CN115609595B - 一种机械臂的轨迹规划方法、装置、设备及可读存储介质 - Google Patents
一种机械臂的轨迹规划方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN115609595B CN115609595B CN202211621412.8A CN202211621412A CN115609595B CN 115609595 B CN115609595 B CN 115609595B CN 202211621412 A CN202211621412 A CN 202211621412A CN 115609595 B CN115609595 B CN 115609595B
- Authority
- CN
- China
- Prior art keywords
- obstacle avoidance
- track
- obstacle
- data
- mechanical arm
- 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
- B25J9/1602—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
- B25J9/1656—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)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种机械臂的轨迹规划方法、装置、设备及可读存储介质,涉及领域,包括:获取机械臂作业任务和历史避障数据;根据机械臂作业任务确定轨迹参数并进行计算得到预设运动轨迹;根据历史避障数据建立障碍识别数学模型;在机械臂按照预设运动轨迹运行过程中,实时监测产生的异常数据,并将异常数据输入至障碍识别数学模型得到障碍类型以及对应的避障方案;根据避障方案确定避障轨迹参数并计算得到避障动作轨迹;根据预设运动轨迹和避障动作轨迹得到最终轨迹方案。本发明的有益效果为:通过对历史避障数据进行处理,构建出障碍识别数学模型,实现在机械臂运行时遇到障碍物能够自动识别障碍物类型,具有识别速度快、准确率高的优点。
Description
技术领域
本发明涉及信息技术领域,具体而言,涉及一种机械臂的轨迹规划方法、装置、设备及可读存储介质。
背景技术
机械臂是指高精度,多输入多输出、高度非线性、强耦合的复杂系统。因其独特的操作灵活性,已在建筑施工、工业装配等多种行业得到广泛应用。现有的机械臂轨迹规划方法通常为操作人员在机械臂工作前,对现场已知障碍物的位置、种类和形状数据进行确定后,对机械臂进行参数调整进而获得机械臂的运动轨迹,这样的机械臂轨迹规划方法在机械臂进行循环工作时无法应对碰撞到未知障碍物的情况,并进行轨迹的修正,造成损坏设备的风险。现需要一种基于未知障碍物自动识别的机械臂轨迹规划方法,能够在机械臂运行过程中遇到未知障碍物后自动识别出障碍物的类型并采取相应的避障动作,实现对机械臂轨迹的实时修正。
发明内容
本发明的目的在于提供一种机械臂的轨迹规划方法、装置、设备及可读存储介质,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
第一方面,本申请提供了一种机械臂的轨迹规划方法,包括:
获取机械臂作业任务和历史避障数据,所述历史避障数据为机械臂在历史作业任务中采集到的异常监测数据以及对应的避障方案;
根据所述机械臂作业任务确定轨迹参数并进行计算得到预设运动轨迹;
根据所述历史避障数据建立障碍识别数学模型;
在机械臂按照预设运动轨迹运行过程中,实时监测产生的异常数据,并将所述异常数据输入至所述障碍识别数学模型得到障碍类型以及对应的避障方案;
根据所述避障方案确定避障轨迹参数并计算得到避障动作轨迹;
根据所述预设运动轨迹和所述避障动作轨迹得到最终轨迹方案。
第二方面,本申请还提供了机械臂的轨迹规划装置,包括:
获取模块,用于获取机械臂作业任务和历史避障数据,所述历史避障数据为机械臂在历史作业任务中采集到的异常监测数据以及对应的避障方案;
第一计算模块,用于根据所述机械臂作业任务确定轨迹参数并进行计算得到预设运动轨迹;
分析模块,用于根据所述历史避障数据建立障碍识别数学模型;
