CN108801255A - 用于避免机器人碰撞的方法、装置和系统 - Google Patents
用于避免机器人碰撞的方法、装置和系统 Download PDFInfo
- Publication number
- CN108801255A CN108801255A CN201710307774.2A CN201710307774A CN108801255A CN 108801255 A CN108801255 A CN 108801255A CN 201710307774 A CN201710307774 A CN 201710307774A CN 108801255 A CN108801255 A CN 108801255A
- Authority
- CN
- China
- Prior art keywords
- robot
- potential field
- planned
- relative distance
- determined
- 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
- 238000000034 method Methods 0.000 title claims abstract description 112
- 230000002265 prevention Effects 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 9
- 230000001052 transient effect Effects 0.000 claims description 2
- 239000012636 effector Substances 0.000 description 28
- 238000010586 diagram Methods 0.000 description 11
- 239000002245 particle Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 108091028140 FREP Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000006549 dyspepsia Diseases 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
Abstract
提供用于避免机器人碰撞的方法、装置和系统，该方法包括：按照如下方式确定待规划的第一和/或第二机器人的规划路径上的一个或多个目标位置：基于与待确定目标位置对应的待规划机器人的当前位置以及第一和第二机器人上的对应最小相对距离点，利用人工势场法确定待确定目标位置，其中，所使用的势场是当前位置处的吸引力势场和/或对应最小相对距离点处的排斥力势场；以及根据所确定出的一个或多个目标位置，控制待规划机器人进行移动，其中，在当前位置与最小相对距离点不重合时，所使用的排斥力势场是对最小相对距离点处的排斥力势场进行转化而得到的。利用该方法，可以使得避碰路径规划符合真实机器人环境，从而提高机器人避碰效率。
Description
技术领域
本申请通常涉及机器人领域，更具体地，涉及用于避免机器人碰撞的方法、装置和系统。
背景技术
随着机器人行业的崛起，越来越多的行业已经引入了工业机器人。在工业机器人领域中，为了达到较大的工作效率，机器人的移动速度通常都比较大，很容易发生碰撞。一旦发生碰撞，比如机器人之间的碰撞或者机器人与处理对象(例如，所处理的工件)之间的碰撞，可能会导致机器人损坏或处理对象的损坏。因此，针对多机器人系统，如何避免机器人发生碰撞将是十分重要的。
为了避免机器人发生碰撞，在一种现有的防碰撞机器人系统中，在多个机器人具有重叠的工作区域时，每次仅仅允许一个机器人进入该重叠的工作区域，而其余机器人则在该重叠的工作区域之外等候，从而可以避免发生碰撞。然而，这种方案不能实现多个机器人在重叠工作区域的并行操作，由此导致机器人的工作效率非常低。
在一些防碰撞机器人系统中，提出了一种基于常规人工势场法来动态地进行避障路径规划的方法。但是，该常规人工势场法需要将机器人建模成一个质点，利用该同一质点处的吸引力势场和排斥力势场来进行避障路径规划。然而，在真实的机器人环境(例如六自由度机器人)中，由于机器人通常具有一定的形状，机器人(例如机器人的机器臂)上的各个点的位置通常都不能相同。在这种情况下，将机器人建模成一个质点来进行路径规划并不能反映机器人的真实运动情况，从而导致常规人工势场法无法很好地满足真实机器人环境的需要。
发明内容
提供下面的简介是为了以简单的形式介绍选择的一些概念，在后面的详细说明中会进一步描述这些概念。该简介不是想要突出所要求保护主题的关键特征或必要特征，也不是想要限制所要求保护主题的范围。
根据本申请的一个方面，提供了一种用于避免机器人碰撞的方法，包括：按照如下方式确定待进行避碰路径规划的第一和/或第二机器人的规划路径上的一个或多个目标位置：基于与待确定目标位置对应的待规划机器人的当前位置以及在所述当前位置处的所述第一和第二机器人上的对应最小相对距离点，利用人工势场法确定所述待规划机器人的待确定目标位置，其中，在确定所述待确定目标位置时所使用的势场是所述当前位置处的吸引力势场和/或所述对应最小相对距离点处的排斥力势场；以及根据所确定出的一个或多个目标位置，控制所述待规划机器人进行移动，其中，在所述当前位置与对应的最小相对距离点不重合时，所使用的排斥力势场是对所述对应最小相对距离点处的排斥力势场进行相对于所述当前位置的势场转化而得到的。
根据本申请的另一方面，提供了一种用于避免机器人碰撞的装置，包括：目标位置确定单元，被配置为按照如下方式确定待进行避碰路径规划的第一和/或第二机器人的规划路径上的一个或多个目标位置：基于与待确定目标位置对应的待规划机器人的当前位置以及在所述当前位置处的所述第一和第二机器人上的对应最小相对距离点，利用人工势场法确定所述待规划机器人的待确定目标位置，其中，在确定所述待确定目标位置时所使用的势场是所述当前位置处的吸引力势场和/或所述对应最小相对距离点处的排斥力势场；以及控制单元，被配置为根据所确定出的一个或多个目标位置，控制所述待规划机器人进行移动，其中，在所述当前位置与对应的最小相对距离点不重合时，所使用的排斥力势场是对所述对应最小相对距离点处的排斥力势场进行相对于所述当前位置的势场转化而得到的。
根据本申请的另一方面，提供了一种计算机系统，包括：一个或多个处理器；以及存储器，其存储计算机可执行指令，所述指令当被执行时使得所述一个或多个处理器如上所述的用于避免机器人碰撞的方法。
根据本申请的另一方面，提供了一种非暂态机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述一个或多个处理器执行如上所述的用于避免机器人碰撞的方法。
利用根据本申请的用于避免机器人碰撞的方法，通过在利用人工势场法进行位置坐标计算时，采用机器人的当前位置处的吸引力势场和该机器人上的最小相对距离点处的排斥力势场作为用于位置坐标计算的吸引力势场和排斥力势场，并且在当前位置和最小相对距离点不重合时，对最小相对距离点处的排斥力势场进行相对于当前位置的势场转化，可以使得避碰路径规划更加符合真实机器人环境，从而提高机器人避碰效率。
附图说明
通过参照下面的附图，可以实现对于本公开内容的本质和优点的进一步理解。在附图中，类似组件或特征可以具有相同的附图标记。
图1示出了传统的人工势场法机器人受力分析图；
图2示出了根据本申请的实施例能够得以实现的多机器人系统的方框图；
图3示出了根据本申请实施例的用于避免机器人碰撞的方法的一个示例的简略流程图；
图4示出了图3中的用于避免机器人碰撞的方法的一个具体示例的流程图；
图5示出了图3中的用于避免机器人碰撞的方法的另一具体示例的流程图；
图6是示出了图3中的用于避免机器人碰撞的方法的另一具体示例的流程图；
图7示出了根据本申请实施例的用于避免机器人碰撞的方法的另一示例的简略流程图；
图8示出了根据本申请实施例的用于避免机器人碰撞的装置的一个示例的方框图；
图9示出了图8中的目标位置确定单元的一个实现示例的方框图；
图10示出了图8中的目标位置确定单元的另一实现示例的方框图；
图11示出了根据本申请实施例的用于避免机器人碰撞的装置的另一示例的方框图；和
图12示出了根据本主题的实施例的用于避免机器人碰撞的装置的计算机系统的方框图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。例如，所描述的方法可以按照与所描述的顺序不同的顺序来执行，以及各个步骤可以被添加、省略或者组合。另外，相对一些示例所描述的特征在其它例子中也可以进行组合。
如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例”和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中明确地指明，否则一个术语的定义在整个说明书中是一致的。
本文中所使用的术语“机器人的位置”或“机器人的当前位置”是指机器人的末端执行器的中心点的位置或机器人的末端执行器的中心点的当期位置。机器人的末端执行器的中心点的位置可以是根据机器人的运动轨迹方程计算出的，也可以是利用机器人上设置的位置传感器感测到的。在本文中，术语“机器人的位置”和“机器人的末端执行器的中心点的位置”可互换使用。此外，术语“当前位置”是指确定目标位置时机器人的当前位置，即，待确定目标位置的前一位置。换言之，待确定目标位置是所述当前位置的下一目标位置。
术语“人工势场法”(下文中称为APF，Artificial Potential Field)是指由Khatib提出的一种虚拟力法(Oussama Khatib，Real-Time obstacle Avoidance forManipulators and Mobile Robots.Proc of The 1994IEEE.)。传统的人工势场法的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。由于该算法中“引力”和“斥力”都是作用在同一个“质点”上的，所以一般应用于可以建模成“质点”的移动机器人领域。图1示出了传统的人工势场法机器人受力分析图。
术语“机器人的最小相对距离点”是指第一机器人和第二机器人的相对距离最小的点对中的对应机器人上的点。术语“机器人的当前最小相对距离”是指在第一和第二机器人的当前位置处，第一和第二机器人上的各点之间的相对距离中的最小相对距离。
图2示出了根据本申请的实施例的多机器人系统10的方框图。为了说明简略，在图2中示出的机器人系统10中仅仅包含两个机器人，但是所述机器人系统10也可以包含多于两个的机器人。如图2所示，多机器人系统10包括控制装置100、第一机器人210和第二机器人220。
第一机器人210和第二机器人220可以是具有几何形状的机器人，比如六自由度机器人或者其他自由度的链式机器人。比如，第一机器人210具有第一几何形状，以及第二机器人220具有第二几何形状。通常，第一机器人210和第二机器人220的几何形状被建模为规则的几何形状，比如胶囊或球形。在机器人具有几何形状的情况下，机器人(例如机械臂)上的各点的运动轨迹会不尽相同，例如，机器人的末端执行器的中心点的运动轨迹与其他各点的运动轨迹可能会不相同。通常，机器人的运动轨迹是指机器人的末端执行器的中心点(下文中简称为末端执行器)的运动轨迹。机器人的运动轨迹与机器人的运动学方程相关联。例如，第一运动轨迹与第一机器人的运动学方程(在下文中称为第一运动学方程)相关联，以及第二运动轨迹与第二机器人的运动学方程(在下文中称为第二运动学方程)相关联。
在获知机器人的运动轨迹(即，机器人的末端执行器的运动轨迹)后，一旦获知机器人的末端执行器在某个时刻的位置坐标后，就可以基于末端执行器的位置坐标、末端执行器的姿态信息、机器人的几何形状以及机器人的运动学方程，计算出该机器人上的各个位置在该时刻的位置坐标。如何基于末端执行器的位置坐标、末端执行器的姿态信息、机器人的几何形状以及机器人的运动学方程来计算出该机器人上的各个位置的位置坐标，这在本领域是公知的，在此不进行详细描述。
第一机器人210和第二机器人220与控制装置100通过有线或无线地方式通信。控制装置100可以是具有控制功能的计算设备，比如笔记本电脑、台式计算机、膝上型计算机、服务器、工作站、移动终端、个人数字助理(PDA)以及其他合适设备。第一机器人210和第二机器人220可以例如通过接收控制装置100发送的控制命令，在控制装置100的控制下，按照预定的运动轨迹进行移动。例如，在控制装置100的控制下，第一机器人210可以按照第一运动轨迹移动，以及第二机器人220可以按照第二运动轨迹移动。所述第一运动轨迹和第二运动轨迹通常是预先编制的，并且存储在控制装置100中。
此外，除了控制机器人按照预定的运动轨迹进行移动之外，根据本申请实施例的控制装置还可以包括下述功能：检测第一机器人210和第二机器人220是否满足碰撞发生条件以及在满足碰撞发生条件时，对第一机器人210和第二机器人220的运动轨迹(即，运动路径)进行避碰路径规划，并且控制第一机器人210和第二机器人220按照规划后的路径移动，从而使得避免第一机器人210和第二机器人220发生碰撞。
图3示出了根据本申请实施例的用于避免机器人碰撞的方法的一个示例的简略流程图。
如图3所示，在步骤S100中，检测第一机器人和第二机器人是否满足碰撞发生条件。在一个示例中，所述碰撞发生条件可以包括：第一机器人和第二机器人的当前相对距离小于第一预定阈值，或者第一机器人和第二机器人自当前位置起预定时段后的相对距离小于所述第一预定阈值。
具体地，在一个示例中，检测第一机器人和第二机器人是否满足碰撞发生条件可以包括：获取第一机器人和第二机器人的位置坐标(即，末端执行器的中心点的位置坐标)；基于所获取的第一和第二机器人的位置坐标，计算第一和第二机器人的相对距离；以及将所计算出的相对距离与第一预定阈值进行比较，以确定第一和第二机器人是否满足碰撞发生条件。在所计算出的相对距离小于第一预定阈值时，确定满足碰撞发生条件。在所计算出的相对距离不小于第一预定阈值时，确定不满足碰撞发生条件。
这里，第一机器人和第二机器人的位置坐标的获取可以由控制装置根据相应机器人的运动轨迹来计算出。或者，第一机器人和第二机器人的位置坐标的获取可以由控制装置例如经由有线或无线方式，从设置在相应机器人上的位置感测装置接收。所述位置感测装置例如可以是全球定位系统(GPS)单元、位置传感器等。
在另一示例中，所述第一和第二机器人之间的相对距离可以是第一和第二机器人之间的最小相对距离。在这种情况下，检测第一机器人和第二机器人是否满足碰撞发生条件可以包括：获取第一机器人和第二机器人的位置坐标(即，末端执行器的位置坐标)和姿态信息；基于所获取的第一和第二机器人的位置坐标、姿态信息以及对应的几何形状和运动学方程，计算第一机器人和第二机器人上的各个点的位置坐标；利用所计算出的各个点的位置坐标，确定出第一机器人和第二机器人之间的最小相对距离；以及将所计算出的最小相对距离与第一预定阈值进行比较，以确定第一和第二机器人是否满足碰撞发生条件。在所计算出的最小相对距离小于第一预定阈值时，确定满足碰撞发生条件。在所计算出的最小相对距离不小于第一预定阈值时，确定不满足碰撞发生条件。
这里，在所述碰撞发生条件包括所述第一机器人和所述第二机器人的当前相对距离小于第一预定阈值时，所获取的第一和第二机器人的位置坐标是第一和第二机器人的当前位置坐标。在所述碰撞发生条件包括所述第一机器人和所述第二机器人自当前位置起预定时段后的相对距离小于所述第一预定阈值时，所获取的位置坐标是自当前位置起预定时段后的所述第一和第二机器人的位置坐标，所述位置坐标是分别基于第一和第二机器人的运动轨迹计算出的。
