CN112325907B - 一种机器人路径规划算法的测试方法、装置、设备及介质 - Google Patents
一种机器人路径规划算法的测试方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112325907B CN112325907B CN202011230984.4A CN202011230984A CN112325907B CN 112325907 B CN112325907 B CN 112325907B CN 202011230984 A CN202011230984 A CN 202011230984A CN 112325907 B CN112325907 B CN 112325907B
- Authority
- CN
- China
- Prior art keywords
- target
- path planning
- planning algorithm
- testing
- robot
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/368—Test management for test version control, e.g. updating test cases to a new software version
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本申请公开了一种机器人路径规划算法的测试方法,包括:根据目标路径规划算法规划目标机器人的目标运动轨迹;对目标运动轨迹进行插补,得到多个目标插补点;利用多个目标插补点的加速度或速度对目标路径规划算法进行测试。显然,通过多个目标插补点的加速度或速度对目标机器人的目标路径规划算法进行测试,就相当于是随机选取了在对目标路径规划算法进行测试的输入参数,由此就能够避免在对目标路径规划算法进行测试时输入参数有限的问题,这样就可以显著提高机器人路径规划算法测试结果的准确性与可靠性。相应的,本申请所提供的一种机器人路径规划算法的测试装置、设备及介质,同样具有上述有益效果。
Description
技术领域
本发明涉及软件测试技术领域,特别涉及一种机器人路径规划算法的测试方法、装置、设备及介质。
背景技术
由于机器人能够进行半自主或者全自主工作,因此,在实际生活中,机器人得到了极为广泛的应用。在研发机器人路径规划算法的过程中,为了验证机器人路径规划算法的准确性,通常需要对机器人路径规划算法的各种输入参数进行测试,也即,对机器人运动轨迹中各个点的加速度或速度进行测试。
目前,在对机器人的路径规划算法进行测试时,一般是对路径规划算法编写白盒对其进行测试,也即,针对各种不同的输入参数编写相应的白盒测试程序来对机器人的路径规划算法进行测试,但是,此种测试方式由于遍历的输入参数有限,所以,会导致机器人路径规划算法的测试结果不准确、不可靠。目前,针对这一技术问题,还没有较为有效的解决办法。
由此可见,如何提高机器人路径规划算法测试结果的准确性与可靠性,是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种机器人路径规划算法的测试方法、装置、设备及介质,以提高机器人路径规划算法测试结果的准确性与可靠性。其具体方案如下:
一种机器人路径规划算法的测试方法,包括:
根据目标路径规划算法规划目标机器人的目标运动轨迹;
对所述目标运动轨迹进行插补,得到多个目标插补点;
利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试。
优选的,所述根据目标路径规划算法规划目标机器人的目标运动轨迹的过程,包括:
获取所述目标机器人的机械臂在各个运动轴上运动时的N组轴位置;其中,N≥2;
利用所述N组轴位置随机生成所述目标机器人的N-1组运动轨迹,并根据所述N-1组运动轨迹规划所述目标机器人的所述目标运动轨迹。
优选的,所述N-1组运动轨迹的类型包括:点到点运动轨迹和笛卡尔空间运动轨迹。
优选的,所述利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试的过程之后,还包括:
获取对所述目标路径规划算法进行测试的测试结果,并根据所述测试结果对所述目标路径规划算法进行修正。
优选的,所述利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试的过程,包括:
将多个所述目标插补点的加速度或速度与预设条件进行比较,得到目标比较结果,并根据所述目标比较结果对所述目标路径规划算法进行测试。
优选的,还包括:
按照预设次数重复执行所述根据目标路径规划算法规划目标机器人的目标运动轨迹的步骤至所述利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试的步骤;
获取每一次对所述目标路径规划算法进行测试的目标测试结果,并对所述目标测试结果进行汇总,得到汇总测试结果;
