CN108983603A - 一种机器人与物体的对接方法及其机器人 - Google Patents

一种机器人与物体的对接方法及其机器人 Download PDF

Info

Publication number
CN108983603A
CN108983603A CN201810681272.0A CN201810681272A CN108983603A CN 108983603 A CN108983603 A CN 108983603A CN 201810681272 A CN201810681272 A CN 201810681272A CN 108983603 A CN108983603 A CN 108983603A
Authority
CN
China
Prior art keywords
robot
pose
track
interconnection method
point
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
Application number
CN201810681272.0A
Other languages
English (en)
Other versions
CN108983603B (zh
Inventor
陈明建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Shiyuan Electronics Thecnology Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN201810681272.0A priority Critical patent/CN108983603B/zh
Publication of CN108983603A publication Critical patent/CN108983603A/zh
Application granted granted Critical
Publication of CN108983603B publication Critical patent/CN108983603B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • G05D1/0005—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot with arrangements to save energy
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Electromagnetism (AREA)
  • Manipulator (AREA)

Abstract

本发明实施例涉及一种机器人与物体的对接方法及其机器人。所述对接方法包括：机器人相对于物体设置在对准预备位；机器人通过图像获取装置获取物体上的电子识别码的图像数据，根据所获取的图像数据计算物体相对于机器人的对准预备位的位姿；机器人在经过物体的路径上，选取其对准预备位所对应的初始轨迹点q，所述初始轨迹点q到物体的所述路径的轨迹为对接轨迹；机器人基于所述对接轨迹确定随时间变化的参考位姿，对所述参考位姿进行追踪。本发明实施例无需对环境进行改动，通过机器视觉对电子识别码的识别，通过将多种定位与导航以及轨迹跟踪算法结合，能够使机器人快速、高效、精准的对接物体。

Description

一种机器人与物体的对接方法及其机器人
技术领域
本发明属于机器人技术领域，具体涉及一种机器人与物体的对接方法及其机器人。
背景技术
自动导引运输车AGV是Automated Guided Vehicle的缩写，是指装备有电磁或光学等自动导引装置，它能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车，其实质是一种机器人，具有行动快捷、工作效率高、结构简单、可控性强、安全性好等优势。
每个AGV具有车载控制系统(Onboard System)，在收到上位系统的指令后，负责AGV单机的导航(通过自身装备的导航器件测量并计算出所在全局坐标中的位置和航向)、导引(根据当前的位置、航向及预先设定的理论轨迹来计算下个周期的速度值和转向角度值即，AGV运动的命令值)、路径选择、车辆驱动、操作(例如对接、装卸)等功能。
AGV之所以能够实现自动驾驶，导航和导引对其起到了至关重要的作用，能够用于AGV的导航/导引技术主要包括：直接坐标(Cartesian Guidance)、电磁导引(WireGuidance)、磁带导引(Magnetic Tape Guidance)、光学导引(Optical Guidance)、激光导航(Laser Navigation)、惯性导航(Inertial Navigation)、视觉导航(VisualNavigation)和GPS(全球定位系统)导航(Global Position System)，使得AGV能够从未知环境的未知地点出发，在运动过程中通过重复观测到的地图特征(比如，墙角，柱子等)定位自身位置和姿态，再根据自身位置增量式的构建地图，从而达到同时定位和地图构建的目的。
可见，AGV与外界物体的交互能力，是其智能性的重要体现。可靠的运动控制能力以及准确的物体识别能力，可以保证AGV与外部物体的精准对接，实现诸如充电、货物搬运等功能。
现有技术中，机器人与充电座对接采用的传统方法是通过扇形红外区域识别；AGV与货箱对接采用的传统方法是基于磁条跟踪。上述方法存在如下问题：对接速度慢、效率低、精度低，例如基于红外的充电座对接方法，很多时候会出现重复对接以及接收不到红外信号而无法正常对接的情况；需要对机器人的工作环境进行，比如基于磁条的对接，需要在地上安装磁条，磁条使用久了也会磨损，影响对接精度。
发明内容
为了提高机器人与物体的对接精度的技术问题，本发明提出了一种机器人与物体的对接方法及其机器人。所述对接方法包括：
机器人相对于物体设置在对准预备位；
机器人通过图像获取装置获取物体上的电子识别码的图像数据，根据所获取的图像数据计算物体相对于机器人的对准预备位的位姿；
机器人在经过物体的路径上，选取其对准预备位所对应的初始轨迹点q，所述初始轨迹点q到物体的所述路径的轨迹为对接轨迹；
机器人基于所述对接轨迹确定随时间变化的参考位姿pr(t),对所述参考位姿进行追踪。
进一步，初始轨迹点q是机器人的对准预备位到物体对接面的垂直朝向线的垂点，物体与所述初始轨迹点q之间的线段构成对接轨迹。
进一步，物体相对于机器人的对准预备位的位姿为p(xp,yp,θp)，其中，xp、yp为物体在平面直角坐标系中的坐标，θp为物体在平面直角坐标系中的姿态角；
对接轨迹包括多个轨迹点p0,p1,p2,…,pn-1,pn，n为自然数，每个轨迹点具有位姿pn(xpn,ypn,θpn)；
基于对接轨迹上的多个轨迹点的位姿pn(xpn,ypn,θpn)，确定机器人随时间变化的轨迹点的参考位姿pr(t)，机器人分时逐点追踪各轨迹点的参考位姿pr(t)。
进一步，多个轨迹点p0,p1,p2,…,pn-1,pn在所述对接轨迹上以等间距d进行排列，
若所述对接轨迹的长度为D，则所述多个轨迹点的参考位姿pn(xpn,ypn,θpn)通过以下方式计算：
N＝D/d，
θpn＝θp，
其中n≤N。
进一步，θp为物体对接面的垂直朝向与某一坐标轴的夹角。
进一步，θp为物体对接面的垂直朝向与x正半轴的逆时针方向的夹角。
进一步，以机器人的对准预备位为原点o构建所述平面直角坐标系。
进一步，机器人通过反馈控制对所述参考位姿pr(t)进行追踪，
在反馈控制系统中，在输入端输入机器人随时间变化的参考位姿pr(t)＝
(xr(t),yr(t),θr(t))，在输出端输出机器人的实时位姿pc(t)＝(xc(t),yc(t),θc(t))，实时位姿pc(t)负反馈到系统的输入端，
其中，xr(t)、yr(t)为机器人在平面直角坐标系中的参考坐标，θr(t)为机器人在平面直角坐标系中的参考姿态角，xr(t)、yr(t)对时间的倒数与θr(t)存在如下关系：
