CN111761582A - 一种基于随机采样的移动机械臂避障规划方法 - Google Patents
一种基于随机采样的移动机械臂避障规划方法 Download PDFInfo
- Publication number
- CN111761582A CN111761582A CN202010649989.4A CN202010649989A CN111761582A CN 111761582 A CN111761582 A CN 111761582A CN 202010649989 A CN202010649989 A CN 202010649989A CN 111761582 A CN111761582 A CN 111761582A
- Authority
- CN
- China
- Prior art keywords
- mechanical arm
- path
- mobile
- point
- joint
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005070 sampling Methods 0.000 title claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000009499 grossing Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 13
- 238000013459 approach Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 2
- 230000002457 bidirectional effect Effects 0.000 abstract description 5
- 238000012217 deletion Methods 0.000 abstract description 3
- 230000037430 deletion Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 5
- 230000009466 transformation Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- 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
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于随机采样的移动机械臂避障规划方法。本发明首先将移动平台建模成一个由x、y方向的移动关节上接一个旋转关节组成的特殊的机械臂,并将其与原有的机械臂模型组合,建立n自由度移动机械臂的正运动学模型。然后对运动规划过程中的约束进行分析,然后设计移动机械臂车‑臂一体化路径规划算法流程。最后设计用于路径平滑处理的双向删除冗余路径方法,对上一步得到的路径做平滑处理。本发明将整个移动机械臂建模成含有移动关节的特殊机械臂,极大简化了运动学求解复杂度。同时设计了双向删除冗余路径算法,用较低的计算复杂度很大程度地缩减和平滑了RRT算法规划出的路径。
Description
技术领域
本发明属于路径规划领域,具体来说是一种面向移动机械臂的基于随机采样算法的避障路径规划方法,可以在指定大小和障碍物的场地上为移动机械臂快速规划出障碍物避让的可行路径。
背景技术
移动机械臂既具有移动平台的移动性,又具有机械手的操作性,这类平台广泛应用于不同的工业和生产领域。相比于传统的机器人主要集中于特定研究方向,例如感知、规划、控制及人工智能等,移动机械臂***更倾向于能够在实际环境中完成更大范围任务的综合***。
由于没有考虑移动平台和机械臂这两个***间的交互作用,且移动平台和机械臂的结合会引入高度的运动学冗余度,现有的移动平台或机械臂的规划方法并不能直接复制于移动机械臂之中。因此移动平台和机械臂的协调规划问题不可忽视,需要针对移动机械臂的特征,进行车-臂一体化的运动规划以进行有效的避障和任务执行。
目前针对机器人的运动规划方法大致可分为基于图的运动规划方法和基于随机采样的运动规划方法。A*算法是最常见的基于图的运动规划方法,这类方法通常在高维复杂空间计算效率很低,因此并不适用于移动机械臂的运动规划。快速拓展随机树(RRT)算法是最常见的一类基于随机采样的运动规划方法,这类方法的特点在于速度快,且运算速度不会因维度提升而显著下降,因此常用于冗余机械臂的规划,然而将其运用于移动机械臂的车-臂一体化运动规划却较少涉及。为此,本发明提出了一种基于RRT-GoalBias算法的移动机械臂运动规划方法,能够快速规划出障碍物避让的可行路径。
发明内容
本发明的目的在于提出一种面向移动机械臂的基于随机采样算法的避障路径规划,用以解决移动机械臂在给定场地下快速避障规划的问题。
本发明包括以下步骤:
步骤1:将移动平台建模成一个由x、y方向的移动关节上接一个旋转关节组成的特殊的机械臂,并将其与原有的机械臂模型组合,建立n自由度移动机械臂的正运动学模型为:
其中,移动平台的位姿表示为qb=[x,y,θ0]T,机械臂的关节转角向量为qm=[θ1,θ2,…,θn-3]T,移动机械臂位姿表示为qi=[qb T,qm T]T。为移动机械臂的车-臂一体化变换矩阵,为世界坐标系到移动平台坐标系的状态转换矩阵,为第i-1个关节到第i个关节的状态转换矩阵。
步骤2:对运动规划过程中的约束进行分析,然后设计移动机械臂车-臂一体化路径规划算法流程,具体为:
1)目标约束
移动机械臂规划路径的初始和终止位姿须等于规定的起始位姿和目标位姿,表示为:
qinit=qstart
qend=qgoal
2)位姿约束
针对每一个关节转角以及移动平台的方位角,都有:
θjmin≤θj≤θjmax,j=0,2,3,...n-3
其中,θjmin和θjmax分别表示第j个关节的角度上确界和下确界;
针对移动平台x、y方向上的坐标,有:
lmin≤xi,yi≤lmax
对于移动机械臂的整个路径规划过程,位姿约束为:
qmin≤qi≤qmax,i=1,2,3,...N
其中,qmin=[lmin,lmin,θ0min,...,θ(n-3)min]T为位姿向量的下限,
qmax=[lmax,lmax,θ0max,...,θ(n-3)max]T为位姿向量的上限。
3)碰撞约束
将移动机械臂进行碰撞检测建模,用若干个球体建模移动机械臂,其中机械臂上球体的球心分别位于各个关节处。由此,在碰撞检测中,给定与障碍物表面上点的最小距离dmin,需要保证在每一个节点上,对于移动机械臂上的每个点Mi,都有:
d(Mi,Bj)≥dmin+R
其中,Bj为障碍物表面上的标记点,d(Mi,Bj)表示移动机械臂上的每个点到障碍物表面上的标记点的距离,R为球体的半径。
由此,设计移动机械臂车-臂一体化路径规划算法流程如下:
随机树的扩展和构建:
Step 1初始化随机树,定义关节空间C1关节约束范围和任务空间C2场地约束范围。
Step 2从初始位姿qinit出发,将其添加至随机树T中。
Step 3生成(0,1)上的随机数r,并将其与规定的概率值Pgoal做比较,若r>Pgoal,则在关节空间C1中进行随机采样,得到状态点qrand,反之则令qrand=qgoal。
Step 4在随机树T上找到距离qrand最近的点qnear。
Step 5将qnear向qrand前进一个步长,得到新节点qnew。
Step 6将新节点qnew正运动学求解投影到任务空间C2中,并解算出各个关节和移动平台上圆球的球心坐标,在任务空间C2中对其进行碰撞检测,若无碰撞,则在关节空间C1中将对应的新节点qnew添加至随机树T中,反之则舍弃该节点。
Step 7重复Step 3~6,迭代扩展随机树T,直至有节点接近或到达目标位姿qgoal或者超出规定的迭代次数,则扩展停止。
路径查询:
通过回溯法从qgoal到qinit找到一条完整的路径,该算法结束。
步骤3:设计用于路径平滑处理的双向删除冗余路径方法,对上一步得到的路径做平滑处理,算法的思想是在避障的前提下,最大程度地用直线替换冗余路径,正向平滑一次的基础上,再反向平滑一次,算法流程如下:
Step 1从初始位姿开始查找,定义其为出发点q0。
Step 2依次将后续的路径点与出发点q0连接。
Step 3对所连直线路径进行碰撞检测,若无障碍,则将下一个路径点与出发点q0连接并做碰撞检测,直至所连的直线路径上有障碍。
Step 4连接上一路径点qlast与出发点q0形成直线路径,替换冗余路径。
Step 5将上一路径点qlast设置为新的出发点q0。
Step 6循环Step 2~5,直至完成所有路径点的遍历。
Step 7在上述生成路径的基础上,将终止位姿qend设置为新出发点,反向遍历路径点,重复Step 2~5,直至完成所有路径点的遍历。
本发明的有益效果主要表现在:本发明给出了一种移动机械臂车-臂一体化建模的方式,将整个移动机械臂建模成含有移动关节的特殊机械臂,极大简化了运动学求解复杂度。拓展了传统的RRT-GoalBias算法,将其应用于移动机械臂的运动规划,在关节空间拓展随机树,运动学求解投影到任务空间,并解算出移动机械臂上每个点Mi,对它们分别做碰撞检测。并设计了双向删除冗余路径算法,用较低的计算复杂度很大程度地缩减和平滑了RRT算法规划出的路径。
附图说明
图1是本发明提出的针对移动机械臂的车-臂一体化规划方法的流程图;
图2是双向删除冗余路径算法的示意图;
图3是移动机械臂的仿真图;
图4是在给定大小和障碍物的场地下对移动机械臂的路径规划的仿真结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
