CN113985887A - 差速移动机器人运动轨迹生成方法和运动控制装置 - Google Patents
差速移动机器人运动轨迹生成方法和运动控制装置 Download PDFInfo
- Publication number
- CN113985887A CN113985887A CN202111300318.8A CN202111300318A CN113985887A CN 113985887 A CN113985887 A CN 113985887A CN 202111300318 A CN202111300318 A CN 202111300318A CN 113985887 A CN113985887 A CN 113985887A
- Authority
- CN
- China
- Prior art keywords
- track
- mobile robot
- motion
- differential
- parameter
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 4
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 206010048669 Terminal state Diseases 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000017105 transposition Effects 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
Abstract
本发明公开了一种差速移动机器人运动轨迹生成方法和运动控制装置,包括:根据差速移动机器人的轨迹曲率与差速移动机器人在从已知起点到期待终点之间的轨迹上行驶距离的三次多项关系式建立轨迹模型,轨迹模型中包括差速移动机器人的状态参数与轨迹参数之间的变化关系;提供初始轨迹参数,利用差速移动机器人的期待终点位置的状态参数和轨迹模型,对初始状态参数进行修正,以获得期待轨迹参数;根据期待轨迹参数和轨迹模型,获得差速移动机器人从已知起点到期待终点之间的实际运动轨迹。本发明极大地降低了差速移动机器人的运动轨迹求解的计算量,降低了对于计算的硬件要求,能够满足嵌入式等计算能力有限的系统的应用需求。
Description
技术领域
本发明涉及机器人控制技术领域,特别涉及一种差速移动机器人运动轨迹生成方法和差速移动机器人运动控制装置。
背景技术
差速移动机器人运动轨迹生成方法是自主运行的关键模块。该方法根据机器人起点的位置角度曲率等信息,以及终点的位置角度曲率等信息,计算从起点到终点的轨迹。轨迹由一系列位置、角度、曲率等构成,可以作为基础部件实现自动驾驶的规划控制模块,也可以实现特定的任务,如倒车入库,调头等。
现有的差速移动机器人运动轨迹生成方法主要是通过构造复杂的非线性最优控制问题,然后通过特定的优化求解器,进行求解,得到轨迹。其缺点在于:编程复杂,需要构造复杂优化问题,且特定求解器;计算比较复杂,在计算能力有限的嵌入式系统中难以应用。
发明内容
有鉴于此,本发明提供一种差速移动机器人运动轨迹生成方法和运动控制装置,以简单快速生成差速移动机器人的运动轨迹,降低计算量,满足嵌入式等计算能力有限的系统的应用需求。
本发明的技术方案是这样实现的:
一种差速移动机器人运动轨迹生成方法,包括:
根据差速移动机器人的轨迹曲率与在轨迹上行驶距离的关系建立轨迹模型,轨迹模型中包括差速移动机器人的状态参数与轨迹参数之间的变化关系;
提供初始轨迹参数,利用差速移动机器人的期待终点位置的状态参数和轨迹模型,对初始状态参数进行修正,以获得期待轨迹参数;
根据期待轨迹参数和轨迹模型,获得差速移动机器人从已知起点到期待终点之间的实际运动轨迹。
进一步,所述的差速移动机器人的轨迹曲率与在轨迹上行驶距离的关系为:
轨迹曲率与在轨迹上行驶距离的三次多项关系式;
其中,轨迹上行驶距离为:从已知起点到期待终点之间的轨迹上行驶的距离。
进一步,在轨迹模型中,差速移动机器人的状态参数由轨迹参数s、a、b、c确定,其中,s为差速移动机器人在轨迹上行驶距离、a为三次多项关系式中s的一次项系数、b为三次多项关系式中s的二次项系数、c为三次多项关系式中s的三次项系数。
进一步,差速移动机器人的状态参数包括k、θ、x、y,其中,k、θ、x、y分别为差速移动机器人的轨迹曲率、朝向角度、横坐标位置、纵坐标位置;
差速移动机器人的状态参数与轨迹参数之间的变化关系包括:k随s、a、b、c的变化关系,θ随s、a、b、c的变化关系,x随s、a、b、c的变化关系,y随s、a、b、c的变化关系。
进一步,所述的利用差速移动机器人的期待终点位置的状态参数和轨迹模型,对初始状态参数进行修正,以获得期待轨迹参数,包括:
根据轨迹模型的雅可比矩阵、状态参数、期待终点位置的状态参数,并通过多次迭代计算获得期待轨迹参数。
进一步,所述根据轨迹模型的雅可比矩阵、状态参数、期待终点位置的状态参数,并通过多次迭代计算获得期待轨迹参数,包括循环执行直到满足终止迭代条件的以下步骤:
计算获得本次迭代中的轨迹模型的雅可比矩阵;
根据本次迭代中的轨迹模型的雅可比矩阵、上一次迭代所获得的状态参数、期待终点位置的状态参数,获得本次迭代的轨迹参数增量;
根据上一次迭代所获得的轨迹参数、本次迭代的轨迹参数增量、更新步长,获得本次迭代的轨迹参数;
根据本次迭代获得的轨迹参数和轨迹模型,获得本次迭代的状态参数;
进入下一次迭代计算。
进一步,终止迭代条件包括:
获得的状态参数与期待终点位置的状态参数之差在设定阈值范围内;
或者,
迭代次数达到设定次数。
进一步,在第一次迭代时,所采用的上一次迭代所获得的轨迹参数为初始轨迹参数;
在第一次迭代时,所采用的上一次迭代所获得的状态参数为通过初始轨迹参数和轨迹模型所获得的初始状态参数。
一种差速移动机器人运动控制装置,包括:
数据处理单元,用于执行如上任一项所述的差速移动机器人运动轨迹生成方法中的步骤;
控制单元,连接于数据处理单元,用于接收差速移动机器人从已知起点到期待终点之间的实际运动轨迹,并基于所接收的实际运动轨迹控制差速移动机器人的运动。
一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储指令,所述指令在由处理器执行时使得所述处理器执行如上任一项所述的差速移动机器人运动轨迹生成方法中的步骤。
一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如上任一项所述的差速移动机器人运动轨迹生成方法中的步骤。
一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上任一项所述的差速移动机器人运动轨迹生成方法中的步骤。
从上述方案可以看出,本发明的差速移动机器人运动轨迹生成方法和运动控制装置,利用所构建的轨迹模型,通过快速迭代方式对轨迹模型的初始状态参数进行修正获得期待轨迹参数,进而利用该轨迹模型和所获得的期待轨迹参数便可立即获得差速移动机器人从已知起点到期待终点之间的实际运动轨迹。与现有技术相比,本发明极大地降低了差速移动机器人的运动轨迹求解的计算量,降低了对于计算的硬件要求,能够满足嵌入式等计算能力有限的系统的应用需求。
附图说明
图1为本发明实施例的差速移动机器人运动轨迹生成方法流程图;
图2为本发明实施例中实现差速移动机器人运动轨迹生成方法的控制流程图;
图3为本发明实施例的差速移动机器人运动控制装置逻辑结构示意图;
图4为本发明实施例中所提供的电子设备示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明作进一步详细说明。
如图1所示,本发明实施例的差速移动机器人运动轨迹生成方法,主要包括:
步骤1、根据差速移动机器人的轨迹曲率与在轨迹上行驶距离(即,沿轨迹行驶距离)的关系建立轨迹模型,轨迹模型中包括差速移动机器人的状态参数与轨迹参数之间的变化关系;
步骤2、提供初始轨迹参数,利用差速移动机器人的期待终点位置的状态参数和轨迹模型,对初始状态参数进行修正,以获得期待轨迹参数;
步骤3、根据期待轨迹参数和轨迹模型,获得差速移动机器人从已知起点到期待终点之间的实际运动轨迹。
在可选实施例中,差速移动机器人的轨迹曲率与在轨迹上行驶距离的关系为:轨迹曲率与在轨迹上行驶距离的三次多项关系式。其中,轨迹上行驶距离为:从已知起点到期待终点之间的轨迹上行驶的距离。
在可选实施例中,在轨迹模型中,差速移动机器人的状态参数由轨迹参数s、a、b、c确定,其中,s为差速移动机器人在轨迹上行驶距离、a为三次多项关系式中s的一次项系数、b为三次多项关系式中s的二次项系数、c为三次多项关系式中s的三次项系数。
在此基础上,本发明实施例中,差速移动机器人的状态参数包括k、θ、x、y,其中,k、θ、x、y分别为差速移动机器人的轨迹曲率、朝向角度、横坐标位置、纵坐标位置;
差速移动机器人的状态参数与轨迹参数之间的变化关系包括:k随s、a、b、c的变化关系,θ随s、a、b、c的变化关系,x随s、a、b、c的变化关系,y随s、a、b、c的变化关系。
具体地,在一个具体实例中,轨迹模型如下:
k(s)=k0+a*s+b*s2+c*s3
上面的轨迹模型中,给定机器人起点后,机器人的轨迹便可由4个参数:s、a、b、c进行确定,将这4个参数称为轨迹参数,表示为param=[s,a,b,c]T,其中T代表转置。由此,紧缩形式的轨迹模型可表示为:
state=f(param)
其中,state为差速移动机器人的状态参数,f()表示由param到state的映射即上述轨迹模型的关系式,状态参数可表示为state=[x,y,θ,k]T。
在可选实施例中,步骤2中的利用差速移动机器人的期待终点位置的状态参数和轨迹模型,对初始状态参数进行修正,以获得期待轨迹参数,包括:
根据轨迹模型的雅可比矩阵、状态参数、期待终点位置的状态参数,并通过多次迭代计算获得期待轨迹参数。
进一步地,所述根据轨迹模型的雅可比矩阵、状态参数、期待终点位置的状态参数,并通过多次迭代计算获得期待轨迹参数,包括循环执行直到满足终止迭代条件的以下步骤:
计算获得本次迭代中的轨迹模型的雅可比矩阵;
根据本次迭代中的轨迹模型的雅可比矩阵、上一次迭代所获得的状态参数、期待终点位置的状态参数,获得本次迭代的轨迹参数增量;
根据上一次迭代所获得的轨迹参数、本次迭代的轨迹参数增量、更新步长,获得本次迭代的轨迹参数;
根据本次迭代获得的轨迹参数和轨迹模型,获得本次迭代的状态参数;
进入下一次迭代计算。
其中,轨迹模型的雅可比矩阵表示为:
J=[dstatei/dparamj]
其中,dstatei/dparamj表示差速移动机器人状态参数state中的第i个元素对轨迹参数param的第j个元素的偏导数。
由于轨迹模型较为复杂,在可选实施例中,使用数值方法计算雅可比数据,即:
其中,ori_param表示轨迹参数param中除第j个元素以外的其他元素,这些其他元素与param中的元素相同,上式中仅有第j个元素增加了small。small为一个小数据值,其可取值的一个具体实施例例如10-6。
在可选实施例中,所述的根据本次迭代中的轨迹模型的雅可比矩阵、上一次迭代所获得的状态参数、期待终点位置的状态参数,获得本次迭代的轨迹参数增量,包括采用如下公式获得本次迭代的轨迹参数增量:
Δparam=(JTJ)-1JT(statem-1-statef)
其中,m为迭代次数,若当前迭代次数为m次,则前一次迭代次数为m-1次。其中,Δparam即为本次迭代的轨迹参数增量,statem-1为上一次迭代所获得的状态参数。
在可选实施例中,所述的根据上一次迭代所获得的轨迹参数、本次迭代的轨迹参数增量、更新步长,获得本次迭代的轨迹参数,包括采用如下公式获得本次迭代的轨迹参数:
paramm=paramm-1+lambda*Δparam
其中,lambda为更新步长,在可选实施例中,lambda可取0至1之间的数值,例如0.01。
在步骤2中,给定初始轨迹参数后,重复上述迭代过程,直到满足终止迭代条件或者到达最大迭代次数后,得到计算出的期待轨迹参数。
在可选实施例中,终止迭代条件包括:
获得的状态参数与期待终点位置的状态参数之差在设定阈值范围内;
或者,
迭代次数达到设定次数。
在可选实施例中,关于设定阈值范围,例如,获得的状态参数与期待终点位置的状态参数之间需满足如下条件:
|xm-xf|<σx
|ym-yf|<σy
|θm-θf|<σθ
|km-kf|<σk
其中,xm、ym、θm、km分别为经过m次迭代获得的状态参数中的横坐标位置、纵坐标位置、朝向角度、轨迹曲率,xf、yf、θf、kf分别为期待终点位置的状态参数中的横坐标位置、纵坐标位置、朝向角度、轨迹曲率,σx、σy、σθ、σk分别为所设定的横坐标位置条件阈值、纵坐标位置条件阈值、朝向角度条件阈值、轨迹曲率条件阈值。
上述实施例中,关于步骤2中的迭代,在第一次迭代(即m=1)时,所采用的上一次迭代(即m=0,第零次迭代,即未迭代初始状态)所获得的轨迹参数为初始轨迹参数,即param0=[s0,a0,b0,c0]T;在第一次迭代(即m=1)时,所采用的上一次迭代(即m=0,第零次迭代,即未迭代初始状态)所获得的状态参数为通过初始轨迹参数param0=[s0,a0,b0,c0]T和轨迹模型所获得的初始状态参数,即state0=[x0,y0,θ0,k0]T。
在可选实施例中,初始轨迹参数param0=[s0,a0,b0,c0]T可通过通常通过有限次的不断尝试得到,例如利用网格手段在各个参数的网格中通过不断尝试选取得到较为恰当的初始轨迹参数。
在完成步骤2得到期待轨迹参数之后,将期待轨迹参数带入本发明实施例中的轨迹模型中,就可以得到确定的k、θ、x、y这四个状态参数随s的变化关系,即在差速移动机器人从已知起点到期待终点之间的实际运动轨迹,也就是说,在差速移动机器人从已知起点到期待终点之间运动过程中的每一点的状态参数,进而基于从已知起点到期待终点之间的实际运动轨迹,便可以控制差速移动机器人运动。
以下,结合推导过程,对本发明实施例的差速移动机器人运动轨迹生成方法进行说明。
(一)差速移动机器人的运动学模型
差速移动机器人的运动学模型如下:
其中,x、y、θ、k分别表示机器人的横坐标位置、纵坐标位置、朝向角度、轨迹曲率,x、y、θ、k一起构成差速移动机器人的状态参数,表示为state=[x,y,θ,k]T,上标T表示转置;v和w表示机器人的线速度和角速度,v和w一起称为机器人的输入,表示为input=[v,w]T。
(二)轨迹模型
差速移动机器人的起点状态表示为state0=[x0,y0,θ0,k0]T。本发明中考虑轨迹由横坐标位置、纵坐标位置、朝向角度、轨迹曲率四个物理量构成。
用s表示差速移动机器人从起点沿轨迹行驶的距离,则有v(t)=ds/dt。
将轨迹的曲率变化设计为s的三次多项式,在满足移动机器人运动学模型的基础上,所设计的轨迹模型即为:
k(s)=k0+a*s+b*s2+c*s3
在该轨迹模型中,给定差速移动机器人起点后,机器人的轨迹由s、a、b、c四个参数确定,将这四个参数称为轨迹参数,表示为param=[s,a,b,c]T。
因此紧缩形式的轨迹模型可表示为:
state=f(param)
式中,f()表示由轨迹参数param到机器人状态参数state的映射。
其中,轨迹参数param是待计算的参数,本发明的目的就是在设计上述轨迹模型的基础上,提供一种计算轨迹参数的方法。
(三)轨迹参数求解方法
将期待的差速移动机器人终点状态参数表示为statef=[xf,yf,θf,kf]T,由轨迹模型得到的终点状态为state=[x(s),y(s),θ(s),k(s)]T。轨迹参数求解问题实际上就是期待寻找到一组合适的param,使得根据轨迹模型得到的终点尽可能接近期待的终点状态。为了简化计算,使用向量2范数衡量差速移动机器人状态简单偏差程度,则轨迹参数求解问题被构造为:
其中,state|param表示根据轨迹参数param得到的终点的状态参数state。
下面介绍本发明实施例中的迭代的求解方法。
假设在第m(m为正整数)次迭代时,已经获得的m-1次迭代得到的轨迹参数paramm-1,定义轨迹参数增量为:
Δparam=paramm-paramm-1
则根据轨迹模型关于轨迹参数增量的一阶近似表示为:
statem=statem-1+J*Δparam+…
其中,J为轨迹模型的雅可比矩阵,即:
J=[dstatei/dparamj]
其中,dstatei/dparamj表示差速移动机器人状态参数的第i个元素对轨迹参数的第j个元素的偏导数。由于轨迹模型较为复杂,本发明实施例中使用数值方法计算雅可比数据,也就是:
其中,ori_param表示除第j个元素以外的其他元素,它们与param中的元素相同,上式中仅有第j个元素增加了small。small为一个小数据值,在可选实施例中,small可取为10-6。
相应地,轨迹参数求解问题被近似为:
上述问题是一个通过简化得到的线性最小二乘问题,其解析解为:
Δparam=(JTJ)-1JT(statem-1-statef)
因此,param可以被更新为:
paramm=paramm-1+lambda*Δparam
其中,lambda为更新步长,可选实施例中,可取0至1之间的数值,如0.01。
给定初始轨迹参数后,重复上述过程,直到满足终止迭代条件或者到达最大迭代次数后,得到计算出的轨迹参数。
上面的迭代过程需要给定初始的轨迹参数param0=[s0,a0,b0,c0]T,通常通过不断尝试得到,如直行到一米以后的轨迹初始参数可设置为param0=[-20,50,-30,1]T。
终止迭代条件可以设置为通过轨迹模型得到的状态满足如下条件:
|xm-xf|<σx
|ym-yf|<σy
|θm-θf|<σθ
|km-kf|<σk
终止迭代条件阈值σx、σy、σθ、σk可取为较小的数值,如,这四个参数可分别取为:0.001、0.001、0.1、0.005。
最大迭代次数n可根据经验选择,可设置为10000。
得到参数后,根据轨迹模型可以得到差速移动机器人的运动轨迹。
图2示出了本发明实施例中实现差速移动机器人运动轨迹生成方法的控制流程,包括以下步骤。
步骤a、给定起点状态参数state0和终点状态参数statef,之后进入步骤b;
步骤b、设置最大迭代次数n、更新步长lambda和终止迭代条件阈值σx、σy、σθ、σk,之后进入步骤c;
步骤c、设置初始轨迹参数param0,之后进入步骤d;
步骤d、计算雅可比矩阵J、状态参数state,之后进入步骤e;
步骤e、计算轨迹参数增量Δparam,之后进入步骤f;
步骤f、更新轨迹参数paramm,之后进入步骤g;
步骤g、判断是否满足终止迭代条件阈值或者是否达到最大迭代次数,如果是则进入步骤h,否则返回步骤d;
步骤h、根据轨迹模型和轨迹参数paramm计算运动轨迹。
基于上述差速移动机器人运动轨迹生成方法,本发明实施例还提供了一种差速移动机器人运动控制装置,如图3所示,该差速移动机器人运动控制装置包括数据处理单元10和控制单元20。其中,数据处理单元10用于执行上述任一项实施例中所述的差速移动机器人运动轨迹生成方法中的步骤。控制单元20连接于数据处理单元10,用于接收差速移动机器人从已知起点到期待终点之间的实际运动轨迹,并基于所接收的实际运动轨迹控制差速移动机器人的运动。
本发明实施例还同时提供了一种非易失性计算机可读存储介质,该非易失性计算机可读存储介质存储指令,该指令在由处理器执行时使得所述处理器执行如上述说明中的差速移动机器人运动轨迹生成方法中的各个步骤。
本发明实施例还同时提供了一种执行差速移动机器人运动轨迹生成方法的电子设备,如图4所示,该电子设备包括:至少一个处理器1以及存储器2。存储器2和至少一个处理器1通信连接,例如存储器2和至少一个处理器1通过总线连接。存储器2存储有可被至少一个处理器1执行的指令,所述指令被至少一个处理器1执行,以使至少一个处理器1执行如上述说明中的差速移动机器人运动轨迹生成方法中的各个步骤。
本发明实施例还同时提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述说明中的差速移动机器人运动轨迹生成方法中的各个步骤。
本发明实施例的差速移动机器人运动轨迹生成方法和运动控制装置,利用所构建的轨迹模型,通过快速迭代方式对轨迹模型的初始状态参数进行修正获得期待轨迹参数,进而利用该轨迹模型和所获得的期待轨迹参数便可立即获得差速移动机器人从已知起点到期待终点之间的实际运动轨迹。与现有技术相比,本发明实施例极大地降低了差速移动机器人的运动轨迹求解的计算量,降低了对于计算的硬件要求,能够满足嵌入式等计算能力有限的系统的应用需求。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (12)
1.一种差速移动机器人运动轨迹生成方法,包括:
根据差速移动机器人的轨迹曲率与在轨迹上行驶距离的关系建立轨迹模型,轨迹模型中包括差速移动机器人的状态参数与轨迹参数之间的变化关系;
提供初始轨迹参数,利用差速移动机器人的期待终点位置的状态参数和轨迹模型,对初始状态参数进行修正,以获得期待轨迹参数;
根据期待轨迹参数和轨迹模型,获得差速移动机器人从已知起点到期待终点之间的实际运动轨迹。
2.根据权利要求1所述的差速移动机器人运动轨迹生成方法,其特征在于,所述的差速移动机器人的轨迹曲率与在轨迹上行驶距离的关系为:
轨迹曲率与在轨迹上行驶距离的三次多项关系式;
其中,轨迹上行驶距离为:从已知起点到期待终点之间的轨迹上行驶的距离。
3.根据权利要求2所述的差速移动机器人运动轨迹生成方法,其特征在于:
在轨迹模型中,差速移动机器人的状态参数由轨迹参数s、a、b、c确定,其中,s为差速移动机器人在轨迹上行驶距离、a为三次多项关系式中s的一次项系数、b为三次多项关系式中s的二次项系数、c为三次多项关系式中s的三次项系数。
4.根据权利要求3所述的差速移动机器人运动轨迹生成方法,其特征在于:
差速移动机器人的状态参数包括k、θ、x、y,其中,k、θ、x、y分别为差速移动机器人的轨迹曲率、朝向角度、横坐标位置、纵坐标位置;
差速移动机器人的状态参数与轨迹参数之间的变化关系包括:k随s、a、b、c的变化关系,θ随s、a、b、c的变化关系,x随s、a、b、c的变化关系,y随s、a、b、c的变化关系。
5.根据权利要求1所述的差速移动机器人运动轨迹生成方法,其特征在于,所述的利用差速移动机器人的期待终点位置的状态参数和轨迹模型,对初始状态参数进行修正,以获得期待轨迹参数,包括:
根据轨迹模型的雅可比矩阵、状态参数、期待终点位置的状态参数,并通过多次迭代计算获得期待轨迹参数。
6.根据权利要求5所述的差速移动机器人运动轨迹生成方法,其特征在于,所述根据轨迹模型的雅可比矩阵、状态参数、期待终点位置的状态参数,并通过多次迭代计算获得期待轨迹参数,包括循环执行直到满足终止迭代条件的以下步骤:
计算获得本次迭代中的轨迹模型的雅可比矩阵;
根据本次迭代中的轨迹模型的雅可比矩阵、上一次迭代所获得的状态参数、期待终点位置的状态参数,获得本次迭代的轨迹参数增量;
根据上一次迭代所获得的轨迹参数、本次迭代的轨迹参数增量、更新步长,获得本次迭代的轨迹参数;
根据本次迭代获得的轨迹参数和轨迹模型,获得本次迭代的状态参数;
进入下一次迭代计算。
7.根据权利要求6所述的差速移动机器人运动轨迹生成方法,其特征在于,终止迭代条件包括:
获得的状态参数与期待终点位置的状态参数之差在设定阈值范围内;
或者,
迭代次数达到设定次数。
8.根据权利要求6所述的差速移动机器人运动轨迹生成方法,其特征在于:
在第一次迭代时,所采用的上一次迭代所获得的轨迹参数为初始轨迹参数;
在第一次迭代时,所采用的上一次迭代所获得的状态参数为通过初始轨迹参数和轨迹模型所获得的初始状态参数。
9.一种差速移动机器人运动控制装置,其特征在于,包括:
数据处理单元,用于执行如权利要求1至8任一项所述的差速移动机器人运动轨迹生成方法中的步骤;
控制单元,连接于数据处理单元,用于接收差速移动机器人从已知起点到期待终点之间的实际运动轨迹,并基于所接收的实际运动轨迹控制差速移动机器人的运动。
10.一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储指令,其特征在于,所述指令在由处理器执行时使得所述处理器执行如权利要求1至8中任一项所述的差速移动机器人运动轨迹生成方法中的步骤。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1至8中任一项所述的差速移动机器人运动轨迹生成方法中的步骤。
12.一种计算机程序产品,包括计算机程序,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8任一项所述的差速移动机器人运动轨迹生成方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111300318.8A CN113985887A (zh) | 2021-11-04 | 2021-11-04 | 差速移动机器人运动轨迹生成方法和运动控制装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111300318.8A CN113985887A (zh) | 2021-11-04 | 2021-11-04 | 差速移动机器人运动轨迹生成方法和运动控制装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113985887A true CN113985887A (zh) | 2022-01-28 |
Family
ID=79746445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111300318.8A Pending CN113985887A (zh) | 2021-11-04 | 2021-11-04 | 差速移动机器人运动轨迹生成方法和运动控制装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113985887A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115127576A (zh) * | 2022-09-02 | 2022-09-30 | 青岛慧拓智能机器有限公司 | 路径规划方法、装置、芯片、终端、电子设备及存储介质 |
-
2021
- 2021-11-04 CN CN202111300318.8A patent/CN113985887A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115127576A (zh) * | 2022-09-02 | 2022-09-30 | 青岛慧拓智能机器有限公司 | 路径规划方法、装置、芯片、终端、电子设备及存储介质 |
CN115127576B (zh) * | 2022-09-02 | 2022-12-13 | 青岛慧拓智能机器有限公司 | 路径规划方法、装置、芯片、终端、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107984472B (zh) | 一种用于冗余度机械臂运动规划的变参神经求解器设计方法 | |
Peng et al. | An hp symplectic pseudospectral method for nonlinear optimal control | |
Kingravi et al. | Reproducing kernel Hilbert space approach for the online update of radial bases in neuro-adaptive control | |
CN111037550B (zh) | 一种冗余度机械臂运动控制的解决方法 | |
Qi et al. | Stable indirect adaptive control based on discrete-time T–S fuzzy model | |
CN112338912B (zh) | 一种柔性单链机械臂的有限时间稳定控制方法及系统 | |
CN104950677A (zh) | 基于反演滑模控制的机械臂系统饱和补偿控制方法 | |
Manchester et al. | Derivative-free trajectory optimization with unscented dynamic programming | |
CN112571420B (zh) | 一种未知参数下的双功能模型预测控制方法 | |
CN111399375A (zh) | 一种基于非线性系统的神经网络预测控制器 | |
Rosmann et al. | Time-optimal nonlinear model predictive control with minimal control interventions | |
CN112597610A (zh) | 机械臂结构轻量化设计的优化方法、装置及设备 | |
CN113985887A (zh) | 差速移动机器人运动轨迹生成方法和运动控制装置 | |
Li | Robot target localization and interactive multi-mode motion trajectory tracking based on adaptive iterative learning | |
CN113110063B (zh) | 单轴进给系统的鲁棒单调收敛点对点迭代学习控制方法 | |
Belabbas et al. | New method for motion planning for non-holonomic systems using partial differential equations | |
Hespanhol et al. | A real-time iteration scheme with quasi-Newton Jacobian updates for nonlinear model predictive control | |
CN115455745B (zh) | 自适应频点采样的扫频方法、系统及相关设备 | |
CN113459083B (zh) | 一种事件触发下的机械臂自适应固定时间控制方法及系统 | |
CN114355976B (zh) | 一种基于学习的控制无人机在风扰下完成轨迹跟踪的方法 | |
CN114063458B (zh) | 一种非三角结构系统不依赖初始条件的预设性能控制方法 | |
CN116088498A (zh) | 一种基于mpc与fpga的自动驾驶车辆轨迹跟踪控制方法 | |
CN114147710B (zh) | 机器人的控制方法、装置、机器人及存储介质 | |
CN114200830A (zh) | 一种多智能体一致性强化学习控制方法 | |
Manara et al. | On the integration of singularity-free representations of SO (3) SO (3) for direct optimal control |
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 |