CN116604557A - 一种非结构化环境中双臂机器人协同避碰规划优化方法 - Google Patents

一种非结构化环境中双臂机器人协同避碰规划优化方法 Download PDF

Info

Publication number
CN116604557A
CN116604557A CN202310612345.1A CN202310612345A CN116604557A CN 116604557 A CN116604557 A CN 116604557A CN 202310612345 A CN202310612345 A CN 202310612345A CN 116604557 A CN116604557 A CN 116604557A
Authority
CN
China
Prior art keywords
environment
robot
arm
double
constraint
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
CN202310612345.1A
Other languages
English (en)
Inventor
请求不公布姓名
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.)
Beijing Fanchuan Intelligent Robot Technology Co ltd
Original Assignee
Beijing Fanchuan Intelligent Robot 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 Beijing Fanchuan Intelligent Robot Technology Co ltd filed Critical Beijing Fanchuan Intelligent Robot Technology Co ltd
Priority to CN202310612345.1A priority Critical patent/CN116604557A/zh
Publication of CN116604557A publication Critical patent/CN116604557A/zh
Pending legal-status Critical Current

Links

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
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B25J9/1682—Dual arm manipulator; Coordination of several manipulators
    • 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

本发明涉及一种非结构化环境中双臂机器人协同避碰规划优化方法，该方法包括：获取机器人环境信息、目标信息及所述机器人的当前状态；根据当前环境的三维点云信息，进行环境三维建模并对所述模型进行预处理；根据预处理环境模型，建立约束环境中的机器人协同操作的安全包络，获得所述安全包络间的距离；根据不同的双臂机器人操作任务需求和目标，建立任务约束的数学模型，构建非结构环境下双臂机器人协同操作的非线性约束优化问题；针对所述非线性约束优化问题，优化所述无碰撞双臂操作运动轨迹，获得满足无碰撞和任务需求的双臂操作最优轨迹。本发明的方法能够提高双臂机器人在完成灵巧协同操作任务时的安全性和工作效率。

