CN114227686A - 一种机器人避障控制方法、装置、终端设备及存储介质 - Google Patents

一种机器人避障控制方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN114227686A
CN114227686A CN202111631799.0A CN202111631799A CN114227686A CN 114227686 A CN114227686 A CN 114227686A CN 202111631799 A CN202111631799 A CN 202111631799A CN 114227686 A CN114227686 A CN 114227686A
Authority
CN
China
Prior art keywords
moment
time
joint
robot
obstacle avoidance
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
Application number
CN202111631799.0A
Other languages
English (en)
Inventor
曾献文
刘益彰
罗璇
熊友军
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.)
Ubtech Robotics Corp
Original Assignee
Ubtech Robotics Corp
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 Ubtech Robotics Corp filed Critical Ubtech Robotics Corp
Priority to CN202111631799.0A priority Critical patent/CN114227686A/zh
Publication of CN114227686A publication Critical patent/CN114227686A/zh
Pending legal-status Critical Current

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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • 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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • 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
    • B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
    • 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
    • B25J9/1666—Avoiding collision or forbidden zones

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Manipulator (AREA)

Abstract

本申请适用于机器人技术领域，提供一种机器人避障控制方法、装置、终端设备及存储介质，通过根据第k时刻的末端位置和关节角度及第k时刻的关节角速度，获取第k+1时刻至第k+n时刻的末端位置和关节角度；基于碰撞检测库，根据第k时刻至第k+n‑1时刻的关节角速度，构建避障函数；根据第k时刻至第k+n时刻的末端位置和关节角度及末端位置和关节角度的期望值、第k时刻至第k+n‑1时刻的关节角速度和避障函数，构建目标函数；基于非线性模型预测控制方法，对目标函数进行极小值求解，获取满足约束条件的第k+1时刻的关节角速度；根据第k+1时刻的关节角速度，对第k+1时刻机器人的末端的速度进行控制，使得机器人能够绕过障碍物并继续跟踪期望轨迹。

Description

一种机器人避障控制方法、装置、终端设备及存储介质
技术领域
本申请属于机器人技术领域，尤其涉及一种机器人避障控制方法、装置、终端设备及存储介质。
背景技术
通过路径规划等前置任务得到的机器人笛卡尔空间的轨迹，需要通过逆解进一步得到关节角度，从而控制机器人实现笛卡尔空间轨迹跟踪。传统的逆解包括解析解、数值解，解析解求解速度快，但是难以处理机器人的物理约束、奇异位形等，多解之间的切换一般也需要人为处理，而且很多非标准的机器人没有显式的解析解表达式；数值解虽然可以比较方便的处理约束和奇异情况，但是计算效率低，多解之间难以平滑切换，限制了机器人的可操作空间。
另一方面，机器人在非结构化环境作业时，容易发生机器人本体和外界障碍物之间的碰撞、甚至机器人自身各个连杆、或末端与连杆之间的碰撞，因此，在作业过程中，需要在无碰撞风险时准确跟踪期望轨迹，而在有碰撞风险时及时调整轨迹，避免碰撞发生。
发明内容
本申请实施例提供了一种机器人避障控制方法、装置、终端设备及存储介质，可以基于碰撞检测库，对障碍物与机器人之间、机器人各个关节之间的最短距离检测进行解析求解，并基于非线性模型预测控制方法，通过优化关节速度控制量，实现机器人与障碍物最小距离的最大化，从而实现预测式的动态避障效果，使得机器人能够实现绕过障碍物并继续跟踪期望轨迹。
本申请实施例的第一方面提供了一种机器人避障控制方法，包括：
根据第k时刻的末端位置和关节角度及第k时刻的关节角速度，获取第k+1时刻至第k+n时刻的末端位置和关节角度；
基于碰撞检测库，根据第k时刻至第k+n-1时刻的关节角速度，构建避障函数；
根据第k时刻至第k+n时刻的末端位置和关节角度、第k时刻至第k+n时刻的末端位置和关节角度的期望值及第k时刻至第k+n-1时刻的关节角速度和所述避障函数，构建目标函数；
基于非线性模型预测控制方法，对所述目标函数进行极小值求解，获取满足约束条件的第k+1时刻的关节角速度；
根据所述第k+1时刻的关节角速度，对第k+1时刻机器人的末端的速度进行控制；
其中，所述约束条件基于所述关节角速度的取值范围构建，k和n为正整数。
本申请实施例的第二方面提供了一种机器人避障控制装置，包括：
状态量获取单元，用于根据第k时刻的末端位置和关节角度及第k时刻的关节角速度，获取第k+1时刻至第k+n时刻的末端位置和关节角度；
避障函数构建单元，用于基于碰撞检测库，根据第k时刻至第k+n-1时刻的关节角速度，构建避障函数；
目标函数构建单元，用于根据第k时刻至第k+n时刻的末端位置和关节角度、第k时刻至第k+n时刻的末端位置和关节角度的期望值及第k时刻至第k+n-1时刻的关节角速度和所述避障函数，构建目标函数；
输入量获取单元，用于基于非线性模型预测控制方法，对所述目标函数进行极小值求解，获取满足约束条件的第k+1时刻的关节角速度；
控制单元，用于根据所述第k+1时刻的关节角速度，对第k+1时刻机器人的末端的速度进行控制；
其中，所述约束条件基于所述关节角速度的取值范围构建，k和n为正整数。
本申请实施例的第三方面提供了一种终端设备，包括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如本申请实施例的第一方面所述机器人避障控制方法的步骤。
本申请实施例的第四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如本申请实施例的第一方面所述机器人避障控制方法的步骤。
本申请实施例的第一方面提供的机器人避障控制方法，通过根据第k时刻的末端位置和关节角度及第k时刻的关节角速度，获取第k+1时刻至第k+n时刻的末端位置和关节角度；基于碰撞检测库，根据第k时刻至第k+n-1时刻的关节角速度，构建避障函数；根据第k时刻至第k+n时刻的末端位置和关节角度及末端位置和关节角度的期望值、第k时刻至第k+n-1时刻的关节角速度和避障函数，构建目标函数；基于非线性模型预测控制方法，对目标函数进行极小值求解，获取满足约束条件的第k+1时刻的关节角速度；根据第k+1时刻的关节角速度，对第k+1时刻机器人的末端的速度进行控制，可以基于碰撞检测库，对障碍物与机器人之间、机器人各个关节之间的最短距离检测进行解析求解，并基于非线性模型预测控制方法，通过优化关节速度控制量，实现机器人与障碍物最小距离的最大化，从而实现预测式的动态避障效果，使得机器人能够实现绕过障碍物并继续跟踪期望轨迹。
可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
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他的附图。
图1是本申请实施例提供的机器人避障控制方法的第一种流程示意图；
图2是本申请实施例提供的机器人避障控制方法的第二种流程示意图；
图3是本申请实施例提供的机器人避障控制装置的结构示意图；
图4是本申请实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请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。
如在本申请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，在本申请说明书和所附权利要求书的描述中，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。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。“多个”表示“两个或两个以上”。
本申请实施例提供一种机器人避障控制方法，可以由终端设备的处理器在运行相应的计算机程序时执行，基于碰撞检测库对障碍物与机器人之间、机器人各个关节之间的最短距离检测进行解析求解，并通过优化关节速度控制量，可以实现机器人与障碍物最小距离的最大化，从而实现预测式的动态避障效果；基于非线性模型预测控制(NonlinearModel Predictive Control，NMPC)方法可以实现机器人运动学逆解的优化求解，对于具有冗余度的机器人，能够在实现基础运动学控制的同时，满足关节中值逼近，平滑过渡，关节位置、速度极限等其他优化目标或约束条件，实现对机器人进行笛卡尔空间的轨迹跟踪控制，可以在多个逆解之间的平滑切换，保证在机器人物理约束范围内能够达到最大的操作空间，本申请实施例所提供的机器人避障控制方法是基于NMPC和碰撞检测库实现的数值优化求解方法，是可适用于各种类型机器人的通用型避障逆解求解方法，使得机器人不仅能够提前预测碰撞进而减速、重规划路径，且能够绕过障碍物并继续跟踪期望轨迹。
在应用中，终端设备可以是机器人，也可以是任意能够与机器人进行无线通信并对其进行控制的控制设备，例如，遥控器、(云)服务器、手机、平板电脑、可穿戴设备、增强现实(Augmented Reality，AR)/虚拟现实(Virtual Reality，VR)设备、笔记本电脑、超级移动个人计算机(Ultra-Mobile Personal Computer，UMPC)、上网本、个人数字助理(PersonalDigital Assistant，PDA)、桌上型计算机等。碰撞检测库可以是柔性碰撞库(FlexibleCollision Library，FCL)、基于扫成球层次包围体树的碰撞检测算法PQP(ProximityQueries Package)、基于包围盒的碰撞检测算法YAOBI等开源碰撞检测库。
如图1所示，本申请实施例提供的机器人避障控制方法，包括如下步骤S101至S105：
步骤S101、根据第k时刻的末端位置和关节角度及第k时刻的关节角速度，获取第k+1时刻至第k+n时刻的末端位置和关节角度。
在应用中，末端位置和关节角度为机器人在笛卡尔空间坐标系下的状态量，关节角速度为机器人在笛卡尔空间坐标系下的输入量，约束条件基于关节角速度的取值范围构建。
在应用中，k和n为正整数，第k时刻可以为当前时刻，第k+n时刻可以为距离当前时刻Ts时间的未来任一时刻，例如，当n的取值为1时，第k+n时刻为下一时刻，也即第k+1时刻；当n的取值为2时，第k+n时刻为下下一时刻，也即第k+2时刻；……；依此类推，第k+n时刻的具体时间点由n的取值决定。
在一个实施例中，步骤S101具体包括：
根据第k+i时刻的末端位置和关节角度及第k+i时刻的关节角速度，获取第k+i+1时刻的末端位置和关节角度；
其中，i＝0,1,2,…,n-1。
在应用中，第k时刻的末端位置和关节角度和关节角速度为已知量，根据这些已知量对机器人的运动状态进行递推，可以依次获得机器人从未来第k+1时刻至第k+n时刻的末端位置和关节角度。具体的，根据第k时刻的末端位置和关节角度和关节角速度，推导获得未来第k+1时刻的末端位置和关节角度；根据第k+1时刻的末端位置和关节角度和关节角速度，推导获得未来第k+2时刻的末端位置和关节角度；……；依此递推，最终根据第k+n-1时刻的末端位置和关节角度和关节角速度，推导获得未来第k+n时刻的末端位置和关节角度。
如图2所示，在一个实施例中，步骤S101具体包括如下步骤S1011和S1012：
步骤S1011、根据第k+i时刻的关节角度和第k+i时刻的关节角速度，获取第k+i时刻机器人的末端的速度；
步骤S1012、根据所述第k+i时刻机器人的末端的速度、第k+i时刻的末端位置和关节角度及第k+i+1时刻与第k+i时刻之间的间隔时间，获取第k+i+1时刻的末端位置和关节角度。
在应用中，步骤S1011和S1012为“根据第k+i时刻的末端位置和关节角度及第k+i时刻的关节角速度，获取第k+i+1时刻的末端位置和关节角度”的具体实现步骤，在第一次推导过程中，首先，根据第k时刻的关节角度和第k时刻的关节角速度，获取第k时刻机器人的末端在笛卡尔空间坐标系下的速度；
然后，根据第k时刻机器人的末端在笛卡尔空间坐标系下的速度、第k时刻的末端位置和关节角度及第k+1时刻与第k时刻之间的间隔时间，获取第k+1时刻的末端位置和关节角度；
在第二次推导过程中，首先，根据第k+1时刻的关节角度和第k+1时刻的关节角速度，获取第k+1时刻机器人的末端在笛卡尔空间坐标系下的速度；
然后，根据第k+1时刻机器人的末端在笛卡尔空间坐标系下的速度、第k+1时刻的末端位置和关节角度及第k+2时刻与第k+1时刻之间的间隔时间，获取第k+2时刻的末端位置和关节角度；
……；
按照上述步骤，依次递推，即可最终得到第k+n时刻的末端位置和关节角度。
在一个实施例中，步骤S1011中，第k+i-1时刻机器人的末端的速度的计算公式为：
Figure BDA0003440454980000071
步骤S1012中，第k+i+1时刻的末端位置和关节角度的计算公式为：
Figure BDA0003440454980000072
其中，
Figure BDA0003440454980000073
表示第k+i时刻机器人的末端的速度，θ(k+i)表示第k+i时刻的关节角度，J()表示雅可比矩阵，
Figure BDA0003440454980000081
表示第k+i时刻的关节角速度，X(k+i+1)表示第k+i+1时刻的末端位置和关节角度，X(k+i)表示第k+i时刻的末端位置和关节角度，Tk+i+1表示第k+i+1时刻对应的时间点，Tk+i表示第k+i时刻对应的时间点。
在应用中，假设第k时刻对应的时间点为Tk，第k+n时刻对应的时间点为Tk+n，第k时刻和第k+n时刻之间的时间间隔为Ts时间，则第k时刻和第k+n时刻之间的任意相邻两个时刻之间的时间间隔为Ts/n，第k+1时刻对应的时间点为Tk+1＝Tk+Ts/n，第k+2时刻对应的时间点为Tk+2＝Tk+2Ts/n，第k+3时刻对应的时间点为Tk+3＝Tk+3Ts/n，……，依此类推，即可获得各时刻对应的时间点。
在应用中，上述第k+i时刻机器人的末端在笛卡尔空间坐标系下的速度的计算公式和第k+i+1时刻的末端位置和关节角度的计算公式的推导过程如下：
以机器人的末端在笛卡尔空间坐标系下的速度作为控制目标(也即末端位置和关节角度)，以机器人各个关节角速度为关节角速度，可得对于机器人的等式约束为：
Figure BDA0003440454980000082
其中，
Figure BDA0003440454980000083
表示机器人的末端在笛卡尔空间坐标系下的速度，J(θ)表示雅可比矩阵，
Figure BDA0003440454980000084
表示机器人各个关节角速度。
将公式一写成离散形式可得：
Figure BDA0003440454980000085
将公式二整理成如下形式：
Figure BDA0003440454980000086
公式三中的末端位置和关节角度和关节角速度分别为：
X(k+i)＝[x(k+i)；θ(k+i)]
Figure BDA0003440454980000087
其中，f()是关于末端位置和关节角度和关节角速度的非线性函数，x(k+i)表示第k+i时刻机器人的末端在笛卡尔空间坐标系下的位置坐标，其中和末端位置和关节角度相关的分量为J(θ(k+i))，和关节角速度相关的分量为
Figure BDA0003440454980000091
将末端位置和关节角度变化率进行如下处理：
Figure BDA0003440454980000092
根据公式四可以得到：
X(k+i+1)＝X(k+i)+(Tk+i+1-Tk+i)f(X(k+i),u(k+i)) (公式五)
将公式五简化记作：
X(k+i+1)＝F(X(k+i),u(k+i)) (公式六)
根据公式六进行迭代求解，可得Ts内n个时刻的末端位置和关节角度的预测值分别为：
Figure BDA0003440454980000093
步骤S102、基于碰撞检测库，根据第k时刻至第k+n-1时刻的关节角速度，构建避障函数。
在应用中，可以采用碰撞检测库通过将多个碰撞对(例如，机器人本体和外界障碍物之间、机器人自身各个连杆之间、或末端与连杆之间)建立为球体、方体、柱体等基础形状体，通过视觉设备获取障碍物和机器人的工作空间的位姿，并根据机器人的关节角度计算得到各个碰撞对之间的最短距离和最短距离处的三维坐标。如此，在已知机器人关节角度的情况下，可通过调用碰撞检测库，直接得到机器人与障碍物之间的最短距离，从而基于该最短距离构建避障函数。
在一个实施例中，步骤S102包括：
基于碰撞检测库，根据第k时刻至第k+n-1时刻的障碍物距离权重、所述机器人在笛卡尔空间坐标系下的初始关节角度、第k时刻至第k+n-1时刻的关节角速度及第k时刻至第k+n时刻中每组相邻的两个时刻之间的时间间隔，构建避障函数。
在应用中，根据关节角速度，进行中间处理并调用碰撞检测库的最短距离检测函数，可得到避障函数。第k+1时刻至第k+n时刻中的前半部分时刻的障碍物距离权重的取值越小，开始避障的时机越提前，但也会带来轨迹跟踪误差的增加；第k+1时刻至第k+n时刻中的前半部分时刻的障碍物距离权重的取值越大，开始避障的时机越滞后，增加了轨迹跟踪精度，但降低了避障安全性。
在一个实施例中，步骤S102中，避障函数的表达式为：
Figure BDA0003440454980000101
其中，fobj表示避障函数，δk+i表示第k+i时刻的障碍物距离权重，qinit表示初始关节角度，g()表示最短距离检测函数，u(k+i)表示第k+i时刻的关节角速度，Tk+i+1表示第k+i+1时刻对应的时间点，Tk+i表示第k+i时刻对应的时间点。
步骤S103、根据第k时刻至第k+n时刻的末端位置和关节角度、第k时刻至第k+n时刻的末端位置和关节角度的期望值及第k时刻至第k+n-1时刻的关节角速度和所述避障函数，构建目标函数；
步骤S104、基于非线性模型预测控制方法，对目标函数进行极小值求解，获取满足约束条件的第k+1时刻的关节角速度；
步骤S105、根据第k+1时刻的关节角速度，对第k+1时刻机器人的末端的速度进行控制。
在应用中，由于第k+1时刻至第k+n时刻的末端位置和关节角度是根据上述递推方法得到，其中包含高度的非线性，因此，目标函数的求解问题即可以看作是典型的NMPC问题，假设未来Ts时间内期望输出的末端位置和关节角度为[yd(k+1),yd(k+2),...,yd(k+n)]，则要在期望输出的末端位置和关节角度下实现对机器人的跟踪控制并实现实时避障，则需要基于第k时刻至第k+n时刻的末端位置和关节角度、第k时刻至第k+n时刻的末端位置和关节角度的期望值、第k时刻至第k+n-1时刻的关节角速度和避障函数，构建目标函数并进行求解。期望值可以基于对机器人的路径规划得到，例如，可以将机器人的各个关节的运动范围的中间值作为末端位置和关节角度的期望值。
在一个实施例中，步骤S103中，目标函数的表达式为：
Figure BDA0003440454980000111
其中，min()表示求最小值函数，∑()表示求和函数，|| ||2表示二范数，yd(k+i)表示所述第k+i时刻的末端位置和关节角度的期望值，X(k+i)表示所述第k+i时刻的末端位置和关节角度，u(k+i)表示所述第k+i时刻的关节角速度，fobj表示所述避障函数，α表示轨迹跟踪权重，β表示输入平滑权重，χ表示避障权重。
在应用中，由于机器人的关节角速度有限，不可能无限大或无限小，因此，可以将该关节角速度的取值范围作为约束条件。
在一个实施例中，步骤S104中，约束条件的表达式包括：
Figure BDA0003440454980000112
其中，u(k+i)表示第k+i时刻的关节角速度，
Figure BDA0003440454980000113
表示关节角速度的上限值，
Figure BDA0003440454980000114
表示关节角速度的下限值。
在应用中，倘若期望输出的末端位置和关节角度对机器人关节角度有要求，则还需要将关节角度的取值范围作为约束条件，若对机器人关节角度无要求，则在优化指标中去除相关项即可。
在一个实施例中，步骤S104中，约束条件的表达式还包括：
θmin<C·X(k+i)<θmax
Figure BDA0003440454980000121
其中，X(k+i)表示第k+i时刻的末端位置和关节角度，θmax表示关节角度的上限值，θmin表示关节角度的下限值。
在应用中，将优化指标(也即目标函数)写成非线性模型预测控制的标准形式即为：
Figure BDA0003440454980000122
在一个实施例中，步骤S104包括：
基于非线性模型预测控制方法，对所述目标函数进行极小值求解，获取满足约束条件的第k+i+1时刻的关节角速度；
步骤S105包括：
根据所述第k+i+1时刻的关节角速度，对第k+i+1时刻机器人的末端在笛卡尔空间坐标系下的速度进行控制。
在应用中，通过求解上述非线性模型预测控制问题，可以获得未来n个时刻的关节角速度，进而实现在未来n个时刻对机器人的末端在笛卡尔空间坐标系下的速度进行控制。由于在实际控制中，只需要根据第k+1时刻的关节角速度，实现对第k+1时刻的末端位置和关节角度的控制，从而实现对第k+1时刻机器人的末端在笛卡尔空间坐标系下的速度进行控制，因此，仅输出第k+1时刻的关节角速度即可。在后续控制过程中，则根据上述控制方法，不断迭代求解，以实现对机器人的末端运动速度的持续控制。
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。
本申请实施例还提供一种机器人避障控制装置，用于执行上述方法实施例中的方法步骤。该装置可以是终端设备中的虚拟装置(virtual appliance)，由终端设备的处理器运行，也可以是终端设备本身。
如图3所示，本申请实施例提供的机器人避障控制装置100包括：
状态量获取单元101，用于根据第k时刻的末端位置和关节角度及第k时刻的关节角速度，获取第k+1时刻至第k+n时刻的末端位置和关节角度；
避障函数构建单元102，用于基于碰撞检测库，根据第k时刻至第k+n-1时刻的关节角速度，构建避障函数；
目标函数构建单元103，用于根据第k时刻至第k+n时刻的末端位置和关节角度、第k时刻至第k+n时刻的末端位置和关节角度的期望值及第k时刻至第k+n-1时刻的关节角速度和避障函数，构建目标函数；
输入量获取单元104，用于基于非线性模型预测控制方法，对目标函数进行极小值求解，获取满足约束条件的第k+1时刻的关节角速度；
控制单元105，用于根据第k+1时刻的关节角速度，对第k+1时刻机器人的末端在笛卡尔空间坐标系下的速度进行控制；
其中，约束条件基于关节角速度的取值范围构建，k和n为正整数。
在应用中，上述装置中的各单元可以为软件程序模块，也可以通过处理器中集成的不同逻辑电路或与处理器连接的独立物理部件实现，还可以通过多个分布式处理器实现。
如图4所示，本申请实施例还提供一种终端设备200，包括：至少一个处理器201(图4中仅示出一个处理器)、存储器202以及存储在存储器202中并可在至少一个处理器202上运行的计算机程序203，处理器202执行计算机程序203时实现上述各个机器人避障控制方法实施例中的步骤。
在应用中，终端设备可包括，但不仅限于，处理器以及存储器，图4仅仅是终端设备的举例，并不构成对终端设备的限定，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，输入输出设备、网络接入设备等。输入输出设备可以包括摄像头、音频采集/播放器件、显示屏等。网络接入设备可以包括无线通信模块，用于与外部设备进行无线通信。当终端设备是机器人时必然还包括舵机等动力部件。
在应用中，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、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)或者其他可编程逻辑器件、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。
在应用中，存储器在一些实施例中可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器在另一些实施例中也可以是终端设备的外部存储设备，例如，终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)等。存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等，例如计算机程序的程序代码等。存储器还可以用于暂时存储已经输出或者将要输出的数据。
在应用中，显示屏可以为薄膜晶体管液晶显示屏(Thin Film Transistor LiquidCrystal Display，TFT-LCD)、液晶显示屏(Liquid Crystal Display，LCD)、有机电激光显示屏(Organic Light-Emitting Diode，OLED)、量子点发光二极管(Quantum Dot LightEmitting Diodes，QLED)显示屏，七段或八段数码管等。
在应用中，无线通信模块可以根据实际需要设置为任意能够直接或间接进行远距离无线通信的器件，例如，无线通信模块可以提供应用在网络设备上的包括无线局域网(Wireless Localarea Networks，WLAN)(如Wi-Fi网络)，蓝牙，Zigbee，移动通信网络，全球导航卫星系统(Global Navigation Satellite System，GNSS)，调频(FrequencyModulation，FM)，近距离无线通信技术(Near Field Communication，NFC)，红外技术(Infrared，IR)等通信的解决方案。无线通信模块可以包括天线，天线可以只有一个阵元，也可以是包括多个阵元的天线阵列。无线通信模块可以通过天线接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理器。无线通信模块还可以从处理器接收待发送的信号，对其进行调频、放大，经天线转为电磁波辐射出去。
需要说明的是，上述装置/模块之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
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，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要将上述功能分配由不同的功能模块完成，即将所述装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中，上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。另外，各功能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。
本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器所执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备可实现上述各个方法实施例中的步骤。
所述集成的模块如果以软件功能模块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取存储介质中。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，可以通过计算机程序来指令相关的硬件来完成，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。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到终端设备的任何实体或装置、记录介质、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。例如U盘、移动硬盘、磁碟或者光盘等。
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模块及算法步骤，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，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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，例如多个模块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，装置或模块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模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
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 (10)

1.一种机器人避障控制方法，其特征在于，包括：
根据第k时刻的末端位置和关节角度及第k时刻的关节角速度，获取第k+1时刻至第k+n时刻的末端位置和关节角度；
基于碰撞检测库，根据第k时刻至第k+n-1时刻的关节角速度，构建避障函数；
根据第k时刻至第k+n时刻的末端位置和关节角度、第k时刻至第k+n时刻的末端位置和关节角度的期望值及第k时刻至第k+n-1时刻的关节角速度和所述避障函数，构建目标函数；
基于非线性模型预测控制方法，对所述目标函数进行极小值求解，获取满足约束条件的第k+1时刻的关节角速度；
根据所述第k+1时刻的关节角速度，对第k+1时刻机器人的末端的速度进行控制；
其中，所述约束条件基于所述关节角速度的取值范围构建，k和n为正整数。
2.如权利要求1所述的机器人避障控制方法，其特征在于，所述根据第k时刻的末端位置和关节角度及第k时刻的关节角速度，获取第k+1时刻至第k+n时刻的末端位置和关节角度，包括：
根据第k+i时刻的关节角度和第k+i时刻的关节角速度，获取第k+i时刻机器人的末端的速度；
根据所述第k+i时刻机器人的末端的速度、第k+i时刻的末端位置和关节角度及第k+i+1时刻与第k+i时刻之间的间隔时间，获取第k+i+1时刻的末端位置和关节角度；
其中，i＝0,1,2,…,n-1。
3.如权利要求2所述的机器人避障控制方法，其特征在于，所述第k+i时刻机器人的末端的速度的计算公式为：
Figure FDA0003440454970000021
所述第k+i+1时刻的末端位置和关节角度的计算公式为：
Figure FDA0003440454970000022
其中，
Figure FDA0003440454970000023
表示所述第k+i时刻机器人的末端的速度，θ(k+i)表示所述第k+i时刻的关节角度，J()表示雅可比矩阵，
Figure FDA0003440454970000024
表示所述第k+i时刻的关节角速度，X(k+i+1)表示所述第k+i+1时刻的末端位置和关节角度，X(k+i)表示所述第k+i时刻的末端位置和关节角度，Tk+i+1表示所述第k+i+1时刻对应的时间点，Tk+i表示所述第k+i时刻对应的时间点。
4.如权利要求1所述的机器人避障控制方法，其特征在于，所述基于碰撞检测库，根据第k时刻至第k+n-1时刻的关节角速度，构建避障函数，包括：
基于碰撞检测库，根据第k时刻至第k+n-1时刻的障碍物距离权重、所述机器人的初始关节角度、第k时刻至第k+n-1时刻的关节角速度及第k时刻至第k+n时刻中每组相邻的两个时刻之间的时间间隔，构建避障函数。
5.如权利要求4所述的机器人避障控制方法，其特征在于，所述避障函数的表达式为：
Figure FDA0003440454970000025
其中，fobj表示所述避障函数，δk+i表示第k+i时刻的障碍物距离权重，qinit表示所述初始关节角度，g()表示最短距离检测函数，u(k+i)表示第k+i时刻的关节角速度，Tk+i表示第k+i时刻对应的时间点，Tk+i+1表示第k+i+1时刻对应的时间点。
6.如权利要求1至5任一项所述的机器人避障控制方法，其特征在于，所述目标函数的表达式为：
Figure FDA0003440454970000026
其中，min()表示求最小值函数，∑()表示求和函数，|| ||2表示二范数，yd(k+i)表示所述第k+i时刻的末端位置和关节角度的期望值，X(k+i)表示所述第k+i时刻的末端位置和关节角度，u(k+i)表示所述第k+i时刻的关节角速度，fobj表示所述避障函数，α表示轨迹跟踪权重，β表示输入平滑权重，χ表示避障权重。
7.如权利要求1至5任一项所述的机器人避障控制方法，其特征在于，所述约束条件的表达式包括：
Figure FDA0003440454970000031
θmin<C·X(k+i)<θmax
Figure FDA0003440454970000032
其中，u(k+i)表示所述第k+i时刻的关节角速度，
Figure FDA0003440454970000033
表示所述关节角速度的上限值，
Figure FDA0003440454970000034
表示所述关节角速度的下限值，X(k+i)表示所述第k+i时刻的末端位置和关节角度，θmax表示所述关节角度的上限值，θmin表示所述关节角度的下限值。
8.一种机器人避障控制装置，其特征在于，包括：
状态量获取单元，用于根据第k时刻的末端位置和关节角度及第k时刻的关节角速度，获取第k+1时刻至第k+n时刻的末端位置和关节角度；
避障函数构建单元，用于基于碰撞检测库，根据第k时刻至第k+n-1时刻的关节角速度，构建避障函数；
目标函数构建单元，用于根据第k时刻至第k+n时刻的末端位置和关节角度、第k时刻至第k+n时刻的末端位置和关节角度的期望值及第k时刻至第k+n-1时刻的关节角速度和所述避障函数，构建目标函数；
输入量获取单元，用于基于非线性模型预测控制方法，对所述目标函数进行极小值求解，获取满足约束条件的第k+1时刻的关节角速度；
控制单元，用于根据所述第k+1时刻的关节角速度，对第k+1时刻机器人的末端的速度进行控制；
其中，所述约束条件基于所述关节角速度的取值范围构建，k和n为正整数。
9.一种终端设备，其特征在于，包括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如权利要求1至7任一项所述机器人避障控制方法的步骤。
10.一种计算机可读存储介质，其特征在于，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如权利要求1至7任一项所述机器人避障控制方法的步骤。
CN202111631799.0A 2021-12-28 2021-12-28 一种机器人避障控制方法、装置、终端设备及存储介质 Pending CN114227686A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111631799.0A CN114227686A (zh) 2021-12-28 2021-12-28 一种机器人避障控制方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111631799.0A CN114227686A (zh) 2021-12-28 2021-12-28 一种机器人避障控制方法、装置、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN114227686A true CN114227686A (zh) 2022-03-25

Family

ID=80743967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111631799.0A Pending CN114227686A (zh) 2021-12-28 2021-12-28 一种机器人避障控制方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN114227686A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116263605A (zh) * 2023-04-21 2023-06-16 杭州国辰机器人科技有限公司 基于非线性优化的移动机器人平滑、实时碰撞规避方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104571128A (zh) * 2014-12-26 2015-04-29 燕山大学 基于距离与视差信息的水下机器人避障方法
JP2018181166A (ja) * 2017-04-20 2018-11-15 株式会社Ihi 移動体の制御方法および移動体制御システム
CN110682286A (zh) * 2019-05-28 2020-01-14 广东省智能制造研究所 一种协作机器人实时避障方法
CN110977989A (zh) * 2019-12-27 2020-04-10 广东省智能制造研究所 一种协作机器人的运动规划与实时避障方法及系统
US20210197379A1 (en) * 2019-12-30 2021-07-01 Ubtech Robotics Corp Ltd Method and device for controlling arm of robot
CN113618739A (zh) * 2021-08-24 2021-11-09 深圳市优必选科技股份有限公司 一种机器人动态避障方法、装置和机器人
CN113618742A (zh) * 2021-08-24 2021-11-09 深圳市优必选科技股份有限公司 一种机器人避障方法、装置和机器人
CN113681543A (zh) * 2021-08-25 2021-11-23 深圳亿嘉和科技研发有限公司 一种基于模型预测的机械臂零力控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104571128A (zh) * 2014-12-26 2015-04-29 燕山大学 基于距离与视差信息的水下机器人避障方法
JP2018181166A (ja) * 2017-04-20 2018-11-15 株式会社Ihi 移動体の制御方法および移動体制御システム
CN110682286A (zh) * 2019-05-28 2020-01-14 广东省智能制造研究所 一种协作机器人实时避障方法
CN110977989A (zh) * 2019-12-27 2020-04-10 广东省智能制造研究所 一种协作机器人的运动规划与实时避障方法及系统
US20210197379A1 (en) * 2019-12-30 2021-07-01 Ubtech Robotics Corp Ltd Method and device for controlling arm of robot
CN113618739A (zh) * 2021-08-24 2021-11-09 深圳市优必选科技股份有限公司 一种机器人动态避障方法、装置和机器人
CN113618742A (zh) * 2021-08-24 2021-11-09 深圳市优必选科技股份有限公司 一种机器人避障方法、装置和机器人
CN113681543A (zh) * 2021-08-25 2021-11-23 深圳亿嘉和科技研发有限公司 一种基于模型预测的机械臂零力控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曾献文，翟敬梅: "未知时变环境下机器人自校正阻抗控制研究", 《机械设计与制造》, no. 6, 30 June 2021 (2021-06-30) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116263605A (zh) * 2023-04-21 2023-06-16 杭州国辰机器人科技有限公司 基于非线性优化的移动机器人平滑、实时碰撞规避方法

Similar Documents

Publication Publication Date Title
CN109000654B (zh) 定位方法、装置、设备及存储介质
CN110794844A (zh) 自动驾驶方法、装置、电子设备及可读存储介质
CN114227686A (zh) 一种机器人避障控制方法、装置、终端设备及存储介质
CN114219905A (zh) 一种地图构建方法、装置、终端设备及存储介质
CN115847422A (zh) 一种用于遥操作的姿态识别方法、装置及系统
Huynh et al. A study on vision-based backstepping control for a target tracking system
CN117359639A (zh) 一种机器人集群协作控制方法及系统
CN114227687A (zh) 一种机器人控制方法、装置、终端设备及存储介质
Cui et al. Fast and accurate obstacle detection of manipulator in complex human–machine interaction workspace
Hsu Obstacle avoidance path scheme of snake robot based on bidirectional fast expanding random tree algorithm
Miądlicki et al. LiDAR based system for tracking loader crane operator
CN115393428A (zh) 一种移动机器人的定位参数标定方法和装置
CN113310484B (zh) 一种移动机器人定位方法和系统
Zhang et al. Binocular visual pendulum angle detection and anti-swing control of quadrotor suspension system
Zhang et al. Human-agv interaction: Real-time gesture detection using deep learning
Liu et al. BP neural Network-Kalman filter fusion method for unmanned aerial vehicle target tracking
Huang et al. Multi-objective trajectory optimization of the 2-redundancy planar feeding manipulator based on pseudo-attractor and radial basis function neural network
Yang et al. Research of garbage salvage system based on deep learning
Korayem et al. Dynamic optimal payload path planning of mobile manipulators among moving obstacles
CN113110448B (zh) 基于最小二乘的目标检测方法、系统、机器人和存储介质
Huang The correlation between the development of IoT robot technology and the effect of economic development
Han Multimodal intelligent logistics robot combining 3D CNN, LSTM, and visual SLAM for path planning and control
CN116148883B (zh) 基于稀疏深度图像的slam方法、装置、终端设备及介质
Xu et al. Real-Time Parametric Path Planning Algorithm for Agricultural Machinery Kinematics Model Based on Particle Swarm Optimization
TWI812102B (zh) 二無人載具協同導航方法與系統

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