CN114924565A - 一种焊接机器人路径规划方法、电子设备及存储介质 - Google Patents
一种焊接机器人路径规划方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114924565A CN114924565A CN202210581995.XA CN202210581995A CN114924565A CN 114924565 A CN114924565 A CN 114924565A CN 202210581995 A CN202210581995 A CN 202210581995A CN 114924565 A CN114924565 A CN 114924565A
- Authority
- CN
- China
- Prior art keywords
- path
- welding
- point
- welding robot
- points
- 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.)
- Pending
Links
- 238000003466 welding Methods 0.000 title claims abstract description 248
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 49
- 230000003111 delayed effect Effects 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 85
- 230000007704 transition Effects 0.000 claims description 30
- 230000036544 posture Effects 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 13
- 230000004888 barrier function Effects 0.000 claims description 10
- 239000006185 dispersion Substances 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001960 triggered effect 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明涉及焊接机器人技术领域,尤其涉及一种焊接机器人路径规划方法、电子设备及存储介质,其中方法包括:建模得到仿真焊接环境;获取焊接要求,确定所有待规划的路径段及规划顺序;按照规划顺序,对每个待规划的路径段,完成延迟碰撞检测的路径规划:在完成所有路径段的规划之后,生成焊接机器人从焊接的起始点到终止点的完整路径。本发明能够快速、高效地实现自动化无碰撞路径规划。
Description
技术领域
本发明涉及焊接机器人技术领域,尤其涉及一种焊接机器人路径规划方法、电子设备及存储介质。
背景技术
焊接机器人路径规划,即寻找焊接机器人***在焊接过程中的过渡路径,该过渡路径考虑了焊接机器人从焊接的起始点出发,按顺序到每条焊缝端点,最后到终止点的完整无碰撞路径。自动化的路径设计可以提高焊接任务的效率与智能化生产程度,保障稳定的焊接质量,降低人力成本。
目前,焊接机器人路径规划大多由经验丰富的高级工程师通过人工示教或离线编程来完成。人工示教自动化程度低,质量不稳定,方案制定时间长。离线编程自动化程度更高,但灵活性差,耗时长。当任务环境更加多变,对焊接任务的实时性要求更高时,现有技术通常难以实现快速、高效地无碰撞路径规划。因此,为了提高生产效率,适应生产需求,就需要提供一种更加高效的焊接机器人路径规划方案。
发明内容
基于焊接机器人路径规划实时性差的问题,本发明实施例提供了一种焊接机器人路径规划方法、电子设备及存储介质,能够更加快速、高效地实现自动化无碰撞路径规划。
第一方面,本发明实施例提供了一种焊接机器人路径规划方法,包括:
建模得到仿真焊接环境;其中所述仿真焊接环境包括焊接机器人和各障碍物的模型,焊接机器人包括机器人本体和焊枪,障碍物包括待焊接的工件;
获取焊接要求,确定所有待规划的路径段及规划顺序;
按照规划顺序,对每个待规划的路径段执行如下步骤,完成延迟碰撞检测的路径规划:
A、在所述仿真焊接环境中,确定该路径段的阶段起点和目标点,通过采样法构建路线图;
B、搜索所述路线图,得到一条从所述阶段起点到所述目标点可通行且代价最小的路径,作为预选路径;
C、将所述预选路径离散为多个过渡点,按顺序对每两个相邻的过渡点之间的局部路径进行碰撞检测;
若在所有局部路径均没有检测到碰撞事件,则保留所述预选路径,完成该路径段的规划;
若在任一局部路径检测到焊枪与工件碰撞事件,则基于碰撞事件中焊枪与工件碰撞的状态,调整焊接机器人位姿,继续对该局部路径进行碰撞检测;
