CN110640723B - 基于机器人末端指点示教的障碍物标定方法 - Google Patents

基于机器人末端指点示教的障碍物标定方法 Download PDF

Info

Publication number
CN110640723B
CN110640723B CN201910908275.8A CN201910908275A CN110640723B CN 110640723 B CN110640723 B CN 110640723B CN 201910908275 A CN201910908275 A CN 201910908275A CN 110640723 B CN110640723 B CN 110640723B
Authority
CN
China
Prior art keywords
rectangle
cube
obstacle
robot
teaching
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
CN201910908275.8A
Other languages
English (en)
Other versions
CN110640723A (zh
Inventor
杨跞
左方睿
刘一帆
许楠
宗成星
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.)
Siasun Co Ltd
Original Assignee
Siasun 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 Siasun Co Ltd filed Critical Siasun Co Ltd
Priority to CN201910908275.8A priority Critical patent/CN110640723B/zh
Publication of CN110640723A publication Critical patent/CN110640723A/zh
Application granted granted Critical
Publication of CN110640723B publication Critical patent/CN110640723B/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
    • B25J9/0081—Programme-controlled manipulators with master teach-in means
    • 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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • 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)

Abstract

本申请提供一种基于机器人末端指点示教的障碍物标定方法，其包括：将障碍物简化为一立方体；选取所述立方体的任意一个面，并在所述面内选取三个角点；将机器人末端的标定工具依次示教至选取的三个角点，并分别对应获取标定工具的末端基于机器人基坐标系的三个角点的坐标值；利用三个角点确定一个平面，并在所述平面内拟合一个矩形，将所述矩形作为所述立方体的顶面，其中，待拟合的所述矩形包括矩形中心的坐标系以及矩形的长度和宽度；确定立方体的高度；根据立方体的顶面以及立方体的高度，标定出立方体，以完成对障碍物的标定。本申请能够简化障碍物的标定过程，提高标定效率。

Description

基于机器人末端指点示教的障碍物标定方法
技术领域
本申请属于机器人障碍物标定技术领域，具体涉及一种基于机器人末端指点示教的障碍物标定方法。
背景技术
随着工业自动化程度的不断提高，机器人在汽车与汽车零部件制造业、重型机械、航空航天、船舶、化工、电子行业等领域得到了广泛地应用。对于机器人来说，自主导航是至关重要的一个环节，而是否能够准确地避开障碍物是衡量导航性能非常重要的指标。
现有技术中，机器人对障碍物标定的大致流程为：构建障碍物模型，导入障碍物的模型文件，该模型文件中包括障碍物坐标系；利用机器人末端对齐障碍物上的定位销或者通过拍摄障碍物上的二维码等方式建立机器人障碍物坐标系与机器人基坐标系之间的转换关系，进而对障碍物进行标定。然而，实际工程中在有的工况下，机器人只需要知道障碍物的轮廓即可，而不必要知道障碍物的具体形状。在这种工况下，采用现有技术对障碍物进行标定显然会使标定过程更为繁杂，而且标定效率更低。
发明内容
为至少在一定程度上克服相关技术中存在的问题，本申请提供了一种基于机器人末端指点示教的障碍物标定方法。
根据本申请实施例的第一方面，本申请提供了一种基于机器人末端指点示教的障碍物标定方法，其包括以下步骤：
将障碍物简化为一立方体；
选取所述立方体的任意一个面，并在所述面内选取三个角点；
将机器人末端的标定工具依次示教至选取的三个角点，并分别对应获取标定工具的末端基于机器人基坐标系的三个角点的坐标值；
利用三个角点确定一个平面，并在所述平面内拟合一个矩形，将所述矩形作为所述立方体的顶面，其中，待拟合的所述矩形包括矩形中心的坐标系以及矩形的长度和宽度；
确定立方体的高度；
根据立方体的顶面以及立方体的高度，标定出立方体，以完成对障碍物的标定。
上述基于机器人末端指点示教的障碍物标定方法中，所述将障碍物简化为一立方体时，根据障碍物的轮廓或障碍物的立方包络体进行简化。
上述基于机器人末端指点示教的障碍物标定方法中，所述利用三个角点确定一个平面，并在所述平面内拟合一个矩形，将所述矩形作为所述立方体的顶面的过程为：
利用三个角点唯一确定一个平面；
分别计算三个角点所在夹角的值，并在三个夹角中找出夹角值最接近90°的夹角θ，确定三个角点中哪一个为夹角θ的顶点；
判断夹角θ与90°差的绝对值是否大于预设的偏差阈值θmax，如果大于，则表示三个角点无法构成矩形；否则，将该夹角的顶点作为直角顶点，计算该角点与其余两角点之间的线段的长度，并确定其中较长线段和较短线段；
从较短线段的非直角顶点向较长线段做垂线，得到待拟合矩形及其长度和宽度；
将矩形的中心作为坐标系原点，将沿矩形较长边的方向作为X轴的方向，将沿矩形较短边的方向作为Y轴的方向，将平面的法向方向作为Z轴的方向，利用该坐标系描述矩形的位置和姿态。
上述基于机器人末端指点示教的障碍物标定方法中，所述确定立方体的高度时，选取所述立方体底面的任意一个角点，计算所述立方体底面的任意一个角点到矩形所在平面的垂距，得到所述立方体的高度。
上述基于机器人末端指点示教的障碍物标定方法中，所述确定立方体的高度时，根据实际障碍物的高度进行设定。
上述基于机器人末端指点示教的障碍物标定方法中，所述障碍物标定方法适用于立方体障碍物、不规则障碍物的立方包络体和虚拟墙。
根据本申请实施例的第二方面，本申请还提供了一种存储介质，包含计算机执行指令，所述计算机执行指令经由数据处理设备调用时，执行上述任一项所述的基于机器人末端指点示教的障碍物标定方法。
根据本申请的上述具体实施方式可知，至少具有以下有益效果：本申请基于机器人末端指点示教的障碍物标定方法将所有障碍物均简化为立方体，通过示教立方体顶点的方式建立障碍物在机器人基坐标系下的位置、姿态和大小，能够简化障碍物的标定过程，提高标定效率。
应了解的是，上述一般描述及以下具体实施方式仅为示例性及阐释性的，其并不能限制本申请所欲主张的范围。
附图说明
下面的所附附图是本申请的说明书的一部分，其示出了本申请的实施例，所附附图与说明书的描述一起用来说明本申请的原理。
图1为本申请具体实施方式提供的一种基于机器人末端指点示教的障碍物标定方法的流程图。
图2为采用本申请具体实施方式提供的基于机器人末端指点示教的障碍物标定方法对立方体障碍物进行标定的过程示意图。
图3为采用本申请具体实施方式提供的基于机器人末端指点示教的障碍物标定方法对不规则物体的立方包络体进行标定的结果示意图。
图4为采用本申请具体实施方式提供的基于机器人末端指点示教的障碍物标定方法对虚拟墙进行标定的结果示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚明白，下面将以附图及详细叙述清楚说明本申请所揭示内容的精神，任何所属技术领域技术人员在了解本申请内容的实施例后，当可由本申请内容所教示的技术，加以改变及修饰，其并不脱离本申请内容的精神与范围。
本申请的示意性实施例及其说明用于解释本申请，但并不作为对本申请的限定。另外，在附图及实施方式中所使用相同或类似标号的元件/构件是用来代表相同或类似部分。
关于本文中所使用的“第一”、“第二”、…等，并非特别指称次序或顺位的意思，也非用以限定本申请，其仅为了区别以相同技术用语描述的元件或操作。
关于本文中所使用的方向用语，例如：上、下、左、右、前或后等，仅是参考附图的方向。因此，使用的方向用语是用来说明并非用来限制本创作。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等，均为开放性的用语，即意指包含但不限于。
关于本文中所使用的“及/或”，包括所述事物的任一或全部组合。
关于本文中的“多个”包括“两个”及“两个以上”；关于本文中的“多组”包括“两组”及“两组以上”。
关于本文中所使用的用语“大致”、“约”等，用以修饰任何可以细微变化的数量或误差，但这些微变化或误差并不会改变其本质。一般而言，此类用语所修饰的细微变化或误差的范围在部分实施例中可为20％，在部分实施例中可为10％，在部分实施例中可为5％或是其他数值。本领域技术人员应当了解，前述提及的数值可依实际需求而调整，并不以此为限。
某些用以描述本申请的用词将于下或在此说明书的别处讨论，以提供本领域技术人员在有关本申请的描述上额外的引导。
本申请提供的基于机器人末端指点示教的障碍物标定方法的标定对象包括但不限于立方体、不规则物体的立方包络体和虚拟墙。
如图1所示，以立方体障碍物为例，基于机器人末端指点示教的障碍物标定方法包括以下步骤：
S1、根据障碍物的轮廓，将障碍物简化为一立方体。
当然，也可以根据障碍物的立方包络体将障碍物简化为一立方体。
S2、选取立方体的任意一个面，并在该面内选取任意三个角点P1，P2，P3。
S3、将机器人末端的标定工具依次示教至选取的三个角点P1，P2，P3，并分别对应获取标定工具的末端基于机器人基坐标系的三个角点的坐标值P1(x1,y1,z1)、P2(x2,y2,z2)、P3(x3,y3,z3)。
S4、利用三个角点P1，P2，P3确定一个平面，并在该平面内拟合一个矩形，将该矩形作为立方体的顶面，其中待拟合的矩形包括矩形中心的坐标系Obox-Xbox-Ybox-Zbox以及矩形的长度L和宽度W。
具体地，利用三个角点P1，P2，P3拟合矩形的具体过程可以为：
S41、利用三个角点P1，P2，P3唯一确定一个平面S。
其中，平面S的方程形如：
ax+by+cz+d＝0,(a,b,c,d为常数系数)。
S42、分别计算∠P1P2P3、∠P2P1P3、∠P2P3P1的值，并在三个夹角中找出夹角值最接近90°的夹角θ，确定P1，P2，P3中哪一个为该夹角的顶点。
S43、判断夹角θ与90°差的绝对值是否大于预设的偏差阈值θmax，如果大于，则表示三个角点P1，P2，P3无法构成矩形；否则，将该夹角的顶点作为直角顶点，计算该角点与其余两角点之间的线段的长度，并确定其中较长线段和较短线段。
S44、从较短线段的非直角顶点向较长线段做垂线，得到待拟合矩形及其长度L和宽度W。
S45、将矩形的中心作为坐标系原点，将沿矩形较长边的方向作为X轴的方向，将沿矩形较短边的方向作为Y轴的方向，将平面的法向方向作为Z轴的方向，利用该坐标系描述矩形的位置和姿态。
可以理解的是，利用三个角点P1，P2，P3拟合矩形时还可以采用其他拟合方法，不限于上述拟合方法。
S5、选取立方体底面的任意一个角点P4，计算该角点P4到矩形所在平面的垂距，得到立方体的高度。
当然，立方体的高度也可以根据实际障碍物的高度进行设定。
S6、根据立方体的顶面以及立方体的高度，标定出立方体，以完成对障碍物的标定。
为便于对本申请基于机器人末端指点示教的障碍物标定方法进行更清楚地理解，下面以立方体障碍物为例，如图2所示，对本申请提供的障碍物标定方法的具体过程说明。
将立方体障碍物简化为一立方体。
选取立方体的任意一个面，并在该面内选取任意三个角点P1，P2，P3。
将机器人末端的标定工具依次示教至选取的三个角点P1，P2，P3，并分别对应获取标定工具的末端基于机器人基坐标系的三个角点的坐标值P1(x1,y1,z1)、P2(x2,y2,z2)、P3(x3,y3,z3)。
利用三个角点P1，P2，P3唯一确定一个平面S。
分别计算∠P1P2P3、∠P2P1P3、∠P2P3P1的值，并在三个夹角中找出夹角值最接近90°的夹角θ，确定P1，P2，P3中哪一个为该夹角的顶点。
假设∠P2P1P3的值最接近90°，且∠P2P1P3的值与90°差的绝对值小于预设的偏差阈值θmax，则将角点P1作为直角顶点。
计算线段P1P2和P1P3的长度，如果线段P1P2的长度小于线段P1P3的长度，则线段P1P2为较短线段，线段P1P3为较长线段。
从较短线段P1P2中的点P2向较长线段P1P3做垂线，垂足为P1′，则线段P1′P2和P1′P3为平面S内相互垂直的两条线段。线段P1′P2的长度为待拟合矩形的宽度W，线段P1′P3的长度为待拟合矩形的长度L。
根据待拟合矩形的长度L和宽度W，以及待拟合矩形的三个角点P1，P2，P3，拟合得到平面S内的矩形。
将矩形的中心作为坐标系原点Obox，将沿矩形较长边的方向作为Xbox的方向，将沿矩形较短边的方向作为Ybox的方向，将平面的法向方向作为Zbox的方向，利用坐标系Obox-Xbox-Ybox-Zbox描述矩形的位置和姿态。
选取立方体底面的任意一个角点P4，计算该角点P4到矩形所在平面的垂距，得到立方体的高度。
根据立方体的顶面以及立方体的高度，标定出立方体，以完成对立方体障碍物的标定。
采用本申请提供的基于机器人末端指点示教的障碍物标定方法，不需要先建立障碍物模型，导入后再在机器人端确定障碍物，而是将所有障碍物均简化为立方体，通过示教立方体顶点的方式建立障碍物在机器人基坐标系下的位置、姿态和大小，能够简化障碍物的标定过程，提高标定效率。
采用本申请障碍物标定方法标定出障碍物后，机器人在运动过程中可以进行自主避障；在确定了机器人的运动目标位置后，还可以预先判断该运动目标位置是否会与障碍物发生碰撞；另外，结合机器人运动规划算法可以生成无碰撞的机器人运动轨迹。
如图3所示，对于不规则物体，可以采用本申请基于机器人末端指点示教的障碍物标定方法标定出其立方包络体。
如图4所示，对于虚拟墙，也可以采用本申请基于机器人末端指点示教的障碍物标定方法对其轮廓进行标定。
本申请还提供了一种包含计算机执行指令的存储介质，所述计算机执行指令经由数据处理设备调用时，执行如上所述的基于机器人末端指点示教的障碍物标定方法。
上述的本申请实施例可在各种硬件、软件编码或两者组合中进行实施。例如，本发明的实施例也可为在数据信号处理器(Digital Signal Processor，DSP)中执行上述方法的程序代码。本发明也可涉及计算机处理器、数字信号处理器、微处理器或现场可编程门阵列(Field Programmable GateArray，FPGA)执行的多种功能。可根据本发明配置上述处理器执行特定任务，其通过执行定义了本发明揭示的特定方法的机器可读软件代码或固件代码来完成。可将软件代码或固件代码发展为不同的程序语言与不同的格式或形式。也可为不同的目标平台编译软件代码。然而，根据本发明执行任务的软件代码与其他类型配置代码的不同代码样式、类型与语言不脱离本发明的精神与范围。
以上所述仅为本申请示意性的具体实施方式，在不脱离本申请的构思和原则的前提下，任何本领域的技术人员所做出的等同变化与修改，均应属于本申请保护的范围。

Claims (7)

1.一种基于机器人末端指点示教的障碍物标定方法，其特征在于，包括以下步骤：
将障碍物简化为一立方体；
选取所述立方体的任意一个面，并在所述面内选取三个角点；
将机器人末端的标定工具依次示教至选取的三个角点，并分别对应获取标定工具的末端基于机器人基坐标系的三个角点的坐标值；
利用三个角点确定一个平面，并在所述平面内拟合一个矩形，将所述矩形作为所述立方体的顶面，其中，待拟合的所述矩形包括以矩形中心为原点的坐标系以及矩形的长度和宽度；
确定立方体的高度；
根据立方体的顶面以及立方体的高度，标定出立方体，以完成对障碍物的标定。
2.根据权利要求1所述的基于机器人末端指点示教的障碍物标定方法，其特征在于，所述将障碍物简化为一立方体时，根据障碍物的轮廓或障碍物的立方包络体进行简化。
3.根据权利要求1所述的基于机器人末端指点示教的障碍物标定方法，其特征在于，所述利用三个角点确定一个平面，并在所述平面内拟合一个矩形，将所述矩形作为所述立方体的顶面的过程为：
利用三个角点唯一确定一个平面；
分别计算三个角点所在夹角的值，并在三个夹角中找出夹角值最接近90°的夹角θ，确定三个角点中哪一个为夹角θ的顶点；
判断夹角θ与90°差的绝对值是否大于预设的偏差阈值θmax，如果大于，则表示三个角点无法构成矩形；否则，将该夹角的顶点作为直角顶点，计算该角点与其余两角点之间的线段的长度，并确定其中较长线段和较短线段；
从较短线段的非直角顶点向较长线段做垂线，得到待拟合矩形及其长度和宽度；其中，较短线段的非直角顶点与垂足之间的线段为待拟合矩形的宽度，较长线段的非直角顶点与垂足之间的线段为待拟合矩形的长度；
将矩形的中心作为坐标系原点，将沿矩形较长边的方向作为X轴的方向，将沿矩形较短边的方向作为Y轴的方向，将平面的法向方向作为Z轴的方向，利用该坐标系描述矩形的位置和姿态。
4.根据权利要求1所述的基于机器人末端指点示教的障碍物标定方法，其特征在于，所述确定立方体的高度时，选取所述立方体底面的任意一个角点，计算所述立方体底面的任意一个角点到矩形所在平面的垂距，得到所述立方体的高度。
5.根据权利要求1所述的基于机器人末端指点示教的障碍物标定方法，其特征在于，所述确定立方体的高度时，根据实际障碍物的高度进行设定。
6.根据权利要求1所述的基于机器人末端指点示教的障碍物标定方法，其特征在于，所述障碍物标定方法适用于立方体障碍物、不规则障碍物的立方包络体和虚拟墙。
7.一种存储介质，包含计算机执行指令，其特征在于，所述计算机执行指令经由数据处理设备调用时，执行如权利要求1-6任一项所述的基于机器人末端指点示教的障碍物标定方法。
CN201910908275.8A 2019-09-25 2019-09-25 基于机器人末端指点示教的障碍物标定方法 Active CN110640723B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910908275.8A CN110640723B (zh) 2019-09-25 2019-09-25 基于机器人末端指点示教的障碍物标定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910908275.8A CN110640723B (zh) 2019-09-25 2019-09-25 基于机器人末端指点示教的障碍物标定方法

Publications (2)

Publication Number Publication Date
CN110640723A CN110640723A (zh) 2020-01-03
CN110640723B true CN110640723B (zh) 2021-03-30

Family

ID=69011363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910908275.8A Active CN110640723B (zh) 2019-09-25 2019-09-25 基于机器人末端指点示教的障碍物标定方法

Country Status (1)

Country Link
CN (1) CN110640723B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111337942A (zh) * 2020-02-24 2020-06-26 三一海洋重工有限公司 叠箱偏差调整方法、装置、计算机设备和可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2129699C1 (ru) * 1997-07-03 1999-04-27 Титов Андрей Анатольевич Способ пилотирования ла по задаваемой траектории с задаваемой скоростью
JP2014024162A (ja) * 2012-07-27 2014-02-06 Seiko Epson Corp ロボットシステム、ロボット制御装置、ロボット制御方法及びロボット制御プログラム
CN108362240B (zh) * 2018-01-30 2020-12-25 深圳市圆梦精密技术研究院 获取工件坐标系方法
CN109530935B (zh) * 2018-12-12 2021-10-01 上海新时达机器人有限公司 使用激光切割机械臂加工规则孔的方法

Also Published As

Publication number Publication date
CN110640723A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
US10661440B2 (en) Robot teaching device for warning or correcting positional deviation of teaching points or teaching line
CN108955688B (zh) 双轮差速移动机器人定位方法及系统
Rencken Concurrent localisation and map building for mobile robots using ultrasonic sensors
US11525923B2 (en) Real-time three-dimensional map building method and device using three-dimensional lidar
Loose et al. B-spline-based road model for 3d lane recognition
Fossel et al. OctoSLAM: A 3D mapping approach to situational awareness of unmanned aerial vehicles
CN103678754A (zh) 信息处理装置及信息处理方法
CN113119112B (zh) 适用于六自由度机器人视觉测量的运动规划方法及系统
CN114236564B (zh) 动态环境下机器人定位的方法、机器人、装置及存储介质
US20220253039A1 (en) Information processing method, information processing system, and program
KR101842286B1 (ko) 로봇의 자동 캘리브레이션 방법
CN110640723B (zh) 基于机器人末端指点示教的障碍物标定方法
JP6801269B2 (ja) 自律移動装置
US20220379473A1 (en) Trajectory plan generation device, trajectory plan generation method, and trajectory plan generation program
WO2023036044A1 (zh) 全局路径规划方法、运动控制方法及计算机程序产品
US11629963B2 (en) Efficient map matching method for autonomous driving and apparatus thereof
CN112817308A (zh) 一种在机测量的无碰撞全局路径规划方法及系统
CN113442144B (zh) 欠约束下的最优位姿确定方法、装置、存储介质及机械臂
CN112127417A (zh) 用于生成工程机械周围的环境数据的装置及包括其的工程机械
JP7061013B2 (ja) 経路補正方法及び多軸加工機の制御装置
CN110549319B (zh) 一种基于机器人末端指点示教的障碍物标定方法
JP6589578B2 (ja) 移動量推定装置、自律移動体、及び移動量の推定方法
Zeghmi et al. A Kalman-particle hybrid filter for improved localization of AGV in indoor environment
CN113324538A (zh) 一种合作目标远距离高精度六自由度位姿测量方法
CN113442145B (zh) 欠约束下的最优位姿确定方法、装置、存储介质及机械臂

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