【技术实现步骤摘要】
基于大数据的分拣机器人路径规划方法
[0001]本专利技术涉及路径规划
,具体涉及基于大数据的分拣机器人路径规划方法。
技术介绍
[0002]Delta机器人是一种快速执行、控制简单的分拣机器人类型。对于垃圾分拣,Dleta机器人需要规划路径从而避开传送带上的其余垃圾,在路径规划时,由于Delta机器人的结构较为特殊,因此可以直接考虑末端的轨迹,但因垃圾的高度随机,代价地图等方法生成的二维轨迹好坏还取决于分拣机器人距离传送带的高度的选取,因此难以得到真正客观的最优解,而分拣机器人的高度若固定,则需要较高的高度余量,且仍然无法得到最优的规划路径的可行解,无法尽可能缩短Delta机器人的路径。
技术实现思路
[0003]为了解决上述技术问题,本专利技术的目的在于提供基于大数据的分拣机器人路径规划方法,所采用的技术方案具体如下:
[0004]采集分拣机器人视角下观测到的深度图像,基于深度图像得到至少两条执行路径;
[0005]获取所述执行路径的初始极坐标方位角;根据初始极坐标方位角的波动程度得到可行均一性;根据初始极坐标方位角构成的优解夹角范围,得到优解集中度;获取分拣机器人距离传送带的高度;根据多条执行路径的高度的波动程度得到高度变化程度;根据分拣机器人的实时加速度的波动程度、实时加速度和标准加速度的差异得到加速度波动评价;
[0006]根据所述优解集中度、所述加速度波动评价和所述高度变化程度得到路径规划质量评价;由所述优解集中度、所述可行均一性和所述路径规划质量评价构成三元 ...
【技术保护点】
【技术特征摘要】
1.基于大数据的分拣机器人路径规划方法,其特征在于,该方法包括以下步骤:采集分拣机器人视角下观测到的深度图像,基于深度图像得到至少两条执行路径;获取所述执行路径的初始极坐标方位角;根据初始极坐标方位角的波动程度得到可行均一性;根据初始极坐标方位角构成的优解夹角范围,得到优解集中度;获取分拣机器人距离传送带的高度;根据多条执行路径的高度的波动程度得到高度变化程度;根据分拣机器人的实时加速度的波动程度、实时加速度和标准加速度的差异得到加速度波动评价;根据所述优解集中度、所述加速度波动评价和所述高度变化程度得到路径规划质量评价;由所述优解集中度、所述可行均一性和所述路径规划质量评价构成三元组;基于所述三元组对预测网络进行训练,将所述深度图像输入训练好的预测网络中输出执行路径对应的预测高度;基于所述预测高度规划路径。2.根据权利要求1所述的基于大数据的分拣机器人路径规划方法,其特征在于,所述基于所述三元组对预测网络进行训练,包括:根据所述可行均一性和所述高度变化程度对分拣机器人进行分类,得到四个分组,并对每个分组赋予权重;计算任意两个三元组对应的特征描述子的余弦相似度,所述余弦相似度乘上分拣机器人对应的权重,得到分拣机器人之间的类间距离,根据类间距离得到分拣机器人的局部可达密度,将局部可达密度大于预设最佳阈值的分拣机器人分至最优组,将局部可达密度小于等于预设最佳阈值的分拣机器人分至个例组;对于最优组内的任意分拣机器人,将对应的起始高度作为分拣机器人的高度标签;对于个例组内的任意分拣机器人,获取对应的最高高度,将分拣机器人的归一化后的权重作为最高高度的加权权重,计算一减所述归一化后的得到第二权重,将所述第二权重作为对应的起始高度的加权权重;最高高度和起始高度加权求和得到调节高度,将所述调节高度作为分拣机器人的高度标签;分拣机器人对应的深度图像和高度标签作为预测网络的训练集,对预测网络进行训练。3.根据权利要求2所述的基于大数据的分拣机器人路径规划方法,其特征在于,所述对预测网络进行训练,包括:对于一个训练批次,所述训练批次中的分拣机器人样本对应的损失函数权重为一减去归一化后的局部可达密度;训练批次内的各样本对应的损失函数和损失函数权重加权求平均得到训练批次对应的损失函数。4.根据权利要求1所述的基于大数据的分拣机器人路径规划方法,其特征在于,所述根据初始极坐标方位角的波动程度得到可行均一性,包括:计算所述初始极坐标方位角序列的方差,作为第一方差;所述第一方差乘上均一性修正系数,得到均一性修正值;以自然常数为底数,以负的均一性修正值为指数的指数函数值,作为可行均一性。5.根据权利要求1所述的基于大数据的分拣机器人路径规划方法,其特征在于,所述根据初始极坐标方位角构成的优解夹角范围,得到优解集中度,包括:以最大初始极坐标方位角对应的夹角范围值作为优解夹角范围值;所述优解夹角范围值和预设...
【专利技术属性】
技术研发人员:宋欢,蔡晶晶,李冰,丁玉涛,邱国柯,
申请(专利权)人:河南职业技术学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。