CN116038686B - 机器人奇异点规避方法、装置、计算机设备和存储介质 - Google Patents
机器人奇异点规避方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116038686B CN116038686B CN202211262942.8A CN202211262942A CN116038686B CN 116038686 B CN116038686 B CN 116038686B CN 202211262942 A CN202211262942 A CN 202211262942A CN 116038686 B CN116038686 B CN 116038686B
- Authority
- CN
- China
- Prior art keywords
- robot
- joint
- axis
- axis configuration
- singular
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000001133 acceleration Effects 0.000 claims abstract description 85
- 239000011159 matrix material Substances 0.000 claims description 54
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 20
- 230000000593 degrading effect Effects 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 6
- 239000012636 effector Substances 0.000 claims description 4
- 210000000707 wrist Anatomy 0.000 description 11
- 210000003857 wrist joint Anatomy 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
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
- B25J9/1669—Programme controls characterised by programming, planning systems for manipulators characterised by special application, e.g. multi-arm co-operation, assembly, grasping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本申请涉及一种机器人奇异点规避方法、装置、计算机设备和存储介质。首先根据获取到的期望运动轨迹判断机器人是否进入奇异区域。当机器人进入奇异区域时,通过指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人,并根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度,然后根据各关节速度计算机器人的第一目标运动轨迹,控制机器人按照第一目标运动轨迹运行。该方法在进行奇异点规避时,通过指定六轴构型机器人的第四关节的关节旋量为冗余,使得机器人在进行奇异规避时的姿态精度损失较小,将六轴构型机器人退化成五轴构型机器人,可以减少计算量,满足实时性要求。
Description
技术领域
本申请涉及机器人技术领域,特别是涉及一种机器人奇异点规避方法、装置、计算机设备和存储介质。
背景技术
机器人在运行过程中,当机器人的运动位置临近奇异点时,机器人关节运动会产生异常行为,主要表现为:机器人有过快的关节加速度,机器人的关节运动偏离用户预期。因此,为了机器人的安全,需要规避奇异点。
其中,腕关节奇异点是影响机器人最常见且最难解决的一类奇异,它可能出现在笛卡尔空间的任何位置,与机器人第五关节的角度趋于零时的特殊的空间位型相关,且难以通过限制工作空间的方式进行排除。腕关节奇异的规避既要满足位置精度要求,又要满足关节空间的速度加速度等约束要求。
为了处理腕关节奇异的规避问题,一般采用阻尼最小二乘法规避腕关节奇异点,但是该方法具有较大的计算量,求解复杂度较高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够规避腕关节奇异点的机器人奇异点规避方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种机器人奇异点规避方法。所述方法包括:
获取机器人的期望运动轨迹,根据期望运动轨迹判断机器人是否进入奇异区域;机器人为六轴构型机器人;
若六轴构型机器人进入奇异区域,指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人;
根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度;
根据各关节速度计算机器人的第一目标运动轨迹;
控制机器人按照第一目标运动轨迹运行。
在其中一个实施例中,根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度之后,根据各关节速度计算机器人的第一目标运动轨迹之前,还包括:
判断五轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内;
若是,执行根据各关节速度计算机器人的第一目标运动轨迹。
在其中一个实施例中,判断五轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内之后,还包括:
若否,指定五轴构型机器人的第五关节和第六关节的关节旋量均为冗余,将五轴构型机器人退化成三轴构型机器人;
根据预设的第五关节和第六关节的加速度,求解三轴构型机器人的各关节的关节速度;
