[发明专利]一种固有约束下构建机器人运动空间的方法

说明书

技术领域

本发明涉及机器人控制领域，尤其是涉及一种固有约束下构建机器人运动空间的方法。

背景技术

人形机器人在日常使用中的一个常见任务为利用手臂和手去抓取物体，其中一个相关的问题为机器人可以碰到的范围或者空间。在这些任务中，机器人的操作手是否可以碰到目标物体是必须解答的问题。如图1中的判断流程，如果物体在手的可到达范围内，机器人可以直接执行抓取行为来完成任务，否则的话，机器人需要通过移动或者行走，使得机器人的手臂可到达空间包含目标物体。

机器人工作空间为末端执行器在约束下可以达到的笛卡尔空间，就是机器人末端构件上的一点所能达到的点的集合。机器人工作空间的大小代表了机器人的活动范围，它是衡量机器人工作能力的一个重要运动学指标。对于每个末端执行器的工作空间的分析与计算有助于机器人对任务进行更为有效的规划。如机器人对目标物的抓取与释放的任务前提，就是目标物在机器人的工作空间范围内。

一般机器人抓取的定位精度不高，往往需要重复定位，影响其定位精度的一个主要因素就是现有方法主要基于传统的运动学，且身体基座标为恒定静止，从而计算出的机器人运动空间构建不精准、不全面。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种固有约束下构建机器人运动空间的方法，以求解复杂全身运动下的机器人工作空间为目标，基于数值算法，求取满足固有约束的复杂情形下末端轨迹工作空间的边界范围。

本发明的目的可以通过以下技术方案来实现：

一种固有约束下构建机器人运动空间的方法，该方法包括以下步骤：

步骤S1：以支撑脚为坐标原点，对机器人身体基坐标系引入浮体运动学，建立一个基于全身关节的关节链和运动学模型；

步骤S2：基于关节链和运动学模型，引入关节角范围约束、稳定性约束，利用蒙特卡洛法采样并求解机器人末端执行器的工作空间，获得工作空间构成的三维点云网格；

步骤S3：在三维点云网格的基础上，进行平面截取，并通过极值分析，得到机器人在各个方向上的极值状态与位姿图。

所述的步骤S2具体为：

步骤201：在运动关节的关节角约束、稳定性约束范围内，采用蒙特卡洛法进行线性随机采样获得关节状态值，每次随机采样获得的一组参数作为一个样本点；

步骤202：基于关节链和运动学模型，对样本点进行正运动学计算，获得机器人质心以及末端执行器位姿点，以基坐标系为基础绘制位姿点的三维点云，得到末端执行器工作空间；

步骤203：三维点云经过网格矩阵赋值后得到三维点云网格。

所述的网格矩阵赋值具体为：对三维点云中每个位姿点用最邻近的网格点表示，即将相近的位姿点归一化到同一个网格点中，每个网格点都居于各自网格空间的中心。

所述的平面截取具体为：根据关键位置或需求位置对三维点云网格进行平面截取，在同一平面上数值满足条件：|z-z₀|≤ε，z为平面上数值，z₀为约束值，ε为设定值。

与现有技术相比，本发明具有以下优点：

1)与现有方法相比，本发明充分运用人形机器人的冗余性，通过对机器人基于支撑脚的坐标系，引入浮体运动学，采用数值法中具有代表性蒙特卡洛法来进行工作空间中点集的求解，并且引入各种固有约束，讨论满足这些约束的复杂情形下的工作空间范围，以及单脚支撑情形下的极致情况；

2)本发明针对求解出的三维点云网格，进行平面截取，由于整体样本点求解值组成的三维点云不便于进行观察精确的形状和结构，因此可先对关键位置或者需求位置进行平面截取，再对获得关键位置的截面进行工作范围的分析以及讨论；

3)本发明针对求解出的三维点云进行网格矩阵赋值，通过归一化、网格化解决关节的冗余性，且可区别出相差较大的网格点，因为可能多个参数空间对应着极其接近的两个位姿点，同样地在不同的情形下的横向对比，大量位姿点之间的欧式距离实际很小，为了便于进行同类位姿点归一和空间范围的对比，需要对位姿点进行归一化的处理。

附图说明

图1为机器人抓取物体时工作空间判断流程图；

图2为本发明方法流程图；

图3为本发明中机器人浮体坐标系；

图4为本发明中机器人关节链示意图；

图5为本发明中工作空间计算流程图；

图6为本发明中三维点云在机器人空间中的位置坐标图。

具体实施方式