CN114683271A - 一种异构芯片的视驱控一体化控制系统 - Google Patents
一种异构芯片的视驱控一体化控制系统 Download PDFInfo
- Publication number
- CN114683271A CN114683271A CN202011633471.8A CN202011633471A CN114683271A CN 114683271 A CN114683271 A CN 114683271A CN 202011633471 A CN202011633471 A CN 202011633471A CN 114683271 A CN114683271 A CN 114683271A
- Authority
- CN
- China
- Prior art keywords
- module
- electrically connected
- robot
- output end
- input end
- 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
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 20
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
-
- 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
- B25J9/1694—Programme 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
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Manipulator (AREA)
Abstract
一种异构芯片的视驱控一体化控制系统，视驱控一体化控制系统在所述异构芯片内完成，所述视驱控一体化控制系统包括片内FPGA、CPU‑A核、CPU‑R核、第一连接模块、第二连接模块以及第三连接模块；片内FPGA用于获取外部图像与驱动机器人运作，片内FPGA通过第一连接模块与CPU‑A核实现电联接；CPU‑A核用于根据片内FPGA所发送的数据确定机器人的目标位姿，CPU‑A核通过第二连接模块与CPU‑R核实现电联接；CPU‑R核用于确定机器人的最终动作，CPU‑R核通过第三连接模块与片内FPGA实现电联接，对比现有的集成解决方案，所述一种异构芯片的视驱控一体化控制系统，采用单颗多核异构SoC芯片完成视觉反馈、运动控制、伺服驱动任务，具有更低成本、更小体积以及更高的数据带宽的平台优势。
Description
技术领域
本发明是智能机器人技术领域，更具体地涉及一种异构芯片的视驱控一体化控制系统。
背景技术
目前，在全世界的制造业中，工业机器人已经起到了越来越重要的作用。为使机器人能够胜任更加复杂的工作，机器人不仅要具备良好的控制系统，还需能够感知环境的变化。视觉伺服控制系统是基于视觉信息的反馈控制，使机器人能够实时调整位姿，实现精确的跟踪或定位。与传统机器人控制相比，具有更明显的优点：更高的灵活性、更高的精度，并且使机器人向智能化和自主作业成为可能。
从近年视觉伺服研究的发展可以看到，视觉伺服仍有很多问题没有解决。实时性、稳定性、精确性都是机器人视觉伺服系统难以解决的重要问题，而机器人视觉技术的发展还是主要依靠PC技术，并与数据采集等其他控制和测量的集成。工业机器人视觉伺服系统大多采用机器人控制器、视觉控制器、伺服驱动分布式架构构成，存在体积大、可靠性差、电控系统复杂、生产成本高等问题。随着加工制造业的发展，对于机器人视觉产品需求的逐渐增多，针对机器人应用需要一个高度整合和优化的嵌入式控制系统，使视觉、运动控制和驱动控制高度融合在一起。
发明内容
本发明的目的在于针对背景技术中的缺陷，提出一种异构芯片的视驱控一体化控制系统。
为达此目的，本发明采用以下技术方案：一种异构芯片的视驱控一体化控制系统，视驱控一体化控制系统在所述异构芯片内完成，所述视驱控一体化控制系统包括片内FPGA、CPU-A核、CPU-R核、第一连接模块、第二连接模块以及第三连接模块；
所述片内FPGA用于获取外部图像与驱动机器人运作，所述片内FPGA通过第一连接模块与CPU-A核实现电联接；
所述CPU-A核用于根据所述片内FPGA所发送的数据确定机器人的目标位姿，所述CPU-A核通过第二连接模块与CPU-R核实现电联接；
所述CPU-R核用于控制机器人各关节动作，实现机器人目标位姿到达，所述CPU-R核通过第三连接模块与片内FPGA实现电联接。
优选的，所述片内FPGA包括：图像信号处理模块、关节电流闭环模块、关节数据采集模块以及动力学矩阵加速模块；
所述图像信号处理模块的输出端与第一连接模块电的输入端电联接；
所述关节电流闭环模块的输入端与第三连接模块的输出端电联接；
节数据采集模块的输出端分别与第三连接模块和所述关节电流闭环模块的输入端电联接；
所述动力学矩阵加速模块的输入端与输出端均与所述第三连接模块电联接。
优选的，所述CPU-A核包括：特征位姿估算模块和特征识别定位模块；
所述特征位姿估算模块的输出端与所述特征识别定位模块的输入端电联接；所述特征识别定位模块的输入端与所述第一连接模块的输出端电联接，所述特征位姿估算模块的输出端与所述第二连接模块的输入端电联接。
优选的，所述CPU-R核包括：伺服运动规划模块、机器人运动学模块、机器人动力学模块与关节速度闭环模块；
所述伺服运动规划模块的输入端分别与所述第二连接模块、机器人运动学模块和机器人动力学模块的输出端电联接，所述伺服运动规划模块的输出端与机器人运动学模块的输入端电联接；
所述机器人运动学模块的输入端与所述第三连接模块的输出端电连接，所述机器人运动学模块的输出端分别与所述机器人动力学模块和关节速度闭环模块的输入端电联接；
所述机器人动力学模块的的输出端与输入端均与所述第三连接模块电联接，所述机器人动力学模块的输出端与所述关节速度闭环模块的输入端电联接；
所述关节速度闭环模块的输出端与输入端均与所述第三连接模块电联接。
优选的，所述第一连接模块包括：特征图像模块，所述特征图像模块的输入端与图像信号处理模块的输出端电联接，所述特征图像模块的输出端与所述特征识别定位模块电联接。
优选的，所述第二连接模块包括：机器人位姿补偿模块和机器人测量位姿模块；
所述机器人位姿补偿模块的输入端与所述特征识别定位模块的输出端电联接，所述机器人位姿补偿模块的输出端与所述伺服运动规划模块的输入端电联接；
所述机器人测量位姿模块的输入端与所述机器人运动学模块的输出端电联接。所述机器人测量位姿模块的输出端与所述特征位姿估算模块的输入端电联接。
优选的，所述第三连接模块包括动力学矩阵参数模块、电流控制参数模块和关节反馈数据模块；
所述动力学矩阵参数模块的输出端分别与所述机器人动力学模块和动力学矩阵加速模块的输入端电联接，所述动力学矩阵参数模块的输入端分别与所述机器人动力学模块和动力学矩阵加速模块的输出端电联接；
所述电流控制参数模的输入端与所述关节速度闭环模块的输出端电联接，所述电流控制参数模的输出端与关节电流闭环模块的输入端电联接；
所述关节反馈数据模块的输出端分别与机器人动力学模块和关节速度闭环模块的输入端电联接，所述关节反馈数据模块的输入端与所述关节数据采集模块的输出端电联接。
有益效果：1.对比现有视觉模块加运动控制模块加伺服驱动模块的集成解决方案，异构芯片的视驱控一体化控制系统采用单颗多核异构SoC芯片完成视觉反馈、运动控制、伺服驱动任务，具有更低成本、更小体积以及更高的数据带宽的平台优势。
2.对比现有视觉模块仅以图像特征进行特征搜索及识别，异构芯片的视驱控一体化控制系统一方面利用片内FPGA并行处理技术，对图像的特征轮廓进行预处理加速；另一方面，利用CPU-R核的机器人模型及位姿，在片内FPGA对相机观测图像上的特征位姿概率分布进行估计，对图像的特征位姿概率分布从高至低进行识别，进而提高识别速度及准确率，并结合视觉伺服运动控制，对机器人视觉伺服性能的提高。
3.异构芯片的视驱控一体化控制系统，创造性的利用片内FPGA对冗余的动力学矩阵运算进行高速并行处理，并协同CPU-R核完成动力学参数及电流前馈参数运算，并补偿至运动规划和电流闭环控制中，从而提升系统的动态响应能力。同时，实现基于机器视觉位置误差的动态补偿。
附图说明
附图对本发明做进一步说明，但附图中的内容不构成对本发明的任何限制。
图1为本发明的数据流图；
图2为本发明的系统与机器人连接的示意图；
具体实施方式
下面结合附图1-2并通过具体实施方式来进一步说明本发明的技术方案。
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一种异构芯片的视驱控一体化控制系统，视驱控一体化控制系统在所述异构芯片内完成，所述视驱控一体化控制系统包括片内FPGA、CPU-A核、CPU-R核、第一连接模块、第二连接模块以及第三连接模块；
所述片内FPGA用于获取外部图像与驱动机器人运作，所述片内FPGA通过第一连接模块与CPU-A核实现电联接；
所述CPU-A核用于根据所述片内FPGA所发送的数据确定机器人的目标位姿，所述CPU-A核通过第二连接模块与CPU-R核实现电联接；
所述CPU-R核用于控制机器人各关节动作，实现机器人目标位姿到达，所述CPU-R核通过第三连接模块与片内FPGA实现电联接。
所述第二连接模块设计有CPU-A核与CPU-R核的数据交互框架，责机器人测量位姿、机器人位姿补偿的数据交换。所述第一连接模块设计有CPU-A核与片内FPGA的数据交互框架，负责特征图像的数据交换。所述第三连接模块，设计有片内FPGA与CPU-A核的数据交互框架，负责关节反馈数据、电流控制参数、动力学矩阵参数的数据交换。
更进一步的说明，所述片内FPGA包括：图像信号处理模块、关节电流闭环模块、关节数据采集模块以及动力学矩阵加速模块；
所述图像信号处理模块的输出端与第一连接模块电的输入端电联接；
所述关节电流闭环模块的输入端与第三连接模块的输出端电联接；
节数据采集模块的输出端分别与第三连接模块和所述关节电流闭环模块的输入端电联接；
所述动力学矩阵加速模块的输入端与输出端均与所述第三连接模块电联接。
更进一步的说明，所述CPU-A核包括：特征位姿估算模块和特征识别定位模块；
所述特征位姿估算模块的输出端与所述特征识别定位模块的输入端电联接；所述特征识别定位模块的输入端与所述第一连接模块的输出端电联接，所述特征位姿估算模块的输出端与所述第二连接模块的输入端电联接。
更进一步的说明，所述CPU-R核包括：伺服运动规划模块、机器人运动学模块、机器人动力学模块与关节速度闭环模块；
所述伺服运动规划模块的输入端分别与所述第二连接模块、机器人运动学模块和机器人动力学模块的输出端电联接，所述伺服运动规划模块的输出端与机器人运动学模块的输入端电联接；
所述机器人运动学模块的输入端与所述第三连接模块的输出端电连接，所述机器人运动学模块的输出端分别与所述机器人动力学模块和关节速度闭环模块的输入端电联接；
所述机器人动力学模块的的输出端与输入端均与所述第三连接模块电联接，所述机器人动力学模块的输出端与所述关节速度闭环模块的输入端电联接；
所述关节速度闭环模块的输出端与输入端均与所述第三连接模块电联接。
更进一步的说明，所述第一连接模块包括：特征图像模块，所述特征图像模块的输入端与图像信号处理模块的输出端电联接，所述特征图像模块的输出端与所述特征识别定位模块电联接。
更进一步的说明，所述第二连接模块包括：机器人位姿补偿模块和机器人测量位姿模块；
所述机器人位姿补偿模块的输入端与所述特征识别定位模块的输出端电联接，所述机器人位姿补偿模块的输出端与所述伺服运动规划模块的输入端电联接；
所述机器人测量位姿模块的输入端与所述机器人运动学模块的输出端电联接。所述机器人测量位姿模块的输出端与所述特征位姿估算模块的输入端电联接。
更进一步的说明，所述第三连接模块包括动力学矩阵参数模块、电流控制参数模块和关节反馈数据模块；
所述动力学矩阵参数模块的输出端分别与所述机器人动力学模块和动力学矩阵加速模块的输入端电联接，所述动力学矩阵参数模块的输入端分别与所述机器人动力学模块和动力学矩阵加速模块的输出端电联接；
所述电流控制参数模的输入端与所述关节速度闭环模块的输出端电联接，所述电流控制参数模的输出端与关节电流闭环模块的输入端电联接；
所述关节反馈数据模块的输出端分别与机器人动力学模块和关节速度闭环模块的输入端电联接，所述关节反馈数据模块的输入端与所述关节数据采集模块的输出端电联接。
关节数据采集模块，通过采集机器人关节编码器的位置信号，处理并输出关节反馈数据至第三连接模块；所述CPU-R核的所述机器人运动学模块通过获取第三连接模块的关节反馈数据模块获取到机器人关节编码器的位置信号，处理并输出机器人测量位姿至第二连接模块内，供后续计算使用。
所述片内FPGA的图像信号处理模块通过获取外部相机的原始图像，并将原始图像处理为特征图像，处理后将输出特征图像至第一连接模块。所述CPU-A核的特征位姿估算模块通过获取第二连接模块的所述机器人测量位姿模块处理并输出特征估计位姿至所述特征位置估算模块；所述CPU-A核的所述特征识别定位模块通过获取所述特征位姿估算模块的特征估计位姿与所述特征图像模块处理的设定特征数据集，并根据特征估计位姿所确定的范围，利用特征数据集对特征图像进行快速搜索和识别，处理并输出特征测量位姿，并与设定的特征目标位姿进行比较，将比较后的结果输出至所述机器人位姿补偿模块。
所述片内FPGA的动力学矩阵加速模块通过获取第三连接模块的所述动力学矩阵参数进行运算并输出结果返回第三连接模块的动力学矩阵参数模块。所述机器人动力学模块通过获取设定的机器人参数和机器人运动学模块输出的机器人测量位姿来设定所述动力学矩阵参数模块的动力学矩阵参数并获取运算结果。利用机器人动力学模型和所述矩阵加速运算模块进行参数运算，输出动力学参数至所述伺服运动规划模块，输出电流前馈参数至所述关节速度闭环模块。
所述机器人运动学模块通过获取所述关节反馈数据模块的数据处理并输出机器人测量位姿。利用所述机器人位姿补偿模块进行运算输出机器人目标位姿至所述伺服运动规划模块。所述伺服运动规划模块通过获取设定的运动学参数、机器人目标位姿和所述机器人动力学模块输出的动力学参数进行目标收敛路径、速度、加速度规划，最终输出插补数据至所述机器人运动学模块。所述机器人运动学模块通过获取所述伺服运动规划模块输出的插补数据，处理并输出速度控制参数至所述关节速度闭环模块。所述节速度闭环模块通过获取所述机器人运动学模块和机器人动力学模块输出的速度控制参数、电流前馈参数以及获取所述关节反馈数据模块的数据进行关节速度闭环控制计算，并将输出结果电流控制参数至电流控制参数模块。所述关节电流闭环模块通过电流控制参数模块的电流控制参数和所述关节数据采集模块输出的关节位置进行关节电流闭环控制，并输出关节控制信号至机器人的关节电机，实现关节电机和机器人的控制。
本发明的一个实施例的实施步骤如下：机器人的相机拍摄需要抓取目标的原始图像、或者拍摄需移动至该目标位置的原始图像。片内FPGA通过图像信号处理模块获取外部相机的原始图像，采用流水线并行处理方式对原始图像进行降噪、补偿、边缘锐化处理，输出具备特征轮廓、颜色等数据的特征图像，通过所述特征图像模块的数据交互框架传输至CPU-A核；同时，片内FPGA以62.5us为周期采集电流信号和编码器信号，并执行关节电流闭环控制。
进一步，CPU-A核以4ms为周期，对获取的所述特征图像模块的数据，通过特征识别定位模块、特征位姿估算模块以及预设的特征数据集、特征目标位姿、进行特征识别、测量位姿计算和位姿补偿进行计算，并将计算处理结果通过所述机器人位姿补偿模块的数据交互框架传输至CPU-R核用于对运动控制进行实时的位姿补偿，实现基于机器视觉与运动控制的闭环。利用片内FPGA对图像的高速并行处理和CPU-A核完成视觉反馈控制，突破视觉伺服毫秒级控制周期，提高视觉伺服的实时性。
更进一步的说明，CPU-R核以4ms为周期运行伺服运动规划模块、机器人运动学模块和机器人动力学模块。通过机器人运动学模块获取所述关节反馈数据模块的关节数据和所述机器人位姿补偿模块的位姿补偿数据，处理得出机器人目标位姿，进一步通过伺服运动规划模块和机器人运动学模块，处理输出关节速度控制参数至关节速度闭环模块，形成特征位姿对机器人位姿的闭环控制，进而实现机器人的精确定位。
更进一步的说明，第三处理模块以125us为周期运行关节速度闭环控制算法。将计算后的得到的电流控制参数，通过电流控制参数模块发到所述关节电流闭环模块中，实现关节闭环控制，从而控制机器人按照规定的轨迹运行。
为提高机器人视觉伺服和关节伺服的响应性能，利用片内所述动力学矩阵加速模块和所述机器人动力学模块协同工作，以4ms为周期计算出最优加速度的动力学参数及电流前馈参数，并作用于伺服运动规划模块和关节速度闭环模块，实现电流控制参数的优化，显著提高伺服的响应性。
这里，要说明的是，本发明涉及的功能、算法、方法等仅仅是现有技术的常规适应性应用。因此，本发明对于现有技术的改进，实质在于硬件之间的连接关系，而非针对功能、算法、方法本身，也即本发明虽然涉及一点功能、算法、方法，但并不包含对功能、算法、方法本身提出的改进。本发明对于功能、算法、方法的描述，是为了更好的说明本发明，以便更好的理解本发明。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种异构芯片的视驱控一体化控制系统，其特征在于：视驱控一体化控制系统在所述异构芯片内完成，所述视驱控一体化控制系统包括片内FPGA、CPU-A核、CPU-R核、第一连接模块、第二连接模块以及第三连接模块；
所述片内FPGA用于获取外部图像与驱动机器人运作，所述片内FPGA通过第一连接模块与CPU-A核实现电联接；
所述CPU-A核用于根据所述片内FPGA所发送的数据确定机器人的目标位姿，所述CPU-A核通过第二连接模块与CPU-R核实现电联接；
所述CPU-R核用于控制机器人各关节动作，实现机器人目标位姿到达，所述CPU-R核通过第三连接模块与片内FPGA实现电联接。
2.根据权利要求1所述一种异构芯片的视驱控一体化控制系统，其特征在于：所述片内FPGA包括：图像信号处理模块、关节电流闭环模块、关节数据采集模块以及动力学矩阵加速模块；
所述图像信号处理模块的输出端与第一连接模块电的输入端电联接；
所述关节电流闭环模块的输入端与第三连接模块的输出端电联接；
节数据采集模块的输出端分别与第三连接模块和所述关节电流闭环模块的输入端电联接；
所述动力学矩阵加速模块的输入端与输出端均与所述第三连接模块电联接。
3.根据权利要求1所述一种异构芯片的视驱控一体化控制系统，其特征在于：所述CPU-A核包括：特征位姿估算模块和特征识别定位模块；
所述特征位姿估算模块的输出端与所述特征识别定位模块的输入端电联接；所述特征识别定位模块的输入端与所述第一连接模块的输出端电联接，所述特征位姿估算模块的输出端与所述第二连接模块的输入端电联接。
4.根据权利要求1所述一种异构芯片的视驱控一体化控制系统，其特征在于：所述CPU-R核包括：伺服运动规划模块、机器人运动学模块、机器人动力学模块与关节速度闭环模块；
所述伺服运动规划模块的输入端分别与所述第二连接模块、机器人运动学模块和机器人动力学模块的输出端电联接，所述伺服运动规划模块的输出端与机器人运动学模块的输入端电联接；
所述机器人运动学模块的输入端与所述第三连接模块的输出端电连接，所述机器人运动学模块的输出端分别与所述机器人动力学模块和关节速度闭环模块的输入端电联接；
所述机器人动力学模块的的输出端与输入端均与所述第三连接模块电联接，所述机器人动力学模块的输出端与所述关节速度闭环模块的输入端电联接；
所述关节速度闭环模块的输出端与输入端均与所述第三连接模块电联接。
5.根据权利要求1-4所述一种异构芯片的视驱控一体化控制系统，其特征在于：所述第一连接模块包括：特征图像模块，所述特征图像模块的输入端与图像信号处理模块的输出端电联接，所述特征图像模块的输出端与所述特征识别定位模块电联接。
6.根据权利要求1-4所述一种异构芯片的视驱控一体化控制系统，其特征在于：所述第二连接模块包括：机器人位姿补偿模块和机器人测量位姿模块；
所述机器人位姿补偿模块的输入端与所述特征识别定位模块的输出端电联接，所述机器人位姿补偿模块的输出端与所述伺服运动规划模块的输入端电联接；
所述机器人测量位姿模块的输入端与所述机器人运动学模块的输出端电联接。所述机器人测量位姿模块的输出端与所述特征位姿估算模块的输入端电联接。
7.根据权利要求1-4所述一种异构芯片的视驱控一体化控制系统，其特征在于：所述第三连接模块包括动力学矩阵参数模块、电流控制参数模块和关节反馈数据模块；
所述动力学矩阵参数模块的输出端分别与所述机器人动力学模块和动力学矩阵加速模块的输入端电联接，所述动力学矩阵参数模块的输入端分别与所述机器人动力学模块和动力学矩阵加速模块的输出端电联接；
所述电流控制参数模的输入端与所述关节速度闭环模块的输出端电联接，所述电流控制参数模的输出端与关节电流闭环模块的输入端电联接；
所述关节反馈数据模块的输出端分别与机器人动力学模块和关节速度闭环模块的输入端电联接，所述关节反馈数据模块的输入端与所述关节数据采集模块的输出端电联接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011633471.8A CN114683271B (zh) | 2020-12-31 | 2020-12-31 | 一种异构芯片的视驱控一体化控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011633471.8A CN114683271B (zh) | 2020-12-31 | 2020-12-31 | 一种异构芯片的视驱控一体化控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114683271A true CN114683271A (zh) | 2022-07-01 |
| CN114683271B CN114683271B (zh) | 2024-07-30 |
Family
ID=82135269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011633471.8A Active CN114683271B (zh) | 2020-12-31 | 2020-12-31 | 一种异构芯片的视驱控一体化控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114683271B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080147206A1 (en) * | 2004-08-30 | 2008-06-19 | Abb Ab | Control system for Real Time Applications for Cooperative Industrial Robots |
| CN105467930A (zh) * | 2015-11-28 | 2016-04-06 | 张碧陶 | 一种机器视觉与运动控制器、伺服驱动器集成控制系统 |
| CN106272484A (zh) * | 2016-10-09 | 2017-01-04 | 福州大学 | 一种多异构工业机器人控制系统 |
| CN107272578A (zh) * | 2017-07-01 | 2017-10-20 | 华中科技大学 | 一种基于多核处理器的视觉伺服控制系统 |
| CN110488698A (zh) * | 2019-08-16 | 2019-11-22 | 深圳华数机器人有限公司 | 一种开放式驱控一体化二次开发平台与系统 |
| CN110936381A (zh) * | 2019-12-13 | 2020-03-31 | 珠海格力电器股份有限公司 | 一种机器人控制装置及机器人 |
| CN111045393A (zh) * | 2019-12-31 | 2020-04-21 | 上海新时达机器人有限公司 | 驱控一体伺服实现系统 |
| CN111376263A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳新松机器人自动化股份有限公司 | 一种复合机器人人机协作系统及其交叉耦合力控制方法 |
-
2020
- 2020-12-31 CN CN202011633471.8A patent/CN114683271B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080147206A1 (en) * | 2004-08-30 | 2008-06-19 | Abb Ab | Control system for Real Time Applications for Cooperative Industrial Robots |
| CN105467930A (zh) * | 2015-11-28 | 2016-04-06 | 张碧陶 | 一种机器视觉与运动控制器、伺服驱动器集成控制系统 |
| CN106272484A (zh) * | 2016-10-09 | 2017-01-04 | 福州大学 | 一种多异构工业机器人控制系统 |
| CN107272578A (zh) * | 2017-07-01 | 2017-10-20 | 华中科技大学 | 一种基于多核处理器的视觉伺服控制系统 |
| CN111376263A (zh) * | 2018-12-29 | 2020-07-07 | 沈阳新松机器人自动化股份有限公司 | 一种复合机器人人机协作系统及其交叉耦合力控制方法 |
| CN110488698A (zh) * | 2019-08-16 | 2019-11-22 | 深圳华数机器人有限公司 | 一种开放式驱控一体化二次开发平台与系统 |
| CN110936381A (zh) * | 2019-12-13 | 2020-03-31 | 珠海格力电器股份有限公司 | 一种机器人控制装置及机器人 |
| CN111045393A (zh) * | 2019-12-31 | 2020-04-21 | 上海新时达机器人有限公司 | 驱控一体伺服实现系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114683271B (zh) | 2024-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109483556B (zh) | 一种基于示教学习的机器人打磨系统及方法 | |
| CN110039542B (zh) | 具有速度方向控制的视觉伺服跟踪控制方法及机器人系统 | |
| CN113601512B (zh) | 一种机械臂奇异点的通用规避方法与系统 | |
| Wilson et al. | Relative end-effector control using cartesian position based visual servoing | |
| CN101402199B (zh) | 基于视觉的手眼式低伺服精度机器人抓取移动目标的方法 | |
| CN109382828A (zh) | 一种基于示教学习的机器人轴孔装配系统及方法 | |
| CN111459274B (zh) | 一种基于5g+ ar的针对非结构化环境的遥操作方法 | |
| CN111515928B (zh) | 机械臂运动控制系统 | |
| CN111203849A (zh) | 一种移动机器人抓取作业系统及控制方法 | |
| CN109202958B (zh) | 一种复合机器人视觉抓取平台 | |
| CN104647379A (zh) | 一种驱动器非线性条件下的双臂机器人运动控制方法 | |
| Wang et al. | Research on logistics autonomous mobile robot system | |
| CN108189034B (zh) | 一种机器人连续轨迹实现方法 | |
| CN112109074A (zh) | 一种机器人目标图像抓取方法 | |
| CN114770461A (zh) | 一种基于单目视觉的移动机器人及其自动抓取方法 | |
| Conticelli et al. | Nonlinear controllability and stability analysis of adaptive image-based systems | |
| CN112589809A (zh) | 基于机器双目视觉和人工势场避障法的倒茶机器人 | |
| CN113733088A (zh) | 一种基于双目视觉的机械臂运动学自标定方法 | |
| CN114378830B (zh) | 一种机器人腕关节奇异规避方法及系统 | |
| CN115502979A (zh) | 一种机械臂力矩主动柔顺精确控制方法及系统 | |
| CN114131617A (zh) | 一种工业机器人的智能柔顺控制方法和装置 | |
| CN114683271B (zh) | 一种异构芯片的视驱控一体化控制系统 | |
| US20230286143A1 (en) | Robot control in working space | |
| CN1672881A (zh) | 基于运动选择的机器人在线手眼标定方法 | |
| CN113134839B (zh) | 一种基于视觉和力位图像学习的机器人精密柔性装配方法 |
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 |