CN111176274B - 多轴运动***的防碰撞方法、***和存储介质 - Google Patents
多轴运动***的防碰撞方法、***和存储介质 Download PDFInfo
- Publication number
- CN111176274B CN111176274B CN201911363452.5A CN201911363452A CN111176274B CN 111176274 B CN111176274 B CN 111176274B CN 201911363452 A CN201911363452 A CN 201911363452A CN 111176274 B CN111176274 B CN 111176274B
- Authority
- CN
- China
- Prior art keywords
- axis
- motion
- collision
- moving object
- prediction model
- 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 41
- 238000012545 processing Methods 0.000 claims description 24
- 230000007246 mechanism Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明实施例中提出的一种多轴运动***的防碰撞方法、***和存储介质。其中,方法包括:获取多轴运动***中各运动对象的各个轴的当前运动位置信息;将所获取的当前运动位置信息作为一组输入数据输入一训练好的防碰撞预测模型中,得到防碰撞预测模型输出的防碰撞预测相关信息;基于所述防碰撞预测相关信息,对所述多轴运动***的相应运动对象进行控制。本发明实施例中的技术方案能够方便有效地实现多轴运动***的防碰撞。
Description
技术领域
本发明涉及运动控制领域,特别是一种多轴运动***的防碰撞方法、***和存储介质。
背景技术
在多轴运动***中,如各种机器人***以及C形臂X光机***等,通常包括相互配合的至少两个运动对象,所述至少两个运动对象可以均为多轴运动对象,也可以同时包括多轴运动对象和单轴运动对象,但既然叫多轴运动***,那么所述至少两个运动对象中肯定包括至少一个多轴运动对象,如机器臂、多自由度工作台、C形臂X光机、多自由度患者检测台等,这些多轴运动对象的运动轨迹及位置通常由多个轴的协调运动来确定,因此较为复杂。
以C形臂X光机***为例,图1示出了目前的一种C形臂X光机***的结构示意图,如图1所示,该C形臂X光机***包括:C形臂X光机10和患者检查床20两个运动对象。C形臂X光机10需要将载有球管和平板探测器的C形臂安全稳定的,以一定的速度和角度,送到指定的可曝光位置。患者检查床20则需要将病人送至成像区域并以一定的姿势接受成像曝光。两个运动对象的运动相互配合,从而使得X光机可以从不同的位置和角度对病人进行X射线检查。其中,C形臂X光机的C形臂101本身被安装成使其具有两个自由度的方式。首先,该C形臂101具有沿自身形状设置的导轨,并且该C形臂101导轨可滑动地安装在支撑构件102上以便可相对于该支撑构件102运动,即C形臂101可进行如图1中所示的轨道运动(Orbital)A;其次,该支撑构件102可带动C形臂101绕其轴线转动,即C形臂101还可进行如图1中所示的旋转运动(Angular)B,以及底座带动整个支撑构件102和C形臂101进行水平方向的两个自由度。这两个自由度由图中绕轴a和轴b的旋转运动组合而成。此外,患者检查床20也可能具有多个自由度,如水平两个方向的运动、竖直方向的升降运动、和绕升降台的旋转运动等。这样一来,有时可能会由于人员没留意C形臂或患者检测台的运动,或者C形臂101或患者检测床20被误操作等原因,造成C形臂与患者检查床20或其他障碍物等发生碰撞,这样一方面有可能会造成对人员的伤害,另一方面也可能会造成对C形臂101或障碍物的损坏。因此为了使得多轴运动***对于人员更安全并减少对于多轴运动***本身的组件造成损坏的可能性,需要对多轴运动***进行防碰撞设计。
因此,本领域内的技术人员一直在致力于寻找多轴运动***的不同防碰撞实现方案。
公告号为CN205434154U的中国实用新型提供了一种病床防碰撞装置及病床,其包括:一图像获取装置,其用于获取病床附近的碰撞监测区域内的实时图像;一中央处理器,其设置于所述病床,并根据所述图像获取装置所拍摄的实时图像,控制所述病床的运动。
公布号为CN110101400A的中国发明专利申请中公开了一种C形臂X射线机及***、碰撞监控装置及方法。其中,装置包括:用于采集C形臂X射线机***上至少一个目标保护部件周围的视频图像的摄像模块;用于根据所述视频图像确定所述至少一个目标保护部件周围的场景的图像处理模块;和用于根据所述至少一个目标保护部件周围的场景确定存在可能的碰撞时,控制C形臂X射线机***停止运动或减速运动的控制模块。
发明内容
有鉴于此,本发明实施例中一方面提出了一种多轴运动***的防碰撞方法,另一方面提出了一种多轴运动***的防碰撞***及存储介质,用以有效实现多轴运动***的防碰撞。
本发明实施例中提出的一种多轴运动***的防碰撞方法,所述多轴运动***包括相互配合的至少两个运动对象;该方法包括:针对多轴运动***中的每个运动对象,获取所述运动对象每个轴的当前运动位置信息;将所获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的防碰撞预测模型中,得到所述防碰撞预测模型输出的防碰撞预测相关信息;所述防碰撞预测模型利用所述多轴运动***的复数组第一历史输入数据和对应的复数组第一历史输出数据训练得到;每组第一历史输入数据为所述多轴运动***中各个运动对象的各个轴的历史运动位置信息构成的一组历史输入数据;每组第一历史输出数据为对应所述组第一历史输入数据的历史防碰撞相关信息;基于所述防碰撞预测相关信息,对所述多轴运动***的相应运动对象进行控制。
在一个实施方式中,所述防碰撞预测模型为状态预测模型;所述状态预测模型可输出的防碰撞预测相关信息包括:用于指示非碰撞区的第一状态、用于指示碰撞接近区的第二状态和用于指示碰撞区的第三状态;所述基于所述防碰撞预测相关信息,对所述多轴运动***的相应运动对象进行控制包括:在所述防碰撞预测相关信息为第一状态时,控制所述多轴运动***的相应运动对象常速运动;在所述防碰撞预测相关信息为第二状态时,控制所述多轴运动***的相应运动对象减速运动;在所述防碰撞预测相关信息为第三状态时,控制所述多轴运动***的相应运动对象停止运动。
