[發明專利]一種機械臂運動規劃方法、裝置及機械臂

有效

• 申請號: 202110658187.4
• 申請日: 2021-06-15
• 公開（公告）號: CN113246139B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 董帥;文琦;鄒昆;李文生
• 申請（專利權）人: 電子科技大學中山學院
• 主分類號: B25J9/16
• 分類號: B25J9/16
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 蔣姍

本申請提供一種機械臂運動規劃方法、裝置及機械臂，涉及智能機械控制技術領域。該方法包括：獲取待抓取物的位置數據、碰撞體積信息和機械臂的末端執行器的位姿數據；根據位姿數據、待抓取物的位置數據和生長步數，確定出末端執行器的運動軌跡；在運動軌跡的基礎上根據碰撞體積信息和障礙生長步數進行運動，得到末端執行器進行障礙生長的目標軌跡，其中，目標軌跡為機械臂進行運動規劃的目標運動方案。該方法能夠對機械臂的運動軌跡進行迭代計算，并結合待抓取物和障礙物的信息對機械臂的運動軌跡進行調整、規劃和優化，有效地提高機械臂運動規劃的穩定性和效率。

技術領域

本申請涉及智能機械控制技術領域，具體而言，涉及一種機械臂運動規劃方法、裝置及機械臂。

背景技術

隨著人工智能和機械控制技術的快速發展，機器人在執行復雜任務時，冗余自由度機械臂越來越多的被應用到機器人中來完成各種較為復雜的任務，冗余自由度機械臂為即具有七個關節的機械臂，其具有七個自由度，相比六個關節的機械臂，額外的關節允許機械臂躲避某些特定的目標，便于末端執行器到達特定的位置，可以更加靈活的適應某些特殊工作環境。

目前對冗余自由度機械臂的使用中，由于冗余自由度機械臂沒有解析的運動學逆解，因此冗余自由度機械臂的運動規劃主要為基于采樣的路徑搜索算法，然后利用例如PRM（Probabilistic Roadmap，概率路線圖）和RRT（Rapidly exploring Random Tree，快速擴展隨機樹）算法進行運動規劃，然而由于在如PRM和RRT算法的使用中，用戶無法對規劃結果進行調整，因此每次規劃的結果都不相同，導致冗余自由度機械臂的運動規劃穩定性和規劃效率較低，無法進入工業領域。

發明內容

有鑒于此，本申請實施例的目的在于提供一種機械臂運動規劃方法、裝置及機械臂，以改善現有技術中存在的機械臂的運動規劃的穩定性和效率較低的問題。

為了解決上述問題，第一方面，本申請實施例提供了一種機械臂運動規劃方法，所述方法包括：

獲取待抓取物的位置數據、碰撞體積信息和機械臂的末端執行器的位姿數據；

根據所述位姿數據、所述待抓取物的位置數據和生長步數，確定出所述末端執行器的運動軌跡；

在所述運動軌跡的基礎上根據所述碰撞體積信息和障礙生長步數進行運動，得到所述末端執行器進行障礙生長的目標軌跡，其中，所述目標軌跡為所述機械臂進行運動規劃的目標運動方案。

在上述實現過程中，通過獲取的所述位姿數據以及待抓取物的位置數據，讓所述機械臂進行以生長步數為基礎的生長，能夠通過迭代計算獲取機械臂的所述末端執行器生長時的所述運動軌跡。通過所述運動軌跡以及碰撞體積信息，讓所述機械臂進行以障礙生長步數為基礎的障礙生長，通過迭代計算獲取所述末端執行器障礙生長時的所述目標軌跡，所述目標軌跡為所述機械臂運動規劃的結果，得到運動規劃的目標運動方案，能夠對機械臂的運動軌跡進行有效地計算和調整，并結合待抓取物和障礙物的信息對機械臂的運動軌跡進行優化，從而提高機械臂運動規劃的穩定性和效率。

可選地，所述運動軌跡為忽略所述碰撞體積信息的軌跡；所述根據所述位姿數據、所述待抓取物的位置數據和生長步數，確定出所述末端執行器的運動軌跡，包括：

根據所述位姿數據、所述位置數據和生長步數，確定出所述末端執行器的初始軌跡；

判斷所述初始軌跡是否滿足碰撞約束條件；

若所述初始軌跡滿足所述碰撞約束條件，則將所述初始軌跡作為所述運動軌跡。

在上述實現過程中，在確定出所述末端執行器的運動軌跡時，通過對獲取的所述初始軌跡進行碰撞約束條件的判斷，能夠在滿足所述碰撞約束條件時，以所述初始軌跡為所述運動軌跡，增加了所述運動軌跡的準確性。

可選地，在所述判斷所述初始軌跡是否滿足碰撞約束條件之后，所述方法還包括：