CN115648200A - 复合型机器人协同控制方法及系统 - Google Patents

复合型机器人协同控制方法及系统 Download PDF

Info

Publication number
CN115648200A
CN115648200A CN202211096354.1A CN202211096354A CN115648200A CN 115648200 A CN115648200 A CN 115648200A CN 202211096354 A CN202211096354 A CN 202211096354A CN 115648200 A CN115648200 A CN 115648200A
Authority
CN
China
Prior art keywords
robot
target
pose
mechanical arm
composite
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
Application number
CN202211096354.1A
Other languages
English (en)
Inventor
王永超
郭震
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Jingwu Intelligent Technology Co ltd
Original Assignee
Hangzhou Jingwu Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Jingwu Intelligent Technology Co ltd filed Critical Hangzhou Jingwu Intelligent Technology Co ltd
Priority to CN202211096354.1A priority Critical patent/CN115648200A/zh
Publication of CN115648200A publication Critical patent/CN115648200A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Manipulator (AREA)

Abstract

本发明提供了一种复合型机器人协同控制方法及系统，包括以下步骤：步骤S1：通过视觉模块获取目标区域的点云数据，得到关键特征点的位姿信息；步骤S2：建立复合型机器人运动学模型，获取机械臂的工作空间；步骤S3：根据目标区域位姿信息、机器人运动学模型以及机械臂的工作空间，通过复合型机器人逆运动学求解机器人位姿以及各关节位姿信息；步骤S4：根据逆运动学求解结果生成运动指令，控制复合型机器人车轮和机械臂各关节运动。本发明通过对复合型机器人建立整体运动学模型，利用逆运动学分解计算机器人的目标位姿和机械臂的目标位置，实现了复合型机器人车臂协同控制。