现结合实施例、图1~图4对本发明进行进一步描述:
本发明的实施技术方案为:
1)建立移动机械臂运动学模型:
移动机械臂移动平台参数如下:
底盘参数表
将移动平台建模成一个由x、y方向的移动关节上接一个旋转关节组成的特殊的机械臂,并将其与原有的机械臂模型组合后,移动机械臂D-H表如下:
移动机械臂D-H表
根据D-H表建立的移动机械臂仿真模型如图3所示。
移动平台的位姿表示为qb=[x,y,θ0]T,机械臂的关节转角向量为qm=[θ1,θ2,…,θ5]T,移动机械臂位姿表示为qi=[qb T,qm T]T。为移动机械臂的车-臂一体化变换矩阵为世界坐标系到移动平台坐标系的状态转换矩阵,为第i-1个关节到第i个关节的状态转换矩阵。
其中,
其中,s0~s5代表sinθ0~sinθ5,c0~c5代表cosθ0~cosθ5,s23代表sin(θ2+θ3),c23代表cos(θ2+θ3),s234代表sin(θ2+θ3+θ4),c234代表cos(θ2+θ3+θ4)。2)基于RRT-GoalBias算法,设计移动机械臂车-臂一体化路径规划方法。
目标约束上,设置移动机械臂起始位姿qstart=[0,0,0,1.57,0.8,-0.7,-2.335,0]T,目标位姿qgoal=[4000,4000,0,0,0.8,-0.7,-2.335,0,]T移动机械臂规划路径的初始和终止位姿须等于规定的起始位姿和目标位姿,表示为:
qinit=qstart
qend=qgoal
关节约束上,关节空间起始点为
qmin=[0,0,-3.14,-2.95,0.436,-2.635,-3.36,-2.923]T,终止点为qmax=[5000,5000,3.14,2.95,3.14,2.548,2.18,-2.923]T,
对于移动机械臂的整个路径规划过程,位姿约束为:
qmin≤qi≤qmax,i=1,2,3,...N
其中,N为规划出路径上路径点的数目;
障碍约束上,设置三个长方体障碍物和两个球体障碍物如图4中所示,如图2所示,给定与障碍物表面上点的最小距离dmin,需要保证在每一个节点上,对于移动机械臂上的每个点Mi,都有:
d(Mi,Bj)≥dmin+R
其中,R为球体的半径,Bj为障碍物表面上的标记点。
设计基于RRT-GoalBias的移动机械臂路径规划算法流程,该算法的流程图如图1所示,具体流程如下:
随机树的扩展和构建:
Step 1初始化随机树,定义关节空间C1关节约束范围和任务空间C2场地约束范围。
Step 2从初始位姿qinit出发,将其添加至随机树T中。
Step 3生成(0,1)上的随机数r,并将其与规定的概率值Pgoal做比较,若r>Pgoal,则在关节空间C1中进行随机采样,得到状态点qrand,反之则令qrand=qgoal。
Step 4在随机树T上找到距离qrand最近的点qnear。
Step 5将qnear向qrand前进一个步长,得到新节点qnew。
Step 6将新节点qnew正运动学求解投影到任务空间C2中,并解算出各个关节和移动平台上圆球的球心坐标,在任务空间C2中对其进行碰撞检测,若无碰撞,则在关节空间C1中将对应的新节点qnew添加至随机树T中,反之则舍弃该节点。
Step 7重复Step 3~6,迭代扩展随机树T,直至有节点接近或到达目标位姿qgoal或者超出规定的迭代次数,则扩展停止。
路径查询:
通过回溯法从qgoal到qinit找到一条完整的路径,该算法结束。
3)算法的本质是在关节空间拓展随机树,将新节点通过运动学求解投影到任务空间,并解算出移动机械臂上每个点Mi,并对它们分别做碰撞检测,若无碰撞则在关节空间的随机树上添加该新节点。
对上一步得到的路径执行用于平滑的双向删除冗余路径算法,算法的基本原理如图2所示,即正向平滑的基础上,再进行一次反向平滑,路径1和路径2’构成最终输出的平滑后的路径,具体流程为:
Step 1从初始位姿开始查找,定义其为出发点q0,
Step 2依次将后续的路径点与出发点q0连接;
Step 3对所连直线路径进行碰撞检测,若无障碍,则将下一个路径点与出发点q0连接并做碰撞检测,直至所连的直线路径上有障碍;
Step 4连接上一路径点qlast与出发点q0形成直线路径,替换冗余路径;
Step 5将上一路径点qlast设置为新的出发点q0;
Step 6循环Step 2~5,直至完成所有路径点的遍历。
Step 7在上述生成路径的基础上,将终止位姿qend设置为新出发点,反向遍历路径点,重复Step 2~5,直至完成所有路径点的遍历。
4)将得到的路径点写入移动机械臂的控制代码,控制移动机械臂在给定场地下运动。
Claims (1)
1.一种基于随机采样的移动机械臂避障规划方法,其特征在于,包括以下步骤:
步骤1:将移动平台建模成一个由x、y方向的移动关节上接一个旋转关节组成的机械臂,并将其与原有的机械臂模型组合,建立n自由度移动机械臂的正运动学模型;
