CN112947489A - 复杂环境下焊接机器人无碰撞路径规划方法及装置 - Google Patents
复杂环境下焊接机器人无碰撞路径规划方法及装置 Download PDFInfo
- Publication number
- CN112947489A CN112947489A CN202110374922.9A CN202110374922A CN112947489A CN 112947489 A CN112947489 A CN 112947489A CN 202110374922 A CN202110374922 A CN 202110374922A CN 112947489 A CN112947489 A CN 112947489A
- Authority
- CN
- China
- Prior art keywords
- path
- collision
- node
- nodes
- welding
- 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
Links
- 238000003466 welding Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000012805 post-processing Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000003860 storage Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 13
- 239000000126 substance Substances 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 7
- 230000002457 bidirectional effect Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种复杂环境下焊接机器人无碰撞路径规划方法及装置、计算机设备、计算机可读存储介质,该方法包括:初始化并进行建模;在第一节点树和第二节点树上分别扩展节点;其中第一节点树以焊接路径的起始点为根节点,第二节点树以焊接路径的终止点为根节点,扩展节点时根据路径搜索环境的复杂程度选择扩展方式;判断根据第一节点树和第二节点树上的节点是否能够获得一条从起始点到终止点的无碰撞路径;将无碰撞路径作为初始路径,对初始路径进行插值处理;对完成插值后的路径进行后处理优化,获得无碰撞的最短路径;返回最短路径。本发明提供的路径规划方法通用性强,具有较高的效率和鲁棒性,能够适应不同的复杂路径规划环境。
Description
技术领域
本发明涉及焊接技术领域,尤其涉及一种复杂环境下焊接机器人无碰撞路径规划方法及装置、计算机设备、计算机可读存储介质。
背景技术
焊接机器人的路径规划问题可以被描述为寻找一条从焊接的起始点到终止点的无碰撞路径。通常情况下,无碰撞的路径长度越短,说明规划效果越好,焊接作业的效率就越高。通过无碰撞路径规划方法来规划出合理的跳转路径,不仅能够有效地提升焊接效率,还能提高生产过程的智能化程度,降低人力成本。目前,焊接机器人的路径规划过程主要通过人工示教完成,非常依赖工程师的自身经验,而当面对复杂焊接环境且焊缝较多的情况时,人工规划比较耗时,并且质量无法得到保证。
发明内容
本发明的目的是针对上述至少一部分不足之处,提供一种高效的弧焊机器人避障路径规划方法,能够在复杂环境下快速搜索出尽可能短的焊接路径,提高焊接效率,为实际场景下的焊接作业提供有效指导。
为了实现上述目的,本发明提供了一种复杂环境下焊接机器人无碰撞路径规划方法,包括如下步骤:
S1、初始化并对环境中的障碍物进行建模;
S2、在第一节点树和第二节点树上分别扩展节点;其中,第一节点树以焊接路径的起始点为根节点,第二节点树以焊接路径的终止点为根节点,扩展节点时,根据路径搜索环境的复杂程度选择扩展方式;
S3、判断根据所述第一节点树和所述第二节点树上的节点是否能够获得一条从所述起始点到所述终止点的无碰撞路径,是,则继续执行下一步骤,否,则返回上一步骤;
S4、将所述无碰撞路径作为初始路径,对所述初始路径进行插值处理;
S5、对完成插值后的路径进行后处理优化,获得无碰撞的最短路径;