判断三轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内;
若是,执行根据各关节速度计算机器人的第一目标运动轨迹;
若否,发送急停指令至机器人;急停指令用于控制机器人急停。
在其中一个实施例中,获取机器人的期望运动轨迹,根据期望运动轨迹判断机器人是否进入奇异区域,包括:
获取机器人的期望运动轨迹,根据期望运动轨迹求解关节信息;
根据关节信息计算机器人的第五关节的模;
若五关节的模小于第一设定阈值,则确定机器人进入奇异区域;
若五关节的模大于第一设定阈值,则确定机器人没有进入奇异区域。
在其中一个实施例中,控制机器人按照第一目标运动轨迹运行之后,还包括:
若机器人退出奇异区域,计算第一目标运动轨迹与期望运动轨迹之间的差值;
判断差值是否大于第二设定阈值;
若差值大于第二设定阈值,将不满足关节约束的关节进行截断,根据剩余关节的关节位置输出第二目标运动轨迹;
若差值小于第二设定阈值,采用几何法求解关节位置,根据关节位置输出第二目标运动轨迹。
控制机器人按照第二目标运动轨迹运行。
在其中一个实施例中,将六轴构型机器人退化成五轴构型机器人包括:
根据六轴构型机器人的关节信息和六轴构型机器人的末端执行器的末端信息,计算六轴构型机器人的第一雅可比矩阵;第一雅可比矩阵的参考系与六轴构型机器人的第四关节的参考系一致;
对第一雅可比矩阵进行降维处理得到第二雅可比矩阵;第二雅可比矩阵为与五轴构型机器人对应的矩阵。
在其中一个实施例中,根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度,包括:
根据预设的第四关节的加速度,求解第四关节的关节速度;
获取机器人的末端运动速度;
根据末端运动速度、第四关节的关节速度、第一雅可比矩阵和第二雅可比矩阵计算五轴构型机器人的各关节的关节速度。
第二方面,本申请还提供了一种奇异规避装置。所述装置包括:
轨迹获取模块,用于获取机器人的期望运动轨迹,根据期望运动轨迹判断机器人是否进入奇异区域;机器人为六轴构型机器人;
第一计算模块,用于若六轴构型机器人进入奇异区域,指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人;
第二计算模块,用于根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度;
第三计算模块,用于根据各关节速度计算机器人的第一目标运动轨迹;
轨迹控制模块,用于控制机器人按照第一目标运动轨迹运行。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取机器人的期望运动轨迹,根据期望运动轨迹判断机器人是否进入奇异区域;机器人为六轴构型机器人;
若六轴构型机器人进入奇异区域,指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人;
根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度;
根据各关节速度计算机器人的第一目标运动轨迹;
控制机器人按照第一目标运动轨迹运行。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其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以下步骤:
获取机器人的期望运动轨迹,根据期望运动轨迹判断机器人是否进入奇异区域;机器人为六轴构型机器人;
若六轴构型机器人进入奇异区域,指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人;
根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度;
根据各关节速度计算机器人的第一目标运动轨迹;
控制机器人按照第一目标运动轨迹运行。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取机器人的期望运动轨迹,根据期望运动轨迹判断机器人是否进入奇异区域;机器人为六轴构型机器人;
若六轴构型机器人进入奇异区域,指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人;
根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度;
根据各关节速度计算机器人的第一目标运动轨迹;
控制机器人按照第一目标运动轨迹运行。
上述奇异规避方法、装置、计算机设备和存储介质,首先获取机器人的期望轨迹,再根据期望运动轨迹判断机器人是否进入奇异区域。当机器人进入奇异区域时,通过指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人,并根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度,然后根据各关节速度计算机器人的第一目标运动轨迹,控制机器人按照第一目标运动轨迹运行。该方法通过指定六轴构型机器人的第四关节的关节旋量为冗余,可以使得机器人在进行奇异规避时的姿态精度损失较小,在进行奇异点规避时,通过将六轴构型机器人退化成五轴构型机器人,可以减少计算量,满足实时性要求。
附图说明
图1为一个实施例中机器人奇异点规避方法的流程示意图;
图2为另一个实施例中机器人奇异点规避方法的流程示意图;
图3为一个实施例中判断机器人是否进入奇异区域方法的流程示意图;
图4为一个实施例中机器人退出奇异区域之后的轨迹控制流程示意图;
图5为一个实施例中将六轴构型机器人退化成五轴构型机器人方法的流程示意图;
图6为一个实施例中计算五轴构型机器人的各关节的关节速度方法的流程示意图;
图7为另一个实施例中机器人奇异点规避方法的流程示意图;
图8为一个实施例中机器人的运动轨迹示意图;
图9为一个实施例中机器人奇异点规避装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种机器人奇异点规避方法,本实施例以该方法应用于终端进行举例说明,终端可以是机器人控制器。可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤102,获取机器人的期望运动轨迹,根据期望运动轨迹判断机器人是否进入奇异区域。
