机器人路径规划方法及装置与流程
本发明涉及机器人运动规划与智能制造,特别是涉及一种机器人路径规划方法及装置。
背景技术:
1、目前,商用车驾驶室底板隔热垫装配工位中,前后隔热垫的装配作业仍高度依赖人工。隔热垫为大尺寸柔性构件,且作业区域位于驾驶室底部,工人需在狭小空间内完成隔热垫的托举、对位、紧固等一系列操作,整体劳动强度大,装配一致性差。同时,人工手动作业易出现隔热垫贴合不严、螺栓漏打等问题,进而引发整车异响等质量缺陷,因此采用多机器人协同系统替代人工装配已成为该工位的必然升级趋势。
2、该装配场景的路径规划并非常规开阔环境下的规划问题,而是典型的受限空间装配路径规划。系统运行过程中,左右两侧机器人负责隔热垫的抓取、搬运与铺放作业,中间机器人负责螺柱位姿检测以及螺母、垫片的紧固作业。多个执行单元在驾驶室底板下方存在作业空间重叠与共享区域,因此路径规划不仅需要满足无碰撞通行的基础要求,还需兼顾装配生产节拍、狭窄通道通行能力、路径平滑度与设备运行稳定性等多重指标。
3、对相关现有技术的对比分析如下:
4、中国专利申请文献cn113799141b《六自由度机械臂避障路径规划方法》公开了通过引入人工势场(apf)、目标偏置策略与动态步长机制改进rrt算法的技术方案。然而,此类方法在候选扩展节点发生碰撞时,通常直接舍弃该节点,导致算法采样效率大幅骤降,难以实现有效收敛。
5、中国专利申请文献cn112809665b《基于改进rrt算法的机械臂运动规划方法》公开了采用路径剪枝、b样条平滑等路径后处理优化手段。然而,传统b样条平滑算法在处理狭小空间折线路径时,易出现“曲线内缩”现象,使原本安全的路径平滑后与障碍物发生二次碰撞,而现有研究缺乏针对该类二次碰撞问题的有效迭代修正机制。
6、中国专利申请文献专利cn121430650a公开了融合apf-rrt与遗传算法的无人机航迹规划方法。然而,无人机作业的三维开阔空间,与多自由度机械臂的高维关节受限空间存在本质差异,该方法无法适配机械臂在狭长装配空间内的关节干涉规避与末端平稳作业需求。
技术实现思路
1、本发明的目的在于提供一种机器人路径规划方法及装置,以至少解决机器人在极窄空间内树扩展易陷入停滞、平滑轨迹存在碰撞隐患的问题,利于优化机器人的路径规划,提高机器人在狭窄空间的通过率。
2、为了解决上述技术问题,第一方面,本发明提供了一种机器人路径规划方法,至少包括:
3、s1、构建机器人的构型空间和障碍物模型,并定义机器人的起始点和目标点;
4、s2、基于所述构型空间和所述起始点构建搜索树,并设定最大循环次数;其中,所述搜索树以所述起始点为唯一根节点,所述搜索树内其余各树节点均为构型空间内无碰撞的可行关节构型;
5、s3、在当前循环次数小于最大循环次数时,在所述构型空间内生成随机采样点;
6、s4、确定所述搜索树中所述随机采样点的最近树节点;
7、s5、基于所述最近树节点和所述障碍物模型在所述构型空间内生成初始候选节点;
8、s6、对所述初始候选节点进行碰撞校验,并在所述初始候选节点发生碰撞时,对所述初始候选节点进行碰撞校正操作,并利用所述碰撞校正操作后的初始候选节点更新所述搜索树;
9、s7、基于所述搜索树和所述目标点确定初始规划路径,并至少对所述初始规划路径执行预处理和校正操作,进而得到所述机器人的最优规划路径。
10、可选地,步骤s1具体包括:
11、s11、对所述机器人的工作环境进行建模,以获取工作环境模型;
12、s12、提取所述机器人的几何参数,以至少基于所述几何参数构建所述构型空间;
13、s13、基于所述构型空间和所述工作环境模型确定机器人的不可达区域,以至少将所述不可达区域封装为所述障碍物模型;
14、s14、定义所述机器人的所述起始点和所述目标点。
15、可选地,步骤s3具体包括:
16、s31、在当前循环次数小于所述最大循环次数时,设定第一目标偏置概率;
17、s32、在所述构型空间内定义若干基础采样点;
18、s33、根据搜索树当前节点的环境特征调整所述第一目标偏置概率,以确定第二目标偏置概率;
19、s34、基于所述基础采样点和所述第二目标偏置概率生成所述随机采样点。
20、可选地,步骤s5具体包括:
21、s51、求解所述最近树节点指向目标点的引力向量和周边障碍物的斥力向量;
22、s52、对所述引力向量和所述斥力向量进行叠加,以确定安全扩展方向;
23、s53、将所述安全扩展方向与所述最近树节点的随机探索方向进行融合,以获取融合扩展方向,并基于所述融合扩展方向扩展所述最近树节点,以确定初始候选节点。
24、可选地,还包括:
25、s54、在扩展的过程中,实时判断所述最近树节点与其最近的所述障碍物模型之间的空间宽裕度;
26、s55、基于所述空间宽裕度动态调整所述最近树节点的扩展步长。
27、可选地,步骤s6具体包括:
28、s61、对所述初始候选节点进行碰撞校验;
29、s62、若所述碰撞校验结果为存在碰撞,则以所述最近树节点为原点,所述融合扩展方向为基准延伸方向,在预设正负最大偏转角区间内对所述障碍物模型进行遍历,以确定无碰撞点,进而将首个无碰撞点重新确定为所述初始候选节点;
30、s63、将所述搜索树中与所述初始候选节点邻域半径内所有树节点作为备选父节点;
31、s64、遍历每一所述备选父节点,并在所述备选父节点对应的规划路径无碰撞风险且运动代价最低时,断开所述初始候选节点原有的父节点连接,将满足条件的所述备选父节点设为所述初始候选节点的新父节点,并建立连接,进而更新所述搜索树。
32、可选地,在步骤s61之后,还包括:
33、s65、若所述碰撞校验结果为不存在碰撞,则直接基于所述初始候选节点更新所述搜索树。
34、可选地,步骤s7具体包括:
35、s71、判断所述目标点是否被纳入所述搜索树;
36、s72、若纳入,则从所述目标点回溯所述搜索树,以确定所述初始规划路径;
37、s73、删除所述初始规划路径中的冗余节点,并对所述初始规划路径进行平滑拟合处理,以得到优化规划路径;
38、s74、对所述优化规划路径执行碰撞校正操作,以确定为所述机器人的最优规划路径。
39、可选地,在步骤s71之后,还包括:
40、s75、若未纳入,则重新执行步骤s3-s6,直至所述目标点纳入所述搜索树后,从所述目标点回溯所述搜索树,以确定所述初始规划路径。
41、第二方面,本发明还提供一种机器人路径规划装置,至少包括:
42、获取定义模块,用于构建机器人的构型空间和障碍物模型,并定义机器人的起始点和目标点;
43、初始设定模块,用于基于所述构型空间和所述起始点构建搜索树,并设定最大循环次数;其中,所述搜索树以所述起始点为唯一根节点,所述搜索树内其余各树节点均为构型空间内无碰撞的可行关节构型;
44、随机采样模块,用于在当前循环次数小于最大循环次数时,在所述构型空间内生成随机采样点;
45、节点确定模块,用于确定所述搜索树中所述随机采样点的最近树节点;
46、节点候选模块,用于基于所述最近树节点和所述障碍物模型在所述构型空间内生成初始候选节点;
47、节点更新模块,用于对所述初始候选节点进行碰撞校验,并在所述初始候选节点发生碰撞时,对所述初始候选节点进行碰撞校正操作,并利用所述碰撞校正操作后的初始候选节点更新所述搜索树;
48、路径确定模块,用于基于所述搜索树和所述目标点确定初始规划路径,并至少对所述初始规划路径执行预处理和校正操作,进而得到所述机器人的最优规划路径。
49、本发明所提供的技术方案,首先,构建机器人的构型空间和障碍物模型,并定义机器人的起始点和目标点;进一步地,基于构型空间和起始点构建搜索树,并设定最大循环次数;进一步地,在当前循环次数小于最大循环次数时,在构型空间内生成随机采样点;进一步地,确定搜索树中随机采样点的最近树节点;进一步地,基于最近树节点和障碍物模型在构型空间内生成初始候选节点;进一步地,对初始候选节点进行碰撞校验,并在初始候选节点发生碰撞时,对初始候选节点进行碰撞校正操作,并利用碰撞校正操作后的初始候选节点更新搜索树;最后,基于搜索树和目标点确定初始规划路径,并至少对初始规划路径执行预处理和校正操作,进而得到机器人的最优规划路径。
50、由此可见,本发明一方面依托障碍物模型约束生成初始候选节点,不直接丢弃碰撞的随机采样节点,在商用车驾驶室底板下方窄通道、多障碍物、多机器人空间交叠的复杂受限工况下,有效避免采样效率骤降问题,加快算法收敛速度,适配大尺寸柔性隔热垫装配的狭小作业环境。另一方面,本发明通过对初始规划路径执行预处理和校正操作,能够保证狭小空间折线路径平滑后全程安全无碰撞,降低机器人机械臂的运行干涉故障。另一方面,本发明依托障碍物模型约束生成初始候选节点,不直接丢弃碰撞采样节点,在商用车驾驶室底板下方窄通道、多障碍物、多机器人空间交叠的复杂受限工况下,有效避免采样效率骤降问题,加快算法收敛速度,适配大尺寸柔性隔热垫装配的狭小作业环境。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com