CN116009523A - 一种轨迹跟踪方法、装置、设备和存储介质 - Google Patents

Abstract

本发明实施例公开了一种轨迹跟踪方法、装置、设备和存储介质。该方法包括：根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到原始数据对应的滤波数据；采用预设样条曲线对滤波数据进行拟合预处理，得到对应的初始跟踪曲线；其中，预设样条曲线为满足分段计算以及三次可导连续的低阶样条曲线；按照初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪。本发明实施例提供的技术方案，通过采用滤波器对采集到的原始数据进行滤波，并采用样条曲线对滤波数据进行拟合处理，解决了现有技术中由于数据源的噪声、传输波动等影响，导致机器人接收到的实际数据存在“噪声”或者“波动”，从而导致机器人运行时因为加速度不连续而抖动的问题。

Description

一种轨迹跟踪方法、装置、设备和存储介质

技术领域

本发明实施例涉及自动控制领域，尤其涉及一种轨迹跟踪方法、装置、设备和存储介质。

背景技术

随着科技的不断发展，机器人的应用越来越广泛。在机器人的实际运动过程中，由于数据源的噪声、传输波动等影响，导致机器人接收到的实际数据存在“噪声”或“波动”，从而导致机器人在运行过程中，由于加速度不连续而发生抖动。

发明内容

有鉴于此，本发明提供一种轨迹跟踪方法、装置、设备和存储介质，实现了运动轨迹比较平滑和运行平稳的效果。

第一方面，本发明实施例提供了一种轨迹跟踪方法，该方法包括：

根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据；

采用预设样条曲线对所述滤波数据进行拟合预处理，得到对应的初始跟踪曲线；其中，所述预设样条曲线为满足分段计算以及三次可导连续的低阶样条曲线；

按照所述初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪。

第二方面，本发明实施例还提供了一种轨迹跟踪装置，该装置包括：

滤波模块，用于根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据；

预处理模块，用于采用预设样条曲线对所述滤波数据进行拟合预处理，得到对应的初始跟踪曲线；其中，所述预设样条曲线为满足分段计算以及三次可导连续的低阶样条曲线；

跟踪模块，用于按照所述初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪。

第三方面，本发明实施例还提供了一种电子设备，该设备包括：通信模块，存储器，以及一个或多个处理器；

通信模块，用于在上位机和机器人之间建立通信连接；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的轨迹跟踪方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一实施例所述的轨迹跟踪方法。

本实施例上述技术方案，与现有技术方案相比，通过采用原始数据对应的目标滤波器对采集到的原始数据进行滤波，以针对性地对原始数据进行滤波，并采用具备分段计算以及三次可导连续的低阶样条曲线对滤波数据进行拟合处理，以实时地对滤波数据进行拟合处理，从而实现了对目标跟踪物的轨迹修正和跟踪，解决了现有技术中由于数据源的噪声、传输波动等影响，导致机器人接收到的实际数据存在“噪声”或者“波动”，从而导致机器人运行时因为加速度不连续而抖动的问题，进而实现了运动轨迹比较平滑和运行平稳的效果。

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实施例的某些实施例，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是本发明实施例一提供的一种轨迹跟踪方法的流程图；

图2是本发明实施例一提供的一种上位机和机器人之间通信连接的示意图；

图3是本发明实施例二提供的一种轨迹跟踪方法的流程图；

图4是本发明实施例二提供的一种轨迹跟踪方法的效果图；

图5是本发明实施例三提供的一种轨迹跟踪装置的结构框图；

图6是本发明实施例四提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一提供的一种轨迹跟踪方法的流程图，本实施例可适用于机器人在实际应用场景中需要对目标跟踪物的轨迹进行实时跟踪和修正的情况，具体的，本实施例可适用于关节空间和笛卡尔空间的轨迹规划。该方法可以由本发明实施例中的轨迹跟踪装置来执行，该装置可采用软件和/或硬件的方式实现。该装置可集成在电子设备中，电子设备可以为具备轨迹跟踪功能的智能移动终端，示例性地，智能移动终端可以包括但不限定于智能手机、iPad、笔记本电脑和机器人等。在本实施例中，示例性地，电子设备可以为机器人。如图1所示，该方法具体包括如下步骤：

