CN113119114B - 一种机械臂运动规划方法、装置、可读存储介质及机械臂 - Google Patents

Abstract

本申请属于机器人技术领域，尤其涉及一种机械臂运动规划方法、装置、计算机可读存储介质及机械臂。所述方法包括：使用预设的机械臂运动规划算法对机械臂进行运动规划，得到所述机械臂从预设的初始位姿运动至预设的目标位姿的第一运动规划路径；根据预设的优化评价函数对所述第一运动规划路径进行迭代优化，得到优化后的第二运动规划路径。通过本申请，构建了对运动规划路径进行评价的优化评价函数，基于这一优化评价函数对初始规划得到的第一运动规划路径进行迭代优化，从而得到更加趋近于最优路径的第二运动规划路径。

Description

一种机械臂运动规划方法、装置、可读存储介质及机械臂

技术领域

本申请属于机器人技术领域，尤其涉及一种机械臂运动规划方法、装置、计算机可读存储介质及机械臂。

背景技术

在现有技术中，一般是使用快速扩展随机树(Rapidly-exploring Random Trees，RRT)或者双向快速扩展随机树(Bi-directional RRT，BiRRT)等规划算法对机械臂进行运动规划。但这些算法都具有很强的随机性，所得到的运动规划路径往往与最优路径存在较大的差距。

发明内容

有鉴于此，本申请实施例提供了一种机械臂运动规划方法、装置、计算机可读存储介质及机械臂，以解决现有的机械臂运动规划方法所得到的运动规划路径往往与最优路径存在较大的差距的问题。

本申请实施例的第一方面提供了一种机械臂运动规划方法，可以包括：

使用预设的机械臂运动规划算法对机械臂进行运动规划，得到所述机械臂从预设的初始位姿运动至预设的目标位姿的第一运动规划路径；

将所述第一运动规划路径作为当前规划路径；

根据预设的优化评价函数计算所述当前规划路径的梯度；

根据当前规划路径的梯度对所述当前规划路径进行更新计算，得到更新规划路径；

若所述当前规划路径的梯度不满足预设的迭代终止条件，则将所述更新规划路径作为新的当前规划路径，并返回执行所述根据预设的优化评价函数计算所述当前规划路径的梯度的步骤及其后续步骤；

若所述当前规划路径的梯度满足所述迭代终止条件，则将所述更新规划路径确定为优化后的第二运动规划路径。

进一步地，所述优化评价函数可以为：

f(x)＝||Kx+e||²＝x^TAx+2x^TKe+e^Te

其中，e为与所述初始位姿对应的矩阵，且

Q₀为所述初始位姿，K为预设的微分算子矩阵，I_N为预设的微分算子，A为所述优化评价函数的黑塞矩阵，且A＝K^TK，x为所述机械臂的运动规划路径，f(x)为所述优化评价函数。

进一步地，所述根据当前规划路径的梯度对所述当前规划路径进行更新计算，得到更新规划路径，可以包括：

根据下式对所述当前规划路径进行更新计算：

其中，x_i为所述当前规划路径，

为所述当前规划路径的梯度，η为预设的更新步长，x_i+1为所述更新规划路径。

进一步地，所述根据所述优化评价函数计算所述当前规划路径的梯度，可以包括：

根据下式计算所述当前规划路径的梯度：

进一步地，所述迭代终止条件可以为：所述当前规划路径的梯度小于预设的梯度阈值，或迭代优化时长大于预设的时长阈值。

进一步地，所述机械臂运动规划算法可以为快速扩展随机树规划算法或双向快速扩展随机树规划算法。

本申请实施例的第二方面提供了一种机械臂运动规划装置，可以包括：

运动规划模块，用于使用预设的机械臂运动规划算法对机械臂进行运动规划，得到所述机械臂从预设的初始位姿运动至预设的目标位姿的第一运动规划路径；

迭代优化模块，用于根据预设的优化评价函数计算所述当前规划路径的梯度；根据当前规划路径的梯度对所述当前规划路径进行更新计算，得到更新规划路径；若所述当前规划路径的梯度不满足预设的迭代终止条件，则将所述更新规划路径作为新的当前规划路径，并返回执行所述根据预设的优化评价函数计算所述当前规划路径的梯度的步骤及其后续步骤；若所述当前规划路径的梯度满足所述迭代终止条件，则将所述更新规划路径确定为优化后的第二运动规划路径。

