CN111975767A - 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法 - Google Patents

基于多级任务分配的多机器人视觉检测系统的协同运动规划方法 Download PDF

Info

Publication number
CN111975767A
CN111975767A CN202010471194.9A CN202010471194A CN111975767A CN 111975767 A CN111975767 A CN 111975767A CN 202010471194 A CN202010471194 A CN 202010471194A CN 111975767 A CN111975767 A CN 111975767A
Authority
CN
China
Prior art keywords
robot
collision
measurement
measuring
measuring 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
CN202010471194.9A
Other languages
English (en)
Other versions
CN111975767B (zh
Inventor
刘银华
赵文政
孙芮
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN202010471194.9A priority Critical patent/CN111975767B/zh
Publication of CN111975767A publication Critical patent/CN111975767A/zh
Application granted granted Critical
Publication of CN111975767B publication Critical patent/CN111975767B/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
    • B25J9/1666—Avoiding collision or forbidden zones
    • 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
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B25J9/1676—Avoiding collision or forbidden zones
    • 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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • 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
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明提出一种基于多级任务分配的多机器人视觉检测系统的协同运动规划方法，本发明包括测量任务分配、局部路径规划、全局路径规划、机器人协调运动等，结合车身待测零部件的结构特征，通过算法程序与应用步骤的设计开发，实现多机器人对于复杂零部件无碰撞、高效率的检测规划。

Description

基于多级任务分配的多机器人视觉检测系统的协同运动规划 方法
技术领域
本发明涉及机器人规划方案技术领域，尤其涉及一种基于多级任务分配的多机器人视觉检测系统的协同运动规划方法。
背景技术
面对着竞争日益激烈的汽车市场，汽车产品精度检测设备也提出了更高的要求，正从测量精度高、柔性好、但测量时间长、便携性不足的三坐标测量机到测量效率较高的在线光学测量转变。与传统的接触式测量设备(如三坐标测量机)相比，非接触式的光学测量系统满足装配生产线上的多混合车型的在线测量，使得光学测量在装配、制造车间逐渐成为主流。然而，实际的在线测量工位中由于车身结构复杂、尺度较大、测量特征量大、同时车身型腔内外均布置有测点特征等特点导致光学测量工位的检测规划需要耗费大量人力和时间成本，且最终的路径难以保证最优。
现有多机器人测量路径自动规划方法可分为以下两类方法：集中法和解耦法。集中法将各个机器人位形空间的笛卡尔乘积作为复合位形空间，将机器人与障碍物之间或者两个机器人之间产生碰撞的位形空间表位障碍位形空间，进而得出自由位形空间并尝试进行集中统一的运动规划以获得较优解。此方法最大的缺点在于需要搜索巨大的高维位形空间，极费时费力。与之相反，解耦法分为两个阶段实现，第一阶段求解出单个机器人在静态环境中的无碰运动路径，第二阶段是通过修改运动序列的方法实现多机器人之间无冲突的运动。例如ShitalS.等将路径规划与运动协调相分离，但在修改路径时灵活地将路径协调问题转换成高维状态空间的连续路径搜索问题。通过改进A*算法实现了动态调整操作序列的多机器人无碰撞运动规划。但面对复杂的静态环境、机器人数量的增加、视觉检测系统的测量要求等约束导致现有的方法往往难以在规定时间内对复杂车身结构下大量检测特征自动规划测量路径。
发明内容
本发明的目的在于提出一种基于多级任务分配的多机器人视觉检测系统的协同运动规划方法，实现待测零部件无碰撞最优测量路径的自动规划，同时提高待测零部件检测的效率。
为达到上述目的，本发明提出一种基于多级任务分配的多机器人视觉检测系统的协同运动规划方法，包括如下步骤：
S101、根据可达性计算将测量特征分为仅由一个机器人测量的测点集合Si与可由多个机器人测量的测点集Mi,其中i代表机器人编号；
S102、根据测量要求与测点之间的欧式距离约束将测点集Mi内测点分配问题转换为集合覆盖问题，求解出最小数目集合；
S103、根据所建立的数学模型以及约束条件将测点集Mi内测点分配给每个机器人，利用静态碰撞检测对不同机器人的测点进行静态碰撞检测；
S104、基于S103中的静态碰撞检测结果，若发生碰撞则在满足测量要求的前提下改变机器人位姿并进行避撞，若仍发生碰撞则在满足所建立的约束条件的前提下将发生碰撞的测点分配给同一机器人，反之，不进行任何操作；
S105、将单机器人的无碰撞路径求解转换为旅行商问题，建立两两测点的无碰撞的时间矩阵，求解得到遍历单个机器人所有测量特征的无碰撞最优测量路径；
S106、利用动态检测算法求解出机器人之间发生冲突点的时间、以及其前后测量特征，同时根据机器人运行时间动态的确定机器人优先级；
S107、基于S106所确定的冲突点的时间及其前后测量特征、在优先级低的机器人测量冲突前后测量特征时的冗余空间内，搜索与优先级高的机器人运动规划的无碰撞姿态；
S108、基于S107中冗余空间内搜索的无碰撞姿态，计算前后测量特征的运动时间确定时间最短的姿态，重复执行上述机器人间的无碰撞姿态确定，直到求解得到机器人间所有测量任务的无碰撞最优路径为止；
S109、重复步骤S103至步骤S108的计算，以保证每个机器人工作时间在生产节拍之内。
优选的，步骤S101中利用机器人正逆运动学以及机器人工作范围将求解出机器人工作范围，根据每个机器人的工作范围确定一个机器人测量的测点集合Si与可由多个机器人测量的测点集Mi,其中i代表机器人编号。
优选的，以每个测量特征的最佳测量矢量方向为中心，与当前测量特征的欧氏距离为ε；满足自身测量要求且满足当前测量特征的测量要求的测点为约束条件确定每个测点的“覆盖区域”，其数学模型可表示为以下形式：
Figure BDA0002514349680000031
其中d0为当前测点的坐标值；dj为除当前测点外的其他测点；Θ0为满足当前测点测量要求的测量角度；Θj为满足第j个测点测量要求的测量角度。
从而将测点分类问题转换为集合覆盖问题，求解出最小数目子集。
优选的，在步骤S103中，建立如下数学模型将测点集Mi内测点初步分配给每个机器人：
Figure BDA0002514349680000041
Figure BDA0002514349680000042
其中δi是仅可由第i个机器人可以测量的测点；qi表示Mi内可以由第i个机器人测量的测点；Ui为第i个机器人测量测点集合；n表示Ui内所以元素个数；
Figure BDA0002514349680000043
表示所设定每个机器人最大可测量测点个数；dij表示Ui内两元素之间的距离。
根据上述模型求解出测点的初步划分规则，其次利用静态碰撞检测对不同机器人的测点进行静态碰撞检测。xij表示0-1变量；为1表示第i个测点到第j个测点距离被选择，否则为0。
优选的，在步骤S104中，根据S103中的静态碰撞检测结果，针对发生碰撞测点在满足测量规则的前提下通过修改机器人参数(w,p,r)值达到改变机器人姿态而不改变机器人位置。根据碰撞检测的结果对测点进行二次划分得到最终的测点分配。
优选的，在步骤S106中，根据机器人轨迹时间越长通过冲突优先级越高的原则确定机器人运动优先级，每一次消除冲突均需要确定机器人优先级。
与现有技术相比，本发明的优势之处在于：本发明包括测量任务分配、局部路径规划、全局路径规划、机器人协调运动等，结合车身待测零部件的结构特征，通过算法程序与应用步骤的设计开发，实现多机器人对于复杂零部件无碰撞、高效率的检测规划。本发明提取待测零部件测量特征的空间坐标、矢量方向、机器人初始位置及末端测头的空间位置等信息；根据每个测点的可行测量要求以及测点之间阈值将测点分配问题转化为集合覆盖问题并进行求解；利用就近原则、机器人最多测量测点等约束对测点进行分配；利用静态碰撞检测对分配后测点进行二次划分；结合被测测量零部件的结构模型和测量特征信息，利用动静态碰撞检测算法和避撞点自动生成算法得到机器人无碰撞路径；利用动态碰撞检测确定机器人之间碰撞点；根据测量要求确定碰撞点前后测点可行测量姿态所构成的冗余空间，提出冗余空间内动态碰撞算法和空间移动点自动生成算法得到机器人之间无碰撞路径；通过迭代方法对测量特征进行重新划分实现检测时间在规定时间内。提高了多机器人测量系统的自动化程度与检测待测零部件效率。
附图说明
图1为多机器人视觉检测系统的自动规划方法流程图。
图2为待测车身结构与测量特征示意图。
图3为待测车身测量特征分配结果示意图。
图4为待测车身无碰撞最优测量路径示意图。
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，下面将对本发明的技术方案作进一步地说明。
如图1所示，本发明出一种基于多级任务分配的多机器人视觉检测系统的协同运动规划方法：
S101：利用机器人正逆运动学以及机器人工作范围将求解出机器人工作范围，根据每个机器人的工作范围确定一个机器人测量的测点集合Si与可由多个机器人测量的测点集Mi,其中i代表机器人编号。
S102：以每个测量特征的最佳测量矢量方向为中心，以(1)与当前测量特征的欧氏距离为ε；(2)满足自身测量要求且满足当前测量特征的测量要求的测点为约束条件确定每个测点的“覆盖区域”，其数学模型可表示为以下形式：
Figure BDA0002514349680000061
其中d0为当前测点的坐标值；dj为除当前测点外的其他测点；Θ0为满足当前测点测量要求的测量角度；Θj为满足第j个测点测量要求的测量角度。
从而将测点分类问题转换为集合覆盖问题，求解出最小数目子集。
S103：根据如下建立的数学模型将测点集Mi内测点初步分配给每个机器人：Object:
Figure BDA0002514349680000062
Figure BDA0002514349680000063
其中δi是仅可由第i个机器人可以测量的测点；qi表示Mi内可以由第i个机器人测量的测点；Ui为第i个机器人测量测点集合；n表示Ui内所以元素个数；
Figure BDA0002514349680000064
表示所设定每个机器人最大可测量测点个数；dij表示Ui内两元素之间的距离；xij表示0-1变量；为1表示第i个测点到第j个测点距离被选择，否则为0。
根据上述模型求解出测点的初步划分规则，其次利用静态碰撞检测对不同机器人的测点进行静态碰撞检测，
S104：根据S103中的静态碰撞检测结果，针对发生碰撞测点在满足测量规则的前提下通过修改机器人参数(w,p,r)值达到改变机器人姿态而不改变机器人位置。根据碰撞检测的结果对测点进行二次划分得到最终的测点分配。
S105：通过添加避撞点的方法求解两两测点之间的无碰撞路径及时间。通过智能算法求解机器人无碰撞路径。
S106：利用动态检测算法求解出机器人之间发生冲突点的时间、以及其前后测量特征，根据机器人轨迹时间越长通过冲突优先级越高的原则确定机器人运动优先级，每一次消除冲突均需要确定机器人优先级。
S107：利用静态碰撞检测确定低优先级中发生冲突点前后测量特征的无碰撞冗余空间，通过添加避撞点实现冲突前后测量特征的无碰撞路径。
S108：对于S107中冗余空间内搜索的无碰撞姿态，计算前后测量特征的运动时间从而确定时间最短的姿态，重复执行上述机器人间的无碰撞姿态确定，直到求解得到机器人间所有测量任务的无碰撞最优路径为止。
S109：重复步骤S103至步骤S108的计算，以保证每个机器人工作时间在生产节拍之内。
为验证本方法的有效性，利用图2所示的离散化待测零部件、测量特征信息的案例实现多机器人系统测量路径自动规划。
如图2所示，待测零部件结构经离散化处理，黑色圆点为测量特征的空间位置，箭头表示测量特征的矢量方向。待测零部件使用某机器人搭载激光测头进行测量，本案例以该车身部分测量特征进行说明，待测零部件共包括45个测量特征，其空间坐标值和矢量方向等信息如表1所示。
表1
Figure BDA0002514349680000081
以左侧车身任务分配为例对所提出测点分配任务策略进行说明。测点分布图如图3所示。根据可达性计算出可多机器人测量的测点为{1,2,3,4,5,6,7,8,9,10,11,12}，机器人以每个测点为中心，以所能测量到该测点的测量角度范围为“覆盖”范围将问题转换成集合覆盖问题，利用动态删除的贪婪算法对上述集合覆盖问题进行求解计算得到最小集合Sj＝({1,2},{3,,5},{6,8,9},{7,10,11},{12},{4})。根据约束(3)-(8)将测点集Sj分配给L1、L2(L1、L2为左侧两机器人)分别为SL1＝{1,2,7,10,11}、SL2＝{3,4,5,6,8,9,12}，在满足测量要求前提下对SL1、SL2内测点测量姿态进行碰撞检测，测点2、3发生碰撞，且无法通过修改测量姿态进行修改，即将测点2、3分配给L1；最终L1分配任务为{1,2,3,7,10,11,19,20,21,22,23}、L2分配任务测点为{4,5,6,8,9,12,13,14,15,16,17,18}。
独立路径规划阶段，利用旅行商问题求解方法与静态空间离散型建模，使用碰撞检测算法确定静止障碍物，通过添加避撞点达到避障效果，最终确定静态空间内的机器人无碰撞路径。其运动顺序如下：同时产生冲突D1，冲突D1是由于L1机器人从编号3运动到点6与L2从编号4运动到编号5过程中发生碰撞。L1机器人工作时间为27.2s、L2机器人工作时间为28.5s因此L2优先级较高，通过搜索L1机器人发生冲突前后测点的冗余空间消除机器人之间冲突。根据上述搜索冗余空间机器人姿态的方法，搜索冗余空间内集合内消除冲突D1的矢量即为机器人所要运动到姿态，本文内选取该矢量方向为(-0.3368，-0.9254.0.1737)。同理，剩余的冲突依次根据冗余空间内搜索得到相应的位姿。测量路径利用MATLAB软件可视化效果如图4所示(L3、L4分别为右侧两机器人)，曲线表示测头末端的运动轨迹，★表示测头末端初始位置，◆表示发生冲突点前后测量特征中修改姿态的点，●表示测量特征位置。案例结果显示通过冗余空间搜索后的多机器人间运动轨迹无干涉，证明了本方法在多机器人视觉检测系统对待测零部件测量路径规划过程中的可行性。
本发明针对汽车车身测量特征路径规划问题，提出了一种用于精度检测的多级任务分配的多机器人视觉检测系统的自动化路径规划系统与方法，解决了待测零部件多特征自动规划无碰撞、且时间最短的路径的难题，实现了复杂待测零部件测量路径的自动规划，加快了生产节奏。
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。

Claims (6)

1.一种基于多级任务分配的多机器人视觉检测系统的协同运动规划方法，其特征在于，包括如下步骤：
S101、根据可达性计算将测量特征分为仅由一个机器人测量的测点集合Si与可由多个机器人测量的测点集Mi,其中i代表机器人编号；
S102、根据测量要求与测点之间的欧式距离约束将测点集Mi内测点分配问题转换为集合覆盖问题，求解出最小数目集合；
S103、根据所建立的数学模型以及约束条件将测点集Mi内测点分配给每个机器人，利用静态碰撞检测对不同机器人的测点进行静态碰撞检测；
S104、基于S103中的静态碰撞检测结果，若发生碰撞则在满足测量要求的前提下改变机器人位姿并进行避撞，若仍发生碰撞则在满足所建立的约束条件的前提下将发生碰撞的测点分配给同一机器人，反之，不进行任何操作；
S105、将单机器人的无碰撞路径求解转换为旅行商问题，建立两两测点的无碰撞的时间矩阵，求解得到遍历单个机器人所有测量特征的无碰撞最优测量路径；
S106、利用动态检测算法求解出机器人之间发生冲突点的时间、以及其前后测量特征，同时根据机器人运行时间动态的确定机器人优先级；
S107、基于S106所确定的冲突点的时间及其前后测量特征、在优先级低的机器人测量冲突前后测量特征时的冗余空间内，搜索与优先级高的机器人运动规划的无碰撞姿态；
S108、基于S107中冗余空间内搜索的无碰撞姿态，计算前后测量特征的运动时间确定时间最短的姿态，重复执行上述机器人间的无碰撞姿态确定，直到求解得到机器人间所有测量任务的无碰撞最优路径为止；
S109、重复步骤S103至步骤S108的计算，以保证每个机器人工作时间在生产节拍之内。
2.根据权利要求1所述的基于多级任务分配的多机器人视觉检测系统的协同运动规划方法，其特征在于，步骤S101中利用机器人正逆运动学以及机器人工作范围将求解出机器人工作范围，根据每个机器人的工作范围确定一个机器人测量的测点集合Si与可由多个机器人测量的测点集Mi,其中i代表机器人编号。
3.根据权利要求1所述的基于多级任务分配的多机器人视觉检测系统的协同运动规划方法，其特征在于，以每个测量特征的最佳测量矢量方向为中心，与当前测量特征的欧氏距离为ε；满足自身测量要求且满足当前测量特征的测量要求的测点为约束条件确定每个测点的“覆盖区域”，其数学模型可表示为以下形式：
Figure FDA0002514349670000021
其中d0为当前测点的坐标值；dj为除当前测点外的其他测点；Θ0为满足当前测点测量要求的测量角度范围；Θj为满足第j个测点测量要求的测量角度范围。从而将测点分类问题转换为集合覆盖问题，求解出最小数目子集。
4.根据权利要求1所述的基于多级任务分配的多机器人视觉检测系统的协同运动规划方法，其特征在于，在步骤S103中，建立如下数学模型将测点集Mi内测点初步分配给每个机器人：
Figure FDA0002514349670000022
Figure FDA0002514349670000031
其中δi是仅可由第i个机器人可以测量的测点；qi表示Mi内可以由第i个机器人测量的测点；Ui为第i个机器人测量测点集合；n表示Ui内所以元素个数；
Figure FDA0002514349670000032
表示所设定每个机器人最大可测量测点个数；dij表示Ui内两元素之间的距离；xij表示0-1变量；为1表示第i个测点到第j个测点距离被选择，否则为0。
根据上述模型求解出测点的初步划分规则，其次利用静态碰撞检测对不同机器人的测点任务进行静态碰撞检测。
5.根据权利要求1所述的基于多级任务分配的多机器人视觉检测系统的协同运动规划方法，其特征在于，在步骤S104中，根据S103中的静态碰撞检测结果，针对发生碰撞测点在满足测量规则的前提下通过修改机器人参数(w,p,r)值达到改变机器人姿态而不改变机器人位置。根据碰撞检测的结果对测点进行二次划分得到最终的测点分配。
6.根据权利要求1所述的基于多级任务分配的多机器人视觉检测系统的协同运动规划方法，其特征在于，在步骤S106中，根据机器人轨迹时间越长通过冲突优先级越高的原则确定机器人运动优先级，每一次消除冲突均需要确定机器人优先级。
CN202010471194.9A 2020-05-28 2020-05-28 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法 Active CN111975767B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010471194.9A CN111975767B (zh) 2020-05-28 2020-05-28 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010471194.9A CN111975767B (zh) 2020-05-28 2020-05-28 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法

Publications (2)

Publication Number Publication Date
CN111975767A true CN111975767A (zh) 2020-11-24
CN111975767B CN111975767B (zh) 2022-01-25

Family

ID=73441897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010471194.9A Active CN111975767B (zh) 2020-05-28 2020-05-28 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法

Country Status (1)

Country Link
CN (1) CN111975767B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561335A (zh) * 2020-12-17 2021-03-26 上海理工大学 一种车身质量在线监测的自动化任务分配方法
CN112873206A (zh) * 2021-01-22 2021-06-01 中国铁建重工集团股份有限公司 多任务自动分配的机械臂控制系统及作业台车
CN113500605A (zh) * 2021-09-13 2021-10-15 中科开创（广州）智能科技发展有限公司 巡检任务可视化方法、装置、计算机设备和存储介质
CN115576332A (zh) * 2022-12-07 2023-01-06 广东省科学院智能制造研究所 一种任务级多机器人协同运动规划系统与方法
CN115922713A (zh) * 2022-12-07 2023-04-07 南京航空航天大学 一种基于多机械臂协同的汽车整车配置防错检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120169491A1 (en) * 2010-12-29 2012-07-05 Chang Yi-Yin Relay node placement method in wireless body sensor network
CN104942807A (zh) * 2015-04-16 2015-09-30 上海大学 基于扩展式合作博弈的多机器人围捕目标方法
CN108227648A (zh) * 2016-12-14 2018-06-29 波音公司 机器人任务系统
CN109040969A (zh) * 2018-08-10 2018-12-18 武汉科技大学 室内环境下的智能机器人小车最佳采集点位置选择方法
CN109689309A (zh) * 2016-09-09 2019-04-26 杜尔系统股份公司 用于涂覆机器人的优化方法及相应涂覆系统
CN110059879A (zh) * 2019-04-16 2019-07-26 上海理工大学 车身三坐标测量的自动规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120169491A1 (en) * 2010-12-29 2012-07-05 Chang Yi-Yin Relay node placement method in wireless body sensor network
CN104942807A (zh) * 2015-04-16 2015-09-30 上海大学 基于扩展式合作博弈的多机器人围捕目标方法
CN109689309A (zh) * 2016-09-09 2019-04-26 杜尔系统股份公司 用于涂覆机器人的优化方法及相应涂覆系统
CN108227648A (zh) * 2016-12-14 2018-06-29 波音公司 机器人任务系统
CN109040969A (zh) * 2018-08-10 2018-12-18 武汉科技大学 室内环境下的智能机器人小车最佳采集点位置选择方法
CN110059879A (zh) * 2019-04-16 2019-07-26 上海理工大学 车身三坐标测量的自动规划方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561335A (zh) * 2020-12-17 2021-03-26 上海理工大学 一种车身质量在线监测的自动化任务分配方法
CN112873206A (zh) * 2021-01-22 2021-06-01 中国铁建重工集团股份有限公司 多任务自动分配的机械臂控制系统及作业台车
CN113500605A (zh) * 2021-09-13 2021-10-15 中科开创（广州）智能科技发展有限公司 巡检任务可视化方法、装置、计算机设备和存储介质
CN115576332A (zh) * 2022-12-07 2023-01-06 广东省科学院智能制造研究所 一种任务级多机器人协同运动规划系统与方法
CN115576332B (zh) * 2022-12-07 2023-03-24 广东省科学院智能制造研究所 一种任务级多机器人协同运动规划系统与方法
CN115922713A (zh) * 2022-12-07 2023-04-07 南京航空航天大学 一种基于多机械臂协同的汽车整车配置防错检测方法
CN115922713B (zh) * 2022-12-07 2024-02-13 南京航空航天大学 一种基于多机械臂协同的汽车整车配置防错检测方法

Also Published As

Publication number Publication date
CN111975767B (zh) 2022-01-25

Similar Documents

Publication Publication Date Title
CN111975767B (zh) 基于多级任务分配的多机器人视觉检测系统的协同运动规划方法
CN110059879B (zh) 车身三坐标测量的自动规划方法
CN109682336B (zh) 用于车身精度检测的三坐标测量路径自动规划与优化方法
Li et al. Orientation-point relation based inspection path planning method for 5-axis OMI system
Zhang et al. Automatic sweep scan path planning for five-axis free-form surface inspection based on hybrid swept area potential field
Liu et al. Optimal path planning for automated dimensional inspection of free-form surfaces
CN105783779A (zh) 基于三层匹配的钢轨轮廓实时形态识别与失真校准方法
CN110181516A (zh) 一种喷涂机器人的路径规划方法、装置、系统及存储介质
CN103480534B (zh) 机器人喷涂工件曲面造型方法
CN109597354A (zh) 一种三角网格模型的多约束数控加工轨迹生成方法
CN115937468A (zh) 一种无数模工件机器人加工程序自动生成方法
Wang et al. Assembly-oriented task sequence planning for a dual-arm robot
Zhang et al. Skeleton curve-guided five-axis sweep scanning for surface with multiple holes
Wang et al. Research on AGV task path planning based on improved A* algorithm
CN112372631B (zh) 一种大型复杂构件机器人加工的快速碰撞检测方法及设备
CN104793492B (zh) 一种基于熵和灰关联度的室内环境特征提取方法
CN115032911A (zh) 一种适用于分布式光学检测的多机器人仿真系统
Xi Obstacle avoidance trajectory planning of redundant robots based on improved Bi-RRT
CN112906215A (zh) 一种基于SolidWorks二次开发的管材刀路生成方法
Han et al. Path planning method for intelligent CMMs based on safety and the high-efficiency principle
Yan et al. A two-module automated scanning inspection planning methodology for complex surfaces on coordinate measuring machine
Polini et al. A frame for a computer aided inspection planning system
CN113885567B (zh) 一种基于冲突搜索的多无人机的协同路径规划方法
CN113340247B (zh) 一种用于车身接触式三坐标测量的连续碰撞检测方法
CN115431267A (zh) 一种基于区域划分的工业机器人曲面加工方法

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