CN116728410A - 一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法 - Google Patents
一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法 Download PDFInfo
- Publication number
- CN116728410A CN116728410A CN202310781551.5A CN202310781551A CN116728410A CN 116728410 A CN116728410 A CN 116728410A CN 202310781551 A CN202310781551 A CN 202310781551A CN 116728410 A CN116728410 A CN 116728410A
- Authority
- CN
- China
- Prior art keywords
- robot
- narrow working
- absolute positioning
- working environment
- steps
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000011217 control strategy Methods 0.000 claims abstract description 9
- 238000007499 fusion processing Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000009825 accumulation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 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
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及工业机器人精度补偿技术领域,公开了一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,包括以下步骤:采集机器人当前位置的多传感器数据,对多传感器数据进行融合处理,生成综合定位信息,利用环境地图和综合定位信息进行机器人姿态的实时校正,根据实时校正的姿态信息,对机器人的控制策略进行调整,以实现绝对定位精度误差的补偿,适用于管道检测、仓库搬运等狭窄工作环境,能够实时评估定位误差,并动态调整控制策略以实现误差补偿,可降低机器人在狭窄工作环境下的碰撞风险,可提高机器人在狭窄工作环境下的作业效率,降低作业成本,能够有效解决狭窄工作环境下机器人定位精度问题,提高机器人作业效率和安全性。
Description
技术领域
本发明涉及工业机器人精度补偿技术领域,具体为一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法。
背景技术
在很多狭窄的工作环境中,例如管道检测、仓库搬运等场景,机器人需要具备高精度的定位能力以确保其任务的准确性。然而,现有的定位方法在狭窄工作环境下可能会受到干扰,导致定位误差的累积,影响机器人的工作效率和安全性。为此,需要设计相应的技术方案给予解决。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,解决了现有的定位方法在狭窄工作环境下可能会受到干扰,导致定位误差的累积,影响机器人工作效率和安全性的技术问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,包括以下步骤:
S1,采集机器人当前位置的多传感器数据;
S2,对多传感器数据进行融合处理,生成综合定位信息;
S3,利用环境地图和综合定位信息进行机器人姿态的实时校正;
S4,根据实时校正的姿态信息,对机器人的控制策略进行调整,以实现绝对定位精度误差的补偿。
优选的,所述多传感器数据包括激光传感器、超声波传感器或惯性导航系统其中一种或多种,且所述多传感器数据包括但不限于GPS、激光雷达、视觉或惯性传感器。
优选的,所述融合处理采用卡尔曼滤波器或者粒子滤波器进行。
优选的,所述环境地图是预先构建地图或机器人实时绘制地图,机器人实时绘制地图包括空间位置信息和空间方向信息。
优选的,所述环境地图包括有激光雷达扫描仪、相机、超声波传感器、惯性测量单元或光学测距仪。
优选的,所述控制策略调整包括速度调整和转向角度调整。
优选的,所述机器人为无人机、移动机器人或工业机器人。
优选的,所述实时校正包括位置校正和姿态角校正。
(三)有益效果
该在狭窄工作环境下的机器人绝对定位精度误差补偿方法,绝对定位精度误差补偿方法适用于管道检测、仓库搬运等狭窄工作环境,能够实时评估定位误差,并动态调整控制策略以实现误差补偿,可降低机器人在狭窄工作环境下的碰撞风险,提高作业安全性,可提高机器人在狭窄工作环境下的作业效率,降低作业成本,能够有效解决狭窄工作环境下机器人定位精度问题,提高机器人作业效率和安全性。
具体实施方式
下面将结合本发明实施例,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。
本发明实施例提供一种技术方案:一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,包括以下步骤:
S1,采集机器人当前位置的多传感器数据;
S2,对多传感器数据进行融合处理,生成综合定位信息;
S3,利用环境地图和综合定位信息进行机器人姿态的实时校正;
S4,根据实时校正的姿态信息,对机器人的控制策略进行调整,以实现绝对定位精度误差的补偿。
进一步改进地,所述多传感器数据包括激光传感器、超声波传感器或惯性导航系统其中一种或多种,且所述多传感器数据包括但不限于GPS、激光雷达、视觉或惯性传感器。
激光传感器可以用于进行精确的距离测量和三维重建,可以提供高精度的测量结果,并且可以在室内和室外环境中使用,激光传感器的主要应用包括机器人导航、自动驾驶汽车、3D扫描等领域;超声波传感器可以用于进行距离测量、障碍物检测和声纳成像等任务,可以在室内和室外环境中使用,并且可以通过多点测量来提高精度,超声波传感器的主要应用包括机器人导航、无人机、汽车倒车雷达等领域;惯性导航系统可以通过记录加速度计和陀螺仪的测量数据来确定物体的运动状态和位置,可以在没有GPS信号的情况下提供位置和姿态信息,并且可以在室内和室外环境中使用,惯性导航系统的主要应用包括飞行器、导弹、自动驾驶汽车等领域;GPS可以用于进行全球定位和导航,可以在室外环境中提供高精度的位置和时间信息,并且可以在全球范围内使用,GPS的主要应用包括导航、地图、气象预报等领域;激光雷达可以通过发射激光束来测量距离和三维形状,可以提供高精度的测量结果,并且可以在室内和室外环境中使用,激光雷达的主要应用包括机器人导航、自动驾驶汽车、3D扫描等领域;视觉传感器可以通过图像处理技术来识别和检测物体,可以提供高分辨率的图像,并且可以在室内和室外环境中使用,视觉传感器的主要应用包括机器人导航、自动驾驶汽车、安防监控等领域;惯性传感器可以通过记录加速度计和陀螺仪的测量数据来确定物体的运动状态和位置,可以在没有GPS信号的情况下提供位置和姿态信息,并且可以在室内和室外环境中使用,惯性传感器的主要应用包括飞行器、导弹、自动驾驶汽车等领域。
进一步改进地,所述融合处理采用卡尔曼滤波器或者粒子滤波器进行。
卡尔曼滤波器通过递推方式进行计算,具有高效性和实时性,通过对系统模型和测量噪声的建模进行数学分析,具有良好的稳定性和可靠性,适用于线性系统和高斯噪声的情况,可以在小噪声条件下提供高精度的估计结果;卡尔曼滤波器是一种递归滤波器,可以实时处理大量数据,具有较高的计算效率和速度,能够对线性系统进行精确的估计,具有较高的估计精度和稳定性,对噪声进行有效的抑制,并且可以对系统进行动态建模和自适应控制。
粒子滤波器适用于非线性系统和非高斯噪声的情况,具有很强的适应性,通过大量采样来近似目标状态分布,可以在复杂噪声条件下提供精确的估计结果,通过调整粒子的数量和分布来平衡计算效率和估计精度,具有很强的灵活性;粒子滤波器是一种非参数滤波器,可以对非线性和非高斯分布的系统进行估计,具有更广泛的适用性,通过一组粒子来表示系统状态的后验概率分布,具有较高的估计精度和稳定性,对任意类型的噪声进行建模,并且可以在复杂的系统中进行估计和预测。
进一步改进地,所述环境地图是预先构建地图或机器人实时绘制地图,机器人实时绘制地图包括空间位置信息和空间方向信息。
进一步改进地,所述环境地图包括有激光雷达扫描仪、相机、超声波传感器、惯性测量单元或光学测距仪。
激光雷达通过扫描环境,获取环境中的障碍物信息,并生成点云数据,点云数据可以通过算法处理,建立环境地图;相机可以捕捉环境中的图像信息,通过图像处理算法,可以提取出环境中的特征信息,如墙壁、门窗等,并生成环境地图;超声波传感器可以用于探测环境中的障碍物,并测量距离。通过多个超声波传感器的组合,可以建立环境地图;惯性测量单元(IMU)可以测量机器人的加速度和角速度,通过积分算法可以计算机器人的位置和方向信息,用于建立环境地图;光学测距仪可以通过测量光的时间差,计算出环境中的物体与机器人的距离,通过多个测距仪的组合,可以建立环境地图。
进一步改进地,所述控制策略调整包括速度调整和转向角度调整。
速度调整:机器人在不同的场景和任务中需要具有不同的速度,因此需要根据实际需求进行速度调整,速度调整的主要方法包括以下几种:PID控制器、模糊控制器和人工势场方法,PID控制器是一种广泛应用于机器人控制中的控制器,通过调整PID控制器的参数,可以实现机器人速度的精确控制;模糊控制器可以通过模糊逻辑来处理复杂的控制问题,具有较强的自适应能力,通过调整模糊控制器的规则库和参数,可以实现机器人速度的自适应控制;人工势场方法可以将机器人的运动视为在不同的势场中进行运动,通过调整势场函数,可以实现机器人速度的智能控制。
机器人在运动过程中需要进行转向,因此需要根据实际需求进行转向角度调整,转向角度调整的主要方法包括以下几种:点对点控制、跟随控制和路径规划控制,点对点控制是一种常用的控制方法,通过控制机器人的转向角度,使其从当前位置向目标位置移动;跟随控制是一种常用的控制方法,通过跟随目标物体的运动轨迹,控制机器人的转向角度,使其保持与目标物体的相对位置和方向不变;路径规划控制可以通过预先规划机器人的运动路径,控制机器人的转向角度,使其按照预定路径运动,路径规划控制可以通过最优化算法、人工势场方法等实现。
进一步改进地,所述机器人为无人机、移动机器人或工业机器人。
具体改进地,所述实时校正包括位置校正和姿态角校正。
位置校正:机器人在运动过程中,由于各种因素的影响(如系统误差、机械变形、地形变化等),其运动轨迹可能会偏离预期轨迹。因此,需要进行实时的位置校正,以保证机器人能够精确地到达目标点,位置校正的主要方法包括基于GPS的定位、基于激光雷达的SLAM等。
姿态角校正:机器人在运动过程中,由于惯性力的影响,其姿态角可能会偏离预期值。因此,需要进行实时的姿态角校正,以保证机器人能够保持正确的姿态,姿态角校正的主要方法包括基于加速度计和陀螺仪的惯性导航系统、基于视觉传感器的姿态估计等。
本发明的部件均为通用标准件或本领域技术人员知晓的部件,其结构和原理都为本技术人员均可通过技术手册得知或通过常规实验方法获知,本发明解决的问题是现有的定位方法在狭窄工作环境下可能会受到干扰,导致定位误差的累积,影响机器人的工作效率和安全性,本发明通过上述部件的互相组合,绝对定位精度误差补偿方法适用于管道检测、仓库搬运等狭窄工作环境,能够实时评估定位误差,并动态调整控制策略以实现误差补偿,可降低机器人在狭窄工作环境下的碰撞风险,提高作业安全性,可提高机器人在狭窄工作环境下的作业效率,降低作业成本,能够有效解决狭窄工作环境下机器人定位精度问题,提高机器人作业效率和安全性。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,其特征在于,包括以下步骤:
S1,采集机器人当前位置的多传感器数据;
S2,对多传感器数据进行融合处理,生成综合定位信息;
S3,利用环境地图和综合定位信息进行机器人姿态的实时校正;
S4,根据实时校正的姿态信息,对机器人的控制策略进行调整,以实现绝对定位精度误差的补偿。
2.根据权利要求1所述的一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,其特征在于:所述多传感器数据包括激光传感器、超声波传感器或惯性导航系统其中一种或多种,且所述多传感器数据包括但不限于GPS、激光雷达、视觉或惯性传感器。
3.根据权利要求1所述的一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,其特征在于:所述融合处理采用卡尔曼滤波器或者粒子滤波器进行。
4.根据权利要求1所述的一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,其特征在于:所述环境地图是预先构建地图或机器人实时绘制地图,机器人实时绘制地图包括空间位置信息和空间方向信息。
5.根据权利要求4所述的一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,其特征在于:所述环境地图包括有激光雷达扫描仪、相机、超声波传感器、惯性测量单元或光学测距仪。
6.根据权利要求1所述的一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,其特征在于:所述控制策略调整包括速度调整和转向角度调整。
7.根据权利要求1所述的一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,其特征在于:所述机器人为无人机、移动机器人或工业机器人。
8.根据权利要求1所述的一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法,其特征在于:所述实时校正包括位置校正和姿态角校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310781551.5A CN116728410A (zh) | 2023-06-29 | 2023-06-29 | 一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310781551.5A CN116728410A (zh) | 2023-06-29 | 2023-06-29 | 一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116728410A true CN116728410A (zh) | 2023-09-12 |
Family
ID=87916754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310781551.5A Pending CN116728410A (zh) | 2023-06-29 | 2023-06-29 | 一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116728410A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117406759A (zh) * | 2023-12-14 | 2024-01-16 | 深圳天溯计量检测股份有限公司 | 一种管道机器人爬行校准方法和系统 |
CN117718973A (zh) * | 2024-02-08 | 2024-03-19 | 国机传感科技有限公司 | 基于轴向加速度的机器人离散控制系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018108098A1 (zh) * | 2016-12-14 | 2018-06-21 | 国网江苏省电力公司常州供电公司 | 一种基于多传感器信息融合的带电作业机器人自主作业方法 |
CN208854616U (zh) * | 2018-07-12 | 2019-05-14 | 东莞理工学院 | 一种基于slam的双目视觉动态避障轮式机器人 |
CN111123925A (zh) * | 2019-12-19 | 2020-05-08 | 天津联汇智造科技有限公司 | 一种移动机器人导航系统以及方法 |
CN111176276A (zh) * | 2019-12-28 | 2020-05-19 | 苏州纳秒机器人有限公司 | 一种智能仓储机器人的开发及应用 |
CN112192568A (zh) * | 2020-09-30 | 2021-01-08 | 广东唯仁医疗科技有限公司 | 一种基于5g网络的智能购物机器人控制方法及系统 |
WO2021243696A1 (zh) * | 2020-06-05 | 2021-12-09 | 深圳澳谷智能科技有限公司 | 车辆导航定位方法、装置、基站、系统及可读存储介质 |
-
2023
- 2023-06-29 CN CN202310781551.5A patent/CN116728410A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018108098A1 (zh) * | 2016-12-14 | 2018-06-21 | 国网江苏省电力公司常州供电公司 | 一种基于多传感器信息融合的带电作业机器人自主作业方法 |
CN208854616U (zh) * | 2018-07-12 | 2019-05-14 | 东莞理工学院 | 一种基于slam的双目视觉动态避障轮式机器人 |
CN111123925A (zh) * | 2019-12-19 | 2020-05-08 | 天津联汇智造科技有限公司 | 一种移动机器人导航系统以及方法 |
CN111176276A (zh) * | 2019-12-28 | 2020-05-19 | 苏州纳秒机器人有限公司 | 一种智能仓储机器人的开发及应用 |
WO2021243696A1 (zh) * | 2020-06-05 | 2021-12-09 | 深圳澳谷智能科技有限公司 | 车辆导航定位方法、装置、基站、系统及可读存储介质 |
CN112192568A (zh) * | 2020-09-30 | 2021-01-08 | 广东唯仁医疗科技有限公司 | 一种基于5g网络的智能购物机器人控制方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117406759A (zh) * | 2023-12-14 | 2024-01-16 | 深圳天溯计量检测股份有限公司 | 一种管道机器人爬行校准方法和系统 |
CN117406759B (zh) * | 2023-12-14 | 2024-04-05 | 深圳天溯计量检测股份有限公司 | 一种管道机器人爬行校准方法和系统 |
CN117718973A (zh) * | 2024-02-08 | 2024-03-19 | 国机传感科技有限公司 | 基于轴向加速度的机器人离散控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109358340B (zh) | 一种基于激光雷达的agv室内地图构建方法及系统 | |
CN109975792B (zh) | 基于多传感器融合矫正多线激光雷达点云运动畸变的方法 | |
CN110262495B (zh) | 可实现移动机器人自主导航与精确定位的控制系统及方法 | |
EP3715785B1 (en) | Slam assisted ins | |
US7463340B2 (en) | Ladar-based motion estimation for navigation | |
CN116728410A (zh) | 一种在狭窄工作环境下的机器人绝对定位精度误差补偿方法 | |
US8775063B2 (en) | System and method of lane path estimation using sensor fusion | |
CN113311873B (zh) | 一种基于视觉的无人机伺服跟踪方法 | |
CN111123925A (zh) | 一种移动机器人导航系统以及方法 | |
CN112882053B (zh) | 一种主动标定激光雷达和编码器外参的方法 | |
CN111983936B (zh) | 一种无人机半物理仿真系统及测评方法 | |
CN112068152A (zh) | 使用3d扫描仪同时进行2d定位和2d地图创建的方法和系统 | |
Akai et al. | Autonomous navigation based on magnetic and geometric landmarks on environmental structure in real world | |
CN111596666A (zh) | 一种基于agv运动预测的障碍物碰撞威胁的检测方法 | |
Aref et al. | A multistage controller with smooth switching for autonomous pallet picking | |
CN117570958A (zh) | 一种应用非结构环境的鲁邦定位方法 | |
CN117007045A (zh) | 一种基于卡尔曼观测器的agv小车控制系统及方法 | |
Lee et al. | Development of advanced grid map building model based on sonar geometric reliability for indoor mobile robot localization | |
Yang et al. | AGV robot for laser-SLAM based method testing in automated container terminal | |
CN114166218A (zh) | 基于多定位融合的室内定位导航系统及方法 | |
Feng | Technical change and development trend of automatic driving | |
García-Gutierrez et al. | Obstacle Coordinates Transformation from TVS Body-Frame to AGV Navigation-Frame | |
Xu et al. | A new pose estimation method based on inertial and visual sensors for autonomous robots | |
CN117760417B (zh) | 一种基于4d毫米波雷达与imu的融合定位方法及系统 | |
Fortes et al. | Implementation of the Particle Filter in an embedded system for the localization of a differential mobile robot |
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 |