[發明專利]機器人運動軌跡估計方法、裝置、控制器及存儲介質在審
| 申請號： | 202111497652.7 | 申請日： | 2021-12-09 |
| 公開（公告）號： | CN114147717A | 公開（公告）日： | 2022-03-08 |
| 發明（設計）人： | 冷曉琨;常琳;吳雨璁;白學林;柯真東;王松;何治成;黃賢賢 | 申請（專利權）人： | 樂聚(深圳)機器人技術有限公司 |
| 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： | 曹瑞敏 |
| 地址： | 518110 廣東省深圳市*** | 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 軌跡 估計 方法 裝置 控制器 存儲 介質 | ||
1.一種機器人運動軌跡估計方法，其特征在于，包括：
根據機器人的慣性傳感器采集的第一姿態數據，確定所述慣性傳感器的噪聲參數；
根據所述噪聲參數，對所述第一姿態數據和所述機器人的視角傳感器采集的第二姿態數據進行濾波融合，得到融合姿態數據；
采用所述融合姿態數據，計算所述機器人的目標運動軌跡。
2.根據權利要求1所述的方法，其特征在于，所述根據機器人的慣性傳感器采集的第一姿態數據，確定所述慣性傳感器的噪聲參數，包括：
采用時間卷積網絡，對所述第一姿態數據進行處理，得到所述噪聲參數。
3.根據權利要求1所述的方法，其特征在于，所述采用所述噪聲參數，對所述第一姿態數據和所述機器人的視角傳感器采集的第二姿態數據進行濾波融合，得到融合姿態數據之前，所述方法還包括：
對所述第一姿態數據和所述第二姿態數據進行坐標系轉換，得到處于同一坐標系下的所述第一姿態數據和所述第二姿態數據。
4.根據權利要求1所述的方法，其特征在于，所述根據所述噪聲參數，對所述第一姿態數據和所述機器人的視角傳感器采集的第二姿態數據進行濾波融合，得到融合姿態數據，包括：
根據所述噪聲參數，采用預先獲取的所述機器人的狀態向量，對所述第一姿態數據和所述第二姿態數據進行濾波融合，得到所述融合姿態數據，其中，所述狀態向量包括：所述慣性傳感器的第一狀態向量和所述視角傳感器的第二狀態向量。
5.根據權利要求4所述的方法，其特征在于，所述根據所述噪聲參數，采用預先獲取的所述機器人的狀態向量，對所述第一姿態數據和所述第二姿態數據進行濾波融合，得到所述融合姿態數據，包括：
根據所述噪聲參數，采用預先獲取的所述機器人的狀態向量和協方差，對所述第一姿態數據和所述第二姿態數據進行濾波融合，得到所述融合姿態數據，其中，所述協方差為：所述第一狀態向量和所述第二狀態向量之間的協方差。
6.根據權利要求5所述的方法，其特征在于，所述方法還包括：
若檢測到所述第一姿態數據發生變化，則根據更新后的所述第一姿態數據，對所述第一狀態向量和所述協方差進行更新；或者，
若檢測到所述第二姿態數據發生變化，則根據更新后的所述第二姿態數據，對所述第一狀態向量和所述協方差進行更新；或者，
若檢測到所述第一姿態數據和所述第二姿態數據發生變化，則根據更新后的所述第一姿態數據，對所述第一狀態向量和所述協方差進行更新，根據更新后的所述第二姿態數據，對所述第一狀態向量和所述協方差進行更新。
7.一種機器人運動軌跡估計裝置，其特征在于，包括：
確定模塊，用于根據機器人的慣性傳感器采集的第一姿態數據，確定所述慣性傳感器的噪聲參數；
獲取模塊，用于根據所述噪聲參數，對所述第一姿態數據和所述機器人的視角傳感器采集的第二姿態數據進行濾波融合，得到融合姿態數據；
計算模塊，用于采用所述融合姿態數據，計算所述機器人的目標運動軌跡。
8.根據權利要求7所述的裝置，其特征在于，所述確定模塊，還用于采用時間卷積網絡，對所述第一姿態數據進行處理，得到所述噪聲參數。
9.一種控制器，其特征在于，包括：存儲器和處理器，所述存儲器存儲有所述處理器可執行的計算機程序，所述處理器執行所述計算機程序時實現上述權利要求1-6任一項所述的機器人運動軌跡估計方法。
10.一種存儲介質，其特征在于，所述存儲介質上存儲有計算機程序，所述計算機程序被讀取并執行時，實現上述權利要求1-6任一項所述的機器人運動軌跡估計方法。
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樂聚(深圳)機器人技術有限公司，未經樂聚(深圳)機器人技術有限公司許可，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/202111497652.7/1.html，轉載請聲明來源鉆瓜專利網。
