CN117226843A - 一种基于视觉伺服的机器人移动轨迹控制方法及系统 - Google Patents
一种基于视觉伺服的机器人移动轨迹控制方法及系统 Download PDFInfo
- Publication number
- CN117226843A CN117226843A CN202311256970.3A CN202311256970A CN117226843A CN 117226843 A CN117226843 A CN 117226843A CN 202311256970 A CN202311256970 A CN 202311256970A CN 117226843 A CN117226843 A CN 117226843A
- Authority
- CN
- China
- Prior art keywords
- robot
- track
- contour
- target
- image frame
- 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 60
- 230000000007 visual effect Effects 0.000 title claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims abstract description 32
- 230000008859 change Effects 0.000 claims description 64
- 125000004122 cyclic group Chemical group 0.000 claims description 18
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 description 11
- 230000004888 barrier function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
Classifications
-
- 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
- Manipulator (AREA)
Abstract
本发明提供了一种基于视觉伺服的机器人移动轨迹控制方法及系统包括：基于生产指令为每一机器人分配对应的抓取搬运任务，建立不同机器人在所述预设区域的移动轨迹，得到预设区域的轨迹布局控制机器人按照轨迹布局执行抓取搬运任务，采集每一机器人在执行抓取搬运任务过程中的实时视频流，判断对应机器人的移动轨迹是否满足前进条件，基于轨迹布局调整对应机器人的目标移动轨迹，直到目标机器人对应的目标移动轨迹满足前进条件为止，对多个不同机器人的工作需求进行轨迹布局，让每一个机器人按照提前设置好的路线进行移动，并且在机器人进行工作的过程中分析前方的路径是否可以通过，以及当前方的路径有障碍物时重新规划新路线。
Description
技术领域
本发明涉及机器人控制领域，特别涉及一种基于视觉伺服的机器人移动轨迹控制方法及系统。
技术背景
随着科技的进步，机器人逐步进入各行各业，尤其是在工厂中经常可以看到机器人工作的身影，通常，机器人都是按照一定的路径行走重复固定的工作，虽然利用机器代替了人工，但还需要专门的人员监督机器人的工作避免机器人与其他物品发生碰撞。现有技术中需要专门的人员监督机器人的工作，由于人力监督具有偶然性，所以容易发生机器人碰撞的现象。
因此，本发明提供了一种基于视觉伺服的机器人移动轨迹控制方法及系统。
发明内容
本发明一种基于视觉伺服的机器人移动轨迹控制方法及系统，利用了视觉伺服技术，多个不同机器人的工作需求进行轨迹布局，让每一个机器人按照提前设置好的路线进行移动，并且在机器人进行工作的过程中分析前方的路径是否可以通过，以及当前方的路径有障碍物时重新规划新路线，可以有效避免机器人碰撞，提高工作效率。
本发明提供了一种基于视觉伺服的机器人移动轨迹控制方法，包括：
步骤1：基于生产指令调取对应的机器人，并分别为每一机器人分配对应的抓取搬运任务；
步骤2：根据所述抓取搬运任务确定每一机器人在预设区域内的工作范围，建立不同机器人在所述预设区域的移动轨迹，得到所述预设区域的轨迹布局；
步骤3：控制所述机器人按照轨迹布局执行抓取搬运任务，分别采集每一机器人在执行抓取搬运任务过程中的实时视频流，判断对应机器人的移动轨迹是否满足前进条件；
步骤4：若不满足，获取不满足前进条件的目标机器人以及对应的目标移动轨迹，基于所述轨迹布局调整所述目标移动轨迹，直到所述目标机器人对应的目标移动轨迹满足前进条件为止。
在一种可实施的方式中，
包括：
步骤11：获取并解析用户发出的生产指令建立生产方案；
步骤12：基于所述生产方案调取对应功能的机器人，并分别获取每一机器人对应的可执行任务；
步骤13：基于所述生产方案结合每一机器人对应的可执行任务为每一机器人分配对应的工作岗位；
步骤14：根据每一工作岗位对应的工作需求为对应的机器人分配抓取搬运任务。
在一种可实施的方式中，
包括：
步骤21：根据所述生产指令确定所述预设区域的生产流程，分别解析每一抓取搬运任务，得到得到不同抓取搬运任务之间的逻辑关系，查找每一抓取搬运任务在所述生产流程中的位置，根据不同抓取搬运任务之间的逻辑关系和每一抓取搬运任务在所述生产流程中的位置，建立生产逻辑流程；
步骤22：获取每一机器人对应的抓取搬运任务，结合所述生产逻辑流程建立并所述预设区域的工作模型，追踪每一机器人执行对应抓取搬运任务过程中的活动轨迹，基于所述活动轨迹确定每一机器人在所述预设区域内的工作范围；
步骤23：同步建立不同机器人在对应工作范围内的活动轨迹，得到同一时刻下不同活动轨迹之间的重合点，将所述重合点以标记在所述工作模型中，获取每一机器人对应的可执行任务，基于所述可执行任务确定对应机器人的可执行范围；
步骤24：基于所述可执行范围确定每一机器人对应的可调节范围，基于所述可调节范围分别调节每一所述重合点对应的活动轨迹，直到所述每一时刻下不同活动轨迹之间不存在重合点时生产每一所述机器人对应的移动轨迹，建立所述预设区域的轨迹布局。
在一种可实施的方式中，
