CN112828891B - 机器人路径规划有效性的检测方法、检测装置及计算机可读存储介质 - Google Patents

Abstract

本发明提供一种机器人路径规划有效性的检测方法、检测装置及计算机可读存储介质，属于机器人运动控制技术领域。本申请实施例所述机器人路径规划有效性的检测方法通过计算机械臂的运动路径，并通过核心算法重构关节系列，对特征值进行高斯平滑优化；重构近似矩阵，然后计算关节系列矩阵与近似矩阵之间的距离，并根据距离与距离阈值进行比较判断确定路径的有效性。本申请实施例所述方法能够在不需要任何监督数据及离线的情况下，高效和精确的判断出运动路径的有效性，从而为机械臂焊接时给出精确的运动路径提供稳定的核心支持，且简单快捷。

Description

机器人路径规划有效性的检测方法、检测装置及计算机可读 存储介质

技术领域

本发明涉及机器人运动控制技术领域，尤其涉及一种机器人路径规划有效性的检测方法、检测装置及计算机可读存储介质。

背景技术

运动路径规划是工业机器人中常见的技术，随着技术发展，其应用越来越广泛，成为了工业机器人必备的基础功能。而随着3D视觉的快速发展和成熟，3D视觉引导技术在工业机器人中有着密切的配合。例如通过3D视觉识别物体后，并估计出机器人运动的轨迹，而通常是通过在线的方式验证运动路径的可行性，不能通过离线的方式进行真实的运动路径仿真，然而，这样会导致机器人无法避开障碍物，从而产生碰撞的危险。

现有工业机器人的仿真通常需要原厂深入合作后才能开放相关的功能，而对于广泛通过视觉技术实现离线仿真是极其困难的，而通常的现有做法是给出仿真的路径后，通常需要在在线的方式试跑若干次，保证路径的安全性和正确性后，方可执行自动模型下的轨迹运动。

发明内容

有鉴于此，本发明的目的在于提供一种机器人路径规划有效性的检测方法、检测装置及计算机可读存储介质，旨在能解决现有无法实现离线情况下进行真实的运动路径仿真的问题，本申请能够在离线情况下，快速和精确地验证运动路径的有效性。

本发明解决上述技术问题所采用的技术方案如下：

本发明的第一方面提供一种机器人路径规划有效性的检测方法，包括如下步骤：

计算机械臂的运动路径；

重构机械臂的关节序列；

对特征值进行高斯平滑优化；

重构近似矩阵；

计算关节系列矩阵与近似矩阵之间的距离，并根据矩阵之间的距离与距离阈值的比较结果判断确定路径的有效性。

在一些实施例中，所述重构机械臂的关节序列包括：

将关节集合φ＝{φ₀,φ₁,...,φ_N}，写成矩阵形式，即

计算核矩阵K_ND的平均向量

并均值化

计算

协方差矩阵，且进行特征分解，

其中，V^-1表示特征矩阵，每列表示特征向量，∑表示对角矩阵，其对角元素为原矩阵V的特征值，T表示矩阵转置操作；N表示样本数，D表示机器人的关节数量；

重构每个焊枪末端姿态的反解关节为

其中λ_nd表示第n个姿态下的第d个特征值；V_nd表示第n个样本的第d个特征向量。

在一些实施例中，所述对特征值进行高斯平滑优化包括：

优化所有特征向量对应的第d个特征值构成的n个值λ_d＝[λ_0d,λ_1d,…,λ_nd]，λ_nd表示第n个样本的第d个特征值，

λ_d＝[λ_0d,λ_1d,…,λ_nd]得到新的

其中平滑后的特征向量中的每个元素为实数，具体地，利用高斯过程对λ_d进行平滑，每个元素λ_nd平滑后的结果为：

其中，K(d,·)为行向量[k(d,0),k(d,1),…k(d,D)]，K(·,·)为N×N的核矩阵，λ_d为列向量，

λ_d＝[λ_0d,λ_1d,…,λ_nd]^T，I表示D×D的单位矩阵，(·)^-1表示矩阵的逆，函数k(r·p)定义为

r和p分别表示第r个样本特征向量和第p个样本特征向量，

设置为0.2。

在一些实施例中，所述重构近似矩阵包括：

重构每个焊枪末端姿态的反解关节φ_n为

其中λ_nd表示第n个样本的第d个特征值，V_nd表示第n个样本的第d个特征向量；

利用反解关节

可对K_ND重新表述为

其中

表示重构后的核矩阵，每个元素都是K_ND对应元素的近似表达。

在一些实施例中，计算关节系列矩阵与近似矩阵之间的距离，并根据矩阵之间的距离与距离阈值的比较结果判断确定路径的有效性方法包括:

计算两个矩阵K_ND和

的距离D；

其中Rank表示矩阵的秩；

比较距离D与距离阈值ThrD之间的关系，如果两个矩阵K_ND和

的距离D小于距离阈值ThrD，则判断当前的机械臂的所持焊枪的路径规划有效，控制机械臂运行仿真轨迹；否则判断当前的机械臂路径规划无效，进行错误提示；

其中，距离阈值ThrD取值范围为[0,1]。

在一些实施例中，阈值ThrD取值为0.5。

在一些实施例中，所述计算机械臂的运动路径方法包括：

仿真系统中导入工件和焊枪姿态；

从仿真系统中给出焊枪末端焊接的轨迹点集；

计算轨迹点集上焊枪末端姿态的所有反解获得关节系列；

根据焊枪末端的工具坐标系，计算关节矩阵。

本发明的第二方面还提供一种机器人规划路径的有效性检测装置，所述装置执行上述所述机器人路径规划有效性的检测方法，所述装置包括：运动路径计算模块、关节重构模块、特征值优化模块、矩阵重构模块、路径有效性判断模块；

所述运动路径计算模块，用于计算机械臂的运动路径；

所述关节重构模块，用于重构机械臂的关节序列；

所述特征值优化模块，用于对特征值进行高斯平滑优化；

所述矩阵重构模块，用于重构近似矩阵；

所述路径有效性判断模块，用于计算矩阵之间的距离，并根据矩阵之间的距离与距离阈值进行比较判断确定路径的有效性。

在一些实施例中，所述关节重构模块包括关节矩阵单元、平均向量计算单元、协方差计算单元以及反解关节计算单元；

所述关节矩阵单元，用于将关节集合φ＝{φ₀,φ₁,...,φ_N}，写成矩阵形式，即

所述平均向量计算单元，用于计算核矩阵K_ND的平均向量

并均值化

所述协方差计算单元，用于计算

协方差矩阵，且进行特征分解，

其中，V^-1表示特征矩阵，每列表示特征向量，∑表示对角矩阵，其对角元素为原矩阵V的特征值，T表示矩阵转置操作；N表示样本数，D表示机器人的关节数量；

以及反解关节计算单元，用于重构每个焊枪末端姿态的反解关节为

其中λ_nd表示第n个姿态下的第d个特征值；

V_nd表示第n个样本的第d个特征向量。

本申请还提供一种计算机可读存储介质，包括处理器、计算机可读存储介质以及在所述计算机可读存储介质上存储的计算机程序，所述计算机程序被处理器执行时实现如上述所述方法中的步骤。

本发明实施例提供的所述机器人路径规划有效性的检测方法、检测装置及计算机可存储介质，通过计算机械臂的运动路径，并通过核心算法重构关节系列，对特征值进行高斯平滑优化；重构近似矩阵，然后计算关节系列矩阵与近似矩阵之间的距离，并根据距离与距离阈值进行比较判断确定路径的有效性。本申请实施例所述方法能够在不需要任何监督数据及离线的情况下，高效和精确的判断出运动路径的有效性，从而为机械臂焊接时给出精确的运动路径提供稳定的核心支持，且简单快捷。

附图说明

图1为本发明涉及的一种机器人路径规划有效性的检测方法一实施例的方法流程图；

图2为本发明实施例提供的计算焊枪的运动路径的方法流程图；

图3为本发明实施例的一种焊接轨迹与姿态的示意图；

图4为本发明实施例的一种焊枪姿态示意图；

图5为本发明实施例的一种机器人关节与焊枪示意图；

图6为本发明实施例的一种重构关节序列的方法流程图；

图7为本发明实施例的一种机器人路径规划有效性的检测方法另一实施例的方法流程图；

图8为本发明实施例的一种机器人路径规划有效性的检测装置一实施例的结构框图；

图9为本发明实施例的一种机器人路径规划有效性的检测装置另一实施例的结构框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。

实施例一：

本申请发明提供一种机器人路径规划有效性的检测方法，应用在机器人运动控制领域，由于在实际应用中，是由机器人的机械臂手持焊枪进行焊接等操作，故本实施例中，焊枪的运动轨迹也即为机器人的机械臂的运动轨迹。请参阅图1至图7，本实施例所述机器人路径规划有效性的检测方法方法包括如下步骤：

S10、计算机械臂的运动路径。

本实施例中，以机械臂手持焊枪为例进行说明，具体包括如下步骤：

S101、仿真系统中导入工件和焊枪姿态；

S102、从仿真系统中给出焊枪末端焊接的轨迹点集。

具体地，从仿真系统中给出已知工件上的焊接点序列P＝{P₀,P₁,...,P_N}，如图3所示，焊接点序列的每个元素P表示焊枪的位置坐标(X，Y，Z)和姿态坐标(RX，RY，RZ)，其排列顺序表示了焊接的先后顺序。本实施例中，工件坐标相当于工件坐标系而言。

P对应焊枪末端位姿序列由仿真环境指定，记为W＝{W₀,W₁,...,W_N}。

S103、计算轨迹点集上焊枪末端姿态的所有反解获得关节系列；

具体地，计算焊枪末端位姿序列W中的每个末端W_N姿态的反解，获得每个末端W_N对应的关节值

D表示机器人的关节数，

表示第d个关节的转动角度(单位弧度)，

取值范围由机器人的D-H模型而定。所有关节形成集合φ＝{φ₀,φ₁,...,φ_N},

为反解8组解中的一组，如图4所示。

S104、根据焊枪末端的工具坐标系，计算关节矩阵；

具体地，标定焊枪末端即焊枪尖点处(如图5所示)的工具坐标系O_T，而O_T到法兰坐标系O_F的变换表示为

其中R_FT表示焊枪在O_FT的姿态，T_FT表示焊枪在O_F下的坐标。

S20、重构机械臂的关节序列；

请参阅图6，具体包括如下步骤：

S201、将关节集合φ＝{φ₀,φ₁,...,φ_N}，写成矩阵形式，即

S202、计算核矩阵K_ND的平均向量

并均值化

S203、计算

协方差矩阵，且进行特征分解，

其中，V^-1表示特征矩阵，每列表示特征向量，∑表示对角矩阵，其对角元素为原矩阵V的特征值，T表示矩阵转置操作，N表示样本数，D表示机器人的关节数量。

S204、重构每个焊枪末端姿态的反解关节为

其中λ_dn表示第n个姿态下的第d个特征值，V_nd表示第n个样本的第d个特征向量，由上述特征矩阵分解得到。

S30、对特征值进行高斯平滑优化；

具体地，优化所有特征向量对应的第d个特征值构成的n个值λ_d＝[λ_0d,λ_1d,…,λ_nd]，λ_nd表示第n个样本的第d个特征值，λ_d＝[λ_0d,λ_1d,…,λ_nd]得到新的

其中平滑后的特征向量中的每个元素为实数，具体地，利用高斯过程对λ_d进行平滑，每个元素λ_nd平滑后的结果为：

其中，K(d,·)为行向量[k(d,0),k(d,1),…k(d,D)]，K(·,·)为N×N的核矩阵，λ_d为列向量，

λ_d＝[λ_0d,λ_1d,…,λ_nd]^T，I表示D×D的单位矩阵，(·)^-1表示矩阵的逆，函数k(r·p)定义为

r和p分别表示第r个样本特征向量和第p个样本特征向量，

设置为0.2。

S40、重构近似矩阵；

具体包括如下步骤：

S401、重构每个焊枪末端姿态的反解关节φ_n为

其中λ_nd表示第n个样本的第d个特征值，V_nd表示第n个样本的第d个特征向量，其意义在于对反解的关节进行重构，以达到轨迹平滑的目的。

S402、利用反解关节

可对K_ND重新表述为

其中

表示重构后的核矩阵，每个元素都是K_ND对应元素的近似表达。

S50、计算关节系列矩阵与近似矩阵之间的距离，并根据矩阵之间的距离与距离阈值的比较结果判断确定路径的有效性。

具体地，计算两个矩阵K_ND和

的距离D，本申请实施例中采用矩阵的F范数，不受限于其他测度计算方法

其中Rank表示矩阵的秩。

比较距离D与距离阈值ThrD之间的关系，如果两个矩阵K_ND和

的距离D小于距离阈值ThrD，则判断当前的机械臂的所持焊枪的路径规划有效，控制机械臂运行仿真轨迹；否则判断当前的机械臂路径规划无效，进行错误提示。距离阈值ThrD取值范围为[0,1]，本申请实施例中阈值ThrD取值为0.5。

本申请实施例所述机器人路径规划有效性的检测方法，通过计算机械臂的运动路径，并通过核心算法重构关节系列，对特征值进行高斯平滑优化；重构近似矩阵，然后计算关节系列矩阵与近似矩阵之间的距离，并根据距离与距离阈值进行比较判断确定路径的有效性。本申请实施例所述方法能够在不需要任何监督数据及离线的情况下，高效和精确的判断出运动路径的有效性，从而为机械臂焊接时给出精确的运动路径提供稳定的核心支持，且简单快捷。

与现有的方法相比，本发明所述路径规划有效性的检测方法的优点在于：

能够在离线的情况下，为运动轨迹的仿真提供一种核心的算法，快速和高效地验证出规划出来的运动路径的有效性，且简单快捷。

实施例二：

本发明申请实施例提供一种机器人路径规划有效性的检测装置，所述机器人路径规划有效性的检测装置采用上述实施例一所述的机器人路径规划有效性的检测方法来完成对路径规划有效性的检测；能快速和高效地验证出规划出来的运动路径的有效性，从而为机械臂焊接时给出精确的运动路径提供稳定的核心支持，简单快捷。

请参阅图8以及图9，本发明申请实施例所述机器人路径规划有效性的检测装置包括运动路径计算模块301、关节重构模块302、特征值优化模块303、矩阵重构模块304、路径有效性判断模块305。

其中，所述运动路径计算模块301，用于计算焊枪的运动路径；

所述运动路径计算模块301包括工件导入单元3011、轨迹点集获取单元3012、反解获得单元3013以及关节矩阵计算单元3014。

所述工件导入单元3011，用于在仿真系统中导入工件和焊枪姿态；

所述轨迹点集获取单元3012，用于从仿真系统中给出焊枪末端焊接的轨迹点集。

具体地，从仿真系统中给出已知工件上的焊接点序列P＝{P₀,P₁,...,P_N}，如图3所示，焊接点序列的每个元素P表示焊枪的位置坐标(X，Y，Z)和姿态坐标(RX，RY，RZ)，其排列顺序表示了焊接的先后顺序。本实施例中，工件坐标相当于工件坐标系而言。

P对应焊枪末端位姿序列由仿真环境指定，记为W＝{W₀,W₁,...,W_N}。

所述反解获得单元3013，用于计算轨迹点集上焊枪末端姿态的所有反解获得关节系列；

具体地，计算W中心的每个末端W_N姿态的反解，获得对应的关节值

D表示机器人的关节数，

表示第d个关节的转动角度(单位弧度)，

取值范围由机器人的D-H模型而定。所有关节形成集合φ＝{φ₀,φ₁,...,φ_N},

为反解8组解中的一组。

以及关节矩阵计算单元3014，用于根据焊枪末端的工具坐标系，计算关节矩阵；

具体地，标定焊枪末端即焊枪尖点处(如图4所示)的工具坐标系O_T，而O_T到法兰坐标系O_F的变换表示为

其中R_FT表示焊枪在O_FT的姿态，T_FT表示焊枪在O_F下的坐标。

所述关节重构模块302，用于重构关节序列；关节重构模块302包括关节矩阵单元3021、平均向量计算单元3022、协方差计算单元3023以及反解关节计算单元3024。

