CN117762149B - 一种捞渣机器人控制方法、装置、设备及介质 - Google Patents
一种捞渣机器人控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117762149B CN117762149B CN202410194636.8A CN202410194636A CN117762149B CN 117762149 B CN117762149 B CN 117762149B CN 202410194636 A CN202410194636 A CN 202410194636A CN 117762149 B CN117762149 B CN 117762149B
- Authority
- CN
- China
- Prior art keywords
- path
- node
- point
- slag dragging
- starting 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
- 239000002893 slag Substances 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000003860 storage Methods 0.000 claims description 10
- 230000004888 barrier function Effects 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000001931 thermography Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000003638 chemical reducing agent Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000012636 effector Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000009776 industrial production Methods 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
- 238000005457 optimization Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本公开涉及一种捞渣机器人控制方法、装置、设备及介质，涉及智能控制技术领域，该方法包括：捞渣路径策略生成器获取环境信息，在路径起始点和终止点之间生成初始避障路径；捞渣路径效应评价器根据路径长度、覆盖率和平滑度评价指标对初始避障路径进行评分，并对所述指标设置不同的权重；如果评分达到预设值，生成目标路径；否则，重复初始步骤，直至评分达到预设值；对目标路径采用动态窗口处理，从而生成光滑且连续的运动轨迹。通过采用上述方案，能够实现捞渣机器人的智能控制和精确路径规划，从而确保工作结果的安全性和准确性。
Description
技术领域
本公开涉及智能控制技术领域，具体涉及一种捞渣机器人控制方法、装置、设备及介质。
背景技术
捞渣机器人是现代工业生产中的重要辅助设备，可以在高温、高压、恶劣环境中实现高效、低成本的作业。
传统的捞渣机器人主要采用以下两类运动控制方法：
1.预先设置固定重复路径
这种方法需要手动确定捞渣机器人的作业区域以及多条平行覆盖的重复路径，路径中包含大量路点的坐标信息。在执行任务时，机器人沿路径按顺序依次访问这些点完成对指定区域的重复遍历。
这类固定轨迹规划设置简单，但是只能处理规则矩形的小范围区域，对复杂地形的适应性差。且重复路径多余操作大，效率低下。
2.远程操控
通过人工远程遥控的方式，使用摄像头视觉反馈来手动控制机器人的运动轨迹。这需要专人值守操作，劳动强度大；同时由于视角限制，难以实现对全区域的跟踪管控。
现有技术中，捞渣机器人运动控制大多需要人工支撑，且效率有限，无法实现捞渣机器人的智能控制和路径规划，亟待突破与优化。
发明内容
本公开提供一种捞渣机器人控制方法、装置、设备及介质，用以实现捞渣机器人智能控制和路径规划的方法。
第一方面，本公开提供一种捞渣机器人控制方法，包括：
步骤1：捞渣路径策略生成器获取环境信息，在路径起始点和终止点之间生成初始避障路径；所述生成初始避障路径包括：
获取捞渣机器人的起始点和终止点；
建立以起始点和终止点为直径的圆，并以所述直径将圆划分为两个半圆；
分别计算两个半圆内的障碍物密集度；
以起始点为原始节点生成节点树：首先在障碍物密集度较小的半圆内以预设角度生成一个随机节点，在已知节点中找到离随机节点最近的节点作为临近节点，连接随机节点和临近节点生成圆滑曲线，在该圆滑曲线上以随机节点为起始点，选取指定长度处的节点为新节点加入到节点树；
同时以终止点为原始节点生成同样的节点树，直至分别以起始点和终止点为原始节点的两棵节点树的节点相连；
步骤2：捞渣路径效应评价器根据路径长度、覆盖率和平滑度评价指标对初始避障路径进行评分，并对所述指标设置不同的权重；
步骤3：如果评分达到预设值，生成目标路径；否则，重复步骤1，直至评分达到预设值；
步骤4：对目标路径采用动态窗口处理，从而生成光滑且连续的运动轨迹。
根据本公开提供的捞渣机器人控制方法，生成初始避障路径还包括节点压缩：
分别计算以起始点和终止点为原始节点生成的两棵节点树的深度，将深度较小的树合并到深度较大的树中；
和/或，
当分别以起始点和终止点为原始节点的两棵节点树的节点相连之后，以两棵节点树的相连节点为根节点重新存储节点。
根据本公开提供的捞渣机器人控制方法，使用RGB摄像头和红外热成像摄像头从不同光谱获取目标捞渣区域图像数据，通过图像处理算法构建二维栅格地图；使用声纳传感器获取三维点云信息，获得目标捞渣区域地形地貌及障碍物模型；
设置语音交互界面，用户可以通过语音指令设置捞渣的起始点和终止点、容忍度、区域参数要求。
根据本公开提供的捞渣机器人控制方法，还包括：
（1）对捞渣机器人的机械臂末端进行路径规划，在起始点和终止点之间形成避开障碍物的连接路径；
（2）选择连接路径上的路径点序列，通过反向运动学处理，计算出机械臂末端的路径点序列对应的机械臂关节变量序列；
（3）判断机械臂关节变量序列是否同样满足机器人避障条件，如果不符合条件，则跳到步骤（1），重新规划；如果符合条件，进行下一步骤；
（4）完成所有路径点序列的判断后，从起始点开始，每个路径点同时满足机械臂末端和机械臂关节的避障，最终形成从起始点到终止点的初始避障路径 。
根据本公开提供的捞渣机器人控制方法，路径长度权重为a，覆盖率权重为b，平滑度权重为c；
捞渣路径效应评价器计算的路径长度分数为m、覆盖率分数为n，平滑度分数为p；S为评分；
根据下述公式进行评分：
。
根据本公开提供的捞渣机器人控制方法，设置一个长度为奇数的窗口，获取该窗口内的所有路径点的坐标值，计算所述坐标值的平均值，将窗口中间位置的坐标值替换为所述平均值；
实时计算窗口中间位置的坐标点的障碍物密集度，当障碍物密集度较大时，以第一预设步长平移滑动窗口；当障碍物密集度较小时，以第二预设步长平移滑动窗口；所述第一预设步长小于第二预设步长；
直至滑动覆盖所有路径点。
根据本公开提供的捞渣机器人控制方法，当障碍物更新或终止点变化，重新触发步骤1生成新的初始避障路径，重复上述步骤重新规划路径。
第二方面，本公开还提供一种捞渣机器人控制装置，包括：
捞渣路径策略生成模块：捞渣路径策略生成器获取环境信息，在路径起始点和终止点之间生成初始避障路径；所述生成初始避障路径包括：
获取捞渣机器人的起始点和终止点；
建立以起始点和终止点为直径的圆，并以所述直径将圆划分为两个半圆；
分别计算两个半圆内的障碍物密集度；
以起始点为原始节点生成节点树：首先在障碍物密集度较小的半圆内以预设角度生成一个随机节点，在已知节点中找到离随机节点最近的节点作为临近节点，连接随机节点和临近节点生成圆滑曲线，在该圆滑曲线上以随机节点为起始点，选取指定长度处的节点为新节点加入到节点树；
同时以终止点为原始节点生成同样的节点树，直至分别以起始点和终止点为原始节点的两棵节点树的节点相连；
捞渣路径效应评价模块：捞渣路径效应评价器根据路径长度、覆盖率和平滑度评价指标对初始避障路径进行评分，并对所述指标设置不同的权重；
判断模块：如果评分达到预设值，生成目标路径；否则，重复设置捞渣路径策略生成装置，直至评分达到预设值；
平滑模块：对目标路径采用动态窗口处理，从而生成光滑且连续的运动轨迹。
与现有技术相比，本公开的捞渣机器人控制方法、装置、设备及介质，捞渣路径策略生成器获取环境信息，在路径起始点和终止点之间生成初始避障路径；捞渣路径效应评价器根据路径长度、覆盖率和平滑度评价指标对初始避障路径进行评分，并对所述指标设置不同的权重；如果评分达到预设值，生成目标路径；否则，重复初始步骤，直至评分达到预设值；对目标路径采用动态窗口处理，从而生成光滑且连续的运动轨迹。通过采用上述方案，能够实现捞渣机器人的智能控制和精确路径规划，从而确保工作结果的安全性和准确性。
附图说明
为了更清楚地说明本公开中的技术方案，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公开的一些实施例，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是本公开提供的一种捞渣机器人控制方法的流程图；
图2是本公开提供的初始避障路径的示意图；
图3是本公开提供的一种捞渣机器人控制装置示意图；
图4为本公开提供的电子设备的框架结构图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合本公开中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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他实施例，都属于本公开保护的范围。
图1是本公开提供的一种捞渣机器人控制方法的流程图，如图1所示，该方法包括：
步骤1：捞渣路径策略生成器获取环境信息，在路径起始点和终止点之间生成初始避障路径；
如图2所示，所述生成初始避障路径包括：
获取捞渣机器人的起始点（S）和终止点（E）；
建立以起始点和终止点为直径的圆，并以所述直径将圆划分为两个半圆；图2中的虚线为连接起始点和终止点的直径，利用该直径将圆划分为C1、C2两个半圆；
分别计算两个半圆内的障碍物密集度；其中，障碍物密集度是指捞渣机器人在环境中遇到障碍物的密集程度，图2中的“×”表示障碍物。可以通过使用传感器来检测环境中的障碍物：捞渣机器人通常会配备各种传感器，如红外传感器、超声波传感器等，这些传感器可以检测到环境中的障碍物并计算障碍物的位置和数量，从而计算障碍物密集度。或者，使用机器学习算法：可以使用机器学习算法来训练模型，使其能够自动计算机器人在不同环境中的障碍物密集度。例如，可以使用深度学习算法来训练模型，使其能够自动检测环境中的障碍物并计算其密集度。
以起始点（S）为原始节点生成节点树：首先在障碍物密集度较小的半圆内（C1）以预设角度生成一个随机节点，其中预设角度决定了生成的随机节点的方向，如果预设角度太陡峭，那么生成的随机节点可能会过于远离目标终止点，合适的预设角度能够使得随机节点更加朝向目标终止点；在已知节点中找到离随机节点最近的节点作为临近节点，连接随机节点和临近节点生成圆滑曲线，在该圆滑曲线上以随机节点为起始点，选取指定长度处的节点为新节点加入到节点树；
同时以终止点（E）为原始节点生成同样的节点树，直至分别以起始点和终止点为原始节点的两棵节点树的节点相连；
步骤2：捞渣路径效应评价器根据路径长度、覆盖率和平滑度评价指标对初始避障路径进行评分，并对所述指标设置不同的权重；
在路径评价过程中，需要综合考虑多个因素，例如路径长度、覆盖率和平滑度等指标，这些指标可以用来评价捞渣机器人初始避障路径的质量是否符合标准；
其中，路径长度、覆盖率和平滑度是路径规划评价指标，用于评估路径的质量。其具体含义如下：
路径长度：路径长度是指从起始点到终止点的距离或总路程，通常用来衡量路径的长度和距离。在路径规划中，路径长度越短，说明路径的质量越好。
覆盖率：覆盖率是指路径经过的节点或位置的数量，或者说是路径所覆盖的面积或体积。在路径规划中，如果路径覆盖了需要的节点或位置，那么覆盖率就越高。
平滑度：平滑度是指路径的连续性和平稳性。在路径规划中，如果路径是连续的、平缓的，那么平滑度就越高。
另外，捞渣路径效应评价器可以根据不同的任务需求进行定制，以适应不同的场景。例如，在某些场景下，机器人可能需要尽可能快地完成捞渣任务，此时，路径长度的权重较高；而在其他场景下，机器人可能需要尽可能多地完成捞渣任务，相应的覆盖率权重会高。因此，捞渣路径效应评价器需要根据任务需求来设置不同的权重，以满足捞渣机器人在不同场景下的需求。
步骤3：如果评分达到预设值，生成目标路径；否则，重复步骤1，直至评分达到预设值；
如果初始避障路径的评分没有达到预设值，则重复步骤1，直到评分达到预设值。这个过程可能通过多次迭代来实现，以确保捞渣机器人能够生成高质量的目标路径。在每次迭代中，可以根据机器人的实时状态和环境变化等因素来更新初始避障路径，并重新进行路径规划和评分。
步骤4：对目标路径采用动态窗口处理，从而生成光滑且连续的运动轨迹。
通过不断动态调整窗口大小、计算运动轨迹和更新轨迹，以实现目标路径的实时跟踪和光滑运动轨迹的生成。
与现有技术相比，本公开捞渣路径策略生成器获取环境信息，在路径起始点和终止点之间生成初始避障路径；捞渣路径效应评价器根据路径长度、覆盖率和平滑度评价指标对初始避障路径进行评分，并对所述指标设置不同的权重；如果评分达到预设值，生成目标路径；否则，重复初始步骤1，直至评分达到预设值；对目标路径采用动态窗口处理，从而生成光滑且连续的运动轨迹。通过采用上述方案，能够科学的进行捞渣机器人路径规划，帮助机器人更有效地完成捞渣任务。
在一种实施方式中，步骤1中的节点树中节点的数量非常庞大，严重影响存储空间的使用和搜索效率。所述生成初始避障路径还包括节点压缩：
分别计算以起始点和终止点为原始节点生成的两棵节点树的深度，将深度较小的树合并到深度较大的树中；
和/或，
当分别以起始点和终止点为原始节点的两棵节点树的节点相连之后，以两棵节点树的相连节点为根节点重新存储节点。
通过上述两种方法对节点进行压缩，可以减少节点的数量，从而减少存储空间，同时可以减少搜索次数，从而提高搜索效率。
在一种实施方式中，所述捞渣路径策略生成器获取环境信息包括：
使用RGB摄像头和红外热成像摄像头从不同光谱获取目标捞渣区域图像数据，通过图像处理算法构建二维栅格地图；使用声纳传感器获取三维点云信息，获得目标捞渣区域地形地貌及障碍物模型；
设置语音交互界面，用户可以通过语音指令设置捞渣的起始点和终止点、容忍度、区域参数要求。
其中，捞渣机器人的起始点和终止点是指机器人在执行捞渣任务时开始和结束的位置，明确了捞渣机器人工作的范围，以便在给定的区域内进行操作。容忍度是指机捞渣器人对环境变化的适应能力，包括对温度、压力、浓度等变化的耐受性。区域参数要求信息是指机器人工作时需要满足的参数限制，包括对机器人操作距离、高度、角度等的限制，以防止捞渣机器人越界或侵犯其他物体。
在一种实施方式中，现有技术中的捞渣机器人避障仅仅考虑机械臂末端的避障，而忽视了机械臂关节的避障。机械臂末端避障和机械臂关节避障都是确保捞渣机器人安全、稳定运行的重要措施。
捞渣机器人需要进行机械臂末端避障和机械臂关节避障，以确保在进行作业时不会与障碍物发生碰撞。机械臂末端避障是指机械臂末端在执行作业任务时，能够避开靠近其操作端的物体或其他障碍物，以保证操作的安全和准确性。而机械臂关节避障则是指整个机械臂***在运动过程中能够避开靠近其关节的障碍物。这可以确保机械臂在运动过程中不会与周围物体发生碰撞，从而保证其稳定性和安全性。
捞渣机器人机械臂末端和机械臂关节是相互配合、相互制约的关系。机械臂末端是指机械臂的最后一个关节，也称为末端执行器，它负责完成机械臂的运动和操作。机械臂关节是机械臂的各个运动部件，包括关节杆、关节轴承、关节减速器等，它们负责实现机械臂的各种运动形式，如旋转、直线、摆动等。
在捞渣机器人的机械臂末端和机械臂关节的关系中，机械臂末端负责执行捞渣操作，而机械臂关节则负责控制机械臂末端的运动。机械臂末端通过关节减速器与机械臂关节相连，从而将机械能转化为末端执行器的动能，实现捞渣操作。同时，机械臂末端和机械臂关节之间的相互制约关系也是非常重要的。在操作过程中，如果机械臂末端发生碰撞或停止运动，将会影响整个机械臂的稳定性和安全性。因此，在进行捞渣机器人设计时，需要合理协调机械臂末端和机械臂关节之间的运动关系，确保机器人的稳定性和安全性。
所述生成初始避障路径还包括以下避障步骤：
（1）对捞渣机器人的机械臂末端进行路径规划，在起始点和终止点之间形成避开障碍物的连接路径；
（2）选择连接路径上的路径点序列，通过反向运动学处理，计算出机械臂末端的路径点序列对应的机械臂关节变量序列；
（3）判断机械臂关节变量序列是否同样满足机器人避障条件，如果不符合条件，则跳到步骤（1），重新规划；如果符合条件，进行下一步骤；
（4）完成所有路径点序列的判断后，从起始点开始，每个路径点同时满足机械臂末端和机械臂的避障，最终形成从起始点到终止点的初始避障路径。
在一种实施方式中，在路径规划中，路径长度、覆盖率和平滑度是相互影响的指标。如果路径长度短，但覆盖率低，那么路径可能无法覆盖所有需要经过的节点或位置；如果路径长度长，但平滑度高，那么路径可能不够连续。因此，在路径规划中需要综合考虑这三个指标，以选择最优的路径方案。
所述对所述指标设置不同的权重包括：
路径长度权重为a，覆盖率权重为b，平滑度权重为c；
捞渣路径效应评价器计算的路径长度分数为m、覆盖率分数为n，平滑度分数为p；S为评分；
根据下述公式进行评分：
。
在一种实施方式中，所述对目标路径采用动态窗口处理包括：
设置一个长度为奇数的窗口，获取该窗口内的所有路径点的坐标值，计算所述坐标值的平均值，将窗口中间位置的坐标值替换为所述平均值；
实时计算窗口中间位置的坐标点的障碍物密集度，当障碍物密集度较大时，以第一预设步长平移滑动窗口；当障碍物密集度较小时，以第二预设步长平移滑动窗口；所述第一预设步长小于第二预设步长；
直至滑动覆盖所有路径点。
在一种实施方式中，步骤4后还包括：
当障碍物更新或终止点变化，重新触发步骤1生成新的初始避障路径，重复上述步骤重新规划路径，以使路径更加安全、合理。
下面对本公开提供的一种捞渣机器人控制装置进行描述，下文描述的检测***与上文描述的检测方法可相互对应参照。
如图3所示，一种捞渣机器人控制装置，包括：
捞渣路径策略生成模块：捞渣路径策略生成器获取环境信息，在路径起始点和终止点之间生成初始避障路径；所述生成初始避障路径包括：
获取捞渣机器人的起始点和终止点；
建立以起始点和终止点为直径的圆，并以所述直径将圆划分为两个半圆；
分别计算两个半圆内的障碍物密集度；
以起始点为原始节点生成节点树：首先在障碍物密集度较小的半圆内以预设角度生成一个随机节点，在已知节点中找到离随机节点最近的节点作为临近节点，连接随机节点和临近节点生成圆滑曲线，在该圆滑曲线上以随机节点为起始点，选取指定长度处的节点为新节点加入到节点树；
同时以终止点为原始节点生成同样的节点树，直至分别以起始点和终止点为原始节点的两棵节点树的节点相连；
捞渣路径效应评价模块：捞渣路径效应评价器根据路径长度、覆盖率和平滑度评价指标对初始避障路径进行评分，并对所述指标设置不同的权重；
判断模块：如果评分达到预设值，生成目标路径；否则，重复设置捞渣路径策略生成装置，直至评分达到预设值；
平滑模块：对目标路径采用动态窗口处理，从而生成光滑且连续的运动轨迹。
本申请实施例提供的一种电子设备，如图4所示，电子设备包括处理器402、存储器401，所述存储器中存储有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上述实施例提供的方法的步骤。
参见图4，电子设备还包括：总线403和通信接口404，处理器402、通信接口404和存储器401通过总线403连接；处理器402用于执行存储器401中存储的可执行模块，例如计算机程序。
其中，存储器401可能包含高速随机存取存储器（Random Access Memory，简称RAM），也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口404（可以是有线或者无线）实现该***网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线403可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器401用于存储程序，所述处理器402在接收到执行指令后，执行所述程序，前述本申请任一实施例揭示的过程定义的装置所执行的方法可以应用于处理器402中，或者由处理器402实现。
处理器402可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器402中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器402可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器401，处理器402读取存储器401中的信息，结合其硬件完成上述方法的步骤。
对应于上述捞渣机器人控制方法，本申请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存储有计算机可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述捞渣机器人控制方法的步骤。
本申请实施例所提供的捞渣机器人控制装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的***、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
再例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
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。
另外，在本申请提供的实施例中的各功能单元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。
所述功能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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述捞渣机器人控制方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，简称ROM）、随机存取存储器（Random Access Memory，简称RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种捞渣机器人控制方法，其特征在于，包括以下步骤：
步骤1：捞渣路径策略生成器获取环境信息，在路径起始点和终止点之间生成初始避障路径；所述生成初始避障路径包括：
获取捞渣机器人的起始点和终止点；
建立以起始点和终止点为直径的圆，并以所述直径将圆划分为两个半圆；
分别计算两个半圆内的障碍物密集度；
以起始点为原始节点生成节点树：首先在障碍物密集度较小的半圆内以预设角度生成一个随机节点，在已知节点中找到离随机节点最近的节点作为临近节点，连接随机节点和临近节点生成圆滑曲线，在该圆滑曲线上以随机节点为起始点，选取指定长度处的节点为新节点加入到节点树；
同时以终止点为原始节点生成同样的节点树，直至分别以起始点和终止点为原始节点的两棵节点树的节点相连；
步骤2：捞渣路径效应评价器根据路径长度、覆盖率和平滑度评价指标对初始避障路径进行评分，并对所述指标设置不同的权重；其中，所述路径长度是指从起始点到终止点的距离；所述覆盖率是指路径经过的节点或位置的数量；所述平滑度是指路径的连续性和平稳性；所述对所述指标设置不同的权重包括：
路径长度权重为a，覆盖率权重为b，平滑度权重为c；
捞渣路径效应评价器计算的路径长度分数为m、覆盖率分数为n，平滑度分数为p；S为评分；
根据下述公式进行评分：
；
步骤3：如果评分达到预设值，生成目标路径；否则，重复步骤1，直至评分达到预设值；
步骤4：对目标路径采用动态窗口处理，从而生成光滑且连续的运动轨迹。
2.根据权利要求1所述的捞渣机器人控制方法，其特征在于，所述生成初始避障路径还包括节点压缩：
分别计算以起始点和终止点为原始节点生成的两棵节点树的深度，将深度较小的树合并到深度较大的树中；
和/或，
当分别以起始点和终止点为原始节点的两棵节点树的节点相连之后，以两棵节点树的相连节点为根节点重新存储节点。
3.根据权利要求1所述的捞渣机器人控制方法，其特征在于：所述捞渣路径策略生成器获取环境信息包括：
使用RGB摄像头和红外热成像摄像头从不同光谱获取目标捞渣区域图像数据，通过图像处理算法构建二维栅格地图；使用声纳传感器获取三维点云信息，获得目标捞渣区域地形地貌及障碍物模型；
设置语音交互界面，用户可以通过语音指令设置捞渣的起始点和终止点、容忍度、区域参数要求，其中所述容忍度是指机捞渣器人对环境变化的适应能力；所述区域参数要求是指机器人工作时需要满足的参数限制。
4.根据权利要求1所述的捞渣机器人控制方法，其特征在于，所述生成初始避障路径还包括以下步骤：
（1）对捞渣机器人的机械臂末端进行路径规划，在起始点和终止点之间形成避开障碍物的连接路径；
（2）选择连接路径上的路径点序列，通过反向运动学处理，计算出机械臂末端的路径点序列对应的机械臂关节变量序列；
（3）判断机械臂关节变量序列是否同样满足机器人避障条件，如果不符合条件，则跳到步骤（1），重新规划；如果符合条件，进行下一步骤；
（4）完成所有路径点序列的判断后，从起始点开始，每个路径点同时满足机械臂末端和机械臂关节的避障，最终形成从起始点到终止点的初始避障路径。
5.根据权利要求1所述的捞渣机器人控制方法，其特征在于，所述对目标路径采用动态窗口处理包括：
设置一个长度为奇数的窗口，获取该窗口内的所有路径点的坐标值，计算所述坐标值的平均值，将窗口中间位置的坐标值替换为所述平均值；
实时计算窗口中间位置的坐标点的障碍物密集度，当障碍物密集度较大时，以第一预设步长平移滑动窗口；当障碍物密集度较小时，以第二预设步长平移滑动窗口；所述第一预设步长小于第二预设步长；
直至滑动覆盖所有路径点。
6.根据权利要求1所述的捞渣机器人控制方法，其特征在于步骤4后还包括：
当障碍物更新或终止点变化，重新触发步骤1生成新的初始避障路径，重复上述步骤重新规划路径。
7.一种捞渣机器人控制装置，其特征在于，包括：
捞渣路径策略生成装置：捞渣路径策略生成器获取环境信息，在路径起始点和终止点之间生成初始避障路径；所述生成初始避障路径包括：
获取捞渣机器人的起始点和终止点；
建立以起始点和终止点为直径的圆，并以所述直径将圆划分为两个半圆；
分别计算两个半圆内的障碍物密集度；
以起始点为原始节点生成节点树：首先在障碍物密集度较小的半圆内以预设角度生成一个随机节点，在已知节点中找到离随机节点最近的节点作为临近节点，连接随机节点和临近节点生成圆滑曲线，在该圆滑曲线上以随机节点为起始点，选取指定长度处的节点为新节点加入到节点树；
同时以终止点为原始节点生成同样的节点树，直至分别以起始点和终止点为原始节点的两棵节点树的节点相连；
捞渣路径效应评价装置：捞渣路径效应评价器根据路径长度、覆盖率和平滑度评价指标对初始避障路径进行评分，并对所述指标设置不同的权重；其中，所述路径长度是指从起始点到终止点的距离；所述覆盖率是指路径经过的节点或位置的数量；所述平滑度是指路径的连续性和平稳性；所述对所述指标设置不同的权重包括：
路径长度权重为a，覆盖率权重为b，平滑度权重为c；
捞渣路径效应评价器计算的路径长度分数为m、覆盖率分数为n，平滑度分数为p；S为评分；
根据下述公式进行评分：
；
判断装置：如果评分达到预设值，生成目标路径；否则，重复设置捞渣路径策略生成装置，直至评分达到预设值；
平滑装置：对目标路径采用动态窗口处理，从而生成光滑且连续的运动轨迹。
8.一种电子设备，包括：处理器；存储程序的存储器，其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机可读存储介质中存储有指令或计算机程序，当所述指令或计算机程序在设备上运行时，使得所述设备执行权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410194636.8A CN117762149B (zh) | 2024-02-22 | 2024-02-22 | 一种捞渣机器人控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410194636.8A CN117762149B (zh) | 2024-02-22 | 2024-02-22 | 一种捞渣机器人控制方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117762149A CN117762149A (zh) | 2024-03-26 |
| CN117762149B true CN117762149B (zh) | 2024-05-17 |
Family
ID=90316778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410194636.8A Active CN117762149B (zh) | 2024-02-22 | 2024-02-22 | 一种捞渣机器人控制方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117762149B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462785A (zh) * | 2020-12-04 | 2021-03-09 | 厦门大学 | 一种移动机器人路径规划方法、装置及存储介质 |
| CN112686429A (zh) * | 2020-12-16 | 2021-04-20 | 天津城建大学 | 移动机器人及其基于自适应遗传算法的路径规划方法 |
| CN113103236A (zh) * | 2021-04-22 | 2021-07-13 | 山东大学 | 一种快速渐进最优的机械臂避障路径规划方法 |
| CN113219998A (zh) * | 2021-06-15 | 2021-08-06 | 合肥工业大学 | 一种基于改进双向informed-RRT*的车辆路径规划方法 |
| CN113341984A (zh) * | 2021-06-15 | 2021-09-03 | 桂林电子科技大学 | 基于改进rrt算法的机器人路径规划方法和装置 |
| CN115454061A (zh) * | 2022-08-31 | 2022-12-09 | 安徽机电职业技术学院 | 一种基于3d技术的机器人路径避障方法及*** |
| CN115903827A (zh) * | 2022-12-02 | 2023-04-04 | 华南农业大学 | 一种基于gnss的农机泊车路径规划与跟踪控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3779928B2 (ja) * | 2002-01-22 | 2006-05-31 | 矢崎総業株式会社 | パワーウィンドウの挟み込み検出装置 |
-
2024
- 2024-02-22 CN CN202410194636.8A patent/CN117762149B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462785A (zh) * | 2020-12-04 | 2021-03-09 | 厦门大学 | 一种移动机器人路径规划方法、装置及存储介质 |
| CN112686429A (zh) * | 2020-12-16 | 2021-04-20 | 天津城建大学 | 移动机器人及其基于自适应遗传算法的路径规划方法 |
| CN113103236A (zh) * | 2021-04-22 | 2021-07-13 | 山东大学 | 一种快速渐进最优的机械臂避障路径规划方法 |
| CN113219998A (zh) * | 2021-06-15 | 2021-08-06 | 合肥工业大学 | 一种基于改进双向informed-RRT*的车辆路径规划方法 |
| CN113341984A (zh) * | 2021-06-15 | 2021-09-03 | 桂林电子科技大学 | 基于改进rrt算法的机器人路径规划方法和装置 |
| CN115454061A (zh) * | 2022-08-31 | 2022-12-09 | 安徽机电职业技术学院 | 一种基于3d技术的机器人路径避障方法及*** |
| CN115903827A (zh) * | 2022-12-02 | 2023-04-04 | 华南农业大学 | 一种基于gnss的农机泊车路径规划与跟踪控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| Research on Path Planning of Substation Inspection Robot Based on Improved A* Algorithm;Ping Luo;《2022 China Automation Congress》;20221231;全文 * |
| 面向观测任务的无人艇路径规划策略;孟祥根;《智能计算机与应用》;20200831;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117762149A (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109709945B (zh) | 一种基于障碍物分类的路径规划方法、装置及机器人 | |
| CN110632921B (zh) | 机器人路径规划方法、装置、电子设备和存储介质 | |
| JP5860081B2 (ja) | ロボットの動作経路を生成するロボットシミュレーション装置 | |
| CN112099493B (zh) | 一种自主移动机器人轨迹规划方法、***及设备 | |
| US11086016B2 (en) | Method and apparatus for tracking obstacle | |
| CN106054900B (zh) | 基于深度摄像头的机器人临时避障方法 | |
| CN110009718B (zh) | 一种三维高精度地图生成方法及装置 | |
| CN110858076B (zh) | 一种设备定位、栅格地图构建方法及移动机器人 | |
| CN102541057B (zh) | 一种基于激光测距仪的移动机器人避障方法 | |
| CN108459599B (zh) | 一种运动路径规划方法及装置 | |
| CN113227927A (zh) | 在具有动态对象环境中促进运动规划的设备、方法和物体 | |
| CN111201448B (zh) | 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法 | |
| CN109163722B (zh) | 一种仿人机器人路径规划方法及装置 | |
| JP2019500693A (ja) | 自律視覚ナビゲーション | |
| CN113618742B (zh) | 一种机器人避障方法、装置和机器人 | |
| JP5902275B1 (ja) | 自律移動装置 | |
| CN107289938B (zh) | 一种地面无人平台局部路径规划方法 | |
| JP6907206B2 (ja) | 運動計画の方法、運動計画のための装置及び非一時的コンピュータ可読記録媒体 | |
| WO2022095514A1 (zh) | 图像检测方法、装置、电子设备及存储介质 | |
| CN117970925A (zh) | 机器人实时避障与动态路径规划方法及*** | |
| CN115609594A (zh) | 机械臂路径的规划方法、装置、上位控制端及存储介质 | |
| Zhang et al. | Safe and efficient robot manipulation: Task-oriented environment modeling and object pose estimation | |
| CN117762149B (zh) | 一种捞渣机器人控制方法、装置、设备及介质 | |
| CN113375686A (zh) | 路径规划的方法、装置以及智能输送*** | |
| KR101475210B1 (ko) | 가상로봇 시뮬레이션 장치 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Shuai Inventor after: Sun Wenchu Inventor after: Zhan Kai Inventor after: Liu Xinyu Inventor after: Gao Yang Inventor before: Zhang Shuai Inventor before: Sun Jianchu Inventor before: Zhan Kai Inventor before: Liu Xinshi Inventor before: Gao Yang |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |