CN115229780B - 机械臂运动路径规划方法及装置 - Google Patents

Abstract

本发明涉及机械臂运动路径规划方法及装置，其中，机械臂运动路径规划方法，用于规划机械臂抓取目标物件时的运动路径，包括：采集所述目标物件的重量数据；根据所述重量数据计算得到机械臂抓取所述目标物件时的目标力矩；根据所述目标力矩进行路径规划。与现有技术相比，本发明实施方式所提供的机械臂运动路径规划方法及装置具有避免对机械臂工作产生影响的同时降低成本的优点。

Description

机械臂运动路径规划方法及装置

技术领域

本发明涉及自动化领域，特别涉及一种机械臂运动路径规划方法及装置。

背景技术

目前，工业机器人已被广泛应用于电子、物流、化工等各个领域。当机器人在执行上下料任务过程中，由于工件摆放的位置偏差，采用传统的位置控制方法取件时必然会使得机械臂承受额外的附加外力，如果工件偏移量较大并强行取件，相当于与机械臂发生碰撞，导致作业失败。为了解决上述问题，工业机器人一种简单易行的做法是在机械臂末端法兰上加装力/力矩传感器以测量外部作用力，然后采用基于位置的导纳控制策略实现柔顺控制。

然而，本发明的发明人发现，在机械臂关节处加装力矩传感器，虽然可以实时获取相关力/力矩信息，帮助机器人系统实现力反馈控制，但是增加力矩传感器往往会导致机械臂过于笨重，而且力矩传感器的高昂价格也会使得整体的成本大幅增加。

发明内容

本发明实施方式的目的在于提供一种机械臂运动路径规划方法及装置，避免对机械臂工作产生影响的同时降低成本。

为解决上述技术问题，本发明的实施方式提供了一种机械臂运动路径规划方法，用于规划机械臂抓取目标物件时的运动路径，包括：采集所述目标物件的重量数据；根据所述重量数据计算得到机械臂抓取所述目标物件时的目标力矩；根据所述目标力矩进行路径规划。

本发明的实施方式还提供了一种机械臂运动路径规划装置，用于规划机械臂抓取目标物件时的运动路径，包括：数据采集组件，用于采集目标物件的重量数据；力矩计算组件，与所述数据采集组件相连，并根据所述重量数据计算机械臂抓取所述目标物件时的目标力矩；路径规划组件，与力矩计算组件相连，根据所述目标力矩进行路径规划。

本发明实施方式相对于现有技术而言，通过数据采集组件采集待抓取的目标物件的重量数据，根据重量数据计算得到机械臂抓取目标物件时最优的力矩作为目标力矩，然后根据目标力矩进行对机械臂抓取目标物件的运动路径进行路径规划；无需在机械臂上设置力矩传感器，从而避免在机械臂上设置力矩传感器对机械臂的运动产生影响；此外，无需设置价格昂贵的力矩传感器还可以有效的降低成本。

另外，所述采集所述目标物件的重量数据，具体包括：采集所述目标物件的密度数据和所述目标物件的体积数据；根据所述密度数据和所述体积数据计算得到所述重量数据。

另外，所述采集所述目标物件的密度数据后，还包括：根据所述密度数据计算得到所述目标物件的重心位置；所述根据所述重量数据计算得到机械臂抓取所述目标物件时的目标力矩，具体包括：根据所述重心位置和所述重量数据计算得到所述目标力矩。

另外，还包括：获取所述机械臂与所述目标物件之间的距离数据；所述根据所述重量数据计算得到机械臂抓取所述目标物件时的目标力矩，具体包括：根据所述重量数据和所述距离数据计算得到所述目标力矩。

另外，还包括：采集所述目标物件的图像数据；根据所述图像数据获取抓取位置数据；所述根据所述重量数据计算得到机械臂抓取所述目标物件时的目标力矩，具体包括：根据所述重量数据和所述抓取位置数据计算得到所述目标力矩。

另外，所述数据采集组件包括密度采集装置和体积采集装置；所述密度采集装置用于采集所述目标物件的密度数据，所述体积采集装置用于采集所述目标物件的体积数据；所述重量数据根据所述体积数据和所述密度数据计算得到。

另外，还包括：与所述密度采集装置连接的重心计算组件；所述重心计算组件根据所述密度数据计算得到所述目标物件的重心位置；所述力矩计算组件根据所述重量数据和所述重心位置计算得到所述目标力矩。

另外，还包括：与所述力矩计算组件连接的距离采集组件；所述距离采集组件用于获取所述机械臂与所述目标物件之间的距离数据；所述力矩计算组件获取所述距离数据、并根据所述重量数据和所述距离数据计算得到所述目标力矩。

另外，还包括：与所述力矩计算组件连接的图像采集组件，所述图像采集组件用于采集所述目标物件的图像数据、并根据所述图像数据获取抓取位置数据；所述力矩计算组件根据所述抓取位置数据和所述重量数据计算所述目标力矩。

附图说明

图1是本发明第一实施方式所提供的机械臂运动路径规划装置的结构示意图；

图2是本发明另一实施方式所提供的机械臂运动路径规划装置的结构示意图；

图3是本发明第二实施方式所提供的机械臂运动路径规划装置的结构示意图；

图4是本发明第三实施方式所提供的机械臂运动路径规划装置的结构示意图；

图5是本发明第四实施方式所提供的机械臂运动路径规划装置的结构示意图；

图6是本发明一种实施实例所提供的机械臂的结构示意图；

图7是本发明第五实施方式所提供的机械臂运动路径规划方法的流程示意图；

图8是本发明第六实施方式所提供的机械臂运动路径规划方法的流程示意图；

图9是本发明第七实施方式所提供的机械臂运动路径规划方法的流程示意图；

图10是本发明第八实施方式所提供的机械臂运动路径规划方法的流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。

本发明的第一实施方式涉及一种机械臂运动路径规划装置，用于规划机械臂抓取目标物件时的运动路径，具体结构如图1所示，包括：数据采集组件10、与数据采集组件10相连的力矩计算组件20、以及与力矩计算组件20连接的路径规划组件30。数据采集组件10用于采集目标物件的重量数据，力矩计算组件20根据数据采集组件10采集的重量数据计算机械臂抓取目标物件时的目标力矩，路径规划组件30根据目标力矩对机械臂的运动路径进行路径规划。其中，目标力矩为机械臂抓取目标物件时的最优力矩；其中，最优力矩为动态计算过程中的最小力矩。

与现有技术相比，本发明第一实施方式所提供的机械臂运动路径规划装置中通过数据采集组件10采集待抓取的目标物件的重量数据，力矩计算组件20根据重量数据计算得到机械臂抓取目标物件时最优的力矩作为目标力矩，然后路径规划组件30根据目标力矩进行对机械臂抓取目标物件的运动路径进行路径规划；无需在机械臂上设置力矩传感器，从而避免在机械臂上设置力矩传感器对机械臂的运动产生影响；此外，无需设置价格昂贵的力矩传感器还可以有效的降低成本。

具体的，在本实施方式中，数据采集组件10包括密度采集装置11和体积采集装置12。其中，密度采集装置11用于采集目标物件的密度数据，体积采集装置12用于采集目标物件的体积数据；根据体积数据和密度数据计算得到重量数据。具体的，在本实施方式中，密度采集装置为超声波密度计，体积采集装置包括深度相机和图像识别器。超声波密度计直接测量目标物件的密度，深度相机拍摄目标物件的目标图像，图像识别器对目标图像进行图像识别、获取目标物件的体积数据。可以理解的是，前述密度采集装置为超声波密度计，体积采集装置包括深度相机和图像识别器仅为本实施方式中的一种具体的举例说明，并不构成限定，在本发明的其它实施方式中，还可以是其它装置，只要可以测量目标物件的密度和体积即可。

可以理解的是，前述数据采集组件10包括密度采集装置11和体积采集装置12仅为本实施方式中数据采集组件10的一种具体结构的举例说明，并不构成限定，在本发明的另一种实施方式中，如图2所示，数据采集组件10还可以是包括深度相机13和图像识别器14。其中，深度相机13拍摄目标物件的目标图像，图像识别器14对目标图像进行图像识别，根据识别结果判断目标物件的种类数据，例如识别目标物体为铁器、塑料件或玻璃件等，根据目标物件的种类获取目标物件的密度数据。此外，图像识别器14在对目标图像进行图像识别时，还可以识别到目标物件的体积数据，从而根据密度数据和体积数据计算得到目标物件的重量数据。