在一个实施方式中,所述控制多轴运动***的相应运动对象停止运动之后,进一步包括:将所获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的逃离预测模型,得到所述逃离预测模型输出的运动对象之间的当前最短距离;所述逃离预测模型利用所述多轴运动***的复数组第二历史输入数据和对应的复数组第二历史输出数据训练得到;每组第二历史输入数据为所述多轴运动***中各个运动对象的各个轴的历史运动位置信息构成的一组历史输入数据;每组第二历史输出数据为对应所述组第二历史输入数据的运动对象之间的历史最短距离;根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述逃离预测模型,得到所述逃离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则控制所述相应运动对象常速运动,如果是碰撞方向,则保持所述相应运动对象当前的停止状态。
在一个实施方式中,所述防碰撞预测模型为距离预测模型;所述防碰撞预测相关信息为:运动对象之间的当前最短距离;所述基于防碰撞预测相关信息,对所述多轴运动***的相应运动对象进行控制包括:将运动对象之间的所述当前最短距离与预先设定的至少一个距离阈值进行比较,根据比较结果,对所述多轴运动***的相应运动对象进行控制。
在一个实施方式中,所述至少一个距离阈值包括:高距离阈值和低距离阈值;所述根据比较结果,对所述多轴运动***的相应运动对象进行控制包括:在所述当前最短距离大于或等于所述高距离阈值时,控制所述多轴运动***的相应运动对象常速运动;在所述当前最短距离小于所述高距离阈值且大于所述低距离阈值时,控制所述相应运动对象减速运动;或者,在所述最短距离小于所述高距离阈值且大于所述低距离阈值时,根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是远离方式还是靠近方向,如果是远离方向,则控制所述相应运动对象常速运动,如果是靠近方向,则控制所述相应运动对象减速运动;在所述当前最短距离小于所述低距离阈值时,控制所述相应运动对象停止运动;根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则控制所述相应运动对象常速运动,如果是碰撞方向,则保持所述相应运动对象的停止状态。
本发明实施例中提出的一种多轴运动***的防碰撞***,所述多轴运动***包括相互配合的至少两个运动对象;该***包括:一防碰撞预测模型,其利用所述多轴运动***的复数组第一历史输入数据和对应的复数组第一历史输出数据训练得到;每组第一历史输入数据为所述多轴运动***中各个运动对象的各个轴的历史运动位置信息构成的一组历史输入数据;每组第一历史输出数据为对应所述组第一历史输入数据的历史防碰撞相关信息;一获取单元,用于针对多轴运动***中的每个运动对象,获取所述运动对象每个轴的当前运动位置信息;一处理单元,用于将所述获取单元获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入所述防碰撞预测模型中,得到所述防碰撞预测模型输出的防碰撞预测相关信息,基于所述防碰撞预测相关信息,输出对应的控制指示;和一控制单元,用于根据所述控制指示,对所述多轴运动***的相应运动对象进行控制。
在一个实施方式中,所述防碰撞预测模型为状态预测模型;所述处理单元在所述状态预测模型输出用于指示非碰撞区的第一状态时,输出第一控制指示;在所述状态预测模型输出用于指示碰撞接近区的第二状态时,输出第二控制指示;在所述状态预测模型输出用于指示碰撞区的第三状态时,输出第三控制指示;所述控制单元在接收到所述第一控制指示时,控制所述多轴运动***的相应运动对象常速运动;在接收到所述第二控制指示时,控制所述多轴运动***的相应运动对象减速运动;在接收到所述第三控制指示时,控制所述多轴运动***的相应运动对象停止运动。
在一个实施方式中,该***进一步包括:一逃离预测模型,其利用所述多轴运动***的复数组第二历史输入数据和对应的复数组第二历史输出数据训练得到;每组第二历史输入数据为所述多轴运动***中各个运动对象的各个轴的历史运动位置信息构成的一组历史输入数据;每组第二历史输出数据为对应所述组第二历史输入数据的运动对象之间的历史最短距离;所述处理单元输出第三控制指示之后,进一步用于将所述各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的逃离预测模型,得到所述逃离预测模型输出的运动对象之间的当前最短距离;根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述逃离预测模型,得到所述逃离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则输出第一控制指示;如果是碰撞方向,则输出第三控制指示;所述控制单元在接收到所述第一控制指示时,控制所述相应运动对象常速运动,在接收到所述第三控制指示时,保持所述相应运动对象当前的停止状态。
在一个实施方式中,所述防碰撞预测模型为距离预测模型;所述防碰撞预测相关信息为:运动对象之间的当前最短距离;所述处理单元在所述距离预测模型输出运动对象之间的当前最短距离之后,进一步用于将所述最短距离与预先设定的至少一个距离阈值进行比较,根据比较结果,输出对应的控制指示。
在一个实施方式中,所述至少一个距离阈值包括:高距离阈值和低距离阈值;所述处理单元在所述最短距离大于或等于所述高距离阈值时,输出第一控制指示;在所述最短距离小于所述高距离阈值且大于所述低距离阈值时,输出第二控制指示;或者,在所述最短距离小于所述高距离阈值且大于所述低距离阈值时,根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是远离方式还是靠近方向,如果是远离方向,则输出第一控制指示;如果是靠近方向,则输出第二控制指示;在所述最短距离小于所述低距离阈值时,则输出第三控制指示;根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则输出第一控制指示;如果是碰撞方向,则输出第三控制指示;所述控制单元在接收到所述第一控制指示时,控制所述多轴运动***的相应运动对象常速运动;在接收到所述第二控制指示时,控制所述相应运动对象减速运动;在接收到所述第三控制指示时,控制所述相应运动对象停止运动。
本发明实施例中提出的另一种多轴运动***的防碰撞***,包括:至少一个存储器和至少一个处理器,其中:所述至少一个存储器用于存储计算机程序;所述至少一个处理器用于调用所述至少一个存储器中存储的计算机程序,执行如上任一实施方式中所述的多轴运动***的防碰撞方法。
