CN117444989A - 一种用于路径规划的碰撞检测方法及装置 - Google Patents
一种用于路径规划的碰撞检测方法及装置 Download PDFInfo
- Publication number
- CN117444989A CN117444989A CN202311789547.XA CN202311789547A CN117444989A CN 117444989 A CN117444989 A CN 117444989A CN 202311789547 A CN202311789547 A CN 202311789547A CN 117444989 A CN117444989 A CN 117444989A
- Authority
- CN
- China
- Prior art keywords
- model
- dimensional
- mechanical arm
- target
- virtual scene
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 122
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000033001 locomotion Effects 0.000 claims abstract description 33
- 238000007689 inspection Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims description 21
- 238000013135 deep learning Methods 0.000 claims description 12
- 238000004088 simulation Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000013016 damping Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 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
- 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
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- 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
- B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
-
- 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
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
- B25J9/1676—Avoiding collision or forbidden zones
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
- Manipulator (AREA)
Abstract
本申请公开了一种用于路径规划的碰撞检测方法及装置。其中,方法包括:获取与目标质检机台对应的各组件对象的模型文件;基于各模型文件,创建获得包含三维机械臂模型及三维待检产品模型的三维虚拟场景;基于目标用户选定的目标拍照点位,获取三维机械臂模型在三维虚拟场景中的目标运行轨迹;基于目标运行轨迹驱动所述三维机械臂模型在三维虚拟场景中移动,以对三维机械臂模型以及待检产品模型进行碰撞检测,获得检测结果。本申请通过创建包含包含三维机械臂模型以及三维待检产品模型的三维虚拟场景,后续就可以在该虚拟场景中模拟机械臂模型在实际工厂环境中的移动情况,从而完成与产品对象之间的碰撞检测,实现了精准、快速的进行碰撞检测。
Description
技术领域
本发明涉及产品对象质量检测技术领域,特别涉及一种用于路径规划的碰撞检测方法及装置。
背景技术
机械臂作为自动化机台的核心执行装置,其运动轨迹及参数的设计直接影响着机台的性能,因此对机械臂进行路径规划以及碰撞检测至关重要。
传统方式中,在规划获得机械臂移动路径之后,通常需要对规划获得的路径进行碰撞检测,以避免机械臂在按照规划的路径移动时与现实环境中的物体发生碰撞。现有的碰撞检测通常是基于现场检测方式或算法检测方式,现场检测方式效率低、需要工作人员抵达现场来进行。而算法检测方式虽然无需工作人员抵达现场,但是检测结果不够准确,在现实应用场景仍然会存在碰撞发生。
发明内容
有鉴于此,本发明提供了一种用于路径规划的碰撞检测方法及装置,主要目的在于解决目前存在的碰撞检测不够准确、检测效率较低的问题。
为解决上述问题,本申请提供一种用于路径规划的碰撞检测方法,包括:
获取与目标质检机台对应的各组件对象的模型文件;
基于各所述模型文件,创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
基于目标用户选定的目标拍照点位,获取三维机械臂模型在所述三维虚拟场景中的目标运行轨迹;
基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动,以对所述三维机械臂模型以及待检产品模型进行碰撞检测,获得检测结果。
可选的,所述获取与目标质检机台对应的各组件对象的模型文件,具体包括:
响应于目标用户针对目标质检机台的选定指令,以基于所述选定指令中目标质检机台的机台型号、获取与所述机台型号对应的各组件对象的模型文件。
可选的,所述各组件对象至少包括:机械臂对象、待检产品对象以及载台平台对象;
所述基于各所述模型文件,创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景,具体包括:
基于终端设备的操作系统,确定与所述操作系统对应的模型加载方式;
基于各所述模型文件采用所述模型加载方式,加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。