在检测出不满足碰撞发生条件后(即，S100的结果为否)，返回到步骤S100，继续检测第一机器人和第二机器人是否满足碰撞发生条件。在检测出满足碰撞发生条件后，流程进行到步骤S200。
在步骤S200，利用人工势场法确定待进行避碰路径规划的所述第一和/或第二机器人的规划路径上的各个目标位置。具体地，按照如下方式确定待进行避碰路径规划的所述第一和/或第二机器人的规划路径上的一个或多个目标位置：基于与待确定目标位置对应的所述待规划机器人(第一和/或第二机器人)的当前位置以及在所述当前位置处的第一和第二机器人上的对应最小相对距离点，利用人工势场法确定所述待规划机器人的待确定目标位置。其中，所述最小相对距离点是所述第一或第二机器人上的与对应的另一机器人相对距离最近的点。
这里要说明的是，在步骤S200中所使用的人工势场法不同于常规人工势场法。步骤S200中的人工势场法不是将机器人建模为一个质点，而是将机器人建模为具有规则的几何形状。在进行规划路径上的位置坐标计算时，所使用的吸引力势场是末端执行器的中心点处的吸引力势场，以及所使用的排斥力势场是两个机器人的最小相对距离所对应的该机器人上的点(下文中称为最小相对距离点)处的排斥力势场。在末端执行器的中心点与最小相对距离点不重合时，所使用的排斥力势场是对该最小相对距离点的排斥力势场进行相对于末端执行器的中心点进行势场转化后得到的排斥力势场。然后利用末端执行器的中心点处的吸引力势场和转化后的末端执行器的中心点处的排斥力势场，确定规划路径上的对应待确定目标位置坐标。
在如上利用人工势场法确定待规划机器人的规划路径上的目标位置后，在步骤S400，根据所确定出的一个或多个目标位置，控制所述待规划机器人(第一和/或第二机器人)进行移动。
这里要说明的是，虽然图3中示出的方法包括机器人碰撞检测步骤，但是在其他示例中，也可以不包括机器人碰撞检测步骤。
具体地，图4示出了图3中的用于避免机器人碰撞的方法的一个具体示例的流程图。
如图4所示，在步骤S100中，检测第一和第二机器人是否满足碰撞发生条件。具体过程如上参照图3所述，在此不再描述。
在检测出满足碰撞发生条件后，在步骤S210，针对要进行避碰路径规划的第一和/或第二机器人的规划路径上的待确定目标位置，基于所述待规划机器人(第一和/或第二机器人)的当前位置(即，当前位置的位置坐标)，确定在该当前位置处的所述第一和第二机器人上的最小相对距离点。具体地，首先，基于所获取的所述第一和第二机器人的当前位置、姿态信息、几何形状和运动学方程，计算第一和第二机器人上的各个点的位置坐标。接着，基于所计算出的第一和第二机器人上的各个点的位置坐标，确定第一和第二机器人上相对距离最小的点对，并将该点对中的位于该机器人上的点作为该机器人的最小相对距离点。
在确定所述第一和第二机器人上的最小相对距离点后，基于所述待规划机器人(第一和/或第二机器人)的当前位置的位置坐标以及所述第一和第二机器人上的对应最小相对距离点的位置坐标，获取在利用人工势场法计算所述待规划机器人(第一和/或第二机器人)的下一目标位置时使用的势场。所使用的势场是所述当前位置处的吸引力势场和/或所述对应最小相对距离点处的排斥力势场。这里，在所述当前位置与所述最小相对距离点不重合时，所使用的排斥力势场是通过对所述最小相对距离点处的排斥力势场进行相对于所述当前位置的势场转化得到的。具体地，针对第一和第二机器人，分别执行下述的步骤S221到S225，以分别获取用于计算第一和第二机器人的下一目标位置时所使用的势场。
具体地，在步骤S221，基于待规划机器人(第一或第二机器人)的当前位置的位置坐标以及第一和第二机器上的对应最小相对距离点的位置坐标，计算该当前位置处的吸引力势场和最小相对距离点处的排斥力势场。例如，吸引力势场Fatt和排斥力势场Frep可以采用下述公式计算出：
Fatt＝γρ(q，qg) (1)
其中，γ为引力系数，k为斥力系数，krepv为斥力中的速度系数。ρ(q，qg)为机器人的当前位置到终点之间的距离，ρ(q1，q2)为第一机器人与第二机器人之间的最小相对距离点之间的距离，ρ0为斥力启动的最大距离，Vor为障碍物与机器人之间的相对速度。在本申请的其它示例中，也可以采用本领域公知的其它公式来计算吸引力势场和排斥力势场。
接着，在步骤S223，判断该当前位置与机器人上的最小相对距离点是否重合。在判断为重合时，流程进行到步骤S230。在判断为不重合时，在步骤S225，对所述最小相对距离点处的排斥力势场进行相对于末端执行器的中心点(即，该当前位置)的势场转化，以得到所述转化后的排斥力势场，然后，流程进行到步骤S230。
由于机器人在最小相对距离点处的位移和在末端执行器的中心点处的位移之间存在着一定的线性矩阵表达式关系，则近似类比可推，如果要在最小相对距离点处产生排斥力则在末端执行器的中心点处的排斥力可以根据上述线性矩阵表达式关系来计算出。在一个示例中，所述对应的末端执行器处的中心点的排斥力例如可以按照下述等式计算出：
其中，为最小相对距离点处的雅可比矩阵的伪逆，JEEF为末端执行器的中心点处的雅可比矩阵。
在步骤S230，利用针对所述待规划机器人(第一和/或第二机器人)所计算出的当前位置处的吸引力势场和/或所述最小相对距离点处的排斥力势场，计算所述待规划机器人(第一和/或第二机器人)的下一目标位置的位置坐标。这里，在计算下一目标位置的位置坐标时，在当前位置与最小相对距离点重合时，所使用的排斥力势场是在步骤S221中计算出的最小相对距离点处的排斥力势场；在当前位置与最小相对距离点不重合时，所使用的排斥力势场是在步骤S225中对最小相对距离点的排斥力势场进行势场转化后得到的排斥力势场。
在计算出下一目标位置的位置坐标后，进行到步骤S400，控制所述待规划机器人(第一和/或第二机器人)移动到所确定出的下一目标位置。然后，在步骤S240，确定该下一目标位置是否是所述待规划机器人的终点目标位置，即，确定所述待规划机器人是否到达终点目标位置。在确定出是终点目标位置(即，所述待规划机器人到达终点目标位置)后，流程结束。在确定出不是终点目标位置后，在步骤S250，将所计算出的位置坐标作为用于下次目标位置计算的当前位置的位置坐标，返回到步骤S210，以计算下一目标位置的位置坐标，直到所计算出的待规划机器人的位置坐标都到达终点目标位置为止。
图5示出了图3中的用于避免机器人碰撞的方法的另一具体示例的流程图。
如图5所示，在步骤S100中，检测第一和第二机器人是否满足碰撞发生条件。具体过程如上参照图3所述，在此不再描述。
在检测出满足碰撞发生条件后，在步骤210’，基于第一和第二机器人的当前位置，确定第一和第二机器人的最小相对距离。如何基于第一和第二机器人的当前位置，确定第一和第二机器人的最小相对距离，已经如上参照图4中的步骤210进行了描述，在此不再重复。
在确定出第一和第二机器人的最小相对距离后，在步骤S220’，基于该最小相对距离，确定要被用于避碰路径规划的人工势场法类型，其中，所述人工势场法类型包括：仅仅考虑吸引力势场的人工势场法、仅仅考虑排斥力势场的人工势场法或考虑吸引力势场和排斥力势场两者的人工势场。所述仅仅考虑吸引力势场的人工势场法是指在进行坐标位置确定计算时仅仅使用吸引力势场。所述仅仅考虑排斥力势场的人工势场法是指在进行坐标位置确定计算时仅仅使用排斥力势场。所述考虑吸引力势场和排斥力势场两者的人工势场是指在进行坐标位置确定计算时使用排斥力势场和吸引力势场两者。
具体地，将所确定出的最小相对距离与预定阈值进行比较。在该最小相对距离不小于第二预定阈值时，选择仅仅考虑吸引力的APF类型。在该最小相对距离小于第二预定阈值且大于第三预定阈值时，选择考虑吸引力和排斥力两者的APF类型。在该最小相对距离小于第三预定阈值时，选择仅仅考虑排斥力的APF类型。其中，第二预定阈值大于第三预定阈值。这里，第二预定阈值和第三预定阈值可以是根据经验预设的。
