一种基于智能裁缆机械的定位控制方法及系统与流程

本发明涉及定位控制，尤其涉及一种基于智能裁缆机械的定位控制方法及系统。

背景技术：

1、随着裁缆机械工业自动化的快速发展和智能制造的普及，定位控制技术在各种生产领域中扮演着至关重要的角色。定位控制方法在应对复杂、高精度、高效率的生产需求时面临一系列挑战，这些挑战包括精确定位、实时响应、自动化协同和安全性等方面的问题。随着制造设备的智能化和互联互通的增加，定位控制系统面临着越来越多的复杂情境，如动态工作环境、自适应生产和高度定制化的需求等，传统的定位控制方法通常依赖于预先编程的轨迹和固定的传感器系统，这限制了它们在应对变化多端的生产环境时的适用性，其定位控制方法往往存在在定位控制精度低，效率不高的问题，因此，需要一种智能化的基于智能裁缆机械的定位控制方法及系统。

技术实现思路

1、本发明为解决上述技术问题，提出了一种基于智能裁缆机械的定位控制方法及系统，以解决至少一个上述技术问题。

2、为实现上述目的，本发明提供一种基于智能裁缆机械的定位控制方法，包括以下步骤：

3、步骤s1：利用摄像头获取裁缆机械环境数据；通过激光雷达进行环境扫描，获取障碍物位置数据；对裁缆机械环境数据及障碍物位置数据进行三维点云建模，以构建环境地图；

4、步骤s2：通过环境地图对目标物体进行目标定位，以生成目标边界框；对目标边界框进行像素级分割，以生成目标实例分割图；

5、步骤s3：获取裁缆机械第一位置参数；通过目标实例分割图对裁缆机械第一位置参数进行路径规划，以生成第一工作路径；通过环境地图对第一工作路径进行障碍物路径最优化，以构建第二工作路径；

6、步骤s4：对裁缆机械进行动力学特性分析，以生成运动约束数据；基于运动约束数据对第二工作路径进行路径速度规划，以生成路径速度；通过路径速度对第二工作路径进行动作序列化分析，以生成动作序列化数据；根据动作序列化数据对第二工作路径进行轨迹拟合，以生成裁缆机械轨迹；

7、步骤s5：对裁缆机械轨迹进行实时裁缆机械位置检测，以获取裁缆机械第二位置参数；通过裁缆机械第二位置参数对目标实例分割图进行目标姿态误差分析，以生成目标姿态误差数据；通过目标姿态误差数据进行自适应姿态调整分析，以生成自适应姿态调整策略；

8、步骤s6：基于自适应姿态调整策略对裁缆机械轨迹进行实时动态轨迹优化，以生成动态优化轨迹；对动态优化轨迹进行数据挖掘建模，以构建裁缆机械动态轨迹模型，以执行定位控制作业。

9、本发明通过摄像头获取裁缆机械环境数据，并通过激光雷达进行环境扫描，以获取障碍物位置数据。这些数据源提供了有关机器人工作环境的实时信息，将采集的数据用于创建三维点云模型，构建机械环境地图。这有助于机器人理解其周围环境的形状和障碍物分布，使用环境地图对目标物体进行定位，生成目标边界框。这有助于机器人识别和锁定要操作的目标对象，对目标边界框进行像素级分割，生成目标实例分割图。这允许机器人精确地识别目标对象的边缘和形状，利用裁缆机械的第一位置参数，通过目标实例分割图进行路径规划，生成第一工作路径。这确保了机器人能够到达目标，使用环境地图对第一工作路径进行障碍物路径最优化，以确保机器人在执行任务时能够避开障碍物，对裁缆机械进行动力学特性分析，以生成运动约束数据。这有助于确保机器人的运动在物理上是可行的，基于运动约束数据，对第二工作路径进行路径速度规划，以生成路径速度。这确保了机器人在移动过程中保持稳定和安全，通过路径速度对第二工作路径进行动作序列化分析，以生成动作序列化数据，然后对第二工作路径进行轨迹拟合，生成裁缆机械的实际运动轨迹。这有助于实际控制机器人的运动，对裁缆机械轨迹进行实时检测，以获取裁缆机械的第二位置参数。这确保了机器人能够追踪其在任务执行中的位置，通过裁缆机械的第二位置参数，对目标实例分割图进行目标姿态误差分析，以生成目标姿态误差数据。这有助于确定机器人是否正确地对准了目标，基于目标姿态误差数据，生成自适应姿态调整策略，允许机器人在执行任务时进行姿态调整，以确保准确性。基于自适应姿态调整策略，对裁缆机械轨迹进行实时动态轨迹优化，以生成动态优化轨迹。这有助于机器人在执行任务时适应不断变化的条件，对动态优化轨迹进行数据挖掘建模，以构建裁缆机械的动态轨迹模型。这个模型可以用于未来的任务规划和控制。

10、优选地，步骤s1包括以下步骤：

11、步骤s11：利用摄像头获取裁缆机械环境数据；

12、步骤s12：通过激光雷达进行环境感知扫描，获取障碍物位置数据；

13、步骤s13：对裁缆机械环境数据及障碍物位置数据进行三维点云数据转换，以生成环境点云数据及障碍物点云数据；

14、步骤s14：对环境点云数据及障碍物点云数据分别进行点云分割，以生成环境点云块及障碍物点云簇；

15、步骤s15：对环境点云块及障碍物点云簇进行三维点云建模，以构建环境地图。

16、本发明通过，摄像头来获取裁缆机械周围的环境数据。摄像头提供了可见光图像，用于检测和识别可见物体，以及用于定位和导航的视觉信息，通过激光雷达进行环境感知扫描，获取环境中障碍物的位置数据。激光雷达可以精确地测量物体的距离和形状，提供高分辨率的环境感知信息，对摄像头和激光雷达获取的数据进行处理，将其转换成三维点云数据。这将有助于将不同传感器的信息进行整合，以便后续的分析和建模，对环境点云数据和障碍物点云数据进行分割，将其分成不同的点云块和点云簇。这个步骤有助于将环境中的不同物体和障碍物分离出来，使后续的建模更加精确，利用环境点云块和障碍物点云簇，进行三维点云建模，以构建环境地图。这个环境地图是一个精确的三维模型，反映了机械工作环境的实际情况。

17、优选地，步骤s2包括以下步骤：

18、步骤s21：通过环境地图对目标定位，获取目标物体位置参数；

19、步骤s22：基于目标物体位置参数对目标定位进行边界标记，以生成目标边界框；

20、步骤s23：对目标边界框进行边界裁剪，以生成目标边界框区域；

21、步骤s24：对目标边界框区域进行像素级分割，生成分割结果，分割结果包括目标像素标签及目标边界框背景；

22、步骤s25：通过分割结果对环境地图进行分割映射，以生成目标实例分割图。

23、本发明通过环境地图，系统能够根据目标物体在地图中的位置参数来定位目标。这一步有助于机器精确地了解目标物体的位置，基于目标物体的位置参数，系统可以生成目标边界框。这个边界框是一个矩形框，用于标记目标物体的大致位置。它有助于视觉化地表示目标，对目标边界框进行边界裁剪，得到包含目标物体的区域。这个区域通常比整个图像小，从而减少了后续分割操作的计算量，对目标边界框区域进行像素级分割，将图像中的每个像素分为目标像素标签和目标边界框背景，使用深度学习技术，可以非常精确地识别目标物体的轮廓和形状，通过将分割结果映射回原始环境地图，系统可以生成目标的实例分割图。这个实例分割图不仅包括目标的像素标签，还能够将不同目标之间进行区分，因此可以识别多个目标，并为它们分配唯一的标识符。

24、优选地，步骤s3包括以下步骤：

25、步骤s31：通过传感器获取裁缆机械第一位置参数；

26、步骤s32：通过目标实例分割图对裁缆机械第一位置参数进行目标物体路径计算，生成目标物体路径参数；

27、步骤s33：根据目标物体路径参数对环境地图进行路径规划，以生成第一工作路径；

28、步骤s34：通过环境地图对第一工作路径进行障碍物标记，以获取路径障碍物数据；

29、步骤s35：基于第一工作路径对路径障碍物数据进行避障策略分析，以生成避障策略；

30、步骤s36：基于避障策略对第一工作路径进行障碍物路径最优化，以构建第二工作路径。

31、本发明通过传感器，系统获取裁缆机械的第一位置参数。这可以是机械臂、车辆或其他类型的移动装置的位置信息，利用目标实例分割图，系统计算出目标物体的路径参数。这可能包括目标的位置、方向、速度等信息，用于后续路径规划，基于目标物体路径参数，系统进行路径规划，以生成裁缆机械的第一工作路径。这个路径会考虑到目标物体的位置，以便在执行任务时能够与目标物体协同工作，通过环境地图，系统检测并标记第一工作路径上的障碍物。这可以是其他物体、障碍物或者不可通行区域。获取这些数据是为了确保路径的安全性，基于第一工作路径和路径障碍物数据，系统分析避障策略。这可能包括避让障碍物、减速、绕行等策略，以确保机械在执行任务时避免碰撞或发生意外，根据避障策略，系统对第一工作路径进行最优化调整，以构建第二工作路径。这个路径将考虑避障策略，以确保机械在执行任务时能够避开障碍物，提高任务执行的效率和安全性，通过检测和避免路径上的障碍物，系统可以确保机械在执行任务时不会碰撞或发生意外，从而增强了操作的安全性，考虑目标物体的位置和路径，系统可以生成与目标物体协同工作的路径，从而提高了任务执行的协同效率，通过实时计算目标物体路径参数和分析避障策略，系统可以根据不同情境和障碍物的变化自适应地调整路径，提高了系统的适应性和鲁棒性，路径最优化和避障策略分析可以确保机械以更高效的方式执行任务，减少了不必要的停顿和绕行，提高了任务的执行效率。

32、优选地，步骤s35包括以下步骤：

33、步骤s351：基于第一工作路径对路径障碍物数据进行路径交叉识别，以生成路径交叉数据；

34、步骤s352：对路径障碍物数据进行运动状态分析，以识别路径障碍物类型，路径障碍物类型分为静态路径障碍物及动态路径障碍物；

35、步骤s353：当路径障碍物类型为静态路径障碍物时，基于第一工作路径对静态路径障碍物进行绕行避障策略分析，以生成绕行避障策略；

36、步骤s354：当路径障碍物类型为动态路径障碍物时，对动态路径障碍物进行运动特性分析，以生成运动特性数据，运动特性数据包括路径障碍物的速度、方向及加速度；

37、步骤s355：通过运动特性数据对动态路径障碍物进行路径预测，以生成动态障碍物预测路径；

38、步骤s356：通过动态障碍物碰撞概率计算公式对动态障碍物预测路径及第一工作路径进行碰撞概率计算，以生成障碍物碰撞概率；

39、步骤s357：基于障碍物碰撞概率对第一工作路径进行规避策略分析，以生成规避避障策略。

40、本发明通过第一工作路径分析路径障碍物数据，以识别路径交叉情况。路径交叉是指路径障碍物可能与第一工作路径交叉的情况。生成路径交叉数据有助于后续的碰撞概率计算和规避策略，系统对路径障碍物数据进行分析，以识别路径障碍物的类型。这些类型分为静态路径障碍物(不会移动)和动态路径障碍物(会移动)两种。这个分类是为了根据障碍物的特性采取不同的避障策略，当识别到静态路径障碍物时，系统会分析如何绕过这些障碍物，以生成绕行避障策略。这可以包括选择合适的替代路径或者调整机械的路径以避开静态障碍物，当路径障碍物被识别为动态时，系统会分析这些障碍物的运动特性，包括速度、方向和加速度等。这些数据用于后续的路径预测和碰撞概率计算，基于运动特性数据，系统会预测动态障碍物的未来路径。这有助于机械预测障碍物可能出现的位置，以便采取适当的避障措施，使用碰撞概率计算公式，结合动态障碍物的预测路径和第一工作路径，计算出碰撞概率。这有助于评估机械是否会与动态障碍物发生碰撞，基于碰撞概率，系统生成规避避障策略。这包括调整机械的路径、减速、停止或采取其他措施，以确保机械能够安全地通过动态障碍物附近而不发生碰撞。

41、优选地，步骤s356中的动态障碍物碰撞概率计算公式具体为：

42、

43、其中，pcollision为动态障碍物碰撞概率计算公式，h为动态障碍物碰撞概率调整因子，t为动态障碍物在第一工作路径上的交叉时间，v2(t)为时间t内动态障碍物的平均运动速度，a为动态障碍物的运动速度衰减系数，d为动态障碍物与裁缆机械的路径距离，h为裁缆机械的运动速度，k为动态障碍物的体积大小参数，t1为动态障碍物路径运动的结束时间，t0为动态障碍物路径运动的结束时间。

44、本发明通过用于评估裁缆机械与动态障碍物碰撞的可能性，从而帮助决策系统在规划路径时考虑避免碰撞的因素，提高作业的安全性，概率调整因子h用于调整碰撞概率pcollision。通过调整该因子，可以在不同场景下对碰撞概率进行修正，以适应不同的情况和要求，计算动态障碍物在第一工作路径上的交叉时间，即预测在何时动态障碍物可能与裁缆机械交叉路径。这是关键的时间参数，有助于预测潜在碰撞的时机，通过反映了动态障碍物在时间内的平均运动速度。它有助于考虑障碍物的运动情况，以更准确地估计碰撞概率，k表示动态障碍物的运动速度衰减系数，用于模拟障碍物运动速度的变化。这个系数可以考虑障碍物可能减速或加速的情况，使碰撞概率计算更加准确，路径距离d表示动态障碍物与裁缆机械之间的最短距离。这个距离是计算碰撞概率的重要参数，用于估计障碍物是否会与机械接近，裁缆机械的运动速度v用于考虑机械的运动情况。将机械速度纳入考虑可以更精确地估计碰撞概率，公式通过精确估计碰撞概率，决策系统可以更好地规划机械的路径和动作，以确保作业的安全性和高效性。这有助于减少事故风险，提高自动化作业的可靠性。

45、优选地，步骤s4包括以下步骤：

46、步骤s41：对裁缆机械进行转动惯量分析，以生成转动惯量数据；

47、步骤s42：基于转动惯量数据对裁缆机械进行受力负载分析，以生成受力负载参数；

48、步骤s43：对受力负载参数进行动力学特性分析，以生成运动约束数据；

49、步骤s44：基于运动约束数据对第二工作路径进行路径速度规划，以生成路径速度；

50、步骤s45：通过路径速度对裁缆机械进行动作时序分段，以生成动作时序分段数据；

51、步骤s46：基于动作时序分段数据对第二工作路径进行动作序列化分析，以生成动作序列化数据；

52、步骤s47：根据动作序列化数据对第二工作路径进行轨迹拟合，以生成裁缆机械轨迹。

53、本发明通过对裁缆机械进行了转动惯量分析，这是关于机械物体旋转运动的性质的重要参数。生成的转动惯量数据可以用于后续的受力负载和动力学分析，基于转动惯量数据，对裁缆机械进行了受力负载分析。这意味着确定了机械在不同条件下的受力情况，包括各个关键部件和结构的受力情况。这些参数对于机械的稳定性和安全性至关重要，对受力负载参数进行了动力学特性分析。这包括了机械的动态响应、惯性、加速度等信息。生成这些数据有助于了解机械的运动特性，从而更好地规划路径和动作，对第二工作路径进行了路径速度规划。这意味着确定了机械在路径上的速度分布，以确保在执行任务时能够满足运动约束并保持稳定性，对裁缆机械的动作进行时序分段，将整个任务分解为一系列小的动作段落，以便更好地控制和协调机械的动作，基于动作时序分段数据，对第二工作路径进行了动作序列化分析。这包括确定何时执行特定的动作，以便机械可以按照预定的序列执行任务，路径速度规划和动作时序分段有助于优化机械的运动，使其在执行任务时更加高效和流畅，动作序列化和轨迹拟合确保任务按照预期的方式执行，提高了任务规划的精确性和可控性，通过更好地了解受力情况，可以减少机械的不必要磨损，延长其寿命。

54、优选地，步骤s5包括以下步骤：

55、步骤s51：对裁缆机械轨迹进行实时裁缆机械位置检测，以获取裁缆机械第二位置参数；

56、步骤s52：对目标实例分割图进行目标定位误差分析，以生成目标定位误差参数；

57、步骤s53：基于裁缆机械第二位置参数通过裁缆机械姿态误差计算公式对裁缆机械进行姿态误差计算，以生成裁缆机械姿态误差数据；

58、步骤s54：根据裁缆机械姿态误差数据对目标定位误差参数进行目标姿态误差分析，以生成目标姿态误差数据；

59、步骤s55：通过目标姿态误差数据进行自适应姿态调整分析，以生成自适应姿态调整策略；

60、本发明通过实时位置检测允许系统获取裁缆机械的准确位置信息，裁缆机械的第二位置参数提供了关于机械位置的更多细节，可能包括速度、加速度等信息，为后续的误差分析和调整提供了基础数据，目标实例分割图分析允许系统识别和定位目标对象，目标定位误差参数提供了目标位置的精确性信息，系统可以识别和量化目标定位误差，为后续的调整提供了依据，姿态误差计算可以基于机械位置参数来估计裁缆机械的姿态偏差，姿态误差数据提供了机械的姿态信息，这对于精确的控制和调整非常重要，基于机械姿态误差数据，可以分析目标定位误差是如何受到机械姿态的影响的，目标姿态误差数据提供了有关目标位置准确性与机械姿态之间关系的信息，理解机械的姿态如何影响目标的定位，为进一步的自适应调整提供了指导，自适应姿态调整策略是根据目标姿态误差数据生成的，以最小化目标定位误差，可以根据目标的具体姿态误差情况进行实时调整，提高了系统的鲁棒性和精确性，自适应调整允许系统在不同情况下适应性地改变裁缆机械的姿态，以确保目标定位的高精度。

61、优选地，步骤s53中的裁缆机械姿态误差计算公式具体为：

62、

63、其中，eattcalc为裁缆机械姿态误差参数，δ为裁缆机械的转动惯量参数，p为裁缆机械当前位置参数坐标值，o为裁缆机械关节扭矩，eloc为目标定位误差参数，α为裁缆机械扭转速度，eatt为目标姿态误差参数，g为裁缆机械最大扭转角度，f为裁缆机械工作振动频率。

64、本发明通过计算裁缆机械的位置偏差及裁缆机械的姿态偏差，通过将它们的平方和开方相加，并进行自然对数运算，可以将位置偏差和姿态偏差综合考虑在内。这有助于评估裁缆机械的整体偏差程度，而不仅仅关注单个方面的偏差，自然对数运算可以将位置偏差和姿态偏差的综合结果转化为一个更易于理解和比较的数值。通过取对数，可以将结果映射到一个更广的数值范围内，从而更好地表达裁缆机械姿态误差的程度，通过计算振动频率和最大扭转角度的乘积的负数指数，可以量化振动频率对姿态误差的影响程度，较高的振动频率可能会导致较大的姿态误差，将输入值(振动频率的负数指数)映射到一个介于0和1之间的输出值。这种非线性响应的建模使得公式能够更好地反映振动频率对姿态误差的非线性影响，公式将裁缆机械的位置偏差、姿态偏差和振动频率综合考虑在内，通过标准化和计算得出一个量化的姿态误差参数。这有助于评估裁缆机械在姿态控制方面的性能和稳定性，并为进一步优化和改进提供参考。

65、优选地，步骤s6包括以下步骤：

66、步骤s61：基于自适应姿态调整策略对裁缆机械轨迹进行实时动态轨迹优化，以生成动态优化轨迹；

67、步骤s62：对动态优化轨迹进行膨胀卷积，以生成动态轨迹曲线；

68、步骤s63：对动态轨迹曲线进行池化采样，以生成动态轨迹网络；

69、步骤s64：对动态轨迹网络进行数据挖掘建模，以构建裁缆机械动态轨迹模型，以执行定位控制作业。

70、本发明通过实时优化轨迹，裁缆机械可以更准确地按照预定的路径移动，减少了不必要的移动和调整，提高了效率和精确性，膨胀卷积可以增强和突出轨迹的特征，使得动态轨迹曲线更具有代表性和可辨识性，有助于后续处理和分析，池化采样可以减少数据的复杂性，同时保留关键信息，从而生成一个紧凑的动态轨迹网络，这有助于进一步的数据处理和分析，同时节省计算资源，数据挖掘建模允许从动态轨迹网络中提取深层次的模式和关系，为裁缆机械提供更加准确的定位控制策略，确保其更加稳定、准确地执行任务。

71、在本说明书中，提供一种基于智能裁缆机械的定位控制系统，包括：

72、环境地图模块，用于利用摄像头获取裁缆机械环境数据；通过激光雷达进行环境扫描，获取障碍物位置数据；对裁缆机械环境数据及障碍物位置数据进行三维点云建模，以构建环境地图；

73、目标边界模块，用于通过环境地图对目标物体进行目标定位，以生成目标边界框；对目标边界框进行像素级分割，以生成目标实例分割图；

74、路径优化模块，用于获取裁缆机械第一位置参数；通过目标实例分割图对裁缆机械第一位置参数进行路径规划，以生成第一工作路径；通过环境地图对第一工作路径进行障碍物路径最优化，以构建第二工作路径；

75、轨迹拟合模块，用于对裁缆机械进行动力学特性分析，以生成运动约束数据；基于运动约束数据对第二工作路径进行路径速度规划，以生成路径速度；通过路径速度对第二工作路径进行动作序列化分析，以生成动作序列化数据；根据动作序列化数据对第二工作路径进行轨迹拟合，以生成裁缆机械轨迹；

76、姿态调整模块，用于对裁缆机械轨迹进行实时裁缆机械位置检测，以获取裁缆机械第二位置参数；通过裁缆机械第二位置参数对目标实例分割图进行目标姿态误差分析，以生成目标姿态误差数据；通过目标姿态误差数据进行自适应姿态调整分析，以生成自适应姿态调整策略；

77、轨迹模型模块，用于基于自适应姿态调整策略对裁缆机械轨迹进行实时动态轨迹优化，以生成动态优化轨迹；对动态优化轨迹进行数据挖掘建模，以构建裁缆机械动态轨迹模型，以执行定位控制作业。

78、本发明通过摄像头和激光雷达获取环境数据，然后进行三维点云建模，创建了一个准确的环境地图。这有助于裁缆机械了解周围环境，识别障碍物的位置和形状，从而提高了安全性和导航能力，通过环境地图，可以定位目标物体并生成目标边界框。随后，像素级分割将目标物体与周围环境分隔开，生成目标实例分割图。这有助于裁缆机械准确识别和定位目标，为后续操作提供了重要的目标信息，路径优化模块获取裁缆机械的位置参数，利用目标实例分割图规划第一工作路径。通过障碍物路径最优化，生成第二工作路径。这使得机械可以更有效地绕过障碍物，减少移动时间和能源消耗，提高了效率，对裁缆机械进行动力学特性分析，生成运动约束数据。然后，基于这些数据进行路径速度规划，生成路径速度，以便机械可以在路径上以适当的速度运动。最后，通过动作序列化和轨迹拟合，生成裁缆机械的轨迹。这有助于机械在路径上运动更加平稳和可控，实时检测裁缆机械的位置，分析目标姿态误差数据，然后生成自适应姿态调整策略。这可以确保机械在执行任务时，保持正确的姿态，提高了作业质量和精度，基于自适应姿态调整策略，对裁缆机械轨迹进行实时动态轨迹优化，生成动态优化轨迹。通过数据挖掘建模，构建动态轨迹模型，以执行定位控制作业。这使得机械能够更好地适应不同的工作条件和要求，提高了自动化作业的可靠性和鲁棒性。