所述关节矩阵单元3021，用于将关节集合φ＝{φ₀,φ₁,...,φ_N}，写成矩阵形式，即

所述平均向量计算单元3022，用于计算核矩阵K_ND的平均向量

并均值化

所述协方差计算单元3023，用于计算

协方差矩阵，且进行特征分解，

其中，V^-1表示特征矩阵，每列表示特征向量，∑表示对角矩阵，其对角元素为原矩阵V的特征值，T表示矩阵转置操作。

以及反解关节计算单元3024，用于重构每个焊枪末端姿态的反解关节为

其中λ_nd表示第n个姿态下的第d个特征值，由上述特征矩阵分解得到，V_nd表示第n个样本的第d个特征向量。

所述特征值优化模块303，用于对特征值进行高斯平滑优化。

所述矩阵重构模块304，用于重构近似矩阵。

所述矩阵重构模块304包括重构反解关节单元3041以及矩阵重构单元3042。

所述重构反解关节单元3041，用于重构每个焊枪末端姿态的反解关节φ_n为

以及矩阵重构单元3042，用于利用反解关节

可对K_ND重新表述为

所述路径有效性判断模块305，用于计算矩阵之间的距离，并根据矩阵之间的距离与距离阈值进行比较判断确定路径的有效性。

所述路径有效性判断模块305包括矩阵距离计算单元3051以及有效性判断单元3052；

所述矩阵距离计算单元3051，用于计算两个矩阵K_ND和

的距离D；

本实施例中，

其中Rank表示矩阵的秩。

以及有效性判断单元3052，用于比较距离D与距离阈值ThrD之间的关系，果两个矩阵K_ND和

的距离D小于距离阈值ThrD，则判断当前的机械臂的所持焊枪的路径规划有效，否则判断当前的机械臂路径规划无效。

距离阈值ThrD取值范围为[0,1]，本申请实施例中阈值ThrD取值为0.5。

本申请实施例所述机器人路径规划有效性的检测装置，通过运动路径计算模块301计算机械臂的运动路径，并通过关节重构模块302的核心算法重构关节系列，由特征值优化模块303对特征值进行高斯平滑优化；矩阵重构模块304重构近似矩阵，然后由路径有效性判断模块305计算矩阵之间的距离，并根据距离与距离阈值进行比较判断确定路径的有效性。本申请实施例所述装置能够在不需要任何监督数据及离线的情况下，高效和精确的判断出运动路径的有效性，从而为机械臂焊接时给出精确的运动路径提供稳定的核心支持，且简单快捷。

实施例三：

根据本发明的一个实施例提供的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述机器人路径规划有效性的检测方法中的步骤，具体步骤如实施例一中描述所述，在此不再赘述。

本实施例中的存储器可用于存储软件程序以及各种数据。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

根据本实施例的一个示例，上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述程序可存储于一计算机可读取存储介质中，如本发明实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述各方法的实施例的流程。该存储介质包括但不限于磁碟、优盘、光盘、只读存储记忆体(Read-Only Memory，ROM)等。

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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置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ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (9)