本发明实施例中提出的计算机可读存储介质,其上存储有计算机程序;所述计算机程序能够被一处理器执行并实现如上任一实施方式中所述的多轴运动***的防碰撞方法。
从上述方案中可以看出,由于本发明实施例中,利用了神经网络的深度学习功能,通过训练得到一个防碰撞预测模型,该防碰撞预测模型以多轴运动***中的各运动对象各个轴的运动位置信息为一组输入数据,以防碰撞预测相关信息为对应的输出数据,这样进行多轴运动***的防碰撞时,便可以直接获取多轴运动***中的各运动对象各个轴的当前运动位置信息,并将所获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入该防碰撞预测模型中,得到所述防碰撞预测模型输出的防碰撞预测相关信息,进而可基于所述防碰撞预测相关信息,对所述多轴运动***的相应运动对象进行控制,从而方便有效地实现了多轴运动***的防碰撞。
此外,当防碰撞预测模型为状态预测模型时,可以快速输出指示多轴运动***当前是非碰撞区还是碰撞接近区抑或碰撞区的状态,从而快速实现对多轴运动***相关运动对象的控制。并且进一步地,当状态预测模型输出指示多轴运动***当前是碰撞区的状态时,并控制相关运动对象停止运动之后,通过进一步训练一逃离预测模型,用于根据多轴运动***中的各运动对象各个轴的运动位置信息得到各运动对象之间的最短距离,进而可以利用该逃离预测模型根据各轴的当前运动位置信息得到当前最短距离;根据各轴的当前运动位置信息以及当前的驱动请求方向计算出多轴运动***各运动对象的各轴的下一步运动位置信息后,再根据各轴的下一步运动位置信息预测出下一步最短距离,之后利用该逃离预测模型根据当前最短距离和下一步最短距离便可确定出下一步的运动方向时逃离方向还是碰撞方向,如果是逃离方向,再控制相应运动对象进行运动,否则保持该运动对象的静止状态,从而可防止误操作。
另外,当防碰撞预测模型为距离预测模型时,根据多轴运动***中的各运动对象各个轴的运动位置信息得到各运动对象之间的最短距离,并可根据该最短距离进行运动***当前是非碰撞区还是碰撞接近区抑或碰撞区的判断,该距离预测模型虽然不如状态预测模型直接,但是在实现防止误操作的同时,相比采用状态预测模型的方案还需额外的逃离预测模型的情况,其仅采用一个距离预测模型即可。
附图说明
下面将通过参照附图详细描述本发明的优选实施例,使本领域的普通技术人员更清楚本发明的上述及其它特征和优点,附图中:
图1为目前的一种C形臂X光机***的结构示意图。
图2为本发明实施例中一种多轴运动***的防碰撞方法的示例性流程图。
图3为本发明一个例子中一种多轴运动***的防碰撞方法的示例性流程图。
图4为本发明另一个例子中一种多轴运动***的防碰撞方法的示例性流程图。
图5为本发明实施例中一种多轴运动***的防碰撞***的示例性结构图。
图6为本发明实施例中又一种多轴运动***的防碰撞***的结构示意图。
其中,附图标记说明如下:
标号 | 含义 |
201~203、301~308、401~410 | 步骤 |
501 | 防碰撞预测模型 |
502 | 获取单元 |
503 | 处理单元 |
504 | 控制单元 |
505 | 逃离预测模型 |
61 | 存储器 |
62 | 处理器 |
63 | 总线 |
具体实施方式
本发明实施例中,考虑到现有多轴运动***的防碰撞处理过程通常比较复杂,因此考虑借助人工智能网络进行深度学习,得到对应的防碰撞预测模型,之后利用该防碰撞预测模型来辅助进行防碰撞预测。
为使本发明的目的、技术方案和优点更加清楚,以下举实施例对本发明进一步详细说明。
图2为本发明实施例中一种多轴运动***的防碰撞方法的示例性流程图。如图2所示,该方法可包括如下步骤:
步骤201,针对多轴运动***中的每个运动对象,获取所述运动对象每个轴的当前运动位置信息。
本实施例中,多轴运动***包括相互配合的至少两个运动对象。如机器人***可包括机器臂和工作台等,C形臂X光机***则可包括C形臂和患者检测台等。其中,对于有多个自由度的运动对象即为多轴运动对象,仅有一个自由度的运动对象可称为单轴运动对象。无论是多轴运动对象还是单轴运动对象,在每个时刻各自由度所在方向(也可称为各个轴)都存在对应的运动位置信息,如平移的距离信息和/或旋转的角度信息等。
步骤202,将所获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的防碰撞预测模型中,得到所述防碰撞预测模型输出的防碰撞预测相关信息。
本实施例中,防碰撞预测模型利用所述多轴运动***的复数组历史输入数据和对应的复数组历史输出数据训练得到。其中,每组历史输入数据为所述多轴运动***中各个运动对象的各个轴的同时刻历史运动位置信息构成的一组历史输入数据;每组历史输出数据为对应所述组历史输入数据的历史防碰撞相关信息。
步骤203,基于所述防碰撞预测相关信息,对所述多轴运动***的相应运动对象进行控制。
上述方法在具体实现时,可有多种不同的实现方式,相应地,防碰撞预测模型也可有不同的具体实现类型,下面分别列举其中两种。
图3为本发明一个例子中一种多轴运动***的防碰撞方法的示例性流程图。该例子中,所述防碰撞预测模型可以为状态预测模型,且所述状态预测模型可输出的防碰撞预测相关信息可包括:用于指示非碰撞区的第一状态、用于指示碰撞接近区的第二状态和用于指示碰撞区的第三状态等状态信息。当然,在其他实施方式中,状态预测模型可输出的防碰撞预测相关信息也可仅包括:用于指示非碰撞区的第一状态和用于指示碰撞区的第三状态等状态信息。如图3所示,该方法可包括如下步骤:
步骤301,针对多轴运动***中的每个运动对象,获取所述运动对象每个轴的当前运动位置信息。该步骤301可与图2所示方法中的步骤201一致,此处不再赘述。
步骤302,将所获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的状态预测模型中,得到所述状态预测模型输出的状态信息。
该例子中,状态预测模型利用所述多轴运动***的复数组第一历史输入数据和对应的复数组第一历史输出数据训练得到。其中,每组第一历史输入数据为所述多轴运动***中各个运动对象的各个轴的同时刻历史运动位置信息构成的一组历史输入数据;每组第一历史输出数据为对应所述组第一历史输入数据的历史状态信息。
步骤303,在所述状态信息为第一状态时,执行步骤303A,控制所述多轴运动***的相应运动对象常速运动;在所述状态信息为第二状态时,执行步骤303B,控制所述多轴运动***的相应运动对象减速运动;在所述状态信息为第三状态时,执行步骤303C,控制所述多轴运动***的相应运动对象停止运动。其中,常速运动指的是正常运行时的速度,其不一定是固定值。例如,承载机器人关节运动的电机有运动速度上限,正常运行时的实际速度通常和摇杆推离偏移的距离大小成正比。