进一步地，所述优化评价函数为：

f(x)＝||Kx+e||²＝x^TAx+2x^TKe+e^Te

其中，e为与所述初始位姿对应的矩阵，且e＝[Q₀ ^T,0,…,0]^T，Q₀为所述初始位姿，K为预设的微分算子矩阵，I_N为预设的微分算子，A为所述优化评价函数的黑塞矩阵，且A＝K^TK，x为所述机械臂的运动规划路径，f(x)为所述优化评价函数。

进一步地，所述更新计算单元具体用于根据下式对所述当前规划路径进行更新计算：

其中，x_i为所述当前规划路径，

为所述当前规划路径的梯度，η为预设的更新步长，x_i+1为所述更新规划路径。

进一步地，所述梯度计算单元具体用于根据下式计算所述当前规划路径的梯度：

进一步地，所述迭代终止条件为：所述当前规划路径的梯度小于预设的梯度阈值，或迭代优化时长大于预设的时长阈值。

进一步地，所述机械臂运动规划算法为快速扩展随机树规划算法或双向快速扩展随机树规划算法。

本申请实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种机械臂运动规划方法的步骤。

本申请实施例的第四方面提供了一种机械臂，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种机械臂运动规划方法的步骤。

本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在机械臂上运行时，使得机械臂执行上述任一种机械臂运动规划方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：本申请实施例使用预设的机械臂运动规划算法对机械臂进行运动规划，得到所述机械臂从预设的初始位姿运动至预设的目标位姿的第一运动规划路径；根据预设的优化评价函数对所述第一运动规划路径进行迭代优化，得到优化后的第二运动规划路径。通过本申请实施例，构建了对运动规划路径进行评价的优化评价函数，基于这一优化评价函数对初始规划得到的运动规划路径(即第一运动规划路径)进行迭代优化，从而得到更加趋近于最优路径的运动规划路径(即第二运动规划路径)。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例中一种机械臂运动规划方法的一个实施例流程图；

图2为根据预设的优化评价函数对第一运动规划路径进行迭代优化的示意流程图；

图3为第一运动规划路径和第二运动规划路径的对比示意图；

图4为本申请实施例中一种机械臂运动规划装置的一个实施例结构图；

图5为本申请实施例中一种机械臂的示意框图。

具体实施方式

为使得本申请的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。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它实施例，都属于本申请保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参阅图1，本申请实施例中一种机械臂运动规划方法的一个实施例可以包括：

步骤S101、使用预设的机械臂运动规划算法对机械臂进行运动规划，得到机械臂从预设的初始位姿运动至预设的目标位姿的第一运动规划路径。

在本申请实施例中，可以通过位姿空间(configuration space)描述机械臂所有关节的位姿构成的集合，即C空间，而当考虑机械臂和障碍物时，C空间会分为两个空间，即障碍物空间C_Obs和自由空间C_free。

其中，C_Obs可以用下式进行描述：

即C_Obs为满足以下条件的位姿构成的集合：该位姿(即q)属于C空间且在该位姿下的机械臂(即Robot(q))与障碍物(即Obs)相交不为空，两者发生碰撞。

相应地，C_free可以用下式进行描述：

C_free＝C-C_Obs

即C_free为C_Obs的补集。

C_free是机械臂能够在其中运动并发现轨迹最优、时间最短的可选区域。机械臂运动规划算法的基本思想是基于C_free建立用于解决机械臂运动规划问题的路径图，其具体流程可以包括：