S101、根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到原始数据对应的滤波数据。

其中，滤波器指的是由电容、电感和电阻组成的滤波电路。在本实施例中，目标滤波器可以理解为根据不同的信号特征，所选择的滤波器，可以理解为，目标滤波器的类型与原始数据的信号特征有关。例如，目标滤波器可以包括但不限定于低通滤波器、高通滤波器、带通滤波器、带阻滤波器、均值滤波器和终值滤波器，但对此并不进行限定。

需要说明的是，原始数据指的是未经滤波处理的数据信息。在实际操作过程中，原始数据是由多个离散点组成的数据信息，并且，在原始数据中可以包含噪声或波动等各种不稳定信号。在实际操作过程中，上位机按照预先配置的发送时间间隔向机器人发送原始数据，其中，发送时间间隔可以是由上位机自身预先设置的，可以理解为，上位机向机器人发送原始数据的方式是周期性的。例如，假设发送时间间隔为1ms，则上位机每1ms向机器人发送一个离散点，本发明实施例对此不进行限定。需要说明的是，为了保证机器人采集原始数据的实时性，预先配置的发送时间间隔越小越好。在实施例中，预先采集的原始数据指的是，机器人按照预先配置的采集时间间隔从上位机发送的所有离散点中采集至少一部分离散点作为原始数据。需要说明的是，上位机和机器人之间存在传输时延，可以理解为，采集时间间隔大于等于发送时间间隔。示例性地，假设发送时间间隔为1ms，则采集时间间隔可以为3ms。

在一实施例中，图2是实施例一提供的一种上位机和机器人之间通信连接的示意图。其中，上位机可以是具备代码编辑功能的终端，例如可以是计算机、iPad和笔记本电脑。如图2所示，上位机与机器人之间的通信连接可以是有线连接，也可以是无线连接。示例性的，有线连接可以包括但不限于串口连接和USB连接；无线连接可以包括但不限于wifi和蓝牙，机器人需要配置无线通讯模块，比如，无线连接的方式可以为wifi时，机器人需要配置wifi模块，无线连接的方式可以为蓝牙时，机器人需要配置蓝牙模块。

具体的，滤波数据可以理解为对原始数据进行滤波后得到的数据。在实际操作过程中，原始数据可以是离散数据，同样的，对原始数据进行滤波处理得到的滤波数据也是离散的。可以理解为，原始数据和滤波数据均是由多个离散点组成的数据信息。在实施例中，对原始数据进行滤波的过程，可以理解为，对原始数据中的噪声或波动等不稳定信号进行滤除的过程。

实际过程中，由于数据源的噪声、传输波动等影响导致机器人接收到的实际数据存在“噪声”或者“波动”，从而导致机器人运行时因为加速度不连续而抖动，因此需要对原始数据先进行滤波处理。在实施例中，与机器人建立通信连接的上位机按照预设的发送时间间隔给机器人发送离散点。然后，机器人按照预先设置的采集时间间隔从所有离散点中采集至少一部分离散点，以得到对应的原始数据。然后根据原始数据的信号特征选择合适的滤波器作为目标滤波器，并通过目标滤波器对原始数据进行滤波，得到原始数据对应的滤波数据，实现了对原始数据的针对性滤波，提高了滤波的有效性。

S102、采用预设样条曲线对滤波数据进行拟合预处理，得到对应的初始跟踪曲线。

其中，预设样条曲线为满足分段计算以及三次可导连续的低阶样条曲线。需要解释的是，预设样条曲线可以理解为预设的一条由一系列点组成的满足分段计算以及三次可导连续特性的低阶样条曲线。示例性地，预设样条曲线可以包括：插值样条和逼近样条，其中，插值样条可以包括自然三次样条、Hermite样条、Cardinal样条和Kochanek-Bartels样条；逼近样条可以包括Bezier样条、B样条、Beta样条和有理样条。