步骤2:对运动规划过程中的约束进行分析,设计移动机械臂车-臂一体化路径规划算法流程,具体为:
1)目标约束
移动机械臂规划路径的初始位姿qinit和终止位姿qend等于规定的起始位姿qstart和目标位姿qgoal;
2)位姿约束
针对每一个关节转角以及移动平台的方位角,都有:
θjmin≤θj≤θjmax
其中,θjmin和θjmax分别表示第j个关节的角度上确界和下确界;
针对移动平台x、y方向上的坐标,都有:
lmin≤xi,yi≤lmax
其中,lmin和lmax分别表示给定场地在x、y方向上的坐标上确界和下确界;
对于移动机械臂的整个路径规划过程,位姿约束为:
qmin≤qi≤qmax,i=1,2,3,...N
其中,qmin为位姿的下限,qmax为位姿的上限;
3)碰撞约束
将移动机械臂进行碰撞检测建模,用若干个球体建模移动机械臂,其中机械臂上球体的球心分别位于各个关节处;
在碰撞检测中,给定与障碍物表面上点的最小距离dmin,保证在每一个节点上,对于移动机械臂上的每个点Mi,都有:
d(Mi,Bj)≥dmin+R
其中,Bj为障碍物表面上的标记点,d(Mi,Bj)表示移动机械臂上的每个点到障碍物表面上的标记点的距离,R为球体的半径;
设计移动机械臂车-臂一体化路径规划算法流程如下:
2-1、初始化随机树,定义关节空间C1关节约束范围和任务空间C2场地约束范围;
2-2、从初始位姿qinit出发,将其添加至随机树T中;
2-3、生成(0,1)上的随机数r,并将其与规定的概率值Pgoal做比较,若r>Pgoal,则在关节空间C1中进行随机采样,得到状态点qrand,反之则令qrand=qgoal;
2-4、在随机树T上找到距离qrand最近的点qnear;
2-5、将qnear向qrand前进一个步长,得到新节点qnew;
2-6、将新节点qnew正运动学求解投影到任务空间C2中,并解算出各个关节和移动平台上圆球的球心坐标,在任务空间C2中对其进行碰撞检测,若无碰撞,则在关节空间C1中将对应的新节点qnew添加至随机树T中,反之则舍弃该节点;
2-7重复2-3~2-6,迭代扩展随机树T,直至有节点接近或到达目标位姿qgoal或者超出规定的迭代次数,则扩展停止;
路径查询:
通过回溯法从qgoal到qinit找到一条完整的路径,该算法结束;
步骤3:对步骤2得到的路径做平滑处理,具体如下:
3-1从初始位姿开始查找,定义其为出发点q0,
3-2依次将后续的路径点与出发点q0连接;
3-3对所连直线路径进行碰撞检测,若无障碍,则将下一个路径点与出发点q0连接并做碰撞检测,直至所连的直线路径上有障碍;
3-4连接上一路径点qlast与出发点q0形成直线路径,替换冗余路径;
3-5将上一路径点qlast设置为新的出发点q0;
3-6循环3-2~3-5,直至完成所有路径点的遍历;
3-7在上述生成路径的基础上,将终止位姿qend设置为新出发点,反向遍历路径点,重复3-2~3-5,直至完成所有路径点的遍历。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010649989.4A CN111761582B (zh) | 2020-07-08 | 2020-07-08 | 一种基于随机采样的移动机械臂避障规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010649989.4A CN111761582B (zh) | 2020-07-08 | 2020-07-08 | 一种基于随机采样的移动机械臂避障规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111761582A true CN111761582A (zh) | 2020-10-13 |
CN111761582B CN111761582B (zh) | 2021-05-18 |
Family
ID=72725751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010649989.4A Active CN111761582B (zh) | 2020-07-08 | 2020-07-08 | 一种基于随机采样的移动机械臂避障规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111761582B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112356033A (zh) * | 2020-11-09 | 2021-02-12 | 中国矿业大学 | 一种融合低差异序列与rrt算法的机械臂路径规划方法 |