Description

复合型机器人协同控制方法及系统
技术领域
本发明涉及机械人控制技术领域，具体地，涉及一种复合型机器人协同控制方法及系统。
背景技术
复合机器人是手脚两项功能集于一身的新型机器人，在工业领域，通用工业机器人被称为机械臂或者机械手，主要是替代人胳膊的抓取功能；而移动机器人，即AGV是替代人腿脚的行走功能。复合型机器人则是手脚并用，将两种功能组合在一起，例如现有技术中的AGV-机械臂复合机器人、机械狗-机械臂复合机器人和机械狗-轮式复合机器人等。
然后，现有技术中的复合机器人在控制方面仅仅停留在单独控制复合机器人的个人，例如控制AGV-机械臂复合机器人，只是通过单独控制AGV和单独控制机械臂以表现出实现复合机器人整体控制的效果，这种控制方式并没有将复合机器人中的各个机器人个体有机结合在一起，导致复合机器人整体控制算法变得复杂且操作困难。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种复合型机器人协同控制方法及系统。
根据本发明提供的一种复合型机器人协同控制方法，包括以下步骤：
步骤S1：通过视觉模块获取目标区域的点云数据，得到关键特征点的位姿信息；
步骤S2：建立复合型机器人运动学模型，获取机械臂的工作空间；
步骤S3：根据目标区域位姿信息、机器人运动学模型以及机械臂的工作空间，通过复合型机器人逆运动学求解机器人位姿以及各关节位姿信息；
步骤S4：根据逆运动学求解结果生成运动指令，控制复合型机器人车轮和机械臂各关节运动。
优选地，所述视觉模块由深度相机构成，提供目标区域平面与立体的三维点云数据，并利用三维点云配准技术得到的关键特征点的目标位姿。
优选地，所述关键特征点的目标位姿通过迭代最近点算法icp进行点云匹配，对标志点云进行刚性变换，得到目标点的位姿。
优选地，所述步骤S2中，移动机器人在世界坐标系下的齐次变换矩阵为
Figure BDA0003838843290000021
同理可得到机械臂正运动学方程为
Figure BDA0003838843290000022
其中
Figure BDA0003838843290000023
为关节i和关节i-1之间的位姿变换矩阵，i＝1～6，
最终可得到复合型机器人末端在世界坐标系下的位姿
Figure BDA0003838843290000024
其中
Figure BDA0003838843290000025
为复合型机器人末端在世界坐标系下的旋转矩阵，
Figure BDA0003838843290000026
为复合型机器人末端在世界坐标系下的位置。
优选地，所述步骤S3包括：根据视觉模块反馈的目标位姿来确定移动机器人的位置qb，将目标位置投影至XOY平面内。移动机器人当前位置qb0＝[xb0 yb0 θb0]T，目标位置在XOY平面内投影的位置Pg＝[xg yg]T，在考虑到机械臂工作空间限制问题下，给移动机器人增加三个约束即可求得移动机器人位置：
约束1：目标在XOY平面内投影的位置位于移动机器人的正前方；
约束2：目标在XOY平面内投影的位置距离机械臂基座距离为l；
约束3：目标姿态X方向在XOY平面内投影与移动机器人X方向保持一致，如果目标姿态X方向垂直于XOY平面，则移动机器人X方向沿着当前位置指向目标位置；
当目标姿态X方向垂直于XOY平面时，根据移动机器人指向可求得移动机器人的目标姿态
Figure BDA0003838843290000027
再根据约束1和约束2可列出如下方程
(yg-ybg)2+(xg-xbg)2＝l2
Figure BDA0003838843290000028
进一步可求得移动机器人位置
θbg>0时
Figure BDA0003838843290000031
Figure BDA0003838843290000032
θbg<0时
Figure BDA0003838843290000033
Figure BDA0003838843290000034
当目标姿态X方向不垂直于XOY平面时，设定目标姿态X方向在世界坐标系下可用向量表示为xg＝[n1 n2 n3]T，那么该向量在XOY平面内的投影xg′＝[n1 n2 0]T，可由向量夹角公式求得xg′与世界坐标系X轴xo＝[1 0 0]T之间的夹角，该夹角即为移动机器人目标姿态
Figure BDA0003838843290000035
根据上述移动机器人位置求解公式，得到移动机器人的位置；
在确定移动机器人位姿后，计算机械臂末端相对于其基座的齐次变换矩阵
Figure BDA0003838843290000036
优选地，所述步骤S4中，根据机器人逆运动学求解得到的移动机器人位姿和机械臂各关节位置，利用关节空间插补技术生成连续运动路径，移动机器人沿连续运动路径完成相应的动作，所述关节空间插补技术包括线性插补、多项式插补或梯形速度插补。