xc(t)、yc(t)为机器人在平面直角坐标系中的实时坐标，θc(t)为机器人在平面直角坐标系中的实时姿态角，xc(t)、yc(t)对时间的倒数与θc(t)存在如下关系：
进一步，在输入端还输入机器人的参考速度qr(t)。
进一步，在机器人通过反馈控制对所述参考位姿pr(t)进行追踪的过程中，
首先，根据机器人当前时刻的参考位姿pr(xr,yr,θr)和当前时刻实际位姿pc(xc,yc,θc)，计算当前时刻的位姿偏差pe(xe,ye,θe)；
随后，利用机器人当前时刻的位姿偏差pe和机器人当前时刻的参考速度qr得到机器人的实际速度qc；
接着，利用机器人的实际速度qc和雅克布矩阵J计算机器人当前的实时位姿的导数
对积分得到机器人的当前的实时位姿Pc。
进一步，机器人当前时刻的位姿偏差pe为：
进一步，利用机器人当前时刻的位姿偏差pe和机器人当前时刻的参考速度qr得到机器人的实际速度qc，通过以下步骤实现：
利用机器人当前时刻的位姿偏差pe和机器人当前时刻的参考速度qr计算机器人的控制速度q，
其中，v为线速度，w为角速度，参数kx、ky和ke为机器人的路径的偏差系数；
以及，将控制速度q施加到机器人，并检测机器人的实际速度qc。
进一步，在机器人与物体的对接过程中，机器人持续对所述参考位姿进行追踪，直到机器人与物体的距离小于阈值或机器人与物体的距离小于阈值。
进一步，所述电子识别码为二维码，采用ArUco标记库来计算物体相对于机器人的对准预备位的位姿。
本发明实施例还提供一种机器人，使用如上所述方法进行对接。
进一步，所述机器人为叉车机器人，对接的物体为货箱；或者，所述机器人对接物体为机器人的充电座。
本发明实施例的对接方法无需对环境进行改动，通过结合多种定位与导航以及轨迹跟踪算法，使机器人快速、高效、精准的对接物体，对准精度能够达到1cm。
传统的方法通过红外、磁条等引导，这类方法对接效率和精度太低。发明采用视觉计算电子识别码的精确位置(毫米级)，并利用轨迹跟踪算法进行精准对接(对接精度<1cm)。跟传统方法相比精度更高，效率更快。
附图说明
图1示出了本发明实施例的机器人与物体的对接方法流程图；
图2示出了本发明实施例的对接方法的机器人轨迹跟踪反馈控制系统框图；
图3a、图3b中示出了本发明实施例的对接方法的参考位姿追踪过程中机器人的参考位姿、实际位姿和位姿偏差计算的示意图；
图4示出了在本发明实施例的机器人与货箱的对接方法中，机器人相对于货箱处于对准预备位的一个实施例的侧视图；
图5示出了在本发明实施例的机器人与货箱的对接方法中，机器人相对于货箱处于对准预备位的另一个实施例的顶视图；
图6示出了在本发明实施例的机器人与货箱的对接方法中，机器人与货箱实现对接的状态示意图；
图7a示出了在本发明实施例的机器人与其充电座的对接方法中，机器人相对于充电座处于对准预备位的一个实施例的侧视图；
图7b示出了在本发明实施例的机器人与其充电座的对接方法中，机器人与充电座实现对接的状态示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。但本领域技术人员知晓，本发明并不局限于附图和以下实施例。
实施例1：
如图1所示，本发明实施例提出了一种机器人与物体的对接方法，机器人上设置有图像获取装置，物体上设置有电子识别码。机器人相对于物体设置(例如，运动到)在对准预备位，使得机器人上的图像获取装置能够获取到物体上的电子识别码。现有技术中，可以采用多种方法将机器人定位到对准预备位。本发明实施例使用基于激光雷达的粒子滤波定位算法进行机器人的实时定位以及基于A*算法(A-Star算法是一种静态路网中求解最短路径最有效的直接搜索方法)的全局路径规划、基于DWA算法(Dynamic Window Approach动态窗口法)的局部路径规划进行导航。本领域技术人员可以可理解，对于类似如基于GPS的导航系统、基于视觉SLAM的导航系统、基于wifi定位的导航系统等方法，也在本发明的保护范围之内。
本发明实施例的机器人与物体的对接方法包括：
机器人通过图像获取装置获取物体上的电子识别码的图像数据，计算物体相对于机器人的对准预备位的位姿。
本发明实施例中的电子识别码为二维码，优选采用ArUco标记库来计算物体相对于机器人的对准预备位的位姿，其在有效范围内计算出来的相对位置精度小于5mm。对于类似计算电子识别码到图像获取装置相对位姿的方法依然在本发明的保护范围内。
在经过物体的路径上，选取机器人的对准预备位所对应的初始轨迹点，所述初始轨迹点到物体的所述路径的轨迹为对接轨迹。
需要说明的是，通过物体的路径可以任意选择，初始轨迹点也可以在所述通过物体的路径上任意设置。
基于对接轨迹确定机器人随时间变化的参考位姿,机器人对所述参考位姿进行追踪。
