工业机器人运动规划方法简述
工业机器人的运动
- 点到点运动:不需要在笛卡尔空间规划末端运动轨迹,机器人各个关节运动不需要联动。
- 轨迹跟踪运动:以点到点为基础,各个关节运动需要联动。
关节空间运动规划
目标:使关节空间轨迹平滑。
3次多项式插值
做如下假设:某个关节从t0 时刻的位置q0 运动到tf 时刻的位置qf 。在t0 和tf 时刻速度均为0。
利用3次多项式来拟合轨迹:
将边界条件代入即可解出参数a1,…,a3 。
过路径点的3次多项式插值
假设起点与终点的关节速度不为0时,利用3次多项式进行插值。解法同上,不再赘述。
需要注意,选择路径点的关节速度时,要考虑到保证每个路径点的加速度是连续的。
高阶多项式插值
当考虑到机器人关节空间起始点和目标点的加速度时,需采用高阶多项式插值。即修改边界条件为:
因此,6个边界条件对应高阶多项式的6个系数,a0,…,a5。
用抛物线过渡的线性插值
中间利用直线线性插值,两端利用抛物线过渡。利用直线段求出关节速度:
其中th 为中间时刻,tb 为过渡时刻, qh 为中间位置。假设关节加速度q¨ 已知,则
且我们知道:
因此我们可以利用上述3式解出
为了保证直线存在,加速度不能太小。
过路径点的抛物线过渡线性插值
将邻近路径点用直线相连,路径点附近利用抛物线过渡。求取过渡时间时可以将路径分为第一路径、中间路径和最后路径三种情况分别讨论,原理同上,不再赘述。
B样条插值
首先简要介绍下B样条:
设 m 为样条的次数,在 m+1 个子区间以外的其他子区间上, B样条的取值均为0。 B样条函数可以采用递归的方式进行定义。假设对于自变量 x 有 m+2 个点 xi,xi+1,…,xi+m+1 构成 m+1 个子区间。首先定义 0 次B样条函数:
对于 m 次B样条:
在区间 [x0,xk] 内的任意函数,可以表达为利用第 m 次B样条函数作为基函数的加权和:
上式包含了 k+m+1 个参数 a 。在每个子区间上,最多为 m+1 个B样条函数的加权和。在进行曲线插值或拟合时,需要确定这 k+m+1 个参数。
有时候为了消除在非期望点的波动,可以利用相邻期望点的中间点作为控制点。
B样条的主要特点是在局部的修改不会引起样条形状的大范围变化。
笛卡尔空间运动规划
笛卡尔空间的路径规划,就是计算机器人在给定路径上各点处的位置与姿态。
位置规划
对于直线运动:
其中 P 是位置,α 为步长。
对于圆弧运动:
假设圆弧由 P1,P2,P3 点构成,首先利用2平面的交点确定圆心位置,进而计算出半径。利用矢量相加一步步规划出 P1 到 P3 每个中间点的位置。
姿态规划
假设机器人在起始位置的姿态为 R1 ,在目标位置的姿态为 R2 ,则机器人需要调整的姿态 R 为:
利用通用旋转变换求取等效转轴与转角,进而求取机器人第 i 步相对于初始姿态的调整量。
在笛卡尔空间中,将机器人的第 i 步的位置与姿态相结合,得到机器人第 i 步的位置与姿态矩阵:
工业机器人运动规划方法简述相关推荐
- 工业机器人运动轨迹规划方法简述
文章目录 工业机器人的运动轨迹 关节空间运动规划 3次多项式插值 过路径点的3次多项式插值 高阶多项式插值 用抛物线过渡的线性插值 过路径点的抛物线过渡线性插值 B样条插值 笛卡尔空间运动规划 位置规 ...
- 【论文笔记】基于强化学习的机器人手臂仿人运动规划方法
文章目录 摘要 关键词 0 引言 学者研究 阶段一:采集运动数据,分析运动过程特征 阶段二:设计仿人变量.建立仿人标准和约束 阶段三:用智能算法提升仿人运动机器人性能 本文工作 1 问题描述及方法架构 ...
- 无人驾驶车辆运动规划方法综述
无人驾驶车辆运动规划方法综述 1. 定义 车辆运动规划(Motion Planning)是指生成衔接车辆起点与终点的几何路径,同时给出车辆沿该路径运动的速度信息,并使车辆在整个运动过程中满足运动学 / ...
- 基于模型预测人工势场的船舶运动规划方法,考虑复杂遭遇场景下的COLREG(Matlab代码实现)
- 机器人运动规划调研(pending)
文章目录 前言 发展历程 通用运动规划方法 基于自由空间 Cfree几何构造的规划方法 可视图法 前言 阅读移动机器人运动规划研究综述心得 总结一下,机器人运动规划的发展历程,算法和思路. 搜索策略和 ...
- 导轮式机器人_一种有指导的轮式机器人全局规划方法
一种有指导的轮式机器人全局规划方法 林怡青 ; 周其节 [期刊名称] <控制理论与应用> [年 ( 卷 ), 期] 1998(015)001 [摘要] 非完整系统的运动规划是尚未得到充分的 ...
- 城市道路自动驾驶车辆运动规划和控制技术综述(1)
城市道路自动驾驶车辆运动规划和控制技术综述 本文为翻译<A survey of motion planning and control techniques for self-driving U ...
- 不连续曲线 highcharts_无人车运动规划中常用的方法:多项式曲线
在无人车的运动规划(Motion Planning)过程中,比如在速度规划和路径规划时经常会遇到这样的问题: 速度规划:已知当前的速度信息,以及目标的速度信息,需要生成一条平滑的速度曲线,从当前速度到 ...
- 机器人运动路径规划方法
机器人运动路径规划方法 来源:-- 编辑:创泽 时间:2020/3/10 机器人运动路径规划的性能指标包括:实时性.安全性和可达性等.在动态环境中,由于环境信息是时刻变化的,如果移 ...
最新文章
- 4 关卡编辑器_虚幻引擎4与生存游戏产生化学反应,超真实开放世界手游诞生
- 获取指定日期之间的各个周和月
- error undefined reference to __android_log_print
- C语言-定义与初始化总结
- [YTU]_2639 ( 改错题:类中私有成员的访问)
- 在数据中心中使用光缆颜色代码的重要性
- 4月22日(牛马不对嘴)
- 漫话:程序员要失业了??!机器人开始在GitHub上修Bug了。
- leetcode 575. 分糖果(Java版)
- 用面向对象的方法写敲门砖
- S2SH 第一次整合的经历
- 如何解决Office 2010安装报错1907,没有足够权限注册字体?
- 如何更好的使用大数据
- VC++开发数字图像处理系统2
- 2021-06-29操作DOM元素
- linux git 免密、设置用户用密码
- BrainOS —最像大脑的AI
- 简单了解cri,runtimes,CRI,shim
- “开源社”成立:众人同心,其利断金
- 小米平板4 Plus简单刷成开发版获取Root超级权限的流程
热门文章
- 146. LRU Cache--java,python解法
- linux在机房设置ip,双线机房双IP linux设置路由
- miui12 android版本,miui12基于安卓几版本开发的?miui12是安卓11吗
- matlab自动加坐标,matlab自动驾驶系统-坐标系
- mysql范式与反范式_给女同事讲解MySQL数据库范式与反范式,她直夸我“技术好”...
- SpringBoot中使用rabbitmq
- Linux yum 命令详解 源配置
- MySQL慢查询日志分析(二)
- python小游戏开发,使用python实现英语打字游戏
- 清华大佬告诉史上最全的Java进阶书籍推荐面南背北