其中，分段计算可以理解为是一个在固定的时间间隔内接收到有限数量的离散点之后，即可进行计算的策略。在实际操作过程中，为了确保机器人轨迹规划，需要机器人在固定的时间间隔内接收到必要的轨迹数据序列，才可以对原始数据进行滤波和控制机器人运行，导致机器人运行延时时间较长。在本实施例中，采用具备分段计算特点的预设样条曲线，在接收到有限数量离散点的滤波数据之后，即可对滤波数据进行拟合预处理，实现了准确地控制机器人的运行延迟时间的效果。示例性地，滤波数据的有限数量离散点可以为3个离散点，4个离散点，等等，对此并不进行限定，可根据实际所要达到的滤波效果对滤波数据的有限数量进行配置。其中，三次可导连续的含义可以理解为该曲线连续，不存在间断点，且可进行三次求导，即该曲线一阶可导且导数连续、二阶可导且导数连续以及三阶可导且导数连续。预设样条曲线是由一系列点组成的连续的线。

在实际操作过程中，为了确保机器人轨迹规划且平稳运行，需要机器人对原始数据进行滤波和控制机器人运行，离线轨迹规划比较成熟，其通常为理论轨迹；在线轨迹规划采用带时间戳的轨迹信息然后针对点位进行“低通”滤波或者直接针对接收的数据进行“低通滤波”实现噪声去除，导致机器人“滤波”效果调试并不直观，机器人运行时因为加速度不连续而抖动。在本实施例中，采用具备三次可导连续特点的预设样条曲线，通过设置前瞻时间窗口，针对窗口中的数据预先进行基于指定滤波器的滤波，从而进一步降低噪声，实现了更好的滤除轨迹中噪声的效果，且样条曲线三次可导，保证了机器人运行的加速度连续，避免了机器人运行过程中的抖动。示例性地，三次可导的样条曲线可以是B样条曲线，等等，对此并不进行限定，可根据实际所要达到的滤波效果进行样条曲线的选择。

其中，拟合预处理中的拟合可以理解为把一系列的点，用一条光滑的曲线连接起来。在本实施例中，拟合的过程可以描述为采用具有分段计算、三次可导连续特性的样条曲线进行拟合，即在得到滤波数据后，对滤波数据进行分段计算(在接收到有限数量离散点的滤波数据之后，即可对滤波数据进行拟合预处理)，三次可导连续特性可以保证加速度的连续性，从而使得机器人的运行更加平稳。拟合得到的初始跟踪曲线可以为一条连续的曲线，也可以为一个更加密集的离散方程与已知的滤波数据相吻合的曲线。例如，拟合预处理后得到的初始跟踪曲线可以是样条函数y＝ax³+bx²+cx+d，其中，参数a、b、c和d是已知的自然数，其中a≠0，x≥0(a不可以为0，否则函数不满足三次可导连续，x对应于本实施例中的时间，时间没有负值)。在实施例中，具体的拟合实现过程可参见现有技术，对此不再一一赘述。

可以知道的是，初始跟踪曲线可以指的是对原始数据进行滤波以及拟合预处理后得到的机器人轨迹跟踪的曲线。可以理解为，初始跟踪曲线为一个连续曲线。

在本实施例中，S101中得到的滤波数据是由一系列的离散点组成的，可以采用预设样条曲线对滤波数据进行拟合预处理，得到对应的初始跟踪曲线，以便后续机器人按照曲线进行轨迹跟踪运动。

S103、按照初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪。

具体的，目标跟踪点可以理解为对初始跟踪曲线进行插值后得到的跟踪点。其中，插值的含义可以理解为，在确定初始跟踪曲线后，按照机器人轨迹跟踪所需数据点的时间周期在初始跟踪曲线上进行取点。机器人轨迹跟踪所需数据点的时间周期可以称为插补周期，插补周期与初始跟踪曲线的曲线特性有关。可以理解为，插补周期指的是保证机器人的正常运行所需要的时间间隔。示例性地，假设插补周期为2ms，插补周期与机器人自身的性能参数有关，比如，机器人1的插补周期为2ms，又如，机器人2的插补周期可以为3ms。例如上位机发送原始数据的发送时间间隔可以为1ms，相应的，初始跟踪曲线上的滤波数据的周期也为1ms，但机器人进行轨迹跟踪运动所需数据点的周期可以为2ms，就需要在初始跟踪曲线上进行周期为2ms的插值，即在样条曲线y＝ax3+bx2+cx+d上取点，比如，样条曲线为y＝x3+x2+x+1，插补周期为2，即x＝0、2、4、6、8……，那么取到的数据点对应为1、15、85、585……，对此并不进行限定。