优选地，生成连续路径包括以下子步骤：
步骤S4.1：将目标点的笛卡尔空间位姿通过逆运动学求解到关节空间的各关节的位置；
步骤S4.2：根据当前关节位置和目标点的关节位置插补一条机器人运动的连续路径；
步骤S4.3：连续路径发给机器人控制器控制机器人达到目标点位。
根据本发明提供的一种复合型机器人协同控制系统，包括以下模块：
模块M1：通过视觉模块获取目标区域的点云数据，得到关键特征点的位姿信息；
模块M2：建立复合型机器人运动学模型，获取机械臂的工作空间；
模块M3：根据目标区域位姿信息、机器人运动学模型以及机械臂的工作空间，通过复合型机器人逆运动学求解机器人位姿以及各关节位姿信息；
模块M4：根据逆运动学求解结果生成运动指令，控制复合型机器人车轮和机械臂各关节运动。
优选地，所述视觉模块由深度相机构成，提供目标区域平面与立体的三维点云数据，并利用三维点云配准技术得到的关键特征点的目标位姿。
优选地，所述关键特征点的目标位姿通过迭代最近点算法icp进行点云匹配，对标志点云进行刚性变换，得到目标点的位姿。
与现有技术相比，本发明具有如下的有益效果：
1、本发明通过对复合型机器人建立整体运动学模型，利用逆运动学分解计算机器人的目标位姿和机械臂的目标位置，实现了复合型机器人车臂协同控制。(找一个现有的协同控制技术方案，说明本方案的具体优势。)
2、本发明提高复合型机器人工作效率，车臂系统控制方法充分综合了移动机器人和机械臂的优势，避免了分离式控制方法中机械臂或移动机器人被迫等待的现象出现，降低执行任务的工作时间。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明复合型机器人的结构示意图；
图2为本发明复合型机器人协同控制方法流程图；
图3为本发明复合型机器人运动学模型示意图；
图4为本发明复合型机器人机械臂工作空间分析图；
图5为本发明复合型机器人逆运动学求解方法1；
图6为本发明复合型机器人逆运动学求解方法2。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明是基于复合型机器人设计的协同控制方法，参照图1，所应用的复合型机器人由三大模块组成：移动机器人模块，机械臂模块和视觉模块，三大模块均与复合型机器人控制器相连，由复合型机器人控制器给三大模块下发运动或拍照指令，如图1所示。
移动机器人模块：移动机器人模块中配备激光雷达，驱动电机等通用性设备，能够保证移动机器人完成常见的SLAM，导航，运动规划等功能。
机械臂模块：机械臂模块上除了机械臂本体外，还包含有夹爪，保证机械臂能够完成抓取、转移物体等操作。
视觉模块：视觉模块主要由深度相机构成，能够提供目标平面与立体的点云数据，并能够根据这些数据获取目标特征点。
本发明公开的复合型机器人协同控制方法，参照图2，包括以下步骤：
步骤S1：通过视觉模块获取目标区域的点云数据，得到关键特征点的位姿信息；
步骤S2：建立复合型机器人运动学模型，获取机械臂的工作空间；
步骤S3：根据目标区域位姿信息、机器人运动学模型以及机械臂的工作空间，通过复合型机器人逆运动学求解机器人位姿以及各关节位姿信息；
步骤S4：根据逆运动学求解结果生成运动指令，控制复合型机器人车轮和机械臂各关节运动。
具体的，步骤S1中的视觉模块主要由深度相机构成，提供目标区域平面与立体的三维点云数据，并利用三维点云配准技术得到的关键特征点的目标位姿。其中，关键特征点的目标位姿通过迭代最近点算法icp进行点云匹配，对标志点云进行刚性变换，得到目标点的位姿。
具体的，参照图3，步骤S2包括：分离式控制方法中单独对移动机器人和机械臂进行运动学建模，本发明中将移动机器人和机械臂试做整体进行建模分析，一般而言，移动机器人具有3个自由度qb＝[xb yb θb]T，机械臂自由度由关节数量决定，常见的机械臂均具有6个关节，即6个自由度，本专利以6自由度机械臂为例进行说明。机械臂具有6个自由度qm＝[q1 … q6]T，因此复合型机器人共具有9个自由度。
移动机器人在世界坐标系下的齐次变换矩阵为
Figure BDA0003838843290000061
同理可得到机械臂正运动学方程为
Figure BDA0003838843290000062
其中
Figure BDA0003838843290000063
为关节i和关节i-1之间的位姿变换矩阵，i＝1～6，
最终可得到复合型机器人末端在世界坐标系下的位姿
Figure BDA0003838843290000064
其中
Figure BDA0003838843290000065
为复合型机器人末端在世界坐标系下的旋转矩阵，
Figure BDA0003838843290000066
为复合型机器人末端在世界坐标系下的位置。
