CN117584138B - 一种基于换电站三维定位抓取的智能运动控制调节系统 - Google Patents
一种基于换电站三维定位抓取的智能运动控制调节系统 Download PDFInfo
- Publication number
- CN117584138B CN117584138B CN202410076192.8A CN202410076192A CN117584138B CN 117584138 B CN117584138 B CN 117584138B CN 202410076192 A CN202410076192 A CN 202410076192A CN 117584138 B CN117584138 B CN 117584138B
- Authority
- CN
- China
- Prior art keywords
- point
- value
- module
- neighborhood
- actuator
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 230000033228 biological regulation Effects 0.000 claims abstract description 12
- 230000003993 interaction Effects 0.000 claims abstract description 7
- 238000010801 machine learning Methods 0.000 claims abstract description 7
- 230000009123 feedback regulation Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 45
- 239000011159 matrix material Substances 0.000 claims description 42
- 239000013598 vector Substances 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 20
- 230000009466 transformation Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 11
- 230000000875 corresponding effect Effects 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract description 3
- 230000036544 posture Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- 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
- B25J9/1679—Programme controls characterised by the tasks executed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种基于换电站三维定位抓取的智能运动控制调节系统，具体涉及控制调节技术领域，包括车牌号采集模块、数据比对模块、换电信息交互模块、环境感知模块、数据预处理模块、数据处理模块、三维定位控制模块、运动控制调节模块，以及反馈调节模块；通过三维定位控制模块和机器学习算法，能够准确获取物体的三维位置和姿态信息，提高抓取精度，实现换电站电池组更换的自动化、智能化，提高换电站的效率；通过运动控制调节模块生成相应的动作指令，使得四爪吊具能够按照预定的轨迹进行运动；通过反馈调节模块实时监测四爪吊具执行器和关节的状态，计算抓取综合偏离指数，并反馈信息到运动控制调节模块，实现闭环控制。
Description
技术领域
本发明涉及控制调节技术领域，更具体地说，本发明涉及一种基于换电站三维定位抓取的智能运动控制调节系统。
背景技术
近年来，随着对环保问题的日益重视，我国开始陆续推出政策支持新能源汽车的推广和换电模式的发展；2010年国家电网就提出“换电为主，插充为辅，集中充电，统一配送”的发展思路；2019年底《新能源汽车产业发展规划(2021-2035年)》中提出合理布局充换电基础设施，鼓励开展换电模式的应用；2020年、2021年多次提出有关加大充换电设施建设，积极支持充换电商业模式创新；2021年10月，工信部印发《关于启动新能源汽车换电模式应用试点工作的通知》；2022年3月工业和信息化部在《2022年汽车标准化工作要点》中提出加快构建完善电动汽车充换电标准体系，开展电动汽车大功率充电技术升级方案研究和验证，加快推进电动汽车传导充电连接装置等系列标准修订发布。
从上面一系列国家政策来看，国家旨在推动电动汽车特别是电动重卡及其换电站系统的快速发展，尽管目前国内已有企业开始研发换电站系统，但是还处于探索阶段，规模相对较小，技术及可靠性还不够成熟，通常需要人工操作来更换电池组，效率低下，无法实现换电站电池组智能更换的需求。
发明内容
为了克服现有技术的上述缺陷，本发明提供一种基于换电站三维定位抓取的智能运动控制调节系统，通过车牌号采集模块和数据比对模块，确保只有授权的卡车可以进入换电站更换电池组；通过换电信息交互模块与重卡司机进行交互，采用人脸识别、指纹识别技术识别重卡司机的身份，授权通过的司机通过触摸屏确认换电操作，向三维定位控制模块发送电池解锁信息和确认换电信息；通过环境感知模块，利用多个方位的激光雷达收集三维点云数据，提供更准确的环境信息；通过数据预处理模块对收集到的三维点云数据进行滤波和去噪处理，提高后续数据处理的准确性；通过数据处理模块对滤波后的点进行配准，基于配准结果，进行三维重建得到三维文件；通过三维定位控制模块和机器学习算法，能够准确获取物体的三维位置和姿态信息，提高抓取精度，实现换电站电池组更换的自动化、智能化，提高换电站的效率；通过运动控制调节模块生成相应的动作指令，使得四爪吊具能够按照预定的轨迹进行运动；通过反馈调节模块实时监测四爪吊具执行器和关节的状态，计算抓取综合偏离指数，并反馈信息到运动控制调节模块，实现闭环控制，提高系统的稳定性和准确性，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于换电站三维定位抓取的智能运动控制调节系统，包括：