其中,机器人为六轴构型机器人,自由度为六,即包括六个关节,具体为第一关节、第二关节、第三关节、第四关节、第五关节和第六关节。一般的,第一关节为旋转关节,第二关节为下臂关节,第三关节为上臂关节,第四关节为手腕旋转关节,第五关节为手腕摆动关节,第六关节为手腕回转关节。机器人的运动轨迹一般指机器人的末端在作业空间中的运动轨迹,作业空间通常为笛卡尔空间。机器人在不同位置上的末端信息组成机器人的末端的运动轨迹,其中机器人的末端信息一般包括末端位姿、末端速度和末端加速度。机器人的关节信息可以根据机器人的末端信息计算得到,具体为,基于机器人的末端信息,通过机器人逆运动学求解,计算得到机器人的关节信息。其中,关节信息一般包括关节位姿、关节速度和关节加速度。
奇异区域为以腕关节奇异点为中心的区域,该区域的大小和形状可以由本领域技术人员根据实际情况自由设置,在此不作限定。当机器人进入奇异区域时,机器人有可能会经过腕关节奇异点。机器人运动至腕关节奇异点时,机器人的运动会突然加速,导致机器人失控,脱离期望运动轨迹,甚至有可能造成机器人损伤。因此为了避免因机器人失控而造成机器人损伤的情况发生,需要在判断机器人进入奇异区域后,及时对奇异区域中的腕关节奇异点进行规避。
可选的,在根据期望运动轨迹判断机器人是否进入奇异区域时,一种可实施方式为,首先根据期望轨迹得到机器人的末端信息,再通过机器人逆运动学计算出机器人各关节的关节信息,并对关节信息进行分析,判断关节信息是否在机器人正常运行时各关节信息的取值范围内,从而判断机器人是否进入奇异区域。另一种可实施方式为,利用机器人的雅可比矩阵的性质来判断机器人是否进入奇异区域。具体步骤包括,获取到机器人各关节的关节信息后,构建相应的雅可比矩阵,之后对机器人雅可比矩阵进行奇异值分解,并确定最小奇异值。当最小奇异值在设定阈值范围内时,判断机器人进入奇异区域。其中,阈值范围可以由本领域技术人员根据实际情况设定。
步骤104,若六轴构型机器人进入奇异区域,指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人。
其中,第四关节的关节旋量一般为关节速度旋量,关节速度旋量包括关节线速度和关节角速度。机器人各关节的关节速度旋量都可以映射到机器人的末端,从而控制机器人末端的速度和加速度。指定第四关节的关节旋量为冗余,使得第四关节的关节速度旋量没有办法映射到机器人的末端。另外,由于机器人各关节的位姿可以确定机器人末端的位姿,因此,指定第四关节的关节旋量为冗余也可以使得机器人末端的位姿减少一个被控的自由度。
六轴构型机器人退化成五轴构型机器人后,机器人的自由度变为五,即包括五个关节。五轴构型机器人的各关节具体可以包括第一关节、第二关节、第三关节、第五关节和第六关节。
步骤106,根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度。
其中,第四关节的加速度可以为第四关节在当前周期内的加速度,当前周期一般为机器人的控制周期,即后文中的控制周期。当前周期的时长一般为固定值,可以由本领域技术人员根据实际需求进行设置。
具体地,根据预设的第四关节的加速度和当前周期的时长,可以求出第四关节的关节速度,然后根据第四关节的关节速度,计算得到五轴构型机器人的各关节的关节速度。
步骤108,根据各关节速度计算机器人的第一目标运动轨迹。
机器人的第一目标运动轨迹为修正后的机器人末端的运动轨迹,当机器人按照第一目标运动轨迹进行运动时,可以规避腕关节奇异点。
具体地,在计算机器人的第一目标运动轨迹时,首先根据各关节速度计算出各关节的位姿,再通过机器人正运动学求解,得到机器人的末端位姿。可以理解,上述计算机器人的末端位姿的方法在一个控制周期内进行。在其他控制周期内,也可以采用上述方法计算,得到不同控制周期对应的机器人的末端位姿。第一目标运动轨迹由各控制周期下的机器人的末端位姿构成。
步骤110,控制机器人按照第一目标运动轨迹运行。
具体地,当控制机器人按照第一目标运动轨迹运行时,可以通过控制机器人在各控制周期下的末端位姿来实现。
上述机器人奇异点规避方法中,首先获取机器人的期望轨迹,再根据期望运动轨迹判断机器人是否进入奇异区域。当机器人进入奇异区域时,通过指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人,并根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度,然后根据各关节速度计算机器人的第一目标运动轨迹,控制机器人按照第一目标运动轨迹运行。该方法在进行奇异点规避时,通过指定六轴构型机器人的第四关节的关节旋量为冗余,可以使得机器人在进行奇异规避时的姿态精度损失较小。在进行奇异点规避时,通过将六轴构型机器人退化成五轴构型机器人,可以减少计算量,满足实时性要求。
在一个实施例中,如图2所示,步骤106之后,步骤108之前,机器人奇异点规避方法还包括步骤207至步骤212。
步骤207,判断五轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内;若是,则执行步骤108;若否,则执行步骤209至步骤212。
由于腕关节奇异的规避既要满足位置精度要求,又要满足关节约束要求,因此在求解得到五轴构型机器人的各关节的关节速度后,需要判断求解结果是否满足关节约束要求。具体判断步骤可以为:判断五轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内。其中,加速度约束区间的范围可以由本领域技术人员根据实际需求进行设置,在此不作限定。
当五轴构型机器人的各关节的关节速度对应的加速度均位于预设加速度约束区间内时,说明此时各关节的关节速度是满足关节约束要求的。此时根据各关节速度计算机器人的第一目标运动轨迹,使得到的第一目标运动轨迹对奇异点的规避效果更好。
当五轴构型机器人的任意关节的关节速度对应的加速度不在预设加速度约束区间内时,说明此时机器人在进行腕关节奇异规避时,不满足关节约束要求。需要进行进一步处理。
步骤209,指定五轴构型机器人的第五关节和第六关节的关节旋量均为冗余,将五轴构型机器人退化成三轴构型机器人。
同上述指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人的原理类似,将五轴构型机器人退化成三轴构型机器人时,通过指定五轴构型机器人的第五关节和第六关节的关节旋量均为冗余后,使得第五关节和第六关节的关节速度旋量没有办法映射到五轴构型机器人的末端,同时,五轴构型机器人末端的位姿减少两个被控的自由度。五轴构型机器人退化成三轴构型机器人后,机器人的自由度变为三,即包括三个关节。三轴构型机器人的各关节具体可以包括第一关节、第二关节和第三关节。
步骤210,根据预设的第五关节和第六关节的加速度,求解三轴构型机器人的各关节的关节速度。
参考上述根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度的方法,求解三轴构型机器人的各关节的关节速度时,首先求出第五关节和第六关节的关节速度,再根据第五关节和第六关节的关节速度,计算得到三轴构型机器人的各关节的关节速度。
步骤211,判断三轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内;若是,执行步骤108;若否,执行步骤212。
具体判断步骤可以为:判断三轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内。
当三轴构型机器人的各关节的关节速度对应的加速度均位于预设加速度约束区间内时,说明此时各关节的关节速度是满足关节约束要求的。此时根据各关节速度计算机器人的第一目标运动轨迹,使得到的第一目标运动轨迹对奇异点的规避效果更好。
当三轴构型机器人的任意关节的关节速度对应的加速度不在预设加速度约束区间内时,说明此时机器人在进行腕关节奇异规避时,不满足关节约束要求。并且,为保障机器人正常工作,机器人需包括至少三个关节,因此,三轴构型机器人无法进一步退化,此时可以终止计算。
步骤212,发送急停指令至机器人。
其中,急停指令用于控制机器人急停。
当将五轴构型机器人退化成三轴构型机器人后,若任意关节的关节速度对应的加速度在预设加速度约束区间外时,说明机器人进行腕关节奇异规避时,无法满足关节约束要求。此时,可以报告异常来结束计算。报告异常后,可以发送急停指令至机器人,触发机器人急停,急停方式一般为软急停。软急停为机器人停止执行工作,不包括断电处理,因此可以减少对机器人的损伤,并且在异常处理完毕后可以及时恢复工作。
本实施例在上述实施例的基础上,通过判断机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内,进一步满足了腕关节奇异点规避的关节约束要求,使得机器人的运动合理。
示例性的,在上述实施例的基础上,本实施例提供了一种根据期望运动轨迹判断机器人是否进入奇异区域的可选方式。如图3所示,步骤102包括步骤302至步骤306,具体实现过程可以包括:
步骤302,获取机器人的期望运动轨迹,根据期望运动轨迹求解关节信息。
根据机器人的期望运动轨迹得到机器人的末端信息,再通过机器人逆运动学计算出机器人各关节的关节信息。其中,关节信息主要包括关节角度。各关节的关节信息可以由一个6*1的列向量进行表示,6行分别代表6个关节,1列代表每个关节对应的关节角度。
步骤304,根据关节信息计算机器人的第五关节的模。
具体地,根据上述列向量中的值,计算机器人的第五关节的模,第五关节的模为第五关节对应的关节角度的绝对值。
步骤306,判断第五关节的模是否小于第一设定阈值;若是,则确定机器人进入奇异区域;若否,则确定机器人没有进入奇异区域。
由于腕关节奇异点只与机器人的第五关节的关节角度趋于零时的特殊的空间位型相关,因此可以通过判断第五关节的模是否小于第一设定阈值来判断机器人是否进入奇异区域。若第五关节的模小于第一设定阈值,则确定机器人进入奇异区域;若第五关节的模大于第一设定阈值,则确定机器人没有进入奇异区域。其中,第一设定阈值可以自由设置,例如3度或者5度,在此不做限定。另外,当第五关节的模等于第一设定阈值时,此时可以认为机器人处于奇异区域的边界点。
本实施例中,通过判断机器人的第五关节的模是否小于第一设定阈值,来判断机器人是否进入奇异区域,可以减少计算量,当机器人进入奇异区域时方便尽快作出响应,执行后续的步骤。
进一步地,在步骤110,控制机器人按照第一目标运动轨迹运行之后,即机器人退出奇异区域后,为了使机器人的运动轨迹重新回到期望轨迹上,本实施例提供了一种轨迹融合的方法。如图4所示,具体实现过程可以包括:
步骤402,若机器人退出奇异区域,计算第一目标运动轨迹与期望运动轨迹之间的差值。
机器人退出奇异区域后,恢复为六轴构型机器人。第一目标运动轨迹与期望运动轨迹之间的差值可以根据以下公式进行计算。
e=log(Tr-1 dTrc)Vee (1)
其中,e为第一目标运动轨迹与期望运动轨迹之间的差值,Tr-1 d为期望运动轨迹,Trc为第一目标运动轨迹,Vee为一种运算符,具体含义为李代数矩阵的参数化操作。
步骤403,判断差值是否大于第二设定阈值;若是,则执行步骤404;若否,则执行步骤405。
步骤404,将不满足关节约束的关节进行截断,根据剩余关节的关节位置输出第二目标运动轨迹。
当第一目标运动轨迹与期望运动轨迹之间的差值大于第二设定阈值时,首先求解机器人的关节速度,并判断关节速度是否满足关节约束要求。将不满足关节约束的关节进行截断,即将不满足关节约束的关节设置为冗余关节。具体包括,对于关节速度对应的加速度在预设加速度约束区间之外的关节,或者关节速度超出速度阈值的关节进行截断。其中,速度阈值可根据实际使用情况进行设置。
将不满足关节约束的关节进行截断后,根据剩余关节的关节速度求解各关节位置,然后根据各关节位置计算第二目标运动轨迹。然后控制机器人按照第二目标运动轨迹运行,使机器人重新回到期望轨迹上。
步骤405,采用几何法求解关节位置,根据关节位置输出第二目标运动轨迹。
当第一目标运动轨迹与期望运动轨迹之间的差值小于或等于第二设定阈值时,直接采用几何法求解关节位置,再根据关节位置计算第二目标运动轨迹。然后控制机器人按照第二目标运动轨迹运行,使机器人重新回到期望轨迹上。
步骤406,控制机器人按照第二目标运动轨迹运行。