可选的,所述模型加载方式包括与安卓系统对应的第一模型加载方式以及与非安卓系统对应的第二模型加载方式;
所述第一模型加载方式包括:
创建目标存储区域,并将各所述模型文件存储至所述目标存储区域;
基于所述目标存储区域中的各所述模型文件,加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
所述第二模型加载方式包括:直接基于各所述模型文件加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。
可选的,在基于机械臂对象对应的模型文件,加载机械臂对象对应的三维机械臂模型时,具体包括:
基于机械臂对象的模型文件,获取机械臂对象中各关节对象的配置参数;
基于各关节对象的配置参数,创建于各关节对象对应的关节子模型,以基于各所述关节子模型组合获得所述三维机械臂模型。
可选的,在创建三维机械臂模型之后,所述方法还包括:
为所述三维机械臂模型配置用于驱动机械臂运动的机械臂控制器;
所述基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动,具体包括:
基于所述目标运行轨迹为所述三维机械臂模型设置运动参数;
基于所述机械臂控制器根据所述运动参数,驱动所述三维机械臂模型沿所述目标运行轨迹在所述三维虚拟场景中移动;
或者,基于所述目标运行轨迹,确定所述三维机械臂模型位于所述目标运行轨迹中各位置点的欧拉转角;
基于所述机械臂控制器根据各所述位置点的欧拉转角,驱动所述三维机械臂模型依次抵达至各所述位置点,以驱动所述三维机械臂模型在所述三维虚拟场景中移动。
可选的,在创建三维机械臂模型之后,所述方法还包括:为所述三维机械臂模型配置用于进行碰撞检测的碰撞器;
所述对所述三维机械臂模型以及待检产品模型进行碰撞检测,具体包括:
基于三维机械臂模型所配置的碰撞器,在移动过程中、进行与待检产品对象间的碰撞检测。
可选的,在创建三维机械臂模型之后,所述方法还包括:
对所述三维机械臂模型进行误差补偿,获得添加误差的三维机械臂模型、以基于添加误差的三维机械臂模型进行碰撞检测。
可选的,所述基于目标用户选定的目标拍照点位,获取三维机械臂模型的目标运行轨迹,具体包括:
将目标用户选定的目标拍照点位发送给目标设备;
接收目标设备发送的、基于所述目标拍照点位利用预定的深度学习算法所确定的目标运行轨迹。
为解决上述问题,本申请提供一种用于路径规划的碰撞检测装置,包括:
第一获取模块,用于获取与目标质检机台对应的各组件对象的模型文件;
创建模块,用于基于各所述模型文件,创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
第二获取模块,用于基于目标用户选定的目标拍照点位,获取三维机械臂模型的目标运行轨迹;
检测模块,用于基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动,以对所述三维机械臂模型以及待检产品模型进行碰撞检测,获得检测结果。
为解决上述问题,本申请提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述用于路径规划的碰撞检测方法的步骤。
为解决上述问题,本申请提供一种电子设备,至少包括存储器、处理器,所述存储器上存储有计算机程序,所述处理器在执行所述存储器上的计算机程序时实现上述任一项所述用于路径规划的碰撞检测方法的步骤。
本申请中的一种用于路径规划的碰撞检测方法及装置,通过创建包含包含三维机械臂模型以及三维待检产品模型的三维虚拟场景,后续就可以在该虚拟场景中真实的模拟机械臂模型在实际工厂环境中的移动轨迹,从而在虚拟场景下完成与产品对象之间的碰撞检测,保证了检测结果的准确性。并且无需工作人员抵达工厂现场即可完成碰撞检测,提高了检测效率,并且比较直观,为后续基于碰撞检测结果精准、快速的调试出机械臂的工作路径提供了保障。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例一种用于路径规划的碰撞检测方法的流程图;
图2为本申请一种用于路径规划的碰撞检测系统的碰撞检测原理示意图;
图3为本申请VR客户端与目标设备平台交互流程示意图;
图4为本申请实施一种用于路径规划的碰撞检测装置的结构示意图;
图5为本申请另一实施例一种电子设备的结构框图。
具体实施方式
此处参考附图描述本申请的各种方案以及特征。
应理解的是,可以对此处申请的实施例做出各种修改。因此,上述说明书不应该视为限制,而仅是作为实施例的范例。本领域的技术人员将想到在本申请的范围和精神内的其他修改。
包含在说明书中并构成说明书的一部分的附图示出了本申请的实施例,并且与上面给出的对本申请的大致描述以及下面给出的对实施例的详细描述一起用于解释本申请的原理。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本申请的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本申请进行了描述,但本领域技术人员能够确定地实现本申请的很多其它等效形式。
当结合附图时,鉴于以下详细说明,本申请的上述和其他方面、特征和优势将变得更为显而易见。
此后参照附图描述本申请的具体实施例;然而,应当理解,所申请的实施例仅仅是本申请的实例,其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本申请模糊不清。因此,本文所申请的具体的结构性和功能性细节并非意在限定,而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本申请。
本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”,其均可指代根据本申请的相同或不同实施例中的一个或多个。
本申请实施例提供一种用于路径规划的碰撞检测方法,具体可以应用于VR虚拟现实客户端、AR增强现实客户端等,具体可以为VR头戴设备或AR头戴设备等等。如图1所示,本实施例中的方法包括如下步骤:
步骤S101,获取与目标质检机台对应的各组件对象的模型文件;
本步骤中,由于工厂环境是多样的,不同工厂对应的待检产品不同,因此所部属的机台和机械臂也不尽相同。由此,可以预先为每个机台设置一个机台型号,同时为各机台型号配置用于组成质检机台的相应组件对象,每个组件对象可以通过对应的模型文件建立对应的组件模块。也就是,多个组件模型共同组成一个质检机台模型。具体的,可以预先将各组件对象的模型文件存储至预定的存储位置或服务器。
因此,当确定目标质检机台的机台型号后,就可以从相应的存储位置或服务器拉取各个组件对象的模型文件。本实施例中,组件对象至少包括:机械臂对象、待检产品对象以及载台平台对象。具体的,组件对象还可以包括平台、显示器、报警器、载台转轴等等。
本步骤中,具体可以通过人机交互的方式来确定目标质检机台,从而根据目标质检机台获取与目标质检机台对应的各组件对象的模型文件。例如,可以响应于目标用户针对目标质检机台的选定指令,以基于所述选定指令中目标质检机台的机台型号、获取与所述机台型号对应的各组件对象的模型文件。
步骤S102,基于各所述模型文件,创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
本步骤中,在获得各模型文件之后,就可以基于各模型文件加载出与各组件对象对应的组件模型,然后基于各组件模型组合获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。具体的,可以基于使用unity构建出一个仿真的碰撞检测场景。具体的,可以对三维虚拟场景中的各组件模型按照预定的颜色进行现实,即不同的组件模型设置不同的颜色,以此来增强用户体验。
步骤S103,基于目标用户选定的目标拍照点位,获取三维机械臂模型在所述三维虚拟场景中的目标运行轨迹;
本步骤在具体实施过程中,可以将深度学习算法集成在客户端内,由此,可以基于目标用户选定的目标拍照点位,直接利用预定的深度学习算法直接确定目标运行轨迹。也可以将预定的深度学习算法预习存储至服务器或云平台等第三方目标设备,由此,目标用户选定目标拍照点位后,客户端可以将目标拍照点位发送给目标设备,基于目标设备利用预定的深度学习算法来确定目标运行轨迹,然后接收目标设备发送的目标运行轨迹,以此来获得与目标拍照点位对应的目标运行轨迹。
步骤S104,基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动,以对所述三维机械臂模型以及待检产品模型进行碰撞检测,获得检测结果。
本步骤中,在确定目标运行轨迹之后,就可以根据目标运行轨迹来对三维机械臂模型的控制器进行参数配置,从而利用控制器基于相应的参数驱动三维机械臂模型在三维场景中按照目标运行轨迹进行移动,从而能够模拟机械臂在实际工厂环境中的运动场景,由此能够准确的检测出机械臂模型在移动过程中是否与待检产品对象发生碰撞。
本申请中的方法,通过创建包含包含三维机械臂模型以及三维待检产品模型的三维虚拟场景,后续就可以在该虚拟场景中真实的模拟机械臂模型在实际工厂环境中的移动轨迹,从而在虚拟场景下完成与产品对象之间的碰撞检测,保证了检测结果的准确性。并且无需工作人员抵达工厂现场即可完成碰撞检测,检测效率高,并且比较直观,为后续基于碰撞检测结果精准、快速的调试出机械臂的工作路径提供了保障。
在上述实施例的基础上,本申请又一实施例提供一种用于路径规划的碰撞检测方法,本实施例中在创建三维虚拟场景时,具体可以采用如下方式:基于终端设备的操作系统,确定与所述操作系统对应的模型加载方式;基于各所述模型文件采用所述模型加载方式,加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。也就是说,不同的操作系统对应不同的模型加载方式。因此,在获取到模型文件后,首先判断VR终端设备或AR终端设备的当前操作系统,如果为安卓系统,则可以确定与安卓对应的第一模型加载方式为所述模型加载方式;如果操作系统为非安卓系统,则可以确定与非安卓系统对应的第二模型加载方式为所述模型加载方式。
本实施例中,在确定模型加载方式之后,就可以加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。具体的,当模型加载方式为第一模型加载方式时,首先需要创建目标存储区域,并将各所述模型文件存储至所述目标存储区域;基于所述目标存储区域中的各所述模型文件,加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。当模型加载方式为第二模型加载方式时,可以直接基于各所述模型文件加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。也就是,VR客户端通常为安卓环境,所以需要先创建可访问的持久文件夹,然后把模型文件保存在持久文件夹下,在通过加载器加载stl文件,用于组件模型训练的服务通常是windows和linux环境,可以直接对模型文件进行加载。
本实施中,在基于机械臂对象对应的模型文件,加载机械臂对象对应的三维机械臂模型时,具体可以采用如下方式:基于机械臂对象的模型文件,获取机械臂对象中各关节对象的配置参数;基于各关节对象的配置参数,创建于各关节对象对应的关节子模型,以基于各所述关节子模型组合获得所述三维机械臂模型。本实施例中,由于机械臂模型加载比较特殊,它由多个关节小模型组成,所以需要读取统一机器人描述格式(Unified RobotDescription Format,英文简称:URDF)配置文件,以获取每个关节的详细配置参数,然后加载手臂机器人ArmRobot组合模型,这个过程很慢并且耗费资源,因此可以采用异步加载方式。
本申请另一实施例提供一种用于路径规划的碰撞检测方法,本实施中在创建创建三维机械臂模型之后,即模型加载完成之后,还需要进行后处理,具体包括:对所述三维机械臂模型具有联动关系的关节对象,进行父子对象关联,以使机械臂模型运动时将父子对象作为整体一起运动。以及,为所述三维机械臂模型配置用于驱动机械臂运动的机械臂控制器;该控制器用于设置机械臂驱动方式的参数。也即在基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动时,可以采用如下两种驱动方式种的任意一种:
