[发明专利]一种机器人笛卡尔空间的运动规划方法

说明书

本发明公开了一种机器人笛卡尔空间的运动规划方法，包括步骤：S1、获取机器人的初始状态信息、机器人周边环境和任务目标的状态信息；S2、根据要求选取规划路径点，依据平面公理确定目标规划点、规划路径点、机器人基坐标系原点所构成的空间平面；并依次规划在空间平面内从预规划点到目标规划点的规划路径点，获得空间路径；S3、根据要求规划耦合空间路径的位置信息的位于空间平面和/或其相交面上的末端执行器的接近矢量，使其经由空间路径，接着结合接近矢量表示姿态的空间信息；S4、驱动机器人到达目标规划点；本发明具有解决现有方法规划效率低、减轻环境建模的难度、降低系统开发成本、提高运动规划效率和系统开发效率等优势。

技术领域

本发明涉及机器人运动规划的技术领域，特别是涉及一种机器人笛卡尔空间的运动规划方法。

背景技术

当前机器人技术已得到迅速发展，同时，诸如机器视觉、深度学习等人工智能技术也推动了机器人技术在更多场景下的应用。但是，仍存在诸多对于人类而言十分简单的操作，却对机器人自动化而言仍是极具挑战性的问题。

工业场景下的Bin Picking(料筐抓取、散堆拾取)、农业非结构环境下的果实准确抓取采摘等依然是一项兼具挑战性和复杂性的研究课题。无序抓取问题由于其难度高、潜在应用场景多，有人将其称为机器人操作的“圣杯问题”。

机器人的运动规划问题，可以归结为在二维或三维障碍空间中的障碍物可用多边形或多面体进行描述，而机器人在非障碍环境的自由空间中如何运动，且与障碍物不发生碰撞或者不发生“剧烈”碰撞。同时，该问题与机器人的种类以及自身功能有很大关系，如：以二维障碍空间下的点状机器人的寻求其最短自由路径较为容易，而多自由度铰链式机械臂由于其自身的灵活性使得该问题变得更为复杂。

对于非点状机器人，目前可行的主要策略有随机采样法、空间搜索法等，但其均是随机算法，存在计算量大、过度规划、规划时间长、易陷入局部最优等弊端，甚至无法满足运动规划的高效率、实时性等要求。在工业常规环境以及工艺要求下，更为追求稳定可靠、确定性的运行轨迹，而非过于随机的运行轨迹。同时，对于农业非结构化环境，存在农业环境建模复杂、自由空间或可行区域大、相对工业环境更为多样性和不确定性等问题；若采样工业相对标准化环境下的随机算法，将产生机器人规划计算代价大、应用成本高、操作效率或成功率低等问题。

相较于工业环境，农业作物的种植场景复杂且难以结构化导致农业机器人面临极其复杂的作业场景，给机器人场景感知、行为规范和执行系统设置均带来挑战。因此，亟需探索和建立确定性算法以解决被誉为“圣杯问题”的多自由度铰链式机器人运动规划问题。

发明内容

本发明的目的在于克服现有技术中的上述缺陷，提供了一种机器人笛卡尔空间的运动规划方法，其具有解决现有方法规划效率低、减轻环境建模的难度、降低系统开发成本、提高运动规划效率和系统开发效率以及提高工作任务节拍等优势。

为实现上述目的，本发明提供了一种机器人笛卡尔空间的运动规划方法，其包括如下步骤：

S1、对机器人环境进行初始化，获取机器人的初始状态信息，通过定位系统和/或作业任务要求获取机器人周边环境和任务目标的状态信息；

S2、根据作业任务要求选取规划路径点，依据平面公理(经过不共线的三点有且仅有一个平面)通过数学建模方法确定目标规划点、规划路径点、机器人基坐标系原点所构成的空间平面；并根据作业任务要求依次规划在所述空间平面内从预规划点到目标规划点的规划路径点，获得从预规划点到目标规划点的规划路径点的空间路径；

S3、根据作业任务要求规划耦合步骤S2最后所述的空间路径的位置信息的、位于步骤S2中所述的空间平面和/或其相交面上的末端执行器的接近矢量，使其依次经由步骤S2中所述的空间路径，接着依据姿态表示方法并结合接近矢量表示出姿态的空间信息；

S4、结合步骤S2中所述的空间路径的位置信息和步骤S3中所述姿态的空间信息，驱动机器人完成到达作业目标规划点的运动过程。