参照图4，理想情况下机械臂的工作空间是以机械臂基座为圆心，各连杆长度之和为半径的球。但实际情况下，各关节均有机械限位，因此机械臂的工作空间不会理想化为空间球。对于本专利中提到的复合型机器人而言，其机械臂工作空间由各连杆长度和各关节机械限位确定，通常而言，其工作空间类似于空间半球，如图3所示。
3.1：各连杆伸直，1轴摆动，得到机械臂竖直平面的工作范围；
3.2：各连杆伸直，2轴摆动，得到机械臂水平平面的工作范围。
本专利中复合型机器人共有9个自由度，但三维任务空间中仅有6个自由度，因此可将复合型机器人视为空间自由度冗余机器人。
由于自由度冗余，复合型机器人的逆运动学会得到无数组解，因此在考虑复合型机器人的特殊构型情况下，本专利提出新的复合型机器人逆运动学求解方法，该方法充分利用了移动机器人灵活移动性的特点，并充分考虑的机械臂的工作空间限制问题，并且求解稳定。
首先根据视觉模块反馈的目标位姿来确定移动机器人的位置qb，将目标位置投影至XOY平面内。移动机器人当前位置qb0＝[xb0 yb0 θb0]T，目标位置在XOY平面内投影的位置Pg＝[xg yg]T，在考虑到机械臂工作空间限制问题下，给移动机器人增加三个约束即可求得移动机器人位置：
约束1：目标在XOY平面内投影的位置位于移动机器人的正前方；
约束2：目标在XOY平面内投影的位置距离机械臂基座距离为l；
约束3：目标姿态X方向在XOY平面内投影与移动机器人X方向保持一致，如果目标姿态X方向垂直于XOY平面，则移动机器人X方向沿着当前位置指向目标位置；
i)目标姿态X方向垂直于XOY平面，参照图5所示：
根据移动机器人指向可求得移动机器人的目标姿态
Figure BDA0003838843290000071
再根据约束1和约束2可列出如下方程
(yg-ybg)2+(xg-xbg)2＝l2
Figure BDA0003838843290000072
进一步可求得移动机器人位置
θbg>0时
Figure BDA0003838843290000073
Figure BDA0003838843290000074
θbg<0时
Figure BDA0003838843290000075
Figure BDA0003838843290000076
ii)目标姿态X方向不垂直于XOY平面，参照图6所示：
设定目标姿态X方向在世界坐标系下可用向量表示为xg＝[n1 n2 n3]T，那么该向量在XOY平面内的投影xg′＝[n1 n2 0]T，可由向量夹角公式求得xg′与世界坐标系X轴xo＝[1 00]T之间的夹角，该夹角即为移动机器人目标姿态
Figure BDA0003838843290000077
下一步与目标姿态X方向垂直于XOY平面的解算方法一致，可得到移动机器人的位置。
在确定移动机器人位姿后，计算机械臂末端相对于其基座的齐次变换矩阵
Figure BDA0003838843290000078
此时可利用常规的机械臂逆运动学数值迭代解求得机械臂各关节位置，该方法属于行业内的通用技术，故本专利再次不再详细赘述。
具体的，在步骤S4中，根据机器人逆运动学求解得到的移动机器人位姿和机械臂各关节位置，利用关节空间插补技术生成连续运动路径，移动机器人沿连续运动路径完成相应的动作，所述关节空间插补技术包括线性插补、多项式插补或梯形速度插补。
其中，生成连续路径包括以下子步骤：
步骤S4.1：将目标点的笛卡尔空间位姿通过逆运动学求解到关节空间的各关节的位置；
步骤S4.2：根据当前关节位置和目标点的关节位置插补一条机器人运动的连续路径；
步骤S4.3：连续路径发给机器人控制器控制机器人达到目标点位。
本发明还公开了一种复合型机器人协同控制系统，包括以下模块：
模块M1：通过视觉模块获取目标区域的点云数据，得到关键特征点的位姿信息；
模块M2：建立复合型机器人运动学模型，获取机械臂的工作空间；
模块M3：根据目标区域位姿信息、机器人运动学模型以及机械臂的工作空间，通过复合型机器人逆运动学求解机器人位姿以及各关节位姿信息；
模块M4：根据逆运动学求解结果生成运动指令，控制复合型机器人车轮和机械臂各关节运动。
所述视觉模块由深度相机构成，提供目标区域平面与立体的三维点云数据，并利用三维点云配准技术得到的关键特征点的目标位姿。
所述关键特征点的目标位姿通过迭代最近点算法icp进行点云匹配，对标志点云进行刚性变换，得到目标点的位姿。
在模块M2中，移动机器人在世界坐标系下的齐次变换矩阵为
Figure BDA0003838843290000081
同理可得到机械臂正运动学方程为
Figure BDA0003838843290000082
其中
Figure BDA0003838843290000083
为关节i和关节i-1之间的位姿变换矩阵，i＝1～6，
最终可得到复合型机器人末端在世界坐标系下的位姿
Figure BDA0003838843290000084
其中
Figure BDA0003838843290000085