在确定出所使用的人工势场法类型后，根据所确定的人工势场法类型，获取对应的用于计算下一目标位置的位置坐标的吸引力势场和/或排斥力势场。具体地，在确定为使用仅仅考虑吸引力势场的人工势场法时，在步骤S221’，获取当前位置处的吸引力势场，作为用于下一目标位置计算的势场。在确定为使用考虑吸引力势场和排斥力势场的人工势场法时，在步骤S223’，获取当前位置处的吸引力势场和最小相对距离点处的排斥力势场，作为用于下一目标位置计算的势场。这里，步骤S223’中的操作可以与图4中的步骤S210到S225的操作完全相同。在确定为使用仅仅考虑排斥力势场的人工势场法时，在步骤S225’，获取最小相对距离点处的排斥力势场，作为用于下一目标位置计算的势场。步骤S225’的操作可以类似于图4中的步骤S210到S225的操作，不同之处仅仅在于，替代步骤S221中的计算当前位置处的吸引力势场和最小相对距离点处的排斥力势场，可以仅仅计算最小相对距离点处的排斥力势场。
在如上获得用于下一目标位置计算的势场后，在步骤S230’，利用所获得的势场，计算待规划机器人的下一目标位置的位置坐标。在计算出下一目标位置的位置坐标后，进行到步骤S400，控制所述待规划机器人移动到所确定出的下一目标位置。然后，在步骤S240，确定该下一目标位置是否是待规划机器人的终点目标位置。在确定出是终点目标位置(即，待规划机器人到达终点目标位置)后，流程结束。在确定出不是终点目标位置后，在步骤S250，将所计算出的位置坐标作为用于下次目标位置计算的当前位置的位置坐标，返回到步骤S210’，以计算下一目标位置的位置坐标，直到所计算出的待规划机器人的位置坐标到达终点目标位置为止。
如上参照图1到图5，描述了根据本申请实施例的用于避免机器人碰撞的方法。利用图4的实施例示出的方法，通过在利用人工势场法进行位置坐标计算时，采用机器人的当前位置处的吸引力势场和该机器人上的最小相对距离点处的排斥力势场作为用于位置坐标计算的吸引力势场和排斥力势场，并且在当前位置和最小相对距离点不重合时，对最小相对距离点处的排斥力势场进行相对于当前位置的势场转化，可以很好地解决在这种建模情形下出现的吸引力势场和排斥力势场作用不在同一个质点上的问题，从而实现人工势场法在如此建模的机器人的场景中的应用。利用该方法，可以使得避碰路径规划更加符合真实机器人环境，从而提高机器人避碰效率。
利用图5的实施例示出的方法，通过基于第一和第二机器人的最小相对距离与预定阈值的比较来确定所利用的人工势场法的类型，由此使得在第一和第二机器人相距较大时仅仅考虑吸引力，在相距较小时仅仅考虑排斥力，仅仅在相距不是较大也不是较小的范围时考虑吸引力和排斥力两者，可以大大减小用于计算待确定位置的位置坐标的时间，由此提高路径规划效率。
此外，要说明的是，在上述图4到图5中示出的流程图中，对第一和第二机器人的移动控制是在确定出每个下一目标位置后，就控制第一和第二机器人移动到所确定出的下一目标位置，由此实现对机器人移动的实时控制，即在线控制方案。
在本申请的其它示例中，也可以在完成直到待规划路径上的终点目标位置的所有目标位置的确定并生成规划路径后，才控制第一和第二机器人按照所生成的规划路径进行移动。图6示出了根据上述示例的用于避免机器人碰撞的方法的流程图。
与图4相比，图6的不同之处在于还增加了步骤S300，并且对步骤400进行适应性修改。具体地，如图6所示，在步骤S230中计算所述下一目标位置的位置坐标后，并不执行S400的操作，而是进行到步骤S240，确定待规划机器人是否到达终点目标位置。在确定出没有到达终点目标位置后，进行到步骤S250。而在确定出到达终点目标位置后，进行到步骤S300。在步骤S300，基于所确定的规划路径上的一个或多个目标位置，生成所述待规划机器人(比如第一和/或第二机器人)的规划路径。然后，在步骤S400’，控制所述待规划机器人(比如第一和/或第二机器人)按照所述规划路径进行移动。
同样，针对图5中示出的示例也可以进行类似的修改。具体地，在步骤S230’中计算所述下一目标位置的位置坐标后，并不执行S400’的操作，而是进行到步骤S240’，确定待规划机器人是否到达终点目标位置。在确定出没有到达终点目标位置后，进行到步骤S250’。而在确定出到达终点目标位置后，进行到步骤S300。在步骤S300，基于所确定的规划路径上的一个或多个目标位置，生成所述待规划机器人(比如第一和/或第二机器人)的规划路径。然后，在步骤S400’，控制所述待规划机器人(比如第一和/或第二机器人)按照所述规划路径进行移动。这里，针对图4和图5进行的上述修改，对应的是离线规划避碰路径的方法，即，离线控制方案。
图7示出了根据本申请实施例的用于避免机器人碰撞的方法的另一示例的简略流程图。图7中示出的流程是对图3中示出的流程的改进。除了还包括步骤S130、S150以及对步骤S200、S400进行适应性修改之外，图7中的其它部分与图3中完全相同，在此仅仅对不同之处进行描述。
在步骤S100中确定为是时，即，判断为第一和第二机器人满足碰撞发生条件时，在步骤S130，获取所述第一和第二机器人的当前运动状态信息，所述当前运动状态信息用于指示机器人是否已经到达目标位置。例如，所述当前运动状态信息可以例如通过设置标志来指示，当标志为1时，指示到达目标位置，而当标志为0时，指示未到达目标位置。或者，可以利用机器人的速度来指示。当速度为0时，指示到达目标位置，而当速度不为0时，指示未到达目标位置。
然后，在步骤S150，基于所获取的所述第一和所述第二机器人的当前运动状态信息，确定所述第一和第二机器人中的哪些机器人的路径要进行避碰路径规划，即，将第一和第二机器人中的哪些机器人确定为待规划机器人。例如，在一个示例中，在所述第一和第二机器人的当前运动状态信息中仅仅一个机器人的当前运动状态信息指示已经到达目标位置时，将另一机器人确定为待规划机器人。或者，在所述第一和第二机器人的当前运动状态信息都指示对应的机器人未到达目标位置时，将所述第一和第二机器人确定为待规划机器人。
接着，在步骤S200’，利用人工势场法，确定所述待规划机器人的规划路径上的一个或多个目标位置。这里，规划路径上的一个或多个目标位置的确定可以参考如上参照图4和图5进行的相应描述。
然后，在步骤S400”，根据所确定的一个或多个目标位置，控制所述待规划机器人进行移动。
利用图7中示出的用于避免机器人碰撞的方法，通过在利用改进的人工势能法进行路径规划之前，基于机器人的当前运动状态信息来确定哪些机器人需要进行路径规划，从而可以避免针对不需要进行路径规划的机器人进行不必要的动作，比如获取位置坐标、确定最小相对距离点等操作，由此可以进一步减少处理时间和处理负载，从而提高避碰路径规划效率。
如上虽然参照具有两个机器人的机器人系统描述了根据本申请的用于避免机器人碰撞的方法，但是根据本申请的方法也可以适用于具有多于两个机器人的多机器人系统，在该多机器人系统中，利用根据本申请的方法可以实现对该多机器人系统中的任意两个机器人实现避碰路径规划。
图8示出了根据本申请实施例的用于避免机器人碰撞的装置100(下文中称为避碰装置100)的一个示例的方框图。图8中示出的装置可以利用软件、硬件或软硬件结合的方式来实现。
如图8所示，避碰装置100可以包括碰撞检测单元110、目标位置确定单元120和控制单元140。碰撞检测单元110被配置为检测第一机器人和第二机器人是否满足碰撞发生条件。所述碰撞发生条件可以包括：所述第一机器人和所述第二机器人的当前相对距离小于第一预定阈值，或者所述第一机器人和所述第二机器人自当前位置起预定时段后的相对距离小于所述第一预定阈值。碰撞检测单元110的操作与图4中针对步骤S210的描述完全相同，在此不再重复。
