一种移动机器人安全仿真检测方法及系统技术方案

本发明专利技术公开了一种移动机器人安全仿真检测方法及系统，方法包括：构建机器人所在环境的虚拟空间模型，包括建立在世界坐标系下的三维的机器人模型和机器人工作空间内的各种障碍物模型；控制机器人模型在虚拟空间模型内运动进行碰撞仿真测试；分别采集机器人模型在虚拟空间模型X

【技术实现步骤摘要】
一种移动机器人安全仿真检测方法及系统


[0001]本专利技术属于机器人安全检测领域，更具体地，涉及一种移动机器人安全仿真检测方法及系统。

技术介绍

[0002]移动机器人，如机械壁抓手、焊接机械臂等移动机器人设备往往较为昂贵，若以实物设备进行碰撞干涉初步检测，设备会在安全测试过程中存在被损坏的风险，因此在移动机器人实际运行工作之前，往往采用仿真的方式对机器人的运行环境进行安全碰撞干涉检测，并根据仿真结果对机器人的运行参数和机台工作环境进行调整设置。
[0003]现有的移动机器人碰撞干涉初步检测仿真常采用包围盒方法，包围盒是一种求解离散点集最优包围空间的算法，基本思想是用体积稍大且特性简单的几何体（称为包围盒）来近似地代替复杂的几何对象。常见的包围盒算法有AABB包围盒、包围球、方向包围盒OBB以及固定方向凸包FDH。
[0004]碰撞检测技术中所用的包围盒有两个属性：简单性和紧密性。简单性是指包围盒间进行相交测试时需要的计算量，这不但要求几何形状简单容易计算，而且要求相交测试算法简单快速；紧密性要求包围盒尽可能的贴近被包围的对象，这一属性直接关系到需要进行相交测试的包围盒的数目，紧密性越好，参与相交测试的包围盒数目就越少。
[0005]可以看出，目前的包围盒算法中对包围盒的计算是一个无限逼近最优解的计算过程，需要不断计算能够包围住物体三维轮廓的最小包围盒，最小包围盒的计算精度对最小包围盒算法的精度要求较高，而且针对不规则物体形成的包围盒并不能完全体现出物体的实际形状，例如曲面结构的包围盒（球形或方盒型）往往无法完全贴合物体表面，存在较大的空间余量，因此在碰撞交汇检测时以包围盒之间的干涉判断物体之间是否真实的存在碰撞并不完全准确，同时最小包围盒计算涉及到三维图形的计算，存在计算数据量大，计算效率较低的问题。

技术实现思路

[0006]本专利技术的目的是提出一种移动机器人安全仿真检测方法及系统，实现提高碰撞检测的精度，并减少机器人安全检测仿真的数据计算量，提高碰撞仿真检测的效率。
[0007]为实现上述目的，第一方面，本专利技术一种移动机器人安全仿真检测方法，包括：构建机器人所在环境的虚拟空间模型，所述虚拟空间模型包括建立在世界坐标系下的三维的机器人模型和机器人工作空间内的各种障碍物模型，所述机器人模型所在平面为X
‑
Z平面；控制所述机器人模型在所述虚拟空间模型内运动，进行碰撞仿真测试；在所述机器人模型运动过程中，分别采集机器人模型在所述虚拟空间模型X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维图像；通过二维识别框从不同的所述二维图像中标记出所述机器人模型活动部分的边
界；基于所述二维识别框的坐标计算所述机器人模型活动部分分别在X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维运动轨迹；分析所述机器人模型活动部分分别在X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维运行轨迹与所述障碍物模型的交汇情况，并根据交汇情况判断机器人模型是否存在碰撞风险。
[0008]可选地，在控制所述机器人模型在所述虚拟空间模型内运动之前，还包括：在所述机器人模型的周围设置三个摄像机，在机器人模型运行过程中，通过所述三个摄像机分别采集机器人在所述虚拟空间模型X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维图像。
[0009]可选地，在控制所述机器人模型在所述虚拟空间模型内运动之前，还包括：建立并训练卷积神经网络模型，完成训练的所述卷积神经网络模型能够基于输入的二维图像，输出所述二维图像中不同物体边界的二维识别框，以及二维识别框内的物体对应的分类结果。
[0010]可选地，在所述机器人模型运行过程中，通过所述卷积神经网络模型对三个摄像机采集的不同二维图像进行分析，获取所述机器人模型的活动部分的二维识别框的坐标，并基于所述二维识别框在不同投影面中活动的坐标数据，汇集成所述二维运行轨迹。
[0011]可选地，在控制所述机器人模型运动之前还包括：建立机器人运动测试例库，所述机器人运动测试例库包括机器人在各种工况下运动模式的测试例，以及机器人在非工作情况下的极限运动模式的测试例。
[0012]可选地，在控制所述机器人模型运动时，控制所述机器人模型按照所述机器人运动测试例库中的各测试例进行运动。
[0013]可选地，所述分析所述机器人模型活动部分分别在X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维运行轨迹与所述障碍物模型的交汇情况包括：分析所述机器人模型活动部分分别在X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维运行轨迹的坐标数据是否与障碍物模型的边界坐标数据有重叠，若是则判断存在交汇。
[0014]可选地，所述根据交汇情况判断机器人模型是否存在碰撞风险包括：当所述机器人模型活动部分的二维运行轨迹与所述障碍物模型在X
‑
Y投影面或Y
‑
Z投影面存在交汇时，若同时在X
‑
Z投影面存在交汇，则判断机器人模型的运动不安全，存在碰撞风险。
[0015]第二方面，本专利技术提出一种移动机器人安全仿真检测系统，包括：仿真模块，用于构建机器人所在环境的虚拟空间模型并控制所述机器人模型在所述虚拟空间模型内运动进行碰撞仿真测试，所述虚拟空间模型包括在世界坐标系下的三维的机器人模型和机器人工作空间内的各种障碍物模型；图像采集模块，用于在所述机器人模型运动过程中，分别采集机器人模型在所述虚拟空间模型X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维图像；二维轨迹识别模块，用于通过二维识别框从不同的所述二维图像中标记出所述机器人模型活动部分的边界，并基于所述二维识别框的坐标计算所述机器人模型活动部分分别在X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维运动轨迹；碰撞分析模块，用于分析所述机器人模型活动部分分别在X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维运行轨迹与所述障碍物模型的交汇情况，并根据交汇情况判断机器人模型是否存
在碰撞风险。
[0016]可选地，所述二维轨迹识别模块包括卷积神经网络模型，所述卷积神经网络模型能够基于输入的二维图像，输出所述二维图像中不同物体边界的二维识别框，以及二维识别框内的物体对应的分类结果；通过所述卷积神经网络模型对采集的不同二维图像进行分析，获取所述机器人模型的活动部分的二维识别框的坐标，并基于所述二维识别框在不同投影面中活动的坐标数据，汇集成所述二维运行轨迹。
[0017]本专利技术的有益效果在于：本专利技术的移动机器人安全仿真检测方法通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动机器人安全仿真检测方法，其特征在于，包括：构建机器人所在环境的虚拟空间模型，所述虚拟空间模型包括建立在世界坐标系下的三维的机器人模型和机器人工作空间内的各种障碍物模型，所述机器人模型所在平面为X
‑
Z平面；控制所述机器人模型在所述虚拟空间模型内运动，进行碰撞仿真测试；在所述机器人模型运动过程中，分别采集机器人模型在所述虚拟空间模型X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维图像；通过二维识别框从不同的所述二维图像中标记出所述机器人模型活动部分的边界；基于所述二维识别框的坐标计算所述机器人模型活动部分分别在X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维运动轨迹；分析所述机器人模型活动部分分别在X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维运行轨迹与所述障碍物模型的交汇情况，判断机器人模型是否存在碰撞风险。2.根据权利要求1所述的方法，其特征在于，在控制所述机器人模型在所述虚拟空间模型内运动之前，还包括：在所述机器人模型的周围设置三个摄像机，在机器人模型运行过程中，通过所述三个摄像机分别采集机器人在所述虚拟空间模型X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维图像。3.根据权利要求1所述的方法，其特征在于，在控制所述机器人模型在所述虚拟空间模型内运动之前，还包括：建立并训练卷积神经网络模型，完成训练的所述卷积神经网络模型能够基于输入的二维图像，输出所述二维图像中不同物体边界的二维识别框，以及二维识别框内的物体对应的分类结果。4.根据权利要求3所述的方法，其特征在于，所述基于所述二维识别框的坐标计算所述机器人模型活动部分分别在X
‑
Y、X
‑
Z和Y
‑
Z三个投影面的二维运动轨迹包括：通过所述卷积神经网络模型对三个摄像机采集的不同二维图像进行分析，获取所述机器人模型的活动部分的二维识别框的坐标，并基于所述二维识别框在不同投影面中活动的坐标数据，汇集成所述二维运行轨迹。5.根据权利要求1所述的方法，其特征在于，在控制所述机器人模型运动之前还包括：建立机器人运动测试例库，所述机器人运动测试例库包括机器人在各种工况下运动模式的测试例，以及机器人在非工作情况下的极限运动模式的测试例。6.根据权利要求5所述的方法，其特征在于，在控制所述机器人模型运动...

【专利技术属性】
技术研发人员：周志峰，王直荣，刘浩，章志贤，文美兰，韩梦虞，
申请(专利权)人：常州检验检测标准认证研究院，
类型：发明
国别省市：