CN116243623B - 应用于数字化机器人产业链的机器人场景仿真方法 - Google Patents
应用于数字化机器人产业链的机器人场景仿真方法 Download PDFInfo
- Publication number
- CN116243623B CN116243623B CN202310520969.0A CN202310520969A CN116243623B CN 116243623 B CN116243623 B CN 116243623B CN 202310520969 A CN202310520969 A CN 202310520969A CN 116243623 B CN116243623 B CN 116243623B
- Authority
- CN
- China
- Prior art keywords
- robot
- target
- simulation
- data
- picture
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种应用于数字化机器人产业链的机器人场景仿真方法,包括:获取机器人产业链对应的环境数据,基于计算机终端对环境数据进行第一仿真获取第一仿真画面并构建产业链地图;基于第一传感器实时监测机器人在产业链的目标位置信息,基于产业链地图对目标位置信息进行数字化获得机器人的位置数据,基于机器人的第二传感器实时监测机器人在产业链的视频数据;基于计算机终端对位置数据与视频数据进行第二仿真获取第二仿真画面;将第二仿真画面在第一仿真画面中进行叠加生成第三仿真画面,基于第三仿真画面完成基于机器人对目标产业链的场景仿真,提高了机器人在产业链工作的透明性,有利于机器人对产业链环境监控的协调工作。
Description
技术领域
本发明涉及场景监测仿真技术领域,特别涉及一种应用于数字化机器人产业链的机器人场景仿真方法。
背景技术
目前,随着科学技术的不断进步,机器人在生产生活中得到了广泛的应用,在产业链中,通过机器人为精密加工、半导体、3C、汽车、新能源、生物医药、化工等制造产线提供更快、更简单、更柔性的全场景解决方案,助力企业快速数字化转型,从而达到节约人工的目的;
然而,现如今机器人在进行智能产线物流环节中,由于无法实时获取机器人的仿真场景,从而导致信息网络共享程度低,机器人在产业链的工作状态无法实时共享,无法实现对产业链中机器人作业的监控,从而使得信息不透明带来布局不合理、协作效率差等诸多问题,且在进行仿真过程中,由于不能合理的监测采集数据,以及不能完善对仿真过程的控制,进而使得仿真过程效果差。
因此,本发明提供了一种应用于数字化机器人产业链的机器人场景仿真方法。
发明内容
本发明提供一种应用于数字化机器人产业链的机器人场景仿真方法,用以通过对目标产业链进行监测,并根据监测结果实现对目标产业链的环境数据以及机器人的姿态数据进行有效获取,从而通过第一仿真指令、第二仿真指令精准控制计算机终端实现对环境数据与姿态数据分别进行画面仿真,最后将得到的画面进行叠加,实现基于机器人对目标产业链场景进行准确可靠的仿真操作,也便于通过仿真画面实时了解机器人当前的运行状态,从而便于控制机器人之间协调工作,提高了对机器人的管理效果以及对产业链的精准监控,也保障了机器人产业链的稳定运行。
一种应用于数字化机器人产业链的机器人场景仿真方法,包括:
步骤1:基于机器人对目标产业链进行监测,获取目标产业链的环境数据;
步骤2:将环境数据传输至计算机终端生成第一仿真指令,并基于第一仿真指令控制计算机终端对环境数据进行第一仿真,获得第一仿真画面;
步骤3:对机器人自身姿态进行监测,获得机器人的姿态数据;
步骤4:将姿态数据传输至计算机终端生成第二仿真指令,并基于第二仿真指令控制计算机终端对姿态数据进行第二仿真,获得第二仿真画面;
步骤5:将第二仿真画面在第一仿真画面中进行叠加,生成第三仿真画面,基于第三仿真画面完成基于机器人对目标产业链的场景仿真。
优选的,一种应用于数字化机器人产业链的机器人场景仿真方法,步骤1中,基于机器人对目标产业链进行监测,获取目标产业链的环境数据,包括:
获取目标产业链的空间分布特征,并基于目标产业链的空间分布特征确定目标产业链的第一轮廓点,并将目标产业链的第一轮廓点作为第一监测采集点;
读取目标产业链的生产环节,并基于目标产业链的空间分布特征以及目标产业链的生产环节对目标产业链进行划分,获取子产业链;
将多个子产业链的分割点作为第二监测采集点,同时,将每个子产业链的第二轮廓点作为第三监测采集点;
获取第一采集点、第二采集点以及第三采集点的目标位置信息,并将目标位置信息进行数据化处理,获得第一采集点、第二采集点与第三采集点的数字表达,同时,基于第一采集点、第二采集点与第三采集点的数字表达生成环境采集指令,并基于环境采集指令控制机器人对目标产业链进行环境采集,获得目标产业链的环境数据。
优选的,一种应用于数字化机器人产业链的机器人场景仿真方法,将目标位置信息进行数据化处理,包括:
获取机器人读取信息的读取规则,并获取目标位置信息的信息表达格式;
基于机器人读取信息的读取规则以及目标位置信息的信息表达格式确定将位置信息进行数据化处理的数据转换模板;
将第一采集点、第二采集点以及第三采集点的目标位置信息输入至数据转换模板中进行数字转换,获得第一采集点、第二采集点与第三采集点的数字表达。
优选的,一种应用于数字化机器人产业链的机器人场景仿真方法,步骤2中,将环境数据传输至计算机终端生成第一仿真指令,并基于第一仿真指令控制计算机终端对环境数据进行第一仿真,获得第一仿真画面,包括:
获取机器人数据采集端的第一端口地址信息以及计算机终端的第二端口地址信息,同时,基于第一端口地址信息与第二端口地址信息构建第一通信链路与第二通信链路,其中,第二通信链路中设定数据中继节点;
将环境数据进行打包,获得目标环境数据包,同时,将目标环境数据包进行备份,获得备份环境数据包;
将目标环境数据包通过第一通信链路进行传输,并将备份环境数据包通过第二通信链路进行传输,且传输至数据中继节点,同时,基于计算机终端对第一通信链路中的目标环境数据包进行接收并审核,判断目标环境数据包中是否存在丢失数据;
当目标环境数据包中存在丢失数据时,基于计算机终端向第二通信链路中的数据中继节点发送数据接收指令,并基于数据接收指令,将备份环境数据包基于数据中继节点传输至计算机终端,并将备份环境数据包与目标环境数据包进行对比获得目标丢失数据,并将目标丢失数据进行复制,并基于复制结果添加至目标环境数据包,同时,在计算机终端将备份环境数据包进行删除;
当目标环境数据包中不存在丢失数据时,基于计算机终端向第二通信链路中的数据中继节点发送数据删除指令,并基于数据删除指令对备份环境数据包进行删除;
基于计算机终端获取环境仿真任务,并基于环境仿真任务生成第一仿真指令,同时,根据第一仿真指令控制计算机终端对环境数据进行读取,确定目标产业链的空间架构,并基于目标产业链的空间架构在计算机终端中进行仿真,获得第一仿真画面。
优选的,一种应用于数字化机器人产业链的机器人场景仿真方法,步骤3中,对机器人自身姿态进行监测,获得机器人的姿态数据,包括:
获取对机器人自身姿态的监测任务,并对监测任务进行解析,确定对机器人自身姿态的监测类型,其中,监测类型包括位置监测以及动作监测;
基于监测类型在机器人主体上设置第一传感器以及第二传感器,并标定第一传感器与机器人主体之间的相对位置关系,且基于标定结果通过第一传感器实时采集机器人的当前位置数据;
获取机器人产业链对应的产业链地图,并将产业链地图转换为二维栅格地图,且确定二维栅格地图坐标系与全局坐标系之间的变换关系;
基于第一传感器与机器人主体之间的相对位置关系对机器人的当前位置数据进行修正,并基于修正结果确定机器人在二维栅格地图中的目标位置点,且提取目标位置点对应的二维栅格地图坐标值;
基于二维栅格地图坐标系与全局坐标系之间的变换关系对二维栅格地图坐标值进行变换,得到机器人在机器人产业链中的目标位置;
同时,基于第二传感器采集机器人在目标时间段内的动作视频,并将动作视频进行序列化处理,得到每一帧对应的静态图像;
提取每一静态图像中机器人的动作特征,并基于动作特征将静态图像进行聚类,得到每一动作特征对应的静态图像集合;
基于每一动作特征对应的静态图像集合确定每一动作特征对应的动作边界值,并基于动作边界值确定每一动作特征的特征尺度,且基于特征尺度确定机器人在目标时间段内的目标行为动作;
基于时间发展顺序确定机器人在机器人产业链中的目标位置与目标行为动作的映射关系,并基于映射关系得到机器人在每一时刻对应的姿态数据。
优选的,一种应用于数字化机器人产业链的机器人场景仿真方法,基于映射关系得到机器人在每一时刻对应的姿态数据,包括:
获取得到的机器人的姿态数据,并基于预设数据标签对姿态数据进行聚类处理,得到子姿态数据集,且确定子姿态数据集中各子姿态数据对应的目标取值;
构建二维直角坐标系,并基于目标取值确定每一子姿态数据集中各子姿态数据在二维直角坐标系中对应的展示点,且基于目标取值将展示点在二维直角坐标系中进行可视化展示;
基于展示结果确定每一子姿态数据集的平均取值,并将展示点对应的目标取值与平均取值的差值大于预设阈值的展示点判定为孤立展示点,且将孤立展示点对应的子姿态数据从对应的子姿态数据集中进行剔除,得到最终的机器人的姿态数据。
优选的,一种应用于数字化机器人产业链的机器人场景仿真方法,步骤4中,将姿态数据传输至计算机终端生成第二仿真指令,并基于第二仿真指令控制计算机终端对姿态数据进行第二仿真,获得第二仿真画面,包括:
构建数据采集终端和计算机终端的数据传输链路,并将得到的机器人的姿态数据基于数据传输链路传输至计算机终端;
基于计算机终端对得到的姿态数据进行解析,确定对机器人姿态进行仿真的仿真类型以及每一仿真类型中机器人的姿态特征,其中,姿态特征包括初始姿态、过度姿态以及终止姿态;
基于仿真类型以及每一仿真类型中机器人的姿态特征从预设指令数据库中匹配目标指令元,并基于每一仿真类型中机器人的姿态特征确定相邻时刻机器人的姿态发展逻辑;
基于姿态发展逻辑确定对目标指令元的拼接逻辑,并基于拼接逻辑对目标指令元进行拼接,得到第二仿真指令。
优选的,一种应用于数字化机器人产业链的机器人场景仿真方法,步骤4中,基于第二仿真指令控制计算机终端对姿态数据进行第二仿真,获得第二仿真画面,包括:
获取得到的第二仿真指令,并基于第二仿真指令从计算机终端中调取目标仿真程序,并控制计算机终端中的目标仿真程序对姿态数据进行读取识别;
基于读取识别结果确定对每一时刻机器人姿态的初始显示框架,并基于读取识别结果确定每一时刻机器人姿态的目标特征,且基于目标特征对机器人的初始显示框架中机器人的关节角度进行修正,得到目标显示框架;
分别获取机器人产业链的环境色彩图像以及机器人的多角度平面图像,并基于环境色彩图像以及机器人的多角度平面图像对目标显示框架进行贴图处理,得到待显示仿真画面;
同时,获取预设显示装置的配置参数,并基于配置参数确定对待显示仿真画面的显示区域以及显示参数,且基于显示区域以及显示参数对待显示仿真画面进行画面渲染,得到第二仿真画面。
优选的,一种应用于数字化机器人产业链的机器人场景仿真方法,步骤5中,将第二仿真画面在第一仿真画面中进行叠加,生成第三仿真画面,基于第三仿真画面完成基于机器人对目标产业链的场景仿真,包括:
对第一仿真画面进行读取,确定第一仿真画面中的虚拟物体,并确定虚拟物体的三维数据,同时,根据第一仿真画面中的画面范围以及第一仿真画面中虚拟物体的三维数据确定第一仿真画面的点云数据;
获取第一仿真画面的点云数据中多个目标平面,并确定每个目标平面对应的边缘轮廓;
对第二仿真画面进行读取,确定第二仿真画面与第一仿真画面中多个目标平面的所对应的映射位置,并根据映射位置将第二仿真画面进行拆分,获得多个目标映射平面,且每个目标映射平面与每个目标平面一一对应;
对每个目标映射平面进行读取,确定每个目标映射平面的关键参考物;
将目标映射平面在对应的目标平面中进行贴合,并将目标映射平面中环境参考物的正向位置与当前目标平面中对应的边缘轮廓平行或者垂直;
基于贴合结果将目标映射平面的背景像素进行虚化,并基于虚化结果将目标映射平面与目标平面进行融合,同时,基于融合结果完成第二仿真画面在第一仿真画面中的叠加,并基于叠加结果生成第三仿真画面。
优选的,一种应用于数字化机器人产业链的机器人场景仿真方法,步骤5中,生成第三仿真画面后,还包括:
获取第三仿真画面的目标画面清晰度,并获取清晰度阈值;
将第三仿真画面的目标画面清晰度与清晰度阈值进行比较,判断第三仿真画面是否需要进行去噪操作;
当目标画面清晰度等于或大于清晰度阈值时,则判定第三仿真画面不需要进行去噪操作;
否则,则判定第三仿真画面需要进行去噪操作,并生成去噪指令控制计算机终端对第三仿真画面进行去噪处理。
本发明的其它特征和优点将在随后的说明书中阐述,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而了解。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。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种应用于数字化机器人产业链的机器人场景仿真方法的流程图;
图2为本发明实施例中一种应用于数字化机器人产业链的机器人场景仿真方法中步骤1的流程图;
图3为本发明实施例中一种应用于数字化机器人产业链的机器人场景仿真方法中步骤4的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供了一种应用于数字化机器人产业链的机器人场景仿真方法,如图1所示,包括:
步骤1:基于机器人对目标产业链进行监测,获取目标产业链的环境数据;
步骤2:将环境数据传输至计算机终端生成第一仿真指令,并基于第一仿真指令控制计算机终端对环境数据进行第一仿真,获得第一仿真画面;
步骤3:对机器人自身姿态进行监测,获得机器人的姿态数据;
步骤4:将姿态数据传输至计算机终端生成第二仿真指令,并基于第二仿真指令控制计算机终端对姿态数据进行第二仿真,获得第二仿真画面;
步骤5:将第二仿真画面在第一仿真画面中进行叠加,生成第三仿真画面,基于第三仿真画面完成基于机器人对目标产业链的场景仿真。
该实施例中,目标产业链是提前已知的,是需要机器人参与的生产线。
该实施例中,环境数据可以是目标产业链所在空间的空间大小以及空间中不同物体之间的相对位置关系等。
该实施例中,第一仿真指令是计算机终端根据环境数据生成的,用于控制计算机终端根据环境数据对目标产业链的环境进行仿真处理。
该实施例中,第一仿真可以是通过计算机终端对环境数据进行分析和处理,实现对目标产业链的环境特征进行确定,从而实现构建目标产业链的仿真画面。
该实施例中,第一仿真画面可以是计算机终端根据环境数据最终构建的环境仿真画面。
该实施例中,姿态数据可以是机器人在目标产业链中的具体位置以及在不同位置时对应的具体动作信息等。
该实施例中,第二仿真指令可以是计算机终端根据机器人的姿态数据生成的,用于控制计算机终端对机器人的动作以及位置进行仿真。
该实施例中,第二仿真可以是通过计算机终端对得到的姿态数据进行分析和处理,实现对机器人在目标产业链中的实时位置和动作信息进行仿真。
该实施例中,第二仿真画面可以是计算机终端对姿态数据进行分析和仿真处理后最终得到的画面。
该实施例中,将第二仿真画面在第一仿真画面中进行叠加可以是将机器人在不同时刻的动作姿态在环境仿真画面中进行添加,即将机器人主体与环境进行对应,从何得到整体的仿真画面。
该实施例中,第三仿真画面随第二仿真画面的变化实时动态更新,且第一仿真画面不变。
上述技术方案的有益效果是:本发明提供一种应用于数字化机器人产业链的机器人场景仿真方法,用以通过对目标产业链进行监测,并根据监测结果实现对目标产业链的环境数据以及机器人的姿态数据进行有效获取,从而通过第一仿真指令、第二仿真指令精准控制计算机终端实现对环境数据与姿态数据分别进行画面仿真,最后将得到的画面进行叠加,实现基于机器人对目标产业链场景进行准确可靠的仿真操作,也便于通过仿真画面实时了解机器人当前的运行状态,从而便于控制机器人之间协调工作,提高了对机器人的管理效果以及对产业链的精准监控,也保障了机器人产业链的稳定运行。
实施例2:
在实施例1的基础上,本实施例提供了一种应用于数字化机器人产业链的机器人场景仿真方法,如图2所示,步骤1中,基于机器人对目标产业链进行监测,获取目标产业链的环境数据,包括:
步骤101:获取目标产业链的空间分布特征,并基于目标产业链的空间分布特征确定目标产业链的第一轮廓点,并将目标产业链的第一轮廓点作为第一监测采集点;
步骤102:读取目标产业链的生产环节,并基于目标产业链的空间分布特征以及目标产业链的生产环节对目标产业链进行划分,获取子产业链;
步骤103:将多个子产业链的分割点作为第二监测采集点,同时,将每个子产业链的第二轮廓点作为第三监测采集点;
步骤104:获取第一采集点、第二采集点以及第三采集点的目标位置信息,并将目标位置信息进行数据化处理,获得第一采集点、第二采集点与第三采集点的数字表达,同时,基于第一采集点、第二采集点与第三采集点的数字表达生成环境采集指令,并基于环境采集指令控制机器人对目标产业链进行环境采集,获得目标产业链的环境数据。
该实施例中,空间分布特征可以是产业链在当前空间所处的具体位置以及与空间中其他物体之间的相对位置关系。
该实施例中,生产环节可以是产业链中不同的生产步骤。
该实施例中,将目标位置信息进行数据化处理可以是将目标位置信息的表达方式进行数字化处理的处理结果是为了将目标位置信息表达方式转换为机器人读取信息的读取方式。
上述技术方案的有益效果是:通过确定第一采集点、第二采集点以及第三采集点可以有效实现对机器人对目标产业链的监测采集,从而使得获得的目标产业链的环境数据更加精准客观。
实施例3:
在实施例2的基础上,本实施例提供了一种应用于数字化机器人产业链的机器人场景仿真方法,将目标位置信息进行数据化处理,包括:
获取机器人读取信息的读取规则,并获取目标位置信息的信息表达格式;
基于机器人读取信息的读取规则以及目标位置信息的信息表达格式确定将位置信息进行数据化处理的数据转换模板;
将第一采集点、第二采集点以及第三采集点的目标位置信息输入至数据转换模板中进行数字转换,获得第一采集点、第二采集点与第三采集点的数字表达。
该实施例中,读取规则可以是基于机器人读取信息的读取方式提前设定好的规则。
上述技术方案的有益效果是:有效实现对第一采集点、第二采集点以及第三采集点的目标位置信息的转化,提高了机器人采集环境数据的效率以及精准性。
实施例4:
在实施例1的基础上,本实施例提供了一种应用于数字化机器人产业链的机器人场景仿真方法,步骤2中,将环境数据传输至计算机终端生成第一仿真指令,并基于第一仿真指令控制计算机终端对环境数据进行第一仿真,获得第一仿真画面,包括:
获取机器人数据采集端的第一端口地址信息以及计算机终端的第二端口地址信息,同时,基于第一端口地址信息与第二端口地址信息构建第一通信链路与第二通信链路,其中,第二通信链路中设定数据中继节点;
将环境数据进行打包,获得目标环境数据包,同时,将目标环境数据包进行备份,获得备份环境数据包;
将目标环境数据包通过第一通信链路进行传输,并将备份环境数据包通过第二通信链路进行传输,且传输至数据中继节点,同时,基于计算机终端对第一通信链路中的目标环境数据包进行接收并审核,判断目标环境数据包中是否存在丢失数据;
当目标环境数据包中存在丢失数据时,基于计算机终端向第二通信链路中的数据中继节点发送数据接收指令,并基于数据接收指令,将备份环境数据包基于数据中继节点传输至计算机终端,并将备份环境数据包与目标环境数据包进行对比获得目标丢失数据,并将目标丢失数据进行复制,并基于复制结果添加至目标环境数据包,同时,在计算机终端将备份环境数据包进行删除;
当目标环境数据包中不存在丢失数据时,基于计算机终端向第二通信链路中的数据中继节点发送数据删除指令,并基于数据删除指令对备份环境数据包进行删除;
基于计算机终端获取环境仿真任务,并基于环境仿真任务生成第一仿真指令,同时,根据第一仿真指令控制计算机终端对环境数据进行读取,确定目标产业链的空间架构,并基于目标产业链的空间架构在计算机终端中进行仿真,获得第一仿真画面。
该实施例中,第一端口地址信息可以是机器人数据采集端中的地址信息,第二端口地址信息可以是计算机终端中的地址信息。
该实施例中,备份环境数据包的内容与目标环境数据包的内容一致。
该实施例中,基于第一通信链路将目标环境数据包传输至计算机终端进行审核的目的是为了确定目标环境数据包中是否存在丢失数据。
该实施例中,仿真任务可以是对环境仿真的力度以及仿真的要求。
该实施例中,数据中继节点可以是用来暂时存放备份环境数据包,且可以执行指令接收以及进行数据删除等操作的节点。
上述技术方案的有益效果是:通过确定第一通信链路与第二通信链路,从而有效实现将目标环境数据包基于第一通信链路进行传输,通过将备份环境数据包传输至第二通信链路,可以有效实现基于中继节点对备份环境数据包的暂时存储,当计算机终端审核到目标环境数据包中存在丢失数据时,可以及时调取第二通信链路的中继节点中暂时存储的备份环境数据包,可以提高计算机终端接收数据的效率,也保障计算机终端接收环境数据的全面性,通过确定数据删除指令以及数据接收指令,并发送至中继节点,可以有效实对数据传输或者删除的控制,提高了数据传输的智能性,通过确定环境仿真任务,有效实现对环境数据的仿真,从而提高确定第一仿真画面的准确性。
实施例5:
在实施例1的基础上,本实施例提供了一种应用于数字化机器人产业链的机器人场景仿真方法,步骤3中,对机器人自身姿态进行监测,获得机器人的姿态数据,包括:
获取对机器人自身姿态的监测任务,并对监测任务进行解析,确定对机器人自身姿态的监测类型,其中,监测类型包括位置监测以及动作监测;
基于监测类型在机器人主体上设置第一传感器以及第二传感器,并标定第一传感器与机器人主体之间的相对位置关系,且基于标定结果通过第一传感器实时采集机器人的当前位置数据;
获取机器人产业链对应的产业链地图,并将产业链地图转换为二维栅格地图,且确定二维栅格地图坐标系与全局坐标系之间的变换关系;
基于第一传感器与机器人主体之间的相对位置关系对机器人的当前位置数据进行修正,并基于修正结果确定机器人在二维栅格地图中的目标位置点,且提取目标位置点对应的二维栅格地图坐标值;
基于二维栅格地图坐标系与全局坐标系之间的变换关系对二维栅格地图坐标值进行变换,得到机器人在机器人产业链中的目标位置;
同时,基于第二传感器采集机器人在目标时间段内的动作视频,并将动作视频进行序列化处理,得到每一帧对应的静态图像;
提取每一静态图像中机器人的动作特征,并基于动作特征将静态图像进行聚类,得到每一动作特征对应的静态图像集合;
基于每一动作特征对应的静态图像集合确定每一动作特征对应的动作边界值,并基于动作边界值确定每一动作特征的特征尺度,且基于特征尺度确定机器人在目标时间段内的目标行为动作;
基于时间发展顺序确定机器人在机器人产业链中的目标位置与目标行为动作的映射关系,并基于映射关系得到机器人在每一时刻对应的姿态数据。
该实施例中,监测任务可以是表征需要对机器人自身姿态进行监测的类型以及监测力度等。
该实施例中,位置监测可以是对机器人的实时位置进行监测,从而便于根据机器人的实时位置进行位置仿真。
该实施例中,动作监测可以是对机器人在不同时刻呈现的动作姿态进行监测,实现对机器人的动作进行仿真。
该实施例中,第一传感器可以是用于采集机器人位置数据的传感器。
该实施例中,第二传感器可以是用于采集机器人动作数据的传感器。
该实施例中,相对位置关系是用于表征机器人中心和第一传感器之间的位置关系,例如可以是第一传感器位于机器人主体的尾部,则其表征的位置数据与机器人主体对应的具体位置则存在少许偏差。
该实施例中,当前位置数据可以是机器人当前在机器人产业链中的所处的位置情况。
该实施例中,获取机器人产业链对应的产业链地图可以是通过确定当前机器人产业链的产业链标识,根据产业链标识从预设数据库中匹配出当前机器人产业链对应的产业链地图,其中,不同的产业链对应不同的地图,且产业链地图是提前设定好的。
该实施例中,二维栅格地图指的是对得到的产业链地图进行格式转换,从而便于区分产业链与其他无关区域的位置关系以及产业链在所处环境中的具体位置分布情况,其中二维栅格地图是以黑白颜色呈现的,产业链以及机器人所在位置为黑色,其他无关区域为白色。
该实施例中,二维栅格地图坐标系可以是维栅格地图对应的图像坐标系。
该实施例中,全局坐标系可以是产业链所在环境对应的全区域坐标系,从而便于对机器人在产业链中的具体位置坐标进行确定。
该实施例中,基于第一传感器与机器人主体之间的相对位置关系对机器人的当前位置数据进行修正可以是根据第一传感器与机器人主体之间的相对位置关系对采集到的当前位置数据进行调整,即当前位置数据为第一传感器的具体位置,需要根据相对位置关系对第一传感器的具体位置进行换算,从而实现对机器人的位置进行确定。
该实施例中,目标位置点是用于表征机器人在二维栅格地图中所处的具体位置,通过二维栅格地图中可对机器人的位置进行快速准确的确定。
该实施例中,二维栅格地图坐标值可以是目标位置点在二维栅格地图坐标系中对应的坐标值。
该实施例中,目标位置是用于表征机器人在机器人产业链中所处的具体位置情况。
该实施例中,目标时间段是提前设定好的,例如可以是一个小时内或是一天内等。
该实施例中,序列化处理可以是将动作视频进行拆分,拆分为静态的图像。
该实施例中,静态图像可以是对动作视频进行序列化处理后得到的每一帧对应的机器人动作图像。
该实施例中,动作特征可以是每一静态图像中记录的机器人当前执行动作的类型以及当前动作的动作特点。
该实施例中,静态图像集合可以是将具有相同动作特征的静态图像进行归类后得到的图像集合。
该实施例中,动作边界值是用于表征机器人每一动作对应的幅度,例如可以是表征机器人机械臂伸缩的最长距离和最短距离。
该实施例中,特征尺度是用于表征机器人每一动作的执行范围,例如可以是关节的弯曲角度等。
该实施例中,目标行为动作可以是机器人在目标时间段内执行的具体的动作信息。
该实施例中,基于时间发展顺序确定机器人在机器人产业链中的目标位置与目标行为动作的映射关系可以是确定机器人在不同时刻对应的具体动作信,从而便于对机器人的姿态数据进行准确有效获取。
上述技术方案的有益效果是:通过根据监测任务对机器人在目标时间段内的动作以及位置进行监测,保障了对机器人在不同时间段内不同时刻姿态数据获取的准确性,其次,在进行位置监测时,通过传感器与机器人的相对位置关系实现对机器人的位置进行准确锁定,在进行动作监测时,对获取到的动作视频进行有效分析,实现对机器人每一动作的特征尺度进行可靠监测,最终将位置以及动作进行映射,实现对机器人的姿态数据进行有效获取,为实现对第二仿真方面进行准确构建提供了便利与保障。
实施例6:
在实施例5的基础上,本实施例提供了一种应用于数字化机器人产业链的机器人场景仿真方法,基于映射关系得到机器人在每一时刻对应的姿态数据,包括:
获取得到的机器人的姿态数据,并基于预设数据标签对姿态数据进行聚类处理,得到子姿态数据集,且确定子姿态数据集中各子姿态数据对应的目标取值;
构建二维直角坐标系,并基于目标取值确定每一子姿态数据集中各子姿态数据在二维直角坐标系中对应的展示点,且基于目标取值将展示点在二维直角坐标系中进行可视化展示;
基于展示结果确定每一子姿态数据集的平均取值,并将展示点对应的目标取值与平均取值的差值大于预设阈值的展示点判定为孤立展示点,且将孤立展示点对应的子姿态数据从对应的子姿态数据集中进行剔除,得到最终的机器人的姿态数据。
该实施例中,预设数据标签是提前设定好的,用于对得到的姿态数据数据进行分类处理,例如可以是动作标签和位置标签等。
该实施例中,子姿态数据集可以是根据预设数据标签对得到的姿态数据进行分类后得到的每一类数据集合。
该实施例中,目标取值可以是子姿态数据对应的具体取值大小情况。
该实施例中,子姿态数据可以是子姿态数据集中包含的机器人对应的具体姿态数据。
该实施例中,展示点可以是以点的形式对每一子姿态数据进行表示,从而便于对子姿态数据的数据取值变化情况进行有效分析。
该实施例中,可视化展示可以是将各子姿态数据对应的的展示点在二维直角坐标系中进行对应标记展示。
该实施例中,平均取值是用于表征每一子姿态数据集的平均水平,从而便于对子姿态数据集的数据取值范围波动情况进行限定。
该实施例中,预设阈值是提前设定好的,用于表征可允许的子姿态数据与对应平均取值的最大差值。
该实施例中,孤立展示点可以是取值与对应子姿态数据集的平均取值偏差过大的子姿态数据,是需要进行剔除的数据。
上述技术方案的有益效果是:通过对得到的机器人的姿态数据进行分类和筛选,从而保障了最终得到的机器人的姿态数据的准确可靠性,也保障了通过计算机终端对第二仿真画面进行仿真的准确可靠性。
实施例7:
在实施例1的基础上,本实施例提供了一种应用于数字化机器人产业链的机器人场景仿真方法,如图3所示,步骤4中,将姿态数据传输至计算机终端生成第二仿真指令,并基于第二仿真指令控制计算机终端对姿态数据进行第二仿真,获得第二仿真画面,包括:
步骤401:构建数据采集终端和计算机终端的数据传输链路,并将得到的机器人的姿态数据基于数据传输链路传输至计算机终端;
步骤402:基于计算机终端对得到的姿态数据进行解析,确定对机器人姿态进行仿真的仿真类型以及每一仿真类型中机器人的姿态特征,其中,姿态特征包括初始姿态、过度姿态以及终止姿态;
步骤403:基于仿真类型以及每一仿真类型中机器人的姿态特征从预设指令数据库中匹配目标指令元,并基于每一仿真类型中机器人的姿态特征确定相邻时刻机器人的姿态发展逻辑;
步骤404:基于姿态发展逻辑确定对目标指令元的拼接逻辑,并基于拼接逻辑对目标指令元进行拼接,得到第二仿真指令。
该实施例中,姿态特征可以是每一仿真类型中机器人的姿态类型以及每一姿态的特点,具体可以是关键的弯曲度等,包括初始姿态、过度姿态以及终止姿态,初始姿态即机器人执行动作之前对应的姿态,过度姿态指的是机器人在执行动作过程中展现的姿态,例如可以是机械臂伸展的过程,终止姿态可以是机器人最终需要的姿态,例如可以是机械臂最终伸展结束后的姿态。
该实施例中,预设指令数据库是提前设定好的,用于存储不同姿态特征对应的指令元。
该实施例中,目标指令元可以是适用于根据当前机器人的姿态特征对计算机终端进行控制的指令字符。
该实施例中,相邻时刻机器人的姿态发展逻辑可以是表征相邻姿态特征之间的先后顺序。
该实施例中,拼接逻辑可以是表征对目标指令元的拼接顺序,从而确保最终得到的指令的准确可靠。
上述技术方案的有益效果是:通过计算机终端对得到的机器人的姿态数据进行解析,实现根据机器人的姿态特征匹配对应的目标指令元,并根据姿态发展逻辑对得到的目标指令元进行拼接,实现对最终需要的第二仿真指令进行准确有效的获取,保障对计算机终端的控制效果,确保控制计算机终端对第二仿真画面进行方针的准确可靠性,也便于对机器人进行准确有效的协调控制。
实施例8:
在实施例1的基础上,本实施例提供了一种应用于数字化机器人产业链的机器人场景仿真方法,步骤4中,基于第二仿真指令控制计算机对姿态数据进行第二仿真,获得第二仿真画面,包括:
获取得到的第二仿真指令,并基于第二仿真指令从计算机终端中调取目标仿真程序,并控制计算机终端中的目标仿真程序对姿态数据进行读取识别;
基于读取识别结果确定对每一时刻机器人姿态的初始显示框架,并基于读取识别结果确定每一时刻机器人姿态的目标特征,且基于目标特征对机器人的初始显示框架中机器人的关节角度进行修正,得到目标显示框架;
分别获取机器人产业链的环境色彩图像以及机器人的多角度平面图像,并基于环境色彩图像以及机器人的多角度平面图像对目标显示框架进行贴图处理,得到待显示仿真画面;
同时,获取预设显示装置的配置参数,并基于配置参数确定对待显示仿真画面的显示区域以及显示参数,且基于显示区域以及显示参数对待显示仿真画面进行画面渲染,得到第二仿真画面。
该实施例中,目标仿真程序是提前设定好的,用于对姿态数据进行识别,从而实现对机器人的姿态进行仿真。
该实施例中,初始显示框架可以是机器人在当前时刻对应的动作轮廓。
该实施例中,目标特征可以是每一时刻机器人姿态的具体尺度情况,适用于对初始显示框架进行修正的。
该实施例中,目标显示框架可以是根据目标特征对初始显示框架进行修正后得到的机器人最终的动作轮廓。
该实施例中,环境色彩图像可以是机器人产业链所在空间的平面环境色彩值。
该实施例中,多角度平面图像可以是机器人不同面的整体图像。
该实施例中,贴图处理可以是对目标显示框架进行填充,根据机器人和机器人所在环境的环境色彩对机器人各个角度进行填充,从而达到对机器人的姿态进行有效仿真。
该实施例中,待显示仿真画面可以是最终需要进行显示的仿真图像画面。
该实施例中,预设显示装置是提前设定好的,用于对得到的待显示仿真画面进行显示操作。
该实施例中,配置参数可以是表征预设显示装置的显示要求以及显示条件,例如可以是对显示仿真画面的清晰度要求以及格式要求等。
该实施例中,显示参数可以是表征对待显示仿真画面的显示清洗度等参数。
上述技术方案的有益效果是:通过根据第二仿真指令控制计算机终端中的目标仿真程序对机器人的姿态数据进行读取识别,从而实现对机器人在实时姿态进行有效仿真,为实现构建机器人场景仿真提供了便利与保障,也便于根据机器人场景仿真对机器人进行有效管理,保障了对机器人的管理效果。
实施例9:
在实施例1的基础上,本实施例提供了一种应用于数字化机器人产业链的机器人场景仿真方法,步骤5中,将第二仿真画面在第一仿真画面中进行叠加,生成第三仿真画面,基于第三仿真画面完成基于机器人对目标产业链的场景仿真,包括:
对第一仿真画面进行读取,确定第一仿真画面中的虚拟物体,并确定虚拟物体的三维数据,同时,根据第一仿真画面中的画面范围以及第一仿真画面中虚拟物体的三维数据确定第一仿真画面的点云数据;
获取第一仿真画面的点云数据中多个目标平面,并确定每个目标平面对应的边缘轮廓;
对第二仿真画面进行读取,确定第二仿真画面与第一仿真画面中多个目标平面的所对应的映射位置,并根据映射位置将第二仿真画面进行拆分,获得多个目标映射平面,且每个目标映射平面与每个目标平面一一对应;
对每个目标映射平面进行读取,确定每个目标映射平面的关键参考物;
将目标映射平面在对应的目标平面中进行贴合,并将目标映射平面中环境参考物的正向位置与当前目标平面中对应的边缘轮廓平行或者垂直;
基于贴合结果将目标映射平面的背景像素进行虚化,并基于虚化结果将目标映射平面与目标平面进行融合,同时,基于融合结果完成第二仿真画面在第一仿真画面中的叠加,并基于叠加结果生成第三仿真画面。
该实施例中,第一仿真画面的虚拟物体可以是在第一仿真画面与实际目标产业链一一对应的物体。
该实施例中,虚拟物体的三维数据可以是表征虚拟物体的立体坐标。
该实施例中,目标平面可以是基于点云数据在三维坐标系统中向量方向一致的向量集合。
该实施例中,第二仿真画面与第一仿真画面中多个目标平面的所对应的映射位置可以是将机器人在目标产业链中的实时位置以及具体操作动作在第一仿真画面中的不同目标平面进行添加,即机器人在不同时刻需要在第一仿真画面中出现的位置以及该位置机器人需要呈现的动作姿态为映射位置。
上述技术方案的有益效果是:通过确定第一仿真画面的点云集合,从而有效确定点云集合中的多个目标平面,进而实现将第二仿真画面在多个目标平面中映射位置的确定,有利于提高第二仿真画面与第一仿真画面中进行叠加的准确性以及有效性,通过将第二仿真画面的背景像素进行虚化,从而有效避免第二仿真画面对第一仿真画面的干扰,提高了生成第三仿真画面的准确性以及有效性。
实施例10:
在实施例1的基础上,本实施例提供了一种应用于数字化机器人产业链的机器人场景仿真方法,步骤5中,生成第三仿真画面后,还包括:
获取第三仿真画面的目标画面清晰度,并获取清晰度阈值;
将第三仿真画面的目标画面清晰度与清晰度阈值进行比较,判断第三仿真画面是否需要进行去噪操作;
当目标画面清晰度等于或大于清晰度阈值时,则判定第三仿真画面不需要进行去噪操作;
否则,则判定第三仿真画面需要进行去噪操作,并生成去噪指令控制计算机终端对第三仿真画面进行去噪处理。
该实施例中,清晰度阈值可以是提前设定好的,用来表征第三仿真画面是否需要进行去噪操作的衡量标准。
上述技术方案的有益效果是:通过第三仿真画面的目标画面清晰度与与清晰度阈值进行比较衡量是否需要对第三仿真画面进行去噪处理,提高了对第三仿真画面进行质量监测的有效性,从而保障第三仿真画面的画面质量。
实施例11:
在实施例10的基础上,本实施例还包括:
当对第三仿真画面进行去噪处理完成后,生成去噪第三仿真画面,同时,获取去噪第三仿真画面中每个像素点的像素值,并确定去噪第三仿真画面的画面大小;
获取预设无噪声图像,其中,预设无噪声图像与去噪第三仿真画面的画面大小一致;
基于去噪第三仿真画面中每个像素点的像素值以及去噪第三仿真画面的画面大小计算去噪第三仿真画面与预设无噪声图像的峰值信噪比;
;
其中,表示第三仿真画面的峰值信噪比;/>表示以10为底数的对数函数;表示第三仿真画面的宽度;/>表示第三仿真画面的长度;/>表示第三仿真画面中像素点的横坐标值;/>表示第三仿真画面中像素点的纵坐标值;/>表示去噪第三仿真画面中像素点的像素值;/>表示预设无噪声图像中像素点的像素值;/>表示图像灰度级,且取值为255;
将峰值信噪比与预设峰值信噪比阈值进行比较,判断第三仿真画面是否去噪合格;
当峰值信噪比等于或大于预设峰值信噪比时,则判定第三仿真画面去噪合格;
否则,则判定第三仿真画面去噪不合格,并重新对第三仿真画面进行去噪处理。
该实施例中,预设峰值信噪比可以是提前设定好的,用来衡量第三仿真画面是否去噪合格的标准。
上述技术方案的有益效果是:通过确定预设无噪声图像,从而准确计算去噪第三仿真画面与预设无噪声图像的峰值信噪比,进而通过预设峰值信噪比有效衡量第三仿真画面是否去噪合格,提高了对第三仿真画面去噪检测准确性,从而有效保障第三仿真画面的质量。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种应用于数字化机器人产业链的机器人场景仿真方法,其特征在于,包括:
步骤1:基于机器人对目标产业链进行监测,获取目标产业链的环境数据;
步骤2:将环境数据传输至计算机终端生成第一仿真指令,并基于第一仿真指令控制计算机终端对环境数据进行第一仿真,获得第一仿真画面;
步骤3:对机器人自身姿态进行监测,获得机器人的姿态数据;
步骤4:将姿态数据传输至计算机终端生成第二仿真指令,并基于第二仿真指令控制计算机终端对姿态数据进行第二仿真,获得第二仿真画面;
步骤5:将第二仿真画面在第一仿真画面中进行叠加,生成第三仿真画面,基于第三仿真画面完成基于机器人对目标产业链的场景仿真,包括:
对第一仿真画面进行读取,确定第一仿真画面中的虚拟物体,并确定虚拟物体的三维数据,同时,根据第一仿真画面中的画面范围以及第一仿真画面中虚拟物体的三维数据确定第一仿真画面的点云数据;
获取第一仿真画面的点云数据中多个目标平面,并确定每个目标平面对应的边缘轮廓;
对第二仿真画面进行读取,确定第二仿真画面与第一仿真画面中多个目标平面的所对应的映射位置,并根据映射位置将第二仿真画面进行拆分,获得多个目标映射平面,且每个目标映射平面与每个目标平面一一对应;
对每个目标映射平面进行读取,确定每个目标映射平面的关键参考物;
将目标映射平面在对应的目标平面中进行贴合,并将目标映射平面中环境参考物的正向位置与当前目标平面中对应的边缘轮廓平行或者垂直;
基于贴合结果将目标映射平面的背景像素进行虚化,并基于虚化结果将目标映射平面与目标平面进行融合,同时,基于融合结果完成第二仿真画面在第一仿真画面中的叠加,并基于叠加结果生成第三仿真画面。
2.根据权利要求1所述的一种应用于数字化机器人产业链的机器人场景仿真方法,其特征在于,步骤1中,基于机器人对目标产业链进行监测,获取目标产业链的环境数据,包括:
获取目标产业链的空间分布特征,并基于目标产业链的空间分布特征确定目标产业链的第一轮廓点,并将目标产业链的第一轮廓点作为第一监测采集点;
读取目标产业链的生产环节,并基于目标产业链的空间分布特征以及目标产业链的生产环节对目标产业链进行划分,获取子产业链;
将多个子产业链的分割点作为第二监测采集点,同时,将每个子产业链的第二轮廓点作为第三监测采集点;
获取第一采集点、第二采集点以及第三采集点的目标位置信息,并将目标位置信息进行数据化处理,获得第一采集点、第二采集点与第三采集点的数字表达,同时,基于第一采集点、第二采集点与第三采集点的数字表达生成环境采集指令,并基于环境采集指令控制机器人对目标产业链进行环境采集,获得目标产业链的环境数据。
3.根据权利要求2所述的一种应用于数字化机器人产业链的机器人场景仿真方法,其特征在于,将目标位置信息进行数据化处理,包括:
获取机器人读取信息的读取规则,并获取目标位置信息的信息表达格式;
基于机器人读取信息的读取规则以及目标位置信息的信息表达格式确定将位置信息进行数据化处理的数据转换模板;
将第一采集点、第二采集点以及第三采集点的目标位置信息输入至数据转换模板中进行数字转换,获得第一采集点、第二采集点与第三采集点的数字表达。
4.根据权利要求1所述的一种应用于数字化机器人产业链的机器人场景仿真方法,其特征在于,步骤2中,将环境数据传输至计算机终端生成第一仿真指令,并基于第一仿真指令控制计算机终端对环境数据进行第一仿真,获得第一仿真画面,包括:
获取机器人数据采集端的第一端口地址信息以及计算机终端的第二端口地址信息,同时,基于第一端口地址信息与第二端口地址信息构建第一通信链路与第二通信链路,其中,第二通信链路中设定数据中继节点;
将环境数据进行打包,获得目标环境数据包,同时,将目标环境数据包进行备份,获得备份环境数据包;
将目标环境数据包通过第一通信链路进行传输,并将备份环境数据包通过第二通信链路进行传输,且传输至数据中继节点,同时,基于计算机终端对第一通信链路中的目标环境数据包进行接收并审核,判断目标环境数据包中是否存在丢失数据;
当目标环境数据包中存在丢失数据时,基于计算机终端向第二通信链路中的数据中继节点发送数据接收指令,并基于数据接收指令,将备份环境数据包基于数据中继节点传输至计算机终端,并将备份环境数据包与目标环境数据包进行对比获得目标丢失数据,并将目标丢失数据进行复制,并基于复制结果添加至目标环境数据包,同时,在计算机终端将备份环境数据包进行删除;
当目标环境数据包中不存在丢失数据时,基于计算机终端向第二通信链路中的数据中继节点发送数据删除指令,并基于数据删除指令对备份环境数据包进行删除;
基于计算机终端获取环境仿真任务,并基于环境仿真任务生成第一仿真指令,同时,根据第一仿真指令控制计算机终端对环境数据进行读取,确定目标产业链的空间架构,并基于目标产业链的空间架构在计算机终端中进行仿真,获得第一仿真画面。
5.根据权利要求1所述的一种应用于数字化机器人产业链的机器人场景仿真方法,其特征在于,步骤3中,对机器人自身姿态进行监测,获得机器人的姿态数据,包括:
获取对机器人自身姿态的监测任务,并对监测任务进行解析,确定对机器人自身姿态的监测类型,其中,监测类型包括位置监测以及动作监测;
基于监测类型在机器人主体上设置第一传感器以及第二传感器,并标定第一传感器与机器人主体之间的相对位置关系,且基于标定结果通过第一传感器实时采集机器人的当前位置数据;
获取机器人产业链对应的产业链地图,并将产业链地图转换为二维栅格地图,且确定二维栅格地图坐标系与全局坐标系之间的变换关系;
基于第一传感器与机器人主体之间的相对位置关系对机器人的当前位置数据进行修正,并基于修正结果确定机器人在二维栅格地图中的目标位置点,且提取目标位置点对应的二维栅格地图坐标值;
基于二维栅格地图坐标系与全局坐标系之间的变换关系对二维栅格地图坐标值进行变换,得到机器人在机器人产业链中的目标位置;
同时,基于第二传感器采集机器人在目标时间段内的动作视频,并将动作视频进行序列化处理,得到每一帧对应的静态图像;
提取每一静态图像中机器人的动作特征,并基于动作特征将静态图像进行聚类,得到每一动作特征对应的静态图像集合;
基于每一动作特征对应的静态图像集合确定每一动作特征对应的动作边界值,并基于动作边界值确定每一动作特征的特征尺度,且基于特征尺度确定机器人在目标时间段内的目标行为动作;
基于时间发展顺序确定机器人在机器人产业链中的目标位置与目标行为动作的映射关系,并基于映射关系得到机器人在每一时刻对应的姿态数据。
6.根据权利要求5所述的一种应用于数字化机器人产业链的机器人场景仿真方法,其特征在于,基于映射关系得到机器人在每一时刻对应的姿态数据,包括:
获取得到的机器人的姿态数据,并基于预设数据标签对姿态数据进行聚类处理,得到子姿态数据集,且确定子姿态数据集中各子姿态数据对应的目标取值;
构建二维直角坐标系,并基于目标取值确定每一子姿态数据集中各子姿态数据在二维直角坐标系中对应的展示点,且基于目标取值将展示点在二维直角坐标系中进行可视化展示;
基于展示结果确定每一子姿态数据集的平均取值,并将展示点对应的目标取值与平均取值的差值大于预设阈值的展示点判定为孤立展示点,且将孤立展示点对应的子姿态数据从对应的子姿态数据集中进行剔除,得到最终的机器人的姿态数据。
7.根据权利要求1所述的一种应用于数字化机器人产业链的机器人场景仿真方法,其特征在于,步骤4中,将姿态数据传输至计算机终端生成第二仿真指令,并基于第二仿真指令控制计算机终端对姿态数据进行第二仿真,获得第二仿真画面,包括:
构建数据采集终端和计算机终端的数据传输链路,并将得到的机器人的姿态数据基于数据传输链路传输至计算机终端;
基于计算机终端对得到的姿态数据进行解析,确定对机器人姿态进行仿真的仿真类型以及每一仿真类型中机器人的姿态特征,其中,姿态特征包括初始姿态、过度姿态以及终止姿态;
基于仿真类型以及每一仿真类型中机器人的姿态特征从预设指令数据库中匹配目标指令元,并基于每一仿真类型中机器人的姿态特征确定相邻时刻机器人的姿态发展逻辑;
基于姿态发展逻辑确定对目标指令元的拼接逻辑,并基于拼接逻辑对目标指令元进行拼接,得到第二仿真指令。
8.根据权利要求1所述的一种应用于数字化机器人产业链的机器人场景仿真方法,其特征在于,步骤4中,基于第二仿真指令控制计算机终端对姿态数据进行第二仿真,获得第二仿真画面,包括:
获取得到的第二仿真指令,并基于第二仿真指令从计算机终端中调取目标仿真程序,并控制计算机终端中的目标仿真程序对姿态数据进行读取识别;
基于读取识别结果确定对每一时刻机器人姿态的初始显示框架,并基于读取识别结果确定每一时刻机器人姿态的目标特征,且基于目标特征对机器人的初始显示框架中机器人的关节角度进行修正,得到目标显示框架;
分别获取机器人产业链的环境色彩图像以及机器人的多角度平面图像,并基于环境色彩图像以及机器人的多角度平面图像对目标显示框架进行贴图处理,得到待显示仿真画面;
同时,获取预设显示装置的配置参数,并基于配置参数确定对待显示仿真画面的显示区域以及显示参数,且基于显示区域以及显示参数对待显示仿真画面进行画面渲染,得到第二仿真画面。
9.根据权利要求1所述的一种应用于数字化机器人产业链的机器人场景仿真方法,其特征在于,步骤5中,生成第三仿真画面后,还包括:
获取第三仿真画面的目标画面清晰度,并获取清晰度阈值;
将第三仿真画面的目标画面清晰度与清晰度阈值进行比较,判断第三仿真画面是否需要进行去噪操作;
当目标画面清晰度等于或大于清晰度阈值时,则判定第三仿真画面不需要进行去噪操作;
否则,则判定第三仿真画面需要进行去噪操作,并生成去噪指令控制计算机终端对第三仿真画面进行去噪处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310520969.0A CN116243623B (zh) | 2023-05-10 | 2023-05-10 | 应用于数字化机器人产业链的机器人场景仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310520969.0A CN116243623B (zh) | 2023-05-10 | 2023-05-10 | 应用于数字化机器人产业链的机器人场景仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116243623A CN116243623A (zh) | 2023-06-09 |
CN116243623B true CN116243623B (zh) | 2023-08-04 |
Family
ID=86628094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310520969.0A Active CN116243623B (zh) | 2023-05-10 | 2023-05-10 | 应用于数字化机器人产业链的机器人场景仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116243623B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117670184B (zh) * | 2024-01-31 | 2024-05-03 | 埃罗德智能科技(辽宁)有限公司 | 应用于数字化机器人产业链的机器人场景仿真方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523629A (zh) * | 2018-11-27 | 2019-03-26 | 上海交通大学 | 一种基于物理仿真的物体语义和位姿数据集生成方法 |