目标位置确定单元120被配置为按照如下方式确定待进行避碰路径规划的第一和/或第二机器人的规划路径上的一个或多个目标位置：基于与待确定目标位置对应的待规划机器人的当前位置以及在所述当前位置处的所述第一和第二机器人上的对应最小相对距离点，利用人工势场法确定所述待规划机器人的待确定目标位置，其中，在确定所述待确定目标位置时所使用的势场是所述当前位置处的吸引力势场和/或所述对应最小相对距离点处的排斥力势场，并且，在所述当前位置与对应的最小相对距离点不重合时，所使用的排斥力势场是对所述对应最小相对距离点处的排斥力势场进行相对于所述当前位置的势场转化而得到的。这里，所述最小相对距离点是所述对应机器人上的与另一机器人相对距离最近的点。
这里要说明的是，所使用的人工势场法不同于常规人工势场法。本文中所使用的人工势场法不是将机器人建模为一个质点，而是将机器人建模为具有规则的几何形状。在进行规划路径上的位置坐标计算时，所使用的吸引力势场是末端执行器的中心点处的吸引力势场，以及所使用的排斥力势场是最小相对距离点处的排斥力势场。在末端执行器的中心点与最小相对距离点不重合时，所使用的排斥力势场是对该最小相对距离点的排斥力势场进行相对于末端执行器的中心点进行势场转化后得到的排斥力势场。然后利用末端执行器的中心点处的吸引力势场和转化后的末端执行器的中心点处的排斥力势场，确定规划路径上的对应位置坐标。
具体地，图9示出了图8中的目标位置确定单元120的一个实现示例的方框图。如图8所示，目标位置确定单元120可以包括最小相对距离点确定模块121、势场获取模块123和计算模块125。
最小相对距离点确定模块121被配置为基于与所述待确定目标位置对应的所述第一和第二机器人的当前位置，确定所述第一和第二机器人的对应最小相对距离点。
势场获取模块123被配置为根据所述待规划机器人的当前位置及第一和第二机器人的对应最小相对距离点位置，获取在利用人工势场法计算所述待规划机器人的下一目标位置时使用的势场。具体地，势场获取模块123被配置为：基于所述待规划机器人的当前位置的位置坐标和第一和第二机器人的对应最小相对距离点的位置坐标，计算该当前位置处的吸引力势场和最小相对距离点处的排斥力势场；判断该当前位置与最小相对距离点是否重合；在判断为重合时，将所计算出的当前位置处的吸引力势场和最小相对距离点处的排斥力势场作为所使用的势场，在判断为不重合时，对所述最小相对距离点处的排斥力势场进行相对于末端执行器的中心点(即，该当前位置)的势场转化，并将所计算出的当前位置处的吸引力势场和/或经过势场转换后的最小相对距离点处的排斥力势场作为所使用的势场。
计算模块125被配置为利用所获取的势场，计算所述待规划机器人的下一目标坐标，作为所述待确定目标位置。
图10示出了图8中的目标位置确定单元的另一实现示例(目标位置确定单元120’)的方框图。如图10所示，目标位置确定单元120’可以包括最小相对距离点确定模块121’、人工势场法类型确定模块127、势场获取模块123’和计算模块125’。
除了确定在当前位置处所述机器人上的最小相对距离点的位置坐标，最小相对距离点确定模块121’还被配置为确定第一和第二机器人之间的最小相对距离。
人工势场法类型确定模块127被配置为基于第一机器人和第二机器人之间的最小相对距离，确定要被用于避碰路径规划的人工势场法类型，其中，所述人工势场法类型包括：仅仅考虑吸引力势场的人工势场法、仅仅考虑排斥力势场的人工势场法或考虑吸引力势场和排斥力势场两者的人工势场。
势场获取模块123’被配置为根据所确定的人工势场法类型，获取对应的用于下一目标位置计算的吸引力势场和/或排斥力势场。势场获取模块123’的功能与图6中的步骤S221’、S223’和S225’的操作完全相同，在此不再描述。
计算模块125’被配置为利用所获取的对应势场来计算所述待规划机器人的下一目标坐标。
在如上确定出规划路径上的一个或多个目标位置后，控制单元140被配置为根据所确定出的一个或多个目标位置，控制所述待规划机器人进行移动。
这里要说明的是，在一个示例中，控制单元140可以被进一步配置为：在确定出所述待规划机器人的下一目标位置时，控制所述待规划机器人移动到对应的下一目标位置。
在另一示例中，避碰装置100还可以包括规划路径生成单元130，被配置为基于所确定出的所述待规划机器人的一个或多个目标位置，生成所述待规划机器人的规划路径。在这种情况下，控制单元140可以被进一步配置为控制所述待规划机器人按照所生成的规划路径进行移动。
图11示出了根据本申请实施例的用于避免机器人碰撞的装置的另一示例(避碰装置100’)的方框图。图11中的避碰装置100’是对图8中的避碰装置100的改进，其不同之处仅仅在于还包括运动状态信息获取单元150和待规划路径确定单元170，以及对目标位置确定单元120和控制单元140进行适应性修改。
运动状态信息获取单元150被配置为在确定所述待规划机器人的一个或多个目标位置之前，获取第一和第二机器人的当前运动状态信息，所述当前运动状态信息用于指示机器人是否已经到达终点目标位置。待规划路径确定单元170被配置为在利用人工势场法确定待规划机器人的规划路径上的一个或多个目标位置之前，基于所获取的所述第一和所述第二机器人的当前运动状态信息，确定所述第一和第二机器人中的哪些机器人作为待规划机器人。
所述目标位置确定单元120”被进一步配置为：利用人工势场法，确定所述待规划机器人的规划路径上的一个或多个目标位置。规划路径上的目标位置的确定可以参考如上参照图4和图5进行的相应描述，在此不在描述。然后，控制单元140’被配置为根据所确定的一个或多个目标位置，控制所述待规划机器人进行移动。
图12示出了根据本主题的实施例的用于避免机器人碰撞的装置的计算机系统20的框图。根据一个实施例，计算机系统200可以包括一个或多个处理器201，处理器201执行在计算机可读存储介质(即，存储器202)中存储或编码的一个或多个计算机可读指令(即，上述以软件形式实现的元素)。计算机系统20可以包括诸如显示器的输出设备203以及诸如键盘、鼠标、触摸屏等的输入设备204。计算机系统200可以包括通信接口205，通信接口205用于与比如图2所示的机器人210和220的其他设备通信。
在一个实施例中，在存储器202中存储计算机可执行指令，其当执行时使得一个或多个处理器201：按照如下方式确定待进行避碰路径规划的第一和/或第二机器人的规划路径上的一个或多个目标位置：基于与待确定目标位置对应的待规划机器人的当前位置以及在所述当前位置处的所述第一和第二机器人上的对应最小相对距离点，利用人工势场法确定所述待规划机器人的待确定目标位置，其中，在确定所述待确定目标位置时所使用的势场是所述当前位置处的吸引力势场和/或所述对应最小相对距离点处的排斥力势场；以及根据所确定出的一个或多个目标位置，控制所述待规划机器人进行移动，其中，在所述当前位置与对应的最小相对距离点不重合时，所使用的排斥力势场是对所述对应最小相对距离点处的排斥力势场进行相对于所述当前位置的势场转化而得到的。
应该理解，在存储器202中存储的计算机可执行指令当执行时使得一个或多个处理器201进行本申请的各个实施例中以上结合图2-11描述的各种操作和功能。
根据一个实施例，提供了一种比如非暂时性机器可读介质的程序产品。所述非暂时性机器可读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本申请的各个实施例中以上结合图2-11描述的各种操作和功能。
上面结合附图阐述的具体实施方式描述了示例性实施例，但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”，并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的，具体实施方式包括具体细节。然而，可以在没有这些具体细节的情况下实施这些技术。在一些实例中，为了避免对所描述的实施例的概念造成难以理解，公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说，对本公开内容进行的各种修改是显而易见的，并且，也可以在不脱离本公开内容的保护范围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本公开内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新颖性特征的最广范围相一致。
