CN116079722A - 列车底检机器人底检控制方法、装置、机器人和存储介质 - Google Patents
列车底检机器人底检控制方法、装置、机器人和存储介质 Download PDFInfo
- Publication number
- CN116079722A CN116079722A CN202211728231.5A CN202211728231A CN116079722A CN 116079722 A CN116079722 A CN 116079722A CN 202211728231 A CN202211728231 A CN 202211728231A CN 116079722 A CN116079722 A CN 116079722A
- Authority
- CN
- China
- Prior art keywords
- point
- robot
- mechanical arm
- model
- preset
- 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
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 52
- 230000009466 transformation Effects 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 21
- 238000013519 translation Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 17
- 230000033001 locomotion Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003137 locomotive effect Effects 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- 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
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本申请实施例提供一种列车底检机器人底检控制方法、装置、机器人和存储介质，涉及机器人控制技术领域。该方法首先设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位；当底检机器人到达预设停车点位时，采集当前坑道信息和当前车底信息，并与预先采集的坑道模型和车底模型通过点云配准算法进行配准，以获取机械臂当前所在坑道和车底的空间变换矩阵RT；将坑道模型和车底模型经空间变换矩阵RT并通过三维空间网格形式加载到机械臂的规划空间中，以获得机械臂基于避障的最优规划路径；根据预设采集拍照点位和最优规划路径，进行对列车的底检。通过本申请，大大提高了工作效率、时间成本和后续的维护成本。
Description
技术领域
本申请涉及机器人控制技术领域，具体地，涉及一种列车底检机器人底检控制方法、装置、机器人和存储介质。
背景技术
当前，对列车底部进行检修一般通过人工检修、轨道式列车底检机器人检修或非轨道式列车底检机器人检修等方式。其中，底检机器人的检修环境是在列车底部的坑道内对列车进行检测。
非轨道式列车底检机器人是通过距离传感器进行实时地图构建和导航定位，到达指定停车点位。人工控制机器人到达列车底部检修位置，通过底部磁条记录当前底盘位置距离车头的距离，然后通过机械臂示教的方式，记录机械臂的运动轨迹生成工作文件。当列车再次到达检修点，由于列车每次在铁轨上停止的位置不同，底检机器人首先得通过人工方式移动到列车的头部，然后通过预先记录好的检修停车点位置，移动底检机器人底盘到达指定的位置，机械臂执行预先示教好的运动轨迹的工作文件，进行运动采集需要拍照的点位，保存对应点位的2D图片和3D点云信息，传送给算法进行列车不合格检修。
对于非轨道式的机器人，由于导航算法依赖IMU里程计、激光雷达等外部设备，受定位设备的标定误差、环境的影响，以及坑道路面不齐的平影响、小车底盘本身的计算误差等，最终的停车点位仍存在一定的偏移，无法保证精准的到达停车点位。机械臂如果按照人工示教的方式运行，因为误差导致的机械臂周围的环境和人工示教路径的环境不一致，极有可能发生碰撞。
发明内容
为了解决上述技术缺陷之一，本申请实施例中提供了一种列车底检机器人底检控制方法、装置、机器人和存储介质。
根据本申请实施例的第一个方面，提供了一种列车底检机器人底检控制方法，该方法包括：
设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位；
当底检机器人到达预设停车点位时，采集当前坑道信息和当前车底信息，并与预先采集的坑道模型和车底模型通过点云配准算法进行配准，以获取机械臂当前所在坑道和车底的空间变换矩阵RT；
