化曲线向量进行编码处理,得到曲线方向编码;对曲线方向编码进行分类处理,得到运动状态。通过本申请所提供的机器人运动曲线处理方法,在控制机器人执行任务时,可以把机器人低层次的运动曲线数据经过处理后得到机器人能够利用的高层次数据,这样有利于提升机器人对历史数据的有效利用率,以便通过这些数据感知自身的运动轨迹,从而提高了机器人的智能化程度。另外,本申请还相应公开了一种机器人运动曲线处理系统。
Description
技术领域
本发明涉及机器人技术,特别涉及一种机器人运动曲线处理方法及系统。
背景技术
随着机器人技术的不断进步,新型机器人已经能够代替人类执行一些任务。
机器人在执行任务时面对的环境是复杂的,不确定的,很有可能会因为一些突发的情况导致机器人无法顺利完成任务,因此机器人需要获取运动数据来对下一个操作进行分析,描述存在的运动错误以及矫正错误。
现有技术中对于机器人运动数据的分析采用位姿估计的方法来分析处理,帮助机器人了解自我运动的状态。但是采用位姿估计的方法不能采用一些比较低层次的数据,来进行分析处理得到机器人可以利用的数据,例如机器人的运动曲线。总的来说,利用现有技术中的方法,在控制机器人执行任务时,无法把低层次的运动数据经过处理后得到机器人能够利用的高层次数据,从而限制了机器人的智能化程度。
发明内容
有鉴于此,本发明的目的在于提供一种机器人运动曲线处理方法及系统,通过处理机器人的运动曲线数据,得到机器人可以使用的高层次数据。其具体方案如下:
一种机器人运动曲线处理方法,包括:
对运动曲线进行分割处理,得到离散化曲线向量;
对所述离散化曲线向量进行编码处理,得到曲线方向编码;
对所述曲线方向编码进行分类处理,得到运动状态。
优选地,所述对运动曲线进行分割处理的过程,包括:
对所述运动曲线进行离散化处理,得到离散化曲线,所述离散化曲线包括一系列点xk;
对所述离散化曲线进行弗勒内坐标系赋值,得到所述离散化曲线向量,其中,所述离散化曲线向量包括所述离散化曲线的正切向量正交向量以及副法线向量
其中,k=1,2,3,....。
优选地,所述弗勒内坐标系赋值计算公式为:
式中,xk表示所述离散化曲线上的第k个点,以及分别表示所述离散化曲线上的第k个点的正切向量、正交向量以及副法线向量,其中k=1,2,3,....。
优选地,所述对运动曲线进行分割处理的过程,包括:
对所述运动曲线进行离散化处理,得到离散化曲线,所述离散化曲线包括一系列点xk;
对所述离散化曲线进行积累弗勒内坐标系赋值,得到所述离散化曲线向量,其中,所述离散化曲线向量包括所述离散化曲线的积累正切向量积累正交向量以及积累副法线向量;
当所述积累正切向量与所述正切向量之间角度大于预先设定的阈值,则更新积累弗勒内坐标系赋值;
其中,k=1,2,3,....。
优选地,所述对所述曲线方向编码进行分类处理的过程,包括
利用监督分类算法对所述曲线方向编码进行分类处理。
优选地,所述对所述离散化曲线向量进行编码处理的过程,包括:
利用直接曲线编码法对所述离散化曲线向量进行编码处理。
本发明还公开了一种机器人运动曲线处理系统,包括:
运动曲线分割模块,用于对运动曲线进行分割处理,得到离散化曲线向量;
运动曲线编码模块,用于对所述离散化曲线向量进行编码处理,得到曲线方向编码;
运动曲线分类模块,用于对所述曲线方向编码进行分类处理,得到运动状态。
优选地,所述运动曲线分割模块,包括:
离散化单元,用于对所述运动曲线进行离散化处理,得到离散化曲线,所述离散化曲线包括一系列点xk;
弗勒内坐标系赋值单元,用于对所述离散化曲线进行弗勒内坐标系赋值,得到所述离散化曲线向量,其中,所述离散化曲线向量包括所述离散化曲线的正切向量正交向量以及副法线向量
其中,k=1,2,3,....。
优选地,所述运动曲线分割模块,包括:
离散化单元,用于对所述运动曲线进行离散化处理,得到离散化曲线,所述离散化曲线包括一系列点xk;
积累弗勒内坐标系赋值单元,用于对对所述离散化曲线进行积累弗勒内坐标系赋值,得到所述离散化曲线向量,其中,所述离散化曲线向量包括所述离散化曲线的积累正切向量积累正交向量以及积累副法线向量;
积累弗勒内坐标系赋值更新单元,用于当所述积累正切向量与所述正切向量之间角度大于预先设定的阈值,则更新积累弗勒内坐标系赋值;
其中,k=1,2,3,....。
优选地,所述运动曲线编码模块为DCC编码模块,用于利用直接曲线编码法对所述离散化曲线向量进行编码处理。
本发明中,机器人运动曲线处理方法包括:对运动曲线进行分割处理,得到离散化曲线向量;对离散化曲线向量进行编码处理,得到曲线方向编码;对曲线方向编码进行分类处理,得到运动状态。可见,本发明在对机器人运动曲线处理的过程中,对运动曲线进行分割处理得到离散化的曲线后再进行编码,能够有效的获得离散化曲线上运动方向的变化。根据运动方向的变化进行编码可以更好的在运动曲线上对不同方向的轨迹进行分类,从而获得机器人可以利用的运动状态数据。总的来说,利用本发明所提供的机器人运动曲线处理方法,在控制机器人执行任务时,可以把机器人低层次的运动曲线数据经过处理后得到机器人能够利用的高层次数据,这样有利于提升机器人对历史数据的有效利用率,以便通过这些数据感知自身的运动轨迹,从而提高了机器人的智能化程度。
