CN110497405B - 用于驱控一体化控制***的力反馈人机协作防碰撞检测方法及模块 - Google Patents

用于驱控一体化控制***的力反馈人机协作防碰撞检测方法及模块 Download PDF

Info

Publication number
CN110497405B
CN110497405B CN201910746724.3A CN201910746724A CN110497405B CN 110497405 B CN110497405 B CN 110497405B CN 201910746724 A CN201910746724 A CN 201910746724A CN 110497405 B CN110497405 B CN 110497405B
Authority
CN
China
Prior art keywords
robot
collision
module
collision detection
control system
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
Application number
CN201910746724.3A
Other languages
English (en)
Other versions
CN110497405A (zh
Inventor
刁思勉
刘文锋
谭鹏辉
李志谋
何勇
李娜
李锡康
马跃
王大帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yejiawei Technology Co ltd
Original Assignee
Shenzhen Yejiawei Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Yejiawei Technology Co ltd filed Critical Shenzhen Yejiawei Technology Co ltd
Priority to CN201910746724.3A priority Critical patent/CN110497405B/zh
Publication of CN110497405A publication Critical patent/CN110497405A/zh
Application granted granted Critical
Publication of CN110497405B publication Critical patent/CN110497405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/0095—Means or methods for testing manipulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/1607—Calculation of inertia, jacobian matrixes and inverses

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

用于驱控一体化控制***的力反馈人机协作防碰撞检测方法及模块，其中方法包括S1、在预定机器人平台上建立机器人动力学方程；S2、构造基于机器人能量不变的碰撞检测算子和基于广义动量变化量的扰动观测器；S3、基于机器人***电流实时反馈，确定各关节扭矩和碰撞力之间的关系；S4、基于碰撞检测模型的检测结果，针对不同碰撞情形，制订不同的安全防护策略；S5、基于ADAMS‑Simulink联合仿真平台对机器人碰撞检测算子的有效性和安全防护策略的合理性进行仿真验证及优化；S6、验证评估基于力反馈的避障防护安全策略实际效果。本发明具有在不增加***复杂度和整体成本的前提下具有碰撞检测能力的优点。

Description

用于驱控一体化控制***的力反馈人机协作防碰撞检测方法 及模块
技术领域
本发明属于协作机器人领域，尤其是一种用于驱控一体化控制***的力反馈人机协作防碰撞检测方法及模块。
背景技术
随着驱控一体化技术的发展进步，工业机器人性能显著提升，功能越来越丰富，环境适应性越来越强，作业效率越来越高，大大解放了劳动力。然而，目前工业机器人更适合做一些劳动密集型的重复工作，难以胜任一些需要先验知识和经验积累的工作，而采用人机协作工作模式可提供一种理想解决方案。于是协作机器应运而生，人机协作复杂环境下机器人碰撞快速检测和安全防护快速决策对保障人员安全和机器人安全至关重要。由于协作机器人通常惯性较大，环境感知能力有限，加之人工作活动的随机性和不确定性，因此人机协作过程中存在干涉甚至碰撞安全隐患，这给驱控一体化控制***提出了更高的要求，要求其能在不增加***复杂度和整体成本的前提下具有一定的碰撞检测能力，并可根据实际工况采取最优的安全防护策略。
发明内容
为了解决上述问题，本发明向社会提供一种在不增加***复杂度和整体成本的前提下具有碰撞检测能力的用于驱控一体化控制***的力反馈人机协作防碰撞检测方法及模块。
本发明的技术方案是：提供一种用于驱控一体化控制***的力反馈人机协作防碰撞检测方法，包括如下步骤：
S1、在预定机器人平台上，采用D-H参数法建立连杆坐标系，并根据拉格朗日动力学公式建立机器人动力学方程；
S2、根据机器人动力学方程和动量方程，构造基于机器人能量不变的碰撞检测算子和基于广义动量变化量的扰动观测器；
S3、基于机器人***电流实时反馈，确定各关节扭矩和碰撞力之间的关系，并给出机器人雅克比矩阵求解方法，并分析其检测碰撞的有效性；
S4、基于碰撞检测模型的检测结果，针对不同碰撞情形，结合实际工况，制订不同的安全防护策略；
S5、基于ADAMS-Simulink联合仿真平台对机器人碰撞检测算子的有效性和安全防护策略的合理性进行仿真验证及优化；
S6、基于预定机器人平台，验证评估基于力反馈的避障防护安全策略实际效果。
作为对本发明的改进，所述安全防护策略包括：（1）、碰撞后停止，即机器人控制***检测到了碰撞信号后控制***立刻让伺服驱动器断开使能；或者，（2）、碰撞后机器人控制***切换控制模式，将位置模式转换为力矩模式；或者，（3）、碰撞后机器人改变原来的运动轨迹，离开碰撞区域。
作为对本发明的改进，在所述S1步前，还包括如下步骤：
S11、构建基于SVS的单目双视图立体匹配模型，在损失函数上优化几何约束条件，通过左右视图合成过程和双视图立体匹配，实现单目图像中检测目标深度的准确估计；
S12、基于单目摄像头采集的RGB图像，采用ResNet模型进行深度卷积特征提取；
S13、根据人体骨骼关节几何先验知识及关节间的相关关系，优化双分支深度卷积神经网络结构设计，实现关节点及其关节关联关系的同步处理，其中一分支通过概率热图和偏移量结合的方式进行人体骨骼关键点回归，一分支检测图像中多人的关节关联信息，并通过二分图匹配形成人体骨骼序列数据；
S14、以微软COCO数据集为基础，结合工业人机协作场景特点重构人体骨架图像数据集，采用上海交通大学开源alphapose进行关节点数据标注，结合人工调整获得面向工业协作场景的姿态数据集。
本发明还提供一种用于驱控一体化控制***的力反馈人机协作防碰撞检测模块，包括：
动力学方程建立模块，用于在预定机器人平台上，采用D-H参数法建立连杆坐标系，并根据拉格朗日动力学公式建立机器人动力学方程；
碰撞检测算子和扰动观测器建立模块，根据机器人动力学方程和动量方程，构造基于机器人能量不变的碰撞检测算子和基于广义动量变化量的扰动观测器；
数据分析模块，基于机器人***电流实时反馈，确定各关节扭矩和碰撞力之间的关系，并给出机器人雅克比矩阵求解方法，并分析其检测碰撞的有效性；
安全防护策略制订模块，基于碰撞检测模型的检测结果，针对不同碰撞情形，结合实际工况，制订不同的安全防护策略；
仿真验证及优化模块，基于ADAMS-Simulink联合仿真平台对机器人碰撞检测算子的有效性和安全防护策略的合理性进行仿真验证及优化；
实际效果验证模块，基于预定机器人平台，验证评估基于力反馈的避障防护安全策略实际效果。
作为对本发明的改进，所述安全防护策略包括：（1）、碰撞后停止，即机器人控制***检测到了碰撞信号后控制***立刻让伺服驱动器断开使能；或者，（2）、碰撞后机器人控制***切换控制模式，将位置模式转换为力矩模式；或者，（3）、碰撞后机器人改变原来的运动轨迹，离开碰撞区域。
作为对本发明的改进，本发明还包括：
单目双视图立体匹配模块，用于构建基于SVS的单目双视图立体匹配模型，在损失函数上优化几何约束条件，通过左右视图合成过程和双视图立体匹配，实现单目图像中检测目标深度的准确估计；
卷积特征提取模块，基于单目摄像头采集的RGB图像，采用ResNet模型进行深度卷积特征提取；
人体骨骼关键点处理模块，根据人体骨骼关节几何先验知识及关节间的相关关系，优化双分支深度卷积神经网络结构设计，实现关节点及其关节关联关系的同步处理，其中一分支通过概率热图和偏移量结合的方式进行人体骨骼关键点回归，一分支检测图像中多人的关节关联信息，并通过二分图匹配形成人体骨骼序列数据；
人体骨架图像数据处理模块，以微软COCO数据集为基础，结合工业人机协作场景特点重构人体骨架图像数据集，采用上海交通大学开源alphapose进行关节点数据标注，结合人工调整获得面向工业协作场景的姿态数据集。
本发明具有在不增加***复杂度和整体成本的前提下具有碰撞检测能力的优点。
附图说明
图1是本发明方法一种实施例的流程方框示意图。
图2是本发明方法的实施例的方框结构示意图。
图3是本发明模块的一种实施例的结构示意图。
图4是图3的细化结构示意图。
具体实施方式
请参见图1，图1揭示的是一种用于驱控一体化控制***的力反馈人机协作防碰撞检测方法,
S1在预定机器人平台，采用改进后的D-H参数法建立连杆坐标系，并根据拉格朗日动力学公式建立机器人动力学方程；
S2、根据机器人动力学方程和动量方程，构造基于机器人能量不变的碰撞检测算子和基于广义动量变化量的扰动观测器；
S3、基于机器人***电流实时反馈，确定各关节扭矩和碰撞力之间的关系，并给出机器人雅克比矩阵求解方法，并分析其检测碰撞的有效性；
S4、基于碰撞检测模型检测结果，针对不同碰撞情形，结合实际工况，制订不同安全防护策略，最小化机器人碰撞造成的不利影响；
S5、基于ADAMS-Simulink联合仿真平台对机器人碰撞检测算子的有效性和安全防护策略的合理性进行仿真验证及优化；
S6、基于预定机器人平台验证评估基于力反馈的避障防护安全策略实际效果。
本发明中，将协作机器人与人在协作过程中发生碰撞后的响应策略分为以下三种：
（a）碰撞后停止，即机器人控制***检测到了碰撞信号后控制***立刻让伺服驱动器断开使能，其实际的效果如同按下急停按钮。这种方式的优点是响应速度快，实时性好；其缺点是碰撞产生的冲击和压力无法卸载，存在一定安全隐患。
（b）碰撞后机器人控制***切换控制模式，将位置模式转换为力矩模式，从而进入零力模式，此时机器人各个关节的电机工作在力矩模式，其力矩的大小用于克服机器人自身的重力矩以及关节摩擦力矩，使得机器人在刹车没有起作用的情况下不至于掉落下来发生危险，实际效果类似于机器人处于拖动示教过程。其优点是此时机器人具有一定的柔性，碰撞力得以卸载。
