1.本发明涉及机械臂技术领域，特别涉及一种机械臂的运动路径规划方法、装置、设备、介质及机械臂。


背景技术：

2.路径规划作为机械臂完成各种任务的基础，一直是研究的热点。目前，现有的路径规划方法多采用基于采样方法，如rrt（rapidly-exploringrandom trees，快速搜索随机树）算法和prm（probabilistic roamap method，随机路标图）算法。
3.然而，因基于采样方法具有随机性，当采样空间为机械臂的关节空间时，所生成的路径点位无法满足特定的作业需求，例如，机械臂需要抓取一杯水并移动到给定目标点，则机械臂整个运动过程中需要保证其末端姿态必须竖直向上，否则在移动过程中杯中的水会溢出，故在实际应用过程中存在一定缺陷。


技术实现要素：

4.本发明的主要目的是提出一种机械臂的运动路径规划方法，旨在解决上述背景技术中所提出的技术问题。
5.为实现上述目的，本发明提出一种机械臂的运动路径规划方法，所述机械臂的运动路径规划方法包括：接受运动路径的起始点位和目标点位的输入；接受末端位姿约束值的输入；获取所述机械臂的末端在关节空间中的限定运动区域，并在所述限定运动区域中随机采样所述运动路径的运动点位，使所述运动点位满足所述末端位姿约束值；在采样的所述运动点位与所述目标点位重合时，根据所述起始点位、采样的运动点位和目标点位输出运动路径。
6.优选地，所述获取所述机械臂末端在关节空间中的限定运动区域，并在所述限定运动区域中随机采样所述运动路径的运动点位，使所述运动点位满足所述末端位姿约束值的步骤中包括：判断采样的所述运动点位是否为非奇异点位；若采样的所述运动点位不为非奇异点位，则重新采样直至采样的所述运动点位为非奇异点位；若采样的所述运动点位为非奇异点位，则使所述运动点位满足所述末端位姿约束值。
7.优选地，所述使所述运动点位满足所述末端位姿约束值的步骤中包括：计算采样的所述运动点位的实际末端位姿值以及所述实际末端位姿值与所述末端位姿约束值的位姿误差值；判断所述位姿误差值是否小于预设阈值；
若所述位姿误差值小于预设阈值，则采样的所述运动点位满足所述末端位姿约束值；若所述位姿误差值不小于预设阈值，则采样的所述运动点位不满足所述末端位姿约束值，对采样的所述运动点位进行更新。
8.优选地，按以下公式计算采样的所述运动点位的实际末端位姿值以及所述实际末端位姿值与所述末端位姿约束值的位姿误差值：c
m,i =forwardkinematic(qi)；c
err
=c(c
m,i
–cm
);其中，所述qi为采样的运动点位，所述forwardkinematic为正向运动学，所述c
m,i
为实际末端位姿值，所述cm为末端位姿约束值，所述c为位姿约束向量，所述c
m,i
为位姿误差值。
9.优选地，按以下公式对采样的所述运动点位进行更新：j = jacobian(qi);q
err
= j
t
(j * j
t
)-1cerr
;q
ii
= qi–ꢀqerr
;其中，所述qi为采样的运动点位，所述jacobian为雅可比式，所述j为雅可比矩阵，所述j
t
为雅可比矩阵的转置，所述c
err
为位姿误差值，所述q
err
为所述位姿误差值c
err
对应的关节空间差值，所述q
ii
为更新后的运动点位。
10.优选地，所输入的所述起始点位为机械臂的当前关节坐标值，所输入的所述目标点位通过视觉组件实时获取。
11.本发明还提出一种机械臂的运动路径规划装置，所述机械臂的运动路径规划装置包括：第一接受输入模块，用于接受运动路径的起始点位和目标点位的输入；第二接受输入模块，用于接受末端位姿约束值的输入；末端位姿约束模块，用于获取所述机械臂的末端在关节空间中的限定运动区域，并在所述限定运动区域中随机采样所述运动路径的运动点位，使所述运动点位满足所述末端位姿约束值；运动路径输出模块，用于在采样的所述运动点位与所述目标点位重合时，根据所述起始点位、采样的运动点位和目标点位输出运动路径。
12.优选地，所述末端位姿约束模块包括：第一判断单元，用于判断采样的所述运动点位是否为非奇异点位；第一执行单元，用于在采样的所述运动点位不为非奇异点位时，则重新采样直至采样的所述运动点位为非奇异点位；第二执行单元，用于在采样的所述运动点位为非奇异点位时，则使所述运动点位满足所述末端位姿约束值。
13.优选地，所述末端位姿约束模块还包括：计算单元，用于计算采样的所述运动点位的实际末端位姿值以及所述实际末端位姿值与所述末端位姿约束值的位姿误差值；第二判断单元，用于判断所述位姿误差值是否小于预设阈值；
第三执行单元，用于在所述位姿误差值小于预设阈值时，则采样的所述运动点位满足所述末端位姿约束值；第四执行单元，用于在所述位姿误差值不小于预设阈值时，则采样的所述运动点位不满足所述末端位姿约束值，对采样的所述运动点位进行更新。
14.优选地，按以下公式计算采样的所述运动点位的实际末端位姿值以及所述实际末端位姿值与所述末端位姿约束值的位姿误差值：c
m,i =forwardkinematic(qi)；c
err
=c(c
m,i
–cm
);其中，所述qi为采样的运动点位，所述forwardkinematic为正向运动学，所述c
m,i
为实际末端位姿值，所述cm为末端位姿约束值，所述c为位姿约束向量，所述c
m,i
为位姿误差值。
15.优选地，按以下公式对采样的所述运动点位进行更新：j = jacobian(qi);q
err
= j
t
(j * j
t
)-1cerr
;q
ii
= qi–ꢀqerr
;其中，所述qi为采样的运动点位，所述jacobian为雅可比式，所述j为雅可比矩阵，所述j
t
为雅可比矩阵的转置，所述c
err
为位姿误差值，所述q
err
为所述位姿误差值c
err
对应的关节空间差值，所述q
ii
为更新后的运动点位。
16.优选地，所输入的所述起始点位为机械臂的当前关节坐标值，所输入的所述目标点位通过视觉组件实时获取。
17.本发明还公开一种机械臂的运动路径规划设备，所述机械臂的运动路径规划设备包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现前述记载的所述机械臂的运动路径规划方法的步骤。
18.本发明还公开一种介质，所述介质上存储有计算机程序，所述计算机程序被处理器执行时实现前述记载的所述机械臂的运动路径规划方法的步骤。
19.本发明还公开一种机械臂，所述机械臂包括前述记载的所述机械臂的运动路径规划装置。
20.与现有技术相比，本发明实施例技术方案的有益效果在于：本机械臂的运动路径规划方法用于实现机械臂的运动路径规划，具体地，接受运动路径的起始点位和目标点位的输入；接受末端位姿约束值的输入；获取机械臂的末端在关节空间中的限定运动区域，并在限定运动区域中随机采样运动路径的运动点位，使运动点位满足末端位姿约束值；在采样的运动点位与目标点位重合时，根据起始点位、采样的运动点位和目标点位输出运动路径。本机械臂的运动路径规划方法所规划生成的运动路径上的各路径点位可满足给定的末端位姿要求，实现特定的作业需求，拓展了应用场景。
附图说明
21.图1为本发明一实施例中机械臂的运动路径规划方法的流程图；
图2为本发明又一实施例中机械臂的运动路径规划方法的流程图；图3为本发明一实施例中机械臂的运动路径规划装置的功能模块图。
具体实施方式
22.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.本发明提出一种机械臂的运动路径规划方法，参照图1和图2，该机械臂的运动路径规划方法包括：步骤s10：接受运动路径的起始点位和目标点位的输入；经了解便可得知的是，机械臂的路径规划被定义为：从给定机械臂在运动区域的起始点位和目标点位之间找到一条路径，即路径点位的连续序列，使得机械臂沿该路径可从该初始点位运动到目标点位，并且不与障碍物发生碰撞。本实施例中，首先接受运动路径的起始点位和目标点位的输入，以将所输入的起始点位和目标点位为作为机械臂末端的运动路径的起点和终点进行运动路径规划。
24.步骤s20：接受末端位姿约束值的输入；本实施例中，所涉及的末端位姿约束值，其根据机械臂作业要求预先设置给定，具体地，设置末端位姿约束向量c=[c
x c
y c
z c
γ c
β c
α
]
t
及与之对应的末端约束值cm=[xyz γ β α]
t
。其中，位姿约束向量c中的c
x
、cy、cz表示末端位置约束，c
γ
、c
β
、 c
α
表示末端姿态约束，取值为0或1。1表示该自由端需要满足给定约束，即满足对应维度的值，0表示该自由度无约束。例如，机械臂移动一杯水，所需设置的末端位姿约束向量为c=[000110]
t
，对应的末端位姿约束值cm=[00018000]
t
。即所生成的路径点位需要满足γ=180，β=0。
[0025]
步骤s30：获取机械臂的末端在关节空间中的限定运动区域，并在限定运动区域中随机采样运动路径的运动点位，使运动点位满足末端位姿约束值；本实施例中，在确定机械臂末端运动路径的起始点位和目标点位后，可在机械臂末端在关节空间中的限定运动区域中，基于起始点位和目标点位，使用rrt算法随机采样运动路径的运动点位。其中，可知的是，机械臂一般均具有物理关节限位，其各关节分别具有运动的极限位置，即存在限定的运动范围。本实施例所涉及的机械臂末端在关节空间中的限定运动区域，通过综合机械臂各关节的限定运动范围所获取。
[0026]
然而，当采样空间为任务的笛卡尔空间时，虽然所采样的点位可满足特定的作业需求，但是却不能保证其位于机械臂的关节限位内以及处于非奇异位置，即因运动方式的特殊性，机械臂的运动区域中存在奇异点位，机械臂一旦到达奇异点位，其关节运动速度会骤升，并会出现失控的情况，影响使用和生产的安全性，故在机械臂的运动路径规划中可以对奇异点位进行规避或其它处理。基于此，在步骤s30中作进一步优化设计，参照图2，实施如下步骤：步骤s31：判断采样的运动点位是否为非奇异点位；步骤s32：若采样的运动点位不为非奇异点位，则重新采样直至采样的运动点位为
非奇异点位；步骤s33：若采样的运动点位为非奇异点位，则使运动点位满足末端位姿约束值。
[0027]
本实施例中，对于所采样的运动点位，判断其是否为非奇异点位，具体是通过机器人的雅可比矩阵行列式对采样的运动点位进行计算实现的，若在计算后其行列式等于0，即未满秩，采样的运动点位为奇异点位，相反的，则采样的运动点位为非奇异点位。其中，在采样的运动点位为奇异点位时，则重新采样新的运动点位，并对新的采样点位继续进行是否为奇异点位的判断，直至采样的运动点位为非奇异点位。
[0028]
进一步地，使运动点位满足末端位姿约束值，参照图2，具体实施如下步骤：步骤s34：计算采样的运动点位的实际末端位姿值以及实际末端位姿值与末端位姿约束值的位姿误差值；其中，按以下公式计算采样的运动点位的实际末端位姿值以及实际末端位姿值与末端位姿约束值的位姿误差值：c
m,i =forwardkinematic(qi)；c
err
=c(c
m,i
–cm
);其中， qi为采样的运动点位， forwardkinematic为正向运动学， c
m,i
为实际末端位姿值，cm为末端位姿约束值，c为位姿约束向量，c
m,i
为位姿误差值。
[0029]
步骤s35：判断位姿误差值是否小于预设阈值；步骤s36：若位姿误差值小于预设阈值，则采样的运动点位满足末端位姿约束值；步骤s37：若位姿误差值不小于预设阈值，则采样的运动点位不满足末端位姿约束值，对采样的运动点位进行更新。
[0030]
本实施例中，预设阈值为ε，若当前采样点位的位姿误差值｜c
err
｜＜ε，则其位姿误差在允许范围内，该采样的运动点位满足末端位姿约束值，即满足末端位姿约束。若当前采样的运动点位的位姿误差值｜c
err
｜＞ε，则该采样的运动点位不满足末端位姿约束值，即不满足末端位姿约束，对采样的运动点位进行更新。
[0031]
具体的，按以下公式对采样的运动点位进行更新：j = jacobian(qi);q
err
= j
t
(j * j
t
)-1cerr
;q
ii
= qi–ꢀqerr
;其中， qi为采样的运动点位， jacobian为雅可比式， j为雅可比矩阵， j
t
为雅可比矩阵的转置， c
err
为位姿误差值， q
err
为位姿误差值c
err
对应的关节空间差值， q
ii
为更新后的运动点位。即计算采样的运动点位qi的雅可比矩阵j，根据雅可比矩阵j计算位姿误差值c
err
对应的关节空间差值q
err
，并根据采样的运动点位qi与关节空间差值q
err
计算得到更新后的运动点位q
ii
。并在运动点位更新后，计算更新后的运动点位的位姿误差值，直到所更新的运动点位的位姿误差值小于末端位姿约束值，即使运动点位满足末端位姿约束。
[0032]
所容易理解的是，实施上述步骤最终所获得的机械臂末端路径的运动点位符合要求，可作为机械臂运动路径的运动点位使用。
[0033]
步骤s40：在采样的运动点位与目标点位重合时，根据起始点位、采样的运动点位和目标点位输出运动路径。
[0034]
本实施例中，所容易理解的是，因采样的运动点位的采样方向是由初始点位至目
标点位，故当采样的运动点位与目标点位重合时，根据起始点位、采样的运动点位和目标点位输出路径q，路径q={q1，q2，
…qn
}，机械臂沿着路径q的路径点位q1，q2，
…qn
移动以完成作业流程。
[0035]
在一较佳实施例中，所输入的起始点位为机械臂的当前关节坐标值，所输入的目标点位通过视觉组件实时获取。其中，起始点位和目标点位可设置，在实际应用中，将起始点位设置为机械臂当前关节坐标值，而目标点位则可通过视觉组件实时获取，该视觉组件可为三维相机，以直接获取目标点位的三维空间坐标；或者视觉组件包括多个二维相机，以通过多个二维相机获取目标点位在多个平面的二维坐标，进而组合以生成目标点位的三维空间坐标，当然，以上视觉组件的结构组成仅为示例性的，并非限制性的。
[0036]
基于上述机械臂的运动路径规划方法，按其各步骤实施所生成运动路径上的各路径点位可满足给定的末端位姿要求，并且不属于奇异点位，实现特定的作业需求，拓展了应用场景。
[0037]
基于前述实施例所提出的机械臂的运动路径规划方法，本发明还提出一种机械臂的运动路径规划装置，参照图3，该机械臂的运动路径规划装置包括：第一接受输入模块10，用于接受运动路径的起始点位和目标点位的输入；第二接受输入模块20，用于接受末端位姿约束值的输入；末端位姿约束模块30，用于获取机械臂的末端在关节空间中的限定运动区域，并在限定运动区域中随机采样运动路径的运动点位，使运动点位满足末端位姿约束值；运动路径输出模块40，用于在采样的运动点位与目标点位重合时，根据起始点位、采样的运动点位和目标点位输出运动路径。
[0038]
在一较佳实施例中，参照图3，末端位姿约束模块30包括：第一判断单元31，用于判断采样的运动点位是否为非奇异点位；第一执行单元32，用于在采样的运动点位不为非奇异点位时，则重新采样直至采样的运动点位为非奇异点位；第二执行单元33，用于在采样的运动点位为非奇异点位时，则使运动点位满足末端位姿约束值。
[0039]
在一较佳实施例中，参照图3，末端位姿约束模块30还包括：计算单元34，用于计算采样的运动点位的实际末端位姿值以及实际末端位姿值与末端位姿约束值的位姿误差值；第二判断单元35，用于判断位姿误差值是否小于预设阈值；第三执行单元36，用于在位姿误差值小于预设阈值时，则采样的运动点位满足末端位姿约束值；第四执行单元37，用于在位姿误差值不小于预设阈值时，则采样的运动点位不满足末端位姿约束值，对采样的运动点位进行更新。
[0040]
在一较佳实施例中，按以下公式计算采样的运动点位的实际末端位姿值以及实际末端位姿值与末端位姿约束值的位姿误差值：c
m,i =forwardkinematic(qi)；c
err
=c(c
m,i
–cm
);其中， qi为采样的运动点位， forwardkinematic为正向运动学， c
m,i
为实际末端
位姿值，cm为末端位姿约束值，c为位姿约束向量，c
m,i
为位姿误差值。
[0041]
在一较佳实施例中，按以下公式对采样的运动点位进行更新：j = jacobian(qi);q
err
= j
t
(j * j
t
)-1cerr
;q
ii
= qi–ꢀqerr
;其中， qi为采样的运动点位， jacobian为雅可比式， j为雅可比矩阵， j
t
为雅可比矩阵的转置， c
err
为位姿误差值， q
err
为位姿误差值c
err
对应的关节空间差值， q
ii
为更新后的运动点位。
[0042]
在一较佳实施例中，所输入的起始点位为机械臂的当前关节坐标值，所输入的目标点位通过视觉组件实时获取。
[0043]
本发明还提出一种机械臂的运动路径规划设备，机械臂的运动路径规划设备包括：存储器，用于存储计算机程序；处理器，用于执行计算机程序时实现前述记载的机械臂的运动路径规划方法的步骤。
[0044]
本发明还提出一种介质，介质上存储有计算机程序，计算机程序被处理器执行时实现前述记载的机械臂的运动路径规划方法的步骤。
[0045]
本发明还提出一种机械臂，该机械臂包括前述实施例记载的机械臂的运动路径规划装置。
[0046]
在本技术所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0047]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0048]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0049]
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程
序代码的介质。
[0050]
以上所述的仅为本发明的部分或优选实施例，无论是文字还是附图都不能因此限制本发明保护的范围，凡是在与本发明一个整体的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明保护的范围内。