识别模块,用于在机械臂按照预设运动轨迹运行过程中,实时监测产生的异常数据,并将所述异常数据输入至所述障碍识别数学模型得到障碍类型以及对应的避障方案;
第二计算模块,用于根据所述避障方案确定避障轨迹参数并计算得到避障动作轨迹;
规划模块,用于根据所述预设运动轨迹和所述避障动作轨迹得到最终轨迹方案。
第三方面,本申请还提供了一种机械臂的轨迹规划设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现所述机械臂的轨迹规划方法的步骤。
第四方面,本申请还提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于机械臂的轨迹规划方法的步骤。
本发明的有益效果为:
一、本发明通过对历史避障数据进行处理,构建出障碍识别数学模型,实现在机械臂运行时遇到障碍物能够自动识别障碍物类型并完成相应的避障动作,与预设运动轨迹组合形成最终轨迹,具有识别速度快、准确率高的优点。
二、本发明通过对历史避障数据进行特征提取和聚类运算,对障碍物类型进行自动分类,提升了分类的效率,节约了人力资源。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例中所述的机械臂的轨迹规划方法流程示意图;
图2为本发明实施例中所述的机械臂的轨迹规划装置结构示意图;
图3为本发明实施例中所述的机械臂的轨迹规划设备结构示意图。
图中标记:1、获取模块;2、第一计算模块;21、第一处理单元;211、第二计算单元;212、第三处理单元;213、第四处理单元;214、第五处理单元;22、第一计算单元;23、第二计算单元;3、分析模块;31、第六处理单元;311、第十处理单元;312、第十一处理单元;313、第三计算单元;32、第七处理单元;33、第八处理单元;34、第九处理单元;4、识别模块;41、第六处理单元;42、第三计算单元;43、第四计算单元;44、第七处理单元;5、第二计算模块;6、规划模块;61、第十二处理单元;62、第十三处理单元;63、第十四处理单元;64、第十五处理单元;800、机械臂的轨迹规划设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种机械臂的轨迹规划方法。
参见图1,图中示出了本方法包括步骤S100、步骤S200、步骤S300、步骤S400、步骤S500和步骤S600。
步骤S100、获取机械臂作业任务和历史避障数据,历史避障数据为机械臂在历史作业任务中采集到的异常监测数据以及对应的避障方案。
可以理解的是本步骤中将当前机械臂作业的外部环境信息和机械臂在之前作业时遇到的障碍物情况、碰撞到障碍物后产生的异常数据以及对应采取的避障方案进行上传和存储。
步骤S200、根据机械臂作业任务确定轨迹参数并进行计算得到预设运动轨迹。
可以理解的是本步骤中机械臂根据作业任务建立外部环境的三维模型,同时根据机械臂自身的尺寸、关节角等信息建立关节空间障碍模型,通过使用路径搜索算法获取空间节点,并通过机械臂运动学求解得到各关节角并获取运动参数,进而初步得到预设运动轨迹。需要说明的是,步骤S200包括步骤S210、步骤S220和步骤S230。
步骤S210、根据机械臂作业任务建立工作环境三维模型,工作环境三维模型中包括起始点和终点。
可以理解的是本步骤从机械臂作业任务中的传感器数据建立外部工作环境的三维模型。
步骤S220、根据工作环境三维模型和预设的避障要求计算得到路径节点。
可以理解的是本步骤中在建立了工作环境三维模型的基础上通过实际情况对机械臂在三维空间中的运行提出限定要求,进而得到最优的路径规划。需要说明的是,步骤S220包括步骤S221、步骤S222、步骤S223和步骤S224。
步骤S221、将工作环境三维模型进行栅格化处理得到由立方体素构成工作环境栅格模型。
可以理解的是本步骤中将工作环境三维模型进行栅格化的方法建立栅格模型,将外部工作环境划分为由多个立方体素。
步骤S222、基于机械臂空间位置、地面障碍空间位置和自由空间位置对工作环境栅格模型中的立方体素进行分类和编码。
可以理解的是本步骤中机械臂空间位置为机械臂静止时所占空间,地面障碍空间位置为当前工作任务中能够直观观察和传感器覆盖范围内的障碍物占用的空间,自由空间为工作环境中除去机械臂空间位置和地面障碍空间位置的其余空间。通过将栅格模型中的立方体素分为两类,分别表示自由空间的体素和表示障碍物的体素可以直观表达出机械臂运动中与障碍物的干涉情况。对工作环境栅格模型进行编码的过程为,将工作环境栅格模型进行三维坐标化,根据体素的坐标对立方体素进行对应的编码。这样的分类和编码方式便于后续的路径长度计算和评估路径是否可行。
