CN117464693A - 一种基于三次样条插值的三维机械臂粒子群路径规划方法 - Google Patents

Abstract

本发明公开了一种基于三次样条插值的三维机械臂粒子群路径规划方法，涉及机械臂路径规划领域，包括：首先在三维空间中，对机械臂进行路径规划，得到一条最优路径；再识别三维空间中的障碍物边界；最后基于障碍物边界和最优路径，进行三次样条曲线插值，得到一条光滑的路径；本发明，能够有效避免机械臂与障碍物的碰撞，提高了路径的安全性。

Description

一种基于三次样条插值的三维机械臂粒子群路径规划方法

技术领域

本发明涉及机械臂路径规划领域，具体涉及一种基于三次样条插值的三维机械臂粒子群路径规划方法。

背景技术

本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。

三维机械臂路径规划是指在三维空间中，对三维机械臂进行路径规划，使其能够从起始位置移动到目标位置，并且在移动过程中满足各种约束条件，同时尽可能地优化路径长度和机械臂移动速度等性能指标。

目前，传统的三维机械臂路径规划算法往往忽略了运动空间中的障碍物对路径规划的影响，容易导致生成的路径与障碍物碰撞或绕行不够优化。

发明内容

本发明的目的在于：针对现有技术中存在的问题，提供了一种基于三次样条插值的三维机械臂粒子群路径规划方法，能够对三维粒子群算法所生成的路径节点与空间障碍物边界非碰撞节点进行曲线插值，最终获得一条光滑的空间路径，从而解决了上述问题。

本发明的技术方案如下：

一种基于三次样条插值的三维机械臂粒子群路径规划方法，包括：

步骤S1：在三维空间中，对机械臂进行路径规划，得到一条最优路径；

步骤S2：识别三维空间中的障碍物边界；

步骤S3：基于障碍物边界和最优路径，进行三次样条曲线插值，得到一条光滑的路径。

进一步地，所述步骤S1，包括：

使用三维粒子群算法，对机械臂进行路径规划，得到一个点集；

所述点集包括多个路径节点，所述点集构成的曲线即为最优路径。

进一步地，所述步骤S2，包括：

步骤S21：获取三维空间中的障碍物信息；

步骤S22：基于所述障碍物信息，识别障碍物边界。

进一步地，所述障碍物信息，包括：

障碍物位置、障碍物大小和障碍物形状。

进一步地，所述步骤S3，包括：

步骤S31：在障碍物边界外设置一系列虚拟非碰撞节点；

步骤S32：基于虚拟非碰撞节点和点集，进行三次样条曲线插值，得到一条光滑的路径。

进一步地，所述步骤S31，包括：

在障碍物边界基础上，按照机械臂的尺寸向外进行扩展，并采样N个的虚拟节点，作为虚拟非碰撞节点。

进一步地，所述步骤S32，还包括：

对所有虚拟非碰撞节点进行筛选，得到能够用于三次样条曲线插值的虚拟非碰撞节点。

进一步地，所述筛选，包括：

判断当前虚拟非碰撞节点是否在任一障碍物范围内；

若当前虚拟非碰撞节点不在任一障碍物范围内，则当前虚拟非碰撞节点可用于三次样条插值。

进一步地，所述判断，包括：

其中：

表示当前虚拟非碰撞节点的x轴坐标；

表示当前虚拟非碰撞节点的y轴坐标；

表示当前虚拟非碰撞节点的z轴坐标；

表示当前障碍物的x轴坐标；

表示当前障碍物的y轴坐标；

表示当前障碍物的z轴坐标；

表示当前虚拟非碰撞节点到当前障碍物的距离；

当大于当前障碍物边界尺寸时，判断该虚拟非碰撞节点可用于三次样条插值。

与现有的技术相比本发明的有益效果是：

1、一种基于三次样条插值的三维机械臂粒子群路径规划方法，可以有效地解决机械臂在复杂环境中的路径规划问题，并且能够保证机械臂与障碍物之间的安全距离，提高路径规划的准确性和可靠性。

2、一种基于三次样条插值的三维机械臂粒子群路径规划方法，通过使用三次样条曲线插值，将三维粒子群算法生成的路径节点与障碍物边界外的虚拟非碰撞节点进行曲线插值，生成光滑的路径轨迹；这种插值方法使得机械臂在运动过程中变化连续而自然，减少了机械臂运动中的抖动和不稳定性，提高了路径的稳定性和精确性。

3、一种基于三次样条插值的三维机械臂粒子群路径规划方法，在路径规划中，通过获取障碍物信息，并在障碍物边界外设置虚拟非碰撞节点，保证机械臂与障碍物无法发生冲突；使得机械臂能够避开障碍物，避免碰撞和损坏，提高了路径的安全性。

4、一种基于三次样条插值的三维机械臂粒子群路径规划方法，相较于某些传统的路径规划方法，该方法在考虑障碍物的情况下，仍能够保持较高的计算效率。

5、一种基于三次样条插值的三维机械臂粒子群路径规划方法，无论是在工业自动化、装配、生产线、物流等领域，还是在其他需要机械臂路径规划的领域值班费，都能够有效地生成安全、光滑且高效的路径。

附图说明

图1为一种基于三次样条插值的三维机械臂粒子群路径规划方法的流程图。

具体实施方式

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

下面结合实施例对本发明的特征和性能作进一步的详细描述。

实施例一

请参阅图1，一种基于三次样条插值的三维机械臂粒子群路径规划方法，具体包括如下步骤：

步骤S1：在三维空间中，对机械臂进行路径规划，得到一条最优路径；

步骤S2：识别三维空间中的障碍物边界；

步骤S3：基于障碍物边界和最优路径，进行三次样条曲线插值，得到一条光滑的路径；则机械臂沿着生成的路径运动，可以有效避免障碍物。

在本实施例中，具体的，所述步骤S1，包括：

使用三维粒子群算法，对机械臂进行路径规划，得到一个点集；

所述点集包括多个路径节点，所述点集构成的曲线即为最优路径；需要说明的是，三维粒子群算法是一种现有优化算法，即通过优化三维粒子群算法的参数，如粒子的速度和位置等，即可找到一条最优路径，以达到目标位置；因此，关于通过三维粒子群算法，如何获取最优路径是本领域人员能够知晓，在此不再进行赘述。

在本实施例中，具体的，所述步骤S2，包括：

步骤S21：获取三维空间中的障碍物信息；

步骤S22：基于所述障碍物信息，识别障碍物边界。

在本实施例中，具体的，所述障碍物信息，包括：

障碍物位置、障碍物大小和障碍物形状。

在本实施例中，具体的，所述步骤S3，包括：

步骤S31：在障碍物边界外设置一系列虚拟非碰撞节点；

步骤S32：基于虚拟非碰撞节点和点集，进行三次样条曲线插值，得到一条光滑的路径。

在本实施例中，具体的，所述步骤S31，包括：

在障碍物边界基础上，按照机械臂的尺寸向外进行扩展，并采样N个的虚拟节点，作为虚拟非碰撞节点。

在本实施例中，具体的，所述步骤S32，还包括：

对所有虚拟非碰撞节点进行筛选，得到能够用于三次样条曲线插值的虚拟非碰撞节点。

在本实施例中，具体的，所述筛选，包括：

判断当前虚拟非碰撞节点是否在任一障碍物范围内；

若当前虚拟非碰撞节点不在任一障碍物范围内，则当前虚拟非碰撞节点可用于三次样条插值。

在本实施例中，具体的，所述判断，包括：

其中：

表示当前虚拟非碰撞节点的x轴坐标；

表示当前虚拟非碰撞节点的y轴坐标；

表示当前虚拟非碰撞节点的z轴坐标；

表示当前障碍物的x轴坐标；

表示当前障碍物的y轴坐标；

表示当前障碍物的z轴坐标；

表示当前虚拟非碰撞节点到当前障碍物的距离；

当大于当前障碍物边界尺寸时，判断该虚拟非碰撞节点可用于三次样条插值。

在本实施例中，进一步给出三次样条插值公式，具体如下：

其中：为样条曲线中任意一点的值，/>为样条曲线的系数，/>为离该点最近的虚拟非碰撞节点的位置，/>和/>一个表示三次样条曲线的函数自变量和因变量。通过上述公式可以得到/>随着/>变化的函数曲线。

实施例二

实施例二是实施例一提出的三维机械臂粒子群路径规划方法在工业自动化装配线和医疗手术机器人两个场景下的具体应用。

场景一：工业自动化装配线

在工业自动化装配线中，机械臂被广泛用于对产品的自动组装、处理和搬运。路径规划是关键的环节，它直接影响到机械臂的运动效率和准确性。基于三次样条插值的三维机械臂粒子群路径规划方法在这样的场景中具有显著的优势。

首先，通过使用三维粒子群算法，机械臂能够在装配线的三维空间中进行全局搜索，找到最优的路径，从而最大程度地减少了运动时间。这对于工业生产线来说非常重要，因为时间的节约能够提高生产效率，降低成本。

其次，该方法考虑了障碍物信息，并在障碍物边界外设置虚拟非碰撞节点。在自动装配过程中，通常会有许多障碍物，如零件、设备、传送带等。通过避开这些障碍物，机械臂可以在自由空间内规划路径，避免碰撞和损坏，保证装配的安全性和稳定性。

最后，该方法在采用三次样条曲线插值，生成光滑的路径轨迹。这对于机械臂的运动非常重要，特别是在高速运动和精确定位的情况下。光滑的路径轨迹可以减少机械臂的抖动和不稳定性，提高装配的精度和质量。

场景二：医疗手术机器人

医疗手术机器人在现代医疗领域扮演着越来越重要的角色，它们能够在微创手术中进行高精度的操作，减少手术风险和创伤。路径规划对于医疗手术机器人尤为关键，而基于三次样条插值的三维机械臂粒子群路径规划方法适用于这样的场景。

首先，由于医疗手术机器人需要在复杂的三维解剖结构中进行操作，路径规划的准确性和安全性至关重要。三维粒子群算法能够帮助机器人在手术区域进行全局搜索，找到最优路径，避免了在手术过程中可能发生的碰撞和冲突。

其次，考虑到手术过程中的解剖结构和器官位置，该方法能够在手术目标和患者解剖结构之间进行规避，确保手术操作不会对患者造成伤害。同时，通过三次样条曲线插值，机器人能够以光滑的方式移动，减少手术创伤，缩短患者的康复时间。

最后，医疗手术通常要求高度精准的操作，而光滑的路径轨迹可以减少机器人在手术过程中的抖动和波动，从而提高手术的精度和成功率。同时，路径规划的高效性能也确保了机器人在手术过程中能够快速响应，满足医生对手术速度和时间的要求。

综上所述，基于三次样条插值的三维机械臂粒子群路径规划方法适用于工业自动化装配线和医疗手术机器人等场景。其能够实现全局搜索、考虑障碍物避让、生成光滑路径轨迹，提高路径规划的效率和精确性，满足不同场景对于路径规划的要求，为工业自动化和医疗领域带来显著的益处。

以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。

提供本背景技术部分是为了大体上呈现本发明的上下文，当前所署名的发明人的工作、在本背景技术部分中所描述的程度上的工作以及本部分描述在申请时尚不构成现有技术的方面，既非明示地也非暗示地被承认是本发明的现有技术。

Claims (9)

1.一种基于三次样条插值的三维机械臂粒子群路径规划方法，其特征在于，包括：

步骤S1：在三维空间中，对机械臂进行路径规划，得到一条最优路径；

步骤S2：识别三维空间中的障碍物边界；

步骤S3：基于障碍物边界和最优路径，进行三次样条曲线插值，得到一条光滑的路径。

2.根据权利要求1所述的一种基于三次样条插值的三维机械臂粒子群路径规划方法，其特征在于，所述步骤S1，包括：

使用三维粒子群算法，对机械臂进行路径规划，得到一个点集；

所述点集包括多个路径节点，所述点集构成的曲线即为最优路径。

3.根据权利要求1所述的一种基于三次样条插值的三维机械臂粒子群路径规划方法，其特征在于，所述步骤S2，包括：

步骤S21：获取三维空间中的障碍物信息；

步骤S22：基于所述障碍物信息，识别障碍物边界。

4.根据权利要求3所述的一种基于三次样条插值的三维机械臂粒子群路径规划方法，其特征在于，所述障碍物信息，包括：

障碍物位置、障碍物大小和障碍物形状。

5.根据权利要求2所述的一种基于三次样条插值的三维机械臂粒子群路径规划方法，其特征在于，所述步骤S3，包括：

步骤S31：在障碍物边界外设置一系列虚拟非碰撞节点；

步骤S32：基于虚拟非碰撞节点和点集，进行三次样条曲线插值，得到一条光滑的路径。

6.根据权利要求5所述的一种基于三次样条插值的三维机械臂粒子群路径规划方法，其特征在于，所述步骤S31，包括：

在障碍物边界基础上，按照机械臂的尺寸向外进行扩展，并采样N个的虚拟节点，作为虚拟非碰撞节点。

7.根据权利要求5所述的一种基于三次样条插值的三维机械臂粒子群路径规划方法，其特征在于，所述步骤S32，还包括：

对所有虚拟非碰撞节点进行筛选，得到能够用于三次样条曲线插值的虚拟非碰撞节点。

8.根据权利要求7所述的一种基于三次样条插值的三维机械臂粒子群路径规划方法，其特征在于，所述筛选，包括：

判断当前虚拟非碰撞节点是否在任一障碍物范围内；

若当前虚拟非碰撞节点不在任一障碍物范围内，则当前虚拟非碰撞节点可用于三次样条插值。

9.根据权利要求8所述的一种基于三次样条插值的三维机械臂粒子群路径规划方法，其特征在于，所述判断，包括：

其中：

表示当前虚拟非碰撞节点的x轴坐标；

表示当前虚拟非碰撞节点的y轴坐标；

表示当前虚拟非碰撞节点的z轴坐标；

表示当前障碍物的x轴坐标；

表示当前障碍物的y轴坐标；

表示当前障碍物的z轴坐标；

表示当前虚拟非碰撞节点到当前障碍物的距离；

当大于当前障碍物边界尺寸时，判断该虚拟非碰撞节点可用于三次样条插值。