将坑道模型和车底模型经空间变换矩阵RT并通过三维空间网格形式加载到机械臂的规划空间中，以获得机械臂基于避障的最优规划路径；
根据预设采集拍照点位和最优规划路径，进行对列车的底检。
在本申请一个可选的实施例中，该方法中将坑道模型和车底模型经空间变换矩阵RT并通过三维空间网格形式加载到机械臂的规划空间中，以获得机械臂基于避障的最优规划路径的步骤进一步包括：
通过膨胀算法将车底模型进行膨胀，并将坑道模型和膨胀后的车底模型经空间变换矩阵RT并通过三维空间网格形式加载到机械臂的规划空间中。
在本申请一个可选的实施例中，该方法中通过膨胀算法将车底模型进行膨胀的步骤进一步包括：
遍历车底模型的点云，对其中每个点进行点云体素滤波后，对每个点以该点为球心，以预设膨胀安全距离为半径，计算半径的球内的点云是否满足预设膨胀需求，若不满足，则随机生成点云以达到预设膨胀需求。
在本申请一个可选的实施例中，该方法中将坑道模型和车底模型经空间变换矩阵RT并通过三维空间网格形式加载到机械臂的规划空间中，以获得机械臂基于避障的最优规划路径的步骤进一步包括：
在机械臂的规划空间中，判断非障碍区的位置，生成一个随机点，并进行生长；
生长包括：
以随机点为目标，遍历生长树上的现存节点，计算每个现存节点到随机点的距离，以筛选出最近点；
以最近点和随机点的连线为生长方向，从最近点向目标点生长并生成生长点，判断生长点是否与障碍物发生碰撞；若未发生碰撞，则将生长点添加到生长树上；若发生碰撞，则将生长点剔除；
完成生长点的添加或剔除后，生成新的随机点，并根据新的随机点进行生长，以获得最优规划路径。
在本申请一个可选的实施例中，该方法中生长进一步包括：生长的步长为固定值。
在本申请一个可选的实施例中，该方法中采集当前坑道信息和当前车底信息，与预先采集的坑道模型和车底模型通过点云配准算法进行配准的步骤进一步包括：
通过贪心的方式找到当前坑道信息和坑道模型、当前车底信息和车底模型两对点云上点的对应关系，并进一步计算旋转关系参数R和平移关系参数t，根据旋转关系参数R和平移关系参数t进行点云配准。
在本申请一个可选的实施例中，该方法中设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位的步骤进一步包括：
设定底检机器人的预设停车点位时，记录底检机器人的底盘相对于底检机器人的充电桩的位置，以进行预设停车点位的设定。
根据本申请实施例的第二个方面，提供了一种列车底检机器人底检控制装置，该装置包括预设点位设定模块、点云配准模块、避障路径规划模块和底检模块；其中，
预设点位设定模块，用于设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位；
点云配准模块，用于当底检机器人到达预设停车点位时，采集当前坑道信息和当前车底信息，并与预先采集的坑道模型和车底模型通过点云配准算法进行配准，以获取机械臂当前所在坑道和车底的空间变换矩阵RT；
避障路径规划模块，用于将坑道模型和车底模型经空间变换矩阵RT并通过三维空间网格形式加载到机械臂的规划空间中，以获得机械臂基于避障的最优规划路径；
底检模块，用于根据预设采集拍照点位和最优规划路径，进行对列车的底检。
根据本申请实施例的第三个方面，提供了一种底检机器人，包括：存储器；处理器；以及计算机程序；其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现如本申请实施例的第一个方面任一项方法的步骤。
根据本申请实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；计算机程序被处理器执行以实现如本申请实施例的第一个方面任一项方法的步骤。
采用本申请实施例中提供的列车底检机器人底检控制方法，具有以下有益效果：
1、通过本申请的方法，对于非轨道式机器人来说，后期采集过程中不需要人工移动机器人，机器人的灵活性大大提升，可活动范围不在受限于铁轨，理论上可在整个车间进行作业。大大提高了工作效率、时间成本和后续的维护成本；
2、通过本申请的方法，可以使得非轨道式的机器人在复杂的环境下以安全距离工作，可以让机械臂在复杂的环境下安全自由的运动。不需要人工干预，大大提高了劳动力成本和时间成本。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的列车底检机器人底检控制方法的流程图；
图2为本申请实施例提供的车底模型膨胀示意图；
图3为本申请实施例提供的路径规划示意图一；
图4为本申请实施例提供的路径规划示意图二；
图5为本申请实施例提供的路径规划示意图三；
图6为本申请实施例提供的路径规划示意图四；
图7为本申请实施例提供的路径规划示意图五；
图8为本申请实施例提供的列车底检机器人底检控制装置的结构图；
