【技术实现步骤摘要】
本专利技术涉及机器人，具体而言，涉及一种多约束机器人关节空间路径规划方法。
技术介绍
1、随着现代制造业对自动化和智能化的不断追求，工业视觉硬件与计算机视觉算法的结合为工业机器人赋予了更强大的感知和决策能力。视觉控制器作为机器人的眼睛和大脑，通过解析从摄像头采集的图像数据，实时执行物体识别、位置定位、尺寸测量和环境地图构建等任务，为机器人在复杂工业环境中提供精准的导航和控制依据。这一能力的提升，使得机器人在自动化生产线上能够承担更高级别的任务，实现更高效、更智能的作业流程。
2、然而，工业生产环境往往充满不确定性，机器人在执行任务时必须面对路径上的障碍物。这就对机器人的避障路径规划提出了高要求，不仅要求路径能够安全绕过障碍物，还强调路径的稳定性、控制点的精简以及能耗的优化，以确保机器人的高效运行和姿态的平稳变化。
3、当前，工业机器人避障路径规划主要依赖于示教编程和单一路径规划算法。示教编程虽直观易用，但其灵活性和适应性有限，难以应对多变的生产环境。单一路径规划算法，如a*、蚁群算法和rrt算法，虽然能规划出从起点到终点的路径，但产生的路径可能存在频繁的突变点，导致无法满足姿态变化稳定的工况要求。
技术实现思路
1、本专利技术的主要目的在于提供一种多约束机器人关节空间路径规划方法，能够快速生成无碰撞风险、耗能低、关节突变小、运行速率快的初始路径。
2、为了实现上述目的，根据本专利技术的一方面，提供了一种多约束机器人关节空间路径规划方法，包括：p>
3、采用启发式节点搜索在机器人关节配置空间中随机采样生成新节点，并加入路径树；
4、根据节点数量动态调整近邻半径阈值；
5、对生成的新节点与路径树中已有的节点之间，根据节点路径代价计算连接代价，并选择代价最小的连接，其中节点路径代价包括距离代价、碰撞风险代价和关节突变代价；
6、在路径树中执行路径重写与重连操作；
7、当生成的节点到达目标点或满足特定的停止条件时，从目标点回溯至起点，根据节点间的连接关系形成初始路径pa。
8、进一步地，近邻半径阈值由如下公式确定：
9、
10、其中λr为比例系数，根据耗时要求确定，n为当前路径树的节点数量。
11、进一步地，对某个路径节点a，关节坐标为(θa1,θa2,...,θa6)，路径节点b，关节坐标为(θb1,θb2,...,θb6)，路径节点a和b的距离代价cost_d采用如下公式计算：
12、
13、进一步地，计算机器人与场景的最小距离d，
14、利用如下公式确定碰撞风险代价cost_c：
15、
16、其中分母余项ε＞0。
17、进一步地，路径节点a＝(θa1,θa2,...,θa6),b＝(θb1,θb2,...,θb6),c＝(θc1,θc2,...,θc6)，其中a为b的父节点，b为c的父节点，路径在上述三个点的移动顺序为a->b->c，节点c的关节突变代价cost_s通过如下公式确定：
18、
19、进一步地，采用启发式节点搜索在机器人关节配置空间中随机采样生成新节点，并加入路径树的步骤包括：
20、初始化起点、终点与空路径树，并从起点节点加入路径树；
21、随机生成一个0到1的随机数rd,判断是否rd大于阈值rd_th；
22、若rd小于rd_th，则采样节点q为终点，若rd大于rd_th，则在机器人可达的配置空间中内随机选择一个节点作为q；
23、在树中找到离采样节点q最近的节点p，根据设定的步长step，从p到q生成一个新节点q_new；
24、检测q_new点是否发生碰撞，若不发生碰撞，则进行路径重写与路径重连操作，若不在配置空间内，则重新进行随机选样。
25、进一步地，在路径树中执行路径重写与重连操作的步骤包括：
26、路径重写操作：找出离q_new距离小于设定的近邻半径阈值r中的所有路径节点q，遍历近邻节点，找出其原路径代价与q到q_new的路径代价和最小的节点为q_min1，其路径代价为cost_min1，设置q_min1为q_new的父节点；
27、路径重连操作：找出离q_new距离小于设定的近邻半径阈值r中的所有路径节点q，遍历近邻节点，找出路径节点q原路径代价小于q_new到q的路径代价与cost_min1之和的节点q_min2，其路径代价为cost_min2，设置q_new为q_min2的父节点，q_min2的路径代价更新为cost_min2。
28、进一步地，当生成的节点到达目标点或满足特定的停止条件时，从目标点回溯至起点，根据节点间的连接关系形成初始路径的步骤包括：
29、当生成的q_new到达路径终点时，路径规划即结束，从终点pan进行回溯，不断找其父节点pai，直至起点pa1，将所有节点加入路径集合pa，
30、pa＝{pa1,pa2,...,pan}；
31、其中n为初始路径节点的数量。
32、进一步地，多约束机器人关节空间路径规划方法还包括：
33、使用贝塞尔曲线对初始路径pa进行平滑，生成一条初始平滑路径pb；
34、使用深度优先搜索算法，结合初始路径与初始平滑路径生成一条平滑、且无碰撞风险的路径pc；
35、使用动态剪切算法对路径上冗余点进行删除，生成最终路径pd。
36、进一步地，使用贝塞尔曲线对初始路径pa进行平滑，生成一条初始平滑路径pb的步骤包括：
37、使用贝塞尔曲线对初始路径pa上的n个控制点pa1,pa2,...,pan进行平滑，贝塞尔曲线公式为：
38、其中为二项式系数，
39、得到初始平滑路径pb＝{pb1,pb2,...,pbn}，路径节点pbi采用如下公式表示：
40、
41、其中i为1到n的正整数，初始路径pa与初始平滑路径pb的起点与终点相同。
42、进一步地，使用深度优先搜索算法，结合初始路径与初始平滑路径生成一条平滑、且无碰撞风险的路径pc的步骤包括：
43、针对初始平滑路径，使用深度优先搜索算法进行路径遍历；
44、在遍历过程中，首先创建空栈路径，并将起点路径加入空栈路径；
45、检测当前初始平滑路径节点与后续的初始路径节点和初始平滑路径节点之间的路径是否发生碰撞；
46、若当前初始平滑路径节点与后续的初始路径节点和初始平滑路径节点之间的路径均与障碍物碰撞，则标记当前初始路径节点为不可达，并回溯至前一个节点，继续搜索路径；
47、若当前初始平滑路径节点与后续的初始路径节点和初始平滑路径节点之间的路径其中之一与障碍物不发生碰撞，则将当前初始平滑路径节点与不发生碰撞的路径节点所形成的路本文档来自技高网...
【技术保护点】
1.一种多约束机器人关节空间路径规划方法，其特征在于，包括：
2.根据权利要求1所述的多约束机器人关节空间路径规划方法，其特征在于，近邻半径阈值由如下公式确定：
3.根据权利要求1所述的多约束机器人关节空间路径规划方法，其特征在于，对某个路径节点a，关节坐标为(θa1,θa2,...,θa6)，路径节点b，关节坐标为(θb1,θb2,...,θb6)，路径节点a和b的距离代价Cost_d采用如下公式计算：
4.根据权利要求1所述的多约束机器人关节空间路径规划方法，其特征在于，
5.根据权利要求1所述的多约束机器人关节空间路径规划方法，其特征在于，
6.根据权利要求1所述的多约束机器人关节空间路径规划方法，其特征在于，采用启发式节点搜索在机器人关节配置空间中随机采样生成新节点，并加入路径树的步骤包括：
7.根据权利要求6所述的多约束机器人关节空间路径规划方法，其特征在于，在路径树中执行路径重写与重连操作的步骤包括：
8.根据权利要求7所述的多约束机器人关节空间路径规划方法，其特征在于，当生成的节点到
9.根据权利要求1至8中任一项所述的多约束机器人关节空间路径规划方法，其特征在于，多约束机器人关节空间路径规划方法还包括：
10.根据权利要求9所述的多约束机器人关节空间路径规划方法，其特征在于，使用贝塞尔曲线对初始路径PA进行平滑，生成一条初始平滑路径PB的步骤包括：
11.根据权利要求9所述的多约束机器人关节空间路径规划方法，其特征在于，使用深度优先搜索算法，结合初始路径与初始平滑路径生成一条平滑、且无碰撞风险的路径PC的步骤包括：
12.根据权利要求11所述的多约束机器人关节空间路径规划方法，其特征在于，使用动态剪切算法对路径上冗余点进行删除，生成最终路径PD的步骤包括：
...【技术特征摘要】
1.一种多约束机器人关节空间路径规划方法，其特征在于，包括：
2.根据权利要求1所述的多约束机器人关节空间路径规划方法，其特征在于，近邻半径阈值由如下公式确定：
3.根据权利要求1所述的多约束机器人关节空间路径规划方法，其特征在于，对某个路径节点a，关节坐标为(θa1,θa2,...,θa6)，路径节点b，关节坐标为(θb1,θb2,...,θb6)，路径节点a和b的距离代价cost_d采用如下公式计算：
4.根据权利要求1所述的多约束机器人关节空间路径规划方法，其特征在于，
5.根据权利要求1所述的多约束机器人关节空间路径规划方法，其特征在于，
6.根据权利要求1所述的多约束机器人关节空间路径规划方法，其特征在于，采用启发式节点搜索在机器人关节配置空间中随机采样生成新节点，并加入路径树的步骤包括：
7.根据权利要求6所述的多约束机器人关节空间路径规划方法，其特征在于，在路径树中...
【专利技术属性】
技术研发人员：刘志昌，何标涛，王志浩，游志龙，王志伟，邹姗蓉，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。