CN112894817A (zh) * | 2021-01-27 | 2021-06-04 | 杭州电子科技大学 | 一种任务空间下的机械臂运动规划方法 |
CN113043286A (zh) * | 2020-12-25 | 2021-06-29 | 杭州电子科技大学 | 一种多自由度机械臂实时避障路径规划***及方法 |
CN113188562A (zh) * | 2021-07-01 | 2021-07-30 | 新石器慧通(北京)科技有限公司 | 可行驶区域的路径规划方法、装置、电子设备及存储介质 |
CN113799141A (zh) * | 2021-10-14 | 2021-12-17 | 福州大学 | 六自由度机械臂避障路径规划方法 |
CN114029940A (zh) * | 2021-05-27 | 2022-02-11 | 深圳市越疆科技有限公司 | 机械臂的运动路径规划方法、装置、设备、介质及机械臂 |
CN116038708A (zh) * | 2023-01-30 | 2023-05-02 | 北京大学 | 基于内部预演的机械手臂趋近规划方法及装置 |
CN116784975A (zh) * | 2023-04-26 | 2023-09-22 | 安徽医科大学 | 基于改进Bi-RRT算法的柔性穿刺针路径规划方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010155328A (ja) * | 2009-01-01 | 2010-07-15 | Sony Corp | 軌道計画装置及び軌道計画方法、並びにコンピューター・プログラム |
JP2012056063A (ja) * | 2010-09-13 | 2012-03-22 | Institute Of National Colleges Of Technology Japan | 円滑経路生成装置および円滑経路生成方法 |
CN106956260A (zh) * | 2017-03-31 | 2017-07-18 | 浙江大学 | 一种多关节机械臂平面蛇形轨迹运动的逆运动学求解方法 |
CN107943053A (zh) * | 2017-12-15 | 2018-04-20 | 陕西理工大学 | 一种移动机器人的路径规划方法 |
CN108369422A (zh) * | 2015-12-09 | 2018-08-03 | 高通股份有限公司 | 基于快速探索随机化反馈的运动规划 |
CN108544493A (zh) * | 2018-04-11 | 2018-09-18 | 广州启帆工业机器人有限公司 | 一种针对机器人操作空间的时间最优轨迹规划方法和装置 |
CN109397244A (zh) * | 2018-11-23 | 2019-03-01 | 华中科技大学 | 一种一体化双7自由度机械臂全向移动机器人***与控制方法 |
CN109397292A (zh) * | 2018-11-23 | 2019-03-01 | 华中科技大学 | 一种基于解析解的7自由度机械臂控制方法与*** |
CN110228069A (zh) * | 2019-07-17 | 2019-09-13 | 东北大学 | 一种机械臂在线避障运动规划方法 |
CN110497403A (zh) * | 2019-08-05 | 2019-11-26 | 上海大学 | 一种改进双向rrt算法的机械臂运动规划方法 |
CN111238518A (zh) * | 2020-01-13 | 2020-06-05 | 山东交通学院 | 一种基于改进rrt算法的智能农业车辆路径规划方法 |
CN111251306A (zh) * | 2020-03-18 | 2020-06-09 | 广东省智能机器人研究院 | 一种带有底盘误差的机械臂路径规划方法 |
-
2020
- 2020-07-08 CN CN202010649989.4A patent/CN111761582B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010155328A (ja) * | 2009-01-01 | 2010-07-15 | Sony Corp | 軌道計画装置及び軌道計画方法、並びにコンピューター・プログラム |
JP2012056063A (ja) * | 2010-09-13 | 2012-03-22 | Institute Of National Colleges Of Technology Japan | 円滑経路生成装置および円滑経路生成方法 |
CN108369422A (zh) * | 2015-12-09 | 2018-08-03 | 高通股份有限公司 | 基于快速探索随机化反馈的运动规划 |