图9为本申请一个实施例提供的底检机器人内部结构示意图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
当前，对列车底部进行检修一般通过人工检修、轨道式列车底检机器人检修或非轨道式列车底检机器人检修等方式。
非轨道式列车底检机器人是通过距离传感器进行实时地图构建和导航定位，到达指定停车点位。人工控制机器人到达列车底部检修位置，通过底部磁条记录当前底盘位置距离车头的距离，然后通过机械臂示教的方式，记录机械臂的运动轨迹生成工作文件。当列车再次到达检修点，由于列车每次在铁轨上停止的位置不同，底检机器人首先得通过人工方式移动到列车的头部，然后通过预先记录好的检修停车点位置，移动底检机器人底盘到达指定的位置，机械臂执行预先示教好的运动轨迹的工作文件，进行运动采集需要拍照的点位，保存对应点位的2D图片和3D点云信息，传送给算法进行列车不合格检修。
对于非轨道式的机器人，由于导航算法依赖IMU里程计、激光雷达等外部设备，受定位设备的标定误差、环境的影响，以及坑道路面不齐的平影响、小车底盘本身的计算误差等，最终的停车点位仍存在一定的偏移，无法保证精准的到达停车点位。机械臂如果按照人工示教的方式运行，因为误差导致的机械臂周围的环境和人工示教路径的环境不一致，极有可能发生碰撞。
请参见如图1所示的步骤：
S1：设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位。可选的，设定底检机器人的预设停车点位时，记录底检机器人的底盘相对于底检机器人的充电桩的位置，以进行预设停车点位的设定。
在具体实施中，首先通过手持3D扫描设备对列车(本申请实施例以动车为例)底部的转向架和坑道进行建模，生成车底和坑道的3D模型。然后进行示教，通过移动底检机器人到达需要检修的车底位置，同时通过导航、里程计等数据记录此时底检机器人的底盘相对于底检机器人充电桩的位置，以此作为预设停车点位的依据。进一步的，通过人工拖拽的方式移动机械臂到达指定的采集点位进行记录。最终获取到底检机器人的预设停车点位和预设停车点位下的所有机械臂的预设采集拍照点位，后续开始进行实际检修时，底检机器人将直接到达预设停车点位停车，并使机械臂按照预设采集拍照点位进行采集拍照。
S2：当底检机器人到达预设停车点位时，采集当前坑道信息和当前车底信息，并与预先采集的坑道模型和车底模型通过点云配准算法进行配准，以获取机械臂当前所在坑道和车底的空间变换矩阵RT。
具体的，通过贪心的方式找到当前坑道信息和坑道模型、当前车底信息和车底模型两对点云上点的对应关系，并进一步计算旋转关系参数R和平移关系参数t，根据旋转关系参数R和平移关系参数t进行点云配准。
在具体实施中，当底检机器人执行自动采集的时候，首先会通过导航算法和SLAM定位到达指定的预设停车点位。由于导航算法和周围环境变化等带来的误差，无法保证此时根据相对于底检机器人充电桩的位置所到达的预设停车点位和示教时相对于车底的停车点位完全匹配。所以，当底检机器人到达停车点位后，首先通过距离传感器(激光雷达和深度相机)分别采集当前的车底和坑道信息，并与事先采集好的坑道模型和车底模型、即步骤S1中所述的车底和坑道的3D模型通过算法进行匹配，最终获取到机械臂在车底和坑道的位置信息。
在本申请的其中一些实施例中，通过点云配准算法进行配准，以获取机械臂当前所在坑道和车底的空间变换矩阵RT。本申请实施例的点云配准问题描述为：
式中，Ps和Pt是源点云和目标点云中的对应点。
在具体实施中，通过贪心的方式找到两幅点云上点的对应关系，可选的，可以找到距离最近的点作为对应点。基于此，当找到两幅点云上点的对应关系后，通过LeastSquares来求解R,t参数；
交替进行上述步骤，迭代进行计算，直到收敛。
S3：将坑道模型和车底模型经空间变换矩阵RT并通过三维空间网格形式加载到机械臂的规划空间中，以获得机械臂基于避障的最优规划路径。
可选的，通过膨胀算法将车底模型进行膨胀，并将坑道模型和膨胀后的车底模型经空间变换矩阵RT并通过三维空间网格形式加载到机械臂的规划空间中。具体的，遍历车底模型的点云，对其中每个点进行点云体素滤波后，对每个点以该点为球心，以预设膨胀安全距离为半径，计算半径的球内的点云是否满足预设膨胀需求，若不满足，则随机生成点云以达到预设膨胀需求。
在具体实施中，执行步骤S2配准后可以获取到当前机械臂所在坑道和车底的空间位置信息(即空间变换矩阵RT)。将事先采集好的坑道和车底模型通过RT空间变换矩阵，加载到机械臂的工作空间中。
在本申请的其中一些实施例中，为了保证机械臂在坑道内与车底和坑道墙壁有一个安全距离和避免匹配带来的误差，可以对模型进行膨胀，为机械臂的工作添加一个安全工作距离。具体的，遍历一遍点云，对于每个点进行如下操作：
(1)点云预处理，对点云进行体素滤波；
(2)找到每一个点，以该点为球心，设定的膨胀安全距离为半径，计算该半径的球内的点云是否满足需求；