机器人轨迹跟踪反馈控制系统如图2所示，系统的输入是机器人随时间变化的参考位姿pr(t)＝(xr(t),yr(t),θr(t))和参考速度qr(t)，系统输出是机器人的实时位姿pc(t)＝(xc(t),yc(t),θc(t))，即机器人实时位姿，实时位姿pc(t)反馈到系统的输入端。轨迹跟踪的目的是尽量使位姿偏差pe趋于0。
其中，xr(t)、yr(t)为机器人在平面直角坐标系中的参考坐标，θr(t)为机器人在平面直角坐标系中的参考姿态角，在本实施例中为机器人运动方向与某一坐标轴的夹角，例如与x正半轴的逆时针方向的夹角，xr(t)、yr(t)对时间的倒数与θr(t)存在如下关系：xc(t)、yc(t)为机器人在平面直角坐标系中的实时坐标，θc(t)为机器人在平面直角坐标系中的实时姿态角，在本实施例中为机器人运动方向与某一坐标轴的夹角，例如与x正半轴的逆时针方向的夹角，xc(t)、yc(t)对时间的倒数与θc(t)存在如下关系：
在机器人对所述参考位姿追踪过程中，首先根据机器人当前时刻的参考位姿pr＝(xr,yr,θr)和当前时刻实际位姿pc＝(xc,yc,θc)，计算机器人当前时刻的位姿偏差pe＝(xe,ye,θe)，
图3a、图3b中给出了在参考位姿追踪过程中机器人的参考位姿、实际位姿和位姿偏差计算的示意图。
随后，利用机器人当前时刻的位姿偏差pe和机器人当前时刻的参考速度qr得到机器人的实际速度qc，即得到检测机器人的当前移动速度，具体包括：
利用机器人当前时刻的位姿偏差pe和机器人当前时刻的参考速度qr计算机器人的控制速度q，如下：
其中，v为线速度，w为角速度，参数kx、ky和ke为路径的偏差系数，需要本领域技术人员根据实际使用的机器人进行调节。
以及，将控制速度q施加到机器人，并检测机器人的实际速度qc。
接着，利用机器人的实际速度qc和雅克布矩阵J计算机器人当前的实时位姿的导数
对积分得到机器人的当前的实时位姿Pc。
在机器人与物体的对接过程中，机器人持续对所述参考位姿进行追踪，直到机器人与物体的距离小于阈值或机器人与货箱的距离小于阈值时对接完成。
本发明实施例的方法无需对环境进行改动，通过机器视觉对电子识别码的识别，通过将多种定位与导航以及轨迹跟踪算法结合，能够使机器人快速、高效、精准的对接物体。
实施例2
本实施例以叉车机器人与货箱对接为例，对上述方法进行进一步说明。如图4所示，一种基于视觉的叉车机器人与货箱的对接方法，其中叉车机器人上设置有图像获取装置，货箱上设置有电子识别码。机器人相对于货箱设置(例如，运动到)在对准预备位，使得机器人上的图像获取装置能够获取到货箱上的电子识别码。
图4中机器人的图像获取装置正对于货箱上的电子识别码，而本领域技术人员能够理解，本发明实施例的方法不限于这种正对的方式，也可以适用于图5所示的机器人上的图像获取装置斜对于货箱上的电子识别码的方式，只要保证机器人的图像获取装置能够获取到货箱上的电子识别码。
本发明实施例的基于视觉的叉车机器人与货箱的对接方法包括：
机器人通过图像获取装置获取货箱上的二维码的图像数据，计算货箱相对于机器人的对准预备位的位姿p(xp,yp,θp)。
本发明实施例采用ArUco标记库来计算物体相对于机器人的对准预备位的位姿，其在有效范围内计算出来的相对位置精度小于5mm。
具体的，如图5所示，以机器人的对准预备位为原点o构建平面直角坐标系，通过机器视觉计算货箱p在所述坐标系中的位姿p(xp,yp,θp)，优选采用货柜上二维码的位置表示货箱p的位置。其中，xp、yp为货箱p在平面直角坐标系中的坐标，θp为货箱p在平面直角坐标系中的姿态角，在本实施例中为货箱p对接面(二维码所在平面)的垂直朝向(对接轨迹L)与某一坐标轴的夹角，例如与x正半轴的逆时针方向的夹角。
在通过货箱p的路径上，选取机器人的对准预备位所对应的初始轨迹点q，所述初始轨迹点q到货箱p的所述路径的轨迹为对接轨迹L,对接轨迹L上包括多个轨迹点pn，n为自然数，每个轨迹点具有位姿pn(xpn,ypn,θpn)。
如图5所示，初始轨迹点q是机器人的对准预备位到货箱p对接面的垂直朝向上的垂点q(xq,yq,θp)。货箱p与所述垂点q之间的线段构成对接轨迹L，轨迹L包括以等间距d排列的多个轨迹点p0(p),p1,p2,…,pn-1,pn(q)，p0点与p点重合，pn点与q点重合，其中间距d根据机器人的编码器精度、机器人的运行速度和定位精度进行调整。
若对接轨迹L的长度为D，则轨迹点具有参考位姿pn(xpn,ypn,θpn)可以通过以下方式计算：
N＝D/d，
θpn＝θp，
其中，n为小于等于N的自然数。
基于对接轨迹L上的多个轨迹点的参考位姿pn(xpn,ypn,θpn)，确定机器人随时间变化的轨迹点的参考位姿pr(t)，如下表所示：
