一种机器人运动曲线处理方法及系统技术方案

本申请公开了一种机器人运动曲线处理方法，包括：对运动曲线进行分割处理，得到离散化曲线向量；对离散化曲线向量进行编码处理，得到曲线方向编码；对曲线方向编码进行分类处理，得到运动状态。通过本申请所提供的机器人运动曲线处理方法，在控制机器人执行任务时，可以把机器人低层次的运动曲线数据经过处理后得到机器人能够利用的高层次数据，这样有利于提升机器人对历史数据的有效利用率，以便通过这些数据感知自身的运动轨迹，从而提高了机器人的智能化程度。另外，本申请还相应公开了一种机器人运动曲线处理系统。

A method and system of robot motion curve processing

The invention discloses a robot motion curve processing method, including: the motion curve segmentation, discrete curve vector; the discrete curve vector encoding processing, obtains the curve direction of curve direction encoding; encoding classification processing, motion state. The robot motion curve processing method provided in this application, robot control tasks, the robot motion curve data of low level after treatment by high level data robot can use, so to enhance the effective use of robots on the historical data rate, so that the data sensed its own trajectory, thus raise the level of intelligent robot. In addition, a robot motion curve processing system is also disclosed in this application.

【技术实现步骤摘要】
一种机器人运动曲线处理方法及系统
本专利技术涉及机器人技术，特别涉及一种机器人运动曲线处理方法及系统。
技术介绍
随着机器人技术的不断进步，新型机器人已经能够代替人类执行一些任务。机器人在执行任务时面对的环境是复杂的，不确定的，很有可能会因为一些突发的情况导致机器人无法顺利完成任务，因此机器人需要获取运动数据来对下一个操作进行分析，描述存在的运动错误以及矫正错误。现有技术中对于机器人运动数据的分析采用位姿估计的方法来分析处理，帮助机器人了解自我运动的状态。但是采用位姿估计的方法不能采用一些比较低层次的数据，来进行分析处理得到机器人可以利用的数据，例如机器人的运动曲线。总的来说，利用现有技术中的方法，在控制机器人执行任务时，无法把低层次的运动数据经过处理后得到机器人能够利用的高层次数据，从而限制了机器人的智能化程度。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种机器人运动曲线处理方法及系统，通过处理机器人的运动曲线数据，得到机器人可以使用的高层次数据。其具体方案如下：一种机器人运动曲线处理方法，包括：对运动曲线进行分割处理，得到离散化曲线向量；对所述离散化曲线向量进行编码处理，得到曲线方向编码；对所述曲线方向编码进行分类处理，得到运动状态。优选地，所述对运动曲线进行分割处理的过程，包括：对所述运动曲线进行离散化处理，得到离散化曲线，所述离散化曲线包括一系列点xk；对所述离散化曲线进行弗勒内坐标系赋值，得到所述离散化曲线向量，其中，所述离散化曲线向量包括所述离散化曲线的正切向量正交向量以及副法线向量其中，k＝1,2,3,....。优选地，所述弗勒内坐标系赋值计算公式为：式中，xk表示所述离散化曲线上的第k个点，以及分别表示所述离散化曲线上的第k个点的正切向量、正交向量以及副法线向量，其中k＝1,2,3,....。优选地，所述对运动曲线进行分割处理的过程，包括：对所述运动曲线进行离散化处理，得到离散化曲线，所述离散化曲线包括一系列点xk；对所述离散化曲线进行积累弗勒内坐标系赋值，得到所述离散化曲线向量，其中，所述离散化曲线向量包括所述离散化曲线的积累正切向量积累正交向量以及积累副法线向量；当所述积累正切向量与所述正切向量之间角度大于预先设定的阈值，则更新积累弗勒内坐标系赋值；其中，k＝1,2,3,....。优选地，所述对所述曲线方向编码进行分类处理的过程，包括利用监督分类算法对所述曲线方向编码进行分类处理。优选地，所述对所述离散化曲线向量进行编码处理的过程，包括：利用直接曲线编码法对所述离散化曲线向量进行编码处理。本专利技术还公开了一种机器人运动曲线处理系统，包括：运动曲线分割模块，用于对运动曲线进行分割处理，得到离散化曲线向量；运动曲线编码模块，用于对所述离散化曲线向量进行编码处理，得到曲线方向编码；运动曲线分类模块，用于对所述曲线方向编码进行分类处理，得到运动状态。优选地，所述运动曲线分割模块，包括：离散化单元，用于对所述运动曲线进行离散化处理，得到离散化曲线，所述离散化曲线包括一系列点xk；弗勒内坐标系赋值单元，用于对所述离散化曲线进行弗勒内坐标系赋值，得到所述离散化曲线向量，其中，所述离散化曲线向量包括所述离散化曲线的正切向量正交向量以及副法线向量其中，k＝1,2,3,....。优选地，所述运动曲线分割模块，包括：离散化单元，用于对所述运动曲线进行离散化处理，得到离散化曲线，所述离散化曲线包括一系列点xk；积累弗勒内坐标系赋值单元，用于对对所述离散化曲线进行积累弗勒内坐标系赋值，得到所述离散化曲线向量，其中，所述离散化曲线向量包括所述离散化曲线的积累正切向量积累正交向量以及积累副法线向量；积累弗勒内坐标系赋值更新单元，用于当所述积累正切向量与所述正切向量之间角度大于预先设定的阈值，则更新积累弗勒内坐标系赋值；其中，k＝1,2,3,....。优选地，所述运动曲线编码模块为DCC编码模块，用于利用直接曲线编码法对所述离散化曲线向量进行编码处理。本专利技术中，机器人运动曲线处理方法包括：对运动曲线进行分割处理，得到离散化曲线向量；对离散化曲线向量进行编码处理，得到曲线方向编码；对曲线方向编码进行分类处理，得到运动状态。可见，本专利技术在对机器人运动曲线处理的过程中，对运动曲线进行分割处理得到离散化的曲线后再进行编码，能够有效的获得离散化曲线上运动方向的变化。根据运动方向的变化进行编码可以更好的在运动曲线上对不同方向的轨迹进行分类，从而获得机器人可以利用的运动状态数据。总的来说，利用本专利技术所提供的机器人运动曲线处理方法，在控制机器人执行任务时，可以把机器人低层次的运动曲线数据经过处理后得到机器人能够利用的高层次数据，这样有利于提升机器人对历史数据的有效利用率，以便通过这些数据感知自身的运动轨迹，从而提高了机器人的智能化程度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例公开的一种机器人运动曲线处理方法流程图；图2为本专利技术实施例公开的一种机器人运动曲线处理方法示意图；图3为本专利技术实施例公开运动曲线进行分割处理的方法流程图；图4为本专利技术实施例公开另一种运动曲线进行分割处理的方法流程图；图5为本专利技术实施例公开的第三种具体的机器人运动曲线处理方法流程图；图6为本专利技术公开的一种机器人运动曲线处理系统结构示意图；图7为本专利技术公开的运动曲线分割模块结构示意图；图8为本专利技术公开的另一种运动曲线分割模块结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例公开了一种机器人运动曲线处理方法，参见图1和图2所示，图1为该方法的流程图，图2为该方法处理机器人运动曲线的示意图。该方法包括：步骤11：对运动曲线进行分割处理，得到离散化曲线向量。本实施例中，上述运动曲线为机器人在执行任务时运动的轨迹曲线，由于执行任务的环境复杂，因此这个曲线可以是一个复杂的空间曲线，例如在机器人执行爬坡以及下坡任务时，运动的空间曲线应该是一段竖直方向上的圆弧。该运动曲线可以利用机器人的定位器获得，通过定位器可以获得机器人运动的空间曲线以及曲线的长度等信息。对运动曲线进行分割处理，主要是将运动曲线进行离散化，将原本连续的曲线离散成点。也可以对曲线进行分帧处理，将原本连续的曲线分成多段单位帧。然后通过离散化的点之间方向的变化，就能映射出运动曲线方向的变化。得到的离散化向量曲线向量，实质上就是离散化曲线上点的方向的表示。步骤12：对离散化曲线向量进行编码处理，得到曲线方向编码。上述步骤后得到的离散化曲线向量是离散化曲线上点的方向，不同的方向可以利用编码的方式来表示，以便进行区分，例如，可以使用基本的正交方向来表示各个离散化曲线向量：前、后、上、下、左、右以及不动，相应的可以使用7个不同的字符进行本文档来自技高网...

【技术保护点】
一种机器人运动曲线处理方法，其特征在于，包括：对运动曲线进行分割处理，得到离散化曲线向量；对所述离散化曲线向量进行编码处理，得到曲线方向编码；对所述曲线方向编码进行分类处理，得到运动状态。

【技术特征摘要】
1.一种机器人运动曲线处理方法，其特征在于，包括：对运动曲线进行分割处理，得到离散化曲线向量；对所述离散化曲线向量进行编码处理，得到曲线方向编码；对所述曲线方向编码进行分类处理，得到运动状态。2.根据权利要求1所述的方法，其特征在于，所述对运动曲线进行分割处理的过程，包括：对所述运动曲线进行离散化处理，得到离散化曲线，所述离散化曲线包括一系列点xk；对所述离散化曲线进行弗勒内坐标系赋值，得到所述离散化曲线向量，其中，所述离散化曲线向量包括所述离散化曲线的正切向量正交向量以及副法线向量其中，k＝1,2,3,....。3.根据权利要求2所述的方法，其特征在于，所述弗勒内坐标系赋值计算公式为：式中，xk表示所述离散化曲线上的第k个点，以及分别表示所述离散化曲线上的第k个点的正切向量、正交向量以及副法线向量，其中k＝1,2,3,....。4.根据权利要求1所述的方法，其特征在于，所述对运动曲线进行分割处理的过程，包括：对所述运动曲线进行离散化处理，得到离散化曲线，所述离散化曲线包括一系列点xk；对所述离散化曲线进行积累弗勒内坐标系赋值，得到所述离散化曲线向量，其中，所述离散化曲线向量包括所述离散化曲线的积累正切向量积累正交向量以及积累副法线向量；当所述积累正切向量与所述正切向量之间角度大于预先设定的阈值，则更新积累弗...

【专利技术属性】
技术研发人员：胡安路易斯罗哈斯苏亚雷斯德尔里尔，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44