CN113156962B - 运动控制方法、装置、机器人及存储介质 - Google Patents
运动控制方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN113156962B CN113156962B CN202110475459.7A CN202110475459A CN113156962B CN 113156962 B CN113156962 B CN 113156962B CN 202110475459 A CN202110475459 A CN 202110475459A CN 113156962 B CN113156962 B CN 113156962B
- Authority
- CN
- China
- Prior art keywords
- robot
- target
- point
- track
- sampling point
- 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 58
- 238000005070 sampling Methods 0.000 claims description 133
- 238000004590 computer program Methods 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects 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
- 238000012545 processing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction 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
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本申请适用于机器人技术领域,提供了运动控制方法、装置、机器人及存储介质。运动控制方法包括:获取机器人的目标轨迹,根据目标轨迹确定与机器人的运动位置对应的目标点,机器人的运动位置包括机器人的当前位置或者机器人的预测位置,机器人的预测位置是根据目标轨迹对机器人进行位置预测所得到的,根据目标点以及机器人的运动位置对应的位置数据计算机器人的速度,根据机器人的速度控制机器人按照目标轨迹运动。通过该运动控制方法,能提高机器人跟踪目标轨迹的准确度。
Description
技术领域
本申请属于机器人技术领域,尤其涉及运动控制方法、装置、机器人及存储介质。
背景技术
现有的机器人导航方法,一般是控制机器人按照直线行走,到达目标点后停止,旋转角度后继续前进。在一些场景(例如机器人进行清洁工作的场景)下,机器人停止行走后再旋转角度会降低机器人工作的效率。若机器人沿弧形轨迹移动,则机器人在中途无需停止即可调整角度,因此,为了提高机器人的工作效率,机器人可以规划出弧形轨迹。但是现有的运动控制方法中,在规划出弧形轨迹后,机器人的实际行走路径和所规划出的弧形轨迹之间存在较大的差别,即机器人的轨迹跟踪效果较差。
发明内容
有鉴于此,本申请实施例提供了运动控制方法、装置、机器人及存储介质,可以提高机器人轨迹跟踪的准确度。
本申请实施例的第一方面提供了一种运动控制方法,包括:
获取机器人的目标轨迹;
根据所述目标轨迹确定与所述机器人的运动位置对应的目标点,所述机器人的运动位置包括所述机器人的当前位置或者所述机器人的预测位置,所述机器人的预测位置是根据所述目标轨迹对所述机器人进行位置预测所得到的;
根据所述目标点以及所述机器人的运动位置对应的位置数据计算所述机器人的速度;
根据所述机器人的速度控制所述机器人按照所述目标轨迹运动。
在一种可能的实现方式中,所述根据所述目标轨迹确定与所述机器人的运动位置对应的目标点,包括:
按照预设规则对所述目标轨迹进行采样,得到采样点;
确定第一采样点,所述第一采样点为与所述机器人的运动位置对应的采样点;
根据所述第一采样点,确定与所述机器人的运动位置对应的目标点。
在一种可能的实现方式中,所述根据所述第一采样点,确定与所述机器人的运动位置对应的目标点,包括:
根据所述第一采样点和第二采样点确定与所述机器人的运动位置对应的目标点,所述第二采样点为与第一采样点相邻的采样点。
在一种可能的实现方式中,所述根据所述第一采样点和第二采样点确定与所述机器人的运动位置对应的目标点,包括:
根据第一连线和第二连线确定与所述机器人的运动位置对应的目标点,所述第一连线为第一采样点和第二采样点之间的连线,或者第一连线为与运动子轨迹相切的直线,所述运动子轨迹为目标轨迹中第一采样点与第二采样点之间的轨迹,所述第二连线是与指定坐标轴平行且经过所述目标轨迹的终点的直线,或者所述第二连线为目标轨迹的终点对应的切线。
在一种可能的实现方式中,所述根据第一连线和第二连线确定与所述机器人的运动位置对应的目标点,包括:
若第一连线和第二连线之间存在交点,则将所述交点确定为与所述机器人的运动位置对应的目标点。
在一种可能的实现方式中,所述根据所述目标点以及所述机器人的运动位置对应的位置数据计算所述机器人的速度,包括:
根据所述目标点以及所述机器人的运动位置对应的位置数据,采用PID算法计算所述机器人的速度。
在一种可能的实现方式中,所述获取机器人的目标轨迹,包括:
获取机器人的规划路径;
对所述规划路径进行分割,得到至少一个目标轨迹。
本申请实施例的第二方面提供了一种运动控制装置,包括:
获取模块,用于获取机器人的目标轨迹;
确定模块,用于根据所述目标轨迹确定与所述机器人的运动位置对应的目标点,所述机器人的运动位置包括所述机器人的当前位置或者所述机器人的预测位置,所述机器人的预测位置是根据所述目标轨迹对所述机器人进行位置预测所得到的;
计算模块,用于根据所述目标点以及所述机器人的运动位置对应的位置数据计算所述机器人的速度;
控制模块,用于根据所述机器人的速度控制所述机器人按照所述目标轨迹运动。
本申请实施例的第三方面提供了一种机器人,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如上述第一方面所述的运动控制方法。
本申请实施例的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如上述第一方面所述的运动控制方法。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在机器人上运行时,使得机器人执行上述第一方面所述的运动控制方法。
本申请实施例与现有技术相比存在的有益效果是:获取机器人的目标轨迹,根据目标轨迹确定与机器人的运动位置对应的目标点,机器人的运动位置包括机器人的当前位置或者机器人的预测位置,机器人的预测位置是根据目标轨迹对机器人进行位置预测所得到的,根据目标点以及机器人的运动位置对应的位置数据计算机器人的速度,根据机器人的速度控制机器人按照目标轨迹运动。目标点是由目标轨迹以及机器人的运动位置确定的,每个机器人的运动位置与对应的目标点的连线的方向分别与目标轨迹上的每一段轨迹的切线方向接近,根据每个目标点调整机器人的速度,可以使得机器人的航向更接近目标轨迹的切线方向,从而可以使得机器人的实际行走路径与目标轨迹更接近,进而能够提高机器人跟踪目标轨迹的准确度。
附图说明
为了更清楚地说明本申请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。
图1是本申请实施例提供的运动控制方法的实现流程示意图;
图2是本申请实施例提供的确定目标点的流程示意图;
图3是本申请实施例提供的目标轨迹的示意图;
图4是本申请实施例提供的第一连线的示意图;
图5是本申请实施例提供的第二连线的示意图;
图6是本申请实施例提供的确定目标点的示意图;
图7是本申请实施例提供的两个目标点的示意图;
图8是本申请实施例提供的各目标点的示意图;
图9是本申请实施例提供的运动控制方法得到的仿真实验结果;
图10是本申请实施例提供的运动控制装置的示意图;
图11是本申请实施例提供的机器人的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
现有的运动控制方法中,在规划出弧形轨迹后,机器人的轨迹跟踪效果较差。为此,本申请提供了一种运动控制方法,包括:获取机器人的目标轨迹,根据目标轨迹确定与机器人的运动位置对应的目标点,机器人的运动位置包括机器人的当前位置或者机器人的预测位置,机器人的预测位置是根据目标轨迹对机器人进行位置预测所得到的,根据目标点以及机器人的运动位置对应的位置数据计算机器人的速度,根据机器人的速度控制机器人按照目标轨迹运动。目标点是由目标轨迹以及机器人的运动位置确定的,每个机器人的运动位置与对应的目标点的连线的方向分别与目标轨迹上的每一段轨迹的切线方向接近,根据每个目标点调整机器人的速度,可以使得机器人的航向更接近目标轨迹的切线方向,从而可以使得机器人的实际行走路径与目标轨迹更接近,进而能够提高机器人跟踪目标轨迹的准确度。
下面对本申请提供的运动控制方法进行示例性描述。
请参阅附图1,本申请一实施例提供了一种运动控制方法,该运动控制方法可具体应用于终端设备,作为示例而非限定的是,终端设备可为以下任一种:机器人、手机、电脑。该运动控制方法包括:
S101:获取机器人的目标轨迹。
其中,机器人的目标轨迹是机器人进行路径规划后所得到的,为了提高机器人的工作效率,目标轨迹可以是弧形轨迹。
在一种可能的实现方式中,S101包括:获取机器人的规划路径;对所述规划路径进行分割,得到至少一个目标轨迹。
具体地,进行路径规划以得到规划路径,所述规划路径包括一个或者多个弧形轨迹。若所述规划路径包括多个弧形轨迹,则在得到规划路径之后,对规划路径进行分割,将每个弧形轨迹分别作为一个目标轨迹,即可得到至少一个目标轨迹,从而可以对每个目标轨迹分别进行轨迹跟踪,以提高机器人控制的准确度。
在一些实施例中,所述对规划路径进行分割包括:根据规划路径对应的曲率数据对规划路径进行分割,其中,所述曲率数据包括:曲率或/和曲率变化率。
作为示例而非限定的是,根据规划轨迹的曲率变化值确定规划路径的分割点,将曲率变化值大于或者等于预设值的点作为规划路径的分割点,根据分割点对规划路径进行分割。
在一种可能的实现方式中,规划路径是根据预先设定的轨迹点确定的,例如,采用轨迹平滑算法对预先设定的轨迹点进行处理,得到规划路径,从而得到平滑的规划路径,如此,能够提高机器人的导航效率。
S102:根据所述目标轨迹确定与所述机器人的运动位置对应的目标点。
作为示例而非限定的是,根据机器人的运动位置与目标轨迹之间的位置关系,确定与机器人的运动位置对应的目标点。每个机器人的运动位置与对应的目标点的连线的方向分别与目标轨迹上的每一段轨迹的切线方向接近。
其中,机器人的运动位置包括:机器人的当前位置或者机器人的预测位置,所述机器人的当前位置可包括:机器人实时所处的位置或者机器人的历史位置,所述机器人的历史位置包括:在已过去的指定时间范围内机器人所处的位置。所述机器人的预测位置是根据目标轨迹对机器人进行位置预测所得到的,所述机器人的预测位置可具体为:根据目标轨迹所预估出的机器人后续会到达的至少一个位置。
作为示例而非限定的是,机器人的运动位置包括机器人的历史位置,假设当前时间为c1时刻,指定时间范围为2秒,存在c0时刻,c0时刻与c1时刻的时间顺序为:c0时刻在c1时刻之前,且c0时刻与c1时刻之间相差两秒,即已过去的指定时间范围可为[c0,c1),对应地,所述机器人的历史位置包括:机器人在时间范围[c0,c1)内所处的位置。
在一种可能的实现方式中,若机器人的运动位置包括机器人的当前位置,则S102可包括:在机器人的运动过程中,根据所述目标轨迹确定与所述机器人的当前位置对应的目标点,由于机器人在运动过程中的位置在不断地变化,故目标点也不断变化。
在另一种可能的实现方式中,若机器人的运动位置包括机器人的预测位置,则S102包括:根据目标轨迹对机器人进行位置预测,得到机器人的预测位置,根据机器人的预测位置与目标轨迹之间的位置关系,确定出与机器人的每个预测位置对应的目标点。
作为示例而非限定的是,所述根据目标轨迹对机器人进行位置预测,包括:根据目标轨迹预测(估计)机器人后续会到达的至少一个位置。
另,机器人的运动位置可以是机器人在坐标系中的位置,即机器人的运动位置可在坐标系中体现,对应地,机器人的运动位置对应的位置数据可为:机器人的运动位置在坐标系中的坐标。
在一种可能的实现方式中,坐标系包括机器人的世界坐标系,对应地,机器人的运动位置是机器人在世界坐标系中的位置。
在另一种可能的实现方式中,在进行路径规划后,根据规划路径建立坐标系,例如,将规划路径的起点作为坐标原点,建立坐标系。在建立坐标系后,根据机器人相对于规划路径的起点的移动距离以及偏移角度即可确定机器人在坐标系中的位置。在其他可行的实现方式中,机器人的运动位置也可以是机器人的全球定位***(Global PositioningSystem,GPS)实时采集的位置信息。
如图2所示,在一种可能的实现方式中,S102具体包括下述步骤。
S201:按照预设规则对所述目标轨迹进行采样,得到采样点。
其中,预设规则为预先设置的对目标轨迹进行采样的规则,采样点位于目标轨迹上,采样点可将目标轨迹分割为多个子轨迹。
例如,如图3所示,目标轨迹为弧形轨迹P0Pt,采样点包括:P0、P1、P2、P3、P4、P5、P6、P7、Pt。
在一些实施例中,在S201之前,包括:确定子轨迹长度,根据子轨迹长度确定采样点数据,对应地,S201包括:根据预设规则和采样点数据对所述目标轨迹进行采样,得到采样点。如此,能够较为合理地进行采样,以得到采样点。
其中,子轨迹长度为:待分割出的子轨迹的长度,采样点数据包括:采样点的数量或采样点的位置。
在一些实施例中,所述确定子轨迹长度包括:根据目标轨迹的长度、机器人的运动速度以及机器人的响应速度中的一项或者多项确定子轨迹长度,如此确定出子轨迹长度之后,再根据子轨迹长度对目标轨迹进行采样,即能结合机器人自身的运动情况以及目标轨迹进行采样,如此,能够提高机器人跟踪目标轨迹的准确度。
作为示例而非限定的是,采样点数据包括采样点的数量,目标轨迹的长度越大,子轨迹长度越大,对应地,采样点的数量越少;机器人的运动速度越大,子轨迹的长度越小,对应地,采样点的数量越多;机器人的响应速度越大,子轨迹的长度越小,采样点的数量越多。其中,各子轨迹的长度可以相等,也可以不相等。例如,如图3所示,目标轨迹为弧形轨迹P0Pt,采样点包括:P0、P1、P2、P3、P4、P5、P6、P7、Pt,8个子轨迹分别为子轨迹P0P1、子轨迹P1P2、子轨迹P2P3、子轨迹P3P4、子轨迹P4P5、子轨迹P5P6、子轨迹P6P7、子轨迹P7Pt。
S202:确定第一采样点,所述第一采样点为与所述机器人的运动位置对应的采样点。
其中,第一采样点可具体包括:机器人的当前位置对应的采样点或者至少一个所述机器人的预测位置对应的采样点。
作为示例而非限定的是,机器人的运动位置在坐标系中的坐标与第一采样点在同一个坐标系下的坐标相同。
作为示例而非限定的是,可以根据机器人的运动位置与采样点之间的位置关系确定第一采样点,也可以根据机器人的速度变化信息,以及预设的速度变化信息与采样点之间的对应关系,确定第一采样点。
S203:根据第一采样点,确定与所述机器人的运动位置对应的目标点。
作为示例而非限定的是,根据第一采样点与目标轨迹的终点确定与所述机器人的运动位置对应的目标点。
在一种可能的实现方式中,S203包括:根据所述第一采样点和第二采样点确定与所述机器人的运动位置对应的目标点,所述第二采样点为与第一采样点相邻的采样点。
作为示例而非限定的是,如图3所示,假设第一采样点为P0,与P0相邻的采样点为P1,即第二采样点为P1。
在一种可能的实现方式中,第二采样点为:在与第一采样点相邻的采样点中,最接近目标轨迹的终点的采样点。
作为示例而非限定的是,如图3所示,假设第一采样点为P1,与P1相邻的采样点包括P0和P2,目标轨迹的终点为Pt,P0和P2相比,P2与Pt的距离最近,故第二采样点为P2。
在一种可能的实现方式中,所述根据所述第一采样点和第二采样点确定与所述机器人的运动位置对应的目标点,包括:根据第一连线和第二连线确定与所述机器人的运动位置对应的目标点,所述第一连线为第一采样点和第二采样点之间的连线,或者第一连线为与运动子轨迹相切的直线,所述运动子轨迹为目标轨迹中第一采样点与第二采样点之间的轨迹,所述第二连线是与指定坐标轴平行且经过所述目标轨迹的终点的直线,或者所述第二连线为目标轨迹的终点对应的切线。
作为示例而非限定的是,第一连线可具体为用于连接第一采样点和第二采样点之间的直线,所述指定坐标轴可以是上述坐标系中的其中一个坐标轴。
在一些实施例中,由于上述坐标系可能存在多个坐标轴,故在执行所述根据第一连线和第二连线确定与所述机器人的运动位置对应的目标点之前,包括:根据所述目标轨迹的切线的斜率确定指定坐标轴。例如,如图4所示,机器人在世界坐标系的xoy平面运动,x轴沿水平方向,y轴沿竖直方向,若从起点到终点,目标轨迹的切线的斜率是单调递减的,则指定坐标轴为x轴,即第一连线a平行于x轴;若从起点到终点,目标轨迹的切线的斜率是单调递增的,则指定坐标轴为y轴,即第一连线a平行于y轴。
在一些实施例中,所述根据第一连线和第二连线确定与所述机器人的运动位置对应的目标点,包括:若第一连线和第二连线之间存在交点,则将所述交点确定为与所述机器人的运动位置对应的目标点。
作为示例而非限定的是,如图5所示,目标轨迹P0Pt的终点为Pt,经过目标轨迹Pt处的直线为第二连线。如图6所示,与机器人的运动位置对应的采样点为P0为第一采样点,第二采样点为P1,经过P0和P1的直线即为第一连线,第一连线和第二连线相交于t1,t1即为与机器人的运动位置对应的目标点。又比如,若所述机器人的运动位置包括机器人的多个预测位置,具体包括:第一预测位置和第二预测位置,第一预测位置对应的第一采样点、第二预测位置对应的第一采样点、第一预测位置对应的第二采样点、第二预测位置对应的第二采样点分别为:P0、P1、P1、P2,可见,机器人预估自身会从P0对应的位置移动到P1对应的位置,对应地,第二连线包括:经过P0和P1的直线L0、经过P1和P2的直线L1,如图7所示,目标点包括:L0与第二连线的交点t1和L1与第二连线的交点t1。如图8所示,依次连接多个第一连线,可得到多个机器人的预测位置对应的目标点。由于第一连线是两个采样点之间的直线,因此第一连线的方向与目标轨迹的切线的方向接近,故根据目标点调整机器人的速度,可以在机器人运动过程中调整机器人的航向角(即姿态),使得航向角与目标轨迹的切线更接近,进而使得机器人的实际运动轨迹与目标轨迹更接近,而且在机器人到达目标轨迹的终点时,可以使得机器人的航向角与目标轨迹的终点的运动切线方向一致。
在一些实施例中,所述根据第一连线和第二连线确定与所述机器人的运动位置对应的目标点,包括:若第一连线和第二连线之间不存在交点,则将所述第二采样点确定为与所述机器人的运动位置对应的目标点。
上述实施例中,通过对目标轨迹采样,得到采样点,根据机器人的运动位置对应的采样点,确定与机器人的运动位置对应的目标点,如此,能够提高确定出的目标点与机器人的运动位置的匹配程度,进而提高后续轨迹跟踪的准确度。
S103:根据所述目标点以及所述机器人的运动位置对应的位置数据计算所述机器人的速度。
其中,机器人的运动位置对应的位置数据为用于表示机器人的运动位置的数据。
作为示例而非限定的是,机器人的运动位置对应的位置数据可以是机器人的运动位置在坐标系中的坐标。
在一种可能的实现方式中,机器人的运动位置包括机器人的当前位置,则在确定机器人的当前位置后,根据目标点以及机器人的当前位置对应的位置数据计算机器人的速度。
在另一种可能的实现方式中,机器人的运动位置包括机器人的预测位置,则根据每个预测位置以及对应的目标点确定每个预测位置对应的速度。
作为示例而非限定的是,确定每个预测位置对应的时刻,再根据每个预测位置对应的速度确定机器人在每个时刻的速度。也可以确定每个预测位置对应的时刻,再根据预测位置与目标点的对应关系,确定每个目标点对应的时刻,从而在机器人运动的每个时刻,根据每个时刻机器人的实际位置与对应的目标点计算机器人的速度。
机器人的速度可包括速度的大小和方向,也可包括线速度和角速度。
在一些实施例中,S103包括:根据机器人的运动位置对应的位置数据与目标点的距离确定对应的加速度值,根据加速度值计算机器人的速度。
在一些实施例中,S103包括:根据所述目标点以及所述机器人的运动位置对应的位置数据,采用比例积分微分(Proportion Integration Differentiation,PID)算法计算机器人的速度,可以保证机器人运动过程中速度的平滑连续。
作为示例而非限定的是,所述机器人的运动位置对应的位置数据包括:机器人的运动位置在坐标系中的坐标,具体地,S103包括:根据所述目标点在坐标系中的坐标、目标点对应的航向角、机器人的运动位置在坐标系中的坐标、机器人的运动位置对应的航向角,采用PID算法计算机器人的速度。其中,若机器人的运动位置包括机器人的当前位置,则机器人的运动位置对应的航向角包括机器人当前的航向角,若机器人的运动位置包括:机器人的预测位置,则机器人的运动位置对应的航向角包括预估出的机器人处于预测位置时的航向角。
在一种可能的实现方式中,采用PID算法计算机器人的线速度和角速度。其中,PID算法的两个参量包括以下两个数据:机器人的运动位置与对应的目标点之间的距离、机器人当前的航向角与对应的目标点的航向角之间的误差,目标点的航向角对应的航向可为第一连线所在的方向。机器人的线速度和角速度对应PID算法中的正比例项P,线速度用于控制机器人前进,角速度用于控制机器人的航向。
