建立机器人工作空间上的几何表示的方法与流程

本文所公开的技术总体上涉及机器人领域，并且特别地，涉及建立机器人的工作空间上的几何表示的方法，涉及控制设备、计算机程序和计算机程序产品。

背景技术：

协作机器人可以被用于各种应用中，例如，用于诸如低电压产品、数字摄像机、手表、玩具等产品的预处理、装配和包装。原则上，机器人可以执行与熟练的装配工人一样的工作，并且机器人极大促进和提高例如这种装配自动化。

机器人将在其中工作的环境模型作为用于控制机器人的运动的工具是有价值的，并且如果机器人将自动地移动，则该模型是必需的。为此，计算机辅助设计(cad)工具经常被使用并且被依赖，以用于提供这种模型。然而，为了使用诸如碰撞预测和无碰撞路径规划的功能以达到其充分的潜力，机器人的用户必须提供详细的环境模型。

假设机器人的用户具有机器人将在其中工作的完整环境的详细cad模型给她或他带来不必要的负担。例如，cad模型可能不可用、可能很不精确或环境可能每一天都改变。此外，许多用户发现将cad模型载入计算机软件进行仿真和离线编程然后再将cad模型转换成碰撞避免模型是繁琐的。

技术实现要素：

鉴于以上，本发明的目的是提供一种创建机器人的工作环境模型的改进的方式。该目的和其他通过根据所附独立权利要求的方法、设备、计算机程序和计算机程序产品、以及通过根据从属权利要求的实施例来实现。

根据一方面，该目的通过建立机器人的工作空间上的几何表示的方法来实现。方法在控制设备中执行并且包括：通过三维结构表示工作空间；获得关于机器人在工作空间中行进的无碰撞轨迹的信息；基于所获得的关于无碰撞轨迹的信息和关于机器人的几何形状的信息，确定工作空间中的可用空间的体积，该体积对应于机器人沿轨迹已经行进过的至少一部分的几何形状；以及通过将三维结构的所确定的体积指示为可用空间来更新三维结构。

该方法提供了若干优点。例如，最终用户不需要具有工作空间的cad模型，并且不需要将这种cad模型转换成碰撞模型。由于仅使用机器人自身，该方法极大促进了周围环境的表示的创建。所创建的模型可以充当关于机器人之前已经去过的地方的存储器，使得该存储器可以记住哪些区域是无碰撞的。如果模型被持续地更新，则该模型将越来越精确。

在一个实施例中，方法包括针对n个轨迹重复获得、确定和更新，n等于或大于一。

在一个实施例中，获得信息包括从至少一个传感器(例如，轴位传感器)接收信息，至少一个传感器被布置在机器人上并且从轨迹的起始位置移动到结束位置。这是获得信息的方便的方式。

在一个实施例中，方法包括：从摄像机接收关于工作空间的信息，以及基于所接收的信息获得工作空间的至少一部分的第二三维表示。

在上述实施例的变型中，方法包括使用第二三维表示，以用于找出机器人将在工作空间中行进的轨迹。

在各种实施例中，三维结构包括八叉树数据结构。然后，所得到的工作空间的表示是八叉树结构，其是工作空间的递归和分层块表示。

在各种实施例中，方法包括获得关于机器人行进的遇到碰撞的轨迹的信息，并且基于所获得的信息将三维结构的体积指示为占用空间。

根据一方面，该目的由用于控制设备的计算机程序来实现，该控制设备用于建立机器人的工作空间上的几何表示。计算机程序包括计算机程序代码，当其在控制设备的至少一个处理器上被执行时，使得控制设备执行根据上述实施例中的任意一个的方法。

根据一方面，该目的由计算机程序产品来实现，其包括如上文的计算机程序和计算机可读装置，计算机程序被存储在计算机可读装置上。

根据一方面，该目的由控制设备来实现，该控制设备用于建立机器人的工作空间上的几何表示。控制设备被配置为：通过三维结构表示工作空间；获得关于机器人在工作空间中行进的无碰撞轨迹的信息；基于所获得的关于无碰撞轨迹的信息和关于机器人的几何形状的信息，确定工作空间中的可用空间的体积，该体积对应于机器人沿轨迹已经行进过的至少一部分的几何形状；以及通过将三维结构的所确定的体积指示为可用空间来更新三维结构。

在一个实施例中，控制设备被配置为针对n个轨迹重复获得、确定和更新，n等于或大于一(即至少一个轨迹)。

在一个实施例中，控制设备被配置为通过从至少一个传感器接收信息来获得信息，至少一个传感器被布置在机器人上并且从轨迹的起始位置移动到结束位置。

在一个实施例中，控制设备被配置为：从摄像机接收关于工作空间的信息；以及基于所接收的信息，获得工作空间的至少一部分的第二三维表示。

在一个实施例中，控制设备被配置为使用第二三维表示，以用于找出机器人将在工作空间中行进的轨迹。

在一个实施例中，控制设备被配置为获得关于机器人行进的遇到碰撞的轨迹的信息；并且基于所获得的信息，将三维结构的体积指示为占用空间。

通过阅读以下描述和附图，本发明的实施例的其他特征和优点将变得清楚。

附图说明

图1示意性地示出可以在其中实现根据本发明的实施例的机器人的工作空间。

图2是关于根据本发明的控制设备中的方法的实施例步骤的流程图。

图3示意性地示出用于实现根据本发明的实施例的控制设备和装置。

图4示出使用根据本发明的方法的环境的示例性表示。

具体实施方式

在以下描述中，出于解释而不是限制的目的，阐述了诸如特别的结构、界面、技术等的具体的细节，以便提供彻底的理解。在其他实例中，省略了众所周知的设备、电路和方法的详细描述，以免用不必要的细节使描述难以理解。贯穿描述，相同的附图标记表示相同或类似的元件。

图1示意性地示出可以在其中使用根据本发明的实施例的机器人2的工作空间1。例如，机器人2的工作空间1可以是工业环境，并且通常包括多个移动的或静止的物体3，机器人2必须避免与物体3碰撞。机器人2可以由包括各种控制功能的控制设备25控制，诸如用于指导机器人2关于其环境、路线规划和碰撞避免的装置。参考图3更详细地描述了控制设备25。

本发明的发明者设想了理想的情况：机器人2自身感知其环境并且建立其自己的环境表示。使用三维(3d)摄像机以用于建立环境的3d表示可以被看作是在这个方向上的步骤。简要地，本发明提供一种方法来建立机器人的环境的几何表示，在一些实施例中，仅使用了机器人自身。机器人2被用作“传感器”以建立机器人将在其中工作的环境模型，即机器人的工作空间1(也被称为工作单元)。在一些实施例中，该方法有利地与3d摄像机结合。所提供的方法极大地减少了机器人的最终用户为创建工作空间1的模型所需的努力。

本发明利用了事实：机器人的几何形状和其当前位置的精确知识是可获得的。在给定轨迹的情况下，机器人的几何形状将在其工作空间中扫描出体积。假设机器人做出的移动是无碰撞的，则对应的所扫描出的整个体积可以被标记为可用的。机器人可以被看作用世界表示开始，其中整个世界由例如立方体的单个实三维结构占用。通过做无碰撞移动，可用空间从该立方体被“雕刻出”。如果探索性移动覆盖机器人2需要的工作空间1，则得到的可用空间模型对于诸如碰撞预测和无碰撞路径规划的任务是足够的。

图2是关于根据本发明的控制设备25中的方法的实施例步骤的流程图。

建立机器人2的工作空间1上的几何表示的方法10可以在控制设备25中实现和执行。

方法10包括通过三维结构表示11工作空间1。例如，三维结构可以是工作空间1的八叉树表示。八叉树表示是递归分层块表示。在最高等级上，整个工作空间由单个立方体覆盖，根据方法10，该单个立方体最初被标记为占用空间。

方法10包括获得12关于机器人在工作空间中行进的无碰撞轨迹的信息。机器人2沿轨迹(也被表示为路径)移动或被移动。例如，这种移动可以通过最终用户在工作空间内手动移动机器人2来完成。也就是说，机器人的移动(轨迹)可以由引导式编程给定，其中机器人被编程为通过操作者的任务而被物理地移动。作为另一示例，机器人的移动可以被预先规划并且被编程到控制机器人2的控制设备中，即通过将机器人2编程为自动沿轨迹集合(轨迹可以替代地被预编程)移动，该集合包括至少一个轨迹。因此，在学习阶段期间的移动可以是预编程的、摄像机辅助的、引导式编程的或真实探索的移动中的任何移动。最后的选项通常将仅适用于小型机器人，其中机器人尽可能远地在各方向上缓慢移动，直到发现碰撞。

在一些实施例中，或在与已被提及的关于获得12信息的方式结合的实施例中，所获得的信息包括关于机器人2行进的先前已执行的和/或已确认的轨迹的信息。

方法10包括基于所获得的关于无碰撞轨迹的信息和关于机器人2的几何形状的信息，确定13工作空间1中的可用空间的体积，该体积对应于机器人2沿轨迹已经行进过的至少一部分的几何形状。作为关于此的特别示例，机器人2可以沿轨迹移动臂。当机器人臂从轨迹的起始点移动到结束点时，机器人臂不与任何物体碰撞，并且关于无碰撞轨迹的信息因此可以被登记。基于关于机器人臂的几何形状的知识，机器人臂的体积可以被计算，并且在知道机器人臂(体积)移动所沿的轨迹的情况下，确信的体积vfree可以被确定为可用空间。这可以被重复，并且由此可用空间可以以削减或雕刻类型的过程而被确定，机器人可以在可用空间中移动而无碰撞风险。

方法10包括通过将所确定的体积指示为三维结构中的可用空间来更新14三维结构。

在优选实施例中，三维结构被实现为工作空间1的八叉树表示。八叉树表示是递归分层块表示。在最高等级上，如之前提及的，整个工作空间由单个立方体覆盖，单个立方体最初被标记为占用。如果需要，每个立方体可以被分成八个较小立方体，即八分体(因此，名为八叉树)。如果已知立方体是可用的或如果立方体小于预设的分辨率(例如1cm)，则细分停止。也就是说，对于被确定为可用空间的每个体积vfree，细分停止。本示例的优点是由于八叉树结构中的块的数目和尺寸是自适应的，因此获得了最小化的存储器使用。这也节省了处理容量和处理时间。

如已知的，八叉树是树数据结构，其中每个节点将八叉树表示的空间细分成八个八分体。例如，本发明可以以任何类型的八叉树数据结构来实现。工作空间1的八叉树模型给出具有不同尺寸的立方体的表示，并且每个立方体(被称为体素)的中心可以被用作细分点。注意，三维结构也可以以其他方式实现，例如，通过使用三角形网格来逼近扫描体积的边界。

在一个实施例中，方法10包括针对n个轨迹重复获得12、确定13和更新14，n等于或大于一。越多工作空间1上的信息被获得，工作空间的越精确的模型可以被确定。优选地，轨迹的数目应该被选择到如此程度以确保工作空间1被充分覆盖来给出工作空间1上的足够精确的几何表示。许多功能(例如，碰撞预测)依赖于几何表示，并且使这种功能正确工作的任何最低要求应该被满足。

在一些实施例中，获得12信息包括从至少一个传感器接收信息，至少一个传感器被布置在机器人2上并且从轨迹的起始位置移动到结束位置。机器人2通常包括多个传感器，例如，被布置在机器人的每个轴中的相应轴位传感器。这种轴位传感器可以包括编码器类型的传感器或分解器类型的传感器。后一种传感器，分解器传感器，给出可以被重新计算成角度的(机器人内部坐标系的)x值和y值。这些传感器可以提供所需的信息。

在一些实施例中，方法10包括：

-从摄像机4接收关于工作空间1的信息，以及

-基于所接收的信息，获得工作空间1的至少一部分的第二三维表示。

摄像机4可以被安装在机器人2上，并且被布置为执行扫描移动从而给出工作空间1的照片。摄像机4可以是3d摄像机，其以已知的方式给出第二三维表示。在一个实施例中，上述途径与3d摄像机4结合。例如，如果机器人2正握住摄像机4，则机器人臂通常在摄像机后面，摄像机后面是摄像机看不见的区域。用这种途径，摄像机4后面的大部分区域也可以被标记为可用空间。

在以上实施例的变型中，方法10包括使用第二三维表示，以用于找出机器人将在工作空间中行进的轨迹。替代地，或除了找出轨迹之外，第二三维表示可以被用于与创建的模型结合。然后，两种表示可以被叠加。

在各种实施例中，方法10包括获得关于机器人行进的遇到碰撞的轨迹的信息，并且基于所获得的信息将三维结构的体积指示为占用空间。通常应该避免所有的碰撞，例如由于机器人2在其中移动的环境(还有机器人自身)可能脆弱并且昂贵。然而，机器人2可以被编程为小心地移动，例如非常缓慢地，并且在这种操作模式中，碰撞可以被允许。当机器人2遇到碰撞时，碰撞中涉及的表面可以给出关于机器人2碰撞的障碍物的一些信息。表面的尺寸和给定的厚度可以是用于计算被占用的三维结构体积的基础，由于障碍物是未知的，优选地，选择小的表面的尺寸和给定的厚度。因此，这是占用空间的估计，该估计可以借助摄像机4改进。例如，如果遇到碰到，则可以在该方向上转动摄像机4并且给出关于障碍物3的进一步信息。

例如，具有借助方法10获得的工作空间1的模型的机器人2可以在生产停止之后自动规划安全的路线到重新开始位置。其他用途包括实时碰撞预测和无碰撞路线的自动规划。

图3示意性地示出用于实现根据本发明的实施例的控制设备和装置。控制设备25可以是单机设备，被配置为执行方法10的任意实施例，或者控制设备25可以是已知的机器人控制系统的一部分并且仅被用于建立工作空间1上的几何表示。

控制设备25包括处理器20，处理器20包括以下能够执行存储在存储器21中的软件指令的一个或多个的任意组合：中央处理单元(cpu)、多处理器、微控制器、数字信号处理器(dsp)、专用集成电路等，软件指令因此可以是计算机程序产品。处理器20可以被配置为执行如本文描述的方法10的各种实施例中的任意一个，例如，如关于图2所述。

控制设备25的存储器21可以是以下的任意组合：读写存储器(ram)和只读存储器(rom)、闪存存储器、磁带、光盘(cd)-rom、数字多功能光盘(dvd)、蓝光光盘等。存储器21也可以包括永久存储器，其例如可以是以下的任意单个或组合：磁存储器、光存储器、固态存储器或甚至远程安装存储器。

控制设备可以包括用于与其他设备和/或实体通信的接口23。例如，接口23包括协议栈，用于与其他设备或实体通信。接口可以被使用，用于接收输入数据和用于输出数据。

控制设备25可以包括附加的处理电路24，用于实现根据本发明的各种实施例。

控制设备25可以被配置为执行例如参考图2所描述的实施例中的任意一个实施例的步骤。控制设备25可以被配置为例如通过包括一个或多个处理器20和存储器21来执行步骤，存储器21包含由处理器20可执行的指令，由此控制设备25可操作以执行步骤。

图4示出在使用根据本发明的方法10时，特别是机器人底座的环境的示例性表示。最初，例如表示可以是实立方体。随着借助机器人2探索环境，空间可以从该起始表示被雕刻出。对于机器人2做出的每个无碰撞移动，如已描述的，与机器人体积和该体积移动所沿的路线对应的空间可以被雕刻出。借助本发明，图4所示的机器人底座可以使用八叉树数据结构非常详细地表示。

总之，根据本发明的方法将使机器人知道其环境。所创建的模型将充当关于机器人之前去过的地点的存储器，使得其可以记住哪些区域是无碰撞的。如果模型被持续更新，则其将越来越精确。

模型可以被用于碰撞预测和无碰撞路线规划。优点是用户不需要具有环境的cad模型，并且不存在必须将这种cad模型转换成碰撞模型的步骤。从某种意义上说，机器人自动学习其环境。

本文主要参考若干实施例描述了本发明。然而，如本领域技术人员所理解的，除了本文公开的特定实施例之外，其他实施例同样可以在由所附权利要求限定的本发明的范围内。