方式一:基于所述目标运行轨迹为所述三维机械臂模型设置运动参数;基于所述机械臂控制器根据所述运动参数,驱动所述三维机械臂模型沿所述目标运行轨迹在所述三维虚拟场景中移动。
本种方式中,在加载出机械臂模型之后,通过设置一些物理参数(即运动参数),用于模拟机械臂平滑真实的运动过程,适用于VR客户端或AR客户端的使用体验,具体运动参数如下:
Siffness(刚度):刚度参数表示关节的刚度,以牛顿/弧度(N/m)为单位。它决定了关节在受到外力或扭矩时的回复速度。较高的刚度会使关节更加刚硬,对外部扰动的响应更快,但也可能导致不稳定性。
Damping(阻尼):阻尼参数表示关节的阻尼,以牛顿秒/弧度(N·s/rad)为单位。它用于控制关节的振荡和震动。较高的阻尼值可以减小振荡,但如果阻尼太高,可能会影响系统的响应时间。
Force Limit(力限制):力限制参数表示关节施加的最大力或扭矩限制,以牛顿(N)或牛顿米(N·m)为单位。它用于限制关节的受力或扭矩,以保护机器人关节不受损坏。
Speed(速度):速度参数表示关节的最大运动速度,以弧度/秒(rad/s)为单位。它限制了关节的角速度,确保机器人运动在安全范围内。
Torque(扭矩):扭矩参数表示关节的最大扭矩输出,以牛顿米(N·m)为单位。它用于限制关节的最大扭矩,以防止机器人关节受到过大的负载。
Acceleration(加速度):加速度参数表示关节的最大加速度,通常以弧度/秒²(rad/s²)为单位。它限制了关节的角加速度,确保机器人运动平滑。
通过上面的设置,即可通过力的方式平滑的驱动机械臂运动,但是机械臂运动到目标点位将会更耗时,不利于快速的进行碰撞检测。由此可以采用如下第二种方式来驱动机械臂模型运动。
方式二,基于所述目标运行轨迹,确定所述三维机械臂模型位于所述目标运行轨迹中各位置点的欧拉转角;然后基于所述机械臂控制器根据各所述位置点的欧拉转角,驱动所述三维机械臂模型依次抵达至各所述位置点,以驱动所述三维机械臂模型在所述三维虚拟场景中移动。
本实施例中,通过获取机械臂六轴关节的实体对象GameObject,然后直接根据每个关节的旋转轴直接转动到对应的欧拉转角,这样就不会有机械臂运动的过程,即可以驱动机械臂模型从一个拍照位置点直接抵达(跳转)至另一个拍照位置点,实现了在碰撞检测过程中驱动机械臂模型更加快速地到达一个点位并对是否发生碰撞做出反应。
本申请另一实施例提供一种用于路径规划的碰撞检测方法,本实施例中,在创建三维机械臂模型之后,还可以为所述三维机械臂模型配置用于进行碰撞检测的碰撞器;由此,在对所述三维机械臂模型以及待检产品模型进行碰撞检测时,可以基于三维机械臂模型所配置的碰撞器,在移动过程中、进行与待检产品对象间的碰撞检测。也就是,对于碰撞检测,会在动态加载的经过后处理的对每个三维模型对象上添加碰撞控制器,利用控制器中预定的碰撞检测方法OnTriggerEnter()方法进行碰撞检测碰撞。同时,可以利用控制器中预定方法OnTriggerStay()方法执行发生碰撞之后的处理逻辑。
本申请另一实施例提供一种用于路径规划的碰撞检测方法,本实施例中,为了更加真实的模拟机械臂在实际场景中的运动情况,在创建三维机械臂模型之后,还可以对所述三维机械臂模型进行误差补偿,获得添加误差的三维机械臂模型、以基于添加误差的三维机械臂模型进行碰撞检测。具体的,可以把标定误差进行坐标系转换,然后通过offset的方式将误差添加在可能出现标定误差的机械臂模型上,从而达到真实环境的模拟。
也就是说,在真实场景中,控制机器臂运动至某个位置点A时,由于机械臂运动存在误差,因此其并不能准确无误的达到位置点A,而是会运动至与位置点A对应的位置点A’,该位置点A’与位置点A之间的位置差即为机械臂的运动误差。由此,本实施例中,在创建三维机械臂模型之后,通过对该机械臂模型添加标定误差补偿(即上述运动误差),即在仿真环境中加入了与真实环境相同的标定误差补偿,能够更真实的模拟机械臂在现实中的运动情况,进而可以认为在仿真环境中发生的碰撞在真实环境中也会发生,进一步提高了碰撞检测结果的精准度。
在上述实施例的基础上,本申请另一实施例提供一种用于路径规划的碰撞检测方法,本实施例中,当获取的目标运行轨迹是基于第三方目标设备获取的,也就是,是将目标拍照点位发送给目标设备,然后接收目标设备发送的、基于所述目标拍照点位利用预定的深度学习算法所确定的目标运行轨迹时,为了避免多个客户端同时与目标设备交互,而造成消息错了的情况,可以采用发送Kafka消息方式与目标设备的进行交互。具体的,客户端在将目标拍照点位发送给目标设备的同时,还可以将所述目标拍照点位的消息标识一同发送给所述目标设备,并记录发送的消息标识;然后接收目标设备发送的目标运行轨迹以及所携带的消息标识,以获得接收的消息标识;最后,客户端可以基于发送的消息标识以及接收的消息标识,对所述目标运行轨迹进行校验,判断接收的目标运行轨迹是否为客户端所发送的目标拍照点位所对应的运行轨迹,由此能够避免接收到目标设备发送的其他客户端所请求获取的运行轨迹。保证在一次碰撞检测流程中同一个客户端只会发起一次请求,确保高并发情况下各客户端请求的独立性。
本申请另一实施例提供一种用于路径规划的碰撞检测系统,本实施例中,以将深度学习算法服务存储至第三方设备平台为例,对申请中的碰撞检测过程进行说明。本实施例中的系统可以如图2所示,包括:VR头戴设备以及存储有强化深度学习算法服务的目标设备/平台。其中VR头戴设包括前端交互界面以及后端仿真系统服务。
VR头戴设备的前端交互界面可以接收目标用户/工程师针对目标质检机台的选定操作并生成选定指令,后端仿真系统服务可以该选定指令进行响应,以基于所述选定指令中目标质检机台的机台型号、获取与所述机台型号对应的各组件对象的模型文件;然后基于各所述模型文件使用unity构建仿真环境,即创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。然后对三维虚拟场景中的三维机械臂模型进行后处理,包括:进行父子对象关联处理、为机械臂模型增加刚体和碰撞器、为机械臂模型添加控制器、以及对机械臂模型进行误差补偿等处理。
在完成仿真环境创建之后,VR头戴设备前端交互界面可以接收用户选定的目标拍照点位,然后通过后端采用Kafka消息发送方式,将目标拍照点位和消息标识Message Id关联并发送给目标设备/平台。
目标设备/平台在接收到VR头戴设备发送的目标拍照点位后,就可以利用强化深度学习算法服务根据目标拍照点位来自动生成目标运行轨迹,然后将目标运行轨迹和目标拍照点位关联的Message Id返回各VR头戴设备的后端仿真系统服务。
VR头戴设备后端仿真系统服务可以基于Message Id对接收的目标运行轨迹进行校验,如果接收的Message Id和发送的Message Id相同,则校验成功。进而可以根据目标运行轨迹,利用相应的驱动参数来确定机械臂模型在三维虚拟场景中移动,以此来检测/验证机械臂移动过程中是否会与待检产品模型发生碰撞。
本实施例中,目标用户/光学工程师只需要在VR头戴设备/VR客户端中进行拍照点的选择,即可通过强化深度学习算法服务推理出机械臂运行轨迹,并且可以在虚拟环境中验证轨迹是否碰撞、CT时间是否合格。
本实施例中,VR客户端在与目标设备平台进行交互时,可以如图3所示,具体流程如下:
步骤一、VR客户端开始碰撞检测;
步骤二、判断是否有未完成的检测任务,如果有,则返回提示;如果没有则进入步骤三;
步骤三、通过Kafka消息队列将拍照点位以及Message Id发送给目标设备平台,利用目标设备平台中的强化深度学习算法服务进行运行轨迹推理,获得目标运行轨迹;同时判断消息是否发送成功,如果未发送成功则重复发送消息;如果发送成功,则记录MessageId;
步骤四、接收目标设备平台返回的轨迹消息;其中轨迹消息中包括目标运行轨迹以及返回的Message Id;
步骤五、基于返回的Message Id和记录的Message Id,对目标运行轨迹进行校验,以判断接收的目标运行轨迹是否是所发送的目标拍照点位对应的运行轨迹;如果是,则基于目标运行轨迹确定机械臂模型运动;如果不是,则忽略消息。
通过采用本申请中的碰撞检测方法即系统,在获得碰撞检测结果之后,就可以进一步基于碰撞检测结果对目标运行轨迹进行调整,从而获得机械臂在实际工厂环境中所应用的实际运行轨迹,使得调整后所获得实际运行轨迹的根据准确、可靠,大幅提升调试效率,减少试错成本和风险,使调试工作智能化和信息化。解决了传统机械臂路径调试/调整手工化,而造成的路径调整/调试效率低的问题。并且解决了,普通虚拟环境中所调试出的轨迹,由于是在理想环境中产出的(即没有考虑到机械臂在实际应用时的移动误差),导致调试出的运行轨迹在真实的应用场景中仍会存在碰撞的问题。
本申请另一实施例提供一种用于路径规划的碰撞检测装置,如图4所示,包括:
第一获取模块11,用于获取与目标质检机台对应的各组件对象的模型文件;
创建模块12,用于基于各所述模型文件,创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
第二获取模块13,用于基于目标用户选定的目标拍照点位,获取三维机械臂模型的目标运行轨迹;
检测模块14,用于基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动,以对所述三维机械臂模型以及待检产品模型进行碰撞检测,获得检测结果。
本实施例在具体实施过程中,所述第一获取模块具体用于:响应于目标用户针对目标质检机台的选定指令,以基于所述选定指令中目标质检机台的机台型号、获取与所述机台型号对应的各组件对象的模型文件。
本实施例在具体实施过程中,所述各组件对象至少包括:机械臂对象、待检产品对象以及载台平台对象;
所述创建模块具体包括确定模块以及加载模块,所述确定模块用于:基于终端设备的操作系统,确定与所述操作系统对应的模型加载方式;所述加载模块用于:基于各所述模型文件采用所述模型加载方式,加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。
本实施例在具体实施过程中,所述模型加载方式包括与安卓系统对应的第一模型加载方式以及与非安卓系统对应的第二模型加载方式;
所述第一模型加载方式包括:
创建目标存储区域,并将各所述模型文件存储至所述目标存储区域;
基于所述目标存储区域中的各所述模型文件,加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
所述第二模型加载方式包括:直接基于各所述模型文件加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。
本实施例在具体实施过程中,所述加载模块在基于机械臂对象对应的模型文件,加载机械臂对象对应的三维机械臂模型时,具体用于:基于机械臂对象的模型文件,获取机械臂对象中各关节对象的配置参数;基于各关节对象的配置参数,创建于各关节对象对应的关节子模型,以基于各所述关节子模型组合获得所述三维机械臂模型。
本实施例在具体实施过程中,所述用于路径规划的碰撞检测装置还包括第一配置模块,所述第一配置模块用于:在创建三维机械臂模型之后,为所述三维机械臂模型配置用于驱动机械臂运动的机械臂控制器;
所述检测模块具体用于:基于所述目标运行轨迹为所述三维机械臂模型设置运动参数;基于所述机械臂控制器根据所述运动参数,驱动所述三维机械臂模型沿所述目标运行轨迹在所述三维虚拟场景中移动;
或者,基于所述目标运行轨迹,确定所述三维机械臂模型位于所述目标运行轨迹中各位置点的欧拉转角;
基于所述机械臂控制器根据各所述位置点的欧拉转角,驱动所述三维机械臂模型依次抵达至各所述位置点,以驱动所述三维机械臂模型在所述三维虚拟场景中移动。
本实施例在具体实施过程中,所述用于路径规划的碰撞检测装置还包括第二配置模块,所述第二配置模块用于:在创建三维机械臂模型之后,为所述三维机械臂模型配置用于进行碰撞检测的碰撞器;
所述检测模块具体用于:基于三维机械臂模型所配置的碰撞器,在移动过程中、进行与待检产品对象间的碰撞检测。
本实施例在具体实施过程中,所述用于路径规划的碰撞检测装置还包括误差补偿模块,所述误差补偿模块用于,在创建三维机械臂模型之后,对所述三维机械臂模型进行误差补偿,获得添加误差的三维机械臂模型、以基于添加误差的三维机械臂模型进行碰撞检测。
本实施例在具体实施过程中,所述第二获取模块具体用于:将目标用户选定的目标拍照点位发送给目标设备;接收目标设备发送的、基于所述目标拍照点位利用预定的深度学习算法所确定的目标运行轨迹。
本实施例中的一种用于路径规划的碰撞检测装置,通过创建包含包含三维机械臂模型以及三维待检产品模型的三维虚拟场景,后续就可以在该虚拟场景中真实的模拟机械臂模型在实际工厂环境中的移动轨迹,从而在虚拟场景下完成与产品对象之间的碰撞检测,保证了检测结果的准确性。并且无需工作人员抵达工厂现场即可完成碰撞检测,检测效率高,并且比较直观,为后续基于碰撞检测结果精准、快速的调试出机械臂的工作路径提供了保障。
本申请另一实施例提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如下方法步骤:
步骤一、获取与目标质检机台对应的各组件对象的模型文件;
步骤二、基于各所述模型文件,创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
步骤三、基于目标用户选定的目标拍照点位,获取三维机械臂模型在所述三维虚拟场景中的目标运行轨迹;
步骤四、基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动,以对所述三维机械臂模型以及待检产品模型进行碰撞检测,获得检测结果。
上述方法步骤的具体实施过程可参见上述任意用于路径规划的碰撞检测方法的实施例,本实施例在此不再重复赘述。
本实施例中的存储介质,通过创建包含包含三维机械臂模型以及三维待检产品模型的三维虚拟场景,后续就可以在该虚拟场景中真实的模拟机械臂模型在实际工厂环境中的移动轨迹,从而在虚拟场景下完成与产品对象之间的碰撞检测,保证了检测结果的准确性。并且无需工作人员抵达工厂现场即可完成碰撞检测,检测效率高,并且比较直观,为后续基于碰撞检测结果精准、快速的调试出机械臂的工作路径提供了保障。
本申请另一实施例提供一种电子设备,如图5所示,至少包括存储器1、处理器2,所述存储器1上存储有计算机程序,所述处理器2在执行所述存储器1上的计算机程序时实现如下方法步骤:
步骤一、获取与目标质检机台对应的各组件对象的模型文件;
步骤二、基于各所述模型文件,创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
步骤三、基于目标用户选定的目标拍照点位,获取三维机械臂模型在所述三维虚拟场景中的目标运行轨迹;
步骤四、基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动,以对所述三维机械臂模型以及待检产品模型进行碰撞检测,获得检测结果。
上述方法步骤的具体实施过程可参见上述任意用于路径规划的碰撞检测方法的实施例,本实施例在此不再重复赘述。
本实施例中的电子设备,通过创建包含包含三维机械臂模型以及三维待检产品模型的三维虚拟场景,后续就可以在该虚拟场景中真实的模拟机械臂模型在实际工厂环境中的移动轨迹,从而在虚拟场景下完成与产品对象之间的碰撞检测,保证了检测结果的准确性。并且无需工作人员抵达工厂现场即可完成碰撞检测,检测效率高,并且比较直观,为后续基于碰撞检测结果精准、快速的调试出机械臂的工作路径提供了保障。
以上实施例仅为本申请的示例性实施例,不用于限制本申请,本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内,对本申请做出各种修改或等同替换,这种修改或等同替换也应视为落在本申请的保护范围内。
Claims (10)
1.一种用于路径规划的碰撞检测方法,其特征在于,包括:
获取与目标质检机台对应的各组件对象的模型文件;
基于各所述模型文件,创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
基于目标用户选定的目标拍照点位,获取三维机械臂模型在所述三维虚拟场景中的目标运行轨迹;
基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动,以对所述三维机械臂模型以及待检产品模型进行碰撞检测,获得检测结果。
2.如权利要求1所述的方法,其特征在于,所述获取与目标质检机台对应的各组件对象的模型文件,具体包括:
响应于目标用户针对目标质检机台的选定指令,以基于所述选定指令中目标质检机台的机台型号、获取与所述机台型号对应的各组件对象的模型文件。
3.如权利要求1所述的方法,其特征在于,所述各组件对象至少包括:机械臂对象、待检产品对象以及载台平台对象;
所述基于各所述模型文件,创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景,具体包括:
基于终端设备的操作系统,确定与所述操作系统对应的模型加载方式;
基于各所述模型文件采用所述模型加载方式,加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。
4.如权利要求3所述的方法,其特征在于,所述模型加载方式包括与安卓系统对应的第一模型加载方式以及与非安卓系统对应的第二模型加载方式;
所述第一模型加载方式包括:
创建目标存储区域,并将各所述模型文件存储至所述目标存储区域;
基于所述目标存储区域中的各所述模型文件,加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
所述第二模型加载方式包括:直接基于各所述模型文件加载各组件对象的三维模型,以创建包含三维机械臂模型以及三维待检产品模型的三维虚拟场景。
5.如权利要求3所述的方法,其特征在于,在基于机械臂对象对应的模型文件,加载机械臂对象对应的三维机械臂模型时,具体包括:
基于机械臂对象的模型文件,获取机械臂对象中各关节对象的配置参数;
基于各关节对象的配置参数,创建于各关节对象对应的关节子模型,以基于各所述关节子模型组合获得所述三维机械臂模型。
6.如权利要求1所述的方法,其特征在于,在创建三维机械臂模型之后,所述方法还包括:
为所述三维机械臂模型配置用于驱动机械臂运动的机械臂控制器;
所述基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动,具体包括:
基于所述目标运行轨迹为所述三维机械臂模型设置运动参数;
基于所述机械臂控制器根据所述运动参数,驱动所述三维机械臂模型沿所述目标运行轨迹在所述三维虚拟场景中移动;
或者,基于所述目标运行轨迹,确定所述三维机械臂模型位于所述目标运行轨迹中各位置点的欧拉转角;
基于所述机械臂控制器根据各所述位置点的欧拉转角,驱动所述三维机械臂模型依次抵达至各所述位置点,以驱动所述三维机械臂模型在所述三维虚拟场景中移动。
7.如权利要求1所述的方法,其特征在于,在创建三维机械臂模型之后,所述方法还包括:为所述三维机械臂模型配置用于进行碰撞检测的碰撞器;
所述对所述三维机械臂模型以及待检产品模型进行碰撞检测,具体包括:
基于三维机械臂模型所配置的碰撞器,在移动过程中、进行与待检产品对象间的碰撞检测。
8.如权利要求1所述的方法,其特征在于,在创建三维机械臂模型之后,所述方法还包括:
对所述三维机械臂模型进行误差补偿,获得添加误差的三维机械臂模型、以基于添加误差的三维机械臂模型进行碰撞检测。
9.如权利要求1所述的方法,其特征在于,所述基于目标用户选定的目标拍照点位,获取三维机械臂模型的目标运行轨迹,具体包括:
将目标用户选定的目标拍照点位发送给目标设备;
接收目标设备发送的、基于所述目标拍照点位利用预定的深度学习算法所确定的目标运行轨迹。
10.一种用于路径规划的碰撞检测装置,其特征在于,包括:
第一获取模块,用于获取与目标质检机台对应的各组件对象的模型文件;
创建模块,用于基于各所述模型文件,创建获得包含三维机械臂模型以及三维待检产品模型的三维虚拟场景;
第二获取模块,用于基于目标用户选定的目标拍照点位,获取三维机械臂模型的目标运行轨迹;
检测模块,用于基于所述目标运行轨迹驱动所述三维机械臂模型在所述三维虚拟场景中移动,以对所述三维机械臂模型以及待检产品模型进行碰撞检测,获得检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311789547.XA CN117444989B (zh) | 2023-12-25 | 2023-12-25 | 一种用于路径规划的碰撞检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311789547.XA CN117444989B (zh) | 2023-12-25 | 2023-12-25 | 一种用于路径规划的碰撞检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117444989A true CN117444989A (zh) | 2024-01-26 |
CN117444989B CN117444989B (zh) | 2024-03-22 |
Family
ID=89585965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311789547.XA Active CN117444989B (zh) | 2023-12-25 | 2023-12-25 | 一种用于路径规划的碰撞检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117444989B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105945942A (zh) * | 2016-04-05 | 2016-09-21 | 广东工业大学 | 一种机器人离线编程系统及方法 |
KR101850410B1 (ko) * | 2016-12-26 | 2018-04-20 | 한국생산기술연구원 | 가상 현실 기반 로봇 교시를 위한 시뮬레이션 장치 및 방법 |
CN110340890A (zh) * | 2019-06-27 | 2019-10-18 | 北京控制工程研究所 | 一种空间机械臂全局无碰轨迹规划系统 |
CN113246143A (zh) * | 2021-06-25 | 2021-08-13 | 视比特(长沙)机器人科技有限公司 | 一种机械臂动态避障轨迹规划方法及装置 |
CN113733098A (zh) * | 2021-09-28 | 2021-12-03 | 武汉联影智融医疗科技有限公司 | 机械臂模型位姿计算方法、装置、电子设备和存储介质 |
US20220134559A1 (en) * | 2020-05-22 | 2022-05-05 | Mech-Mind Robotics Technologies Ltd. | Method and apparatus for motion planning of robot, method and apparatus for path planning of robot, and method and apparatus for grasping of robot |
CN115431263A (zh) * | 2022-08-10 | 2022-12-06 | 中国地质大学(武汉) | 一种复杂执行器故障下多冗余机械臂系统协同控制方法 |
CN116079722A (zh) * | 2022-12-29 | 2023-05-09 | 北京格灵深瞳信息技术股份有限公司 | 列车底检机器人底检控制方法、装置、机器人和存储介质 |
DE102022202563B3 (de) * | 2022-03-15 | 2023-07-06 | Kuka Deutschland Gmbh | Planen einer Bahn eines Roboters |
CN116834005A (zh) * | 2023-07-11 | 2023-10-03 | 广州东焊智能装备有限公司 | 一种多障碍环境下机械臂避障路径规划方法 |
-
2023
- 2023-12-25 CN CN202311789547.XA patent/CN117444989B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105945942A (zh) * | 2016-04-05 | 2016-09-21 | 广东工业大学 | 一种机器人离线编程系统及方法 |
KR101850410B1 (ko) * | 2016-12-26 | 2018-04-20 | 한국생산기술연구원 | 가상 현실 기반 로봇 교시를 위한 시뮬레이션 장치 및 방법 |
CN110340890A (zh) * | 2019-06-27 | 2019-10-18 | 北京控制工程研究所 | 一种空间机械臂全局无碰轨迹规划系统 |
US20220134559A1 (en) * | 2020-05-22 | 2022-05-05 | Mech-Mind Robotics Technologies Ltd. | Method and apparatus for motion planning of robot, method and apparatus for path planning of robot, and method and apparatus for grasping of robot |
CN113246143A (zh) * | 2021-06-25 | 2021-08-13 | 视比特(长沙)机器人科技有限公司 | 一种机械臂动态避障轨迹规划方法及装置 |
CN113733098A (zh) * | 2021-09-28 | 2021-12-03 | 武汉联影智融医疗科技有限公司 | 机械臂模型位姿计算方法、装置、电子设备和存储介质 |
DE102022202563B3 (de) * | 2022-03-15 | 2023-07-06 | Kuka Deutschland Gmbh | Planen einer Bahn eines Roboters |
CN115431263A (zh) * | 2022-08-10 | 2022-12-06 | 中国地质大学(武汉) | 一种复杂执行器故障下多冗余机械臂系统协同控制方法 |
CN116079722A (zh) * | 2022-12-29 | 2023-05-09 | 北京格灵深瞳信息技术股份有限公司 | 列车底检机器人底检控制方法、装置、机器人和存储介质 |
CN116834005A (zh) * | 2023-07-11 | 2023-10-03 | 广州东焊智能装备有限公司 | 一种多障碍环境下机械臂避障路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117444989B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107253196B (zh) | 一种机械臂碰撞检测方法、装置、设备及存储介质 | |
CN110209146B (zh) | 自动驾驶车辆的测试方法、装置、设备及可读存储介质 | |
EP3628031A2 (en) | Determining and utilizing corrections to robot actions | |
CN110850807B (zh) | 一种奇异点规避方法、装置、设备及介质 | |
CN106851575B (zh) | 一种统一定位基站坐标系的方法和定位校准装置 | |
CN105242533A (zh) | 一种融合多信息的变导纳遥操作控制方法 | |
CN109531577B (zh) | 机械臂标定方法、装置、系统、介质、控制器及机械臂 | |
CN111251305B (zh) | 机器人力控制方法、装置、系统、机器人及存储介质 | |
CN109129475B (zh) | 机械臂的重力补偿方法、装置、系统及存储介质 | |
CN111338287A (zh) | 机器人运动控制方法、装置、系统、机器人及存储介质 | |
CN113642243A (zh) | 多机器人的深度强化学习系统、训练方法、设备及介质 | |
CN112528434B (zh) | 信息识别方法、装置、电子设备和存储介质 | |
Khrueangsakun et al. | Design and development of cyber physical system for real-time web-based visualization and control of robot arm | |
CN112847336A (zh) | 动作学习方法、装置、存储介质及电子设备 | |
CN117444989B (zh) | 一种用于路径规划的碰撞检测方法及装置 | |
EP3670108A1 (en) | Robot teaching programming method, apparatus and system, and computer-readable medium | |
CN109015648B (zh) | 一种机器人的控制方法、装置、存储介质及机器人 | |
CN107423515B (zh) | 机械臂摩擦辨识方法、装置、设备及存储介质 | |
CN111708283B (zh) | 一种机器人仿真方法、设备以及计算机可读存储介质 | |
CN114036043A (zh) | 一种机器人测试系统、应用方法及应用装置 | |
CN113492414A (zh) | 一种基于Web的机器人跨平台人机交互系统及实现方法 | |
US11633858B2 (en) | Method and system for simulating a braking operation of a robot | |
CN113110107B (zh) | 无人机飞行控制仿真系统、设备及存储介质 | |
Franklin Salazar et al. | Teleoperation and remote monitoring of a SCORBOT ER-4U robotic arm in an academic environment | |
CN115014824A (zh) | 机器人测试系统、方法及计算机可读存储介质 |
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 |