CN107598918A - 基于打磨机器人的表面打磨处理自动编程方法和装置 - Google Patents
基于打磨机器人的表面打磨处理自动编程方法和装置 Download PDFInfo
- Publication number
- CN107598918A CN107598918A CN201710702727.8A CN201710702727A CN107598918A CN 107598918 A CN107598918 A CN 107598918A CN 201710702727 A CN201710702727 A CN 201710702727A CN 107598918 A CN107598918 A CN 107598918A
- Authority
- CN
- China
- Prior art keywords
- collision prevention
- optimal
- milling robot
- prevention path
- path
- 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.)
- Granted
Links
Landscapes
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于打磨机器人的表面打磨处理自动编程方法和装置,首先从所述待加工部件的3D点云模型之中获取所述待加工部件的需要打磨目标项序列;通过路径规划算法完成打磨机器人能够执行的避碰运动轨迹,并且通过逆运动学计算得到机器人的关节角向量;将关节角向量作为指令驱动机器人执行规划的动作实现修整任务,从而实现打磨机器人的自动避碰路径规划和作业能力,即能使打磨机器人自动规划路径并完成打磨加工任务,从而大大提高加工的效率并节约成本。同时也避免了人工方式所存在的容易产生漏判和错误,效率不高,而且避免了工作人员暴露在危险工作环境的问题。
Description
技术领域
本发明涉及机器人加工领域,特别涉及一种基于打磨机器人的表面打磨处理自动编程方法和装置。
背景技术
伴随着制造业的发展,诸如打磨抛光之类的表面处理已经成为一道关键工序,其加工质量往往决定了产品的档次。传统的表面处理主要依靠人工,专用机床以及机器人这三种方式。人工方式的工作量大,工作强度高,而且加工的均一性较差,容易产生废品,工作效率低。专用机床方式的通用性较差,只适合特定产品的批量生产,不适合多品种,小批量,高度定制化为主要特征的工业4.0时代的需求。机器人模式虽然成本相对较高,但是可以替代人工方式,并且可以满足工业4.0时代的客户个性化需求。随着加工技术的进步,需要加工的部件的表面越来越复杂,并且对加工的精度要求也越来越高,但现有的使用机器人方式主要依靠离线示教的手段逐点记录示教点来实现。因此这种示教手段需要操作人员在加工的部件的表面过渡处仔细地调节机器人位置姿态,因此为完成1个零件的表面处理项目,通常需要数天的教点及其测试,费时费力且容易出错;此外示教手段对示教人员的实际操作水平和技术经验的要求很高,即为了确保示教手段的成功概率,需要示教人员拥有大量的实际项目的资历。此外有些工作环境充满了粉尘或有害物质,示教人员即使配备防护措施,但也会对其身体健康具有一定的威胁。为了克服示教手段所存在的对示教人员的严苛要求,以及效率不高,易出错的问题,需要拥有自动编程能力的工业机器人是一条可行的技术路线。但是现有技术还无法实现自动的编程能力,特别是在障碍物环境下工业机器人的自动避碰路径规划和作业能力。因此具备自动编程实现障碍物环境下工业机器人的避碰路径规划和作业将是未来的潮流。
发明内容
本发明的主要目的在于提供一种基于打磨机器人的表面打磨处理自动编程方法和装置,旨在解决现有人工方式的工作量大,工作强度高,而且加工的均一性较差,容易产生废品,工作效率低;专用机床方式的通用性较差,只适合特定产品的批量生产;示教方式对示教人员的严苛要求,以及效率不高,易出错的问题。
为实现上述目的,本发明提供的一种基于打磨机器人的表面处理自动编程方法,包括:
步骤1,将通过三维扫描仪对待加工部件进行三维扫描所获得的所述待加工部件的3D点云模型与标准3D点云模型进行匹配对比,从而获得对应所述待加工部件的差分模型,将所述差分模型之中超出预设阈值的所述差分值在所述差分模型的位置设为需要进行表面打磨处理的需打磨目标项,并将所有所述需打磨目标项组成所述工件的需打磨目标项序列;
步骤2,将所述需打磨目标项序列分解之后进行优化组合,从而生成从Pstart起始至Pend终结的打磨任务序列,在给定的预设周期T之内将采用随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列,从所述候补避碰路径序列中选择最优的所述候补避碰路径为最优避碰路径;
步骤3,通过逆运动学计算方法求解出构成所述最优避碰路径的每一个最优避碰路径点相对应的所述打磨机器人关节的最优角向量之后,将所述打磨机器人关节的所述最优角向量作为指令,驱动对应的所述打磨机器人关节,从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理。
优选地,在所述步骤1之中,所述将通过所述三维扫描仪对所述待加工部件进行所述三维扫描所获得的所述待加工部件的所述3D点云模型之前,对所述三维扫描仪进行配准。
优选地,在所述步骤2之中,所述在给定的所述预设周期T之内将采用所述随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列的处理过程可以同时分配给不少于两个运算单元的并行运算集群进行相互独立的并行处理运算,将所述并行运算集群之中每一个所述运算单元所获得的所述候补避碰路径组成所述候补避碰路径序列,从所述候补避碰路径序列之中选择最优的所述候补避碰路径为最优避碰路径。
优选地,在所述步骤3之中,所述逆运动学计算方法包括:
将所述最优避碰路径进行离散化处理从而得到最优避碰路径点序列,其中所述最优避碰路径点序列之中所有相邻的所述最优避碰路径点之间的间隔均等;
根据设置的所述打磨机器人关节相对应的关节自由度分辨率,以及所述打磨机器人关节的长度和初始角向量,依次求解所述最优避碰路径点序列的每个所述最优避碰路径点所对应的所述打磨机器人关节的位姿;
根据所述最优避碰路径点序列的每个所述最优避碰路径点以及所对应的所述打磨机器人关节的位姿,通过逆运动学计算方法求解出与所有所述最优避碰路径点相对应的所有的所述打磨机器人关节的候补角向量;
根据相邻的两个所述最优避碰路径点对应的所述打磨机器人关节的角向量的差的加权绝对值最小为原则,从所有所述最优避碰路径点相对应的所述打磨机器人关节的候补角向量之中选择最优的所述最优避碰路径点对应的所述打磨机器人关节的角向量作为所述最优避碰路径点对应的所述打磨机器人关节的最优角向量,所述加权为所述打磨机器人关节的伺服电机的功率。
优选地,在所述步骤3之中,所述从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理的处理过程之中,将所述打磨机器人关节的当前角向量与最优角向量之间的偏差转换为所述打磨机器人的末端的位姿偏差之后,将所述位姿偏差通过对称矩阵转换为所述打磨机器人的所述末端的广义力,再通过力变换将所述末端的广义力转换为所述打磨机器人关节的力或力矩,从而实现所述打磨机器人的所述表面打磨处理的柔顺控制。
本发明进一步提供一种基于打磨机器人的表面打磨处理自动编程装置,包括:
打磨目标项序列模块,用于将通过三维扫描仪对待加工部件进行三维扫描所获得的所述待加工部件的3D点云模型与标准3D点云模型进行匹配对比,从而获得对应所述待加工部件的差分模型,将所述差分模型之中超出预设阈值的所述差分值在所述差分模型的位置设为需要进行表面打磨处理的需打磨目标项,并将所有所述需打磨目标项组成所述工件的需打磨目标项序列;
最优避碰路径模块,用于将所述需打磨目标项序列分解之后进行优化组合,从而生成从Pstart起始至Pend终结的打磨任务序列,在给定的预设周期T之内将采用随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列,从所述候补避碰路径序列中选择最优的所述候补避碰路径为最优避碰路径;
打磨处理驱动模块,用于通过逆运动学计算方法求解出构成所述最优避碰路径的每一个最优避碰路径点相对应的所述打磨机器人关节的最优角向量之后,将所述打磨机器人关节的所述最优角向量作为指令,驱动对应的所述打磨机器人关节,从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理。
优选地,所述打磨目标项序列模块之中,所述将通过所述三维扫描仪对所述待加工部件进行所述三维扫描所获得的所述待加工部件的所述3D点云模型之前,对所述三维扫描仪进行配准。
优选地,在所述最优避碰路径模块之中,所述在给定的所述预设周期T之内将采用所述随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列的处理过程可以同时分配给不少于两个运算单元的并行运算集群进行相互独立的并行处理运算,将所述并行运算集群之中每一个所述运算单元所获得的所述候补避碰路径组成所述候补避碰路径序列,从所述候补避碰路径序列之中选择最优的所述候补避碰路径为最优避碰路径。
优选地,所述打磨处理驱动模块包括:
最优避碰路径点序列生成单元,用于将所述最优避碰路径进行离散化处理从而得到最优避碰路径点序列,其中所述最优避碰路径点序列之中所有相邻的所述最优避碰路径点之间的间隔均等;
位姿计算单元,用于根据设置的所述打磨机器人关节相对应的关节自由度分辨率,以及所述打磨机器人关节的长度和初始角向量,依次求解所述最优避碰路径点序列的每个所述最优避碰路径点所对应的所述打磨机器人关节的位姿;
候补角向量生成单元,用于根据所述最优避碰路径点序列的每个所述最优避碰路径点以及所对应的所述打磨机器人关节的位姿,通过逆运动学计算方法求解出与所有所述最优避碰路径点相对应的所有的所述打磨机器人关节的候补角向量;
最优角向量生成单元,用于根据相邻的两个所述最优避碰路径点对应的所述打磨机器人关节的角向量的差的加权绝对值最小为原则,从所有所述最优避碰路径点相对应的所述打磨机器人关节的候补角向量之中选择最优的所述最优避碰路径点对应的所述打磨机器人关节的角向量作为所述最优避碰路径点对应的所述打磨机器人关节的最优角向量,所述加权为所述打磨机器人关节的伺服电机的功率。
优选地,所述打磨处理驱动模块还包括柔顺控制单元,用于所述从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理的处理过程之中,将所述打磨机器人关节的当前角向量与最优角向量之间的偏差转换为所述打磨机器人的末端的位姿偏差之后,将所述位姿偏差通过对称矩阵转换为所述打磨机器人的所述末端的广义力,再通过力变换将所述末端的广义力转换为所述打磨机器人关节的力或力矩,从而实现所述打磨机器人的所述表面打磨处理的柔顺控制。
本发明首先从所述待加工部件的3D点云模型之中获取所述待加工部件的需要修正的的目标项,即所述工件的需打磨目标项序列。然后通过路径规划算法完成打磨机器人能够执行的避碰运动轨迹,并且通过逆运动学计算得到机器人的关节角向量;然后将关节角向量作为指令驱动机器人执行规划的动作实现修整任务,从而实现打磨机器人的自动避碰路径规划和作业能力,即自动的编程能力,能使打磨机器人能根据所述工件的具体情况确认所需要打磨的部位,并自动规划路径完成打磨加工任务,从而大大提高加工的效率并节约成本。同时也避免了人工方式所存在的容易产生漏判和错误,效率不高,而且避免了工作人员暴露在危险工作环境的问题。并且由于本方法基于现有的软硬件以及成熟的方案,容易实现,成本可控。
附图说明
图1为本发明基于打磨机器人的表面打磨处理自动编程方法第一实施例的流程示意图;
图2为本发明基于打磨机器人的表面打磨处理自动编程方法第二实施例的流程示意图;
图3为本发明基于打磨机器人的表面打磨处理自动编程方法第三实施例的流程示意图;
图4为本发明基于打磨机器人的表面打磨处理自动编程装置第一实施例的流程示意图;
图5为本发明基于打磨机器人的表面打磨处理自动编程装置第二实施例的流程示意图;
图6为本发明基于打磨机器人的表面打磨处理自动编程装置第三实施例的功能模块示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
现在将参考附图描述实现本发明各个实施例的移动终端。在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身并没有特定的意义。因此,"模块"与"部件"可以混合地使用。
参照图1,图1为本发明基于打磨机器人的表面打磨处理自动编程方法的第一实施例的流程示意图。如图1所示的实施例,所述基于打磨机器人的表面打磨处理自动编程方法包括:
步骤S10、获取打磨目标项序列。
即将通过三维扫描仪对待加工部件进行三维扫描所获得的所述待加工部件的3D点云模型与标准3D点云模型进行匹配对比,从而获得对应所述待加工部件的差分模型,将所述差分模型之中超出预设阈值的所述差分值在所述差分模型的位置设为需要进行表面打磨处理的需打磨目标项,并将所有所述需打磨目标项组成所述工件的需打磨目标项序列。
步骤S20、生成最优避碰路径。
即将所述需打磨目标项序列分解之后进行优化组合,从而生成从Pstart起始至Pend终结的打磨任务序列,在给定的预设周期T之内将采用随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列,从所述候补避碰路径序列中选择最优的所述候补避碰路径为最优避碰路径。
所述随机树算法一般采用快速扩展随机树(Rapidly-exploring Random Trees,RRT)算法或连接型RRT算法。RRT算法是一种基于概率采样的搜索方法,它采用一种特殊的增量方式进行构造,这种方式能迅速缩短一个随机状态点与树的期望距离。即RRT算法是通过一个初始点作为根节点,通过随机采样,增加叶子节点的方式,生成一个随机扩展树,当随机树中的叶子节点包含了目标点或进入了目标区域,便可以在随机树中找到一条由树节点组成的从初始点到目标点的路径。RTT算法的特点是能够快速有效的通过状态空间的随机采样点,把搜索导向空白区域,从而寻找到一条从起始点到目标点的规划路径。它通过对状态空间中的采样点进行碰撞检测,避免了对空间的建模,能够有效的解决高维空间和复杂约束的路径规划问题。连接型RRT算法一开始同时从初始状态点和目标状态点生长两棵随机树,每一次迭代过程中,其中一棵树进行扩展,尝试连接另一棵树的最近节点来扩展新节点。然后,两棵树交换次序重复上一迭代过程。这种双向的RRT技术具有良好的搜索特性,相比原始快速扩展随机树算法,在搜索速度、搜索效率有了显著提高。
步骤S30、执行打磨处理驱动。
即通过逆运动学计算方法求解出构成所述最优避碰路径的每一个最优避碰路径点相对应的所述打磨机器人关节的最优角向量之后,将所述打磨机器人关节的所述最优角向量作为指令,驱动对应的所述打磨机器人关节,从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理。
通过上述步骤,首先从所述待加工部件的3D点云模型之中获取所述待加工部件的需要修正的目标项,即所述工件的需打磨目标项序列。然后通过路径规划算法完成打磨机器人能够执行的避碰运动轨迹,并且通过逆运动学计算得到机器人的关节角向量;然后将关节角向量作为指令驱动机器人执行规划的动作实现修整任务,从而实现打磨机器人的自动避碰路径规划和作业能力,即自动的编程能力,能使打磨机器人能根据所述工件的具体情况确认所需要打磨的部位,并自动规划路径完成打磨加工任务,从而大大提高加工的效率并节约成本。同时也避免了人工方式所存在的容易产生漏判和错误,效率不高,而且避免了工作人员暴露在危险工作环境的问题。并且由于本方法基于现有的软硬件以及成熟的方案,容易实现,成本可控。
进一步,基于上述图1的实施例,在所述步骤S10,所述将通过所述三维扫描仪对所述待加工部件进行所述三维扫描所获得的所述待加工部件的所述3D点云模型之前,对所述三维扫描仪进行配准。
通过对所述三维扫描仪进行配准,消除对所述待加工部件进行所述三维扫描获得的所述待加工部件的所述3D点云模型所存在的偏差,能更为精准的定位需要打磨的目标项,并使处理更为简单和可靠,减少后续的计算处理量。
进一步,基于上述图1的实施例,在所述步骤S20之中,所述在给定的所述预设周期T之内将采用所述随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列的处理过程可以同时分配给不少于两个运算单元的并行运算集群进行相互独立的并行处理运算,将所述并行运算集群之中每一个所述运算单元所获得的所述候补避碰路径组成所述候补避碰路径序列,从所述候补避碰路径序列之中选择最优的所述候补避碰路径为最优避碰路径。
由于候补避碰路径序列的产生是基于RRT算法,即一种随机方法,因此通过采用并行处理的方式,特别是可以利用GPU并行运算来进行加速,从而即可以提高成功率,也可以在在给定的预设周期T之内产生更多的候补避碰路径序列,从而有可能从中选择更好的最优避碰路径,提高整个方法的性能。
参照图2,图2为本发明基于打磨机器人的表面打磨处理自动编程方法的第二实施例的流程示意图。如图2所示,基于上述图1的实施例,所述步骤S30、执行打磨处理驱动包括:
步骤S310、生成最优避碰路径点序列。
即将所述最优避碰路径进行离散化处理从而得到最优避碰路径点序列,其中所述最优避碰路径点序列之中所有相邻的所述最优避碰路径点之间的间隔均等。
步骤S320、计算位姿。
即根据设置的所述打磨机器人关节相对应的关节自由度分辨率,以及所述打磨机器人关节的长度和初始角向量,依次求解所述最优避碰路径点序列的每个所述最优避碰路径点所对应的所述打磨机器人关节的位姿。其中,所述关节自由度分辨率如果设置过大则不能保证求出的逆解是最优解,过小则会延长计算时间。
步骤S330、生成候补角向量。
即根据所述最优避碰路径点序列的每个所述最优避碰路径点以及所对应的所述打磨机器人关节的位姿,通过逆运动学计算方法求解出与所有所述最优避碰路径点相对应的所有的所述打磨机器人关节的候补角向量。
步骤S340、生成最优角向量。
即根据相邻的两个所述最优避碰路径点对应的所述打磨机器人关节的角向量的差的加权绝对值最小为原则,从所有所述最优避碰路径点相对应的所述打磨机器人关节的候补角向量之中选择最优的所述最优避碰路径点对应的所述打磨机器人关节的角向量作为所述最优避碰路径点对应的所述打磨机器人关节的最优角向量,所述加权为所述打磨机器人关节的伺服电机的功率。
通过上述步骤,可以准确并快速的将所述最优避碰路径转换为相对应的最优角向量,从而能够驱动所述打磨机器人关节,实现所述表面打磨处理。整个处理过程所需的计算量不大,计算的复杂度可控,并且可以基于现有的软硬件平台,成本不高。
参照图3,图3为本发明基于打磨机器人的表面打磨处理自动编程方法的第三实施例的流程示意图。如图3所示,基于上述图2的实施例,所述步骤S30、执行打磨处理驱动还包括:
步骤S350、柔顺控制。
即所述从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理的处理过程之中,将所述打磨机器人关节的当前角向量与最优角向量之间的偏差转换为所述打磨机器人的末端的位姿偏差之后,将所述位姿偏差通过对称矩阵转换为所述打磨机器人的所述末端的广义力,再通过力变换将所述末端的广义力转换为所述打磨机器人关节的力或力矩,从而实现所述打磨机器人的所述表面打磨处理的柔顺控制。
通过上述步骤,可以根据所述待加工部件的具体状况精准的调控打磨机器人的关节的力矩,从而更好的控制表面打磨处理工序的同时也提高打磨加工精度,可以应对各种复杂的表面打磨处理需求,并且具有计算复杂度低,运算量少,成熟可靠,响应速度快,易于工程实现。
上述本发明基于打磨机器人的表面打磨处理自动编程方法的第一实施例中的基于打磨机器人的表面打磨处理自动编程方法可以由本发明基于打磨机器人的表面打磨处理自动编程装置的第一实施例所提供的基于打磨机器人的表面打磨处理自动编程装置来实现。
参照图4,图4为本发明基于打磨机器人的表面打磨处理自动编程装置的第一实施例提供一种基于打磨机器人的表面打磨处理自动编程装置,所述装置包括:
打磨目标项序列模块10,用于将通过三维扫描仪对待加工部件进行三维扫描所获得的所述待加工部件的3D点云模型与标准3D点云模型进行匹配对比,从而获得对应所述待加工部件的差分模型,将所述差分模型之中超出预设阈值的所述差分值在所述差分模型的位置设为需要进行表面打磨处理的需打磨目标项,并将所有所述需打磨目标项组成所述工件的需打磨目标项序列。
最优避碰路径模块20,用于将所述需打磨目标项序列分解之后进行优化组合,从而生成从Pstart起始至Pend终结的打磨任务序列,在给定的预设周期T之内将采用随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列,从所述候补避碰路径序列中选择最优的所述候补避碰路径为最优避碰路径。
所述随机树算法一般采用快速扩展随机树(Rapidly-exploring Random Trees,RRT)算法或连接型RRT算法。RRT算法是一种基于概率采样的搜索方法,它采用一种特殊的增量方式进行构造,这种方式能迅速缩短一个随机状态点与树的期望距离。即RRT算法是通过一个初始点作为根节点,通过随机采样,增加叶子节点的方式,生成一个随机扩展树,当随机树中的叶子节点包含了目标点或进入了目标区域,便可以在随机树中找到一条由树节点组成的从初始点到目标点的路径。RTT算法的特点是能够快速有效的通过状态空间的随机采样点,把搜索导向空白区域,从而寻找到一条从起始点到目标点的规划路径。它通过对状态空间中的采样点进行碰撞检测,避免了对空间的建模,能够有效的解决高维空间和复杂约束的路径规划问题。连接型RRT算法一开始同时从初始状态点和目标状态点生长两棵随机树,每一次迭代过程中,其中一棵树进行扩展,尝试连接另一棵树的最近节点来扩展新节点。然后,两棵树交换次序重复上一迭代过程。这种双向的RRT技术具有良好的搜索特性,相比原始快速扩展随机树算法,在搜索速度、搜索效率有了显著提高。
打磨处理驱动模块30,用于通过逆运动学计算方法求解出构成所述最优避碰路径的每一个最优避碰路径点相对应的所述打磨机器人关节的最优角向量之后,将所述打磨机器人关节的所述最优角向量作为指令,驱动对应的所述打磨机器人关节,从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理。
通过上述模块,首先从所述待加工部件的3D点云模型之中获取所述待加工部件的需要修正的目标项,即所述工件的需打磨目标项序列。然后通过路径规划算法完成打磨机器人能够执行的避碰运动轨迹,并且通过逆运动学计算得到机器人的关节角向量;然后将关节角向量作为指令驱动机器人执行规划的动作实现修整任务,从而实现打磨机器人的自动避碰路径规划和作业能力,即自动的编程能力,能使打磨机器人能根据所述工件的具体情况确认所需要打磨的部位,并自动规划路径完成打磨加工任务,从而大大提高加工的效率并节约成本。同时也避免了人工方式所存在的容易产生漏判和错误,效率不高,而且避免了工作人员暴露在危险工作环境的问题。并且由于本方法基于现有的软硬件以及成熟的方案,容易实现,成本可控。
进一步,基于上述图4的实施例,在所述打磨目标项序列模块10之内,所述将通过所述三维扫描仪对所述待加工部件进行所述三维扫描所获得的所述待加工部件的所述3D点云模型之前,对所述三维扫描仪进行配准。
通过对所述三维扫描仪进行配准,消除对所述待加工部件进行所述三维扫描获得的所述待加工部件的所述3D点云模型所存在的偏差,能更为精准的定位需要打磨的目标项,并使处理更为简单和可靠,减少后续的计算处理量。
进一步,基于上述图4的实施例,在所述最优避碰路径模块20之内,所述在给定的所述预设周期T之内将采用所述随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列的处理过程可以同时分配给不少于两个运算单元的并行运算集群进行相互独立的并行处理运算,将所述并行运算集群之中每一个所述运算单元所获得的所述候补避碰路径组成所述候补避碰路径序列,从所述候补避碰路径序列之中选择最优的所述候补避碰路径为最优避碰路径。
由于候补避碰路径序列的产生是基于RRT算法,即一种随机方法,因此通过采用并行处理的方式,特别是可以利用GPU并行运算来进行加速,从而即可以提高成功率,也可以在在给定的预设周期T之内产生更多的候补避碰路径序列,从而有可能从中选择更好的最优避碰路径,提高整个方法的性能。
上述本发明基于打磨机器人的表面打磨处理自动编程方法的第二实施例中的基于打磨机器人的表面打磨处理自动编程方法可以由本发明基于打磨机器人的表面打磨处理自动编程装置的第二实施例所提供的基于打磨机器人的表面打磨处理自动编程装置来实现。
参照图5,本发明基于打磨机器人的表面打磨处理自动编程装置的第二实施例提供一种基于打磨机器人的表面打磨处理自动编程装置,基于上述图4所示的实施例,所述打磨处理驱动模块30包括:
最优避碰路径点序列生成单元31,用于将所述最优避碰路径进行离散化处理从而得到最优避碰路径点序列,其中所述最优避碰路径点序列之中所有相邻的所述最优避碰路径点之间的间隔均等;
位姿计算单元32,用于根据设置的所述打磨机器人关节相对应的关节自由度分辨率,以及所述打磨机器人关节的长度和初始角向量,依次求解所述最优避碰路径点序列的每个所述最优避碰路径点所对应的所述打磨机器人关节的位姿;
候补角向量生成单元33,用于根据所述最优避碰路径点序列的每个所述最优避碰路径点以及所对应的所述打磨机器人关节的位姿,通过逆运动学计算方法求解出与所有所述最优避碰路径点相对应的所有的所述打磨机器人关节的候补角向量;
最优角向量生成单元34,用于根据相邻的两个所述最优避碰路径点对应的所述打磨机器人关节的角向量的差的加权绝对值最小为原则,从所有所述最优避碰路径点相对应的所述打磨机器人关节的候补角向量之中选择最优的所述最优避碰路径点对应的所述打磨机器人关节的角向量作为所述最优避碰路径点对应的所述打磨机器人关节的最优角向量,所述加权为所述打磨机器人关节的伺服电机的功率。
通过上述单元,可以准确并快速的将所述最优避碰路径转换为相对应的最优角向量,从而能够驱动所述打磨机器人关节,实现所述表面打磨处理。整个处理过程所需的计算量不大,计算的复杂度可控,并且可以基于现有的软硬件平台,成本不高。
上述本发明基于打磨机器人的表面打磨处理自动编程方法的第三实施例中的基于打磨机器人的表面打磨处理自动编程方法可以由本发明基于打磨机器人的表面打磨处理自动编程装置的第三实施例所提供的基于打磨机器人的表面打磨处理自动编程装置来实现。
参照图6,本发明基于打磨机器人的表面打磨处理自动编程装置的第三实施例提供一种基于打磨机器人的表面打磨处理自动编程装置,基于上述图5所示的实施例,所述打磨处理驱动模块30还包括:
柔顺控制单元35,用于所述从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理的处理过程之中,将所述打磨机器人关节的当前角向量与最优角向量之间的偏差转换为所述打磨机器人的末端的位姿偏差之后,将所述位姿偏差通过对称矩阵转换为所述打磨机器人的所述末端的广义力,再通过力变换将所述末端的广义力转换为所述打磨机器人关节的力或力矩,从而实现所述打磨机器人的所述表面打磨处理的柔顺控制。
通过上述单元,可以根据所述待加工部件的具体状况精准的调控打磨机器人的关节的力矩,从而更好的控制表面打磨处理工序的同时也提高打磨加工精度,可以应对各种复杂的表面打磨处理需求,并且具有计算复杂度低,运算量少,成熟可靠,响应速度快,易于工程实现。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
显然,本领域的技术人员应该明白,上述的本发明的各模块单元或各步骤可以用通用的计算装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.基于打磨机器人的表面打磨处理自动编程方法,其特征在于,包括:
步骤1,将通过三维扫描仪对待加工部件进行三维扫描所获得的所述待加工部件的3D点云模型与标准3D点云模型进行匹配对比,从而获得对应所述待加工部件的差分模型,将所述差分模型之中超出预设阈值的所述差分值在所述差分模型的位置设为需要进行表面打磨处理的需打磨目标项,并将所有所述需打磨目标项组成所述工件的需打磨目标项序列;
步骤2,将所述需打磨目标项序列分解之后进行优化组合,从而生成从Pstart起始至Pend终结的打磨任务序列,在给定的预设周期T之内将采用随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列,从所述候补避碰路径序列中选择最优的所述候补避碰路径为最优避碰路径;
步骤3,通过逆运动学计算方法求解出构成所述最优避碰路径的每一个最优避碰路径点相对应的所述打磨机器人关节的最优角向量之后,将所述打磨机器人关节的所述最优角向量作为指令,驱动对应的所述打磨机器人关节,从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理。
2.如权利要求1所述的基于打磨机器人的表面打磨处理自动编程方法,其特征在于,在所述步骤1之中,所述将通过所述三维扫描仪对所述待加工部件进行所述三维扫描所获得的所述待加工部件的所述3D点云模型之前,对所述三维扫描仪进行配准。
3.如权利要求1或2所述的基于打磨机器人的表面打磨处理自动编程方法,其特征在于,在所述步骤2之中,所述在给定的所述预设周期T之内将采用所述随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列的处理过程可以同时分配给不少于两个运算单元的并行运算集群进行相互独立的并行处理运算,将所述并行运算集群之中每一个所述运算单元所获得的所述候补避碰路径组成所述候补避碰路径序列,从所述候补避碰路径序列之中选择最优的所述候补避碰路径为最优避碰路径。
4.如权利要求3所述的基于打磨机器人的表面打磨处理自动编程方法,其特征在于,在所述步骤3之中,所述逆运动学计算方法包括:
将所述最优避碰路径进行离散化处理从而得到最优避碰路径点序列,其中所述最优避碰路径点序列之中所有相邻的所述最优避碰路径点之间的间隔均等;
根据设置的所述打磨机器人关节相对应的关节自由度分辨率,以及所述打磨机器人关节的长度和初始角向量,依次求解所述最优避碰路径点序列的每个所述最优避碰路径点所对应的所述打磨机器人关节的位姿;
根据所述最优避碰路径点序列的每个所述最优避碰路径点以及所对应的所述打磨机器人关节的位姿,通过逆运动学计算方法求解出与所有所述最优避碰路径点相对应的所有的所述打磨机器人关节的候补角向量;
根据相邻的两个所述最优避碰路径点对应的所述打磨机器人关节的角向量的差的加权绝对值最小为原则,从所有所述最优避碰路径点相对应的所述打磨机器人关节的候补角向量之中选择最优的所述最优避碰路径点对应的所述打磨机器人关节的角向量作为所述最优避碰路径点对应的所述打磨机器人关节的最优角向量,所述加权为所述打磨机器人关节的伺服电机的功率。
5.如权利要求4所述的基于打磨机器人的表面打磨处理自动编程方法,其特征在于,在所述步骤3之中,所述从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理的处理过程之中,将所述打磨机器人关节的当前角向量与最优角向量之间的偏差转换为所述打磨机器人的末端的位姿偏差之后,将所述位姿偏差通过对称矩阵转换为所述打磨机器人的所述末端的广义力,再通过力变换将所述末端的广义力转换为所述打磨机器人关节的力或力矩,从而实现所述打磨机器人的所述表面打磨处理的柔顺控制。
6.基于打磨机器人的表面打磨处理自动编程装置,其特征在于,包括:
打磨目标项序列模块,用于将通过三维扫描仪对待加工部件进行三维扫描所获得的所述待加工部件的3D点云模型与标准3D点云模型进行匹配对比,从而获得对应所述待加工部件的差分模型,将所述差分模型之中超出预设阈值的所述差分值在所述差分模型的位置设为需要进行表面打磨处理的需打磨目标项,并将所有所述需打磨目标项组成所述工件的需打磨目标项序列;
最优避碰路径模块,用于将所述需打磨目标项序列分解之后进行优化组合,从而生成从Pstart起始至Pend终结的打磨任务序列,在给定的预设周期T之内将采用随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列,从所述候补避碰路径序列中选择最优的所述候补避碰路径为最优避碰路径;
打磨处理驱动模块,用于通过逆运动学计算方法求解出构成所述最优避碰路径的每一个最优避碰路径点相对应的所述打磨机器人关节的最优角向量之后,将所述打磨机器人关节的所述最优角向量作为指令,驱动对应的所述打磨机器人关节,从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理。
7.如权利要求6所述的基于打磨机器人的表面处理自动编程装置,其特征在于,所述打磨目标项序列模块之中,所述将通过所述三维扫描仪对所述待加工部件进行所述三维扫描所获得的所述待加工部件的所述3D点云模型之前,对所述三维扫描仪进行配准。
8.如权利要求6或7所述的基于打磨机器人的表面处理自动编程装置,其特征在于,在所述最优避碰路径模块之中,所述在给定的所述预设周期T之内将采用所述随机树算法产生不少于两条的从所述Pstart起始至Pend终结的依次覆盖所述打磨任务序列之内每一项所述需打磨目标项的打磨处理候补路径进行碰撞检测,从而筛选出所有与所述待加工部件无碰撞的所述打磨处理候补路径作为候补避碰路径组成候补避碰路径序列的处理过程可以同时分配给不少于两个运算单元的并行运算集群进行相互独立的并行处理运算,将所述并行运算集群之中每一个所述运算单元所获得的所述候补避碰路径组成所述候补避碰路径序列,从所述候补避碰路径序列之中选择最优的所述候补避碰路径为最优避碰路径。
9.如权利要求8所述的基于打磨机器人的表面处理自动编程装置,其特征在于,所述打磨处理驱动模块包括:
最优避碰路径点序列生成单元,用于将所述最优避碰路径进行离散化处理从而得到最优避碰路径点序列,其中所述最优避碰路径点序列之中所有相邻的所述最优避碰路径点之间的间隔均等;
位姿计算单元,用于根据设置的所述打磨机器人关节相对应的关节自由度分辨率,以及所述打磨机器人关节的长度和初始角向量,依次求解所述最优避碰路径点序列的每个所述最优避碰路径点所对应的所述打磨机器人关节的位姿;
候补角向量生成单元,用于根据所述最优避碰路径点序列的每个所述最优避碰路径点以及所对应的所述打磨机器人关节的位姿,通过逆运动学计算方法求解出与所有所述最优避碰路径点相对应的所有的所述打磨机器人关节的候补角向量;
最优角向量生成单元,用于根据相邻的两个所述最优避碰路径点对应的所述打磨机器人关节的角向量的差的加权绝对值最小为原则,从所有所述最优避碰路径点相对应的所述打磨机器人关节的候补角向量之中选择最优的所述最优避碰路径点对应的所述打磨机器人关节的角向量作为所述最优避碰路径点对应的所述打磨机器人关节的最优角向量,所述加权为所述打磨机器人关节的伺服电机的功率。
10.如权利要求9所述的基于打磨机器人的表面处理自动编程装置,其特征在于,所述打磨处理驱动模块还包括柔顺控制单元,用于所述从而使所述打磨机器人执行所述最优避碰路径从而实现所述表面打磨处理的处理过程之中,将所述打磨机器人关节的当前角向量与最优角向量之间的偏差转换为所述打磨机器人的末端的位姿偏差之后,将所述位姿偏差通过对称矩阵转换为所述打磨机器人的所述末端的广义力,再通过力变换将所述末端的广义力转换为所述打磨机器人关节的力或力矩,从而实现所述打磨机器人的所述表面打磨处理的柔顺控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710702727.8A CN107598918B (zh) | 2017-08-16 | 2017-08-16 | 基于打磨机器人的表面打磨处理自动编程方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710702727.8A CN107598918B (zh) | 2017-08-16 | 2017-08-16 | 基于打磨机器人的表面打磨处理自动编程方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107598918A true CN107598918A (zh) | 2018-01-19 |
CN107598918B CN107598918B (zh) | 2018-09-21 |
Family
ID=61064789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710702727.8A Active CN107598918B (zh) | 2017-08-16 | 2017-08-16 | 基于打磨机器人的表面打磨处理自动编程方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107598918B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110281152A (zh) * | 2019-06-17 | 2019-09-27 | 华中科技大学 | 一种基于在线试触的机器人恒力打磨路径规划方法及系统 |
CN110744553A (zh) * | 2019-12-06 | 2020-02-04 | 大连誉洋工业智能有限公司 | 一种3d视觉机器人自动规划路径方法 |
CN111331596A (zh) * | 2020-01-22 | 2020-06-26 | 深圳国信泰富科技有限公司 | 一种机器人自动轨迹校正方法及系统 |
CN111890154A (zh) * | 2020-07-31 | 2020-11-06 | 广东博智林机器人有限公司 | 打磨方法 |
CN112706008A (zh) * | 2021-01-06 | 2021-04-27 | 广东博智林机器人有限公司 | 一种天花打磨方法及装置 |
WO2021109575A1 (zh) * | 2019-12-02 | 2021-06-10 | 广东技术师范大学 | 基于融入全局视觉和局部视觉的机器人视觉引导方法和装置 |
CN114918747A (zh) * | 2022-05-17 | 2022-08-19 | 深圳数马电子技术有限公司 | 三面刃铣刀的后刀面磨削方法、装置和计算机设备 |
CN116038708A (zh) * | 2023-01-30 | 2023-05-02 | 北京大学 | 基于内部预演的机械手臂趋近规划方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103692320A (zh) * | 2013-12-31 | 2014-04-02 | 深圳先进技术研究院 | 一种实现六轴抛光打磨机械臂离线编程的方法和装置 |
CN104331542A (zh) * | 2014-08-12 | 2015-02-04 | 清华大学 | 一种大型自由曲面的喷涂机器人站位规划方法 |
JP2015136772A (ja) * | 2014-01-23 | 2015-07-30 | 株式会社Ihi | 研磨ロボットとその軌道生成方法 |
CN105538097A (zh) * | 2015-12-03 | 2016-05-04 | 成都环龙智能系统设备有限公司 | 一种基于全自动机器人打磨生产线的家具表面打磨工艺 |
WO2016122416A1 (en) * | 2015-01-30 | 2016-08-04 | Agency for Science,Technology and Research | Mobile manipulator and method of controlling the mobile manipulator for tracking a surface |
CN106182018A (zh) * | 2016-07-30 | 2016-12-07 | 福州大学 | 一种基于工件三维图形的磨抛工业机器人离线编程方法 |
CN106600681A (zh) * | 2016-11-02 | 2017-04-26 | 上海航天设备制造总厂 | 一种有障碍物曲面的打磨方法 |
-
2017
- 2017-08-16 CN CN201710702727.8A patent/CN107598918B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103692320A (zh) * | 2013-12-31 | 2014-04-02 | 深圳先进技术研究院 | 一种实现六轴抛光打磨机械臂离线编程的方法和装置 |
JP2015136772A (ja) * | 2014-01-23 | 2015-07-30 | 株式会社Ihi | 研磨ロボットとその軌道生成方法 |
CN104331542A (zh) * | 2014-08-12 | 2015-02-04 | 清华大学 | 一种大型自由曲面的喷涂机器人站位规划方法 |
WO2016122416A1 (en) * | 2015-01-30 | 2016-08-04 | Agency for Science,Technology and Research | Mobile manipulator and method of controlling the mobile manipulator for tracking a surface |
CN105538097A (zh) * | 2015-12-03 | 2016-05-04 | 成都环龙智能系统设备有限公司 | 一种基于全自动机器人打磨生产线的家具表面打磨工艺 |
CN106182018A (zh) * | 2016-07-30 | 2016-12-07 | 福州大学 | 一种基于工件三维图形的磨抛工业机器人离线编程方法 |
CN106600681A (zh) * | 2016-11-02 | 2017-04-26 | 上海航天设备制造总厂 | 一种有障碍物曲面的打磨方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110281152A (zh) * | 2019-06-17 | 2019-09-27 | 华中科技大学 | 一种基于在线试触的机器人恒力打磨路径规划方法及系统 |
WO2021109575A1 (zh) * | 2019-12-02 | 2021-06-10 | 广东技术师范大学 | 基于融入全局视觉和局部视觉的机器人视觉引导方法和装置 |
JP2022516852A (ja) * | 2019-12-02 | 2022-03-03 | 広東技術師範大学 | オーバービュー視覚およびローカル視覚の一体化によるロボット視覚案内方法及び装置 |
JP7212236B2 (ja) | 2019-12-02 | 2023-01-25 | 広東技術師範大学 | オーバービュー視覚およびローカル視覚の一体化によるロボット視覚案内方法及び装置 |
CN110744553A (zh) * | 2019-12-06 | 2020-02-04 | 大连誉洋工业智能有限公司 | 一种3d视觉机器人自动规划路径方法 |
CN111331596A (zh) * | 2020-01-22 | 2020-06-26 | 深圳国信泰富科技有限公司 | 一种机器人自动轨迹校正方法及系统 |
CN111890154A (zh) * | 2020-07-31 | 2020-11-06 | 广东博智林机器人有限公司 | 打磨方法 |
CN111890154B (zh) * | 2020-07-31 | 2021-08-31 | 广东博智林机器人有限公司 | 打磨方法 |
CN112706008A (zh) * | 2021-01-06 | 2021-04-27 | 广东博智林机器人有限公司 | 一种天花打磨方法及装置 |
CN112706008B (zh) * | 2021-01-06 | 2022-03-01 | 广东博智林机器人有限公司 | 一种天花打磨方法及装置 |
CN114918747A (zh) * | 2022-05-17 | 2022-08-19 | 深圳数马电子技术有限公司 | 三面刃铣刀的后刀面磨削方法、装置和计算机设备 |
CN116038708A (zh) * | 2023-01-30 | 2023-05-02 | 北京大学 | 基于内部预演的机械手臂趋近规划方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107598918B (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107598918B (zh) | 基于打磨机器人的表面打磨处理自动编程方法和装置 | |
JP7009051B2 (ja) | レイアウト設定方法、制御プログラム、記録媒体、制御装置、部品の製造方法、ロボットシステム、ロボット制御装置、情報処理方法、情報処理装置 | |
CN105302959B (zh) | 一种六轴磨抛工业机器人离线编程方法 | |
Wang et al. | Robot action planning by online optimization in human–robot collaborative tasks | |
Ojstersek et al. | The impact of the collaborative workplace on the production system capacity: Simulation modelling vs. real-world application approach | |
Yang et al. | Efficient humanoid motion planning on uneven terrain using paired forward-inverse dynamic reachability maps | |
Bouzgou et al. | Geometric modeling and singularity of 6 DOF Fanuc 200IC robot | |
Tahriri et al. | Optimizing the robot arm movement time using virtual reality robotic teaching system | |
Aly et al. | Robot workspace estimation and base placement optimisation techniques for the conversion of conventional work cells into autonomous flexible manufacturing systems | |
CN107507177B (zh) | 基于三维扫描的机器人加工目标定位方法和装置 | |
Caggiano et al. | Modelling, analysis and improvement of mass and small batch production through advanced simulation tools | |
Al Mashhadany | Virtual reality trajectory of modified PUMA 560 by hybrid intelligent controller | |
Lefranc et al. | Impact of Cobots on automation | |
Lietaert et al. | Model-based multi-attribute collaborative production cell layout optimization | |
Park et al. | Rigid grasp candidate generation for assembly tasks | |
Wojtynek et al. | Assisted planning and setup of collaborative robot applications in modular production systems | |
Tsagaris et al. | Path planning optimization for mechatronic systems with the use of genetic algorithm and ant colony | |
Lakaemper | Sitting pose generation using genetic algorithm for nao humanoid robots | |
Alatartsev | Robot trajectory optimization for relaxed effective tasks | |
Arachchige et al. | Modeling and validation of rapid prototyping related available workspace | |
Bartelt et al. | Method to Automatically Create an Initial Layout for a Production System | |
Valsamos et al. | Determination of anatomy and configuration of a reconfigurable manipulator for the optimal manipulability | |
Proia et al. | Safety Compliant, Ergonomic and Time-Optimal Trajectory Planning for Collaborative Robotics | |
Chryssolouris et al. | A virtual reality based approach for the verification of human related factors in assembly and maintenance processes | |
Xi et al. | A motion simulation method for reconfigurable machines |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20201203 Address after: Fonda YUNPU Industrial Zone Whampoa District Guangzhou road 510000, Guangdong province No. 6 Room 101 Patentee after: GUANGZHOU ZSROBOT INTELLIGENT EQUIPMENT Co.,Ltd. Address before: 510006 Panyu District, Guangzhou, Guangzhou University,, West Ring Road, No. 100 Patentee before: GUANGDONG University OF TECHNOLOGY |
|
TR01 | Transfer of patent right |