CN115338873B - 一种基于多参多维距离场数字化的机器人运动规划方法 - Google Patents
一种基于多参多维距离场数字化的机器人运动规划方法 Download PDFInfo
- Publication number
- CN115338873B CN115338873B CN202211276259.XA CN202211276259A CN115338873B CN 115338873 B CN115338873 B CN 115338873B CN 202211276259 A CN202211276259 A CN 202211276259A CN 115338873 B CN115338873 B CN 115338873B
- Authority
- CN
- China
- Prior art keywords
- robot
- execution
- reference target
- tail end
- target
- 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.)
- Active
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
为控制视野差、参照目标重叠的环境中机器人的运动过程,本发明提供了一种基于多参多维距离场数字化的机器人运动规划方法,属于机器人技术领域。该方法包括以下步骤:获取场景中参照目标A的位置信息;导入位置信息,建立多维距离场;划分区域;获取每个参照目标A的实时位置和/或相对运动趋势;模拟计算机器人的执行末端偏离以及回归规定轨迹线时的作用以及方向;分析机器人的执行末端的控制精度,作出合适的运动规划。通过多参多维距离场的方式,将环境场景数字化转化为作用场以分析机器人的执行末端向参照目标运动的作用情况,根据实际情况对机器人的控制精度做出调节,并发送相应的控制反馈信号去控制机器人做出相应的运动规划。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种基于多参多维距离场数字化的机器人运动规划方法。
背景技术
随着计算机技术、传感器技术和人工智能等技术的快速发展,机器人技术也变得日趋成熟,而其中的移动机器人类型应用最为广泛,在家用服务、航天、工业等众多的行业中扮演着越来越重要的角色,这些各种各样的机器人能够在特定环境下很好地完成工作。然而,在某些特殊的场景下中,比如视野差、参照目标重叠的环境中,机器人的执行末端需要按照预定的路线移动时,会存在无法清楚理解与识别环境并做出合适的运动反馈与规划的缺陷。
发明内容
本发明的目的在于提供一种基于多参多维距离场数字化的机器人运动规划方法,通过多参多维距离场的方式,将环境场景数字化,以帮助机器人理解这样一个视野差、空间狭小且多参照干扰的场景,转化为作用场后分析机器人的执行末端向参照目标运动的作用情况,根据实际情况对机器人的控制精度做出调节,并发送相应的控制反馈信号去控制机器人做出相应的运动规划,更安全、精准、高效地完成相应的动作。
本发明采用的技术方案是:
一种基于多参多维距离场数字化的机器人运动规划方法,所述方法包括以下步骤:
步骤S1,获取场景中参照目标A的位置信息,该参照目标A还包括机器人的执行末端在该场景中的规定轨迹线;
步骤S2,以机器人的执行末端为原点,导入每个参照目标A的位置信息,建立XYZ坐标系下T时刻多维距离场,该多维距离场表示为:
其中,XT-Am、YT-Am、ZT-Am表示T时刻参照目标Am上距离机器人的执行末端最近的点的坐标值;DT-Am表示T时刻参照目标Am上距离机器人的执行末端最近的点与机器人的执行末端之间的距离绝对值;m为大于0的自然数;
步骤S3,依据安全距离和危险等级,以机器人的执行末端为中心,由近及远将T时刻的多维距离场划分为禁入区、危险区、警告区和安全区;
步骤S4,获取T+t时刻每个参照目标A上距离机器人的执行末端最近的点的实时坐
标,计算后得到T+t时刻每个参照目标A
上距离机器人的执行末端最近的点分别与机器人的执行末端之间的距离绝对值D(T+t)-Am,由
此判定每个参照目标A具体位于禁入区、危险区、警告区或安全区中,或者具体位于禁入区
与危险区,危险区与警告区或警告区与安全区之间的边界区域附近,得到T+t时刻每个参照
目标A的实时位置和/或相对运动趋势;
步骤S5,模拟计算T+t时刻机器人的执行末端偏离规定轨迹线时的作用FT+t以及方向,以及机器人的执行末端回归规定轨迹线时的作用fT+t以及方向;
步骤S6,基于T+t时刻每个参照目标A的实时位置和/或相对运动趋势以及模拟计算结果,分析T+t时刻机器人的执行末端的控制精度并反馈给机器人,作出合适的运动规划。
进一步地,所述步骤S1中,获取场景中参照目标A的位置信息的具体过程包括:
步骤S11,获取二维场景图像,该二维场景图像中包含了各个参照目标A之间的位置关系;
步骤S12,导入二维场景图像,利用计算机辅助三维重构,得到包含每个参照目标A的三维模型;
步骤S13,在三维模型上绘制出规定轨迹线,得到完整的场景中每个参照目标A的位置信息。
进一步地,所述步骤S5中,模拟计算T+t时刻机器人的执行末端偏离规定轨迹线上的目标点的作用FT+t以及方向,以及机器人的执行末端回归规定轨迹线上的目标点的作用fT+t以及方向的具体过程包括:
步骤S51,模拟T+t时刻机器人的执行末端偏离规定轨迹线,将T+t时刻每个参照目标A上距离机器人的执行末端最近的点的实时坐标
其中,X为参照目标A上距离机器人的执行末端最近的点与机器人的执行末端之间的距离绝对值,X=D(T+t)-Am;
n为危险距离指数,取决于参照目标A,具体视情况而定;如果参照目标A是牵引目标,则n>0,参照目标牵引性越强,n越大,反之越小;如果参照目标A是阻碍目标,则n<0,参照目标危险程度越高,n越小,反之越大;
a为X的相关系数,取决于参照目标A上距离机器人的执行末端最近的点与机器人的执行末端之间的距离绝对值以及参照目标A所处区域;
步骤S52,模拟计算出T+t时刻距离机器人的执行末端回归到规定轨迹线时,需施加的作用fT+t和方向,
其中,θ为作用FT+t的方向与回归规定轨迹线的方向的夹角。
进一步地,所述步骤S6中,分析T+t时刻机器人的执行末端的控制精度时还包括:
获取T+t时刻机器人的执行末端的颤动情况,并对该颤动情况进行分析,得到颤动间距LT+t,将颤动间距LT+t一并反馈给机器人。
进一步地,所述步骤S6中,所述控制精度包括位置精度、速度、加速度、定位精度和/或力反馈。
进一步地,所述步骤S6中,作出合理的运动规划的具体过程包括:
步骤S61,选择参照目标A中的一个或者多个为监控目标;
步骤S62,如果监控目标处于安全区,则机器人的执行末端保持规定的运动速度,继续移动;
步骤S63,如果监控目标处于警告区或者有移动进入到警告区内的趋势,则不改变或者小幅度提高机器人的实际执行控制精度,同时小幅度微降低机器人的执行末端的运动速度;
步骤S64,如果监控目标处于危险区或者有移动进入到危险区内的趋势,则大幅度提高机器人的实际执行控制精度,同时大幅度降低机器人的执行末端的运动速度;
步骤S65,如果监控目标处于禁入区,机器人的执行末端立即停止运动并立刻报警。
进一步地,所述步骤S63和所述步骤S64中,实际执行控制精度包括位置精度、运动速度、加速度、定位精度和/或力反馈。
本发明的有益效果是:
本发明中的一种基于多参多维距离场数字化的机器人运动规划方法,通过多参多维距离场的方式,将环境场景数字化,以帮助机器人理解这样一个视野差、空间狭小且多参照干扰的场景,转化为作用场后分析机器人的执行末端向参照目标运动的作用情况,根据实际情况对机器人的控制精度做出调节,并发送相应的控制反馈信号去控制机器人做出相应的运动规划,更安全、精准、高效地完成相应的动作。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或有现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为实施例中,基于多参多维距离场数字化的机器人运动规划方法的流程示意图。
图2为实施例中,作用分析示意图;其中2a为作用FB、FC、FD和F线、F合的大小和方向,2b为作用f的大小和方向。
图3为实施例中,肝脏腹腔镜肝切除术中手术机器人运动规划方法的流程示意图。
图4为实施例中,腹腔镜手术机器人的工作状态示意图。
图5为实施例中,T时刻,以手术刀为中心划分的禁入区、危险区、警告区和安全区的示意图。
图6为实施例中,T+t时刻,手术刀、肝脏、肿瘤、血管以及划定肝切线之间的相对位置示意图。
图7为实施例中,T+t时刻,作用FT+t和作用fT+t的示意图。
具体实施方式
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。
下面结合附图对发明的实施例进行详细说明。
一种基于多参多维距离场数字化的机器人运动规划方法,其流程如图1中所示。
该方法包括以下步骤:
步骤S1,获取场景中参照目标A的位置信息,该参照目标A还包括机器人的执行末端在该场景中的规定轨迹线。
步骤S2,以机器人的执行末端为原点,导入每个参照目标A的位置信息,建立XYZ坐标系下T时刻多维距离场,该多维距离场表示为:
其中,XT-Am、YT-Am、ZT-Am表示T时刻参照目标Am上距离机器人的执行末端最近的点的坐标值;DT-Am表示T时刻参照目标Am上距离机器人的执行末端最近的点与机器人的执行末端之间的距离绝对值;m为大于0的自然数。
步骤S3,依据安全距离和危险等级,以机器人的执行末端为中心,由近及远将T时刻的多维距离场划分为禁入区、危险区、警告区和安全区。
步骤S4,获取T+t时刻每个参照目标A上距离机器人的执行末端最近的点的实时坐
标,计算后得到T+t时刻每个参照目标A
上距离机器人的执行末端最近的点分别与机器人的执行末端之间的距离绝对值D(T+t)-Am,由
此判定每个参照目标A具体位于禁入区、危险区、警告区或安全区中,或者具体位于禁入区
与危险区,危险区与警告区或警告区与安全区之间的边界区域附近,得到T+t时刻每个参照
目标A的实时位置和/或相对运动趋势。
判断位置时,如果参照目标A体积和距离场相比,体积较小,择以参照目标A的整体进行监测。如果如果参照目标A体积和距离场相比,体积较大,则以以参照目标A的距离机器人执行末端最近的点进行监测。
步骤S5,模拟计算T+t时刻机器人的执行末端偏离规定轨迹线时的作用FT+t以及方向,以及机器人的执行末端回归规定轨迹线时的作用fT+t以及方向。
步骤S6,基于T+t时刻每个参照目标A的实时位置和/或相对运动趋势以及模拟计算结果,分析T+t时刻机器人的执行末端的控制精度并反馈给机器人,作出合适的运动规划。
进一步地,所述步骤S1中,获取场景中参照目标A的位置信息的具体过程包括:
步骤S11,获取二维场景图像,该二维场景图像中包含了各个参照目标A之间的位置关系。
步骤S12,导入二维场景图像,利用计算机辅助三维重构,得到包含每个参照目标A的三维模型。
步骤S13,在三维模型上绘制出规定轨迹线,得到完整的场景中每个参照目标A的位置信息。
进一步地,所述步骤S5中,模拟计算T+t时刻机器人的执行末端偏离规定轨迹线上的目标点的作用FT+t以及方向,以及机器人的执行末端回归规定轨迹线上的目标点的作用fT+t以及方向的具体过程包括:
步骤S51,模拟T+t时刻机器人的执行末端偏离规定轨迹线,将T+t时刻每个参照目标A上距离机器人的执行末端最近的点的实时坐标
其中,X为参照目标A上距离机器人的执行末端最近的点与机器人的执行末端之间的距离绝对值,X=D(T+t)-Am;
n为危险距离指数,取决于参照目标A,具体视情况而定;如果参照目标A是牵引目标(即牵引机器人的执行末端靠近的参照目标A,表现出牵引性),则n>0,参照目标牵引性越强,n越大,反之越小;如果参照目标A是阻碍目标(即阻碍机器人的执行末端靠近的参照目标A,表现出危险性),则n<0,参照目标危险程度越高,n越小,反之越大;
a为X的相关系数,取决于参照目标A上距离机器人的执行末端最近的点与机器人的执行末端之间的距离绝对值以及参照目标A所处区域。
比如,假设以无人驾驶汽车为中心建立距离场,场中有多个参照目标(包括石头、大坑和运动路线等)。如果参照目标为运动路线,为牵引目标,则n>0;如果参照目标是石头,为阻碍目标,则n为-1或-2;如果参照目标为大坑,为阻碍目标,则n为-4或-5。
本实施例中,FT+t模拟反映的是距离场中所有参照目标集合对机器人的执行末端的作用,可能包含相同类别(即n相同)的参照目标集合(例如石头1与石头2),因此对于这类集合,an与Xn取的是该集合的综合值,即向量值。
步骤S52,模拟计算出T+t时刻距离机器人的执行末端回归到规定轨迹线时,需施加的作用fT+t和方向,
其中,θ为作用FT+t的方向与回归规定轨迹线的方向的夹角。
比如场景中有B、C、D和规定轨迹线四个参照目标,偏离时,参照目标的作用FB、FC、FD和F线方向,以及机器人的执行末端的作用F合和方向如图2a中所示;回归时,需施加的作用f和方向如图2b所示。
进一步地,所述步骤S6中,分析T+t时刻机器人的执行末端的控制精度时还包括:
获取T+t时刻机器人的执行末端的颤动情况,并对该颤动情况进行分析,得到颤动间距LT+t,将颤动间距LT+t一并反馈给机器人。
进一步地,所述步骤S6中,所述控制精度包括位置精度、速度、加速度、定位精度和/或力反馈。
进一步地,所述步骤S6中,作出合理的运动规划的具体过程包括:
步骤S61,选择参照目标A中的一个或者多个为监控目标(需要重点关注的参照目标A)。
步骤S62,如果监控目标处于安全区,则机器人的执行末端保持规定的运动速度,继续移动。
步骤S63,如果监控目标处于警告区或者有移动进入到警告区内的趋势,则不改变或者小幅度提高机器人的实际执行控制精度,同时小幅度微降低机器人的执行末端的运动速度。
步骤S64,如果监控目标处于危险区或者有移动进入到危险区内的趋势,则大幅度提高机器人的实际执行控制精度,同时大幅度降低机器人的执行末端的运动速度。
步骤S65,如果监控目标处于禁入区,机器人的执行末端立即停止运动并立刻报警。
进一步地,所述步骤S63和所述步骤S64中,实际执行控制精度包括位置精度、运动速度、加速度、定位精度和/或力反馈。
本实施例中的一种基于多参多维距离场数字化的机器人运动规划方法,通过多参多维距离场的方式,将环境场景数字化,以帮助机器人理解这样一个视野差、空间狭小且多参照干扰的场景,转化为作用场后分析机器人的执行末端向参照目标运动的作用情况,根据实际情况对机器人的控制精度做出调节,并发送相应的控制反馈信号去控制机器人做出相应的运动规划,更安全、精准、高效地完成相应的动作。
同时,本实施例中的基于多参多维距离场数字化的机器人运动规划方法适用于无人机导航、机床零件加工,以及医学用手术机器人控制等领域中。
下面以手术机器人进行肝脏腹腔镜肝切除术的运动规划为例进行说明,流程如图3所示,其包括以下步骤:
步骤S1,获取肝脏、肿瘤、血管以及划定肝切线的位置信息,如图4中所示。其中,肝脏、肿瘤、血管、划定肝切线即为四个参照目标,同时肿瘤和血管为后期监控目标。划定肝切线即为规定轨迹路线。
具体的过程为:获取病员包含肝脏、肿瘤、血管部位的CT图像;导入CT图像,利用计算机辅助三维重构,得到包含肝脏、肿瘤、血管的三维模型;在三维模型上绘制出划定肝切线,得到完整的肝脏、肿瘤、血管以及划定肝切线的位置信息,如图4中所示。
步骤S2,以手术刀(即机器人的执行末端)为原点,导入肝脏、肿瘤、血管以及划定肝切线的位置信息,建立XYZ坐标系下T时刻的16维距离场,该16维距离场表示为:
其中,XT-肝脏、YT-肝脏、ZT-肝脏表示T时刻肝脏上距离手术机器人上的手术刀最近的点的坐标值;DT-肝脏表示T时刻肝脏上距离手术刀最近的点与手术刀之间距离绝对值;
XT-肿瘤、YT-肿瘤、ZT-肿瘤表示T时刻肿瘤上距离手术刀最近的点的坐标值;
DT-肿瘤表示T时刻肿瘤上距离手术刀最近的点与手术刀之间的距离绝对值;
XT-血管、YT-血管、ZT-血管表示T时刻血管上距离手术刀最近的点的坐标值;
DT肝脏表示T时刻血管上距离手术刀最近的点与手术刀之间的距离绝对值;
XT-切线、YT-切线、ZT-切线表示T时刻划定肝切线上距离手术刀最近的点的坐标值;DT-肝脏表示T时刻划定肝切线上距离手术刀最近的点与手术刀之间的距离绝对值。
步骤S3,依据手术时的安全距离和危险等级,以手术刀为中心,由近及远将T时刻的16维距离场划分为禁入区、危险区、警告区和安全区。
如图5中所示,以手术刀为中心,在T时刻构建了四个同心球。从里到外,球半径依次为R1、R2、R3和R4,R1、R2、R3和R4的取值不同。那么球心到R1之间的区域为禁入区Q1。R1到R2之间的区域为警告区Q2。R2到R3之间的区域为危险区Q3。R3到R4之间的区域为安全区Q4。图中的点划线为禁入区和危险区,危险区和警告区,警告区和安全区之间的边界。禁入区、危险区、警告区和安全区之间覆盖的范围不相同。划定后的禁入区、危险区、警告区和安全区会随着手术刀的位置移动,但是覆盖的范围大小不变。如图5中所示,T时刻,肿瘤上与手术刀最近的点位于警告区内。
步骤S4,获取T+t时刻距离手术刀最近的肝脏、肿瘤以及血管上的点的实时坐标,计算后得到T+t时刻手术刀分别与肝脏、肿
瘤、血管、划定肝切线上距离手术刀最近的点之间距离的绝对值D(T+t)-肝脏,D(T+t)-肿瘤、
D(T+t)-血管、D(T+t)-切线,由此判定肝脏、肿瘤、血管、划定肝切线具体位于禁入区、危险区、警告区
或安全区中,或者具体位于禁入区与危险区,危险区与警告区或警告区与安全区之间的边
界区域附近,得到T+t时刻肝脏、肿瘤、血管的实时位置和/或相对运动趋势。
如图6中所示,T+t时刻,肿瘤上与手术刀最近的点位于危险区内。
步骤S5,模拟计算T+t时刻手术刀偏离划定肝切线时的作用FT+t以及方向,以及手术刀回归划定肝切线时的作用fT+t以及方向。
如图7中所示,点线为划定干肝切线。假设Q点为划定肝切线上的目标位置点,P为手术刀偏离后的实际位置点。P点作用FT+t如图5中所示。作用fT+t即为将手术刀的位置由P点拉回Q点需要克服作用FT+t的分作用。
