一种基于分解速度规划算法的移动物体抓取方法技术

本发明专利技术公开了一种基于分解速度规划算法的移动物体抓取方法。在已知移动物体状态的情况下基于分解速度规划算法先实现机械臂末端对移动物体的稳定跟踪，在稳定跟踪之后再对物体进行抓取操作。该算法基于移动物体和机械臂的状态建立分解坐标系，并分别在分解坐标系的x、y和z轴上规划能在约束机械臂的最大速度和最大加速度的情况下以最短时间实现跟踪目标的加速度指令，进而在较短的时间内实现机械臂末端对移动物体的稳定跟踪从而进行抓取操作，在一定程度上解决了传统跟踪算法由于收敛速度较慢从而可能导致抓取失败的问题。

A Moving Object Grabbing Method Based on Decomposition Speed Planning

The invention discloses a method for grasping moving objects based on decomposition speed programming algorithm. When the state of the moving object is known, the stable tracking of the moving object is realized at the end of the manipulator based on the decomposition velocity programming algorithm, and then the object is grasped after the stable tracking. The algorithm establishes decomposition coordinate system based on the state of moving object and manipulator. Planning on the x, y and Z axes of decomposition coordinate system can achieve the acceleration command of tracking target in the shortest time under the constraint of the maximum speed and acceleration of manipulator, and then achieve the stable tracking of moving object at the end of manipulator in a shorter time to grasp the manipulator. To some extent, it solves the problem that the traditional tracking algorithm may fail to grasp because of its slow convergence speed.