为复合型机器人末端在世界坐标系下的旋转矩阵，
Figure BDA0003838843290000086
为复合型机器人末端在世界坐标系下的位置。
具体的，模块M3包括：根据视觉模块反馈的目标位姿来确定移动机器人的位置qb，将目标位置投影至XOY平面内。移动机器人当前位置qb0＝[xb0 yb0 θb0]T，目标位置在XOY平面内投影的位置Pg＝[xg yg]T，在考虑到机械臂工作空间限制问题下，给移动机器人增加三个约束即可求得移动机器人位置：
约束1：目标在XOY平面内投影的位置位于移动机器人的正前方；
约束2：目标在XOY平面内投影的位置距离机械臂基座距离为l；
约束3：目标姿态X方向在XOY平面内投影与移动机器人X方向保持一致，如果目标姿态X方向垂直于XOY平面，则移动机器人X方向沿着当前位置指向目标位置；
当目标姿态X方向垂直于XOY平面时，根据移动机器人指向可求得移动机器人的目标姿态
Figure BDA0003838843290000091
再根据约束1和约束2可列出如下方程
(yg-ybg)2+(xg-xbg)2＝l2
Figure BDA0003838843290000092
进一步可求得移动机器人位置
θbg>0时
Figure BDA0003838843290000093
Figure BDA0003838843290000094
θbg<0时
Figure BDA0003838843290000095
Figure BDA0003838843290000096
当目标姿态X方向不垂直于XOY平面时，设定目标姿态X方向在世界坐标系下可用向量表示为xg＝[n1 n2 n3]T，那么该向量在XOY平面内的投影xg′＝[n1 n2 0]T，可由向量夹角公式求得xg′与世界坐标系X轴xo＝[1 0 0]T之间的夹角，该夹角即为移动机器人目标姿态
Figure BDA0003838843290000101
根据上述移动机器人位置求解公式，得到移动机器人的位置；
在确定移动机器人位姿后，计算机械臂末端相对于其基座的齐次变换矩阵
Figure BDA0003838843290000102
具体的，在模块M4中，根据机器人逆运动学求解得到的移动机器人位姿和机械臂各关节位置，利用关节空间插补技术生成连续运动路径，移动机器人沿连续运动路径完成相应的动作，所述关节空间插补技术包括线性插补、多项式插补或梯形速度插补。
其中，生成连续路径包括以下子步骤：
步骤S4.1：将目标点的笛卡尔空间位姿通过逆运动学求解到关节空间的各关节的位置；
步骤S4.2：根据当前关节位置和目标点的关节位置插补一条机器人运动的连续路径；
步骤S4.3：连续路径发给机器人控制器控制机器人达到目标点位。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”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申请和简化描述，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申请的限制。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种复合型机器人协同控制方法，其特征在于，包括以下步骤：
步骤S1：通过视觉模块获取目标区域的点云数据，得到关键特征点的位姿信息；
步骤S2：建立复合型机器人运动学模型，获取机械臂的工作空间；
步骤S3：根据目标区域位姿信息、机器人运动学模型以及机械臂的工作空间，通过复合型机器人逆运动学求解机器人位姿以及各关节位姿信息；
步骤S4：根据逆运动学求解结果生成运动指令，控制复合型机器人车轮和机械臂各关节运动。
2.根据权利要求1所述的复合型机器人协同控制方法，其特征在于：所述视觉模块由深度相机构成，提供目标区域平面与立体的三维点云数据，并利用三维点云配准技术得到的关键特征点的目标位姿。
3.根据权利要求2所述的复合型机器人协同控制方法，其特征在于：所述关键特征点的目标位姿通过迭代最近点算法icp进行点云匹配，对标志点云进行刚性变换，得到目标点的位姿。
4.根据权利要求1所述的复合型机器人协同控制方法，其特征在于：所述步骤S2中，移动机器人具有3个自由度qb＝[xb yb θb]T，qb为移动机器人位姿，xb为移动机器人x方向位置，yb为移动机器人y方向位置，θb为移动机器人转角，机械臂自由度由关节数量决定，机械臂具有6个自由度qm＝[q1 … q6]T，q1至q6分别为各关节角度，复合型机器人共具有9个自由度，移动机器人在世界坐标系下的齐次变换矩阵为
Figure FDA0003838843280000011
同理可得到机械臂正运动学方程为
Figure FDA0003838843280000012
其中
Figure FDA0003838843280000013
