一种人形机器人手臂的路径规划方法及系统与流程

本发明涉及人形机器人手臂拍照，具体涉及一种人形机器人手臂的路径规划方法及系统。

背景技术：

1、随着具身智能与人形机器人技术的快速发展，人形机器人手臂的拍照式三维测量与检测技术在智能制造、装配作业、检测检修等领域得到了广泛应用。在拍照式测量过程中，人形机器人手臂需要携带相机依次到达多个预设拍照点位，完成对目标表面的信息采集。相较于传统工业六轴机器人，人形机器人手臂通常具有更多的运动轴数与冗余自由度，运动逻辑更为复杂。

2、现有技术中，人形机器人手臂拍照点位的路径规划通常仅在任务空间进行，忽略了机器人在构型空间的构型选择。但由于人形机器人手臂的运动轴数更多且往往具有冗余自由度，对于同一拍照点位，通常存在更多不同构型，其可行构型数量远多于传统工业六轴机器人。传统方法通常将拍照点位之间的欧氏距离之和作为成本函数，求解最优路径时仅考虑路径点位间的位置差异，得到拍照点位访问顺序，并之后通常随机选择或仅根据单一准则选择构型，极易导致相邻拍照点位之间出现关节突变，严重影响机器人运动的平滑性和运行效率，甚至可能引发机械冲击和设备损坏。

技术实现思路

1、为了解决如上技术问题，本发明目的之一在于提供一种人形机器人手臂的路径规划方法，在路径选择时考虑点位处位置变化和姿态变化差异，获取拍照点位访问顺序，且在此基础上，构型空间机器人最优构型序列的选择以机器人相邻构型的最大关节角度变化量作为成本函数，避免机器人相邻点位关节突变，在保证测量效率的同时，提高机器人手臂运动平滑性。

2、为了解决上述技术问题，本发明所提出如下技术方案予以解决：

3、本技术涉及一种人形机器人手臂的路径规划方法，包括：

4、s1：在机器人的任务空间中，选择待拍照路径上所有点位中任意两点位，作为新路径的起点和终点；

5、s2：在新路径之外选择另一点位，并将所选择的另一点位插入新路径，形成多条扩展路径；

6、s3：对多条扩展路径依次计算路径总代价，将最小路径总代价下对应的扩展路径更新为新路径；

7、其中，所述路径总代价基于扩展路径中所有相邻点位之间的位置变化量和姿态变化量构建；

8、s4：是否遍历完待拍照路径上所有点位，若是，输出待拍照路径中所有点位的点位访问顺序，若否，返回s2；

9、s5：获取机器人在所有点位下的所有可行构型集合，n为点位数量；

10、s6：构建分层有向无环图，一层对应一个点位下所有可行构型集合，且相邻层中一层的节点对应点位下任一可行构型与另一层的节点对应点位下任一可行构型之间建立有向边，并定义有向边的边权为：，k=1,2,3,......,n-1；

11、其中，为点位下可行构型的数量，i表示点位下可行构型的索引，j表示点位下可行构型的索引，、分别表示、的第d个关节的关节角度，dof表示手臂的关节数量；

12、s7：在分层有向无环图的第一层之前和最后一层之后均引入执行拍照任务前的初始构型，并在和第一层中各节点对应的可行构型之间、及最后一层中各节点对应的可行构型和之间均建立有向边，且边权为，；

13、其中，、和分别表示、和的第d个关节的关节角度；

14、s8：针对分层有向无环图，采用viterbi算法，获取最优构型序列，使损失函数最小；

15、其中，，=。

16、在本技术的一些实施例中，所述路径总代价为扩展路径中所有相邻点位之间的位置变化量和姿态变化量之和。

17、在本技术的一些实施例中，采用空间欧式距离来度量路径上相邻点位之间的位置变化量；

18、采用黎曼测地线距离来度量路径上相邻点位之间的姿态变化量。

19、在本技术的一些实施例中，；

20、；

21、；

22、其中，n为扩展路径上所有点位的数量，i表示第i个点位，和表示路径上相邻点位的位置，和分别表示路径上相邻点位的姿态，为位置特征长度，。

23、在本技术的一些实施例中，获取机器人任一点位下的可行构型集合具体为：

24、对于点位，通过机器人逆运动学求解其对应的所有机器人构型；

25、去除不可行构型后，得到点位下的可行构型集合。

26、在本技术的一些实施例中，s8具体为：

27、s81：利用损失函数，执行viterbi算法的逐层递推，逐层计算到达当前层的最小累计路径代价；

28、s82：依据所到达层的最小累计路径代价，获取所到达层中对应节点的编号；

29、s83：依据所获取到的所有层的编号，从第n层向第一层反向回溯，得到机器人在各点位处的最优构型序列。

30、与现有技术相比，本技术提出的人形机器人手臂的路径规划方法具有如下优点和有益效果：

31、（1）通过从任务空间与构型空间两个层面出发，分别求解任务空间拍照点位访问顺序以及构型空间机器人最优构型序列两个子问题，避免了在高维空间中直接进行全局搜索，显著降低了算法的计算复杂度，能够快速响应人形机器人手臂多点位、高效率的作业需求；

32、（2）通过任务空间与构型空间的相互配合，既保证了多拍照点位的高效、高精度覆盖，又将机器人整体运动代价最小化；

33、（3）该路径规划方法适用于多轴、冗余自由度机器人，增强适用性。

34、在本技术的一些实施例中，本技术还涉及一种人形机器人手臂的路径规划系统，人形机器人手臂末端安装有相机，用于沿待拍照路径对目标表面进行多点位拍照，所述人形机器人手臂的路径规划系统包括：

35、新路径初始化模块，其利用待拍照路径上所有点位中任两点位，初始化形成新路径；

36、点位遍历模块，其用于在新路径之外遍历待拍照路径上剩余点位，以在遍历每一点位时形成多条扩展路径；

37、路径总代价计算模块，其用于计算所形成的扩展路径对应的路径总代价，其中，所述路径总代价基于扩展路径中所有相邻点位之间的位置变化量和姿态变化量构建；

38、路径更新模块，其用于将最小路径总代价下对应的扩展路径更新为新路径，直至遍历完所有点位后，输出待拍照路径中所有点位的点位访问顺序；

39、构型获取模块，其用于获取已排序所有点位下的所有可行构型集合；

40、图构建模块，其利用构型获取模块所获取的所有可行构型集合，构建分层有向无环图，其中一层对应一个点位下所有可行构型集合，且相邻层中一层的节点对应点位下任一可行构型与另一层的节点对应点位下任一可行构型之间建立有向边，并利用最大关节角度变化量定义有向边的边权；

41、最优构型序列获取模块，其针对分层有向无环图，采用viterbi算法，获取最优构型序列，使损失函数最小，其中，，=。

42、在本技术的一些实施例中，所述路径总代价为扩展路径中所有相邻点位之间的位置变化量和姿态变化量之和。

43、在本技术的一些实施例中，采用空间欧式距离来度量路径上相邻点位之间的位置变化量；

44、采用黎曼测地线距离来度量路径上相邻点位之间的姿态变化量。

45、在本技术的一些实施例中，所述最优构型序列获取模块，具体执行如下：

46、利用损失函数，执行viterbi算法的逐层递推，逐层计算到达当前层的最小累计路径代价；

47、依据所到达层的最小累计路径代价，获取所到达层中对应节点的编号；

48、依据所获取到的所有层的编号，从第n层向第一层反向回溯，得到机器人在各点位处的最优构型序列。

49、结合附图阅读本发明的具体实施方式后，本发明的其他特点和优点将变得更加清楚。