[发明专利]一种机器人运动曲线处理方法及系统

说明书

技术领域

本发明涉及机器人技术，特别涉及一种机器人运动曲线处理方法及系统。

背景技术

随着机器人技术的不断进步，新型机器人已经能够代替人类执行一些任务。

机器人在执行任务时面对的环境是复杂的，不确定的，很有可能会因为一些突发的情况导致机器人无法顺利完成任务，因此机器人需要获取运动数据来对下一个操作进行分析，描述存在的运动错误以及矫正错误。

现有技术中对于机器人运动数据的分析采用位姿估计的方法来分析处理，帮助机器人了解自我运动的状态。但是采用位姿估计的方法不能采用一些比较低层次的数据，来进行分析处理得到机器人可以利用的数据，例如机器人的运动曲线。总的来说，利用现有技术中的方法，在控制机器人执行任务时，无法把低层次的运动数据经过处理后得到机器人能够利用的高层次数据，从而限制了机器人的智能化程度。

发明内容

有鉴于此，本发明的目的在于提供一种机器人运动曲线处理方法及系统，通过处理机器人的运动曲线数据，得到机器人可以使用的高层次数据。其具体方案如下：

一种机器人运动曲线处理方法，包括：

对运动曲线进行分割处理，得到离散化曲线向量；

对所述离散化曲线向量进行编码处理，得到曲线方向编码；

对所述曲线方向编码进行分类处理，得到运动状态。

优选地，所述对运动曲线进行分割处理的过程，包括：

对所述运动曲线进行离散化处理，得到离散化曲线，所述离散化曲线包括一系列点x_k；

对所述离散化曲线进行弗勒内坐标系赋值，得到所述离散化曲线向量，其中，所述离散化曲线向量包括所述离散化曲线的正切向量正交向量以及副法线向量

其中，k＝1,2,3,....。

优选地，所述弗勒内坐标系赋值计算公式为：

式中，x_k表示所述离散化曲线上的第k个点，以及分别表示所述离散化曲线上的第k个点的正切向量、正交向量以及副法线向量，其中k＝1,2,3,....。

优选地，所述对运动曲线进行分割处理的过程，包括：

对所述运动曲线进行离散化处理，得到离散化曲线，所述离散化曲线包括一系列点x_k；

对所述离散化曲线进行积累弗勒内坐标系赋值，得到所述离散化曲线向量，其中，所述离散化曲线向量包括所述离散化曲线的积累正切向量积累正交向量以及积累副法线向量；

当所述积累正切向量与所述正切向量之间角度大于预先设定的阈值，则更新积累弗勒内坐标系赋值；

其中，k＝1,2,3,....。

优选地，所述对所述曲线方向编码进行分类处理的过程，包括

利用监督分类算法对所述曲线方向编码进行分类处理。

优选地，所述对所述离散化曲线向量进行编码处理的过程，包括：

利用直接曲线编码法对所述离散化曲线向量进行编码处理。

本发明还公开了一种机器人运动曲线处理系统，包括：

运动曲线分割模块，用于对运动曲线进行分割处理，得到离散化曲线向量；

运动曲线编码模块，用于对所述离散化曲线向量进行编码处理，得到曲线方向编码；

运动曲线分类模块，用于对所述曲线方向编码进行分类处理，得到运动状态。

优选地，所述运动曲线分割模块，包括：

离散化单元，用于对所述运动曲线进行离散化处理，得到离散化曲线，所述离散化曲线包括一系列点x_k；

弗勒内坐标系赋值单元，用于对所述离散化曲线进行弗勒内坐标系赋值，得到所述离散化曲线向量，其中，所述离散化曲线向量包括所述离散化曲线的正切向量正交向量以及副法线向量

其中，k＝1,2,3,....。

优选地，所述运动曲线分割模块，包括：

离散化单元，用于对所述运动曲线进行离散化处理，得到离散化曲线，所述离散化曲线包括一系列点x_k；

积累弗勒内坐标系赋值单元，用于对对所述离散化曲线进行积累弗勒内坐标系赋值，得到所述离散化曲线向量，其中，所述离散化曲线向量包括所述离散化曲线的积累正切向量积累正交向量以及积累副法线向量；

积累弗勒内坐标系赋值更新单元，用于当所述积累正切向量与所述正切向量之间角度大于预先设定的阈值，则更新积累弗勒内坐标系赋值；

其中，k＝1,2,3,....。