CN116985147B - 机械臂逆运动学求解方法及装置 - Google Patents

Abstract

本发明实施例涉及一种机械臂逆运动学求解方法及装置，所述方法包括：根据预设的机械臂轨迹规划路径，获取所述机械臂轨迹规划路径中的待求解目标点位；根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位；针对第一类目标点位，采用第一求解方法进行求解；针对第二类目标点位，采用第二求解方法进行求解；其中，所述第一类目标点位包括关键路点和奇异点，第一求解方法包括数值解求解方法。本发明实施例提供的技术方案，根据待求解目标点位的特性参数来选取求解方法，并通过对机械臂进行等效构型来加速数值解的计算过程，提高了机械臂逆运动学求解过程中的精度和效率。

Description

机械臂逆运动学求解方法及装置

技术领域

本发明实施例涉及机械臂控制技术领域，尤其涉及一种机械臂逆运动学求解方法及装置。

背景技术

在机器人或者机械臂控制过程中，对于一个串联的关节型机器人/机械臂，如果已知各个关节的角度去求机器人/机械臂末端的位置和姿态，这个过程为正运动学求解；反之，如果已知末端的位置和姿态去求各关节角度，这个过程称为逆运动学求解，即逆运动学描述由机器人/机械臂末端位置和姿态到机器人/机械臂各关节角度的映射关系。

逆运动学是实现机器人/机械臂笛卡尔空间运动控制的基础，逆运动学求解质量及算法复杂度直接关系到机器人/机械臂的绝对定位精度及轨迹跟踪质量。通常，机器人/机械臂的逆运动学求解方法主要有解析解法和数值解法两种。其中，解析解法计算量小、实时性好，被广泛应用于机器人/机械臂的逆运动学求解，其缺点是机器人/机械臂的构型必须满足Pieper准则，且可能无法对奇异点的位姿实现有效逆解，在某些奇异点位会出现求解失败的问题，且由于某些参数的耦合性无法实现全参数的运动学标定与补偿，导致机器人/机械臂的绝对定位精度较差；数值解法不受机器人构型限制、通用性好，但求解费时，存在实时性差、可能无法控制最终解的位形等问题。

发明内容

基于现有技术的上述情况，本发明实施例的目的在于提供一种机械臂逆运动学求解方法及装置，将解析解法和数值解法相结合，提高了机械臂逆运动学求解过程中的精度和效率。

为达到上述目的，根据本发明的一个方面，提供了一种机械臂逆运动学求解方法，包括：

根据预设的机械臂轨迹规划路径，获取所述机械臂轨迹规划路径中的待求解目标点位；

根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位；

针对第一类目标点位，采用第一求解方法进行求解；针对第二类目标点位，采用第二求解方法进行求解；

其中，所述第一类目标点位包括关键路点和奇异点，第一求解方法包括数值解求解方法。

进一步的，根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位，包括：

若待求解目标点位为所述机械臂轨迹规划路径中的速度过零点或者终止点，则所述待求解目标点位为第一类目标点；

若待求解目标点位为所述机械臂轨迹规划路径中的奇异点，则所述待求解目标点位为第一类目标点；

否则，所述待求解目标点位为第二类目标点。

进一步的，所述数值解求解方法包括：

建立机械臂的正运动学模型，根据所述模型获得机械臂关节角度与笛卡尔空间位姿的映射关系；

建立机械臂的数值解模型，基于所述映射关系对所述数值解模型求解；

其中，所述数值解模型包括：

；

；

为给定的目标位姿矩阵，/>为机器人关节角度，/>为根据正运动学模型的参数误差组成的误差向量，/>表示描述关节角度/>对应位姿与给定/>的误差函数，/>为机械臂关节角度下极限，/>为机械臂关节角度上极限。

进一步的，基于所述映射关系对所述数值解模型求解，包括：

将机械臂构型等效为包括腕关节、肘关节和肩关节的等效构型；

根据以下公式计算在所述等效构型中的关节角度，作为数值解模型的解的前3维：

；

；

；

其中，表示机械臂在xy轴平面内的旋转角度，/>表示肘关节的俯仰角度，/>表示腕关节的俯仰角度，俯仰角度表示垂直于xy轴平面方向且相对于xy轴平面方向的角度；表示待求解目标点位的预定位姿在xyz坐标轴中的位置向量；/>为肩关节、肘关节及腕关节所在平面、过肩关节点与z轴垂直的轴向，/>为等效构型在/>轴上的投影长度，/>；/>为第一等效长度，/>为第二等效长度。

进一步的，所述和/>根据以下公式确定：

；

；

其中，为肩关节和肘关节之间的连杆长度，/>为肘关节和腕关节之间的连杆长度。

进一步的，所述第二求解方法包括解析解求解方法。

进一步的，所述解析解求解方法包括：

建立机械臂的正运动学模型，根据所述模型获得机械臂关节角度与笛卡尔空间位姿的映射关系；

建立机械臂的解析解模型，基于所述映射关系对所述解析解模型求解。

根据本发明的另一个方面，提供了一种机械臂逆运动学求解装置，包括：

机械臂轨迹规划路径获取模块，用于根据预设的机械臂轨迹规划路径，获取所述机械臂轨迹规划路径中的待求解目标点位；

目标点位判断模块，用于根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位；

逆运动学求解模块，用于对待求解目标点位进行求解，针对第一类目标点位，采用第一求解方法进行求解；针对第二类目标点位，采用第二求解方法进行求解；

其中，所述第一类目标点位包括关键路点和奇异点，第一求解方法包括数值解求解方法。

进一步的，所述目标点位判断模块，根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位，包括：

若待求解目标点位为所述机械臂轨迹规划路径中的速度过零点或者终止点，则所述待求解目标点位为第一类目标点；

若待求解目标点位为所述机械臂轨迹规划路径中的奇异点，则所述待求解目标点位为第一类目标点；

否则，所述待求解目标点位为第二类目标点。

进一步的，所述逆运动学求解模块包括数值解求解单元和解析解求解单元；

所述数值解求解单元，用于针对第一类目标点位，采用数值解方法求解；

所述解析解求解单元，用于针对第二类目标点位，采用解析解方法求解。

综上所述，本发明实施例提供了一种机械臂逆运动学求解方法及装置，所述方法包括：根据预设的机械臂轨迹规划路径，获取所述机械臂轨迹规划路径中的待求解目标点位；根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位；针对第一类目标点位，采用第一求解方法进行求解；针对第二类目标点位，采用第二求解方法进行求解；其中，所述第一类目标点位包括关键路点和奇异点，第一求解方法包括数值解求解方法。本发明实施例提供的技术方案，根据待求解目标点位的特性参数来选取求解方法，并通过对机械臂进行等效构型来加速数值解的计算过程，将解析解法和数值解法有机结合，提高了机械臂逆运动学求解过程中的精度和效率。

附图说明

图1是本发明实施例提供的机械臂逆运动学求解方法的流程图；

图2是基于改进DH参数法建立的运动学坐标系模型示意图；

图3是简化后的机械臂等效构型示意图；

图4是机械臂等效构型的侧视图；

图5是机械臂等效构型的xy轴视图；

图6是本发明实施例提供的机械臂逆运动学求解装置的结构框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

需要说明的是，除非另外定义，本发明一个或多个实施例使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。

下面结合附图对本发明的技术方案进行详细说明。本发明的实施例，提供了一种机械臂逆运动学求解方法，本发明实施例中所涉及的机械臂可以为独立执行相关功能的机械臂单体，也可以为包括在整体机器人系统中的可以单独控制的机械臂部件。图1中示出了该方法的流程图，所述方法包括如下步骤：

S202、根据预设的机械臂轨迹规划路径，获取所述机械臂轨迹规划路径中的待求解目标点位。基于前述逆运动学的定义说明，该步骤中，根据预设的机械臂轨迹规划路径，获取所述机械臂轨迹规划路径中的待求解目标点位，以根据逆运动学方法求解得到机械臂各关节角度。

S204、根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位。本发明实施例中，第一类目标点位包括关键路点和奇异点。关键路点，是指机械臂轨迹规划路径中对绝对定位精度要求较高的轨迹规划点，例如最终要到达的目标点；奇异点，是指位于机械臂人操作度较差或者自由度退化的可达区域中的轨迹规划点。关键路点的判断可以通过检测待求解目标点位是否为轨迹规划路径中的速度过零点或终止点，若是，则判断该待求解目标点位为关键路点。奇异点的判断根据所选用机械臂类型的不同有所不同，可以根据实际情况进行判断，在此不做具体限定。若经过判断待求解目标点位既不是关键路点也不是奇异点，则判断待求解目标点位为第二类目标点。以六自由度机械臂为例（本发明实施例以六自由度机械臂为例进行说明，但本发明涉及的方法及装置不限于六自由度机械臂，也适用于例如七自由度机械臂等其他类型机械臂中），奇异点的判断条件如下：

若给定的目标位姿矩阵的位置元素满足下式（1），则机械臂接近肩部奇异区域：

（1）

若给定的目标位姿矩阵的位置元素满足下式（2），则机械臂接近肘部奇异区域：

（2）

式中为自适应调整算子。

若给定的目标位姿矩阵的姿态元素满足/>，则机器人接近腕部奇异区域。若可预知关键路点，还可使用多线程进行数值解的求解，即在主线程中执行当前路点的解析解求解及运动控制，在子线程中预先计算关键路点的数值逆解，可进一步提高算法实时性。

S206、针对第一类目标点位，采用第一求解方法进行求解；针对第二类目标点位，采用第二求解方法进行求解。该步骤中，根据上述步骤S204的判断结果，决定在运动过程中机械臂应该使用哪种逆运动学模型进行逆解求解。本发明实施例中，第一求解方法为数值解求解方法，基于全参数补偿的正运动学，使用数值解进行逆解求解，使得机械臂在关键路点以及奇异点的绝对定位精度提高；第二求解方法为解析解求解方法，以保证机械臂在轨迹规划路径的执行过程中有较好的实时性，解决了数值解求解实时性差、计算量大的问题。采用解析解方法求解，通过几何关系求得关节角度与笛卡尔位姿的映射关系，进而由给定笛卡尔位姿求出其所对应的关节角度；采用数值解方法求解，通过求解关节角度所对应笛卡尔位姿与给定笛卡尔位姿的误差最小值来实现问题的求解。

本发明提供的实施例中，数值解求解方法可以包括如下步骤：

S2061、建立机械臂的正运动学模型，根据所述模型获得机械臂关节角度与笛卡尔空间位姿的映射关系。建立正运动学模型，是指通过一定的标定或测量手段得到所有连杆参数补偿值，基于此建立的由机械臂关节角度到笛卡尔空间位姿的映射关系。其中涉及的标定或测量手段，包括但不限于激光跟踪仪、多机对拖、拉线传感器、以及视觉传感器等手段。以具有六自由度的机械臂为例，使用改进的DH参数法建立机械臂的正运动学模型，图2中示出了基于改进DH参数法建立的运动学坐标系模型示意图，图2中，x0和z0表示基座所在坐标系的x轴和z轴，x1，x2……x6以及z1，z2……z6分别表示各个关节所在坐标系的x轴和z轴。表1中示出了对应该模型的MDH参数表。

表1MDH参数表

表1中，为绕/>从/>旋转到/>的角度；/>为沿/>从/>移动到/>的距离；/>为沿/>从/>移动到/>的距离；/>为绕/>从/>旋转到/>的角度，其中。由表1中数据可得到机械臂正运动学模型（为表述方便，此处不考虑工具坐标系、安装角度及用户坐标系等因素的影响）如下：

（3）

上式中，T为描述机械臂末端在笛卡尔空间中的位置和姿态的齐次变换矩阵，表示在关节i角度下连杆i所相对于上一连杆姿态的齐次变换矩阵。使用全参数补偿后的DH参数代替上述公式（3）中原有参数。全参数补偿模型的参数，即通过标定或测量手段得到的所有连杆参数补偿值如表2所示。

表2全参数补偿模型的参数

表中，、/>、/>、/>分别表示/>、/>、/>、/>的误差补偿值，其中。对表2中的参数进行补偿后，得到的全参数补偿的DH参数如表3所示。

表3全参数补偿后的DH参数表

本发明上述实施例以改进的DH参数法为例对正运动学模型的建立进行了说明，建立正运动学模型的方法不限于DH参数法、PoE法等其他方法。

S2063、建立机械臂的数值解模型，基于所述映射关系对所述数值解模型求解。逆运动学数值解模型，是指将笛卡尔空间位姿到关节角度的映射关系求解问题转化成关节角度所对应笛卡尔位姿与给定笛卡尔位姿的误差最小值的最值优化模型。建立逆运动学数值解求解算法，即求解如下问题：

（4）

为给定的目标位姿矩阵，为机器人关节角度，/>为根据正运动学模型的参数误差组成的误差向量，/>表示描述关节角度/>对应位姿与给定/>的误差函数，为机械臂关节角度下极限，/>为机械臂关节角度上极限。本发明该实施例中，为了提高逆运动学数值解模型的求解效率，对机械臂进行构型简化形成等效构型，简化后的机械臂等效构型由肩关节、肘关节及腕关节构成，图3中示出了简化后的机械臂等效构型示意图。如图3所示，腕关节通常由机械臂的末端三个关节等效而成；肘关节由控制距离及高度的俯仰轴（通常为关节3）等效而成；肩关节由控制平面角度的旋转轴（通常为关节1）及控制肘关节高度的俯仰轴（通常为关节2）等效而成。通常来说，机械臂以从底座开始到末端法兰的方向，对关节电机进行编号，靠近底座的关节通常称为关节1，依次向上对各个关节进行编号。

对于给定位姿的位置向量（表示待求解目标点位的预定位姿在xyz坐标轴中的位置向量），图4和图5描述了在等效构型中与等效连杆的几何关系，其中，图4中示出了机械臂等效构型的侧视图，图5中示出了机械臂等效构型的xy轴视图。通过求解等效构型中的几何关系来得到机械臂在解附近的位形，可以消除大部分的位置误差，从而起到加速数值解的计算过程。根据上述分析，可以得到如下结果：

（5）

（6）

（7）

（8）

联立以上公式（5）-（8）可得：

（9）

（10）

（11）

其中，表示机械臂在xy轴平面内的旋转角度，/>表示肘关节的俯仰角度，/>表示腕关节的俯仰角度，俯仰角度表示垂直于xy轴平面方向且相对于xy轴平面方向的角度；表示待求解目标点位的预定位姿在xyz坐标轴中的位置向量；/>为肩关节、肘关节及腕关节所在平面、过肩关节点与z轴垂直的轴向，/>为等效构型在/>轴上的投影长度，/>；/>为第一等效长度，/>为第二等效长度。/>和/>根据以下公式确定：

（12）

（13）

其中，为肩关节和肘关节之间的连杆长度，/>为肘关节和腕关节之间的连杆长度。

可以通过上述公式（9）-（11）生成优化算法起始点的前3维，从而起到加速优化算法求解的作用。解的后3维可使用上一时刻的机械臂角度进行初始化，或使用随机数生成。进一步的，可以设置目标函数，目标函数包括但不限于以位姿矩阵误差的范数、位置误差与姿态误差的加权等方式。本发明实施例中，定义目标函数为：

（14）

式中，、/>为方向误差与位置误差的加权系数，/>分别对应下文式（18）中旋转矩阵所对应的欧拉角，/>分别对应解/>对应的齐次变换矩阵转换的欧拉角和位置。

进一步的，使用优化算法求解式（4），此处优化算法包括但不限于拟牛顿法、单纯形法、模拟退化法、粒子群算法、遗传算法等。

以粒子群算法为例，使用式（9）-（11）生成解的前3维，使用上一次调用解析解的结果或随机值生成解的后3维，解的后3维生成如下式所示：

（15）

式中，为第/>维解，/>为上一次解析解产生的第/>维解，/>为-1到1之间的随机小数。

进一步的，使用下式对代表解的粒子进行更新：

（16）

（17）

式中，为粒子/>的当前速度，/>为粒子/>的当前位置，/>为0到1之间的随机小数，/> 为学习因子，/>为粒子/>最好的值，/>为种群最好的值。

进一步的，将种群中的粒子均代入下式（18），若目标函数（又称适应度函数）不满足收敛条件，则继续更新每个粒子的位置和速度；否则输出最优结果，即为求解结果。

上述对于数值解求解方法举例进行了说明，本发明提供的方法不限于应用于粒子群算法的数值解求解方法，可以将本发明实施例提供的等效构型方法用于其他类型的数值解求解方法中生成优化算法起始点的前3维，从而起到了加速优化算法求解的作用。

本发明提供的实施例中，解析解求解方法可以包括如下步骤：

依据所述步骤S2061建立机械臂的正运动学模型，根据所述模型获得机械臂关节角度与笛卡尔空间位姿的映射关系。

S2065、建立机械臂的逆运动学解析解模型。假设给定待求解位姿表示如下：

（18）

式中，[n_x,n_y,n_z]^T、[o_x,o_y,o_z]^T、[a_x,a_y,a_z]^T分别为末端坐标系在基坐标系中表示的方向单位矢量，[p_x,p_y,p_z]^T为末端坐标系相对基系的位置。将式（18）两侧都乘，令两侧元素（2，4）相等，解得关节1角度/>：

（19）

令两侧元素（2，1）、（2，2）相等，并联立等式，解得关节5角度和关节6角度/>：

（20）

（21）

式中，，/>，/>为关节i角度，其中/>。令两侧元素（1，3）和（3，3）相等，得：

（22）

式中，，/>。

令两侧元素（1，4）和（3，4）相等，解得关节3角度：

（23）

令，解得关节2角度：

（24）

式中，

由式（22）-式（24），解得关节4角度：

（25）

本发明的实施例，还提供了一种机械臂逆运动学求解装置，图6中示出了所述装置的结构框图，如图6所示，所述装置包括：

机械臂轨迹规划路径获取模块，用于根据预设的机械臂轨迹规划路径，获取所述机械臂轨迹规划路径中的待求解目标点位；

目标点位判断模块，用于根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位；

逆运动学求解模块，用于对待求解目标点位进行求解，针对第一类目标点位，采用第一求解方法进行求解；针对第二类目标点位，采用第二求解方法进行求解；

其中，所述第一类目标点位包括关键路点和奇异点，第一求解方法包括数值解求解方法。所述逆运动学求解模块包括数值解求解单元和解析解求解单元；

所述数值解求解单元，用于针对第一类目标点位，采用数值解方法求解；

所述解析解求解单元，用于针对第二类目标点位，采用解析解方法求解。

本发明该实施例机械臂逆运动学求解装置中各模块和单元涉及的求解过程与本发明上述实施例提供的机械臂逆运动学求解方法中各步骤相同，在此将省略其重复描述。

综上所述，本发明实施例涉及一种机械臂逆运动学求解方法及装置，所述方法包括：根据预设的机械臂轨迹规划路径，获取所述机械臂轨迹规划路径中的待求解目标点位；根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位；针对第一类目标点位，采用第一求解方法进行求解；针对第二类目标点位，采用第二求解方法进行求解；其中，所述第一类目标点位包括关键路点和奇异点，第一求解方法包括数值解求解方法。本发明实施例提供的技术方案，将数值解与解析解结合，提出一种等效构型，并根据等效构型得到部分解析解，基于此来加速数值解的求解过程。并且对轨迹规划路径中的待求解目标点位进行分析判断，针对关键路点，基于全参数补偿的正运动学，使用数值解进行逆解求解，使得机器人在关键路点的绝对定位精度提高；针对非关键路点，使用解析解进行逆解求解，以保证机器人在轨迹执行过程中有较好的实时性。本发明实施例提供的技术方案，在保证逆运动学求解实时性的基础上，可实现运动学全参数的补偿，使机器人的绝对定位精度有了较大的提高。

应当理解的是，以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明的范围（包括权利要求）被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (9)

1.一种机械臂逆运动学求解方法，其特征在于，包括：

根据预设的机械臂轨迹规划路径，获取所述机械臂轨迹规划路径中的待求解目标点位；

根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位；

针对第一类目标点位，采用第一求解方法进行求解；针对第二类目标点位，采用第二求解方法进行求解；

其中，所述第一类目标点位包括关键路点和奇异点，第一求解方法包括数值解求解方法，所述数值解求解方法包括：

建立机械臂的正运动学模型，根据所述模型获得机械臂关节角度与笛卡尔空间位姿的映射关系；

建立机械臂的数值解模型，基于所述映射关系对所述数值解模型求解；

其中，所述数值解模型包括：

subject to θ_min≤θ≤θ_max

T_target为给定的目标位姿矩阵，θ为机器人关节角度，Δe为根据正运动学模型的参数误差组成的误差向量，f(T_target,θ)表示描述关节角度θ对应位姿与给定T_target的误差函数，θ_min为机械臂关节角度下极限，θ_max为机械臂关节角度上极限。

2.根据权利要求1所述的方法，其特征在于，根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位，包括：

若待求解目标点位为所述机械臂轨迹规划路径中的速度过零点或者终止点，则所述待求解目标点位为第一类目标点；

若待求解目标点位为所述机械臂轨迹规划路径中的奇异点，则所述待求解目标点位为第一类目标点；

否则，所述待求解目标点位为第二类目标点。

3.根据权利要求2所述的方法，其特征在于，基于所述映射关系对所述数值解模型求解，包括：

将机械臂构型等效为包括腕关节、肘关节和肩关节的等效构型；

根据以下公式计算在所述等效构型中的关节角度，作为数值解模型的解的前3维：

其中，q₁表示机械臂在xy轴平面内的旋转角度，q₂表示肘关节的俯仰角度，q₃表示腕关节的俯仰角度，俯仰角度表示垂直于xy轴平面方向且相对于xy轴平面方向的角度；p＝[p_xp_y p_z]^T表示待求解目标点位的预定位姿在xyz坐标轴中的位置向量；r为肩关节、肘关节及腕关节所在平面、过肩关节点与z轴垂直的轴向，p_xy为等效构型在r轴上的投影长度，m为第一等效长度，n为第二等效长度。

4.根据权利要求3所述的方法，其特征在于，所述m和n根据以下公式确定：

其中，l_se为肩关节和肘关节之间的连杆长度，l_ew为肘关节和腕关节之间的连杆长度。

5.根据权利要求1-4中任意一项所述的方法，其特征在于，所述第二求解方法包括解析解求解方法。

6.根据权利要求5所述的方法，其特征在于，所述解析解求解方法包括：

建立机械臂的正运动学模型，根据所述模型获得机械臂关节角度与笛卡尔空间位姿的映射关系；

建立机械臂的解析解模型，基于所述映射关系对所述解析解模型求解。

7.一种机械臂逆运动学求解装置，其特征在于，包括：

机械臂轨迹规划路径获取模块，用于根据预设的机械臂轨迹规划路径，获取所述机械臂轨迹规划路径中的待求解目标点位；

目标点位判断模块，用于根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位；

逆运动学求解模块，用于对待求解目标点位进行求解，针对第一类目标点位，采用第一求解方法进行求解；针对第二类目标点位，采用第二求解方法进行求解；

其中，所述第一类目标点位包括关键路点和奇异点，第一求解方法包括数值解求解方法，所述数值解求解方法包括：

建立机械臂的正运动学模型，根据所述模型获得机械臂关节角度与笛卡尔空间位姿的映射关系；

建立机械臂的数值解模型，基于所述映射关系对所述数值解模型求解；

其中，所述数值解模型包括：

subject to θ_min≤θ≤θ_max

T_target为给定的目标位姿矩阵，θ为机器人关节角度，Δe为根据正运动学模型的参数误差组成的误差向量，f(T_target,θ)表示描述关节角度θ对应位姿与给定T_target的误差函数，θ_min为机械臂关节角度下极限，θ_max为机械臂关节角度上极限。

8.根据权利要求7所述的装置，其特征在于，所述目标点位判断模块，根据所述待求解目标点位的特性参数判断所述待求解目标点位是否为第一类目标点位或者第二类目标点位，包括：

若待求解目标点位为所述机械臂轨迹规划路径中的速度过零点或者终止点，则所述待求解目标点位为第一类目标点；

若待求解目标点位为所述机械臂轨迹规划路径中的奇异点，则所述待求解目标点位为第一类目标点；

否则，所述待求解目标点位为第二类目标点。

9.根据权利要求8所述的装置，其特征在于，所述逆运动学求解模块包括数值解求解单元和解析解求解单元；

所述数值解求解单元，用于针对第一类目标点位，采用数值解方法求解；

所述解析解求解单元，用于针对第二类目标点位，采用解析解方法求解。