CN112828890A - 机械臂轨迹规划方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明属于机械臂技术领域，公开了一种机械臂轨迹规划方法、装置、电子设备及存储介质。所述方法包括：获取机械臂的参数信息，并根据所述参数信息建立机械臂数学模型；获取所述机械臂的抓取任务，根据所述抓取任务及所述机械臂数学模型生成初始运动轨迹；获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹。通过对机械臂初始规划的轨迹进行优化修正，规划有效避障的机械臂轨迹，提升机械臂轨迹规划的效率。

Description

机械臂轨迹规划方法、装置、电子设备及存储介质

技术领域

本发明涉及机械臂技术领域，尤其涉及一种机械臂轨迹规划方法、装置、电子设备及存储介质。

背景技术

机械臂逐渐取代人工成为工业制造的新趋势，机械臂运动的过程中，不仅需要考虑到机械臂是否能准确地进行物体抓取，还要考虑到机械臂抓取物体后机械臂的承重能力及稳定性。具体实施中，机械臂不可能完全处于空旷场地进行物品抓取，抓取物体时周边存在障碍物，因此，需要对机械臂运动轨迹进行准确规划。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种机械臂轨迹规划方法、装置、电子设备及存储介质，旨在提升现有技术中机械臂避障能力的技术问题。

为实现上述目的，本发明提供了一种机械臂轨迹规划方法，所述方法包括：

获取机械臂的参数信息，并根据所述参数信息建立机械臂数学模型；

获取所述机械臂的抓取任务，根据所述抓取任务及所述机械臂数学模型生成初始运动轨迹；

获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹。

可选地，所述获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹的步骤之后，还包括：

根据所述目标机械臂轨迹对所述机械臂进行轨迹跟踪控制。

可选地，所述获取机械臂的参数信息，并根据所述参数信息建立机械臂数学模型的步骤，具体包括：

获取机械臂各节的长度信息、运动能力信息及机械臂末端位置信息；

根据所述长度信息、所述运动能力信息及所述机械臂末端位置信息建立机械臂数学模型。

可选地，所述初始运动轨迹包括第一初始运动轨迹及第二初始运动轨迹；

所述获取所述机械臂的抓取任务，根据所述抓取任务及所述机械臂数学模型生成初始运动轨迹的步骤，具体包括：

获取所述机械臂的抓取任务，并根据所述抓取任务确定待抓取物的位置信息及形状信息、重量信息；

根据所述位置信息及所述机械臂数学模型生成机械臂未抓取时的第一初始运动轨迹；

根据所述位置信息、所述形状信息、所述重量信息及所述机械臂数学模型生成机械臂抓取状态时的第二初始运动轨迹。

可选地，所述获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹的步骤，具体包括：

获取所述机械臂的工作空间中的各障碍物的坐标信息及空间轮廓信息；

根据预设安全距离、所述坐标信息及所述空间轮廓信息对所述初始运动轨迹进行优化，以生成目标机械臂轨迹。

可选地，所述获取所述机械臂的工作空间中的各障碍物的坐标信息及空间轮廓信息的步骤之前，还包括：

根据机械臂各节的长度信息、运动能力信息获取所述机械臂对应的预设安全距离；

所述根据预设安全距离、所述坐标信息及所述空间轮廓信息对所述初始运动轨迹进行优化，以生成目标机械臂轨迹的步骤，具体包括：

根据所述坐标信息与所述空间轮廓信息确定所述工作空间中的无障碍区域；

根据所述预设安全距离与所述无障碍区域获取所述机械臂的安全运动区域；

根据所述安全运动区域对所述初始运动轨迹进行优化，以生成目标机械臂轨迹。

可选地，所述根据所述目标机械臂轨迹对所述机械臂进行轨迹跟踪控制的步骤，具体包括：

获取自适应前馈神经网络，并根据所述自适应前馈神经网络与所述目标机械臂轨迹对所述机械臂进行轨迹跟踪控制。

此外，为实现上述目的，本发明还提出一种机械臂轨迹规划装置，所述装置包括：

参数获取模块，用于获取机械臂的参数信息，并根据所述参数信息建立机械臂数学模型；

初始规划模块，用于获取所述机械臂的抓取任务，根据所述抓取任务及所述机械臂数学模型生成初始运动轨迹；

轨迹优化模块，用于获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹。

此外，为实现上述目的，本发明还提出一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机械臂轨迹规划程序，所述机械臂轨迹规划程序配置为实现如上所述的机械臂轨迹规划方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有机械臂轨迹规划程序，所述机械臂轨迹规划程序被处理器执行时实现如上所述的机械臂轨迹规划方法的步骤。

本发明通过获取机械臂的参数信息，并根据所述参数信息建立机械臂数学模型；获取所述机械臂的抓取任务，根据所述抓取任务及所述机械臂数学模型生成初始运动轨迹；获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹。通过对机械臂初始规划的轨迹进行优化修正，规划有效避障的机械臂轨迹，提升机械臂轨迹规划的效率。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的电子设备的结构示意图；

图2为本发明机械臂轨迹规划方法第一实施例的流程示意图；

图3为本发明机械臂轨迹规划方法第二实施例的流程示意图；

图4为本发明机械臂轨迹规划方法第三实施例的流程示意图；

图5为本发明机械臂轨迹规划装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的电子设备结构示意图。

如图1所示，该电子设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及机械臂轨迹规划程序。

在图1所示的电子设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明电子设备中的处理器1001、存储器1005可以设置在电子设备中，所述电子设备通过处理器1001调用存储器1005中存储的机械臂轨迹规划程序，并执行本发明实施例提供的机械臂轨迹规划方法。

本发明实施例提供了一种机械臂轨迹规划方法，参照图2，图2为本发明一种机械臂轨迹规划方法第一实施例的流程示意图。

本实施例中，所述机械臂轨迹规划方法包括以下步骤：

步骤S10：获取机械臂的参数信息，并根据所述参数信息建立机械臂数学模型。

应当理解的是，本实施例的执行主体为机械臂轨迹规划装置，所述机械臂为至少具有两个关节的，用于抓取目标物体的机械臂；其中，所述目标物体可以为待采摘的农作物、待抓取的货物、待测试的元器件等。目前，机械臂的材料逐渐由金属材料发展为陶瓷材料，具体实施中，机械臂的运动轨迹规划不仅需要考虑到工作环境中具有哪些障碍物，还需要考虑到执行抓取任务时，是否会碰撞到周边的待抓取物或工作平台，例如：半导体器件生产过程中，在晶圆测试时，由于晶圆本身属于易受损物体，执行抓取晶圆任务的机械臂运动轨迹设计，需要考虑到防止机械臂撞击工作平台及晶圆。再例如：采摘成熟的水果时，执行抓取水果任务的机械臂运动轨迹设计，需要考虑到防止机械臂撞击果树枝干，导致枝干抖动果实坠落；或防止机械臂撞击附近的果实，导致果实坠落，引发不必要的损失。

易于理解的是，所述机械臂的参数信息包括但不限于所述机械臂的各节的长度、机械臂执行抓取任务时末端的位置信息、机械臂各关节能够旋转的角度范围、机械臂各关节的转动速度等；所述机械臂数学模型为，将机械臂的各关节作为坐标系的原点，建立多坐标系的数学模型，通过所述数学模型模拟所述机械臂在空间中的运动。

步骤S20：获取所述机械臂的抓取任务，根据所述抓取任务及所述机械臂数学模型生成初始运动轨迹。

易于理解的是，所述抓取任务根据所述机械臂类型、用途及工作空间进行确定。例如：所述机械臂应用在流水线工作的机械臂，用于抓取不合格产品，并将所述不合格产品从流水线上卸载。因此，所述抓取任务为，初始状态下，以机械臂末端为起始点，机械臂的夹持部移动至流水线上方的抓取待机区域，在流水线上出现不合格产品时，对流水线上的不合格产品进行抓取，并将所述不合格产品转移至回收区域，转移后机械臂的夹持部回到所述抓取待机区域。根据所述抓取任务获取所述机械臂运动过程中几个固定的目标位置信息，如：所述抓取待机区域、流水线上不合格产品可能存在的区域、所述回收区域，上述区域在机械臂工作的过程中，为必经区域，根据上述区域的位置信息与所述机械臂数学模型，模拟生成机械臂初始的运动轨迹。

步骤S30：获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹。

应当理解的是，基于上述举例进一步说明，在具体实施中，机械臂的工作环境必然存在障碍物，例如：机械臂抓取不合格产品时，需要考虑到是否会误抓周边产品，机械臂将不合格产品抓取起时，需要考虑到机械臂的运动轨迹是否会阻挡到流水线上其他产品继续传输等问题。因此，在所述工作空间中，所述流水线、周边产品均可视为障碍物，获取所述流水线所处的位置信息，包括高度、宽度、长度等信息；获取所述周边产品的体积、随流水线的运动轨迹等信息，在工作空间中将上述位置信息对应的区域设置为障碍物区域，其他区域设置为可运动区域，根据所述可运动区域对所述初始运动轨迹进行优化，以基于所述初始运动轨迹获取在所述可运动区域进行运动的目标机械臂轨迹。

本发明通过建立机械臂数学模型，根据机械臂的抓取任务获取机械臂的初始运动轨迹，再基于障碍物信息对初始运动轨迹进行修改、优化，得到规避障碍区域的目标机械臂运动轨迹，提升机械臂的障碍物规避能力；由于初始轨迹仅需对固定的位置进行规划，所需时间短，再通过轨迹优化的方式进行轨迹规划，提升轨迹规划的效率。

参考图3，图3为本发明一种机械臂轨迹规划方法第二实施例的流程示意图。基于上述第一实施例，本实施例机械臂轨迹规划方法在所述步骤S10，具体包括：

步骤S101：获取机械臂各节的长度信息、运动能力信息及机械臂末端位置信息。

需要说明的是，所述获取机械臂各节(连杆)的长度信息、运动能力信息包括获取机械臂的杆件号、连杆转角、连杆长、连杆偏距、关节角、关节角运动范围等。机械臂末端位置信息为机械臂距离夹持部最远的连杆的末端，该端固定在机械臂控制端上。若所述机械臂控制端为不可移动装置，则所述机械臂末端位置信息在机械臂工作时维持不变，若所述机械臂安装在可移动装置上，则所述机械臂末端位置信息随所述可移动装置进行移动。

步骤S102：根据所述长度信息、所述运动能力信息及所述机械臂末端位置信息建立机械臂数学模型。

需要说明的是，所述机械臂数学模型包括将机械臂的各关节作为坐标系的原点，建立多坐标系的数学模型，通过所述数学模型模拟所述机械臂在空间中的运动，同时根据所述机械臂数学模型进行运动方程计算，其中，相邻的两个连杆之间的参数可以定义如下：连杆长ai＝沿着Xi轴，由Zi移动至Zi+1的距离，连杆转角αi＝绕着Xi轴，由Zi旋转至Zi+1的角度；连杆偏距di＝沿着Zi轴，由Xi-1移动至Xi的距离，关节角θi＝绕着Xi轴，从Xi-1旋转至Xi的角度。其中，Xi、Zi为编号为以i的连杆末端对应的关节点为原点的坐标轴的两轴；Xi+1、Zi+1为编号为以i+1的连杆末端对应的关节点为原点的坐标轴的两轴；Xi-1、Zi-1为编号为以i-1的连杆末端对应的关节点为原点的坐标轴的两轴。

所述初始运动轨迹包括第一初始运动轨迹及第二初始运动轨迹。其中，所述第一初始运动轨迹是指，机械臂在执行抓取任务时，抓取到目标物体之前的轨迹，或卸载目标物体之后的轨迹；所述第二初始运动轨迹是指，机械臂在执行抓取任务时，抓取到目标物体之后的轨迹。易于理解的是，在机械臂执行抓取任务时，所述目标物体是有体积、有重量的物体，在抓取到所述目标物体后，所述目标物体被机械臂携带运动，若要进行机械臂避障控制，一方面要考虑到抓取了目标物体的机械臂及目标物体本身是否会碰撞到障碍物，另一方面还要考虑到由于目标物体的重量，机械臂的各关节受力改变，机械臂的运动能力有了变化，因此，需要分别规划未抓取时的运动轨迹与抓取状态时的运动轨迹。

进一步地，为有效进行机械臂运动轨迹的规划，所述步骤S20具体包括：

步骤S201：获取所述机械臂的抓取任务，并根据所述抓取任务确定待抓取物的位置信息及形状信息、重量信息。

易于理解的是，基于第一实施例的举例进行说明，此处不再一一赘述所述待抓取物的位置信息及形状信息、重量信息。

步骤S202：根据所述位置信息及所述机械臂数学模型生成机械臂未抓取时的第一初始运动轨迹。

应当理解的是，基于第一实施例的举例进行说明，所述第一初始运动轨迹为初始状态下，以机械臂末端为起始点，机械臂的夹持部移动至流水线上方的抓取待机区域，并在所述抓取待机区域相对静止进行待机，在出现不合格产品时夹持部移动到不合格产品处；在卸载不合格产品后，夹持部由回收区域回到抓取待机区域。所述位置信息在本实施例中为所述抓取待机区域的位置信息及所述不合格产品在流水线上的位置信息、回收区域的位置信息。