(3)不满足则随机生成对应数量的点云，达到膨胀的要求。
图2为本申请实施例提供的车底模型膨胀示意图，如图2所示，在具体实施中，通过膨胀算法将图2中左侧的车底模型膨胀10cm后，得到如图2中右侧所示的膨胀后的车底模型。
在具体实施中，将膨胀后的模型经过配准结果RT的空间变换后，通过三维空间网格地形式加载到机械臂的规划空间中，机械臂在运动规划的过程中完成避障功能。
具体的，在本申请的其中一些实施例中，在机械臂的规划空间中，判断非障碍区的位置，生成一个随机点，并进行生长；
生长包括：
以随机点为目标，遍历生长树上的现存节点，计算每个现存节点到随机点的距离，以筛选出最近点；
以最近点和随机点的连线为生长方向，从最近点向目标点生长并生成生长点，判断生长点是否与障碍物发生碰撞；若未发生碰撞，则将生长点添加到生长树上；若发生碰撞，则将生长点剔除；
完成生长点的添加或剔除后，生成新的随机点，并根据新的随机点进行生长，以获得最优规划路径。
在具体实施中，如图3所示，图中示出了机械臂的规划空间中，机械臂末端轴的起点(左侧点)和终点(右侧点)，并以黑色椭圆部分表示障碍物。
如图4所示，在机械臂的规划空间中，判断非障碍区的位置，随机生成一个随机点(“十”字形点)。以刚刚生成的随机点为目标，遍历生长树上的现存节点，计算每个节点到该随机点的距离，筛选出距离最小的节点作为最近点。具体的，此时树上仅存在起点，所以直接选取起点为最近点。
如图5所示，以最近点和随机点的连线为生长方向。从最近点向目标的生长，生长的长度为步长；具体的，每一次生长的步长是固定的，步长视情况设定，从此时的最近点也就是起点沿着生长方向生成一个步长的生长点。判断生长点是否和障碍物发生碰撞，若没有则将生长点添加到树上，若发生碰撞则剔除。
如图6-7所示，再次生成随机点，重复上述步骤，以选取最优规划路径。
请继续参见图1：
S4：根据预设采集拍照点位和最优规划路径，进行对列车的底检。
在具体实施中，机械臂通过前述步骤完成运动规划和碰撞检测，为之前示教好的采集点位示教出一条无碰撞和时间最优的运动轨迹，并进行采集和底检。
综上所述，本申请提出一种列车底检机器人底检控制方法，摒弃了原先通过人工示教的方式记录机械臂运动路径生成工作文件，并重复执行工作文件的方法，而是通过人工示教的方式记录每一个需要拍照的点位的机械臂的关节姿态，当底检机器人再次到达指定位置后，机械臂首先通过环境感知的方式获取到周围的坑道和车底信息，将这些三维点云信息以三维网格的形式加入到机械臂的规划环境中，机械臂通过碰撞检测和运动规划，规划出一条无碰撞的最优运动路径，发送给机械臂控制系统进行控制，到达指定点位采集数据。
进一步的，在具体实施中，轨道式列车底检机器人检修是指在列车底部铺设一条带磁条的铁轨，通过移动机器人底盘到达指定位置。人工控制机器人到达列车底部检修位置，通过底部磁条记录当前底盘位置距离车头的距离，然后通过机械臂示教的方式，记录机械臂的运动轨迹生成工作文件。当列车再次到达检修点时，由于列车每次在铁轨上停止的位置不同，底检机器人首先得通过人工方式移动到列车的头部，然后通过预先记录好的检修停车点位置，移动底检机器人底盘到达指定的位置，机械臂执行预先示教好的运动轨迹的工作文件，进行运动采集需要拍照的点位，保存对应点位的2D图片和3D点云信息，传送给算法进行列车不合格检修。
在具体实施中，对于轨道式列车底检机器人检修方式，在每次采集的过程中由于列车每次的停车位置不同，需要人工协作的方式移动底检机器人到达车头位置，才能执行事先示教好工作文件。但由于到达车头的位置是人工判断的，所以底检机器人到达指定的工作位置是存在的误差的。如果误差过大会导致机械臂在运行示教好的工作文件发生碰撞。此外，机械臂必须按照人工示教的方式运行轨迹，就导致人工示教的过程中需要人为判断机械臂的最优路径。无法保证机械臂的运动路径和运动时间最优。且机械臂必须采集示教好的所有点位，无法选择性的采集部分点位。
本申请前述的一种实施例中已经示出了对于非轨道式列车底检机器人检修的控制方法，本申请继续提供另一实施例，对本申请适用于轨道式列车底检机器人检修进行进一步说明。
在本实施例中，首先通过手持3D扫描设备对列车(本实施例以动车为例)底部的转向架和坑道进行建模，生成车底和坑道的3D模型。然后进行示教，通过移动底检机器人通过轨道到达需要检修的车底位置，同时通过里程计等数据记录此时底检机器人的底盘相对于一个预设起点的位置，以此作为预设停车点位的依据。进一步的，通过人工拖拽的方式移动机械臂到达指定的采集点位进行记录。最终获取到底检机器人的预设停车点位和预设停车点位下的所有机械臂的预设采集拍照点位，后续开始进行实际检修时，底检机器人将直接到达预设停车点位停车，并使机械臂按照预设采集拍照点位进行采集拍照。