在本实施例中，目标跟踪物例如可以是传送带，也可以是传送带上的物品。原始跟踪曲线中包含一系列滤波数据点，按照插补周期选取初始跟踪曲线上的点，从而使得机器人对目标跟踪物的轨迹跟踪更为准确。

本实施例上述技术方案，与现有技术方案相比，通过采用原始数据对应的目标滤波器对采集到的原始数据进行滤波，以针对性地对原始数据进行滤波，并采用具备分段计算以及三次可导连续的低阶样条曲线对滤波数据进行拟合处理，以实时地对滤波数据进行拟合处理，从而实现了对目标跟踪物的轨迹修正和跟踪，解决了现有技术中由于数据源的噪声、传输波动等影响，导致机器人接收到的实际数据存在“噪声”或者“波动”，从而导致机器人运行时因为加速度不连续而抖动的问题，进而实现了运动轨迹比较平滑和运行平稳的效果。

实施例二

图3是本发明实施例二提供的一种轨迹跟踪方法的流程图，本实施例以上述实施例为基础进行优化。在本实施例中，在所述根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据之前，还包括：获取预先采集的原始数据的信号特征；根据所述信号特征确定所述原始数据对应的目标滤波器；获取预先配置的采集时间间隔；按照所述采集时间间隔对当前时刻至前瞻时间之间的数据进行采集，得到原始数据。

同时，本实施例二还可以将根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据具体化为：按照预先配置的平滑度确定目标滤波器的滤波参数；根据所述滤波参数对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据。

进一步的，本实施例二还可以将采用预设样条曲线对所述滤波数据进行拟合预处理，得到对应的初始跟踪曲线进一步描述为：按照预设样条曲线的曲线特性确定滤波数据的拟合数量；采用预设样条曲线对所述拟合数量的滤波数据进行拟合预处理，得到对应的初始跟踪曲线。

进一步的，本实施例二还可以将按照所述初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪具体表述为：按照预先配置的插补周期对所述初始跟踪曲线进行插值，得到对应的目标跟踪点；按照所述目标跟踪点对目标跟踪物进行轨迹跟踪。

如图3所示，本发明实施例二提供的一种轨迹跟踪方法的流程图，具体包括如下操作：

S201、获取预先配置的采集时间间隔。

其中，采集时间间隔可以是机器人采集上位机发送原始数据的时间间隔。采集时间间隔的获取方式包括机器人主动拉取或上位机主动发送。在上位机和机器人建立通信之后，上位机根据机器人的需求配置采集时间间隔，机器人通过有线通信或无线通信主动拉取，或由上位机主动将采集时间间隔发送至机器人。获取预先配置的采集时间间隔用于机器人后续的采集工作。上位机先发送原始数据，机器人再按照采集时间间隔进行原始数据的采集。采集时间间隔可以是周期性的，例如可以是每3ms采集一次，本发明实施例对此不进行限制。