车牌号采集模块：用于采集重卡车牌号；
数据比对模块：用于接收车牌号采集模块的车牌号，将其与数据库中的数据进行匹配，匹配成功则允许卡车进入换电站更换电池组；
换电信息交互模块：用于与重卡司机进行交互，重卡司机在司机室解锁电池组，采用人脸识别、指纹识别技术识别重卡司机的身份，授权通过的司机通过触摸屏确认换电操作，向三维定位控制模块发送电池解锁信息和确认换电信息；
环境感知模块：用于利用多个方位的激光雷达收集三维点云数据；
数据预处理模块：用于对收集到的三维点云数据进行滤波和去噪处理；
数据处理模块：用于接收数据预处理模块传输的数据，对滤波后的点进行配准，基于配准结果，进行三维重建得到三维文件；
三维定位控制模块基于三维文件，结合机器学习算法，获取物体的准确位置和姿态信息，用旋转矩阵表示；
运动控制调节模块：用于根据三维定位控制模块的数据，生成相应的动作指令，使得四爪吊具能够按照预定的轨迹进行运动；
反馈调节模块：用于实时监测四爪吊具执行器和关节的状态，计算抓取综合偏离指数，并反馈信息到运动控制调节模块。
在一个优选的实施方式中，所述数据预处理模块的处理过程为：
A1、对于三维点云数据中的每个点P，将固定半径R内的点作为一个点集合，记作邻域N；其中三维点云数据中存在N个邻域；
A2、针对每个邻域，计算点云密度DM，，其中m表示邻域中点的数量，V表示邻域的体积；
A3、计算某个点在其邻域内的点的坐标值的邻域方差FC，获得该点附近点云的空间变化程度，，其中m表示邻域中点的数量，xi表示邻域内每个点的坐标值，/>表示邻域内所有点的坐标平均值；
A4、根据点云密度DM和邻域方差FC，计算一个噪声值Lzs，，其中w1、w2表示各项的比例系数；
A5、将噪声值Lzs和预先设定的噪声值Lzs阈进行判断对比，若Lzs≥Lzs阈则表示噪声高，需要将其剔除，反之则表示噪声低，将其保留进行下一步骤；
A6、对于当前每个邻域中保留的点，分别以每个点作为中心点，中心点的坐标表示为（xz，yz，zz），计算中心点与邻域中其他点的空间距离Lkj，其他点的坐标表示为（xq，yq，zq），；
A7、使用逆距离加权对空间距离进行加权，得到当前中心点的空间权重ω，；
A8、计算各个中心点的空间权重的均值ωj，，其中ωi表示第i个中心点的空间权重，m表示邻域中点的数量，以评估空间权重的密集程度；
A9、将最大的空间权重的均值所对应的中心点作为最终的中心点，该最终的中心点的空间权重记作ωz；
A10、利用绝对值差计算每个点与最终的中心点之间的像素值差异diff，，其中vi表示当前点的像素值，vz表示最终的中心点的像素值；
A11、使用高斯函数对像素值差异进行加权，得到像素值权重ωr，，其中σr表示控制像素值权重衰减量的参数；
A12、结合最终的中心点的空间权重ωz和像素值权重ωr，计算综合权重ωh，；
A13、使用综合权重对邻域内的点进行加权平均，得到滤波后的点；所述使用综合权重对邻域内的点进行加权平均的计算公式为：
，其中/>表示滤波后的点的像素值，m表示邻域中点的数量，ω hi表示第i个点的综合权重，vi表示第i个点的像素值。
在一个优选的实施方式中，所述数据处理模块的处理过程如下：
B1、基于几何特征，从点云数据中提取出表面特征，包括曲率和法线向量；
B2、对于邻域中的每个点，计算其局部特征响应值，根据计算得到的局部特征响应值，确定关键点；
B3、基于多个方位的三维点云数据的关键点、曲率和法线向量，对三维点云数据进行配准；
B4、基于配准结果，进行三维重建得到三维文件。
在一个优选的实施方式中，所述基于几何特征，从点云数据中提取出表面特征，其处理过程如下：
B11、计算邻域的重心坐标X，，其中m表示邻域中点的数量，xi表示邻域内每个点的坐标值；
B12、对于邻域中的每个点Pl，将其坐标减去重心坐标X，得到相对于重心的偏移向量Y；即Y=Pl-X；
B13、将中心化后的邻域表示为一个矩阵JY，，其中每一行代表一个点的坐标，Yi表示第i个点相对于重心的偏移向量；
B14、计算矩阵的转置矩阵ZJ，，中YiT表示第i个点相对于重心的偏移向量的转置；
B15、将中心化后的邻域矩阵与转置矩阵相乘，得到乘积矩阵CJ，；
B16、根据乘积矩阵和邻域的点数，计算得到协方差矩阵XJ，，其中m表示邻域中点的数量；
B17、使用QR迭代法对协方差矩阵进行特征值分解，得到特征值c；
B18、根据特征向量α和特征值c，计算出每个点的法线向量u，；
B19、对曲率和法线向量进行平滑处理或插值操作。
在一个优选的实施方式中，所述对于邻域中的每个点，计算其局部特征响应值，根据计算得到的局部特征响应值，确定关键点；其处理过程如下：
B21、计算点云的曲率差异值Ql、法线差异值Fy；所述曲率差异值的计算公式为：，所述法线差异值的计算公式为：/>，其中qla表示当前点的曲率，qlc表示最终的中心点的曲率，ωzi表示第i个最终的中心点的空间权重，ni表示当前点的法线向量，nz表示最终的中心点的法线向量，m表示邻域中点的数量；
B22、结合点云的曲率差异值Ql和法线差异值Fy，计算局部特征响应值JXz，，其中β1、β2表示各项的比例系数；
B23、将局部特征响应值JXz和预先设定的局部特征响应阈值JXz阈进行判断对比，若JXz＞JXz阈则将该点记作关键点。
在一个优选的实施方式中，所述基于多个方位的三维点云数据的关键点、曲率和法线向量，对三维点云数据进行配准；其处理过程如下：
B31、对于多个方位的三维点云数据，将每两个点云数据集进行关键点匹配，采用最近邻搜索算法找到两个点云数据集中具有相似位置和特征的关键点对；
B32、根据关键点对，计算关键点的曲率差异系数QCy，，其中qlk1和qlk2分别表示关键点对中两个关键点的曲率值；
B33、将关键点的曲率差异系数QCy和预先设定的关键点的曲率差异系数阈值QCy阈值进行判断对比，若QCy≥QCy阈则表示关键点对未通过曲率一致性验证；反之则表示关键点对通过曲率一致性验证；
B34、对于通过曲率一致性验证的关键点对，进一步比较法线特征相似度cosθ，，其中na和nb分别表示关键点对中两个关键点的法线向量；
B35、将关键点的法线特征相似度cosθ和预先设定的法线特征相似度cosθ阈值进行判断对比，若cosθ≥cosθ阈则表示关键点对具有相似的法线特征；反之则表示关键点对不具有相似的法线特征；
B36、根据匹配的关键点对，利用刚体变换模型估计两个点云数据集之间的变换关系；使用最小二乘法求解最佳的刚体变换参数；
B37、将估计得到的刚体变换应用到整个点云数据集中，将一个点云数据集变换到与另一个数据集对齐的坐标系下；通过应用变换，实现点云数据的配准，使得两个点云数据集在空间中对齐并重合。
在一个优选的实施方式中，所述反馈调节模块的具体处理过程为：
E1、通过传感器，实时监测四爪吊具执行器和关节的状态，获取执行器当前角度值、关节当前角度值、执行器当前速度值、关节当前速度值，以及执行器的输出力值；
E2、将执行器当前角度值、关节当前角度值、执行器当前速度值、关节当前速度值，以及执行器的输出力值，进行归一化处理得到归一化后的执行器当前角度值、关节当前角度值、执行器当前速度值、关节当前速度值，以及执行器的输出力值；
E3、计算四爪吊具的执行器角度偏离系数、关节角度偏离系数、执行器速度偏离系数、关节速度偏离系数，以及力矩偏离系数；
所述执行器角度偏离系数的计算公式为：，其中PLzj表示执行器角度偏离系数，zj表示归一化后的执行器当前角度值，zjq表示期望的执行器当前角度值；
所述关节角度偏离系数的计算公式为：，其中PLgj表示关节角度偏离系数，gj表示归一化后的关节当前角度值，gjq表示期望的关节当前角度值；
所述执行器速度偏离系数的计算公式为：，其中PLzs表示执行器速度偏离系数，zs表示归一化后的执行器当前速度值，zsq表示期望的执行器当前速度值；
所述关节速度偏离系数的计算公式为：，其中PLgs表示关节速度偏离系数，gs表示归一化后的关节当前速度值，gsq表示期望的关节当前速度值；
所述力矩偏离系数的计算公式为：，其中PLl表示力矩偏离系数，l表示归一化后的执行器的输出力值，lq表示期望的执行器的输出力值；
E4、基于四爪吊具的执行器角度偏离系数PLzj、关节角度偏离系数PLgj、执行器速度偏离系数PLzs、关节速度偏离系数PLgs，以及力矩偏离系数PLl，计算抓取综合偏离指数PLz，计算公式如下：，其中η1、η2、η3、η4、η5分别为各项的比例系数；
E5、将计算得到的抓取综合偏离指数作为反馈信息传递给运动控制调节模块。
本发明的技术效果和优点：
本发明通过车牌号采集模块和数据比对模块，确保只有授权的卡车可以进入换电站更换电池组；通过换电信息交互模块与重卡司机进行交互，采用人脸识别、指纹识别技术识别重卡司机的身份，授权通过的司机通过触摸屏确认换电操作，向三维定位控制模块发送电池解锁信息和确认换电信息；通过环境感知模块，利用多个方位的激光雷达收集三维点云数据，提供更准确的环境信息；通过数据预处理模块对收集到的三维点云数据进行滤波和去噪处理，提高后续数据处理的准确性；通过数据处理模块对滤波后的点进行配准，基于配准结果，进行三维重建得到三维文件；通过三维定位控制模块和机器学习算法，能够准确获取物体的三维位置和姿态信息，提高抓取精度，实现换电站电池组更换的自动化、智能化，提高换电站的效率；通过运动控制调节模块生成相应的动作指令，使得四爪吊具能够按照预定的轨迹进行运动；通过反馈调节模块实时监测四爪吊具执行器和关节的状态，计算抓取综合偏离指数，并反馈信息到运动控制调节模块，实现闭环控制，提高系统的稳定性和准确性。
附图说明
图1为本发明的整体结构框图。
图2为本发明的数据预处理模块步骤方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，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。
本发明提供了如图1-图2所示的一种基于换电站三维定位抓取的智能运动控制调节系统，包括车牌号采集模块、数据比对模块、换电信息交互模块、环境感知模块、数据预处理模块、数据处理模块、三维定位控制模块、运动控制调节模块，以及反馈调节模块；
所述车牌号采集模块用于采集重卡车牌号；
本实施需要具体说明的是，所述车牌号采集模块的具体采集方式为：使用摄像头对重卡的车牌号进行采集，通过字符识别算法提取和识别车牌号；其中字符识别算法属于现有技术手段，因此本实施例未做出具体说明；
所述数据比对模块用于接收车牌号采集模块的车牌号，将其与数据库中的数据进行匹配，匹配成功则允许卡车进入换电站更换电池组；
本实施需要具体说明的是，所述数据比对模块的具体处理方式为：使用数据库查询操作将车牌号与数据库中的数据进行匹配，如果匹配成功，则表示该卡车有权限进入换电站进行电池更换操作；如果匹配失败，则表示该卡车没有权限进入换电站进行电池更换操作，系统拒绝该卡车进入，并给出相应的提示；
所述换电信息交互模块用于与重卡司机进行交互，重卡司机在司机室解锁电池组，采用人脸识别、指纹识别技术识别重卡司机的身份，授权通过的司机通过触摸屏确认换电操作，向三维定位控制模块发送电池解锁信息和确认换电信息；其中人脸识别、指纹识别技术属于现有技术手段，因此本实施例未做出具体说明；
所述环境感知模块用于利用多个方位的激光雷达收集三维点云数据；所述三维点云数据，具体是指激光雷达通过发射激光脉冲并测量反射回来的光的时间，计算物体的距离，从而生成环境的三维点云数据，表示物体表面的三维坐标；
需要说明的是，所述三维点云数据是直接通过激光雷达获取得到的数据；
所述数据预处理模块用于对收集到的三维点云数据进行滤波和去噪处理，可以消除数据中的噪声和干扰，从而提高数据的质量；
本实施需要具体说明的是，所述数据预处理模块的处理过程为：
A1、对于三维点云数据中的每个点P，将固定半径R内的点作为一个点集合，记作邻域N；其中三维点云数据中存在N个邻域；
A2、针对每个邻域，计算点云密度DM，，其中m表示邻域中点的数量，V表示邻域的体积；
A3、计算某个点在其邻域内的点的坐标值的邻域方差FC，获得该点附近点云的空间变化程度，，其中m表示邻域中点的数量，xi表示邻域内每个点的坐标值，/>表示邻域内所有点的坐标平均值；
A4、根据点云密度DM和邻域方差FC，计算一个噪声值Lzs，，其中w1、w2表示各项的比例系数，比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于比例系数的大小，只要不影响参数与量化后数值的比例关系即可；
A5、将噪声值Lzs和预先设定的噪声值Lzs阈进行判断对比，若Lzs≥Lzs阈则表示噪声高，需要将其剔除，反之则表示噪声低，将其保留进行下一步骤；其中预先设定的噪声值Lzs阈，可依据具体情况具体设定，本实施例不对具体数据做具体限定；
A6、对于当前每个邻域中保留的点，分别以每个点作为中心点，中心点的坐标表示为（xz，yz，zz），计算中心点与邻域中其他点的空间距离Lkj，其他点的坐标表示为（xq，yq，zq），；
A7、使用逆距离加权对空间距离进行加权，得到当前中心点的空间权重ω，；
A8、计算各个中心点的空间权重的均值ωj，，其中ωi表示第i个中心点的空间权重，m表示邻域中点的数量，以评估空间权重的密集程度；
A9、将最大的空间权重的均值所对应的中心点作为最终的中心点，该最终的中心点的空间权重记作ωz；
A10、利用绝对值差计算每个点与最终的中心点之间的像素值差异diff，，其中vi表示当前点的像素值，vz表示最终的中心点的像素值；
A11、使用高斯函数对像素值差异进行加权，得到像素值权重ωr，，其中σr表示控制像素值权重衰减量的参数；
A12、结合最终的中心点的空间权重ωz和像素值权重ωr，计算综合权重ωh，；
A13、使用综合权重对邻域内的点进行加权平均，得到滤波后的点；所述使用综合权重对邻域内的点进行加权平均的计算公式为：，其中/>表示滤波后的点的像素值，m表示邻域中点的数量，ωhi表示第i个点的综合权重，vi表示第i个点的像素值；
所述数据处理模块用于接收数据预处理模块传输的数据，对滤波后的点进行配准，基于配准结果，进行三维重建得到三维文件；
本实施需要具体说明的是，所述数据处理模块的处理过程如下：
B1、基于几何特征，从点云数据中提取出表面特征，包括曲率和法线向量；其中曲率用于计算表面的弯曲程度，法线向量表示表面在每个点处的朝向；其处理过程如下：
B11、计算邻域的重心坐标X，，其中m表示邻域中点的数量，xi表示邻域内每个点的坐标值；
B12、对于邻域中的每个点Pl，将其坐标减去重心坐标X，得到相对于重心的偏移向量Y；即Y=Pl-X；需要说明的是，将邻域中的点坐标进行中心化后，每个点的坐标都相对于重心进行了平移，使重心成为新的坐标系的原点，方便后续的计算和分析；
B13、将中心化后的邻域表示为一个矩阵JY，，其中每一行代表一个点的坐标，Yi表示第i个点相对于重心的偏移向量；
B14、计算矩阵的转置矩阵ZJ，，其中YiT表示第i个点相对于重心的偏移向量的转置；
B15、将中心化后的邻域矩阵与转置矩阵相乘，得到乘积矩阵CJ，；
B16、根据乘积矩阵和邻域的点数，计算得到协方差矩阵XJ，，其中m表示邻域中点的数量；
B17、使用QR迭代法对协方差矩阵进行特征值分解，得到特征值c；其中最小的特征值对应了曲率的最大值，表示了邻域点集在局部坐标系中的弯曲程度；所述QR迭代法属于现有技术手段，因此本实施例未做出具体说明；
B18、根据特征向量α和特征值c，计算出每个点的法线向量u，；其中法线向量的方向应与特征向量相符，且法线向量的长度应与特征值相关；
B19、对曲率和法线向量进行平滑处理或插值操作，有助于减少异常值的影响，并提供更连续和一致的表面特征；其中平滑处理和插值操作属于现有技术手段，因此本实施例未做出具体说明；
B2、对于邻域中的每个点，计算其局部特征响应值，根据计算得到的局部特征响应值，确定关键点；其处理过程如下：
B21、计算点云的曲率差异值Ql、法线差异值Fy；所述曲率差异值的计算公式为：，所述法线差异值的计算公式为：/>，
其中qla表示当前点的曲率，qlc表示最终的中心点的曲率，ωzi表示第i个最终的中心点的空间权重，ni表示当前点的法线向量，nz表示最终的中心点的法线向量，m表示邻域中点的数量；
B22、结合点云的曲率差异值Ql和法线差异值Fy，计算局部特征响应值JXz，，其中β1、β2表示各项的比例系数，比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于比例系数的大小，只要不影响参数与量化后数值的比例关系即可；
B23、将局部特征响应值JXz和预先设定的局部特征响应阈值JXz阈进行判断对比，若JXz＞JXz阈则将该点记作关键点；其中预先设定的局部特征响应阈值JXz阈，可依据具体情况具体设定，本实施例不对具体数据做具体限定；
B3、基于多个方位的三维点云数据的关键点、曲率和法线向量，对三维点云数据进行配准；其处理过程如下：
B31、对于多个方位的三维点云数据，将每两个点云数据集进行关键点匹配，采用最近邻搜索算法找到两个点云数据集中具有相似位置和特征的关键点对；所述最近邻搜索算法属于现有技术手段，因此本实施例未做出具体说明；
B32、根据关键点对，计算关键点的曲率差异系数QCy，，其中qlk1和qlk2分别表示关键点对中两个关键点的曲率值；
B33、将关键点的曲率差异系数QCy和预先设定的关键点的曲率差异系数阈值QCy阈值进行判断对比，若QCy≥QCy阈则表示关键点对未通过曲率一致性验证；反之则表示关键点对通过曲率一致性验证；其中预先设定的关键点的曲率差异系数阈值QCy阈值，可依据具体情况具体设定，本实施例不对具体数据做具体限定；
B34、对于通过曲率一致性验证的关键点对，进一步比较法线特征相似度cosθ，，其中na和nb分别表示关键点对中两个关键点的法线向量；
B35、将关键点的法线特征相似度cosθ和预先设定的法线特征相似度cosθ阈值进行判断对比，若cosθ≥cosθ阈则表示关键点对具有相似的法线特征；反之则表示关键点对不具有相似的法线特征；其中预先设定的关键点的曲率差异系数阈值QCy阈值，可依据具体情况具体设定，本实施例不对具体数据做具体限定；
B36、根据匹配的关键点对，利用刚体变换模型估计两个点云数据集之间的变换关系；使用最小二乘法求解最佳的刚体变换参数；其中刚体变换模型和最小二乘法属于现有技术手段，因此本实施例未做出具体说明；
B37、将估计得到的刚体变换应用到整个点云数据集中，将一个点云数据集变换到与另一个数据集对齐的坐标系下；通过应用变换，实现点云数据的配准，使得两个点云数据集在空间中对齐并重合；
B4、基于配准结果，进行三维重建得到三维文件；其处理过程如下：
B41、利用体素网格化方法对点云数据进行表面重建，将点云转换为连续的三维几何表面模型；所述体素网格化方法属于现有技术手段，因此本实施例未做出具体说明；
B42、通过像素投影将纹理信息映射到生成的三维模型上；
B43、使用平滑滤波、空洞填充算法和边缘保持算法对生成的三维模型进行后处理；所述平滑滤波、空洞填充算法和边缘保持算法属于现有技术手段，因此本实施例未做出具体说明；
B44、将模型导出为常见的三维文件格式，用于查看、编辑或后续分析；
所述三维定位控制模块基于三维文件，结合机器学习算法，获取物体的准确位置和姿态信息，用旋转矩阵表示；所述三维文件包含经过滤波和配准处理后的点云数据；该模块执行更精细的定位控制，提高定位的准确性；
本实施需要具体说明的是，所述三维定位控制模块的具体处理过程为：
C1、接收三维文件，使用机器学习算法从中提取出关键特征；所述关键特征包括物体的形状、纹理和边缘信息；其处理过程如下：
C11、构建点云卷积神经网络模型，包括卷积层、池化层和全连接层；所述构建点云卷积神经网络模型属于现有技术手段，因此本实施例未做出具体说明；
C12、通过前向传播将点云数据输入到点云卷积神经网络模型中，经过卷积和池化操作，提取出点云中的形状特征，包括点的分布、曲率；
C13、输出形状特征矩阵，用于后续的定位控制；
C14、利用透视投影方法将点云数据投影到二维图像平面上；所述透视投影方法属于现有技术手段，因此本实施例未做出具体说明；
C15、在投影后的图像上应用图像处理技术，提取出点云投影图像中的纹理特征，包括颜色分布、纹理密度和局部梯度；所述图像处理技术属于现有技术手段，因此本实施例未做出具体说明；
C16、输出纹理特征矩阵；
C17、利用边缘检测算法，在点云数据中检测出边缘；所述边缘检测算法属于现有技术手段，因此本实施例未做出具体说明；
C18、输出边缘点集合；
C2、采用深度匹配算法，将所提取的形状特征矩阵、纹理特征矩阵和边缘点集合与预先构建好的三维模型进行匹配；所述深度匹配算法属于现有技术手段，因此本实施例未做出具体说明；
C3、统计匹配到的特征点的数量f，一个匹配到的特征点记作q分，计算匹配得分Pu，；
C4、将匹配得分Pu与预先设定的匹配得分阈值Pu阈进行判断对比，若Pu＞Pu阈则表示点云数据中的物体与已知模型存在关联；反之则表示点云数据中的物体与已知模型不存在关联；其中预先设定的匹配得分阈值Pu阈，可依据具体情况具体设定，本实施例不对具体数据做具体限定；
C5、根据关联的特征点，使用迭代最近点算法初步计算物体的位置和姿态；所述迭代最近点算法属于现有技术手段，因此本实施例未做出具体说明；
C6、根据初步计算得到的物体位置和姿态，使用非线性优化方法，优化位姿参数并最小化重投影误差；所述非线性优化方法属于现有技术手段，因此本实施例未做出具体说明；
C7、获取物体的准确位置和姿态信息，用旋转矩阵表示，以便于后续的应用或控制；其中旋转矩阵是一个3×3的矩阵，用于描述物体的旋转姿态；
所述运动控制调节模块用于根据三维定位控制模块的数据，生成相应的动作指令，使得四爪吊具能够按照预定的轨迹进行运动；
本实施需要具体说明的是，所述运动控制调节模块的具体处理过程为：
D1、从三维定位控制模块获取旋转矩阵；
D2、将旋转矩阵进行区分标记，区分出电池组的旋转矩阵和其他物体的旋转矩阵；
D4、使用逆运动学方法，基于电池组和其他物体的旋转矩阵计算四爪吊具的关节角度或执行器位置；其中逆运动学方法计算会考虑机械结构的约束条件和运动学模型，以确定各个关节或执行器所需的运动参数；
D5、根据逆运动学计算结果，生成四爪吊具的轨迹；所述轨迹包括确定在不同时间点上四爪吊具应该处于的位置和姿态，以实现目标动作；其中轨迹生成可以通过插值方法、样条曲线拟合来实现，属于现有技术手段，因此本实施例未做出具体说明；
D6、根据生成的轨迹，生成相应的动作指令，并将生成的动作指令发送给四爪吊具的控制中心；所述动作指令包括各个关节或执行器的运动命令、速度控制，以及力矩控制；
所述反馈调节模块用于实时监测四爪吊具执行器和关节的状态，计算抓取综合偏离指数，并反馈信息到运动控制调节模块，以便进行实时调整，保证操作精度和稳定性；
本实施需要具体说明的是，所述反馈调节模块的具体处理过程为：
E1、通过传感器，实时监测四爪吊具执行器和关节的状态，获取执行器当前角度值、关节当前角度值、执行器当前速度值、关节当前速度值，以及执行器的输出力值；
E2、将执行器当前角度值、关节当前角度值、执行器当前速度值、关节当前速度值，以及执行器的输出力值，进行归一化处理得到归一化后的执行器当前角度值、关节当前角度值、执行器当前速度值、关节当前速度值，以及执行器的输出力值；
E3、计算四爪吊具的执行器角度偏离系数、关节角度偏离系数、执行器速度偏离系数、关节速度偏离系数，以及力矩偏离系数；
所述执行器角度偏离系数的计算公式为：，其中PLzj表示执行器角度偏离系数，zj表示归一化后的执行器当前角度值，zjq表示期望的执行器当前角度值；
所述关节角度偏离系数的计算公式为：，其中PLgj表示关节角度偏离系数，gj表示归一化后的关节当前角度值，gjq表示期望的关节当前角度值；
所述执行器速度偏离系数的计算公式为：，其中PLzs表示执行器速度偏离系数，zs表示归一化后的执行器当前速度值，zsq表示期望的执行器当前速度值；
所述关节速度偏离系数的计算公式为：，其中PLgs表示关节速度偏离系数，gs表示归一化后的关节当前速度值，gsq表示期望的关节当前速度值；
所述力矩偏离系数的计算公式为：，其中PLl表示力矩偏离系数，l表示归一化后的执行器的输出力值，lq表示期望的执行器的输出力值；
E4、基于四爪吊具的执行器角度偏离系数PLzj、关节角度偏离系数PLgj、执行器速度偏离系数PLzs、关节速度偏离系数PLgs，以及力矩偏离系数PLl，计算抓取综合偏离指数PLz，计算公式如下：，其中η1、η2、η3、η4、η5分别为各项的比例系数，比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于比例系数的大小，只要不影响参数与量化后数值的比例关系即可；
需要说明的是，通过将加权偏离程度与时间的积分，可以更好地反映出随着时间的推移，参数偏离的累积效果；
E5、将计算得到的抓取综合偏离指数作为反馈信息传递给运动控制调节模块。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种基于换电站三维定位抓取的智能运动控制调节系统，其特征在于：包括：
车牌号采集模块：用于采集重卡车牌号；
数据比对模块：用于接收车牌号采集模块的车牌号，将其与数据库中的数据进行匹配，匹配成功则允许卡车进入换电站更换电池组；
换电信息交互模块：用于与重卡司机进行交互，重卡司机在司机室解锁电池组，采用人脸识别、指纹识别技术识别重卡司机的身份，授权通过的司机通过触摸屏确认换电操作，向三维定位控制模块发送电池解锁信息和确认换电信息；
环境感知模块：用于利用多个方位的激光雷达收集三维点云数据；
数据预处理模块：用于对收集到的三维点云数据进行滤波和去噪处理；
所述数据预处理模块的处理过程为：
A1、对于三维点云数据中的每个点P，将固定半径R内的点作为一个点集合，记作邻域N；其中三维点云数据中存在N个邻域；
A2、针对每个邻域，计算点云密度DM,,其中m表示邻域中点的数量，V表示邻域的体积；
A3、计算某个点在其邻域内的点的坐标值的邻域方差FC，获得该点附近点云的空间变化程度,,其中m表示邻域中点的数量，xi表示邻域内每个点的坐标值，/>表示邻域内所有点的坐标平均值；
A4、根据点云密度DM和邻域方差FC，计算一个噪声值Lzs，,其中w1、w2表示各项的比例系数；
A5、将噪声值Lzs和预先设定的噪声值Lzs阈进行判断对比，若Lzs≥Lzs阈则表示噪声高，需要将其剔除，反之则表示噪声低，将其保留进行下一步骤；
A6、对于当前每个邻域中保留的点，分别以每个点作为中心点，中心点的坐标表示为（xz，yz，zz），计算中心点与邻域中其他点的空间距离Lkj，其他点的坐标表示为（xq，yq，zq），;
A7、使用逆距离加权对空间距离进行加权，得到当前中心点的空间权重ω, ;
A8、计算各个中心点的空间权重的均值ωj，,其中ωi表示第i个中心点的空间权重，m表示邻域中点的数量，以评估空间权重的密集程度；
A9、将最大的空间权重的均值所对应的中心点作为最终的中心点，该最终的中心点的空间权重记作ωz；
A10、利用绝对值差计算每个点与最终的中心点之间的像素值差异diff，,其中vi表示当前点的像素值，vz表示最终的中心点的像素值；
A11、使用高斯函数对像素值差异进行加权，得到像素值权重ωr，,其中σr表示控制像素值权重衰减量的参数；
A12、结合最终的中心点的空间权重ωz和像素值权重ωr，计算综合权重ωh，;
A13、使用综合权重对邻域内的点进行加权平均，得到滤波后的点；所述使用综合权重对邻域内的点进行加权平均的计算公式为：,其中/>表示滤波后的点的像素值，m表示邻域中点的数量，ωhi表示第i个点的综合权重，vi表示第i个点的像素值；
数据处理模块：用于接收数据预处理模块传输的数据，对滤波后的点进行配准，基于配准结果，进行三维重建得到三维文件；
三维定位控制模块基于三维文件，结合机器学习算法，获取物体的准确位置和姿态信息，用旋转矩阵表示；
运动控制调节模块：用于根据三维定位控制模块的数据，生成相应的动作指令，使得四爪吊具能够按照预定的轨迹进行运动；
反馈调节模块：用于实时监测四爪吊具执行器和关节的状态，计算抓取综合偏离指数，并反馈信息到运动控制调节模块。
2.根据权利要求1所述的一种基于换电站三维定位抓取的智能运动控制调节系统，其特征在于：所述数据处理模块的处理过程如下：
B1、基于几何特征，从点云数据中提取出表面特征，包括曲率和法线向量；
B2、对于邻域中的每个点，计算其局部特征响应值，根据计算得到的局部特征响应值，确定关键点；
B3、基于多个方位的三维点云数据的关键点、曲率和法线向量，对三维点云数据进行配准；
B4、基于配准结果，进行三维重建得到三维文件。
3.根据权利要求2所述的一种基于换电站三维定位抓取的智能运动控制调节系统，其特征在于：所述基于几何特征，从点云数据中提取出表面特征，其处理过程如下：
B11、计算邻域的重心坐标X，,其中m表示邻域中点的数量，xi表示邻域内每个点的坐标值；
B12、对于邻域中的每个点Pl，将其坐标减去重心坐标X，得到相对于重心的偏移向量Y；即Y=Pl-X；
B13、将中心化后的邻域表示为一个矩阵JY，,其中每一行代表一个点的坐标，Yi表示第i个点相对于重心的偏移向量；
B14、计算矩阵的转置矩阵ZJ，,其中YiT表示第i个点相对于重心的偏移向量的转置；
B15、将中心化后的邻域矩阵与转置矩阵相乘，得到乘积矩阵CJ,;
B16、根据乘积矩阵和邻域的点数，计算得到协方差矩阵XJ，,其中m表示邻域中点的数量；
B17、使用QR迭代法对协方差矩阵进行特征值分解，得到特征值c；
B18、根据特征向量α和特征值c，计算出每个点的法线向量u，;
B19、对曲率和法线向量进行平滑处理或插值操作。
4.根据权利要求2所述的一种基于换电站三维定位抓取的智能运动控制调节系统，其特征在于：所述对于邻域中的每个点，计算其局部特征响应值，根据计算得到的局部特征响应值，确定关键点；其处理过程如下：
B21、计算点云的曲率差异值Ql、法线差异值Fy；所述曲率差异值的计算公式为：,所述法线差异值的计算公式为：/>,其中qla表示当前点的曲率，qlc表示最终的中心点的曲率，ωzi表示第i个最终的中心点的空间权重，ni表示当前点的法线向量，nz表示最终的中心点的法线向量，m表示邻域中点的数量；
B22、结合点云的曲率差异值Ql和法线差异值Fy，计算局部特征响应值JXz，,其中β1、β2表示各项的比例系数；
B23、将局部特征响应值JXz和预先设定的局部特征响应阈值JXz阈进行判断对比，若JXz＞JXz阈则将该点记作关键点。
5.根据权利要求2所述的一种基于换电站三维定位抓取的智能运动控制调节系统，其特征在于：所述基于多个方位的三维点云数据的关键点、曲率和法线向量，对三维点云数据进行配准；其处理过程如下：
B31、对于多个方位的三维点云数据，将每两个点云数据集进行关键点匹配，采用最近邻搜索算法找到两个点云数据集中具有相似位置和特征的关键点对；
B32、根据关键点对，计算关键点的曲率差异系数QCy，,其中qlk1和qlk2分别表示关键点对中两个关键点的曲率值；
B33、将关键点的曲率差异系数QCy和预先设定的关键点的曲率差异系数阈值QCy阈值进行判断对比，若QCy≥QCy阈则表示关键点对未通过曲率一致性验证；反之则表示关键点对通过曲率一致性验证；
B34、对于通过曲率一致性验证的关键点对，进一步比较法线特征相似度cosθ, ,其中na和nb分别表示关键点对中两个关键点的法线向量；
B35、将关键点的法线特征相似度cosθ和预先设定的法线特征相似度cosθ阈值进行判断对比，若cosθ≥cosθ阈则表示关键点对具有相似的法线特征；反之则表示关键点对不具有相似的法线特征；
B36、根据匹配的关键点对，利用刚体变换模型估计两个点云数据集之间的变换关系；使用最小二乘法求解最佳的刚体变换参数；
B37、将估计得到的刚体变换应用到整个点云数据集中，将一个点云数据集变换到与另一个数据集对齐的坐标系下；通过应用变换，实现点云数据的配准，使得两个点云数据集在空间中对齐并重合。
6.根据权利要求1所述的一种基于换电站三维定位抓取的智能运动控制调节系统，其特征在于：所述反馈调节模块的具体处理过程为：
E1、通过传感器，实时监测四爪吊具执行器和关节的状态，获取执行器当前角度值、关节当前角度值、执行器当前速度值、关节当前速度值，以及执行器的输出力值；
E2、将执行器当前角度值、关节当前角度值、执行器当前速度值、关节当前速度值，以及执行器的输出力值，进行归一化处理得到归一化后的执行器当前角度值、关节当前角度值、执行器当前速度值、关节当前速度值，以及执行器的输出力值；
E3、计算四爪吊具的执行器角度偏离系数、关节角度偏离系数、执行器速度偏离系数、关节速度偏离系数，以及力矩偏离系数；
所述执行器角度偏离系数的计算公式为：,其中PLzj表示执行器角度偏离系数，zj表示归一化后的执行器当前角度值，zjq表示期望的执行器当前角度值；
所述关节角度偏离系数的计算公式为：,其中PLgj表示关节角度偏离系数，gj表示归一化后的关节当前角度值，gjq表示期望的关节当前角度值；
所述执行器速度偏离系数的计算公式为：,其中PLzs表示执行器速度偏离系数，zs表示归一化后的执行器当前速度值，zsq表示期望的执行器当前速度值；
所述关节速度偏离系数的计算公式为：,其中PLgs表示关节速度偏离系数，gs表示归一化后的关节当前速度值，gsq表示期望的关节当前速度值；
所述力矩偏离系数的计算公式为：,其中PLl表示力矩偏离系数，l表示归一化后的执行器的输出力值，lq表示期望的执行器的输出力值；
E4、基于四爪吊具的执行器角度偏离系数PLzj、关节角度偏离系数PLgj、执行器速度偏离系数PLzs、关节速度偏离系数PLgs，以及力矩偏离系数PLl，计算抓取综合偏离指数PLz，计算公式如下：,其中η1、η2、η3、η4、η5分别为各项的比例系数；
E5、将计算得到的抓取综合偏离指数作为反馈信息传递给运动控制调节模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410076192.8A CN117584138B (zh) | 2024-01-18 | 2024-01-18 | 一种基于换电站三维定位抓取的智能运动控制调节系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410076192.8A CN117584138B (zh) | 2024-01-18 | 2024-01-18 | 一种基于换电站三维定位抓取的智能运动控制调节系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117584138A CN117584138A (zh) | 2024-02-23 |
| CN117584138B true CN117584138B (zh) | 2024-04-09 |
Family
ID=89910292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410076192.8A Active CN117584138B (zh) | 2024-01-18 | 2024-01-18 | 一种基于换电站三维定位抓取的智能运动控制调节系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117584138B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS617905A (ja) * | 1984-06-22 | 1986-01-14 | Hitachi Ltd | ロボツトの制御方法及びその装置 |
| CN107886545A (zh) * | 2017-11-03 | 2018-04-06 | 西安航天精密机电研究所 | 电动汽车换电的视觉系统、标定方法及电池定位方法 |
| CN110774934A (zh) * | 2018-07-27 | 2020-02-11 | 奥动新能源汽车科技有限公司 | 应用于车辆换电的视觉分析系统及方法 |
| CN113569927A (zh) * | 2021-07-13 | 2021-10-29 | 安徽绿舟科技有限公司 | 一种无人换电站的人机交互系统 |
| CN115272655A (zh) * | 2022-07-27 | 2022-11-01 | 东南大学 | 用于换电机器人的多类型电池包视觉定位方法与系统装置 |
| CN116278880A (zh) * | 2021-12-20 | 2023-06-23 | 华为技术有限公司 | 一种充电设备以及控制机械臂充电的方法 |
| CN116512259A (zh) * | 2023-05-06 | 2023-08-01 | 国电南瑞科技股份有限公司 | 一种换电机器人机械臂跟踪控制方法、装置、存储介质及电子设备 |
| CN117152215A (zh) * | 2023-07-20 | 2023-12-01 | 昆明理工大学 | 一种复杂城市环境下快速车载激光点云自动配准方法 |
| CN117340929A (zh) * | 2023-11-10 | 2024-01-05 | 一重集团(黑龙江)专项装备科技有限公司 | 一种基于三维点云数据的柔性夹爪抓取处置装置及方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10953555B2 (en) * | 2016-10-14 | 2021-03-23 | IAM Robotics, LLC | Field replaceable battery pack and lift counterbalance for a mobile manipulation robot |
| US20230260136A1 (en) * | 2022-02-15 | 2023-08-17 | Nvidia Corporation | Dynamic object detection using lidar data for autonomous machine systems and applications |
-
2024
- 2024-01-18 CN CN202410076192.8A patent/CN117584138B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS617905A (ja) * | 1984-06-22 | 1986-01-14 | Hitachi Ltd | ロボツトの制御方法及びその装置 |
| CN107886545A (zh) * | 2017-11-03 | 2018-04-06 | 西安航天精密机电研究所 | 电动汽车换电的视觉系统、标定方法及电池定位方法 |
| CN110774934A (zh) * | 2018-07-27 | 2020-02-11 | 奥动新能源汽车科技有限公司 | 应用于车辆换电的视觉分析系统及方法 |
| CN113569927A (zh) * | 2021-07-13 | 2021-10-29 | 安徽绿舟科技有限公司 | 一种无人换电站的人机交互系统 |
| CN116278880A (zh) * | 2021-12-20 | 2023-06-23 | 华为技术有限公司 | 一种充电设备以及控制机械臂充电的方法 |
| CN115272655A (zh) * | 2022-07-27 | 2022-11-01 | 东南大学 | 用于换电机器人的多类型电池包视觉定位方法与系统装置 |
| CN116512259A (zh) * | 2023-05-06 | 2023-08-01 | 国电南瑞科技股份有限公司 | 一种换电机器人机械臂跟踪控制方法、装置、存储介质及电子设备 |
| CN117152215A (zh) * | 2023-07-20 | 2023-12-01 | 昆明理工大学 | 一种复杂城市环境下快速车载激光点云自动配准方法 |
| CN117340929A (zh) * | 2023-11-10 | 2024-01-05 | 一重集团(黑龙江)专项装备科技有限公司 | 一种基于三维点云数据的柔性夹爪抓取处置装置及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于以太网通讯的全自动换电机器人决策控制系统设计与实现;罗华;燕小强;李钊;;机电工程技术(第01期);第15-19页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117584138A (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112476434B (zh) | 一种基于协作机器人的视觉3d取放方法及系统 | |
| CN113205466A (zh) | 一种基于隐空间拓扑结构约束的残缺点云补全方法 | |
| CN105787933A (zh) | 基于多视角点云配准的岸线三维重建装置及方法 | |
| CN112669385A (zh) | 基于三维点云特征的工业机器人工件识别与位姿估计方法 | |
| CN112380616A (zh) | 高复杂易形变航天舱段高精度数字孪生对接装配方法 | |
| CN113421291A (zh) | 利用点云配准技术和三维重建技术的工件位置找正方法 | |
| CN115482195A (zh) | 一种基于三维点云的列车部件变形检测方法 | |
| CN107316328A (zh) | 一种基于二维激光扫描仪角点特征的闭环检测方法 | |
| CN115032648A (zh) | 一种基于激光雷达密集点云的三维目标识别与定位方法 | |
| CN115272655A (zh) | 用于换电机器人的多类型电池包视觉定位方法与系统装置 | |
| CN106682575A (zh) | Elm算法的人眼点云特征定位 | |
| CN117584138B (zh) | 一种基于换电站三维定位抓取的智能运动控制调节系统 | |
| CN114529703A (zh) | 一种基于熵增优化的大型复杂构件点云全局匹配方法 | |
| Xu et al. | A new welding path planning method based on point cloud and deep learning | |
| CN114170449A (zh) | 一种基于深度学习的人工智能图像识别装置 | |
| CN117288094A (zh) | 基于激光传感器的掘进机实时定位系统 | |
| CN106778579B (zh) | 一种基于累计属性的头部姿态估计方法 | |
| CN111144279A (zh) | 一种智能辅助驾驶中障碍物的识别方法 | |
| CN116363177A (zh) | 一种基于几何Transformer和高斯混合模型的三维点云配准方法 | |
| Galantucci et al. | An artificial intelligence approach to registration of free-form shapes | |
| CN115731353A (zh) | 基于反射率边缘约束的室内环境三维重构方法和系统 | |
| Liu et al. | Vehicle automatic charging system guided electric by 3d vision and f/t sensor | |
| CN115131688A (zh) | 一种巡检部件的无人机拍摄点提取方法 | |
| CN112308891B (zh) | 一种近净成形类零件多公差约束的配准计算方法 | |
| CN115131208A (zh) | 一种结构光3d扫描测量方法及系统 |
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 |