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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种机器人运动曲线处理方法流程图;
图2为本发明实施例公开的一种机器人运动曲线处理方法示意图;
图3为本发明实施例公开运动曲线进行分割处理的方法流程图;
图4为本发明实施例公开另一种运动曲线进行分割处理的方法流程图;
图5为本发明实施例公开的第三种具体的机器人运动曲线处理方法流程图;
图6为本发明公开的一种机器人运动曲线处理系统结构示意图;
图7为本发明公开的运动曲线分割模块结构示意图;
图8为本发明公开的另一种运动曲线分割模块结构示意图。
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做出创造性劳动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。
本发明实施例公开了一种机器人运动曲线处理方法,参见图1和图2所示,图1为该方法的流程图,图2为该方法处理机器人运动曲线的示意图。该方法包括:
步骤11:对运动曲线进行分割处理,得到离散化曲线向量。
本实施例中,上述运动曲线为机器人在执行任务时运动的轨迹曲线,由于执行任务的环境复杂,因此这个曲线可以是一个复杂的空间曲线,例如在机器人执行爬坡以及下坡任务时,运动的空间曲线应该是一段竖直方向上的圆弧。该运动曲线可以利用机器人的定位器获得,通过定位器可以获得机器人运动的空间曲线以及曲线的长度等信息。
对运动曲线进行分割处理,主要是将运动曲线进行离散化,将原本连续的曲线离散成点。也可以对曲线进行分帧处理,将原本连续的曲线分成多段单位帧。然后通过离散化的点之间方向的变化,就能映射出运动曲线方向的变化。得到的离散化向量曲线向量,实质上就是离散化曲线上点的方向的表示。
步骤12:对离散化曲线向量进行编码处理,得到曲线方向编码。
上述步骤后得到的离散化曲线向量是离散化曲线上点的方向,不同的方向可以利用编码的方式来表示,以便进行区分,例如,可以使用基本的正交方向来表示各个离散化曲线向量:前、后、上、下、左、右以及不动,相应的可以使用7个不同的字符进行编码表示,以方便机器人理解。
当然,为了使离散化曲线向量编码能够更加精确的表示离散曲线上点的方向,可以增加表示方向的编码基本数的数量。这里的编码基本数的数量对应的是关于空间划分方向的数量,例如上述例子的正交方向就是对于空间进行了7个方向的均匀划分。因此为了使离散化曲线向量编码能够更加精确,可以增加编码基本数的数量,例如编码基本数为19。还可以对空间进行不均匀划分产生相应的编码基本数的数量。例如编码基本数为91以及2891等。
步骤13:对曲线方向编码进行分类处理,得到运动状态。
这里的分类处理,指的是将离散化曲线上连续以及具有相同编码的点进行归类,实际上也是对具有相同方向且连续的点进行归类,每一类方向编码以及里面的离散化点数就可以表示一个运动状态,例如机器人向前运动一段距离后左转运动,这时的分类处理就可以将离散化的曲线根据方向编码分为两个运动状态,向前运动为一个运动状态,向左运动为运动状态,还可以根据运动状态中的离散化曲线点数计算出运动的距离。
可见,本发明实施例在对机器人运动曲线处理的过程中,对运动曲线进行分割处理得到离散化的曲线后再进行编码,能够有效的获得离散化曲线上运动方向的变化。根据运动方向的变化进行编码可以更好的在运动曲线上对不同方向的轨迹进行分类,从而获得机器人可以利用的运动状态数据。总的来说,利用本发明所提供的机器人运动曲线处理方法,在控制机器人执行任务时,可以把机器人低层次的运动曲线数据经过处理后得到机器人能够利用的高层次数据,这样有利于提升机器人对历史数据的有效利用率,以便通过这些数据感知自身的运动轨迹,从而提高了机器人的智能化程度。
本发明实施例公开了一种具体的机器人运动曲线处理方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
参见图3所示,上述实施例步骤11中,对运动曲线进行分割处理的方法,包括:
步骤21:对运动曲线进行离散化处理,得到离散化曲线,离散化曲线包括一系列点xk。
本申请实施例中,对运动曲线进行离散化处理可以利用采样的方法来实现,例如可以根据预先设定的采样时长对曲线进行采样,得到的离散化曲线的点之间的时间间隔应该是一致的,还可以根据预先设定的采样距离对曲线进行采样,得到的离散化曲线的点之间的距离间隔应该是一直的。得到的离散化曲线的点xk是散布在空间上的点,将这些点进行连接可以近似获得原来的运动曲线,其中采样点越多就越能近似原来的运动曲线,对于后续步骤的运动状态的分类也就越精确。