CN106956260A (zh) * | 2017-03-31 | 2017-07-18 | 浙江大学 | 一种多关节机械臂平面蛇形轨迹运动的逆运动学求解方法 |
CN107943053A (zh) * | 2017-12-15 | 2018-04-20 | 陕西理工大学 | 一种移动机器人的路径规划方法 |
CN108544493A (zh) * | 2018-04-11 | 2018-09-18 | 广州启帆工业机器人有限公司 | 一种针对机器人操作空间的时间最优轨迹规划方法和装置 |
CN109397244A (zh) * | 2018-11-23 | 2019-03-01 | 华中科技大学 | 一种一体化双7自由度机械臂全向移动机器人***与控制方法 |
CN109397292A (zh) * | 2018-11-23 | 2019-03-01 | 华中科技大学 | 一种基于解析解的7自由度机械臂控制方法与*** |
CN110228069A (zh) * | 2019-07-17 | 2019-09-13 | 东北大学 | 一种机械臂在线避障运动规划方法 |
CN110497403A (zh) * | 2019-08-05 | 2019-11-26 | 上海大学 | 一种改进双向rrt算法的机械臂运动规划方法 |
CN111238518A (zh) * | 2020-01-13 | 2020-06-05 | 山东交通学院 | 一种基于改进rrt算法的智能农业车辆路径规划方法 |
CN111251306A (zh) * | 2020-03-18 | 2020-06-09 | 广东省智能机器人研究院 | 一种带有底盘误差的机械臂路径规划方法 |
Non-Patent Citations (2)
Title |
---|
杨也 等: "改进RRT*的室内机器人路径规划算法", 《计算机测量与控制》 * |
郭建根: "基于ROS的轮式移动机械臂轨迹规划研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112356033A (zh) * | 2020-11-09 | 2021-02-12 | 中国矿业大学 | 一种融合低差异序列与rrt算法的机械臂路径规划方法 |
CN112356033B (zh) * | 2020-11-09 | 2021-09-10 | 中国矿业大学 | 一种融合低差异序列与rrt算法的机械臂路径规划方法 |
CN113043286A (zh) * | 2020-12-25 | 2021-06-29 | 杭州电子科技大学 | 一种多自由度机械臂实时避障路径规划***及方法 |
CN113043286B (zh) * | 2020-12-25 | 2022-05-03 | 杭州电子科技大学 | 一种多自由度机械臂实时避障路径规划***及方法 |
CN112894817A (zh) * | 2021-01-27 | 2021-06-04 | 杭州电子科技大学 | 一种任务空间下的机械臂运动规划方法 |
CN112894817B (zh) * | 2021-01-27 | 2022-04-29 | 杭州电子科技大学 | 一种任务空间下的机械臂运动规划方法 |
CN114029940A (zh) * | 2021-05-27 | 2022-02-11 | 深圳市越疆科技有限公司 | 机械臂的运动路径规划方法、装置、设备、介质及机械臂 |
CN114029940B (zh) * | 2021-05-27 | 2022-07-01 | 深圳市越疆科技有限公司 | 机械臂的运动路径规划方法、装置、设备、介质及机械臂 |
CN113188562B (zh) * | 2021-07-01 | 2022-03-01 | 新石器慧通(北京)科技有限公司 | 可行驶区域的路径规划方法、装置、电子设备及存储介质 |
CN113188562A (zh) * | 2021-07-01 | 2021-07-30 | 新石器慧通(北京)科技有限公司 | 可行驶区域的路径规划方法、装置、电子设备及存储介质 |
CN113799141A (zh) * | 2021-10-14 | 2021-12-17 | 福州大学 | 六自由度机械臂避障路径规划方法 |
CN116038708A (zh) * | 2023-01-30 | 2023-05-02 | 北京大学 | 基于内部预演的机械手臂趋近规划方法及装置 |
CN116784975A (zh) * | 2023-04-26 | 2023-09-22 | 安徽医科大学 | 基于改进Bi-RRT算法的柔性穿刺针路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111761582B (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111761582B (zh) | 一种基于随机采样的移动机械臂避障规划方法 | |
CN110228069B (zh) | 一种机械臂在线避障运动规划方法 | |
CN109571466B (zh) | 一种基于快速随机搜索树的七自由度冗余机械臂动态避障路径规划方法 | |
CN113352319B (zh) | 基于改进快速扩展随机树的冗余机械臂避障轨迹规划方法 | |
CN111300425B (zh) | 一种超冗余机械臂末端轨迹运动规划方法 | |
Huang et al. | Particle swarm optimization for solving the inverse kinematics of 7-DOF robotic manipulators | |
CN110682286A (zh) | 一种协作机器人实时避障方法 | |
CN109344477B (zh) | 一种6自由度机械臂逆运动学求解方法 | |
CN110561419B (zh) | 臂型线约束柔性机器人轨迹规划方法及装置 | |
Shao et al. | Rrt-goalbias and path smoothing based motion planning of mobile manipulators with obstacle avoidance | |
CN113664829A (zh) | 一种空间机械臂避障路径规划***、方法、计算机设备及存储介质 | |
Liu et al. | Improved RRT path planning algorithm for humanoid robotic arm | |
Cheng et al. | Robot arm path planning based on improved RRT algorithm | |
Chen et al. | Optimizing the obstacle avoidance trajectory and positioning error of robotic manipulators using multigroup ant colony and quantum behaved particle swarm optimization algorithms | |
Zhao et al. | Efficient inverse kinematics for redundant manipulators with collision avoidance in dynamic scenes | |
Akli | Trajectory planning for mobile manipulators including Manipulability Percentage Index | |
CN116872212A (zh) | 一种基于A-Star算法和改进人工势场法的双机械臂避障规划方法 | |
Tian et al. | Optimal placement of a two-link planar manipulator using a genetic algorithm | |
CN116690557A (zh) | 基于点云的仿人三维扫描运动控制方法及装置 | |
Nascimento et al. | A smooth and safe path planning for an active lower limb exoskeleton | |
CN116604557A (zh) | 一种非结构化环境中双臂机器人协同避碰规划优化方法 | |
Tang et al. | Coordinated motion planning of dual-arm space robot with deep reinforcement learning | |
Zhao et al. | Collision-free kinematics for redundant manipulators in dynamic scenes using optimal reciprocal velocity obstacles | |
Qian et al. | Path planning approach for redundant manipulator based on Jacobian pseudoinverse-RRT algorithm | |
Bhattacharjee et al. | A study of neural network based inverse kinematics solution for a planar three joint robot with obstacle avoidance |
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 |