(1)确定机械臂的工作空间W；

(2)确定工作空间W中的障碍物Obs以及机械臂Robot；

(3)确定机械臂对应的C空间，以及障碍物空间C_Obs和自由空间C_free；

(4)确定机械臂的初始位姿Q_init和目标位姿Q_end；

(5)在自由空间C_free中根据机械臂运动规划算法采样获得机械臂的无碰撞路径τ，该路径需满足τ[0,h]→C_free，其中，0表示运动规划的起始时间点，h表示运动规划的终止时间点，该路径在从起始时间点至终止时间点之间的任意一个规划时间点时的机械臂位姿均处在自由空间C_free的范围内，且该路径在起始时间点时的机械臂位姿为初始位姿，即τ[0]＝Q_init，该路径在终止时间点时的机械臂位姿为目标位姿，即τ[h]＝Q_end。

在本申请实施例中，可以使用现有技术中的任意一种机械臂运动规划算法来对机械臂进行运动规划，包括但不限于RRT或BiRRT等具体的规划算法。由于这些算法都具有很强的随机性，所得到的运动规划路径往往与最优路径存在较大的差距，因此需要通过后续步骤对其进行优化处理。为了便于区分，此处将此时的运动规划路径记为第一运动规划路径。

步骤S102、根据预设的优化评价函数对第一运动规划路径进行迭代优化，得到优化后的第二运动规划路径。

在本申请实施例中，可以将机械臂的运动规划路径定义为(h+1)×(n+1)维的矩阵，即

其中，右下标的0，1，…，h表示从起始时间点至终止时间点之间的各个规划时间点，Q表示某个规划时间点的机械臂位姿，可以用机械臂的各个关节角所构成的向量进行表示，即：Q＝[q₀,q₁,…,q_n]^T，其中，n+1表示机械臂的运动自由度，q₀,q₁,…,q_n分别为机械臂的各个关节角。

为了衡量机械臂的运动规划路径的优劣，在本申请实施例中引入了优化评价函数f(x)来对机械臂的运动规划路径进行评价，具体地，可以将机械臂的各个关节角运动的欧式距离的平方和作为优化评价函数，即：

在实际计算过程中，可以将该优化评价函数转化为如下形式：

f(x)＝||Kx+e||²＝x^TAx+2x^TKe+e^Te

其中，e为与初始位姿对应的矩阵，且e＝[Q₀ ^T,0,…,0]^T∈R^(h+1)×(n+1)，Q₀为初始位姿，也即Q_init，K为预设的微分算子矩阵，I_N为预设的微分算子，且

A为优化评价函数的黑塞矩阵(Hessian Matrix)，且A＝K^TK。

通过该优化评价函数，可以将机械臂的运动规划的评价问题转化为非凸优化问题，即机械臂运动规划算法采样扩展时在满足关节构型约束与末端执行器约束，关节限位约束与障碍物避碰约束的同时，获得局部最优路径，使得优化评价函数趋近最小值，或者说使机械臂从初始位姿运动至目标位姿的运动规划路径趋近于最优路径，即：argmin_x(f(x))。

为了使得运动规划路径趋近于最优路径，在本申请实施例中可以通过如图2所示的过程对第一运动规划路径进行迭代优化：

步骤S1021、将第一运动规划路径作为当前规划路径。

步骤S1022、根据优化评价函数计算当前规划路径的梯度。

具体地，可以根据下式计算当前规划路径的梯度：

其中，x_i为当前规划路径，

为当前规划路径的梯度，

为与x_i对应的偏导数。

步骤S1023、根据当前规划路径的梯度对当前规划路径进行更新计算，得到更新规划路径。

具体地，可以根据下式对当前规划路径进行更新计算：

其中，η为预设的更新步长，其具体取值可以根据实际情况进行设置，x_i+1为更新规划路径。

步骤S1024、判断当前规划路径的梯度是否满足预设的迭代终止条件。

在本申请实施例中，迭代终止条件可以为：当前规划路径的梯度小于预设的梯度阈值，或迭代优化时长大于预设的时长阈值。其中，梯度阈值和时长阈值的具体取值均可以根据实际情况进行设置。