S202、按照采集时间间隔对当前时刻至前瞻时间之间的数据进行采集，得到原始数据。

具体的，前瞻时间可以理解为预设的一个在当前时刻之后的时间点。当前时刻到前瞻时间中间有无数个时间点，相应的可以有无数个数据，按照采集时间间隔对当前时刻到前瞻时间之间的数据进行采集，得到原始数据。机器人可以配置前瞻时间窗口或前瞻时间。在机器人配置前瞻时间窗口的情况下，前瞻时间可以为前瞻时间窗口的结束时间。示例性地，前瞻时间窗口为t1至t2之间的时间间隔(即前瞻时间窗口的开始时间为t1，结束时间为t2，也可以理解为，t2大于t1)，即前瞻时间窗口的时间长度为t2-t1(t1也可以直接为当前时刻t0)，可以理解为，前瞻时间为前瞻时间窗口的结束时间t2。在机器人配置前瞻时间的情况下，前瞻时间窗口可以为从一个开始时间(开始时间可以直接是当前时刻，也可以是位于当前时刻至前瞻时间中间的一个时刻)至前瞻时间的时间间隔。示例性地，前瞻时间为t(即前瞻时间窗口的开始时间为t1，结束时间为t2，也可以理解为，t2大于t1)，即前瞻时间t为前瞻时间窗口的结束时间t2，可以理解为，前瞻时间窗口的时间长度为t2-t1(t1也可以直接为当前时刻t0)。前瞻时间窗口设定指定的时间间隔t，即接收数据和实际数据之间的时间差始终为t，相当于处理数据存在一个确定的滞后时间t，保证数据处理的实时性。前瞻时间与当前时刻之间的时间间隔与信号特征有关，即前瞻时间与当前时刻之间的时间间隔与原始数据的信号特征有关，比如，信号特征可以为噪声大小。可以理解为，前瞻时间与当前时刻之间的时间间隔的大小与噪声大小成正比。示例性地，原始数据的噪声比较大，那前瞻时间与当前时刻之间的时间间隔比较大；相应的，原始数据的噪声比较小，那前瞻时间与当前时刻之间的时间间隔比较小。

S203、获取预先采集的原始数据的信号特征。

上位机按照预设的发送时间间隔给机器人发送原始数据，发送时间间隔可以是由上位机预先配置的，例如可以是1ms，本发明实施例对此不进行限制。机器人按照预先设置的采集时间间隔采集原始数据，采集时间间隔可以是由上位机根据机器人的需求预先设置的，例如可以是3ms。上位机发送原始数据，机器人才能进行采集，否则采集到的是空信号，所以，也可以理解为，采集时间间隔大于发送时间间隔。根据原始数据获取信号特征，其中，信号特征可以是信号的时间特性和频率特性。

可以预先采集由上位机发送给机器人的原始数据，根据这部分原始数据获取信号特征，例如数据可以是高频信号，信号中包含的噪声可以是低频或中频信号，本发明实施例对此不进行限制。

S204、根据信号特征确定原始数据对应的目标滤波器。

根据根据上位机发送的原始数据的信号特征选择合适的滤波器，确定为目标滤波器。例如原始数据的信号特征可以是噪声比较密集的分布于真实数据的周围，可以对应的选择均值滤波器，求取所有数据的均值来代替真实数据，对原始数据进行滤波处理；例如原始数据的信号特征也可以是，真实数据频率较低，噪声频率较高，可以对应的选择低通滤波器，把频率较高的噪声滤掉，保留频率较低的真实数据。

S205、按照预先配置的平滑度确定目标滤波器的滤波参数。

在本实施例中，平滑度与对原始数据进行滤波的程度有关，可以理解为对原始数据进行滤波得到的滤波数据的光滑程度。例如，在用均值滤波器进行滤波时，如果想使曲线的平滑程度较高，在计算均值时可以每次取较少的数据计算，比如，每取由4个离散点组成的原始数据计算平均值得到的曲线就比每取由20个离散点组成的原始数据计算平均值得到的曲线的平滑度更高，相对的曲线也更为光滑。

示例性的，滤波参数可以是滤波器自身的属性信息，例如可以是滤波器的中心频率、截止频率、通带带宽、阻带抑制度和延迟。按照预先配置的平滑度确定目标滤波器的滤波参数，例如想要得到的数据曲线更为平滑，可以将平滑度设置的更高一些，对应的确定滤波器的滤波参数。其中，平滑度是由机器人或上位机预先配置的。若由上位机配置，则由上位机向机器人发送平滑度；若由机器人自身配置，则机器人直接按照平滑度确定目标滤波器的滤波参数。

S206、根据滤波参数对预先采集的原始数据进行滤波，得到原始数据对应的滤波数据。

按照滤波参数对原始数据对应的属性信息进行调整修改，以得到对应的滤波数据。可以理解为，在采用不同的滤波参数时，其对原始数据所调整的属性信息也是不同的。比如，滤波参数为中心频率时，即按照中心频率对原始数据的原始中心频率进行调整，以得到该中心频率的滤波数据。具体的，采用滤波器对数据进行滤波的过程，可参见现有技术的解释，在此不再一一赘述。

S207、按照预设样条曲线的曲线特性确定滤波数据的拟合数量。

需要说明的是，曲线特性可以是曲线的特性，例如曲线可以是连续的，连续曲线可以是正弦曲线，正弦曲线的周期可以是4ms，本发明实施例对此不进行限制。

在本实施例中，滤波数据的拟合数量可以理解为将滤波数据进行拟合时选取的离散点的数量，即拟合数量为上述实施例中所描述的离散点的有限数量。滤波数据拟合数量的选取与样条曲线的类型有关，即在预设样条曲线采用不同类型的样条曲线时，滤波数据中所需要选取的拟合数量也是不同的。示例性地，样条曲线的类型可以是插值样条和逼近样条，例如当样条曲线的类型为本发明实施例对此不进行限制。

预设一条由一系列点组成的满足分段计算以及三次可导连续特性的低阶样条曲线，在固定的时间间隔内接收到有限数量的滤波数据之后，即进行分段计算，之后按照预设样条曲线的曲线特性确定滤波数据的拟合数量。

S208、采用预设样条曲线对拟合数量的滤波数据进行拟合预处理，得到对应的初始跟踪曲线。

滤波数据是一系列离散的点，用预设的样条曲线对拟合数量的滤波数据进行拟合预处理，使离散的滤波数据全部位于样条曲线上，得到的曲线为滤波数据对应的初始跟踪曲线。机器人用分段计算、连续的样条曲线去拟合滤波处理，分段计算，即一边收集数据一边进行计算，以保证加速度的连续性；样条曲线接收前瞻时间窗口的数据，前瞻时间窗口的指定时间为t，则样条曲线接收数据和实际数据之间的时间差始终为t，相当于样条曲线处理数据存在一个确定的滞后时间t，保证样条曲线处理的实时性。示例性的，可以采集前3个滤波数据进行预拟合处理，即第1-3个数据，第2-4个，第3-5个，以此类推，本发明实施例对此不进行限制。

S209、按照预先配置的插补周期对初始跟踪曲线进行插值，得到对应的目标跟踪点。

可以理解为，插补周期指的是保证机器人的正常运行所需要的时间间隔。示例性地，假设插补周期为2ms，插补周期与机器人自身的性能参数有关，比如，机器人1的插补周期为2ms，又如，机器人2的插补周期可以为3ms，本实施例对此不进行限定。插值可以理解为根据样条曲线的曲线特性在初始跟踪曲线上按照插补周期选取数值。

在实际操作过程中，机器人进行原始数据采集所需要的采集时间间隔无法满足轨迹跟踪对应的插补周期，机器人进行轨迹跟踪和修正运动过程中，如果没有接收到下一时刻将要到达的点位信息，机器人就无法进行下一步动作，就会停止在当前时刻的运动状态，无法进行连续的轨迹跟踪和修正运动。因此，需要对滤波后的滤波数据进行拟合预处理，得到初始跟踪曲线，按照插补周期对初始跟踪曲线进行插值，插补后得到目标跟踪点，机器人按照目标跟踪点进行轨迹跟踪和修正。

S210、按照目标跟踪点对目标跟踪物进行轨迹跟踪。

按照初始跟踪曲线的曲线特性对初始跟踪曲线进行插值后得到目标跟踪点，机器人按照目标跟踪点对目标跟踪物的轨迹进行实时轨迹跟踪和修正。其中，目标跟踪物例如可以是传送带，也可以是传送带上的物品。

本实施例二提供的一种轨迹跟踪方法，该方法通过设置前瞻时间，机器人按照采集时间间隔对原始数据进行采集，采集到前瞻时间的原始数据后通过选择与信号特征对应的滤波器对原始数据进行滤波后得到滤波数据，采用样条曲线对滤波数据进行拟合得到初始跟踪曲线，并按照插补周期对初始跟踪曲线进行插值得到目标跟踪点，避免了滤波器单独选择以及设置问题，增强了实用性；能够达到准确的控制机器人的运行时间延迟，在保证实时处理原始数据的基础上，实现了运动轨迹比较平滑和运行平稳的效果。

