[發明專利]機器人正運動學求解方法、裝置、可讀存儲介質及機器人有效
| 申請號： | 202110334669.4 | 申請日： | 2021-03-29 |
| 公開（公告）號： | CN112959326B | 公開（公告）日： | 2022-06-07 |
| 發明（設計）人： | 胡毅森;董浩;丁宏鈺;熊友軍 | 申請（專利權）人： | 深圳市優必選科技股份有限公司 |
| 主分類號： | B25J9/16 | 分類號： | B25J9/16 |
| 代理公司： | 深圳中一聯合知識產權代理有限公司 44414 | 代理人： | 劉永康 |
| 地址： | 518000 廣東省深圳市南山區*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 機器人 運動學 求解 方法 裝置 可讀 存儲 介質 | ||
1.一種機器人正運動學求解方法，其特征在于，包括：
獲取機器人目標部位的驅動機構運動參數；所述目標部位為連桿傳動機構，所述連桿傳動機構包括：第一轉動臂、由第一驅動機構驅動的搖擺件、第一連桿組件及第二轉動臂，所述搖擺件的兩端分別轉動連接于所述第一轉動臂和所述第一連桿組件，所述第一轉動臂遠離所述搖擺件的一端、所述第一連桿組件遠離所述搖擺件的一端均活動連接于所述第二轉動臂；所述驅動機構運動參數為所述第一驅動機構的驅動角度；
根據預設的正運動學求解模型對所述驅動機構運動參數進行處理，得到所述目標部位的末端位姿，所述末端位姿為所述第二轉動臂的姿態角；所述正運動學求解模型為由預設的訓練樣本集合訓練得到的神經網絡模型，且所述訓練樣本集合為根據預設的逆運動學函數關系構建的集合；所述逆運動學函數關系為：
a＝xA-xC
b＝zA-zC
其中，θox為所述第二轉動臂繞預設的x軸的姿態角，θoy為所述第二轉動臂繞預設的y軸的姿態角，Rx(θox)為繞所述x軸旋轉θox所對應的旋轉矩陣，Ry(θoy)為繞所述y軸旋轉θoy所對應的旋轉矩陣，A為所述第一驅動機構與所述搖擺件的連接點，B為所述第一連桿組件與所述搖擺件的連接點，C為所述第一連桿組件與所述第二轉動臂的連接點，xA為點A在所述x軸上的坐標分量，zA為點A在預設的z軸上的坐標分量，xC為點C在所述x軸上的坐標分量，zC為點C在所述z軸上的坐標分量，lAB為點A到點B的長度，lBC為點B到點C的長度，θ0為所述搖擺件與水平面的初始夾角，為點A的初始位置向量，為點C的初始位置向量，θ為所述第一驅動機構的驅動角度。
2.根據權利要求1所述的機器人正運動學求解方法，其特征在于，所述正運動學求解模型的訓練過程，包括：
確定所述目標部位的末端位姿范圍；
在所述末端位姿范圍中進行采樣，得到第一數目的末端位姿采樣點；
根據所述逆運動學函數關系計算與每個末端位姿采樣點分別對應的驅動機構運動參數；
構建所述訓練樣本集合；所述訓練樣本集合中包括第一數目的訓練樣本，每個訓練樣本均包括一組末端位姿采樣點和對應的驅動機構運動參數；
使用所述訓練樣本集合對初始狀態的神經網絡模型進行訓練，并將訓練后的神經網絡模型作為所述正運動學求解模型。
3.根據權利要求1所述的機器人正運動學求解方法，其特征在于，所述根據預設的正運動學求解模型對所述驅動機構運動參數進行處理，得到所述目標部位的末端位姿，包括：
將所述驅動機構運動參數輸入至所述正運動學求解模型中進行處理，并將所述正運動學求解模型處理后的輸出作為所述目標部位的末端位姿。
4.根據權利要求1所述的機器人正運動學求解方法，其特征在于，所述根據預設的正運動學求解模型對所述驅動機構運動參數進行處理，得到所述目標部位的末端位姿，包括：
將所述正運動學求解模型轉化為矩陣運算式；
將所述驅動機構運動參數代入所述矩陣運算式中進行運算，并將運算結果作為所述目標部位的末端位姿。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深圳市優必選科技股份有限公司，未經深圳市優必選科技股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110334669.4/1.html，轉載請聲明來源鉆瓜專利網。
