CN109483541B - 一种基于分解速度规划算法的移动物体抓取方法 - Google Patents

一种基于分解速度规划算法的移动物体抓取方法 Download PDF

Info

Publication number
CN109483541B
CN109483541B CN201811399335.XA CN201811399335A CN109483541B CN 109483541 B CN109483541 B CN 109483541B CN 201811399335 A CN201811399335 A CN 201811399335A CN 109483541 B CN109483541 B CN 109483541B
Authority
CN
China
Prior art keywords
mechanical arm
acceleration
moving object
speed
axis
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.)
Active
Application number
CN201811399335.XA
Other languages
English (en)
Other versions
CN109483541A (zh
Inventor
刘山
叶昕宇
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201811399335.XA priority Critical patent/CN109483541B/zh
Publication of CN109483541A publication Critical patent/CN109483541A/zh
Application granted granted Critical
Publication of CN109483541B publication Critical patent/CN109483541B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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)
  • Numerical Control (AREA)
  • Manipulator (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于分解速度规划算法的移动物体抓取方法。在已知移动物体状态的情况下基于分解速度规划算法先实现机械臂末端对移动物体的稳定跟踪，在稳定跟踪之后再对物体进行抓取操作。该算法基于移动物体和机械臂的状态建立分解坐标系，并分别在分解坐标系的x、y和z轴上规划能在约束机械臂的最大速度和最大加速度的情况下以最短时间实现跟踪目标的加速度指令，进而在较短的时间内实现机械臂末端对移动物体的稳定跟踪从而进行抓取操作，在一定程度上解决了传统跟踪算法由于收敛速度较慢从而可能导致抓取失败的问题。

Description

一种基于分解速度规划算法的移动物体抓取方法
技术领域
本发明涉及一种机械臂对移动物体的抓取方法，尤其涉及一种基于分解速度规划算法的移动物体抓取方法。
背景技术
目前，在传统的自动制造工业中，对于使用工业机械臂抓取传送带上移动物体的任务而言，大多数都是通过事先检测目标物体的状态，然后用离线的方式控制机械臂来实现该任务，这种方式对于可长期预测其状态的物体固然可行，但只要物体的实际状态与预测状态不一致，那么这种方法就没办法实现抓取任务了，并且，随着人们对自动化要求的提高，可以想象，未来的趋势必然是朝着机器人自主的实时的感知环境以获取更加丰富的环境信息并实现抓取作复杂运动物体的方向发展，而不仅仅只是局限于抓取可长期预测其状态的物体。
有许多学者致力于研究机械臂对移动物体的抓取问题，在早期的研究中，由于传感器性能的限制，无法实时的检测移动物体的状态，因此当时的学者主要关注于状态可长期预测的移动物体如处于传送带上的物体。由于这些物体的状态可以长期预测，于是便可以事先计算出机械臂末端与移动物体的会合点，然后控制机械臂直接到达这个会合点便可实现抓取动作，这种方式通常被称为预测、规划和执行的方法，Park等人便是采用这种方法解决机械臂跟踪传送带上物体的问题，Kimura等人将这种方法应用于让机械臂接一个以抛物线轨迹运动的球的任务。但由于这种方法依赖于移动物体状态的可预测性，采用离线的方式规划出会合点之后便直接控制机械臂末端到达该点，因此，对于一个实际状态会偏离预测状态的物体来说，这种方法便不再适用。
后来，由于视觉系统的发展，其采样频率得到了较大的提升，于是学者们使用视觉系统获取移动物体的相关信息，并由这些信息利用视觉伺服的方法来解决机械臂对移动物体的抓取问题。视觉伺服控制是一种基于视觉的机器人反馈控制方法，视觉伺服控制按误差类型的不同主要分为基于位置的视觉伺服控制、基于图像的视觉伺服控制和结合上述两种方式的混合视觉伺服控制，基于位置的视觉伺服控制通过视觉获得与任务相关的位置信息，而后直接利用该信息实现控制任务，而基于图像的视觉伺服控制则直接利用视觉传感器获取图片的特征来实现控制任务。Allen等人利用双目视觉获取一个移动玩具火车的位置信息，并用基于位置的视觉伺服控制成功的实现了抓取任务。
还有的学者使用基于导航与制导的方法来解决该问题，Mehrandezh等人针对机械臂抓取移动物体的子问题也即跟踪问题，提出在机械臂跟踪移动物体任务的第一阶段使用一种导航的方法，并在第二阶段切换传统跟踪方法来实现机械臂末端与移动物体速度的匹配。
但是上述提到的方法，预测、规划和执行的方法难以实现实时应用，视觉伺服控制的方法存在着收敛速度较慢的问题，基于导航与制导的方法也由于方法切换的方式存在着收敛速度不稳定的问题。
发明内容
本发明的目的是提供一种计算量小，能实时应用的且收敛速度足够快的跟踪算法用于解决机械臂抓取移动物体的问题。
基于以上阐述，本发明通过以下技术方案予以实现：一种基于分解速度规划算法的移动物体抓取方法，该方法包括以下步骤：
(1)获取机械臂的状态信息，包括机械臂各个关节的位置和速度；获取移动物体的状态信息，包括移动物体的位置和速度；
(2)通过步骤(1)获得的移动物体和机械臂状态信息，使用分解速度规划算法得到机械臂末端的加速度指令，并由此计算得到机械臂末端的速度指令；所述分解速度规划算法具体为：
将机械臂末端视为质点A，移动物体视为质点B；
定义
Figure GDA0002517416870000021
分别为质点A的速度和加速度，
Figure GDA0002517416870000022
分别为质点B的速度和加速度；
以A为原点，先由
Figure GDA0002517416870000023
和
Figure GDA0002517416870000024
定义出x-y平面；
令
Figure GDA0002517416870000025
定义y轴与
Figure GDA0002517416870000026
同向，即
Figure GDA0002517416870000027
为
Figure GDA0002517416870000028
在y轴上的投影，当
Figure GDA0002517416870000029
时，用
Figure GDA00025174168700000210
代替式中的
Figure GDA00025174168700000211
令
Figure GDA00025174168700000212
定义x轴与
Figure GDA00025174168700000213
同向，即
Figure GDA00025174168700000214
为
Figure GDA00025174168700000215
在x轴上的投影，当
Figure GDA00025174168700000216
时，则定义x轴为与y轴垂直的任意方向；
z轴的方向则可由右手定则得到；
在约束质点A的最大速度Vmax与最大加速度amax的情况下，对质点A的加速度作以下规划：
a).规划质点A在x轴方向上的加速度
Figure GDA00025174168700000217
使得A以最短的时间沿着x轴方向移动
Figure GDA00025174168700000218
后
Figure GDA00025174168700000219
b).规划质点A在y轴方向上的加速度
Figure GDA00025174168700000220
使得A以最短的时间沿着y轴方向移动
Figure GDA00025174168700000221
后
Figure GDA00025174168700000222
其中
Figure GDA00025174168700000223
为质点B在这个过程中的位移；
c).规划质点A在z轴方向上的加速度
Figure GDA0002517416870000031
使得A在最短的时间内在z轴方向上的速度
Figure GDA0002517416870000032
并保持，以保证由
Figure GDA0002517416870000033
和
Figure GDA0002517416870000034
构成的x-y平面保持不变；
(3)通过机械臂的模型及其状态计算雅各比矩阵，将步骤(2)获得的机械臂末端速度指令转换为机械臂每个关节的速度指令，从而控制机械臂跟踪移动物体，并在稳定跟踪后进行抓取操作。
进一步地，所述步骤(1)中，所述移动物体的状态信息是首先通过传感器获得移动物体的位置数据，然后对其使用卡尔曼滤波器进行平滑和预测得到的，其包括位置和速度信息。
进一步地，所述步骤(1)中，所述机械臂是一个6自由度的工业机器人，其状态信息是通过机械臂控制器获得的，包括机械臂各个关节的位置和速度信息。
进一步地，在所述步骤(2)中，质点A在x轴方向上的加速度
Figure GDA0002517416870000035
的计算方法如下：
(A)假设A在x轴方向上以最大加速度加速或减速至0，计算在此过程中质点A的位移
Figure GDA0002517416870000036
(B)若
Figure GDA0002517416870000037
则令
Figure GDA0002517416870000038
否则令
Figure GDA0002517416870000039
(C)如果
Figure GDA00025174168700000310
或以步骤(B)中得到的加速度
Figure GDA00025174168700000311
让A运动至下一采样时刻时A的速度
Figure GDA00025174168700000312
则令
Figure GDA00025174168700000313
进一步地，在所述步骤(2)中，质点A在y轴方向上的加速度
Figure GDA00025174168700000314
的计算方法如下：
(A)假设A在y轴方向上以最大加速度加速或减速至
Figure GDA00025174168700000315
计算在此过程中质点A的位移
Figure GDA00025174168700000316
及其所花费的时间t；
(B)计算B在步骤(A)得到的时间t后的位移
Figure GDA00025174168700000317
若
Figure GDA00025174168700000318
则令
Figure GDA00025174168700000319
否则令
Figure GDA00025174168700000320
(C)如果
Figure GDA00025174168700000321
或以步骤(B)中得到的加速度
Figure GDA00025174168700000322
让A运动至下一采样时刻时A的速度
Figure GDA00025174168700000323
则令
Figure GDA00025174168700000324
进一步地，在所述步骤(2)中，质点A在z轴方向上的加速度
Figure GDA00025174168700000325
的计算方法如下：
(A)若
Figure GDA00025174168700000326
则令
Figure GDA00025174168700000327
(B)否则，若
Figure GDA00025174168700000328
则令
Figure GDA00025174168700000329
若
Figure GDA00025174168700000330
则令
Figure GDA00025174168700000331
其中T为采样时间。
进一步地，在所述步骤(2)中，机械臂末端的加速度指令为
Figure GDA00025174168700000332
机械臂末端下一时刻的速度指令
Figure GDA00025174168700000333
其中T为采样时间，
Figure GDA00025174168700000334
为当前时刻机械臂末端的速度。
本发明的有益效果：本发明提出了一种基于分解速度规划算法的移动物体抓取方法，基于移动物体和机械臂的状态建立分解坐标系，并分别在分解坐标系的x、y和z轴上规划能在约束机械臂的最大速度和最大加速度的情况下以最短时间实现跟踪目标的加速度指令，进而在较短的时间内实现机械臂末端对移动物体的稳定跟踪从而进行抓取操作，在一定程度上解决了传统跟踪算法由于收敛速度较慢从而可能导致抓取失败的问题。
附图说明
图1为本发明的流程图；
图2为本发明的机械臂跟踪移动物体的模型示意图；
图3为本发明的基于分解速度规划算法计算机械臂控制指令的流程图；
图4为本发明算法与PD算法在相同条件下，移动物体作直线运动时的仿真对比结果；
图5为本发明算法与PD算法在相同条件下，移动物体作正弦曲线运动时仿真对比结果；
图6为本发明算法与PD算法在相同条件下，移动物体作圆弧轨迹运动时仿真对比结果。
具体实施方式
下面结合附图对本发明作进一步描述，但本发明的实施方式并不局限于此。
参照图1，本发明提供的一种基于分解速度规划算法的移动物体抓取方法，该方法通过机械臂抓取目标移动物体，该方法包括以下步骤：
(1)获取机械臂的状态信息，包括机械臂各个关节的位置和速度；获取移动物体的状态信息，包括移动物体的位置和速度；
所述移动物体的状态信息是首先通过传感器获得移动物体的位置数据，然后对其使用卡尔曼滤波器进行平滑和预测得到的，其包括位置和速度信息；
所述机械臂是一个6自由度的工业机器人，其状态信息是通过机械臂控制器获得的，包括机械臂各个关节的位置和速度信息，进而由机械臂的模型可获得其末端的位置和速度信息。
(2)通过步骤(1)获得的移动物体和机械臂状态信息，使用分解速度规划算法得到机械臂末端的加速度指令，并由此计算得到机械臂末端的速度指令；
如图3所示，所述分解速度规划算法具体为：
将机械臂末端视为质点A，移动物体视为质点B，如图2所示；
定义
Figure GDA0002517416870000041
分别为质点A的速度和加速度，
Figure GDA0002517416870000042
分别为质点B的速度和加速度；
以A为原点，先由
Figure GDA0002517416870000043
和
Figure GDA0002517416870000044
定义出x-y平面；
令
Figure GDA0002517416870000045
定义y轴与
Figure GDA0002517416870000046
同向，即
Figure GDA0002517416870000047
为
Figure GDA0002517416870000048
在y轴上的投影，当
Figure GDA0002517416870000049
时，用
Figure GDA00025174168700000410
代替式中的
Figure GDA00025174168700000411
令
Figure GDA0002517416870000051
定义x轴与
Figure GDA0002517416870000052
同向，即
Figure GDA0002517416870000053
为
Figure GDA0002517416870000054
在x轴上的投影，当
Figure GDA0002517416870000055
时，则定义x轴为与y轴垂直的任意方向；
z轴的方向则可由右手定则得到；
在约束质点A的最大速度Vmax与最大加速度amax的情况下，对质点A的加速度作以下规划：
a).规划质点A在x轴方向上的加速度
Figure GDA0002517416870000056
使得A以最短的时间沿着x轴方向移动
Figure GDA0002517416870000057
后
Figure GDA0002517416870000058
质点A在x轴方向上的加速度
Figure GDA0002517416870000059
的计算方法如下：
(A)假设A在x轴方向上以最大加速度加速或减速至0，计算在此过程中质点A的位移
Figure GDA00025174168700000510
(B)若
Figure GDA00025174168700000511
则令
Figure GDA00025174168700000512
否则令
Figure GDA00025174168700000513
(C)如果
Figure GDA00025174168700000514
或以步骤(B)中得到的加速度
Figure GDA00025174168700000515
让A运动至下一采样时刻时A的速度
Figure GDA00025174168700000516
则令
Figure GDA00025174168700000517
b).规划质点A在y轴方向上的加速度
Figure GDA00025174168700000518
使得A以最短的时间沿着y轴方向移动
Figure GDA00025174168700000519
后
Figure GDA00025174168700000520
其中
Figure GDA00025174168700000521
为质点B在这个过程中的位移；
质点A在y轴方向上的加速度
Figure GDA00025174168700000522
的计算方法如下：
(A)假设A在y轴方向上以最大加速度加速或减速至
Figure GDA00025174168700000523
计算在此过程中质点A的位移
Figure GDA00025174168700000524
及其所花费的时间t；
(B)计算B在步骤(A)得到的时间t后的位移
Figure GDA00025174168700000525
若
Figure GDA00025174168700000526
则令
Figure GDA00025174168700000527
否则令
Figure GDA00025174168700000528
(C)如果
Figure GDA00025174168700000529
或以步骤(B)中得到的加速度
Figure GDA00025174168700000530
让A运动至下一采样时刻时A的速度
Figure GDA00025174168700000531
则令
Figure GDA00025174168700000532
c).规划质点A在z轴方向上的加速度
Figure GDA00025174168700000533
使得A在最短的时间内在z轴方向上的速度
Figure GDA00025174168700000534
并保持，以保证由
Figure GDA00025174168700000535
和
Figure GDA00025174168700000536
构成的x-y平面保持不变；
质点A在z轴方向上的加速度
Figure GDA00025174168700000537
的计算方法如下：
(A)若
Figure GDA00025174168700000538
则令
Figure GDA00025174168700000539
(B)否则，若
Figure GDA00025174168700000540
则令
Figure GDA00025174168700000541
若
Figure GDA00025174168700000542
则令
Figure GDA00025174168700000543
其中T为采样时间。
机械臂末端的加速度指令为
Figure GDA00025174168700000544
机械臂末端下一时刻的速度指令
Figure GDA0002517416870000061
其中T为采样时间，
Figure GDA0002517416870000062
为当前时刻机械臂末端的速度。
(3)通过机械臂的模型及其状态计算雅各比矩阵，将步骤(2)获得的机械臂末端速度指令转换为机械臂每个关节的速度指令，从而控制机械臂跟踪移动物体，并在稳定跟踪后进行抓取操作。具体为：
由机械臂的关节角θ及其模型计算雅各比矩阵J，并由其伪逆左乘步骤(2)中获得的机械臂末端速度指令
Figure GDA0002517416870000063
计算机械臂每个关节的速度指令
Figure GDA0002517416870000064
基于该速度指令ω控制机械臂跟踪移动物体，并在稳定跟踪后进行抓取操作，稳定跟踪即机械臂末端与移动物体保持相对静止。
参照图4、5和6，本发明给出了分解速度规划算法与一种传统跟踪算法在相同条件下的3个仿真对比，其中，传统跟踪算法为一种PD型算法，其公式如下
Figure GDA0002517416870000065
Figure GDA0002517416870000066
其中
Figure GDA0002517416870000067
和
Figure GDA0002517416870000068
分别为机械臂末端点的位置和速度，
Figure GDA0002517416870000069
和
Figure GDA00025174168700000610
分别为移动物体的位置和速度。
在3个仿真中分别限制机械臂末端点的最大加速度和最大速度和移动物体的最大加速度和最大速度为aint_max＝0.3,Vint_max＝1.5,atar_max＝0.2,Vtar_max＝0.8，其中在对PD算法进行仿真时未对机械臂末端的最大速度作限制，但这只会加快PD算法的收敛速度；设机械臂末端的初始加速度、速度和位置分别为
Figure GDA00025174168700000611
移动物体的初始加速度、速度和位置分别为
Figure GDA00025174168700000612
采样时间Tsample＝0.05，KD＝2,KP＝1，当物体的速度大于等于Vtar_max时，将物体的加速度设为0，在这些条件下对两种算法进行仿真对比，且认为当机械臂末端点和移动物体中点的速度及位置差在一定的时间T＝0.5s内均小于一定的阈值Vthre,Pthre时机械臂末端点成功实现了对物体的跟踪，并以此时所用的时间作为跟踪耗时。仿真对比结果如图4、5和6所示，其中实线为移动物体的路径，点线为使用分解速度规划算法时机械臂末端点的运动路径，虚线为使用PD算法时机械臂末端点的运动路径，每幅图对应的仿真初始状态示于表1。
表1仿真测试的初始状态
Figure GDA0002517416870000071
在图4的仿真中，移动物体以恒定加速度
Figure GDA0002517416870000072
作运动直至其速度达到了最大速度Vtar_max，然后以恒定的速度Vtar_max运动，分解速度规划算法与PD算法在该仿真中的跟踪时间分别为27.45s和44.45s。
在图5的仿真中，移动物体以加速度
Figure GDA0002517416870000073
作运动，其运动轨迹为正弦曲线，分解速度规划算法与PD算法在该仿真中的跟踪时间分别为26.55s和40.3s。
在图6的仿真中，移动物体以加速度
Figure GDA0002517416870000074
作运动，其运动轨迹为圆弧，分解速度规划算法与PD算法在该仿真中的跟踪时间分别为23.95s和35.5s。
本技术领域的人员根据本发明所提供的文字描述、附图以及权利要求书能够很容易在不脱离权利要求书所限定的本发明的思想和范围条件下，可以做出多种变化和改动。凡是依据本发明的技术思想和实质对上述实施例进行的任何修改、等同变化，均属于本发明的权利要求所限定的保护范围之内。

Claims (4)

1.一种基于分解速度规划算法的移动物体抓取方法，其特征在于，该方法通过机械臂抓取目标移动物体，该方法包括以下步骤：
(1)获取机械臂的状态信息，包括机械臂各个关节的位置和速度；获取移动物体的状态信息，包括移动物体的位置和速度；
(2)通过步骤(1)获得的移动物体和机械臂状态信息，使用分解速度规划算法得到机械臂末端的加速度指令，并由此计算得到机械臂末端的速度指令；所述分解速度规划算法具体为：
将机械臂末端视为质点A，移动物体视为质点B；
定义
Figure FDA0002517410410000011
分别为质点A的速度和加速度，
Figure FDA0002517410410000012
分别为质点B的速度和加速度；
以A为原点，先由
Figure FDA0002517410410000013
和
Figure FDA0002517410410000014
定义出x-y平面；
令
Figure FDA0002517410410000015
定义y轴与
Figure FDA0002517410410000016
同向，即
Figure FDA0002517410410000017
为
Figure FDA0002517410410000018
在y轴上的投影，当
Figure FDA0002517410410000019
时，用
Figure FDA00025174104100000110
代替式中的
Figure FDA00025174104100000111
令
Figure FDA00025174104100000112
定义x轴与
Figure FDA00025174104100000113
同向，即
Figure FDA00025174104100000114
为
Figure FDA00025174104100000115
在x轴上的投影，当
Figure FDA00025174104100000116
时，则定义x轴为与y轴垂直的任意方向；
z轴的方向则可由右手定则得到；
在约束质点A的最大速度Vmax与最大加速度amax的情况下，对质点A的加速度作以下规划：
a).规划质点A在x轴方向上的加速度
Figure FDA00025174104100000117
使得A以最短的时间沿着x轴方向移动
Figure FDA00025174104100000118
后
Figure FDA00025174104100000119
b).规划质点A在y轴方向上的加速度
Figure FDA00025174104100000120
使得A以最短的时间沿着y轴方向移动
Figure FDA00025174104100000121
后
Figure FDA00025174104100000122
其中
Figure FDA00025174104100000123
为质点B在这个过程中的位移；
c).规划质点A在z轴方向上的加速度
Figure FDA00025174104100000124
使得A在最短的时间内在z轴方向上的速度
Figure FDA00025174104100000125
并保持，以保证由
Figure FDA00025174104100000126
和
Figure FDA00025174104100000127
构成的x-y平面保持不变；
其中，质点A在x轴方向上的加速度
Figure FDA00025174104100000128
的计算方法如下：
(A)假设A在x轴方向上以最大加速度加速或减速至0，计算在此过程中质点A的位移
Figure FDA00025174104100000129
(B)若
Figure FDA00025174104100000130
则令
Figure FDA00025174104100000131
否则令
Figure FDA00025174104100000132
(C)如果
Figure FDA00025174104100000133
或以步骤(B)中得到的加速度
Figure FDA00025174104100000134
让A运动至下一采样时刻时A的速度
Figure FDA00025174104100000135
则令
Figure FDA00025174104100000136
质点A在y轴方向上的加速度
Figure FDA0002517410410000021
的计算方法如下：
(A)假设A在y轴方向上以最大加速度加速或减速至
Figure FDA0002517410410000022
计算在此过程中质点A的位移
Figure FDA0002517410410000023
及其所花费的时间t；
(B)计算B在步骤(A)得到的时间t后的位移
Figure FDA0002517410410000024
若
Figure FDA0002517410410000025
则令
Figure FDA0002517410410000026
否则令
Figure FDA0002517410410000027
(C)如果
Figure FDA0002517410410000028
或以步骤(B)中得到的加速度
Figure FDA0002517410410000029
让A运动至下一采样时刻时A的速度
Figure FDA00025174104100000210
则令
Figure FDA00025174104100000211
质点A在z轴方向上的加速度
Figure FDA00025174104100000212
的计算方法如下：
(A)若
Figure FDA00025174104100000213
则令
Figure FDA00025174104100000214
(B)否则，若
Figure FDA00025174104100000215
则令
Figure FDA00025174104100000216
若
Figure FDA00025174104100000217
则令
Figure FDA00025174104100000218
其中T为采样时间；
(3)通过机械臂的模型及其状态计算雅各比矩阵，将步骤(2)获得的机械臂末端速度指令转换为机械臂每个关节的速度指令，从而控制机械臂跟踪移动物体，并在稳定跟踪后进行抓取操作。
2.根据权利要求1所述的一种基于分解速度规划算法的移动物体抓取方法，其特征在于：所述步骤(1)中，所述移动物体的状态信息是首先通过传感器获得移动物体的位置数据，然后对其使用卡尔曼滤波器进行平滑和预测得到的，其包括位置和速度信息。
3.根据权利要求1所述的一种基于分解速度规划算法的移动物体抓取方法，其特征在于：所述步骤(1)中，所述机械臂是一个6自由度的工业机器人，其状态信息是通过机械臂控制器获得的，包括机械臂各个关节的位置和速度信息。
4.根据权利要求1所述的一种基于分解速度规划算法的移动物体抓取方法，其特征在于：在所述步骤(2)中，机械臂末端的加速度指令为
Figure FDA00025174104100000219
机械臂末端下一时刻的速度指令
Figure FDA00025174104100000220
其中T为采样时间，
Figure FDA00025174104100000221
为当前时刻机械臂末端的速度。
CN201811399335.XA 2018-11-22 2018-11-22 一种基于分解速度规划算法的移动物体抓取方法 Active CN109483541B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811399335.XA CN109483541B (zh) 2018-11-22 2018-11-22 一种基于分解速度规划算法的移动物体抓取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811399335.XA CN109483541B (zh) 2018-11-22 2018-11-22 一种基于分解速度规划算法的移动物体抓取方法

Publications (2)

Publication Number Publication Date
CN109483541A CN109483541A (zh) 2019-03-19
CN109483541B true CN109483541B (zh) 2020-09-04

Family

ID=65697451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811399335.XA Active CN109483541B (zh) 2018-11-22 2018-11-22 一种基于分解速度规划算法的移动物体抓取方法

Country Status (1)

Country Link
CN (1) CN109483541B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113510701B (zh) * 2021-05-20 2022-08-09 深圳先进技术研究院 机器人的控制方法、机器人及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003015739A (ja) * 2001-07-02 2003-01-17 Yaskawa Electric Corp 外環境地図、並びに自己位置同定装置および誘導制御装置
CN103213129A (zh) * 2013-04-17 2013-07-24 北京空间飞行器总体设计部 一种空间机械臂位置力混合控制方法
CN103760908A (zh) * 2014-01-03 2014-04-30 北京控制工程研究所 一种巡视器闭环跟踪控制方法
CN105700530A (zh) * 2016-04-11 2016-06-22 南京埃斯顿自动化股份有限公司 一种机器人关节空间传送带跟随运动的轨迹规划方法
CN105892402A (zh) * 2016-06-17 2016-08-24 浙江理工大学 机械臂点到点运动控制方法
CN107671859A (zh) * 2017-10-20 2018-02-09 山东大学 基于s曲线加减速的运动目标动态跟踪方法、系统及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003015739A (ja) * 2001-07-02 2003-01-17 Yaskawa Electric Corp 外環境地図、並びに自己位置同定装置および誘導制御装置
CN103213129A (zh) * 2013-04-17 2013-07-24 北京空间飞行器总体设计部 一种空间机械臂位置力混合控制方法
CN103760908A (zh) * 2014-01-03 2014-04-30 北京控制工程研究所 一种巡视器闭环跟踪控制方法
CN105700530A (zh) * 2016-04-11 2016-06-22 南京埃斯顿自动化股份有限公司 一种机器人关节空间传送带跟随运动的轨迹规划方法
CN105892402A (zh) * 2016-06-17 2016-08-24 浙江理工大学 机械臂点到点运动控制方法
CN107671859A (zh) * 2017-10-20 2018-02-09 山东大学 基于s曲线加减速的运动目标动态跟踪方法、系统及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Autonomous robotic capture of non-cooperative target by adaptive extended Kalman filter based visual servo;Gangqi Dong;《Acta Astronautica》;20160630;第122卷;209-218 *

Also Published As

Publication number Publication date
CN109483541A (zh) 2019-03-19

Similar Documents

Publication Publication Date Title
Wen et al. Elman fuzzy adaptive control for obstacle avoidance of mobile robots using hybrid force/position incorporation
JP2020516475A5 (zh)
CN108189034B (zh) 一种机器人连续轨迹实现方法
CN111026164A (zh) 一种机器人目标跟踪轨迹规划方法
CN114274129A (zh) 基于视觉引导的机械臂运动规划与控制方法、系统及介质
US20210205992A1 (en) Robotic system with dynamic motion adjustment mechanism and methods of operating same
CN113031621A (zh) 一种桥式起重机安全避障路径规划方法及系统
CN109483541B (zh) 一种基于分解速度规划算法的移动物体抓取方法
Leeper et al. Methods for collision-free arm teleoperation in clutter using constraints from 3d sensor data
Ye et al. Velocity decomposition based planning algorithm for grasping moving object
El-Hussieny et al. A novel intention prediction strategy for a shared control tele-manipulation system in unknown environments
Buttazzo et al. Mousebuster: a robot system for catching fast moving objects by vision
Norizuki et al. Contact prediction control for a teleoperation system with time delay
Dalvand et al. Improvements in teleoperation of industrial robots without low-level access
CN111699079B (zh) 协调系统、操作设备和方法
Agah et al. On-line robotic interception planning using a rendezvous-guidance technique
CN114378830A (zh) 一种机器人腕关节奇异规避方法及系统
Vergara et al. Hybrid position-force control for a stewart platform
Jin et al. A Synthetic Algorithm for Tracking a Moving Object in a Multiple‐Dynamic Obstacles Environment Based on Kinematically Planar Redundant Manipulators
CN111263685B (zh) 机器人方法和系统
Goller et al. Model predictive interaction control based on a path-following formulation
Cheung et al. Visual guided adaptive robotic interceptions with occluded target motion estimations
Ren et al. A novel real-time motion control approach for omni-directional mobile robots
CN116300966B (zh) 一种人机协作搬运的协作机器人控制方法
US20230109223A1 (en) Intelligent clear path

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