利用所述汇总测试结果对所述目标路径规划算法进行测试。
相应的,本发明还公开了一种机器人路径规划算法的测试装置,包括:
轨迹规划模块,用于根据目标路径规划算法规划目标机器人的目标运动轨迹;
轨迹插补模块,用于对所述目标运动轨迹进行插补,得到多个目标插补点;
算法测试模块,用于利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试。
相应的,本发明还公开了一种机器人路径规划算法的测试设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如前述所公开的一种机器人路径规划算法的测试方法的步骤。
相应的,本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如前述所公开的一种机器人路径规划算法的测试方法的步骤。
可见,在本发明中,首先是根据目标路径规划算法规划目标机器人的目标运动轨迹,然后,对目标运动轨迹进行插补,得到多个目标插补点,最后,再利用多个目标插补点的加速度或速度对目标机器人的目标路径规划算法进行测试。显然,通过多个目标插补点的加速度或速度对目标机器人的目标路径规划算法进行测试,就相当于是随机选取了在对目标路径规划算法进行测试的输入参数,这样就能够避免在对目标路径规划算法进行测试时输入参数有限的问题,由此就可以显著提高机器人路径规划算法测试结果的准确性与可靠性。相应的,本发明所提供的一种机器人路径规划算法的测试装置、设备及介质,同样具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的一种机器人路径规划算法的测试方法的流程图;
图2为本发明实施例所提供的一种机器人路径规划算法的测试装置的结构图;
图3为本发明实施例所提供的一种机器人路径规划算法的测试设备的结构图。
具体实施方式
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,都属于本发明保护的范围。
请参见图1,图1为本发明实施例所提供的一种机器人路径规划算法的测试方法的流程图,该测试方法包括:
步骤S11:根据目标路径规划算法规划目标机器人的目标运动轨迹;
步骤S12:对目标运动轨迹进行插补,得到多个目标插补点;
步骤S13:利用多个目标插补点的加速度或速度对目标路径规划算法进行测试。
在本实施例中,是提供了一种机器人路径规划算法的测试方法,通过该测试方法能够显著提高机器人路径规划算法测试结果的准确性与可靠性。具体的,在该测试方法中,首先是根据目标路径规划算法规划目标机器人的目标运动轨迹,其中,目标机器人的目标运动轨迹是指按照示教点位置和速度、加速度等工作过程的具体描述和限制,来确定目标机器人的运行轨迹,并以此来使得目标机器人在运行过程中的动作更加平稳与流畅。
需要说明的是,在本实施例中,目标路径规划算法可以是任意一种能够规划目标机器人行进路线的算法,此处不作具体限定。目标机器人是指任意一种型号的机器人,而目标运动轨迹包括目标机器人在运动过程中点到点之间的直线、圆弧、起点、终点、平滑过渡参数、运动的速度和加速度等等。
当规划出目标机器人的目标运动轨迹时,则对目标运动轨迹进行插补,得到多个目标插补点。可以理解的是,因为在对目标运动轨迹进行插补的过程中,是随机对目标运动轨迹进行插补所获得的目标机器人所运动的轴位置,所以,通过对目标运动轨迹进行插补就可以获取得到目标机器人在目标运动轨迹行进过程中大量的轴位置点。
之后,再利用获取得到多个目标插补点的加速度或速度对目标路径规划算法进行测试,也即,利用目标机器人在目标运动轨迹行进过程中多个轴位置所对应的速度或加速度来对目标路径规划算法进行测试,并根据测试结果来判断目标路径轨迹规划算法的准确性与可靠性。需要说明的是,由于利用目标机器人在运动行进过程中轴位置的加速度或速度来对目标路径规划算法进行测试的过程与现有技术中的测试方法相同,因此,在本实施例中,对于路径规划算法的具体测试过程不作具体赘述。
可以理解的是,通过多个目标插补点的加速度或速度对目标机器人的目标路径规划算法进行测试,就相当于是随机选取了在对目标路径规划算法进行测试的输入参数,这样就能够模拟大量的用户输入参数,并在大量的测试结果中寻找目标路径规划算法中所存在的漏洞与问题,由此就避免了现有技术中在对目标路径规划算法进行测试时输入参数有限的问题,所以,通过这样的测试方式,就可以显著提高机器人路径规划算法测试结果的准确性与可靠性。
可见,在本实施例中,首先是根据目标路径规划算法规划目标机器人的目标运动轨迹,然后,对目标运动轨迹进行插补,得到多个目标插补点,最后,再利用多个目标插补点的加速度或速度对目标机器人的目标路径规划算法进行测试。显然,通过多个目标插补点的加速度或速度对目标机器人的目标路径规划算法进行测试,就相当于是随机选取了在对目标路径规划算法进行测试的输入参数,这样就能够避免在对目标路径规划算法进行测试时输入参数有限的问题,由此就可以显著提高机器人路径规划算法测试结果的准确性与可靠性。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,上述步骤:根据目标路径规划算法规划目标机器人的目标运动轨迹的过程,包括:
获取目标机器人的机械臂在各个运动轴上运动时的N组轴位置;其中,N≥2;
利用N组轴位置随机生成目标机器人的N-1组运动轨迹,并根据N-1组运动轨迹规划目标机器人的目标运动轨迹。
在本实施例中,是提供了一种规划目标机器人的目标运动轨迹的具体实现方法,也即,在对目标机器人运动轨迹的规划过程中,首先是获取目标机器人的机械臂在各个运动轴上运动时的N组轴位置,然后,利用这N组轴位置随机生成目标机器人的N-1组运动轨迹,最后,再根据目标机器人的N-1组运动轨迹来规划目标机器人的目标运动轨迹。
比如,如果目标机器人有6个机械臂,那么,就获取目标机器人这6个机械臂在运动过程中的6组轴位置,然后,利用这6组轴位置随机生成目标机器人的5组运动轨迹,最后,再根据这5组的运动轨迹来规划目标机器人的目标运动轨迹。
具体的,N-1组运动轨迹的类型包括:点到点运动轨迹和笛卡尔空间运动轨迹。
在本实施例中,目标机器人的N-1组运动轨迹的类型包括:目标机器人的点到点运动轨迹以及笛卡尔空间运动轨迹,也即,目标机器人的这N-1组运动轨迹中既包括目标机器人从一个轴位置到另一个轴位置的运动轨迹,也包括目标机器人在从笛卡尔坐标系中的一个点到另一个点的运动轨迹。
显然,通过这样的设置方式,就可以保证在对目标机器人运动轨迹测试过程中输入参数的全面性与可靠性。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,上述步骤:利用多个目标插补点的加速度或速度对目标路径规划算法进行测试的过程之后,还包括:
获取对目标路径规划算法进行测试的测试结果,并根据测试结果对目标路径规划算法进行修正。
可以理解的是,当获取得到目标路径规划算法的测试结果时,就能够根据测试结果寻找出目标路径规划算法中所存在的问题与bug(漏洞),而当找到目标路径规划算法中所存在的问题与bug时,编程人员就可以对目标路径规划算法进行修正,并使得目标路径规划算法出现bug的概率为零。
能够想到的是,当目标路径规划算法的bug为零时,目标机器人的运动过程就会更加平稳与流畅,由此就可以进一步提高目标机器人在运动过程中的稳定性。
可见,通过本实施例所提供的技术方案,还可以进一步提高目标路径规划算法的准确性与可靠性。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,上述步骤:利用多个目标插补点的加速度或速度对目标路径规划算法进行测试的过程,包括:
将多个目标插补点的加速度或速度与预设条件进行比较,得到目标比较结果,并根据目标比较结果对目标路径规划算法进行测试。
在本实施例中,是提供了一种对目标路径规划算法进行测试的具体实施方式,也即,在实际操作过程中,为了对目标路径规划算法进行测试,首先需要将各个目标插补点的加速度或速度与预设条件进行比较,以判断目标机器人在运动过程中的各个轴位置是否满足预先所设定好的约束条件。
如果目标插补点的加速度或速度满足预设条件,则说明目标路径规划算法满足目标机器人的实际运行约束条件;如果目标插补点的加速度或速度不满足预设条件,一种可能是说明目标路径规划算法存在未知的bug,另一种可能是目标机器人的目标运动轨迹经过了目标机器人不可到达的运动范围或者奇异点。因此,在对目标路径规划算法进行测试的过程中,需要根据目标插补点的加速度或速度与预设条件之间的目标比较结果来对目标路径规划算法进行测试。
具体的,在实际应用中,可以将获取得到目标比较结果中属于目标路径规划算法本身所含bug的比较结果划分为类别A,然后,将目标比较结果中不属于目标路径规划算法本身所含bug的比较结果划分为类别B,最后,再通过统计类别A中所出现目标插补点的加速度或速度不满足预设条件的次数来对目标路径规划算法进行测试。
显然,通过本实施例所提供的方法,可以使得目标路径规划算法的测试结果更加可信与可靠。
基于上述实施例,本实施例对技术方案作进一步的说明与优化,作为一种优选的实施方式,上述机器人路径规划算法的测试方法还包括:
按照预设次数重复执行步骤S11:根据目标路径规划算法规划目标机器人的目标运动轨迹至步骤S13:利用多个目标插补点的加速度或速度对目标路径规划算法进行测试;
获取每一次对目标路径规划算法进行测试的目标测试结果,并对目标测试结果进行汇总,得到汇总测试结果;
利用汇总测试结果对目标路径规划算法进行测试。
在实际应用中,还可以通过重复循环执行步骤S11至步骤S13的方法来进一步增加在对目标路径规划算法进行测试过程中的输入参数。可以理解的是,通过这样的操作方式就相当于是在根据目标路径规划算法所规划的目标运动轨迹上插补了无数个目标插补点。在此情况下,就可以在大量的随机化输入参数中寻找目标路径规划算法中所存在的问题或bug,由此就可以进一步提高在对目标路径规划算法进行测试过程中测试结果的准确性与可靠性。
也即,按照预设次数重复执行了步骤S11至步骤S13之后,获取每一次在对目标路径规划算法进行测试的目标测试结果,然后,再对这些目标测试结果进行汇总,得到汇总测试结果,最后,再利用汇总测试结果来对目标路径规划算法进行测试。具体的,可以将预设次数设置为1000次,或者还可以根据实际情况的不同,对预设次数的设置数值进行适应性的调整,此处不作具体赘述。
可见,通过本实施例所提供的技术方案,可以进一步提高目标路径规划算法测试结果的准确性。
请参见图2,图2为本发明实施例所提供的一种机器人路径规划算法的测试装置的结构图,该测试装置包括:
轨迹规划模块21,用于根据目标路径规划算法规划目标机器人的目标运动轨迹;
轨迹插补模块22,用于对目标运动轨迹进行插补,得到多个目标插补点;
算法测试模块23,用于利用多个目标插补点的加速度或速度对目标路径规划算法进行测试。
本发明实施例所提供的一种机器人路径规划算法的测试装置,具有前述所公开的一种机器人路径规划算法的测试方法所具有的有益效果。
请参见图3,图3为本发明实施例所提供的一种机器人路径规划算法的测试设备的结构图,该测试设备包括:
存储器31,用于存储计算机程序;
处理器32,用于执行计算机程序时实现如前述所公开的一种机器人路径规划算法的测试方法的步骤。
本发明实施例所提供的一种机器人路径规划算法的测试设备,具有前述所公开的一种机器人路径规划算法的测试方法所具有的有益效果。
相应的,本发明实施例还公开了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如前述所公开的一种机器人路径规划算法的测试方法的步骤。
本发明实施例所提供的一种计算机可读存储介质,具有前述所公开的一种机器人路径规划算法的测试方法所具有的有益效果。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种机器人路径规划算法的测试方法、装置、设备及介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种机器人路径规划算法的测试方法,其特征在于,包括:
根据目标路径规划算法规划目标机器人的目标运动轨迹;
对所述目标运动轨迹进行插补,得到多个目标插补点;
利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试;
所述利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试的过程,包括:
将多个所述目标插补点的加速度或速度与预设条件进行比较,得到目标比较结果,并根据所述目标比较结果对所述目标路径规划算法进行测试;
如果所述目标插补点的加速度或速度不满足所述预设条件,则说明所述目标路径规划算法存在未知的bug和/或所述目标机器人的所述目标运动轨迹经过了所述目标机器人不可到达的运动范围或者奇异点;此时将所述目标比较结果中属于所述目标路径规划算法本身所含bug的比较结果划分为类别A,并将所述目标比较结果中不属于所述目标路径规划算法本身所含bug的比较结果划分为类别B,之后,通过统计所述类别A中所出现所述目标插补点的加速度或速度不满足所述预设条件的次数来对目标路径规划算法进行测试;
所述利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试的过程之后,还包括:
获取对所述目标路径规划算法进行测试的测试结果,并根据所述测试结果对所述目标路径规划算法进行修正。
2.根据权利要求1所述的测试方法,其特征在于,所述根据目标路径规划算法规划目标机器人的目标运动轨迹的过程,包括:
获取所述目标机器人的机械臂在各个运动轴上运动时的N组轴位置;其中,N≥2;
利用所述N组轴位置随机生成所述目标机器人的N-1组运动轨迹,并根据所述N-1组运动轨迹规划所述目标机器人的所述目标运动轨迹。
3.根据权利要求2所述的测试方法,其特征在于,所述N-1组运动轨迹的类型包括:点到点运动轨迹和笛卡尔空间运动轨迹。
4.根据权利要求1至3任一项所述的测试方法,其特征在于,还包括:
按照预设次数重复执行所述根据目标路径规划算法规划目标机器人的目标运动轨迹的步骤至所述利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试的步骤;
获取每一次对所述目标路径规划算法进行测试的目标测试结果,并对所述目标测试结果进行汇总,得到汇总测试结果;
利用所述汇总测试结果对所述目标路径规划算法进行测试。
5.一种机器人路径规划算法的测试装置,其特征在于,包括:
轨迹规划模块,用于根据目标路径规划算法规划目标机器人的目标运动轨迹;
轨迹插补模块,用于对所述目标运动轨迹进行插补,得到多个目标插补点;
算法测试模块,用于利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试;