当底检机器人执行自动采集的时候，首先会通过轨道根据此前所记录的底检机器人的底盘相对于一个预设起点的位置到达指定的预设停车点位。由于周围环境变化等带来的误差，无法保证此时根据相对于底检机器人充电桩的位置所到达的预设停车点位和示教时的停车点位完全匹配。所以，当底检机器人到达停车点位后，首先通过距离传感器(激光雷达和深度相机)分别采集当前的车底和坑道信息，并与事先采集好的坑道模型和车底模型通过点云配准算法进行配准，最终获取到机械臂在车底和坑道的位置信息。
配准后可以获取到当前机械臂所在坑道和车底的空间位置信息(即空间变换矩阵RT)。将事先采集好的坑道和车底模型通过RT空间变换矩阵，加载到机械臂的工作空间中。
为了保证机械臂在坑道内与车底和坑道墙壁有一个安全距离和避免匹配带来的误差，可以对模型进行膨胀，为机械臂的工作添加一个安全工作距离。将膨胀后的模型经过配准结果RT的空间变换后，通过三维空间网格地形式加载到机械臂的规划空间中，机械臂在运动规划的过程中完成避障功能。
机械臂通过前述步骤完成运动规划和碰撞检测，为之前示教好的采集点位示教出一条无碰撞和时间最优的运动轨迹，并进行采集和底检。
关于上述轨道式底检机器人底检控制方法的具体描述可以参见上文中对于非轨道式底检机器人底检控制方法的限定，在此不再赘述。
应该理解的是，虽然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，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参见图8，本申请一个实施例提供了列车底检机器人底检控制装置，包括预设点位设定模块10、点云配准模块20、避障路径规划模块30和底检模块40；其中，
预设点位设定模块10，用于设定底检机器人的预设停车点位和预设停车点位下的底检机器人的机械臂的预设采集拍照点位；
点云配准模块20，用于当底检机器人到达预设停车点位时，采集当前坑道信息和当前车底信息，并与预先采集的坑道模型和车底模型通过点云配准算法进行配准，以获取机械臂当前所在坑道和车底的空间变换矩阵RT；
避障路径规划模块30，用于将坑道模型和车底模型经空间变换矩阵RT并通过三维空间网格形式加载到机械臂的规划空间中，以获得机械臂基于避障的最优规划路径；
底检模块40，用于根据预设采集拍照点位和最优规划路径，进行对列车的底检。
关于上述列车底检机器人底检控制装置的具体限定可以参见上文中对于列车底检机器人底检控制方法的限定，在此不再赘述。上述列车底检机器人底检控制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底检机器人中的处理器中，也可以以软件形式存储于底检机器人中的存储器中，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，提供了一种底检机器人，该底检机器人可以为非轨道式列车底检机器人，也可以为轨道式列车底检机器人。具体的，该底检机器人的内部结构图可以如图9所示。该底检机器人包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该底检机器人的处理器用于提供计算和控制能力。该底检机器人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、计算机程序和数据库。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。该底检机器人的数据库用于存储数据。该底检机器人的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现如上的一种列车底检机器人底检控制方法。包括：存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上列车底检机器人底检控制方法中的任一步骤。
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可以实现如上列车底检机器人底检控制方法中的任一步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，C语言、VHDL语言、Verilog语言、面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种列车底检机器人底检控制方法，其特征在于，包括：
设定底检机器人的预设停车点位和所述预设停车点位下的所述底检机器人的机械臂的预设采集拍照点位；
当所述底检机器人到达所述预设停车点位时，采集当前坑道信息和当前车底信息，并与预先采集的坑道模型和车底模型通过点云配准算法进行配准，以获取所述机械臂当前所在坑道和车底的空间变换矩阵RT；
将所述坑道模型和所述车底模型经所述空间变换矩阵RT并通过三维空间网格形式加载到所述机械臂的规划空间中，以获得所述机械臂基于避障的最优规划路径；
根据所述预设采集拍照点位和所述最优规划路径，进行对列车的底检。
