CN113211447B - 一种基于双向rrt*算法的机械臂实时感知规划方法及系统 - Google Patents

一种基于双向rrt*算法的机械臂实时感知规划方法及系统 Download PDF

Info

Publication number
CN113211447B
CN113211447B CN202110585074.6A CN202110585074A CN113211447B CN 113211447 B CN113211447 B CN 113211447B CN 202110585074 A CN202110585074 A CN 202110585074A CN 113211447 B CN113211447 B CN 113211447B
Authority
CN
China
Prior art keywords
mechanical arm
pose
target
planning
coordinate system
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
CN202110585074.6A
Other languages
English (en)
Other versions
CN113211447A (zh
Inventor
荣学文
杨乐诚
吴凯
李勇
郭锐
范永
陈振学
冯玉
吴少雷
赵玉良
赵昊宁
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.)
Shandong Youbaote Intelligent Robot Co ltd
Shandong University
State Grid Shandong Electric Power Co Ltd
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
Original Assignee
Shandong Youbaote Intelligent Robot Co ltd
Shandong University
State Grid Shandong Electric Power Co Ltd
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
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 Shandong Youbaote Intelligent Robot Co ltd, Shandong University, State Grid Shandong Electric Power Co Ltd, Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd filed Critical Shandong Youbaote Intelligent Robot Co ltd
Priority to CN202110585074.6A priority Critical patent/CN113211447B/zh
Publication of CN113211447A publication Critical patent/CN113211447A/zh
Application granted granted Critical
Publication of CN113211447B publication Critical patent/CN113211447B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1602Programme controls characterised by the control system, structure, architecture
    • B25J9/1605Simulation of manipulator lay-out, design, modelling of manipulator
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1656Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1694Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697Vision controlled systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种基于双向RRT*算法的机械臂实时感知规划方法及系统,其技术方案为:获取机械臂的初始位姿、点云数据和目标部件位姿;根据目标部件周围区域的点云数据产生octomap地图,获得空间环境信息;设定机械臂的目标位姿,对机械臂姿态进行逆运动学计算;根据逆运动学计算结果构建两个扩展树,两个扩展树在设定阈值下相遇时完成避障运动规划。本发明能够根据深度相机提供的点云数据对周围环境进行实时感知,并准确规划出能够绕过周围障碍物的无碰路径,使机器人可以从初始位姿到达目标位姿,从而实现带电作业液压机械臂的自主运动规划。