包括：
步骤31：控制所述机器人按照所述轨迹布局执行对应的抓取搬运任务，并分别采集每一机器人在执行所述抓取搬运任务过程中的实时视频流，分别将每一所述机器人的移动轨迹映射到对应的实时视频流中，得到每一所述机器人的移动实景视频流；
步骤32：分别将每一移动实景视频流划分为若干个实景图像帧，得到每一所述机器人对应的图像帧集，利用交替反卷积与卷积分别对每一所述图像帧集进行增强生成对应的目标图像帧集；
步骤33：分别捕捉每一所述目标图像帧集中包含的图像轮廓，建立每一所述图像帧集的轮廓变化信息，基于所述轮廓变化信息将所述图像轮廓划分为变化轮廓和固定轮廓，基于每一所述变化轮廓在对应目标图像帧集中的轮廓变化信息确定所述变化轮廓的变化方向以及变化速度，得到所述变化轮廓与对应机器人的移动轨迹之间的重合率，当所述重合率不为0时，确定所述机器人的移动轨迹不满足前进条件；
步骤34：获取所述固定轮廓与对应移动轨迹之间的重合信息，判断所述固定轮廓是否为障碍物轮廓，若是，获取所述障碍物轮廓落入的移动轨迹，确定对应机器人的移动轨迹不满足前进条件。
在一种可实施的方式中，
利用交替反卷积与卷积分别对每一所述图像帧集进行增强，包括：
利用预设全卷积网络分别对每一图像帧进行识别分割得到若干个图像区域，以及每一图像区域中轮廓线与非轮廓线之间的第一对比程度；
利用预设循环神经网络结合反卷积与卷积建立交替反卷积与卷积模型；
提取第一对比程度小于预设对比程度的目标图像帧，将所述目标图像帧输入到所述交替反卷积与卷积模型中进行第一次反卷积以及进行第一次卷积，生成第一卷积图像帧；
提取所述第一卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的第二对比程度；
当所述第二对比程度小于所述预设对比程度时，将所述第一卷积图像帧返回到所述交替反卷积与卷积模型中进行循环反卷积以及进行循环卷积，直到所述当前卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的当前对比程度大于或等于所述预设对比程度为止，生成对应的目标图像帧集。
在一种可实施的方式中，
所述步骤4，包括：
步骤41：提取不满足前进条件的目标机器人以及所述目标机器人对应的目标移动轨迹，在所述轨迹布局中标记所述目标移动轨迹，以及在所述轨迹布局中标记每一所述目标机器人的位置，建立待调轨迹布局；
步骤42：在所述待调轨迹布局中调节每一目标移动轨迹的走向，生成若干条候补移动轨迹，获取所述目标机器人执行每一条候补移动轨迹时对应的执行时长，根据时长由低到高的顺序为每一候补移动轨迹建立第一选取权重；
步骤43：获取每一候补移动轨迹中包含的拐点数量，根据拐点数量由低到高的顺手为每一候补轨迹建立第二选取权重；
步骤44：根据所述第一选取权重和第二选取权重建立每一候补移动轨迹的综合权重，将所述综合权重由高到低进行排序，提取排序首位的第一综合权重对应的目标候补移动轨迹，利用所述目标候补移动轨迹替换对应的目标移动轨迹，控制所述目标机器人按照所述目标候补移动轨迹执行对应的抓取搬运任务。
在一种可实施的方式中，
还包括：
当所述机器人的移动轨迹满足前进条件时，控制所述机器人按照所述轨迹布局执行抓取搬运任务。
本发明一种基于视觉伺服的机器人移动轨迹控制系统，包括：
采集分配模块，用于基于生产指令调取对应的机器人，并分别为每一机器人分配对应的抓取搬运任务；
轨迹布局模块，用于根据所述抓取搬运任务确定每一机器人在预设区域内的工作范围，建立不同机器人在所述预设区域的移动轨迹，得到所述预设区域的轨迹布局；
轨迹控制模块，用于控制所述机器人按照轨迹布局执行抓取搬运任务，分别采集每一机器人在执行抓取搬运任务过程中的实时视频流，判断对应机器人的移动轨迹是否满足前进条件；
轨迹调节模块，用于若不满足，获取不满足前进条件的目标机器人以及对应的目标移动轨迹，基于所述轨迹布局调整所述目标移动轨迹，直到所述目标机器人对应的目标移动轨迹满足前进条件为止。
在一种可实施的方式中，
所述轨迹控制模块，包括：
第一控制单元，用于控制所述机器人按照所述轨迹布局执行对应的抓取搬运任务，并分别采集每一机器人在执行所述抓取搬运任务过程中的实时视频流，分别将每一所述机器人的移动轨迹映射到对应的实时视频流中，得到每一所述机器人的移动实景视频流；
第二控制单元，用于分别将每一移动实景视频流划分为若干个实景图像帧，得到每一所述机器人对应的图像帧集，利用交替反卷积与卷积分别对每一所述图像帧集进行增强生成对应的目标图像帧集；
第三控制单元，用于分别捕捉每一所述目标图像帧集中包含的图像轮廓，建立每一所述图像帧集的轮廓变化信息，基于所述轮廓变化信息将所述图像轮廓划分为变化轮廓和固定轮廓，基于每一所述变化轮廓在对应目标图像帧集中的轮廓变化信息确定所述变化轮廓的变化方向以及变化速度，得到所述变化轮廓与对应机器人的移动轨迹之间的重合率，当所述重合率不为0时，确定所述机器人的移动轨迹不满足前进条件；
第四控制单元，用于获取所述固定轮廓与对应移动轨迹之间的重合信息，判断所述固定轮廓是否为障碍物轮廓，若是，获取所述障碍物轮廓落入的移动轨迹，确定对应机器人的移动轨迹不满足前进条件。
在一种可实施的方式中，
所述第二控制单元，还用于：
利用预设全卷积网络分别对每一图像帧进行识别分割得到若干个图像区域，以及每一图像区域中轮廓线与非轮廓线之间的第一对比程度；
利用预设循环神经网络结合反卷积与卷积建立交替反卷积与卷积模型；
提取第一对比程度小于预设对比程度的目标图像帧，将所述目标图像帧输入到所述交替反卷积与卷积模型中进行第一次反卷积以及进行第一次卷积，生成第一卷积图像帧；
提取所述第一卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的第二对比程度；
当所述第二对比程度小于所述预设对比程度时，将所述第一卷积图像帧返回到所述交替反卷积与卷积模型中进行循环反卷积以及进行循环卷积，直到所述当前卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的当前对比程度大于或等于所述预设对比程度为止，生成对应的目标图像帧集。
本发明可以实现的有益效果为：为了节约人力成本提高监督机器人的效率，先根据生产指令调取相应的机器人，然后为每一机器人分配对应的抓取搬运任务，进而确定每一机器人在预设区域内的工作范围，为不同的机器人设置移动轨迹，从而得到预设区域的轨迹布局，然后控制机器人沿着轨迹布局进行抓取搬运任务，并在执行任务过程中采集实时视频流，当移动轨迹前方有障碍物时及时调整机器人的前进轨迹，避免机器人碰撞，利用视觉伺服技术在多个机器人同时进行工作时，可以通过提前布局的方式确定每一机器人的前进路线控制机器人的前进，机器人不仅可以完成基础的工作，而且在工作过程中根据前方的路况调整自己的前进方向，可以有效避免机器人碰撞，大大降低了机器人的损坏率。
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基于视觉伺服的机器人移动轨迹控制方法的工作流程示意图；
图2为本发明实施例中一种基于视觉伺服的机器人移动轨迹控制系统的组成示意图。
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基于视觉伺服的机器人移动轨迹控制方法，如图1所示，包括：
步骤1：基于生产指令调取对应的机器人，并分别为每一机器人分配对应的抓取搬运任务；
步骤2：根据所述抓取搬运任务确定每一机器人在预设区域内的工作范围，建立不同机器人在所述预设区域的移动轨迹，得到所述预设区域的轨迹布局；
步骤3：控制所述机器人按照轨迹布局执行抓取搬运任务，分别采集每一机器人在执行抓取搬运任务过程中的实时视频流，判断对应机器人的移动轨迹是否满足前进条件；
步骤4：若不满足，获取不满足前进条件的目标机器人以及对应的目标移动轨迹，基于所述轨迹布局调整所述目标移动轨迹，直到所述目标机器人对应的目标移动轨迹满足前进条件为止。
该实例中，生产指令包括：根据甲方生产多品种、小批量及个性化定制产品的柔性自动化生产要求升级上下料系统，对目标工件的定位、检测、识别，进而进行自动抓取和搬运等工作；
该实例中，每一个机器人对应一个抓取搬运任务，一个抓取搬运任务可对应多个机器人；
该实例中，每一个机器人均在预设区域内进行工作，预设区域可以为机器人执行工作的安全区域或机器人执行工作的指定区域；
该实例中，不同机器人对应的工作范围之间可以有交叉关系；
该实例中，每一机器人对应的移动轨迹是不同的；
该实例中，前进条件为：移动轨迹前方没有障碍物，其中障碍物包括移动障碍物和非移动障碍物；
该实例中，轨迹布局表示预设区域内所有机器人的移动轨迹组成的布局图。
上述技术方案的工作原理以及有益效果：为了节约人力成本提高监督机器人的效率，先根据生产指令调取相应的机器人，然后为每一机器人分配对应的抓取搬运任务，进而确定每一机器人在预设区域内的工作范围，为不同的机器人设置移动轨迹，从而得到预设区域的轨迹布局，然后控制机器人沿着轨迹布局进行抓取搬运任务，并在执行任务过程中采集实时视频流，当移动轨迹前方有障碍物时及时调整机器人的前进轨迹，避免机器人碰撞，利用视觉伺服技术在多个机器人同时进行工作时，可以通过提前布局的方式确定每一机器人的前进路线控制机器人的前进，机器人不仅可以完成基础的工作，而且在工作过程中根据前方的路况调整自己的前进方向，可以有效避免机器人碰撞，大大降低了机器人的损坏率。
实施例2
在实施例1的基础上，所述一种基于视觉伺服的机器人移动轨迹控制方法，所述步骤1，包括：
步骤11：获取并解析用户发出的生产指令建立生产方案；
步骤12：基于所述生产方案调取对应功能的机器人，并分别获取每一机器人对应的可执行任务；
步骤13：基于所述生产方案结合每一机器人对应的可执行任务为每一机器人分配对应的工作岗位；
步骤14：根据每一工作岗位对应的工作需求为对应的机器人分配抓取搬运任务。
该实例中，生产方案中包含了每一生产步骤对应的需求和执行过程；
该实例中，每一个机器人对应一个工作岗位；
上述技术方案的工作原理以及有益效果：为了保证预设区域内机器人的正常工作，先根据用户发出的生产指令建立生产方案，根据机器人的可执行任务来为机器人分配对应的工作岗位，然后为机器人匹配抓取搬运任务，为每一个机器人分配一个任务，实现了有条工作。
实施例3
在实施例1的基础上，所述一种基于视觉伺服的机器人移动轨迹控制方法，所述步骤2，包括：
步骤21：根据所述生产指令确定所述预设区域的生产流程，分别解析每一抓取搬运任务，得到得到不同抓取搬运任务之间的逻辑关系，查找每一抓取搬运任务在所述生产流程中的位置，根据不同抓取搬运任务之间的逻辑关系和每一抓取搬运任务在所述生产流程中的位置，建立生产逻辑流程；
步骤22：获取每一机器人对应的抓取搬运任务，结合所述生产逻辑流程建立并所述预设区域的工作模型，追踪每一机器人执行对应抓取搬运任务过程中的活动轨迹，基于所述活动轨迹确定每一机器人在所述预设区域内的工作范围；
步骤23：同步建立不同机器人在对应工作范围内的活动轨迹，得到同一时刻下不同活动轨迹之间的重合点，将所述重合点以标记在所述工作模型中，获取每一机器人对应的可执行任务，基于所述可执行任务确定对应机器人的可执行范围；
步骤24：基于所述可执行范围确定每一机器人对应的可调节范围，基于所述可调节范围分别调节每一所述重合点对应的活动轨迹，直到所述每一时刻下不同活动轨迹之间不存在重合点时生产每一所述机器人对应的移动轨迹，建立所述预设区域的轨迹布局。
该实例中，逻辑关系表示不同抓取搬运任务之间的连贯关系，例如：机器人A抓取物品甲，将物品甲运输到第一区域，机器人B抓取物品甲，将物品甲运输到第二区域；
该实例中，生产逻辑流程表示将逻辑关系与生产流程进行融合后得到的一个关于生产过程中不同子流程之间逻辑关系的流程；
该实例中，可执行范围与可执行任务的范围一致。
上述技术方案的工作原理以及有益效果：通过利用生产指令建立生产流程，结合不同抓取搬运任务之间的逻辑关系来建立预设区域的生产逻辑流程，结合每一机器人的抓取搬运任务建立工作模型，从而在工作模型中追踪每一个机器人执行任务时的活动轨迹，进而可以确定每一机器人的工作范围，当不同机器人的活动轨迹在同一时刻下重合时，表明机器人会发生碰撞，此时将重合点标记在工作模型中，根据每一机器人的可调节范围对活动轨迹进行调节，从而可以得到一个可用的轨迹布局，从而可以对多个机器人进行同时监督，实现了全面监督的目的。
实施例4