时间 t0 t1 t2 t3 …… tn-2 tn-1 tn
轨迹点 pn(q) pn-1 pn-2 pn-3 …… p2 p1 p
机器人分时逐点追踪各轨迹点的参考位姿pr(t)。
在上表中，在初始时刻t0，机器人位于某对准预备位，对应对接轨迹L上的初始轨迹点pn/q；在时刻t1，机器人对应对接轨迹L上的初始轨迹点pn-1；在时刻t2，机器人对应对接轨迹L上的初始轨迹点pn-2；在时刻t3，机器人对应对接轨迹L上的初始轨迹点pn-3；以此类推，在时刻tn-2，机器人对应对接轨迹L上的初始轨迹点p2；在时刻tn-1，机器人对应对接轨迹L上的初始轨迹点p1，在时刻tn，机器人对应对接轨迹L上的初始轨迹点p。
在初始时刻t0，机器人位于某对准预备位，对应对接轨迹L上的初始轨迹点pn/q。在t0至t1时段，机器人追踪轨迹点pn-1的参考位姿；在t1至t2时段，机器人追踪轨迹点pn-2的参考位姿；在t2至t3时段，机器人追踪轨迹点pn-3的参考位姿；……；在tn-2至tn-1时段，机器人追踪轨迹点p1的参考位姿；在tn-1至tn时段，机器人追踪轨迹点p的参考位姿。即，机器人分时逐点追踪各轨迹点的参考位姿，在此过程中逐步靠近货箱，并最终对准货箱。其中，tn可以设定的足够长，使得机器人在tn-1至tn时段能够对准货箱。tn值的选取取决于机器人与货箱之间的初始距离、对接轨迹L的选取、机器人的参考速度等多种因素，本领域技术人员可以根据实际情况进行设定。
机器人轨迹跟踪反馈控制系统如图4所示，系统的输入是机器人随时间变化的参考位姿pr(t)＝(xr(t),yr(t),θr(t))和参考速度qr(t)，系统输出是机器人的实时位姿pc(t)＝(xc(t),yc(t),θc(t))，即机器人实时位姿，轨迹跟踪的目的是尽量使位姿偏差pe趋于0。
其中，xr(t)、yr(t)为机器人在平面直角坐标系中的参考坐标，θr(t)为机器人在平面直角坐标系中的参考姿态角，在本实施例中为机器人运动方向与某一坐标轴的夹角，例如与x正半轴的逆时针方向的夹角，xr(t)、yr(t)对时间的倒数与θr(t)存在如下关系：xc(t)、yc(t)为机器人在平面直角坐标系中的实时坐标，θc(t)为机器人在平面直角坐标系中的实时姿态角，在本实施例中为机器人运动方向与某一坐标轴的夹角，例如与x正半轴的逆时针方向的夹角，xc(t)、yc(t)对时间的倒数与θc(t)存在如下关系：
在对接轨迹步骤中，首先根据机器人当前时刻的参考位姿pr＝(xr,yr,θr)和当前时刻实际位姿pc＝(xc,yc,θc)，计算机器人当前时刻的位姿偏差pe＝(xe,ye,θe)，
随后，利用机器人当前时刻的位姿偏差pe和机器人当前时刻的参考速度qr得到机器人的实际速度qc，即得到检测机器人的当前移动速度。具体包括：
利用机器人当前时刻的位姿偏差pe和机器人当前时刻的参考速度qr计算机器人的控制速度q，如下：
其中，参数kx、ky和ke需要本领域技术人员根据实际使用的机器人进行调节；
以及，将控制速度q施加给机器人，检测机器人的实际速度qc。
接着，利用机器人的实际速度qc和雅克布矩阵J计算机器人当前的实时位姿的导数
对积分得到机器人当前的实时位姿pc。
在对接的过程中跟踪的轨迹是图5中的L，当轨迹长度小于阈值时表示对接完成，达到图6的状态。
在本实施例中，将初始轨迹点q选取为机器人的对准预备位到货箱p对接面的垂直朝向上的垂点q(xq,yq)，从而构建出货箱p与所述垂点q之间的线段构成对接轨迹L，这样的对接轨迹使得机器人能够更为高效的对接货箱。此外，本实施例采用“分时逐点追踪”能够在保证对接精度的前提下减少机器人自身的运算量。
实施例3
作为本发明实施例的另外一种应用，与实施例1或2的方法相同，可以将相同的方法应用于机器人与其充电座的对接。其中，机器人上设置有图像获取装置，充电座上设置有电子识别码，如图7a、7b所示。机器人相对于充电座设置(例如，运动到)在对准预备位，使得机器人上的图像获取装置能够获取到充电座上的电子识别码，如图7a所示。通过执行与实施例1、2相同的方法，能够实现机器人与充电插的精准对接，对机器人进行充电，如图7b所示。
实施例4
本发明实施例还提供一种机器人，使用实施例1、2或3中的方法进行对接。在一个实施例中，所述机器人可以为叉车机器人，与货箱进行对接。在另一个实施例中，所述机器人对接物体为机器人的充电座。
本发明实施例还提出一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上，对本发明的实施方式进行了说明。但是，本发明不限定于上述实施方式。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (16)

