CN110488819A - 一种基于模糊逻辑的机器人碰撞风险评价方法 - Google Patents
一种基于模糊逻辑的机器人碰撞风险评价方法 Download PDFInfo
- Publication number
- CN110488819A CN110488819A CN201910735803.4A CN201910735803A CN110488819A CN 110488819 A CN110488819 A CN 110488819A CN 201910735803 A CN201910735803 A CN 201910735803A CN 110488819 A CN110488819 A CN 110488819A
- Authority
- CN
- China
- Prior art keywords
- robot
- barrier
- risk
- collision
- fuzzy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 30
- 230000004888 barrier function Effects 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 35
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012502 risk assessment Methods 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 2
- 238000011835 investigation Methods 0.000 abstract 1
- 230000000386 athletic effect Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本说明书实施例提供了一种基于模糊逻辑的机器人碰撞风险评价方法,包括基于障碍物的距离和碰撞时间的信息收集和计算;所述的距离和碰撞时间,根据机器人和障碍物分别在二维俯视图中不同坐标轴下的位置以及相对速度计算得到;根据人类专家的经验以及用户的调查,设定基于距离和碰撞时间的隶属度函数以及模糊规则,然后用传统模糊评价法评价出不同环境下机器人与障碍物发生碰撞的模糊集合,最后经过去模糊化处理可以量化出机器人与障碍物发生碰撞的风险等级。
Description
技术领域
本发明涉及碰撞风险评价方法,尤其涉及一种基于模糊逻辑的机器人碰撞风险评价方法。
背景技术
目前在碰撞风险评价领域,主要是有三大类的技术解决方案:基于轨迹预测的风险评价方法、基于传感器的风险评价方法以及基于障碍物运动姿态信息的风险评估方法。
1)基于轨迹预测的风险评价方法,需要通过考虑障碍物的运动轨迹以及障碍物的位置,计算障碍物与机器人的碰撞威胁程度,从而用优化算法为机器人设计一条合理的运动路线。这种算法在面对障碍物轨迹先验知识不足的场景中,很难保证检测的实时性。同时在评估风险和规划路线时,对优化方程的要求较高。
2)基于传感器的风险评价方法,需要依赖传感器直接对环境的感知,并且根据感知结果对障碍物进行风险评估。这种方法由于极少利用到已知的其它关于环境的有价值信息,从而很难达到实时性的要求。
3)基于障碍物运动姿态信息的风险评估方法,需要根据障碍物到达机器人的距离以及机器人的速度信息来评价障碍物与机器人的碰撞风险。这种方法缺少了障碍物的其他运动姿态信息包括障碍物的速度信息,同时缺少了其它能够影响障碍物与机器人碰撞风险的参考因子。
发明内容
本发明针对现有技术的不足,提出一种基于模糊逻辑的机器人碰撞风险评价方法,包括将障碍物追踪模块获取并计算得到的障碍物运动姿态信息作为碰撞风险评估的参考因素,以及用模糊逻辑算法将不同的参考因素进行模糊化、推理、去模糊化的处理,最终得到障碍物与机器人的碰撞风险等级。本发明的方法可以有效解决现有碰撞风险评价存在的上述问题。
本发明为解决上述技术问题采用的技术方案为,一种机器人碰撞风险评价方法,包括:
以障碍物到机器人的距离和障碍物与机器人碰撞时间作为参考变量, 进行障碍物和机器碰撞的风险评估;
对所述距离和所述碰撞时间进行模糊化处理,使得基于不同量纲的两个变量统一于一个量纲下;
使用模糊推理、模糊规则,推导在不同环境中,不同的距离和碰撞时间的组合下,所述统一量纲的障碍物和机器人碰撞的风险等级;
对所述统一量纲的障碍物和机器人碰撞的风险等级进行去模糊化,得到所述距离和所述碰撞时间在原有量纲下,不同组合的机器人与障碍物的碰撞风险等级。
优选地,所述的机器人碰撞风险评价方法,其中,所述障碍物到机器人的距离需要根据获得的障碍物以及机器人的位置信息,经过计算得到。
优选地,所述的机器人碰撞风险评价方法,其中,所述的碰撞时间信息需要根据获得的二维俯视图下,障碍物的速度信息,以及所述距离计算得到。
具体地,所述的机器人碰撞风险评价方法,其中,障碍物的速度信息包括线速度与角速度。
优选地,所述的机器人碰撞风险评价方法,其中,所述模糊化处理,为分别计算所述距离和所述碰撞时间的隶属度函数。
优选地,所述的机器人碰撞风险评价方法,其中,所述模糊规则,为使用模糊逻辑表述的进行风险评估的专家规则。
优选地,所述的机器人碰撞风险评价方法,其中,所述模糊推理的推导结果是所述距离和所述碰撞时间的模糊集合。
以上本发明所采用的技术方案与现有技术相比,具有以下技术优点:
相对于轨迹预测法,本发明的方法对于障碍物的完整运动轨迹不需要非常完备的信息,在只有有限的运动信息时实时性依然较好,计算模型和优化过程也更为容易;相对于传感器法,较少依赖传感器的能力,实时性更好;相对于障碍物运动姿态法,不单纯考量机器人速度,而且考量了障碍物的速度,因此碰撞风险的评估更为全面,效果也更为准确。同时,本发明方法引入合理的威胁评估的变量-距离信息以及碰撞时间,两者结合展现障碍物对机器人的碰撞威胁的直观性很好;模糊推理方法则便于将不同量纲下的评估变量统一到同一个衡量标准下,并且方便的使用模糊逻辑来表述进行风险判断的专家规则,并进而据以推导出评估结果。
附图说明
通过结合附图描述本说明书实施例,可以使得本说明书实施例更加清楚:
图1是本发明提供的一种基于模糊逻辑的机器人碰撞风险评价方法的流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细地描述。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
本发明提供的碰撞风险评价方法中,采用的碰撞风险参考因素,包括障碍物与机器人之间的距离以及碰撞时间。这两种数据的获得可来源于一个障碍物运动姿态信息追踪模块,该追踪模块获得的信息包括障碍物位置信息以及障碍物与机器人的相对速度信息。然后,从机器人的定位信息可以获得机器人的位置信息。从以上得到的机器人和障碍物的位置信息、以及它们之间相对速度信息,使用牛顿运动定律可以计算得到障碍物和机器人之间的距离和碰撞时间。使用障碍物与机器人的距离和碰撞时间作为评价因素,主要基于以下考虑:障碍物与机器人的距离和碰撞时间就可以详细地描述障碍物相对机器人的运动姿态,为评价障碍物和机器人发生碰撞的风险等级提供可靠且完备的依据;障碍物与机器人的距离和碰撞时间在评估碰撞风险中,具有良好的直观性。
本发明提供的碰撞风险评价方法中,使用的评估风险的算法是基于模糊逻辑的算法,其整体的思路是,先将不同单位、不同测量空间的变量进行模糊化处理,从而将它们统一到相同的测量空间中,然后根据已有的模糊规则进行模糊推理得到不同变量在不同环境下的模糊集合,最后对模糊集合进行去模糊化处理,就能得到相应的不同变量在不同环境下障碍物对机器人的碰撞风险等级。
在其中一个实施例中,所述的评估风险的模糊逻辑算法具体做法为,针对计算得到的距离以及碰撞时间这两个不同量纲下的变量,先给出两个变量在各自不同测量空间内的隶属度函数,其效果是将这两个不同量纲下的变量变成可以统一在一个量纲下进行度量。然后,针对不同的距离和碰撞时间的组合,应用相应的模糊规则和传统模糊推理方法推导出相应的碰撞风险评价。最后经过去模糊化处理,可以得到两种变量在不同组合的情况下,即不同的距离和碰撞时间组合下,机器人与障碍物的碰撞风险等级。
在另一个实施例中,所述的模糊规则为采用模糊逻辑表述的进行风险判断评估的专家规则。
图1是本发明提供的一种基于模糊逻辑的机器人碰撞风险评价方法的流程图,步骤如下:
步骤S101,获取获得障碍物的位置、机器人的位置信息,障碍物与机器人的相对运动速度信息。
在一个实施例中,通过一个追踪模块获得障碍物运动姿态信息,所述障碍物运动姿态信息包括障碍物的位置信息,以及障碍物与机器人的相对运动速度信息。
通过传感器收集得到机器人的位置信息。
在另一个实施例中,所述追踪模块不需要单纯依赖传感器收集需要的信息,也不依赖障碍物运动的轨迹模型来获得需要的信息。步骤S103,根据获得的障碍物位置信息和机器人的位置信息,计算得到障碍物和机器人的距离。
步骤S104,根据距离信息以及相对速度信息计算得到障碍物到机器人的碰撞时间。在一个实施例中,具体方法为,分别计算在俯视图中的运动矢量横坐标方向分量和运动矢量纵坐标方向分量不同的碰撞时间,并选取碰撞时间最大数值作为最终障碍物与机器人发生碰撞的时间变量。
步骤S105,将距离以及碰撞时间两个变量进行模糊化处理,在一个实施例中,具体方法为分别计算距离和碰撞时间两个变量相应的隶属度函数。
步骤S107,根据模糊逻辑规则,使用传统模糊化推理方法,得到距离和碰撞时间两个变量在不同环境下的模糊集合。
即为,推导出在不同环境中,不同的距离和碰撞时间的组合下,模糊集合表示的障碍物和机器人碰撞的风险等级。在一个实施例中,所述的模糊化推理方法,具体的说是使用Mamdani模糊推理方法。
步骤109,将步骤S107得到的模糊集合进行去模糊化处理,得到距离和碰撞时间在不同环境下对应于步骤S107所得模糊集合的输出值,即还原到距离和碰撞时间的度量下,不同组合的机器人与障碍物的碰撞风险等级。
从以上实施例可以看出,本发明公开的一种基于模糊逻辑的机器人碰撞风险评价方法,具有如下优点:方便可靠,提升了此类碰撞风险评估的有效性;不需要完备的障碍物完整运动轨迹信息,在有限的运动信息条件下,实时性较好,计算模型和优化过程困难度较低;较少依赖于传感器的影响;引入的碰撞威胁评估变量比较合理,距离信息以及碰撞时间可以直观地展现障碍物对机器人的碰撞威胁;所使用的模糊推理方法易于将不同量纲下的变量统一到同一个衡量标准下,从而方便于将不同评估变量融合在一起,且易于使用模糊逻辑来表述风险判断的专家规则,并进而以之推导出评估结果。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域普通技术人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执轨道,取决于技术方案的特定应用和设计约束条件。本领域普通技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执轨道的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,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 (7)
1.一种机器人碰撞风险评价方法,包括:
得到障碍物到机器人的距离和障碍物与机器人碰撞时间;
对所述距离和所述碰撞时间进行模糊化处理;
对上述模糊化处理的结果,根据模糊逻辑表述的规则,使用模糊推理的方法,推导出障碍物和机器人碰撞的风险等级;
对所述障碍物和机器人碰撞的风险等级进行去模糊化,得到在原有的所述距离和所述碰撞时间的度量下,机器人与障碍物的碰撞风险等级。
2.根据权利要求1所述的机器人碰撞风险评价方法,其特征在于,所述障碍物到机器人的距离需要根据获得的障碍物以及机器人的位置信息,经过计算得到。
3.根据权利要求1所述的机器人碰撞风险评价方法,其特征在于,所述的碰撞时间信息需要根据获得的二维俯视图下,障碍物的速度信息,以及所述距离计算得到。
4.根据权利要求3所述的机器人碰撞风险评价方法,其特征在于,障碍物的速度信息包括线速度与角速度。
5.根据权利要求1所述的机器人碰撞风险评价方法,其特征在于,所述模糊化处理,为分别计算所述距离和所述碰撞时间的隶属度函数。
6.根据权利要求1所述的机器人碰撞风险评价方法,其特征在于,所述模糊逻辑表述的规则,为使用模糊逻辑表述的进行风险评估的专家规则。
7.根据权利要求1所述的机器人碰撞风险评价方法,其特征在于,所述模糊推理的推导结果是所述距离和所述碰撞时间的模糊集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910735803.4A CN110488819A (zh) | 2019-08-09 | 2019-08-09 | 一种基于模糊逻辑的机器人碰撞风险评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910735803.4A CN110488819A (zh) | 2019-08-09 | 2019-08-09 | 一种基于模糊逻辑的机器人碰撞风险评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110488819A true CN110488819A (zh) | 2019-11-22 |
Family
ID=68550519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910735803.4A Pending CN110488819A (zh) | 2019-08-09 | 2019-08-09 | 一种基于模糊逻辑的机器人碰撞风险评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110488819A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111414010A (zh) * | 2020-04-14 | 2020-07-14 | 中国人民解放军32180部队 | 编队内无人机防撞优先级设计方法 |
CN111562785A (zh) * | 2020-05-15 | 2020-08-21 | 中南大学 | 一种群集机器人协同覆盖的路径规划方法及系统 |
CN114800496A (zh) * | 2022-04-18 | 2022-07-29 | 中国科学院空间应用工程与技术中心 | 空间机器人接触操作的风险判定方法、系统、介质及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635494A (zh) * | 2015-02-06 | 2015-05-20 | 西安电子科技大学 | 一种基于遗传算法优化的车辆追尾碰撞模糊控制方法 |
US20180165974A1 (en) * | 2015-05-29 | 2018-06-14 | Anthony Bonkoski | Vehicle collision prevention |
-
2019
- 2019-08-09 CN CN201910735803.4A patent/CN110488819A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635494A (zh) * | 2015-02-06 | 2015-05-20 | 西安电子科技大学 | 一种基于遗传算法优化的车辆追尾碰撞模糊控制方法 |
US20180165974A1 (en) * | 2015-05-29 | 2018-06-14 | Anthony Bonkoski | Vehicle collision prevention |
Non-Patent Citations (2)
Title |
---|
周亦敏等: "基于模糊控制的电脑鼠行进速度的控制", 《微计算机信息》 * |
雷艳敏等: "基于混合式控制结构的多机器人编队控制研究", 《计算机工程与应用》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111414010A (zh) * | 2020-04-14 | 2020-07-14 | 中国人民解放军32180部队 | 编队内无人机防撞优先级设计方法 |
CN111414010B (zh) * | 2020-04-14 | 2023-05-23 | 中国人民解放军32180部队 | 编队内无人机防撞优先级设计方法 |
CN111562785A (zh) * | 2020-05-15 | 2020-08-21 | 中南大学 | 一种群集机器人协同覆盖的路径规划方法及系统 |
CN114800496A (zh) * | 2022-04-18 | 2022-07-29 | 中国科学院空间应用工程与技术中心 | 空间机器人接触操作的风险判定方法、系统、介质及设备 |
CN114800496B (zh) * | 2022-04-18 | 2023-11-03 | 中国科学院空间应用工程与技术中心 | 空间机器人接触操作的风险判定方法、系统、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110488819A (zh) | 一种基于模糊逻辑的机器人碰撞风险评价方法 | |
Colby et al. | Local approximation of difference evaluation functions | |
Du et al. | Markerless human–manipulator interface using leap motion with interval Kalman filter and improved particle filter | |
Matthes et al. | Source localization by spatially distributed electronic noses for advection and diffusion | |
Abbasnejad et al. | Generalized ray-based lattice generation and graph representation of wrench-closure workspace for arbitrary cable-driven robots | |
CN104123746A (zh) | 一种三维扫描点云中实时法向量的计算方法 | |
Boschetti et al. | 3D collision avoidance strategy and performance evaluation for human–robot collaborative systems | |
Zhang et al. | Experimental study of curvature-based control laws for obstacle avoidance | |
Zhang et al. | A dynamic bayesian approach to real-time estimation and filtering in grasp acquisition | |
Taghirad et al. | Robust solution to three-dimensional pose estimation using composite extended Kalman observer and Kalman filter | |
Zhang et al. | Safe and efficient robot manipulation: Task-oriented environment modeling and object pose estimation | |
Arsenic | Developmental learning on a humanoid robot | |
Davidson et al. | Error-tolerant visual planning of planar grasp | |
Zhang et al. | Collision detection Based on OBB Simplified modeling | |
Schaub et al. | 6-DoF grasp detection for unknown objects | |
Campomaggiore et al. | A Fuzzy Inference Approach to Control Robot Speed in Human-robot Shared Workspaces. | |
Dafflon et al. | Adaptive autonomous navigation using reactive multi-agent system for control law merging | |
Campo et al. | Modeling and classification of trajectories based on a gaussian process decomposition into discrete components | |
CN114594757A (zh) | 一种协作机器人的视觉路径规划方法 | |
Jongeneel | Model-Based Visual Object Tracking with Collision Models | |
Mao et al. | Object shape estimation through touch-based continuum manipulation | |
Wang et al. | Visual-tactile perception based control strategy for complex robot peg-in-hole process via topological and geometric reasoning | |
Caelli et al. | On learning the shape of complex actions | |
Clark et al. | A comparison of the particle and shifted rayleigh filters in their application to a multisensor bearings-only problem | |
Rubert et al. | Grasp quality metrics for robot hands benchmarking |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191122 |