在实施例1的基础上，所述一种基于视觉伺服的机器人移动轨迹控制方法，所述步骤3，包括：
步骤31：控制所述机器人按照所述轨迹布局执行对应的抓取搬运任务，并分别采集每一机器人在执行所述抓取搬运任务过程中的实时视频流，分别将每一所述机器人的移动轨迹映射到对应的实时视频流中，得到每一所述机器人的移动实景视频流；
步骤32：分别将每一移动实景视频流划分为若干个实景图像帧，得到每一所述机器人对应的图像帧集，利用交替反卷积与卷积分别对每一所述图像帧集进行增强生成对应的目标图像帧集；
步骤33：分别捕捉每一所述目标图像帧集中包含的图像轮廓，建立每一所述图像帧集的轮廓变化信息，基于所述轮廓变化信息将所述图像轮廓划分为变化轮廓和固定轮廓，基于每一所述变化轮廓在对应目标图像帧集中的轮廓变化信息确定所述变化轮廓的变化方向以及变化速度，得到所述变化轮廓与对应机器人的移动轨迹之间的重合率，当所述重合率不为0时，确定所述机器人的移动轨迹不满足前进条件；
步骤34：获取所述固定轮廓与对应移动轨迹之间的重合信息，判断所述固定轮廓是否为障碍物轮廓，若是，获取所述障碍物轮廓落入的移动轨迹，确定对应机器人的移动轨迹不满足前进条件。
该实例中，移动实景视频流是实时视频流中的一部分，且一个机器人对应一个实时视频流也对应一个移动实景视频流；
该实例中，实景图像帧表示将移动实景视频流划分为单帧图像后得到的若干帧图像；
该实例中，图像轮廓表示目标图像帧集中每一帧实景图像帧中包含的关于物品的轮廓；
该实例中，轮廓变化信息表示一个图像轮廓在对应图像帧集中的位置变化信息；
该实例中，变化轮廓表示运动物品所对应的轮廓，固定轮廓表示非运动物品所对应的轮廓；
该实例中，变化方向和变化速度表示运动物品在预设区域内移动信息；
该实例中，变化轮廓与对应机器人的移动轨迹之间的重合率不为0时，确定移动轨迹前方含有移动障碍物。
上述技术方案的工作原理以及有益效果：为了避免机器人在执行任务的过程中发生碰撞，先控制机器人按照轨迹布局执行搬运任务，在机器人工作过程中采集实时视频流，从而得到机器人的移动实景视频流，通过分析移动实景视频流来判断机器人的移动轨迹前方是否有移动障碍物以及判断前方是否有固定障碍物，当移动轨迹前方有障碍物时确定机器人当前的移动轨迹不再满足前进条件，从而在后续工作中对该机器人进行轨迹调整。
实施例5
在实施例4的基础上，所述一种基于视觉伺服的机器人移动轨迹控制方法，利用交替反卷积与卷积分别对每一所述图像帧集进行增强，包括：
利用预设全卷积网络分别对每一图像帧进行识别分割得到若干个图像区域，以及每一图像区域中轮廓线与非轮廓线之间的第一对比程度；
利用预设循环神经网络结合反卷积与卷积建立交替反卷积与卷积模型；
提取第一对比程度小于预设对比程度的目标图像帧，将所述目标图像帧输入到所述交替反卷积与卷积模型中进行第一次反卷积以及进行第一次卷积，生成第一卷积图像帧；
提取所述第一卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的第二对比程度；
当所述第二对比程度小于所述预设对比程度时，将所述第一卷积图像帧返回到所述交替反卷积与卷积模型中进行循环反卷积以及进行循环卷积，直到所述当前卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的当前对比程度大于或等于所述预设对比程度为止，生成对应的目标图像帧集。
该实例中，预设全卷积网络表示用于图像语义分割的一种框架；
该实例中，预设对比程度可以为75％；
该实例中，反卷积表示将图像帧中的图像区域进行压缩采样的过程；
该实例中，卷积表示提取图像的高纬度的过程；
该实例中，每一次反卷积以及卷积工作后生成一个卷积图像帧。
上述技术方案的工作原理以及有益效果：为了避免轮廓线不清晰导致轮廓分离模糊，所以先利用全卷积网络将图像帧分割为若干个图像区域，从而根据图像区域中的轮廓线和非轮廓线之间的对比程度来判断是否需要对该图像帧来进行增强处理，然后将需要增强的图像帧进行多次的反卷积以及卷积，直到轮廓线和非轮廓线之间的对比程度在预设对比程度范围内为止，这样一来可以为后续进轮廓分离做基础。
实施例6
在实施例1的基础上，所述一种基于视觉伺服的机器人移动轨迹控制方法，所述步骤4，包括：
步骤41：提取不满足前进条件的目标机器人以及所述目标机器人对应的目标移动轨迹，在所述轨迹布局中标记所述目标移动轨迹，以及在所述轨迹布局中标记每一所述目标机器人的位置，建立待调轨迹布局；
步骤42：在所述待调轨迹布局中调节每一目标移动轨迹的走向，生成若干条候补移动轨迹，获取所述目标机器人执行每一条候补移动轨迹时对应的执行时长，根据时长由低到高的顺序为每一候补移动轨迹建立第一选取权重；
步骤43：获取每一候补移动轨迹中包含的拐点数量，根据拐点数量由低到高的顺手为每一候补轨迹建立第二选取权重；
步骤44：根据所述第一选取权重和第二选取权重建立每一候补移动轨迹的综合权重，将所述综合权重由高到低进行排序，提取排序首位的第一综合权重对应的目标候补移动轨迹，利用所述目标候补移动轨迹替换对应的目标移动轨迹，控制所述目标机器人按照所述目标候补移动轨迹执行对应的抓取搬运任务。
该实例中，待调轨迹布局表示将目标移动轨迹和目标机器人的为止标记在轨迹布局中所述生成的轨迹布局；
该实例中，候补移动轨迹的数量为多个；
该实例中，第一选取权重越高，表示该候补移动轨迹对应的执行时长越短；
该实例中，第二选取权重越高，表示该候补移动轨迹对应的拐点数量越少；
该实例中，拐点表示候补移动轨迹中需要该别前进方向的位置。
上述技术方案的工作原理以及有益效果：当机器人不能按照原有的移动轨迹前进时，将不满足前进条件的目标机器人和目标移动轨迹标记在轨迹布局中生成一个待调轨迹布局，在待调轨迹布局中生成若干条候补移动轨迹，通过分析每一候补移动轨迹对应的执行时长和拐点数量来选取一条适合目标机器人前进的轨迹，从而利用该轨迹替换原有的抓取搬运任务，有效避免了机器人的碰撞，同时实现了自行调节移动轨迹的目的。
实施例7
在实施例1的基础上，所述一种基于视觉伺服的机器人移动轨迹控制方法，其特征在于，还包括：
当所述机器人的移动轨迹满足前进条件时，控制所述机器人按照所述轨迹布局执行抓取搬运任务。