此外,本实施例中,在步骤303C之后,可进一步包括如下步骤304至步骤308:
步骤304,将所获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的逃离预测模型,得到所述逃离预测模型输出的运动对象之间的当前最短距离。
其中,逃离预测模型实际上是一种距离预测模块,其利用所述多轴运动***的复数组第二历史输入数据和对应的复数组第二历史输出数据训练得到。每组第二历史输入数据为所述多轴运动***中各个运动对象的各个轴的同时刻历史运动位置信息构成的一组历史输入数据;每组第二历史输出数据为对应所述组第二历史输入数据的运动对象之间的历史最短距离。
步骤305,根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息。
步骤306,将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述逃离预测模型,得到所述逃离预测模型输出的运动对象之间的下一步最短距离。
步骤307,根据所述下一步最短距离和所述当前最短距离,判断所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向?如果是逃离方向,则执行步骤308,控制所述相应运动对象常速运动;否则如果是碰撞方向,则保持所述相应运动对象当前的停止状态,即不改变当前的停止状态,以免误操作。
在另一例子中,所述防碰撞预测模型可以为距离预测模型,所述防碰撞预测相关信息可以为运动对象之间的当前最短距离。相应地,步骤203中可将运动对象之间的所述当前最短距离与预先设定的至少一个距离阈值进行比较,根据比较结果,对所述多轴运动***的相应运动对象进行控制。其中,根据所设置的距离阈值的不同,可有不同的具体实现。例如,图4为本发明另一个例子中一种多轴运动***的防碰撞方法的示例性流程图。该例子中,所述至少一个距离阈值可包括:高距离阈值和低距离阈值。当然,在其他实施方式中,至少一个距离阈值也可以仅包括一个距离阈值,此处不对其进行限定。如图4所示,该方法可包括如下步骤:
步骤401,针对多轴运动***中的每个运动对象,获取所述运动对象每个轴的当前运动位置信息。该步骤401可与图2所示方法中的步骤201一致,此处不再赘述。
步骤402,将所获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的距离预测模型中,得到所述距离预测模型输出的各运动对象之间的当前最短距离。
本例子中,距离预测模型利用所述多轴运动***的复数组历史输入数据和对应的复数组历史输出数据训练得到。每组历史输入数据为所述多轴运动***中各个运动对象的各个轴的同时刻历史运动位置信息构成的一组历史输入数据;每组历史输出数据为对应所述组历史输入数据的运动对象之间的历史最短距离。该例子中的距离预测模型可与步骤304中的逃离预测模型一致。
步骤403,将所述当前最短距离分别与所述高距离阈值和低距离阈值进行比较,如果所述当前最短距离大于或等于所述高距离阈值,则执行步骤404,如果所述当前最短距离小于所述高距离阈值且大于所述低距离阈值,则执行步骤405,如果所述当前最短距离小于所述低距离阈值,则执行步骤406。
步骤404,控制所述多轴运动***的相应运动对象常速运动。
在一个实施方式中,步骤405可具体包括下述步骤405A至405E。
步骤405A,根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息。
步骤405B,将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离。
步骤405C,根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是远离方式还是靠近方向,如果是远离方向,则执行步骤405D,控制所述相应运动对象常速运动,如果是靠近方向,则执行步骤405E,控制所述相应运动对象减速运动。
在其他实施方式中,步骤405也可以不判断下一步的运动方向,而直接控制所述相应运动对象减速运动。
步骤406,控制所述相应运动对象停止运动。
本例子中,步骤406之后,可进一步包括如下步骤407至步骤410。
步骤407,根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息。
步骤408,将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离。
步骤409,根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则执行步骤410,控制所述相应运动对象常速运动,如果是碰撞方向,则保持所述相应运动对象的停止状态,即不改变当前的停止状态,以免误操作。
以上对本发明实施例中的一种多轴运动***的防碰撞方法进行了详细描述,下面再对本发明实施例中的一种多轴运动***的防碰撞***进行详细描述。本发明实施例中的多轴运动***的防碰撞***可用于实施本发明实施例中的多轴运动***的防碰撞方法,对于本发明***实施例中未详细披露的细节可参见本发明方法实施例中的相应描述,此处不再赘述。图5为本发明实施例中一种多轴运动***的防碰撞***的示例性结构图。本发明实施例中的所述多轴运动***包括相互配合的至少两个运动对象。如图5所示,该多轴运动***的防碰撞***可包括:一防碰撞预测模型501、一获取单元502、一处理单元503和一控制单元504。
其中,防碰撞预测模型501利用所述多轴运动***的复数组历史输入数据和对应的复数组历史输出数据训练得到。其中,每组历史输入数据为所述多轴运动***中各个运动对象的各个轴的历史运动位置信息构成的一组历史输入数据;每组历史输出数据为对应所述组历史输入数据的历史防碰撞相关信息。
获取单元502用于针对多轴运动***中的每个运动对象,获取所述运动对象每个轴的当前运动位置信息。
处理单元503用于将所述获取单元获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入所述训练好的防碰撞预测模型中,得到所述防碰撞预测模型输出的防碰撞预测相关信息,基于所述防碰撞预测相关信息,输出对应的控制指示。
控制单元504用于根据所述控制指示,对所述多轴运动***的相应运动对象进行控制。
