协作机器人的控制方法技术

本发明专利技术提供一种协作机器人的控制方法

【技术实现步骤摘要】
协作机器人的控制方法、控制装置


[0001]本专利技术涉及机器人
，具体涉及一种协作机器人的控制方法
、
协作机器人的控制装置
。

技术介绍

[0002]协作机器人又称协作机械臂是机械臂分类中的一种，主要应用于与人互相配合工作的场景
。
当前协作机器人正常工作时无法通过自身传感器感知周围环境变化，不能有效感知周围其他接近的物体，协作机器人很容易产生碰撞
(
例如：机器人撞人
)。
[0003]相关技术中，协作机器人主要通过视觉识别周围环境主要是利用
RGB(
红绿蓝
)
图像通过深度学习技术识别出人体局部
(
手
、
胳膊或者头
)
等部位，在图像上划定范围，判断表示人的像素是否进入划定范围内，进而控制协作机器人减速或停车
。
[0004]然而，上述方式存在如下技术问题：
[0005]1、RGB
图像严重依赖光线
。
当光线较弱时或者夜间无光线时基于
RGB
图像的检测方案则无法正常工作；
[0006]2、
检测结果依赖训练样本
。
相机能够识别什么物体取决于使用什么样本对网络进行训练，目前大部分应用都是针对人的样本训练，若想识别其他物体则需要重新对样本打标签后进行训练
。
整个过程繁琐且耗时；
[0007]3、
训练对计算机性能有要求
。
训练网络时对计算机性能要求比较高，通常需要在服务器上训练
。

技术实现思路

[0008]本专利技术为解决上述技术问题，提供了一种协作机器人的控制方法，不区分人和物体，只要有障碍物侵入预先设置的区域即触发减速或者停车，整个过程无需要提前训练，对计算机算力要求较低，且可以在夜间无光的情况下工作，安全性较高
。
[0009]本专利技术还提供了一种协作机器人的控制装置
。
[0010]本专利技术采用的技术方案如下：
[0011]本专利技术的第一方面实施例提出了一种协作机器人的控制方法，所述协作机器人包括：机械臂和设置在机械臂上的深度相机，所述方法包括以下步骤：将所述深度相机与机械臂进行位姿标定；对深度相机获取的点云数据进行过滤，得到第一稀疏数据；获取机械臂的当前位置对应的各个关节角和未来路径点对应的各个关节角；根据所述当前位置对应的各个关节角计算当前机械臂构型，根据未来路径点对应的各个关节角计算未来机械臂构型；将所述第一稀疏数据中与所述机械臂当前构型对应的点全部删除，得到第二稀疏数据；根据所述当前机械臂构型
、
未来机械臂构型和所述第二稀疏数据，对所述机械臂的速度进行控制
。
[0012]本专利技术上述提出的协作机器人的控制方法还具有如下附加技术特征：
[0013]根据本专利技术的一个实施例，具体根据以下公式计算机械臂构型：
[0014]T1
＝
joint1
；
T2
＝
T1*joint2
；
T3
＝
T2*joint3
；
…
；
T6
＝
T5*joint6
；
[0015]G_arm
＝
m0+m1*T1+m2*T2+
…
+m6*T6
；其中，
joint1
‑
joint6
为机械臂的第一至第六关节角对应的旋转矩阵，
T1
‑
T6
为机械臂的第一至第六关节角的变换矩阵，
m0
‑
m6
为机械臂的第一至第七关节的机械模型，
G_arm
为所述机械臂构型
。
[0016]根据本专利技术一个实施例，根据所述当前机械臂构型
、
未来机械臂构型和所述第二稀疏数据，对所述机械臂的速度进行控制，具体包括：计算所述第二稀疏数据中每个点与机械臂当前构型的距离，获取所述第二稀疏数据中与机械臂当前构型的距离小于第一预设距离的点的数量，如果所述数量大于第一预设数量，则控制所述机械臂停车；计算所述第二稀疏数据中每个点与所述未来机械臂构型的距离，判断所述第二稀疏数据中是否存在与所述未来机械臂构型的距离小于第一预设距离的点，如果存在，则进一步判断所述未来路径点与机械臂当前位置的距离是否小于第二预设距离，如果是，则控制所述机械臂停车，如果否，则控制所述机械臂减速
。
[0017]根据本专利技术的一个实施例，所述深度相机包括两个
。
[0018]根据本专利技术的一个实施例，采用体素滤波算法对所述深度相机获取的点云数据进行过滤
。
[0019]本专利技术的第二方面实施例提出了一种协作机器人的控制装置，所述协作机器人包括：机械臂和设置在机械臂上的深度相机，所述装置包括：标定模块，所述标定模块用于将所述深度相机与机械臂进行位姿标定；过滤模块，所述过滤模块用于对深度相机获取的点云数据进行过滤，得到第一稀疏数据；获取模块，所述获取模块用于获取机械臂的当前位置对应的各个关节角和未来路径点对应的各个关节角；计算模块，所述计算模块用于根据所述当前位置对应的各个关节角计算当前机械臂构型，根据未来路径点对应的各个关节角计算未来机械臂构型；处理模块，所述处理模块用于将所述第一稀疏数据中与所述机械臂当前构型对应的点全部删除，得到第二稀疏数据；控制模块，所述控制模块用于根据所述当前机械臂构型
、
未来机械臂构型和所述第二稀疏数据，对所述机械臂的速度进行控制
。
[0020]本专利技术上述的协作机器人的控制装置还具有如下附加技术特征：
[0021]根据本专利技术的一个实施例，所述计算模块具体根据以下公式计算机械臂构型：
T1
＝
joint1
；
T2
＝
T1*joint2
；
T3
＝
T2*joint3
；
…
；
T6
＝
T5*joint6
；
G_arm
＝
m0+m1*T1+m2*T2+
…
+m6*T6
；其中，
joint1
‑
joint6
为机械臂的第一至第六关节角对应的旋转矩阵，
T1
‑
T6
为机械臂的第一至第六关节角的变换矩阵，
m0
‑
m6
为机械臂的第一至第七关节的机械模型，
G_arm
为所述机械臂构型
。
[0022]根据本专利技术的一个实施例，所述控制模块具体用于：计算所述第二稀疏数据中每个点与机械臂当前构型的距离，获取所述第二稀疏数据中与机械臂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种协作机器人的控制方法，其特征在于，所述协作机器人包括：机械臂和设置在机械臂上的深度相机，所述方法包括以下步骤：将所述深度相机与机械臂进行位姿标定；对深度相机获取的点云数据进行过滤，得到第一稀疏数据；获取机械臂的当前位置对应的各个关节角和未来路径点对应的各个关节角；根据所述当前位置对应的各个关节角计算当前机械臂构型，根据未来路径点对应的各个关节角计算未来机械臂构型；将所述第一稀疏数据中与所述机械臂当前构型对应的点全部删除，得到第二稀疏数据；根据所述当前机械臂构型
、
未来机械臂构型和所述第二稀疏数据，对所述机械臂的速度进行控制
。2.
根据权利要求1所述的协作机器人的控制方法，其特征在于，具体根据以下公式计算机械臂构型：
T1
＝
joint1
；
T2
＝
T1*joint2
；
T3
＝
T2*joint3
；
…
；
T6
＝
T5*joint6
；
G_arm
＝
m0+m1*T1+m2*T2+
…
+m6*T6
；其中，
joint1
‑
joint6
为机械臂的第一至第六关节角对应的旋转矩阵，
T1
‑
T6
为机械臂的第一至第六关节角对应的变换矩阵，
m0
‑
m6
为机械臂的第一至第七关节的机械模型，
G_arm
为机械臂构型
。3.
根据权利要求1所述的协作机器人的控制方法，其特征在于，根据所述当前机械臂构型
、
未来机械臂构型和所述第二稀疏数据，对所述机械臂的速度进行控制，具体包括：计算所述第二稀疏数据中每个点与机械臂当前构型的距离，获取所述第二稀疏数据中与机械臂当前构型的距离小于第一预设距离的点的数量，如果所述数量大于第一预设数量，则控制所述机械臂停车；计算所述第二稀疏数据中每个点与所述未来机械臂构型的距离，判断所述第二稀疏数据中是否存在与所述未来机械臂构型的距离小于第一预设距离的点，如果存在，则进一步判断所述未来路径点与机械臂当前位置的距离是否小于第二预设距离，如果是，则控制所述机械臂停车，如果否，则控制所述机械臂减速
。4.
根据权利要求1所述的协作机器人的控制方法，其特征在于，所述深度相机包括两个
。5.
根据权利要求1所述的协作机器人的控制方法，其特征在于，采用体素滤波算法对所述深度相机获取的点云数据进行过滤
。6.
一种协作机器人的控制装置，其特征...

【专利技术属性】
技术研发人员：魏洪兴，崔元洋，张占宾，刘刚，
申请(专利权)人：遨博北京智能科技股份有限公司，
类型：发明
国别省市：