步骤22:对所述离散化曲线进行弗勒内坐标系赋值,得到离散化曲线向量,其中,离散化曲线向量包括离散化曲线的正切向量正交向量以及副法线向量
其中,k=1,2,3,....。
弗勒内坐标系的基本坐标轴由三个正交的向量组成,当一条曲线可以利用离散化的点表示时,可以获得点相应的弗勒内坐标系的基本坐标轴来表示点的方向。使用以及来分别表示正切向量、正交向量以及副法线向量,这三个向量构成离散弗勒内坐标系的基本坐标轴,可以统称为离散化曲线向量,用来表示离散化曲线上点的方向。
如果使用xk来表示离散化曲线上的点,则以及相应的赋值计算公式为:
式中,xk表示所述离散化曲线上的第k个点,以及分别表示所述离散化曲线上的第k个点的正切向量、正交向量以及副法线向量,其中k=1,2,3,....。
本发明实施例公开了另一种具体的机器人运动曲线处理方法,相对于上述两个实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
参见图4所示,上述实施例步骤11中,对运动曲线进行分割处理的方法,包括:
步骤31:对运动曲线进行离散化处理,得到离散化曲线,离散化曲线包括一系列点xk;
本步骤相应的说明已经在前述实施例中公开,可以参考前述实施例中相应的内容,这里不再进行赘述。
步骤32:对离散化曲线进行积累弗勒内坐标系赋值,得到离散化曲线向量,其中,离散化曲线向量包括离散化曲线的积累正切向量积累正交向量以及积累副法线向量;
区别于前述实施例,本实施例对离散曲线进行积累弗勒内坐标系赋值。在一些比较平滑的机器人运动曲线上,例如机器人在执行任务时进行弧度较小的曲线运动,由于方向的变化很小,导致弗勒内坐标系赋值不能充分的表示曲线运动方向的变化。采用积累弗勒内坐标系赋值得到的积累正切向量为当前离散化曲线上点的正切向量与该点之前所有点的正切向量的积累,例如点x4的积累正切向量
同样的,积累正交向量为当前离散化曲线上点的正交向量与该点之前所有点的正交向量的积累,积累副法线向量为当前离散化曲线上点的积累副法线向量与该点之前所有点的积累副法线向量的积累。通过积累弗勒内坐标系赋值能充分的表示曲线运动方向的变化。
步骤33:当积累正切向量与正切向量之间角度大于预先设定的阈值,则更新积累弗勒内坐标系赋值;
其中,k=1,2,3,....。
本实施例中预先设定的阈值可以是一个固定的角度值,例如π/4等。也可以根据确定编码基本数的数量时,对应划分空间的方向之间的角度作为这个阈值,例如编码基本数的数量为9时,对应划分空间的方向有8个和1个无运动方向,这时8个方向之间的角度应为π/8。
更新更新积累弗勒内坐标系赋值,指的是当离散化曲线上某个点的积累正切向量与所述正切向量之间角度大于预先设定的阈值,则从该点的下一个点重新开始积累,该点的下一个点的积累正切向量等于正切向量。
本发明实施例公开了第三种具体的机器人运动曲线处理方法,参见图5所示,相对于上述三个实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
步骤12中,对离散化曲线向量进行编码处理,得到曲线方向编码的过程,包括:
步骤41:利用直接曲线编码法对离散化曲线向量进行编码处理,得到曲线方向编码。
直接曲线编码在本实施例中,可以使用一些字符串来直接表示离散化曲线向量的方向,例如使用0、1、2、3、4、5和6分别表示前、后、上、下、左、右以及不动。当划分空间方向较多时,也可以使用这种编码的方法。
步骤13中,对曲线方向编码进行分类处理,得到运动状态的过程,包括:
步骤42:利用监督分类算法对曲线方向编码进行分类,得到运动状态。
这里的监督分类算法,指的是建立一个函数算法,来进行曲线方向编码的统计和识别,依据已有的运动状态样本进行对曲线方向编码判别和归类,得到运动状态。
本发明还公开了一种机器人运动曲线处理系统,参见图6所示,该系统包括:
运动曲线分割模块51:用于对运动曲线进行分割处理,得到离散化曲线向量。
运动曲线编码模块52:用于对离散化曲线向量进行编码处理,得到曲线方向编码。
运动曲线分类模块53:用于对曲线方向编码进行分类处理,得到运动状态。
参见图7所示,运动曲线分割模块51,包括:
离散化单元61:用于对所述运动曲线进行离散化处理,得到离散化曲线,所述离散化曲线包括一系列点xk;
弗勒内坐标系赋值单元62:用于对离散化曲线进行弗勒内坐标系赋值,得到离散化曲线向量,其中,离散化曲线向量包括所述离散化曲线的正切向量正交向量以及副法线向量其中,k=1,2,3,....。
参见图8所示,运动曲线分割模块51,包括:
离散化单元71:用于对运动曲线进行离散化处理,得到离散化曲线,所述离散化曲线包括一系列点xk;
积累弗勒内坐标系赋值单元72:用于对对离散化曲线进行积累弗勒内坐标系赋值,得到离散化曲线向量,其中,离散化曲线向量包括所述离散化曲线的积累正切向量积累正交向量以及积累副法线向量;
积累弗勒内坐标系赋值更新单元73:用于当积累正切向量与正切向量之间角度大于预先设定的阈值,则更新积累弗勒内坐标系赋值;