CN112487668A (zh) * | 2020-12-21 | 2021-03-12 | 广东工业大学 | 一种基于数字孪生的近物理仿真集成调试方法及其系统 |
CN112765768A (zh) * | 2020-12-22 | 2021-05-07 | 天津博诺智创机器人技术有限公司 | 基于物联网的离散型车间数字溯源方法 |
CN115131407A (zh) * | 2022-09-01 | 2022-09-30 | 湖南超能机器人技术有限公司 | 面向数字仿真环境的机器人目标跟踪方法、装置和设备 |
WO2023024442A1 (zh) * | 2021-08-27 | 2023-03-02 | 上海商汤智能科技有限公司 | 检测方法、训练方法、装置、设备、存储介质和程序产品 |
CN115937415A (zh) * | 2022-11-26 | 2023-04-07 | 宝钢工程技术集团有限公司 | 一种基于3d建模技术的连铸机器人数字孪生系统 |
CN115984481A (zh) * | 2023-01-31 | 2023-04-18 | 陕西煤业化工集团神木天元化工有限公司 | 一种可视化工业数字仿真管理系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11318616B2 (en) * | 2019-11-11 | 2022-05-03 | Rockwell Automation Technologies, Inc. | Robotic digital twin control with industrial context simulation |
-
2023
- 2023-05-10 CN CN202310520969.0A patent/CN116243623B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523629A (zh) * | 2018-11-27 | 2019-03-26 | 上海交通大学 | 一种基于物理仿真的物体语义和位姿数据集生成方法 |
CN112487668A (zh) * | 2020-12-21 | 2021-03-12 | 广东工业大学 | 一种基于数字孪生的近物理仿真集成调试方法及其系统 |
CN112765768A (zh) * | 2020-12-22 | 2021-05-07 | 天津博诺智创机器人技术有限公司 | 基于物联网的离散型车间数字溯源方法 |
WO2023024442A1 (zh) * | 2021-08-27 | 2023-03-02 | 上海商汤智能科技有限公司 | 检测方法、训练方法、装置、设备、存储介质和程序产品 |
CN115131407A (zh) * | 2022-09-01 | 2022-09-30 | 湖南超能机器人技术有限公司 | 面向数字仿真环境的机器人目标跟踪方法、装置和设备 |
CN115937415A (zh) * | 2022-11-26 | 2023-04-07 | 宝钢工程技术集团有限公司 | 一种基于3d建模技术的连铸机器人数字孪生系统 |
CN115984481A (zh) * | 2023-01-31 | 2023-04-18 | 陕西煤业化工集团神木天元化工有限公司 | 一种可视化工业数字仿真管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116243623A (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110176078B (zh) | 一种训练集数据的标注方法及装置 | |
CN111080693A (zh) | 一种基于YOLOv3的机器人自主分类抓取方法 | |
CN111563442A (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及系统 | |
JP2023106284A (ja) | 組立ロボットの遠隔操作環境のデジタルツインモデリング方法及びシステム | |
TW201629909A (zh) | 三維物件識別技術 | |
CN116243623B (zh) | 应用于数字化机器人产业链的机器人场景仿真方法 | |
CN104949617A (zh) | 用于对象包装的对象三维尺寸估测系统及方法 | |
CN111445523A (zh) | 果实位姿计算方法、装置、计算机设备及存储介质 | |
CN112487923A (zh) | 一种人脸头部姿态训练数据的获取方法及系统 | |
CN111770450B (zh) | 一种车间生产监控服务器、移动终端及应用 | |
CN112712513A (zh) | 产品缺陷检测方法、装置、设备及计算机可读存储介质 | |
CN112287730A (zh) | 姿态识别方法、装置、系统、存储介质及设备 | |
CN114972421A (zh) | 车间物料识别追踪与定位方法、系统 | |
CN114663463A (zh) | 关节活动度的测量方法、系统、设备、电子设备和存储介质 | |
CN110942092B (zh) | 一种图形图像识别方法及识别系统 | |
Yu et al. | Collaborative SLAM and AR-guided navigation for floor layout inspection | |
CN114037987A (zh) | 一种废钢智能识别方法、装置、介质及设备 | |
Briales et al. | A minimal closed-form solution for the perspective three orthogonal angles (P3oA) problem: application to visual odometry | |
JP2022152845A (ja) | ロボット制御用のキャリブレーション装置 | |
CN114202554A (zh) | 标记生成、模型训练、标记方法、装置、存储介质及设备 | |
CN113160401A (zh) | 一种面向物体的视觉slam轻量化语义地图创建方法 | |
Scheuermann et al. | Mobile augmented reality based annotation system: A cyber-physical human system | |
CN116642490A (zh) | 基于混合地图的视觉定位导航方法、机器人及存储介质 | |
CN115982824A (zh) | 施工现场工人空间管理方法、装置、电子设备及存储介质 | |
CN116469101A (zh) | 数据标注方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |