买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南大学

摘要：本发明公开了动态场景下基于间隙推理神经网络的机械臂碰撞估计方法，首先将机械臂的任务空间离散化为若干个子空间单元，采集不同关节角配置下机械臂与子空间单元的最短距离数据集；搭建间隙推理神经网络模型，用采集到的数据集和预设的损失函数进行训练，学习机械臂关节角配置与间隙距离的映射关系；获取障碍物环境信息建立环境信息矩阵，使用训练好的间隙推理神经网络模型对多组关节角进行间隙距离预测得到间隙距值矩阵，基于安全距离阈值对间隙距值矩阵进行预处理得到子空间碰撞推理矩阵，根据子空间碰撞推理矩阵和环境信息矩阵完成碰撞检测估计。可批量处理碰撞检测，加速关节空间采样点碰撞检测过程，从而实现动态环境下机械臂实时路径规划。

主权项：1.动态场景下基于间隙推理神经网络的机械臂碰撞估计方法，其特征在于，所述方法包括以下步骤：S100：将机械臂的任务空间离散化为若干个子空间单元，采集不同关节角配置下机械臂与子空间单元的最短距离数据集；S200：搭建间隙推理神经网络模型，用采集到的数据集和预设的损失函数进行训练，学习机械臂关节角配置与间隙距离的映射关系，得到训练好的间隙推理神经网络模型；S200中间隙推理神经网络模型包括依次正向连接的七个模块；第一模块使用机械臂关节角作为初始输入，并通过核函数对机械臂关节角进行编码；第二模块包括全连接层、激活函数Sigmoid和DropOut层，第一模块的输出经过全连接层处理后，输出的特征将被映射到更高维度的表示空间，通过Sigmoid激活函数的非线性变换，特征值被压缩到0,1之间，Dropout层有助于防止过拟合；第三模块在结构上与第二模块相同，包括全连接层、激活函数Sigmoid和DropOut层，但在第二模块的输出特征上横向拼接了第一模块的输出特征作为第三部分的输入，第三模块的输出将作为第四模块的输入；第四模块与第二模块结构完全相同，包括全连接层、激活函数Sigmoid和DropOut层，第四模块的输出将作为第五模块的输入；第五模块与第三模块的结构完全相同，包括全连接层、激活函数Sigmoid和DropOut层组成，在第四模块的输出特征上横向拼接了第一模块的输出特征作为第五模块的输入，第五模块的输出将作为第六模块的输入；第六模块与第二模块结构完全相同，包括全连接层、激活函数Sigmoid和DropOut层，第六模块的输出将作为第七模块的输入；第七模块由全连接层组成，输出特征数为，目的在于实现维间隙距离的映射；S300：获取障碍物环境信息建立环境信息矩阵，使用训练好的间隙推理神经网络模型对多组关节角进行间隙距离预测得到间隙距离值矩阵，基于安全距离阈值对间隙距离值矩阵进行预处理得到子空间碰撞推理矩阵，根据子空间碰撞推理矩阵和环境信息矩阵完成碰撞检测估计；S300包括：S310：建立一个环境信息矩阵H，维度为，对应个子空间单元，使用深度相机实时获取障碍物分布信息，若障碍物占据了某个子空间单元，则环境信息矩阵H中对应元素的数值设置为1，否则设置为0；S320：对于待处理的任意一组关节角，，其输入至训练好的间隙推理神经网络后，得到一组间隙距离值矩阵，的维度为；S330：设置一个安全距离阈值，若矩阵中某个元素的数值小于，则表示该机械臂与该子空间单元发生碰撞，并将中该元素设置为1，否则设置为0，所有元素处理完毕后，将新的矩阵记为子空间碰撞推理矩阵；S340：环境信息矩阵H与子空间碰撞推理矩阵进行矩阵点乘运算，获得机械臂碰撞估计矩阵，若矩阵中元素全为0，则表示关节角为时，机械臂未与障碍物发生碰撞，若矩阵中存在数值为1的元素，则表示机械臂与障碍物发生碰撞。

全文数据：

权利要求：

百度查询： 湖南大学 动态场景下基于间隙推理神经网络的机械臂碰撞估计方法