所述利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试的过程,包括:
将多个所述目标插补点的加速度或速度与预设条件进行比较,得到目标比较结果,并根据所述目标比较结果对所述目标路径规划算法进行测试;
如果所述目标插补点的加速度或速度不满足所述预设条件,则说明所述目标路径规划算法存在未知的bug和/或所述目标机器人的所述目标运动轨迹经过了所述目标机器人不可到达的运动范围或者奇异点;此时将所述目标比较结果中属于所述目标路径规划算法本身所含bug的比较结果划分为类别A,并将所述目标比较结果中不属于所述目标路径规划算法本身所含bug的比较结果划分为类别B,之后,通过统计所述类别A中所出现所述目标插补点的加速度或速度不满足所述预设条件的次数来对目标路径规划算法进行测试;
所述利用多个所述目标插补点的加速度或速度对所述目标路径规划算法进行测试的过程之后,还包括:
获取对所述目标路径规划算法进行测试的测试结果,并根据所述测试结果对所述目标路径规划算法进行修正。
6.一种机器人路径规划算法的测试设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述的一种机器人路径规划算法的测试方法的步骤。
7.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的一种机器人路径规划算法的测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011230984.4A CN112325907B (zh) | 2020-11-06 | 2020-11-06 | 一种机器人路径规划算法的测试方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011230984.4A CN112325907B (zh) | 2020-11-06 | 2020-11-06 | 一种机器人路径规划算法的测试方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112325907A CN112325907A (zh) | 2021-02-05 |
CN112325907B true CN112325907B (zh) | 2023-06-06 |
Family
ID=74315685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011230984.4A Active CN112325907B (zh) | 2020-11-06 | 2020-11-06 | 一种机器人路径规划算法的测试方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112325907B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112936294A (zh) * | 2021-04-08 | 2021-06-11 | 北京配天技术有限公司 | 一种机器人轨迹插补方法、装置及相关组件 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10198411A (ja) * | 1997-01-07 | 1998-07-31 | Fujitsu Ltd | 目標軌跡生成方法及び装置及びそれを用いたサーボ制御装置 |
JP2008204188A (ja) * | 2007-02-20 | 2008-09-04 | Nagoya Institute Of Technology | モーションコントローラおよびモーションプランナおよび多軸サーボシステムおよびサーボアンプ |
JP2012234390A (ja) * | 2011-05-02 | 2012-11-29 | Mitsubishi Electric Corp | 軌跡制御装置 |
JP2013184233A (ja) * | 2012-03-06 | 2013-09-19 | Toyota Motor Corp | ロボットおよびその軌道生成方法 |
CN106584462A (zh) * | 2016-12-22 | 2017-04-26 | 南京埃斯顿自动化股份有限公司 | 一种机器人运行速度实时调节方法 |
CN109940619A (zh) * | 2019-04-09 | 2019-06-28 | 深圳前海达闼云端智能科技有限公司 | 一种轨迹规划方法、电子设备及存储介质 |
-
2020
- 2020-11-06 CN CN202011230984.4A patent/CN112325907B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10198411A (ja) * | 1997-01-07 | 1998-07-31 | Fujitsu Ltd | 目標軌跡生成方法及び装置及びそれを用いたサーボ制御装置 |