Description

一种非结构化环境中双臂机器人协同避碰规划优化方法
技术领域
本发明涉及机器人技术领域，特别是涉及一种非结构化环境中双臂机器人协同避碰规划优化方法。
背景技术
随着双臂机器人在灵巧操作任务中逐渐被广泛应用，双臂机器人在非结构化未知环境和复杂安全约束和任务约束下完成灵巧操作任务，成为提升机器人协作水平的必须满足的需求。受人类双臂灵巧操作运动机制启发，相关技术人员提出采用视觉三维重建和并行全局运动规划方法使双臂机器人具备双臂安全协作能力。然而，目前相关方法面临对非结构化的未知环境难以避碰规划、双臂操作规划难以兼顾优化效率和轨迹最优性等关键问题，无法在实际双臂协作任务中的得到广泛应用。
发明内容
本发明的目的是提供一种非结构化环境中双臂机器人协同避碰规划优化方法，提高了双臂机器人在完成灵巧协同操作任务时的安全性和工作效率。
为实现上述目的，本发明提供了如下方案：
本发明第一方面提供了一种非结构化环境中双臂机器人协同避碰规划优化方法，包括以下步骤：
步骤101，获取机器人环境信息、目标信息及所述机器人的当前状态；
步骤102，根据当前环境的三维点云信息，进行环境三维建模并对所述模型进行预处理；
步骤103，根据所述预处理环境模型，采用基于扫掠球体法建立约束环境中的机器人协同操作的安全包络，采用计算图形学算法获得所述安全包络间的距离；
步骤104，根据不同的双臂机器人操作任务需求和目标，建立任务约束的数学模型，构建非结构环境下双臂机器人协同操作的非线性约束优化问题；
步骤105，针对所述非线性约束优化问题，采用基于增广拉格朗日方法的并行差分动态规划方法优化所述无碰撞双臂操作运动轨迹，获得满足无碰撞和任务需求的双臂操作最优轨迹；
步骤106，将所述双臂操作最优轨迹应用于所述机器人操作任务。
优选地，所述步骤101中的机器人环境信息为深度相机获取的三维点云图像；所述目标信息为操作对象确定的或靶标标记的双臂机械臂末端效应器位姿；所述机器人的当前状态包括双臂机器人各关节角度和角速度，以及机器人在世界坐标系下的位姿。
优选地，所述步骤102进一步包括：
通过基于深度相机多视角采集环境空间三维点云信息，实现点云全局匹配和三维环境建模，并根据坐标映射关系将所述环境模型转换至机器人世界坐标系；
采用滤波算法对所述环境模型进行降噪和去除孤立区域，利用Hough变换实现对所述环境模型的平面语义分割，并通过将所述分割平面重构为平面几何图形实现对安全操作区域边界的几何参数表征。
优选地，所述步骤103进一步包括：
将机器人各连杆抽象为线段扫掠球体，得到线段和球体的闵可夫斯基和；
基于受限空间环境安全区域边界的结合重构参数，构建平面点云的三角形扫掠球体，得到三角形和球体的闵可夫斯基和，实现受限环境下机器人协作空间的安全包络。
优选地，所述步骤104进一步包括：
基于安全约束和双臂协同操作的约束条件，综合评价双臂机器人输入能量、轨迹长度和末端累积误差的因素，构建非结构化环境中双臂机器人协同操作的多约束非线性轨迹优化模型。
优选地，所述步骤105进一步包括：
采用增广拉格朗日方法将约束优化问题中的不等式约束和等式约束转化至目标函数中，构建无约束优化问题；
采用无约束差分动态规划方法求解所述无约束优化问题，最终无约束优化问题的解收敛至原约束优化问题的最优解，获得非结构化环境中满足双臂机器人协同操作安全约束和任务约束的最优轨迹。
本发明第二方面提供了一种记录介质，存储有用于非结构化环境中双臂机器人协同避碰规划的计算机可执行程序，当所述计算机可执行程序被执行时，能够实现根据本发明第一方面中任一项所述的方法。
本发明第三方面提供了一种双臂机器人控制系统，用于非结构化环境中双臂机器人协同避碰规划优化，包括：
获取装置，用于获取机器人环境信息、目标信息及所述机器人的当前状态；
建模装置，用于根据当前环境的三维点云信息，进行环境三维建模并对所述模型进行预处理；
计算装置，用于根据预处理环境模型，采用基于扫掠球体法建立约束环境中的机器人协同操作的安全包络，采用计算图形学算法获得所述安全包络间的距离；
构建装置，用于根据不同的双臂机器人操作任务需求和目标，建立任务约束的数学模型，构建非结构环境下双臂机器人协同操作的非线性约束优化问题；
优化装置，用于针对所述非线性约束优化问题，采用基于增广拉格朗日方法的并行差分动态规划方法优化所述无碰撞双臂操作运动轨迹，获得满足无碰撞和任务需求的双臂操作最优轨迹；
应用装置，用于将所述双臂操作最优轨迹应用于所述机器人操作任务。
本发明第四方面提供了一种双臂机器人，包括控制系统，其特征在于，所述控制系统能够根据本发明第一方面中任一项所述的方法实现非结构化环境中双臂机器人协同避碰规划优化。
优选地，所述双臂机器人还包括深度相机，用于获取机器人环境信息。
根据本发明提供的以上技术方案，本发明公开了以下技术效果：