本发明的第二实施方式涉及一种机械臂运动路径规划装置。第二实施方式与第一实施方式大致相同，主要区别之处在于：如图3所示，在本发明第二实施方式中，还包括：与密度采集装置11连接的重心计算组件40，重心计算组件40与力矩计算组件20连接。重心计算组件40可以根据密度采集装置11采集的密度数据计算得到目标物件的重心位置，力矩计算组件20可以根据数据采集组件10采集的重量数据和重心计算组件40计算得到的重心位置计算得到目标力矩。

与现有技术相比，本发明第二实施方式所提供的机械臂运动路径规划装置在第一实施方式的基础上额外设置重心计算组件40，因此，在保留第一实施方式的全部技术效果的同时，通过计算获取目标物件的重心位置，力矩计算组件20在计算目标力矩时额外加入目标物件的重心位置，使得目标力矩的计算结果更为精准，优化路径规划的结果。

本发明的第三实施方式涉及一种机械臂运动路径规划装置。第二实施方式与第一实施方式大致相同，主要区别之处在于：如图4所示，在本发明第三实施方式中，还包括：与力矩计算组件20连接的距离采集组件50。距离采集组件50用于获取机械臂与目标物件之间的距离数据，力矩计算组件20获取距离采集组件50采集的距离数据、并根据数据采集组件10采集的重量数据和距离采集组件50采集的距离数据计算得到目标力矩。

与现有技术相比，本发明第三实施方式所提供的机械臂运动路径规划装置在第一实施方式的基础上额外设置距离采集组件50，因此，在保留第一实施方式的全部技术效果的同时，通过距离采集组件50采集机械臂与目标物件之间的距离数据，力矩计算组件20在计算目标力矩时额外加入机械臂与目标物件之间的距离数据，使得目标力矩的计算结果更为精准，优化路径规划的结果。

具体的，在本实施方式中，距离采集组件50为激光测距仪。可以理解的是，前述距离采集组件50为激光测距仪仅为本实施方式中的一种具体的举例说明，并不构成限定，在本发明的其它实施方式中，距离采集组件50还可以为超声波测距仪等其它结构，具体可以根据实际需要进行灵活的设置。

本发明的第四实施方式涉及一种机械臂运动路径规划装置。第四实施方式与第一实施方式大致相同，主要区别之处在于：如图5所示，在本发明第四实施方式中，还包括：与力矩计算组件20连接的图像采集组件60。图像采集组件60用于采集目标物件的图像数据、并根据图像数据获取抓取位置数据，即图像采集组件60对采集的目标物件的图像数据进行图像识别，获取目标物件中易于抓取的位置作为抓取位置，获取抓取位置的位置数据，力矩计算组件20根据数据采集组件10采集的重量数据和抓取位置数据计算得到目标力矩。

与现有技术相比，本发明第四实施方式所提供的机械臂运动路径规划装置在第一实施方式的基础上额外设置图像采集组件60，因此，在保留第一实施方式的全部技术效果的同时，通过图像采集组件60采集目标物件的图像数据、并根据图像数据获取抓取位置数据，力矩计算组件20在计算目标力矩时额外加入抓取位置数据，使得目标力矩的计算结果更为精准，优化路径规划的结果。

下面，将以2个自由度的机械臂为例，举例说明力矩计算原理。如图6所示，C为机械臂基座为固定点，x方向为水平方向，g方向为重力方向，假定连杆质量集中在连杆末端，控制末端质量m2(其中m2为被抓取物体和控制端机械臂的总质量)和控制关节质量m1。其中L2和L1分别为控制末端机械臂的长度，以及控制关节机械臂的长度。其中θ2和θ1分别为两个机械臂的旋转角度。

通常可将根据动量矩定理或牛顿-欧拉法推导出的力矩计算公式为如下形式：

其中，机械臂自由度为n，M(θ)为质量矩阵，

代表惯性力项。M(θ)中的主对角线元素表示各连杆本身的有效惯量，代表给定关节上的力矩与产生的角加速度之间的关系，非对角线元素表示连杆之间的耦合惯量，即是某连杆的加速运动对另一关节产生的耦合作用力矩的度量；

为n×1阶向心力和科氏力项；G(θ)为n×1阶的重力项，与机器人的形位θ有关，即图6中的θ1和θ2。其中

分别为旋转角、角速度和角加速度，在机械臂的运动中可以检测得到该三个值。

机械臂的运动可以通过控制关节的力矩来实现。本例中以控制关节图6中m1为例进行说明力矩对运动的控制：

根据上面所述的计算公式，在给定一个抓取的时间间隔，得到等间隔时间序列，根据机械臂当前位置，被抓物体的位置计算轨迹插值，得到与时间序列对应的关节位置，速度与加速度值，进一步调用上述函数得到对应的关节力矩值，最终得到一个与时间、位置相关的运动轨迹。

例如，以图6中自由度为2的机械臂为例进一步说明，当控制终端m2从虚线运动至实线位置的时候，在水平方向上产生了位置的变化，角度旋转为θ2，假定运动耗时为T，通过上述的公式可以计算得到对应的力矩。将该运动过程进一步细分，假定该过程分为N个相等的时间段组成，每段时间为t＝T/N。当控制终端m2从起始虚线位置运行了时间t，角度旋转为θ，根据上述公式计算得到力矩，依次类推可以得到可以得到N个不同时间点的角度，速度，加速度。通过在运行的过程中实时计算，就会得到一个与时间，位置相关的运动轨迹，从而实现实时柔顺的控制机械臂的运动。

本发明第五实施方式涉及一种机械臂运动路径规划方法，用于规划机械臂抓取目标物件时的运动路径，具体步骤如图7所示，包括：

步骤S701：采集目标物件的重量数据。

具体的，在本步骤中，首先采集目标物件的密度数据和体积数据，通过密度数据和体积数据计算得到目标物件的重量数据。具体的，可以通过密度采集装置采集目标物件的密度数据，通过体积采集装置采集目标物件的体积数据，在实际应用过程中例如，密度采集装置可以为超声波密度计，体积采集装置可以包括深度相机和图像识别器。超声波密度计直接测量目标物件的密度，深度相机拍摄目标物件的目标图像，图像识别器对目标图像进行图像识别、获取目标物件的体积数据。可以理解的是，前述密度采集装置为超声波密度计，体积采集装置包括深度相机和图像识别器仅为本实施方式中的一种具体的举例说明，并不构成限定，在本发明的其它实施方式中，还可以是其它装置，只要可以测量目标物件的密度和体积即可。例如，通过深度相机拍摄目标物件的目标图像，图像识别器对目标图像进行图像识别，根据识别结果判断目标物件的种类数据，例如识别目标物体为铁器、塑料件或玻璃件等，根据目标物件的种类获取目标物件的密度数据。此外，图像识别器在对目标图像进行图像识别时，还可以识别到目标物件的体积数据，从而根据密度数据和体积数据计算得到目标物件的重量数据。

步骤S702：根据重量数据计算得到机械臂抓取目标物件时的目标力矩。

步骤S703：根据目标力矩进行路径规划。

不难发现，本实施方式为与第一实施方式相对应的机械臂运动路径规划方法的实施例，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节和技术效果在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。

本发明第六实施方式涉及一种机械臂运动路径规划方法，用于规划机械臂抓取目标物件时的运动路径，具体步骤如图8所示，包括：

步骤S801：采集目标物件的重量数据。

具体的，在本步骤中，首先采集目标物件的密度数据和体积数据，通过密度数据和体积数据计算得到目标物件的重量数据。

步骤S802：根据密度数据计算得到目标物件的重心位置。

步骤S803：根据重量数据和重心位置计算得到机械臂抓取目标物件时的目标力矩。

步骤S804：根据目标力矩进行路径规划。

不难发现，本实施方式为与第二实施方式相对应的机械臂运动路径规划方法的实施例，本实施方式可与第二实施方式互相配合实施。第二实施方式中提到的相关技术细节和技术效果在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第二实施方式中。

本发明第七实施方式涉及一种机械臂运动路径规划方法，用于规划机械臂抓取目标物件时的运动路径，具体步骤如图9所示，包括：

步骤S901：采集目标物件的重量数据。

步骤S902：获取机械臂与目标物件之间的距离数据。

步骤S903：根据重量数据和距离数据计算得到机械臂抓取目标物件时的目标力矩。

步骤S904：根据目标力矩进行路径规划。

不难发现，本实施方式为与第三实施方式相对应的机械臂运动路径规划方法的实施例，本实施方式可与第三实施方式互相配合实施。第三实施方式中提到的相关技术细节和技术效果在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第三实施方式中。