JP2008204188A (ja) * | 2007-02-20 | 2008-09-04 | Nagoya Institute Of Technology | モーションコントローラおよびモーションプランナおよび多軸サーボシステムおよびサーボアンプ |
JP2012234390A (ja) * | 2011-05-02 | 2012-11-29 | Mitsubishi Electric Corp | 軌跡制御装置 |
JP2013184233A (ja) * | 2012-03-06 | 2013-09-19 | Toyota Motor Corp | ロボットおよびその軌道生成方法 |
CN106584462A (zh) * | 2016-12-22 | 2017-04-26 | 南京埃斯顿自动化股份有限公司 | 一种机器人运行速度实时调节方法 |
CN109940619A (zh) * | 2019-04-09 | 2019-06-28 | 深圳前海达闼云端智能科技有限公司 | 一种轨迹规划方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112325907A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9108316B2 (en) | Method and system for in-production optimization of the parameters of a robot used for assembly | |
CN111376271B (zh) | 控制焊接机器人的方法、装置、焊接机器人和储存介质 | |
WO2014056533A1 (en) | A method and an apparatus for automatically generating a collision free return program for returning a robot from a stop position to a predefined restart position | |
CN111288995B (zh) | 移动机器人的路径规划方法、路径规划装置及终端设备 | |
CN112305418B (zh) | 一种基于混合噪声双重滤波的电机***故障诊断方法 | |
CN106965171A (zh) | 具备学习功能的机器人装置 | |
WO2022160894A1 (zh) | 基于迭代学习的数控机床快速误差补偿控制***及方法 | |
CN110850807B (zh) | 一种奇异点规避方法、装置、设备及介质 | |
CN109048903B (zh) | 机械臂插轴入孔的方法及设备 | |
CN112325907B (zh) | 一种机器人路径规划算法的测试方法、装置、设备及介质 | |
CN111637877B (zh) | 机器人定位方法、装置、电子设备和非易失性存储介质 | |
Widmann et al. | Human motion prediction in human-robot handovers based on dynamic movement primitives | |
CN116673968B (zh) | 基于强化学习的机械臂轨迹规划要素选择方法及*** | |
EP3542970A1 (en) | Method, device and system for replaying movement of robot | |
CN116512237B (zh) | 工业机器人视觉伺服方法、装置、电子设备及存储介质 | |
CN109327354B (zh) | 一种生成信号转发测试用例的方法、装置及测试*** | |
CN110794849A (zh) | 路径的处理方法、装置、机器人、计算机设备和存储介质 | |
CN113485370A (zh) | 一种并联机器人动态拾放轨迹规划方法及*** | |
CN113910221A (zh) | 一种机械臂自主运动规划方法、装置、设备及存储介质 | |
CN114384908A (zh) | 一种用于轨道机器人的智能导航路径规划***及方法 | |
CN112518744A (zh) | 机器人轨迹规划方法、装置、机器人 | |
CN112529190A (zh) | 一种基于学习自动机随机点定位算法的多模态优化*** | |
CN107844334B (zh) | 一种自动配置机器人rcs的方法及*** | |
CN117348577B (zh) | 一种生产工艺仿真检测方法、装置、设备以及介质 | |
CN117519212B (zh) | 路径跟踪控制方法、装置、终端及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |