CN111906778B - 基于多重感知的机器人安全控制方法及装置 - Google Patents

Abstract

本发明提出一种基于多重感知的机器人安全控制方法，该机器人安全控制方法包括：在接收到3D视觉装置发送的障碍物运动信息时，根据障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略，以避开障碍物；在接收到接近觉电子皮肤发送的接近觉信息时，根据人工势场法，生成供机器人执行的第二控制策略，以避开障碍物；在接收到触觉电子皮肤发送的力反馈信息时，根据力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略，以减小机器人与障碍物之间的碰撞力。本发明所提出的机器人安全控制方法可有效提高机器人的安全性，避免其对人体造成伤害。此外，本发明还公开一种基于多重感知的机器人安全控制装置。

Description

基于多重感知的机器人安全控制方法及装置

技术领域

本发明涉及机器人领域，特别涉及一种基于多重感知的机器人安全控制方法及装置。

背景技术

机器人是整合控制论、机械电子、计算机、材料和仿生学的产物，它既可接受人类指挥，也可运行预先编排的计算机程序，还可根据以人工智能技术制定的原则纲领行动，以协助或取代人类的工作。

在实际使用时，可能需要人与机器人协同工作，以完成某项任务。而在人与机器人协同工作时，需保证机器人具备足够的安全性，以避免机器人与人体发生碰撞，或者在检测到碰撞时采取相应的安全防护措施，从而保证人身安全。

为此，现有的机器人采用基于电流环的接触式碰撞检测，以触发机器人停止。但是，现有的碰撞检测方式依靠人与机器人接触后所引起的电流变化而触发机器人停止，而当机器人触发停止时，人与机器人已经发生碰撞，在某些场景下，这种碰撞已经对人体造成了伤害。并且，现有的碰撞检测方式在检测到碰撞后，需对整个机器人系统执行安全停机操作，但停机后的重启操作需要耗费大量的时间和人力。

发明内容

本发明的主要目的在于提出一种基于多重感知的机器人安全控制方法，以解决现有的机器人存在所存在的安全性问题。

为实现上述目的，本发明提出一种基于多重感知的机器人安全控制方法，该机器人安全控制方法包括：在接收到3D视觉装置发送的障碍物运动信息时，根据所述障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略，以避开所述障碍物，所述运动信息包括运动速度和运动轨迹；在接收到接近觉电子皮肤发送的接近觉信息时，根据人工势场法，生成供机器人执行的第二控制策略，以避开所述障碍物；在接收到触觉电子皮肤发送的力反馈信息时，根据所述力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略，以减小所述机器人与障碍物之间的碰撞力。

优选地，在接收到3D视觉装置发送的障碍物运动信息时，根据障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略的步骤之前，还包括：通过3D视觉装置对障碍物进行实时跟踪，以获取所述障碍物的实时运动信息，并根据所述运动信息建立第一运动模型；通过所述机器人的控制器获取所述机器人的实时运动信息，并根据所述运动信息建立第二运动模型；根据所述第一运动模型和第二运动模型，对所述机器人与障碍物进行碰撞演练，并获取碰撞演练的结果；根据所述碰撞演练的结果，确定是否生成所述第一控制策略。

优选地，所述根据障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略包括：在碰撞演练过程中，生成自主避障路径，并将所述自主避障路径与所述机器人的当前路径合成；若无法合成自主避障路径，则控制所述机器人减速运行。

优选地，所述根据力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略包括：建立阻抗控制模型，所述阻抗控制模型包括碰撞时的碰撞力、碰撞参数、预设位置、预设速度和预设减速度；根据预先建立的碰撞试验，获取碰撞时的碰撞参数，所述碰撞参数包括刚度参数、阻尼参数和质量矩阵参数；将触觉电子皮肤所反馈的碰撞力，输入至所述阻抗控制模型，以获取所述机器人的预设位置。