Claims (18)
1.一种用于避免机器人碰撞的方法，包括：
按照如下方式确定待进行避碰路径规划的第一和/或第二机器人的规划路径上的一个或多个目标位置：基于与待确定目标位置对应的待规划机器人的当前位置以及在所述当前位置处的所述第一和第二机器人上的对应最小相对距离点，利用人工势场法确定所述待规划机器人的待确定目标位置，其中，在确定所述待确定目标位置时所使用的势场是所述当前位置处的吸引力势场和/或所述对应最小相对距离点处的排斥力势场；以及
根据所确定出的一个或多个目标位置，控制所述待规划机器人进行移动，
其中，在所述当前位置与对应的最小相对距离点不重合时，所使用的排斥力势场是对所述对应最小相对距离点处的排斥力势场进行相对于所述当前位置的势场转化而得到的。
2.如权利要求1所述的方法，其中，基于与所述待确定目标位置对应所述待规划机器人的当前位置以及在所述当前位置处的所述第一和第二机器人上的对应最小相对距离点，利用人工势场法计算所述待规划机器人的待确定目标位置包括：
基于与所述待确定目标位置对应的所述第一和第二机器人的当前位置，确定所述第一和第二机器人上的最小相对距离点；
根据所述待规划机器人的当前位置及所述第一和第二机器人的对应最小相对距离点位置，获取在利用人工势场法计算所述待规划机器人的下一目标位置时使用的势场；
利用所获取的势场，计算所述待规划机器人的下一目标位置，作为所述待规划机器人的待确定目标位置。
3.如权利要求1或2所述的方法，还包括：
检测所述第一机器人和所述第二机器人是否满足碰撞发生条件，以及
所述确定待进行避碰路径规划的所述第一和/或所述第二机器人的规划路径上的一个或多个目标位置是在检测到所述第一机器人和所述第二机器人满足碰撞发生条件后执行的。
4.如权利要求3所述的方法，其中，所述碰撞发生条件包括：
所述第一机器人和所述第二机器人的当前相对距离小于第一预定阈值，或者
所述第一机器人和所述第二机器人自当前位置起预定时段后的相对距离小于所述第一预定阈值。
5.如权利要求2所述的方法，其中，在根据所述待规划机器人的当前位置及所述第一和第二机器人的对应最小相对距离点的位置，获取所使用的势场之前，所述方法还包括：
基于所述第一机器人和所述第二机器人之间的最小相对距离，确定待使用的人工势场法类型，以及
根据所述待规划机器人的当前位置及所述第一和第二机器人的对应最小相对距离点的位置，获取所使用的势场包括：
基于所确定的人工势场法类型，根据所述待规划机器人的当前位置及所述第一和第二机器人的对应最小相对距离点的位置，获取对应的势场。
6.如权利要求1所述的方法，其中，在确定所述第一和第二机器人的最小相对距离点之前，所述方法还包括：
获取所述第一和第二机器人的当前运动状态信息，所述当前运动状态信息用于指示机器人是否已经到达终点目标位置；
基于所获取的所述第一和所述第二机器人的当前运动状态信息，确定所述第一和第二机器人中的哪些机器人作为所述待规划机器人。
7.根据权利要求6所述的方法，其中，基于所获取的所述第一和所述第二机器人的当前运动状态信息，确定所述第一和第二机器人中的哪些机器人作为所述待规划机器人包括：
在所述第一和第二机器人的当前运动状态信息中仅仅一个机器人的当前运动状态信息指示已经到达终点目标位置时，将另一机器人确定为所述待规划机器人；或者
在所述第一和第二机器人的当前运动状态信息都指示对应的机器人未到达终点目标位置时，将所述第一和第二机器人确定为所述待规划机器人。
8.如权利要求1到7中任一所述的方法，其中，在根据所确定出的一个或多个目标位置，控制所述待规划机器人进行移动之前，所述方法包括：
基于所确定出的所述待规划机器人的一个或多个目标位置，生成所述待规划机器人的规划路径，以及
根据所确定出的一个或多个目标位置，控制所述待规划机器人进行移动包括：
控制所述待规划机器人按照所生成的规划路径进行移动。
9.如权利要求1到7中任一所述的方法，其中，根据所确定出的一个或多个目标位置，控制所述待规划机器人进行移动包括：
在确定出所述待规划机器人的下一目标位置时，控制所述待规划机器人移动到所述下一目标位置。
10.一种用于避免机器人碰撞的装置，包括：
目标位置确定单元，被配置为按照如下方式确定待进行避碰路径规划的第一和/或第二机器人的规划路径上的一个或多个目标位置：基于与待确定目标位置对应的待规划机器人的当前位置以及在所述当前位置处的所述第一和第二机器人上的对应最小相对距离点，利用人工势场法确定所述待规划机器人的待确定目标位置，其中，在确定所述待确定目标位置时所使用的势场是所述当前位置处的吸引力势场和/或所述对应最小相对距离点处的排斥力势场；以及
控制单元，被配置为根据所确定出的一个或多个目标位置，控制所述待规划机器人进行移动，
其中，在所述当前位置与对应的最小相对距离点不重合时，所使用的排斥力势场是对所述对应最小相对距离点处的排斥力势场进行相对于所述当前位置的势场转化而得到的。
11.如权利要求10所述的装置，其中，所述目标位置确定单元包括：
最小相对距离点确定模块，被配置为基于与所述待确定目标位置对应的所述第一和第二机器人的当前位置，确定所述第一和第二机器人的对应最小相对距离点；
势场获取模块，被配置为根据所述待规划机器人的当前位置及所述第一和第二机器人的对应最小相对距离点位置，获取在利用人工势场法计算所述待规划机器人的下一目标位置时使用的势场；
计算模块，被配置为利用所获取的势场，计算所述待规划机器人的下一目标位置，作为所述待确定目标位置。
12.如权利要求10或11所述的装置，还包括：
检测单元，被配置为在确定待进行避碰路径规划的所述第一和/或所述第二机器人的规划路径上的一个或多个目标位置之前，检测所述第一机器人和所述第二机器人是否满足碰撞发生条件，
其中，所述碰撞发生条件包括：
所述第一机器人和所述第二机器人的当前相对距离小于第一预定阈值，或者
所述第一机器人和所述第二机器人自当前位置起预定时段后的相对距离小于所述第一预定阈值。
13.如权利要求11所述的装置，其中，所述目标位置确定单元还包括：
人工势场法类型确定模块，被配置为基于所述第一机器人和所述第二机器人之间的最小相对距离，确定待使用的人工势场法类型，以及
所述势场获取模块被配置为：基于所确定的人工势场法类型，根据所述待规划机器人的当前位置及所述第一和第二机器人的对应最小相对距离点的位置，获取对应的势场。
14.如权利要求10所述的装置，还包括：
运动状态信息获取单元，被配置为在确定所述待规划机器人的一个或多个目标位置之前，获取所述第一和第二机器人的当前运动状态信息，所述当前运动状态信息用于指示机器人是否已经到达终点目标位置；
待规划路径确定单元，被配置为基于所获取的所述第一和所述第二机器人的当前运动状态信息，确定所述第一和第二机器人中的哪些机器人作为所述待规划机器人。
15.如权利要求10到14中任一所述的装置，还包括：
规划路径生成单元，被配置为基于所确定出的所述待规划机器人的一个或多个目标位置，生成所述待规划机器人的规划路径，以及
所述控制单元被配置为控制所述待规划机器人按照所生成的规划路径进行移动。
16.如权利要求10到14中任一所述的装置，其中，所述控制单元被配置为：
在确定出所述待规划机器人的下一目标位置时，控制所述待规划机器人移动到所述下一目标位置。
17.一种计算机系统，包括：
一个或多个处理器；以及
存储器，其存储计算机可执行指令，所述指令当被执行时使得所述一个或多个处理器执行如权利要求1到9中任一所述的用于避免机器人碰撞的方法。