S6、返回所述最短路径。
优选地,所述步骤S2中,扩展节点时,根据路径搜索环境的复杂程度选择扩展方式,在满足复杂性判定条件时,采用随机采样来扩展节点,否则采用目标偏向概率采样来扩展节点;
若扩展节点后无碰撞,则更新扩展的新节点及周围节点的父节点。优选地,所述复杂性判定条件包括:
prand<pa,
其中,
prand为随机采样概率,pa为根据Tfailed计算得到的判定概率,Tfailed为碰撞检测失败的次数。
优选地,碰撞检测失败包括焊枪碰撞检测失败与机械臂碰撞检测失败。
优选地,所述步骤S5中,对完成插值后的路径进行后处理优化时,利用三角不等式原理,在完成插值后得到的各个路径点中,连接尽可能长距离且无碰撞的路径点。
优选地,所述步骤S1中,对环境中的障碍物进行建模包括对焊接工件和夹具进行建模。
本发明还提供了一种复杂环境下焊接机器人无碰撞路径规划装置,包括:
初始化模块,用于初始化并对环境中的障碍物进行建模;
扩展模块,用于在第一节点树和第二节点树上分别扩展节点;其中,第一节点树以焊接路径的起始点为根节点,第二节点树以焊接路径的终止点为根节点,扩展节点时,根据路径搜索环境的复杂程度选择扩展方式;
判断模块,用于判断根据所述第一节点树和所述第二节点树上的节点是否能够获得一条从所述起始点到所述终止点的无碰撞路径,是,则调用插值模块,否,则调用扩展模块;
插值模块,用于将所述无碰撞路径作为初始路径,对所述初始路径进行插值处理;
优化模块,用于对完成插值后的路径进行后处理优化,获得无碰撞的最短路径;
输出模块,用于返回所述最短路径。
优选地,所述扩展模块扩展节点时,根据路径搜索环境的复杂程度选择扩展方式,在满足复杂性判定条件时,采用随机采样来扩展节点,否则采用目标偏向概率采样来扩展节点;若扩展节点后无碰撞,则更新扩展的新节点及周围节点的父节点;
所述复杂性判定条件包括:
prand<pa,
其中,
prand为随机采样概率,pa为根据Tfailed计算得到的判定概率,Tfailed为碰撞检测失败的次数。
本发明还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述复杂环境下焊接机器人无碰撞路径规划方法的步骤。
本发明还提供了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任一项所述复杂环境下焊接机器人无碰撞路径规划方法的步骤。
本发明的上述技术方案具有如下优点:本发明提供了一种复杂环境下焊接机器人无碰撞路径规划方法及装置、计算机设备、计算机可读存储介质,该方法是一种自适应扩展双向RRT*方法(简称AB-RRT*方法),可用于复杂环境下的焊接机器人无碰撞路径规划;本发明考虑从焊接路径的起始点和终止点两个方向同时进行扩展,并且能够根据路径搜索环境的复杂程度自主选择节点的扩展方式,在获得一条从起始点到终止点的无碰撞路径之后,通过对初始路径进行后处理优化,获得更短的无碰撞路径,进一步提高焊接效率。本发明具有较强的搜索能力和鲁棒性,能够以较高的效率获得较佳的路径,并且能够有效解决复杂环境下的六自由度弧焊机器人路径规划问题,从而降低人力成本,提高生产过程的效率和自动化程度。
附图说明
图1是本发明实施例中一种复杂环境下焊接机器人无碰撞路径规划方法流程示意图;
图2是目标偏向扩展示意图;
图3是目标偏向扩展的结果示意图;
图4是目标偏向扩展失败示意图;
图5是自主扩展示意图;
图6是本发明实施例中一种后处理优化示意图;
图7(a)至图7(c)为不同三维测试环境示意图;
图8(a)至图8(c)分别为图7(a)至图7(c)所示三维测试环境的路径规划结果示意图;
图9是本发明实施例中一种汽车前副车架焊缝及部分端点分布图;
图10(a)至图10(d)是不同路径规划方法在不同焊接路径上所规划的路径长度对比结果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供的一种复杂环境下焊接机器人无碰撞路径规划方法,具体包括如下步骤:
S1、初始化并对环境中的障碍物进行建模;
S2、在第一节点树和第二节点树上分别扩展节点;其中,第一节点树以焊接路径的起始点作为根节点,第二节点树以焊接路径的终止点作为根节点,即,从焊接路径的起始点和终止点两个方向同时进行扩展;扩展节点时,根据路径搜索环境的复杂程度选择扩展方式;