作为本实施例的一个示例性描述，图4是本发明实施例二中的轨迹跟踪方法的效果图。在本实施例中，可以将机器人进行轨迹跟踪具体表述为：上位机发送原始数据给机器人，机器人按照预先配置的采集时间间隔采集当前时刻至前瞻时刻之间的原始数据。机器人设置有前瞻时间窗口，前瞻时间窗口(即上述实施例中的前瞻时间窗口)设定指定的时间间隔t，即接收数据和实际数据之间的时间差始终为t，相当于处理数据存在一个确定的滞后时间t，保证数据处理的实时性。机器人的前瞻时间窗口内设置有滤波器，按照预先配置的平滑度确定目标滤波器的滤波参数，当指定的前瞻时间数据收集到之后，针对原始数据的信号特征选择合适的滤波器，利用滤波器进行原始数据的滤波处理。之后按照预设样条曲线的曲线特性确定滤波数据的拟合数量，机器人再采用具有分段计算、三次可导连续特性的样条曲线去拟合滤波处理之后的滤波数据得到初始跟踪曲线。最后机器人按照预先配置的插补周期对初始跟踪曲线进行插值得到目标跟踪点，按照目标跟踪点对目标物进行轨迹跟踪。

如图4所示，图中横坐标为时间，纵坐标为位置，示例性地，位置可以是距离或角度，从图中可以看出，经过滤波以及样条曲线拟合预处理后得到的初始跟踪曲线，与存在噪声的原始数据拟合成的曲线相比，曲线更为清晰光滑。预处理数据和原始数据间的时间差值始终为前瞻时间t，相当于样条曲线处理数据存在一个确定的滞后时间t，保证样条曲线处理的实时性。

实施例三

图5是本发明实施例三提供的一种轨迹跟踪装置的结构图，本实施例可适用于机器人在实际应用场景中需要对目标跟踪物的轨迹进行实时跟踪和修正的情况，该装置可以由硬件/软件实现。如图5所示，该装置可以包括：滤波模块301、预处理模块302和跟踪模块303。

其中，滤波模块301，用于根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据；

预处理模块302，用于采用预设样条曲线对所述滤波数据进行拟合预处理，得到对应的初始跟踪曲线；其中，所述预设样条曲线为满足分段计算以及三次可导连续的低阶样条曲线；

跟踪模块303，用于按照所述初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪。

本实施例的技术方案，与现有技术方案相比，通过采用原始数据对应的目标滤波器对采集到的原始数据进行滤波，以针对性地对原始数据进行滤波，并采用具备分段计算以及三次可导连续的低阶样条曲线对滤波数据进行拟合处理，以实时地对滤波数据进行拟合处理，从而实现了对目标跟踪物的轨迹修正和跟踪，解决了现有技术中因为数据源的噪声、传输波动等影响，导致机器人接收到的实际数据存在“噪声”或者“波动”，从而导致机器人运行时因为加速度不连续而抖动的问题，进而实现了运动轨迹比较平滑和运行平稳的效果。

进一步的，滤波模块301可以包括：

滤波参数确定单元，用于按照预先配置的平滑度确定目标滤波器的滤波参数；

滤波单元，用于根据所述滤波参数对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据。

进一步的，预处理模块302可以包括：

拟合数量确定单元，用于按照预设样条曲线的曲线特性确定滤波数据的拟合数量；

拟合预处理单元，用于采用预设样条曲线对所述拟合数量的滤波数据进行拟合预处理，得到对应的初始跟踪曲线。

进一步的，跟踪模块303可以包括：

插值单元，用于按照预先配置的插补周期对所述初始跟踪曲线进行插值，得到对应的目标跟踪点；

轨迹跟踪单元，用于按照所述目标跟踪点对目标跟踪物进行轨迹跟踪。

本发明实施例所提供的轨迹跟踪装置，可执行本发明任一实施例所提供的轨迹跟踪方法，具备执行方法相应的功能模块和有益效果，

实施例四

图6是本发明实施例四提供的一种电子设备的结构框图，该电子设备包括通信模块，存储器，以及一个或多个处理器；通信模块，用于在上位机和机器人之间建立通信连接；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任一实施例所提供的轨迹跟踪方法。电子设备可以为具备轨迹跟踪功能的计算机、智能终端和基站，示例性地，智能终端可以包括但不限定于智能手机、iPad、笔记本电脑等。在本实施例中，示例性地，电子设备可以为机器人。