本发明公开了一种非结构化环境中双臂机器人协同避碰规划优化方法，基于对环境的三维重建和平面语义分割，利用扫掠球体法分别建立非结构化环境和双臂机器人的安全包络，将不同的双臂协同操作中蕴含任务约束关系转化为等式约束方程，并构建面向双臂协同操作任务目标的非线性约束优化问题；然后采用增广拉格朗日法将高维多约束的优化问题转化为无约束问题，并构建并行差分动态规划计算框架提高双臂机器人在复杂约束条件下的规划效率，为复杂非结构化环境下双臂机器人协同避碰规划提供新的理论和方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为根据本发明的一种非结构化环境中双臂机器人协同避碰规划优化方法流程示意图；
图2为图1中的方法中步骤101-103的具体流程框图；
图3为图1中的方法中步骤104-106的具体流程框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种机器人自主人机避碰方法及系统，提高了机器人人机协作的安全性与工作效率。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为根据本发明的一种非结构化环境中双臂机器人协同避碰规划优化方法流程示意图，图2为图1中的非结构化环境中双臂机器人协同避碰规划优化方法步骤101-103的具体流程框图，图3为图1中的非结构化环境中双臂机器人协同避碰规划优化方法步骤104-106的具体流程框图。如图1-3所示，一种非结构化环境中双臂机器人协同避碰规划优化方法包括以下步骤：
步骤101：获取机器人环境信息、目标信息及所述机器人的当前状态。
机器人环境信息为深度相机获取的三维点云图像。
目标信息为操作对象确定的或靶标标记的双臂机械臂末端效应器位姿。
机器人的当前状态包括双臂机器人各关节角度和角速度，以及机器人在世界坐标系下的位姿。
步骤102：根据当前环境的三维点云信息，进行环境三维建模并对所述模型进行预处理。
其中，步骤102具体包括：
基于深度相机多视角采集环境空间三维点云信息，实现点云全局匹配和三维环境建模，并根据坐标映射关系将所述环境模型转换至机器人世界坐标系。
其中，是机器人基座在世界坐标系下的位姿，/>为机械臂末端在基座坐标系下的位姿，可以由机械臂正运动学通过关节角度计算得到，/>表示目标位姿相对于机械臂末端的位姿，可以通过靶标计算或人为指定，/>为目标和所述环境模型相对于世界坐标系的位姿。
采用滤波算法对所述环境模型进行降噪和去除孤立区域，利用Hough变换实现对所述环境模型的平面语义分割，并通过将所述分割平面重构为平面几何图形实现对安全操作区域边界的几何参数表征，如图2.a所示。所述平面几何图形包括线段和三角形。线段上任一点的几何参数表征公式为：
其中，P0是线段的起点，为线段起点至终点的单位向量，即/>s∈[0,1]为线段位置参数。
三角形内任一点的几何参数表征公式为：
其中，V0是三角性的一顶点，为该顶点相连两边的单位向量，即/>u∈[0,1],v∈[0,1]为三角形位置参数。
步骤103：根据所述预处理环境模型，采用基于扫掠球体法建立约束环境中的机器人协同操作的安全包络，采用计算图形学算法获得所述安全包络间的距离。
为了表征非结构化环境的安全工作区域的包络，采用基于扫掠球体法的环境障碍表征模型。扫掠球体法是利用闵可夫斯基和对几何体和球体进行膨胀运算，如图2.b所示。几何体A和几何体B的闵可夫斯基和可以定义为：
A+B＝{a+b|a∈A,b∈B}
几何上的直观体现即为闵可夫斯基和是A几何体沿B几何体的边际连续运动一周扫过的区域与B集合本身的并集。如果A为球体，则生成的扫掠球体A+B的边界至几何体B的距离为球体半径r。具体地，考虑到机械臂的连杆构型，机器人各连杆抽象为线段扫掠球体，即为线段和球体的闵可夫斯基和；基于受限空间环境安全区域边界的结合重构参数，构建平面点云的三角形扫掠球体，即为三角形和球体的闵可夫斯基和，实现受限环境下机器人协作空间的安全包络。
线段与线段间的任一向量可以表示为 其中s∈[0,1],t∈[0,1]分别为端点在两条线段上的位置参数，因此向量v的长度为：
||d||＝((P0-P1)+sd0-td1)·((P0-P1)+sd0-td1)
考虑到参数s,t的取值范围，因此线段间的最近距离为一个含有边界约束的优化问题：
min||d||
s.t.s∈[0,1
t∈[0,1]
同理，线段与三角形间任一向量可以表示为其中参数t∈[0,1],u∈[0,1],v∈[0,1]，同时三角形上点应满足三角形的范围限制条件u+v≤1。因此线段与三角形间最短距离的优化问题为：
min||T(u,v)-L(t)||
s.t.t∈[0,1]
u∈[0,1]
v∈[0,1]
u+v≤1
通过最优化计算可以获得线段与线段、线段与三角形之间的最近距离，不妨假设为d，所采用的球体半径均为r，则不同的扫掠球体之间的安全距离定义为：
D＝d-2r
非结构化环境中双臂机器人协同操作的安全约束数学模型为：D≥0。
步骤104：根据不同的双臂机器人操作任务需求和目标，建立任务约束的数学模型，构建非结构环境下双臂机器人协同操作的非线性约束优化问题。
其中，步骤104具体包括：
所述双臂机器人操作任务主要包括笛卡尔空间下的双臂操作任务和关节空间下的双臂操作任务，如图3所示。笛卡尔空间下的双臂协同操作任务约束主要是针对末端执行器的约束，主要包括完整末端路径约束，部分末端位姿约束，以及双臂协同操作任务约束。完整末端路径约束完全确定了末端位姿，但对于7自由度冗余机械臂，仍有冗余自由度实现关节空间内的状态转移。为了计算当前末端位姿Oee至完整末端路径约束空间M：＝{(O,T)|O∈p(s),s∈[0,1],T＝fT(O)}的距离，使用距离当前末端位置进行的路径约束点作为目标约束位姿，即：
O*＝min||Oee||
s.t.O∈M
因此T*＝fT(O*)，则机械臂末端的完整末端路径约束的数学模型为：
diag(T-1T*)＝1
O-O*＝0
部分末端位姿约束与完整末端路径约束的数学模型相似，仅是对部分轴的方向进行约束，约束条件会相对更少，比如要求末端的第i个轴的方向在运动过程中保持不变：
以双臂搬运任务为例的双臂协同操作的任务约束则需要考虑不同机械臂末端的相对位姿，双臂末端间的相对位姿在夹持物体后应当保持不变，因此有约束条件：
关节空间任务约束主要包括约束关节状态至目标值，以及零空间内的关节规划。针对机械臂关节运动至指定状态的任务要求，比如移动至初始关节角度，需要满足关节轨迹终端约束条件：
qterminal＝qtarget
对于零空间内的轨迹规划，考虑到零空间的形式：
式中，(I-J+J)为雅可比零空间投影算子，z为任意向量。因为有J(I-J+J)＝0，所以关节速度齐次分量(I-J+J)z不会影响任务的执行。特别的，对于需要末端保持不变的任务，/>因此，在零空间内进行轨迹规划时需要满足该等式约束条件。
以上所有的任务约束条件都是等式约束的形式，因此，可以通过调整等式两侧的表达式，写成更一般的任务约束模型：
h(x)＝0
其中
基于所述安全约束和双臂协同操作等约束条件，综合评价双臂机器人输入能量、轨迹长度和末端累积误差等因素，构建非结构化环境中双臂机器人协同操作的多约束非线性轨迹优化模型，如图3.a所示。
s.t.g(xk)≥0
h(xk)＝0
xk+1＝f(xk,uk)
其中，目标函数中Qk,Rk,Mk为系数对角矩阵，xk TQkxk为规划轨迹的长度，/>为机械臂输入能量，/>为轨迹末端累积误差，yk(q)＝T(q)-1Tt为轨迹末端误差。f为系统状态转移函数。
步骤105：针对所述非线性约束优化问题，采用基于增广拉格朗日方法的并行差分动态规划方法优化所述无碰撞双臂操作运动轨迹，获得满足无碰撞和任务需求的双臂操作最优轨迹。
其中，步骤105具体包括：
如图3所示，采用增广拉格朗日方法将约束优化问题中的不等式约束和等式约束转化至目标函数中，构建无约束优化问题：
其中，
其中，λk,μk是增广拉格朗日法的拉格朗日乘子和惩罚因子，ck(xk)为等数约束和不等式约束的并集，其中等式约束的索引为不等式的索引为ε。/>为对角矩阵，第i个对角元素为：
采用无约束差分动态规划方法求解所述无约束优化问题，获得与参数λk,μk参数下的最优输入k＝1,2,3…和最优轨迹/>k＝1,2,3…。
所述无约束差分动态规划方法为迭代算法，每步迭代包括反向过程和前向过程两个阶段。在反向过程中，基于自动微分方法计算目标函数和约束函数关于机械臂输入的一阶导数和二阶导数。定义动作价值函数函数：
并计算最优控制策略：
其中，
在所述前向过程中，根据所述最优控制策略计算最优输入和最优轨迹：
xk+1＝f(xk,uk)
其中，为前一次迭代的前向过程中输入和状态，α为迭代更新步长。当无约束差分动态规划方法满足收敛准则时，则获得所述无约束优化问题的最优解。所述收敛准则为/>ε可以取10-5。
基于所述无约束差分动态规划方法计算得到的最优化轨迹更新惩罚因子和拉格朗日乘子：
其中，φ>1为缩放因子。
基于新的λk,μk构建新的无约束优化问题，并将上一个无约束优化问题的最优输入和最优轨迹/>作为新的无约束优化问题的初始值，迭代重复上述过程，最终无约束优化问题的解收敛至原约束优化问题的最优解，获得非结构化环境中满足双臂机器人协同操作安全约束和任务约束的最优轨迹。
步骤106：将所述双臂操作最优轨迹应用于所述机器人操作任务。
本发明获取机器人环境信息、目标信息及所述机器人的当前状态；根据当前环境的三维点云信息，进行环境三维建模并对所述模型进行预处理；根据所述预处理环境模型，采用基于扫掠球体法建立约束环境中的机器人协同操作的安全包络，采用计算图形学算法获得所述安全包络间的距离；根据不同的双臂机器人操作任务需求和目标，建立任务约束的数学模型，构建非结构环境下双臂机器人协同操作的非线性约束优化问题；针对所述非线性约束优化问题，采用基于增广拉格朗日方法的并行差分动态规划方法优化所述无碰撞双臂操作运动轨迹，获得满足无碰撞和任务需求的双臂操作最优轨迹；将所述双臂操作最优轨迹应用于双臂机器人协同操作任务。本发明的非结构化环境中双臂机器人协同避碰规划优化方法，提高了双臂机器人在完成灵巧协同操作任务时的安全性和工作效率。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种非结构化环境中双臂机器人协同避碰规划优化方法，其特征在于，包括以下步骤：
步骤101，获取机器人环境信息、目标信息及所述机器人的当前状态；
步骤102，根据当前环境的三维点云信息，进行环境三维建模并对所述模型进行预处理；
步骤103，根据所述预处理环境模型，采用基于扫掠球体法建立约束环境中的机器人协同操作的安全包络，采用计算图形学算法获得所述安全包络间的距离；
步骤104，根据不同的双臂机器人操作任务需求和目标，建立任务约束的数学模型，构建非结构环境下双臂机器人协同操作的非线性约束优化问题；
步骤105，针对所述非线性约束优化问题，采用基于增广拉格朗日方法的并行差分动态规划方法优化所述无碰撞双臂操作运动轨迹，获得满足无碰撞和任务需求的双臂操作最优轨迹；
步骤106，将所述双臂操作最优轨迹应用于所述机器人操作任务。
2.根据权利要求1所述的一种非结构化环境中双臂机器人协同避碰规划优化方法，其特征在于，所述步骤101中的机器人环境信息为深度相机获取的三维点云图像；所述目标信息为操作对象确定的或靶标标记的双臂机械臂末端效应器位姿；所述机器人的当前状态包括双臂机器人各关节角度和角速度，以及机器人在世界坐标系下的位姿。
3.根据权利要求1所述的一种非结构化环境中双臂机器人协同避碰规划优化方法，其特征在于，所述步骤102进一步包括：
通过基于深度相机多视角采集环境空间三维点云信息，实现点云全局匹配和三维环境建模，并根据坐标映射关系将所述环境模型转换至机器人世界坐标系；
采用滤波算法对所述环境模型进行降噪和去除孤立区域，利用Hough变换实现对所述环境模型的平面语义分割，并通过将所述分割平面重构为平面几何图形实现对安全操作区域边界的几何参数表征。
4.根据权利要求1所述的一种非结构化环境中双臂机器人协同避碰规划优化方法，其特征在于，所述步骤103进一步包括：
将机器人各连杆抽象为线段扫掠球体，得到线段和球体的闵可夫斯基和；
基于受限空间环境安全区域边界的结合重构参数，构建平面点云的三角形扫掠球体，得到三角形和球体的闵可夫斯基和，实现受限环境下机器人协作空间的安全包络。
5.根据权利要求1所述的一种非结构化环境中双臂机器人协同避碰规划优化方法，其特征在于，所述步骤104进一步包括：
基于安全约束和双臂协同操作的约束条件，综合评价双臂机器人输入能量、轨迹长度和末端累积误差的因素，构建非结构化环境中双臂机器人协同操作的多约束非线性轨迹优化模型。
6.根据权利要求1所述的一种非结构化环境中双臂机器人协同避碰规划优化方法，其特征在于，所述步骤105进一步包括：
采用增广拉格朗日方法将约束优化问题中的不等式约束和等式约束转化至目标函数中，构建无约束优化问题；
采用无约束差分动态规划方法求解所述无约束优化问题，最终无约束优化问题的解收敛至原约束优化问题的最优解，获得非结构化环境中满足双臂机器人协同操作安全约束和任务约束的最优轨迹。
7.一种记录介质，存储有用于非结构化环境中双臂机器人协同避碰规划的计算机可执行程序，当所述计算机可执行程序被执行时，能够实现根据权利要求1-6中任一项所述的方法。
8.一种双臂机器人控制系统，用于非结构化环境中双臂机器人协同避碰规划优化，其特征在于，包括：
获取装置，用于获取机器人环境信息、目标信息及所述机器人的当前状态；
建模装置，用于根据当前环境的三维点云信息，进行环境三维建模并对所述模型进行预处理；
计算装置，用于根据预处理环境模型，采用基于扫掠球体法建立约束环境中的机器人协同操作的安全包络，采用计算图形学算法获得所述安全包络间的距离；
构建装置，用于根据不同的双臂机器人操作任务需求和目标，建立任务约束的数学模型，构建非结构环境下双臂机器人协同操作的非线性约束优化问题；
优化装置，用于针对所述非线性约束优化问题，采用基于增广拉格朗日方法的并行差分动态规划方法优化所述无碰撞双臂操作运动轨迹，获得满足无碰撞和任务需求的双臂操作最优轨迹；
应用装置，用于将所述双臂操作最优轨迹应用于所述机器人操作任务。
9.一种双臂机器人，包括控制系统，其特征在于，所述控制系统能够根据权利要求1-6中任一项所述的方法实现非结构化环境中双臂机器人协同避碰规划优化。
10.根据权利要求9所述的双臂机器人，其特征在于，还包括深度相机，用于获取机器人环境信息。
CN202310612345.1A 2023-05-26 2023-05-26 一种非结构化环境中双臂机器人协同避碰规划优化方法 Pending CN116604557A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310612345.1A CN116604557A (zh) 2023-05-26 2023-05-26 一种非结构化环境中双臂机器人协同避碰规划优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310612345.1A CN116604557A (zh) 2023-05-26 2023-05-26 一种非结构化环境中双臂机器人协同避碰规划优化方法

Publications (1)

Publication Number Publication Date
CN116604557A true CN116604557A (zh) 2023-08-18

Family

ID=87677879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310612345.1A Pending CN116604557A (zh) 2023-05-26 2023-05-26 一种非结构化环境中双臂机器人协同避碰规划优化方法

Country Status (1)

Country Link
CN (1) CN116604557A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117340890A (zh) * 2023-11-22 2024-01-05 北京交通大学 一种机器人运动轨迹控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117340890A (zh) * 2023-11-22 2024-01-05 北京交通大学 一种机器人运动轨迹控制方法

Similar Documents

Publication Publication Date Title
CN107490965B (zh) 一种空间自由漂浮机械臂的多约束轨迹规划方法
Chitsaz et al. Time-optimal paths for a Dubins airplane
Jiang et al. An overview of hand-eye calibration
CN111761582A (zh) 一种基于随机采样的移动机械臂避障规划方法
CN116604557A (zh) 一种非结构化环境中双臂机器人协同避碰规划优化方法
De Luca et al. Image-based visual servoing schemes for nonholonomic mobile manipulators
CN113146600A (zh) 基于运动学迭代学习控制的柔性机器人轨迹规划方法及装置
CN116106927A (zh) 一种基于激光雷达的二维栅格地图构建方法、介质和系统
CN115890735B (zh) 机械臂系统、机械臂及其控制方法、控制器和存储介质
CN111309002A (zh) 一种基于矢量的轮式移动机器人避障方法及系统
Singh et al. A survey on vision guided robotic systems with intelligent control strategies for autonomous tasks
Shao et al. Rrt-goalbias and path smoothing based motion planning of mobile manipulators with obstacle avoidance
CN115218891B (zh) 一种移动机器人自主定位导航方法
Sun et al. Hybrid task constrained planner for robot manipulator in confined environment
CN116214516A (zh) 移动冗余机械臂实时抓取与轨迹跟踪方法及系统
CN113031590B (zh) 一种基于李雅普诺夫函数的移动机器人视觉伺服控制方法
CN112077841B (zh) 一种提升机器人手臂操纵精度的多关节联动方法及系统
Lang et al. Visual servoing with LQR control for mobile robots
Zhou et al. A cooperative shared control scheme based on intention recognition for flexible assembly manufacturing
Vahrenkamp et al. Planning and execution of grasping motions on a humanoid robot
Fuseiller et al. Reactive path planning for collaborative robot using configuration space skeletonization
Jiang et al. Globally perceived obstacle avoidance for robots based on virtual twin and deep reinforcement learning
CN116141341B (zh) 满足笛卡尔空间约束的五自由度机械臂指向动作实现方法
CN117182932B (zh) 机械臂避障动作规划方法、装置和计算机设备
Xie et al. Path Planning for Robotic Arm Based on Reinforcement Learning under the Train

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