2.根据权利要求1所述的列车底检机器人底检控制方法，其特征在于，将所述坑道模型和所述车底模型经所述空间变换矩阵RT并通过三维空间网格形式加载到所述机械臂的规划空间中，以获得所述机械臂基于避障的最优规划路径的步骤进一步包括：
通过膨胀算法将所述车底模型进行膨胀，并将所述坑道模型和膨胀后的所述车底模型经所述空间变换矩阵RT并通过三维空间网格形式加载到所述机械臂的规划空间中。
3.根据权利要求2所述的列车底检机器人底检控制方法，其特征在于，通过膨胀算法将所述车底模型进行膨胀的步骤进一步包括：
遍历所述车底模型的点云，对其中每个点进行点云体素滤波后，对所述每个点以该点为球心，以预设膨胀安全距离为半径，计算所述半径的球内的所述点云是否满足预设膨胀需求，若不满足，则随机生成点云以达到所述预设膨胀需求。
4.根据权利要求1-3中任一项所述的列车底检机器人底检控制方法，其特征在于，将所述坑道模型和所述车底模型经所述空间变换矩阵RT并通过三维空间网格形式加载到所述机械臂的规划空间中，以获得所述机械臂基于避障的最优规划路径的步骤进一步包括：
在所述机械臂的规划空间中，判断非障碍区的位置，生成一个随机点，并进行生长；
所述生长包括：
以所述随机点为目标，遍历生长树上的现存节点，计算每个所述现存节点到所述随机点的距离，以筛选出最近点；
以所述最近点和所述随机点的连线为生长方向，从所述最近点向目标点生长并生成生长点，判断所述生长点是否与障碍物发生碰撞；若未发生碰撞，则将所述生长点添加到所述生长树上；若发生碰撞，则将所述生长点剔除；
完成所述生长点的添加或剔除后，生成新的随机点，并根据所述新的随机点进行所述生长，以获得所述最优规划路径。
5.根据权利要求4所述的列车底检机器人底检控制方法，其特征在于，所述生长进一步包括：所述生长的步长为固定值。
6.根据权利要求4所述的列车底检机器人底检控制方法，其特征在于，采集当前坑道信息和当前车底信息，与预先采集的坑道模型和车底模型通过点云配准算法进行配准的步骤进一步包括：
通过贪心的方式找到所述当前坑道信息和所述坑道模型、当前车底信息和所述车底模型两对点云上点的对应关系，并进一步计算旋转关系参数R和平移关系参数t，根据所述旋转关系参数R和所述平移关系参数t进行点云配准。
7.根据权利要求1所述的列车底检机器人底检控制方法，其特征在于，设定底检机器人的预设停车点位和所述预设停车点位下的所述底检机器人的机械臂的预设采集拍照点位的步骤进一步包括：
设定所述底检机器人的所述预设停车点位时，记录所述底检机器人的底盘相对于所述底检机器人的充电桩的位置，以进行所述预设停车点位的设定。
8.一种列车底检机器人底检控制装置，其特征在于，包括预设点位设定模块、点云配准模块、避障路径规划模块和底检模块；其中，
预设点位设定模块，用于设定底检机器人的预设停车点位和所述预设停车点位下的所述底检机器人的机械臂的预设采集拍照点位；
点云配准模块，用于当所述底检机器人到达所述预设停车点位时，采集当前坑道信息和当前车底信息，并与预先采集的坑道模型和车底模型通过点云配准算法进行配准，以获取所述机械臂当前所在坑道和车底的空间变换矩阵RT；
避障路径规划模块，用于将所述坑道模型和所述车底模型经所述空间变换矩阵RT并通过三维空间网格形式加载到所述机械臂的规划空间中，以获得所述机械臂基于避障的最优规划路径；
底检模块，用于根据所述预设采集拍照点位和所述最优规划路径，进行对列车的底检。
9.一种底检机器人，其特征在于，包括：
存储器；
处理器；以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211728231.5A CN116079722A (zh) | 2022-12-29 | 2022-12-29 | 列车底检机器人底检控制方法、装置、机器人和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211728231.5A CN116079722A (zh) | 2022-12-29 | 2022-12-29 | 列车底检机器人底检控制方法、装置、机器人和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116079722A true CN116079722A (zh) | 2023-05-09 |
Family
ID=86213175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211728231.5A Pending CN116079722A (zh) | 2022-12-29 | 2022-12-29 | 列车底检机器人底检控制方法、装置、机器人和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116079722A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117444989A (zh) * | 2023-12-25 | 2024-01-26 | 常州微亿智造科技有限公司 | 一种用于路径规划的碰撞检测方法及装置 |
