CN117601130A - 一种机器人参数配置方法、装置、机器人及存储介质 - Google Patents
一种机器人参数配置方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN117601130A CN117601130A CN202311804764.1A CN202311804764A CN117601130A CN 117601130 A CN117601130 A CN 117601130A CN 202311804764 A CN202311804764 A CN 202311804764A CN 117601130 A CN117601130 A CN 117601130A
- Authority
- CN
- China
- Prior art keywords
- configuration
- file
- robot
- item
- parameters
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 241000208340 Araliaceae Species 0.000 title claims abstract description 7
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 title claims abstract description 7
- 235000003140 Panax quinquefolius Nutrition 0.000 title claims abstract description 7
- 235000008434 ginseng Nutrition 0.000 title claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 16
- 239000000758 substrate Substances 0.000 claims 2
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007636 ensemble learning method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人参数配置方法、装置、机器人及存储介质。该方法包括:获取并解析机器人系统中的配置文件,其中,所述配置文件包括平台配置、定制配置和私有配置,所述平台配置由机器人系统的搭建平台提供,所述定制配置根据机器人型号确定,所述私有配置由用户导入;根据各所述配置文件的配置优先级对各所述配置文件进行合并,得到目标配置文件;根据所述目标配置文件配置所述机器人系统中的参数。本发明实施例可以获取机器人系统中不同配置类型的配置文件并进行有效合并,以快速合理的对机器人系统进行参数配置,从而使机器人系统在软硬件参数匹配的前提下,更多的满足不同用户的个性化使用需求。
Description
技术领域
本发明涉及机器人设计制造技术领域,尤其涉及一种机器人参数配置方法、装置、机器人及存储介质。
背景技术
随着服务机器人应用范围越来越广,机器人形态、机器人传感器配置以及用户对机器人行为的个性化需求也越来越多样化,这对于机器人软件的维护提出了新的挑战。对机器人软件的维护其中包括对系统参数的更新配置。
目前,机器人参数配置存在的常见问题有:研发工程师不清楚一线客户的实际需求,需要针对不同用户和场景维护大量的配置参数,工作繁杂且重复;而技术支持工程师又对底层参数的理解深度不够,难以完成所有的配置工作。因此,现有的参数配置方式往往适用于低频的修改场景,当存在大量差异化配置时,参数配置工作会消耗大量人力物力,且维护配置文件本身就为技术人员增加相当大的负担。
发明内容
本发明提供了一种机器人参数配置方法、装置、机器人及存储介质,以实现快速合理的对机器人系统进行参数配置,同时满足不同用户的个性化使用需求。
根据本发明的一方面,提供了一种机器人参数配置方法,该方法包括:
获取并解析机器人系统中的配置文件,其中,所述配置文件包括平台配置、定制配置和私有配置,所述平台配置由机器人系统的搭建平台提供,所述定制配置根据机器人型号确定,所述私有配置由用户导入;
根据各所述配置文件的配置优先级对各所述配置文件进行合并,得到目标配置文件;
根据所述目标配置文件配置所述机器人系统中的参数。
可选的,所述根据各所述配置文件的配置优先级对各所述配置文件进行合并,得到目标配置文件,包括:
将配置文件中配置优先级最低的配置文件选取为第一待合并文件;
在未选取过的配置文件中选取配置优先级最低的配置文件作为第二待合并文件;
对所述第一待合并文件和所述第二待合并文件进行配置项合并,得到配置合并文件,并将所述第二待合并文件对应的配置优先级作为所述配置合并文件的配置优先级;
将所述配置合并文件作为新的第一待合并文件,返回重新选取新的第二待合并文件并进行配置项合并操作,直至所述机器人系统中的所有配置文件均已被选取过,将最后合并得到的配置合并文件作为目标配置文件。
可选的,所述对所述第一待合并文件和所述第二待合并文件进行配置项合并,得到配置合并文件,包括:
针对所述第二待合并文件中的每个第二配置项;
若所述第一待合并文件中存在与所述第二配置项的配置对象相同的第一配置项,将所述第二配置项覆盖所述第一配置项;否则,
将所述第二配置项添加至所述第一待合并文件中;
确定合并后的第一待合并文件为配置合并文件。
可选的,所述将所述第二配置项覆盖所述第一配置项,包括:
第一步,若所述第二配置项的配置参数为空,则保留所述第一配置项的配置参数,否则执行第二步;
第二步,若所述第一配置项的配置参数为空,或者,所述第一配置项的配置参数和所述第二配置项的配置参数均为数值型数据,则将所述第二配置项的配置参数赋值至所述第一配置项,否则执行第三步;
第三步,若所述第一配置项的配置参数和所述第二配置项的配置参数均为数组数据,则将两个数组数据合并,并赋值至所述第一配置项,否则执行第四步;
第四步,若所述第二配置项的配置参数为对象类型,则遍历所述第二配置项的配置参数中的每个子元素,同时获取所述第一配置项的配置参数中的同名子元素,采用第一步至第四步的方法以递归形式合并相应子元素,否则执行第五步;
第五步,提示所述第二配置与所述第一配置项合并失败。
可选的,所述私有配置的配置优先级高于所述定制配置的配置优先级;
所述定制配置的配置优先级高于所述平台配置的配置优先级。
可选的,所述私有配置包括运动策略配置,所述运动策略配置用于提供机器人不同运动模式的配置参数。
可选的,所述方法还包括:
获取所述机器人进行场景识别的识别结果;
根据所述识别结果对应的运动模式,确定所述运动策略配置中的运动策略配置项。
根据本发明的另一方面,提供了一种机器人参数配置装置,该装置包括:
配置文件获取模块,用于获取并解析机器人系统中的配置文件,其中,所述配置文件包括平台配置、定制配置和私有配置,所述平台配置由机器人系统的搭建平台提供,所述定制配置根据机器人型号确定,所述私有配置由用户导入;
配置文件合并模块,用于根据各所述配置文件的配置优先级对各所述配置文件进行合并,得到目标配置文件;
系统参数配置模块,用于根据所述目标配置文件配置所述机器人系统中的参数。
根据本发明的另一方面,提供了一种机器人,所述机器人包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的机器人参数配置方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的机器人参数配置方法。
本发明实施例的技术方案,通过获取并解析机器人系统中的配置文件,其中,配置文件包括平台配置、定制配置和私有配置,平台配置由机器人系统的搭建平台提供,定制配置根据机器人型号确定,私有配置由用户导入;根据各配置文件的配置优先级对各配置文件进行合并,得到目标配置文件;根据目标配置文件配置机器人系统中的参数,本发明实施例可以获取机器人系统中不同配置类型的配置文件并进行有效合并,以快速合理的对机器人系统进行参数配置,从而使机器人系统在软硬件参数匹配的前提下,更多的满足不同用户的个性化使用需求,解决了目前机器人参数配置耗时费力,且配置的参数适用场景单一的问题。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,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。
图1是根据本发明实施例一提供的一种机器人参数配置方法的流程图;
图2是根据本发明实施例二提供的一种机器人参数配置装置的结构示意图;
图3是实现本发明实施例的机器人参数配置方法的机器人的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种机器人参数配置方法的流程图,本实施例可适用于对机器人系统参数进行配置的情况,该方法可以由机器人参数配置装置来执行,该机器人参数配置装置可以采用硬件和/或软件的形式实现,该机器人参数配置装置可配置于机器人中。如图1所示,该方法包括:
S110、获取并解析机器人系统中的配置文件,其中,配置文件包括平台配置、定制配置和私有配置,平台配置由机器人系统的搭建平台提供,定制配置根据机器人型号确定,私有配置由用户导入。
具体的,本实施例中的机器人系统的配置项可以分别设置在三个配置优先级不同的配置文件中,分别为平台配置、定制配置和私有配置。
平台配置可以由机器人系统的搭建平台提供,其中的配置项根据机器人搭配的计算平台进行设置,主要记载机器人CPU算力、内存大小、硬盘大小等参数,可以用于设置机器人建图面积、运算资源的数量、耗费算力的功能是否打开等等功能。平台配置可以包含在机器人固件包内,每次升级固件都可以覆盖最新的平台配置。
定制配置可以根据机器人型号确定,主要用于配置机器人搭配的传感器类型、数量和安装位置等参数,机器人支持的传感器可以有深度摄像头、超声波传感器、碰撞传感器、磁传感器等。每种机型可以有一个对应的配置文件。
私有配置可以由用户导入,主要用于每台机器个性化的配置,用户可以通过SDK接口进行设置,比如经过标定的雷达外参,主动设置的运动策略等。
S120、根据各配置文件的配置优先级对各配置文件进行合并,得到目标配置文件。
具体的,不同配置类型的配置文件对应的配置优先级不同,可以根据配置优先级对各配置文件中的配置项进行合并,形成一个综合全面的配置文件,即目标配置文件。
可选的,私有配置的配置优先级高于定制配置的配置优先级;定制配置的配置优先级高于平台配置的配置优先级。
具体的,私有配置、定制配置和平台配置的配置优先级由高到低。私有配置的优先级最高,其包含的配置项不会被定制配置和平台配置的配置项更新覆盖。定制配置的优先级次高,其包含的配置项不会被平台配置的配置项更新覆盖。
可选的,S120可以通过以下步骤实现:
S1201、将配置文件中配置优先级最低的配置文件选取为第一待合并文件。
S1202、在未选取过的配置文件中选取配置优先级最低的配置文件作为第二待合并文件。
S1203、对第一待合并文件和第二待合并文件进行配置项合并,得到配置合并文件,并将第二待合并文件对应的配置优先级作为配置合并文件的配置优先级。
S1204、将配置合并文件作为新的第一待合并文件,返回重新选取新的第二待合并文件并进行配置项合并操作,直至机器人系统中的所有配置文件均已被选取过,将最后合并得到的配置合并文件作为目标配置文件。
具体的,可以从配置优先级低的配置文件向配置优先级高的配置文件逐渐合并,先选取两个配置优先级最低的配置文件进行合并,再取配置优先级较高的配置文件和合并后的配置文件继续合并,以此类推,就可以将全部的配置文件合并为一个目标配置文件了。
进一步的,对第一待合并文件和第二待合并文件进行配置项合并,得到配置合并文件,可以通过以下方式实现:
针对第二待合并文件中的每个第二配置项;若第一待合并文件中存在与第二配置项的配置对象相同的第一配置项,将第二配置项覆盖第一配置项;否则,将第二配置项添加至第一待合并文件中;确定合并后的第一待合并文件为配置合并文件。
具体的,可以对两个待合并文件中同一配置对象的不同配置项进行合并,合并原则是将配置优先级高的配置项覆盖配置优先级低的配置项,将不同配置对象的配置项导入至一个文件中,得到配置合并文件。
在本实施例中,将第二配置项覆盖第一配置项可以分为以下步骤实现:
第一步,若第二配置项的配置参数为空,则保留第一配置项的配置参数,否则执行第二步;
第二步,若第一配置项的配置参数为空,或者,第一配置项的配置参数和第二配置项的配置参数均为数值型数据,则将第二配置项的配置参数赋值至第一配置项,否则执行第三步;
第三步,若第一配置项的配置参数和第二配置项的配置参数均为数组数据,则将两个数组数据合并,并赋值至第一配置项,否则执行第四步;
第四步,若第二配置项的配置参数为对象类型,则遍历第二配置项的配置参数中的每个子元素,同时获取第一配置项的配置参数中的同名子元素,采用第一步至第四步的方法以递归形式合并相应子元素,否则执行第五步;
第五步,提示第二配置与第一配置项合并失败。
示例性的,本实施例所述的配置文件可以采用json文件的格式,所有的配置项在代码中定义对应的数据结构,同时通过模板方式实现数据结构的解析和序列化。可以根据json对象路径一一对应的方式进行配置文件的合并,高优先级的覆盖低优先级的配置项。例如,若两个待合并文件中存在配置对象相同的配置项,可以将第一待合并文件中该配置项作为第一配置项,记为config1,将第二待合并文件中该配置项作为第二配置项,记为config2,将第二配置项config2覆盖第一配置项config1的流程可以如下:
1)若config2为空,则不修改config1的内容并结束,否则执行2);
2)若config1为空,或者config1和config2都是数值型数据,则将config2赋值给config1,并结束,否则执行3);
3)如果config1和config2是数组类型,则根据需要分别可以将2个数组合并,或者根据某一个key将同名元素覆盖,其他的元素合并,否则执行4);
4)config2是对象类型,对象类型表示包含了子元素,遍历config2的每一个子元素,同时获取config1的同名子元素,以递归方式合并两者的子元素,该合并过程可以从1)开始,否则进入5);
5)判断config1和config2的数据类型,如果两者数据类型不一致,则合并失败,表示配置文件有误。
S130、根据目标配置文件配置机器人系统中的参数。
具体的,通过S110和S120合并得到的目标配置文件中包含了机器人当前所处环境所适用的各种配置项,因此根据目标配置文件配置机器人系统中的参数,就可以使机器人在当前环境场景下高效准确运行。
通过上述步骤,可以将3个不同优先级的配置文件合并得到一个最终的json对象,然后将其反序列化为软件中所需要的数据结构,如下所示,本实施例用C++实现的一个包含了加速度和减速度的配置数据结构和解析器的程序:
当解析得到了MotionPlanConfig数据结构后,就可以将其应用于机器人系统中。
在一个实施例中,私有配置可以包括运动策略配置,运动策略配置用于提供机器人不同运动模式的配置参数。
相应的,本实施例提供的机器人参数配置方法还可以包括:获取机器人进行场景识别的识别结果;根据识别结果对应的运动模式,确定运动策略配置中的运动策略配置项。
在本实施例中,还可以通过机器人运行时采集的环境数据进行场景识别,对于机器人的场景识别功能的实现,可以使用标注好的数据集对场景识别模型进行训练,训练的步骤如下:
1)采集机器人在实际运行环境中拍摄的图像,并作场景类别标注;
2)提取图像特征,可以采用常见的图像特征提取算法,如SURF、SIFT等;
3)采用词袋模型构建词汇表,词袋模型可以将一张图像转化为若干个局部特征,忽略局部特征在图像中的空间信息,并基于视觉单词频率的直方图进行分类。视觉单词的词汇表可以通过聚类大量的局部特征而建立;
4)用集成学习法对图像分类器进行训练。可以把多种学习器算法集中起来,让不同算法对同一张照片都进行预测,最终少数服从多数。集成学习可以获得比单一学习器更加优越的泛化性能。
完成场景识别模型训练并部署到机器人上后,在机器人运行过程中,场景识别功能的实现可以如下:
1)判断机器人当前状态,如果机器人在移动中,则场景识别功能休眠一段时间以避免耗费机器人CPU算力,如果机器人静止,则进入下一步;
2)通过机器人上的摄像头对所处环境进行图像采集,并进行灰度化、去畸变等一系列预处理,提取图像特征;
3)通过分类器进行图像分类,如果分类结果是预先支持的场景之一,则记录该识别结果以及机器人的当前位置;
4)查询机器人在当前环境下的不同位置识别记录的识别结果,若识别结果为同一场景的位置数量超过预设阈值(比如5),且该识别结果在当前环境下的所有识别结果中所占比例也超过阈值(比如80%),则将当前环境识别为该识别结果对应的场景,并根据该识别结果对应的运动模式,确定运动策略配置中的运动策略配置项,从而自动切换机器人的运动策略。
运动策略是预先调试好的适配一系列场景的配置项,比如工厂策略会对应相对空旷的环境特点,在建图、定位上进行相关参数调整;而餐厅配送策略则会针对行人、桌椅等动态障碍物多的特点进行相关的优化;工厂策略下机器人的运动速度较大,可以达到1.5m/s以上,对避障灵活性要求低;而餐厅配送策略则一般要求速度不大于0.7m/s,避障要灵活。诸如此类,每个运动策略都会对于机器人定位和运动特性有独特的配置。
本发明实施例通过获取并解析机器人系统中的配置文件,其中,配置文件包括平台配置、定制配置和私有配置,平台配置由机器人系统的搭建配置文件的配置优先级对各配置文件进行合并,得到目标配置文件;根据目标配置文件配置机器人系统中的参数,本发明实施例可以获取机器人系统中不同配置类型的配置文件并进行有效合并,以快速合理的对机器人系统进行参数配置,从而使机器人系统在软硬件参数匹配的前提下,更多的满足不同用户的个性化使用需求,解决了目前机器人参数配置耗时费力,且配置的参数适用场景单一的问题。
实施例二
图2为本发明实施例三提供了一种机器人参数配置装置的结构示意图。如图2所示,该装置包括配置文件获取模块210、配置文件合并模块220和系统参数配置模块230。
配置文件获取模块210,用于获取并解析机器人系统中的配置文件,其中,所述配置文件包括平台配置、定制配置和私有配置,所述平台配置由机器人系统的搭建平台提供,所述定制配置根据机器人型号确定,所述私有配置由用户导入。
配置文件合并模块220,用于根据各所述配置文件的配置优先级对各所述配置文件进行合并,得到目标配置文件。
系统参数配置模块230,用于根据所述目标配置文件配置所述机器人系统中的参数。
可选的,所述配置文件合并模块220,包括:
第一待合并文件选取单元,用于将配置文件中配置优先级最低的配置文件选取为第一待合并文件;
第二待合并文件选取单元,用于在未选取过的配置文件中选取配置优先级最低的配置文件作为第二待合并文件;
待合并文件合并单元,用于对所述第一待合并文件和所述第二待合并文件进行配置项合并,得到配置合并文件,并将所述第二待合并文件对应的配置优先级作为所述配置合并文件的配置优先级;
迭代选取合并单元,用于将所述配置合并文件作为新的第一待合并文件,返回重新选取新的第二待合并文件并进行配置项合并操作,直至所述机器人系统中的所有配置文件均已被选取过,将最后合并得到的配置合并文件作为目标配置文件。
可选的,所述待合并文件合并单元,具体用于:
针对所述第二待合并文件中的每个第二配置项;
若所述第一待合并文件中存在与所述第二配置项的配置对象相同的第一配置项,将所述第二配置项覆盖所述第一配置项;否则,
将所述第二配置项添加至所述第一待合并文件中;
确定合并后的第一待合并文件为配置合并文件。
可选的,所述将所述第二配置项覆盖所述第一配置项,包括:
第一步,若所述第二配置项的配置参数为空,则保留所述第一配置项的配置参数,否则执行第二步;
第二步,若所述第一配置项的配置参数为空,或者,所述第一配置项的配置参数和所述第二配置项的配置参数均为数值型数据,则将所述第二配置项的配置参数赋值至所述第一配置项,否则执行第三步;
第三步,若所述第一配置项的配置参数和所述第二配置项的配置参数均为数组数据,则将两个数组数据合并,并赋值至所述第一配置项,否则执行第四步;
第四步,若所述第二配置项的配置参数为对象类型,则遍历所述第二配置项的配置参数中的每个子元素,同时获取所述第一配置项的配置参数中的同名子元素,采用第一步至第四步的方法以递归形式合并相应子元素,否则执行第五步;
第五步,提示所述第二配置与所述第一配置项合并失败。
可选的,所述私有配置的配置优先级高于所述定制配置的配置优先级;
所述定制配置的配置优先级高于所述平台配置的配置优先级。
可选的,所述私有配置包括运动策略配置,所述运动策略配置用于提供机器人不同运动模式的配置参数。
可选的,所述装置还包括运动策略匹配模块,用于:
获取所述机器人进行场景识别的识别结果;
根据所述识别结果对应的运动模式,确定所述运动策略配置中的运动策略配置项。
本发明实施例所提供的机器人参数配置装置可执行本发明任意实施例所提供的机器人参数配置方法,具备执行方法相应的功能模块和有益效果。
实施例三
图3示出了可以用来实施本发明的实施例的机器人10的结构示意图。机器人可以表示各种形式的移动电子设备。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,机器人10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储机器人10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
机器人10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器、操作臂等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许机器人10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如机器人参数配置方法。
在一些实施例中,机器人参数配置方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到机器人10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的机器人参数配置方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行机器人参数配置方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种机器人参数配置方法,其特征在于,包括:
获取并解析机器人系统中的配置文件,其中,所述配置文件包括平台配置、定制配置和私有配置,所述平台配置由机器人系统的搭建平台提供,所述定制配置根据机器人型号确定,所述私有配置由用户导入;
根据各所述配置文件的配置优先级对各所述配置文件进行合并,得到目标配置文件;
根据所述目标配置文件配置所述机器人系统中的参数。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述配置文件的配置优先级对各所述配置文件进行合并,得到目标配置文件,包括:
将配置文件中配置优先级最低的配置文件选取为第一待合并文件;
在未选取过的配置文件中选取配置优先级最低的配置文件作为第二待合并文件;
对所述第一待合并文件和所述第二待合并文件进行配置项合并,得到配置合并文件,并将所述第二待合并文件对应的配置优先级作为所述配置合并文件的配置优先级;
将所述配置合并文件作为新的第一待合并文件,返回重新选取新的第二待合并文件并进行配置项合并操作,直至所述机器人系统中的所有配置文件均已被选取过,将最后合并得到的配置合并文件作为目标配置文件。
3.根据权利要求2所述的方法,其特征在于,所述对所述第一待合并文件和所述第二待合并文件进行配置项合并,得到配置合并文件,包括:
针对所述第二待合并文件中的每个第二配置项;
若所述第一待合并文件中存在与所述第二配置项的配置对象相同的第一配置项,将所述第二配置项覆盖所述第一配置项;否则,
将所述第二配置项添加至所述第一待合并文件中;
确定合并后的第一待合并文件为配置合并文件。
4.根据权利要求3所述的方法,其特征在于,所述将所述第二配置项覆盖所述第一配置项,包括:
第一步,若所述第二配置项的配置参数为空,则保留所述第一配置项的配置参数,否则执行第二步;
第二步,若所述第一配置项的配置参数为空,或者,所述第一配置项的配置参数和所述第二配置项的配置参数均为数值型数据,则将所述第二配置项的配置参数赋值至所述第一配置项,否则执行第三步;
第三步,若所述第一配置项的配置参数和所述第二配置项的配置参数均为数组数据,则将两个数组数据合并,并赋值至所述第一配置项,否则执行第四步;
第四步,若所述第二配置项的配置参数为对象类型,则遍历所述第二配置项的配置参数中的每个子元素,同时获取所述第一配置项的配置参数中的同名子元素,采用第一步至第四步的方法以递归形式合并相应子元素,否则执行第五步;
第五步,提示所述第二配置与所述第一配置项合并失败。
5.根据权利要求1所述的方法,其特征在于,
所述私有配置的配置优先级高于所述定制配置的配置优先级;
所述定制配置的配置优先级高于所述平台配置的配置优先级。
6.根据权利要求1所述的方法,其特征在于,
所述私有配置包括运动策略配置,所述运动策略配置用于提供机器人不同运动模式的配置参数。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
获取所述机器人进行场景识别的识别结果;
根据所述识别结果对应的运动模式,确定所述运动策略配置中的运动策略配置项。
8.一种机器人参数配置装置,其特征在于,包括:
配置文件获取模块,用于获取并解析机器人系统中的配置文件,其中,所述配置文件包括平台配置、定制配置和私有配置,所述平台配置由机器人系统的搭建平台提供,所述定制配置根据机器人型号确定,所述私有配置由用户导入;
配置文件合并模块,用于根据各所述配置文件的配置优先级对各所述配置文件进行合并,得到目标配置文件;
系统参数配置模块,用于根据所述目标配置文件配置所述机器人系统中的参数。
9.一种机器人,其特征在于,所述机器人包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的机器人参数配置方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的机器人参数配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311804764.1A CN117601130A (zh) | 2023-12-25 | 2023-12-25 | 一种机器人参数配置方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311804764.1A CN117601130A (zh) | 2023-12-25 | 2023-12-25 | 一种机器人参数配置方法、装置、机器人及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117601130A true CN117601130A (zh) | 2024-02-27 |
Family
ID=89951747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311804764.1A Pending CN117601130A (zh) | 2023-12-25 | 2023-12-25 | 一种机器人参数配置方法、装置、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117601130A (zh) |
-
2023
- 2023-12-25 CN CN202311804764.1A patent/CN117601130A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111784685B (zh) | 一种基于云边协同检测的输电线路缺陷图像识别方法 | |
CN109559320B (zh) | 基于空洞卷积深度神经网络实现视觉slam语义建图功能的方法及系统 | |
US10019657B2 (en) | Joint depth estimation and semantic segmentation from a single image | |
CN112990211B (zh) | 一种神经网络的训练方法、图像处理方法以及装置 | |
CN111797983A (zh) | 一种神经网络构建方法以及装置 | |
CN110222686B (zh) | 物体检测方法、装置、计算机设备和存储介质 | |
CN111368636B (zh) | 目标分类方法、装置、计算机设备和存储介质 | |
CN113807399A (zh) | 一种神经网络训练方法、检测方法以及装置 | |
CN111652181B (zh) | 目标跟踪方法、装置及电子设备 | |
CN114724021B (zh) | 一种数据的识别方法、装置、存储介质及电子装置 | |
CN111340213B (zh) | 神经网络的训练方法、电子设备、存储介质 | |
CN113487610A (zh) | 疱疹图像识别方法、装置、计算机设备和存储介质 | |
WO2022033306A1 (zh) | 目标跟踪方法和装置 | |
CN113569911A (zh) | 车辆识别方法、装置、电子设备及存储介质 | |
CN115841575A (zh) | 关键点检测方法、装置、电子设备、存储介质和程序产品 | |
CN112613496A (zh) | 一种行人重识别方法、装置、电子设备及存储介质 | |
CN110348311B (zh) | 一种基于深度学习的道路交叉口识别系统及方法 | |
US20240037911A1 (en) | Image classification method, electronic device, and storage medium | |
CN111571567A (zh) | 机器人转译技能训练方法、装置及电子设备和存储介质 | |
CN109543716B (zh) | 一种基于深度学习的k线形态图像识别方法 | |
CN113780532B (zh) | 语义分割网络的训练方法、装置、设备及存储介质 | |
CN117601130A (zh) | 一种机器人参数配置方法、装置、机器人及存储介质 | |
CN113362227B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110909797B (zh) | 图像检测方法以及装置、设备、存储介质 | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和系统 |
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 |