CN116922398A - 一种绳索机器人及其路径规划方法和装置 - Google Patents
一种绳索机器人及其路径规划方法和装置 Download PDFInfo
- Publication number
- CN116922398A CN116922398A CN202311189379.0A CN202311189379A CN116922398A CN 116922398 A CN116922398 A CN 116922398A CN 202311189379 A CN202311189379 A CN 202311189379A CN 116922398 A CN116922398 A CN 116922398A
- Authority
- CN
- China
- Prior art keywords
- path
- rope robot
- speed
- rope
- generating
- 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 59
- 230000001133 acceleration Effects 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000009499 grossing Methods 0.000 claims abstract description 9
- 230000036461 convulsion Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 230000002035 prolonged effect Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000031427 Foetal heart rate deceleration Diseases 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
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
- B25J9/1656—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
-
- 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
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种绳索机器人及其路径规划方法和装置,获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,根据所述地图信息更新所述绳索机器人的工作空间;根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径;对所述最优路径进行平滑处理,以生成平滑路径;根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果;融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径,旨在作业要求下以安全无碰撞、平稳运行和最短时间为目标,生成最优路径,提高吊装操作的效率和安全性。
Description
技术领域
本发明涉及路径规划领域,特别涉及一种绳索机器人及其路径规划方法和装置。
背景技术
随着科技的不断进步和人们对工作效率的追求,自动化技术在各个领域发挥着重要作用。其中,搬运领域一直是工业生产中不可或缺的一环。然而,传统的搬运方式存在劳动强度大、效率低下等问题,因此,自动化开始在搬运领域得到应用。
绳索机器人以其独特的设计和先进的技术,为搬运领域带来了前所未有的突破和改进。它具有多项显著优势。首先,绳索机器人的设计灵活多变,可以根据不同工作场景个性化定制,以满足各类搬运需求。其次,绳索机器人采用了先进的感知技术和智能算法,能够实时感知周围环境、分析任务需求,并做出高效的决策,大幅提升搬运效率。此外,绳索机器人还具备高承重能力和稳定性,能够安全可靠地完成各类重型货物的搬运工作。因此,对于绳索机器人的研究越来越重要。
在绳索机器人的搬运任务中,轨迹规划是一项关键任务,规划出的轨迹质量直接影响后续控制效果。然而,传统的路径规划方法通常采用曲线拟合,将速度与路径紧密耦合,这使得速度规划难以综合考虑路径、时间和稳定性因素,导致效率较低。
有鉴于此,提出本申请。
发明内容
本发明公开了一种绳索机器人及其路径规划方法和装置,旨在使用将路径规划与速度规划先解耦,单独规划后,再耦合的方式,生成最优的轨迹,以提高吊装操作的效率和安全性。
本发明第一实施例提供了一种绳索机器人的路径规划方法,包括:
获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,其中,所述地图信息包括障碍物的位置和形状;
根据所述地图信息更新所述绳索机器人的工作空间;
根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径;
对所述最优路径进行平滑处理,以生成平滑路径;
根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果;
融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径。
优选地,所述获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,具体为:
配置栅格大小,将空间划分成多个小空间;
建立一个三维数组,接收智能感知装置发送过来的障碍物位置信息,并根据所述障碍物位置信息,调整三维数组位置的值,生成绳索机器人所处环境的地图信息。
优选地,所述根据所述地图信息更新所述绳索机器人的工作空间,具体为:
配置所述绳索机器人的滑轮的三个位置坐标分别为A1(x1,y1,z1),A2(x2,y2,z2),A3(x3,y3,z3),分别以A1、A2、A3为起点,连接所有障碍物,并延长线段直至接触地板,并将延长线段所经过位置的数值设置为1。
遍历所有障碍物,将障碍物下方的格子所代表的数组位置的数值改成1,生成绳索机器人的工作空间。
优选地,所述根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径,具体为:
使用跳点搜索算法生成n个次优轨迹节点,从轨迹节点的最后一点开始判断,首先判断Pn与Pn-2之间是否有障碍物,其判断方法为:以Pn与Pn-2为节点,生成Pn与Pn-2为节点的线段函数,以单元栅格大小递进,遍历线段中的每一点,判断该点所在的栅格空间是否有障碍物;
在判断到Pn与Pn-2之间不存在障碍物,从轨迹节点中删除Pn-1节点。继续判断Pn与Pn-3之间是否有障碍物;
在判断到Pn与Pn-2之间存在障碍物,停止判断Pn,开始判断Pn-1与Pn-3之间是否有障碍物;
重复以上的步骤,直至将所有多余的点删除,生成所述绳索机器人在所述工作空间内生成从起始位置到目标位置的最优路径。
优选地,所述根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果,具体为:
计算被分割的平滑路径中每个小线段的长度,并将所述每个小线段的长度相加,得到整个曲线长度;
获取绳索机器人的速度信息,并基于所述速度信息和所述曲线长度确定匀加速段、匀减速段、变减速段、变加速段和匀速段,其中,所述速度信息包括速度上限、加速度上限、加加速度、初始速度、加速度、以及终点速度;
根据匀加速段和匀速段的时间和参数,生成时间数组;
根据所述时间数组的取值范围,分别计算在不同阶段的位移、速度、加速度和加加速度,并将其添加到对应的数组中。
优选地,所述融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径,具体为:
建立一个新的轨迹列表用于存放融合轨迹;
根据时间数组,取出第一个时间值,计算其对应的速度、加速度、加加速度和路程长度;
根据所述路程长度与曲线的轨迹长度列表做匹配对比,在判断到路程长度存在于曲线长度列表中,获取所述路程长度代表的在原曲线位置的坐标,并根据所述原曲线位置的坐标与速度、加速度、加加速度融合组成第一轨迹信息,将所述第一轨迹信息配置在所述新的轨迹列表内;
在判断到路程长度不存在于曲线长度列表中,获取原曲线中与所述路程长度差距最小的两个路径值所代表的两个节点坐标,以这两个节点为端点构造一条线段,计算所述路程长度与较小的节点坐标所差的数值,在所构造的线段中取所述所差的数值所对应的点,计算所差的数值所对应的点的坐标,将所述所差的数值所对应的点的坐标与、速度、加速度、加加速度融合组成第一轨迹信息,将所述第一轨迹信息配置在所述新的轨迹列表内;
按照时间数组的顺序,将所有点的融合轨迹点一一确定,生成所述绳索机器人的执行路径。
本发明第二实施例提供了一种绳索机器人的路径规划装置,包括:
地图信息生成单元,用于获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,其中,所述地图信息包括障碍物的位置和形状;
工作空间更新单元,用于根据所述地图信息更新所述绳索机器人的工作空间;
最优路径生成单元,用于根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径;
平滑路径生成单元,用于对所述最优路径进行平滑处理,以生成平滑路径;
速度规划结果生成单元,用于根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果;
执行路径生成单元,用于融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径。
本发明第三实施例提供了一种绳索机器人,包括存储器以及处理器,所述存储器内存储有计算机程序,所述计算机程序能够被所述处理器执行,以实现如上任意一项所述的一种绳索机器人的路径规划方法。
基于本发明提供的一种绳索机器人及其路径规划方法和装置,获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,接着,根据所述地图信息更新所述绳索机器人的工作空间;再接着,根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径;再接着,对所述最优路径进行平滑处理,以生成平滑路径;再接着,根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果;最后,融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径,旨在作业要求下以安全无碰撞、平稳运行和最短时间为目标,生成最优路径,提高吊装操作的效率和安全性。
附图说明
图1是本发明第一实施例提供的一种绳索机器人的路径规划方法的流程示意图;
图2是本发明提供的路径重规划流程示意图;
图3是本发明提供的速度规划流程示意图;
图4是本发明提供的插值匹配法的流程示意图;
图5是本发明第二实施例提供的一种绳索机器人的路径规划装置的模块示意图。
