坐标轨迹计算_机器人的轨迹规划与自动导引
机器人的轨迹规划与自动导引
轨迹生成
轨迹规划(Trajectory Planning)包括两个方面:对于移动机器人(mobile robot)偏向于指移动的路径轨迹规划(path planning),如机器人是在有地图条件或是没有地图的条件下,按什么样的路径轨迹来行走;对于工业机器人/操作臂(manipulator)则意指两个方向,机械臂末端行走的曲线轨迹,或是操作臂在运动过程中的位移、速度和加速度的曲线轮廓。
操作臂最常用的轨迹规划方法有两种:第一种是要求对于选定的轨迹结点(插值点)上的位姿、速度和加速度给出一组显式约束(例如连续性和光滑程度等),轨迹规划器从一类函数(例如n次多项式)选取参数化轨迹,对结点进行插值,并满足约束条件。第二种方法要求给出运动路径的解析式。
一般来讲,移动机器人有三个自由度(X,Y,θ),机械臂有6个自由度(3个位置自由度和3个姿态自由度)。
运动规划(motion planning)由路径规划和轨迹规划组成,连接起点位置和终点位置的序列点或曲线称之为路径,构成路径的策略称之为路径规划。路径是机器人位姿的一定序列,而不考虑机器人位姿参数随时间变化的因素。路径规划(一般指位置规划)是找到一系列要经过的路径点,路径点是空间中的位置或关节角度,而轨迹规划是赋予路径时间信息,对机器人执行任务时的速度与加速度进行规划,以满足光滑性和速度可控性等要求。
运动规划是在给定的路径端点之间插入用于控制的中间点序列从而实现沿给定轨迹的平稳运动。运动控制则是主要解决如何控制目标系统准确跟踪指令轨迹的问题。即对于给定的指令轨迹,选择适合的控制算法和参数,产生输出,控制目标实时,准确地跟踪给定的指令轨迹。
Ref.
https://blog.csdn.net/wx545644217/article/details/54175035
https://en.wikipedia.org/wiki/Motion_planning
Motion planning (also known as the navigation problem) is a term used in robotics for the process of breaking down a desired movement task into discrete motions that satisfy movement constraints and possibly optimize some aspect of the movement.
For example, consider navigating a mobile robot inside a building to a distant waypoint. It should execute this task while avoiding walls and not falling down stairs. A motion planning algorithm would take a description of these tasks as input, and produce the speed and turning commands sent to the robot's wheels. Motion planning algorithms might address robots with a larger number of joints (e.g., industrial manipulators), more complex tasks (e.g. manipulation of objects), different constraints (e.g., a car that can only drive forward), and uncertainty (e.g. imperfect models of the environment or robot).
多项式曲线轨迹
轨迹规划的约束条件
- 初始位置:
- 位置(给定)
- 速度(给定,通常为零)
- 加速度(给定,通常为零)
- 中间位置:
- 中间点位置(给定)
- 中间点位置(与前一段轨迹连续)
- 速度(与前一段轨迹连续)
- 加速度(与前一段轨迹连续)
- 终止位置:
- 位置(给定)
- 速度(给定,通常为零)
- 加速度(给定,通常为零)
在上述约束条件下,我们要研究一种n次(或小于n次)的多项式函数,使得在各结点上满足对位置、速度和加速度的要求,并使机器人位置、速度和加速度在整个时间间隔[t0,tf]中保持连续。
方法一:规定一个七次多项式函数:
式中ai由一致的位置和连续条件确定。
方法二:将整个轨迹分割为几段,在每段轨迹中用不同的低次多项式来插值。常用的分割轨迹的方法:
- 4-3-4轨迹 每个关节有如下三段轨迹:第一段由提升点的轨迹用四次多项式表示。第二段有提升点到下放点的轨迹用三次多项式表示。最后一段是由下放点到终止点的轨迹由四次多项式表示。
- 3-5-3轨迹 与4-3-4轨迹相同,但是每一段所用的多项式次数不同。第一段用三次多项式,第二段用五次多项式,最后一段用三次多项式。
- 5段3次轨迹 对五段轨迹都使用三次多项式样条函数。
Example.
这四个已知信息可用来求解下列三次多项式方程中的四个未知量。
求导得
联立得
通过联立求解这四个方程,得到方程中四个未知的数值。如果要求机器人依次通过两个以上的点,那么每一段末端求解出的边界速度和位置都可以做下一段的初始条件,每一段的轨迹均可用类似的三次多项式加以规划。然而,尽管位置和速度都是连续的,但加速度并不连续,在实际应用中,这也可能会产生问题。
贝塞尔曲线轨迹
贝塞尔曲线是依据任意位置的点坐标绘制出的一条光滑曲线。其设计思路是按照规律u从0到1的移动过程中,在各个控制点连线的相应位置取点,并对相邻两条线上的点再次连线,重复以上过程直到没有可连接的两个点。
如图所示,设A点坐标为 (x0,y0) ,B点坐标为 (x1,y1),C点坐标为 (x2,y2),D点坐标为 (x'0(u),y'0(u)),E点坐标为 (x'1(u),y'1(u)),F点坐标为 (x(u),y(u)),则
以此类推
通过连接D、E两点得到线段DE,求点F的x轴坐标
其中的与坐标轴无关项被称为贝塞尔多项式函数(贝塞尔方程)
自动导引
机器人的自动导引(automated guiding)是指通过设计控制器,使得机器人沿着所设定的轨迹前进(自主跟踪设定轨迹),即实际位姿与期待位姿的误差e(t)满足
Background: LQR Control
对于线性二次型(linear quadratic,LQ)优化问题
其中F,Q为对称半正定矩阵,R为对称正定矩阵,解为
其中P是代数Riccati方程
的对称正定解,最优轨线
渐近稳定,目标函数值为
对于非时变系统,以上解出非时变状态调节器,即状态反馈
显然,对于我们建立的模型有x(tf)=0,并且可取Q=R=I;可以设计无限时间状态调节器,即令tf→∞,这样,离散化的目标函数可以写成
虽然MATLAB中有直接求取LQR问题的函数,但是,了解方程(4)的求解方法仍然是必要的。设λ是系统(3)的特征值,那么
设
代入式(4)有
即
这里,我们定义哈密顿矩阵
取变换矩阵
则
这表明H的特征值集合为
也就是说,对于闭环系统(3)的每一个特征值λ,满足±λ都是H的特征值。
我们只考虑H没有重特征值的情况,关于H有重特征值的情况可以参见:
MRTENSSONA K. On the matrix riccati equation. Information Sciences, 1970, 3(1) : 17 – 49.
特征值λi对应的特征向量可以写成
设A的阶数为n,则H的特征值为
然后根据式(1)解出反馈矩阵K,可以编程实现一个函数lqr(A,B,Q,R)
,返回反馈矩阵K的值。
建模
如图所示,当机器人在平面上运动时,在实际位置C和目标位置D之间,会产生距离误差和角度误差,设叉车左右轮线速度分别为vl,vr,两轮间距为L,需求线速度和角速度分别为vd,ωd,x方向和y方向上的距离误差分别为x,y,角度误差为θ,记vc=(vl+vr)/2,则显然
为了求解
故瞬时半径
于是
又
当θ很小时有sinθ≈θ,cosθ≈1,于是(6)式可以写成
稳定状态下(6)式左边=0,于是
写成矩阵形式为
如果把(7)看做
设采样周期为T,离散系统为
通过
和需求速度
然后开始新一轮迭代。
伪代码如下。
REQUIRE:θ(0),x(0),y(0),vd,ωd,采样时间T,最大迭代次数km,形如式(5)的目标函数J
ENSURE:位姿x,y,θ
初始化:设置vl(0)=vr(0)=vc(0)=0
FOR k∈[0,km)
根据(10)式计算出θ(k+1),x(k+1),y(k+1)的值
计算反馈矩阵K的值
通过(11)式计算反馈修正速度通过(12)式计算需求速度
RETURN 位姿θ(k),x(k),y(k)
END FOR
在第k次迭代时,目标位置
实际位置
测试不同的θ(0),x(0),y(0),vd,ωd下误差关于时间的变化规律,以及运动情况如图所示,其中“Goal”和“Position”分别表示目标路径和实际路径。可以看到,对于不同的初始参数,控制器都给出了良好的结果,在短时间内实现了有效地跟踪。
坐标轨迹计算_机器人的轨迹规划与自动导引相关推荐
- java实现抛物线轨迹计算_抛物线、导弹线轨迹计算
抛物线轨迹计算 不同输入情况下的抛物线有不同计算方式.为了保证飞行时间的一致,水平初速度和起点两个参数是任何情况下都需要的. 三.示例代码 void UParabolicMovementCompone ...
- css3运动后留下轨迹尾巴_机器人轨迹规划简介
轨迹规划,往往称为机器人轨迹规划,属于低层规划,基本上不涉及工人智能问题,而是在机械手运动学和动力学的基础上,讨论在关节空间和笛卡儿空间中机器人运动的轨迹规划和轨迹生成方法.所谓轨迹,是指机械手在运动 ...
- 坐标轨迹计算_工业机器人工具坐标系和用户坐标系的区别与联系
记得关注我哦~ 有问有答 碰到过fanuc机器人程序调用用户坐标和工具坐标两个坐标系,请问到底以谁为主? 问题分析 最近有网友在我们的学习课程交流QQ群中提出了上述疑问,这也是很多同学在初学时会遇到的 ...
- 坐标轨迹计算_【老杨讲坛】737NG无系留最大风速限制的插值计算
点击上方海航技术小蓝字,即可关注官方微信 老杨讲坛第三十七期 -老杨说- 小伙伴们,大家好,新一期的<老杨讲坛>又和大家见面啦!经历海口近期高温的炙烤和大风的考验,小编是多么怀念微风吹拂的 ...
- 坐标轨迹计算_三坐标测量机控制系统功能介绍
1.控制.驱动三坐标测量机的运动:三轴同步.速度.加速度控制:操纵盒或计算机指令通过系统控制单元,按照设置好的速度.加速度,驱动测量机三轴直流伺服电机转动,并通过光栅和电机的反馈电路对运行速度和电机的 ...
- 坐标轨迹计算_数控编程基础,相切圆弧的基点计算方法
客观的说,对于每一个从事数控编程与加工的从业者都是从最基础的知识学起的,同样,本文所讲解的知识也是最基础的,是关于倒角方面的知识讲解!同时,也是部分初学者容易搞不清楚的地方!主要集中在倒角时起点和终点 ...
- java实现抛物线轨迹计算_控件抛物线轨迹的实现
写这篇文章的初衷也是加强对插值器和估值器的记忆. 其实对于插值器和估值器来说,除了系统提供的以外,我们可以自定义.实现方式也很简单.因为插值器和估值器都只是一个接口.并且内部只有一个方法.我们只要实现 ...
- 北斗轨迹记录_跑步GPS轨迹经常“飘”?要是用咱们的北斗,会好吗...
记录距离.配速是跑者跑步的基本需求,无论是拿着手机跑步,还是戴着运动手表或者运动手环跑步,手机或者智能穿戴里的定位模块,都可以测量出你移动的距离,再根据时间就可以计算出你的配速了. 可是为什么记录的跑 ...
- python 鼠标轨迹录制_按键鼠标轨迹录制大师
专业高效的Windows鼠标键盘录制工具 一切只为提升效率,专注专业 http://mouse.downjia.com/ 智能操作 让乏味的重复的操作变的简单,有趣,精彩..... 操作技术 简单高效 ...
最新文章
- 艺术站-卡通和风格化的HDRI天空
- python操作mysql数据库实现增删改查
- ffmpeg 常用命令
- ROS入门笔记(一): ROS简介
- 消息中间件学习总结(9)——RocketMQ与kafka差异比较分析
- 测试思想-验收测试 关于验收测试
- OSPFv3中LSA详解(五)——Intra-Area-Prefix LSA详解
- python求解LeetCode题目,找出数组中的Majority element元素
- 基于MinimaxAlpha-Beta剪枝和强化学习的播棋(Mancala)AI
- 白杨SEO:百度首页和百度SERP的新闻是怎么做上去的?
- JavaScript系列(1)初体验-弹出HelloWord
- 你应该学点哲学的20个理由:不为拥有深奥的思想,只为更好地生活
- 每天15min-HTML5(10)-表单(上)
- 三分钟了解企业产品发布会直播全流程
- 小米路由器4C R4CM 原厂BootLoader和eeprom备份
- VS2015 C++/CLR
- 匆匆一面,此生无言(课余篇)
- XFS 存储核心技术详解
- php大龄出路,大龄程序员的出路在哪里!
- php实现上传,轻松实现php文件上传功能