同样的,参考上述控制机器人按照第一目标运动轨迹运行的方法,可以通过控制机器人在各控制周期下的末端位姿来控制机器人按照第二目标运动轨迹运行。
本实施例中,通过根据机器人的第一目标运动轨迹和期望运动轨迹之间的差值大小,来选择不同的方法计算第二目标运动轨迹,可以保障算法的灵活性,节省计算时间。
示例性的,在上述实施例的基础上,本实施例提供了一种将六轴构型机器人退化成五轴构型机器人的可选方式。如图5所示,具体实现过程可以包括:
步骤502,根据六轴构型机器人的关节信息和六轴构型机器人的末端执行器的末端信息,计算六轴构型机器人的第一雅可比矩阵。
其中,第一雅可比矩阵为第一速度雅可比矩阵,表示的是关节速度到末端速度的映射。第一雅可比矩阵Jactool可以使用几何法进行构造,形式如下:
Jactool=[j1 j2 j3 j4 j5 j6] (2)
其中,ji表示各关节的关节速度,zi-1表示各关节旋量对应的单位旋量在雅可比的参考系中的表示。表示各关节坐标系原点到末端工具坐标系中心点的矢量。
以上雅可比矩阵的参考系是机器人的基座,为了使得六轴构型机器人退化成五轴构型机器人后对末端运动的影响尽可能小,将雅可比矩阵的参考系设置为与六轴构型机器人的第四关节的参考系一致。此时,定义以下辅助矩阵Uaux:
其中,Rwrist表示第四关节的位姿。
于是,将第四关节的参考系作为雅可比矩阵的参考系后,第一雅可比矩阵Jacaux的形式如下:
Jacaux=Uaux*Jactool (5)
步骤504,对第一雅可比矩阵进行降维处理得到第二雅可比矩阵。
具体实现步骤可以包括:删除第一雅可比矩阵Jacaux的第四行和第四列,即删除第四关节的关节速度对末端速度的影响,对第一雅可比矩阵进行降维处理,得到第二雅可比矩阵第二雅可比矩阵为与五轴构型机器人对应的矩阵,可以通过求第二雅可比矩阵的逆来获取五轴构型机器人的关节信息。
本实施例中,通过根据六轴构型机器人的关节信息和末端信息构建第一雅可比矩阵,并对六轴构型机器人的第一雅可比矩阵进行降维处理,可以实现将六轴构型机器人退化成五轴构型机器人。
示例性的,在上述实施例的基础上,本实施例提供了一种根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度可选方式。如图6所示,步骤106包括步骤602至步骤604,具体实现过程可以包括:
步骤602,根据预设的第四关节的加速度,求解第四关节的关节速度。
其中,为预设的第四关节的加速度的最大值,/>为预设的第四关节的加速度,Δt为控制周期,/>为上一控制周期的第四关节的关节速度。
步骤603,获取机器人的末端运动速度。
机器人的末端运动速度可以由机器人的期望运动轨迹和第一目标运动轨迹求得。
vd=log(Tr-1 dTrc)Vee/Δt (8)
其中,Tr-1 d为期望运动轨迹,Trc为第一目标运动轨迹,Δt为控制周期。
步骤604,根据末端运动速度、第四关节的关节速度、第一雅可比矩阵和第二雅可比矩阵计算五轴构型机器人的各关节的关节速度。
其中,根据末端运动速度vd,第四关节的关节速度第一雅可比矩阵Jacaux和第二雅可比矩阵/>计算五轴构型机器人的各关节的关节速度的公式可以为:
其中,j4 aux为第一雅可比矩阵第四列的值,表示五轴构型机器人的各关节的关节速度。
求得第四关节的关节速度和五轴构型机器人的各关节的关节速度/>之后,将第四关节的关节速度和五轴构型机器人的各关节的关节速度进行拼接后,可得到退化为五轴机器人时机器人的关节速度/>
如果关节速度满足关节速度约束,则可以根据求解出来的关节速度计算关节位置q,再根据关节位置求解出机器人的末端位姿,将机器人的末端位姿进行拼接即可得到机器人的末端运动轨迹。
Trc=forkin(q) (13)
其中,为上一周期下发的关节速度。/>就是当前周期的加速度,是一个6x1的矢量,Trc为机器人的末端位姿。
需要说明的是,本实施例中求解五轴构型机器人的各关节的关节速度的方法,也可以应用于求解三轴构型机器人的各关节的关节速度。具体步骤包括,根据预设的第五关节和第六关节的加速度,求解三轴构型机器人的各关节的关节速度
其中,为预设的第五关节的加速度的最大值,/>为预设的第五关节的加速度,/>为预设的第六关节的加速度的最大值,/>为预设的第六关节的加速度,/>为第五关节的关节速度,/>为第六关节的关节速度,Δt为控制周期,j5 aux为第一雅可比矩阵Jacaux第五列的值,j6 aux为第一雅可比矩阵Jacaux第六列的值,/>为第一雅可比矩阵Jacaux左上的3×3的矩阵。
再将得到的和/>进行拼接,得到退化成三轴机器人时机器人的关节速度。
为了便于理解,下面提供一个较为详细的实施例。
在一个实施例中,如图7所示,提供了一种机器人奇异点规避方法,该方法主要针对的是六轴构型机器人的腕关节奇异点规避问题。假定上位机下发一个期望轨迹,经过算法修改后将产生一个修正后的轨迹。分别将修正后的轨迹定义为Trc,期望轨迹定义为Trd。按照轨迹距离奇异区域的范围,可将修正后的轨迹分为三个阶段,分别是正常阶段,修正阶段和误差释放阶。其中,修正阶段机器人的轨迹对应上述第一目标运动轨迹,误差释放阶段的机器人的轨迹对应上述第二目标运动轨迹。如图8所示。具体实现步骤包括:
1、获取机器人的期望运动轨迹,根据该期望运动轨迹求解关节信息;
2、判断第五关节是否远离零点,零点对应上述第一设定阈值;或判断位姿和目标位姿的误差是否大于阈值,此时的阈值对应上述第二设定阈值。判断位姿和目标位姿的误差是否大于阈值的过程与上述判断第一目标运动轨迹与期望运动轨迹之间的差值是否大于第二设定阈值对应。若是,则判断机器人未进入奇异区域,采用雅可比矩阵求逆法求解关节信息,其中,关节信息包括关节速度和关节加速度。将关节速度不满足关节约束的关节进行截断,即截断不满足关节约束的关节映射到机器人末端的速度。再根据剩余关节的关节速度求解关节位置,然后根据关节位置求解末端位姿,可将末端位姿作为符合要求的解,并输出。若否,则判断机器人进入奇异区域,此时指定第四关节的关节旋量为冗余。具体为通过删除六轴构型机器人对应的雅可比矩阵的第四行和第四列,将机器人退化成五轴构型机器人。
3、根据修改后的雅可比矩阵求解出退化成五轴构型机器人时机器人的关节速度,并对关节速度进行判断。具体为判断每个关节的关节速度所对应的加速度是否落在加速度约束的区间内。若是,则求解到的关节速度是符合要求的,此时可以根据关节速度计算关节位置;若否,则继续指定第五关节和第六关节为冗余,将退化成五轴构型的机器人进一步退化成三轴构型机器人。
4、判断三轴构型机器人的关节速度是否符合要求。如果不符合要求,通过报告异常的方式来结束计算。如果符合要求,则计算关节位置,并根据关节位置求解机器人的末端位姿。求解得到末端位姿后,可将末端位姿作为符合要求的解,并输出。
当机器人进入奇异区域时,根据机器人的末端位姿可以求得机器人修正后的期望运动轨迹,控制机器人按照修正后的期望运动轨迹Trc进行运动,规避腕关节奇异点。
当机器人进入误差释放的阶段时,如果关节的Trc和Trd之间的误差大于一个给定的阈值,采用雅可比矩阵求逆的方法求解关节角度。否则将直接调用机器人的几何逆解器求解机器人的关节角度。然后根据该关节角度计算机器人的末端位姿,得到误差释放阶段的修正后的运动轨迹。
本实施例提供的机器人奇异点规避方法,通过指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人,并根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度,然后根据各关节速度计算机器人的修正后的运动轨迹,控制机器人按照修正后的运动轨迹运行。该方法通过指定六轴构型机器人的第四关节的关节旋量为冗余,可以使得机器人在进行奇异规避时的姿态精度损失较小。在进行奇异点规避时,通过将六轴构型机器人退化成五轴构型机器人,可以减少计算量,满足实时性要求。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的机器人奇异点规避方法的机器人奇异点规避装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个机器人奇异点规避装置实施例中的具体限定可以参见上文中对于机器人奇异点规避方法的限定,在此不再赘述。
在一个实施例中,如图9所示,提供了一种机器人奇异点规避装置,包括:轨迹获取模块902、第一计算模块904、第二计算模块906、第三计算模块908和轨迹控制模块910,其中:
轨迹获取模块902,用于获取机器人的期望运动轨迹,根据期望运动轨迹判断机器人是否进入奇异区域。
第一计算模块904,用于若六轴构型机器人进入奇异区域,指定六轴构型机器人的第四关节的关节旋量为冗余,将六轴构型机器人退化成五轴构型机器人。
第二计算模块906,用于根据预设的第四关节的加速度,求解五轴构型机器人的各关节的关节速度。
第三计算模块908,用于根据各关节速度计算机器人的第一目标运动轨迹。
轨迹控制模块910,用于控制机器人按照第一目标运动轨迹运行。
在一个实施例中,机器人奇异点规避装置还包括以下模块:
第一判断模块:用于判断五轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内;若是,执行根据各关节速度计算机器人的第一目标运动轨迹;若否,指定五轴构型机器人的第五关节和第六关节的关节旋量均为冗余,将五轴构型机器人退化成三轴构型机器人。
关节速度计算模块:用于根据预设的第五关节和第六关节的加速度,求解三轴构型机器人的各关节的关节速度。
第二判断模块:用于判断三轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内;若是,执行根据各关节速度计算机器人的第一目标运动轨迹;若否,发送急停指令至机器人;急停指令用于控制机器人急停。
在一个实施例中,轨迹获取模块902还包括以下单元:
关节信息求解单元:用于获取机器人的期望运动轨迹,根据期望运动轨迹求解关节信息。
模计算单元:用于根据关节信息计算机器人的第五关节的模。
模判断单元:用于若五关节的模小于第一设定阈值,则确定机器人进入奇异区域;若五关节的模大于第一设定阈值,则确定机器人没有进入奇异区域。
在一个实施例中,上述机器人奇异点规避装置还包括第四计算模块和轨迹融合模块:
第四计算模块:用于若机器人退出奇异区域,计算第一目标运动轨迹与期望运动轨迹之间的差值;
轨迹融合模块:用于判断差值是否大于第二设定阈值;若差值大于第二设定阈值,将不满足关节约束的关节进行截断,根据剩余关节的关节位置输出第二目标运动轨迹;若差值小于第二设定阈值,采用几何法求解关节位置,根据关节位置输出第二目标运动轨迹。
在一个实施例中,第一计算模块904还包括以下单元:
退化单元:用于根据六轴构型机器人的关节信息和六轴构型机器人的末端执行器的末端信息,计算六轴构型机器人的第一雅可比矩阵;第一雅可比矩阵的速度参考系与第四关节的参考系一致;对第一雅可比矩阵进行降维处理得到第二雅可比矩阵;第二雅可比矩阵为与五轴构型机器人对应的矩阵。
在一个实施例中,第二计算模块906还包括以下单元:
第一关节速度计算单元:用于根据预设的第四关节的加速度,求解第四关节的关节速度;
末端运动速度获取单元:用于获取机器人的末端运动速度;
第二关节速度计算单元:用于根据末端运动速度、第四关节的关节速度、第一雅可比矩阵和第二雅可比矩阵计算五轴构型机器人的各关节的关节速度。
上述机器人奇异点规避装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种机器人奇异点规避方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种机器人奇异点规避方法,其特征在于,所述方法包括:
获取机器人的期望运动轨迹,根据所述期望运动轨迹判断机器人是否进入奇异区域;所述机器人为六轴构型机器人;
若所述六轴构型机器人进入奇异区域,指定所述六轴构型机器人的第四关节的关节旋量为冗余,将所述六轴构型机器人退化成五轴构型机器人;
根据预设的第四关节的加速度,求解所述五轴构型机器人的各关节的关节速度;
根据各所述关节速度计算所述机器人的第一目标运动轨迹;
控制所述机器人按照所述第一目标运动轨迹运行;
所述根据预设的第四关节的加速度,求解所述五轴构型机器人的各关节的关节速度包括:
根据预设的第四关节的加速度,求解第四关节的关节速度;
获取机器人的末端运动速度;