1.一种机器人与物体的对接方法，其特征在于：所述对接方法包括：
机器人相对于物体设置在对准预备位；
机器人通过图像获取装置获取物体上的电子识别码的图像数据，根据所获取的图像数据计算物体相对于机器人的对准预备位的位姿；
机器人在经过物体的路径上，选取其对准预备位所对应的初始轨迹点q，所述初始轨迹点q到物体的所述路径的轨迹为对接轨迹；
机器人基于所述对接轨迹确定随时间变化的参考位姿pr(t),对所述参考位姿进行追踪。
2.如权利要求1所述的对接方法，其特征在于：初始轨迹点q是机器人的对准预备位到物体对接面的垂直朝向线的垂点，物体与所述初始轨迹点q之间的线段构成对接轨迹。
3.如权利要求2所述的对接方法，其特征在于：物体相对于机器人的对准预备位的位姿为p(xp,yp,θp)，其中，xp、yp为物体在平面直角坐标系中的坐标，θp为物体在平面直角坐标系中的姿态角；
对接轨迹包括多个轨迹点p0,p1,p2,…,pn-1,pn，n为自然数，每个轨迹点具有位姿pn(xpn,ypn,θpn)；
基于对接轨迹上的多个轨迹点的位姿pn(xpn,ypn,θpn)，确定机器人随时间变化的轨迹点的参考位姿pr(t)，机器人分时逐点追踪各轨迹点的参考位姿pr(t)。
4.如权利要求3所述的对接方法，其特征在于：多个轨迹点p0,p1,p2,…,pn-1,pn在所述对接轨迹上以等间距d进行排列，
若所述对接轨迹的长度为D，则所述多个轨迹点的参考位姿pn(xpn,ypn,θpn)通过以下方式计算：
N＝D/d，
其中n≤N。
5.如权利要求4所述的对接方法，其特征在于：θp为物体对接面的垂直朝向与某一坐标轴的夹角。
6.如权利要求5所述的对接方法，其特征在于：θp为物体对接面的垂直朝向与x正半轴的逆时针方向的夹角。
7.如权利要求6所述的对接方法，其特征在于：以机器人的对准预备位为原点o构建所述平面直角坐标系。
8.如权利要求1-7之一所述的对接方法，其特征在于：机器人通过反馈控制对所述参考位姿pr(t)进行追踪，
在反馈控制系统中，在输入端输入机器人随时间变化的参考位姿pr(t)＝(xr(t),yr(t),θr(t))，在输出端输出机器人的实时位姿pc(t)＝(xc(t),yc(t),θc(t))，实时位姿pc(t)负反馈到系统的输入端，
其中，xr(t)、yr(t)为机器人在平面直角坐标系中的参考坐标，θr(t)为机器人在平面直角坐标系中的参考姿态角，xr(t)、yr(t)对时间的倒数与θr(t)存在如下关系：
xc(t)、yc(t)为机器人在平面直角坐标系中的实时坐标，θc(t)为机器人在平面直角坐标系中的实时姿态角，xc(t)、yc(t)对时间的倒数与θc(t)存在如下关系：
9.如权利要求8所述的对接方法，其特征在于：在输入端还输入机器人的参考速度qr(t)。
10.如权利要求9所述的对接方法，其特征在于：在机器人通过反馈控制对所述参考位姿pr(t)进行追踪的过程中，
首先，根据机器人当前时刻的参考位姿pr(xr,yr,θr)和当前时刻实际位姿pc(xc,yc,θc)，计算当前时刻的位姿偏差pe(xe,ye,θe)；
随后，利用机器人当前时刻的位姿偏差pe和机器人当前时刻的参考速度qr得到机器人的实际速度qc；
接着，利用机器人的实际速度qc和雅克布矩阵J计算机器人当前的实时位姿的导数：
对积分得到机器人的当前的实时位姿Pc。
11.如权利要求10所述的对接方法，其特征在于：机器人当前时刻的位姿偏差pe为：
12.如权利要求10所述的对接方法，其特征在于：利用机器人当前时刻的位姿偏差pe和机器人当前时刻的参考速度qr得到机器人的实际速度qc，通过以下步骤实现：
利用机器人当前时刻的位姿偏差pe和机器人当前时刻的参考速度qr计算机器人的控制速度q，
其中，v为线速度，w为角速度，参数kx、ky和ke为机器人的路径的偏差系数；
以及，将控制速度q施加到机器人，并检测机器人的实际速度qc。
13.如权利要求10所述的对接方法，其特征在于：在机器人与物体的对接过程中，机器人持续对所述参考位姿进行追踪，直到机器人与物体的距离小于阈值或机器人与物体的距离小于阈值。
14.如权利要求1-7之一所述的对接方法，其特征在于：所述电子识别码为二维码，采用ArUco标记库来计算物体相对于机器人的对准预备位的位姿。
15.一种机器人，其特征在于：使用如权利要求1-14之一所述方法进行对接。
16.如权利要求15所述的机器人，其特征在于：
所述机器人为叉车机器人，对接的物体为货箱；
或者，所述机器人对接物体为机器人的充电座。
CN201810681272.0A 2018-06-27 2018-06-27 一种机器人与物体的对接方法及其机器人 Active CN108983603B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810681272.0A CN108983603B (zh) 2018-06-27 2018-06-27 一种机器人与物体的对接方法及其机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810681272.0A CN108983603B (zh) 2018-06-27 2018-06-27 一种机器人与物体的对接方法及其机器人

Publications (2)

Publication Number Publication Date
CN108983603A true CN108983603A (zh) 2018-12-11
CN108983603B CN108983603B (zh) 2021-07-16

Family

ID=64538555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810681272.0A Active CN108983603B (zh) 2018-06-27 2018-06-27 一种机器人与物体的对接方法及其机器人

Country Status (1)

Country Link
CN (1) CN108983603B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111694358A (zh) * 2020-06-19 2020-09-22 北京海益同展信息科技有限公司 运送机器人的控制方法、装置、运送机器人和存储介质
CN111994169A (zh) * 2020-09-08 2020-11-27 北京北特圣迪科技发展有限公司 基于位置补偿的独立驱动转向的表演小车运动控制方法
CN112022025A (zh) * 2020-08-14 2020-12-04 深圳市大象机器人科技有限公司 一种基于视觉定位的机器人自动回冲方法及系统
CN112183133A (zh) * 2020-08-28 2021-01-05 同济大学 一种基于ArUco码引导的移动机器人自主充电方法
CN112700503A (zh) * 2020-12-29 2021-04-23 合肥学院 一种基于Dtag的智能垃圾车相对位姿定位方法及其装置
CN113103225A (zh) * 2021-03-03 2021-07-13 重庆大学 一种基于图像测量的移动机器人多阶段平稳自主对接方法
CN113485349A (zh) * 2021-07-21 2021-10-08 广州市刑事科学技术研究所 一种基于多传感器设备对接方法
WO2021218013A1 (zh) * 2020-04-30 2021-11-04 苏州科瓴精密机械科技有限公司 自移动设备与充电站对接方法、装置、自移动设备及可读存储介质
CN113859383A (zh) * 2020-06-30 2021-12-31 京东科技信息技术有限公司 运送机器人及其控制方法
CN117193334A (zh) * 2023-11-07 2023-12-08 宁德思客琦智能装备有限公司 一种机器人远程控制延迟优化方法及装置、电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726296A (zh) * 2009-12-22 2010-06-09 哈尔滨工业大学 空间机器人视觉测量、路径规划、gnc一体化仿真系统
CN106787266A (zh) * 2017-02-24 2017-05-31 安科智慧城市技术（中国）有限公司 一种移动机器人无线充电方法及装置
CN106980320A (zh) * 2017-05-18 2017-07-25 上海思岚科技有限公司 机器人充电方法及装置
CN107414825A (zh) * 2017-06-27 2017-12-01 中国科学技术大学 工业机器人平滑抓取移动物体的运动规划系统及其方法
CN107463173A (zh) * 2017-07-31 2017-12-12 广州维绅科技有限公司 仓储agv导航方法及装置、计算机设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726296A (zh) * 2009-12-22 2010-06-09 哈尔滨工业大学 空间机器人视觉测量、路径规划、gnc一体化仿真系统
CN106787266A (zh) * 2017-02-24 2017-05-31 安科智慧城市技术（中国）有限公司 一种移动机器人无线充电方法及装置
CN106980320A (zh) * 2017-05-18 2017-07-25 上海思岚科技有限公司 机器人充电方法及装置
CN107414825A (zh) * 2017-06-27 2017-12-01 中国科学技术大学 工业机器人平滑抓取移动物体的运动规划系统及其方法
CN107463173A (zh) * 2017-07-31 2017-12-12 广州维绅科技有限公司 仓储agv导航方法及装置、计算机设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FAN GUANGRUI等: "Vision-based autonomous docking and re-charging system for mobile robot in warehouse environment", 《2017 2ND INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION ENGINEERING (ICRAE)》 *
黎阳生: "变电站巡检机器人自主充电装置及对接控制研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021218013A1 (zh) * 2020-04-30 2021-11-04 苏州科瓴精密机械科技有限公司 自移动设备与充电站对接方法、装置、自移动设备及可读存储介质
CN111694358A (zh) * 2020-06-19 2020-09-22 北京海益同展信息科技有限公司 运送机器人的控制方法、装置、运送机器人和存储介质
CN113859383A (zh) * 2020-06-30 2021-12-31 京东科技信息技术有限公司 运送机器人及其控制方法
CN112022025A (zh) * 2020-08-14 2020-12-04 深圳市大象机器人科技有限公司 一种基于视觉定位的机器人自动回冲方法及系统
CN112183133A (zh) * 2020-08-28 2021-01-05 同济大学 一种基于ArUco码引导的移动机器人自主充电方法
CN112183133B (zh) * 2020-08-28 2022-05-31 同济大学 一种基于ArUco码引导的移动机器人自主充电方法
CN111994169A (zh) * 2020-09-08 2020-11-27 北京北特圣迪科技发展有限公司 基于位置补偿的独立驱动转向的表演小车运动控制方法
CN112700503A (zh) * 2020-12-29 2021-04-23 合肥学院 一种基于Dtag的智能垃圾车相对位姿定位方法及其装置
CN113103225A (zh) * 2021-03-03 2021-07-13 重庆大学 一种基于图像测量的移动机器人多阶段平稳自主对接方法
CN113103225B (zh) * 2021-03-03 2022-06-10 重庆大学 一种基于图像测量的移动机器人多阶段平稳自主对接方法
CN113485349A (zh) * 2021-07-21 2021-10-08 广州市刑事科学技术研究所 一种基于多传感器设备对接方法
CN117193334A (zh) * 2023-11-07 2023-12-08 宁德思客琦智能装备有限公司 一种机器人远程控制延迟优化方法及装置、电子设备