若在任一局部路径检测到除焊枪与工件碰撞之外的碰撞事件,则将该局部路径两端的过渡点设为禁止通过点,并返回步骤B,更新所述预选路径;
在完成所有路径段的规划之后,生成焊接机器人从焊接的起始点到终止点的完整路径。
可选地,所述建模得到仿真焊接环境,包括:
获取焊接机器人和各障碍物的数模文件;
基于焊接机器人的数模文件,通过点云法进行建模,得到焊接机器人的模型;
基于各障碍物的数模文件,通过栅格法进行建模,得到相应的障碍物的模型;
将得到的所有模型统一到所述仿真焊接环境的坐标系下。
可选地,所述建模得到仿真焊接环境,还包括:
在将得到的所有模型统一到所述仿真焊接环境的坐标系下之后,获取实际的焊接环境中各障碍物的位置;
根据获取的各障碍物的位置,修正所述仿真焊接环境中模型的位置。
可选地,所述步骤A中,通过采样法构建路线图,包括:
基于所述阶段起点和所述目标点构成的空间以及障碍物的模型外接空间,判断是否进行局部规划,是则进行低离散度采样,否则进行固定步长的均匀采样,得到对应的采样点;
连接得到的各采样点,构成所述路线图。
可选地,所述进行低离散度采样,包括:
基于所述阶段起点和所述目标点构成的空间以及障碍物的模型外接空间,计算任两个采样点之间的最小半径;
随机采样获取采样点并进行判断,判断获取的采样点相对于已有的采样点,是否满足任两个采样点之间的距离均大于所述最小半径,是则保留该采样点,否则删除该采样点;
重复所述随机采样获取采样点并进行判断的步骤,直至已有的采样点达到预设的目标采样点个数。
可选地,所述步骤B中,搜索所述路线图,得到一条从所述阶段起点到所述目标点可通行且代价最小的路径,包括:
在所述仿真焊接环境中建立人工斥力场;所述人工斥力场包括至少一组斥力栅格,每组斥力栅格以一个障碍物的模型为核心,由内层到外层,斥力值逐渐减小;
建立引入人工斥力场惩罚的代价函数;设路径中第i个采样点xi处的代价函数Cost(i)表达式为:
其中,dist(x,y)表示x和y两点之间的直线距离,x和y表示两点,sj表示从采样点xj-1到采样点xj之间路径所经过的斥力栅格的斥力值,μ是控制斥力缩放的惩罚参数,i≥2,x1表示阶段起点,xgoal表示目标点;
根据所述路线图,从阶段起点开始,扩展采样点直至目标点,生成可通行的路径;其中,扩展采样点的规则是从所有与上一个采样点相连的采样点中选择代价函数最小的进行扩展。
可选地,所述步骤C中,对每两个相邻过渡点构成的局部路径进行碰撞检测,包括:
在两个过渡点构成的局部路径上,生成一个或多个检测点;
配置焊接机器人在过渡点及所述检测点的姿态;
对各过渡点及检测点,依次判断焊接机器人的模型与障碍物的模型是否无重叠,是则判定没有检测到碰撞事件,否则判定出现碰撞事件;
判定出现碰撞事件后,若为碰撞事件为焊接机器人的模型中焊枪与工件的模型出现重叠,则判为检测到焊枪与工件碰撞事件,否则判为检测到除焊枪与工件碰撞之外的碰撞事件。
可选地,所述基于碰撞事件中焊枪与工件碰撞的状态,调整焊接机器人位姿,继续对该局部路径进行碰撞检测,包括:
基于焊接机器人的模型中焊枪与工件的模型重叠的区域,确定调整方向;
根据所述调整方向和预设的调整步长,以步进的方式调整出现碰撞事件的焊接机器人位姿,步进次数不超过预设阈值;
若调整后不再有重叠的区域,则根据调整后的焊接机器人位姿配置新的检测点,继续对该局部路径进行碰撞检测;
当步进次数达到预设阈值而仍有重叠的区域,则将该局部路径两端的过渡点设为禁止通过点,并返回步骤B,更新所述预选路径。
第二方面,本发明实施例还提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本说明书任一实施例所述的方法。
第三方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行本说明书任一实施例所述的方法。
本发明实施例提供了一种焊接机器人路径规划方法、电子设备及存储介质,本发明在碰撞检测过程中,对于焊枪与工件碰撞的情况,通过微调焊接机器人位姿的方式来快速寻找可解决碰撞的最接近路径,能够提高通过碰撞检测的成功率,减少计算资源的浪费,从而提高路径搜索的效率,更加高效地实现自动化无碰撞路径规划。
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,下面描述中的附图是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种焊接机器人路径规划方法流程图;
图2(a)是某一工件的数学模型;
图2(b)是图2(a)所示工件栅格法建模后得到的模型;
图3是本发明一实施例中人工斥力场的斥力栅格及斥力值分布情况示意图;
图4是本发明一实施例中无碰撞事件的示意图;