S3、判断根据第一节点树和第二节点树上的所有节点是否能够获得一条从焊接路径的起始点到终止点的无碰撞路径,是,则继续执行下一步骤,否,则返回上一步骤,继续在第一节点树和第二节点树上分别扩展节点,直到第一节点树和第二节点树的节点能够组成一条从焊接路径的起始点到终止点的、可行的无碰撞路径;
S4、将获得的从起始点到终止点的无碰撞路径作为初始路径,对初始路径进行插值处理,得到完成插值后的路径;
S5、对完成插值后的路径进行后处理优化,获得无碰撞的最短路径;
S6、返回最短路径,完成焊接机器人无碰撞路径规划。
本发明所提供的复杂环境下焊接机器人无碰撞路径规划方法在扩展节点时,从起始点和终止点两个方向同时进行,且能够根据路径搜索环境的复杂程度自主选择扩展方式,在获得一条从起始点到终止点的无碰撞可行路径之后,通过插值以及进行后处理优化,可以获得更优的无碰撞路径,该方法具有较高的效率和鲁棒性,扩展性和通用性强,能够用于不同的二维和三维复杂环境下的路径规划,适合移动、弧焊、点焊等机器人的作业场景,降低了人工规划路径的成本,能够有效地提高生产效率和自动化程度,为实际场景下的焊接作业提供有效指导。
优选地,步骤S1中,对环境中的障碍物进行建模包括对焊接工件和夹具进行建模。考虑到较高的精度要求,建模可采用栅格法,也可采用其他建模方式,此部分可参考现有技术,在此不再进一步赘述。
优选地,步骤S2中,扩展节点时,根据路径搜索环境的复杂程度选择扩展方式,在满足复杂性判定条件时,采用随机采样来扩展节点,在不满足复杂性判定条件时,则采用目标偏向概率采样来扩展节点;若扩展节点后无碰撞,即扩展节点后碰撞检测成功,则更新此次扩展的新节点及周围节点的父节点。
进一步地,步骤S2中,复杂性判定条件包括:
prand<pa,
其中,
prand为随机采样概率,pa为根据Tfailed计算得到的判定概率,Tfailed为碰撞检测失败的次数。
本发明提供的方法根据路径搜索环境的复杂性选择两种不同的扩展方式。第一种情况是扩展节点附近的自由空间足够大时,采用目标偏向概率采样来扩展节点,以提高路径搜索的效率。采用目标偏向概率采样来扩展节点时,先将目标点设置为采样点,然后通过目标引力扩展节点。如图2和图3所示,图2中大圆圈表示障碍物,小圆圈表示节点(路径点),为(焊接路径的)起始点,为(焊接路径的)终止点,xnearest为已确定的最接近点,xnew为扩展节点,l为随机采样时的扩展步长,而2l则是采样点为目标点时的组合步长,从图3中可以看出,椭圆区域内的扩展步长明显大于障碍物周围的,当路径搜索环境的复杂程度低,利用目标引力扩展节点有助于提升计算效率。
第二种情况是当扩展点周围具有较多的障碍物,路径搜索环境较复杂时,目标引力反而会阻碍扩展过程,如图4所示,此时需要增大随机采样的概率来避开障碍物,采用随机采样来扩展节点反而更为有利,如图5所示。
本发明提供的复杂环境下焊接机器人无碰撞路径规划方法是一种自适应扩展双向RRT*方法,简称AB-RRT*方法,能够根据碰撞检测失败的次数计算出来的判定概率pa来自主选择不同的扩展方式,既能够满足避障的要求,又可以提高路径搜索的效率。
由于AB-RRT*方法从起始点和终止点同时进行扩展,因此在扩展节点时,目标点可以是(起始点)或(终止点)。在不满足复杂性判定条件时,即prand≥pa时,认为扩展节点附近的自由空间足够大,则以或为目标点(第一节点树简称树1,树1的根节点为起始点扩展树1时以终止点为目标点;第二节点树简称树2,树2的根节点为终止点扩展树2时以起始点为目标点),采用目标偏向概率采样来扩展节点,从而提高路径搜索的效率。
而当扩展点周围具有较多障碍物,路径搜索环境较复杂,满足复杂性判定条件,即随机采样概率prand小于根据Tfailed计算得到的判定概率pa时,采用随机采样扩展节点,从而更好地避开障碍物。
在弧焊机器人路径规划过程中,需要进行碰撞检测以确保所获得的路径没有碰撞。碰撞检测主要包括两部分:焊枪碰撞检测和机械臂碰撞检测,也就是说弧焊机器人的焊枪在焊接和跳转的过程中,不能与任何焊接工件或夹具发生碰撞,所有的机械臂也应该满足此要求,这是无碰撞路径规划和安全生产的重要前提。优选地,碰撞检测失败包括焊枪碰撞检测失败与机械臂碰撞检测失败,即在进行碰撞检测时,不论焊枪碰撞检测失败与机械臂碰撞检测失败,均计入碰撞检测失败的次数Tfailed。步骤S3中,一条根据树1和树2获得的、从起始点到终止点的无碰撞路径中每个路径点均需满足碰撞检测成功的条件。