根据所述末端运动速度、所述第四关节的关节速度、第一雅可比矩阵和第二雅可比矩阵计算所述五轴构型机器人的各关节的关节速度;所述第一雅可比矩阵根据所述六轴构型机器人的关节信息和所述六轴构型机器人的末端执行器的末端信息得到,所述第二雅可比矩阵由对所述第一雅可比矩阵进行降维处理后得到;
所述获取机器人的期望运动轨迹,根据所述期望运动轨迹判断机器人是否进入奇异区域,包括:
获取机器人的期望运动轨迹,根据所述期望运动轨迹求解关节信息;
根据所述关节信息计算所述机器人的第五关节的模;
若所述第五关节的模小于第一设定阈值,则确定机器人进入奇异区域;
若所述第五关节的模大于第一设定阈值,则确定机器人没有进入奇异区域。
2.根据权利要求1所述的方法,其特征在于,所述根据预设的第四关节的加速度,求解所述五轴构型机器人的各关节的关节速度之后,所述根据各所述关节速度计算所述机器人的第一目标运动轨迹之前,还包括:
判断所述五轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内;
若是,执行所述根据各所述关节速度计算所述机器人的第一目标运动轨迹。
3.根据权利要求2所述的方法,其特征在于,所述判断所述五轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内之后,还包括:
若否,指定所述五轴构型机器人的第五关节和第六关节的关节旋量均为冗余,将所述五轴构型机器人退化成三轴构型机器人;
根据预设的第五关节和第六关节的加速度,求解所述三轴构型机器人的各关节的关节速度;
判断所述三轴构型机器人的各关节的关节速度对应的加速度是否均位于预设加速度约束区间内;
若是,执行所述根据各所述关节速度计算所述机器人的第一目标运动轨迹;
若否,发送急停指令至机器人;所述急停指令用于控制所述机器人急停。
4.根据权利要求1所述的方法,其特征在于,所述控制所述机器人按照所述第一目标运动轨迹运行之后,所述方法还包括:
若所述机器人退出奇异区域,计算第一目标运动轨迹与所述期望运动轨迹之间的差值;
判断所述差值是否大于第二设定阈值;
若所述差值大于第二设定阈值,将不满足关节约束的关节进行截断,根据剩余关节的关节位置输出第二目标运动轨迹;
若所述差值小于第二设定阈值,采用几何法求解关节位置,根据所述关节位置输出第二目标运动轨迹;
控制所述机器人按照所述第二目标运动轨迹运行。
5.根据权利要求1所述的方法,其特征在于,所述第一雅可比矩阵的参考系与所述六轴构型机器人的第四关节的参考系一致。
6.根据权利要求4所述的方法,其特征在于,所述将不满足关节约束的关节进行截断包括:
将关节速度超出速度阈值的关节进行截断。
7.一种机器人奇异点规避装置,其特征在于,所述装置包括:
轨迹获取模块,用于获取机器人的期望运动轨迹,根据所述期望运动轨迹判断机器人是否进入奇异区域;所述机器人为六轴构型机器人;
第一计算模块,用于若所述六轴构型机器人进入奇异区域,指定所述六轴构型机器人的第四关节的关节旋量为冗余,将所述六轴构型机器人退化成五轴构型机器人;
第二计算模块,用于根据预设的第四关节的加速度,求解所述五轴构型机器人的各关节的关节速度;
第三计算模块,用于根据各所述关节速度计算所述机器人的第一目标运动轨迹;
轨迹控制模块,用于控制所述机器人按照所述第一目标运动轨迹运行;
所述轨迹控制模块包括以下单元:
关节信息求解单元:用于获取机器人的期望运动轨迹,根据所述期望运动轨迹求解关节信息;
模计算单元:用于根据所述关节信息计算所述机器人的第五关节的模;
模判断单元:用于若所述第五关节的模小于第一设定阈值,则确定机器人进入奇异区域;若所述第五关节的模大于第一设定阈值,则确定机器人没有进入奇异区域。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211262942.8A CN116038686B (zh) | 2022-10-14 | 2022-10-14 | 机器人奇异点规避方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211262942.8A CN116038686B (zh) | 2022-10-14 | 2022-10-14 | 机器人奇异点规避方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116038686A CN116038686A (zh) | 2023-05-02 |
CN116038686B true CN116038686B (zh) | 2023-12-08 |
Family
ID=86115168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211262942.8A Active CN116038686B (zh) | 2022-10-14 | 2022-10-14 | 机器人奇异点规避方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116038686B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116277039B (zh) * | 2023-05-23 | 2024-04-05 | 极限人工智能(北京)有限公司 | 机械臂过腕部奇异点的轨迹规划方法、系统、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009166164A (ja) * | 2008-01-15 | 2009-07-30 | Kobe Steel Ltd | 工業用ロボット |
CN105382835A (zh) * | 2015-12-11 | 2016-03-09 | 华中科技大学 | 一种可穿越腕部奇异点的机器人路径规划方法 |
CN113119131A (zh) * | 2021-05-08 | 2021-07-16 | 北京爱康宜诚医疗器材有限公司 | 机器人的控制方法、装置、计算机可读存储介质及处理器 |
CN113601512A (zh) * | 2021-08-23 | 2021-11-05 | 太原理工大学 | 一种机械臂奇异点的通用规避方法与系统 |
CN114378830A (zh) * | 2022-02-18 | 2022-04-22 | 深圳市大族机器人有限公司 | 一种机器人腕关节奇异规避方法及系统 |