优选地，所述阻抗控制模型按以下公式建立：F＝K*X+B*X’+M*X”；其中，F为碰撞力；X，X’，X”分别为机器人的预设位置、预设速度、预设减速度；K，B，M分别为障碍物的刚度参数、阻尼参数和质量矩阵参数；所述减速度按以下公式计算获得：X”＝(F-K*X+B*X’)/M；对所述减速度进行积分运算，以得到所述机器人的预设位置。

本发明还提出一种基于多重感知的机器人安全控制装置，该机器人安全控制装置包括：第一控制模块，用于在接收到3D视觉装置发送的障碍物运动信息时，根据所述障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略，以避开所述障碍物，所述运动信息包括运动速度和运动轨迹；第二控制模块，用于在接收到接近觉电子皮肤发送的接近觉信息时，根据人工势场法，生成供机器人执行的第二控制策略，以避开所述障碍物；第三控制模块，用于在接收到触觉电子皮肤发送的力反馈信息时，根据所述力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略，以减小所述机器人与障碍物之间的碰撞力。

优选地，所述基于多重感知的机器人安全控制装置还包括：第一模型建立模块，用于通过3D视觉装置对障碍物进行实时跟踪，以获取所述障碍物的实时运动信息，并根据所述运动信息建立第一运动模型；第二模型建立模块，用于通过所述机器人的控制器获取所述机器人的实时运动信息，并根据所述运动信息建立第二运动模型；碰撞演练模块，用于根据所述第一运动模型和第二运动模型，对所述机器人与障碍物进行碰撞演练，并获取碰撞演练的结果；判断模块，用于根据所述碰撞演练的结果，确定是否生成所述第一控制策略。

优选地，所述第一控制模块包括：路径生成单元，用于在碰撞演练过程中，生成自主避障路径，并将所述自主避障路径与所述机器人的当前路径合成；减速控制单元，用于在无法合成自主避障路径时，控制所述机器人减速运行。

优选地，所述第三控制模块包括：第三模型建立单元，用于建立阻抗控制模型，所述阻抗控制模型包括碰撞时的碰撞力、碰撞参数、预设位置、预设速度和预设减速度；碰撞参数获取单元，用于根据预先建立的碰撞试验，获取碰撞时的碰撞参数，所述碰撞参数包括刚度参数、阻尼参数和质量矩阵参数；预设位置获取单元，用于将触觉电子皮肤所反馈的碰撞力，输入至所述阻抗控制模型，以获取所述机器人的预设位置。

优选地，所述阻抗控制模型按以下公式建立：F＝K*X+B*X’+M*X”；其中，F为碰撞力；X，X’，X”分别为机器人的预设位置、预设速度、预设减速度；K，B，M分别为障碍物的刚度参数、阻尼参数和质量矩阵参数；所述减速度按以下公式计算获得：X”＝(F-K*X+B*X’)/M；对所述减速度进行积分运算，以得到所述机器人的预设位置。

与现有技术相比，本发明实施例的有益效果在于：首先，通过3D视觉装置对障碍物进行实时跟踪，以获取障碍物的实时运动信息，再结合机器人的实时运动信息，预判机器人按照当前的运动速度和运动轨迹，是否会与障碍物发生碰撞；若预判结果为碰撞，则根据机器人与障碍物的实时运动信息，生成供机器人执行的第一控制策略，以供机器人避开障碍物，使得机器人与障碍物不会发生碰撞。其次，在接收到接近觉信号时，表明障碍物与机器人距离较近，3D视觉装置在此处是检测盲区，其无法检测到障碍物的运动信息，因此，通过人工势场法，生成共机器人执行的第二控制策略，以供机器人避开障碍物，使得机器人与障碍物不会发生碰撞。最后，在接收到触觉信号时，表明障碍物与机器人已经发生碰撞，则根据电子皮肤触觉的力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略，以减小机器人与障碍物之间的碰撞力，从而产生对障碍物的缓冲效果，进而实现对于机器人的安全控制。本发明通过3D视觉、电子皮肤接近觉和电子皮肤触觉，对机器人执行分级安全控制策略，实现预碰撞主动避障和接触主动缓冲，从而达到3D视觉主动避障、接近觉紧急避障及碰撞缓冲的目的。

附图说明

图1为本发明基于多重感知的机器人安全控制方法第一实施例的流程图；

图2为本发明基于多重感知的机器人安全控制方法的控制示意图；

图3为本发明基于多重感知的机器人安全控制方法第二实施例的流程图；

图4为本发明基于多重感知的机器人安全控制方法第三实施例的流程图；

图5为本发明基于多重感知的机器人安全控制方法第五实施例的流程图；

图6为本发明所提供的机器人与操作人员之间对保护性间距产生影响的部分的图形化示意图；

图7为本发明基于多重感知的机器人安全控制装置的功能模块图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提出一种基于多重感知的机器人安全控制方法，在一实施方式中，参见图1，该机器人安全控制方法包括：

步骤S10，在接收到3D视觉装置发送的障碍物运动信息时，根据障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略，以避开障碍物，运动信息包括运动速度和运动轨迹；

本实施例中，机器人以工业机器人为例，障碍物以人体为例，以对本发明所提出的机器人安全控制方法进行说明。应当注意的是，机器人以工业机器人为例，障碍物以人体为例，此仅为示例性的，而非限制性的。此外，本实施例所涉及的3D视觉装置可以设置在机器人上，也可以设置在机器人所在区域内，以通过3D视觉装置获取机器人所在区域的三维视觉信息，其包括工业机器人、人和其它物体的三维信息。

在检测到机器人所在区域内出现运动人体时，获取此运动人体的运动信息，并结合此运动人体的运动信息与机器人的运动信息，规划出可避开运动人体的路径，以供机器人按照此路径行进。需要说明的是，在已知运动人体和机器人运动轨迹的前提下，再结合机器人所在区域的环境信息，可较为容易的实现对于避障路径的规划，即：在避开运动人体的运动轨迹的前提下，再避开环境中的其它障碍物，从而生成可避开运动人体且不会与环境中的其它障碍物发生碰撞的路径。

对于人体运动信息，可通过3D视觉装置对运动人体进行实时跟踪，以得到包括运动速度和运动轨迹在内的运动信息，当然，还可以通过其它方式得到，包括但不限于此。而对于机器人运动信息，可通过机器人控制器得到，机器人控制器可监测到机器人的行进速度和行进路线，更具体的，机器人的行进速度由速度传感器实时监测，机器人行进路线则是按照事先规划的路线运动的，因此，通过机器人控制器便可获取速度传感器反馈的速度数据以及事先规划的运动路径。

步骤S20，在接收到接近觉电子皮肤发送的接近觉信息时，根据人工势场法，生成供机器人执行的第二控制策略，以避开障碍物；

需要说明的是，基于人工势场法的路径规划的基本思想是在机器人所在区域中构造一个人工势场，势场中包括斥力极和吸引极，不希望器人进入的区域定义为斥力极，目标及建议机器人进入的区域定义为引力极，以使得在该势场中的机器人受到其目标位姿引力场和障碍物周围斥力场的共同作用，朝目标前进。

当运动人体与机器人的距离比较近时，3D视觉装置在此处为检测盲区，其无法检测到障碍物，因此，可通过人工势场法，实现机器人对于运动人体的主动避障。更具体的，在机器人所在区域中构造一个人工势场，将运动人体的运动区域定义为势场中的斥力极，而将运动人体的运动区域以外的区域定义为引力极，从而使得机器人在引力极和斥力极的共同作用下，朝向运动人体的运动区域以外的区域运动，进而避开运动人体，避免机器人与运动人体发生碰撞。

步骤S30，在接收到触觉电子皮肤发送的力反馈信息时，根据力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略，以减小机器人与障碍物之间的碰撞力。

在接收到触觉电子皮肤发送的力反馈信息时，表明机器人已经与运动人体发生碰撞，此时，可根据触觉电子皮肤发送的碰撞力，计算得到机器人相对运动人体向后运动的位移，以对运动人体进行缓冲，从而减少运动人体与机器人碰撞所产生的伤害。可以理解的是，当运动人体与机器人发生碰撞时，通过控制机器人相对人体向后运动，可对运动人体起到缓冲的效果，此效果与通过弹簧进行缓冲类似。

参见图2，本发明通过3D视觉、电子皮肤接近觉和电子皮肤触觉，对机器人执行分级安全控制策略，实现预碰撞主动避障和接触主动缓冲，从而达到3D视觉主动避障、接近觉紧急避障及碰撞缓冲的目的。

在一实施例中，参见图3，在接收到3D视觉装置发送的障碍物运动信息时，根据障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略的步骤之前，还包括：

步骤S40，通过3D视觉装置对障碍物进行实时跟踪，以获取障碍物的实时运动信息，并根据运动信息建立第一运动模型；

步骤S50，通过机器人的控制器获取机器人的实时运动信息，并根据运动信息建立第二运动模型；

步骤S60，根据第一运动模型和第二运动模型，对机器人与障碍物进行碰撞演练，并获取碰撞演练的结果；

步骤S70，根据碰撞演练的结果，确定是否生成第一控制策略。

本实施例中，分别通过3D视觉装置和机器人控制器获取运动人体和机器人的运动信息，然后根据运动人体的运动信息建立第一运动模型，再根据机器人的运动信息建立第二运动模型，最后根据第一运动模型和第二运动模型建立情景状态演练模型。在此情景状态演练模型中，可模拟机器人与运动人体的运动情况，据此预判机器人按照当前运行状态行进，是否会与运动人体发生碰撞。

工业机器人在工作时，会基于3D视觉装置设定安全距离，当检修或维修人员进入安全工作区时，会对检修或维修人员进行警示，并控制机器人避开检修或维修人员，检修或维修人员即为机器人所在区域内的运动人体。也就是说，在设定的安全距离外，机器人与运动人体是不会发生碰撞的，也就不需要控制机器人避开或减速运行。但是，由于运动人体与机器人间的距离是会变化的，因此，基于3D视觉装置所设定的安全距离是动态变化的，具体的安全距离可参考国标中保护性间距。

更具体的，上述所提及到的保护性间距可根据如下公式获取：

S_P(t₀)＝S_h+S_r+S_S+C+Z_d+Z_r                             (1)

其中，S_P(t₀)是t₀时间点的保护性间距；t₀是即时或当前时间；S_h是由障碍物体位置改变对保护间距产生影响的部分；S_r是由机器人系统反应时间对保护间距产生影响的部分；S_S是由机器人系统停止距离对保护性间距产生影响的部分；C是侵扰距离，由ISO13855定义，是身体的一部分在被检测到之前所侵入传感区的距离；Z_d是障碍物体在协同工作空间中的位置不确定性，其由当前传感设备的测量误差导致；Z_r是机器人系统的位置不确定性，其由机器人位置测量系统的精度导致。S_P(t₀)允许动态计算保护性间距，以运行机器人在应用器件变速，也允许被用来计算一个保护性间距的固定值，基于最恶劣情况的值。

公式(1)适用于协同工作空间中的所有障碍物体如操作人员和移动机器人部件的组合。比如，离操作人员最近的机器人部件与操作人员越来越远，但是机器人的另一个部件可能越来越接近操作人员。

操作人员位置改变对保护性间距产生影响的部分Sh，表示为公式(2)：

其中，T_r是机器人系统反应时间，包括操作人员位置检测时间，该信号的处理时间、触发机器人停止时间，但排除掉机器人停止时间T_s是机器人停止时间，从停止命令发出到机器人刹停；T_s不是一个常值，而是一个机器人配置、已规划的运动、速度、末端与负载的函数；V_h是协同工作空间中操作人员在机器人运动方向上的定向速度，可正可负，正负取决于间距增加还是减少；t是公式(2)、(4)、(6)中的变量。

S_h表示由人从当前时刻到机器人停止这段时间的运动对间距产生的产生影响的部分。此处V_h是时间的函数，可能随人的速度或方向的改变而变化。涉及系统时应考虑V_h的变化以最大程度减少间距。若人的速度未被监测，系统设计应假定V_h在这个方向速度为1.6m/s以便最大程度减小间距。根据ISO13855及IEC/TS62046：2008中4.4.2.3，依据风险评估V_h的值可以不同于1.6m/s。

使用估计的人的速度(1.6m/s)来估算S_h的定值用式(3)：

S_h＝1.6*(T_r+T_s)   (3)

因此，机器人反应时间而对保护性间距产生影响的部分，Sr表示式如下：

其中，V_r是协同工作空间机器人在操作人员方向上的定向速度，可正可负，正负取决于间距增加还是减少；S_r表示从人进入传感区到控制系统触发停止这段时间里机器人运动对间距产生影响的部分，此处V_r是时间的函数，能随机器人的速度或方向的改变而变化。涉及系统时应考虑V_r的变化以及最大程度减少间距。

如果机器人速度没有被监测，系统涉及应假定V_r为机器人最大速度。如果机器人速度被监测，系统涉及可以使用机器人当前速度，但应考虑机器人加速能力以最大程度减少间距。如果安全适用的速度限值有效，当该速度限值对机器人部件来说可使用时，则在系统设计可以使用该速度限值。如果安全适用的速度限制只监测机器人工具中兴电的笛卡尔速度而不监测其他部分，可能对操作人员造成危险，为此可能也需要利用安全适用的速度限制来监测机器人关节速度。

S_r的估计一个常值按公式(5)：

S_r＝V_r*T_r   (5)

机器人停止器件对保护性间距所产生影响的部分可以表达为公式(6)：

其中，V_s是停止过程中的机器人速度，即从触发停止命令到机器人刹停的这个过程。S_s表示机器人停止期间的运动对保护性间距产生影响的部分。此处，V_s是一个时间的函数，并可以随着机器人的速度或方向的改变而变化，涉及系统时应考虑V_s的变化以最大程度减少间距。

如果机器人速度未被监测，系统涉及应假定该积分是机器人的停止距离，在最大程度减少间距的方向上。如果机器人速度被监测，系设计可采用该速度来计算机器人的停止距离，并应用在最大程度减小间距的方向上。S_s的值宜从IOS10218-1：2011的数据中获取。

对保护性间距产生影响的各个部分从图6中可以看出，图6中，机器人与操作人员之间对保护性间距产生影响的部分的图形化表示。操作人员向机器人的速度V_h为正值。而机器人向操作人员的速度(V_r，V_s)为负值。

在另一实施例中，参见图4，在根据障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略的步骤中包括：

步骤S11，在碰撞演练过程中，生成自主避障路径，并将自主避障路径与机器人的当前路径合成；

步骤S12，若无法生成自主避障路径，则控制机器人减速运行。

在情景状态演练模型中，模拟机器人与运动人体的运动，以通过虚拟的模型预判机器人是否会与运动人体发生碰撞。若机器人按照当前的运动状态行进，会与运动人体发生碰撞，则在此情景状态演练模型中生成新的行进路径，以避开运动人体。当然，还要考虑到机器人所在区域内除运动人体以外的其它障碍物，避免机器人与其它障碍物发生碰撞。

若在情景状态演练模型中，无法生成可避开运动人体的自主避障路径，则可控制机器人减速，并同时发出警报以警示运动人体，运动人体在收到报警信号后，会折返运动以远离机器人所在区域。在运动人体折返之前，机器人以预设速度行进，以保证其不会与运动人体发生碰撞。

在又一实施例中，参见图5，在根据力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略的步骤中包括：

步骤S31，建立阻抗控制模型，阻抗控制模型包括碰撞时的碰撞力、碰撞参数、预设位置、预设速度和预设减速度；

步骤S32，根据预先建立的碰撞试验，获取碰撞时的碰撞参数，碰撞参数包括刚度参数、阻尼参数和质量矩阵参数；

步骤S33，将触觉电子皮肤所反馈的碰撞力，输入至阻抗控制模型，以获取机器人的预设位置。

需要说明的是，对预设减速度进行积分得到的是预设速度，对预设速度进行积分得到的是预设位置，三个变量之间相互关联。在机器人与运动人体发生碰撞后，为对运动人体进行缓冲，可控制机器人相对运动人体向后运动预设距离，以抵达预设位置处。在此预设位置处，可使得运动人体与机器人碰撞时产生的冲击伤害最小化，此预设位置是根据机器人与运动人体碰撞时所产生的碰撞力大小运算得到的。

可以理解的是，在运动人体与机器人碰撞的瞬间，会产生一个碰撞力，而为了避免此碰撞力持续对运动人体造成冲击，本实施例通过阻抗控制模型控制机器人运动至预设位置，以对运动人体进行缓冲。在所建立的阻抗控制模型中，碰撞参数预先通过碰撞试验得到，为常量，碰撞力可通过触觉电子皮肤得到，也可通过机械臂的电流反馈信息计算得到，为已知量，而阻抗控制模型中的变量为预设位置、预设速度和预设减速度，因此，将发生碰撞时产生的碰撞力输入至此阻抗控制模型中，即可得到机器人的预设位置，以控制机器人运动至此预设位置。

在再一实施例中，本发明所提出的阻抗控制模型按以下公式建立：

F＝K*X+B*X’+M*X”；

其中，F为碰撞力；

X，X’，X”分别为机器人的预设位置、预设速度、预设减速度；

K，B，M分别为障碍物的刚度参数、阻尼参数和质量矩阵参数；

所述减速度按以下公式计算获得：

X”＝(F-K*X+B*X’)/M；

对减速度进行积分运算，以得到机器人的预设位置。

基于上述所提出的基于多重感知的机器人安全控制方法，本发明还提出一种基于多重感知的机器人安全控制装置，参见图7，该机器人安全控制装置包括：

第一控制模块10，用于在接收到3D视觉装置发送的障碍物运动信息时，根据障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略，以避开障碍物，运动信息包括运动速度和运动轨迹；

第二控制模块20，用于在接收到接近觉电子皮肤发送的接近觉信息时，根据人工势场法，生成供机器人执行的第二控制策略，以避开障碍物；

第三控制模块30，用于在接收到触觉电子皮肤发送的力反馈信息时，根据力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略，以减小机器人与障碍物之间的碰撞力。

