1.本发明属于机器人控制技术领域，尤其涉及一种工业机器人及其工业机器人避障系统。
背景技术：2.工业机器人是广泛用于工业领域的多关节机械手或多自由度的机器装置，具有一定的自动性，可依靠自身的动力能源和控制能力实现各种工业加工制造功能。工业机器人被广泛应用于电子、物流、化工等各个工业领域之中。工业机器人由三大部分六个子系统组成。三大部分是机械部分、传感部分和控制部分。六个子系统可分为机械结构系统、驱动系统、感知系统、机器人-环境交互系统、人机交互系统和控制系统；然而，现有工业工业机器人及其工业工业机器人避障系统不能准确识别障碍物，导致无法准确避障；同时，对工业机器人性能测试不准确。
3.通过上述分析，现有技术存在的问题及缺陷为：
4.(1)现有工业工业机器人及其工业工业机器人避障系统不能准确识别障碍物，导致无法准确避障。
5.(2)对工业机器人性能测试不准确。
技术实现要素：6.针对现有技术存在的问题，本发明提供了一种工业机器人及其工业机器人避障系统。
7.本发明是这样实现的，一种工业机器人及其工业机器人避障系统包括：
8.扫描模块、工作路径采集模块、主控模块、障碍物识别模块、工作路径改变模块、避障判断模块、定位模块、性能测试模块；
9.扫描模块，与主控模块连接，用于通过摄像器对工作环境进行扫描；
10.工作路径采集模块，与主控模块连接，用于采集工业机器人工作路径；
11.主控模块，与扫描模块、工作路径采集模块、障碍物识别模块、工作路径改变模块、避障判断模块、定位模块、性能测试模块连接，用于控制各个模块正常工作；
12.障碍物识别模块，与主控模块连接，用于对障碍物进行识别；
13.工作路径改变模块，与主控模块连接，用于根据识别结果改变工业机器人工作路径；
14.避障判断模块，与主控模块连接，用于对工业机器人避障是否成功进行判断；
15.定位模块，与主控模块连接，用于对工业机器人工作位置进行定位；
16.性能测试模块，与主控模块连接，用于对工业机器人性能进行测试。
17.进一步，所述障碍物识别模块识别方法如下：
18.(1)建立障碍物识别模型；
19.工业机器人在利用视觉识别障碍物的过程中，当视觉传感器的视线投射在障碍物
上时，其成像过程符合三角形成像原理，设置lz为工业机器人视觉传感器距离障碍物的距离，由工业机器人头部的超声波传感器测得，并已知β为工业机器人视觉角度，y1为图像的长度，h为图像中障碍物的长度；由三角形成像原理能够得到下述公式：
[0020][0021][0022]
求得障碍物的高度h公式如下：
[0023][0024]
(2)对障碍物的直线进行准确检测；利用小波变换对检测障碍物的轮廓信息进行干扰噪声消除；采用微分算子对障碍物图像二值化处理；采用hough变换的方法对障碍物进行识别。
[0025]
进一步，所述采用hough变换的方法对障碍物进行识别步骤如下：
[0026]
任意选取一个非零点a(xa,ya)作为基点确定障碍物识别的子区域r(r
×
r)；
[0027]
在这个子区域内依次搜索其它非零点bi(xi,yi)，利用下述公式4计算每个非零点a(xa,ya)和bi(xi,yi)隶属直线的参数(ρi,θi)
[0028][0029]
其中，ρi为障碍物图像坐标原点o与直线l的距离，θi为坐标原点o到直线l的垂直线与水平方向的夹角；
[0030]
对障碍物图像的局部区域的阀值进行对比；
[0031]
扩大搜索范围，并将a(xa,ya)清零，直至障碍物图像中没有非零点为止；
[0032]
对障碍物区域中所有的阀值进行比较，若比lt大，则检测到直线，反之，则检测不到直线。
[0033]
进一步，所述对障碍物图像的局部区域的阀值进行对比方法：
[0034]
设置ρ的变化区间为δρ，θ的变化区间为δθ，若所有参数的变化区间(ρi+δρi,θi+δθi)中的参数对的数目是ni，搜索出现最大值nmax的变化区间，设置阀值为lt，判断lt与nmax之间的关系，若nmax＞lt，则以参数(ρi,θi)作为通过点a(xa,ya)的参数；若nmax≤lt，则将点a(xa,ya)清零。
[0035]
进一步，所述性能测试模块测试方法如下：
[0036]
1)配置测试设备工作参数，通过测试设备对工业机器人进行多次性能测试，获取所述工业机器人的性能测试数据集；
[0037]
2)根据聚类算法，从所述性能测试数据集中获取有效数据集；根据预设算法对所述有效数据集中的有效数据进行计算，得到所述工业机器人的性能测试结果；
[0038]
所述从所述性能测试数据集中获取有效数据集，具体包括：
[0039]
从性能测试数据集中获取多个性能测试数据作为中心数据；
[0040]
进入数据子集确定步骤，所述数据子集确定步骤包括：为各个所述中心数据分别构建数据子集；将各个所述性能测试数据分入与自身相关度最大的中心数据的数据子集中；
[0041]
根据各个所述数据子集中的性能测试数据更新所述中心数据，并判断更新后的中心数据和更新前的中心数据是否相同，若否，重新进入所述数据子集确定步骤，若是，获取性能测试数据最多的所述数据子集作为所述有效数据集；
[0042]
进一步，所述根据各个所述数据子集中的性能测试数据更新所述中心数据，具体包括：将各个所述数据子集的最小外接圆的圆心作为新的中心数据。
[0043]
进一步，所述将各个所述性能测试数据分入与自身相关度最大的中心数据所处的数据子集中，具体包括：
[0044]
获取各个所述性能测试数据与所述中心数据的距离；
[0045]
所述将各个所述性能测试数据分入与自身距离最小的中心数据的数据子集中。
[0046]
进一步，所述获取各个所述性能测试数据与所述中心数据的距离前，还包括：
[0047]
将各个所述性能测试数据映射到同一坐标系中，并确定各个所述性能测试数据的坐标。
[0048]
进一步，所述获取各个所述性能测试数据与所述中心数据的距离，具体包括：
[0049]
根据所述坐标计算各个所述性能测试数据与所述中心数据的距离。
[0050]
进一步，所述获取各个所述性能测试数据与所述中心数据的距离，具体包括：
[0051]
获取各个所述性能测试数据与所述中心数据沿预设方向的距离。
[0052]
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
[0053]
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
[0054]
本发明通过障碍物识别模块可以准确识别障碍物，从而准确避障；同时，通过性能测试模块对工业机器人进行多次性能测试，得到多次性能测试的性能测试数据形成的性能测试数据集后，根据聚类算法从性能测试数据集中获取有效数据集，从而剔除至少部分偏移数据，由于有效数据集中偏移数据较少，根据预设算法对有效数据集中的有效数据进行计算，得到的性能测试结果收到偏移数据的影响也较小，从而使得工业机器人性能测试结果的误差减小。
[0055]
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
[0056]
本发明通过障碍物识别模块可以准确识别障碍物，从而准确避障；同时，通过性能测试模块对工业机器人进行多次性能测试，得到多次性能测试的性能测试数据形成的性能测试数据集后，根据聚类算法从性能测试数据集中获取有效数据集，从而剔除至少部分偏
移数据，由于有效数据集中偏移数据较少，根据预设算法对有效数据集中的有效数据进行计算，得到的性能测试结果收到偏移数据的影响也较小，从而使得工业机器人性能测试结果的误差减小。
附图说明
[0057]
图1是本发明实施例提供的工业机器人及其工业机器人避障系统结构框图。
[0058]
图2是本发明实施例提供的障碍物识别模块识别方法流程图。
[0059]
图3是本发明实施例提供的性能测试模块测试方法流程图。
[0060]
图1中：1、扫描模块；2、工作路径采集模块；3、主控模块；4、障碍物识别模块；5、工作路径改变模块；6、避障判断模块；7、定位模块；8、性能测试模块。
具体实施方式
[0061]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0062]
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
[0063]
如图1所示，本发明实施例提供的工业机器人及其工业机器人避障系统包括：扫描模块1、工作路径采集模块2、主控模块3、障碍物识别模块4、工作路径改变模块5、避障判断模块6、定位模块7、性能测试模块8。
[0064]
扫描模块1，与主控模块3连接，用于通过摄像器对工作环境进行扫描；
[0065]
工作路径采集模块2，与主控模块3连接，用于采集工业机器人工作路径；
[0066]
主控模块3，与扫描模块1、工作路径采集模块2、障碍物识别模块4、工作路径改变模块5、避障判断模块6、定位模块7、性能测试模块8连接，用于控制各个模块正常工作；
[0067]
障碍物识别模块4，与主控模块3连接，用于对障碍物进行识别；
[0068]
工作路径改变模块5，与主控模块3连接，用于根据识别结果改变工业机器人工作路径；
[0069]
避障判断模块6，与主控模块3连接，用于对工业机器人避障是否成功进行判断；
[0070]
定位模块7，与主控模块3连接，用于对工业机器人工作位置进行定位；
[0071]
性能测试模块8，与主控模块3连接，用于对工业机器人性能进行测试。
[0072]
如图2所示，本发明提供的障碍物识别模块4识别方法如下：
[0073]
s101，建立障碍物识别模型；
[0074]
工业机器人在利用视觉识别障碍物的过程中，当视觉传感器的视线投射在障碍物上时，其成像过程符合三角形成像原理，设置lz为工业机器人视觉传感器距离障碍物的距离，由工业机器人头部的超声波传感器测得，并已知β为工业机器人视觉角度，y1为图像的长度，h为图像中障碍物的长度；由三角形成像原理能够得到下述公式：
[0075]
[0076][0077]
求得障碍物的高度h公式如下：
[0078][0079]
s102，对障碍物的直线进行准确检测；利用小波变换对检测障碍物的轮廓信息进行干扰噪声消除；采用微分算子对障碍物图像二值化处理；采用hough变换的方法对障碍物进行识别。
[0080]
本发明提供的采用hough变换的方法对障碍物进行识别步骤如下：
[0081]
任意选取一个非零点a(xa,ya)作为基点确定障碍物识别的子区域r(r
×
r)；
[0082]
在这个子区域内依次搜索其它非零点bi(xi,yi)，利用下述公式4计算每个非零点a(xa,ya)和bi(xi,yi)隶属直线的参数(ρi,θi)
[0083][0084]
其中，ρi为障碍物图像坐标原点o与直线l的距离，θi为坐标原点o到直线l的垂直线与水平方向的夹角；
[0085]
对障碍物图像的局部区域的阀值进行对比；
[0086]
扩大搜索范围，并将a(xa,ya)清零，直至障碍物图像中没有非零点为止；
[0087]
对障碍物区域中所有的阀值进行比较，若比lt大，则检测到直线，反之，则检测不到直线。
[0088]
本发明提供的对障碍物图像的局部区域的阀值进行对比方法：
[0089]
设置ρ的变化区间为δρ，θ的变化区间为δθ，若所有参数的变化区间(ρi+δρi,θi+δθi)中的参数对的数目是ni，搜索出现最大值nmax的变化区间，设置阀值为lt，判断lt与nmax之间的关系，若nmax＞lt，则以参数(ρi,θi)作为通过点a(xa,ya)的参数；若nmax≤lt，则将点a(xa,ya)清零。
[0090]
如图3所示，本发明提供的性能测试模块8测试方法如下：
[0091]
s201，配置测试设备工作参数，通过测试设备对工业机器人进行多次性能测试，获取所述工业机器人的性能测试数据集；
[0092]
s202，根据聚类算法，从所述性能测试数据集中获取有效数据集；根据预设算法对所述有效数据集中的有效数据进行计算，得到所述工业机器人的性能测试结果；
[0093]
所述从所述性能测试数据集中获取有效数据集，具体包括：
[0094]
从性能测试数据集中获取多个性能测试数据作为中心数据；
[0095]
进入数据子集确定步骤，所述数据子集确定步骤包括：为各个所述中心数据分别构建数据子集；将各个所述性能测试数据分入与自身相关度最大的中心数据的数据子集
中；
[0096]
根据各个所述数据子集中的性能测试数据更新所述中心数据，并判断更新后的中心数据和更新前的中心数据是否相同，若否，重新进入所述数据子集确定步骤，若是，获取性能测试数据最多的所述数据子集作为所述有效数据集；
[0097]
本发明提供的根据各个所述数据子集中的性能测试数据更新所述中心数据，具体包括：将各个所述数据子集的最小外接圆的圆心作为新的中心数据。
[0098]
本发明提供的将各个所述性能测试数据分入与自身相关度最大的中心数据所处的数据子集中，具体包括：
[0099]
获取各个所述性能测试数据与所述中心数据的距离；
[0100]
所述将各个所述性能测试数据分入与自身距离最小的中心数据的数据子集中。
[0101]
本发明提供的获取各个所述性能测试数据与所述中心数据的距离前，还包括：
[0102]
将各个所述性能测试数据映射到同一坐标系中，并确定各个所述性能测试数据的坐标。
[0103]
本发明提供的获取各个所述性能测试数据与所述中心数据的距离，具体包括：
[0104]
根据所述坐标计算各个所述性能测试数据与所述中心数据的距离。
[0105]
本发明提供的获取各个所述性能测试数据与所述中心数据的距离，具体包括：
[0106]
获取各个所述性能测试数据与所述中心数据沿预设方向的距离。
[0107]
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
[0108]
本发明工作时，首先，通过扫描模块1利用摄像器对工作环境进行扫描；通过工作路径采集模块2采集工业机器人工作路径；其次，主控模块3通过障碍物识别模块4，与主控模块3连接，用于对障碍物进行识别；通过工作路径改变模块5根据识别结果改变工业机器人工作路径；通过避障判断模块6对工业机器人避障是否成功进行判断；然后，通过定位模块7对工业机器人工作位置进行定位；最后，通过性能测试模块8对工业机器人性能进行测试。
[0109]
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
[0110]
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
[0111]
本发明通过障碍物识别模块可以准确识别障碍物，从而准确避障；同时，通过性能测试模块对工业机器人进行多次性能测试，得到多次性能测试的性能测试数据形成的性能
测试数据集后，根据聚类算法从性能测试数据集中获取有效数据集，从而剔除至少部分偏移数据，由于有效数据集中偏移数据较少，根据预设算法对有效数据集中的有效数据进行计算，得到的性能测试结果收到偏移数据的影响也较小，从而使得工业机器人性能测试结果的误差减小。
[0112]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
技术特征：1.一种工业机器人及其工业机器人避障系统，其特征在于，所述工业机器人及其工业机器人避障系统包括：扫描模块、工作路径采集模块、主控模块、障碍物识别模块、工作路径改变模块、避障判断模块、定位模块、性能测试模块；扫描模块，与主控模块连接，用于通过摄像器对工作环境进行扫描；工作路径采集模块，与主控模块连接，用于采集工业机器人工作路径；主控模块，与扫描模块、工作路径采集模块、障碍物识别模块、工作路径改变模块、避障判断模块、定位模块、性能测试模块连接，用于控制各个模块正常工作；障碍物识别模块，与主控模块连接，用于对障碍物进行识别；工作路径改变模块，与主控模块连接，用于根据识别结果改变工业机器人工作路径；避障判断模块，与主控模块连接，用于对工业机器人避障是否成功进行判断；定位模块，与主控模块连接，用于对工业机器人工作位置进行定位；性能测试模块，与主控模块连接，用于对工业机器人性能进行测试。2.如权利要求1所述工业机器人及其工业机器人避障系统，其特征在于，所述障碍物识别模块识别方法如下：(1)建立障碍物识别模型；工业机器人在利用视觉识别障碍物的过程中，当视觉传感器的视线投射在障碍物上时，其成像过程符合三角形成像原理，设置lz为工业机器人视觉传感器距离障碍物的距离，由工业机器人头部的超声波传感器测得，并已知β为工业机器人视觉角度，y1为图像的长度，h为图像中障碍物的长度；由三角形成像原理能够得到下述公式：度，h为图像中障碍物的长度；由三角形成像原理能够得到下述公式：求得障碍物的高度h公式如下：(2)对障碍物的直线进行准确检测；利用小波变换对检测障碍物的轮廓信息进行干扰噪声消除；采用微分算子对障碍物图像二值化处理；采用hough变换的方法对障碍物进行识别。3.如权利要求2所述工业机器人及其工业机器人避障系统，其特征在于，所述采用hough变换的方法对障碍物进行识别步骤如下：任意选取一个非零点a(xa,ya)作为基点确定障碍物识别的子区域r(r
×
r)；在这个子区域内依次搜索其它非零点bi(xi,yi)，利用下述公式4计算每个非零点a(xa,ya)和bi(xi,yi)隶属直线的参数(ρi,θi)
其中，ρi为障碍物图像坐标原点o与直线l的距离，θi为坐标原点o到直线l的垂直线与水平方向的夹角；对障碍物图像的局部区域的阀值进行对比；扩大搜索范围，并将a(xa,ya)清零，直至障碍物图像中没有非零点为止；对障碍物区域中所有的阀值进行比较，若比lt大，则检测到直线，反之，则检测不到直线。4.如权利要求2所述工业机器人及其工业机器人避障系统，其特征在于，所述对障碍物图像的局部区域的阀值进行对比方法：设置ρ的变化区间为δρ，θ的变化区间为δθ，若所有参数的变化区间(ρi+δρi,θi+δθi)中的参数对的数目是ni，搜索出现最大值nmax的变化区间，设置阀值为lt，判断lt与nmax之间的关系，若nmax＞lt，则以参数(ρi,θi)作为通过点a(xa,ya)的参数；若nmax≤lt，则将点a(xa,ya)清零。5.如权利要求1所述工业机器人及其工业机器人避障系统，其特征在于，所述性能测试模块测试方法如下：1)配置测试设备工作参数，通过测试设备对工业机器人进行多次性能测试，获取所述工业机器人的性能测试数据集；2)根据聚类算法，从所述性能测试数据集中获取有效数据集；根据预设算法对所述有效数据集中的有效数据进行计算，得到所述工业机器人的性能测试结果；所述从所述性能测试数据集中获取有效数据集，具体包括：从性能测试数据集中获取多个性能测试数据作为中心数据；进入数据子集确定步骤，所述数据子集确定步骤包括：为各个所述中心数据分别构建数据子集；将各个所述性能测试数据分入与自身相关度最大的中心数据的数据子集中；根据各个所述数据子集中的性能测试数据更新所述中心数据，并判断更新后的中心数据和更新前的中心数据是否相同，若否，重新进入所述数据子集确定步骤，若是，获取性能测试数据最多的所述数据子集作为所述有效数据集。6.如权利要求5所述工业机器人及其工业机器人避障系统，其特征在于，所述根据各个所述数据子集中的性能测试数据更新所述中心数据，具体包括：将各个所述数据子集的最小外接圆的圆心作为新的中心数据。7.如权利要求5所述工业机器人及其工业机器人避障系统，其特征在于，所述将各个所述性能测试数据分入与自身相关度最大的中心数据所处的数据子集中，具体包括：获取各个所述性能测试数据与所述中心数据的距离；所述将各个所述性能测试数据分入与自身距离最小的中心数据的数据子集中。8.如权利要求7所述工业机器人及其工业机器人避障系统，其特征在于，所述获取各个所述性能测试数据与所述中心数据的距离前，还包括：将各个所述性能测试数据映射到同一坐标系中，并确定各个所述性能测试数据的坐
标。9.如权利要求8所述工业机器人及其工业机器人避障系统，其特征在于，所述获取各个所述性能测试数据与所述中心数据的距离，具体包括：根据所述坐标计算各个所述性能测试数据与所述中心数据的距离。10.如权利要求5所述工业机器人及其工业机器人避障系统，其特征在于，所述获取各个所述性能测试数据与所述中心数据的距离，具体包括：获取各个所述性能测试数据与所述中心数据沿预设方向的距离。
技术总结本发明属于机器人控制技术领域，公开了一种工业机器人及其工业机器人避障系统，所述工业机器人及其工业机器人避障系统包括：扫描模块、工作路径采集模块、主控模块、障碍物识别模块、工作路径改变模块、避障判断模块、定位模块、性能测试模块。本发明通过障碍物识别模块可以准确识别障碍物，从而准确避障；同时，通过性能测试模块根据聚类算法从性能测试数据集中获取有效数据集，从而剔除至少部分偏移数据，由于有效数据集中偏移数据较少，根据预设算法对有效数据集中的有效数据进行计算，得到的性能测试结果收到偏移数据的影响也较小，从而使得工业机器人性能测试结果的误差减小。而使得工业机器人性能测试结果的误差减小。而使得工业机器人性能测试结果的误差减小。
技术研发人员：杨帆 韩冰 于晓龙 牛建伟 任涛 郭晓辉 李青锋
受保护的技术使用者：北京航空航天大学杭州创新研究院
技术研发日：2022.07.14
技术公布日：2022/11/1