上述技术方案的工作原理以及有益效果：当机器人的移动轨迹满足前进条件时，为了节约时间控制机器人按照移动布局进行抓取搬运任务。
实施例8
本实施例提供了一种基于视觉伺服的机器人移动轨迹控制系统，如图2所示，包括：
采集分配模块，用于基于生产指令调取对应的机器人，并分别为每一机器人分配对应的抓取搬运任务；
轨迹布局模块，用于根据所述抓取搬运任务确定每一机器人在预设区域内的工作范围，建立不同机器人在所述预设区域的移动轨迹，得到所述预设区域的轨迹布局；
轨迹控制模块，用于控制所述机器人按照轨迹布局执行抓取搬运任务，分别采集每一机器人在执行抓取搬运任务过程中的实时视频流，判断对应机器人的移动轨迹是否满足前进条件；
轨迹调节模块，用于若不满足，获取不满足前进条件的目标机器人以及对应的目标移动轨迹，基于所述轨迹布局调整所述目标移动轨迹，直到所述目标机器人对应的目标移动轨迹满足前进条件为止。
该实例中，生产指令包括：根据甲方生产多品种、小批量及个性化定制产品的柔性自动化生产要求升级上下料系统，对目标工件的定位、检测、识别，进而进行自动抓取和搬运等工作；
该实例中，每一个机器人对应一个抓取搬运任务，一个抓取搬运任务可对应多个机器人；
该实例中，每一个机器人均在预设区域内进行工作，预设区域可以为机器人执行工作的安全区域或机器人执行工作的指定区域；
该实例中，不同机器人对应的工作范围之间可以有交叉关系；
该实例中，每一机器人对应的移动轨迹是不同的；
该实例中，前进条件为：移动轨迹前方没有障碍物，其中障碍物包括移动障碍物和非移动障碍物；
该实例中，轨迹布局表示预设区域内所有机器人的移动轨迹组成的布局图。
上述技术方案的工作原理以及有益效果：为了节约人力成本提高监督机器人的效率，先根据生产指令调取相应的机器人，然后为每一机器人分配对应的抓取搬运任务，进而确定每一机器人在预设区域内的工作范围，为不同的机器人设置移动轨迹，从而得到预设区域的轨迹布局，然后控制机器人沿着轨迹布局进行抓取搬运任务，并在执行任务过程中采集实时视频流，当移动轨迹前方有障碍物时及时调整机器人的前进轨迹，避免机器人碰撞，利用视觉伺服技术在多个机器人同时进行工作时，可以通过提前布局的方式确定每一机器人的前进路线控制机器人的前进，机器人不仅可以完成基础的工作，而且在工作过程中根据前方的路况调整自己的前进方向，可以有效避免机器人碰撞，大大降低了机器人的损坏率。
实施例9
在实施例8的基础上，所述一种基于视觉伺服的机器人移动轨迹控制系统，所述轨迹控制模块，包括：
第一控制单元，用于控制所述机器人按照所述轨迹布局执行对应的抓取搬运任务，并分别采集每一机器人在执行所述抓取搬运任务过程中的实时视频流，分别将每一所述机器人的移动轨迹映射到对应的实时视频流中，得到每一所述机器人的移动实景视频流；
第二控制单元，用于分别将每一移动实景视频流划分为若干个实景图像帧，得到每一所述机器人对应的图像帧集，利用交替反卷积与卷积分别对每一所述图像帧集进行增强生成对应的目标图像帧集；
第三控制单元，用于分别捕捉每一所述目标图像帧集中包含的图像轮廓，建立每一所述图像帧集的轮廓变化信息，基于所述轮廓变化信息将所述图像轮廓划分为变化轮廓和固定轮廓，基于每一所述变化轮廓在对应目标图像帧集中的轮廓变化信息确定所述变化轮廓的变化方向以及变化速度，得到所述变化轮廓与对应机器人的移动轨迹之间的重合率，当所述重合率不为0时，确定所述机器人的移动轨迹不满足前进条件；
第四控制单元，用于获取所述固定轮廓与对应移动轨迹之间的重合信息，判断所述固定轮廓是否为障碍物轮廓，若是，获取所述障碍物轮廓落入的移动轨迹，确定对应机器人的移动轨迹不满足前进条件。
该实例中，移动实景视频流是实时视频流中的一部分，且一个机器人对应一个实时视频流也对应一个移动实景视频流；
该实例中，实景图像帧表示将移动实景视频流划分为单帧图像后得到的若干帧图像；
该实例中，图像轮廓表示目标图像帧集中每一帧实景图像帧中包含的关于物品的轮廓；
该实例中，轮廓变化信息表示一个图像轮廓在对应图像帧集中的位置变化信息；
该实例中，变化轮廓表示运动物品所对应的轮廓，固定轮廓表示非运动物品所对应的轮廓；
该实例中，变化方向和变化速度表示运动物品在预设区域内移动信息；
该实例中，变化轮廓与对应机器人的移动轨迹之间的重合率不为0时，确定移动轨迹前方含有移动障碍物。
上述技术方案的工作原理以及有益效果：为了避免机器人在执行任务的过程中发生碰撞，先控制机器人按照轨迹布局执行搬运任务，在机器人工作过程中采集实时视频流，从而得到机器人的移动实景视频流，通过分析移动实景视频流来判断机器人的移动轨迹前方是否有移动障碍物以及判断前方是否有固定障碍物，当移动轨迹前方有障碍物时确定机器人当前的移动轨迹不再满足前进条件，从而在后续工作中对该机器人进行轨迹调整。
实施例10
在实施例9的基础上，所述一种基于视觉伺服的机器人移动轨迹控制系统，所述第二控制单元，还用于：
利用预设全卷积网络分别对每一图像帧进行识别分割得到若干个图像区域，以及每一图像区域中轮廓线与非轮廓线之间的第一对比程度；
利用预设循环神经网络结合反卷积与卷积建立交替反卷积与卷积模型；
提取第一对比程度小于预设对比程度的目标图像帧，将所述目标图像帧输入到所述交替反卷积与卷积模型中进行第一次反卷积以及进行第一次卷积，生成第一卷积图像帧；
提取所述第一卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的第二对比程度；
当所述第二对比程度小于所述预设对比程度时，将所述第一卷积图像帧返回到所述交替反卷积与卷积模型中进行循环反卷积以及进行循环卷积，直到所述当前卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的当前对比程度大于或等于所述预设对比程度为止，生成对应的目标图像帧集。
该实例中，预设全卷积网络表示用于图像语义分割的一种框架；
该实例中，预设对比程度可以为75％；
该实例中，反卷积表示将图像帧中的图像区域进行压缩采样的过程；
该实例中，卷积表示提取图像的高纬度的过程；
该实例中，每一次反卷积以及卷积工作后生成一个卷积图像帧。
上述技术方案的工作原理以及有益效果：为了避免轮廓线不清晰导致轮廓分离模糊，所以先利用全卷积网络将图像帧分割为若干个图像区域，从而根据图像区域中的轮廓线和非轮廓线之间的对比程度来判断是否需要对该图像帧来进行增强处理，然后将需要增强的图像帧进行多次的反卷积以及卷积，直到轮廓线和非轮廓线之间的对比程度在预设对比程度范围内为止，这样一来可以为后续进轮廓分离做基础。
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 (10)
1.一种基于视觉伺服的机器人移动轨迹控制方法，其特征在于，包括：
步骤1：基于生产指令调取对应的机器人，并分别为每一机器人分配对应的抓取搬运任务；
步骤2：根据所述抓取搬运任务确定每一机器人在预设区域内的工作范围，建立不同机器人在所述预设区域的移动轨迹，得到所述预设区域的轨迹布局；
步骤3：控制所述机器人按照轨迹布局执行抓取搬运任务，分别采集每一机器人在执行抓取搬运任务过程中的实时视频流，判断对应机器人的移动轨迹是否满足前进条件；
步骤4：若不满足，获取不满足前进条件的目标机器人以及对应的目标移动轨迹，基于所述轨迹布局调整所述目标移动轨迹，直到所述目标机器人对应的目标移动轨迹满足前进条件为止。
2.如权利要求1所述的一种基于视觉伺服的机器人移动轨迹控制方法，其特征在于，所述步骤1，包括：
步骤11：获取并解析用户发出的生产指令建立生产方案；
步骤12：基于所述生产方案调取对应功能的机器人，并分别获取每一机器人对应的可执行任务；
步骤13：基于所述生产方案结合每一机器人对应的可执行任务为每一机器人分配对应的工作岗位；
步骤14：根据每一工作岗位对应的工作需求为对应的机器人分配抓取搬运任务。
3.如权利要求1所述的一种基于视觉伺服的机器人移动轨迹控制方法，其特征在于，所述步骤2，包括：
步骤21：根据所述生产指令确定所述预设区域的生产流程，分别解析每一抓取搬运任务，得到得到不同抓取搬运任务之间的逻辑关系，查找每一抓取搬运任务在所述生产流程中的位置，根据不同抓取搬运任务之间的逻辑关系和每一抓取搬运任务在所述生产流程中的位置，建立生产逻辑流程；
步骤22：获取每一机器人对应的抓取搬运任务，结合所述生产逻辑流程建立并所述预设区域的工作模型，追踪每一机器人执行对应抓取搬运任务过程中的活动轨迹，基于所述活动轨迹确定每一机器人在所述预设区域内的工作范围；
步骤23：同步建立不同机器人在对应工作范围内的活动轨迹，得到同一时刻下不同活动轨迹之间的重合点，将所述重合点以标记在所述工作模型中，获取每一机器人对应的可执行任务，基于所述可执行任务确定对应机器人的可执行范围；
步骤24：基于所述可执行范围确定每一机器人对应的可调节范围，基于所述可调节范围分别调节每一所述重合点对应的活动轨迹，直到所述每一时刻下不同活动轨迹之间不存在重合点时生产每一所述机器人对应的移动轨迹，建立所述预设区域的轨迹布局。
4.如权利要求1所述的一种基于视觉伺服的机器人移动轨迹控制方法，其特征在于，所述步骤3，包括：
步骤31：控制所述机器人按照所述轨迹布局执行对应的抓取搬运任务，并分别采集每一机器人在执行所述抓取搬运任务过程中的实时视频流，分别将每一所述机器人的移动轨迹映射到对应的实时视频流中，得到每一所述机器人的移动实景视频流；
步骤32：分别将每一移动实景视频流划分为若干个实景图像帧，得到每一所述机器人对应的图像帧集，利用交替反卷积与卷积分别对每一所述图像帧集进行增强生成对应的目标图像帧集；
步骤33：分别捕捉每一所述目标图像帧集中包含的图像轮廓，建立每一所述图像帧集的轮廓变化信息，基于所述轮廓变化信息将所述图像轮廓划分为变化轮廓和固定轮廓，基于每一所述变化轮廓在对应目标图像帧集中的轮廓变化信息确定所述变化轮廓的变化方向以及变化速度，得到所述变化轮廓与对应机器人的移动轨迹之间的重合率，当所述重合率不为0时，确定所述机器人的移动轨迹不满足前进条件；
步骤34：获取所述固定轮廓与对应移动轨迹之间的重合信息，判断所述固定轮廓是否为障碍物轮廓，若是，获取所述障碍物轮廓落入的移动轨迹，确定对应机器人的移动轨迹不满足前进条件。
5.如权利要求4所述的一种基于视觉伺服的机器人移动轨迹控制方法，其特征在于，利用交替反卷积与卷积分别对每一所述图像帧集进行增强，包括：
利用预设全卷积网络分别对每一图像帧进行识别分割得到若干个图像区域，以及每一图像区域中轮廓线与非轮廓线之间的第一对比程度；
利用预设循环神经网络结合反卷积与卷积建立交替反卷积与卷积模型；
提取第一对比程度小于预设对比程度的目标图像帧，将所述目标图像帧输入到所述交替反卷积与卷积模型中进行第一次反卷积以及进行第一次卷积，生成第一卷积图像帧；
提取所述第一卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的第二对比程度；
当所述第二对比程度小于所述预设对比程度时，将所述第一卷积图像帧返回到所述交替反卷积与卷积模型中进行循环反卷积以及进行循环卷积，直到所述当前卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的当前对比程度大于或等于所述预设对比程度为止，生成对应的目标图像帧集。
6.如权利要求1所述的一种基于视觉伺服的机器人移动轨迹控制方法，其特征在于，所述步骤4，包括：
步骤41：提取不满足前进条件的目标机器人以及所述目标机器人对应的目标移动轨迹，在所述轨迹布局中标记所述目标移动轨迹，以及在所述轨迹布局中标记每一所述目标机器人的位置，建立待调轨迹布局；
步骤42：在所述待调轨迹布局中调节每一目标移动轨迹的走向，生成若干条候补移动轨迹，获取所述目标机器人执行每一条候补移动轨迹时对应的执行时长，根据时长由低到高的顺序为每一候补移动轨迹建立第一选取权重；
步骤43：获取每一候补移动轨迹中包含的拐点数量，根据拐点数量由低到高的顺手为每一候补轨迹建立第二选取权重；
步骤44：根据所述第一选取权重和第二选取权重建立每一候补移动轨迹的综合权重，将所述综合权重由高到低进行排序，提取排序首位的第一综合权重对应的目标候补移动轨迹，利用所述目标候补移动轨迹替换对应的目标移动轨迹，控制所述目标机器人按照所述目标候补移动轨迹执行对应的抓取搬运任务。
7.如权利要求1所述的一种基于视觉伺服的机器人移动轨迹控制方法，其特征在于，还包括：
当所述机器人的移动轨迹满足前进条件时，控制所述机器人按照所述轨迹布局执行抓取搬运任务。
8.一种基于视觉伺服的机器人移动轨迹控制系统，其特征在于，包括：
采集分配模块，用于基于生产指令调取对应的机器人，并分别为每一机器人分配对应的抓取搬运任务；
轨迹布局模块，用于根据所述抓取搬运任务确定每一机器人在预设区域内的工作范围，建立不同机器人在所述预设区域的移动轨迹，得到所述预设区域的轨迹布局；
轨迹控制模块，用于控制所述机器人按照轨迹布局执行抓取搬运任务，分别采集每一机器人在执行抓取搬运任务过程中的实时视频流，判断对应机器人的移动轨迹是否满足前进条件；
轨迹调节模块，用于若不满足，获取不满足前进条件的目标机器人以及对应的目标移动轨迹，基于所述轨迹布局调整所述目标移动轨迹，直到所述目标机器人对应的目标移动轨迹满足前进条件为止。
9.如权利要求8所述的一种基于视觉伺服的机器人移动轨迹控制系统，其特征在于，所述轨迹控制模块，包括：
第一控制单元，用于控制所述机器人按照所述轨迹布局执行对应的抓取搬运任务，并分别采集每一机器人在执行所述抓取搬运任务过程中的实时视频流，分别将每一所述机器人的移动轨迹映射到对应的实时视频流中，得到每一所述机器人的移动实景视频流；
第二控制单元，用于分别将每一移动实景视频流划分为若干个实景图像帧，得到每一所述机器人对应的图像帧集，利用交替反卷积与卷积分别对每一所述图像帧集进行增强生成对应的目标图像帧集；
第三控制单元，用于分别捕捉每一所述目标图像帧集中包含的图像轮廓，建立每一所述图像帧集的轮廓变化信息，基于所述轮廓变化信息将所述图像轮廓划分为变化轮廓和固定轮廓，基于每一所述变化轮廓在对应目标图像帧集中的轮廓变化信息确定所述变化轮廓的变化方向以及变化速度，得到所述变化轮廓与对应机器人的移动轨迹之间的重合率，当所述重合率不为0时，确定所述机器人的移动轨迹不满足前进条件；
第四控制单元，用于获取所述固定轮廓与对应移动轨迹之间的重合信息，判断所述固定轮廓是否为障碍物轮廓，若是，获取所述障碍物轮廓落入的移动轨迹，确定对应机器人的移动轨迹不满足前进条件。
10.如权利要求9所述的一种基于视觉伺服的机器人移动轨迹控制系统，其特征在于，所述第二控制单元，还用于：
利用预设全卷积网络分别对每一图像帧进行识别分割得到若干个图像区域，以及每一图像区域中轮廓线与非轮廓线之间的第一对比程度；
利用预设循环神经网络结合反卷积与卷积建立交替反卷积与卷积模型；
提取第一对比程度小于预设对比程度的目标图像帧，将所述目标图像帧输入到所述交替反卷积与卷积模型中进行第一次反卷积以及进行第一次卷积，生成第一卷积图像帧；
提取所述第一卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的第二对比程度；
当所述第二对比程度小于所述预设对比程度时，将所述第一卷积图像帧返回到所述交替反卷积与卷积模型中进行循环反卷积以及进行循环卷积，直到所述当前卷积图像帧中每一图像区域中轮廓线与非轮廓线之间的当前对比程度大于或等于所述预设对比程度为止，生成对应的目标图像帧集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311256970.3A CN117226843B (zh) | 2023-09-27 | 2023-09-27 | 一种基于视觉伺服的机器人移动轨迹控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311256970.3A CN117226843B (zh) | 2023-09-27 | 2023-09-27 | 一种基于视觉伺服的机器人移动轨迹控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117226843A true CN117226843A (zh) | 2023-12-15 |
| CN117226843B CN117226843B (zh) | 2024-02-27 |
Family
ID=89098125
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311256970.3A Active CN117226843B (zh) | 2023-09-27 | 2023-09-27 | 一种基于视觉伺服的机器人移动轨迹控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117226843B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105511266A (zh) * | 2016-01-07 | 2016-04-20 | 无锡信捷电气股份有限公司 | 基于引力搜索粒子群算法的Delta机器人轨迹规划方法 |
| WO2018121127A1 (zh) * | 2016-12-30 | 2018-07-05 | 苏州万店掌网络科技有限公司 | 一种基于视频分析技术的跟踪统计人流量的系统 |
| DE102017001131A1 (de) * | 2017-02-07 | 2018-08-09 | Kuka Roboter Gmbh | Verfahren und System zum Betreiben eines Roboters |
| CN109048926A (zh) * | 2018-10-24 | 2018-12-21 | 河北工业大学 | 一种基于立体视觉的机器人智能避障系统及方法 |
| CN111390918A (zh) * | 2020-05-09 | 2020-07-10 | 安徽朗巴智能科技有限公司 | 一种家用智能机器人主动控制系统 |
| KR102248382B1 (ko) * | 2019-11-13 | 2021-05-04 | 한국로봇융합연구원 | 가변형 농업용 로봇의 주행 제어방법 |
| CN113814986A (zh) * | 2021-11-23 | 2021-12-21 | 广东隆崎机器人有限公司 | 一种基于机器视觉控制scara机器人的方法及系统 |
| CN116038684A (zh) * | 2022-09-09 | 2023-05-02 | 南京埃斯顿机器人工程有限公司 | 一种基于视觉的机器人碰撞预警方法 |
| CN116408807A (zh) * | 2023-06-06 | 2023-07-11 | 广州东焊智能装备有限公司 | 一种基于机器视觉和轨迹规划的机器人控制系统 |
-
2023
- 2023-09-27 CN CN202311256970.3A patent/CN117226843B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105511266A (zh) * | 2016-01-07 | 2016-04-20 | 无锡信捷电气股份有限公司 | 基于引力搜索粒子群算法的Delta机器人轨迹规划方法 |
| WO2018121127A1 (zh) * | 2016-12-30 | 2018-07-05 | 苏州万店掌网络科技有限公司 | 一种基于视频分析技术的跟踪统计人流量的系统 |
| DE102017001131A1 (de) * | 2017-02-07 | 2018-08-09 | Kuka Roboter Gmbh | Verfahren und System zum Betreiben eines Roboters |
| CN109048926A (zh) * | 2018-10-24 | 2018-12-21 | 河北工业大学 | 一种基于立体视觉的机器人智能避障系统及方法 |
| KR102248382B1 (ko) * | 2019-11-13 | 2021-05-04 | 한국로봇융합연구원 | 가변형 농업용 로봇의 주행 제어방법 |
| CN111390918A (zh) * | 2020-05-09 | 2020-07-10 | 安徽朗巴智能科技有限公司 | 一种家用智能机器人主动控制系统 |
| CN113814986A (zh) * | 2021-11-23 | 2021-12-21 | 广东隆崎机器人有限公司 | 一种基于机器视觉控制scara机器人的方法及系统 |
| CN116038684A (zh) * | 2022-09-09 | 2023-05-02 | 南京埃斯顿机器人工程有限公司 | 一种基于视觉的机器人碰撞预警方法 |
| CN116408807A (zh) * | 2023-06-06 | 2023-07-11 | 广州东焊智能装备有限公司 | 一种基于机器视觉和轨迹规划的机器人控制系统 |
Non-Patent Citations (1)
| Title |
|---|
| 赫建立;朱龙英;成磊;殷久诚;: "基于遗传算法的6-DOF机器人最优时间轨迹规划", 机械传动, no. 09, 15 September 2015 (2015-09-15), pages 41 - 45 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117226843B (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110202583B (zh) | 一种基于深度学习的仿人机械手控制系统及其控制方法 | |
| CN105868691B (zh) | 基于快速区域卷积神经网络的城市车辆追踪方法 | |
| CN111762519B (zh) | 引导拣选机器人作业的方法、系统和调度装置 | |
| CN112650235A (zh) | 一种机器人避障控制方法、系统及机器人 | |
| CN105652870A (zh) | 一种智能安保服务机器人自主巡逻控制系统及自主巡逻控制方法 | |
| CN106737664A (zh) | 分拣多类工件的Delta机器人控制方法及系统 | |
| DE102011082800B4 (de) | System und Verfahren zur automatisierten Erstellung von Roboterprogrammen | |
| CN110502010B (zh) | 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 | |
| CN114029951B (zh) | 基于深度相机的机器人自主识别智能抓取方法 | |
| CN112102368B (zh) | 一种基于深度学习的机器人垃圾分类分拣方法 | |
| CN108072385A (zh) | 移动目标的空间坐标定位方法、装置及电子设备 | |
| CN112934518A (zh) | 基于点云的自动喷涂装置及方法 | |
| CN112298194A (zh) | 一种车辆的换道控制方法及装置 | |
| CN116605574B (zh) | 大规模机器人拣选系统参数配置和协同调度平台 | |
| CN117226843B (zh) | 一种基于视觉伺服的机器人移动轨迹控制方法及系统 | |
| CN114879704A (zh) | 一种机器人绕障控制方法及系统 | |
| CN116408807B (zh) | 一种基于机器视觉和轨迹规划的机器人控制系统 | |
| CN113909689A (zh) | 一种激光光条的管道焊接坡口特征提取方法 | |
| CN105929834B (zh) | 基于辅助定位装置的视觉导引车定位方法及视觉导引车 | |
| CN115661726B (zh) | 一种轨道列车工件装配的自主视频采集与分析方法 | |
| CN115254537B (zh) | 一种喷胶机器人的轨迹修正方法 | |
| CN114995424A (zh) | 一种移动工作站的控制方法及其相关设备 | |
| CN115755888A (zh) | 多传感器数据融合的agv障碍物检测系统及避障方法 | |
| CN205668131U (zh) | 一种基于视觉定位的机器人焊接系统 | |
| CN107861909A (zh) | 一种基于矩形相交模型算法的天车作业路径计算方法 |
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 |