如图6所示，该电子设备包括：通信模块401，存储器402，处理器403、输入装置404和输出装置405；设备中处理器403的数量可以是一个或多个，图4中以一个控制器403为例。其中，通信模块401，存储器402，处理器403、输入装置404和输出装置405可以通过总线或其他方式连接，图5中以通过总线连接为例。

通信模块401，用于在上位机和机器人之间建立通信连接。

存储器402作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种轨迹跟踪方法对应的程序指令/模块(例如，轨迹跟踪装置中的滤波模块301、预处理模块302和跟踪模块303)。

存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

处理器403通过运行存储在存储器402中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例上述实施例所提供的轨迹跟踪方法：

根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据；

采用预设样条曲线对所述滤波数据进行拟合预处理，得到对应的初始跟踪曲线；其中，所述预设样条曲线为满足分段计算以及三次可导连续的低阶样条曲线；

按照所述初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪。

输入装置404可用于接收输入的数字或字符信息，以及产生与机器人的用户设置以及功能控制有关的键信号输入。输出装置405可包括显示屏等显示设备。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例提供的轨迹跟踪方法，该方法包括：

根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据；

采用预设样条曲线对所述滤波数据进行拟合预处理，得到对应的初始跟踪曲线；其中，所述预设样条曲线为满足分段计算以及三次可导连续的低阶样条曲线；

按照所述初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(ErasableProgrammable ROM，EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(Compact DiscRead-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种轨迹跟踪方法，其特征在于，包括：

根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据；

采用预设样条曲线对所述滤波数据进行拟合预处理，得到对应的初始跟踪曲线；其中，所述预设样条曲线为满足分段计算以及三次可导连续的低阶样条曲线；

按照所述初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪。

2.根据权利要求1所述的方法，其特征在于，在所述根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据之前，还包括：

获取预先采集的原始数据的信号特征；

根据所述信号特征确定所述原始数据对应的目标滤波器。

3.根据权利要求1所述的方法，其特征在于，在所述根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据之前，还包括：

获取预先配置的采集时间间隔；

按照所述采集时间间隔对当前时刻至前瞻时间之间的数据进行采集，得到原始数据。

4.根据权利要求1-3任一所述的方法，其特征在于，所述根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据，包括：

按照预先配置的平滑度确定目标滤波器的滤波参数；

根据所述滤波参数对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据。

5.根据权利要求1-3任一所述的方法，其特征在于，所述采用预设样条曲线对所述滤波数据进行拟合预处理，得到对应的初始跟踪曲线，包括：

按照预设样条曲线的曲线特性确定滤波数据的拟合数量；

采用预设样条曲线对所述拟合数量的滤波数据进行拟合预处理，得到对应的初始跟踪曲线。

6.根据权利要求1-3任一所述的方法，其特征在于，所述按照所述初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪，包括：

按照预先配置的插补周期对所述初始跟踪曲线进行插值，得到对应的目标跟踪点；

按照所述目标跟踪点对目标跟踪物进行轨迹跟踪。

7.根据权利要求3所述的方法，其特征在于，所述前瞻时间与当前时刻之间的时间间隔与信号特征有关。

8.一种轨迹跟踪装置，其特征在于，包括：

滤波模块，用于根据预先确定的目标滤波器对预先采集的原始数据进行滤波，得到所述原始数据对应的滤波数据；

预处理模块，用于采用预设样条曲线对所述滤波数据进行拟合预处理，得到对应的初始跟踪曲线；其中，所述预设样条曲线为满足分段计算以及三次可导连续的低阶样条曲线；

跟踪模块，用于按照所述初始跟踪曲线对应的目标跟踪点对目标跟踪物进行轨迹跟踪。

9.一种电子设备，其特征在于，所述设备包括：通信模块，存储器，以及一个或多个处理器；

通信模块，用于在上位机和机器人之间建立通信连接；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的轨迹跟踪方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的轨迹跟踪方法。

Images