Description

一种基于双向RRT*算法的机械臂实时感知规划方法及系统
技术领域
本发明涉及液压机械臂领域,尤其涉及一种基于双向RRT*算法的机械臂实时感知规划方法及系统。
背景技术
随着工业技术的迅速发展,工业机器人在装配、焊接、搬运等行业得到广泛应用,并且实现了自动控制,无需人员的参与。带电作业是在高压电气设备上不停电进行检修、测试的一种作业方法。传统的带电作业采用人工爬杆手工进行作业,风险程度高,劳动强度大,技术工作复杂,各项作业所用工具也种类繁多,对带电作业人员的技能要求较高。因此,亟需研制面向配网带电作业的自动化作业技术及装置,从而把人从危险、恶劣、繁重的劳动环境中解脱出来。配网带电作业场景中,安全距离、作业空间、环境障碍等约束因素严重影响机器人作业效率,实现机器人的自主实时运动行为规划是解决这一问题的关键所在。
而大多数的路径规划算法无法在机械臂中直接使用,基于随机采样的快速路径规划算法,例如快速搜索随机树算法(Rapidly-exploring Random Tree,RRT)能够有效地搜索高维空间,但由于RRT算法的不完善性,求解得到的路径通常质量不好,最优性得不到保障,所以不能很好的解决机械臂的自主运动规划问题。
发明内容
针对现有技术存在的不足,本发明的目的是提供一种基于双向RRT*算法的机械臂实时感知规划方法及系统,能够根据深度相机提供的点云数据对周围环境进行实时感知,并准确规划出能够绕过周围障碍物的无碰路径,使机器人可以从初始位姿到达目标位姿,从而实现带电作业液压机械臂的自主运动规划。
为了实现上述目的,本发明是通过如下的技术方案来实现:
第一方面,本发明的实施例提供了一种基于双向RRT*算法的机械臂实时感知规划方法,包括:
获取机械臂的初始位姿、点云数据和目标部件位姿;
根据目标部件周围区域的点云数据产生octomap地图,获得空间环境信息;
设定机械臂的目标位姿,对机械臂姿态进行逆运动学计算;
根据逆运动学计算结果构建两个扩展树,两个扩展树在设定阈值下相遇时完成避障运动规划。
作为进一步的实现方式,首先用D-H法建立机械臂在世界坐标系中的位姿描述,并计算机械臂的DH模型,在世界坐标系中建立机械臂基座坐标系、目标部件坐标系和相机坐标系;然后在ROS系统中建模和搭建机械臂的运动规划功能包,并配置相关参数。
作为进一步的实现方式,采用张正友标定法对深度相机进行参数标定。
作为进一步的实现方式,通过深度相机获取目标部件周围区域的点云数据,ROS系统中的节点参数获得目标部件的位姿。
作为进一步的实现方式,通过深度相机发送目标部件及周围区域的点云数据给ROS系统中设定节点,所述节点根据环境信息计算得到机械臂状态,并发送至机械臂。
作为进一步的实现方式,通过机械臂的逆运动学计算出机械臂在目标位姿时对应的各个关节的值,然后从初始点向目标点构建扩展树tree1,在目标点向起始点构建扩展树tree2。
第二方面,本发明实施例还提供了一种基于双向RRT*算法的机械臂实时感知规划系统,包括:
数据获取模块,用于获取机械臂的初始位姿、点云数据和目标部件位姿;
空间环境信息获得模块,用于根据目标部件周围区域的点云数据产生octomap地图,获得空间环境信息;
逆运动学计算模块,用于设定机械臂的目标位姿,对机械臂姿态进行逆运动学计算;
避障运动规划模块,用于根据逆运动学计算结果构建两个扩展树,两个扩展树在设定阈值下相遇时完成避障运动规划。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如所述的一种基于双向RRT*算法的机械臂实时感知规划方法。
第四方面,本发明实施例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,该程序被处理器执行时实现所述的一种基于双向RRT*算法的机械臂实时感知规划方法。
上述本发明的实施例的有益效果如下:
(1)本发明的一个或多个实施方式通过视觉系统采集配网零件的图像和相应的深度信息,通过配网零件的深度信息确定其在机械臂基座坐标系下的三维坐标;通过深度相机获得的点云信息对目标零件周围区域进行octomap建图,不需要识别出障碍物的位姿及其简化模型就能获取目标零件周围障碍物的空间占有信息,进行有效避障,保证了机械臂在运动过程中不会碰到障碍物。
(2)本发明的一个或多个实施方式通过运用双向RRT*算法的方法,规划出一条从初始位姿至作业目标位姿的无碰路径,实现了在带电作业环境下机械臂的实时感知自主路径规划,提高路径的规划效率,并有效逃离局部极小值,规划的路径相对较优。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明根据一个或多个实施方式的流程图;
图2是本发明根据一个或多个实施方式的机械臂作业场景图;
图3是本发明根据一个或多个实施方式的ROS软件系统结构图;
图4是本发明根据一个或多个实施方式的ROS系统节点图;
图5是本发明根据一个或多个实施方式的算法流程图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一:
本实施例提供了一种基于双向RRT*算法的机械臂实时感知规划方法,尤其适用于液压作业机械臂,如图1所示,包括:
获取机械臂的初始位姿、点云数据和目标部件位姿;
根据目标部件周围区域的点云数据产生octomap地图,获得空间环境信息;
设定机械臂的目标位姿,对机械臂姿态进行逆运动学计算;
根据逆运动学计算结果构建两个扩展树,两个扩展树在设定阈值下相遇时完成避障运动规划。