其中,k=1,2,3,....。
本实施例中的运动曲线编码模块为DCC编码模块,用于利用直接曲线编码对所述离散化曲线向量进行编码处理。
关于上述各个模块和各个单元更加详细的工作过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种机器人运动曲线处理方法及系统进行了详细介绍,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 (10)
1.一种机器人运动曲线处理方法,其特征在于,包括:
对运动曲线进行分割处理,得到离散化曲线向量;
对所述离散化曲线向量进行编码处理,得到曲线方向编码;
对所述曲线方向编码进行分类处理,得到运动状态。
2.根据权利要求1所述的方法,其特征在于,所述对运动曲线进行分割处理的过程,包括:
对所述运动曲线进行离散化处理,得到离散化曲线,所述离散化曲线包括一系列点xk;
对所述离散化曲线进行弗勒内坐标系赋值,得到所述离散化曲线向量,其中,所述离散化曲线向量包括所述离散化曲线的正切向量正交向量以及副法线向量
其中,k=1,2,3,....。
3.根据权利要求2所述的方法,其特征在于,所述弗勒内坐标系赋值计算公式为:
<mrow>
<msub>
<mover>
<mi>t</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>x</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mo>;</mo>
<msub>
<mover>
<mi>n</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mover>
<mi>t</mi>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&times;</mo>
<msub>
<mover>
<mi>t</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>k</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mover>
<mi>t</mi>
<mo>&RightArrow;</mo>
</mover>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&times;</mo>
<msub>
<mover>
<mi>t</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mo>;</mo>
<msub>
<mover>
<mi>b</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>=</mo>
<msub>
<mover>
<mi>t</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>&times;</mo>
<msub>
<mover>
<mi>n</mi>
<mo>&RightArrow;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>;</mo>
</mrow>
式中,xk表示所述离散化曲线上的第k个点,以及分别表示所述离散化曲线上的第k个点的正切向量、正交向量以及副法线向量,其中k=1,2,3,....。
4.根据权利要求1所述的方法,其特征在于,所述对运动曲线进行分割处理的过程,包括:
对所述运动曲线进行离散化处理,得到离散化曲线,所述离散化曲线包括一系列点xk;
对所述离散化曲线进行积累弗勒内坐标系赋值,得到所述离散化曲线向量,其中,所述离散化曲线向量包括所述离散化曲线的积累正切向量积累正交向量以及积累副法线向量;
当所述积累正切向量与所述正切向量之间角度大于预先设定的阈值,则更新积累弗勒内坐标系赋值;
其中,k=1,2,3,....。
5.根据权利要求1所述的方法,其特征在于,所述对所述曲线方向编码进行分类处理的过程,包括
利用监督分类算法对所述曲线方向编码进行分类处理。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述对所述离散化曲线向量进行编码处理的过程,包括:
利用直接曲线编码法对所述离散化曲线向量进行编码处理。
7.一种机器人运动曲线处理系统,其特征在于,包括:
运动曲线分割模块,用于对运动曲线进行分割处理,得到离散化曲线向量;
运动曲线编码模块,用于对所述离散化曲线向量进行编码处理,得到曲线方向编码;
运动曲线分类模块,用于对所述曲线方向编码进行分类处理,得到运动状态。
8.根据权利要求7所述的系统,其特征在于,所述运动曲线分割模块,包括:
离散化单元,用于对所述运动曲线进行离散化处理,得到离散化曲线,所述离散化曲线包括一系列点xk;
弗勒内坐标系赋值单元,用于对所述离散化曲线进行弗勒内坐标系赋值,得到所述离散化曲线向量,其中,所述离散化曲线向量包括所述离散化曲线的正切向量正交向量以及副法线向量
其中,k=1,2,3,....。
9.根据权利要求7所述的系统,其特征在于,所述运动曲线分割模块,包括:
离散化单元,用于对所述运动曲线进行离散化处理,得到离散化曲线,所述离散化曲线包括一系列点xk;
积累弗勒内坐标系赋值单元,用于对对所述离散化曲线进行积累弗勒内坐标系赋值,得到所述离散化曲线向量,其中,所述离散化曲线向量包括所述离散化曲线的积累正切向量积累正交向量以及积累副法线向量;
积累弗勒内坐标系赋值更新单元,用于当所述积累正切向量与所述正切向量之间角度大于预先设定的阈值,则更新积累弗勒内坐标系赋值;
其中,k=1,2,3,....。
10.根据权利要求7-9任一项所述的系统,其特征在于,所述运动曲线编码模块为DCC编码模块,用于利用直接曲线编码法对所述离散化曲线向量进行编码处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710458617.1A CN107263472A (zh) | 2017-06-16 | 2017-06-16 | 一种机器人运动曲线处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710458617.1A CN107263472A (zh) | 2017-06-16 | 2017-06-16 | 一种机器人运动曲线处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107263472A true CN107263472A (zh) | 2017-10-20 |
Family
ID=60067312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710458617.1A Pending CN107263472A (zh) | 2017-06-16 | 2017-06-16 | 一种机器人运动曲线处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107263472A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709896A (zh) * | 2019-01-24 | 2019-05-03 | 广州市名成资讯科技有限公司 | 一种加热设备、加热方法和加热设备控制装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103085072A (zh) * | 2013-03-11 | 2013-05-08 | 南京埃斯顿机器人工程有限公司 | 基于三维建模软件实现工业机器人离线编程的方法 |
CN104361600A (zh) * | 2014-11-25 | 2015-02-18 | 苏州大学 | 运动识别方法及系统 |
CN105773620A (zh) * | 2016-04-26 | 2016-07-20 | 南京工程学院 | 基于倍四元数的工业机器人自由曲线的轨迹规划控制方法 |
CN105772905A (zh) * | 2016-03-16 | 2016-07-20 | 南京工业大学 | 一种基于弧焊机器人系统的斜交偏置管轨迹规划方法 |
-
2017
- 2017-06-16 CN CN201710458617.1A patent/CN107263472A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103085072A (zh) * | 2013-03-11 | 2013-05-08 | 南京埃斯顿机器人工程有限公司 | 基于三维建模软件实现工业机器人离线编程的方法 |
CN104361600A (zh) * | 2014-11-25 | 2015-02-18 | 苏州大学 | 运动识别方法及系统 |
CN105772905A (zh) * | 2016-03-16 | 2016-07-20 | 南京工业大学 | 一种基于弧焊机器人系统的斜交偏置管轨迹规划方法 |
CN105773620A (zh) * | 2016-04-26 | 2016-07-20 | 南京工程学院 | 基于倍四元数的工业机器人自由曲线的轨迹规划控制方法 |
Non-Patent Citations (4)
Title |
---|
A. MAZUR* J: "The Serret–Frenet parametrization in a control of a mobile manipulator of (nh, h) type", 《10TH IFAC SYMPOSIUM ON ROBOT CONTROL INTERNATIONAL FEDERATION OF AUTOMATIC CONTROL》 * |