步骤S223、基于规划路径最短的条件构建防干涉适应度函数,并基于防干涉适应度函数建立路径搜索数学模型。
可以理解的是本步骤中提出以路径最短作为筛选条件并结合栅格模型的结构特点构建出防干涉适应度函数,并通过在该防干涉适应度函数的基础上改进遗传算法建立路径搜索数学模型。本步骤中采用遗传算法建立路径搜索数学模型为本行业人员的公知常识,本实施例中不再赘述。
步骤S224、根据分类编码后的工作环境栅格模型和路径搜索数学模型得到路径节点。
可以理解的是本步骤中通过路径路径搜索数学模型得到路径节点,路径节点为包括立方体素编码连续连线。
步骤S230、根据路径节点、起始点和终点得到预设路径集合并基于路径最短作为评判标准筛选得到预设运动轨迹。
可以理解的是本步骤中通过将起始点、中点和路径节点通过曲线拟合后即可得到机械臂的预设运动轨迹。
步骤S300、根据历史避障数据建立障碍识别数学模型。
可以理解的是在机械臂进行工作任务时还会存在预先不能直接识别和观察到的障碍物,若机械臂只按照预设运动轨迹进行运动则会造成机械臂损坏等情况。本步骤中通过历史工作任务中环境情况、碰撞到障碍物后产生的异常数据以及对应采取的避障方案进行分类和提取特征建立障碍识别数学模型,能够在机械臂运行时遇到障碍后进行自动识别和采取适当的避障方案,实现自动避障的功能且能够为后续重复的运动规划出合理的运动轨迹。需要说明的是,步骤S300包括步骤S310、步骤S320、步骤S330和步骤S340。
步骤S310、将历史避障数据进行特征提取得到异常数据特征以及对应的权重信息。
异常数据特征为历史避障数据中包括力传感器采集到的机械臂遇到障碍物后的碰撞位置、角度和各关节上突变的加速度值,通过对这些数据的提取可以得到障碍物的识别的依据,权重信息为各特征数据的重要程度。需要说明的是,步骤S310包括步骤S311、步骤S312和步骤S313。
步骤S311、将历史避障数据与预设的正常数据进行比对,提取出异常数据信息作为异常数据特征。
可以理解的是本步骤中异常数据信息包括机械臂各关节上突变加速度值和此时对应的碰撞点位置和角度。
步骤S312、根据异常数据信息建立层次结构模型,并基于层次结构模型,对所有异常数据特征的重要性进行比较,构建得到判别矩阵,其中基于每个特征的重要性进行评分,并将每个异常数据特征的按照评分结果建立评分矩阵。
可以理解的是本步骤中对提取到的碰撞位置、角度和各关节上突变的加速度值进行归类分析,划分为由上到下顺序形成的目标层、准则层和方案层的层次结构模型。在本实施例中,目标层为每个异常数据信息的重要性,准则层为异常数据信息出现次数等,方案层为每种异常数据信息所占比例。判别矩阵为层次结构模型逐层对异常数据信息之间进行比较获得相对重要程度的关系;评分矩阵为判别矩阵中对每个指标进行打分后进行归一化处理得到。
步骤S313、根据判别矩阵和评分矩阵计算得到每个异常数据特征对应的权重信息。
可以理解的是本步骤通过权重计算公式计算每个特征的权重,其中权重计算公式如下:
步骤S320、基于异常数据特征对历史避障数据进行聚类运算得到分类避障数据。
可以理解的是本步骤通过将提取得到的异常数据特征进行基于距离的聚类算法运算得到分类避障数据,完成对障碍物类型的自动分类,降低人工分类的工作量,提升了分类的效率。
步骤S330、将分类避障数据进行空间位置关联度分析,得到分类避障数据每个类别的空间关联度值。
可以理解的是本步骤通过将分类避障数据与发生障碍物碰撞时所处工作环境的空间位置关联度进行结合,提升分类识别的准确度。
步骤S340、基于权重信息、分类避障数据和空间关联度值建立障碍识别数学模型。
可以理解的是本步骤通过得到的权重信息、分类避障数据和空间关联度值对神经网络模型算法进行训练和各层级间的权重调整,得到用于机械臂在运动过程中对障碍物进行自动识别的障碍识别数学模型。
步骤S400、在机械臂按照预设运动轨迹运行过程中,实时监测产生的异常数据,并将异常数据输入至障碍识别数学模型得到障碍类型以及对应的避障方案。
可以理解的是本步骤通过在机械臂运作时监测异常数据并通过障碍识别数学模型进行识别确定障碍类型,根据历史工作中采取的对应避障方案进行避障动作绕过障碍物。
