CN114012727A - 一种机械臂运动规划方法及系统 - Google Patents

一种机械臂运动规划方法及系统 Download PDF

Info

Publication number
CN114012727A
CN114012727A CN202111332135.4A CN202111332135A CN114012727A CN 114012727 A CN114012727 A CN 114012727A CN 202111332135 A CN202111332135 A CN 202111332135A CN 114012727 A CN114012727 A CN 114012727A
Authority
CN
China
Prior art keywords
target
mechanical arm
path
determining
motion
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
Application number
CN202111332135.4A
Other languages
English (en)
Other versions
CN114012727B (zh
Inventor
王三祥
王欣
王�锋
朱锦华
张成国
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.)
Aerospace Cloud Machine Beijing Technology Co ltd
Original Assignee
Jiangsu Yubo Automation Equipment 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 Jiangsu Yubo Automation Equipment Co ltd filed Critical Jiangsu Yubo Automation Equipment Co ltd
Priority to CN202111332135.4A priority Critical patent/CN114012727B/zh
Publication of CN114012727A publication Critical patent/CN114012727A/zh
Application granted granted Critical
Publication of CN114012727B publication Critical patent/CN114012727B/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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

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

Abstract

本发明提供了一种机械臂运动规划方法及系统，其方法，包括：步骤1：获取机械臂初始姿态数据，同时，获取目标抓取物的目标位置数据；步骤2：对所述初始姿态数据与所述目标位置数据进行分析确定所述机械臂与所述目标抓取物的空间联系；步骤3：基于所述空间联系，对所述机械臂进行运动路径规划，确定所述机械臂的最优运动路径。通过对机械臂初始姿态数据以及目标抓取物的目标位置数据合理分析，有效实现对机械臂的运动路径进行合理规划，从而提高了对目标抓取物进行抓取的导向性，极大的提高了机械臂的工作效率。

Description

一种机械臂运动规划方法及系统
技术领域
本发明涉及机械臂运动技术领域，特别涉及一种机械臂运动规划方法及系统。
背景技术
目前，随着科技的发展，机械臂在作业时的任务也越来越重，且现如今的工作方式多数通过人工控制机械臂进行作业，使得作业结果精确度不高，且技术人员多暴露于高压环境中，从而造成很大的安全隐患；
然而，现如今的智能控制机械臂并没有对机械臂的运动轨迹进行精确计算，从而使得机械臂的工作灵活度不够，且机械臂在作业时的导向性不够，使得作业的误差性增大，不利于提高机械臂的工作效率，因此，为了提高机械臂对目标抓取物进行抓取的导向性以及提高机械臂的工作效率，本发明提供了一种机械臂运动规划方法及系统。
发明内容
本发明提供一种机械臂运动规划方法及系统，用以通过对机械臂初始姿态数据以及目标抓取物的目标位置数据合理分析，有效实现对机械臂的运动路径进行合理规划，从而提高了对目标抓取物进行抓取的导向性，极大的提高了机械臂的工作效率。
一种机械臂运动规划方法，包括：
步骤1：获取机械臂初始姿态数据，同时，获取目标抓取物的目标位置数据；
步骤2：对所述初始姿态数据与所述目标位置数据进行分析确定所述机械臂与所述目标抓取物的空间联系；
步骤3：基于所述空间联系，对所述机械臂进行运动路径规划，确定所述机械臂的最优运动路径。
优选的，一种机械臂运动规划方法，步骤1中，获取机械臂的初始姿态数据的具体工作过程，包括：
S101：基于预设图像采集装置采集当前所述机械臂的二维图像，同时，提取所述二维图像的信息数据；
S102：对所述二维图像的信息数据进行数据分析，确定所述二维图像的图像特征，其中，所述二维图像的图像特征的个数大于1；
S103：基于所述二维图像的图像特征，生成二维子图像集，并将所述二维子图像集在预设三维模型中进行映射重合；
S104：根据映射重合结果，确定所述机械臂在三维空间的形态，并对所述机械臂在三维空间的形态进行读取，确定所述机械臂的初始姿态数据。
优选的，一种机械臂运动规划方法，步骤1中，获取目标抓取物的目标位置数据的具体工作过程，包括：
获取所述目标抓取物的位置图像，其中，所述位置图像包括背景图像以及主体图像，且所述背景图像中包括预设参考物；
基于预设识别模型对所述位置图像进行分析，确定所述目标抓取物所在的目标范围区域，并获取所述预设参考物在所述目标范围区域的坐标信息；
获取所述位置图像的成像比例，同时基于所述位置图像确定所述目标抓取物与所述预设参考物之间的图像距离，并基于所述成像比例与所述图像距离确定所述预设参考物与所述目标抓取物之间的实际距离；
基于所述预设参考物与所述目标抓取物之间的实际距离以及所述预设参考物在所述目标范围区域的坐标信息确定所述目标抓取物在所述目标范围区域内的目标位置数据。
优选的，一种机械臂运动规划方法，步骤3中，确定所述机械臂的最优运动路径后还包括：
获取所述最优路径的路径曲线方程，并根据所述路径曲线方程确定所述最优运动路径的路径曲线；
基于所述路径曲线方程确定所述最优运动路径的路径参数，并基于所述路径参数对所述最优运动路径的路径曲线离散化；
基于路径曲线离散化结果对所述机械臂的运动区间进行设定，获取所述机械臂的运动曲线范围，并根据所述运动曲线范围生成目标路径参数；
根据所述目标路径参数与所述路径参数，确定所述机械臂的最优运动路径的路径容错率；
根据所述路径容错率，将所述机械臂的最优运动路径进行路径优化，生成机械臂的容错运动路径。
优选的，一种机械臂运动规划方法，将所述机械臂的最优运动路径进行路径优化后，还包括：
将所述机械臂基于所述最优运动路径进行第一抓取模拟，获取第一模拟结果，同时，基于所述第一模拟结果确定所述机械臂的第一运动速度；
将所述机械臂基于所述容错运动路径进行第二抓取模拟，获取第二抓取模拟结果，同时，基于所述第二模拟结果确定所述机械臂的第二运动速度；
将所述第一运动速度与所述第二运动速度进行比较，判断对所述机械臂的最优运动路径是否优化成功；
当所述第一运动速度小于所述第二运动速度时，则所述机械臂的最优运动路径优化成功；
否则，则判定所述机械臂的最优运动路径优化不成功，同时，根据所述路径容错率，对所述机械臂的最优运动路径重新进行路径优化。
优选的，一种机械臂运动规划方法，步骤2中，对所述初始姿态数据与所述目标位置数据进行分析确定所述机械臂与所述目标抓取物的空间联系的具体工作过程，包括：
对所述初始姿态数据与所述目标位置数据分别进行数据读取，确定读取结果，其中，所述读取结果包括第一读取结果、第二读取结果以及第三读取结果；
基于所述第一读取结果确定所述机械臂中末端执行器的第一方向数据，同时，确定所述目标抓取物的第二方向数据，其中，所述第一方向数据与所述第二方向数据的参考系均为同一预设空间的同一指向；
根据所述同一预设空间基于所述第一方向数据与所述第二方向数据，确定所述机械臂末端执行器相对于所述目标抓取物的方向值；
基于所述机械臂末端执行器相对于所述目标抓取物的方向值，确定所述机械臂的旋转角度，同时，基于所述机械臂的旋转角度建立第一空间联系；
基于所述第二读取结果，确定所述机械臂的第一位置数据以及所述目标抓取物的第二位置数据；
根据所述第一位置数据与所述第二位置数据确定所述机械臂与所述目标抓取物之间垂直距离、水平距离以及高度距离；
基于所述垂直距离、水平距离以及所述高度距离，建立所述机械臂与所述目标抓取物的第二空间联系；
根据所述第三读取结果，确定所述机械臂的第一外形数据，同时，确定所述目标抓取物的第二外形数据；
基于所述第一外形数据与所述第二外形数据，确定所述机械臂运动到所述目标抓取物的定点位置点，同时，根据所述顶点位置点建立所述机械臂与所述目标抓取物的第三空间联系；
根据所述第一空间联系、第二空间联系以及所述第三空间联系确定所述机械臂与所述目标抓取物的空间联系。
优选的，一种机械臂运动规划方法，步骤3中，基于所述空间联系，对所述机械臂进行运动路径规划的具体工作过程，包括：
获取所述机械臂与所述目标抓取物的空间联系以及所述目标抓取物的目标放置位置数据，其中，所述空间联系包括所述目标抓取物的目标位置数据以及所述机械臂的初始位置数据；
获取所述机械臂所在场地的空间信息，并基于所述空间信息确定所述机械臂的可活动范围，同时，基于所述机械臂的尺寸信息确定所述机械臂的最大可达范围；
基于所述目标抓取物的目标放置位置数据以及所述机械臂的最大可达范围判断所述机械臂能否将所述目标抓取物顺利放置与目标放置位置；
若不能，则向管理终端发送提醒，并对所述目标放置位置进行调整；
否则，基于所述目标抓取物的目标位置数据、所述机械臂的初始位置数据以及所述目标抓取物的目标放置位置数据确定机械臂运动过程中的目标关键点；
获取以所述目标关键点为中心的目标距离内的物体分布情况，并基于所述目标距离内的物体分布情况扩展新的节点；
基于所述目标关键点以及扩展的新的节点确定所述机械臂的可运动路径，并基于所述可运动路径对所述机械臂进行模拟运动，判断所述机械臂在运动过程中是否存在碰撞，其中，所述可运动路径至少为两条；
若存在，判定所述可运动路径有误，基于预设方法对所述可运动路径进行修正；
否则，判定所述可运动路径无误，同时获取所述机械臂的运动速度，并基于所述运动速度确定所述机械壁在所述可运动路径中完成运动所需的目标运动时间；
基于所述目标运动时间对所述可运动路径进行评分，并基于所述评分结果对所述可运动路径进行排序；
基于排序结果将评分最高的可运动路径判定为所述机械臂的最优运动路径，完成对所述机械臂的运动路径的规划。
优选的，一种机械臂运动规划方法，基于排序结果将评分最高的可运动路径判定为所述机械臂的最优运动路径，包括：
获取所述目标抓取物的属性信息，并基于所述属性信息确定所述目标抓取物的质心位置；
基于所述目标抓取物的质心位置以及预设规则，确定所述目标抓取物上的可抓取点，并确定所述可抓取点在所述目标抓取物上的位置坐标，其中，所述可抓取点不唯一；
基于所述位置坐标对所述机械臂抓取端的抓取角度进行调整，确定所述机械臂抓取端的目标抓取角度；
基于所述最优运动路径以及所述目标抓取角度完成对所述机械臂运动以及抓取方案的规划。
优选的，一种机械臂运动规划方法，基于所述运动速度确定所述机械壁在所述可运动路径中完成运动所需的目标运动时间，还包括：
获取所述机械臂在所述最优运动路径上的目标运动时间以及所述目标抓取物的基本信息；
基于所述目标运动时间以及所述目标抓取物的基本信息计算所述机械臂完成对目标抓取物进行抓取以及搬运的工作效率；
基于预设数据传输方法将所述工作效率传输至预设管理终端，并对所述工作效率进行存档；
基于存档结果对所述机械臂在目标时间段内的工作性能进行分析，判断所述机械臂的工作性能是否降低；
当降低时，获取所述机械臂的运动数据，并对所述运动数据进行分析，确定所述机械臂的目标故障，并将所述目标故障发送至维修终端进行提醒；
否则，判定所述机械臂的工作性能良好。
一种机械臂运动规划系统，包括：
数据获取模块，用于获取机械臂初始姿态数据，同时，获取目标抓取物的目标位置数据；
空间联系建立模块，用于对所述初始姿态数据与所述目标位置数据进行分析确定所述机械臂与所述目标抓取物的空间联系；
最优运动路径获取模块，用于基于所述空间联系，对所述机械臂进行运动路径规划，确定所述机械臂的最优运动路径。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种机械臂运动规划方法流程图；
图2为本发明实施例中一种机械臂运动规划方法中步骤1流程图；
图3为本发明实施例中一种机械臂运动规划系统结构图；
图4为本发明实施例中机械臂的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本实施例提供了一种机械臂运动规划方法，如图1所示，包括：
步骤1：获取机械臂初始姿态数据，同时，获取目标抓取物的目标位置数据；
步骤2：对所述初始姿态数据与所述目标位置数据进行分析确定所述机械臂与所述目标抓取物的空间联系；
步骤3：基于所述空间联系，对所述机械臂进行运动路径规划，确定所述机械臂的最优运动路径。
该实施例中，初始姿态数据可以是机械臂在没有抓取目标抓取物时，机械臂的位姿状态，其中，机械臂的初始姿态数据包括：机械臂的伸缩状态、机械臂的长短、机械臂末端执行器的方向、机械臂末端执行器的位姿等。
该实施例中，目标抓取物的目标位置数据可以是，目标抓取物距离机械臂的位置、目标抓取物的大小等。
该实施例中，机械臂与目标抓取物的空间联系可以是机械臂与目标抓取物位置远近，机械臂的初始位姿到抓取到目标抓取物的时的动作、路径以及时间速度等的联系。
该实施例中，最优运动路径可以是机械臂抓取到目标抓取物时的效率高、耗时短的最佳路径。
上述技术方案的有益效果是：通过对机械臂初始姿态数据以及目标抓取物的目标位置数据合理分析，有效实现对机械臂的运动路径进行合理规划，从而提高了对目标抓取物进行抓取的导向性，极大的提高了机械臂的工作效率。
实施例2：
在实施例1的基础上，本实施例提供了一种机械臂运动规划方法，如图2所示，步骤1中，获取机械臂的初始姿态数据的具体工作过程，包括：
S101：基于预设图像采集装置采集当前所述机械臂的二维图像，同时，提取所述二维图像的信息数据；
S102：对所述二维图像的信息数据进行数据分析，确定所述二维图像的图像特征，其中，所述二维图像的图像特征的个数大于1；
S103：基于所述二维图像的图像特征，生成二维子图像集，并将所述二维子图像集在预设三维模型中进行映射重合；
S104：根据映射重合结果，确定所述机械臂在三维空间的形态，并对所述机械臂在三维空间的形态进行读取，确定所述机械臂的初始姿态数据。
该实施例中，二维图像的信息数据可以是二维图像中机械臂的大小数据、方向数据等。
该实施例中，二维图像的图像特征可以是机械臂的大小、结构构造、以及机械臂当前末端执行器的形态等。
该实施例中，机械臂在三维空间的形态可以是，机械臂的伸缩程度、机械臂的长短、机械臂末端执行器的方向等。
该实施例中，机械臂的初始姿态数据包括：机械臂的伸缩状态、机械臂的长短、机械臂末端执行器的方向、机械臂末端执行器的位姿等。
该实施例中，二维子图像集可以是将二维图像根据图像特征进行分割确定的二维子图像，其中，二维子图像的集合即为二维子图像集。
上述技术方案的有益效果是：通过对机械臂的二维图像的获取，并通过确定二维图像的图像特征从而生成二维子图像集，进而确定机械臂的三维图像，有利于大大提高确定机械臂的初始姿态数据的准确性。
实施例3：
在实施例1的基础上，本实施例提供了一种机械臂运动规划方法，步骤1中，获取目标抓取物的目标位置数据的具体工作过程，包括：
获取所述目标抓取物的位置图像，其中，所述位置图像包括背景图像以及主体图像，且所述背景图像中包括预设参考物；
基于预设识别模型对所述位置图像进行分析，确定所述目标抓取物所在的目标范围区域，并获取所述预设参考物在所述目标范围区域的坐标信息；
获取所述位置图像的成像比例，同时基于所述位置图像确定所述目标抓取物与所述预设参考物之间的图像距离，并基于所述成像比例与所述图像距离确定所述预设参考物与所述目标抓取物之间的实际距离；
基于所述预设参考物与所述目标抓取物之间的实际距离以及所述预设参考物在所述目标范围区域的坐标信息确定所述目标抓取物在所述目标范围区域内的目标位置数据。
该实施例中，预设参考物是提前设定好的，例如可以是场地中的柱子或标志性建筑物。
该实施例中，预设识别模型是提前设定好的，用于对图像进行分析，确定目标抓取物当前所处的大致范围。
该实施例中，目标范围区域可以是目标物所在的大致区域信息。
该实施例中，图像距离可以是图像中预设参考物与目标抓取物之间的距离。
该实施例中，实际距离可以是根据成像比例对图像距离进行换算，得到预设参考物与目标抓取物之间在场地中相隔的具体距离。
上述技术方案的有益效果是：通过获取目标抓取物的图像，并对图像进行分析，有效的确定出目标抓取物的位置数据，有效实现对机械臂的运动路径进行合理规划，从而提高了对目标抓取物进行抓取的导向性。
实施例4：
在实施例1的基础上，本实施例提供了一种机械臂运动规划方法，步骤3中，确定所述机械臂的最优运动路径后还包括：
获取所述最优路径的路径曲线方程，并根据所述路径曲线方程确定所述最优运动路径的路径曲线；
基于所述路径曲线方程确定所述最优运动路径的路径参数，并基于所述路径参数对所述最优运动路径的路径曲线离散化；
基于路径曲线离散化结果对所述机械臂的运动区间进行设定，获取所述机械臂的运动曲线范围，并根据所述运动曲线范围生成目标路径参数；
根据所述目标路径参数与所述路径参数，确定所述机械臂的最优运动路径的路径容错率；
根据所述路径容错率，将所述机械臂的最优运动路径进行路径优化，生成机械臂的容错运动路径。
该实施例中，路径曲线方程可以是根据机械臂的最优运动路劲进行模拟确定的方程。
该实施例中，最优运动路径的路径参数可以是根据路径曲线方程中的方程曲率，方程系数的大小确定的参数。
该实施例中，目标路径参数可以是基于对最优运动路径的路径曲线离散化的结果而设定好的，用来扩大最优运动路径的路径区间的。
该实施例中，路径容错率可以是基于目标路径参数与路径参数的比值确定的，用来对最优运动路径进行优化的参数。
上述技术方案的有益效果是：通过获取路径容错率从而对最优运动路径进行优化，扩大最优运动路径的路径区间，从而有利于提高机械臂运动的容错性，进一步提高了机械臂运动的稳定性，从而间接提高了机械臂的工作效率。
实施例5：
在实施例4的基础上，本实施例提供了一种机械臂运动规划方法，将所述机械臂的最优运动路径进行路径优化后，还包括：
将所述机械臂基于所述最优运动路径进行第一抓取模拟，获取第一模拟结果，同时，基于所述第一模拟结果确定所述机械臂的第一运动速度；
将所述机械臂基于所述容错运动路径进行第二抓取模拟，获取第二抓取模拟结果，同时，基于所述第二模拟结果确定所述机械臂的第二运动速度；
将所述第一运动速度与所述第二运动速度进行比较，判断对所述机械臂的最优运动路径是否优化成功；
当所述第一运动速度小于所述第二运动速度时，则所述机械臂的最优运动路径优化成功；
否则，则判定所述机械臂的最优运动路径优化不成功，同时，根据所述路径容错率，对所述机械臂的最优运动路径重新进行路径优化。
该实施例中，第一抓取模拟是机械臂基于最优运动路径进行的抓取模拟，第二抓取模拟是机械臂基于容错运动路路径进行的抓取模拟。
该实施例中，第一运动速度是机械臂基于最优运动路径进行的抓取下的运动速度，第二运动速度是机械臂基于容错运动路路径进行的抓取下的运动速度。
上述技术方案的有益效果是：通过确定第一运动速度以及第二运动速度并进行比较，有利于判断对机械臂的最优运动路径是否优化成功，从而提高了对机械臂的最优运动路径的优化的有效性。
实施例6：
在实施例1的基础上，本实施例提供了一种机械臂运动规划方法，步骤2中，对所述初始姿态数据与所述目标位置数据进行分析确定所述机械臂与所述目标抓取物的空间联系的具体工作过程，包括：
对所述初始姿态数据与所述目标位置数据分别进行数据读取，确定读取结果，其中，所述读取结果包括第一读取结果、第二读取结果以及第三读取结果；
基于所述第一读取结果确定所述机械臂中末端执行器的第一方向数据，同时，确定所述目标抓取物的第二方向数据，其中，所述第一方向数据与所述第二方向数据的参考系均为同一预设空间的同一指向；
根据所述同一预设空间基于所述第一方向数据与所述第二方向数据，确定所述机械臂末端执行器相对于所述目标抓取物的方向值；
基于所述机械臂末端执行器相对于所述目标抓取物的方向值，确定所述机械臂的旋转角度，同时，基于所述机械臂的旋转角度建立第一空间联系；
基于所述第二读取结果，确定所述机械臂的第一位置数据以及所述目标抓取物的第二位置数据；
根据所述第一位置数据与所述第二位置数据确定所述机械臂与所述目标抓取物之间垂直距离、水平距离以及高度距离；
基于所述垂直距离、水平距离以及所述高度距离，建立所述机械臂与所述目标抓取物的第二空间联系；
根据所述第三读取结果，确定所述机械臂的第一外形数据，同时，确定所述目标抓取物的第二外形数据；
基于所述第一外形数据与所述第二外形数据，确定所述机械臂运动到所述目标抓取物的定点位置点，同时，根据所述顶点位置点建立所述机械臂与所述目标抓取物的第三空间联系；
根据所述第一空间联系、第二空间联系以及所述第三空间联系确定所述机械臂与所述目标抓取物的空间联系。
该实施例中，第一读取结果是针对机械臂与目标抓取物的空间位置数据确定的。
该实施例中，第一方向数据可以是机械臂相对于同一预设空间的同一指向确定的数据，用来表征机械臂相对于同一指向的方向。
该实施例中，第二方向数据可以是目标抓取物相对于同一预设空间的同一指向确定的数据，用来表征目标抓取物相对于同一指向的方向。
该实施例中，同一预设空间可以是提前设定的，可以是室内空间也可以是室外空间。
该实施例中，同一指向例如可以是东、西、南、北等。
该实施例中，机械臂末端执行器相对于目标抓取物的方向值，可以是当机械臂末端执行器在目标抓取物的正北方向，则对应的方向值为1，为西北方向时，方向值为11；为东北方向时，方向值为12；为正南方向时，方向值为2；为东南方向时，方向值为21；为西南方向时，方向值为22；为正西方向时，方向值为3；为正东方向时，方向值为4；
例如当机械臂末端执行器位于目标抓取物的东南方向，则对应的方向值为21。
该实施例中，第一空间联系即为相对于目标抓取物，机械臂的旋转角度。
该实施例中，第一位置数据可以是机械臂的高度数据以及所在位置数据，第二位置数据可以是目标抓取物的高度数据以及所在位置数据。
该实施例中，第二空间联系可以是机械臂与目标抓取物之间垂直距离、水平距离以及高度距离之间的空间联系。
该实施例中，第一外形数据可以是机械臂的臂长、机械臂末端执行器的面积等，第二外形数据可以是目标抓取物的体积以及形状。
该实施例中，第三空间联系可以是，根据机械臂的臂长与末端执行器的面积以及目标抓取物的体积与形状可以进行预估，确定机械臂移动到目标抓取物面前时的顶点位置点，其中，顶点位置点即为机械臂与目标抓取的第三空间联系。
该实施例中，空间联系是基于第一空间联系、第二空间联系以及第三空间联系确定的最后的机械臂与目标抓取物的空间联系。
实施例7：
在实施例1的基础上，本实施例提供了一种机械臂运动规划方法，步骤3中，基于所述空间联系，对所述机械臂进行运动路径规划的具体工作过程，包括：
获取所述机械臂与所述目标抓取物的空间联系以及所述目标抓取物的目标放置位置数据，其中，所述空间联系包括所述目标抓取物的目标位置数据以及所述机械臂的初始位置数据；
获取所述机械臂所在场地的空间信息，并基于所述空间信息确定所述机械臂的可活动范围，同时，基于所述机械臂的尺寸信息确定所述机械臂的最大可达范围；
基于所述目标抓取物的目标放置位置数据以及所述机械臂的最大可达范围判断所述机械臂能否将所述目标抓取物顺利放置与目标放置位置；
若不能，则向管理终端发送提醒，并对所述目标放置位置进行调整；
否则，基于所述目标抓取物的目标位置数据、所述机械臂的初始位置数据以及所述目标抓取物的目标放置位置数据确定机械臂运动过程中的目标关键点；
获取以所述目标关键点为中心的目标距离内的物体分布情况，并基于所述目标距离内的物体分布情况扩展新的节点；
基于所述目标关键点以及扩展的新的节点确定所述机械臂的可运动路径，并基于所述可运动路径对所述机械臂进行模拟运动，判断所述机械臂在运动过程中是否存在碰撞，其中，所述可运动路径至少为两条；
若存在，判定所述可运动路径有误，基于预设方法对所述可运动路径进行修正；
否则，判定所述可运动路径无误，同时获取所述机械臂的运动速度，并基于所述运动速度确定所述机械壁在所述可运动路径中完成运动所需的目标运动时间；
基于所述目标运动时间对所述可运动路径进行评分，并基于所述评分结果对所述可运动路径进行排序；
基于排序结果将评分最高的可运动路径判定为所述机械臂的最优运动路径，完成对所述机械臂的运动路径的规划。
该实施例中，目标放置位置数据可以是目标抓取物在被机械臂抓取成功后，需要放置的区域的位置信息。
该实施例中，空间联系可以是目标抓取物的目标位置数据以及机械臂的初始位置数据，并根据目标抓取物的目标位置数据以及机械臂的初始位置数据确定机械臂与目标抓取物之间的空间距离以及相对方向等。
该实施例中，初始位置数据可以是机械臂在没有工作任务时，等待接收指令的待命位置。
该实施例中，空间信息可以是机械臂所在场地的高、宽以及场地内部机械器件的分布情况。
该实施例中，可活动范围可以是机械臂在场地里执行工作任务时的伸展角度以及旋转角度等。
该实施例中，尺寸信息可以是机械别的结构，例如机械臂的长度、宽度等。
该实施例中，最大可达范围可以是机械臂所有的伸展关节伸展到最大程度时能够覆盖的范围。
该实施例中，目标关键点可以是机械臂在执行工作任务时必须经过的位置点。
该实施例中，目标距离可以是根据机械臂的宽度等进行人为设置的，目的是为了机械臂在运动时不会与场地内的建筑物发生碰撞，例如可以是5米等。
该实施例中，扩展新的节点可以是以目标关键点为圆心，向四周进行扩展，集机械臂能够运动的位置。
该实施例中，预设方法是提前设定好的，用于对规划出的路径进行调整，确保机械臂与其他机械器件不发生碰撞。
该实施例中，目标运动时间可以是机械臂从待命位置到抓取目标抓取物以及将目标抓取物放置在设定的放置区域时所用的总时间长度。
上述技术方案的有益效果是：通过获取目标抓取物的目标放置位置数据，实现对机械臂工作点的准确确认，其次，通过目标抓取物的位置数据以及目标放置位置数据实现对机械臂的运动路径进行合理规划，确保机械臂在对目标抓取物进行抓取时不会碰撞其他机械器件，提高了机械臂运动的安全性，最后从规划出的运动路径终中筛选出最优路径，提高了机械臂在执行工作任务时的工作效率。
实施例8：
在实施例7的基础上，本实施例提供了一种机械臂运动规划方法，基于排序结果将评分最高的可运动路径判定为所述机械臂的最优运动路径，包括：
获取所述目标抓取物的属性信息，并基于所述属性信息确定所述目标抓取物的质心位置；
基于所述目标抓取物的质心位置以及预设规则，确定所述目标抓取物上的可抓取点，并确定所述可抓取点在所述目标抓取物上的位置坐标，其中，所述可抓取点不唯一；
基于所述位置坐标对所述机械臂抓取端的抓取角度进行调整，确定所述机械臂抓取端的目标抓取角度；
基于所述最优运动路径以及所述目标抓取角度完成对所述机械臂运动以及抓取方案的规划。
该实施例中，属性信息可以是目标抓取物的种类以及目标抓取物的外表重量等。
该实施例中，预设规则是提前设定好的，用于对目标抓取物进行分析，确当目标抓取物上的能够被抓取时可用的抓取点。
该实施例中，目标抓取角度可以是机械臂末端在抓取目标抓取物时需要与目标抓取物之间形成的角度。
上述技术方案的有益效果是：通过对机械臂的抓取角度进行分析以及对目标抓取物上的可抓取点进行分析，确保了机械臂能够将目标抓取物顺利抓取，提高了运动路径的规划效率，同时也提高了机械臂的工作效率。
实施例9：
在实施例7的基础上，本实施例提供了一种机械臂运动规划方法，基于所述运动速度确定所述机械壁在所述可运动路径中完成运动所需的目标运动时间，还包括：
获取所述机械臂在所述最优运动路径上的目标运动时间以及所述目标抓取物的基本信息；
基于所述目标运动时间以及所述目标抓取物的基本信息计算所述机械臂完成对目标抓取物进行抓取以及搬运的工作效率；
基于预设数据传输方法将所述工作效率传输至预设管理终端，并对所述工作效率进行存档；
基于存档结果对所述机械臂在目标时间段内的工作性能进行分析，判断所述机械臂的工作性能是否降低；
当降低时，获取所述机械臂的运动数据，并对所述运动数据进行分析，确定所述机械臂的目标故障，并将所述目标故障发送至维修终端进行提醒；
否则，判定所述机械臂的工作性能良好。
该实施例中，目标抓取物的基本信息可以是目标抓取物的重量、体积等。
该实施例中，预设数据传输方法是提前设定好的，用于将计算得到的机械臂的工作效率传输至管理终端进行保存，便于对机械臂的工作性能进行分析。
该实施例中，目标时间段是可以人为设定的，例如可以是一周、两周等。
该实施例中，预设管理终端是提前设定好的。
该实施例中，目标故障可以是造成机械臂工作性能降低的主要因素。
上述技术方案的有益效果是：通过对机械臂的工作效率进行分析并进行存储，实现对机械臂的工作性能进行准确分析，便于在性能降低时对机械臂的运动路径进行重新规划，提高了运动路径规划的及时性，提高了机械臂的工作效率。
实施例10：
本实施例提供了一种机械臂运动规划系统，如图3所示，包括：
数据获取模块，用于获取机械臂初始姿态数据，同时，获取目标抓取物的目标位置数据；
空间联系建立模块，用于对所述初始姿态数据与所述目标位置数据进行分析确定所述机械臂与所述目标抓取物的空间联系；
最优运动路径获取模块，用于基于所述空间联系，对所述机械臂进行运动路径规划，确定所述机械臂的最优运动路径。
上述技术方案的有益效果是：通过对机械臂初始姿态数据以及目标抓取物的目标位置数据合理分析，有效实现对机械臂的运动路径进行合理规划，从而提高了对目标抓取物进行抓取的导向性，极大的提高了机械臂的工作效率。
实施例11
在实施例1的基础上，步骤2，还包括：
基于所述初始姿态数据与所述目标位置数据建立关于所述机械臂与所述目标抓取物的二维直角坐标系；
读取所述二维直角坐标系，获取所述机械臂的末端执行器所在点的第一坐标点(Ax，Ay)以及所述目标抓取物中心的第二坐标点(Bx，By)；
基于所述第一坐标点(Ax，Ay)与所述第二坐标点(Bx，By)，计算所述机械臂的末端执行器与所述目标抓取物的相对角度；
Figure BDA0003349287020000191
其中，θ表示所述机械臂的末端执行器与所述目标抓取物的相对角度；μ表示误差因子，且取值范围为(0.02，0.03)；Bx表示所述目标抓取物中心的横坐标值；By表示所述目标抓取物中心的纵坐标值；Ax表示所述机械臂的末端执行器所在点的横坐标值；Ay表示所述机械臂的末端执行器所在点的纵坐标值；
基于所述机械臂的末端执行器与所述目标抓取物的相对角度确定所述机械臂的运动方程；
Figure BDA0003349287020000201
其中，J表示所述机械臂的运动方程；ζ表示引力常数；f表示所述机械臂的吸引势力；m表示所述机械臂中伸缩臂的连杆个数；∑mJm表示所述机械臂中伸缩臂的轨迹长度；Jm表示所述机械臂中伸缩臂的第m个连杆的轨迹长度；d表示所述机械臂的连杆对应于所述机械臂的固定端的参数偏距；R表示所述机械臂的旋转半径；
根据所述机械臂的运动方程，对所述机械臂的抓取所述目标抓取物的运动轨迹进行预判，并基于所述预判结果与所述空间联系对所述机械臂进行运动路径规划。
该实施例中，参数偏距可以是轮毂的偏距是指轮毂的安装孔内侧面(固定面)到轮毂中心线的距离。
该实施例中，伸缩臂可以是机械臂中用来伸长或缩短的部分，其中，伸缩臂的主要作用是根据目标抓取物与机械臂的距离长短控制机械臂的长度，达到抓取到目标抓取物的目的，其中，机械臂包括伸缩臂1，与支撑臂2，连接臂3，末端执行器4，如图4所示。
上述技术方案的有益效果是：通过确定机械臂的末端执行器所在点的第一坐标点以及目标抓取物中心的第二坐标点可以准确计算机械臂的末端执行器与目标抓取物的相对角度，从而有利于确定机械臂的运动方程，通过机械臂的运动方程可以对机械臂的运动轨迹进行预判，进而有利于对机械臂进行运动路径规划，提高了机械臂工作的精确性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种机械臂运动规划方法，其特征在于，包括：
步骤1：获取机械臂初始姿态数据，同时，获取目标抓取物的目标位置数据；
步骤2：对所述初始姿态数据与所述目标位置数据进行分析确定所述机械臂与所述目标抓取物的空间联系；
步骤3：基于所述空间联系，对所述机械臂进行运动路径规划，确定所述机械臂的最优运动路径。
2.根据权利要求1所述的一种机械臂运动规划方法，其特征在于，步骤1中，获取机械臂的初始姿态数据的具体工作过程，包括：
S101：基于预设图像采集装置采集当前所述机械臂的二维图像，同时，提取所述二维图像的信息数据；
S102：对所述二维图像的信息数据进行数据分析，确定所述二维图像的图像特征，其中，所述二维图像的图像特征的个数大于1；
S103：基于所述二维图像的图像特征，生成二维子图像集，并将所述二维子图像集在预设三维模型中进行映射重合；
S104：根据映射重合结果，确定所述机械臂在三维空间的形态，并对所述机械臂在三维空间的形态进行读取，确定所述机械臂的初始姿态数据。
3.根据权利要求1所述的一种机械臂运动规划方法，其特征在于，步骤1中，获取目标抓取物的目标位置数据的具体工作过程，包括：
获取所述目标抓取物的位置图像，其中，所述位置图像包括背景图像以及主体图像，且所述背景图像中包括预设参考物；
基于预设识别模型对所述位置图像进行分析，确定所述目标抓取物所在的目标范围区域，并获取所述预设参考物在所述目标范围区域的坐标信息；
获取所述位置图像的成像比例，同时基于所述位置图像确定所述目标抓取物与所述预设参考物之间的图像距离，并基于所述成像比例与所述图像距离确定所述预设参考物与所述目标抓取物之间的实际距离；
基于所述预设参考物与所述目标抓取物之间的实际距离以及所述预设参考物在所述目标范围区域的坐标信息确定所述目标抓取物在所述目标范围区域内的目标位置数据。
4.根据权利要求1所述的一种机械臂运动规划方法，其特征在于，步骤3中，确定所述机械臂的最优运动路径后还包括：
获取所述最优路径的路径曲线方程，并根据所述路径曲线方程确定所述最优运动路径的路径曲线；
基于所述路径曲线方程确定所述最优运动路径的路径参数，并基于所述路径参数对所述最优运动路径的路径曲线离散化；
基于路径曲线离散化结果对所述机械臂的运动区间进行设定，获取所述机械臂的运动曲线范围，并根据所述运动曲线范围生成目标路径参数；
根据所述目标路径参数与所述路径参数，确定所述机械臂的最优运动路径的路径容错率；
根据所述路径容错率，将所述机械臂的最优运动路径进行路径优化，生成机械臂的容错运动路径。
5.根据权利要求4所述的一种机械臂运动规划方法，其特征在于，将所述机械臂的最优运动路径进行路径优化后，还包括：
将所述机械臂基于所述最优运动路径进行第一抓取模拟，获取第一模拟结果，同时，基于所述第一模拟结果确定所述机械臂的第一运动速度；
将所述机械臂基于所述容错运动路径进行第二抓取模拟，获取第二抓取模拟结果，同时，基于所述第二模拟结果确定所述机械臂的第二运动速度；
将所述第一运动速度与所述第二运动速度进行比较，判断对所述机械臂的最优运动路径是否优化成功；
当所述第一运动速度小于所述第二运动速度时，则所述机械臂的最优运动路径优化成功；
否则，则判定所述机械臂的最优运动路径优化不成功，同时，根据所述路径容错率，对所述机械臂的最优运动路径重新进行路径优化。
6.根据权利要求1所述的一种机械臂运动规划方法，其特征在于，步骤2中，对所述初始姿态数据与所述目标位置数据进行分析确定所述机械臂与所述目标抓取物的空间联系的具体工作过程，包括：
对所述初始姿态数据与所述目标位置数据分别进行数据读取，确定读取结果，其中，所述读取结果包括第一读取结果、第二读取结果以及第三读取结果；
基于所述第一读取结果确定所述机械臂中末端执行器的第一方向数据，同时，确定所述目标抓取物的第二方向数据，其中，所述第一方向数据与所述第二方向数据的参考系均为同一预设空间的同一指向；
根据所述同一预设空间基于所述第一方向数据与所述第二方向数据，确定所述机械臂末端执行器相对于所述目标抓取物的方向值；
基于所述机械臂末端执行器相对于所述目标抓取物的方向值，确定所述机械臂的旋转角度，同时，基于所述机械臂的旋转角度建立第一空间联系；
基于所述第二读取结果，确定所述机械臂的第一位置数据以及所述目标抓取物的第二位置数据；
根据所述第一位置数据与所述第二位置数据确定所述机械臂与所述目标抓取物之间垂直距离、水平距离以及高度距离；
基于所述垂直距离、水平距离以及所述高度距离，建立所述机械臂与所述目标抓取物的第二空间联系；
根据所述第三读取结果，确定所述机械臂的第一外形数据，同时，确定所述目标抓取物的第二外形数据；
基于所述第一外形数据与所述第二外形数据，确定所述机械臂运动到所述目标抓取物的定点位置点，同时，根据所述顶点位置点建立所述机械臂与所述目标抓取物的第三空间联系；
根据所述第一空间联系、第二空间联系以及所述第三空间联系确定所述机械臂与所述目标抓取物的空间联系。
7.根据权利要求1所述的一种机械臂运动规划方法，其特征在于，步骤3中，基于所述空间联系，对所述机械臂进行运动路径规划的具体工作过程，包括：
获取所述机械臂与所述目标抓取物的空间联系以及所述目标抓取物的目标放置位置数据，其中，所述空间联系包括所述目标抓取物的目标位置数据以及所述机械臂的初始位置数据；
获取所述机械臂所在场地的空间信息，并基于所述空间信息确定所述机械臂的可活动范围，同时，基于所述机械臂的尺寸信息确定所述机械臂的最大可达范围；
基于所述目标抓取物的目标放置位置数据以及所述机械臂的最大可达范围判断所述机械臂能否将所述目标抓取物顺利放置与目标放置位置；
若不能，则向管理终端发送提醒，并对所述目标放置位置进行调整；
否则，基于所述目标抓取物的目标位置数据、所述机械臂的初始位置数据以及所述目标抓取物的目标放置位置数据确定机械臂运动过程中的目标关键点；
获取以所述目标关键点为中心的目标距离内的物体分布情况，并基于所述目标距离内的物体分布情况扩展新的节点；
基于所述目标关键点以及扩展的新的节点确定所述机械臂的可运动路径，并基于所述可运动路径对所述机械臂进行模拟运动，判断所述机械臂在运动过程中是否存在碰撞，其中，所述可运动路径至少为两条；
若存在，判定所述可运动路径有误，基于预设方法对所述可运动路径进行修正；
否则，判定所述可运动路径无误，同时获取所述机械臂的运动速度，并基于所述运动速度确定所述机械壁在所述可运动路径中完成运动所需的目标运动时间；
基于所述目标运动时间对所述可运动路径进行评分，并基于所述评分结果对所述可运动路径进行排序；
基于排序结果将评分最高的可运动路径判定为所述机械臂的最优运动路径，完成对所述机械臂的运动路径的规划。
8.根据权利要求7所述的一种机械臂运动规划方法，其特征在于，基于排序结果将评分最高的可运动路径判定为所述机械臂的最优运动路径，包括：
获取所述目标抓取物的属性信息，并基于所述属性信息确定所述目标抓取物的质心位置；
基于所述目标抓取物的质心位置以及预设规则，确定所述目标抓取物上的可抓取点，并确定所述可抓取点在所述目标抓取物上的位置坐标，其中，所述可抓取点不唯一；
基于所述位置坐标对所述机械臂抓取端的抓取角度进行调整，确定所述机械臂抓取端的目标抓取角度；
基于所述最优运动路径以及所述目标抓取角度完成对所述机械臂运动以及抓取方案的规划。
9.根据权利要求7所述的一种机械臂运动规划方法，其特征在于，基于所述运动速度确定所述机械壁在所述可运动路径中完成运动所需的目标运动时间，还包括：
获取所述机械臂在所述最优运动路径上的目标运动时间以及所述目标抓取物的基本信息；
基于所述目标运动时间以及所述目标抓取物的基本信息计算所述机械臂完成对目标抓取物进行抓取以及搬运的工作效率；
基于预设数据传输方法将所述工作效率传输至预设管理终端，并对所述工作效率进行存档；
基于存档结果对所述机械臂在目标时间段内的工作性能进行分析，判断所述机械臂的工作性能是否降低；
当降低时，获取所述机械臂的运动数据，并对所述运动数据进行分析，确定所述机械臂的目标故障，并将所述目标故障发送至维修终端进行提醒；
否则，判定所述机械臂的工作性能良好。
10.一种机械臂运动规划系统，其特征在于，包括：
数据获取模块，用于获取机械臂初始姿态数据，同时，获取目标抓取物的目标位置数据；
空间联系建立模块，用于对所述初始姿态数据与所述目标位置数据进行分析确定所述机械臂与所述目标抓取物的空间联系；
最优运动路径获取模块，用于基于所述空间联系，对所述机械臂进行运动路径规划，确定所述机械臂的最优运动路径。
CN202111332135.4A 2021-11-11 2021-11-11 一种机械臂运动规划方法及系统 Active CN114012727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111332135.4A CN114012727B (zh) 2021-11-11 2021-11-11 一种机械臂运动规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111332135.4A CN114012727B (zh) 2021-11-11 2021-11-11 一种机械臂运动规划方法及系统

Publications (2)

Publication Number Publication Date
CN114012727A true CN114012727A (zh) 2022-02-08
CN114012727B CN114012727B (zh) 2023-03-31

Family

ID=80063779

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111332135.4A Active CN114012727B (zh) 2021-11-11 2021-11-11 一种机械臂运动规划方法及系统

Country Status (1)

Country Link
CN (1) CN114012727B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108015770A (zh) * 2017-12-07 2018-05-11 王群 机械手位置标定方法及系统
CN108196453A (zh) * 2018-01-24 2018-06-22 中南大学 一种机械臂运动规划群体智能计算方法
CN111645065A (zh) * 2020-03-25 2020-09-11 南京大学 一种基于深度强化学习的机械臂运动规划方法
CN111738261A (zh) * 2020-06-30 2020-10-02 张辉 基于位姿估计和校正的单图像机器人无序目标抓取方法
CN112338922A (zh) * 2020-11-23 2021-02-09 北京配天技术有限公司 一种五轴机械臂抓取放置方法及相关装置
US20210323152A1 (en) * 2020-04-16 2021-10-21 Boston Dynamics, Inc. Global Arm Path Planning with Roadmaps and Precomputed Domains

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108015770A (zh) * 2017-12-07 2018-05-11 王群 机械手位置标定方法及系统
CN108196453A (zh) * 2018-01-24 2018-06-22 中南大学 一种机械臂运动规划群体智能计算方法
CN111645065A (zh) * 2020-03-25 2020-09-11 南京大学 一种基于深度强化学习的机械臂运动规划方法
US20210323152A1 (en) * 2020-04-16 2021-10-21 Boston Dynamics, Inc. Global Arm Path Planning with Roadmaps and Precomputed Domains
CN111738261A (zh) * 2020-06-30 2020-10-02 张辉 基于位姿估计和校正的单图像机器人无序目标抓取方法
CN112338922A (zh) * 2020-11-23 2021-02-09 北京配天技术有限公司 一种五轴机械臂抓取放置方法及相关装置

Also Published As

Publication number Publication date
CN114012727B (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN108253958B (zh) 一种稀疏环境下的机器人实时定位方法
CN108286949B (zh) 一种可移动式三维检测机器人系统
CN110385720A (zh) 一种基于深度神经网络的机器人定位误差补偿方法
US11130236B2 (en) Robot movement teaching apparatus, robot system, and robot controller
CN107538508A (zh) 基于视觉定位的机器人自动装配方法与系统
CN107877517B (zh) 基于CyberForce遥操作机械臂的运动映射方法
CN103878770A (zh) 基于速度估计的空间机器人视觉时延误差补偿方法
Jiang et al. The state of the art of search strategies in robotic assembly
KR20080038865A (ko) 이동로봇과 작업로봇의 협동제어에 기반을 가지는이동자율로봇시스템
CN113442140B (zh) 一种基于Bezier寻优的笛卡尔空间避障规划方法
CN114407030A (zh) 一种自主导航配网带电作业机器人及其工作方法
Marković et al. Adaptive stiffness estimation impedance control for achieving sustained contact in aerial manipulation
CN107696033A (zh) 一种基于视觉测量的空间机械臂轨迹滚动规划方法
CN111515928B (zh) 机械臂运动控制系统
CN114115353B (zh) 一种编队避障方法及装置
CN107943026A (zh) Mecanum轮巡视机器人及其巡视方法
CN114012727B (zh) 一种机械臂运动规划方法及系统
Campoy et al. An stereoscopic vision system guiding an autonomous helicopter for overhead power cable inspection
CN116563491B (zh) 一种数字孪生场景建模及标定方法
CN113043278A (zh) 一种基于改进型鲸鱼搜索方法的机械臂轨迹规划方法
CN111879319A (zh) 用于地面无人平台的室内测试方法、系统及计算机设备
CN114918916A (zh) 基于智能制造的生产监测方法
CN106055818B (zh) 一种变几何桁架模型化定位方法
CN114872046B (zh) 一种基于激励轨迹的机器人末端负载快速辨识方法
CN114083545B (zh) 一种基于视觉感知的运动物体机器人抓取方法及装置

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
TA01 Transfer of patent application right

Effective date of registration: 20230317

Address after: No. B101, 1st Floor, No. 22, Zhongguancun Street, Haidian District, Beijing 100044

Applicant after: Aerospace cloud machine (Beijing) Technology Co.,Ltd.

Address before: No.42 Lijiang Road, Yancheng Economic and Technological Development Zone, Jiangsu Province 224000

Applicant before: JIANGSU YUBO AUTOMATION EQUIPMENT Co.,Ltd.

TA01 Transfer of patent application right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Method and System for Robot Arm Motion Planning

Effective date of registration: 20230808

Granted publication date: 20230331

Pledgee: Beijing Zhongguangcun Bank Co.,Ltd.

Pledgor: Aerospace cloud machine (Beijing) Technology Co.,Ltd.

Registration number: Y2023990000397

PE01 Entry into force of the registration of the contract for pledge of patent right