苏玉民等: "鱼雷形水下机器人非线性航迹跟踪控制", 《上海交通大学学报》 * |
许瑛等: "基于曲线等弧长分割的机器人轨迹规划", 《南昌航空工业学院学报(自然科学版)》 * |
齐雪等: "Serret-Frenet坐标系下AUV自适应路径跟踪控制", 《系统科学与数学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709896A (zh) * | 2019-01-24 | 2019-05-03 | 广州市名成资讯科技有限公司 | 一种加热设备、加热方法和加热设备控制装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dai et al. | Modeling vehicle interactions via modified LSTM models for trajectory prediction | |
CN104050390B (zh) | 一种基于可变维粒子群膜算法的移动机器人路径规划方法 | |
CN109711262B (zh) | 一种基于深度卷积神经网络的智能挖掘机行人检测方法 | |
CN107229904A (zh) | 一种基于深度学习的目标检测与识别方法 | |
CN105676636B (zh) | 一种基于nsga-ii算法的冗余度空间机械臂多目标优化方法 | |
CN106843236A (zh) | 基于权重改进粒子群算法的无人自行车路径规划方法 | |
Al-Jarrah et al. | A novel edge detection algorithm for mobile robot path planning | |
CN107145161A (zh) | 无人机访问多目标点的航迹规划方法及装置 | |
CN107463953A (zh) | 在标签含噪情况下基于质量嵌入的图像分类方法及系统 | |
CN111582123B (zh) | 一种基于信标识别与视觉slam的agv定位方法 | |
US11673265B2 (en) | Motion planning for robots to optimize velocity while maintaining limits on acceleration and jerk | |
CN105068536B (zh) | 基于非线性优化方法实现的移动基座轨迹规划器 | |
CN107633105B (zh) | 一种基于改进混合蛙跳算法的四旋翼无人机参数辨识方法 | |
CN107263472A (zh) | 一种机器人运动曲线处理方法及系统 | |
CN114715581A (zh) | 一种智慧仓储物流方法及系统 | |
Zhang et al. | Learning robust point-to-point motions adversarially: A stochastic differential equation approach | |
CN104484510B (zh) | 一种新的起重机吊装动作规划方法 | |
Das et al. | Arduino based multi-robot stick carrying by Artificial Bee Colony optimization algorithm | |
CN105404174A (zh) | 一种六自由度串联机器人运动学反解的求解方法 | |
Lyu et al. | Motion planning of manipulator by points-guided sampling network | |
Yin et al. | Trajectory generation with spatio-temporal templates learned from demonstrations | |
CN113435055B (zh) | 盾构刀盘扭矩领域自适应迁移预测方法和系统 | |
Ballamajalu et al. | Turn and orientation sensitive A* for autonomous vehicles in intelligent material handling systems | |
Duperret et al. | Towards reactive control of transitional legged robot maneuvers | |
CN107203268A (zh) | 一种基于方向链码的三维笔势识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171020 |