为关节i和关节i-1之间的位姿变换矩阵，i＝1～6，
最终可得到复合型机器人末端在世界坐标系下的位姿
Figure FDA0003838843280000014
其中
Figure FDA0003838843280000015
为复合型机器人末端在世界坐标系下的旋转矩阵，
Figure FDA0003838843280000016
为复合型机器人末端在世界坐标系下的位置。
5.根据权利要求1所述的复合型机器人协同控制方法，其特征在于：所述步骤S3包括：根据视觉模块反馈的目标位姿来确定移动机器人的位置qb，将目标位置投影至XOY平面内。移动机器人当前位置qb0＝[xb0 yb0 θb0]T，目标位置在XOY平面内投影的位置Pg＝[xg yg]T，在考虑到机械臂工作空间限制问题下，给移动机器人增加三个约束即可求得移动机器人位置：
约束1：目标在XOY平面内投影的位置位于移动机器人的正前方；
约束2：目标在XOY平面内投影的位置距离机械臂基座距离为l；
约束3：目标姿态X方向在XOY平面内投影与移动机器人X方向保持一致，如果目标姿态X方向垂直于XOY平面，则移动机器人X方向沿着当前位置指向目标位置；
当目标姿态X方向垂直于XOY平面时，根据移动机器人指向可求得移动机器人的目标姿态
Figure FDA0003838843280000021
再根据约束1和约束2可列出如下方程
(yg-ybg)2+(xg-xbg)2＝l2
Figure FDA0003838843280000022
进一步可求得移动机器人位置
θbg＞0时
Figure FDA0003838843280000023
Figure FDA0003838843280000024
θbg＜0时
Figure FDA0003838843280000025
Figure FDA0003838843280000026
当目标姿态X方向不垂直于XOY平面时，设定目标姿态X方向在世界坐标系下可用向量表示为xg＝[n1 n2 n3]T，那么该向量在XOY平面内的投影xg′＝[n1 n2 0]T，可由向量夹角公式求得xg′与世界坐标系X轴xo＝[1 0 0]T之间的夹角，该夹角即为移动机器人目标姿态
Figure FDA0003838843280000031
根据上述移动机器人位置求解公式，得到移动机器人的位置；
在确定移动机器人位姿后，计算机械臂末端相对于其基座的齐次变换矩阵
Figure FDA0003838843280000032
6.根据权利要求1所述的复合型机器人协同控制方法，其特征在于：所述步骤S4中，根据机器人逆运动学求解得到的移动机器人位姿和机械臂各关节位置，利用关节空间插补技术生成连续运动路径，移动机器人沿连续运动路径完成相应的动作，所述关节空间插补技术包括线性插补、多项式插补或梯形速度插补。
7.根据权利要求6所述的复合型机器人协同控制方法，其特征在于：生成连续路径包括以下子步骤：
步骤S4.1：将目标点的笛卡尔空间位姿通过逆运动学求解到关节空间的各关节的位置；
步骤S4.2：根据当前关节位置和目标点的关节位置插补一条机器人运动的连续路径；
步骤S4.3：连续路径发给机器人控制器控制机器人达到目标点位。
8.一种复合型机器人协同控制系统，其特征在于，包括以下模块：
模块M1：通过视觉模块获取目标区域的点云数据，得到关键特征点的位姿信息；
模块M2：建立复合型机器人运动学模型，获取机械臂的工作空间；
模块M3：根据目标区域位姿信息、机器人运动学模型以及机械臂的工作空间，通过复合型机器人逆运动学求解机器人位姿以及各关节位姿信息；
模块M4：根据逆运动学求解结果生成运动指令，控制复合型机器人车轮和机械臂各关节运动。
9.根据权利要求8所述的复合型机器人协同控制方法，其特征在于：所述视觉模块由深度相机构成，提供目标区域平面与立体的三维点云数据，并利用三维点云配准技术得到的关键特征点的目标位姿。
10.根据权利要求9所述的复合型机器人协同控制方法，其特征在于：所述关键特征点的目标位姿通过迭代最近点算法icp进行点云匹配，对标志点云进行刚性变换，得到目标点的位姿。
CN202211096354.1A 2022-09-08 2022-09-08 复合型机器人协同控制方法及系统 Pending CN115648200A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211096354.1A CN115648200A (zh) 2022-09-08 2022-09-08 复合型机器人协同控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211096354.1A CN115648200A (zh) 2022-09-08 2022-09-08 复合型机器人协同控制方法及系统

Publications (1)

Publication Number Publication Date
CN115648200A true CN115648200A (zh) 2023-01-31

Family

ID=85024439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211096354.1A Pending CN115648200A (zh) 2022-09-08 2022-09-08 复合型机器人协同控制方法及系统

Country Status (1)

Country Link
CN (1) CN115648200A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116100562A (zh) * 2023-04-11 2023-05-12 四川大学 多机器人协同上下料的视觉引导方法及系统
WO2024159941A1 (zh) * 2023-02-03 2024-08-08 五邑大学 代步车、机械臂的控制方法、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024159941A1 (zh) * 2023-02-03 2024-08-08 五邑大学 代步车、机械臂的控制方法、电子设备及存储介质
CN116100562A (zh) * 2023-04-11 2023-05-12 四川大学 多机器人协同上下料的视觉引导方法及系统
CN116100562B (zh) * 2023-04-11 2023-06-09 四川大学 多机器人协同上下料的视觉引导方法及系统

Similar Documents

Publication Publication Date Title
CN109397249B (zh) 基于视觉识别的二维码定位抓取机器人系统的方法
CN115648200A (zh) 复合型机器人协同控制方法及系统
JP5114019B2 (ja) エフェクタの軌道を制御するための方法
JP3207728B2 (ja) 冗長マニピュレータの制御方法
Chitrakaran et al. Setpoint regulation of continuum robots using a fixed camera
CN111761582B (zh) 一种基于随机采样的移动机械臂避障规划方法
CN109702751A (zh) 一种七自由度串联机械臂的位置级逆解方法
CN111300384B (zh) 一种基于标识卡运动的机器人增强现实示教的注册系统及方法
Li et al. A hybrid visual servo control method for simultaneously controlling a nonholonomic mobile and a manipulator
CN107253191B (zh) 一种双机械臂系统及其协调控制方法
CN113835429A (zh) 一种仿生双足机器人的控制方法及仿生双足机器人
CN115122325A (zh) 一种具有视场约束的拟人化机械手鲁棒视觉伺服控制方法
Lopez-Nicolas et al. Visual control for multirobot organized rendezvous
Sohn et al. Ground vehicle driving by full sized humanoid
Wajiansyah et al. Modeling of 2-DOF hexapod leg using analytical method
CN109693235B (zh) 一种仿人眼视觉跟踪装置及其控制方法
CN114055467A (zh) 基于五自由度机器人的空间位姿在线仿真系统
Jiang et al. An integrated inverse kinematic approach for the 7-DOF humanoid arm with offset wrist
Backes et al. Automated rover positioning and instrument placement
Muslim et al. Development of a quadruped mobile robot and its movement system using geometric-based inverse kinematics
CN114954723B (zh) 仿人机器人
CN116859966A (zh) 一种吸附式六足管道机器人安全移动步态控制方法
CN109927041B (zh) 运动关节块、可表达情感的机器人及其控制方法
Qin et al. Design and experiments of snake robots with docking function
Adinehvand et al. BogieBot: a climbing robot in cluttered confined space of bogies with ferrous metal surfaces

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