CN109976148B - 机器人运动路径规划方法、装置、存储介质及终端设备 - Google Patents
机器人运动路径规划方法、装置、存储介质及终端设备 Download PDFInfo
- Publication number
- CN109976148B CN109976148B CN201711462962.9A CN201711462962A CN109976148B CN 109976148 B CN109976148 B CN 109976148B CN 201711462962 A CN201711462962 A CN 201711462962A CN 109976148 B CN109976148 B CN 109976148B
- Authority
- CN
- China
- Prior art keywords
- path
- point
- optimized
- ideal
- shortest
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000009471 action Effects 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000008602 contraction Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- B25J9/1666—Avoiding collision or forbidden zones
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40443—Conditional and iterative planning
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40476—Collision, planning for collision free path
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40477—Plan path independent from obstacles, then correction for obstacles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40519—Motion, trajectory planning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种机器人运动路径规划方法,用于解决OMPL数据库规划的路径有很大的不确定性,容易导致机器人的运动效率低下的问题。本发明提供的方法包括:采用OMPL数据库为目标机器人规划出当前场景下的规划路径,规划路径包括多个路径点,多个路径点中包括路径起点和路径终点;确定最短理想路径为初始的理想路径;采用二分法计算规划路径与理想路径之间的新路径;判断新路径是否满足当前场景下的避障要求和结构约束;若是,则将新路径确定为新的规划路径;若否,则将新路径确定为新的理想路径;迭代采用二分法优化规划路径,直至当前的规划路径与当前的理想路径之间的误差在预设范围内;将当前的规划路径确定为目标机器人的动作路径。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种机器人运动路径规划方法、装置、存储介质及终端设备。
背景技术
随着对机器人应用的需求提升,用户已不再满足于机器人在简单的场景里点到点的操作,而是希望机器人能够在更加复杂的场景里进行复杂的操作。
MoveIt软件是目前最先进和最广泛应用的开源的机器人运动规划软件,其主要调用柔性碰撞数据库(Flexible Collision Library,FCL)实现障碍物碰撞检测,调用开放运动规划数据库(Open Motion Planning Library,OMPL数据库)求解运动规划问题。OMPL数据库提供的运动规划求解器都是采用了随机采样方法,尽管这些方法在概率上是完备的,但当环境复杂时,有限时间内得到的计算结果有很大的不确定性,容易导致机器人的运动效率低下。
发明内容
本发明实施例提供了一种机器人运动路径规划方法、装置、存储介质及终端设备,能够在OMPL数据库规划的基础上大大提高计算结果的确定性,提高机器人的运动效率。
第一方面,提供了一种机器人运动路径规划方法,包括:
采用OMPL数据库为目标机器人规划出当前场景下的规划路径,所述规划路径包括多个路径点,所述多个路径点中包括路径起点和路径终点;
确定最短理想路径为初始的理想路径,所述最短理想路径是指所述路径起点至所述路径终点的最短路径;
采用二分法计算规划路径与理想路径之间的新路径;
判断所述新路径是否满足当前场景下的避障要求和结构约束;
若所述新路径满足预设的避障要求和结构约束,则将所述新路径确定为新的规划路径;
若所述新路径不满足预设的避障要求和结构约束,则将所述新路径确定为新的理想路径;
返回执行所述采用二分法计算规划路径与理想路径之间的新路径的步骤,直至当前的规划路径与当前的理想路径之间的误差在预设范围内;
将当前的规划路径确定为目标机器人的动作路径。
可选地,在将当前的规划路径确定为目标机器人的动作路径之前,还包括:
将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点,所述待优化点集包括所述当前的规划路径上除路径起点和路径终点以外的其它路径点;
根据预设的收缩因子、所述待优化点与所述最短理想路径的最短距离、以及所述最短理想路径上与所述待优化点对应的路径点的关节角向量计算得到优化后的关节角向量;
判断所述优化后的关节角向量是否满足当前场景下的避障要求和结构约束;
若所述优化后的关节角向量满足当前场景下的避障要求和结构约束,则将所述待优化点的关节角向量替换为所述优化后的关节角向量;
若所述优化后的关节角向量不满足当前场景下的避障要求和结构约束,则将当前的待优化点从所述待优化点集中剔除;
返回执行所述将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点的步骤,直至满足预设的迭代条件。
可选地,所述满足预设的迭代条件包括:
若返回执行所述将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点的步骤的迭代次数超过预设的迭代次数阈值,则确定预设的迭代条件已满足;
或
若所述待优化点集中的路径点均已被剔除,则确定预设的迭代条件已满足。
可选地,所述根据预设的收缩因子、所述待优化点与所述最短理想路径的最短距离、以及所述最短理想路径上与所述待优化点对应的路径点的关节角向量计算得到优化后的关节角向量包括:
将预设的收缩因子、所述待优化点与所述最短理想路径的最短距离、以及所述最短理想路径上与所述待优化点对应的路径点的关节角向量代入第一公式计算得到优化后的关节角向量;
所述第一公式为:
可选地,在返回执行所述采用二分法计算规划路径与理想路径之间的新路径的步骤之前,还包括:
分别计算当前的规划路径上各个路径点与当前的理想路径的最短距离;
若计算得到的各个路径点对应的最短距离中的最大值小于预设的距离阈值,则确定当前的规划路径与当前的理想路径之间的误差在预设范围内。
第二方面,提供了一种机器人运动路径规划装置,包括:
路径规划模块,用于采用OMPL数据库为目标机器人规划出当前场景下的规划路径,所述规划路径包括多个路径点,所述多个路径点中包括路径起点和路径终点;
理想路径确定模块,用于确定最短理想路径为初始的理想路径,所述最短理想路径是指所述路径起点至所述路径终点的最短路径;
新路径计算模块,用于采用二分法计算规划路径与理想路径之间的新路径;
新路径判断模块,用于判断所述新路径是否满足当前场景下的避障要求和结构约束;
第一确定模块,用于若所述新路径判断模块的判断结果为是,则将所述新路径确定为新的规划路径;
第二确定模块,用于若所述新路径判断模块的判断结果为否,则将所述新路径确定为新的理想路径;
迭代触发模块,用于返回触发所述新路径计算模块,直至当前的规划路径与当前的理想路径之间的误差在预设范围内;
动作路径确定模块,用于将当前的规划路径确定为目标机器人的动作路径。
可选地,所述机器人运动路径规划装置还包括:
待优化点确定模块,用于将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点,所述待优化点集包括所述当前的规划路径上除路径起点和路径终点以外的其它路径点;
优化向量计算模块,用于根据预设的收缩因子、所述待优化点与所述最短理想路径的最短距离、以及所述最短理想路径上与所述待优化点对应的路径点的关节角向量计算得到优化后的关节角向量;
向量判断模块,用于判断所述优化后的关节角向量是否满足当前场景下的避障要求和结构约束;
向量替换模块,用于若所述向量判断模块的判断结果为是,则将所述待优化点的关节角向量替换为所述优化后的关节角向量;
点剔除模块,用于若所述向量判断模块的判断结果为否,则将当前的待优化点从所述待优化点集中剔除;
迭代优化模块,用于触发所述待优化点确定模块,直至满足预设的迭代条件。
可选地,所述机器人运动路径规划装置还包括:
最短路径计算模块,用于分别计算当前的规划路径上各个路径点与当前的理想路径的最短距离;
第三确定模块,用于若计算得到的各个路径点对应的最短距离中的最大值小于预设的距离阈值,则确定当前的规划路径与当前的理想路径之间的误差在预设范围内。
第三方面,提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述机器人运动路径规划方法的步骤。
第四方面,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程序,所述计算机程序被处理器执行时实现上述机器人运动路径规划方法的步骤。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例中,首先,采用OMPL数据库为目标机器人规划出当前场景下的规划路径,所述规划路径包括多个路径点,所述多个路径点中包括路径起点和路径终点;然后,确定最短理想路径为初始的理想路径,所述最短理想路径是指所述路径起点至所述路径终点的最短路径;接着,采用二分法计算规划路径与理想路径之间的新路径;判断所述新路径是否满足当前场景下的避障要求和结构约束;若所述新路径满足预设的避障要求和结构约束,则将所述新路径确定为新的规划路径;若所述新路径不满足预设的避障要求和结构约束,则将所述新路径确定为新的理想路径;再之,返回执行所述采用二分法计算规划路径与理想路径之间的新路径的步骤,直至当前的规划路径与当前的理想路径之间的误差在预设范围内;最后,将当前的规划路径确定为目标机器人的动作路径。在本发明实施例中,通过二分法实现规划路径向理想路径的整体收缩,使其尽可能逼近理想路径的同时也满足避障要求和结构约束,能够在OMPL数据库规划的基础上大大提高计算结果的确定性,提高机器人的运动效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种机器人运动路径规划方法一个实施例流程图;
图2为本发明实施例中一种机器人运动路径规划方法在一个应用场景下采用二分法优化的示意图;
图3为本发明实施例中一种机器人运动路径规划方法在一个应用场景下单点迭代优化的示意图;
图4为本发明实施例中一种机器人运动路径规划方法在一个应用场景下进行单点迭代优化的流程示意图;
图5为本发明实施例中单点迭代优化的优化效果示意图;
图6为本发明实施例中一种机器人运动路径规划装置一个实施例结构图;
图7为本发明一实施例提供的终端设备的示意图。
具体实施方式
本发明实施例提供了一种机器人运动路径规划方法、装置、存储介质及终端设备,用于解决OMPL数据库规划的路径有很大的不确定性,容易导致机器人的运动效率低下的问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例中一种机器人运动路径规划方法一个实施例包括:
101、采用OMPL数据库为目标机器人规划出当前场景下的规划路径,所述规划路径包括多个路径点,所述多个路径点中包括路径起点和路径终点;
本实施例中,首先需要采用OMPL数据库为目标机器人求解出当前场景下的规划路径,设该规划路径上共n个路径点,路径起点的关节角向量记为qstart,路径终点的关节角向量记为qgoal,则该规划路径可以表示为Qplan=[q1q2…qn],如图2所示的“规划路径”。其中q1=qstart,qn=qgoal。
需要说明的是,本实施例中的机器人运动路径规划方法具体可以应用于机器人的整体运动的路径规划,也可以运用于机器人的零部件运动的路径规划,比如机器人上的机械臂的运动路径规划。
102、确定最短理想路径为初始的理想路径,所述最短理想路径是指所述路径起点至所述路径终点的最短路径;
103、采用二分法计算规划路径与理想路径之间的新路径;
可以理解的是,为了提高目标机器人的运动效率,参照图2,应当在保证路径避开障碍物且满足关节限位要求的前提下,让“规划路径”尽量逼近“最短理想路径”。本实施例采用二分法优化规划路径,具体地,所述新路径即计算规划路径与理想路径之间的折中路径作为当前的新路径。
104、判断所述新路径是否满足当前场景下的避障要求和结构约束,若是,则执行步骤105,若否,则执行步骤106;
105、将所述新路径确定为新的规划路径;
106、将所述新路径确定为新的理想路径;
对于上述步骤104~106,由上述内容可知,在计算出新路径之后,还需要区分计算的新路径是否满足避障要求和结构约束,以满足机器人的运动需求。需要说明的是,上述的结构约束由机器人结构本身的限制形成的,比如,机器人上机械臂的各个关节均具有关节限位约束。因此,上述结构约束具体由机器人的实际情况确定,本实施例不做具体限定。
为便于理解,假设任意的路径满足避障要求和结构约束,则认为该路径有效,记为Q∈Svalid;如果路径上的任意点满足避障要求和结构约束,则认为该点有效,记为q∈Svalid。参考图2可知,在存在障碍物的情况下Qplan∈Svalid,
因此,上述步骤104即为,判断是否Qnew∈Svalid,如果Qnew∈Svalid,则执行步骤105,将所述新路径确定为新的规划路径,即令Qplan=Qnew;反之,如果则执行步骤106,令Qideal=Qnew。
可知,执行一次上述步骤103~106,就相当于将规划路径向最短理想路径逼近一次,也即迭代优化了一次。
107、判断当前的规划路径与当前的理想路径之间的误差是否在预设范围内,若是,则执行步骤108,若否,则返回执行步骤103;
本实施例的优化思路为多次迭代执行上述步骤103~106,使得规划路径在满足避障要求和结构约束的前提下无限逼近于最短理想路径,从而从整体上为目标机器人寻找到一条高效的运动路径。但为了确保优化的效率,需要设置上述迭代优化过程的跳出条件,使得当前的规划路径与当前的理想路径之间的误差在满足一定条件的情况下,就认为当前的规划路径已经足够高效了。
因此,步骤107判断当前的规划路径与当前的理想路径之间的误差是否在预设范围内,若否,则还需继续迭代优化,返回执行步骤103进行下一次二分法的优化;若是,则可以认为当前的规划路径已经是一条收缩以后的整体优化轨迹,记为Qopt1=Qplan,与初始的规划路径相比,显然,收缩后的路径更短,如图2所示的“整体优化路径”。
进一步地,上述步骤107具体包括:首先,分别计算当前的规划路径上各个路径点与当前的理想路径的最短距离;若计算得到的各个路径点对应的最短距离中的最大值小于预设的距离阈值,则确定当前的规划路径与当前的理想路径之间的误差在预设范围内。
108、将当前的规划路径确定为目标机器人的动作路径。
可以理解的是,在经过二分法优化后的规划路径已经较之初始的规划路径在运动效率上有了很大的提升,因此,此时可以将当前的规划路径确定为目标机器人的动作路径。
如图2所示,如果障碍物处于路径的中间附近的位置,通过上述二分法优化后,当前的规划路径基本能够得到比较理想的结果。但当障碍物离路径的路径起点或者路径终点较近时,二分法优化后规划路径虽然也提高了机器人的运动效率,但可能无法达到理想的效果,具体如图3所述的“整体优化路径”。因此,针对类似图3中障碍物的情况,还可以进行进一步地优化,本实施例称为单点迭代优化,具体优化过程如下内容描述。
进一步地,如图4所示,在步骤108之前,还包括:
401、将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点,所述待优化点集包括所述当前的规划路径上除路径起点和路径终点以外的其它路径点;
402、根据预设的收缩因子、所述待优化点与所述最短理想路径的最短距离、以及所述最短理想路径上与所述待优化点对应的路径点的关节角向量计算得到优化后的关节角向量;
403、判断所述优化后的关节角向量是否满足当前场景下的避障要求和结构约束,若是,则执行步骤404,若否,则执行步骤405;
404、将所述待优化点的关节角向量替换为所述优化后的关节角向量;
405、将当前的待优化点从所述待优化点集中剔除;
406、判断是否满足预设的迭代条件,若是,则执行步骤108,若否,则返回执行步骤401。
对于步骤401,该待优化点集可以记为ql,下标l=2,3,…,n-1,不包括路径起点和路径终点。该待优化点集中各个路径点距离最短理想路径(即初始的理想路径,即如图3中的“最短理想路径”)的最短距离记为di=qopt1-qideal(i∈l),其中,qopt1是指二分法优化后得到的Qopt1上的路径点,qideal是指“最短理想路径”上的路径点,另外,可以记该待优化点集中距离最大的路径点的下标为
对于上述步骤402,具体可以是,将预设的收缩因子、所述待优化点与所述最短理想路径的最短距离、以及所述最短理想路径上与所述待优化点对应的路径点的关节角向量代入第一公式计算得到优化后的关节角向量;
所述第一公式为:
对于步骤403~405,可以理解的是,在每次对一个路径点进行单点优化后,还需要判断优化后的路径点是否满足当前场景下的避障要求和结构约束,也即满足目标机器人的运动需求。可知,如果所述优化后的关节角向量满足当前场景下的避障要求和结构约束,即则可以Qopt1上的对应路径点的关节角向量替换为优化后的关节角向量,即如果所述优化后的关节角向量不满足当前场景下的避障要求和结构约束,即则将该路径点imax从待优化点集中排除。
可知,上述步骤401~405为针对一个路径点的单点优化过程,如图5所示,a点到a’点为第1次单点优化的效果,b点到b’点为第2次单点优化的效果,c点到c’点为第3次单点优化的效果。
可以理解的是,为了优化整条规划路径,需要对规划路径上多个点依次进行单点优化才能获得较为理想的效果。因此,本实施例还需要迭代执行上述步骤401~405,并设置单点迭代优化的跳出条件,即上述步骤406。
对于步骤406,从单点迭代优化后的效果出发,可以以两种方式预设所述迭代条件。第一种,可以设置最大迭代次数,到迭代次数达到该值时,停止迭代优化,具体为“若返回执行所述将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点的步骤的迭代次数超过预设的迭代次数阈值,则确定预设的迭代条件已满足”。第二种,可以根据迭代效果进行判断,不断进行单点迭代优化直到所有的路径点的关节角均不能再收缩为止,具体执行步骤可以为“若所述待优化点集中的路径点均已被剔除,则确定预设的迭代条件已满足”。
可以理解的是,具体地迭代条件可以根据实际情况进行设定,此处不做具体限定。当不满足预设的迭代条件时,则需要继续进行单点迭代优化,返回执行步骤401执行下一次迭代过程;当满足预设的迭代条件时,可以认为对当前的规划路径的单点迭代优化已完成,从而执行步骤108输出当前的规划路径作为目标机器人的动作路径。
如图3所示,经过多次单点迭代优化后,即便障碍物离路径的路径起点或者路径终点较近,优化后的规划路径也可以取得较理想的想过,如图3所示的“迭代优化路径”为单点迭代优化后的规划路径。
本实施例提供的一种机器人运动路径规划方法在目前开源的OMPL数据库算法基础上,采用二分法和单点迭代法,能够针对障碍物处在的任意位置,规划出合理高效的避障路径,克服了原OMPL数据库算法规划路径不理想、效率低下的缺点。该方法能有效运用于机械手物体抓取、货物分拣等任务,提高抓取和分拣的运行效率,同时也保证了运行的安全性(避障),在物流、家庭服务行业有着广泛的用途。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
上面主要描述了一种机器人运动路径规划方法,下面将对一种机器人运动路径规划装置进行详细描述。
图6示出了本发明实施例中一种机器人运动路径规划装置一个实施例结构图。
本实施例中,一种机器人运动路径规划装置包括:
路径规划模块601,用于采用OMPL数据库为目标机器人规划出当前场景下的规划路径,所述规划路径包括多个路径点,所述多个路径点中包括路径起点和路径终点;
理想路径确定模块602,用于确定最短理想路径为初始的理想路径,所述最短理想路径是指所述路径起点至所述路径终点的最短路径;
新路径计算模块603,用于采用二分法计算规划路径与理想路径之间的新路径;
新路径判断模块604,用于判断所述新路径是否满足当前场景下的避障要求和结构约束;
第一确定模块605,用于若所述新路径判断模块604的判断结果为是,则将所述新路径确定为新的规划路径;
第二确定模块606,用于若所述新路径判断模块604的判断结果为否,则将所述新路径确定为新的理想路径;
迭代触发模块607,用于返回触发所述新路径计算模块603,直至当前的规划路径与当前的理想路径之间的误差在预设范围内;
动作路径确定模块608,用于将当前的规划路径确定为目标机器人的动作路径。
进一步地,所述机器人运动路径规划装置还可以包括:
待优化点确定模块,用于将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点,所述待优化点集包括所述当前的规划路径上除路径起点和路径终点以外的其它路径点;
优化向量计算模块,用于根据预设的收缩因子、所述待优化点与所述最短理想路径的最短距离、以及所述最短理想路径上与所述待优化点对应的路径点的关节角向量计算得到优化后的关节角向量;
向量判断模块,用于判断所述优化后的关节角向量是否满足当前场景下的避障要求和结构约束;
向量替换模块,用于若所述向量判断模块的判断结果为是,则将所述待优化点的关节角向量替换为所述优化后的关节角向量;
点剔除模块,用于若所述向量判断模块的判断结果为否,则将当前的待优化点从所述待优化点集中剔除;
迭代优化模块,用于触发所述待优化点确定模块,直至满足预设的迭代条件。
进一步地,所述迭代优化模块可以包括:
第一确定满足单元,用于若返回执行所述将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点的步骤的迭代次数超过预设的迭代次数阈值,则确定预设的迭代条件已满足;
或
第二确定满足单元,用于若所述待优化点集中的路径点均已被剔除,则确定预设的迭代条件已满足。
进一步地,所述优化向量计算模块可以包括:
角向量计算单元,用于将预设的收缩因子、所述待优化点与所述最短理想路径的最短距离、以及所述最短理想路径上与所述待优化点对应的路径点的关节角向量代入第一公式计算得到优化后的关节角向量;
所述第一公式为:
进一步地,所述机器人运动路径规划装置还可以包括:
最短路径计算模块,用于分别计算当前的规划路径上各个路径点与当前的理想路径的最短距离;
第三确定模块,用于若计算得到的各个路径点对应的最短距离中的最大值小于预设的距离阈值,则确定当前的规划路径与当前的理想路径之间的误差在预设范围内。
图7是本发明一实施例提供的终端设备的示意图。如图7所示,该实施例的终端设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72,例如执行上述的机器人运动路径规划方法的程序。所述处理器70执行所述计算机程序72时实现上述各个机器人运动路径规划方法实施例中的步骤,例如图1所示的步骤101至108。或者,所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能,例如图6所示模块601至608的功能。
示例性的,所述计算机程序72可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的示例,并不构成对终端设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元,例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备,例如所述终端设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种机器人运动路径规划方法,其特征在于,包括:
采用OMPL数据库为目标机器人规划出当前场景下的规划路径,所述规划路径包括多个路径点,所述多个路径点中包括路径起点和路径终点;
确定最短理想路径为初始的理想路径,所述最短理想路径是指所述路径起点至所述路径终点的最短路径;
采用二分法计算规划路径与理想路径之间的新路径;
判断所述新路径是否满足当前场景下的避障要求和结构约束;
若所述新路径满足预设的避障要求和结构约束,则将所述新路径确定为新的规划路径;
若所述新路径不满足预设的避障要求和结构约束,则将所述新路径确定为新的理想路径;返回执行所述采用二分法计算规划路径与理想路径之间的新路径的步骤,直至当前的规划路径与当前的理想路径之间的误差在预设范围内;
将当前的规划路径确定为目标机器人的动作路径;
所述在返回执行所述采用二分法计算规划路径与理想路径之间的新路径的步骤之前,还包括:
分别计算当前的规划路径上各个路径点与当前的理想路径的最短距离;
若计算得到的各个路径点对应的最短距离中的最大值小于预设的距离阈值,则确定当前的规划路径与当前的理想路径之间的误差在预设范围内。
2.根据权利要求1所述的机器人运动路径规划方法,其特征在于,在将当前的规划路径确定为目标机器人的动作路径之前,还包括:
将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点,所述待优化点集包括所述当前的规划路径上除路径起点和路径终点以外的其它路径点;
根据预设的收缩因子、所述待优化点与所述最短理想路径的最短距离、以及所述最短理想路径上与所述待优化点对应的路径点的关节角向量计算得到优化后的关节角向量;
判断所述优化后的关节角向量是否满足当前场景下的避障要求和结构约束;
若所述优化后的关节角向量满足当前场景下的避障要求和结构约束,则将所述待优化点的关节角向量替换为所述优化后的关节角向量;
若所述优化后的关节角向量不满足当前场景下的避障要求和结构约束,则将当前的待优化点从所述待优化点集中剔除;
返回执行所述将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点的步骤,直至满足预设的迭代条件。
3.根据权利要求2所述的机器人运动路径规划方法,其特征在于,所述满足预设的迭代条件包括:
若返回执行所述将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点的步骤的迭代次数超过预设的迭代次数阈值,则确定预设的迭代条件已满足;
或
若所述待优化点集中的路径点均已被剔除,则确定预设的迭代条件已满足。
5.一种机器人运动路径规划装置,其特征在于,包括:
路径规划模块,用于采用OMPL数据库为目标机器人规划出当前场景下的规划路径,所述规划路径包括多个路径点,所述多个路径点中包括路径起点和路径终点;
理想路径确定模块,用于确定最短理想路径为初始的理想路径,所述最短理想路径是指所述路径起点至所述路径终点的最短路径;
新路径计算模块,用于采用二分法计算规划路径与理想路径之间的新路径;
新路径判断模块,用于判断所述新路径是否满足当前场景下的避障要求和结构约束;
第一确定模块,用于若所述新路径判断模块的判断结果为是,则将所述新路径确定为新的规划路径;
第二确定模块,用于若所述新路径判断模块的判断结果为否,则将所述新路径确定为新的理想路径;
迭代触发模块,用于返回触发所述新路径计算模块,直至当前的规划路径与当前的理想路径之间的误差在预设范围内;
动作路径确定模块,用于将当前的规划路径确定为目标机器人的动作路径;
最短路径计算模块,用于分别计算当前的规划路径上各个路径点与当前的理想路径的最短距离;
第三确定模块,用于若计算得到的各个路径点对应的最短距离中的最大值小于预设的距离阈值,则确定当前的规划路径与当前的理想路径之间的误差在预设范围内。
6.根据权利要求5所述的机器人运动路径规划装置,其特征在于,所述机器人运动路径规划装置还包括:
待优化点确定模块,用于将待优化点集中与最短理想路径的对应路径点的距离最大的路径点确定为待优化点,所述待优化点集包括所述当前的规划路径上除路径起点和路径终点以外的其它路径点;
优化向量计算模块,用于根据预设的收缩因子、所述待优化点与所述最短理想路径的最短距离、以及所述最短理想路径上与所述待优化点对应的路径点的关节角向量计算得到优化后的关节角向量;
向量判断模块,用于判断所述优化后的关节角向量是否满足当前场景下的避障要求和结构约束;
向量替换模块,用于若所述向量判断模块的判断结果为是,则将所述待优化点的关节角向量替换为所述优化后的关节角向量;
点剔除模块,用于若所述向量判断模块的判断结果为否,则将当前的待优化点从所述待优化点集中剔除;
迭代优化模块,用于触发所述待优化点确定模块,直至满足预设的迭代条件。
7.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述机器人运动路径规划方法的步骤。
8.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述机器人运动路径规划方法的步骤。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711462962.9A CN109976148B (zh) | 2017-12-28 | 2017-12-28 | 机器人运动路径规划方法、装置、存储介质及终端设备 |
US16/026,032 US10821605B2 (en) | 2017-12-28 | 2018-07-02 | Robot motion path planning method, apparatus and terminal device |
JP2018136703A JP6443905B1 (ja) | 2017-12-28 | 2018-07-20 | ロボットの運動経路計画方法、装置、記憶媒体及び端末機器 |
KR1020180170055A KR102113695B1 (ko) | 2017-12-28 | 2018-12-27 | 로봇의 운동경로 계획방법, 장치, 기억 매체 및 단말기기 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711462962.9A CN109976148B (zh) | 2017-12-28 | 2017-12-28 | 机器人运动路径规划方法、装置、存储介质及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109976148A CN109976148A (zh) | 2019-07-05 |
CN109976148B true CN109976148B (zh) | 2022-02-22 |
Family
ID=64899441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711462962.9A Active CN109976148B (zh) | 2017-12-28 | 2017-12-28 | 机器人运动路径规划方法、装置、存储介质及终端设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10821605B2 (zh) |
JP (1) | JP6443905B1 (zh) |
KR (1) | KR102113695B1 (zh) |
CN (1) | CN109976148B (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6838028B2 (ja) * | 2018-10-31 | 2021-03-03 | ファナック株式会社 | 自動プログラム修正装置および自動プログラム修正方法 |
CN109773798A (zh) * | 2019-03-28 | 2019-05-21 | 大连理工大学 | 一种基于双目视觉的双机械臂协作控制方法 |
US11179850B2 (en) * | 2019-04-24 | 2021-11-23 | Intrinsic Innovation Llc | Robot motion planning |
CN110347162A (zh) * | 2019-07-29 | 2019-10-18 | 南京市晨枭软件技术有限公司 | 一种工业机器人路径自动修正的方法及*** |
WO2021026748A1 (zh) * | 2019-08-13 | 2021-02-18 | 深圳市大疆创新科技有限公司 | 拍摄检测方法、装置、云台、***及存储介质 |
CN110763247A (zh) * | 2019-10-21 | 2020-02-07 | 上海海事大学 | 基于可视图和贪心算法结合的机器人路径规划方法 |
CN111158365B (zh) * | 2019-12-31 | 2023-05-16 | 深圳优地科技有限公司 | 一种路径规划方法、装置、机器人及存储介质 |
CN111752302B (zh) * | 2020-02-26 | 2021-09-10 | 广州极飞科技股份有限公司 | 路径规划方法、装置、电子设备和计算机可读存储介质 |
CN111428919B (zh) * | 2020-03-17 | 2022-07-19 | 深圳先进技术研究院 | 路径规划方法、装置、电子设备及存储介质 |
CN111230888A (zh) * | 2020-03-23 | 2020-06-05 | 江苏科技大学 | 一种基于rgbd相机的上肢外骨骼机器人避障方法 |
CN111428928B (zh) * | 2020-03-23 | 2022-08-09 | 江苏苏宁物流有限公司 | 路径规划方法、装置、介质及计算机设备 |
US11707843B2 (en) | 2020-04-03 | 2023-07-25 | Fanuc Corporation | Initial reference generation for robot optimization motion planning |
CN111582566B (zh) * | 2020-04-26 | 2024-01-26 | 上海高仙自动化科技发展有限公司 | 路径规划方法及规划装置、智能机器人及存储介质 |
CN113713986A (zh) * | 2020-05-25 | 2021-11-30 | 广东博智林机器人有限公司 | 喷涂控制方法、装置、设备及存储介质、喷涂装置 |
CN111750862A (zh) * | 2020-06-11 | 2020-10-09 | 深圳优地科技有限公司 | 基于多区域的机器人路径规划方法、机器人及终端设备 |
CN111649748A (zh) * | 2020-06-16 | 2020-09-11 | 湖北友系互联科技有限公司 | 室内导航方法及*** |
CN111665853B (zh) * | 2020-07-07 | 2023-03-31 | 中国人民解放军国防科技大学 | 一种面向规划控制联合优化的无人车辆运动规划方法 |
CN111983970B (zh) * | 2020-08-10 | 2022-02-18 | 上海数设科技有限公司 | 一种水刀快进线自动避障规划方法 |
CN112035921B (zh) * | 2020-08-25 | 2021-06-29 | 中船文化科技(北京)有限公司 | 一种方舱动线规划方法、装置、电子设备以及存储介质 |
CN112238456B (zh) * | 2020-10-10 | 2023-03-07 | 江西洪都航空工业集团有限责任公司 | 一种基于蚁群算法的料片分拣路径规划方法 |
CN112631306B (zh) * | 2020-12-28 | 2021-12-14 | 深圳市普渡科技有限公司 | 机器人移动路径规划方法、装置及机器人 |
CN112914601B (zh) * | 2021-01-19 | 2024-04-02 | 深圳市德力凯医疗设备股份有限公司 | 一种机械臂的避障方法、装置、存储介质及超声设备 |
CN112987724B (zh) * | 2021-02-04 | 2023-05-02 | 京东科技信息技术有限公司 | 路径优化方法、装置、机器人及存储介质 |
CN113379342B (zh) * | 2021-04-28 | 2023-07-25 | 杭州中港科技有限公司 | 基于最短路径算法优化物联网服务管理*** |
CN113263500B (zh) * | 2021-05-25 | 2022-10-21 | 深圳市优必选科技股份有限公司 | 一种机器人自主作业方法、装置、机器人及存储介质 |
CN113222282B (zh) * | 2021-05-31 | 2024-06-18 | 北京京东乾石科技有限公司 | 运送路径确定方法和装置、可读存储介质、电子设备 |
CN113485332A (zh) * | 2021-07-01 | 2021-10-08 | 深圳优地科技有限公司 | 一种机器人相逢交互方法、装置、机器人及存储介质 |
US12007785B2 (en) * | 2021-08-31 | 2024-06-11 | Samsung Electronics Co., Ltd. | Cleaning robot capable of obtaining map of indoor space and operating method thereof |
CN113877836B (zh) * | 2021-11-05 | 2023-05-09 | 江苏昱博自动化设备有限公司 | 一种基于视觉检测***的智能识别分拣*** |
CN115922688A (zh) * | 2022-06-21 | 2023-04-07 | 北京小米移动软件有限公司 | 机械手的操作方法、装置及存储介质 |
CN115060272B (zh) * | 2022-08-08 | 2022-11-29 | 农业农村部南京农业机械化研究所 | 一种无人驾驶联合收获机路径规划方法及*** |
CN115933688B (zh) * | 2022-12-28 | 2024-03-29 | 南京衍构科技有限公司 | 一种多机器人协同工作避障方法、***、设备及存储介质 |
CN116151036B (zh) * | 2023-04-17 | 2023-07-07 | 中铁九局集团有限公司 | 一种钢筋自动绑扎的路径规划方法及装置 |
CN116382099A (zh) * | 2023-06-02 | 2023-07-04 | 上海数字大脑科技研究院有限公司 | 一种机器人路径调度规划方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105867381A (zh) * | 2016-04-25 | 2016-08-17 | 广西大学 | 一种基于概率地图的工业机器人路径搜索优化算法 |
CN106354161A (zh) * | 2016-09-26 | 2017-01-25 | 湖南晖龙股份有限公司 | 机器人运动路径规划方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0511843A (ja) * | 1991-07-05 | 1993-01-22 | Fujitsu Ltd | ロボツトの軌道作成方法 |
JPH07141016A (ja) * | 1993-11-18 | 1995-06-02 | Nissan Motor Co Ltd | ロボットの移動経路シミュレーション装置 |
JPH08141977A (ja) * | 1994-11-18 | 1996-06-04 | Nippondenso Co Ltd | ロボットの経路点生成装置及びその経路点を利用して駆動制御するロボット |
US8234032B2 (en) * | 2008-11-10 | 2012-07-31 | Electronics And Telecommunications Research Institute | Method and apparatus for generating safe path of mobile robot |
JP5361004B2 (ja) * | 2010-09-13 | 2013-12-04 | 独立行政法人国立高等専門学校機構 | 円滑経路生成装置および円滑経路生成方法 |
CN102500498B (zh) * | 2011-11-11 | 2014-06-04 | 江苏科技大学 | 非规则多面体上的喷涂机器人喷枪轨迹优化方法 |
US8700307B1 (en) * | 2013-03-04 | 2014-04-15 | Mitsubishi Electric Research Laboratories, Inc. | Method for determining trajectories manipulators to avoid obstacles |
CN104571113B (zh) | 2015-01-20 | 2017-07-11 | 新智认知数据服务有限公司 | 移动机器人的路径规划方法 |
US9607347B1 (en) * | 2015-09-04 | 2017-03-28 | Qiang Li | Systems and methods of 3D scanning and robotic application of cosmetics to human |
US9968025B2 (en) * | 2016-01-14 | 2018-05-15 | CNH Industrial American LLC | System and method for generating and implementing an end-of-row turn path |
CN105955254B (zh) * | 2016-04-25 | 2019-03-29 | 广西大学 | 一种适用于机器人路径搜索的改进的a*算法 |
-
2017
- 2017-12-28 CN CN201711462962.9A patent/CN109976148B/zh active Active
-
2018
- 2018-07-02 US US16/026,032 patent/US10821605B2/en active Active
- 2018-07-20 JP JP2018136703A patent/JP6443905B1/ja active Active
- 2018-12-27 KR KR1020180170055A patent/KR102113695B1/ko active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105867381A (zh) * | 2016-04-25 | 2016-08-17 | 广西大学 | 一种基于概率地图的工业机器人路径搜索优化算法 |
CN106354161A (zh) * | 2016-09-26 | 2017-01-25 | 湖南晖龙股份有限公司 | 机器人运动路径规划方法 |
Non-Patent Citations (3)
Title |
---|
使用三维栅格地图的移动机器人路径规划;张彪 等;《西安交通大学学报》;20130725(第10期);第63-67页 * |
基于ROS的机械臂控制***设计;陈前里 等;《机电一体化》;20160229(第02期);第38-40、60页 * |
基于概率地图的工业机器人路径搜索优化算法;陈琳 等;《武汉理工大学学报》;20160430(第04期);第96-101页 * |
Also Published As
Publication number | Publication date |
---|---|
KR102113695B1 (ko) | 2020-05-21 |
JP2019119041A (ja) | 2019-07-22 |
US20190202056A1 (en) | 2019-07-04 |
CN109976148A (zh) | 2019-07-05 |
KR20190080782A (ko) | 2019-07-08 |
US10821605B2 (en) | 2020-11-03 |
JP6443905B1 (ja) | 2018-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109976148B (zh) | 机器人运动路径规划方法、装置、存储介质及终端设备 | |
CN110307838B (zh) | 机器人重定位方法、装置、计算机可读存储介质及机器人 | |
CN110471409B (zh) | 机器人巡检方法、装置、计算机可读存储介质及机器人 | |
CN109545072B (zh) | 地图构建的位姿计算方法、装置、存储介质和*** | |
CN113119116B (zh) | 一种机械臂运动规划方法、装置、可读存储介质及机械臂 | |
CN113917912A (zh) | 一种全局路径规划方法、装置、终端及可读存储介质 | |
CN111044045B (zh) | 基于神经网络的导航方法、装置及终端设备 | |
CN110412530B (zh) | 一种识别充电桩的方法、装置及机器人 | |
CN109732594B (zh) | 一种机器人控制方法、***及机器人 | |
CN116690588B (zh) | 多机械臂多任务的目标获取方法、装置、设备及存储介质 | |
US20210398346A1 (en) | Systems and Methods for Fine Adjustment of Roof Models | |
CN113110484A (zh) | 一种步态轨迹规划方法、装置、可读存储介质及机器人 | |
US11034028B2 (en) | Pose determining method for mobile robot and apparatus and mobile robot thereof | |
CN115630663A (zh) | 一种二维码识别方法、装置及电子设备 | |
CN112097772B (zh) | 机器人及其地图构建方法和装置 | |
CN113627298A (zh) | 目标检测模型的训练方法及检测目标对象的方法、装置 | |
CN110728359B (zh) | 搜索模型结构的方法、装置、设备和存储介质 | |
CN113119114B (zh) | 一种机械臂运动规划方法、装置、可读存储介质及机械臂 | |
CN112212851A (zh) | 一种位姿确定方法、装置、存储介质及移动机器人 | |
CN111368860A (zh) | 重定位方法及终端设备 | |
CN116476042A (zh) | 基于深度强化学习的机械臂运动学逆解优化方法及装置 | |
CN113591709B (zh) | 动作识别方法、装置、设备、介质和产品 | |
CN114115640B (zh) | 图标的确定方法、装置、设备以及存储介质 | |
CN114475578B (zh) | 车辆停泊策略的生成方法及装置 | |
CN110705437A (zh) | 一种基于动态级联回归的人脸关键点检测方法及*** |
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 |