18.一种非暂态机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述一个或多个处理器执行如权利要求1到9中任一所述的用于避免机器人碰撞的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710307774.2A CN108801255B (zh) | 2017-05-04 | 2017-05-04 | 用于避免机器人碰撞的方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710307774.2A CN108801255B (zh) | 2017-05-04 | 2017-05-04 | 用于避免机器人碰撞的方法、装置和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108801255A true CN108801255A (zh) | 2018-11-13 |
| CN108801255B CN108801255B (zh) | 2023-10-27 |
Family
ID=64053634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710307774.2A Active CN108801255B (zh) | 2017-05-04 | 2017-05-04 | 用于避免机器人碰撞的方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108801255B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109407653A (zh) * | 2018-12-18 | 2019-03-01 | 中国人民解放军陆军装甲兵学院 | 一种室内通用多移动机器人算法验证系统 |
| CN109460064A (zh) * | 2019-01-03 | 2019-03-12 | 中国人民解放军战略支援部队航天工程大学 | 基于虚拟势场函数的无人机集群区域覆盖方法及其装置 |
| CN111015649A (zh) * | 2019-10-12 | 2020-04-17 | 深圳先进技术研究院 | 一种驱控一体化控制系统 |
| CN111708370A (zh) * | 2020-07-21 | 2020-09-25 | 四川大学 | 基于人工势场的多机器人协同路径规划方法和系统 |
| WO2020219734A1 (en) * | 2019-04-24 | 2020-10-29 | X Development Llc | Robot motion planning |
| CN112549032A (zh) * | 2020-12-09 | 2021-03-26 | 深圳市优必选科技股份有限公司 | 一种机器人的控制方法、装置、设备及存储介质 |
| CN113001536A (zh) * | 2019-12-20 | 2021-06-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种面向协作多机器人的防碰撞检测方法及装置 |
| CN113465618A (zh) * | 2020-03-30 | 2021-10-01 | 株式会社电装 | 交通工具的目标导向的导航系统及相关方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100027683A (ko) * | 2008-09-03 | 2010-03-11 | 한국과학기술원 | 로봇의 경로계획 장치 및 방법 |
| CN101901012A (zh) * | 2010-03-19 | 2010-12-01 | 华东交通大学 | 一种分布式的多机器人同步蜂拥控制方法 |
| CN103984343A (zh) * | 2014-05-15 | 2014-08-13 | 北京理工大学 | 一种多无人移动平台网络化协同控制方法 |
| CN104317292A (zh) * | 2014-09-16 | 2015-01-28 | 哈尔滨恒誉名翔科技有限公司 | 一种复杂形状机器人避碰路径的方法 |
| CN105479490A (zh) * | 2015-12-24 | 2016-04-13 | 华中科技大学 | 一种双机器人实时动态避障装置及其避障方法 |
| CN105629974A (zh) * | 2016-02-04 | 2016-06-01 | 重庆大学 | 一种基于改进型人工势场法的机器人路径规划方法及系统 |
| CN106155063A (zh) * | 2016-09-28 | 2016-11-23 | 深圳市普渡科技有限公司 | 一种基于斥力势场的多机器人调度方法 |
-
2017
- 2017-05-04 CN CN201710307774.2A patent/CN108801255B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100027683A (ko) * | 2008-09-03 | 2010-03-11 | 한국과학기술원 | 로봇의 경로계획 장치 및 방법 |
| CN101901012A (zh) * | 2010-03-19 | 2010-12-01 | 华东交通大学 | 一种分布式的多机器人同步蜂拥控制方法 |
| CN103984343A (zh) * | 2014-05-15 | 2014-08-13 | 北京理工大学 | 一种多无人移动平台网络化协同控制方法 |
| CN104317292A (zh) * | 2014-09-16 | 2015-01-28 | 哈尔滨恒誉名翔科技有限公司 | 一种复杂形状机器人避碰路径的方法 |
| CN105479490A (zh) * | 2015-12-24 | 2016-04-13 | 华中科技大学 | 一种双机器人实时动态避障装置及其避障方法 |
| CN105629974A (zh) * | 2016-02-04 | 2016-06-01 | 重庆大学 | 一种基于改进型人工势场法的机器人路径规划方法及系统 |
| CN106155063A (zh) * | 2016-09-28 | 2016-11-23 | 深圳市普渡科技有限公司 | 一种基于斥力势场的多机器人调度方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109407653A (zh) * | 2018-12-18 | 2019-03-01 | 中国人民解放军陆军装甲兵学院 | 一种室内通用多移动机器人算法验证系统 |
| CN109460064A (zh) * | 2019-01-03 | 2019-03-12 | 中国人民解放军战略支援部队航天工程大学 | 基于虚拟势场函数的无人机集群区域覆盖方法及其装置 |
| CN109460064B (zh) * | 2019-01-03 | 2019-11-15 | 中国人民解放军战略支援部队航天工程大学 | 基于虚拟势场函数的无人机集群区域覆盖方法及其装置 |
| US11179850B2 (en) | 2019-04-24 | 2021-11-23 | Intrinsic Innovation Llc | Robot motion planning |
| US11833694B2 (en) | 2019-04-24 | 2023-12-05 | Intrinsic Innovation Llc | Robot motion planning |
| CN114144285A (zh) * | 2019-04-24 | 2022-03-04 | 因思创新有限责任公司 | 机器人运动规划 |
| WO2020219734A1 (en) * | 2019-04-24 | 2020-10-29 | X Development Llc | Robot motion planning |
| CN111015649B (zh) * | 2019-10-12 | 2020-12-25 | 深圳先进技术研究院 | 一种驱控一体化控制系统 |
| CN111015649A (zh) * | 2019-10-12 | 2020-04-17 | 深圳先进技术研究院 | 一种驱控一体化控制系统 |
| CN113001536A (zh) * | 2019-12-20 | 2021-06-22 | 中国科学院沈阳计算技术研究所有限公司 | 一种面向协作多机器人的防碰撞检测方法及装置 |
| CN113465618A (zh) * | 2020-03-30 | 2021-10-01 | 株式会社电装 | 交通工具的目标导向的导航系统及相关方法 |
| CN111708370A (zh) * | 2020-07-21 | 2020-09-25 | 四川大学 | 基于人工势场的多机器人协同路径规划方法和系统 |
| CN112549032A (zh) * | 2020-12-09 | 2021-03-26 | 深圳市优必选科技股份有限公司 | 一种机器人的控制方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108801255B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108801255A (zh) | 用于避免机器人碰撞的方法、装置和系统 | |
| Park et al. | Trajectory planning with collision avoidance for redundant robots using jacobian and artificial potential field-based real-time inverse kinematics | |
| JP7058126B2 (ja) | ロボット制御装置および自動組立システム | |
| Xu et al. | Motion planning of manipulators for simultaneous obstacle avoidance and target tracking: An RNN approach with guaranteed performance | |
| Riazi et al. | Energy optimization of multi-robot systems | |
| US11090808B2 (en) | Control device, picking system, distribution system, program, control method and production method | |
| US11679503B2 (en) | Control device, picking system, distribution system, program, control method and production method | |
| Bobka et al. | Simulation platform to investigate safe operation of human-robot collaboration systems | |
| Fujii et al. | Gesture recognition system for human-robot interaction and its application to robotic service task | |
| Gai et al. | 6-DOF robotic obstacle avoidance path planning based on artificial potential field method | |
| Choi et al. | Dual-arm robot motion planning for collision avoidance using B-spline curve | |
| CN108803592B (zh) | 用于避免机器人碰撞的方法、装置和系统 | |
| US11007649B2 (en) | Information processing apparatus, picking system, distribution system, program and information processing method | |
| Papacharalampopoulos et al. | Simulating robotic manipulation of cabling and interaction with surroundings | |
| WO2011140704A1 (en) | Apparatus, method, program and recording medium for robot offline teaching | |
| Teke et al. | Real-time and robust collaborative robot motion control with Microsoft Kinect® v2 | |
| Morato et al. | Safe human robot interaction by using exteroceptive sensing based human modeling | |
| Keshmiri et al. | Augmented online point to point trajectory planning, a new approach in catching a moving object by a manipulator | |
| Wu et al. | External force detection for physical human-robot interaction using dynamic model identification | |
| Tsoukalas et al. | Modelling and control of hyper-redundant micromanipulators for obstacle avoidance in an unstructured environment | |
| Safeea et al. | Human-robot collision avoidance for industrial robots: A V-REP based solution | |
| Yan et al. | Design of a coordinated control strategy for multi-mobile-manipulator cooperative teleoperation system | |
| Mu et al. | Collision-free trajectory planning of redundant space manipulators based on pseudo-distance | |
| Kawamura et al. | Robust manipulation for temporary lack of sensory information by a multi-fingered hand-arm system | |
| Miguel et al. | Towards cloth-manipulating characters |
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 |