若当前规划路径的梯度不满足预设的迭代终止条件，则执行步骤S1025，若当前规划路径的梯度满足迭代终止条件，则执行步骤S1026。

步骤S1025、将更新规划路径作为新的当前规划路径。

在执行步骤S1025之后，返回执行步骤S1022及其后续步骤，即进行新一轮的迭代优化。

步骤S1026、将更新规划路径确定为优化后的运动规划路径。

为了便于区分，此处将优化后的运动规划路径记为第二运动规划路径。图3所示即为第一运动规划路径和第二运动规划路径的对比示意图，从中可以看出，第二运动规划路径较之于第一运动规划路径更加趋近于最优路径。

综上，本申请实施例使用预设的机械臂运动规划算法对机械臂进行运动规划，得到机械臂从预设的初始位姿运动至预设的目标位姿的第一运动规划路径；根据预设的优化评价函数对第一运动规划路径进行迭代优化，得到优化后的第二运动规划路径。通过本申请实施例，构建了对运动规划路径进行评价的优化评价函数，基于这一优化评价函数对初始规划得到的运动规划路径(即第一运动规划路径)进行迭代优化，从而得到更加趋近于最优路径的运动规划路径(即第二运动规划路径)。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的一种机械臂运动规划方法，图4示出了本申请实施例提供的一种机械臂运动规划装置的一个实施例结构图。

本实施例中，一种机械臂运动规划装置可以包括：

运动规划模块401，用于使用预设的机械臂运动规划算法对机械臂进行运动规划，得到所述机械臂从预设的初始位姿运动至预设的目标位姿的第一运动规划路径；

迭代优化模块402，用于根据预设的优化评价函数对所述第一运动规划路径进行迭代优化，得到优化后的第二运动规划路径。

进一步地，所述迭代优化模块可以包括：

当前规划路径确定单元，用于将所述第一运动规划路径作为当前规划路径；

梯度计算单元，用于根据所述优化评价函数计算所述当前规划路径的梯度；

更新计算单元，用于根据当前规划路径的梯度对所述当前规划路径进行更新计算，得到更新规划路径；

当前规划路径更新单元，用于若所述当前规划路径的梯度不满足预设的迭代终止条件，则将所述更新规划路径作为新的当前规划路径；

第二运动规划路径确定单元，用于若所述当前规划路径的梯度满足所述迭代终止条件，则将所述更新规划路径确定为优化后的第二运动规划路径。

进一步地，所述优化评价函数为：

f(x)＝||Kx+e||²＝x^TAx+2x^TKe+e^Te

其中，e为与所述初始位姿对应的矩阵，且e＝[Q₀ ^T,0,…,0]^T，Q₀为所述初始位姿，K为预设的微分算子矩阵，I_N为预设的微分算子，A为所述优化评价函数的黑塞矩阵，且A＝K^TK，x为所述机械臂的运动规划路径，f(x)为所述优化评价函数。

进一步地，所述更新计算单元具体用于根据下式对所述当前规划路径进行更新计算：

其中，x_i为所述当前规划路径，

为所述当前规划路径的梯度，η为预设的更新步长，x_i+1为所述更新规划路径。

进一步地，所述梯度计算单元具体用于根据下式计算所述当前规划路径的梯度：

进一步地，所述迭代终止条件为：所述当前规划路径的梯度小于预设的梯度阈值，或迭代优化时长大于预设的时长阈值。

进一步地，所述机械臂运动规划算法为快速扩展随机树规划算法或双向快速扩展随机树规划算法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

图5示出了本申请实施例提供的一种机械臂的示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。

如图5所示，该实施例的机械臂5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个机械臂运动规划方法实施例中的步骤，例如图1所示的步骤S101至步骤S102。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块401至模块402的功能。

示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述机械臂5中的执行过程。

本领域技术人员可以理解，图5仅仅是机械臂5的示例，并不构成对机械臂5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，例如所述机械臂5还可以包括输入输出设备、网络接入设备、总线等。

所述处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述机械臂5的内部存储单元，例如机械臂5的硬盘或内存。所述存储器51也可以是所述机械臂5的外部存储设备，例如所述机械臂5上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述机械臂5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述机械臂5所需的其它程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/机械臂和方法，可以通过其它的方式实现。例如，以上所描述的装置/机械臂实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种机械臂运动规划方法，其特征在于，包括：

使用预设的机械臂运动规划算法对机械臂进行运动规划，得到所述机械臂从预设的初始位姿运动至预设的目标位姿的第一运动规划路径；

将所述第一运动规划路径作为当前规划路径；

根据预设的优化评价函数计算所述当前规划路径的梯度；

根据当前规划路径的梯度对所述当前规划路径进行更新计算，得到更新规划路径；

若所述当前规划路径的梯度不满足预设的迭代终止条件，则将所述更新规划路径作为新的当前规划路径，并返回执行所述根据预设的优化评价函数计算所述当前规划路径的梯度的步骤及其后续步骤；

若所述当前规划路径的梯度满足所述迭代终止条件，则将所述更新规划路径确定为优化后的第二运动规划路径。

2.根据权利要求1所述的机械臂运动规划方法，其特征在于，所述优化评价函数为：

f(x)＝||Kx+e||²＝x^TAx+2x^TKe+e^Te

其中，e为与所述初始位姿对应的矩阵，且

Q₀为所述初始位姿，K为预设的微分算子矩阵，I_N为预设的微分算子，A为所述优化评价函数的黑塞矩阵，且A＝K^TK，x为所述机械臂的运动规划路径，f(x)为所述优化评价函数。

3.根据权利要求1所述的机械臂运动规划方法，其特征在于，所述根据当前规划路径的梯度对所述当前规划路径进行更新计算，得到更新规划路径，包括：

根据下式对所述当前规划路径进行更新计算：

其中，x_i为所述当前规划路径，

为所述当前规划路径的梯度，η为预设的更新步长，x_i+1为所述更新规划路径。

4.根据权利要求1所述的机械臂运动规划方法，其特征在于，所述根据所述优化评价函数计算所述当前规划路径的梯度，包括：

根据下式计算所述当前规划路径的梯度：

其中，f(x)为所述优化评价函数，x_i为所述当前规划路径，

为所述当前规划路径的梯度。

5.根据权利要求1所述的机械臂运动规划方法，其特征在于，所述迭代终止条件为：所述当前规划路径的梯度小于预设的梯度阈值，或迭代优化时长大于预设的时长阈值。

6.根据权利要求1至5中任一项所述的机械臂运动规划方法，其特征在于，所述机械臂运动规划算法为快速扩展随机树规划算法或双向快速扩展随机树规划算法。

7.一种机械臂运动规划装置，其特征在于，包括：

运动规划模块，用于使用预设的机械臂运动规划算法对机械臂进行运动规划，得到所述机械臂从预设的初始位姿运动至预设的目标位姿的第一运动规划路径；

迭代优化模块，用于根据预设的优化评价函数计算当前规划路径的梯度；根据当前规划路径的梯度对所述当前规划路径进行更新计算，得到更新规划路径；若所述当前规划路径的梯度不满足预设的迭代终止条件，则将所述更新规划路径作为新的当前规划路径，并返回执行所述根据预设的优化评价函数计算所述当前规划路径的梯度的步骤及其后续步骤；若所述当前规划路径的梯度满足所述迭代终止条件，则将所述更新规划路径确定为优化后的第二运动规划路径。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的机械臂运动规划方法的步骤。

9.一种机械臂，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的机械臂运动规划方法的步骤。

Images