CN116909293A - 一种机器人路径规划方法及装置、电子设备、计算机可读介质 - Google Patents
一种机器人路径规划方法及装置、电子设备、计算机可读介质 Download PDFInfo
- Publication number
- CN116909293A CN116909293A CN202311175830.3A CN202311175830A CN116909293A CN 116909293 A CN116909293 A CN 116909293A CN 202311175830 A CN202311175830 A CN 202311175830A CN 116909293 A CN116909293 A CN 116909293A
- Authority
- CN
- China
- Prior art keywords
- robot
- path
- time
- candidate
- target
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 25
- 230000006870 function Effects 0.000 description 15
- 230000006399 behavior Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 241000282412 Homo Species 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本申请的实施例揭示了一种机器人路径规划方法及装置、电子设备、计算机可读介质。该方法包括:获取目标对象的人体运动时间序列,生成基于人体姿势的时空占用图;基于时空占用图,采用RRT的变体算法确定机器人到达目标位置的多条候选路径;基于各个候选路径的安全成本值从多条候选路径中确定出机器人的目标路径;计算机器人穿越目标路径中包含的所有障碍所需的时间,动态调整机器人通过目标路径中包含的各个障碍的运行速度;获取机器人经过候选路径中相邻两个途经点的机器人姿势;若机器人姿势与时空占用图存在交集,则优化规划路径的时间。本申请的实施例可以避免因为动态障碍造成的机器人生产中断,提高生产效率。
Description
技术领域
本申请涉及视路径规划技术领域,具体涉及一种机器人路径规划方法及装置、电子设备、计算机可读介质。
背景技术
随着自动化技术引入制造业,智慧工厂中引入了很多机器人帮助提高生产效率。在很多岗位中需要工人与机器人协同完成产品的生产,当前人机协作中的一个主要挑战是如何为机器人提供自主能力,以让机器人高效地与人类近距离协同工作。在智能工厂中,机器人和人类通常执行循环任务,人类的运动往往是重复和可预测的。如果能够高效地利用这种知识并设计人机协作控制算法,通过预测人类的轨迹计算机器人行动路径上无障碍时间窗口,从而主动避免因为人类移动在机器人路径上形成动态障碍而造成机器人生产中断的问题。
相关技术中,路径规划方法通常分为两种,一种是在规划时根据时间、障碍物的位置计算安全间隔并确保机器人可达性,一种是根据人类行为来动态及时的修改机器人运动路径,如快速扩展随机树和概率路线图的最新变体能让机器人对障碍物当前姿势进行判断,并及时规划路径,但是过去的规划方法通常只考虑当前的静态姿势,而不考虑障碍物的时间变化,导致机器人路径的延迟和生产延误。
发明内容
为解决上述技术问题,本申请的实施例提供了一种机器人路径规划方法及装置、电子设备、计算机可读介质。
根据本申请实施例的一个方面,提供了一种机器人路径规划方法,包括:获取目标对象的人体运动时间序列,基于所述人体运动时间序列生成基于人体姿势的时空占用图;基于所述时空占用图,采用RRT的变体算法确定机器人到达目标位置的多条候选路径;根据安全成本函数计算每条候选路径的安全成本值,基于各个候选路径的安全成本值从所述多条候选路径中确定出所述机器人的目标路径;计算机器人穿越所述目标路径中包含的所有障碍所需的时间,动态调整机器人通过所述目标路径中包含的各个障碍的运行速度;获取机器人经过所述候选路径中相邻两个途经点的机器人姿势;若所述机器人姿势与所述时空占用图存在交集,则优化规划路径的时间。
根据本申请实施例的一个方面,提供了一种机器人路径规划装置,包括:获取模块,配置为获取目标对象的人体运动时间序列,基于所述人体运动时间序列生成基于人体姿势的时空占用图;候选路径确定模块,配置为基于所述时空占用图,采用RRT的变体算法确定机器人到达目标位置的多条候选路径;目标路径确定模块,配置为根据安全成本函数计算每条候选路径的安全成本值,基于各个候选路径的安全成本值从所述多条候选路径中确定出所述机器人的目标路径;运行速度动态调整模块,配置为计算机器人穿越所述目标路径中包含的所有障碍所需的时间,动态调整机器人通过所述目标路径中包含的各个障碍的运行速度;机器人姿势获取模块,配置为获取机器人经过所述候选路径中相邻两个途经点的机器人姿势;路径优化模块,配置为若所述机器人姿势与所述时空占用图存在交集,则优化规划路径的时间。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如前所述的机器人路径规划方法。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行如上所述的机器人路径规划方法。
在本申请的实施例所提供的技术方案中,本申请基于人体运动时间序列生成基于人体姿势的时空占用图,采用RRT的变体算法确定机器人到达目标位置的多条候选路径,根据安全成本函数计算每条候选路径的安全成本值,基于各个候选路径的安全成本值从所述多条候选路径中确定出所述机器人的目标路径,根据机器人穿越目标路径中包含的所有障碍所需的时间,动态调整机器人通过目标路径中包含的各个障碍的运行速度。本申请利用整个任务期间预测的人体动态行为,而不是将其视为静态障碍或及时评估,可以避免因为动态障碍造成的机器人生产中断,提高生产效率,同时根据预测轨迹可以提高机器人的运行速度及生产效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术者来讲,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。在附图中:
图1是本申请的一示例性实施例示出的一种机器人路径规划方法的流程图;
图2是本申请的另一示例性实施例示出的一种机器人路径规划方法的流程图;
图3是本申请的一示例性实施例示出的机器人路径规划装置的框图;
图4是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在本申请中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的方案涉及机器人技术中的路径规划、人机协同技术。随着自动化技术引入制造业,智慧工厂中引入了很多机器人帮助提高生产效率。在很多岗位中需要工人与机器人协同完成产品的生产,当前人机协作中的一个主要挑战是如何为机器人提供自主能力,以让机器人高效地与人类近距离协同工作。在智能工厂中,机器人和人类通常执行循环任务,人类的运动往往是重复和可预测的。如果能够高效地利用这种知识并设计人机协作控制算法,通过预测人类的轨迹计算机器人行动路径上无障碍时间窗口,从而主动避免因为人类移动在机器人路径上形成动态障碍而造成机器人生产中断的问题。
相关技术中,路径规划方法通常分为两种,一种是在规划时根据时间、障碍物的位置计算安全间隔并确保机器人可达性,一种是根据人类行为来动态及时的修改机器人运动路径,如快速扩展随机树和概率路线图的最新变体能让机器人对障碍物当前姿势进行判断,并及时规划路径,但是过去的规划方法通常只考虑当前的静态姿势,而不考虑障碍物的时间变化,导致机器人路径的延迟和生产延误。
基于此,本申请的实施例提出一种机器人路径规划方法及机器人路径规划装置、电子设备、计算机可读介质,下文将进行详细描述。
请参阅图1,图1是本申请的一示例性实施例示出的机器人路径规划方法的流程图。
在一示例性的实施例中,机器人路径规划方法至少包括步骤S110至步骤S140,详细介绍如下:
步骤S110,获取目标对象的人体运动时间序列,基于人体运动时间序列生成基于人体姿势的时空占用图。
在本申请实施例中,目标对象的人体运动时间序列又可以称作人体预测行为序列,包括预测连续多个步长时间目标对象关节点在三维空间中所处的位置;目标对象关节点在三维空间中的位置是根据目标对象骨盆位置、四元数以及链接长度综合预测出的。
在本申请实施例中,在笛卡尔空间中生成一个时空占用图,时空占用图包括多个代表目标对象关节点的点,时空占用图中的每个点存储一组回避时间间隔,回避时间间隔表示目标对象人体部分在某个时间间隔内将会占用该空间,这也表示,机器人在运行中需要在这个时间间隔内进行回避。
在一示例性的实施例中,时空占用图包括连续多个步长时间目标对象关节点在每个时间步长的三维空间位置,以及各个目标对象关节点占用三维空间位置时机器人回避目标对象的回避时间间隔,即回避时间间隔内空间被目标对象占用,即三维空间中存在障碍,机器人回避,时空占用图表示连续多个步长时间目标对象占用三维空间位置的时间,机器人根据时空占用图确定须回避的位置和时间。
在一示例性的实施例中,目标对象关节点的确认包括:在三维空间中用圆柱体来表示每个目标对象的人体关节,然后将对应的圆柱体离散成点,变成点云,每个点代表一个目标对象关节点,从而将目标对象各关节点的位置对应到时空占用图中。
在本申请实施例中,涉及回避时间间隔的定义包括:将以机器人为中心的笛卡尔空间定义为,在一组时间步长中被人体占用的一组点集合定义为/>,笛卡尔空间中的每个点被占用的时间间隔为/>,其中,/>表示每个时间间隔有开始时间戳,/>表示结束时间戳。如果/>中的一个点在一组连续的时间步长中都被占用了,则该点被占用的时间间隔中的开始时间戳是第一个时间步长的开始时间,结束时间戳是最后一个时间步长的结束时间。
将中的每个点被占用的时间间隔的起始时间戳和结束时间戳定义为/>和/>,其中/>代表第/>个时间间隔,/>代表第/>个障碍(障碍即指目标对象关节点),/>中的每个点被占用的时间间隔即为目标对象关节点占用三维空间时机器人需进行回避的回避时间间隔,回避时间间隔的计算表达式如下:
其中,是第/>个障碍占用了点/>的第/>个时间间隔,障碍即指目标对象关节点,/>表示第/>个障碍占用点/>的起始时间戳,/>表示第/>个障碍占用点/>的结束时间戳,其中/>代表第/>个时间间隔,/>代表第/>个障碍,/>表示第/>个障碍当前的时间步长,/>是预测行为序列的第/>个障碍最后一个时间步长,/>代表聚合所有障碍占用点/>的所有时间间隔。
在本申请实施例中,如果在人体预测行为序列的最后一个步长中点被第个障碍占用,那么必须假设点/>将被第/>个障碍占用后续的所有时间。因此,某些点在笛卡尔空间中存在最后允许通过时间的概念,机器人在最后允许通过时间之前均可安全通过该点。
最后允许通过时间的计算表达式如下:
其中,代表第/>个障碍在第/>个时间间隔所占据的点/>最后允许通过时间,/>表示第/>个障碍占用点/>的起始时间戳,/>则代表点的最后允许通过时间。
步骤S120,基于时空占用图,采用RRT的变体算法确定机器人到达目标位置的多条候选路径。
需要说明的是,标准RTT*算法从机器人的配置空间中均匀随机选择新的节点,如果新节点的连接有更低的成本,则将新节点与本节点建立关系,这确保了随着节点和连接的添加,轨迹收敛到最佳路径。
在本申请实施例中,采用RRT的变体算法确定机器人到达目标位置的多条候选路径的过程,具体包括如下过程:
获取机器人的起始位置点,遍历起始位置点的所有邻居点,计算机器人从起始位置点至各个邻居点的路途时间间隔,将路途时间间隔低于预设路途时间间隔阈值的邻居点作为第一候选点,并将第一候选点与起始位置点建立连接,接着再遍历第一候选点的所有邻居点,计算机器人从第一候选点至邻居点的路途时间间隔,将路途时间间隔低于预设路途时间间隔阈值的邻居点作为第二候选点(第二候选点与起始位置点为不同点),将第二候选点与第一候选点建立连接,如此重复直至与目标位置点建立连接,最终得到机器人到达目标位置的多条候选路径。
需要说明的是,通过遍历邻居点的方式确定候选点时,需要排除掉路径规划中已选择的位置点,例如,遍历第二候选点的所有邻居点,确定第三候选点时,计算所述机器人从所述第二候选点至各个邻居点的路途时间间隔,将所述路途时间间隔低于所述预设路途时间间隔阈值的邻居点作为第三候选点,第三候选点与第一候选点为不同点。
在一示例性的实施例中,如果新节点的连接有一个更小的到达时间,则重新建立连接。在添加新节点时,为了在重新建立连接时减少/>,需要检查所有新节点的邻居,从而判断是否有更优的父节点,通过仅针对新节点的邻居来更新父节点,可以确保新节点对应的机器人配置是从机器人配置空间中均匀随机选择,每个现有节点都具有相同概率将其连接升级到更优的父节点(减少其到达时间),当目标节点的连接被找到后,将从开始节点到目标节点的最优序列定义为/>,/>可以视为到达目标节点的最短时间序列。
在本申请实施例中,机器人到达目标位置的候选路径中包括多个途径点,机器人按照候选路径从始发点到达目标位置途中所需经过的点为途经点。
步骤S130,根据安全成本函数计算每条候选路径的安全成本值,基于各个候选路径的安全成本值从多条候选路径中确定出机器人的目标路径。
需要说明的是,由于ISO/TS15066标准定义了SSM安全控制器来保障人类安全,其根据人与机器人的距离来限制机器人的速度,如果人与机器人的距离太小,则安全控制器会停止机器人。
为了减少SSM安全控制器带来的潜在影响,本申请实施例引入安全成本函数。首先,定义目标对象在时间的第/>个点与机器人在配置/>的第/>个点的距离为/>,/>的计算表达如下:
其中,表示对象在时间/>的第/>个点的位置,/>表示机器人在配置/>的第/>个点的位置,/>表示计算欧几里得距离。
计算机器人在配置的第/>个点与人体在时间/>的第/>个点之间允许的最大速度,计算表达式如下:
其中,是人相对于机器人的速度,/>是机器人相对于人的最大减速,/>是机器人的反应时间,/>是允许机器人运动的人和机器人之间的最小距离。
机器人在人类方向上的切向速度大小计算公式如下:
其中,是机器人第/>个点在配置/>的雅可比矩阵,/>是机器人从配置到达点配置/>的最小时间,同时/>将根据以下计表达式进行更新:
其中,和/>之间的范围被分到配置/>中,然后完成每个/>的时间被相加得到。
计算是到达/>的标称时间/>,计算表达式如下:
计算安全成本函数,如果/>超过用户选择的阈值,需要预测未来短时间的人体姿势来查看由于人类接近而造成的延迟是否被预测为暂时的。计算安全成本函数/>的计算表达式如下:
其中,的更新将被用在/>的计算表达式中。
本申请实施例通过估计人类引起的延迟以及SSM安全控制器的影响,根据机器人与人体之间的距离优化机器人运行速度从而提高生产效率。
步骤S140,计算机器人穿越目标路径中包含的所有障碍所需的时间,动态调整机器人通过目标路径中包含的各个障碍的运行速度,如图2所示。
在实际应用中,如果机器人的运动轨迹与目标对象活动产生的回避时间间隔冲突,如果机器人暂停运动会降低生产效率,本申请实施例为了避免机器人因为回避人体动态行为而暂停生产,通过时间参数化让机器人在靠近目标对象前降低运行速度,在回避时间间隔不与目标对象产生位置重合,从而避开目标对象,从而避免这种暂停,提高了机器人的生产效率。本申请实施例通过基于回避时间间隔的时间参数化方法来提高生产效率,具体如下:
确定开始节点到目标节点的最优序列后,根据序列/>,从目标节点反向向前看,机器人到达连接每个父节点的时间为已知,计算第/>个机器人配置/>,对于第/>个机器人配置/>,在连续连接中的机器人速度将被限制。
其中,第个机器人配置/>的计算表达式如下:
其中,表示第/>个机器人的配置/> ,/> 表示第/> 个机器人的配置/>。
在本申请实施例中,如果下一次连接被延迟来避免预期的人体姿势,连接速度限制会降低机器人的速度,这可以防止机器人在等待回避时间间隔时停止靠近人,有助于提高人机协作效率。
需要说明的是,时间参数化还允许父节点是开始节点的连接的大于0。机器人在开始运动之前,应该在开始节点等待,以在第一个连接内避开人体障碍。如果机器人的运动轨迹与人类活动产生回避时间间隔冲突,那么机器人会暂停运动,这降低了生产效率,而通过时间参数化,本发明让机器人通过降低运行速度绕过回避时间间隔来避免这种暂停,从而提高了生产效率。
步骤S150,获取机器人经过候选路径中相邻两个途经点的机器人姿势。
步骤S160,若机器人姿势与时空占用图存在交集,则优化规划路径的时间。
具体地,若机器人姿势与时空占用图存在交集,则优化规划路径的时间的过程,具体包括以下过程:
计算候选路径中相邻两个途经点的时间间隔;
若时间间隔与时空占用图中的回避时间间隔/>相交,则根据时间优化公式优化规划路径的时间。
在一示例性的实施例中,候选路径中相邻两个途经点的时间间隔,计算表达式如下:
其中,初始为/>,/>为机器人从开始配置到该配置/>的最小时间,表示到达点/>的最小时间,/>是每个机器人自由度的最大速度矢量,/>代表每个自由度。
在一示例性的实施例中,时间优化公式的计算表达式如下:
其中,是用户定义常量,/>越大,则与预测相比,该规划对实际人体运动的偏差越宽容。
如果或者/>比/>大,则该连接将被永久阻止(如工人在一个任务后没有远离机器人,则该机器人的路径将被永久阻止)。每次/>更新时,/>也需要根据公式更新。在路径优化中,达到/>的时间/>可以被视为达到/>的成本。
由上可知,本申请实施例提供一种机器人路径规划方法,其基于人体运动时间序列生成基于人体姿势的时空占用图,采用RRT的变体算法确定机器人到达目标位置的多条候选路径,根据安全成本函数计算每条候选路径的安全成本值,基于各个候选路径的安全成本值从多条候选路径中确定出机器人的目标路径,根据机器人穿越目标路径中包含的所有障碍所需的时间,动态调整机器人通过目标路径中包含的各个障碍的运行速度。本申请将机器人被目标对象阻碍时所需回避的回避时间间隔作为参数,对机器人的行进速度进行控制,例如根据预测的回避时间间隔降低机器人运行速度进而避免因人类活动而暂停生产,从而提高生产效率。其次,本申请还通过设计安全成本函数来减少SSM安全控制器带来的潜在影响;此外,本申请实施例利用整个任务期间预测的人体动态行为,而不是将其视为静态障碍或及时评估,可以避免因为动态障碍造成的机器人生产中断,提高生产效率,同时根据预测轨迹可以提高机器人的运行速度及生产效率。
图3是本申请的一示例性实施例示出的机器人路径规划装置的框图。如图3所示,该示例性的机器人路径规划装置包括:
获取模块310,配置为获取目标对象的人体运动时间序列,基于人体运动时间序列生成基于人体姿势的时空占用图;
候选路径确定模块320,配置为基于时空占用图,采用RRT的变体算法确定机器人到达目标位置的多条候选路径;
目标路径确定模块330,配置为根据安全成本函数计算每条候选路径的安全成本值,基于各个候选路径的安全成本值从多条候选路径中确定出机器人的目标路径;
运行速度动态调整模块340,配置为计算机器人穿越目标路径中包含的所有障碍所需的时间,动态调整机器人通过目标路径中包含的各个障碍的运行速度。
机器人姿势获取模块350,配置为获取机器人经过所述候选路径中相邻两个途经点的机器人姿势;
路径优化模块360,配置为若所述机器人姿势与所述时空占用图存在交集,则优化规划路径的时间。
需要说明的是,上述实施例所提供的机器人路径规划装置与上述实施例所提供的机器人路径规划方法属于同一构思,其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。上述实施例所提供的机器人路径规划装置在实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能,本处也不对此进行限制。
本申请的实施例还提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得电子设备实现上述各个实施例中提供的机器人路径规划方法。
图4示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。需要说明的是,图4示出的电子设备的计算机系统400仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统400包括中央处理单元(Central Processing Unit,CPU)401,其可以根据存储在只读存储器(Read-Only Memory,ROM)402中的程序或者从储存部分408加载到随机访问存储器(Random Access Memory,RAM)403中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 403中,还存储有系统操作所需的各种程序和数据。CPU401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(Input /Output,I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分407;包括硬盘等的储存部分408;以及包括诸如LAN(Local Area Network,局域网)卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入储存部分408。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
本申请的另一方面还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如前所述的机器人路径规划方法。该计算机可读存储介质计算机可读介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中。
上述内容,仅为本申请的较佳示例性实施例,并非用于限制本申请的实施方案,本领域普通技术人员根据本申请的主要构思和精神,可以十分方便地进行相应的变通或修改,故本申请的保护范围应以权利要求书所要求的保护范围为准。
Claims (9)
1.一种机器人路径规划方法,其特征在于,包括:
获取目标对象的人体运动时间序列,基于所述人体运动时间序列生成基于人体姿势的时空占用图;
基于所述时空占用图,采用RRT的变体算法确定机器人到达目标位置的多条候选路径;
根据安全成本函数计算每条候选路径的安全成本值,基于各个候选路径的安全成本值从所述多条候选路径中确定出所述机器人的目标路径;
计算所述机器人穿越所述目标路径中包含的所有障碍所需的时间,动态调整所述机器人通过所述目标路径中包含的各个障碍的运行速度;
获取所述机器人经过所述候选路径中相邻两个途经点的机器人姿势;
若所述机器人姿势与所述时空占用图存在交集,则优化规划路径的时间。
2.根据权利要求1所述的方法,其特征在于,所述时空占用图中包括目标对象关节点占用三维空间时机器人回避所述目标对象的回避时间间隔,所述回避时间间隔的计算表达式如下:
其中,是第/>个障碍占用了点/>的第/>个时间间隔,障碍即指目标对象关节点,/>表示第/>个障碍占用点/>的起始时间戳,/>表示第/>个障碍占用点的结束时间戳,其中/>代表第/>个时间间隔,/>代表第/>个障碍,/>表示第/>个障碍当前的时间步长,/>是预测行为序列的第/>个障碍最后一个时间步长,/>代表聚合所有障碍占用点/>的所有时间间隔。
3.根据权利要求2所述的方法,其特征在于,所述若所述机器人姿势与所述时空占用图存在交集,则优化规划路径的时间,包括:
计算所述候选路径中相邻两个途经点的时间间隔;
若所述时间间隔与所述时空占用图中的回避时间间隔/>相交,则根据时间优化公式优化规划路径的时间。
4.根据权利要求3所述的方法,其特征在于,所述候选路径中相邻两个途经点的时间间隔,计算表达式如下:
其中,初始为/>,/>为机器人从开始配置到该配置/>的最小时间,/>表示到达点/>的最小时间,/>是每个机器人自由度的最大速度矢量,/>代表每个自由度。
5.根据权利要求1所述的方法,其特征在于,所述采用RRT的变体算法确定机器人到达目标位置的多条候选路径,包括:
获取所述机器人的起始位置点,遍历所述起始位置点的所有邻居点;
计算所述机器人从所述起始位置点至各个邻居点的路途时间间隔,将所述路途时间间隔低于预设路途时间间隔阈值的邻居点作为第一候选点与所述起始位置点建立连接;
遍历所述第一候选点的所有邻居点,计算所述机器人从所述候选点至各个邻居点的路途时间间隔,将所述路途时间间隔低于所述预设路途时间间隔阈值的邻居点作为第二候选点,将所述第一候选点与所述第二候选点建立连接;所述第二候选点与所述起始位置点为不同点;
如此重复直至与目标位置点建立连接,最终得到所述机器人到达目标位置的多条候选路径。
6.根据权利要求2所述的方法,其特征在于,在所述根据安全成本函数计算每条候选路径的安全成本值,基于各个候选路径的安全成本值从所述多条候选路径中确定出所述机器人的目标路径之后,所述方法还包括:
当所述机器人靠近所述目标对象时,降低所述机器人的运行速度,从而在所述回避时间间隔避开所述目标对象。
7.一种机器人路径规划装置,其特征在于,包括:
获取模块,配置为获取目标对象的人体运动时间序列,基于所述人体运动时间序列生成基于人体姿势的时空占用图;
候选路径确定模块,配置为基于所述时空占用图,采用RRT的变体算法确定机器人到达目标位置的多条候选路径;
目标路径确定模块,配置为根据安全成本函数计算每条候选路径的安全成本值,基于各个候选路径的安全成本值从所述多条候选路径中确定出所述机器人的目标路径;
运行速度动态调整模块,配置为计算所述机器人穿越所述目标路径中包含的所有障碍所需的时间,动态调整所述机器人通过所述目标路径中包含的各个障碍的运行速度;
机器人姿势获取模块,配置为获取所述机器人经过所述候选路径中相邻两个途经点的机器人姿势;
路径优化模块,配置为若所述机器人姿势与所述时空占用图存在交集,则优化规划路径的时间。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述电子设备实现如权利要求1至6中任一项所述的机器人路径规划方法。
9.一种计算机可读介质,其特征在于,其上存储有计算机可读指令,当所述计算机可读指令被计算机的处理器执行时,使计算机执行如权利要求1至6中任一项所述的机器人路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175830.3A CN116909293B (zh) | 2023-09-13 | 2023-09-13 | 一种机器人路径规划方法及装置、电子设备、计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175830.3A CN116909293B (zh) | 2023-09-13 | 2023-09-13 | 一种机器人路径规划方法及装置、电子设备、计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116909293A true CN116909293A (zh) | 2023-10-20 |
CN116909293B CN116909293B (zh) | 2023-12-12 |
Family
ID=88358766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311175830.3A Active CN116909293B (zh) | 2023-09-13 | 2023-09-13 | 一种机器人路径规划方法及装置、电子设备、计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116909293B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106406320A (zh) * | 2016-11-29 | 2017-02-15 | 重庆重智机器人研究院有限公司 | 机器人路径规划方法及规划路线的机器人 |
CN106774314A (zh) * | 2016-12-11 | 2017-05-31 | 北京联合大学 | 一种基于行走轨迹的家庭服务机器人路径规划方法 |
JP2020004421A (ja) * | 2019-08-01 | 2020-01-09 | エヌイーシー ラボラトリーズ ヨーロッパ ゲーエムベーハー | 1個以上の障害物を回避して始状態から終状態集合まで移動する物体の経路を決定する方法およびシステム |
CN111027473A (zh) * | 2019-12-09 | 2020-04-17 | 山东省科学院自动化研究所 | 一种基于人体关节运动实时预测的目标识别方法及系统 |
CN112902961A (zh) * | 2021-01-19 | 2021-06-04 | 宁德思客琦智能装备有限公司 | 基于机器视觉定位的标定方法、介质、标定设备及系统 |
US20210178590A1 (en) * | 2019-12-13 | 2021-06-17 | Edda Technology, Inc. | Fast method for robot path planning with obstacle avoidance |
CN113885535A (zh) * | 2021-11-25 | 2022-01-04 | 长春工业大学 | 一种冲击约束的机器人避障和时间最优轨迹规划方法 |
-
2023
- 2023-09-13 CN CN202311175830.3A patent/CN116909293B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106406320A (zh) * | 2016-11-29 | 2017-02-15 | 重庆重智机器人研究院有限公司 | 机器人路径规划方法及规划路线的机器人 |
CN106774314A (zh) * | 2016-12-11 | 2017-05-31 | 北京联合大学 | 一种基于行走轨迹的家庭服务机器人路径规划方法 |
JP2020004421A (ja) * | 2019-08-01 | 2020-01-09 | エヌイーシー ラボラトリーズ ヨーロッパ ゲーエムベーハー | 1個以上の障害物を回避して始状態から終状態集合まで移動する物体の経路を決定する方法およびシステム |
CN111027473A (zh) * | 2019-12-09 | 2020-04-17 | 山东省科学院自动化研究所 | 一种基于人体关节运动实时预测的目标识别方法及系统 |
US20210178590A1 (en) * | 2019-12-13 | 2021-06-17 | Edda Technology, Inc. | Fast method for robot path planning with obstacle avoidance |
CN112902961A (zh) * | 2021-01-19 | 2021-06-04 | 宁德思客琦智能装备有限公司 | 基于机器视觉定位的标定方法、介质、标定设备及系统 |
CN113885535A (zh) * | 2021-11-25 | 2022-01-04 | 长春工业大学 | 一种冲击约束的机器人避障和时间最优轨迹规划方法 |
Non-Patent Citations (1)
Title |
---|
刘紫燕;张杰;: "改进RRT算法的室内移动机器人路径规划", 计算机工程与应用, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
CN116909293B (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pant et al. | Fly-by-logic: Control of multi-drone fleets with temporal logic objectives | |
US10894322B2 (en) | Robot motion planning | |
Herrero-Perez et al. | Modeling distributed transportation systems composed of flexible automated guided vehicles in flexible manufacturing systems | |
Hu et al. | Self-adaptive traffic control model with behavior trees and reinforcement learning for AGV in industry 4.0 | |
JP7332199B2 (ja) | 共用ワークスペースにおける複数のロボットの動作計画 | |
Nishi et al. | Petri net decomposition approach to optimization of route planning problems for AGV systems | |
Muñoz-Vázquez et al. | Predefined-time robust contour tracking of robotic manipulators | |
Kinugawa et al. | Adaptive task scheduling for an assembly task coworker robot based on incremental learning of human's motion patterns | |
Purwin et al. | Theory and implementation of path planning by negotiation for decentralized agents | |
JP2017024113A (ja) | 人間協調型ロボットシステムのロボットシミュレーション装置 | |
Yasuda | Behavior-based autonomous cooperative control of intelligent mobile robot systems with embedded Petri nets | |
Gregoire et al. | Priority-based intersection management with kinodynamic constraints | |
WO2022183790A1 (zh) | 路径规划方法、装置、移动机器人、存储介质及程序 | |
CN108803592B (zh) | 用于避免机器人碰撞的方法、装置和系统 | |
Forte et al. | Online task assignment and coordination in multi-robot fleets | |
Zhao et al. | Spare zone based hierarchical motion coordination for multi-AGV systems | |
Lyu et al. | Adaptive safe merging control for heterogeneous autonomous vehicles using parametric control barrier functions | |
CN114211495B (zh) | 面向半导体晶圆传送机械臂的自适应轨迹优化方法及系统 | |
Van Koevering et al. | Provable probabilistic safety and feasibility-assured control for autonomous vehicles using exponential control barrier functions | |
CN116909293B (zh) | 一种机器人路径规划方法及装置、电子设备、计算机可读介质 | |
Asma et al. | Dynamic Distributed PSO joints elites in Multiple Robot Path Planning Systems: theoretical and practical review of new ideas | |
Wu et al. | Two-level vehicle path planning model for multi-warehouse robots with conflict solution strategies and improved ACO | |
Lyu et al. | CBF-inspired Weighted Buffered Voronoi Cells for Distributed Multi-agent Collision Avoidance | |
Godoy et al. | Anytime navigation with progressive hindsight optimization | |
Yel et al. | Fast run-time monitoring, replanning, and recovery for safe autonomous system operations |
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 |