与图3所示方法相对应,在一个实施方式中,防碰撞预测模型501可以为状态预测模型;相应地,处理单元503可在接收到状态预测模型501输出的用于指示非碰撞区的第一状态时,输出第一控制指示;在接收到状态预测模型501输出的用于指示碰撞接近区的第二状态时,输出第二控制指示;在接收到状态预测模型501输出的用于指示碰撞区的第三状态时,输出第三控制指示。
控制单元504用于在接收到所述第一控制指示时,控制所述多轴运动***的相应运动对象常速运动;在接收到所述第二控制指示时,控制所述多轴运动***的相应运动对象减速运动;在接收到所述第三控制指示时,控制所述多轴运动***的相应运动对象停止运动。
此外,与图3所示方法相对应,该多轴运动***的防碰撞***中还可以如图5中的虚线部分所示,进一步包括一逃离预测模型505,其利用所述多轴运动***的复数组历史输入数据和对应的复数组历史输出数据训练得到;每组历史输入数据为所述多轴运动***中各个运动对象的各个轴的历史运动位置信息构成的一组历史输入数据;每组历史输出数据为对应所述组历史输入数据的运动对象之间的历史最短距离。
相应地,处理单元503在输出第三控制指示之后,还可进一步用于将所述各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的逃离预测模型,得到所述逃离预测模型输出的运动对象之间的当前最短距离;根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述逃离预测模型,得到所述逃离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则输出第一控制指示;如果是碰撞方向,则输出第三控制指示。
控制单元504在接收到所述第一控制指示时,控制所述相应运动对象常速运动,在接收到所述第三控制指示时,保持所述相应运动对象当前的停止状态。
与图4所示方法相对应,在一个实施方式中,防碰撞预测模型501可以为距离预测模型,且所述防碰撞预测相关信息可以为:运动对象之间的最短距离。
相应地,处理单元503在距离预测模型501输出运动对象之间的当前最短距离之后,进一步用于将所述最短距离与预先设定的至少一个距离阈值进行比较,根据比较结果,输出对应的控制指示。
例如,当所述至少一个距离阈值包括高距离阈值和低距离阈值时,处理单元503可在所述最短距离大于或等于所述高距离阈值时,输出第一控制指示;在所述最短距离小于所述高距离阈值且大于所述低距离阈值时,输出第二控制指示。
或者,在所述最短距离小于所述高距离阈值且大于所述低距离阈值时,处理单元503可以根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是远离方式还是靠近方向,如果是远离方向,则输出第一控制指示;如果是靠近方向,则输出第二控制指示;在所述最短距离小于所述低距离阈值时,则输出第三控制指示;根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则输出第一控制指示;如果是碰撞方向,则输出第三控制指示。
相应地,控制单元504在接收到所述第一控制指示时,控制所述多轴运动***的相应运动对象常速运动;在接收到所述第二控制指示时,控制所述相应运动对象减速运动;在接收到所述第三控制指示时,控制所述相应运动对象停止运动。
图6为本发明实施例中又一种多轴运动***的防碰撞***的结构示意图,如图6所示,该***可包括:至少一个存储器61和至少一个处理器62。此外,还可以包括一些其它组件,例如通信端口等。这些组件通过总线63进行通信。
其中:至少一个存储器61用于存储计算机程序。在一个实施方式中,该计算机程序可以理解为包括图5所示的多轴运动***的防碰撞***的各个模块。此外,至少一个存储器61还可存储操作***等。操作***包括但不限于:Android操作***、Symbian操作***、Windows操作***、或Linux操作***等等。
至少一个处理器62用于调用至少一个存储器61中存储的计算机程序,执行本发明实施例中所述的多轴运动***的防碰撞方法。处理器62可以为CPU、处理单元/模块、ASIC、逻辑模块或可编程门阵列等。其可通过所述通信端口进行数据的接收和发送。
需要说明的是,上述各流程和各结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分,实际实现时,一个模块可以分由多个模块实现,多个模块的功能也可以由同一个模块实现,这些模块可以位于同一个设备中,也可以位于不同的设备中。
可以理解,上述各实施方式中的硬件模块可以以机械方式或电子方式实现。例如,一个硬件模块可以包括专门设计的永久性电路或逻辑器件(如专用处理器,如FPGA或ASIC)用于完成特定的操作。硬件模块也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。至于具体采用机械方式,或是采用专用的永久性电路,或是采用临时配置的电路(如由软件进行配置)来实现硬件模块,可以根据成本和时间上的考虑来决定。
此外,本发明实施例中还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序能够被一处理器执行并实现本发明实施例中所述的多轴运动***的防碰撞方法。具体地,可以提供配有存储介质的***或者装置,在该存储介质上存储着实现上述实施例中任一实施方式的功能的软件程序代码,且使该***或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。此外,还可以通过基于程序代码的指令使计算机上操作的操作***等来完成部分或者全部的实际操作。还可以将从存储介质读出的程序代码写到***计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作,从而实现上述实施方式中任一实施方式的功能。用于提供程序代码的存储介质实施方式包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
从上述方案中可以看出,由于本发明实施例中,利用了神经网络的深度学习方法,通过训练得到一个防碰撞预测模型,该防碰撞预测模型以多轴运动***中的各运动对象各个轴的运动位置信息为一组输入数据,以防碰撞预测相关信息为对应的输出数据,这样进行多轴运动***的防碰撞时,便可以直接获取多轴运动***中的各运动对象各个轴的当前运动位置信息,并将所获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入该防碰撞预测模型中,得到所述防碰撞预测模型输出的防碰撞预测相关信息,进而可基于所述防碰撞预测相关信息,对所述多轴运动***的相应运动对象进行控制,从而方便有效地实现了多轴运动***的防碰撞。