本实施例在配网带电作业平台上,先用承载设备将机械臂升到指定位置,通过深度相机进行空间环境信息的获取,包括识别出要拆卸的电网上的零件的位姿,障碍物空间占有信息。然后通过双向RRT*算法进行机械臂的路径规划和避障运动规划,当机械臂移动到夹具(末端执行器)能触及到的物体附近,机械臂不再移动,运动规划完成。
具体的,如图5所示,采用双向RRT*算法完成机械臂的运动规划包括以下步骤:
(1)获得机械臂的初始姿态。
(2)通过ZED2相机(深度相机)获取目标零件周围区域的点云数据,通过ROS系统中/Coordinate_acquisition节点获得目标部件的位姿。
(3)由目标部件周围区域的点云数据产生octomap地图,获得障碍物的空间占有信息,用于路径搜索过程中的碰撞检测。
(4)根据当前目标零件的位姿设置机械臂的目标位姿。
(5)通过机械臂的逆运动学计算出机械臂在目标位姿时对应的各个关节的值,然后从初始点向目标点构建扩展树tree1,在目标点向起始点构建扩展树tree2,直到2颗树在设定的阈值下相遇,完成避障运动规划。
进一步的,建立机械臂在世界坐标系中的位姿描述:
机械臂基座的坐标系、目标部件的坐标系和相机坐标系在世界坐标系中如图2所示,其中1是世界坐标系,2是机械臂的基座坐标系,3是机械臂末端深度相机坐标系、4是机械臂主体深度相机坐标系、5是目标部件坐标系。
进一步的,在ROS系统中建模并配置参数:
(1)用D-H法建立机械臂DH坐标系,并计算机械臂的DH模型。通过Solidworks导出ROS所需的URDF文件,URDF文件是ROS系统中机器人模型描述文件,定义了机械臂各个部件的物理参量、属性及部件间的连接关系及其环境中载物台的模型等;
(2)使用Ubuntu18.04LTS、ROS Melodic平台下搭建的配网带电作业平台的ROS系统,ROS系统如图3所示;其中,基于机器视觉的配网带电作业平台由高功率密度6自由度液压机械臂及其控制设备、承载运输平台、ZED2相机、工业摄像机及其支架以及配网工作环境等组成。
Rviz作为主要的3D可视化工具,并使用MoveIt搭建机械臂的运动规划功能包,其用于机械臂的正逆运动学求解、运动路径规划、碰撞检测等任务;正逆运动学插件换成比较高效的TRAC-IK Kinematics Solver。
配网带电作业系统在ROS中的MoveIt系统结构如图4所示,在用户接口中,通过move_group_interfac接口(在本实例中使用Move Group C++Interfac)实现机械臂的动作控制,其用于和/move_group节点进行通信。
/move_group是MoveIt的核心节点,其中包括需要完成的动作、机械臂末端执行器的张合控制、目标零件信息等;
(3)通过Setup Assistants生成机械臂的一些配置信息,包括路径规划、PID控制等所需的配置参数,保存在以config结尾的配置文件夹里,其中SRDF文件中定义了机械臂的运动规划组以及一些常用姿态,YAML配置文件需要配置用到的深度相机的一些参数。
(4)通过机械臂上的ZED2相机发送目标零件及周围区域的点云数据给/move_group节点,/move_group节点将根据这些环境信息计算得到的机械臂状态发送给高功率密度液压机械臂,最后机械臂完成运动规划。
ROS系统运行时的节点图如图4所示,其中椭圆形的代表系统运行中的节点,每条连接线代表节点间通信的话题,/Coordinate_acquisition节点用于获得目标零件位姿,/move_Planning节点为用户编写的用于发布控制机械臂指令的节点,像初始位姿的设定,订阅/Coordinate_acquisition节点发送的目标零件的位姿等。
/move_group节点为整个配网带电作业平台的ROS系统的计算核心,/joint_state节点负责发布机械臂各个关节的状态信息,包括各个关节位置,速度和加速度,/robot_state节点负责发布机械臂的位姿(变换矩阵)。
步骤3、ROS中通过ZED2相机计算目标零件位姿的/Coordinate_acquisition节点的设计:
相机内外参数的标定,采用的是张正友标定法。/Coordinate_acquisition节点通过深度相机获得目标零件的的深度信息后,根据目标的深度信息确定其在相机坐标系下的三维坐标。将相机坐标系下的目标零件的三维坐标转换到机械臂坐标系下的三维坐标。最后用ROS中的通信机制通过自定义的/Coordinate_sending话题把目标零件三维坐标发给/move_Planning节点作为目标位姿。
本实施例通过深度相机、工业摄像机、支架等组成的视觉系统采集配网零件图像和相应的深度信息,通过配网零件的深度信息确定了其在机械臂基座坐标系下的三维坐标。通过深度相机获得的点云信息对目标零件周围区域进行octomap建图,不需要识别出障碍物的位姿及其简化模型就能获取目标零件周围障碍物的空间占有信息,进行有效避障,保证了机械臂在运动过程中不会碰到障碍物。
通过运用双向RRT*算法的方法规划出一条从初始位姿至作业目标位姿的无碰路径,实现了在带电作业环境下液压机械臂的实时感知自主路径规划,提高路径的规划效率,并有效逃离局部极小值,规划的路径相对较优。
实施例二:
本实施例还提供了一种基于双向RRT*算法的机械臂实时感知规划系统,包括:
数据获取模块,用于获取机械臂的初始位姿、点云数据和目标部件位姿;
空间环境信息获得模块,用于根据目标部件周围区域的点云数据产生octomap地图,获得空间环境信息;
逆运动学计算模块,用于设定机械臂的目标位姿,对机械臂姿态进行逆运动学计算;
避障运动规划模块,用于根据逆运动学计算结果构建两个扩展树,两个扩展树在设定阈值下相遇时完成避障运动规划。
实施例三:
本实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现实施例一如所述的一种基于双向RRT*算法的机械臂实时感知规划方法。
实施例四:
本实施例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,该程序被处理器执行时实现实施例一所述的一种基于双向RRT*算法的机械臂实时感知规划方法。
以上实施例二-四中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于双向RRT*算法的机械臂实时感知规划方法,其特征在于,包括:
建立机械臂在世界坐标系中的位姿描述,在世界坐标系中建立机械臂基座坐标系、目标部件坐标系和相机坐标系;然后在ROS系统中建模并配置参数;
获取机械臂的初始位姿、点云数据和目标部件位姿;
根据目标部件周围区域的点云数据产生octomap地图,获得空间环境信息;
设定机械臂的目标位姿,对机械臂姿态进行逆运动学计算,其中,通过深度相机获得目标部件的深度信息后,根据目标的深度信息确定其在相机坐标系下的三维坐标,将相机坐标系下的目标部件的三维坐标转换到机械臂坐标系下的三维坐标,最后用ROS中的通信机制通过自定义的/Coordinate_sending话题把目标零件三维坐标发给/move_Planning节点作为目标位姿;
根据逆运动学计算结果构建两个扩展树,两个扩展树在设定阈值下相遇时完成避障运动规划,具体的:通过机械臂的逆运动学计算出机械臂在目标位姿时对应的各个关节的值,然后从初始点向目标点构建扩展树tree1,在目标点向起始点构建扩展树tree2;
在配网带电作业平台上,先用承载设备将机械臂升到指定位置,通过深度相机实时进行空间环境信息的获取,包括识别出要拆卸的电网上的零件的位姿,障碍物空间占有信息,然后通过双向RRT*算法进行机械臂的路径规划和避障运动规划,当机械臂移动到夹具能触及到的物体附近,机械臂不再移动,运动规划完成。
2.根据权利要求1所述的一种基于双向RRT*算法的机械臂实时感知规划方法,其特征在于,通过深度相机获取目标部件周围区域的点云数据,ROS系统中的节点参数获得目标部件的位姿。
3.根据权利要求2所述的一种基于双向RRT*算法的机械臂实时感知规划方法,通过深度相机发送目标部件及周围区域的点云数据给ROS系统中设定节点,所述节点根据环境信息计算得到机械臂状态,并发送至机械臂。
4.根据权利要求1所述的一种基于双向RRT*算法的机械臂实时感知规划方法,其特征在于,采用D-H法建立机械臂DH坐标系,并计算机械臂的DH模型;在ROS系统中搭建机械臂的运动规划功能包,并生成机械臂配置信息。
5.根据权利要求2所述的一种基于双向RRT*算法的机械臂实时感知规划方法,其特征在于,采用张正友标定法对深度相机进行参数标定。
6.一种基于双向RRT*算法的机械臂实时感知规划系统,其特征在于,包括:
建立机械臂在世界坐标系中的位姿描述,在世界坐标系中建立机械臂基座坐标系、目标部件坐标系和相机坐标系;然后在ROS系统中建模并配置参数;
数据获取模块,用于获取机械臂的初始位姿、点云数据和目标部件位姿;
空间环境信息获得模块,用于根据目标部件周围区域的点云数据产生octomap地图,获得空间环境信息;
逆运动学计算模块,用于设定机械臂的目标位姿,对机械臂姿态进行逆运动学计算,其中,通过深度相机获得目标部件的深度信息后,根据目标的深度信息确定其在相机坐标系下的三维坐标,将相机坐标系下的目标部件的三维坐标转换到机械臂坐标系下的三维坐标,最后用ROS中的通信机制通过自定义的/Coordinate_sending话题把目标零件三维坐标发给/move_Planning节点作为目标位姿;
避障运动规划模块,用于根据逆运动学计算结果构建两个扩展树,两个扩展树在设定阈值下相遇时完成避障运动规划,具体的:通过机械臂的逆运动学计算出机械臂在目标位姿时对应的各个关节的值,然后从初始点向目标点构建扩展树tree1,在目标点向起始点构建扩展树tree2;
在配网带电作业平台上,先用承载设备将机械臂升到指定位置,通过深度相机实时进行空间环境信息的获取,包括识别出要拆卸的电网上的零件的位姿,障碍物空间占有信息,然后通过双向RRT*算法进行机械臂的路径规划和避障运动规划,当机械臂移动到夹具能触及到的物体附近,机械臂不再移动,运动规划完成。
7.一种电子设备,包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1-4任一项所述的一种基于双向RRT*算法的机械臂实时感知规划方法。
8.一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,该程序被处理器执行时实现如权利要求1-4任一项所述的一种基于双向RRT*算法的机械臂实时感知规划方法。
CN202110585074.6A 2021-05-27 2021-05-27 一种基于双向rrt*算法的机械臂实时感知规划方法及系统 Active CN113211447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110585074.6A CN113211447B (zh) 2021-05-27 2021-05-27 一种基于双向rrt*算法的机械臂实时感知规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110585074.6A CN113211447B (zh) 2021-05-27 2021-05-27 一种基于双向rrt*算法的机械臂实时感知规划方法及系统