S104:根据所述机器人的速度控制所述机器人按照所述目标轨迹运动。
具体地,若机器人的速度包括机器人的角速度和线速度,则根据机器人的角速度控制机器人的航向,根据机器人的线速度控制机器人的前进速度。若机器人的速度包括速度的大小和方向,则根据速度的方向控制机器人的航向,根据速度的大小控制机器人的前进速度。由于机器人运动过程中的目标点不断变化,因此,机器人在运动过程中可以同时调整航向角,在机器人到达目标轨迹的终点时,也同时完成航向角的调整,从而可以在衔接下一个目标轨迹时,无需停顿进行姿态调整,提高了机器人的行走效率。并且,由于机器人在到达目标轨迹的终点时,已经完成航向角的调整,即已经将航向角调整为下一个目标轨迹的起点处的航向角,因此,当前的目标轨迹的误差不会累计到下一个目标轨迹中,提高了轨迹跟踪的准确度。
在一些实施例中,若所述机器人的运动位置包括所述机器人的当前位置,则在S104之后,重新获取所述机器人的当前位置,再返回执行步骤S102-S104。
作为示例而非限定的是,参见图7,假设机器人的运动位置包括机器人的当前位置,在c0时刻,机器人的当前位置对应的第一采样点、第二采样点分别是P0、P1,机器人根据目标轨迹确定在c0时刻下机器人的当前位置对应的目标点t1,根据目标点t1以及在c0时刻下机器人的当前位置对应的位置数据计算所述机器人的速度v1;根据机器人的速度v1控制机器人按照所述目标轨迹从P0运动到P1,重新获取机器人的当前位置,若检测到在c1时刻下机器人的当前位置对应的第一采样点为P1,则根据目标轨迹确定在c1时刻下机器人的运动位置对应的目标点t2,根据目标点t2以及在c1时刻下机器人的运动位置对应的位置数据计算机器人的速度v2,根据机器人的速度v2控制机器人按照所述目标轨迹从P1运动到P2。
上述实施例中,由于目标点是由目标轨迹以及机器人的运动位置确定的,因此,在机器人运动过程中,目标点是动态变化、不断更新的,根据不断更新的目标点,可以调整机器人的航向角,使得机器人的航向角与目标轨迹的切线方向更接近,提高机器人跟踪目标轨迹的准确度。
图9是根据本申请实施例提供的运动控制方法得到的仿真实验结果,其中,曲线1是规划路径,每个弧线轨迹表示一个目标轨迹,曲线2是机器人根据目标轨迹运动时的实际运动路径,可以看出,曲线1和曲线2具有较好的一致性,即采用本申请实施例提供的运动控制方法,具有较好的轨迹跟踪效果。
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,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的运动控制方法,图10示出了本申请实施例提供的运动控制装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图10所示,运动控制装置包括:获取模块10、确定模块20、计算模块30以及控制模块40。其中:
获取模块10,用于获取机器人的目标轨迹;
确定模块20,用于根据所述目标轨迹确定与所述机器人的运动位置对应的目标点,所述机器人的运动位置包括所述机器人的当前位置或者所述机器人的预测位置,所述机器人的预测位置是根据所述目标轨迹对所述机器人进行位置预测所得到的。
在一种可能的实现方式中,运动控制装置包括:坐标系建立单元。
坐标系建立单元用于:在进行路径规划后,根据规划路径建立坐标系,例如,将规划路径的起点作为坐标原点,建立坐标系。在建立坐标系后,根据机器人相对于规划路径的起点的移动距离以及偏移角度即可确定机器人在坐标系中的位置。
在一种可能的实现方式中,所述确定模块20具体用于:
按照预设规则对所述目标轨迹进行采样,得到采样点;
确定第一采样点,所述第一采样点为与所述机器人的运动位置对应的采样点;
根据所述第一采样点,确定与所述机器人的运动位置对应的目标点。
在一些实施例中,运动控制装置包括:长度确定单元,长度确定单元用于:在确定模块20执行所述按照预设规则对所述目标轨迹进行采样,得到采样点之前,确定子轨迹长度,根据子轨迹长度确定采样点数据,对应地,确定模块20在执行所述按照预设规则对所述目标轨迹进行采样,得到采样点时,具体用于:根据预设规则和采样点数据对所述目标轨迹进行采样,得到采样点。如此,能够较为合理地进行采样,以得到采样点。
在一种可能的实现方式中,所述确定模块20在执行所述根据所述第一采样点,确定与所述机器人的运动位置对应的目标点时,具体用于:根据所述第一采样点和第二采样点确定与所述机器人的运动位置对应的目标点,所述第二采样点为与第一采样点相邻的采样点。
在一些实施例中,运动控制装置包括:坐标轴确定单元。
坐标轴确定单元用于:在所述确定模块20执行所述根据第一连线和第二连线确定与所述机器人的运动位置对应的目标点之前,根据所述目标轨迹的切线的斜率确定指定坐标轴。
计算模块30,用于根据所述目标点以及所述机器人的运动位置对应的位置数据计算所述机器人的速度。
控制模块40,用于根据所述机器人的速度控制所述机器人按照所述目标轨迹运动。
在一些实施例中,运动控制装置包括:位置获取单元。
所述位置获取单元用于获取机器人的运动位置。