此外,当防碰撞预测模型为状态预测模型时,可以快速输出指示多轴运动***当前是非碰撞区还是碰撞接近区抑或碰撞区的状态,从而快速实现对多轴运动***相关运动对象的控制。并且进一步地,当状态预测模型输出指示多轴运动***当前是碰撞区的状态时,并控制相关运动对象停止运动之后,通过进一步训练一逃离预测模型,用于根据多轴运动***中的各运动对象各个轴的运动位置信息得到各运动对象之间的最短距离,进而可以利用该逃离预测模型根据各轴的当前运动位置信息得到当前最短距离;根据各轴的当前运动位置信息以及当前的驱动请求方向计算出多轴运动***各运动对象的各轴的下一步运动位置信息后,再根据各轴的下一步运动位置信息预测出下一步最短距离,之后利用该逃离预测模型根据当前最短距离和下一步最短距离便可确定出下一步的运动方向时逃离方向还是碰撞方向,如果是逃离方向,再控制相应运动对象进行运动,否则保持该运动对象的静止状态,从而可防止误操作。
另外,当防碰撞预测模型为距离预测模型时,根据多轴运动***中的各运动对象各个轴的运动位置信息得到各运动对象之间的最短距离,并可根据该最短距离进行运动***当前是非碰撞区还是碰撞接近区抑或碰撞区的判断,该距离预测模型虽然不如状态预测模型直接,但是在实现防止误操作的同时,相比采用状态预测模型的方案还需额外的逃离预测模型的情况,其仅采用一个距离预测模型即可。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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。
Claims (12)
1.一种多轴运动***的防碰撞方法,所述多轴运动***包括相互配合的至少两个运动对象,该方法包括:
针对多轴运动***中的每个运动对象,获取所述运动对象每个轴的当前运动位置信息;
将所获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的防碰撞预测模型中,得到所述防碰撞预测模型输出的防碰撞预测相关信息;其中,所述防碰撞预测模型利用所述多轴运动***的复数组第一历史输入数据和对应的复数组第一历史输出数据训练得到,每组第一历史输入数据为所述多轴运动***中各个运动对象的各个轴的历史运动位置信息构成的一组历史输入数据,每组第一历史输出数据为对应所述组第一历史输入数据的历史防碰撞相关信息;
基于所述防碰撞预测相关信息,对所述多轴运动***的相应运动对象进行控制。
2.根据权利要求1所述的多轴运动***的防碰撞方法,其特征在于,所述防碰撞预测模型为状态预测模型;
所述状态预测模型可输出的防碰撞预测相关信息包括:用于指示非碰撞区的第一状态、用于指示碰撞接近区的第二状态和用于指示碰撞区的第三状态;
所述基于所述防碰撞预测相关信息,对所述多轴运动***的相应运动对象进行控制包括:在所述防碰撞预测相关信息为第一状态时,控制所述多轴运动***的相应运动对象常速运动;在所述防碰撞预测相关信息为第二状态时,控制所述多轴运动***的相应运动对象减速运动;在所述防碰撞预测相关信息为第三状态时,控制所述多轴运动***的相应运动对象停止运动。
3.根据权利要求2所述的多轴运动***的防碰撞方法,其特征在于,所述控制多轴运动***的相应运动对象停止运动之后,进一步包括:
将所获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的逃离预测模型,得到所述逃离预测模型输出的运动对象之间的当前最短距离;其中,所述逃离预测模型利用所述多轴运动***的复数组第二历史输入数据和对应的复数组第二历史输出数据训练得到,每组第二历史输入数据为所述多轴运动***中各个运动对象的各个轴的历史运动位置信息构成的一组历史输入数据,每组第二历史输出数据为对应所述组第二历史输入数据的运动对象之间的历史最短距离;
根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;
将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述逃离预测模型,得到所述逃离预测模型输出的运动对象之间的下一步最短距离;
根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则控制所述相应运动对象常速运动,如果是碰撞方向,则保持所述相应运动对象当前的停止状态。
4.根据权利要求1所述的多轴运动***的防碰撞方法,其特征在于,所述防碰撞预测模型为距离预测模型;
所述防碰撞预测相关信息为:运动对象之间的当前最短距离;
所述基于防碰撞预测相关信息,对所述多轴运动***的相应运动对象进行控制包括:将运动对象之间的所述当前最短距离与预先设定的至少一个距离阈值进行比较,根据比较结果,对所述多轴运动***的相应运动对象进行控制。
5.根据权利要求4所述的多轴运动***的防碰撞方法,其特征在于,所述至少一个距离阈值包括:高距离阈值和低距离阈值;所述根据比较结果,对所述多轴运动***的相应运动对象进行控制包括:
在所述当前最短距离大于或等于所述高距离阈值时,控制所述多轴运动***的相应运动对象常速运动;
在所述当前最短距离小于所述高距离阈值且大于所述低距离阈值时,控制所述相应运动对象减速运动;或者,在所述最短距离小于所述高距离阈值且大于所述低距离阈值时,根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息,将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离,根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是远离方式还是靠近方向,如果是远离方向,则控制所述相应运动对象常速运动,如果是靠近方向,则控制所述相应运动对象减速运动;
在所述当前最短距离小于所述低距离阈值时,控制所述相应运动对象停止运动;根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则控制所述相应运动对象常速运动,如果是碰撞方向,则保持所述相应运动对象的停止状态。
6.一种多轴运动***的防碰撞***,所述多轴运动***包括相互配合的至少两个运动对象;该***包括:
一防碰撞预测模型(501),其利用所述多轴运动***的复数组第一历史输入数据和对应的复数组第一历史输出数据训练得到;其中,每组第一历史输入数据为所述多轴运动***中各个运动对象的各个轴的历史运动位置信息构成的一组历史输入数据,每组第一历史输出数据为对应所述组第一历史输入数据的历史防碰撞相关信息;