在一实施例中，本发明所提出的基于多重感知的机器人安全控制方法还包括：

第一模型建立模块40，用于通过3D视觉装置对障碍物进行实时跟踪，以获取障碍物的实时运动信息，并根据运动信息建立第一运动模型；

第二模型建立模块50，用于通过机器人的控制器获取机器人的实时运动信息，并根据运动信息建立第二运动模型；

碰撞演练模块60，用于根据第一运动模型和第二运动模型，对机器人与障碍物进行碰撞演练，并获取碰撞演练的结果；

判断模块70，用于根据碰撞演练的结果，确定是否生成第一控制策略。

在另一实施例中，本发明所提出的第一控制模块10包括：

路径生成单元11，用于在碰撞演练过程中，生成自主避障路径，并将自主避障路径与机器人的当前路径合成；

减速控制单元12，用于在无法生成自主避障路径时，控制机器人减速运行。

在又一实施例中，本发明所提出的第三控制模块30包括：

第三模型建立单元31，用于建立阻抗控制模型，阻抗控制模型包括碰撞时的碰撞力、碰撞参数、预设位置、预设速度和预设减速度；

碰撞参数获取单元32，用于根据预先建立的碰撞试验，获取碰撞时的碰撞参数，碰撞参数包括刚度参数、阻尼参数和质量矩阵参数；

预设位置获取单元33，用于将触觉电子皮肤所反馈的碰撞力，输入至阻抗控制模型，以获取机器人的预设位置。

在再一实施例中，阻抗控制模型按以下公式建立：

F＝K*X+B*X’+M*X”；

其中，F为碰撞力；

X，X’，X”分别为机器人的预设位置、预设速度、预设减速度；

K，B，M分别为障碍物的刚度参数、阻尼参数和质量矩阵参数；

减速度按以下公式计算获得：

X”＝(F-K*X+B*X’)/M；

对减速度进行积分运算，以得到机器人的预设位置。

基于上述所提出的基于多重感知的机器人安全控制方法，本发明还提出一种基于多重感知的机器人安全控制系统，该机器人安全控制系统包括：

存储器，用于存储计算机程序；

处理器，用于执行计算机程序时实现上述各个实施例中基于多重感知的机器人安全控制方法的步骤，该机器人安全控制方法至少包括以下步骤：

步骤S10，在接收到3D视觉装置发送的障碍物运动信息时，根据所障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略，以避开障碍物，运动信息包括运动速度和运动轨迹；

步骤S20，在接收到接近觉电子皮肤发送的接近觉信息时，根据人工势场法，生成供机器人执行的第二控制策略，以避开障碍物；

步骤S30，在接收到触觉电子皮肤发送的力反馈信息时，根据力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略，以减小机器人与障碍物之间的碰撞力。

基于上述所提出的基于多重感知的机器人安全控制方法，本发明还提出一种计算接可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述各个实施例中基于多重感知的机器人安全控制方法的步骤，该机器人安全控制方法至少包括以下步骤：

步骤S10，在接收到3D视觉装置发送的障碍物运动信息时，根据所障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略，以避开障碍物，运动信息包括运动速度和运动轨迹；

步骤S20，在接收到接近觉电子皮肤发送的接近觉信息时，根据人工势场法，生成供机器人执行的第二控制策略，以避开障碍物；

步骤S30，在接收到触觉电子皮肤发送的力反馈信息时，根据力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略，以减小机器人与障碍物之间的碰撞力。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述的仅为本发明的部分或优选实施例，无论是文字还是附图都不能因此限制本发明保护的范围，凡是在与本发明一个整体的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明保护的范围内。

Claims (10)

1.一种基于多重感知的机器人安全控制方法，其特征在于，包括：

在接收到3D视觉装置发送的障碍物运动信息时，根据所述障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略，以避开所述障碍物，所述运动信息包括运动速度和运动轨迹；所述根据所述障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略包括：结合所述障碍物运动信息与所述机器人运动信息，规划出可避开所述障碍物的路径，以供机器人按照此路径行进；

在接收到接近觉电子皮肤发送的接近觉信息时，根据人工势场法，生成供机器人执行的第二控制策略，以避开所述障碍物；

在接收到触觉电子皮肤发送的力反馈信息时，根据所述力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略，以控制机器人相对障碍物向后运动至预设位置，减小所述机器人与障碍物之间的碰撞力，其中，所述预设位置是根据机器人与障碍物碰撞时所产生的碰撞力大小运算得到。

2.根据权利要求1所述的机器人安全控制方法，其特征在于，在接收到3D视觉装置发送的障碍物运动信息时，根据障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略的步骤之前，还包括：

通过3D视觉装置对障碍物进行实时跟踪，以获取所述障碍物的实时运动信息，并根据所述运动信息建立第一运动模型；

通过所述机器人的控制器获取所述机器人的实时运动信息，并根据所述运动信息建立第二运动模型；

根据所述第一运动模型和第二运动模型，对所述机器人与障碍物进行碰撞演练，并获取碰撞演练的结果；

根据所述碰撞演练的结果，确定是否生成所述第一控制策略。

3.根据权利要求2所述的机器人安全控制方法，其特征在于，所述根据障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略包括：

在碰撞演练过程中，生成自主避障路径，并将所述自主避障路径与所述机器人的当前路径叠加；

若无法生成自主避障路径，则控制所述机器人减速运行。

4.根据权利要求1所述的机器人安全控制方法，其特征在于，所述根据力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略包括：