（c）碰撞后机器人改变原来的运动轨迹，离开碰撞区域。其优点是实现非停机避障，更为智能，利于保证工作效率；其缺点是对运动轨迹规划要求较高，切换运动路径的过程中仍存在碰撞风险。
人机协同驱控一体化控制器应能适用多种机器人作业环境，并针对上述碰撞防护安全策略设置相应切换接口，根据作业环境空间变化和危险等级，为用户推荐防护策略。
请参见图2，为进一步提升人机协作安全性能，本发明还可以采用非接触式、非受控的机器视觉方法，从事故源头上开展工业场景下3D人体作业行为姿态检测与人机碰撞规避技术研究，预先避免人机碰撞事故发生。
根据单目摄像头具有方便部署、成本低等优点，基于双目深度估计思想，实现：S11、构建基于SVS的单目双视图立体匹配模型，在损失函数上优化几何约束条件，通过左右视图合成过程和双视图立体匹配，实现单目图像中检测目标深度的准确估计；
S12、基于单目摄像头采集的RGB图像，采用ResNet模型进行深度卷积特征提取,根据人体骨骼关节几何先验知识及关节间的相关关系，优化双分支深度卷积神经网络结构设计；
S13、实现关节点及其关节关联关系的同步处理，其中一分支通过概率热图和偏移量结合的方式进行人体骨骼关键点回归，一分支检测图像中多人的关节关联信息，并通过二分图匹配形成人体骨骼序列数据；
S14、为保证模型适用性和可靠性，以微软COCO数据集为基础，并针对工业人机协作场景特点重构人体骨架图像数据集，同时为减少数据集制作工作量，采用上海交通大学开源alphapose进行关节点数据标注，结合人工调整获得面向工业协作场景的姿态数据集。
请参见图3和图4，本发明还提供一种用于驱控一体化控制***的力反馈人机协作防碰撞检测模块，包括：
动力学方程建立模块1，用于在预定机器人平台上，采用D-H参数法建立连杆坐标系，并根据拉格朗日动力学公式建立机器人动力学方程；
碰撞检测算子和扰动观测器建立模块2，根据机器人动力学方程和动量方程，构造基于机器人能量不变的碰撞检测算子和基于广义动量变化量的扰动观测器；
数据分析模块3，基于机器人***电流实时反馈，确定各关节扭矩和碰撞力之间的关系，并给出机器人雅克比矩阵求解方法，并分析其检测碰撞的有效性；
安全防护策略制订模块4，基于碰撞检测模型的检测结果，针对不同碰撞情形，结合实际工况，制订不同的安全防护策略；
仿真验证及优化模块5，基于ADAMS-Simulink联合仿真平台对机器人碰撞检测算子的有效性和安全防护策略的合理性进行仿真验证及优化；
实际效果验证模块6，基于预定机器人平台，验证评估基于力反馈的避障防护安全策略实际效果。
作为对本发明的改进，本发明还包括：
单目双视图立体匹配模块7，用于构建基于SVS的单目双视图立体匹配模型，在损失函数上优化几何约束条件，通过左右视图合成过程和双视图立体匹配，实现单目图像中检测目标深度的准确估计；
卷积特征提取模块8，基于单目摄像头采集的RGB图像，采用ResNet模型进行深度卷积特征提取；
人体骨骼关键点处理模块9，根据人体骨骼关节几何先验知识及关节间的相关关系，优化双分支深度卷积神经网络结构设计，实现关节点及其关节关联关系的同步处理，其中一分支通过概率热图和偏移量结合的方式进行人体骨骼关键点回归，一分支检测图像中多人的关节关联信息，并通过二分图匹配形成人体骨骼序列数据；
人体骨架图像数据处理模块10，以微软COCO数据集为基础，结合工业人机协作场景特点重构人体骨架图像数据集，采用上海交通大学开源alphapose进行关节点数据标注，结合人工调整获得面向工业协作场景的姿态数据集。
优选的，本实施例中，所述安全防护策略包括：1、碰撞后停止，即机器人控制***检测到了碰撞信号后控制***立刻让伺服驱动器断开使能；或者，2、碰撞后机器人控制***切换控制模式，将位置模式转换为力矩模式；或者，3、碰撞后机器人改变原来的运动轨迹，离开碰撞区域。

Claims (4)

1.一种用于驱控一体化控制***的力反馈人机协作防碰撞检测方法，其特征在于，包括如下步骤：
S11、构建基于SVS的单目双视图立体匹配模型，在损失函数上优化几何约束条件，通过左右视图合成过程和双视图立体匹配，实现单目图像中检测目标深度的准确估计；
S12、基于单目摄像头采集的RGB图像，采用ResNet模型进行深度卷积特征提取；
S13、根据人体骨骼关节几何先验知识及关节间的相关关系，优化双分支深度卷积神经网络结构设计，实现关节点及其关节关联关系的同步处理，其中一分支通过概率热图和偏移量结合的方式进行人体骨骼关键点回归，一分支检测图像中多人的关节关联信息，并通过二分图匹配形成人体骨骼序列数据；
S14、以微软COCO数据集为基础，结合工业人机协作场景特点重构人体骨架图像数据集，采用上海交通大学开源alphapose进行关节点数据标注，结合人工调整获得面向工业协作场景的姿态数据集；
S1、在预定机器人平台上，采用D-H参数法建立连杆坐标系，并根据拉格朗日动力学公式建立机器人动力学方程；
S2、根据机器人动力学方程和动量方程，构造基于机器人能量不变的碰撞检测算子和基于广义动量变化量的扰动观测器；
S3、基于机器人***电流实时反馈，确定各关节扭矩和碰撞力之间的关系，并给出机器人雅克比矩阵求解方法，并分析其检测碰撞的有效性；
S4、基于碰撞检测模型的检测结果，针对不同碰撞情形，结合实际工况，制订不同的安全防护策略；
S5、基于ADAMS-Simulink联合仿真平台对机器人碰撞检测算子的有效性和安全防护策略的合理性进行仿真验证及优化；
S6、基于预定机器人平台，验证评估基于力反馈的避障防护安全策略实际效果。
2.根据权利要求1所述的用于驱控一体化控制***的力反馈人机协作防碰撞检测方法，其特征在于：所述安全防护策略包括：（1）、碰撞后停止，即机器人控制***检测到了碰撞信号后控制***立刻让伺服驱动器断开使能；或者，（2）、碰撞后机器人控制***切换控制模式，将位置模式转换为力矩模式；或者，（3）、碰撞后机器人改变原来的运动轨迹，离开碰撞区域。
3.一种用于驱控一体化控制***的力反馈人机协作防碰撞检测模块，其特征在于，包括：
单目双视图立体匹配模块（7），用于构建基于SVS的单目双视图立体匹配模型，在损失函数上优化几何约束条件，通过左右视图合成过程和双视图立体匹配，实现单目图像中检测目标深度的准确估计；
卷积特征提取模块（8），基于单目摄像头采集的RGB图像，采用ResNet模型进行深度卷积特征提取；
人体骨骼关键点处理模块（9），根据人体骨骼关节几何先验知识及关节间的相关关系，优化双分支深度卷积神经网络结构设计，实现关节点及其关节关联关系的同步处理，其中一分支通过概率热图和偏移量结合的方式进行人体骨骼关键点回归，一分支检测图像中多人的关节关联信息，并通过二分图匹配形成人体骨骼序列数据；
人体骨架图像数据处理模块（10），以微软COCO数据集为基础，结合工业人机协作场景特点重构人体骨架图像数据集，采用上海交通大学开源alphapose进行关节点数据标注，结合人工调整获得面向工业协作场景的姿态数据集；
动力学方程建立模块（1），用于在预定机器人平台上，采用D-H参数法建立连杆坐标系，并根据拉格朗日动力学公式建立机器人动力学方程；
碰撞检测算子和扰动观测器建立模块（2），根据机器人动力学方程和动量方程，构造基于机器人能量不变的碰撞检测算子和基于广义动量变化量的扰动观测器；
数据分析模块（3），基于机器人***电流实时反馈，确定各关节扭矩和碰撞力之间的关系，并给出机器人雅克比矩阵求解方法，并分析其检测碰撞的有效性；
安全防护策略制订模块（4），基于碰撞检测模型的检测结果，针对不同碰撞情形，结合实际工况，制订不同的安全防护策略；
仿真验证及优化模块（5），基于ADAMS-Simulink联合仿真平台对机器人碰撞检测算子的有效性和安全防护策略的合理性进行仿真验证及优化；
实际效果验证模块（6），基于预定机器人平台，验证评估基于力反馈的避障防护安全策略实际效果。
4.根据权利要求3所述的用于驱控一体化控制***的力反馈人机协作防碰撞检测模块，其特征在于，所述安全防护策略包括：（1）、碰撞后停止，即机器人控制***检测到了碰撞信号后控制***立刻让伺服驱动器断开使能；或者，（2）、碰撞后机器人控制***切换控制模式，将位置模式转换为力矩模式；或者，（3）、碰撞后机器人改变原来的运动轨迹，离开碰撞区域。
CN201910746724.3A 2019-08-14 2019-08-14 用于驱控一体化控制***的力反馈人机协作防碰撞检测方法及模块 Active CN110497405B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910746724.3A CN110497405B (zh) 2019-08-14 2019-08-14 用于驱控一体化控制***的力反馈人机协作防碰撞检测方法及模块

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910746724.3A CN110497405B (zh) 2019-08-14 2019-08-14 用于驱控一体化控制***的力反馈人机协作防碰撞检测方法及模块

Publications (2)

Publication Number Publication Date
CN110497405A CN110497405A (zh) 2019-11-26
CN110497405B true CN110497405B (zh) 2022-05-24

Family

ID=68587352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910746724.3A Active CN110497405B (zh) 2019-08-14 2019-08-14 用于驱控一体化控制***的力反馈人机协作防碰撞检测方法及模块

Country Status (1)

Country Link
CN (1) CN110497405B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110919633A (zh) * 2019-12-06 2020-03-27 泉州市微柏工业机器人研究院有限公司 一种基于力矩控制的机器人的位置偏移方法
CN111152264B (zh) * 2020-01-03 2021-06-11 北京理工大学 一种用于检测协作机器人碰撞力和功率的精密测量模块
CN113021340B (zh) * 2021-03-17 2022-07-01 华中科技大学鄂州工业技术研究院 机器人的控制方法、装置、设备及计算机可读存储介质
CN114750168B (zh) * 2022-06-14 2022-09-20 苏州上舜精密工业科技有限公司 一种基于机器视觉的机械手控制方法及***
CN117409517B (zh) * 2023-10-19 2024-05-07 光谷技术有限公司 基于视频ai行为分析的语音告警***及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108582070A (zh) * 2018-04-17 2018-09-28 上海达野智能科技有限公司 机器人碰撞检测***和方法、存储介质、操作***
CN108772838A (zh) * 2018-06-19 2018-11-09 河北工业大学 一种基于外力观测器的机械臂安全碰撞策略
CN110103222A (zh) * 2019-05-24 2019-08-09 北京无线电测量研究所 一种工业机器人碰撞检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3002048B1 (fr) * 2013-02-14 2016-07-01 Commissariat Energie Atomique Procede de detection amelioree de collision d'un robot avec son environnement, systeme et produit programme d'ordinateur mettant en œuvre le procede
KR102418451B1 (ko) * 2017-12-27 2022-07-07 주식회사 한화 로봇 제어 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108582070A (zh) * 2018-04-17 2018-09-28 上海达野智能科技有限公司 机器人碰撞检测***和方法、存储介质、操作***
CN108772838A (zh) * 2018-06-19 2018-11-09 河北工业大学 一种基于外力观测器的机械臂安全碰撞策略
CN110103222A (zh) * 2019-05-24 2019-08-09 北京无线电测量研究所 一种工业机器人碰撞检测方法

Also Published As

Publication number Publication date
CN110497405A (zh) 2019-11-26

Similar Documents

Publication Publication Date Title
CN110497405B (zh) 用于驱控一体化控制***的力反馈人机协作防碰撞检测方法及模块
CN110253570B (zh) 基于视觉的工业机械臂人机安全***
CN110696000B (zh) 一种机械臂试探感知的避障方法
Krupke et al. Comparison of multimodal heading and pointing gestures for co-located mixed reality human-robot interaction
CN109822579A (zh) 基于视觉的协作机器人安全控制方法
CN111633644A (zh) 一种结合智能视觉的工业机器人数字孪生***及其运行方法
CN111015649B (zh) 一种驱控一体化控制***
US11694432B2 (en) System and method for augmenting a visual output from a robotic device
CN108838991A (zh) 一种自主类人双臂机器人及其对运动目标的跟踪操作***
CN110216674B (zh) 一种冗余自由度机械臂视觉伺服避障***
CN103105851B (zh) 一种遥操纵机器人基于视觉的动觉示教控制方法
CN107728778B (zh) 一种基于伺服机构的主动力触觉反馈***及其工作方法
CN107030692B (zh) 一种基于感知增强的机械手遥操作方法及***
CN106647766A (zh) 一种基于复杂环境的uwb‑视觉交互的机器人巡航方法及***
CN112706158B (zh) 基于视觉和惯导定位的工业人机交互***及方法
US11014243B1 (en) System and method for instructing a device
CN113829343B (zh) 基于环境感知的实时多任务多人人机交互***
CN103853464A (zh) 一种基于Kinect的铁路手信号识别方法
Li et al. A framework and method for human-robot cooperative safe control based on digital twin
Kuhn et al. Velocity control for safe robot guidance based on fused vision and force/torque data
CN114905508A (zh) 基于异构特征融合的机器人抓取方法
CN108375979A (zh) 基于ros的自动导航机器人通用控制***
EP2366502B1 (en) Robot with hand-object movement correlations for online temporal segmentation of movement tasks
Teke et al. Real-time and robust collaborative robot motion control with Microsoft Kinect® v2
CN110549375A (zh) 一种用于机械臂的防护门防撞方法及***

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