步骤S4中,插入路径点坐标的计算公式为:
其中,xn表示路径中一段折线的第n个插入的路径点坐标,xstart表示该段折线的起始路径点坐标,xend表示该段折线的终止路径点坐标,m为该段折线的插值个数。
为了尽可能缩短因为步长设置过大或障碍物过于复杂所导致的过剩路径长度,优选地,步骤S5中,对完成插值后的路径进行后处理优化时,利用三角不等式原理,在完成插值后得到的各个路径点中,连接尽可能长距离且无碰撞的路径点。事实上,对于已经获得的无碰撞路径(即初始路径),利用插值以及三角不等式原理进行后处理优化所得到的路径不会比先前的路径差。此步骤计算的路径点之间的距离为欧式距离。
如图6所示,以表示一条从起始点到终止点的无碰撞路径,首先在每一段折线中间插入m个节点(图6中以m=2为例)。然后利用三角不等式原理,连接具有尽可能长距离且无碰撞的两个节点,如图6中的至x5,x5至根据三角不等式原理有:
本发明还对提出的AB-RRT*方法在复杂环境下具有高效率和高质量的搜索能力进行了验证,图7(a)至图7(c)为不同三维测试环境示意图,图8(a)至图8(c)分别为图7(a)至图7(c)所示三维测试环境的路径规划结果示意图,其中,图8(a)示出了图7(a)所示三维测试环境路径规划结果,图8(b)示出了图7(b)所示三维测试环境路径规划结果,图8(c)示出了图7(c)所示三维测试环境路径规划结果。
本发明还比较了所提出的复杂环境下焊接机器人无碰撞路径规划方法(即AB-RRT*方法)与现有技术中部分路径规划方法的性能,请参阅图9至图10(d)。图9示出了一种汽车前副车架焊缝及部分端点分布,图9中方块内的编号L1、L2、L3至L15指示汽车前副车架的不同焊缝,图9中圆圈内的编号9、16、19、21、25和28指示汽车前副车架焊缝上部分端点。本发明选择了四条具有不同长度和特点的焊接路径,其中,路径a:由图9中编号19的端点(起始点)至编号28的端点(终止点);路径b:由图9中编号28的端点至编号9的端点,路径c:由图9中编号9的端点至编号16的端点,路径d:由图9中编号25的端点至编号21的端点,同时选取现有技术中的RRT(快速扩展随机树)方法、RRT-Connect(连结型双树RRT)方法、RRT*(渐近最优RRT)方法、B-RRT*(双向RRT*)方法和IB-RRT*(智能双向RRT*)方法作为对比方法,对ABB IRB1520弧焊机器人在汽车前副车架上的焊缝转移路径进行研究,来验证本发明提供的AB-RRT*方法的综合性能。
本发明基于上述各对比方法与AB-RRT*方法,分别独立运行30次,得到最长的路径值Pmax、平均的路径值Pmean和最短的路径值Pmin结果如图10(a)至图10(d)所示,图10(a)为不同方法规划路径a得到的路径长度对比结果图,图10(b)为方法规划路径b得到的路径长度对比结果图,图10(c)为不同方法规划路径c得到的路径长度对比结果图,图10(d)为不同路径规划方法规划路径d得到的路径长度对比结果图。从图10(a)至图10(d)可以看出,在AB-RRT*方法获得的四条路径中,Pmean、Pmin和Pmax的值均是最小的,验证了本发明提供的复杂环境下焊接机器人无碰撞路径规划方法具有强大的搜索能力和有效的稳定性,这也是解决实际路径搜索问题所必需的,可用于高效解决复杂场景下的无碰撞路径规划问题。
本发明还提供了一种复杂环境下焊接机器人无碰撞路径规划装置,包括初始化模块、扩展模块、判断模块、插值模块、优化模块和输出模块,具体地:
初始化模块用于初始化并对环境中的障碍物进行建模;
扩展模块用于在第一节点树和第二节点树上分别扩展节点;其中,第一节点树以焊接路径的起始点为根节点,第二节点树以焊接路径的终止点为根节点,扩展节点时,根据路径搜索环境的复杂程度选择扩展方式;
判断模块用于判断根据所述第一节点树和所述第二节点树上的节点是否能够获得一条从所述起始点到所述终止点的无碰撞路径,是,则调用插值模块,否,则调用扩展模块;
插值模块用于将所述无碰撞路径作为初始路径,对所述初始路径进行插值处理;
优化模块用于对完成插值后的路径进行后处理优化,获得无碰撞的最短路径;
输出模块用于返回所述最短路径。
优选地,扩展模块扩展节点时,根据路径搜索环境的复杂程度选择扩展方式,在满足复杂性判定条件时,采用随机采样来扩展节点,否则采用目标偏向概率采样来扩展节点;若扩展节点后无碰撞,则更新扩展的新节点及周围节点的父节点;
所述复杂性判定条件包括:
prand<pa,
其中,
prand为随机采样概率,pa为根据Tfailed计算得到的判定概率,Tfailed为碰撞检测失败的次数。
上述复杂环境下焊接机器人无碰撞路径规划装置的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
以上各实施例中,硬件模块可以通过机械方式或电气方式实现。例如,一个硬件模块可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件模块还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
特别地,在本发明一些优选的实施方式中,还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一实施方式中所述复杂环境下焊接机器人无碰撞路径规划方法的步骤。
在本发明另一些优选的实施方式中,还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施方式中所述复杂环境下焊接机器人无碰撞路径规划方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述复杂环境下焊接机器人无碰撞路径规划方法实施例的流程,在此不再重复说明。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种复杂环境下焊接机器人无碰撞路径规划方法,其特征在于,包括如下步骤:
S1、初始化并对环境中的障碍物进行建模;
S2、在第一节点树和第二节点树上分别扩展节点;其中,第一节点树以焊接路径的起始点为根节点,第二节点树以焊接路径的终止点为根节点,扩展节点时,根据路径搜索环境的复杂程度选择扩展方式;
S3、判断根据所述第一节点树和所述第二节点树上的节点是否能够获得一条从所述起始点到所述终止点的无碰撞路径,是,则继续执行下一步骤,否,则返回上一步骤;
S4、将所述无碰撞路径作为初始路径,对所述初始路径进行插值处理;
S5、对完成插值后的路径进行后处理优化,获得无碰撞的最短路径;
S6、返回所述最短路径。
2.根据权利要求1所述的复杂环境下焊接机器人无碰撞路径规划方法,其特征在于:
所述步骤S2中,扩展节点时,根据路径搜索环境的复杂程度选择扩展方式,在满足复杂性判定条件时,采用随机采样来扩展节点,否则采用目标偏向概率采样来扩展节点;
若扩展节点后无碰撞,则更新扩展的新节点及周围节点的父节点。
4.根据权利要求3所述的复杂环境下焊接机器人无碰撞路径规划方法,其特征在于:
碰撞检测失败包括焊枪碰撞检测失败与机械臂碰撞检测失败。
5.根据权利要求1所述的复杂环境下焊接机器人无碰撞路径规划方法,其特征在于:
所述步骤S5中,对完成插值后的路径进行后处理优化时,利用三角不等式原理,在完成插值后得到的各个路径点中,连接尽可能长距离且无碰撞的路径点。
6.根据权利要求1所述的复杂环境下焊接机器人无碰撞路径规划方法,其特征在于:
所述步骤S1中,对环境中的障碍物进行建模包括对焊接工件和夹具进行建模。
7.一种复杂环境下焊接机器人无碰撞路径规划装置,其特征在于,包括:
初始化模块,用于初始化并对环境中的障碍物进行建模;
扩展模块,用于在第一节点树和第二节点树上分别扩展节点;其中,第一节点树以焊接路径的起始点为根节点,第二节点树以焊接路径的终止点为根节点,扩展节点时,根据路径搜索环境的复杂程度选择扩展方式;
判断模块,用于判断根据所述第一节点树和所述第二节点树上的节点是否能够获得一条从所述起始点到所述终止点的无碰撞路径,是,则调用插值模块,否,则调用扩展模块;
插值模块,用于将所述无碰撞路径作为初始路径,对所述初始路径进行插值处理;
优化模块,用于对完成插值后的路径进行后处理优化,获得无碰撞的最短路径;
输出模块,用于返回所述最短路径。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述复杂环境下焊接机器人无碰撞路径规划方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述复杂环境下焊接机器人无碰撞路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110374922.9A CN112947489B (zh) | 2021-04-08 | 2021-04-08 | 复杂环境下焊接机器人无碰撞路径规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110374922.9A CN112947489B (zh) | 2021-04-08 | 2021-04-08 | 复杂环境下焊接机器人无碰撞路径规划方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112947489A true CN112947489A (zh) | 2021-06-11 |
CN112947489B CN112947489B (zh) | 2022-11-22 |
Family
ID=76230917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110374922.9A Active CN112947489B (zh) | 2021-04-08 | 2021-04-08 | 复杂环境下焊接机器人无碰撞路径规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112947489B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113448336A (zh) * | 2021-08-30 | 2021-09-28 | 天津施格机器人科技有限公司 | 3d避障路径规划方法 |
CN113618276A (zh) * | 2021-07-27 | 2021-11-09 | 华南理工大学 | 基于分层搜索树实现工件自动布置的变位机路径规划方法 |
CN113618277A (zh) * | 2021-07-28 | 2021-11-09 | 华南理工大学 | 带可达性球分层搜索树的焊接机器人离线焊接路径规划方法 |
CN115351454A (zh) * | 2022-10-20 | 2022-11-18 | 广州德程智能科技股份有限公司 | 机器人自动焊接控制方法及系统 |
CN116160174A (zh) * | 2023-04-21 | 2023-05-26 | 山东芯合机器人科技有限公司 | 一种基于双目视觉的焊缝识别与跟踪控制方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110035087A1 (en) * | 2009-08-10 | 2011-02-10 | Samsung Electronics Co., Ltd. | Method and apparatus to plan motion path of robot |
CN106444769A (zh) * | 2016-10-31 | 2017-02-22 | 湖南大学 | 一种室内移动机器人增量式环境信息采样的最优路径规划方法 |
CN106444740A (zh) * | 2016-07-15 | 2017-02-22 | 浙江工业大学 | 基于mb‑rrt的无人机二维航迹规划方法 |
CN109571466A (zh) * | 2018-11-22 | 2019-04-05 | 浙江大学 | 一种基于快速随机搜索树的七自由度冗余机械臂动态避障路径规划方法 |
CN109986564A (zh) * | 2019-05-20 | 2019-07-09 | 上海应用技术大学 | 工业机械臂路径规划方法 |
CN110083165A (zh) * | 2019-05-21 | 2019-08-02 | 大连大学 | 一种机器人在复杂狭窄环境下路径规划方法 |
CN110355764A (zh) * | 2019-08-06 | 2019-10-22 | 广东工业大学 | 一种龙门式双机器人的焊接路径规划方法及系统 |
CN110497403A (zh) * | 2019-08-05 | 2019-11-26 | 上海大学 | 一种改进双向rrt算法的机械臂运动规划方法 |
