[发明专利]一种仿人机械臂的运动路径规划方法及系统

说明书

本发明公开了一种仿人机械臂的运动路径规划方法及系统。所述方法包括：依据仿人机械臂的D‑H模型确定仿人机械臂待运动空间的起始位置和目标位置；采用快速搜索随机树法对仿人机械臂待运动空间的采样点进行探索，在探索过程中采用偏向概率采样算法确定随机采样点；依据所确定的随机采样点扩展新的节点，并结合新的节点构建以起始位置为源节点，以目标位置为终节点的扩展随机树。最后在所构建的扩展树的各路径中找到总权重最小的路径，将总权重值最小的路径中所有节点的信息通过逆运动学解算为仿人机械臂运动的关节角信息，使仿人机械臂按照关节角信息运动。本发明提供的仿人机械臂的运动路径规划方法及系统，能够节约搜索时间、加快搜索采样点的速度。

技术领域

本发明涉及机械臂的运动规划技术领域，特别是涉及一种仿人机械臂的运动路径规划方法及系统。

背景技术

近年来随着生产技术的不断发展，机械臂的应用更加广泛，对机械臂操作精度的要求也不断提高。而对于机械臂完成一个完整的操作流程，需要机械臂能够较快速、准确的到达预定位置后再进行操作。机械臂有很多可以行进的路径，但是找到一条既符合运动约束又满足衡量标准的路径一直是对机械臂进行运动规划的目标。而最优路径一般包括路径最短、使用时间最短、损耗能量最少等条件。

现有的机械臂运动规划算法例如遗传算法、人工势场法、蚁群算法等，均不能够很好找到一条真正意义上的最优路径，且传统的算法中一般还具有非完整约束问题，并且需要对环境进行精确的建模才能较为准确的寻找得到最优路径。但随着机械臂自由度数的增加计算复杂度呈指数性增长，传统的运动规划方法并不适合用于多自由度的机械臂的运动规划。

RRT算法与传统方法相比，它具有独特的优势，因为它避免了精确的环境模型。该算法效率高，适用于解决在高维空间中多自由度机器人的复杂约束下的运动规划问题。目前，RRT算法已广泛应用于机器人运动规划领域。值得注意的是，该算法不提供最优解，因为搜索路径的探索树是由随机采样点扩展的。此外，RRT算法采用全局均匀随机采样策略，收敛速度慢，时间消耗大。

发明内容

本发明提供的仿人机械臂的运动路径规划方法及系统，能够节约搜索时间、加快搜索采样点的速度。

为实现上述目的，本发明提供了如下方案：

一种仿人机械臂的运动路径规划方法，包括：

采用D-H法描述仿人机械臂的位姿，建立仿人机械臂的连杆坐标系，确定仿人机械臂的D-H参数，并计算得到仿人机械臂的D-H模型；

根据所述仿人机械臂的D-H模型，确定初始参数；所述初始参数包括所述仿人机械臂的起始位置、所述仿人机械臂运动的目标位置、搜索步长和最大采样次数；

以所述仿人机械臂的起始位置为待搜索空间的起始位置，以所述仿人机械臂运动的目标位置为待搜索空间的目标位置，采用快速搜索随机树法根据所述搜索步长和最大采样次数搜索所述待搜索空间的采样点，并将搜索得到的所述采样点作为节点构建随机树；所述待搜索空间为所述仿人机械臂的工作空间；

采用偏向概率采样算法确定随机采样点；遍历所述随机树上的节点，确定距所述随机采样点最近的节点；并判断所述随机采样点与最近节点间的距离是否大于搜索步长；若是，则在距所述随机采样点最近的节点到所述随机采样点的连线上以所述搜索步长的长度扩展节点；若否，则将所述随机采样点直接作为扩展节点；

在对节点的扩展过程中，检测所扩展的节点是否位于障碍物边界的内部；若是，则删除所扩展的节点，反之则保留所扩展的节点；

将保留的扩展节点形成扩展随机树；所述扩展随机树是以所述待搜索空间的起始位置为源节点，以所述待搜索空间的目标位置为终节点的随机树；

遍历所述扩展随机树上的所有节点，连接所述扩展随机树上的所有节点；判断节点间相互连接的连接线是否与障碍物发生碰撞；若是则删除节点间的连线，若否则保留节点间的连线；