步骤S500、根据避障方案确定避障轨迹参数并计算得到避障动作轨迹。
可以理解的是本步骤通过机械臂采取的避障方案的轨迹求解得到各关节角并获取运动参数,进而控制机械臂按照运动参数进行运行得到避障动作轨迹。
步骤S600、根据预设运动轨迹和避障动作轨迹得到最终轨迹方案。
可以理解的是本步骤通过预设运动轨迹中已运行的轨迹和进行避障方案采取的避障动作轨迹进行合并得到最终轨迹方案,最终轨迹方案进而作为循环动作的标准轨迹。需要说明的是,步骤S600包括步骤S610、步骤S620、步骤S630和步骤S640。
步骤S610、在机械臂按照预设运动轨迹进行运行过程中,检测到障碍物后按照避障动作轨迹进行运行。
可以理解的是本步骤中机械臂正常运行时按照预设运动轨迹进行运行,遇到障碍物时按照避障方案进行轨迹调整得到避障动作轨迹。
步骤S620、基于预设路径搜索算法将避障动作轨迹的终点和预设运动轨迹的终点进行路径规划,得到调整轨迹。
可以理解的是本步骤中在机械臂采用避障动作轨迹后机械臂的位置已经偏离了预设运动轨迹,要完成工作任务需在机械臂避障后再规划出一条调整轨迹以返回预设运动轨迹的路线上。
步骤S630、在机械臂按照调整轨迹进行运行过程中,实时进行障碍物检测并根据障碍物类型进行对应的避障动作轨迹规划直到机械臂运行至预设运动轨迹的终点。
可以理解的是本步骤考虑到障碍物会存在多个以及不同种类的情况,需要机械臂进行多次避障并对应规划多条调整轨迹。
步骤S640、将预设运动轨迹、避障动作轨迹和调整轨迹进行组合得到最终轨迹方案。
可以理解的是本步骤将机械臂完成一次工作任务所产生的预设运动轨迹已行走部分、多个运动轨迹和多个调整轨迹进行组合得到最终轨迹方案。
实施例2:
如图2所示,本实施例提供了一种机械臂的轨迹规划装置,装置包括:
获取模块1,用于获取机械臂作业任务和历史避障数据,历史避障数据为机械臂在历史作业任务中采集到的异常监测数据以及对应的避障方案;
第一计算模块2,用于根据机械臂作业任务确定轨迹参数并进行计算得到预设运动轨迹;
分析模块3,用于根据历史避障数据建立障碍识别数学模型;
识别模块4,用于在机械臂按照预设运动轨迹运行过程中,实时监测产生的异常数据,并将异常数据输入至障碍识别数学模型得到障碍类型以及对应的避障方案;
第二计算模块5,用于根据避障方案确定避障轨迹参数并计算得到避障动作轨迹;
规划模块6,用于根据预设运动轨迹和避障动作轨迹得到最终轨迹方案。
在本公开的一种具体实施方式中,第一计算模块2包括:
第一处理单元21,用于根据机械臂作业任务建立工作环境三维模型,工作环境三维模型中包括起始点和终点;
第一计算单元22,用于根据工作环境三维模型和预设的避障要求计算得到路径节点;
第二计算单元211,用于根据路径节点、起始点和终点得到预设路径集合并基于路径最短作为评判标准筛选得到预设运动轨迹。
在本公开的一种具体实施方式中,第一计算单元22包括:
第二处理单元,用于将工作环境三维模型进行栅格化处理得到由立方体素构成工作环境栅格模型;
第三处理单元212,基于机械臂空间位置、地面障碍空间位置和自由空间位置对工作环境栅格模型中的立方体素进行分类和编码;
第四处理单元213,基于规划路径最短的条件构建防干涉适应度函数,并基于防干涉适应度函数建立路径搜索数学模型;
第五处理单元214,用于根据分类编码后的工作环境栅格模型和路径搜索数学模型得到路径节点。
在本公开的一种具体实施方式中,分析模块3包括:
第六处理单元31,用于将历史避障数据进行特征提取得到异常数据特征以及对应的权重信息;
第七处理单元32,基于异常数据特征对历史避障数据进行聚类运算得到分类避障数据;
第八处理单元33,用于将分类避障数据进行空间位置关联度分析,得到分类避障数据每个类别的空间关联度值;
第九处理单元34,基于权重信息、分类避障数据和空间关联度值建立障碍识别数学模型。
在本公开的一种具体实施方式中,第六处理单元31包括:
第十处理单元311,用于将历史避障数据与预设的正常数据进行比对,提取出异常数据信息作为异常数据特征;
第十一处理单元312,用于根据异常数据信息建立层次结构模型,并基于层次结构模型,对所有异常数据特征的重要性进行比较,构建得到判别矩阵,其中基于每个特征的重要性进行评分,并将每个异常数据特征的按照评分结果建立评分矩阵;
第三计算单元313,用于根据判别矩阵和评分矩阵计算得到每个异常数据特征对应的权重信息。
在本公开的一种具体实施方式中,规划模块6包括:
第十二处理单元61,用于在机械臂按照预设运动轨迹进行运行过程中,检测到障碍物后按照避障动作轨迹进行运行;
第十三处理单元62,用于基于预设路径搜索算法将避障动作轨迹的终点和预设运动轨迹的终点进行路径规划,得到调整轨迹;
第十四处理单元63,用于在机械臂按照调整轨迹进行运行过程中,实时进行障碍物检测并根据障碍物类型进行对应的避障动作轨迹规划直到机械臂运行至预设运动轨迹的终点;
第十五处理单元64,用于将预设运动轨迹、避障动作轨迹和调整轨迹进行组合得到最终轨迹方案。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种机械臂的轨迹规划设备,下文描述的一种机械臂的轨迹规划设备与上文描述的一种机械臂的轨迹规划方法可相互对应参照。
图3是根据示例性实施例示出的一种机械臂的轨迹规划设备800的框图。如图3所示,该机械臂的轨迹规划设备800可以包括:处理器801,存储器802。该机械臂的轨迹规划设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该机械臂的轨迹规划设备800的整体操作,以完成上述的机械臂的轨迹规划方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该机械臂的轨迹规划设备800的操作,这些数据例如可以包括用于在该机械臂的轨迹规划设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random AccessMemory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该机械臂的轨迹规划设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,机械臂的轨迹规划设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的机械臂的轨迹规划方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的机械臂的轨迹规划方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由机械臂的轨迹规划设备800的处理器801执行以完成上述的机械臂的轨迹规划方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种机械臂的轨迹规划方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的机械臂的轨迹规划方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种机械臂的轨迹规划方法,其特征在于,包括:
获取机械臂作业任务和历史避障数据,所述历史避障数据为机械臂在历史作业任务中采集到的异常监测数据以及对应的避障方案;
根据所述机械臂作业任务确定轨迹参数并进行计算得到预设运动轨迹;
根据所述历史避障数据建立障碍识别数学模型;
在机械臂按照预设运动轨迹运行过程中,实时监测产生的异常数据,并将所述异常数据输入至所述障碍识别数学模型得到障碍类型以及对应的避障方案;
根据所述避障方案确定避障轨迹参数并计算得到避障动作轨迹;
根据所述预设运动轨迹和所述避障动作轨迹得到最终轨迹方案;
其中,根据所述历史避障数据建立障碍识别数学模型,包括:
将所述历史避障数据进行特征提取得到异常数据特征以及对应的权重信息;
基于所述异常数据特征对所述历史避障数据进行聚类运算得到分类避障数据;
将所述分类避障数据进行空间位置关联度分析,得到分类避障数据每个类别的空间关联度值;
基于所述权重信息、所述分类避障数据和所述空间关联度值建立障碍识别数学模型;
其中,将所述历史避障数据进行特征提取得到异常数据特征以及对应的权重信息,包括:
将所述历史避障数据与预设的正常数据进行比对,提取出异常数据信息作为异常数据特征;
根据所述异常数据信息建立层次结构模型,并基于层次结构模型,对所有所述异常数据特征的重要性进行比较,构建得到判别矩阵,其中基于每个所述异常数据特征的重要性进行评分,并将每个所述异常数据特征按照评分结果建立评分矩阵;
根据所述判别矩阵和所述评分矩阵计算得到每个所述异常数据特征对应的权重信息;
