CN117901118A - 机器人机械臂的路径规划方法、装置、设备及存储介质 - Google Patents
机器人机械臂的路径规划方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117901118A CN117901118A CN202410258784.1A CN202410258784A CN117901118A CN 117901118 A CN117901118 A CN 117901118A CN 202410258784 A CN202410258784 A CN 202410258784A CN 117901118 A CN117901118 A CN 117901118A
- Authority
- CN
- China
- Prior art keywords
- path
- mechanical arm
- distance
- planned
- target
- 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 61
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 45
- 238000005457 optimization Methods 0.000 claims abstract description 44
- 238000012549 training Methods 0.000 claims abstract description 26
- 230000004888 barrier function Effects 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 11
- 230000002787 reinforcement Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010013642 Drooling Diseases 0.000 description 1
- 208000008630 Sialorrhea Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 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
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本发明公开了一种机器人机械臂的路径规划方法、装置、设备及存储介质。该方法包括:构建待规划机械臂在任务空间中的机械臂模型,并确定待规划机械臂各关节点在任务空间下的初始位姿信息;根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间位置关系,确定待规划机械臂的碰撞检测安全距离;构建包括全局力场和局部力场的人工势场;根据各关节点在任务空间下的初始位姿信息、目标点位置信息和目标障碍物的障碍物位置信息,基于碰撞检测安全距离,控制待规划机械臂的机械臂末端在人工势场下进行路径规划,得到初始规划路径;将初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出待规划机械臂的目标优化路径。
Description
技术领域
本发明涉及机器人机械臂技术领域,尤其涉及一种机器人机械臂的路径规划方法、装置、设备及存储介质。
背景技术
在工业智能化快速发展的背景下,以机器人为代表的智能设备在产品生产过程中自动化应用愈加广泛,机械臂的工作环境越来越复杂,对机械臂的工作任务提出了越来越高的要求,而传统的机械臂急停控制方法比较笨重,且容易对机械臂造成破坏与影响,导致机械臂的使用寿命衰减以及作业精度的下降,因此,如何实现对机器人机械臂进行任务状态下的路径精准规划成为目前亟待解决的问题。
发明内容
本发明提供了一种机器人机械臂的路径规划方法、装置、设备及存储介质,以提高机器人机械臂的路径规划精准度。
根据本发明的一方面,提供了一种机器人机械臂的路径规划方法,所述方法包括:
构建待规划机械臂在任务空间中的机械臂模型,并确定所述待规划机械臂的各关节点在所述任务空间下的初始位姿信息;
根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间的位置关系,确定所述待规划机械臂的碰撞检测安全距离;
构建包括全局力场和局部力场的人工势场;
根据各关节点在所述任务空间下的初始位姿信息、目标点位置信息和所述目标障碍物的障碍物位置信息,基于所述碰撞检测安全距离,控制所述待规划机械臂的机械臂末端在所述人工势场下进行路径规划,得到初始规划路径;
将所述初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出所述待规划机械臂的目标优化路径。
根据本发明的另一方面,提供了一种机器人机械臂的路径规划装置,所述装置包括:
模型构建模块,用于构建待规划机械臂在任务空间中的机械臂模型,并确定所述待规划机械臂的各关节点在所述任务空间下的初始位姿信息;
安全距离确定模块,用于根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间的位置关系,确定所述待规划机械臂的碰撞检测安全距离;
人工势场构建模块,用于构建包括全局力场和局部力场的人工势场;
初始路径规划模块,用于根据各关节点在所述任务空间下的初始位姿信息、目标点位置信息和所述目标障碍物的障碍物位置信息,基于所述碰撞检测安全距离,控制所述待规划机械臂的机械臂末端在所述人工势场下进行路径规划,得到初始规划路径;
路径优化模块,用于将所述初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出所述待规划机械臂的目标优化路径。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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机械臂的路径规划方法。
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机械臂的路径规划方法。
本发明实施例通过构建待规划机械臂在任务空间中的机械臂模型,并确定待规划机械臂各关节点在任务空间下的初始位姿信息;根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间位置关系,确定待规划机械臂的碰撞检测安全距离;构建包括全局力场和局部力场的人工势场;根据各关节点在任务空间下的初始位姿信息、目标点位置信息和目标障碍物的障碍物位置信息,基于碰撞检测安全距离,控制待规划机械臂的机械臂末端在人工势场下进行路径规划,得到初始规划路径;将初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出待规划机械臂的目标优化路径。上述技术方案基于改进人工势场法的路径规划方法的实现有利于提高机械臂在复杂工作环境下的工作速度与准确度,能够高效、可靠地进行机械臂路径规划,降低机械臂的使用寿命损耗,提高作业精度,通过预先训练的用于进行路径优化的模型对基于人工势场得到的初始规划路径进行进一步的路径优化,进一步提高了对路径规划的精准度。
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机械臂的路径规划方法的流程图;
图2是根据本发明实施例二提供的一种机器人机械臂的路径规划方法的流程图;
图3是根据本发明实施例三提供的一种机器人机械臂的路径规划方装置的结构示意图;
图4是实现本发明实施例的机器人机械臂的路径规划方方法的电子设备的结构示意图。
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”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的一种机器人机械臂的路径规划方法的流程图,本实施例可适用于对带有循环结构的机器指令进行功能单元的合理分配并进行指令调度的情况,该方法可以由机器人机械臂的路径规划装置来执行,该机器人机械臂的路径规划装置可以采用硬件和/或软件的形式实现,该机器人机械臂的路径规划装置可配置于电子设备中。如图1所示,该方法包括:
S110、构建待规划机械臂在任务空间中的机械臂模型,并确定待规划机械臂的各关节点在任务空间下的初始位姿信息。
其中,待规划机械臂可以为待进行路径规划的机器人机械臂;任务空间可以是机械臂执行作业任务的空间,在该任务空间中存在至少一个目标障碍物;初始位姿信息可以为待规划机械臂在任务空间下,未作业前的初始状态下的各关节的初始位置和姿态。
示例性的,可以采用DH(Denavit-Hartenberg)参数法对机器人机械臂进行运动学建模,从而得到待规划机械臂的各关节点在任务空间下的初始位姿信息。其中,可以采用有向包围盒法,对待规划机械臂以及目标障碍物进行建模简化,具体可以是使用圆柱体包覆机械臂,使用球体包覆目标障碍物。具体的,根据待规划机械臂的各个连杆之间的参数信息,进行DH参数法建模,得到各个连杆的相邻关节点坐标系之间的位姿变换关系。其中,位姿变换关系的表达形式可以如下:
机械臂相邻连杆之间的齐次变换坐标矩阵Ti i-1为:
其中,αi-1表示扭角;di表示连杆偏置距离;θi表示关节角;i表示连杆的编号。
将各个相邻连杆的齐次变换坐标矩阵相乘,可以得到机械臂末端执行坐标系,相对于基坐标系的位姿变换矩阵如下:
其中,为姿态向量,表示该坐标系相对于参考坐标系的姿态;[nxny nz]T表示该坐标系的x轴方向;[ox oy oz]T表示该坐标系的y轴方向;[ax ay az]T表示该坐标系的z轴方向;[px py pz]表示机械臂末端当前的坐标值。
根据上述位姿变换矩阵,可以确定待规划机械臂的各关节点在任务空间下的初始位姿信息,例如可以包括,关节角的初始角度和坐标等。
S120、根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间的位置关系,确定待规划机械臂的碰撞检测安全距离。
需要说明的是,在进行机械臂末端路径规划过程中,需要考虑各连杆与障碍物之间的碰撞情况,因此,在规划过程中需要考虑待规划机械臂的连杆线段与目标障碍物之间的碰撞检测安全距离,从而避免连杆与障碍物之间发生碰撞。
示例性的,可以根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间的距离关系,确定待规划机械臂的碰撞检测安全距离。具体的,针对任一连杆,若障碍物中心点在连杆线段上,此时机械臂已与障碍物发生碰撞;若障碍物中心点在连杆线段外,则可以进一步确定连杆与目标障碍物之间的碰撞检测安全距离。具体可以是根据连杆线段的两个端点以及线段中心点和障碍物中心点的距离关系确定。
S130、构建包括全局力场和局部力场的人工势场。
其中,全局力场可以为引力场,局部力场可以为斥力场,机械臂末端在想目标位置点移动过程中受引力场和斥力场共同作用的影响。因此,构建具有全局力场和局部力场的人工势场。
在一个可选实施例中,构建包括全局力场和局部力场的人工势场,包括:根据目标点位置信息,构建全局力场;以及,根据障碍物中心点,构建局部力场;根据全局力场和局部力场,生成人工势场。
示例性的,机械臂末端的控制点所受引力与斥力分别为引力场(全局力场)与斥力场(局部力场)对距离的导数。将引力场分为恒力场与变力场,建立引力场函数Uatt(q):
其中,dL表示恒力场和变力场的边界距离,此处可简化为连杆的长度;d(q,qgoal)表示机械臂末端点到目标点的位置距离;q表示当前机械臂末端的位置;qgoal表示目标点位置;ka表示变力场的引力系数;ξ表示恒力场的引力系数。
引力场对应的引力函数Fatt(q)如下:
在斥力场函数的设定中,引入安全距离系数,保证机械臂和目标障碍物之间的最小距离不会发生碰撞,并保持一定安全距离,所建立的斥力场函数如下:
其中,kb表示斥力系数;d(q,qba)表示障碍物中心点与机械臂末端位置的距离;qba表示障碍物中心点的位置;k表示安全距离系数,安全系数的选取应大于0;ρ0为常数,表示目标障碍物产生的斥力势场的最大范围。
斥力场对应的斥力函数如下:
其中,斥力势场范围常数ρ0与安全距离系数k可以按照如下方法进行调节与设置:
调节斥力势场作用范围常数ρ0,令安全距离系数k=1,设定ρ0为障碍物中心点与目标点的距离,即ρ0=d(qgoal,qba),此时机械臂末端在运动过程中按照平滑的运动轨迹远离障碍物,且在机械臂末端达到目标点时,所受的斥力为0,轨迹更平滑。根据实施情况与机械臂工作需求,调节安全距离系数,安全距离系数的默认值设定为1,当需要提高机械臂末端与障碍物的距离时,将安全距离系数值调大。
S140、根据各关节点在任务空间下的初始位姿信息、目标点位置信息和目标障碍物的障碍物位置信息,基于碰撞检测安全距离,控制待规划机械臂的机械臂末端在人工势场下进行路径规划,得到初始规划路径。
其中,目标点位置信息可以包括机械臂末端从起始点位移动至目标点位的位置坐标信息。障碍物位置信息可以包括障碍物中心点的位置坐标信息。
示例性的,根据各关节点在任务空间下的初始位姿信息、目标点位置信息和目标障碍物的障碍物位置信息,控制待规划机械臂在上述构建的人工势场中进行路径规划,并在路径规划过程中考虑碰撞检测安全距离,从而避免机械臂连杆与目标障碍物发生碰撞,得到初始规划路径。
S150、将初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出待规划机械臂的目标优化路径。
其中,路径优化模型可以由相关技术人员基于历史时间周期下规划的大量历史规划路径进行预先训练得到,用于对基于上述人工势场生成的初始规划路径进行路径优化。
示例性的,将初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出的待规划机械臂的目标优化路径。其中,路径位置信息可以为初始规划路径上的位置坐标点位所生成的位置坐标集合。
本发明实施例通过构建待规划机械臂在任务空间中的机械臂模型,并确定待规划机械臂各关节点在任务空间下的初始位姿信息;根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间位置关系,确定待规划机械臂的碰撞检测安全距离;构建包括全局力场和局部力场的人工势场;根据各关节点在任务空间下的初始位姿信息、目标点位置信息和目标障碍物的障碍物位置信息,基于碰撞检测安全距离,控制待规划机械臂的机械臂末端在人工势场下进行路径规划,得到初始规划路径;将初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出待规划机械臂的目标优化路径。上述技术方案基于改进人工势场法的路径规划方法的实现有利于提高机械臂在复杂工作环境下的工作速度与准确度,能够高效、可靠地进行机械臂路径规划,降低机械臂的使用寿命损耗,提高作业精度,通过预先训练的用于进行路径优化的模型对基于人工势场得到的初始规划路径进行进一步的路径优化,进一步提高了对路径规划的精准度。
实施例二
图2为本发明实施例二提供的一种机器人机械臂的路径规划方法的流程图,本实施例在上述各技术方案的基础上,进行了优化改进。
进一步的,将步骤“根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间的位置关系,确定待规划机械臂的碰撞检测安全距离”细化为“若障碍物中心点与各关节点间的连杆线段之间的位置关系为障碍物中心点在连杆线段外,则确定障碍物中心点分别与连杆线段关联的两个相邻关节点之间的第一位置距离和第二位置距离,以及障碍物中心点与连杆线段的线段中点之间的第三位置距离;根据第一位置距离、第二位置距离和第三位置距离,确定碰撞检测安全距离。”以完善对碰撞检测安全距离的确定方式。
需要说明的是,在本发明实施例中未详述的部分,可参见其他实施例的表述。如图2所示,该方法包括以下具体步骤:
S210、构建待规划机械臂在任务空间中的机械臂模型,并确定待规划机械臂的各关节点在任务空间下的初始位姿信息。
S220、若障碍物中心点与各关节点间的连杆线段之间的位置关系为障碍物中心点在连杆线段外,则确定障碍物中心点分别与连杆线段关联的两个相邻关节点之间的第一位置距离和第二位置距离,以及障碍物中心点与连杆线段的线段中点之间的第三位置距离。
示例性的,假设连杆线段的两个端点分别为P1和P2,障碍物中心点为O点,连杆线段的线段中点为Pm,记障碍物中心点O与端点P1之间的第一位置距离为d1;记障碍物中心点O与端点P2之间的第一位置距离为d2;记障碍物中心点O与连杆线段的线段中点为Pm之间的第一位置距离为dm。
S230、根据第一位置距离、第二位置距离和第三位置距离,确定碰撞检测安全距离。
示例性的,可以根据第三位置距离与第一位置距离和第二位置距离之间的距离大小关系,确定碰撞检测安全距离。
在一个可选实施例中,根据第一位置距离、第二位置距离和第三位置距离,确定碰撞检测安全距离,包括:若第三位置距离不大于第一位置距离且不小于第二位置距离,或,第三位置距离不大于第二位置距离且不小于第一位置距离,则碰撞检测安全距离为第一位置距离或第二位置距离;以及,若第三位置距离不大于第一位置距离,或,第三位置距离不大于第二位置距离,则碰撞检测安全距离为障碍物中心点与连杆线段的垂线段之间的位置距离。
示例性的,若d1>dm>d2或d2>dm>d1,障碍物中心点O与连杆线段的垂线段投影在线段延长线上,此时,碰撞检测安全距离为d1或d2;若d1>dm,d2>dm,点O与连杆线段的垂涎投影在线段上,此时,碰撞检测安全距离为障碍物中心点O与线段垂线段之间的位置距离长度。
S240、构建包括全局力场和局部力场的人工势场。
S250、根据各关节点在任务空间下的初始位姿信息、目标点位置信息和目标障碍物的障碍物位置信息,基于碰撞检测安全距离,控制待规划机械臂的机械臂末端在人工势场下进行路径规划,得到初始规划路径。
S260、将初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出待规划机械臂的目标优化路径。
本实施例还提供一种路径优化模型的模型训练方式,路径优化模型的模型训练方式如下:
生成包括历史时间周期下的历史规划路径的样本训练集;历史规划路径中包括多个路径坐标点;将历史规划路径的各路径坐标点输入至预先构建的强化学习网络模型中,得到模型输出的参考规划路径;根据参考规划路径,确定目标损失值;根据目标损失值,对强化学习网络模型进行模型迭代训练,直到模型收敛,得到完成训练的路径优化模型。
其中,历史规划路径可以历史周期下在相同或不同作业场景下,基于人工势场法所生成的不同规划路径。预先配置的模型参数可以包括相应的障碍物的相关信息以及人工势场相关信息,如障碍物外接球半径和人工势场的引力系数和斥力系数等。
可选的,根据参考规划路径,确定目标损失值,包括:根据参考规划路径中的参考路径点信息和目标障碍物的外接球体半径,确定避障损失值;以及,根据参考规划路径中的参考路径点信息和目标点位置信息,确定终点损失值;根据避障损失值和终点损失值,确定目标损失值。
示例性的,避障损失函数f(λ)的表达形式可以如下:
f(λ)=dmin-rba
其中,dmin为参考路径点信息中各路径点与障碍物中心点的最短距离;rba为目标障碍物的外接球半径,具体可以在模型参数中预先配置。
示例性的,终点损失函数g(λ)的表达形式可以如下:
g(λ)=qend-qgoal
其中,qend为参考路径点信息中各路径点的位置坐标;qgoal为目标点坐标。
本实施例技术方案通过在确定障碍物中心点与各关节点间的连杆线段之间的位置关系为障碍物中心点在连杆线段外时,确定障碍物中心点分别与连杆线段关联的两个相邻关节点之间的第一位置距离和第二位置距离,以及障碍物中心点与连杆线段的线段中点之间的第三位置距离,并根据第一位置距离、第二位置距离和第三位置距离,确定碰撞检测安全距离,实现了对碰撞安全距离的确定准确度。通过在路径优化模型中引入避障损失值和终点损失值的方式,不断迭代训练优化引力系数的参数值,从而不断训练最优路径的优化效果,提高了对路径优化模型的模型训练准确度。
实施例三
图3为本发明实施例三提供的一种机器人机械臂的路径规划装置的结构示意图。本发明实施例所提供的一种机器人机械臂的路径规划装置,该装置可适用于对带有循环结构的机器指令进行功能单元的合理分配并进行指令调度的情况,该机器人机械臂的路径规划装置可以采用硬件和/或软件的形式实现,如图3所示,该装置具体包括:模型构建模块301、安全距离确定模块302、人工势场构建模块303、初始路径规划模块304和路径优化模块305。其中,
模型构建模块301,用于构建待规划机械臂在任务空间中的机械臂模型,并确定所述待规划机械臂的各关节点在所述任务空间下的初始位姿信息;
安全距离确定模块302,用于根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间的位置关系,确定所述待规划机械臂的碰撞检测安全距离;
人工势场构建模块303,用于构建包括全局力场和局部力场的人工势场;
初始路径规划模块304,用于根据各关节点在所述任务空间下的初始位姿信息、目标点位置信息和所述目标障碍物的障碍物位置信息,基于所述碰撞检测安全距离,控制所述待规划机械臂的机械臂末端在所述人工势场下进行路径规划,得到初始规划路径;
路径优化模块305,用于将所述初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出所述待规划机械臂的目标优化路径。
本发明实施例通过构建待规划机械臂在任务空间中的机械臂模型,并确定待规划机械臂各关节点在任务空间下的初始位姿信息;根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间位置关系,确定待规划机械臂的碰撞检测安全距离;构建包括全局力场和局部力场的人工势场;根据各关节点在任务空间下的初始位姿信息、目标点位置信息和目标障碍物的障碍物位置信息,基于碰撞检测安全距离,控制待规划机械臂的机械臂末端在人工势场下进行路径规划,得到初始规划路径;将初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出待规划机械臂的目标优化路径。上述技术方案基于改进人工势场法的路径规划方法的实现有利于提高机械臂在复杂工作环境下的工作速度与准确度,能够高效、可靠地进行机械臂路径规划,降低机械臂的使用寿命损耗,提高作业精度,通过预先训练的用于进行路径优化的模型对基于人工势场得到的初始规划路径进行进一步的路径优化,进一步提高了对路径规划的精准度。
可选的,所述安全距离确定模块302,包括:
位置距离确定单元,用于若所述障碍物中心点与各关节点间的连杆线段之间的位置关系为所述障碍物中心点在所述连杆线段外,则确定所述障碍物中心点分别与所述连杆线段关联的两个相邻关节点之间的第一位置距离和第二位置距离,以及所述障碍物中心点与所述连杆线段的线段中点之间的第三位置距离;
安全距离确定单元,用于根据所述第一位置距离、第二位置距离和第三位置距离,确定碰撞检测安全距离。
可选的,所述安全距离确定单元,包括:
位置距离确定子单元,用于若所述第三位置距离不大于第一位置距离且不小于第二位置距离,或,第三位置距离不大于第二位置距离且不小于第一位置距离,则所述碰撞检测安全距离为第一位置距离或第二位置距离;以及,
安全距离确定子单元,用于若所述第三位置距离不大于第一位置距离,或,第三位置距离不大于第二位置距离,则所述碰撞检测安全距离为所述障碍物中心点与所述连杆线段的垂线段之间的位置距离。
可选的,所述人工势场构建模块303,包括:
全局力场构建单元,用于根据目标点位置信息,构建全局力场;以及,
局部力场构建单元,用于根据障碍物中心点,构建局部力场;
人工势场生成单元,用于根据所述全局力场和所述局部力场,生成人工势场。
可选的,所述路径优化模型的模型训练方式如下:
生成包括历史时间周期下的历史规划路径的样本训练集;所述历史规划路径中包括多个路径坐标点;
将所述历史规划路径的各所述路径坐标点输入至预先构建的强化学习网络模型中,得到模型输出的参考规划路径;
根据所述参考规划路径,确定目标损失值;
根据所述目标损失值,对所述强化学习网络模型进行模型迭代训练,直到模型收敛,得到完成训练的路径优化模型。
可选的,所述根据所述参考规划路径,确定目标损失值,包括:
根据所述参考规划路径中的参考路径点信息和所述目标障碍物的外接球体半径,确定避障损失值;以及,
根据所述参考规划路径中的参考路径点信息和目标点位置信息,确定终点损失值;
根据所述避障损失值和所述终点损失值,确定目标损失值。
本发明实施例所提供的机器人机械臂的路径规划装置可执行本发明任意实施例所提供的机器人机械臂的路径规划方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备40的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。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4所示,电子设备40包括至少一个处理器41,以及与至少一个处理器41通信连接的存储器,如只读存储器(ROM)42、随机访问存储器(RAM)43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41可以根据存储在只读存储器(ROM)42中的计算机程序或者从存储单元48加载到随机访问存储器(RAM)43中的计算机程序,来执行各种适当的动作和处理。在RAM 43中,还可存储电子设备40操作所需的各种程序和数据。处理器41、ROM 42以及RAM 43通过总线44彼此相连。输入/输出(I/O)接口45也连接至总线44。
电子设备40中的多个部件连接至I/O接口45,包括:输入单元46,例如键盘、鼠标等;输出单元47,例如各种类型的显示器、扬声器等;存储单元48,例如磁盘、光盘等;以及通信单元49,例如网卡、调制解调器、无线通信收发机等。通信单元49允许电子设备40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41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41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41执行上文所描述的各个方法和处理,例如机器人机械臂的路径规划方法。
在一些实施例中,机器人机械臂的路径规划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48。在一些实施例中,计算机程序的部分或者全部可以经由ROM 42和/或通信单元49而被载入和/或安装到电子设备40上。当计算机程序加载到RAM 43并由处理器41执行时,可以执行上文描述的机器人机械臂的路径规划方法的一个或多个步骤。备选地,在其他实施例中,处理器41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机械臂的路径规划方法。
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)
1.一种机器人机械臂的路径规划方法,其特征在于,包括:
构建待规划机械臂在任务空间中的机械臂模型,并确定所述待规划机械臂的各关节点在所述任务空间下的初始位姿信息;
根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间的位置关系,确定所述待规划机械臂的碰撞检测安全距离;
构建包括全局力场和局部力场的人工势场;
根据各关节点在所述任务空间下的初始位姿信息、目标点位置信息和所述目标障碍物的障碍物位置信息,基于所述碰撞检测安全距离,控制所述待规划机械臂的机械臂末端在所述人工势场下进行路径规划,得到初始规划路径;
将所述初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出所述待规划机械臂的目标优化路径。
2.根据权利要求1所述的方法,其特征在于,所述根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间的位置关系,确定所述待规划机械臂的碰撞检测安全距离,包括:
若所述障碍物中心点与各关节点间的连杆线段之间的位置关系为所述障碍物中心点在所述连杆线段外,则确定所述障碍物中心点分别与所述连杆线段关联的两个相邻关节点之间的第一位置距离和第二位置距离,以及所述障碍物中心点与所述连杆线段的线段中点之间的第三位置距离;
根据所述第一位置距离、第二位置距离和第三位置距离,确定碰撞检测安全距离。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一位置距离、第二位置距离和第三位置距离,确定碰撞检测安全距离,包括:
若所述第三位置距离不大于第一位置距离且不小于第二位置距离,或,第三位置距离不大于第二位置距离且不小于第一位置距离,则所述碰撞检测安全距离为第一位置距离或第二位置距离;以及,
若所述第三位置距离不大于第一位置距离,或,第三位置距离不大于第二位置距离,则所述碰撞检测安全距离为所述障碍物中心点与所述连杆线段的垂线段之间的位置距离。
4.根据权利要求1所述的方法,其特征在于,所述构建包括全局力场和局部力场的人工势场,包括:
根据目标点位置信息,构建全局力场;以及,
根据障碍物中心点,构建局部力场;
根据所述全局力场和所述局部力场,生成人工势场。
5.根据权利要求1所述的方法,其特征在于,所述路径优化模型的模型训练方式如下:
生成包括历史时间周期下的历史规划路径的样本训练集;所述历史规划路径中包括多个路径坐标点;
将所述历史规划路径的各所述路径坐标点输入至预先构建的强化学习网络模型中,得到模型输出的参考规划路径;
根据所述参考规划路径,确定目标损失值;
根据所述目标损失值,对所述强化学习网络模型进行模型迭代训练,直到模型收敛,得到完成训练的路径优化模型。
6.根据权利要求5所述的方法,其特征在于,所述根据所述参考规划路径,确定目标损失值,包括:
根据所述参考规划路径中的参考路径点信息和所述目标障碍物的外接球体半径,确定避障损失值;以及,
根据所述参考规划路径中的参考路径点信息和目标点位置信息,确定终点损失值;
根据所述避障损失值和所述终点损失值,确定目标损失值。
7.一种机器人机械臂的路径规划装置,其特征在于,包括:
模型构建模块,用于构建待规划机械臂在任务空间中的机械臂模型,并确定所述待规划机械臂的各关节点在所述任务空间下的初始位姿信息;
安全距离确定模块,用于根据目标障碍物的障碍物中心点与各关节点间的连杆线段之间的位置关系,确定所述待规划机械臂的碰撞检测安全距离;
人工势场构建模块,用于构建包括全局力场和局部力场的人工势场;
初始路径规划模块,用于根据各关节点在所述任务空间下的初始位姿信息、目标点位置信息和所述目标障碍物的障碍物位置信息,基于所述碰撞检测安全距离,控制所述待规划机械臂的机械臂末端在所述人工势场下进行路径规划,得到初始规划路径;
路径优化模块,用于将所述初始规划路径的路径位置信息输入至预先训练得到的路径优化模型中,得到模型输出所述待规划机械臂的目标优化路径。
8.根据权利要求7所述的装置,其特征在于,所述安全距离确定模块,包括:
位置距离确定单元,用于若所述障碍物中心点与各关节点间的连杆线段之间的位置关系为所述障碍物中心点在所述连杆线段外,则确定所述障碍物中心点分别与所述连杆线段关联的两个相邻关节点之间的第一位置距离和第二位置距离,以及所述障碍物中心点与所述连杆线段的线段中点之间的第三位置距离;
安全距离确定单元,用于根据所述第一位置距离、第二位置距离和第三位置距离,确定碰撞检测安全距离。
9.一种电子设备,其特征在于,所述电子设备包括:
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1-6中任一项所述的机器人机械臂的路径规划方法。
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1-6中任一项所述的机器人机械臂的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410258784.1A CN117901118A (zh) | 2024-03-07 | 2024-03-07 | 机器人机械臂的路径规划方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410258784.1A CN117901118A (zh) | 2024-03-07 | 2024-03-07 | 机器人机械臂的路径规划方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117901118A true CN117901118A (zh) | 2024-04-19 |
Family
ID=90692433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410258784.1A Pending CN117901118A (zh) | 2024-03-07 | 2024-03-07 | 机器人机械臂的路径规划方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117901118A (zh) |
-
2024
- 2024-03-07 CN CN202410258784.1A patent/CN117901118A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108705532A (zh) | 一种机械臂避障路径规划方法、设备及存储设备 | |
CN111279394B (zh) | 虚拟角色的任务执行方法、装置及终端设备 | |
CN110850807B (zh) | 一种奇异点规避方法、装置、设备及介质 | |
CN108803592B (zh) | 用于避免机器人碰撞的方法、装置和系统 | |
CN116690588A (zh) | 多机械臂多任务的目标获取方法、装置、设备及存储介质 | |
CN114474072B (zh) | 一种轨迹融合方法、装置、设备及存储介质 | |
CN115502961A (zh) | 基于人体手臂运动信息预测的人机在线避障方法及系统 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN117901118A (zh) | 机器人机械臂的路径规划方法、装置、设备及存储介质 | |
CN113742457B (zh) | 应答处理方法、装置、电子设备及存储介质 | |
CN115639817A (zh) | 一种路径的轨迹修正方法、装置、设备和介质 | |
CN114571457B (zh) | 一种奇异位姿规避方法、装置、设备以及存储介质 | |
CN113627646A (zh) | 一种基于神经网络的路径规划方法、装置、设备及介质 | |
CN116679573B (zh) | 一种一致性跟踪控制方法、装置、电子设备及存储介质 | |
CN117348577B (zh) | 一种生产工艺仿真检测方法、装置、设备以及介质 | |
CN115145316B (zh) | 基于向量与角度确定喷枪姿态方法 | |
CN118034319A (zh) | 一种多维轨迹规划方法、装置、设备及介质 | |
Spanogianopoulos | Particle swarm optimization and applications in robotics: A survey | |
CN115237128A (zh) | 一种机器人的负载辨识方法、装置、设备以及存储介质 | |
CN117452876A (zh) | 基于轨迹的多轴联动控制方法、装置、设备及存储介质 | |
CN117367454A (zh) | 自动驾驶轨迹规划方法、装置、设备及存储介质 | |
CN111459151B (zh) | 调整决策网络的探索率的方法、装置、电子设备及介质 | |
CN117901113A (zh) | 残余振动控制方法、装置、设备及存储介质 | |
CN117494043A (zh) | 一种目标运动轨迹预测方法、装置、电子设备及介质 | |
CN114274148A (zh) | 一种轨迹规划方法、装置、电子设备以及存储介质 |
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 |