图5是本发明一实施例中调整焊枪的过程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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的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。
如前所述,目前焊接机器人路径规划大多由经验丰富的高级工程师通过人工示教或离线编程来完成。当任务环境更加多变,对焊接任务的实时性要求更高时,特别是对于带外部轴(如滑轨)的6自由度焊接机器人,自由度更高,焊接任务更加复杂,现有技术通常难以实现快速、高效地无碰撞路径规划。有鉴于此,本发明提出了一种自动化的焊接机器人路径规划方案,在碰撞检测过程中,通过有目的地微调焊接机器人位姿,提高碰撞检测的成功率和路径规划效率。
下面描述以上构思的具体实现方式。
请参考图1,本发明实施例提供了一种焊接机器人路径规划方法,该方法包括:
步骤100,建模得到仿真焊接环境;其中所述仿真焊接环境包括焊接机器人和各障碍物的模型,焊接机器人包括机器人本体和焊枪,障碍物包括待焊接的工件;
步骤102,获取焊接要求,确定所有待规划的路径段及规划顺序;
步骤104,按照规划顺序,对每个待规划的路径段执行如下步骤,完成延迟碰撞检测的路径规划:
A、在所述仿真焊接环境中,确定该路径段的阶段起点和目标点,通过采样法,构建从所述阶段起点到所述目标点的路线图;
B、搜索所述路线图,得到一条从所述阶段起点到所述目标点可通行且代价最小的路径,作为预选路径;
C、将所述预选路径离散为多个过渡点,按顺序对每两个相邻的过渡点之间的局部路径进行碰撞检测;
若在所有局部路径均没有检测到碰撞事件,则保留所述预选路径,完成该路径段的规划;
若在任一局部路径检测到焊枪与工件碰撞事件,则基于碰撞事件中焊枪与工件碰撞的状态,调整焊接机器人位姿,继续对该局部路径进行碰撞检测;
若在任一局部路径检测到除焊枪与工件碰撞之外的碰撞事件,则将该局部路径两端的过渡点均设为禁止通过点,并返回步骤B,更新所述预选路径,再重新进行执行步骤C;
步骤106,在完成所有路径段的规划之后,生成焊接机器人从焊接的起始点到终止点的完整路径。
本发明实施例中,对于焊枪与工件碰撞的情况,通过有目的细微调整焊接机器人位姿的方式来寻找可解决碰撞的最接近路径,能够提高通过碰撞检测的成功率,减少计算资源的浪费,进而提高路径搜索的效率,更加快速地实现自动化无碰撞路径规划。本发明能够在不固定环境下位不同种类的工件高效地寻找最短无碰撞焊接路径。
下面描述图1所示的各个步骤的执行方式。
针对步骤100,所述建模得到仿真焊接环境进一步包括:
获取焊接机器人和各障碍物的数模文件;
基于焊接机器人的数模文件,通过点云法进行建模,得到焊接机器人的模型;
基于各障碍物的数模文件,通过栅格法进行建模,得到相应的障碍物的模型;
将得到的所有模型统一到所述仿真焊接环境的坐标系下。
上述实施例中,利用点云法可得到用于表示焊接机器人实体区域的点集,利用栅格法可得到障碍物栅格化后形成的、表示障碍空间的点集,如图2(a)和图2(b)所示,这两种方式均为现有技术,采用点云法和栅格法可以兼顾碰撞检测的精度和效率,提高路径规划的效率。需要说明的是,栅格法建模会使得障碍物的障碍空间相比于障碍物实体向外扩张,若有多个障碍物实体距离较近,在建模后,障碍空间紧邻或出现重叠,则可认为是一个障碍物。在建模过程中,将所有对象(焊接机器人和障碍物,若有除待焊接的工件之外的实体,也认为是障碍物)的坐标系进行统一,建立针对焊接环境的唯一坐标系。为便于碰撞检测计算,可将仿真焊接环境内的工作空间划分为多个栅格立方体,然后基于障碍物模型在初始位置时所包含的栅格立方体确定障碍物位置并建立栅格矩阵,以获得更好的计算效率和精度,将工作空间栅格化,有利于解决后续调整实际焊接环境中的障碍物位置以及碰撞检测问题。
进一步地,所述建模得到仿真焊接环境还包括:
在将得到的所有模型统一到所述仿真焊接环境的坐标系下之后,获取实际的焊接环境中各障碍物的位置;
根据获取的各障碍物的位置,修正所述仿真焊接环境中相应模型的位置。
上述实施例基于实际的焊接环境对仿真焊接环境进行修正。优选地,可采用红外激光传感器对实际的焊接环境进行扫描,获取实际的焊接环境中各障碍物的位置,得到各障碍物(包括工件)相对于建模所用的初始位置的旋转角度和偏移量,实现实时调整。可选地,考虑到一般焊接机器人的工作台平行置于地面,障碍物可被看作水平放置,仿真焊接环境的坐标系下,障碍物相对于初始位置的变化通常是绕z轴旋转,然后沿x轴或y轴移动,修正后的障碍物位置P’可表示为:
其中,P=[px,py,pz,1]’为设定的障碍物初始位置,θ为障碍物的相对旋转角度,Rot(Z,θ)表示变换矩阵,offsetx、offsety和offsetz分别表示障碍物在三个坐标轴上的偏移量。
采用上述实施例,针对不固定的焊接环境,采取混合建模法建立模型,并利用红外激光传感器扫描实际场景,实时获取环境信息并对虚拟的模型进行调整,兼顾计算速度与精度。
针对步骤102,所述获取焊接要求,确定所有待规划的路径段及规划顺序,进一步包括:
基于所述焊接要求,确定焊接的起始点和终止点的位置,以及各必经点的位置和先后顺序;其中,必经点的位置根据焊缝的端点位置确定,先后顺序根据焊缝的焊接顺序确定;
基于所述焊接要求,确定焊接机器人在起始点、终止点和各所述必经点的姿态;
将从所述起始点到所述终止点的完整路径中,没有明确焊接机器人移动轨迹的路径段,作为待规划的路径段;
基于各待规划的路径段在完整路径中的经过顺序,确定规划顺序。
上述实施例基于焊接要求确定焊接所有关键点(包括起始点、终止点和各必经点)位置以及焊接机器人在关键点的姿态,关键点位置也即焊接机器人的焊枪末端必需要到达的位置。对于有相应要求的关键点,例如起始点、终止点要求焊接机器人达到某种预设的姿态,这样的关键点的焊接机器人位姿(即位置与姿态)是固定的,而对于不要求焊接机器人姿态的关键点,即只要求焊枪末端到达关键点位置但不要求焊接机器人达到某种姿态,则可通过随机的方式得到焊接机器人在该关键点位置的三维姿态信息。
进一步地,由于栅格法建模会将包含了部分障碍物的栅格立方体也定义为障碍空间,实际上扩大了建模对象所占据的障碍空间,而附在工件表面的焊缝也会被归为障碍空间中,导致无法找到可行路径。因此,根据焊缝的端点位置确定必经点的位置时,可将焊缝向外移动,移出障碍空间,移到焊缝调整位置,例如,对于船舶小组立的焊接过程中,焊接垂直加筋板的工作情形,可使焊缝沿垂直方向上浮远离工件,再进行规划。对于焊缝l,其向外移动后,可认为得到焊缝l’,实际焊接过程中,焊缝l及焊缝l’的端点位置均为必经点,但在路径规划的前期过程中,可将焊缝l’的端点作为必经点,在步骤106中生成焊接机器人从焊接的起始点到终止点的完整路径时,再加入从焊缝l’到焊缝l的路径(这一部分路径可认为不需要规划,通过平移等方式即可完成从焊缝l’到焊缝l),得到实际焊接所需路径。这种方式在路径规划前期过程中以近似的焊缝端点代替实际的焊缝端点,也就是令焊接机器人先移动到工件上方的焊缝调整位置,再进行规划,避免机器人在原始焊缝附近的运动过程中增加碰撞风险,同样可以提高计算效率。
针对步骤104,所述步骤A中,通过采样法构建从所述阶段起点到所述目标点的路线图,进一步包括:
基于所述阶段起点和所述目标点构成的空间以及障碍物的模型外接空间,判断是否进行局部规划,是则进行低离散度采样,否则进行固定步长的均匀采样,得到对应的采样点;
连接得到的各采样点,构成所述路线图。
上述实施例对于靠近障碍物的路径段,因其处于距障碍物较近的工作空间,采用低离散度采样,令采样点分散分布,使得在采样点数量较少的情况下也能够覆盖广泛的空间,而对距障碍物较远的工作空间,则可采用具有固定步长的均匀采样点进行填充,提高计算效率。所述阶段起点和所述目标点构成的空间,即,以所述阶段起点和所述目标点为顶点所构成的立方体空间,障碍物的模型外接空间,即,障碍物的模型的外接立方体空间,与障碍空间不同。需要说明的是,由于障碍物的模型外接空间相对于障碍空间进一步向外扩张,若存在多个障碍物的外接立方体紧邻或者出现重叠,可以将这多个外接立方体合并为一个整体或者进一步外扩成更大的外接立方体,即视为一个大的模型外接空间考虑,也分开视为多个模型外接空间考虑。
进一步地,所述判断是否进行局部规划,包括:
比较所述阶段起点和所述目标点构成的空间与障碍物的模型外接空间的重叠程度,若所述阶段起点和所述目标点构成的空间与一个或多个障碍物的模型外接空间有重叠产生,则判断该路径段进行局部规划。
上述实施例将所述阶段起点和所述目标点构成的空间space1与一个或多个障碍物的模型外接空间space2是否重叠,作为判断是否进行局部规划的条件。若存在space1与space2的重叠空间space3,则可认为该路径段处于障碍物附近,应该进行局部规划。
进一步地,所述进行低离散度采样,包括如下步骤:
A1、基于所述阶段起点和所述目标点构成的空间以及障碍物的模型外接空间,计算任两个采样点之间的最小半径R;
A2、随机采样获取采样点并进行判断,判断获取的采样点相对于已有的采样点,是否满足任两个采样点之间的距离均大于所述最小半径R,是则保留该采样点,作为已有的采样点,否则删除该采样点;
A3、重复步骤A2,直至已有的采样点达到预设的目标采样点个数。
可选地,最小半径R的表达式为:
χspace=χobs∪χinit∪χgoal
其中,N表示预设的采样点个数,λ表示正缩放因子,m=1,2,3分别表示三维空间的三个坐标轴,χinit为阶段起点,χgoal为目标点,χobs为表示障碍物的模型外接空间的栅格立方体的点集,χobs对应的空间与以χinit、χgoal为顶点构建的空间有重叠,χspace为表示进行低离散度采样空间的栅格立方体的点集,χspace(m)表示点集χspace中的点在m坐标轴方向上的坐标。
本发明上述实施例以勒贝格体积公式度量两个随机采样点为圆心的两个小球之间的最小半径R,将距离大于小球半径的采样点予以保留,改善采样点分布,有利于降低盲目搜索,提高路径搜索效率。
所述步骤B中,搜索所述路线图,得到一条从所述阶段起点到所述目标点可通行且代价最小的路径,进一步包括:
在所述仿真焊接环境中建立人工斥力场;所述人工斥力场包括至少一组斥力栅格,每组斥力栅格以一个障碍物的模型为核心,由内层到外层,斥力值逐渐减小;
建立引入人工斥力场惩罚的代价函数;设路径中第i个采样点xi的代价函数Cost(i)表达式为:
其中,dist(x,y)表示x和y两点之间的直线距离,x和y表示两点,sj表示从采样点xj-1到采样点xj之间路径所经过的斥力栅格的斥力值,μ是控制斥力缩放的惩罚参数,i≥2,x1表示阶段起点,xgoal表示目标点;
根据所述路线图,从阶段起点开始,扩展采样点直至目标点,生成可通行的路径;其中,扩展采样点的规则是从所有与上一个采样点相连的采样点中选择代价函数最小的进行扩展。也就是说,在扩展路径中的第i个采样点xi时,搜索路线图中所有与路径中的第i-1个采样点xi-1可连线的采样点,比较这些采样点的代价函数,选出其中代价函数最小的采样点,作为第i个采样点xi加入路径。代价函数可用于评判采样点的优先级,帮助算法依次筛选出可扩展节点中最优的采样点,最终生成代价最小的路径。可选地,搜索所述路线图得到可行的路径,可利用现有技术中的算法,如A*算法。利用改进了代价(或称适应度值)计算方式的A*算法,能够实现考虑人工斥力场作用的路径搜索。
上述实施例采用加入了人工斥力场的距离代价函数作为改进的代价函数,减少碰撞可能性的同时加速计算收敛,保证了焊枪末端得到的最短可行路径长度和机器人与障碍物之间的安全距离,也能减少碰撞检测消耗的时间,从而提高计算效率,快速获得可行的路径。代价函数Cost(i)为改进的代价函数,g(xinit,xi)表示从阶段起点到第i个采样点的代价,包括了距离代价和斥力惩罚代价,h(xi,xgoal)是从第i个样本点到目标点的估计代价值,即dist(xi,xgoal)。如果有路径穿过人工斥力场,则取其所经过的所有斥力栅格的斥力值之和,对路径进行惩罚。这样增加了代价函数值,可控制算法选择具有较小代价的路径,使其远离障碍物。为方便计算,斥力场也用栅格法进行划分,距离障碍物不同的人工斥力场的斥力值也不同。如图3所示,在栅格化的工作空间中,无障碍物的栅格可定义为自由栅格,斥力值为0,有障碍物的栅格为障碍栅格,一组斥力栅格覆盖到一组障碍栅格的周围,斥力值的大小由内而外逐渐减小(如图3中,障碍栅格斥力值为3,相邻外层栅格斥力值为2,再向外栅格斥力值为1,逐层递减),具体数值及分布情况可根据实际需要设置。斥力栅格仍然属于自由栅格,但具有斥力值。
可选地,如图4所示,所述步骤C中,对每两个相邻过渡点构成的局部路径进行碰撞检测,进一步包括:
在两个过渡点构成的局部路径上,生成一个或多个检测点;
配置焊接机器人在过渡点及所述检测点的姿态;
对各过渡点及检测点,依次判断焊接机器人的模型与障碍物的模型是否无重叠,是则判定没有检测到碰撞事件,否则判定出现碰撞事件;
判定出现碰撞事件后,若为碰撞事件为焊接机器人的模型中焊枪与工件的模型出现重叠,则判为检测到焊枪与工件碰撞事件,否则判为检测到除焊枪与工件碰撞之外的碰撞事件。除焊枪与工件碰撞之外的碰撞事件,可能是机器人本体与障碍物碰撞,也可能是焊枪与非工件的其他障碍物碰撞,若采用带外部轴的焊接机器人,则还可能是机器人本体与外部轴碰撞。这些情况均通过搜索获得新的路径。
优选地,判断焊接机器人的模型与障碍物的模型是否无重叠,可在确定焊接机器人的位姿后,将点云形式的焊接机器人的模型栅格化,也即确定焊接机器人的模型在栅格化工作空间内所包含的栅格立方体,通过比较焊接机器人的模型所占栅格与障碍物的模型所占栅格是否无交集,即可快速判断焊接机器人的模型与障碍物的模型是否无重叠。
上述实施例中,配置焊接机器人在过渡点及所述检测点的姿态,可通过随机采样的方式,获得焊接机器人的三维姿态信息。判断焊接机器人的模型与障碍物的模型是否无重叠的方式,是将焊接机器人在该点位(即过渡点或检测点的位置上)的栅格顶点集合与障碍物的障碍空间栅格顶点集合进行比较,检查是否存在交集,若不存在交集,则表示当前的路径在该点位无碰撞,若存在交集,则表示机器人与障碍物之间产生了重叠区域,认为检测到碰撞事件。此时,如果判定焊枪与工件发生碰撞,会触发姿态调整策略,对路径进行微调,再重新返回碰撞检测阶段;否则将该局部路径两端的过渡点设为禁止通过点再重新规划可行路径,新的路径不应经过两个及以上禁止通过点。采用上述实施例可减少计算资源的浪费,提高碰撞检测的成功率和路径搜索的效率,仅在焊枪与工件之间的碰撞检测失败时,才采用焊枪姿态调整策略,而调整过程只在过渡路径搜索期间使用,不会影响焊接时的固定姿态和焊接质量。
可选地,所述基于碰撞事件中焊枪与工件碰撞的状态,调整焊接机器人位姿,继续对该局部路径进行碰撞检测,进一步包括:
基于焊接机器人的模型中焊枪与工件的模型重叠的区域,确定调整方向;
根据所述调整方向和预设的调整步长,以步进的方式调整出现碰撞事件的焊接机器人位姿,步进次数不超过预设阈值;
若调整后不再有重叠的区域,则根据调整后的焊接机器人位姿配置新的检测点,继续对该局部路径进行碰撞检测;
当步进次数达到预设阈值而仍有重叠的区域,则将该局部路径两端的过渡点设为禁止通过点,并返回步骤B,更新所述预选路径。
焊枪姿态调整策略的重点是找到合适的焊枪移动方向调整机器人的位置和姿态,上述实施例通过步进的方式微调焊接机器人的位姿,以消除碰撞事件,能够缩减碰撞检测的时间,提高碰撞检测的成功率。
可选地,所述基于焊接机器人的模型中焊枪与工件的模型重叠的区域,确定调整方向,进一步包括:
确定焊枪的中心点pgun和碰撞产生的重叠区域Pgrid,计算焊枪需要移动的有向合力F,表达式为:
其中,K表示碰撞产生的重叠区域包含的栅格立方体的总个数,pgrid,i表示碰撞产生的重叠区域内第i个栅格立方体的点位,Pgrid表示碰撞产生的重叠区域包含的栅格立方体的点集,pgun表示焊枪的中心点的点位;
基于有向合力F,确定调整方向,调整方向即为F/|F|,|F|表示F的模。
进一步地,所述根据所述调整方向和预设的调整步长,以步进的方式调整出现碰撞事件的焊接机器人位姿,步进次数不超过预设阈值,以表达式的形式表示为:
其中,sl表示预设的调整步长,可选与工作空间的栅格大小一致,p表示检测到碰撞事件的焊接机器人位姿,pnew表示调整后的焊接机器人位姿,t表示调整次数,也即步进次数,预设阈值可根据需要设置,如设为20,即t≤20,当调整次数超过预设阈值仍找不到合适的焊接机器人姿态,则重新搜索路径。
如图5所示,上述实施例在出现焊枪和工件碰撞事件后,根据碰撞的具体情况,逐步调整焊接机器人位姿,直至在该路径上找到新的无碰撞点位并继续碰撞检测,或者重新搜索路径。本发明采用的焊枪调整策略增加了通过碰撞检测的可能性,节省了计算资源与计算时间,效率更高,且拓展性强。
本发明提供了完整的焊接机器人路径规划方法,包括焊接环境建模、路径规划、碰撞检测及焊枪姿态调整,兼顾计算效率与路径质量,具有较高的效率和鲁棒性,灵活性强,适用于移动、弧焊、点焊等机器人的作业场景,本发明能够适应不同工件在任意位置处的实时路径规划,实现自动化与智能化生产,降低人力成本,并且,有效利用环境信息,可对规划出的路径进行细微调整,提高路径规划效率。本发明方案具有较强的搜索能力和较高的效率,能在较短的时间内规划处可行的较短的机器人路径,有效解决了不固定环境下的带外部轴的弧焊机器人无碰撞路径在线规划问题,在保证安全性的同时提高焊接效率和生产过程智能化。
本发明实施例还提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本发明任一实施例中的一种焊接机器人路径规划方法。
本发明实施例还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上存储有计算机程序,所述计算机程序在被处理器执行时,使所述处理器执行本发明任一实施例中的一种焊接机器人路径规划方法。
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例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。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、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。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且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,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由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模块中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,在本文中,诸如第一和第二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因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (10)
1.一种焊接机器人路径规划方法,其特征在于,包括:
建模得到仿真焊接环境;其中所述仿真焊接环境包括焊接机器人和各障碍物的模型,焊接机器人包括机器人本体和焊枪,障碍物包括待焊接的工件;
获取焊接要求,确定所有待规划的路径段及规划顺序;
按照规划顺序,对每个待规划的路径段执行如下步骤,完成延迟碰撞检测的路径规划:
A、在所述仿真焊接环境中,确定该路径段的阶段起点和目标点,通过采样法构建路线图;
B、搜索所述路线图,得到一条从所述阶段起点到所述目标点可通行且代价最小的路径,作为预选路径;
C、将所述预选路径离散为多个过渡点,按顺序对每两个相邻的过渡点之间的局部路径进行碰撞检测;
若在所有局部路径均没有检测到碰撞事件,则保留所述预选路径,完成该路径段的规划;
若在任一局部路径检测到焊枪与工件碰撞事件,则基于碰撞事件中焊枪与工件碰撞的状态,调整焊接机器人位姿,继续对该局部路径进行碰撞检测;
若在任一局部路径检测到除焊枪与工件碰撞之外的碰撞事件,则将该局部路径两端的过渡点设为禁止通过点,并返回步骤B,更新所述预选路径;
在完成所有路径段的规划之后,生成焊接机器人从焊接的起始点到终止点的完整路径。
2.根据权利要求1所述的焊接机器人路径规划方法,其特征在于,所述建模得到仿真焊接环境,包括:
获取焊接机器人和各障碍物的数模文件;
基于焊接机器人的数模文件,通过点云法进行建模,得到焊接机器人的模型;
基于各障碍物的数模文件,通过栅格法进行建模,得到相应的障碍物的模型;
将得到的所有模型统一到所述仿真焊接环境的坐标系下。
3.根据权利要求2所述的焊接机器人路径规划方法,其特征在于,所述建模得到仿真焊接环境,还包括:
在将得到的所有模型统一到所述仿真焊接环境的坐标系下之后,获取实际的焊接环境中各障碍物的位置;
根据获取的各障碍物的位置,修正所述仿真焊接环境中模型的位置。
4.根据权利要求1所述的焊接机器人路径规划方法,其特征在于,
所述步骤A中,通过采样法构建路线图,包括:
基于所述阶段起点和所述目标点构成的空间以及障碍物的模型外接空间,判断是否进行局部规划,是则进行低离散度采样,否则进行固定步长的均匀采样,得到对应的采样点;
连接得到的各采样点,构成所述路线图。
5.根据权利要求4所述的焊接机器人路径规划方法,其特征在于,
所述进行低离散度采样,包括:
基于所述阶段起点和所述目标点构成的空间以及障碍物的模型外接空间,计算任两个采样点之间的最小半径;
随机采样获取采样点并进行判断,判断获取的采样点相对于已有的采样点,是否满足任两个采样点之间的距离均大于所述最小半径,是则保留该采样点,否则删除该采样点;
重复所述随机采样获取采样点并进行判断的步骤,直至已有的采样点达到预设的目标采样点个数。
6.根据权利要求1所述的焊接机器人路径规划方法,其特征在于,
所述步骤B中,搜索所述路线图,得到一条从所述阶段起点到所述目标点可通行且代价最小的路径,包括:
在所述仿真焊接环境中建立人工斥力场;所述人工斥力场包括至少一组斥力栅格,每组斥力栅格以一个障碍物的模型为核心,由内层到外层,斥力值逐渐减小;
建立引入人工斥力场惩罚的代价函数;设路径中第i个采样点xi处的代价函数Cost(i)表达式为:
其中,dist(x,y)表示x和y两点之间的直线距离,x和y表示两点,sj表示从采样点xj-1到采样点xj之间路径所经过的斥力栅格的斥力值,μ是控制斥力缩放的惩罚参数,i≥2,x1表示阶段起点,xgoal表示目标点;
根据所述路线图,从阶段起点开始,扩展采样点直至目标点,生成可通行的路径;其中,扩展采样点的规则是从所有与上一个采样点相连的采样点中选择代价函数最小的进行扩展。
7.根据权利要求1所述的焊接机器人路径规划方法,其特征在于,
所述步骤C中,对每两个相邻过渡点构成的局部路径进行碰撞检测,包括:
在两个过渡点构成的局部路径上,生成一个或多个检测点;
配置焊接机器人在过渡点及所述检测点的姿态;
对各过渡点及检测点,依次判断焊接机器人的模型与障碍物的模型是否无重叠,是则判定没有检测到碰撞事件,否则判定出现碰撞事件;
判定出现碰撞事件后,若为碰撞事件为焊接机器人的模型中焊枪与工件的模型出现重叠,则判为检测到焊枪与工件碰撞事件,否则判为检测到除焊枪与工件碰撞之外的碰撞事件。
8.根据权利要求7所述的焊接机器人路径规划方法,其特征在于,
所述基于碰撞事件中焊枪与工件碰撞的状态,调整焊接机器人位姿,继续对该局部路径进行碰撞检测,包括:
基于焊接机器人的模型中焊枪与工件的模型重叠的区域,确定调整方向;
根据所述调整方向和预设的调整步长,以步进的方式调整出现碰撞事件的焊接机器人位姿,步进次数不超过预设阈值;
若调整后不再有重叠的区域,则根据调整后的焊接机器人位姿配置新的检测点,继续对该局部路径进行碰撞检测;
当步进次数达到预设阈值而仍有重叠的区域,则将该局部路径两端的过渡点设为禁止通过点,并返回步骤B,更新所述预选路径。
9.一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,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1-8中任一项所述的方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210581995.XA CN114924565A (zh) | 2022-05-26 | 2022-05-26 | 一种焊接机器人路径规划方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210581995.XA CN114924565A (zh) | 2022-05-26 | 2022-05-26 | 一种焊接机器人路径规划方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114924565A true CN114924565A (zh) | 2022-08-19 |
Family
ID=82809689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210581995.XA Pending CN114924565A (zh) | 2022-05-26 | 2022-05-26 | 一种焊接机器人路径规划方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114924565A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115229772A (zh) * | 2022-08-23 | 2022-10-25 | 深圳市越疆科技有限公司 | 机器人及其控制方法、装置、设备、存储介质、机械臂 |
-
2022
- 2022-05-26 CN CN202210581995.XA patent/CN114924565A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115229772A (zh) * | 2022-08-23 | 2022-10-25 | 深圳市越疆科技有限公司 | 机器人及其控制方法、装置、设备、存储介质、机械臂 |
CN115229772B (zh) * | 2022-08-23 | 2023-07-18 | 深圳市越疆科技股份有限公司 | 机器人及其控制方法、装置、设备、存储介质、机械臂 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109764886B (zh) | 一种路径规划方法 | |
CN106166750B (zh) | 一种改进型d*机械臂动态避障路径规划方法 | |
CN110231824B (zh) | 基于直线偏离度方法的智能体路径规划方法 | |
CN111515503B (zh) | 一种弧焊机器人无碰撞路径规划方法 | |
CN111780777A (zh) | 一种基于改进a*算法和深度强化学习的无人车路径规划方法 | |
CN112985408B (zh) | 一种路径规划优化方法及*** | |
CN110887484A (zh) | 基于改进遗传算法的移动机器人路径规划方法及存储介质 | |
CN105955262A (zh) | 一种基于栅格地图的移动机器人实时分层路径规划方法 | |
Sudhakara et al. | Trajectory planning of a mobile robot using enhanced A-star algorithm | |
CN112068588A (zh) | 一种基于飞行走廊和贝塞尔曲线的无人飞行器轨迹生成方法 | |
CN114510057A (zh) | 一种室内环境中基于ros的移动机器人自主导航方法 | |
CN112539750B (zh) | 一种智能运输车路径规划方法 | |
CN112486178A (zh) | 一种基于有向d*算法的动态路径规划方法 | |
CN114924565A (zh) | 一种焊接机器人路径规划方法、电子设备及存储介质 | |
CN115933671A (zh) | 基于mbesp优化的agv路径规划与自主避障方法 | |
CN112947486A (zh) | 移动机器人的路径规划方法、芯片及移动机器人 | |
CN114281084A (zh) | 一种基于改进a*算法的智能车全局路径规划方法 | |
CN117124335B (zh) | 一种基于路径标记回溯策略的改进式rrt路径规划方法 | |
CN114596360A (zh) | 一种基于图拓扑的双阶段主动即时定位与建图算法 | |
CN113467445A (zh) | 一种基于视觉与路径规划的四足机器人摆动腿避障方法 | |
CN117739985A (zh) | 一种基于改进a*算法与粒子群算法的多目标点路径规划方法 | |
CN110849385B (zh) | 基于双层启发搜索共轭梯度下降的轨迹规划方法及*** | |
CN117075607A (zh) | 一种适用于复杂环境的改进jps的无人车路径规划方法 | |
CN116518978A (zh) | 一种机器人的路径规划方法、装置、设备和存储介质 | |
CN116619381A (zh) | 一种工业机器人避障路径规划方法 |
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 |