其中,根据所述预设运动轨迹和所述避障动作轨迹得到最终轨迹方案,包括:
在机械臂按照所述预设运动轨迹进行运行过程中,检测到障碍物后按照所述避障动作轨迹进行运行;
基于预设路径搜索算法将所述避障动作轨迹的终点和所述预设运动轨迹的终点进行路径规划,得到调整轨迹;
在机械臂按照所述调整轨迹进行运行过程中,实时进行障碍物检测并根据障碍物类型进行对应的所述避障动作轨迹规划直到机械臂运行至所述预设运动轨迹的终点;
将所述预设运动轨迹、所述避障动作轨迹和所述调整轨迹进行组合得到最终轨迹方案。
2.根据权利要求1所述的机械臂的轨迹规划方法,其特征在于,所述根据所述机械臂作业任务确定轨迹参数并进行实时计算得到预设运动轨迹,包括:
根据所述机械臂作业任务建立工作环境三维模型,所述工作环境三维模型中包括起始点和终点;
根据所述工作环境三维模型和预设的避障要求计算得到路径节点;
根据所述路径节点、所述起始点和所述终点得到预设路径集合并基于路径最短作为评判标准筛选得到预设运动轨迹。
3.一种机械臂的轨迹规划装置,其特征在于,包括:
获取模块,用于获取机械臂作业任务和历史避障数据,所述历史避障数据为机械臂在历史作业任务中采集到的异常监测数据以及对应的避障方案;
第一计算模块,用于根据所述机械臂作业任务确定轨迹参数并进行计算得到预设运动轨迹;
分析模块,用于根据所述历史避障数据建立障碍识别数学模型;
识别模块,用于在机械臂按照预设运动轨迹运行过程中,实时监测产生的异常数据,并将所述异常数据输入至所述障碍识别数学模型得到障碍类型以及对应的避障方案;
第二计算模块,用于根据所述避障方案确定避障轨迹参数并计算得到避障动作轨迹;
规划模块,用于根据所述预设运动轨迹和所述避障动作轨迹得到最终轨迹方案;
其中,所述分析模块包括:
第六处理单元,用于将所述历史避障数据进行特征提取得到异常数据特征以及对应的权重信息;
第七处理单元,基于所述异常数据特征对所述历史避障数据进行聚类运算得到分类避障数据;
第八处理单元,用于将所述分类避障数据进行空间位置关联度分析,得到所述分类避障数据每个类别的空间关联度值;
第九处理单元,基于所述权重信息、所述分类避障数据和所述空间关联度值建立障碍识别数学模型;
其中,所述第六处理单元包括:
第十处理单元,用于将所述历史避障数据与预设的正常数据进行比对,提取出异常数据信息作为异常数据特征;
第十一处理单元,用于根据所述异常数据信息建立层次结构模型,并基于所述层次结构模型,对所有所述异常数据特征的重要性进行比较,构建得到判别矩阵,其中基于每个所述异常数据特征的重要性进行评分,并将每个所述异常数据特征按照评分结果建立评分矩阵;
第三计算单元,用于根据所述判别矩阵和所述评分矩阵计算得到每个所述异常数据特征对应的权重信息;
其中,所述规划模块包括:
第十二处理单元,用于在机械臂按照预设运动轨迹进行运行过程中,检测到障碍物后按照所述避障动作轨迹进行运行;
第十三处理单元,用于基于预设路径搜索算法将所述避障动作轨迹的终点和预设运动轨迹的终点进行路径规划,得到调整轨迹;
第十四处理单元,用于在机械臂按照所述调整轨迹进行运行过程中,实时进行障碍物检测并根据障碍物类型进行对应的所述避障动作轨迹规划直到机械臂运行至预设运动轨迹的终点;
第十五处理单元,用于将预设运动轨迹、所述避障动作轨迹和所述调整轨迹进行组合得到最终轨迹方案。
4.根据权利要求3所述的机械臂的轨迹规划装置,其特征在于,所述第一计算模块包括:
第一处理单元,用于根据所述机械臂作业任务建立工作环境三维模型,所述工作环境三维模型中包括起始点和终点;
第一计算单元,用于根据所述工作环境三维模型和预设的避障要求计算得到路径节点;
第二计算单元,用于根据所述路径节点、所述起始点和所述终点得到预设路径集合并基于路径最短作为评判标准筛选得到预设运动轨迹。
5.一种机械臂的轨迹规划设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至2任一项所述机械臂的轨迹规划方法的步骤。
6.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至2任一项所述机械臂的轨迹规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211621412.8A CN115609595B (zh) | 2022-12-16 | 2022-12-16 | 一种机械臂的轨迹规划方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211621412.8A CN115609595B (zh) | 2022-12-16 | 2022-12-16 | 一种机械臂的轨迹规划方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115609595A CN115609595A (zh) | 2023-01-17 |
CN115609595B true CN115609595B (zh) | 2023-03-07 |
Family
ID=84880277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211621412.8A Active CN115609595B (zh) | 2022-12-16 | 2022-12-16 | 一种机械臂的轨迹规划方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115609595B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117381805B (zh) * | 2023-12-13 | 2024-02-27 | 成都航空职业技术学院 | 一种面向冲突应对的机械臂运行控制方法和系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017132905A1 (zh) * | 2016-02-03 | 2017-08-10 | 华为技术有限公司 | 控制运动系统的方法和装置 |
US20220291685A1 (en) * | 2017-01-20 | 2022-09-15 | Follow Inspiration, S.A. | Method and system to improve autonomous robotic systems responsive behavior |
CN108036790B (zh) * | 2017-12-03 | 2020-06-02 | 景德镇陶瓷大学 | 一种障碍环境下基于蚁蜂算法的机器人路径规划方法及系统 |
CN108171796A (zh) * | 2017-12-25 | 2018-06-15 | 燕山大学 | 一种基于三维点云的巡检机器人视觉系统及控制方法 |
US10678264B2 (en) * | 2018-10-10 | 2020-06-09 | Midea Group Co., Ltd. | Method and system for providing remote robotic control |
EP3748455B1 (en) * | 2019-06-07 | 2022-03-16 | Tata Consultancy Services Limited | A method and a system for hierarchical network based diverse trajectory proposal |
KR20210039232A (ko) * | 2019-10-01 | 2021-04-09 | 엘지전자 주식회사 | 로봇 청소기 및 청소 경로를 결정하기 위한 방법 |
CN111633646B (zh) * | 2020-05-22 | 2021-08-27 | 北京理工大学 | 基于DMPs和修正避障算法的机器人运动规划方法 |
CN112148011B (zh) * | 2020-09-24 | 2022-04-15 | 东南大学 | 一种未知环境下脑电移动机器人共享控制方法 |
CN113232016A (zh) * | 2021-04-13 | 2021-08-10 | 哈尔滨工业大学(威海) | 一种强化学习与模糊避障融合的机械臂路径规划方法 |
CN113664829A (zh) * | 2021-08-17 | 2021-11-19 | 西北工业大学 | 一种空间机械臂避障路径规划系统、方法、计算机设备及存储介质 |
CN114771563A (zh) * | 2022-04-06 | 2022-07-22 | 扬州大学 | 一种自动驾驶车辆轨迹规划控制实现方法 |
CN114603564B (zh) * | 2022-04-28 | 2024-04-12 | 中国电力科学研究院有限公司 | 机械臂导航避障方法、系统、计算机设备及存储介质 |
-
2022
- 2022-12-16 CN CN202211621412.8A patent/CN115609595B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115609595A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947119B (zh) | 一种基于多传感器融合的移动机器人自主跟随方法 | |
CN104898660B (zh) | 一种提高机器人路径规划效率的室内地图构建方法 | |
CN112180943B (zh) | 一种基于视觉图像和激光雷达的水下机器人导航避障方法 | |
CN111459166A (zh) | 一种灾后救援环境下含受困人员位置信息的情景地图构建方法 | |
JP2019159767A (ja) | 演算装置、演算方法、及びそのプログラム | |
CN115609595B (zh) | 一种机械臂的轨迹规划方法、装置、设备及可读存储介质 | |
KR101789217B1 (ko) | 기하학적 특징과 확률론적 기법을 이용한 실내 지도 생성 장치 및 방법 | |
CN113074959B (zh) | 一种自动驾驶系统测试分析方法 | |
US11768499B2 (en) | Method for generating intersection point pattern recognition model using sensor data of mobile robot and intersection point pattern recognition system | |
Lee et al. | Intelligent robot for worker safety surveillance: Deep learning perception and visual navigation | |
CN115268443A (zh) | 一种机器人避障路径规划方法 | |
CN117124332A (zh) | 基于ai视觉抓取的机械臂控制方法及系统 | |
CN117572863A (zh) | 用于变电站机器人的路径优化方法及系统 | |
CN116330347A (zh) | 一种基于视觉分析的全自动机器人测试方法 | |
CN111708356A (zh) | 一种起重机自动规划路径系统与方法 | |
CN111862218B (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
CN112363498B (zh) | 一种基于激光雷达的水下机器人智能运动控制方法 | |
Haijun et al. | Sensor data fusion using rough set for mobile robots system | |
Zhang et al. | Semantic segmentation of point clouds of field obstacle-crossing terrain for multi-legged rescue equipment based on random forest | |
CN113741480A (zh) | 一种基于动态障碍物提取与代价地图相结合的避障方法 | |
CN112734795A (zh) | 一种判断物体运动趋势及方向的方法和设备 | |
CN113674208A (zh) | 一种用于井下爆破孔的自动寻孔方法、装置及介质 | |
CN114155504A (zh) | 用于自动驾驶的视觉识别车辆方法、装置、出行装置及介质 | |
CN111242982A (zh) | 一种基于渐进卡尔曼滤波的人体目标跟踪方法 | |
CN117226810B (zh) | 一种绳索载重并联机器人及其避障方法、装置、存储介质 |
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 |