建立阻抗控制模型，所述阻抗控制模型包括碰撞时的碰撞力、碰撞参数、预设位置、预设速度和预设减速度；

根据预先建立的碰撞试验，获取碰撞时的碰撞参数，所述碰撞参数包括刚度参数、阻尼参数和质量矩阵参数；

将触觉电子皮肤所反馈的碰撞力，输入至所述阻抗控制模型，以获取所述机器人的预设位置。

5.根据权利要求4所述的机器人安全控制方法，其特征在于，所述阻抗控制模型按以下公式建立：

F＝K*X+B*X’+M*X”；

其中，F为碰撞力；

X，X’，X”分别为机器人的预设位置、预设速度、预设减速度；

K，B，M分别为障碍物的刚度参数、阻尼参数和质量矩阵参数；

所述减速度按以下公式计算获得：

X”＝(F-K*X+B*X’)/M；

对所述减速度进行积分运算，以得到所述机器人的预设位置。

6.一种基于多重感知的机器人安全控制装置，其特征在于，包括：

第一控制模块，用于在接收到3D视觉装置发送的障碍物运动信息时，根据所述障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略，以避开所述障碍物，所述运动信息包括运动速度和运动轨迹；所述根据所述障碍物运动信息和机器人运动信息，生成供机器人执行的第一控制策略包括：结合所述障碍物运动信息与所述机器人运动信息，规划出可避开所述障碍物的路径，以供机器人按照此路径行进；

第二控制模块，用于在接收到接近觉电子皮肤发送的接近觉信息时，根据人工势场法，生成供机器人执行的第二控制策略，以避开所述障碍物；

第三控制模块，用于在接收到触觉电子皮肤发送的力反馈信息时，根据所述力反馈信息和机械臂的电流反馈信息，生成供机器人执行的第三控制策略，以控制机器人相对障碍物向后运动至预设位置，减小所述机器人与障碍物之间的碰撞力，其中，所述预设位置是根据机器人与障碍物碰撞时所产生的碰撞力大小运算得到。

7.根据权利要求6所述的机器人安全控制装置，其特征在于，还包括：

第一模型建立模块，用于通过3D视觉装置对障碍物进行实时跟踪，以获取所述障碍物的实时运动信息，并根据所述运动信息建立第一运动模型；

第二模型建立模块，用于通过所述机器人的控制器获取所述机器人的实时运动信息，并根据所述运动信息建立第二运动模型；

碰撞演练模块，用于根据所述第一运动模型和第二运动模型，对所述机器人与障碍物进行碰撞演练，并获取碰撞演练的结果；

判断模块，用于根据所述碰撞演练的结果，确定是否生成所述第一控制策略。

8.根据权利要求7所述的机器人安全控制装置，其特征在于，所述第一控制模块包括：

路径生成单元，用于在碰撞演练过程中，生成自主避障路径，并将所述自主避障路径与所述机器人的当前路径合成；

减速控制单元，用于在无法生成自主避障路径时，控制所述机器人减速运行。

9.根据权利要求6所述的机器人安全控制装置，其特征在于，所述第三控制模块包括：

第三模型建立单元，用于建立阻抗控制模型，所述阻抗控制模型包括碰撞时的碰撞力、碰撞参数、预设位置、预设速度和预设减速度；

碰撞参数获取单元，用于根据预先建立的碰撞试验，获取碰撞时的碰撞参数，所述碰撞参数包括刚度参数、阻尼参数和质量矩阵参数；

预设位置获取单元，用于将触觉电子皮肤所反馈的碰撞力，输入至所述阻抗控制模型，以获取所述机器人的预设位置。

10.根据权利要求9所述的机器人安全控制装置，其特征在于，所述阻抗控制模型按以下公式建立：

F＝K*X+B*X’+M*X”；

其中，F为碰撞力；

X，X’，X”分别为机器人的预设位置、预设速度、预设减速度；

K，B，M分别为障碍物的刚度参数、阻尼参数和质量矩阵参数；

所述减速度按以下公式计算获得：

X”＝(F-K*X+B*X’)/M；

对所述减速度进行积分运算，以得到所述机器人的预设位置。

Images