Publications (2)

Publication Number Publication Date
CN113211447A CN113211447A (zh) 2021-08-06
CN113211447B true CN113211447B (zh) 2023-10-27

Family

ID=77099630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110585074.6A Active CN113211447B (zh) 2021-05-27 2021-05-27 一种基于双向rrt*算法的机械臂实时感知规划方法及系统

Country Status (1)

Country Link
CN (1) CN113211447B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113616338B (zh) * 2021-09-15 2023-10-20 上海微创医疗机器人(集团)股份有限公司 计算机可读存储介质、对准方法及系统、手术机器人系统
CN114083533B (zh) * 2021-11-09 2024-04-09 广州富港生活智能科技有限公司 一种基于机械臂的数据处理方法及装置
CN114952870B (zh) * 2022-07-29 2023-09-29 山东亚历山大智能科技有限公司 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

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100081824A (ko) * 2009-01-07 2010-07-15 삼성전자주식회사 로봇의 경로계획장치 및 그 방법
CN102794763A (zh) * 2012-08-31 2012-11-28 江南大学 基于线结构光视觉传感器引导的焊接机器人系统标定方法
CN104155974A (zh) * 2013-07-29 2014-11-19 深圳信息职业技术学院 一种用于机器人快速避碰的路径规划方法及设备
WO2015167220A1 (ko) * 2014-05-02 2015-11-05 한화테크윈 주식회사 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법
CN108818530A (zh) * 2018-06-12 2018-11-16 西安交通大学 基于改进rrt算法的机械臂抓取散乱堆放活塞运动规划方法
CN108972549A (zh) * 2018-07-03 2018-12-11 华南理工大学 基于Kinect深度摄像头的工业机械臂实时避障规划抓取系统
CN109822579A (zh) * 2019-04-10 2019-05-31 江苏艾萨克机器人股份有限公司 基于视觉的协作机器人安全控制方法
CN109917786A (zh) * 2019-02-04 2019-06-21 浙江大学 一种面向复杂环境作业的机器人感知系统及系统运行方法
CN110587600A (zh) * 2019-08-20 2019-12-20 南京理工大学 基于点云的带电作业机器人自主路径规划方法
CN111844007A (zh) * 2020-06-02 2020-10-30 江苏理工学院 授粉机器人机械臂避障路径规划方法、装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100081824A (ko) * 2009-01-07 2010-07-15 삼성전자주식회사 로봇의 경로계획장치 및 그 방법
CN102794763A (zh) * 2012-08-31 2012-11-28 江南大学 基于线结构光视觉传感器引导的焊接机器人系统标定方法
CN104155974A (zh) * 2013-07-29 2014-11-19 深圳信息职业技术学院 一种用于机器人快速避碰的路径规划方法及设备
WO2015167220A1 (ko) * 2014-05-02 2015-11-05 한화테크윈 주식회사 이동 로봇의 경로 계획 장치 및 이동 로봇의 경로 계획 방법
CN108818530A (zh) * 2018-06-12 2018-11-16 西安交通大学 基于改进rrt算法的机械臂抓取散乱堆放活塞运动规划方法
CN108972549A (zh) * 2018-07-03 2018-12-11 华南理工大学 基于Kinect深度摄像头的工业机械臂实时避障规划抓取系统
CN109917786A (zh) * 2019-02-04 2019-06-21 浙江大学 一种面向复杂环境作业的机器人感知系统及系统运行方法
CN109822579A (zh) * 2019-04-10 2019-05-31 江苏艾萨克机器人股份有限公司 基于视觉的协作机器人安全控制方法
CN110587600A (zh) * 2019-08-20 2019-12-20 南京理工大学 基于点云的带电作业机器人自主路径规划方法
CN111844007A (zh) * 2020-06-02 2020-10-30 江苏理工学院 授粉机器人机械臂避障路径规划方法、装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
(美)R·西格沃特(Roland Siegwart),(美)I·R·诺巴克什(Illah R. Nourbakhsh),(美)D·斯卡拉穆扎(Davide Scaramuzza).自主移动机器人导论.西安交通大学出版社,2013,第287-290页. *