-
2022
- 2022-12-29 CN CN202211728231.5A patent/CN116079722A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117444989A (zh) * | 2023-12-25 | 2024-01-26 | 常州微亿智造科技有限公司 | 一种用于路径规划的碰撞检测方法及装置 |
| CN117444989B (zh) * | 2023-12-25 | 2024-03-22 | 常州微亿智造科技有限公司 | 一种用于路径规划的碰撞检测方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3612906B1 (en) | Method and system for environment map generation and alignment | |
| EP3590016B1 (en) | Method and system for simultaneous localization and sensor calibration | |
| CN110009718B (zh) | 一种三维高精度地图生成方法及装置 | |
| Schwesinger et al. | Automated valet parking and charging for e-mobility | |
| CN107328418B (zh) | 移动机器人在陌生室内场景下的核辐射探测路径自主规划方法 | |
| EP3610284B1 (en) | Determination of localization viability metrics for landmarks | |
| JPWO2019098353A1 (ja) | 車両位置推定装置および車両制御装置 | |
| US11846949B2 (en) | Systems and methods for calibration of a pose of a sensor relative to a materials handling vehicle | |
| JP2009193240A (ja) | 移動ロボット及び環境地図の生成方法 | |
| CN112539749B (zh) | 机器人导航方法、机器人、终端设备及存储介质 | |
| CN110764110B (zh) | 路径导航方法、装置及计算机可读存储介质 | |
| CN116079722A (zh) | 列车底检机器人底检控制方法、装置、机器人和存储介质 | |
| CN110162066A (zh) | 智能巡航车控制系统 | |
| Kim et al. | Autonomous mobile robot localization and mapping for unknown construction environments | |
| CN113607161B (zh) | 机器人导航路径宽度获取系统、方法、机器人及存储介质 | |
| CN116279424A (zh) | 一种泊车路径规划方法、装置、设备及存储介质 | |
| CN115546303A (zh) | 室内停车场的定位方法、装置、车辆及存储介质 | |
| CN116149324A (zh) | 列车底检机器人底检控制方法、装置、机器人和存储介质 | |
| CN114911223A (zh) | 一种机器人导航方法、装置、机器人及存储介质 | |
| US20230027659A1 (en) | Self-position estimation device, moving body, self-position estimation method, and self-position estimation program | |
| CN111735433B (zh) | 建立二维地图的方法和装置 | |
| Son et al. | Image Acquisition Planning for Image-based 3D Reconstruction Using a Robotic Arm | |
| CN117740004A (zh) | 一种地图处理方法及系统 | |
| Zhan et al. | ROS-based Mobile Robot for Pavement Defect Detection | |
| CN117002527A (zh) | 车辆控制的方法、装置、车辆及存储介质 |
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 |