CN114782536A - 一种基于机械臂的巷道扫描方法、装置、电子设备及介质 - Google Patents
一种基于机械臂的巷道扫描方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114782536A CN114782536A CN202210493433.XA CN202210493433A CN114782536A CN 114782536 A CN114782536 A CN 114782536A CN 202210493433 A CN202210493433 A CN 202210493433A CN 114782536 A CN114782536 A CN 114782536A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- preset
- target position
- coordinates
- roadway
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
- B25J9/1666—Avoiding collision or forbidden zones
-
- 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
- B25J9/1679—Programme controls characterised by the tasks executed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于机械臂的巷道扫描方法、装置、电子设备及存储介质,方法包括:基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置;根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径;基于所述运动最佳路径,对机械臂的位姿进行粗调,以使所述扫描仪到达预设目标位置;根据所述异常区域坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描。本发明解决了现有技术中巷道内壁不平整、巷道内存在障碍物或非规则巷道下对巷道内壁进行数据采集会出现数据不完整的技术问题。
Description
技术领域
本发明涉及巷道扫描技术领域,具体涉及一种基于机械臂的巷道扫描方法、装置、电子设备及存储介质。
背景技术
目前针对矿井巷道工程以及隧道工程的三维激光扫描,多数为地面静站式以及移动式三维激光扫描。地面静站式三维激光扫描技术,在点云采集过程中,由于自身条件限制,需在工作过程中某处地面点位静态架设,无法在扫描过程中移动扫描仪,且扫描仪在工作过程中对周围物体进行全方位扫描,距离测站点越远,点云扫描越稀疏,由于距离测站较远的地方扫描点云稀疏,狭长带状目标物,需要静站式三维激光扫描系统必须根据扫描对象及场地合理布设测站数量及位置。移动式三维激光扫描较于地面静站式扫描在扫描效率上有明显的提升,但在其他方面也存在不足:其一是行进式三维激光扫描方法多数应用于已经施工完成的隧道工程,通过轨道小车或是移动平台进行行进式扫描,仅针对地面无障碍物的环境下,其二是扫描仪在扫描过程中,因只能依据轨道或是道路进行行进式扫描,通过发射激光线,采集点云,但距离移动平台较远的巷道壁扫描的点云稀疏。
而这两种激光扫描方法均有不可避免的不足,并且都主要是针对于矿井、隧道等地面路况信息、巷道壁规整的条件下,但巷道工程建设过程中,井巷施工内部,管道、线缆、作业设备均较为复杂以及巷道壁凹凸不平、非规则巷道条件下,对巷道壁的扫描无法进行或存在较多的扫描盲区,效率或大幅下降同时精度也会相对降低,遗漏扫描任务区域。
发明内容
本发明的目的在于克服上述技术不足,提供一种基于机械臂的巷道扫描方法、装置、电子设备及存储介质,解决现有技术中扫描仪无法扫描巷道中被障碍物遮挡的盲区技术问题。
为达到上述技术目的,本发明采取了以下技术方案:
第一方面,本发明提供了一种基于机械臂的巷道扫描方法,包括:
采用预设的D-H法建立基于机械臂的三维空间坐标系;
获取巷道内壁的实时点云坐标,并建立点云模型;
基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置;
根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径;
基于所述运动最佳路径,对机械臂的位姿进行粗调,以使所述扫描仪到达预设目标位置,其中预设目标位置为距离所述目标位置一设定间距的位置;
根据所述异常区域坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描。
在一些实施例中,选取各个连杆的旋转轴心位置为原点;
在坐标系oi-1xi-1yi-1zi-1中,以zi-1为轴,将xi-1轴旋转第一设定的角度,使xi-1轴与xi轴沿预设方向分布,其中所述预设方向为xi-1轴与xi轴沿同一方向分布;
根据所述预设方向,将xi-1轴沿zi-1轴平移第一设定距离,使其xi-1与xi轴处于第一预设位置,其中,所述第一预设位置为xi-1轴与xi轴位于同一直线上;
