CN113146637B - 一种机器人笛卡尔空间的运动规划方法 - Google Patents

一种机器人笛卡尔空间的运动规划方法 Download PDF

Info

Publication number
CN113146637B
CN113146637B CN202110471291.2A CN202110471291A CN113146637B CN 113146637 B CN113146637 B CN 113146637B CN 202110471291 A CN202110471291 A CN 202110471291A CN 113146637 B CN113146637 B CN 113146637B
Authority
CN
China
Prior art keywords
planning
robot
space
path
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.)
Active
Application number
CN202110471291.2A
Other languages
English (en)
Other versions
CN113146637A (zh
Inventor
张耀伦
张煜
张秀芬
张盼盼
张增伦
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202110471291.2A priority Critical patent/CN113146637B/zh
Publication of CN113146637A publication Critical patent/CN113146637A/zh
Application granted granted Critical
Publication of CN113146637B publication Critical patent/CN113146637B/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

Landscapes

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

Abstract

本发明公开了一种机器人笛卡尔空间的运动规划方法，包括步骤：S1、获取机器人的初始状态信息、机器人周边环境和任务目标的状态信息；S2、根据要求选取规划路径点，依据平面公理确定目标规划点、规划路径点、机器人基坐标系原点所构成的空间平面；并依次规划在空间平面内从预规划点到目标规划点的规划路径点，获得空间路径；S3、根据要求规划耦合空间路径的位置信息的位于空间平面和/或其相交面上的末端执行器的接近矢量，使其经由空间路径，接着结合接近矢量表示姿态的空间信息；S4、驱动机器人到达目标规划点；本发明具有解决现有方法规划效率低、减轻环境建模的难度、降低系统开发成本、提高运动规划效率和系统开发效率等优势。

Description

一种机器人笛卡尔空间的运动规划方法
技术领域
本发明涉及机器人运动规划的技术领域，特别是涉及一种机器人笛卡尔空间的运动规划方法。
背景技术
当前机器人技术已得到迅速发展，同时，诸如机器视觉、深度学习等人工智能技术也推动了机器人技术在更多场景下的应用。但是，仍存在诸多对于人类而言十分简单的操作，却对机器人自动化而言仍是极具挑战性的问题。
工业场景下的Bin Picking(料筐抓取、散堆拾取)、农业非结构环境下的果实准确抓取采摘等依然是一项兼具挑战性和复杂性的研究课题。无序抓取问题由于其难度高、潜在应用场景多，有人将其称为机器人操作的“圣杯问题”。
机器人的运动规划问题，可以归结为在二维或三维障碍空间中的障碍物可用多边形或多面体进行描述，而机器人在非障碍环境的自由空间中如何运动，且与障碍物不发生碰撞或者不发生“剧烈”碰撞。同时，该问题与机器人的种类以及自身功能有很大关系，如：以二维障碍空间下的点状机器人的寻求其最短自由路径较为容易，而多自由度铰链式机械臂由于其自身的灵活性使得该问题变得更为复杂。
对于非点状机器人，目前可行的主要策略有随机采样法、空间搜索法等，但其均是随机算法，存在计算量大、过度规划、规划时间长、易陷入局部最优等弊端，甚至无法满足运动规划的高效率、实时性等要求。在工业常规环境以及工艺要求下，更为追求稳定可靠、确定性的运行轨迹，而非过于随机的运行轨迹。同时，对于农业非结构化环境，存在农业环境建模复杂、自由空间或可行区域大、相对工业环境更为多样性和不确定性等问题；若采样工业相对标准化环境下的随机算法，将产生机器人规划计算代价大、应用成本高、操作效率或成功率低等问题。
相较于工业环境，农业作物的种植场景复杂且难以结构化导致农业机器人面临极其复杂的作业场景，给机器人场景感知、行为规范和执行系统设置均带来挑战。因此，亟需探索和建立确定性算法以解决被誉为“圣杯问题”的多自由度铰链式机器人运动规划问题。
发明内容
本发明的目的在于克服现有技术中的上述缺陷，提供了一种机器人笛卡尔空间的运动规划方法，其具有解决现有方法规划效率低、减轻环境建模的难度、降低系统开发成本、提高运动规划效率和系统开发效率以及提高工作任务节拍等优势。
为实现上述目的，本发明提供了一种机器人笛卡尔空间的运动规划方法，其包括如下步骤：
S1、对机器人环境进行初始化，获取机器人的初始状态信息，通过定位系统和/或作业任务要求获取机器人周边环境和任务目标的状态信息；
S2、根据作业任务要求选取规划路径点，依据平面公理(经过不共线的三点有且仅有一个平面)通过数学建模方法确定目标规划点、规划路径点、机器人基坐标系原点所构成的空间平面；并根据作业任务要求依次规划在所述空间平面内从预规划点到目标规划点的规划路径点，获得从预规划点到目标规划点的规划路径点的空间路径；
S3、根据作业任务要求规划耦合步骤S2最后所述的空间路径的位置信息的、位于步骤S2中所述的空间平面和/或其相交面上的末端执行器的接近矢量，使其依次经由步骤S2中所述的空间路径，接着依据姿态表示方法并结合接近矢量表示出姿态的空间信息；
S4、结合步骤S2中所述的空间路径的位置信息和步骤S3中所述姿态的空间信息，驱动机器人完成到达作业目标规划点的运动过程。
优选的，步骤S1中所述机器人的初始状态信息包括下列至少之一：机器人的初始位置姿态信息和/或关节角信息。
优选的，步骤S2中所述的目标规划点可为任务目标的空间位置和/或根据工艺要求距离任务目标一定距离的空间位置；步骤S2中所述的预规划点可为初始状态下的机器人末端执行器所处的位置和/或机器人末端执行器相对于初始状态下向目标规划点移动一定距离的位置；步骤S2中所述的规划路径点为根据作业任务要求而选取与目标规划点和基坐标系原点不共线的空间点。
优选的，所述步骤S2和步骤S3之间还包括S21：根据作业任务要求，通过数学建模方法构建从预规划点到目标规划点的空间路径的曲线方程。
优选的，步骤S3和步骤S4中所述姿态的空间信息包括方位矢量和法向矢量。
优选的，当作业环境中存在障碍时，根据障碍物空间位置信息，步骤S2中要根据作业任务的需要选取适当的规划路径点使得机器人获得无碰撞运动的空间路径，再依次按照步骤S3规划连续无碰撞的姿态，然后驱动机器人完成到达作业目标规划点的运动过程。
优选的，在步骤S2中，当作业环境中存在障碍时，所述规划路径点还需结合障碍物空间位置信息来选取，所述目标规划点、规划路径点、基坐标系原点所构成的空间平面包括与竖直平面存在倾角的倾斜平面。
优选的，步骤S2中目标规划点、规划路径点、基坐标系原点所构成的空间平面根据空间中不同位置的障碍物，空间平面为依据规划路径点的选取不同处于动态变化地选取。
优选的，当作业环境中存在障碍时，所述步骤S4具体为如下：根据规划路径点的空间路径的位置信息及所规划的姿态的空间信息反解出机器人各个关节的运动角度，通过运动学正解计算出各关节的空间信息以及固结连杆和机器人周边设备的空间信息，判断机器人各个关节、固结连杆和周边设备是否与障碍物存在干涉，若不存在干涉，则规划良好，进而驱动机器人完成到达作业目标规划点的运动；若存在干涉，则循环步骤S31重新规划姿态。
与现有技术相比，本发明的有益效果在于：
本发明的运动规划方法充分发掘了机器人系统的几何物理性质，采取(动态)平面公理(经过不共线的三点有且仅有一个平面)的策略有效地降低了机器人运动规划的搜索空间，使得机器人的运动规划清晰明了，避免了规划的随机性和减少过度规划，而且提高了规划效率、稳定性个确定性，本技术方案具有解决现有方法规划效率低、减轻环境建模的难度、降低系统开发成本、提高运动规划效率和系统开发效率以及提高工作任务节拍等优势。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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，下面描述中的附图是本发明的一些实施例，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他的附图。
图1是本发明提供的一种机器人笛卡尔空间的运动规划的流程图。
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作出创造性劳动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。
实施例一：5S场景下的机器人运动规划
通常情况下，工业环境常在5S等要求下清除非必要障碍物，而且也不会人为地在机器人运行环境中增加非必要障碍物，因此本实施例以该情景进行描述。
一、对机器人环境进行初始化，获取机器人的状态信息，通过定位系统(如：3D相机、激光雷达等)和/或作业任务要求获取机器人周边环境和任务目标的状态信息；
其中，机器人的初始状态信息包括下列至少之一：机器人的初始位置姿态信息和/或关节角信息。
二、根据作业任务要求选取规划路径点，依据平面公理(经过不共线的三点有且仅有一个平面)通过数学建模方法确定目标规划点、规划路径点、机器人基坐标系原点所构成的空间平面；并根据作业任务要求依次规划在所述空间平面内从预规划点到目标规划点的规划路径点，获得从预规划点到目标规划点的规划路径点的空间路径。
具体而言，所述的目标规划点可为任务目标的空间位置和/或根据工艺要求距离任务目标一定距离的空间位置，其中在应用中多采用后者，通常会根据工艺要求或者实现更加稳妥的操作效果，会将目标规划点放在距离任务目标一定距离的位置，然后采用直线等逼近的方式实现对任务目标的操作。所述的预规划点可为初始状态下的机器人末端执行器所处的位置和或机器人末端执行器相对于初始状态下向目标规划点移动一定距离的位置，其中，在应用中多采用后者，一般减少非必要的规划，从而提高工作节拍；所述的规划路径点为根据作业任务要求而选取与目标规划点、基坐标系原点不共线的空间点。
具体地，可以根据作业任务要求，选取规划与目标规划点、基坐标系原点不共线的规划路径点，依据平面公理(经过不共线的三点有且仅有一个平面)，通过数学建模方法明确所确定的空间平面。由于路径空间中不存在额外障碍物，该实施例中所确定空间平面可以为某一固定空间平面。
根据作业任务要求规划(二)中所述的空间平面内从预规划点到目标规划点的空间路径，通过数学建模分析构建从预规划点到目标规划点的空间路径的曲线方程。
具体而言，通过数学建模的方法，选取适当的高次曲线方程可完成上述要求，如三次曲线方程、五次曲线方程，并可根据需要，结合路径点的规划选取对曲线方程进行适度均分等。其中，直线作为特殊的曲线在特殊场合也可作为备选方案之一。
三、根据作业任务要求规划耦合(二)所述的空间路径的位置信息的、位于(二)所述空间平面和/或其相交面上的末端执行器的接近矢量，使其依次经由(二)所述的空间路径；再依据姿态表示方法并结合接近矢量表示空间姿态信息，该空间姿态信息包括方位矢量和法向矢量。
四、结合(二)所述空间路径的位置信息和(三)所述的空间姿态信息，可以借助机器人自身所自带的控制及驱动算法或程序控制机器人完成从预规划点到达作业目标规划点的运动。
此外，由于已规划出位置、姿态等相关信息，亦可借助专利号为201510391934.7公开的一种机器人笛卡尔空闲轨迹的规划方法所述的更高效的机器人逆解算法，求解出机器人各个关节所需要的运动角度，然后控制驱动机器人完成上述运动。
综上所述，本技术方案的运动规划方法充分发掘了机器人系统的几何物理性质，采取(动态)平面公理(经过不共线的三点有且仅有一个平面)的策略有效地降低了机器人运动规划的搜索空间，使得机器人的运动规划清晰明了，避免了规划的随机性和减少过度规划，而且提高了规划效率、稳定性个确定性，本技术方案具有解决现有方法规划效率低、减轻环境建模的难度、降低系统开发成本、提高运动规划效率和系统开发效率以及提高工作任务节拍等优势。
实施例二：空间障碍环境下的机器人运动规划
由于本实施例中的空间环境环境中存在障碍物，因此仅依据实施例一依靠目标规划点、基坐标系原点、与上述二者不共线的规划路径点所确定的某一固定的空间平面的方法可能无法完成相关规划任务。因此，针对间环境环境中存在障碍物时，采用以下步骤的技术方案：
一、对机器人环境进行初始化，获取机器人的状态信息，通过定位系统(如：3D相机、激光雷达等)和/或作业任务要求获取机器人周边环境和任务目标的状态信息；
其中，机器人的初始状态信息包括下列至少之一：机器人的初始位置姿态信息和/或关节角信息。
二、根据作业任务要求选取规划路径点，依据平面公理通过数学建模方法确定目标规划点、规划路径点、机器人基坐标系原点所构成的空间平面；并根据作业任务要求依次规划在所述空间平面内从预规划点到目标规划点的规划路径点，获得从预规划点到目标规划点的规划路径点的空间路径。
具体而言，由于作业环境中存在障碍物，因此路径点的规划选择，不可使其位于障碍物位置空间内部。因此，目标规划点、规划路径点、基坐标系原点所构成的空间平面可为与竖直平面存在倾角的倾斜平面。同时，目标规划点、规划路径点、基坐标系原点所构成的空间平面可根据空间中不同位置的障碍物，空间平面可为依据规划路径点的选取不同处于动态变化地选取。
综合上述，根据作业任务要求，根据所选取规划与目标规划点、基坐标系原点不共线的规划路径点，依据平面公理(经过不共线的三点有且仅有一个平面)，通过数学建模方法明确所确定的空间平面。
同实施例一，所述的目标规划点可为任务目标的空间位置和/或根据工艺要求距离任务目标一定距离的空间位置，其中在应用中多采用后者，通常会根据工艺要求或者实现更加稳妥的操作效果，会将目标规划点放在距离任务目标一定距离的位置，然后采用直线等逼近的方式实现对任务目标的操作。所述的预规划点可为初始状态下的机器人末端执行器所处的位置和或机器人末端执行器相对于初始状态下向目标规划点移动一定距离的位置，其中，在应用中多采用后者，一般减少非必要的规划，从而提高工作节拍；所述的规划路径点为根据作业任务要求，选取与目标规划点、基坐标系原点不共线的空间点。
但由于作业环境中存在障碍物，上述涉及的移动距离将根据环境中障碍物的空间位置而与实施例一有所不同，避免与障碍物的碰撞或者不利于后续的规划任务。
根据作业任务要求规划(二)所述空间平面内从预规划点到目标规划点的空间路径，通过数学建模分析构建从预规划点到目标规划点的空间路径的曲线方程。
具体地，机器人状态，尤其工业机器人状态是由其各个关节位置确定的。当机器人到达目标规划点的周边环境路径中存在障碍物时，通过数学建模的方法，除了根据实施例一提及的选取适当的高次曲线方程之外，亦可以通过计算几何方法的数学建模方法进行。更具体地，如可以通过贝叶斯法等，完成包围障碍物的空间曲线方程。该数学方法为通过对障碍物的特征多角形P0P1···Pn的折线Pt，使曲线在两端同折线两端直线段相切，中间的形状作为各折线向量加权的向量总和，则可构造出贝叶斯曲线轨迹，从而实现路径的空间曲线造型。同时，可结合具体工艺和要求，对构造曲线进行改造，以便更适合于任务执行和运动规划。
三、根据作业任务要求规划耦合(二)所述的空间路径的位置信息的、位于(二)所述平面和/或其相交面上的末端执行器的接近矢量，使其依次经由(二)所述的空间路径；依据姿态表示方法并结合接近矢量表示姿态的方位矢量和法向矢量。
同上，由于作业环境中存在障碍物，需要依次规划连续无碰撞的姿态。此时，根据规划路径点的空间位置信息及所规划的姿态信息反解出机器人各个关节的运动角度，然后通过运动学正解计算出各关节的空间位置信息以及固结连杆和机器人周边设备的空间位置信息，判断机器人各关节、固结连杆和周边设备是否与障碍物存在干涉，若不存在干涉，则规划良好，进而进入步骤(四)；若存在干涉，则重新规划，依次重复上述步骤。
具体地，可以通过专利号为201510391934.7公开的一种机器人笛卡尔空间轨迹的规划方法所述的有关机器人逆运动学的方法，求解出机器人各个关节所需要的运动角度，然后依次对机器人各个连杆进行正运动学求解，结合连杆实体模型，确定相关关节及其固结连杆、周边设备的空间信息，或者可以通过连杆包围盒的方式预先进行大致定位，但需要进行精细化运动规划和确定是否存在干涉时，仍需要以机器人自身模型或者实际周边设备情况进行。依次重复以上步骤，判断运动过程中所有经过的路径都不存在关节、固结连杆等与路径环境中的障碍物存在干涉。若过程中通过计算存在关节、固结两岸或周边设备等存在与路径环境中的障碍物存在干涉，则重新规划，依次重复上述步骤，从而实现规避路径环境中障碍物的运动规划。
四、结合(二)所述的空间路径的位置信息和(三)中的空间姿态信息，可以借助机器人自身所自带的控制及驱动算法或程序控制机器人完成从预规划点到达作业目标规划点的运动。
此外，由于已规划出位置、姿态等相关信息，亦可借助专利号为201510391934.7公开的一种机器人笛卡尔空闲轨迹的规划方法所述的更高效的机器人逆解算法，求解出机器人各个关节所需要的运动角度，然后控制驱动机器人完成上述运动。
实施例三：农业非结构环境下的机器人运动规划
上述两个实施例大致是在工业场合下机器人的运动环境进行实施的。相较于工业环境，农业环境由于其非结构化的特点，造成农业环境建模异常复杂、困难，同时，某些场合下的自由空间或可行区域更大(如：果实处于吊挂悬空状态，可以执行操作的选择往往比工业中空间叠加放置的工件要多得多)、更为多样性和不确定性等。若采样随机算法将产生机器人规划计算代价大等问题。
当采用上述实施例的策略，则可以避免随机算法在农业复杂环境模型下的运动不确定性、效率低等弊端。
但同时，农业环境下的机器人运动规划也存在其相对于工业场合的优势，如对碰撞的认知和处理。工业场合下，基本上不允许发生与障碍物碰撞问题，而由于农业场景下的作物(障碍物)存在一定的“柔性”，只要不发生“剧烈”的碰撞，基本可以完成指定任务，从而降低了规划其他方面的处理难度，如：对作物及周边环境的3D空间建模难度、精度。
因此，采用上述实施例一或实施例二的策略，则可以在一定程度上减轻环境建模的难度、系统开发成本，提高运动规划效率和系统开发效率，提高工作任务节拍。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种机器人笛卡尔空间的运动规划方法，其特征在于，包括如下步骤：
S1、对机器人环境进行初始化，获取机器人的初始状态信息，通过定位系统和/或作业任务要求获取机器人周边环境和任务目标的状态信息；
S2、根据作业任务要求选取规划路径点，依据平面公理通过数学建模方法确定目标规划点、规划路径点、机器人基坐标系原点所构成的空间平面；并根据作业任务要求依次规划在所述空间平面内从预规划点到目标规划点的规划路径点，获得从预规划点到目标规划点的规划路径点的空间路径；
S3、当作业环境中不存在障碍时，根据作业任务要求规划耦合步骤S2最后所述的空间路径的位置信息的、位于步骤S2中所述的空间平面和/或其相交面上的末端执行器的接近矢量，使其依次经由步骤S2中所述的空间路径，接着依据姿态表示方法并结合接近矢量表示出姿态的空间信息；
当作业环境中存在障碍时，根据障碍物空间位置信息，步骤S2中要根据作业任务的需要选取适当的规划路径点使得机器人获得无碰撞运动的空间路径，再依次按照步骤S3规划连续无碰撞的姿态，然后驱动机器人完成到达作业目标规划点的运动过程；
当作业环境中存在障碍时，所述规划路径点还需结合障碍物空间位置信息来选取，所述目标规划点、规划路径点、基坐标系原点所构成的空间平面包括与竖直平面存在倾角的倾斜平面；
目标规划点、规划路径点、基坐标系原点所构成的空间平面根据空间中不同位置的障碍物，空间平面为依据规划路径点的选取不同处于动态变化地选取；
S4、结合步骤S2中所述的空间路径的位置信息和步骤S3中所述姿态的空间信息，驱动机器人完成到达作业目标规划点的运动过程。
2.根据权利要求1所述的一种机器人笛卡尔空间的运动规划方法，其特征在于：步骤S1中所述机器人的初始状态信息包括下列至少之一：机器人的初始位置姿态信息和/或关节角信息。
3.根据权利要求1所述的一种机器人笛卡尔空间的运动规划方法，其特征在于：步骤S2中所述的目标规划点可为任务目标的空间位置和/或根据工艺要求距离任务目标一定距离的空间位置；
步骤S2中所述的预规划点可为初始状态下的机器人末端执行器所处的位置和/或机器人末端执行器相对于初始状态下向目标规划点移动一定距离的位置；
步骤S2中所述的规划路径点为根据作业任务要求而选取与目标规划点和基坐标系原点不共线的空间点。
4.根据权利要求1所述的一种机器人笛卡尔空间的运动规划方法，其特征在于：所述步骤S2和步骤S3之间还包括S21：根据作业任务要求，通过数学建模方法构建从预规划点到目标规划点的空间路径的曲线方程。
5.根据权利要求1所述的一种机器人笛卡尔空间的运动规划方法，其特征在于：步骤S3和步骤S4中所述姿态的空间信息包括方位矢量和法向矢量。
6.根据权利要求1所述的一种机器人笛卡尔空间的运动规划方法，其特征在于：当作业环境中存在障碍时，所述步骤S3和步骤S4之间还包括步骤S31：
根据规划路径点的空间路径的位置信息及所规划的姿态的空间信息反解出机器人各个关节的运动角度，通过运动学正解计算出各关节的空间信息以及固结连杆和机器人周边设备的空间信息，判断机器人各个关节、固结连杆和周边设备是否与障碍物存在干涉，若不存在干涉，则规划良好，进而进入到步骤S4；若存在干涉，则循环步骤S31重新规划姿态。
CN202110471291.2A 2021-04-29 2021-04-29 一种机器人笛卡尔空间的运动规划方法 Active CN113146637B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110471291.2A CN113146637B (zh) 2021-04-29 2021-04-29 一种机器人笛卡尔空间的运动规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110471291.2A CN113146637B (zh) 2021-04-29 2021-04-29 一种机器人笛卡尔空间的运动规划方法