在一些实施例中,所述位置获取单元可具体用于:在控制模块40执行所述根据所述机器人的速度控制所述机器人按照所述目标轨迹运动之后,重新获取机器人的运动位置,然后运动控制装置返回执行以下步骤:根据所述目标轨迹确定与所述机器人的运动位置对应的目标点,根据所述目标点以及所述机器人的运动位置对应的位置数据计算所述机器人的速度,根据所述机器人的速度控制所述机器人按照所述目标轨迹运动。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其技术细节、具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图11是本申请实施例提供的机器人的示意图。如图11所示,该实施例的机器人包括:处理器11、存储器12以及存储在所述存储器12中并可在所述处理器11上运行的计算机程序13。所述处理器11执行所述计算机程序13时实现上述运动控制方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器11执行所述计算机程序13时实现上述各装置实施例中各模块/单元的功能,例如图10所示获取模块10至控制模块40的功能。
示例性的,所述计算机程序13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12中,并由所述处理器11执行,以完成本申请。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13在所述机器人中的执行过程。
本领域技术人员可以理解,图11仅仅是机器人的示例,并不构成对机器人的限定,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,例如所述机器人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11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)、现场可编程门阵列(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12可以是所述机器人的内部存储单元,例如机器人的硬盘或内存。所述存储器12也可以是所述机器人的外部存储设备,例如所述机器人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(FlashCard)等。进一步地,所述存储器12还可以既包括所述机器人的内部存储单元也包括外部存储设备。所述存储器12用于存储所述计算机程序以及所述机器人所需的其他程序和数据。所述存储器12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,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,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示例的单元及算法步骤,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申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/机器人和方法,可以通过其它的方式实现。例如,以上所描述的装置/机器人实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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。
集成的模块/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,本申请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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种运动控制方法,其特征在于,包括:
获取机器人的目标轨迹;
按照预设规则对所述目标轨迹进行采样,得到采样点;
确定第一采样点,所述第一采样点为与所述机器人的运动位置对应的采样点;
根据第一连线和第二连线确定与所述机器人的运动位置对应的目标点,所述第一连线为所述第一采样点和第二采样点之间的连线,或者第一连线为与运动子轨迹相切的直线,所述运动子轨迹为目标轨迹中第一采样点与第二采样点之间的轨迹,所述第二连线是与指定坐标轴平行且经过所述目标轨迹的终点的直线,或者所述第二连线为目标轨迹的终点对应的切线,所述第二采样点为与第一采样点相邻的采样点,所述机器人的运动位置包括所述机器人的当前位置或者所述机器人的预测位置,所述机器人的预测位置是根据所述目标轨迹对所述机器人进行位置预测所得到的;
根据所述目标点以及所述机器人的运动位置对应的位置数据计算所述机器人的速度;
根据所述机器人的速度控制所述机器人按照所述目标轨迹运动。
2.根据权利要求1所述的运动控制方法,其特征在于,所述根据第一连线和第二连线确定与所述机器人的运动位置对应的目标点,包括:
若第一连线和第二连线之间存在交点,则将所述交点确定为与所述机器人的运动位置对应的目标点。
3.根据权利要求1所述的运动控制方法,其特征在于,所述根据所述目标点以及所述机器人的运动位置对应的位置数据计算所述机器人的速度,包括:
根据所述目标点以及所述机器人的运动位置对应的位置数据,采用PID算法计算所述机器人的速度。
4.根据权利要求1所述的运动控制方法,其特征在于,所述获取机器人的目标轨迹,包括:
获取机器人的规划路径;
对所述规划路径进行分割,得到至少一个目标轨迹。
5.一种运动控制装置,其特征在于,包括:
获取模块,用于获取机器人的目标轨迹;
确定模块,用于按照预设规则对所述目标轨迹进行采样,得到采样点;确定第一采样点,所述第一采样点为与所述机器人的运动位置对应的采样点;根据第一连线和第二连线确定与所述机器人的运动位置对应的目标点,所述第一连线为所述第一采样点和第二采样点之间的连线,或者第一连线为与运动子轨迹相切的直线,所述运动子轨迹为目标轨迹中第一采样点与第二采样点之间的轨迹,所述第二连线是与指定坐标轴平行且经过所述目标轨迹的终点的直线,或者所述第二连线为目标轨迹的终点对应的切线,所述第二采样点为与第一采样点相邻的采样点,所述机器人的运动位置包括所述机器人的当前位置或者所述机器人的预测位置,所述机器人的预测位置是根据所述目标轨迹对所述机器人进行位置预测所得到的;
计算模块,用于根据所述目标点以及所述机器人的运动位置对应的位置数据计算所述机器人的速度;
控制模块,用于根据所述机器人的速度控制所述机器人按照所述目标轨迹运动。
6.一种机器人,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任一项所述的运动控制方法。
7.一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任一项所述的运动控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110475459.7A CN113156962B (zh) | 2021-04-29 | 2021-04-29 | 运动控制方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110475459.7A CN113156962B (zh) | 2021-04-29 | 2021-04-29 | 运动控制方法、装置、机器人及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113156962A CN113156962A (zh) | 2021-07-23 |
CN113156962B true CN113156962B (zh) | 2023-11-17 |
Family
ID=76872579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110475459.7A Active CN113156962B (zh) | 2021-04-29 | 2021-04-29 | 运动控制方法、装置、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113156962B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113766138B (zh) * | 2021-09-26 | 2022-11-25 | 浙江新瑞欣科技股份有限公司 | 步进电机驱动控制方法、步进电机及自动化设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092266A (zh) * | 2017-06-26 | 2017-08-25 | 东北大学 | 一种移动车轨迹跟踪控制方法 |
JP2019156323A (ja) * | 2018-03-16 | 2019-09-19 | 日立オートモティブシステムズ株式会社 | 車両走行制御装置、車両走行制御方法、及び車両走行制御システム |
CN110320917A (zh) * | 2019-07-24 | 2019-10-11 | 北京智行者科技有限公司 | 无人车弯道循迹控制方法 |
CN110716561A (zh) * | 2019-11-26 | 2020-01-21 | 轻客智能科技(江苏)有限公司 | 用于轨迹跟踪的扫地机前视位姿控制方法和*** |
CN111123904A (zh) * | 2018-10-31 | 2020-05-08 | 深圳市优必选科技有限公司 | 路径跟踪方法及终端设备 |
CN112612289A (zh) * | 2021-03-08 | 2021-04-06 | 浙江大华技术股份有限公司 | 轨迹跟踪控制方法、移动机器人、控制设备及存储介质 |
-
2021
- 2021-04-29 CN CN202110475459.7A patent/CN113156962B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092266A (zh) * | 2017-06-26 | 2017-08-25 | 东北大学 | 一种移动车轨迹跟踪控制方法 |
JP2019156323A (ja) * | 2018-03-16 | 2019-09-19 | 日立オートモティブシステムズ株式会社 | 車両走行制御装置、車両走行制御方法、及び車両走行制御システム |
CN111123904A (zh) * | 2018-10-31 | 2020-05-08 | 深圳市优必选科技有限公司 | 路径跟踪方法及终端设备 |
CN110320917A (zh) * | 2019-07-24 | 2019-10-11 | 北京智行者科技有限公司 | 无人车弯道循迹控制方法 |
CN110716561A (zh) * | 2019-11-26 | 2020-01-21 | 轻客智能科技(江苏)有限公司 | 用于轨迹跟踪的扫地机前视位姿控制方法和*** |
CN112612289A (zh) * | 2021-03-08 | 2021-04-06 | 浙江大华技术股份有限公司 | 轨迹跟踪控制方法、移动机器人、控制设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
助餐机器人的轨迹规划及其轨迹跟踪控制研究;周斌;中国优秀硕士学位论文全文数据库 信息科技辑(第2期);I140-917 * |
Also Published As
Publication number | Publication date |
---|---|
CN113156962A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3517893B1 (en) | Path and speed optimization fallback mechanism for autonomous vehicles | |
CN111123904B (zh) | 路径跟踪方法及终端设备 | |
CN111231950B (zh) | 规划车辆变道路径的方法、装置、设备及可读存储介质 | |
CN110162029B (zh) | 一种基于规划路径的运动控制方法及装置、机器人 | |
CN108052102B (zh) | 机器人行进路线的确定方法、装置及机器人 | |
CN110231041B (zh) | 一种车道切换的导航方法和装置 | |
US20190315357A1 (en) | Novel method for speed adjustment of autonomous driving vehicles prior to lane change | |
CN108061555B (zh) | 一种车辆定位误差矫正方法及装置 | |
CN111813101A (zh) | 机器人路径规划方法、装置、终端设备及存储介质 | |
CN113085850A (zh) | 车辆避障方法、装置、电子设备及存储介质 | |
CN115127576B (zh) | 路径规划方法、装置、芯片、终端、电子设备及存储介质 | |
US20240009841A1 (en) | Dynamic target tracking method, robot and computer-readable storage medium | |
CN113110423B (zh) | 步态轨迹规划方法、装置、计算机可读存储介质及机器人 | |
CN114756021A (zh) | 路径跟踪方法、装置与路径跟踪设备 | |
CN113156962B (zh) | 运动控制方法、装置、机器人及存储介质 | |
CN115617052B (zh) | 流速下的无人船入库方法、装置、计算机设备及存储介质 | |
CN110377031B (zh) | 运动模型更新方法、装置、电子设备及存储介质 | |
CN113306570B (zh) | 用于控制自动驾驶车辆的方法、装置和自动驾驶配送车 | |
CN112060077B (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 | |
CN114995464B (zh) | 局部路径规划的控制方法及装置、机器人、存储介质 | |
CN113021329B (zh) | 一种机器人运动控制方法、装置、可读存储介质及机器人 | |
CN110083158B (zh) | 一种确定局部规划路径的方法和设备 | |
CN116300955A (zh) | 路径跟踪方法、装置、终端设备及计算机可读存储介质 | |
CN115454053A (zh) | 自动导引车控制方法、***、装置和计算机设备 | |
CN114440874B (zh) | 基于光流和光栅的融合定位方法和装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 518000 1701, building 2, Yinxing Zhijie, No. 1301-72, sightseeing Road, Xinlan community, Guanlan street, Longhua District, Shenzhen, Guangdong Province Applicant after: Shenzhen Yinxing Intelligent Group Co.,Ltd. Address before: 518000 building A1, Yinxing hi tech Industrial Park, Guanlan street, Longhua District, Shenzhen City, Guangdong Province Applicant before: Shenzhen Silver Star Intelligent Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |