【技术实现步骤摘要】
本申请涉及机器人控制，特别涉及机器人示教轨迹优化方法、装置及机器人。
技术介绍
1、在实际场景比如工业自动化、物流与仓储场景下，经常需要机器人在指定轨迹下进行重复运行，在这种情况下，通常会先由用户控制机器人，对机器人进行示教，得到示教轨迹，以使得机器人能够根据示教轨迹进行循迹。
2、然而，在对机器人进行示教的过程中，人工控制机器人移动经常会出现一些冗余操作，比如转弯角度超过目标角度后重新回调，移动距离超过目标距离后重新回退等操作，而这些冗余操作也会被记录在示教轨迹中，进而在循迹过程中根据上述示教轨迹进行循迹也会产生跟踪异常的问题。
技术实现思路
1、有鉴于此，本申请提供机器人示教轨迹优化方法、装置及机器人，以对示教轨迹进行优化，以避免循迹过程中出现跟踪异常的问题。
2、本申请提供的技术方案如下：
3、根据本申请第一方面的实施例，提供了一种机器人示教轨迹优化方法，该方法包括：
4、获取所述机器人的初始示教轨迹，所述初始示教轨迹包括多个采样点的状态信息；
5、基于所述初始示教轨迹包括的多个采样点生成多个采样组，每一采样组包括至少两个采样点；
6、针对每一采样组，根据采样组包括的采样点的状态信息，确定该采样组对应的运动状态，所述运动状态是指机器人在该采样组包括的采样点之间的运动状态；
7、根据机器人在多个采样组对应的运动状态，从所述多个采样点中选取多个参考采样点，所述参考采样点包括所述机器人的运动状态发生
8、根据所述参考采样点生成目标示教轨迹，以基于所述目标示教轨迹，控制所述机器人进行循迹。
9、可选的，所述状态信息包括所述机器人的位置以及姿态角；所述根据采样组包括的采样点的状态信息，确定该采样组对应的运动状态，包括：
10、根据所述机器人在所述采样组中采样时间最早的采样点以及采样时间最晚的采样点的位置确定所述机器人在两个采样点之间的欧氏距离；
11、根据所述机器人在所述采样组中采样时间最早的采样点以及采样时间最晚的采样点的姿态角确定所述机器人在两个采样点之间的姿态角变化量；
12、根据所述欧氏距离以及所述姿态角变化量确定该采样组对应的运动状态。
13、可选的，所述根据所述欧氏距离以及所述姿态角变化量确定该采样组对应的运动状态，包括：
14、若所述欧氏距离不小于预设距离阈值，则确定该采样组对应的运动状态为直行；
15、若所述欧氏距离小于预设距离阈值，且所述姿态角变化量小于预设角度阈值，则确定该采样组对应的运动状态为静止；
16、若所述欧氏距离小于预设距离阈值，且所述姿态角变化量不小于预设角度阈值，则该采样组对应的运动状态为原地旋转。
17、可选的，所述运动状态包括静止以及原地旋转；所述根据机器人在所述多个采样组对应的运动状态，从所述多个采样点中选取多个参考采样点，包括：
18、基于每一采样组对应的运动状态将该采样组包括的采样点划分至该采样组的运动状态对应的采样点集合中，所述采样点集合包括静止采样点集合以及原地旋转采样点集合；
19、根据所述静止采样点集合以及所述原地旋转采样点集合中包括的所有采样点的状态信息，对所述静止采样点集合以及所述原地旋转采样点集合中包括的所有采样点进行聚类，得到多个参考子集合，每一参考子集合中包括的采样点在所述初始示教轨迹中为连续采样点；
20、针对每一参考子集合，将该参考子集合中包括的连续采样点的起点以及终点，作为参考采样点。
21、可选的，所述初始示教轨迹包括的多个采样点中包括至少一个被预先配置的关键点，所述关键点用于指示所述机器人在该采样点执行指定动作；在将参考子集合中包括的连续采样点的起点以及终点，作为参考采样点之前，所述方法还包括：
22、检测该参考子集合中包括的连续采样点中是否包括所述关键点，若是，则将该参考子集合中包括的连续采样点的起点、终点以及所述关键点，作为参考采样点；
23、若否，则继续执行所述将该参考子集合中包括的连续采样点的起点以及终点，作为参考采样点的步骤。
24、可选的，所述运动状态还包括直行，所述采样点集合还包括直行集合，所述根据机器人在所述多个采样组对应的运动状态，从所述多个采样点中选取多个参考采样点，还包括：
25、根据所述直行集合中包括的采样点的状态信息以及每一所述参考子集合中包括的连续采样点的起点以及终点，确定所述直行集合包括的多个候选子集合，每一候选子集合中包括的采样点在所述初始示教轨迹中为连续采样点；
26、将所述每一候选子集合中包括的采样点作为参考采样点。
27、可选的，在将所述每一候选子集合中包括的采样点作为参考采样点之前，该方法进一步包括；
28、针对每一候选子集合，根据该候选子集合中包括的连续采样点的状态信息，确定该候选子集合对应的直线方程，所述直线方程用于表征该候选子集合中包括的采样点的运动轨迹；
29、根据所述直线方程以及该候选子集合中包括的连续采样点的起点和终点，确定出该候选子集合对应的直行区域的中点，并将所述直行区域划分为多个子区域，所述直行区域是指该直线方程在候选子集合中包括的连续采样点的起点和终点之间的线段；
30、根据所述直行区域的中点以及所述多个子区域，将该候选子集合中连续采样点的起点和终点之间包括的采样点重新分配至各子区域中；其中，每一子区域中被重新分配的采样点的数量与该子区域对应的参考距离成正相关，所述子区域对应的参考距离是指该子区域的中点与所述直行区域的中点之间的距离；
31、针对每一子区域，根据所述直线方程以及该子区域中被重新分配的采样点数量，确定该子区域中被重新分配的采样点的状态信息，以更新该候选子集合。
32、根据本申请第二方面的实施例，提供了一种机器人示教轨迹优化装置，该装置包括：
33、获取单元，用于获取所述机器人的初始示教轨迹，所述初始示教轨迹包括多个采样点的状态信息；
34、确定单元，用于基于所述初始示教轨迹包括的多个采样点生成多个采样组，每一采样组包括至少两个采样点；
35、针对每一采样组，根据采样组包括的采样点的状态信息，确定该采样组对应的运动状态，所述运动状态是指机器人在该采样组包括的采样点之间的运动状态；
36、选取单元，用于根据机器人在多个采样组对应的运动状态，从所述多个采样点中选取多个参考采样点，所述参考采样点包括所述机器人的运动状态发生变化的采样点；
37、生成单元，用于根据所述参考采样点生成目标示教轨迹，以基于所述目标示教轨迹，控制所述机器人进行循迹。
38、可选的，所述状态信息包括所述机器人的位置以及姿态角；所述确定单元具体用于：
39、根据所述机器人在所述采样组中采样时间最早的采样点以及采样时间最晚的采样点的位置本文档来自技高网...
【技术保护点】
1.一种机器人示教轨迹优化方法，其特征在于，该方法包括：
2.根据权利要求1所述的方法，其特征在于，所述状态信息包括所述机器人的位置以及姿态角；所述根据采样组包括的采样点的状态信息，确定该采样组对应的运动状态，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述欧氏距离以及所述姿态角变化量确定该采样组对应的运动状态，包括：
4.根据权利要求1所述的方法，其特征在于，所述运动状态包括静止以及原地旋转；所述根据机器人在所述多个采样组对应的运动状态，从所述多个采样点中选取多个参考采样点，包括：
5.根据权利要求4所述的方法，其特征在于，所述初始示教轨迹包括的多个采样点中包括至少一个被预先配置的关键点，所述关键点用于指示所述机器人在该采样点执行指定动作；在将参考子集合中包括的连续采样点的起点以及终点，作为参考采样点之前，所述方法还包括：
6.根据权利要求4所述的方法，其特征在于，所述运动状态还包括直行，所述采样点集合还包括直行集合，所述根据机器人在所述多个采样组对应的运动状态，从所述多个采样点中选取多个参考采样点，还包
7.根据权利要求6所述的方法，其特征在于，在将所述每一候选子集合中包括的采样点作为参考采样点之前，该方法进一步包括：
8.一种机器人示教轨迹优化装置，其特征在于，该装置包括：
9.一种机器人，其特征在于，所述机器人包括：
10.根据权利要求9所述的机器人，其特征在于，所述机器人为两轮球形机器人，所述机器人还包括：
...【技术特征摘要】
1.一种机器人示教轨迹优化方法，其特征在于，该方法包括：
2.根据权利要求1所述的方法，其特征在于，所述状态信息包括所述机器人的位置以及姿态角；所述根据采样组包括的采样点的状态信息，确定该采样组对应的运动状态，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述欧氏距离以及所述姿态角变化量确定该采样组对应的运动状态，包括：
4.根据权利要求1所述的方法，其特征在于，所述运动状态包括静止以及原地旋转；所述根据机器人在所述多个采样组对应的运动状态，从所述多个采样点中选取多个参考采样点，包括：
5.根据权利要求4所述的方法，其特征在于，所述初始示教轨迹包括的多个采样点中包括至少一个被预先配置的关键点，所述关键点用于指示所述...
【专利技术属性】
技术研发人员：邓志，
申请(专利权)人：杭州萤石软件有限公司，
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。