根据所述第一预设位置,将zi-1轴沿xi轴平移第二设定距离,使坐标系oi-1xi-1yi- 1zi-1与坐标系oixiyizi处于第二预设位置,其中所述第二预设位置为坐标系oi-1xi-1yi-1zi-1与坐标系oixiyizi的原点重合;
根据所述第二预设位置,将zi-1轴绕xi轴旋转第二设定角度,使zi-1轴与zi轴位于同一直线上。
在一些实施例中,所述获取巷道内壁的实时点云坐标,并建立点云模型,包括:
将机械臂由预设的初始位姿调节为待扫描位姿;
根据所述待扫描位姿,采用行进式扫描方式采集巷道内壁的实时点云坐标,并建立点云模型。
在一些实施例中,所述基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置,包括:基于所述点云模型,采用预设的孔洞识别法,识别所述点云模型的异常区域。
在一些实施例中,所述根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径,包括:
获取扫描仪的起始点和终点;
根据所述起始点和终点,采用预设的RRT算法对机械臂进行路径规划,获取多条可行路径;
基于所述可行路径,采用预设的碰撞检测法,获取所述可行路径中路径相对最短的最佳路径。
在一些实施例中,基于所述运动最佳路径,对机械臂的位姿进行粗调,包括:
根据所述异常区域的坐标,预测机械臂的目标位姿;
获取当前状态下机械臂位姿与所述目标位姿在预设平面的投影;
基于所述投影,调节机械臂各个连杆之间的夹角,以使机械臂在所述预设平面内与目标位姿重合。
在一些实施例中,根据所述异常区域坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描,包括:
获取预设目标位置下,机械臂各个连杆之间的当前夹角;
基于所述当前夹角,依次调节最靠近扫描仪的机械臂角度大小,以使所述预设目标位置与所述目标位置重合。
第二方面,本发明还提供了一种基于机械臂的巷道扫描装置,包括:
坐标系建立装置,用于采用预设的D-H法建立基于机械臂的三维空间坐标系;
建模装置,用于获取巷道内壁的实时点云坐标,并建立点云模型;
获取装置,用于基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置;
最佳路径获取装置,用于根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径;
调姿装置,用于基于所述运动最佳路径,对机械臂的位姿进行粗调,以使所述扫描仪到达预设目标位置,其中预设目标位置为距离所述目标位置一设定间距的位置;
调姿扫描装置,根据所述异常区域坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描。
第三方面,本发明还提供了一种电子设备,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如上所述的基于机械臂的巷道扫描方法中的步骤。
第四方面,本发明还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一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上所述的基于机械臂的巷道扫描方法中的步骤。
与现有技术相比,本发明提供的基于机械臂的巷道扫描方法、装置、电子设备及存储介质,首先采用预设的D-H法建立基于机械臂的三维空间坐标系;随后获取巷道内壁的实时点云坐标,并建立点云模型;随后基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置;然后根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径;随后基于所述运动最佳路径,对机械臂的位姿进行粗调,以使所述扫描仪到达预设目标位置,其中预设目标位置为距离所述目标位置一设定间距的位置;最后根据所述异常区域坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描。采用本发明提供的方法通过采用移动的扫描仪能够避免扫描仪与目标点之间的距离较大、获取的点云过于稀疏无法达到扫描需求的问题,提高了扫描数据的有效性,同时通过本发明提供的方法,能够解决巷道内壁有障碍物、或巷道壁凹凸不平、或非规则巷道的情况下,扫描无法进行或扫描后存在盲区的问题,实现扫描的完整性。
附图说明
图1是本发明提供的基于机械臂的巷道扫描方法的一实施例的流程图;
图2是本发明提供的基于机械臂的巷道扫描方法中,步骤S102一实施例的示意图;
图3是本发明提供的基于机械臂的巷道扫描方法中,步骤S104一实施例的示意图;
图4是本发明提供的基于机械臂的巷道扫描方法中,步骤S105一实施例的示意图;
图5是本发明提供的基于机械臂的巷道扫描方法中,步骤S106一实施例的示意图;
图6是本发明提供的基于机械臂的巷道扫描装置的一实施例的示意图;
图7是本发明提供的电子设备一实施例的运行环境示意图。
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,以下结合附图及实施例,对本发明进行进一步详细说明。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。
本发明所涉及的基于机械臂的巷道扫描方法、装置、设备或者计算机可读存储介质可用于煤矿、隧道、矿山巷道等场合。本发明所涉及的机械臂包括多个依次铰接的连杆,其中一端的连杆端部与基座固定连接,另一端的连杆端部连接有扫描仪,任意相邻两个连杆之间可自由转动,任意一个连杆具有六个自由度,机械臂末端到达目标点时可能对应多种位姿,但机械臂的一个位姿对应末端一个目标点,因此六个自由度机械臂的每一个组合,表示机械臂的一个位姿,及每个位姿对应末端的一个空间位置,在一个更具体的实施例中,本发明采用的机械臂为六连杆机械臂。本发明所涉及的方法、装置、设备或者计算机可读存储介质既可以与上述系统集成在一起,也可以是相对独立的。
图1是本发明实施例提供的基于机械臂的巷道扫描方法的流程图,请参阅图1,基于机械臂的巷道扫描方法包括:
S101、采用预设的D-H法建立基于机械臂的三维空间坐标系;
S102、获取巷道内壁的实时点云坐标,并建立点云模型;
S103、基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置;
S104、根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径;
S105、基于所述运动最佳路径,对机械臂的位姿进行粗调,以使所述扫描仪到达预设目标位置,其中预设目标位置为距离所述目标位置一设定间距的位置;
S106、根据所述异常区域坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描。
在本实施例中,通过建立空间坐标系对扫描仪的位移进行标定,同时获取异常区域的位置并标记为目标位置,从而在扫描仪到达目标点期间,控制各个旋转轴的角度,从而实现对机械臂位姿的切换,使扫描仪对异常区域进行扫描并获取异常区域的点云数据。
在步骤S101中,预设的D-H法主要用于描述相邻两根连杆之间的坐标方向和参数,具体为一种将一系列坐标系建立在连杆的连接处,用齐次坐标变换来描述这些坐标之间的相对位置和方向的方法。
在步骤S102中,点云坐标为基于预设的D-H法建立的坐标系的点云信息表征,通过对获取的巷道内壁的点云数据进行建模,能够准确的对扫描仪及待测的异常区域进行定位。
在步骤S103中,通过点云模型能够真实的反应巷道内壁的情况,扫描仪采用普通方式对巷道内壁扫描时无法扫描到巷道内壁的全貌,其中缺失的位置通过点云模型能够清楚的反映出来,便于后续指导机械臂运动,以使扫描仪直达异常区域进行扫描,获取异常区域的点云数据,将巷道内壁的数据补充完整。
在步骤S104中,RRT算法适用于涉及非完整约束场合下的路径规划问题,碰撞检测算法则是通过一组线段近似模拟异机械臂,然后测试这些线段是否会与RRT算法规划的路径发生碰撞,若不会发生碰撞,则表示当前路径可行,若发生碰撞,则表示当前路径不符合预期要求,需要重新进行规划;采用RRT算法和碰撞检测算法对机械臂的路径进行规划,能够使扫描仪在对异常区域进行点云数据采集时,避开异常区域的障碍物到达目标点对异常区域进行扫描,获取异常区域的点云数据;其中,最佳路径表示众多可行的路径中起点与终点之间距离最短的一条路径。
在步骤S105中,在对异常区域进行扫描前,默认机械臂的位姿处于初始状态,根据最佳路径,指挥机械臂连杆之间的夹角发生变化,朝着无限接近目标位置靠近,并且使得机械臂的位姿无限接近最佳路径。
在步骤S106中,通过对机械臂进行多次的微调,以使扫描仪到达目标位置,对异常区域进行扫描。
在本实施例中,通过采用D-H法建立基于机械臂的三维坐标系,随后获取巷道内壁的点云坐标并建立点云模型,获取点云模型中的异常区域并以三维坐标系为基准标记异常区域在空间中的目标位置,随后利用RRT算法和碰撞检测算法规划机械臂到达异常区域的最佳路径,根据规划的最佳路径对机械臂进行粗调以使扫描仪到达趋近目标位置的预设目标位置,随后再对机械臂进行微调,以使扫描仪到达目标位置对异常区域进行扫描,解决了普通扫描方式对巷道内壁不规则、或有障碍物、或巷道曲折的环境下无法获取完整的巷道内壁点云数据的问题。
在一些实施例中,所述采用预设的D-H法建立基于机械臂的三维空间坐标系,包括:
选取各个连杆的旋转轴心位置为原点;
在坐标系oi-1xi-1yi-1zi-1中,以zi-1为轴,将xi-1轴旋转第一设定的角度,使xi-1轴与xi轴沿预设方向分布,其中所述预设方向为xi-1轴与xi轴沿同一方向分布;
根据所述预设方向,将xi-1轴沿zi-1轴平移第一设定距离,使其xi-1与xi轴处于第一预设位置,其中,所述第一预设位置为xi-1轴与xi轴位于同一直线上;
根据所述第一预设位置,将zi-1轴沿xi轴平移第二设定距离,使坐标系oi-1xi-1yi- 1zi-1与坐标系oixiyizi处于第二预设位置,其中所述第二预设位置为坐标系oi-1xi-1yi-1zi-1与坐标系oixiyizi的原点重合;
根据所述第二预设位置,将zi-1轴绕xi轴旋转第二设定角度,使zi-1轴与zi轴位于同一直线上。
在本实施例中,对于六自由度机械臂,各关节都是旋转关节,利用预设的D-H方法,结合机械臂自身结构,建立各连杆坐标系,且逆运动学(机械臂逆运动学是指在机械臂各关节角度未知,机械臂末端位姿已知的情况下求解机械臂各个关节角度)求解要得到封闭解必须满足以下两个条件:一是机械臂的六个关节中存在三个相邻关节轴线交于一点,二是六个关节中存在三个相邻关节轴线相互平行。本发明使用的六自由度机械臂满足以上两个条件,以此可以求解得到封闭解。
在一些实施例中,请参阅图2,所述获取巷道内壁的实时点云坐标,并建立点云模型,包括:
S201、将机械臂由预设的初始位姿调节为待扫描位姿;
S202、根据所述待扫描位姿,采用行进式扫描方式采集巷道内壁的实时点云坐标,并建立点云模型。
在本实施例中,定义机械臂的六个连杆沿基座至扫描仪的方向分别为连杆1至连杆6。当机械臂处于预设的初始位姿时,机械臂各连杆之间的关系为所有连杆与扫描仪均位于同一直线上;当机械臂处于待扫描位姿时,机械臂各连杆之间的关系为:锁定连杆2、连杆3和连杆4,保持连杆2与连杆1成90°夹角,连杆4与连杆5成90°夹角,连杆4能以连杆3为轴在平面内360°垂直旋转,同时连杆1、5、6则固定不动,在步骤S102中,获取巷道内壁的实时点云坐标采取机械臂位姿即为行进式的扫描位姿,其中,行进式的扫描位姿为待扫描位姿在扫描仪运行时,连杆4相对连杆3在平面内转动。
在一些实施例中,所述基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置,包括:基于所述点云模型,采用预设的孔洞识别法,识别所述点云模型的异常区域。
在本实施例中,首先要对获取的巷道三维点云数据信息进行处理分析,其中数据处理主要包括点云数据的预处理、点云数据的滤波去噪,在完成对点云数据的处理后,通过三维重构技术完成对复杂巷道下的三维模型,之后对巷道的三维模型进行分析,通过孔洞识别及人工的方法对巷道三维模型的盲区、异常缺失区域进行标记,获取其所在位置。
在一些实施例中,请参阅图3,所述根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径,包括:
S301、获取扫描仪的起始点和终点;
S302、根据所述起始点和终点,采用预设的RRT算法对机械臂进行路径规划,获取多条可行路径;
S303、基于所述可行路径,采用预设的碰撞检测法,获取所述可行路径中路径相对最短的最佳路径。
在步骤S301中,根据三维模型中获取的其中一处异常区域的范围,在模拟仿真软件中设定好机械臂末端(即扫描仪)的起点位置和终点位置。
在步骤S302中,通过RRT算法获取多条可行路径的具体方式为:首先产生第一个节点xinit,在每一次循环中,产生一个随机点xrand,随机点的生成是任意的;在产生随机点后,遍历随机树中的每一个节点,计算每一个节点与该循环生成的随机点之间的距离,找出距离此随机点最近的节点,记为xnear;定义一个步进变量,当找到xnear时,xnear向xnear与xrand连线方向扩展指定步长,扩展后产生新的节点xnew;判断xnew是否满足约束,即是否满足在障碍物外,如果不满足,舍弃xnew,重新产生新的随机点。如果满足约束,则加入xnew,并在xnear到xnew之间加上一条边;相应的,再插入新节点xnew的过程中,如果xnear、xnew和xnear到xnew之间的边任意一个位于障碍物中或者与障碍物相交,则此次循环不添加任何节点,在下一次循环中重新生成新的随机点xnew,然后再进行判断,最后直至xnew与终点相连,回溯父节点,得到多条路径。
在步骤S303中,为了从RRT算法规划的多条路径中选取避开障碍物且距离最近的一条路径,采用碰撞算法检测,其中,碰撞检测算法具体为包围盒算法,包围盒算法其原来是用体积稍大且特性简单的几何体来近似的代替复杂几何对象,在本方法中代替的为六自由度机械臂,通过采用几何体将物体包裹起来,进行与障碍物的相交性检测时仅检测物体对应包围盒的相交性,从而判断是否发生碰撞,进而规划出机械臂的最佳路径。
在一些实施例中,请参阅图4,基于所述运动最佳路径,对机械臂的位姿进行粗调,包括:
S401、根据所述异常区域的坐标,预测机械臂的目标位姿;
S402、获取当前状态下机械臂位姿与所述目标位姿在预设平面的投影;
S403、基于所述投影,调节机械臂各个连杆之间的夹角,以使机械臂在所述预设平面内与目标位姿重合。
在步骤S401中,机械臂的目标位姿即扫描仪无限接近目标位置且机械臂的位姿与最佳路径无限接近时的状态。
在步骤S402中,预设平面为所建立的三维坐标系中任一平面。
在本实施例中,通过对当前机械臂位姿以及预测的目标位姿在预设平面的投影,通过对各个关节旋转角度进行设定,可以实现在投影平面的大致调正,使得机械臂的当前位姿与预测的目标位姿重合;其中具体的调节方式为:在已知异常区域的具体坐标(x,y,z)后,首先将具体的三维坐标位置转换到六自由度机械臂的坐标系下(x1,y1,z1);通过在预设的适平面投影,在此处以xoy平面为例,得(x1,y1,0);由逆运动学求解方法可得机械臂各连杆之间的变换角度,从而控制各个关节旋转指定角度,在投影平面实现大致调正。
在一些实施例中,请参阅图5,所述根据所述异常区域坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描,包括:
S501、获取预设目标位置下,机械臂各个连杆之间的当前夹角;
S502、基于所述当前夹角,依次调节最靠近扫描仪的机械臂角度大小,以使所述预设目标位置与所述目标位置重合。
在本实施例中,首先根据粗调后的当前位姿,判断是否达到目标点,若未到目标点则首先调整最靠近扫描仪的夹角(θ5),判断是否达到目标点,若达到目标点,则结束调整;若未到目标点则判断是否陷入局部最优,若是则调整θ4,否则结束调整;在调整θ4后,判断是否达到目标点,若达到目标点,则结束调整;若未到目标点则判断是否陷入局部最优,若是则调整θ3,否则结束调整;在调整θ3后,判断是否达到目标点,若达到目标点,则结束调整;若未到目标点则判断是否陷入局部最优,若是则调整θ2,否则结束调整;在调整θ2后,判断是否达到目标点,若达到目标点,则结束调整;若未到目标点则判断是否陷入局部最优,若是则调整θ1,否则结束调整;在调整θ1后,判断是否达到目标点,若达到目标点,则结束调整;若未到目标点则判断是否陷入局部最优,若是则继续调整,否则结束调整。
基于上述基于机械臂的巷道扫描方法,本发明实施例还相应的提供一种基于机械臂的巷道扫描装置600,请参阅图6,该基于机械臂的巷道扫描装置600包括:坐标系建立模块610、建模模块620、获取模块630、最佳路径获取模块640、调姿模块650、调姿扫描模块660。
坐标系建立模块610用于采用预设的D-H法建立基于机械臂的三维空间坐标系。
建模模块620用于获取巷道内壁的实时点云坐标,并建立点云模型。
获取模块630用于基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置。
最佳路径获取模块640用于根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径。
调姿模块650用于基于所述运动最佳路径,对机械臂的位姿进行粗调,以使所述扫描仪到达预设目标位置,其中预设目标位置为距离所述目标位置一设定间距的位置。
调姿扫描模块660用于根据所述异常区域坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描。
如图7所示,基于上述基于机械臂的巷道扫描方法,本发明还相应提供了一种电子设备,该电子设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子设备包括处理器710、存储器720及显示器730。图7仅示出了电子设备的部分组件,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
存储器720在一些实施例中可以是该电子设备的内部存储单元,例如电子设备的硬盘或内存。存储器720在另一些实施例中也可以是电子设备的外部存储设备,例如电子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。进一步地,存储器720还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器720用于存储安装于电子设备的应用软件及各类数据,例如安装电子设备的程序代码等。存储器720还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器720上存储有异物检测程序740,该异物检测程序740可被处理器710所执行,从而实现本申请各实施例的基于机械臂的巷道扫描方法。
处理器710在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器720中存储的程序代码或处理数据,例如执行基于机械臂的巷道扫描方法等。
显示器730在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及oLED(organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器730用于显示在所述基于机械臂的巷道扫描设备的信息以及用于显示可视化的用户界面。电子设备的部件710-730通过系统总线相互通信。
当然,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的存储介质中,该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (10)
1.一种基于机械臂的巷道扫描方法,其特征在于,包括:
采用预设的D-H法建立基于机械臂的三维空间坐标系;
获取巷道内壁的实时点云坐标,并建立点云模型;
基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置;
根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径;
基于所述运动最佳路径,对机械臂的位姿进行粗调,以使所述扫描仪到达预设目标位置,其中预设目标位置为距离所述目标位置一设定间距的位置;
根据所述异常区域的坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描。
2.根据权利要求1所述的基于机械臂的巷道扫描方法,其特征在于,所述采用预设的D-H法建立基于机械臂的三维空间坐标系,包括:
选取各个连杆的旋转轴心位置为原点;
在坐标系oi-1xi-1yi-1zi-1中,以zi-1为轴,将xi-1轴旋转第一设定的角度,使xi-1轴与xi轴沿预设方向分布,其中所述预设方向为xi-1轴与xi轴沿同一方向分布;
根据所述预设方向,将xi-1轴沿zi-1轴平移第一设定距离,使其xi-1与xi轴处于第一预设位置,其中,所述第一预设位置为xi-1轴与xi轴位于同一直线上;
根据所述第一预设位置,将zi-1轴沿xi轴平移第二设定距离,使坐标系oi-1xi-1yi-1zi-1与坐标系oixiyizi处于第二预设位置,其中所述第二预设位置为坐标系oi-1xi-1yi-1zi-1与坐标系oixiyizi的原点重合;
根据所述第二预设位置,将zi-1轴绕xi轴旋转第二设定角度,使zi-1轴与zi轴位于同一直线上。
3.根据权利要求1所述的基于机械臂的巷道扫描方法,其特征在于,所述获取巷道内壁的实时点云坐标,并建立点云模型,包括:
将机械臂由预设的初始位姿调节为待扫描位姿;
根据所述待扫描位姿,采用行进式扫描方式采集巷道内壁的实时点云坐标,并建立点云模型。
4.根据权利要求1所述的基于机械臂的巷道扫描方法,其特征在于,所述基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置,包括:基于所述点云模型,采用预设的孔洞识别法,识别所述点云模型的异常区域。
5.根据权利要求1所述的基于机械臂的巷道扫描方法,其特征在于,所述根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径,包括:
获取扫描仪的起始点和终点;
根据所述起始点和终点,采用预设的RRT算法对机械臂进行路径规划,获取多条可行路径;
基于所述可行路径,采用预设的碰撞检测法,获取所述可行路径中路径相对最短的最佳路径。
6.根据权利要求1所述的基于机械臂的巷道扫描方法,其特征在于,基于所述运动最佳路径,对机械臂的位姿进行粗调,包括:
根据所述异常区域的坐标,预测机械臂的目标位姿;
获取当前状态下机械臂位姿与所述目标位姿在预设平面的投影;
基于所述投影,调节机械臂各个连杆之间的夹角,以使机械臂在所述预设平面内与目标位姿重合。
7.根据权利要求1所述的基于机械臂的巷道扫描方法,其特征在于,所述根据所述异常区域坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描,包括:
获取预设目标位置下,机械臂各个连杆之间的当前夹角;
基于所述当前夹角,依次调节最靠近扫描仪的机械臂角度大小,以使所述预设目标位置与所述目标位置重合。
8.一种基于机械臂的巷道扫描方法装置,其特征在于,包括:
坐标系建立模块,用于采用预设的D-H法建立基于机械臂的三维空间坐标系;
建模模块,用于获取巷道内壁的实时点云坐标,并建立点云模型;
获取模块,用于基于所述点云模型,获取巷道内壁的异常区域的范围,并确定所述异常区域的坐标及扫描仪扫描的目标位置;
最佳路径获取模块,用于根据所述异常区域的坐标,采用预设的RRT算法与预设的碰撞检测法结合确定机械臂的运动最佳路径;
调姿模块,用于基于所述运动最佳路径,对机械臂的位姿进行粗调,以使所述扫描仪到达预设目标位置,其中预设目标位置为距离所述目标位置一设定间距的位置;
调姿扫描模块,用于根据所述异常区域坐标,基于预设目标位置对机械臂进行多次微调遍历,以使扫描仪到达目标位置对异常区域进行扫描。
9.一种电子设备,其特征在于,包括:处理器和存储器;
所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述处理器执行所述计算机可读程序时实现如权利要求1-7任意一项所述的基于机械臂的巷道扫描方法中的步骤。
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一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-7任意一项所述的基于机械臂的巷道扫描方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210493433.XA CN114782536A (zh) | 2022-05-07 | 2022-05-07 | 一种基于机械臂的巷道扫描方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210493433.XA CN114782536A (zh) | 2022-05-07 | 2022-05-07 | 一种基于机械臂的巷道扫描方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114782536A true CN114782536A (zh) | 2022-07-22 |
Family
ID=82434643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210493433.XA Pending CN114782536A (zh) | 2022-05-07 | 2022-05-07 | 一种基于机械臂的巷道扫描方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114782536A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115922713A (zh) * | 2022-12-07 | 2023-04-07 | 南京航空航天大学 | 一种基于多机械臂协同的汽车整车配置防错检测方法 |
-
2022
- 2022-05-07 CN CN202210493433.XA patent/CN114782536A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115922713A (zh) * | 2022-12-07 | 2023-04-07 | 南京航空航天大学 | 一种基于多机械臂协同的汽车整车配置防错检测方法 |
CN115922713B (zh) * | 2022-12-07 | 2024-02-13 | 南京航空航天大学 | 一种基于多机械臂协同的汽车整车配置防错检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11215461B1 (en) | Method for constructing a map while performing work | |
Feng et al. | Vision guided autonomous robotic assembly and as-built scanning on unstructured construction sites | |
KR101917937B1 (ko) | 광산 차량 및 광산 작업 태스크를 개시하는 방법 | |
US11440119B2 (en) | System and method for weld path generation | |
CN110244743B (zh) | 一种融合多传感器信息的移动机器人自主脱困方法 | |
CN103148812B (zh) | 隧道轮廓扫描设备、方法及包含该设备的工程机械 | |
US8744746B2 (en) | Determination of route for arranging automatic control of mobile mining machine | |
KR20190142360A (ko) | 환경 맵 생성 및 정렬을 위한 방법 및 시스템 | |
CN111121812B (zh) | 一种路径优化方法、电子设备及存储介质 | |
JP5902275B1 (ja) | 自律移動装置 | |
US20220262084A1 (en) | Tracking an ongoing construction by using fiducial markers | |
CN114460965B (zh) | 一种基于改进人工势场法的无人机三维避障方法 | |
Chen et al. | An enhanced dynamic Delaunay triangulation-based path planning algorithm for autonomous mobile robot navigation | |
CN114782536A (zh) | 一种基于机械臂的巷道扫描方法、装置、电子设备及介质 | |
Nahangi et al. | Automatic realignment of defective assemblies using an inverse kinematics analogy | |
Kim et al. | Autonomous mobile robot localization and mapping for unknown construction environments | |
CN117769691A (zh) | 基于路点的导航地图的拓扑处理 | |
Li et al. | Virtual straightening of scraper conveyor based on the position and attitude solution of industrial robot model | |
CN114741761A (zh) | 一种基于三维激光扫描与bim逆向建模的厂房结构复原方法 | |
CN116734757A (zh) | 基于无人机机载激光扫描仪的隧道围岩变形监测预警方法 | |
Yin et al. | Towards BIM-based robot localization: A real-world case study | |
JP5953393B2 (ja) | ロボットシステム及び地図更新方法 | |
CN116182743A (zh) | 基于激光雷达的煤矿井下掘进巷道轮廓标示系统 | |
Feng | Camera Marker Networks for Pose Estimation and Scene Understanding in Construction Automation and Robotics. | |
Kumar | Development of SLAM algorithm for a Pipe Inspection Serpentine Robot |
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 |