CN111409072B - 运动轨迹规划处理方法和装置 - Google Patents
运动轨迹规划处理方法和装置 Download PDFInfo
- Publication number
- CN111409072B CN111409072B CN202010253393.2A CN202010253393A CN111409072B CN 111409072 B CN111409072 B CN 111409072B CN 202010253393 A CN202010253393 A CN 202010253393A CN 111409072 B CN111409072 B CN 111409072B
- Authority
- CN
- China
- Prior art keywords
- algorithm
- time
- path
- arm
- time consumption
- 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
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 84
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
-
- 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)
- Manipulator (AREA)
Abstract
本申请公开了运动轨迹规划处理方法和装置,该方法包括:获取用户输入的控制信息;获取预先配置的多种运动轨迹规划算法;将控制信息依次输入到多种运动轨迹规划算法中的每一种算法中,根据每一种算法控制工业机器人的手臂运动;记录在每一种算法的控制下手臂运动到目标位置的时间;根据每一种算法对应的时间从多种运动轨迹规划算法中选择一种。通过本申请解决了相关技术中单一路径规划算法可能导致缺乏灵活度的问题,提高了路径规划的灵活性。
Description
技术领域
本申请涉及机器人领域,具体而言,涉及一种运动轨迹规划处理方法和装置。
背景技术
轨迹规划,往往称为机器人轨迹规划,是在机械手运动学和动力学的基础上,讨论在关节空间和笛卡儿空间中机器人运动的轨迹规划和轨迹生成方法。所谓轨迹,是指机械手在运动过程中的位移、速度和加速度。而轨迹规划是根据作业任务的要求,计算出预期的运动轨迹。
对机器人的任务、运动路径和轨迹进行描述。轨迹规划器只要求用户输入有关路径和轨迹的若干约束和简单描述,而复杂的细节问题则由规划器解决。例如,用户只需给出抓手的目标位姿,由规划器确定到达该目标的路径点、持续时间、运动速度等轨迹参数,并在计算机内部描述所要求的轨迹。最后,对内部描述的轨迹,实时计算机器人运动的位移、速度和加速度,生成运动轨迹。
目前的路径规划都是采用了单一的路径规划算法,这种算法可能在一定程度上缺乏灵活度。
发明内容
本申请提供一种运动轨迹规划处理方法和装置,以解决相关技术中单一路径规划算法可能导致缺乏灵活度的问题。
根据本申请的一个方面,提供了一种运动轨迹规划处理方法,包括:获取用户输入的控制信息,其中,所述控制信息至少包括:目标位置,所述目标位置用于指示工业机器人手臂所需要移动到的位置;获取预先配置的多种运动轨迹规划算法;将所述控制信息依次输入到所述多种运动轨迹规划算法中的每一种算法中,根据所述每一种算法控制所述工业机器人的手臂运动;记录在每一种算法的控制下所述手臂运动到所述目标位置的时间;根据每一种算法对应的时间从所述多种运动轨迹规划算法中选择一种。
进一步地,记录在每一种算法的控制下所述手臂运动到所述目标位置的时间包括:所述目标位置包括多个目标位置,获取在每一种算法的控制下所述手臂运动到所述多个目标位置中的每个位置的时间;计算运动到每个位置的时间的平均值,并进行记录。
进一步地,根据每一种算法对应的时间从所述多种运动轨迹规划算法中选择一种包括:获取平均时间最短的算法作为从所述多种运动轨迹算法中选择出的算法。
进一步地,还包括:使用选择出的算法作为所述工业机器人在预定时间段使用的算法。
根据本申请的另一个方面,还提供了一种运动轨迹规划处理装置,包括:第一获取模块,用于获取用户输入的控制信息,其中,所述控制信息至少包括:目标位置,所述目标位置用于指示工业机器人手臂所需要移动到的位置;第二获取模块,用于获取预先配置的多种运动轨迹规划算法;控制模块,用于将所述控制信息依次输入到所述多种运动轨迹规划算法中的每一种算法中,根据所述每一种算法控制所述工业机器人的手臂运动;记录模块,用于记录在每一种算法的控制下所述手臂运动到所述目标位置的时间;选择模块,用于根据每一种算法对应的时间从所述多种运动轨迹规划算法中选择一种。
进一步地,所述记录模块用于:所述目标位置包括多个目标位置,获取在每一种算法的控制下所述手臂运动到所述多个目标位置中的每个位置的时间;计算运动到每个位置的时间的平均值,并进行记录。
进一步地,所述选择模块用于:获取平均时间最短的算法作为从所述多种运动轨迹算法中选择出的算法。
进一步地,所述选择模块还用于:使用选择出的算法作为所述工业机器人在预定时间段使用的算法。
一种存储器,其特征在于,用于存储软件,其中,所述软件用于执行权利要求1至4中任一项所述的方法。
一种处理器,其特征在于,用于执行软件,其中,所述软件用于执行权利要求1至4中任一项所述的方法。
本申请采用以下步骤:获取用户输入的控制信息,其中,所述控制信息至少包括:目标位置,所述目标位置用于指示工业机器人手臂所需要移动到的位置;获取预先配置的多种运动轨迹规划算法;将所述控制信息依次输入到所述多种运动轨迹规划算法中的每一种算法中,根据所述每一种算法控制所述工业机器人的手臂运动;记录在每一种算法的控制下所述手臂运动到所述目标位置的时间;根据每一种算法对应的时间从所述多种运动轨迹规划算法中选择一种。通过本申请解决了相关技术中单一路径规划算法可能导致缺乏灵活度的问题,提高了路径规划的灵活性。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的运动轨迹规划处理方法的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
在本实施例中,提供了一种运动轨迹规划处理方法,图1是根据本发明实施例的运动轨迹规划处理方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取用户输入的控制信息,其中,该控制信息至少包括:目标位置,目标位置用于指示工业机器人手臂所需要移动到的位置;
在实施时作为可以增加的一个较优的实施例,在控制信息中添加约束条件,该约束条件用于作为对工业机器人手臂运动的限制,例如,加速度不能超过阈值,速度不能超过阈值等。下列步骤中的步骤S106中也会将约束条件输入到算法中,步骤S108中记录的时间也是在该约束条件下的时间。
步骤S104,获取预先配置的多种运动轨迹规划算法;
步骤S106,将控制信息依次输入到多种运动轨迹规划算法中的每一种算法中,根据每一种算法控制工业机器人的手臂运动;
步骤S108,记录在每一种算法的控制下手臂运动到目标位置的时间;
一种算法下到同一目标位置可能有多种路径,从而可以有多个时间,此时作为一个比较优的实施例,可以选择该算法下最优的路径,该最优的路径下的时间作为该算法的时间。
找到最优路径以及最优时间的方式有很多,例如:
对于不同路径中的各个路径点计算每种可能的、满足经过所有路径点的节点路径点方案;在每一节点路径点方案中,将路径点视为节点,以每两个节点之间的路径作为一段进行分段,对每一分段,根据当前用户的路径耗时表计算耗时均值;根据每一分段的耗时均值,得到每一分段的估算耗时;对每一分段的估算耗时按节点路径点方案进行叠加,得到每一节点路径点方案的总估算耗时;遭到总耗时最少的路径作为最优路径,该耗时作为该算法下的时间。
步骤S110,根据每一种算法对应的时间从多种运动轨迹规划算法中选择一种。
在使用机器人正式部署在生产线之前,可以运行上述步骤,通过上述步骤可以找到最优的路径规划算法。在机器人更换配置参数之后,仍然可以再次运行上述步骤,从而可以找到在该参数下的最优的路径规划算法。通过上述步骤解决了相关技术中单一路径规划算法可能导致缺乏灵活度的问题,提高了路径规划的灵活性。
可选地,记录在每一种算法的控制下手臂运动到目标位置的时间包括:目标位置包括多个目标位置,获取在每一种算法的控制下手臂运动到多个目标位置中的每个位置的时间;计算运动到每个位置的时间的平均值,并进行记录。
可选地,根据每一种算法对应的时间从多种运动轨迹规划算法中选择一种包括:获取平均时间最短的算法作为从多种运动轨迹算法中选择出的算法。
在实施时,还可以为每个运动轨迹算法增加一个权值,该权值用于指示希望使用的路径规划算法,根据时间来进行算法选择的时候,可以将该权值增加到平均时间上,选择加权平均时间最短的算法作为最优路径算法。
每个算法的权值可以是大于等于0并且小于等于1的值,如果是0则表示不希望使用该算。如果A算法的权值是0.9,平均时间是1秒,则加权后的平均时间为0.9秒,权值乘以平均时间。
可选地,上述方法还可以包括:使用选择出的算法作为工业机器人在预定时间段使用的算法。
路径规划算法有很多种,以下几种是几个例子,在本实施例中并不限于这几种路径规划算法。
例如:
在该算法中首先计算得到路径,将待修正的机器人路径参数输入到控制模块中,得到预定路径的参数;通过将预定路径分割成若干路段,其中,各个路段包括多个路径点;控制模块将参数输入到工业机械人中,使得工业机器人完成一组路径运动,得到实际路径的参数;通过路径修正模块将实际路径的参数与的预定路径的参数进行对比,得到误差值;通过控制系统将误差值进行修正;再循环上述步骤,直到误差值为0,停止。此时就得到了运行路径,从而可以得到机器人在该路径下的运动时间。该算法可以成为误差纠正算法。
又例如:
用户对于选定的转变节点(插值点)上的位姿、速度和加速度给出一组显式约束(例如连续性和光滑程度等),轨迹规划器从某一类函数(例如n次多项式)中选取参数化轨迹,对节点进行插值,并满足约束条件。
又例如,
用户给出运动路径的解析式;如为直角坐标空间中的直线路径,轨迹规划器在关节空间或直角坐标空间中确定一条轨迹来通近预定的路径。
轨迹规划既可在关节空间也可在直角空间中进行,但是所规划的轨迹函数都必须连续和平滑,使得操作臂的运动平稳。在关节空间进行规划时,是将关节变量表示成时间的函数,并规划它的一阶和二阶时间导数;在直角空间进行规划是指将手部位姿、速度和加速度表示为时间的函数。而相应的关节位移、速度和加速度由手部的信息导出。通常通过运动学反解得出关节位移,用逆雅可比求出关节速度,用逆雅可比及其导数求解关节加速度。
每次工业机器人通过上述步骤选择出运动轨迹算法之后,记录此次选择的运动轨迹算法。每个工业机器人均将每次选择的运动轨迹算法都上报给服务器,服务器对同一型号机器人上报的运动轨迹算法进行统计,得到该型号下使用次数最多的运动轨迹算法,并将该运动轨迹算法在该型号机器人配置为默认运动轨迹算法。
对于预先配置的多个运动轨迹算法,还可以为每个运动轨迹算法配置一个系数,该系数表示使用该运动轨迹算法的可能,系数越大则说明希望使用该运动轨迹算法。在工业机器人上执行运动轨迹算法的时候,可以设置仅仅执行系数大于阈值的运动轨迹算法,对于系数小于阈值的运动轨迹算法不执行。该阈值可以作为输入配置到工业机器人上。这样不需要遍历所有的运动轨迹算法。
该系数也可以是调整的,服务器在汇总机器人上报的运动轨迹算法之后,对于使用次数多于预定值的运动轨迹算法,调整该系数。这样可以形成正向激励。
在本实施例中还提供了一种装置,该装置中的模块对应于上述的方法步骤,在上述实施例中已经进行过说明的,在此不再赘述。
在本实施例中,还提供了一种运动轨迹规划处理装置,包括:第一获取模块,用于获取用户输入的控制信息,其中,控制信息至少包括:目标位置,目标位置用于指示工业机器人手臂所需要移动到的位置;第二获取模块,用于获取预先配置的多种运动轨迹规划算法;控制模块,用于将控制信息依次输入到多种运动轨迹规划算法中的每一种算法中,根据每一种算法控制工业机器人的手臂运动;记录模块,用于记录在每一种算法的控制下手臂运动到目标位置的时间;选择模块,用于根据每一种算法对应的时间从多种运动轨迹规划算法中选择一种。
可选地,记录模块用于:目标位置包括多个目标位置,获取在每一种算法的控制下手臂运动到多个目标位置中的每个位置的时间;计算运动到每个位置的时间的平均值,并进行记录。
可选地,选择模块用于:获取平均时间最短的算法作为从多种运动轨迹算法中选择出的算法。
可选地,选择模块还用于:使用选择出的算法作为工业机器人在预定时间段使用的算法。
在本实施例中,提供了一种存储器,用于存储软件,其中,该软件用于执行上述的方法。
在本实施例中,提供了一种处理器,用于执行软件,其中,该软件用于执行上述的方法。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例提供了一种存储介质,其上存储有程序或者软件,该程序被处理器执行时实现上述方法。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种运动轨迹规划处理方法,其特征在于,包括:
获取用户输入的控制信息,其中,所述控制信息至少包括:目标位置,所述目标位置用于指示工业机器人手臂所需要移动到的位置;
获取预先配置的多种运动轨迹规划算法;
将所述控制信息依次输入到所述多种运动轨迹规划算法中的每一种算法中,根据所述每一种算法控制所述工业机器人的手臂运动;
记录在每一种算法的控制下所述手臂运动到所述目标位置的时间;其中,对于不同路径中的各个路径点计算每种可能的、满足经过所有路径点的节点路径点方案;在每一节点路径点方案中,将路径点视为节点,以每两个节点之间的路径作为一段进行分段,对每一分段,根据当前用户的路径耗时表计算耗时均值;根据每一分段的耗时均值,得到每一分段的估算耗时;对每一分段的估算耗时按节点路径点方案进行叠加,得到每一节点路径点方案的总估算耗时;遭到总耗时最少的路径作为最优路径,该耗时作为该算法下的时间;
根据每一种算法对应的时间从所述多种运动轨迹规划算法中选择一种。
2.根据权利要求1所述的方法,其特征在于,记录在每一种算法的控制下所述手臂运动到所述目标位置的时间包括:
所述目标位置包括多个目标位置,获取在每一种算法的控制下所述手臂运动到所述多个目标位置中的每个位置的时间;
计算运动到每个位置的时间的平均值,并进行记录。
3.根据权利要求2所述的方法,其特征在于,根据每一种算法对应的时间从所述多种运动轨迹规划算法中选择一种包括:
获取平均时间最短的算法作为从所述多种运动轨迹算法中选择出的算法。
4.根据权利要求1至3中任一项所述的方法,其特征在于,还包括:
使用选择出的算法作为所述工业机器人在预定时间段使用的算法。
5.一种运动轨迹规划处理装置,其特征在于,包括:
第一获取模块,用于获取用户输入的控制信息,其中,所述控制信息至少包括:目标位置,所述目标位置用于指示工业机器人手臂所需要移动到的位置;
第二获取模块,用于获取预先配置的多种运动轨迹规划算法;
控制模块,用于将所述控制信息依次输入到所述多种运动轨迹规划算法中的每一种算法中,根据所述每一种算法控制所述工业机器人的手臂运动;
记录模块,用于记录在每一种算法的控制下所述手臂运动到所述目标位置的时间;其中,对于不同路径中的各个路径点计算每种可能的、满足经过所有路径点的节点路径点方案;在每一节点路径点方案中,将路径点视为节点,以每两个节点之间的路径作为一段进行分段,对每一分段,根据当前用户的路径耗时表计算耗时均值;根据每一分段的耗时均值,得到每一分段的估算耗时;对每一分段的估算耗时按节点路径点方案进行叠加,得到每一节点路径点方案的总估算耗时;遭到总耗时最少的路径作为最优路径,该耗时作为该算法下的时间;
选择模块,用于根据每一种算法对应的时间从所述多种运动轨迹规划算法中选择一种。
6.根据权利要求5所述的装置,其特征在于,所述记录模块用于:
所述目标位置包括多个目标位置,获取在每一种算法的控制下所述手臂运动到所述多个目标位置中的每个位置的时间;
计算运动到每个位置的时间的平均值,并进行记录。
7.根据权利要求6所述的装置,其特征在于,所述选择模块用于:
获取平均时间最短的算法作为从所述多种运动轨迹算法中选择出的算法。
8.根据权利要求5至7中任一项所述的装置,其特征在于,所述选择模块还用于:
使用选择出的算法作为所述工业机器人在预定时间段使用的算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010253393.2A CN111409072B (zh) | 2020-04-02 | 2020-04-02 | 运动轨迹规划处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010253393.2A CN111409072B (zh) | 2020-04-02 | 2020-04-02 | 运动轨迹规划处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111409072A CN111409072A (zh) | 2020-07-14 |
CN111409072B true CN111409072B (zh) | 2023-03-07 |
Family
ID=71488072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010253393.2A Active CN111409072B (zh) | 2020-04-02 | 2020-04-02 | 运动轨迹规划处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111409072B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693721B (zh) * | 2022-03-24 | 2023-09-01 | 美的集团(上海)有限公司 | 运动规划方法、装置及机器人 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103464344A (zh) * | 2013-09-23 | 2013-12-25 | 电子科技大学中山学院 | 一种经济型喷涂机器人喷枪轨迹规划方法 |
CN103995478A (zh) * | 2014-05-30 | 2014-08-20 | 山东建筑大学 | 基于现实虚拟互动的模块化液压机械臂实验平台及方法 |
CN104914733A (zh) * | 2014-12-31 | 2015-09-16 | 中国航天科技集团公司第五研究院第五一三研究所 | 一种空间机械臂三维仿真系统 |
CN106557844A (zh) * | 2016-11-23 | 2017-04-05 | 华东理工大学 | 一种焊接机器人路径规划方法 |
CN109343345A (zh) * | 2018-09-28 | 2019-02-15 | 江南大学 | 基于qpso算法的机械臂多项式插值轨迹规划方法 |
-
2020
- 2020-04-02 CN CN202010253393.2A patent/CN111409072B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103464344A (zh) * | 2013-09-23 | 2013-12-25 | 电子科技大学中山学院 | 一种经济型喷涂机器人喷枪轨迹规划方法 |
CN103995478A (zh) * | 2014-05-30 | 2014-08-20 | 山东建筑大学 | 基于现实虚拟互动的模块化液压机械臂实验平台及方法 |
CN104914733A (zh) * | 2014-12-31 | 2015-09-16 | 中国航天科技集团公司第五研究院第五一三研究所 | 一种空间机械臂三维仿真系统 |
CN106557844A (zh) * | 2016-11-23 | 2017-04-05 | 华东理工大学 | 一种焊接机器人路径规划方法 |
CN109343345A (zh) * | 2018-09-28 | 2019-02-15 | 江南大学 | 基于qpso算法的机械臂多项式插值轨迹规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111409072A (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9513623B2 (en) | Method for generating trajectory for numerical control process | |
EP1102139A2 (en) | Apparatus and method for smooth cornering in a motion control system | |
CN111376271B (zh) | 控制焊接机器人的方法、装置、焊接机器人和储存介质 | |
CN110874082B (zh) | 工件拐角的切割路径确定方法、设备和存储介质 | |
CN111409072B (zh) | 运动轨迹规划处理方法和装置 | |
JP2016087755A (ja) | 産業用ロボットのプログラム修正装置及びプログラム修正方法 | |
JP5931289B2 (ja) | 指令値生成装置 | |
CN111283683B (zh) | 一种机器人视觉特征规划轨迹的伺服跟踪加速收敛方法 | |
EP1398682A2 (en) | Apparatus and method for smooth cornering in a motion control system | |
CN112327758A (zh) | 基于b样条拟合及分段插补的小线段刀轨局部光顺方法 | |
CN114559439B (zh) | 一种移动机器人智能避障控制方法、装置和电子设备 | |
CN107256004B (zh) | 产品加工方法及装置 | |
CN112975986B (zh) | 基于径向基函数的机械臂点对点轨迹规划方法及装置 | |
CN114193458B (zh) | 一种基于高斯过程在线学习的机器人控制方法 | |
JP2001188605A (ja) | 曲線補間方法 | |
CN113467466A (zh) | 一种工业机器人控制方法、装置及工业机器人 | |
CN112327612A (zh) | 系统动力学全局稳定建模的动力学模型 | |
CN111443658B (zh) | 工业机器人误差处理方法和装置 | |
CN113721555B (zh) | 一种s型速度规划的目标速度的确定方法及装置 | |
TW202009814A (zh) | 智慧體行進路徑的確定方法及裝置 | |
CN115070772B (zh) | 快速时间最优轨迹规划方法、装置、电子设备及存储介质 | |
CN111975786B (zh) | 机器人的开发方法及装置、计算机可读存储介质及处理器 | |
CN116985136B (zh) | 基于四元数的机械臂节点姿态速度前瞻控制方法及装置 | |
JP7224541B1 (ja) | 数値制御装置、加工システム、数値制御方法および加工方法 | |
CN115056226A (zh) | 一种机械臂轨迹规划方法、系统、设备及存储介质 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200714 Assignee: Guoxin Zhuanda (Hangzhou) Technology Co.,Ltd. Assignor: BUAA HANGZHOU INNOVATION INSTITUTE Contract record no.: X2024980001555 Denomination of invention: Method and device for motion trajectory planning and processing Granted publication date: 20230307 License type: Common License Record date: 20240126 |