【技术实现步骤摘要】
一种基于分解速度规划算法的移动物体抓取方法
本专利技术涉及一种机械臂对移动物体的抓取方法，尤其涉及一种基于分解速度规划算法的移动物体抓取方法。
技术介绍
目前，在传统的自动制造工业中，对于使用工业机械臂抓取传送带上移动物体的任务而言，大多数都是通过事先检测目标物体的状态，然后用离线的方式控制机械臂来实现该任务，这种方式对于可长期预测其状态的物体固然可行，但只要物体的实际状态与预测状态不一致，那么这种方法就没办法实现抓取任务了，并且，随着人们对自动化要求的提高，可以想象，未来的趋势必然是朝着机器人自主的实时的感知环境以获取更加丰富的环境信息并实现抓取作复杂运动物体的方向发展，而不仅仅只是局限于抓取可长期预测其状态的物体。有许多学者致力于研究机械臂对移动物体的抓取问题，在早期的研究中，由于传感器性能的限制，无法实时的检测移动物体的状态，因此当时的学者主要关注于状态可长期预测的移动物体如处于传送带上的物体。由于这些物体的状态可以长期预测，于是便可以事先计算出机械臂末端与移动物体的会合点，然后控制机械臂直接到达这个会合点便可实现抓取动作，这种方式通常被称为预测、规划和执行的方法，Park等人便是采用这种方法解决机械臂跟踪传送带上物体的问题，Kimura等人将这种方法应用于让机械臂接一个以抛物线轨迹运动的球的任务。但由于这种方法依赖于移动物体状态的可预测性，采用离线的方式规划出会合点之后便直接控制机械臂末端到达该点，因此，对于一个实际状态会偏离预测状态的物体来说，这种方法便不再适用。后来，由于视觉系统的发展，其采样频率得到了较大的提升，于是学者们使用视觉系统获取移动物体的相关信息，并由这些信息利用视觉伺服的方法来解决机械臂对移动物体的抓取问题。视觉伺服控制是一种基于视觉的机器人反馈控制方法，视觉伺服控制按误差类型的不同主要分为基于位置的视觉伺服控制、基于图像的视觉伺服控制和结合上述两种方式的混合视觉伺服控制，基于位置的视觉伺服控制通过视觉获得与任务相关的位置信息，而后直接利用该信息实现控制任务，而基于图像的视觉伺服控制则直接利用视觉传感器获取图片的特征来实现控制任务。Allen等人利用双目视觉获取一个移动玩具火车的位置信息，并用基于位置的视觉伺服控制成功的实现了抓取任务。还有的学者使用基于导航与制导的方法来解决该问题，Mehrandezh等人针对机械臂抓取移动物体的子问题也即跟踪问题，提出在机械臂跟踪移动物体任务的第一阶段使用一种导航的方法，并在第二阶段切换传统跟踪方法来实现机械臂末端与移动物体速度的匹配。但是上述提到的方法，预测、规划和执行的方法难以实现实时应用，视觉伺服控制的方法存在着收敛速度较慢的问题，基于导航与制导的方法也由于方法切换的方式存在着收敛速度不稳定的问题。
技术实现思路
本专利技术的目的是提供一种计算量小，能实时应用的且收敛速度足够快的跟踪算法用于解决机械臂抓取移动物体的问题。基于以上阐述，本专利技术通过以下技术方案予以实现：一种基于分解速度规划算法的移动物体抓取方法，该方法包括以下步骤：(1)获取机械臂的状态信息，包括机械臂各个关节的位置和速度；获取移动物体的状态信息，包括移动物体的位置和速度；(2)通过步骤(1)获得的移动物体和机械臂状态信息，使用分解速度规划算法得到机械臂末端的加速度指令，并由此计算得到机械臂末端的速度指令；所述分解速度规划算法具体为：将机械臂末端视为质点A，移动物体视为质点B；定义分别为质点A的速度和加速度，分别为质点B的速度和加速度；以A为原点，先由和定义出x-y平面；令定义y轴与同向，即为在y轴上的投影，当时，用代替式中的令定义x轴与同向，即为在x轴上的投影，当时，则定义x轴为与y轴垂直的任意方向；z轴的方向则可由右手定则得到；在约束质点A的最大速度Vmax与最大加速度amax的情况下，对质点A的加速度作以下规划：a).规划质点A在x轴方向上的加速度使得A以最短的时间沿着x轴方向移动后b).规划质点A在y轴方向上的加速度使得A以最短的时间沿着y轴方向移动后其中为质点B在这个过程中的位移；c).规划质点A在z轴方向上的加速度使得A在最短的时间内在z轴方向上的速度并保持，以保证由和构成的x-y平面保持不变；(3)通过机械臂的模型及其状态计算雅各比矩阵，将步骤(2)获得的机械臂末端速度指令转换为机械臂每个关节的速度指令，从而控制机械臂跟踪移动物体，并在稳定跟踪后进行抓取操作。进一步地，所述步骤(1)中，所述移动物体的状态信息是首先通过传感器获得移动物体的位置数据，然后对其使用卡尔曼滤波器进行平滑和预测得到的，其包括位置和速度信息。进一步地，所述步骤(1)中，所述机械臂是一个6自由度的工业机器人，其状态信息是通过机械臂控制器获得的，包括机械臂各个关节的位置和速度信息。进一步地，在所述步骤(2)中，质点A在x轴方向上的加速度的计算方法如下：(A)假设A在x轴方向上以最大加速度加速或减速至0，计算在此过程中质点A的位移(B)若则令否则令(C)如果或以步骤(B)中得到的加速度让A运动至下一采样时刻时A的速度则令进一步地，在所述步骤(2)中，质点A在y轴方向上的加速度的计算方法如下：(A)假设A在y轴方向上以最大加速度加速或减速至计算在此过程中质点A的位移及其所花费的时间t；(B)计算B在步骤(A)得到的时间t后的位移若则令否则令(C)如果或以步骤(B)中得到的加速度让A运动至下一采样时刻时A的速度则令进一步地，在所述步骤(2)中，质点A在z轴方向上的加速度的计算方法如下：(A)若则令(B)否则，若则令若则令其中T为采样时间。进一步地，在所述步骤(2)中，机械臂末端的加速度指令为机械臂末端下一时刻的速度指令其中T为采样时间，为当前时刻机械臂末端的速度。本专利技术的有益效果：本专利技术提出了一种基于分解速度规划算法的移动物体抓取方法，基于移动物体和机械臂的状态建立分解坐标系，并分别在分解坐标系的x、y和z轴上规划能在约束机械臂的最大速度和最大加速度的情况下以最短时间实现跟踪目标的加速度指令，进而在较短的时间内实现机械臂末端对移动物体的稳定跟踪从而进行抓取操作，在一定程度上解决了传统跟踪算法由于收敛速度较慢从而可能导致抓取失败的问题。附图说明图1为本专利技术的流程图；图2为本专利技术的机械臂跟踪移动物体的模型示意图；图3为本专利技术的基于分解速度规划算法计算机械臂控制指令的流程图；图4为本专利技术算法与PD算法在相同条件下，移动物体作直线运动时的仿真对比结果；图5为本专利技术算法与PD算法在相同条件下，移动物体作正弦曲线运动时仿真对比结果；图6为本专利技术算法与PD算法在相同条件下，移动物体作圆弧轨迹运动时仿真对比结果。具体实施方式下面结合附图对本专利技术作进一步描述，但本专利技术的实施方式并不局限于此。参照图1，本专利技术提供的一种基于分解速度规划算法的移动物体抓取方法，该方法通过机械臂抓取目标移动物体，该方法包括以下步骤：(1)获取机械臂的状态信息，包括机械臂各个关节的位置和速度；获取移动物体的状态信息，包括移动物体的位置和速度；所述移动物体的状态信息是首先通过传感器获得移动物体的位置数据，然后对其使用卡尔曼滤波器进行平滑和预测得到的，其包括位置和速度信息；所述机械臂是一个6自由度的工业机器人，其状态信息是通过机械臂控制器获本文档来自技高网...

【技术保护点】
1.一种基于分解速度规划算法的移动物体抓取方法，其特征在于，该方法通过机械臂抓取目标移动物体，该方法包括以下步骤：(1)获取机械臂的状态信息，包括机械臂各个关节的位置和速度；获取移动物体的状态信息，包括移动物体的位置和速度；(2)通过步骤(1)获得的移动物体和机械臂状态信息，使用分解速度规划算法得到机械臂末端的加速度指令，并由此计算得到机械臂末端的速度指令；所述分解速度规划算法具体为：将机械臂末端视为质点A，移动物体视为质点B；定义

【技术特征摘要】
1.一种基于分解速度规划算法的移动物体抓取方法，其特征在于，该方法通过机械臂抓取目标移动物体，该方法包括以下步骤：(1)获取机械臂的状态信息，包括机械臂各个关节的位置和速度；获取移动物体的状态信息，包括移动物体的位置和速度；(2)通过步骤(1)获得的移动物体和机械臂状态信息，使用分解速度规划算法得到机械臂末端的加速度指令，并由此计算得到机械臂末端的速度指令；所述分解速度规划算法具体为：将机械臂末端视为质点A，移动物体视为质点B；定义分别为质点A的速度和加速度，分别为质点B的速度和加速度；以A为原点，先由和定义出x-y平面；令定义y轴与同向，即为在y轴上的投影，当时，用代替式中的令定义x轴与同向，即为在x轴上的投影，当时，则定义x轴为与y轴垂直的任意方向；z轴的方向则可由右手定则得到；在约束质点A的最大速度Vmax与最大加速度amax的情况下，对质点A的加速度作以下规划：a).规划质点A在x轴方向上的加速度使得A以最短的时间沿着x轴方向移动后b).规划质点A在y轴方向上的加速度使得A以最短的时间沿着y轴方向移动后其中为质点B在这个过程中的位移；c).规划质点A在z轴方向上的加速度使得A在最短的时间内在z轴方向上的速度并保持，以保证由和构成的x-y平面保持不变；(3)通过机械臂的模型及其状态计算雅各比矩阵，将步骤(2)获得的机械臂末端速度指令转换为机械臂每个关节的速度指令，从而控制机械臂跟踪移动物体，并在稳定跟踪后进行抓取操作。2.根据权利要求1所述的一种基于分解速度规划算法的移动物体抓取方法，其特征在于：所述步骤(1)中，所述移动物体的状态信息是首先通过传...

【专利技术属性】
技术研发人员：刘山，叶昕宇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33