1.一种机器人路径规划有效性的检测方法，其特征在于，包括如下步骤：

计算机械臂的运动路径；

重构机械臂的关节序列；

对特征值进行高斯平滑优化；

所述对特征值进行高斯平滑优化包括：

优化所有特征向量对应的第d个特征值构成的n个值λ_d＝[λ_0d,λ_1d,…,λ_nd]，λ_nd表示第n个样本的第d个特征值，

λ_d＝[λ_0d,λ_1d,…,λ_nd]得到新的

其中平滑后的特征向量中的每个元素为实数，具体地，利用高斯过程对λ_d进行平滑，每个元素λ_nd平滑后的结果为：

其中，K(d,·)为行向量[k(d,0),k(d,1),…k(d,D)]，K(·,·)为N×N的核矩阵，λ_d为列向量，

λ_d＝[λ_0d,λ_1d,…,λ_nd]^T，I表示D×D的单位矩阵，(·)^-1表示矩阵的逆，函数k(r·p)定义为

r和p分别表示第r个样本特征向量和第p个样本特征向量，

设置为0.2；

重构近似矩阵；

计算关节系列矩阵与近似矩阵之间的距离，并根据矩阵之间的距离与距离阈值的比较结果判断确定路径的有效性。

2.根据权利要求1所述的机器人路径规划有效性的检测方法，其特征在于，所述重构机械臂的关节序列包括：

将关节集合φ＝{φ₀,φ₁,...,φ_N}，写成矩阵形式，即

计算核矩阵K_ND的平均向量

并均值化

计算

协方差矩阵，且进行特征分解，

其中，V^-1表示特征矩阵，每列表示特征向量，∑表示对角矩阵，其对角元素为原矩阵V的特征值，T表示矩阵转置操作；N表示样本数，D表示机器人的关节数量；

重构每个焊枪末端姿态的反解关节为

其中λ_nd表示第n个姿态下的第d个特征值；V_nd表示第n个样本的第d个特征向量。

3.根据权利要求1所述的机器人路径规划有效性的检测方法，其特征在于，所述重构近似矩阵包括：

重构每个焊枪末端姿态的反解关节φ_n为

其中λ_nd表示第n个样本的第d个特征值，V_nd表示第n个样本的第d个特征向量；

利用反解关节

可对K_ND重新表述为

其中

表示重构后的核矩阵，每个元素都是K_ND对应元素的近似表达。

4.根据权利要求1所述的机器人路径规划有效性的检测方法，其特征在于，所述计算关节系列矩阵与近似矩阵之间的距离，并根据矩阵之间的距离与距离阈值的比较结果判断确定路径的有效性方法包括:

计算两个矩阵K_ND和

的距离D；

其中Rank表示矩阵的秩；

比较距离D与距离阈值ThrD之间的关系，如果两个矩阵K_ND和

的距离D小于距离阈值ThrD，则判断当前的机械臂的所持焊枪的路径规划有效，控制机械臂运行仿真轨迹；否则判断当前的机械臂路径规划无效，进行错误提示；

其中，距离阈值ThrD取值范围为[0,1]。

5.根据权利要求4所述的机器人路径规划有效性的检测方法，其特征在于，所述阈值ThrD取值为0.5。

6.根据权利要求1所述的机器人路径规划有效性的检测方法，其特征在于，所述计算机械臂的运动路径方法包括：

仿真系统中导入工件和焊枪姿态；

从仿真系统中给出焊枪末端焊接的轨迹点集；

计算轨迹点集上焊枪末端姿态的所有反解获得关节系列；

根据焊枪末端的工具坐标系，计算关节矩阵。

7.一种机器人路径规划有效性的检测装置，其特征在于，所述装置包括：运动路径计算模块、关节重构模块、特征值优化模块、矩阵重构模块、路径有效性判断模块；

所述运动路径计算模块，用于计算机械臂的运动路径；

所述关节重构模块，用于重构机械臂的关节序列；

所述特征值优化模块，用于对特征值进行高斯平滑优化；

所述对特征值进行高斯平滑优化包括：

优化所有特征向量对应的第d个特征值构成的n个值λ_d＝[λ_0d,λ_1d,…,λ_nd]，λ_nd表示第n个样本的第d个特征值，

λ_d＝[λ_0d,λ_1d,…,λ_nd]得到新的

其中平滑后的特征向量中的每个元素为实数，具体地，利用高斯过程对λ_d进行平滑，每个元素λ_nd平滑后的结果为：

其中，K(d,·)为行向量[k(d,0),k(d,1),…k(d,D)]，K(·,·)为N×N的核矩阵，λ_d为列向量，

λ_d＝[λ_0d,λ_1d,…,λ_nd]^T，I表示D×D的单位矩阵，(·)^-1表示矩阵的逆，函数k(r·p)定义为

r和p分别表示第r个样本特征向量和第p个样本特征向量，

设置为0.2；

所述矩阵重构模块，用于重构近似矩阵；

所述路径有效性判断模块，用于计算矩阵之间的距离，并根据矩阵之间的距离与距离阈值进行比较判断确定路径的有效性。

8.根据权利要求7所述的机器人路径规划有效性的检测装置，其特征在于，所述关节重构模块包括关节矩阵单元、平均向量计算单元、协方差计算单元以及反解关节计算单元；

所述关节矩阵单元，用于将关节集合φ＝{φ₀,φ₁,...,φ_N}，写成矩阵形式，即

所述平均向量计算单元，用于计算核矩阵K_ND的平均向量

并均值化

所述协方差计算单元，用于计算

协方差矩阵，且进行特征分解，

其中，V^-1表示特征矩阵，每列表示特征向量，∑表示对角矩阵，其对角元素为原矩阵V的特征值，T表示矩阵转置操作；N表示样本数，D表示机器人的关节数量；

以及反解关节计算单元，用于重构每个焊枪末端姿态的反解关节为

其中λ_nd表示第n个姿态下的第d个特征值；

V_nd表示第n个样本的第d个特征向量。

9.一种计算机可读存储介质，其特征在于，包括处理器、计算机可读存储介质以及在所述计算机可读存储介质上存储的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法中的步骤。

Images