CN114474068A (zh) * | 2022-03-11 | 2022-05-13 | 深圳市牛耳机器人有限公司 | 一种puma构型机器人腕关节奇异规避方法及系统 |
CN115157251A (zh) * | 2022-07-12 | 2022-10-11 | 遨博(北京)智能科技股份有限公司 | 机器人的奇异防护方法和机器人系统 |
-
2022
- 2022-10-14 CN CN202211262942.8A patent/CN116038686B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009166164A (ja) * | 2008-01-15 | 2009-07-30 | Kobe Steel Ltd | 工業用ロボット |
CN105382835A (zh) * | 2015-12-11 | 2016-03-09 | 华中科技大学 | 一种可穿越腕部奇异点的机器人路径规划方法 |
CN113119131A (zh) * | 2021-05-08 | 2021-07-16 | 北京爱康宜诚医疗器材有限公司 | 机器人的控制方法、装置、计算机可读存储介质及处理器 |
CN113601512A (zh) * | 2021-08-23 | 2021-11-05 | 太原理工大学 | 一种机械臂奇异点的通用规避方法与系统 |
CN114378830A (zh) * | 2022-02-18 | 2022-04-22 | 深圳市大族机器人有限公司 | 一种机器人腕关节奇异规避方法及系统 |
CN114474068A (zh) * | 2022-03-11 | 2022-05-13 | 深圳市牛耳机器人有限公司 | 一种puma构型机器人腕关节奇异规避方法及系统 |
CN115157251A (zh) * | 2022-07-12 | 2022-10-11 | 遨博(北京)智能科技股份有限公司 | 机器人的奇异防护方法和机器人系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116038686A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109382820B (zh) | 干扰判定方法、干扰判定系统以及存储介质 | |
US20180036882A1 (en) | Layout setting method and layout setting apparatus | |
JPH07281722A (ja) | 工業用ロボットを制御する方法 | |
CN116038686B (zh) | 机器人奇异点规避方法、装置、计算机设备和存储介质 | |
CN113618742B (zh) | 一种机器人避障方法、装置和机器人 | |
US10919154B2 (en) | Interference determination method, interference determination system, and computer program | |
US11938635B2 (en) | Motion control method, robot controller and computer readable storage medium | |
CN113618739A (zh) | 一种机器人动态避障方法、装置和机器人 | |
CN111123943B (zh) | 一种基于伪逆约束的超冗余机器人轨迹规划方法及系统 | |
JP3349652B2 (ja) | オフラインティーチング方法 | |
CN109311155B (zh) | 一种工业机器人的工具坐标系原点的标定方法及装置 | |
US10035264B1 (en) | Real time robot implementation of state machine | |
EP3542970A1 (en) | Method, device and system for replaying movement of robot | |
US20240009841A1 (en) | Dynamic target tracking method, robot and computer-readable storage medium | |
US20220143836A1 (en) | Computer-readable recording medium storing operation control program, operation control method, and operation control apparatus | |
KR102281119B1 (ko) | 강화학습을 이용한 7축 로봇 제어 방법 | |
Pajak et al. | Planning of a point to point collision-free trajectory for mobile manipulators | |
CN113561175A (zh) | 机械臂的路径规划方法、装置、计算机设备和存储介质 | |
CN117182932B (zh) | 机械臂避障动作规划方法、装置和计算机设备 | |
JP2010094794A (ja) | ロボットオフライン表示装置 | |
CN117733840A (zh) | 机械臂的轨迹规划方法、装置、存储设备、介质和产品 | |
US20220193899A1 (en) | Pose control method, robot and computer-readable storage medium | |
CN117444962A (zh) | 机器人末端控制方法、装置和计算机设备 | |
CN115922735A (zh) | 奇异区域的轨迹规划方法、装置、计算机设备和存储介质 | |
CN117348577B (zh) | 一种生产工艺仿真检测方法、装置、设备以及介质 |
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 |