Also Published As

Publication number Publication date
CN113211447A (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
CN113211447B (zh) 一种基于双向rrt*算法的机械臂实时感知规划方法及系统
CN110587600B (zh) 基于点云的带电作业机器人自主路径规划方法
CN109960880B (zh) 一种基于机器学习的工业机器人避障路径规划方法
CN109822579A (zh) 基于视觉的协作机器人安全控制方法
CN111037561B (zh) 一种空间注册方法和装置
Kuts et al. Adaptive industrial robots using machine vision
CN113715016B (zh) 一种基于3d视觉的机器人抓取方法、系统、装置及介质
Luo et al. Collision‐free path‐planning for six‐dof serial harvesting robot based on energy optimal and artificial potential field
CN110605711B (zh) 一种控制协作机器人抓取物体的方法、装置及系统
CN117655468A (zh) 一种龙门架弧焊机器人路径规划方法及系统
CN114299039B (zh) 一种机器人及其碰撞检测装置和方法
CN111823277A (zh) 一种基于机器视觉的物体抓取平台及方法
CN114851209A (zh) 一种基于视觉的工业机器人工作路径规划优化方法及系统
CN114800524A (zh) 一种人机交互协作机器人主动避碰的系统及方法
JP2022100030A (ja) 干渉判定装置、ロボット制御システム、及び干渉判定方法
Li et al. Path planning of a robotic manipulator for pruning apple trees based on RRT-connect algorithm
WO2023273179A1 (zh) 抓取网络训练方法、系统、电子设备及存储介质
Wang et al. Object Grabbing of Robotic Arm Based on OpenMV Module Positioning
Larsson et al. Comparative Analysis of the Inverse Kinematics of a 6-DOF Manipulator: A Comparative Study of Inverse Kinematics for the 6-DOF Saab Seaeye eM1-7 Manipulator with Non-Conventional Wrist Configuration
Fu et al. Robotic arm intelligent grasping system for garbage recycling
Zhang et al. An Autonomous Robotic Alignment Strategy Based on Visual Gudiance
US20240109181A1 (en) Grasp teach by human demonstration
CN115556102B (zh) 一种基于视觉识别的机器人分拣规划方法及规划设备
CN113305881B (zh) 机器人运动规划阶段的奇异区域检测方法
CN204414118U (zh) 控制装置

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
CP03 Change of name, title or address

Address after: 230000 Ziyun Road, Hefei economic and Technological Development Zone, Anhui 299

Patentee after: ELECTRIC POWER Research Institute ANHUI ELECTRIC POWER COMPANY OF STATE GRID

Country or region after: China

Patentee after: SHANDONG University

Patentee after: STATE GRID SHANDONG ELECTRIC POWER Co.

Patentee after: SHANDONG YOUBAOTE INTELLIGENT ROBOT CO.,LTD.

Address before: 250061, No. ten, No. 17923, Lixia District, Ji'nan City, Shandong Province

Patentee before: SHANDONG University

Country or region before: China

Patentee before: ELECTRIC POWER Research Institute ANHUI ELECTRIC POWER COMPANY OF STATE GRID

Patentee before: STATE GRID SHANDONG ELECTRIC POWER Co.

Patentee before: SHANDONG YOUBAOTE INTELLIGENT ROBOT CO.,LTD.

CP03 Change of name, title or address