步骤S6,基于T+t时刻肝脏、肿瘤、血管、划定肝切线的实时位置和/或相对运动趋势以及模拟计算结果,结合T+t时刻手术机器人的机械臂的颤动情况,分析T+t时刻手术机器人的控制精度(比如位置精度、运动速度、加速度、定位精度和/或力反馈等)及并反馈给手术机器人,作出合适的运动规划。
具体为:如果肿瘤、血管处于安全区,则保持规定的手术刀的速度。
如果肿瘤、血管处于警告区或者有移动进入到警告区内的趋势,则不改变或者小幅度提高手术机器人的实际执行控制精度(比如位置精度、运动速度、加速度、定位精度和/或力反馈),同时小幅度微降低手术刀的运动速度。
如果肿瘤、血管处于危险区或者有移动进入到危险区内的趋势,则大幅度提高手术机器人的实际执行控制精度,同时大幅度降低手术刀的运动速度。
如果肿瘤、血管处于禁入区,表示血管或肿瘤被割破,立刻报警,并通过语音和/或视频激励传递给医师。
本实施例中,面向一个昏暗狭窄且多参照目标干扰的密闭空间(如腹腔镜环境)时,通过肝脏、肿瘤、血管、手术切割线等多参照目标的位置信息的导入,以手术刀为中心建立一个包含四个参照目标的16维的距离场,并结合手术的安全距离与危险等级,划分出安全区、警告区、危险区与禁入区,由此将多参照目标重叠的复杂场景转变为一个可计量的数字化场景,然后基于手术刀的实时定位3维坐标信息判断各参照目标所处区域,根据模拟作用计算通用公式,将距离场转化为作用场,分析得出手术刀所在点的作用,并结合机械臂颤动间距分析并调节机器人的实施执行控制精度,发送反馈控制信号给予6自由度的机器人去执行合适的运动规划。通过多参多维距离场的方式,将腹腔镜环境场景数字化,以帮助医生或手术机器人理解这样一个视野差、空间狭小且多器官干扰的场景,并发送相应的控制反馈信号去调节手术机器人的实际执行控制精度,做出相应的运动规划,更安全、精准、高效地完成手术。
Claims (5)
1.一种基于多参多维距离场数字化的机器人运动规划方法,其特征在于,所述方法包括以下步骤:
步骤S1,获取场景中参照目标A的位置信息,该参照目标A还包括机器人的执行末端在该场景中的规定轨迹线;
步骤S2,以机器人的执行末端为原点,导入每个参照目标A的位置信息,建立XYZ坐标系下T时刻多维距离场,该多维距离场表示为:
其中,XT-Am、YT-Am、ZT-Am表示T时刻参照目标Am上距离机器人的执行末端最近的点的坐标值;DT-Am表示T时刻参照目标Am上距离机器人的执行末端最近的点与机器人的执行末端之间的距离绝对值;m为大于0的自然数;
步骤S3,依据安全距离和危险等级,以机器人的执行末端为中心,由近及远将T时刻的多维距离场划分为禁入区、危险区、警告区和安全区;
步骤S4,获取T+t时刻每个参照目标A上距离机器人的执行末端最近的点的实时坐标,计算后得到T+t时刻每个参照目标A上距离机器人的执行末端最近的点分别与机器人的执行末端之间的距离绝对值D(T+t)-Am,由此判定每个参照目标A具体位于禁入区、危险区、警告区或安全区中,或者具体位于禁入区与危险区,危险区与警告区或警告区与安全区之间的边界区域附近,得到T+t时刻每个参照目标A的实时位置和/或相对运动趋势;
步骤S5,模拟计算T+t时刻机器人的执行末端偏离规定轨迹线时的作用FT+t以及方向,以及机器人的执行末端回归规定轨迹线时的作用fT+t以及方向;
步骤S6,基于T+t时刻每个参照目标A的实时位置和/或相对运动趋势以及模拟计算结果,分析T+t时刻机器人的执行末端的控制精度并反馈给机器人,作出合适的运动规划;
其中,所述步骤S5中,模拟计算T+t时刻机器人的执行末端偏离规定轨迹线上的目标点的作用FT+t以及方向,以及机器人的执行末端回归规定轨迹线上的目标点的作用fT+t以及方向的具体过程包括:
步骤S51,模拟T+t时刻机器人的执行末端偏离规定轨迹线,将T+t时刻每个参照目标A上距离机器人的执行末端最近的点的实时坐标
其中,X为参照目标A上距离机器人的执行末端最近的点与机器人的执行末端之间的距离绝对值,X=D(T+t)-Am;
n为危险距离指数,取决于参照目标A,具体视情况而定;如果参照目标A是牵引目标,则n>0,参照目标牵引性越强,n越大,反之越小;如果参照目标A是阻碍目标,则n<0,参照目标危险程度越高,n越小,反之越大;
a为X的相关系数,取决于参照目标A上距离机器人的执行末端最近的点与机器人的执行末端之间的距离绝对值以及参照目标A所处区域;
步骤S52,模拟计算出T+t时刻距离机器人的执行末端回归到规定轨迹线时,需施加的作用fT+t和方向;
其中,θ为作用FT+t的方向与回归规定轨迹线的方向的夹角;
所述步骤S6中,作出合理的运动规划的具体过程包括:
步骤S61,选择参照目标A中的一个或者多个为监控目标;
步骤S62,如果监控目标处于安全区,则机器人的执行末端保持规定的运动速度,继续移动;
步骤S63,如果监控目标处于警告区或者有移动进入到警告区内的趋势,则不改变或者小幅度提高机器人的实际执行控制精度,同时小幅度微降低机器人的执行末端的运动速度;
步骤S64,如果监控目标处于危险区或者有移动进入到危险区内的趋势,则大幅度提高机器人的实际执行控制精度,同时大幅度降低机器人的执行末端的运动速度;
步骤S65,如果监控目标处于禁入区,机器人的执行末端立即停止运动并立刻报警。
2.根据权利要求1所述的基于多参多维距离场数字化的机器人运动规划方法,其特征在于,所述步骤S1中,获取场景中参照目标A的位置信息的具体过程包括:
步骤S11,获取二维场景图像,该二维场景图像中包含了各个参照目标A之间的位置关系;
步骤S12,导入二维场景图像,利用计算机辅助三维重构,得到包含每个参照目标A的三维模型;
步骤S13,在三维模型上绘制出规定轨迹线,得到完整的场景中每个参照目标A的位置信息。
3.根据权利要求1所述的基于多参多维距离场数字化的机器人运动规划方法,其特征在于,所述步骤S6中,分析T+t时刻机器人的执行末端的控制精度时还包括:
获取T+t时刻机器人的执行末端的颤动情况,并对该颤动情况进行分析,得到颤动间距LT+t,将颤动间距LT+t一并反馈给机器人。
4.根据权利要求1所述的基于多参多维距离场数字化的机器人运动规划方法,其特征在于,所述步骤S6中,所述控制精度包括位置精度、速度、加速度、定位精度和/或力反馈。
5.根据权利要求1所述的基于多参多维距离场数字化的机器人运动规划方法,其特征在于,所述步骤S63和所述步骤S64中,实际执行控制精度包括位置精度、运动速度、加速度、定位精度和/或力反馈。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211276259.XA CN115338873B (zh) | 2022-10-19 | 2022-10-19 | 一种基于多参多维距离场数字化的机器人运动规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211276259.XA CN115338873B (zh) | 2022-10-19 | 2022-10-19 | 一种基于多参多维距离场数字化的机器人运动规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115338873A CN115338873A (zh) | 2022-11-15 |
CN115338873B true CN115338873B (zh) | 2022-12-16 |
Family
ID=83956959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211276259.XA Active CN115338873B (zh) | 2022-10-19 | 2022-10-19 | 一种基于多参多维距离场数字化的机器人运动规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115338873B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115954096B (zh) * | 2023-03-14 | 2023-05-30 | 南京诺源医疗器械有限公司 | 一种基于图像数据处理的腔镜vr成像系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610212A (zh) * | 2017-07-25 | 2018-01-19 | 深圳大学 | 场景重建方法、装置、计算机设备以及计算机存储介质 |
CN111859571A (zh) * | 2020-07-21 | 2020-10-30 | 齐鲁工业大学 | 基于参数化设计的堆垛机安全性评价方法及系统 |
TW202107325A (zh) * | 2019-05-10 | 2021-02-16 | 美商科文特股份有限公司 | 虛擬半導體裝置製造環境中之製程窗的最佳化系統及方法 |
CN113160205A (zh) * | 2021-05-04 | 2021-07-23 | 曲阜师范大学 | 一种基于距离场的精确定义目标肿瘤安全消融边界的方法 |
WO2022119934A1 (en) * | 2020-12-02 | 2022-06-09 | Realtime Robotics, Inc. | Systems, methods, and user interfaces employing clearance determinations in robot motion planning and control |
CN114872324A (zh) * | 2022-04-15 | 2022-08-09 | 华中科技大学 | 一种基于多维信息耦合调控性能的激光增材制造方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682636B (zh) * | 2016-12-31 | 2020-10-16 | 上海联影医疗科技有限公司 | 血管提取方法及其系统 |
US11724387B2 (en) * | 2020-04-03 | 2023-08-15 | Fanuc Corporation | Fast robot motion optimization with distance field |
-
2022
- 2022-10-19 CN CN202211276259.XA patent/CN115338873B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610212A (zh) * | 2017-07-25 | 2018-01-19 | 深圳大学 | 场景重建方法、装置、计算机设备以及计算机存储介质 |
TW202107325A (zh) * | 2019-05-10 | 2021-02-16 | 美商科文特股份有限公司 | 虛擬半導體裝置製造環境中之製程窗的最佳化系統及方法 |
CN111859571A (zh) * | 2020-07-21 | 2020-10-30 | 齐鲁工业大学 | 基于参数化设计的堆垛机安全性评价方法及系统 |
WO2022119934A1 (en) * | 2020-12-02 | 2022-06-09 | Realtime Robotics, Inc. | Systems, methods, and user interfaces employing clearance determinations in robot motion planning and control |
CN113160205A (zh) * | 2021-05-04 | 2021-07-23 | 曲阜师范大学 | 一种基于距离场的精确定义目标肿瘤安全消融边界的方法 |
CN114872324A (zh) * | 2022-04-15 | 2022-08-09 | 华中科技大学 | 一种基于多维信息耦合调控性能的激光增材制造方法 |
Non-Patent Citations (2)
Title |
---|
Three-Dimensional Geological Modeling of Coal Seams Using Weighted Kriging Method and Multi-Source Data;Defu Che;《Three-Dimensional Geological Modeling of Coal Seams Using Weighted Kriging Method and Multi-Source Data》;IEEE;20190821;第118037-118045页 * |
心血管CT图像三维可视化与计算机辅助诊断技术;丛佳佳;《心血管CT图像三维可视化与计算机辅助诊断技术》;中国优秀硕士学位论文全文数据库;20200315;E062-55 * |
Also Published As
Publication number | Publication date |
---|---|
CN115338873A (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3410246B1 (en) | Robot obstacle avoidance control system and method, robot, and storage medium | |
CN109567942B (zh) | 采用人工智能技术的颅颌面外科手术机器人辅助系统 | |
CN115338873B (zh) | 一种基于多参多维距离场数字化的机器人运动规划方法 | |
EP3031585A2 (en) | Collision avoidance method, control device, and program | |
CN105082161A (zh) | 双目立体摄像机机器人视觉伺服控制装置及其使用方法 | |
Westerberg et al. | Virtual environment-based teleoperation of forestry machines: Designing future interaction methods | |
CN106780566B (zh) | 一种基于Delta机器人下的目标跟踪的方法及系统 | |
Vahrenkamp et al. | Planning high-quality grasps using mean curvature object skeletons | |
McGreavy et al. | Next best view planning for object recognition in mobile robotics | |
Volodin et al. | Autonomous robot control in partially undetermined world via fuzzy logic | |
Fantacci et al. | Visual end-effector tracking using a 3D model-aided particle filter for humanoid robot platforms | |
CN111428334A (zh) | 激光雷达测量中机器人站位规划方法 | |
CN106558070B (zh) | 一种基于Delta机器人下的视觉跟踪的方法及系统 | |
Zheng et al. | An object recognition grasping approach using proximal policy optimization with yolov5 | |
Altinpinar et al. | Comparison of autonomous Robot's mapping performance based on number of lidars and number of tours | |
Houtman et al. | Automated flower counting from partial detections: Multiple hypothesis tracking with a connected-flower plant model | |
Feng et al. | Implementation of dynamic obstacle avoidance on the CMU NavLab | |
Zhou et al. | A VS ultrasound diagnostic system with kidney image evaluation functions | |
Belaidi et al. | NURBs trajectory generation and following by an autonomous mobile robot navigating in 3D environment | |
Schnaubelt et al. | Autonomous assistance for versatile grasping with rescue robots | |
Du et al. | Human‐Manipulator Interface Using Particle Filter | |
Vonásek et al. | Path planning of 3D solid objects using approximate solutions | |
CN112180343A (zh) | 激光点云数据处理方法、装置、设备及无人驾驶系统 | |
Praolini et al. | Best view methodology enhanced by bayesian optimization for robotic motion planning in quality inspection tasks | |
Le et al. | Design and control of agriculture robot integrated a delta manipulator |
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 |