本发明第八实施方式涉及一种机械臂运动路径规划方法，用于规划机械臂抓取目标物件时的运动路径，具体步骤如图10所示，包括：

步骤S1001：采集目标物件的重量数据。

步骤S1002：采集目标物件的图像数据。

步骤S1003：根据图像数据获取抓取位置数据。

步骤S1004：根据重量数据和抓取位置数据计算得到机械臂抓取目标物件时的目标力矩。

步骤S1005：根据目标力矩进行路径规划。

不难发现，本实施方式为与第四实施方式相对应的机械臂运动路径规划方法的实施例，本实施方式可与第四实施方式互相配合实施。第四实施方式中提到的相关技术细节和技术效果在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第四实施方式中。

本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (8)

1.一种机械臂运动路径规划方法，用于规划机械臂抓取目标物件时的运动路径，其特征在于，包括：

采集所述目标物件的重量数据；

根据所述重量数据计算得到机械臂抓取所述目标物件时的目标力矩；

根据所述目标力矩进行路径规划；

所述目标力矩为机械臂抓取所述目标物件时所计算的多个力矩中的最小力矩；

对所述目标物件所在的目标图像进行图像识别；根据图像识别结果判断所述目标物件的种类数据；

所述采集所述目标物件的重量数据，具体包括：

采集所述目标物件的密度数据和所述目标物件的体积数据，所述目标物件的所述密度数据根据所述目标物件的种类数据得到；

根据所述密度数据和所述体积数据计算得到所述重量数据。

2.根据权利要求1所述的机械臂运动路径规划方法，其特征在于，所述采集所述目标物件的密度数据后，还包括：

根据所述密度数据计算得到所述目标物件的重心位置；

所述根据所述重量数据计算得到机械臂抓取所述目标物件时的目标力矩，具体包括：

根据所述重心位置和所述重量数据计算得到所述目标力矩。

3.根据权利要求1所述的机械臂运动路径规划方法，其特征在于，还包括：获取所述机械臂与所述目标物件之间的距离数据；

所述根据所述重量数据计算得到机械臂抓取所述目标物件时的目标力矩，具体包括：

根据所述重量数据和所述距离数据计算得到所述目标力矩。

4.根据权利要求1所述的机械臂运动路径规划方法，其特征在于，还包括：采集所述目标物件的图像数据；

根据所述图像数据获取抓取位置数据；

所述根据所述重量数据计算得到机械臂抓取所述目标物件时的目标力矩，具体包括：

根据所述重量数据和所述抓取位置数据计算得到所述目标力矩。

5.一种机械臂运动路径规划装置，用于规划机械臂抓取目标物件时的运动路径，其特征在于，包括：

数据采集组件，用于采集目标物件的重量数据；

力矩计算组件，与所述数据采集组件相连，并根据所述重量数据计算机械臂抓取所述目标物件时的目标力矩；所述目标力矩为机械臂抓取所述目标物件时所计算的多个力矩中的最小力矩；

路径规划组件，与力矩计算组件相连，根据所述目标力矩进行路径规划；

所述数据采集组件包括深度相机和图像识别器；

所述深度相机用于拍摄所述目标物件所在的目标图像；所述图像识别器对所述目标图像进行图像识别，根据识别结果判断所述目标物件的种类数据；

所述数据采集组件包括密度采集装置和体积采集装置；

所述密度采集装置用于根据所述目标物件的所述种类数据采集所述目标物件的密度数据，所述体积采集装置用于采集所述目标物件的体积数据；

所述重量数据根据所述体积数据和所述密度数据计算得到。

6.根据权利要求5所述的机械臂运动路径规划装置，其特征在于，还包括：与所述密度采集装置连接的重心计算组件；

所述重心计算组件根据所述密度数据计算得到所述目标物件的重心位置；

所述力矩计算组件根据所述重量数据和所述重心位置计算得到所述目标力矩。

7.根据权利要求5所述的机械臂运动路径规划装置，其特征在于，还包括：与所述力矩计算组件连接的距离采集组件；

所述距离采集组件用于获取所述机械臂与所述目标物件之间的距离数据；

所述力矩计算组件获取所述距离数据、并根据所述重量数据和所述距离数据计算得到所述目标力矩。

8.根据权利要求5所述的机械臂运动路径规划装置，其特征在于，还包括：与所述力矩计算组件连接的图像采集组件，所述图像采集组件用于采集所述目标物件的图像数据、并根据所述图像数据获取抓取位置数据；

所述力矩计算组件根据所述抓取位置数据和所述重量数据计算所述目标力矩。

Images