Also Published As

Publication number Publication date
CN108983603B (zh) 2021-07-16

Similar Documents

Publication Publication Date Title
CN108983603A (zh) 一种机器人与物体的对接方法及其机器人
Vasiljević et al. High-accuracy vehicle localization for autonomous warehousing
Savkin et al. A simple biologically inspired algorithm for collision-free navigation of a unicycle-like robot in dynamic environments with moving obstacles
Leishman et al. Relative navigation approach for vision-based aerial GPS-denied navigation
Murali et al. Perception-aware trajectory generation for aggressive quadrotor flight using differential flatness
Digani et al. Obstacle avoidance for industrial AGVs
Wang et al. Autonomous target docking of nonholonomic mobile robots using relative pose measurements
Barton Controller development and implementation for path planning and following in an autonomous urban vehicle
Brezak et al. Path smoothing using clothoids for differential drive mobile robots
Velasco et al. The use of intent information in conflict detection and resolution models based on dynamic velocity obstacles
Ravankar et al. A hybrid topological mapping and navigation method for large area robot mapping
Gunawan et al. Smoothed a-star algorithm for nonholonomic mobile robot path planning
CN107421545A (zh) 一种机器人的位置偏差检测方法、装置及机器人
Cimurs et al. Time-optimized 3D path smoothing with kinematic constraints
Li et al. Real time path planning for a class of torpedo-type AUVs in unknown environment
Lin et al. Path planning for autonomous car parking
CN111580530B (zh) 一种定位方法、装置、自主移动设备及介质
Marzoughi Switching navigation for a fleet of mobile robots in multi-obstacle regions
Juntao et al. Research of AGV positioning based on the two-dimensional Code Recognition Method
Nieuwenhuisen et al. Local multiresolution trajectory optimization for micro aerial vehicles employing continuous curvature transitions
Nieuwenhuisen et al. 3D planning and trajectory optimization for real-time generation of smooth MAV trajectories
Piccinelli et al. Hybrid motion planner integrating global voronoi diagrams and local velocity obstacle method
Potiris et al. Terrain-based path planning and following for an experimental mars rover
Deittert et al. Receding horizon control in unknown environments: Experimental results
CN112947487B (zh) 一种自动引导车辆及其曲线路径跟踪方法、控制装置

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