CN111240319A (zh) * | 2019-12-31 | 2020-06-05 | 南京理工大学 | 室外多机器人协同作业系统及其方法 |
CN111240326A (zh) * | 2020-01-15 | 2020-06-05 | 重庆邮电大学 | 一种基于异构双种群蚁群算法的移动机器人路径规划方法 |
CN112338916A (zh) * | 2020-10-29 | 2021-02-09 | 深圳市大象机器人科技有限公司 | 基于快速扩展随机树的机械臂避障路径规划方法及系统 |
CN112549016A (zh) * | 2020-10-21 | 2021-03-26 | 西安工程大学 | 一种机械臂运动规划方法 |
-
2021
- 2021-04-08 CN CN202110374922.9A patent/CN112947489B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110035087A1 (en) * | 2009-08-10 | 2011-02-10 | Samsung Electronics Co., Ltd. | Method and apparatus to plan motion path of robot |
CN106444740A (zh) * | 2016-07-15 | 2017-02-22 | 浙江工业大学 | 基于mb‑rrt的无人机二维航迹规划方法 |
CN106444769A (zh) * | 2016-10-31 | 2017-02-22 | 湖南大学 | 一种室内移动机器人增量式环境信息采样的最优路径规划方法 |
CN109571466A (zh) * | 2018-11-22 | 2019-04-05 | 浙江大学 | 一种基于快速随机搜索树的七自由度冗余机械臂动态避障路径规划方法 |
CN109986564A (zh) * | 2019-05-20 | 2019-07-09 | 上海应用技术大学 | 工业机械臂路径规划方法 |
CN110083165A (zh) * | 2019-05-21 | 2019-08-02 | 大连大学 | 一种机器人在复杂狭窄环境下路径规划方法 |
CN110497403A (zh) * | 2019-08-05 | 2019-11-26 | 上海大学 | 一种改进双向rrt算法的机械臂运动规划方法 |
CN110355764A (zh) * | 2019-08-06 | 2019-10-22 | 广东工业大学 | 一种龙门式双机器人的焊接路径规划方法及系统 |
CN111240319A (zh) * | 2019-12-31 | 2020-06-05 | 南京理工大学 | 室外多机器人协同作业系统及其方法 |
CN111240326A (zh) * | 2020-01-15 | 2020-06-05 | 重庆邮电大学 | 一种基于异构双种群蚁群算法的移动机器人路径规划方法 |
CN112549016A (zh) * | 2020-10-21 | 2021-03-26 | 西安工程大学 | 一种机械臂运动规划方法 |
CN112338916A (zh) * | 2020-10-29 | 2021-02-09 | 深圳市大象机器人科技有限公司 | 基于快速扩展随机树的机械臂避障路径规划方法及系统 |
Non-Patent Citations (1)
Title |
---|
杨左华等: "基于改进RRT*算法的无人艇全局避障规划", 《舰船科学技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113618276A (zh) * | 2021-07-27 | 2021-11-09 | 华南理工大学 | 基于分层搜索树实现工件自动布置的变位机路径规划方法 |
CN113618276B (zh) * | 2021-07-27 | 2022-04-26 | 华南理工大学 | 基于分层搜索树实现工件自动布置的变位机路径规划方法 |
CN113618277A (zh) * | 2021-07-28 | 2021-11-09 | 华南理工大学 | 带可达性球分层搜索树的焊接机器人离线焊接路径规划方法 |
CN113618277B (zh) * | 2021-07-28 | 2022-04-05 | 华南理工大学 | 带可达性球分层搜索树的焊接机器人离线焊接路径规划方法 |
CN113448336A (zh) * | 2021-08-30 | 2021-09-28 | 天津施格机器人科技有限公司 | 3d避障路径规划方法 |
CN115351454A (zh) * | 2022-10-20 | 2022-11-18 | 广州德程智能科技股份有限公司 | 机器人自动焊接控制方法及系统 |
CN116160174A (zh) * | 2023-04-21 | 2023-05-26 | 山东芯合机器人科技有限公司 | 一种基于双目视觉的焊缝识别与跟踪控制方法 |
CN116160174B (zh) * | 2023-04-21 | 2023-07-14 | 山东芯合机器人科技有限公司 | 一种基于双目视觉的焊缝识别与跟踪控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112947489B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112947489B (zh) | 复杂环境下焊接机器人无碰撞路径规划方法及装置 | |
CN110509279B (zh) | 一种仿人机械臂的运动路径规划方法及系统 | |
CN111546347B (zh) | 一种适用于动态环境下的机械臂路径规划方法 | |
CN110567477A (zh) | 基于改进a*算法的路径规划方法、装置及机器人 | |
US20150266182A1 (en) | Method And An Apparatus For Automatically Generating A Collision Free Return Program For Returning A Robot From A Stop Position To A Predefined Restart Position | |
CN109542117B (zh) | 基于改进rrt的水下航行器滚动规划算法 | |
CN110806218A (zh) | 泊车路径规划方法、装置和系统 | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
CN112356033B (zh) | 一种融合低差异序列与rrt算法的机械臂路径规划方法 | |
WO2018090769A1 (zh) | 路径识别方法和系统 | |
CN111251306B (zh) | 一种带有底盘误差的机械臂路径规划方法 | |
WO2022142893A1 (zh) | 双足机器人路径规划方法、装置和双足机器人 | |
KR101764653B1 (ko) | 이동체의 경로계획 장치 및 그 계획 방법 | |
CN110275528B (zh) | 针对rrt算法改进的路径优化方法 | |
JP2012187697A (ja) | ロボットの軌道計画システム及び軌道計画方法 | |
CN113799120A (zh) | 冗余自由度机械臂的路径规划方法、装置及工程机械 | |
CN114115271A (zh) | 一种改进rrt的机器人路径规划方法和系统 | |
CN114705196B (zh) | 一种用于机器人的自适应启发式全局路径规划方法与系统 | |
CN115167398A (zh) | 一种基于改进a星算法的无人船路径规划方法 | |
CN113771035B (zh) | 基于rrt*算法的冗余多自由度机械臂避障路径优化方法 | |
CN115047880A (zh) | 一种未知动态环境下机器人智能路径规划方法 | |
CN116852367A (zh) | 一种基于改进RRTstar的六轴机械臂避障路径规划方法 | |
CN113650011A (zh) | 一种机械臂拼接路径规划方法及装置 | |
CN117124335A (zh) | 一种基于路径标记回溯策略的改进式rrt路径规划方法 | |
WO2023155923A1 (zh) | 路径规划方法及装置、可读存储介质 |
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 |