易于理解的是，获取到所述第一初始运动轨迹中的需要经过的点后，结合机械臂数学模型生成第一初始运动轨迹。

步骤S203：根据所述位置信息、所述形状信息、所述重量信息及所述机械臂数学模型生成机械臂抓取状态时的第二初始运动轨迹。

易于理解的是，基于上述举例，所述第二初始运动轨迹中必然经过不合格产品的位置及回收区域的位置，同时由于夹持了目标物体，即举例中不合格产品，会影响到机械臂运动时的机动性，根据所述位置信息、所述形状信息、所述重量信息及所述机械臂数学模型生成第二初始运动轨迹。

进一步地，为使机械臂运动轨迹躲避障碍物，所述步骤S30具体包括：

步骤S301：获取所述机械臂的工作空间中的各障碍物的坐标信息及空间轮廓信息。

易于理解的是，工作空间中可以设置摄像头进行视觉捕捉，从而确定各障碍物的轮廓信息，例如：通过摄像头或红外摄像头对工作空间进行扫描，得到工作空间中各障碍物的轮廓信息，进行模拟。

步骤S302：根据预设安全距离、所述坐标信息及所述空间轮廓信息对所述初始运动轨迹进行优化，以生成目标机械臂轨迹。

进一步地，为使机械臂的运动轨迹有效避障，步骤S302具体包括：根据所述坐标信息与所述空间轮廓信息确定所述工作空间中的无障碍区域；根据所述预设安全距离与所述无障碍区域获取所述机械臂的安全运动区域；根据所述安全运动区域对所述初始运动轨迹进行优化，以生成目标机械臂轨迹。

应当理解的是，机械臂运动轨迹规划的目的是，获取机械臂各个关节、连杆、机械臂携带的目标物体均未触碰障碍物，且运动轨迹最短最平稳。以无障碍区域作为临界调节，对初始运动轨迹进行优化。对初始运动轨迹进行优化同样要考虑到抓取状态与未抓取状态，分别对第一、第二初始运动轨迹进行优化。

步骤S301之前，还包括：根据机械臂各节的长度信息、运动能力信息获取所述机械臂对应的预设安全距离。

具体实施中，在进行机械臂运动轨迹规划之前，还可以根据抓取任务进行机械臂抓取模拟实验，通过人工进行机械臂的运动控制，并记录实验中机械臂运动轨迹，根据记录收集到的机械臂运动轨迹进行模型训练，以得到机械臂与工作空间中的障碍物的安全距离。

进一步地，所述机械臂可以为各关节点设置距离传感器及速度传感器的机械臂，所述距离传感器可以为超声波传感器、视觉探测器或者红外线传感器。具体实施中，在进行抓取模拟实验时，多个所述距离传感器实时检测各关节距离障碍物的距离，根据收集到的距离信息集合，结合机械臂各节的长度信息、运动能力信息(各关节能够旋转的角度、各关节转动的速度等信息)能够计算出机械臂各节对应的预设安全距离。

本发明通过建立机械臂数学模型，根据机械臂的抓取任务获取机械臂的初始运动轨迹，再基于障碍物信息对初始运动轨迹进行修改、优化，得到规避障碍区域的目标机械臂运动轨迹，提升机械臂的障碍物规避能力；由于初始轨迹仅需对固定的位置进行规划，所需时间短，再通过轨迹优化的方式进行轨迹规划，提升轨迹规划的效率。

参考图4，图4为本发明一种机械臂轨迹规划方法第三实施例的流程示意图。基于上述第一实施例，本实施例机械臂轨迹规划方法在所述步骤S30之后，还包括：

步骤S40：根据所述目标机械臂轨迹对所述机械臂进行轨迹跟踪控制。

具体实施中，在机械臂的周围障碍物为相对静止物体时，实时获取机械臂运动过程中各障碍物的距离变化，在所述距离变化与预设距离变化不符时，说明机械臂的运动轨迹发生故障，对机械臂的运动轨迹进行修正。在机械臂周围障碍物为可运动物体(如，流水线生产平台等)时，实时获取各障碍物距离，调整机械臂主体各节的当前运动速度，对障碍物进行规避，进行自适应。在机械臂夹持有目标物体时，通过重量传感器检测目标物体的重量，根据所述目标物体的重量及所占体积重新规划能够避让障碍物的运动轨迹，同时根据目标物体的重量调整机械臂的夹持力、各节运动速度等以使机械臂成功完成抓取任务。

进一步地，所述步骤S40具体包括：

获取自适应前馈神经网络，并根据所述自适应前馈神经网络与所述目标机械臂轨迹对所述机械臂进行轨迹跟踪控制。

需要说明的是，所述自适应前馈神经网络，包括n个输入单元、m个输出单元以及N个隐层单元的双层前馈神经网络。通过结合机械臂的数学模型，基于自适应前馈神经网络与目标机械臂轨迹进行拟合控制，使得机械臂控制程序能够有效跟踪，降低跟踪误差。

本实施中，通过自适应前馈神经网络进行机械臂轨迹跟踪控制，跟踪精度高，使得机械臂在受到外界干扰情况下，也能有效跟踪预设的运动轨迹，通过上述方法削弱机械臂抖动，提升机械臂工作稳定性，适用于对轨迹跟踪有高精度要求的机械臂工作。

参照图5，图5为本发明机械臂轨迹规划装置第一实施例的结构框图。

如图5所示，本实施例中所述机械臂轨迹规划装置包括：

参数获取模块10，用于获取机械臂的参数信息，并根据所述参数信息建立机械臂数学模型。

应当理解的是，所述机械臂为至少具有两个关节的，用于抓取目标物体的机械臂；其中，所述目标物体可以为待采摘的农作物、待抓取的货物、待测试的元器件等。目前，机械臂的材料逐渐由金属材料发展为陶瓷材料，具体实施中，机械臂的运动轨迹规划不仅需要考虑到工作环境中具有哪些障碍物，还需要考虑到执行抓取任务时，是否会碰撞到周边的待抓取物或工作平台，例如：半导体器件生产过程中，在晶圆测试时，由于晶圆本身属于易受损物体，执行抓取晶圆任务的机械臂运动轨迹设计，需要考虑到防止机械臂撞击工作平台及晶圆。再例如：采摘成熟的水果时，执行抓取水果任务的机械臂运动轨迹设计，需要考虑到防止机械臂撞击果树枝干，导致枝干抖动果实坠落；或防止机械臂撞击附近的果实，导致果实坠落，引发不必要的损失。

易于理解的是，所述机械臂的参数信息包括但不限于所述机械臂的各节的长度、机械臂执行抓取任务时末端的位置信息、机械臂各关节能够旋转的角度范围、机械臂各关节的转动速度等；所述机械臂数学模型为，将机械臂的各关节作为坐标系的原点，建立多坐标系的数学模型，通过所述数学模型模拟所述机械臂在空间中的运动。

初始规划模块20，用于获取所述机械臂的抓取任务，根据所述抓取任务及所述机械臂数学模型生成初始运动轨迹。

易于理解的是，所述抓取任务根据所述机械臂类型、用途及工作空间进行确定。例如：所述机械臂应用在流水线工作的机械臂，用于抓取不合格产品，并将所述不合格产品从流水线上卸载。因此，所述抓取任务为，初始状态下，以机械臂末端为起始点，机械臂的夹持部移动至流水线上方的抓取待机区域，在流水线上出现不合格产品时，对流水线上的不合格产品进行抓取，并将所述不合格产品转移至回收区域，转移后机械臂的夹持部回到所述抓取待机区域。根据所述抓取任务获取所述机械臂运动过程中几个固定的目标位置信息，如：所述抓取待机区域、流水线上不合格产品可能存在的区域、所述回收区域，上述区域在机械臂工作的过程中，为必经区域，根据上述区域的位置信息与所述机械臂数学模型，模拟生成机械臂初始的运动轨迹。

轨迹优化模块30，用于获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹。

应当理解的是，基于上述举例进一步说明，在具体实施中，机械臂的工作环境必然存在障碍物，例如：机械臂抓取不合格产品时，需要考虑到是否会误抓周边产品，机械臂将不合格产品抓取起时，需要考虑到机械臂的运动轨迹是否会阻挡到流水线上其他产品继续传输等问题。因此，在所述工作空间中，所述流水线、周边产品均可视为障碍物，获取所述流水线所处的位置信息，包括高度、宽度、长度等信息；获取所述周边产品的体积、随流水线的运动轨迹等信息，在工作空间中将上述位置信息对应的区域设置为障碍物区域，其他区域设置为可运动区域，根据所述可运动区域对所述初始运动轨迹进行优化，以基于所述初始运动轨迹获取在所述可运动区域进行运动的目标机械臂轨迹。

本发明通过建立机械臂数学模型，根据机械臂的抓取任务获取机械臂的初始运动轨迹，再基于障碍物信息对初始运动轨迹进行修改、优化，得到规避障碍区域的目标机械臂运动轨迹，提升机械臂的障碍物规避能力；由于初始轨迹仅需对固定的位置进行规划，所需时间短，再通过轨迹优化的方式进行轨迹规划，提升轨迹规划的效率。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有机械臂轨迹规划程序，所述机械臂轨迹规划程序被处理器执行如上文所述的机械臂轨迹规划方法的步骤。

由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的机械臂轨迹规划方法，此处不再赘述。

此外，需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种机械臂轨迹规划方法，其特征在于，所述方法包括：

获取机械臂的参数信息，并根据所述参数信息建立机械臂数学模型；

获取所述机械臂的抓取任务，根据所述抓取任务及所述机械臂数学模型生成初始运动轨迹；

获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹。

2.如权利要求1所述的机械臂轨迹规划方法，其特征在于，所述获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹的步骤之后，还包括：

根据所述目标机械臂轨迹对所述机械臂进行轨迹跟踪控制。

3.如权利要求2所述的机械臂轨迹规划方法，其特征在于，所述获取机械臂的参数信息，并根据所述参数信息建立机械臂数学模型的步骤，具体包括：

获取机械臂各节的长度信息、运动能力信息及机械臂末端位置信息；

根据所述长度信息、所述运动能力信息及所述机械臂末端位置信息建立机械臂数学模型。

4.如权利要求3所述的机械臂轨迹规划方法，其特征在于，所述初始运动轨迹包括第一初始运动轨迹及第二初始运动轨迹；

所述获取所述机械臂的抓取任务，根据所述抓取任务及所述机械臂数学模型生成初始运动轨迹的步骤，具体包括：

获取所述机械臂的抓取任务，并根据所述抓取任务确定待抓取物的位置信息及形状信息、重量信息；

根据所述位置信息及所述机械臂数学模型生成机械臂未抓取时的第一初始运动轨迹；

根据所述位置信息、所述形状信息、所述重量信息及所述机械臂数学模型生成机械臂抓取状态时的第二初始运动轨迹。

5.如权利要求4所述的机械臂轨迹规划方法，其特征在于，所述获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹的步骤，具体包括：

获取所述机械臂的工作空间中的各障碍物的坐标信息及空间轮廓信息；

根据预设安全距离、所述坐标信息及所述空间轮廓信息对所述初始运动轨迹进行优化，以生成目标机械臂轨迹。

6.如权利要求5所述的机械臂轨迹规划方法，其特征在于，所述获取所述机械臂的工作空间中的各障碍物的坐标信息及空间轮廓信息的步骤之前，还包括：

根据机械臂各节的长度信息、运动能力信息获取所述机械臂对应的预设安全距离；

所述根据预设安全距离、所述坐标信息及所述空间轮廓信息对所述初始运动轨迹进行优化，以生成目标机械臂轨迹的步骤，具体包括：

根据所述坐标信息与所述空间轮廓信息确定所述工作空间中的无障碍区域；

根据所述预设安全距离与所述无障碍区域获取所述机械臂的安全运动区域；

根据所述安全运动区域对所述初始运动轨迹进行优化，以生成目标机械臂轨迹。

7.如权利要求6所述的机械臂轨迹规划方法，其特征在于，所述根据所述目标机械臂轨迹对所述机械臂进行轨迹跟踪控制的步骤，具体包括：

获取自适应前馈神经网络，并根据所述自适应前馈神经网络与所述目标机械臂轨迹对所述机械臂进行轨迹跟踪控制。

8.一种机械臂轨迹规划装置，其特征在于，所述装置包括：

参数获取模块，用于获取机械臂的参数信息，并根据所述参数信息建立机械臂数学模型；

初始规划模块，用于获取所述机械臂的抓取任务，根据所述抓取任务及所述机械臂数学模型生成初始运动轨迹；

轨迹优化模块，用于获取所述机械臂的工作空间中的障碍物信息，并根据所述障碍物信息与所述初始运动轨迹生成目标机械臂轨迹。

9.一种电子设备，其特征在于，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机械臂轨迹规划程序，所述机械臂轨迹规划程序配置为实现如权利要求1至7中任一项所述的机械臂轨迹规划方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有机械臂轨迹规划程序，所述机械臂轨迹规划程序被处理器执行时实现如权利要求1至7任一项所述的机械臂轨迹规划方法的步骤。

Images