Publications (2)

Publication Number Publication Date
CN113146637A CN113146637A (zh) 2021-07-23
CN113146637B true CN113146637B (zh) 2022-11-25

Family

ID=76872149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110471291.2A Active CN113146637B (zh) 2021-04-29 2021-04-29 一种机器人笛卡尔空间的运动规划方法

Country Status (1)

Country Link
CN (1) CN113146637B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115805503B (zh) * 2023-01-29 2023-06-06 江苏集萃清联智控科技有限公司 一种智能打磨机器人自动打磨决策规划装置及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105751196A (zh) * 2016-04-12 2016-07-13 华南理工大学 一种基于主从式的工业机器人协作作业方法
CN112008305A (zh) * 2020-09-02 2020-12-01 南京埃斯顿自动化股份有限公司 一种焊接机器人的摆焊轨迹规划方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4304495B2 (ja) * 2004-08-04 2009-07-29 トヨタ自動車株式会社 経路計画方法
KR101732902B1 (ko) * 2010-12-27 2017-05-24 삼성전자주식회사 로봇의 경로 계획 장치 및 그 방법
CN103522291B (zh) * 2013-10-29 2016-08-17 中国人民解放军总装备部军械技术研究所 一种排爆机器人的目标抓取系统及方法
CN104965517B (zh) * 2015-07-07 2018-01-26 张耀伦 一种机器人笛卡尔空间轨迹的规划方法
CN108656103B (zh) * 2017-03-28 2020-09-15 达明机器人股份有限公司 机器人工作区域的划设方法
CN106950920A (zh) * 2017-04-18 2017-07-14 大连奥托股份有限公司 基于数控类设备的空间圆弧插补方法
CN108481323B (zh) * 2018-03-14 2021-04-27 清华大学天津高端装备研究院洛阳先进制造产业研发基地 基于增强现实的机器人运动轨迹自动编程系统及方法
JP7077800B2 (ja) * 2018-06-11 2022-05-31 オムロン株式会社 経路計画装置、経路計画方法、及び経路計画プログラム
CN108941845B (zh) * 2018-08-28 2021-08-24 苏州艾利特机器人有限公司 一种弧焊机器人空间圆弧摆焊插补方法
CN109176526A (zh) * 2018-10-08 2019-01-11 南京信息工程大学 一种三轴直角坐标机器人空间圆弧插补方法
CN110170995B (zh) * 2019-05-09 2022-09-23 广西安博特智能科技有限公司 一种基于立体视觉的机器人快速示教方法
CN112428274B (zh) * 2020-11-17 2023-03-21 张耀伦 一种多自由度机器人的空间运动规划方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105751196A (zh) * 2016-04-12 2016-07-13 华南理工大学 一种基于主从式的工业机器人协作作业方法
CN112008305A (zh) * 2020-09-02 2020-12-01 南京埃斯顿自动化股份有限公司 一种焊接机器人的摆焊轨迹规划方法

Also Published As

Publication number Publication date
CN113146637A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN108908331B (zh) 超冗余柔性机器人的避障方法及系统、计算机存储介质
US8606402B2 (en) Manipulator and control method thereof
US11813753B2 (en) Collision avoidance motion planning method for industrial robot
US8160745B2 (en) Robots with occlusion avoidance functionality
CN112428274B (zh) 一种多自由度机器人的空间运动规划方法
Harada et al. Pick and place planning for dual-arm manipulators
Kaldestad et al. Collision avoidance with potential fields based on parallel processing of 3D-point cloud data on the GPU
US11701777B2 (en) Adaptive grasp planning for bin picking
Al-Sharo et al. Generalized Procedure for Determining the Collision-Free Trajectory for a Robotic Arm
WO2023024317A1 (zh) 一种机器人避障方法、装置和机器人
KR20230122118A (ko) 지도된 자율 파지
Yang et al. Real-time motion adaptation using relative distance space representation
CN113146637B (zh) 一种机器人笛卡尔空间的运动规划方法
Shah et al. Modelling and optimization of robotic manipulator mechanism for computed tomography guided medical procedure
Bhuiyan et al. Deep-Reinforcement-Learning-based Path Planning for Industrial Robots using Distance Sensors as Observation
Janabi-Sharifi et al. Automatic grasp planning for visual-servo controlled robotic manipulators
Ata et al. COLLISION-FREE TRAJECTORY PLANNING FOR MANIPULATORS USING GENERALIZED PATTERN SEARCH.
Seyboldt et al. Sampling-based path planning to cartesian goal positions for a mobile manipulator exploiting kinematic redundancy
CN113084797B (zh) 一种基于任务分解的双臂冗余机械臂动态协同控制方法
CN114952870A (zh) 用于高频接触物体消毒的四轴机械臂运动控制方法及系统
CN116214495A (zh) 机器人动态运动规划和控制的方法
Michel et al. Planning for robust execution of humanoid motions using future perceptive capability
Zhu et al. A method of online motion generation using swept volumes collected in advance
Xu et al. Collision-free trajectory planning for multi-robot simultaneous motion in preforms weaving
Fryc et al. Efficient pipeline for mobile brick picking

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