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。
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例中提及的“第一\第二”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换,以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
以下结合附图对本发明的具体实施例做详细说明。
本发明公开了一种绳索机器人及其路径规划方法和装置,旨在作业要求下以安全无碰撞、平稳运行和最短时间为目标,生成最优路径,提高吊装操作的效率和安全性。
本发明第一实施例提供了一种绳索机器人的路径规划方法,其可由绳索机器人来执行,特别的,由所述绳索机器人内的一个或者多个处理器来执行,以实现如下步骤:
S101,获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,其中,所述地图信息包括障碍物的位置和形状;
需要说明的是,所述智能感知装置可以包括摄像头和视觉传感器、激光雷达、超声波传感器、以及红外传感器中的一种或多种,具体地,在本实施例中,可以通过以下方式来构建地图:
设置合适的栅格大小,将空间划分成多个小空间。在三维空间中,由于空间节点比较多,导致后续的路径搜索计算量比较大,因此需要提前增大栅格大小,降低节点数量,从而降低计算量。
建立一个三维数组,三个维度分别为xyz,分别代表三维空间的三个方向,每个点代表一个栅格,将里面的值全部设置为0,代表暂时没有障碍物。
然后接收感知模块发送过来的障碍物位置信息,依据该信息,将其代表的三维数组位置的值从0改成1,代表该位置被障碍物占据。
则在这个三维数组中,xyz代表空间坐标,0和1代表该空间的状态,0代表无障碍物,1代表有障碍物。
S102,根据所述地图信息更新所述绳索机器人的工作空间;
需要说明的是,由于绳索机器人的工作空间受到绳索的限制,在工作过程中为了避免绳索缠绕到障碍物上,需要在环境地图的基础上更新可工作空间,只有在可工作空间内移动,绳索才不会触碰到障碍物。具体步骤如下:
配置滑轮的三个位置坐标分别为A1(x1,y1,z1),A2(x2,y2,z2),A3(x3,y3,z3),分别以A1、A2、A3为起点,连接所有障碍物,并延长线段直到碰到地板。并将所经过的位置的数组值设置为1。因为绳索无法穿过障碍物,所以通过提前将穿过的情况的空间位置设置为1,避免后续规划的时候选取到该位置,从而使后续的规划都可以不用考虑绳索问题。
遍历所有障碍物,将其下方的格子所代表的数组位置的数值改成1。因为绳索无法从障碍物下方经过,所以必须将障碍物下方的位置也视为有障碍物;
通过以上步骤,提前将绳索无法到达的位置设置为1,避免规划的时候选取到。
S103,根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径;
在本实施例中,根据地图信息和目标位置,找到机器人从起点到终点的最优路径节点。根据地图的特性和机器人的运动能力,计算出最短路径或者满足特定约束条件的路径。在路径规划过程中,需要考虑障碍物的位置和机器人的动态特性,确保路径的安全性和可行性。具体步骤如下,请结合图2:
使用跳点搜索算法生成n个次优轨迹节点,设轨迹节点为[P1,P2,P3......Pn]。从轨迹节点的最后一点开始判断,首先判断Pn与Pn-2之间是否有障碍物,判断的方法是,以Pn与Pn-2为节点,写出线段函数,然后以单元栅格大小递进,遍历线段中的每一点,判断该点所在的栅格空间是否有障碍物,如果有,则代表Pn与Pn-2之间有障碍物,反之,没有。
如果Pn与Pn-2之间没有障碍物,则代表Pn-1是多余的点,可以删除,将其从轨迹节点中删除。然后判断Pn与Pn-3之间是否有障碍物,判断方法同上。
如果Pn与Pn-2之间有障碍物,则代表Pn-1是必不可少的一点,不能删除。然后停止判断Pn,开始判断Pn-1与Pn-3之间是否有障碍物。
重复以上的循环,直到将所有多余的点删除,此时我们获得了最优的无碰撞路径阶段。
S104,对所述最优路径进行平滑处理,以生成平滑路径;
需要说明的是,根据路径规划结果确定平滑路径。为实现平滑的运动,需要使用轨迹平滑算法对轨迹进行平滑处理。调整轨迹的形状,使得机器人在吊装过程中的运动更加平滑。具体步骤如下:
依据最优路径节点,使用插值方法或者拟合方法。在最优路径节点之间生成更多的节点,使所有路径节点组成的路径更平滑,更拟合曲线。这一步使用任意一种生成节点的插值或者拟合方法都可以,比如b样条拟合、五次多项式等,本实施例使用的是b样条曲线。
S105,根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果;
需要说明的是,根据路径平滑结果,确定机器人在运动过程中的速度变化规律。速度规划需要考虑机器人的加速度、减速度以及舒适度等因素,以保证机器人运动平稳且符合物理限制。请结合图3,具体步骤如下:
最优路径节点自然而然把路径分割成多个小线段,计算每个小线段的长度:可以使用两点之间的距离公式(例如欧几里得距离)来计算长度。
将每个小线段的长度相加:将所有小线段的长度相加,得到整个曲线的长度L。这种方法可以用于近似计算曲线的长度,当小线段越小,计算结果越精确。如果需要更高的精度,可以***更多节点,以增加小线段的数量。
依据机器人的特性选择合适的速度上限Vmax、加速度上限Amax和加加速度Jmax。
输入机器人的初始速度、加速度、终点速度。
根据初始速度和终点速度,还有当前加速度最大加速度等判断,是否只存在加速段或者只存在减速段,或者同时存在两种。如果只存在一种,就直接计算参数。如果存在两种,就执行下一步。
根据给定的最大速度Vmax和加加速度Jmax计算T1 = Amax/Jmax。
根据给定的最大速度Vmax和初始速度Vs,使用公式:(Vmax-Vs)/Amax>Amax/Jmax判断是否存在匀加速段T2。有的话计算该段时间。T2 =(Vmax-Vs)/Amax - Amax/Jmax
根据给定的最大速度Vmax和加加速度Jmax计算T3 = Amax/Jmax。
根据给定的最大速度Vmax和加加速度Jmax计算T5 = Amax/Jmax。
根据给定的最大速度Vmax和末速度Ve,使用公式:(Vmax-Ve)/Amax>Amax/Jmax 判断是否存在匀减速段T6和变减速段T7。有的话计算该段时间,T6 =(Vmax-Ve)/Amax -Amax/Jmax。T7 =Amax/Jmax。
根据计算上述确认的分段的总路长,S=L1+L2+L3+L5+L6+L7,对比曲线的长度L,判断S<L,是的话存在匀速段T4。计算该段时间T4=(L-S)/Vmax。
根据匀加速段和匀速段的时间和参数,计算总时间T=T1+T2+T3+T4+T5+T6+T7,并生成时间数组t。
根据时间t的取值范围,分别计算在不同阶段的位移q、速度v、加速度a和加加速度j,并将其添加到对应的数组中。
S106,融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径。
需要说明的是,在本实施例中将轨迹规划结果和速度规划结果进行融合。由于速度规划的点位密度更高,与轨迹规划的点位不一致,所以需要以速度规划结果的序列对轨迹规划结果进行插值处理再进行融合。请结合图4,具体步骤如下:
①输入平滑轨迹[P1,P2,P3,、、、,Px]、速度规划的四组数据、控制频率f、总时间T;
②依据平滑轨迹[P1,P2,P3,、、、,Px]计算节点总数X;设L总=0,i=2,t=1,计算控制次数N=T*f;
③建立新列表list_L=[],用于存放路程数据,建立list用于存放融合轨迹;
④判断:当i小于X的时候,计算Pi和Pi-1的距离Li;
⑤计算L总=L总+Li,将L总添加到列表list_L中;
⑥i=i+1;
⑦继续回到步骤④,执行循环,直到遍历完所有节点,输出列表list_L
⑧判断:当t小于N的时候,开始插值匹配;
⑨如果Pt不存在于list_L中,则使用插值法,计算匹配点坐标;如果Pt存在于list_L中,则直接将Pt用于下个步骤使用。
⑩将当前t时刻对应的速度规划信息v、a、j等与步骤⑨得到的坐标信息数据组合,形成[坐标,速度,加速度,加加速度]的融合轨迹信息,将改轨迹信息加入到list中;
循环上述步骤⑧⑨⑩,直到轨迹信息融合完成,输出融合轨迹信息。
请参阅图5,本发明第二实施例提供了一种绳索机器人的路径规划装置,包括:
地图信息生成单元201,用于获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,其中,所述地图信息包括障碍物的位置和形状;
工作空间更新单元202,用于根据所述地图信息更新所述绳索机器人的工作空间;
最优路径生成单元203,用于根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径;
平滑路径生成单元204,用于对所述最优路径进行平滑处理,以生成平滑路径;
速度规划结果生成单元205,用于根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果;
执行路径生成单元206,用于融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径。
本发明第三实施例提供了一种绳索机器人,包括存储器以及处理器,所述存储器内存储有计算机程序,所述计算机程序能够被所述处理器执行,以实现如上任意一项所述的一种绳索机器人的路径规划方法。
基于本发明提供的一种绳索机器人及其路径规划方法和装置,获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,接着,根据所述地图信息更新所述绳索机器人的工作空间;再接着,根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径;再接着,对所述最优路径进行平滑处理,以生成平滑路径;再接着,根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果;最后,融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径,旨在作业要求下以安全无碰撞、平稳运行和最短时间为目标,生成最优路径,提高吊装操作的效率和安全性。
示例性地,本发明第三实施例和第四实施例中所述的计算机程序可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块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在所述实现一种绳索机器人中的执行过程。例如,本发明第二实施例中所述的装置。
所称处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,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,所述处理器是所述一种绳索机器人的路径规划方法方法的控制中心,利用各种接口和线路连接整个所述实现对一种绳索机器人的路径规划方法的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现一种绳索机器人的路径规划方法的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘、智能存储卡(SmartMediaCard,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述实现的模块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,本发明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个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-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种绳索机器人的路径规划方法,其特征在于,包括:
获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,其中,所述地图信息包括障碍物的位置和形状;
根据所述地图信息更新所述绳索机器人的工作空间;
根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径;
对所述最优路径进行平滑处理,以生成平滑路径;
根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果;
融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径。
2.根据权利要求1所述的一种绳索机器人的路径规划方法,其特征在于,所述获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,具体为:
配置栅格大小,将空间划分成多个小空间;
建立一个三维数组,接收智能感知装置发送过来的障碍物位置信息,并根据所述障碍物位置信息,调整三维数组位置的值,生成绳索机器人所处环境的地图信息。
3.根据权利要求1所述的一种绳索机器人的路径规划方法,其特征在于,所述根据所述地图信息更新所述绳索机器人的工作空间,具体为:
配置所述绳索机器人的滑轮的三个位置坐标分别为A1(x1,y1,z1),A2(x2,y2,z2),A3(x3,y3,z3),分别以A1、A2、A3为起点,连接所有障碍物,并延长线段直至接触地板,并将延长线段所经过位置的数值设置为1;
遍历所有障碍物,将障碍物下方的格子所代表的数组位置的数值改成1,生成绳索机器人的工作空间。
4.根据权利要求1所述的一种绳索机器人的路径规划方法,其特征在于,所述根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径,具体为:
使用跳点搜索算法生成n个次优轨迹节点,从轨迹节点的最后一点开始判断,首先判断Pn与Pn-2之间是否有障碍物,其判断方法为:以Pn与Pn-2为节点,生成Pn与Pn-2为节点的线段函数,以单元栅格大小递进,遍历线段中的每一点,判断该点所在的栅格空间是否有障碍物;
在判断到Pn与Pn-2之间不存在障碍物,从轨迹节点中删除Pn-1节点;继续判断Pn与Pn-3之间是否有障碍物;
在判断到Pn与Pn-2之间存在障碍物,停止判断Pn,开始判断Pn-1与Pn-3之间是否有障碍物;
重复以上的步骤,直至将所有多余的点删除,生成所述绳索机器人在所述工作空间内生成从起始位置到目标位置的最优路径。
5.根据权利要求1所述的一种绳索机器人的路径规划方法,其特征在于,所述根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果,具体为:
计算被分割的平滑路径中每个小线段的长度,并将所述每个小线段的长度相加,得到整个曲线长度;
获取绳索机器人的速度信息,并基于所述速度信息和所述曲线长度确定匀加速段、匀减速段、变减速段、变加速段和匀速段,其中,所述速度信息包括速度上限、加速度上限、加加速度、初始速度、加速度、以及终点速度;
根据匀加速段和匀速段的时间和参数,生成时间数组;
根据所述时间数组的取值范围,分别计算在不同阶段的位移、速度、加速度和加加速度,并将其添加到对应的数组中。
6.根据权利要求1所述的一种绳索机器人的路径规划方法,其特征在于,所述融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径,具体为:
建立一个新的轨迹列表用于存放融合轨迹;
根据时间数组,取出第一个时间值,计算其对应的速度、加速度、加加速度和路程长度;
根据所述路程长度与曲线的轨迹长度列表做匹配对比,在判断到路程长度存在于曲线长度列表中,获取所述路程长度代表的在原曲线位置的坐标,并根据所述原曲线位置的坐标与速度、加速度、加加速度融合组成第一轨迹信息,将所述第一轨迹信息配置在所述新的轨迹列表内;
在判断到路程长度不存在于曲线长度列表中,获取原曲线中与所述路程长度差距最小的两个路径值所代表的两个节点坐标,以这两个节点为端点构造一条线段,计算所述路程长度与较小的节点坐标所差的数值,在所构造的线段中取所述所差的数值所对应的点,计算所差的数值所对应的点的坐标,将所述所差的数值所对应的点的坐标与速度、加速度、加加速度融合组成第一轨迹信息,将所述第一轨迹信息配置在所述新的轨迹列表内;
按照时间数组的顺序,将所有点的融合轨迹点一一确定,生成所述绳索机器人的执行路径。
7.一种绳索机器人的路径规划装置,其特征在于,包括:
地图信息生成单元,用于获取由智能感知装置采集到的环境信息,并基于所述环境信息生成绳索机器人所处环境的地图信息,其中,所述地图信息包括障碍物的位置和形状;
工作空间更新单元,用于根据所述地图信息更新所述绳索机器人的工作空间;
最优路径生成单元,用于根据所述绳索机器人的运动特性和所述地图信息,在所述工作空间内生成从起始位置到目标位置的最优路径;
平滑路径生成单元,用于对所述最优路径进行平滑处理,以生成平滑路径;
速度规划结果生成单元,用于根据所述平滑路径和所述绳索机器人在运动过程中的加速度、减速度、以及舒适度生成速度规划结果;
执行路径生成单元,用于融合所述平滑路径和所述速度规划结果,生成所述绳索机器人的执行路径。
8.一种绳索机器人,其特征在于,包括存储器以及处理器,所述存储器内存储有计算机程序,所述计算机程序能够被所述处理器执行,以实现如权利要求1至6任意一项所述的一种绳索机器人的路径规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311189379.0A CN116922398B (zh) | 2023-09-15 | 2023-09-15 | 一种绳索机器人及其路径规划方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311189379.0A CN116922398B (zh) | 2023-09-15 | 2023-09-15 | 一种绳索机器人及其路径规划方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116922398A true CN116922398A (zh) | 2023-10-24 |
CN116922398B CN116922398B (zh) | 2023-12-22 |
Family
ID=88382939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311189379.0A Active CN116922398B (zh) | 2023-09-15 | 2023-09-15 | 一种绳索机器人及其路径规划方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116922398B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118143950A (zh) * | 2024-04-16 | 2024-06-07 | 江苏宁昆机器人智能科技有限公司 | 基于高级感知的工业机器人精准作业方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4769583A (en) * | 1987-05-01 | 1988-09-06 | General Motors Corporation | Motion control system with minimum time path generation |
CN108415428A (zh) * | 2018-02-11 | 2018-08-17 | 上海弗徕威智能科技有限公司 | 一种移动机器人的全局路径优化方法 |
CN110576437A (zh) * | 2018-06-08 | 2019-12-17 | 丰田自动车株式会社 | 动作计划装置及动作计划方法 |
CN111610786A (zh) * | 2020-05-28 | 2020-09-01 | 沈阳理工大学 | 基于改进rrt算法的移动机器人路径规划方法 |
CN112731916A (zh) * | 2020-10-22 | 2021-04-30 | 福建工程学院 | 融合跳点搜索法和动态窗口法的全局动态路径规划方法 |
GB202105342D0 (en) * | 2020-03-09 | 2021-05-26 | Univ Jiangsu | Not published |
CN113703462A (zh) * | 2021-09-02 | 2021-11-26 | 东北大学 | 一种基于四足机器人的未知空间自主探索*** |
CN113721622A (zh) * | 2021-08-31 | 2021-11-30 | 安徽工业大学 | 一种机器人路径规划方法 |
CN114367964A (zh) * | 2022-03-22 | 2022-04-19 | 中国科学技术大学 | 一种绳索牵引并联机器人重构规划方法 |
CN116449826A (zh) * | 2023-03-24 | 2023-07-18 | 同济大学 | 基于路径平滑和双向跳点搜索的移动机器人路径规划方法 |
WO2023155371A1 (zh) * | 2022-02-21 | 2023-08-24 | 上海机器人产业技术研究院有限公司 | 室内移动机器人的平稳移动全局路径规划方法 |
-
2023
- 2023-09-15 CN CN202311189379.0A patent/CN116922398B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4769583A (en) * | 1987-05-01 | 1988-09-06 | General Motors Corporation | Motion control system with minimum time path generation |
CN108415428A (zh) * | 2018-02-11 | 2018-08-17 | 上海弗徕威智能科技有限公司 | 一种移动机器人的全局路径优化方法 |
CN110576437A (zh) * | 2018-06-08 | 2019-12-17 | 丰田自动车株式会社 | 动作计划装置及动作计划方法 |
GB202105342D0 (en) * | 2020-03-09 | 2021-05-26 | Univ Jiangsu | Not published |
CN111610786A (zh) * | 2020-05-28 | 2020-09-01 | 沈阳理工大学 | 基于改进rrt算法的移动机器人路径规划方法 |
CN112731916A (zh) * | 2020-10-22 | 2021-04-30 | 福建工程学院 | 融合跳点搜索法和动态窗口法的全局动态路径规划方法 |
CN113721622A (zh) * | 2021-08-31 | 2021-11-30 | 安徽工业大学 | 一种机器人路径规划方法 |
CN113703462A (zh) * | 2021-09-02 | 2021-11-26 | 东北大学 | 一种基于四足机器人的未知空间自主探索*** |
WO2023155371A1 (zh) * | 2022-02-21 | 2023-08-24 | 上海机器人产业技术研究院有限公司 | 室内移动机器人的平稳移动全局路径规划方法 |
CN114367964A (zh) * | 2022-03-22 | 2022-04-19 | 中国科学技术大学 | 一种绳索牵引并联机器人重构规划方法 |
CN116449826A (zh) * | 2023-03-24 | 2023-07-18 | 同济大学 | 基于路径平滑和双向跳点搜索的移动机器人路径规划方法 |
Non-Patent Citations (2)
Title |
---|
张春晖 林添良等: "自动驾驶工程机械的路径规划与运动控制", 2022中国自动化大会论文集 * |
张楠: "绳索机器人的运动规划研究", 中国博士学位论文全文数据库(电子期刊), pages 11 - 12 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118143950A (zh) * | 2024-04-16 | 2024-06-07 | 江苏宁昆机器人智能科技有限公司 | 基于高级感知的工业机器人精准作业方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116922398B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116922398B (zh) | 一种绳索机器人及其路径规划方法和装置 | |
CN113085850B (zh) | 车辆避障方法、装置、电子设备及存储介质 | |
CN103941647B (zh) | 用于嵌入式数控设备的柔性加减速控制插补方法 | |
CN104793560A (zh) | 用于生成轨迹的方法和*** | |
CN111390902B (zh) | 轨迹规划方法、轨迹规划装置、设备和存储介质 | |
Alatartsev et al. | On optimizing a sequence of robotic tasks | |
JP5165159B2 (ja) | 数値制御プログラミング方法、数値制御プログラミング装置、プログラム、及び数値制御装置 | |
CN107817763A (zh) | 一种运动轨迹控制方法、装置、激光打标机及存储介质 | |
CN113867347A (zh) | 机器人路径规划方法、装置、管理***及计算机存储介质 | |
CN116700298B (zh) | 路径规划方法、***、设备及存储介质 | |
CN112344945A (zh) | 室内配送机器人路径规划方法、***及室内配送机器人 | |
CN112129296A (zh) | 一种机器人轨迹规划方法及*** | |
CN115922687A (zh) | 一种基于s形速度曲线的运动轨迹规划方法及装置 | |
CN114690787A (zh) | 一种多移动机器人路径规划方法、***、计算机设备及存储介质 | |
JP2001255917A (ja) | 数値制御装置 | |
Azab et al. | Optimal sequencing of machining operations for changeable manufacturing | |
CN114986501A (zh) | 一种机械臂路径规划方法、***及机械臂 | |
CN115388889A (zh) | 路径规划方法及装置 | |
Abi-Char et al. | A collision-free path planning algorithm for non-complex ASRS using heuristic functions | |
CN115507858B (zh) | 单机器人、多机器人行驶路径导航方法 | |
CN111912407B (zh) | 一种多机器人***的路径规划方法 | |
CN114035513B (zh) | S形速度曲线前瞻规划方法和装置、存储介质和计算设备 | |
CN115319752A (zh) | 一种路径指令的叠加规划方法 | |
JP2009032185A (ja) | 移動経路取得装置 | |
CN116787448A (zh) | 一种轨迹插补方法、装置、计算机设备和存储介质 |
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 |