一获取单元(502),用于针对多轴运动***中的每个运动对象,获取所述运动对象每个轴的当前运动位置信息;
一处理单元(503),用于将所述获取单元获取的各运动对象的各个轴的当前运动位置信息作为一组输入数据输入所述防碰撞预测模型中,得到所述防碰撞预测模型输出的防碰撞预测相关信息,基于所述防碰撞预测相关信息,输出对应的控制指示;和
一控制单元(504),用于根据所述控制指示,对所述多轴运动***的相应运动对象进行控制。
7.根据权利要求6所述的多轴运动***的防碰撞***,其特征在于,所述防碰撞预测模型(501)为状态预测模型;所述处理单元(503)在所述状态预测模型输出用于指示非碰撞区的第一状态时,输出第一控制指示,在所述状态预测模型输出用于指示碰撞接近区的第二状态时,输出第二控制指示,在所述状态预测模型输出用于指示碰撞区的第三状态时,输出第三控制指示;
所述控制单元(504)在接收到所述第一控制指示时,控制所述多轴运动***的相应运动对象常速运动;在接收到所述第二控制指示时,控制所述多轴运动***的相应运动对象减速运动;在接收到所述第三控制指示时,控制所述多轴运动***的相应运动对象停止运动。
8.根据权利要求7所述的多轴运动***的防碰撞***,其特征在于,该***进一步包括:一逃离预测模型(505),其利用所述多轴运动***的复数组第二历史输入数据和对应的复数组第二历史输出数据训练得到;其中,每组第二历史输入数据为所述多轴运动***中各个运动对象的各个轴的历史运动位置信息构成的一组历史输入数据,每组第二历史输出数据为对应所述组第二历史输入数据的运动对象之间的历史最短距离;
所述处理单元(503)输出第三控制指示之后,进一步用于将所述各运动对象的各个轴的当前运动位置信息作为一组输入数据输入一训练好的逃离预测模型,得到所述逃离预测模型输出的运动对象之间的当前最短距离;根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述逃离预测模型,得到所述逃离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则输出第一控制指示,如果是碰撞方向,则输出第三控制指示;
所述控制单元(504)在接收到所述第一控制指示时,控制所述相应运动对象常速运动,在接收到所述第三控制指示时,保持所述相应运动对象当前的停止状态。
9.根据权利要求6所述的多轴运动***的防碰撞***,其特征在于,所述防碰撞预测模型(501)为距离预测模型;所述防碰撞预测相关信息为:运动对象之间的当前最短距离;
所述处理单元(503)在所述距离预测模型输出运动对象之间的当前最短距离之后,进一步用于将所述最短距离与预先设定的至少一个距离阈值进行比较,根据比较结果,输出对应的控制指示。
10.根据权利要求9所述的多轴运动***的防碰撞***,其特征在于,所述至少一个距离阈值包括:高距离阈值和低距离阈值;
所述处理单元(503)在所述最短距离大于或等于所述高距离阈值时,输出第一控制指示;
在所述最短距离小于所述高距离阈值且大于所述低距离阈值时,输出第二控制指示;或者,在所述最短距离小于所述高距离阈值且大于所述低距离阈值时,根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息,将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离,根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是远离方式还是靠近方向,如果是远离方向,则输出第一控制指示,如果是靠近方向,则输出第二控制指示;
在所述最短距离小于所述低距离阈值时,则输出第三控制指示;根据所获取的各运动对象的各个轴的当前运动位置信息及驱动请求方向,按照增量补偿机制,计算出各运动对象的各个轴的下一步运动位置信息;将各运动对象的各个轴的下一步运动位置信息作为一组输入数据输入所述距离预测模型,得到所述距离预测模型输出的运动对象之间的下一步最短距离;根据所述下一步最短距离和所述当前最短距离,确定所述相应运动对象下一步的运动方向是逃离方向还是碰撞方向,如果是逃离方向,则输出第一控制指示;如果是碰撞方向,则输出第三控制指示;
所述控制单元(504)在接收到所述第一控制指示时,控制所述多轴运动***的相应运动对象常速运动;在接收到所述第二控制指示时,控制所述相应运动对象减速运动;在接收到所述第三控制指示时,控制所述相应运动对象停止运动。
11.一种多轴运动***的防碰撞***,其特征在于,包括:至少一个存储器(61)和至少一个处理器(62),其中:
所述至少一个存储器(61)用于存储计算机程序;
所述至少一个处理器(62)用于调用所述至少一个存储器(61)中存储的计算机程序,执行如权利要求1至5中任一项所述的多轴运动***的防碰撞方法。
12.计算机可读存储介质,其上存储有计算机程序;其特征在于,所述计算机程序能够被一处理器执行并实现如权利要求1至5中任一项所述的多轴运动***的防碰撞方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911363452.5A CN111176274B (zh) | 2019-12-26 | 2019-12-26 | 多轴运动***的防碰撞方法、***和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911363452.5A CN111176274B (zh) | 2019-12-26 | 2019-12-26 | 多轴运动***的防碰撞方法、***和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111176274A CN111176274A (zh) | 2020-05-19 |
CN111176274B true CN111176274B (zh) | 2023-03-28 |
Family
ID=70648958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911363452.5A Active CN111176274B (zh) | 2019-12-26 | 2019-12-26 | 多轴运动***的防碰撞方法、***和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111176274B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1901150A1 (en) * | 2006-09-14 | 2008-03-19 | Abb Research Ltd. | A method and device for avoiding collisions between an industrial robot and an object |
DE102015200355B3 (de) * | 2015-01-02 | 2016-01-28 | Siemens Aktiengesellschaft | Medizinische roboterartige Vorrichtung mit Kollisionsdetektion und Verfahren zur Kollisionsdetektion einer medizinischen roboterartigen Vorrichtung |
CN108401464A (zh) * | 2018-02-28 | 2018-08-14 | 深圳市元征软件开发有限公司 | 一种车载设备及车辆碰撞分析方法和装置 |
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*** |
-
2019
- 2019-12-26 CN CN201911363452.5A patent/CN111176274B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1901150A1 (en) * | 2006-09-14 | 2008-03-19 | Abb Research Ltd. | A method and device for avoiding collisions between an industrial robot and an object |
DE102015200355B3 (de) * | 2015-01-02 | 2016-01-28 | Siemens Aktiengesellschaft | Medizinische roboterartige Vorrichtung mit Kollisionsdetektion und Verfahren zur Kollisionsdetektion einer medizinischen roboterartigen Vorrichtung |
CN108401464A (zh) * | 2018-02-28 | 2018-08-14 | 深圳市元征软件开发有限公司 | 一种车载设备及车辆碰撞分析方法和装置 |
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*** |
Non-Patent Citations (2)
Title |
---|
王自力,顾永宁.船舶碰撞研究的现状和趋势.造船技术.2000,(04),全文. * |
陈友荣 ; 万锦昊 ; 陈俊洁 ; 任条娟 ; .基于车车通信的车辆防碰撞算法.电信科学.2016,(11),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111176274A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20150363935A1 (en) | Robot, robotic system, and control device | |
CN108177162B (zh) | 移动机器人的干扰区域设定装置 | |
JP6174636B2 (ja) | ワークを位置決めするためのワーク位置決め装置 | |
EP3407088A1 (en) | Systems and methods for tracking location of movable target object | |
US11331799B1 (en) | Determining final grasp pose of robot end effector after traversing to pre-grasp pose | |
CN106708048B (zh) | 机器人的天花板图像定位方法和*** | |
US10517548B2 (en) | X-ray diagnostic apparatus and control method for X-ray diagnostic apparatus | |
CN109843752B (zh) | 机器人驱动单元及其*** | |
TWI682839B (zh) | 多關節機械手臂及多關節機械手臂的控制方法 | |
CN102152308A (zh) | 用于工业机器人的无碰撞轨迹规划的方法 | |
CN111319038B (zh) | 轨道生成***和轨道生成方法 | |
US20030230724A1 (en) | Gamma camera collision avoidance | |
JP2016085689A (ja) | 自律移動装置 | |
CN109363701A (zh) | 一种调整扫描机架干涉的方法、***和装置 | |
CN111176274B (zh) | 多轴运动***的防碰撞方法、***和存储介质 | |
JP2020011326A (ja) | ロボットシステム | |
CN116457159A (zh) | 机器人操作中采用的安全***和方法 | |
CN116019564A (zh) | 膝关节手术机器人和控制方法 | |
CN112888396A (zh) | 用于机器人手术***的绑定性和非绑定性关节运动限制 | |
US10933526B2 (en) | Method and robotic system for manipulating instruments | |
JP2015007639A (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN112344914A (zh) | 基于柔性臂手眼相机的自适应视觉测量方法及*** | |
US20230123629A1 (en) | 3d computer-vision system with variable spatial resolution | |
US11880204B2 (en) | Automated return of teleoperated vehicles | |
US20220105633A1 (en) | Integrity and safety checking for robots |
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 |