具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

本发明基于“模型分离法”的整体思想，即根据地面作业多自由度机器人结构特征，从其中一个分离点将其模型分为上、下两部分。该方法必须满足一个条件，即必须保证分离的上、下两部分模型能够实现无缝对接。所以，在选取分离点时，上半部分中分离点的可达空间，必须在下半部分“末端执行器”的可操作空间中。然后，再分为上、下两部分进行求解：

第一部分：假设上半部分末端执行器已成功到达目标点，即此时模型的上半部分处于“悬浮”状态。然后，建立末端执行器到分离点的运动学模型，进行正运动学计算，得到分离点在整个模型基坐标系中的位姿信息。

第二部分：分离点同时也作为下半部分模型的“末端执行器”。然后，将得到的分离点位姿信息，作为模型下半部分末端执行器期望到达的目标位姿，对下半部分模型进行逆运动学分析，实现下半部分与“悬浮”上半部分系统的无缝对接。

实施例1

本实施例基于模型分离法的思想，提供一种多自由度机器人控制方法，如图1所示，该方法具体包括以下步骤：

S1，建立多自由度机器人的整体运动学模型，并在所述整体运动学模型上确定一分离点。

具体地，对多自由度机器人进行逆运动学分析时，首先需要建立机器人的整体运动学模型。由于机器人应用于各种不同领域，所设计的机器人也会有所不同。故在本文中，将多自由度(n+m自由度)串联机器人进行抽象简化，根据Modified-DH(改进-DH)建模规则，建立机器人的运动学模型如图2所示。

本实施例根据“模型分离法”，确定一分离点W，以将多自由度(n+m自由度)机器人整体运动学模型从点W处分为上、下两部分。其中，上半部分包含m个自由度，下半部分包含n个自由度。

在图2所示的整体运动学模型中，其最低点G代表整体运动学模型的基准点，坐标系{G}表示整体运动学模型的基坐标系；点A代表机器人期望到达的目标点，坐标系{A}表示末端执行器要到达的目标点坐标系；点P代表机器人末端执行器，坐标系{P}表示机器人末端执行器坐标系；点W代表分离点，坐标系{W}表示分离点的坐标系。

通常情况下，用一个4阶变换矩阵来描述坐标系{A}相对于坐标系{G}的位姿(也即目标点A相对于基准点G的位姿)，如式(1)所示：

其中，R_3×3、P_3×1分别表示目标点的姿态和位置。

根据Modified-DH法则，第i个连杆和第i-1个连杆的齐次变换矩阵如式(2)所示：

式(2)中相关符号意义说明如表1所示：

表1相关符号说明

故由图2中模型，可得到其连杆参数表，如表2所示。其中，关节角θ_i的大小范围需要根据系统的具体情况确定。

表2整体运动学模型连杆参数表

根据参数表2及式(2)，得到各连杆的齐次变换矩阵再进行正运动学运算，可根据式(3)求解出末端执行器P在模型基坐标系{G}中的位姿：

S2，基于所述整体运动学模型，获取目标点相对于基准点的位姿。

具体地，在机器人开始运动之前，通过视觉系统获取目标点A，并计算目标点A相对于基本点G的位姿并假设：机器人的末端执行器P已经成功到达目标点A，即末端执行器P与目标点A的坐标系完全重合。

S3，建立从所述多自由度机器人的末端执行器到所述分离点的上半部分运动学模型。

具体地，当已知时，为满足以上假设条件，根据Modified-DH法则，建立多自由度机器人末端执行器P到分离点W的上半部分运动学模型，如图3所示。

在本步骤中，将目标点A到分离点W的模型定义为负方向，连杆记为i_-。由图3所示的模型，得到其连杆参数表，如表3所示。其中，关节角的大小范围也需根据具体情况来确定。

表3目标点A到分离点W连杆参数表

S4，基于所述上半部分运动学模型、以及给定的所述上半部分运动学模型中各关节的目标角度，获取所述分离点相对于所述目标点的位姿。

当给定m个关节一组在关节范围内合理的目标角度时(为预先设定的角度值)，根据表3和式(2)，得到第i个连杆和第i-1个连杆的齐次变换矩阵并根据式(4)进行正运动学运算，得到分离点W相对于目标点A的位姿

在式(4)中，表示所述上半部分运动学模型中第i个连杆和第i-1个连杆的齐次变换矩阵，m表示所述上半部分运动学模型包含的自由度，如前所述，齐次变换矩阵根据相应的连杆参数计算，所述连杆参数包括给定的相应关节的目标角度。

S5，基于所述上半部分运动学模型、以及给定的所述上半部分运动学模型中各关节的目标角度，获取所述分离点相对于所述目标点的位姿。

此时，机器人的上半部分运动学模型处于虚拟“悬浮”状态。同时，可根据式(5)得到分离点W在整个系统基坐标系{G}中的位姿(也即分离点W相对于目标点A的位姿)：

在式(5)中，如前所述，表示所述目标点A相对于基准点G的位姿。

S6，基于下半部分运动学模型以及所述分离点相对于所述基准点的目标位姿，获取所述下半部分运动学模型中各关节的目标角度，其中，所述下半部分运动学模型为所述整体运动学模型中、位于所述分离点以下的部分模型。

具体地，在已知的基础上，对基坐标系{G}到分离点W模型进行逆运动学的分析求解，求出下半部分模型中各个关节的角度值，以便控制机器人的下半部分模型的“末端执行器”腰部W，运动到“悬浮”状态与上半部分系统完成对接。将图2模型中下半部分分离出来，得到如图4所示的下半部分运动学模型。

下半部分运动学模型采用解析法进行逆运动学的求解。首先，图4中模型是截取图1整体模型的下半部分，故基准点G到分离点W下半部分系统的连杆参数表为整体模型参数表的前半部分n个关节的参数，如表4所示。

表4下半部分系统连杆参数表

根据参数表4，得到连杆之间的变换矩阵进行正运动学运算，得到下半部分模型“末端执行器”W相对于基准点G的位姿，记为

在式(6)中，表示所述下半部分运动学模型中第j个连杆和第j-1个连杆的齐次变换矩阵，n表示所述下半部分运动学模型包含的自由度，其中，齐次变换矩阵根据相应连杆参数计算，所述连杆参数包括对应关节的角度，所述角度此时为待求解的未知数。

而目标位姿即为式(5)得到的记为：

令

根据式(8)中两个矩阵对应元素相等，即可求解出下半部分系统中各个关节运动至“悬浮”状态的角度值θ₁,θ₂,…,θ_n。

S7，根据所述上半部分运动学模型中各关节的目标角度、以及所述下半部分运动学模型中各关节的目标角度，对所述多自由度机器人进行控制。

本步骤的实现过程如下：首先，根据所述上半部分运动学模型中各关节的目标角度、以及所述下半部分运动学模型中各关节的目标角度，获取所述整体运动学模型中各关节的目标角度；而后，根据所述整体运动学模型中各关节的目标角度，对所述多自由度机器人进行控制。

具体来说，在下半部分运动模型到达指定“悬浮”位置后，将图2中上半部分模型截取出来，并重新定义其坐标轴，建立分离点W到末端执行器P的运动学模型，如图5所示。

由模型得出其连杆参数表，且该参数表也为整体运动学模型连杆参数表的后半部分，如表5所示。

表5分离点W到末端执行器P模型的连杆参数表

注意到，该模型中各个关节的旋转轴，与步骤S3中末端执行器P到分离点W的运动学模型中的旋转轴方向相反。所以，两个模型中对应关节角的正负是相反的。即分离点W到末端执行器P的运动学模型中各关节理论角度值即为：

即图2的模型中，第n+1关节到最后第n+m关节角度值与图5模型中各关节的对应关系为：

最后，根据所述整体运模型中各关节的目标角度θ₁,θ₂,…,θ_n,θ_n+1,…,θ_n+m对机器人进行控制，末端执行器P就可以成功的到达目标点A。

此外，本发明还可以对所述整体运动学模型中各关节的目标角度进行验证，验证过程如下：

根据图5的模型及参数表5，得到其齐次变换矩阵并进行正运动学运算，得到末端执行器P相对于分离点坐标系{W}的位姿

同时，可根据式(3)或式(6)、与式(11)，对所述整体运动学模型中各关节的目标角度进行验证：

根据式(12)，便可判断出所求的位姿信息是否与目标位姿之间的误差，当误差在预定范围内时，表示整体运动学模型中各关节的目标角度是正确的。

所以，根据以上的“模型分离法”，就可以解决复杂多自由度机器人逆运动学求解困难的问题。

本实施例在多自由度机器人根据其结构特征分为上、下两部分的基础上，通过设定上半部分运动学模型在“悬浮”状态中末端执行器成功到达目标点后，再求解下半部分运动学模型如何对接到上半部分的“悬浮”状态，从而求出整个系统的逆解，最后根据各关节的目标角度对多自由度机器人进行控制，即可控制多自由度机器人的末端执行器准确到达目标点。可见，本发明通过将多自由度机器人分为两个部分，分别对其进行运动学分析，有效地解决了冗余机器人逆运动学求解困难、计算繁琐、实时控制性差等问题。

实施例2

本实施例提供一种多自由度机器人的控制系统，如图6所示，所述多自由机器人的控制系统包括整体运动学模型建立模块61、目标点位姿获取模块62、上半部分运动学模型建立模块63、第一分离点位姿获取模块64、第二分离点位姿获取模块65、下半部分关节角度获取模块66、运动控制模块67和验证模块68。

整体运动学模型建立模块61用于建立多自由度机器人的整体运动学模型，并在该模型上确定一分离点。

具体地，对多自由度机器人进行逆运动学分析时，首先需要建立机器人的整体运动学模型。由于机器人应用于各种不同领域，所设计的机器人也会有所不同。故在本文中，将多自由度(n+m自由度)串联机器人进行抽象简化，根据Modified-DH建模规则，建立机器人的整体运动学模型如图2所示。

本实施例根据“模型分离法”，确定一分离点W，以将多自由度(n+m自由度)机器人整体运动学模型从点W处分为上、下两部分。其中，上半部分包含m个自由度，下半部分包含n个自由度。

在图2所示的整体运动学模型中，其最低点G代表整体运动学模型的基准点，坐标系{G}表示整体运动学模型的基坐标系；点A代表机器人期望到达的目标点，坐标系{A}表示末端执行器要到达的目标点坐标系；点P代表机器人末端执行器，坐标系{P}表示机器人末端执行器坐标系；点W代表分离点，坐标系{W}表示分离点的坐标系。

通常情况下，用一个4阶变换矩阵来描述坐标系{A}相对于坐标系{G}的位姿(也即目标点A相对于基准点G的位姿)，如式(1)所示：

其中，R_3×3、P_3×1分别表示目标点的姿态和位置。

根据Modified-DH法则，第i个连杆和第i-1个连杆的齐次变换矩阵如式(2)所示：

式(2)中相关符号意义说明如表1所示：

故由图2中模型，可得到其连杆参数表，如表2所示。其中，关节角θ_i的大小范围需要根据系统的具体情况确定。

根据参数表2及式(2)，得到各连杆的齐次变换矩阵再进行正运动学运算，可根据式(3)求解出末端执行器P在模型基坐标系{G}中的位姿：

目标点位姿获取模块62用于基于前述整体运动学模型，获取目标点A相对于基准点G的位姿，其中基准点W为整体运动学模型的最低点。具体地，在机器人开始运动之前，通过视觉系统获取目标点A，并计算目标点A相对于基本点G的位姿并假设：机器人的末端执行器P已经成功到达目标点A，即末端执行器P与目标点A的坐标系完全重合。

上半部分运动学模型建立模块63用于建立从多自由度机器人的末端执行器到分离点的上半部分运动学模型。

具体地，当已知时，为满足以上假设条件，上半部分运动学模型建立模块3根据Modified-DH法则，建立多自由度机器人末端执行器P到分离点W的上半部分运动学模型，如图3所示。

将目标点A到分离点W的模型定义为负方向，连杆记为i_-。由图3所示的模型，得到其连杆参数表，如表3所示。其中，关节角的大小范围也需根据具体情况来确定。

第一分离点位姿获取模块64用于基于上半部分运动学模型、以及给定的上半部分运动学模型中各关节的目标角度，获取分离点W相对于目标点A的位姿。

当给定m个关节一组在关节范围内合理的目标角度时，根据表3和式(2)，得到第i个连杆和第i-1个连杆的齐次变换矩阵并根据式(4)进行正运动学运算，得到分离点W相对于目标点A的位姿

在式(4)中，表示所述上半部分运动学模型中第i个连杆和第i-1个连杆的齐次变换矩阵，m表示所述上半部分运动学模型包含的自由度，如前所述，齐次变换矩阵根据相应的连杆参数计算，所述连杆参数包括给定的相应关节的目标角度。

第二分离点位姿获取模块65用于根据目标点A相对于基准点G的位姿、所述分离点W相对于目标点A的位姿，获取分离点W相对于基准点G的目标位姿。

此时机器人的上半部分运动学模型处于虚拟“悬浮”状态。同时，可根据式(5)得到分离点W在整个系统基坐标系{G}中的位姿(也即分离点W相对于目标点A的位姿)：

在式(5)中，如前所述，表示所述目标点A相对于基准点G的位姿。

下半部分关节角度获取模块66用于基于下半部分运动学模型以及分离点W相对于基准点G的目标位姿，获取下半部分运动学模型中各关节的目标角度，其中下半部分运动学模型为整体运动学模型中、分离点W以下的部分模型。

具体地，在已知的基础上，对基坐标系{G}到分离点W模型进行逆运动学的分析求解，求出下半部分模型中各个关节的角度值，以便控制机器人的下半部分模型的“末端执行器”腰部W，运动到“悬浮”状态与上半部分系统完成对接。下半部分关节角度获取模块6将图2模型中下半部分分离出来，得到如图4所示的下半部分运动学模型。

下半部分运动学模型采用解析法进行逆运动学的求解。首先，图4中模型是截取图1整体模型的下半部分，故基准点G到分离点W下半部分系统的连杆参数表为整体模型参数表的前半部分n个关节的参数，如表4所示。

根据参数表4，得到连杆之间的变换矩阵进行正运动学运算，得到下半部分模型“末端执行器”W相对于基准点G的位姿，记为

在式(6)中，表示所述下半部分运动学模型中第j个连杆和第j-1个连杆的齐次变换矩阵，n表示所述下半部分运动学模型包含的自由度，其中，齐次变换矩阵根据相应连杆参数计算，所述连杆参数包括对应关节的角度，所述角度此时为待求解的未知数。

而目标位姿即为式(5)得到的记为：

令

根据式(8)中两个矩阵对应元素相等，即可求解出下半部分系统中各个关节运动至“悬浮”状态的角度值θ₁,θ₂,…,θ_n。

运动控制模块67用于根据上半部分运动学模型中各关节的目标角度、以及下半部分运动学模型中各关节的目标角度，对多自由度机器人进行控制。

首先，根据所述上半部分运动学模型中各关节的目标角度、以及所述下半部分运动学模型中各关节的目标角度，运动控制模块67获取所述整体运动学模型中各关节的目标角度；而后，根据所述整体运动学模型中各关节的目标角度，运动控制模块67对所述多自由度机器人进行控制。

具体来说，在下半部分运动模型到达指定“悬浮”位置后，将图2中上半部分模型截取出来，并重新定义其坐标轴，建立分离点W到末端执行器P的运动学模型，如图5所示。

由模型得出其连杆参数表，且该参数表也为整体运动学模型连杆参数表的后半部分，如表5所示。

注意到，该模型中各个关节的旋转轴，与步骤S3中末端执行器P到分离点W的运动学模型中的旋转轴方向相反。所以，两个模型中对应关节角的正负是相反的。即分离点W到末端执行器P的运动学模型中各关节理论角度值即为：

即图2的模型中，第n+1关节到最后第n+m关节角度值与图5模型中各关节的对应关系为：

最后，运动控制模块67根据所述整体运模型中各关节的目标角度θ₁,θ₂,…,θ_n,θ_n+1,…,θ_n+m对机器人进行控制，末端执行器P就可以成功的到达目标点A。

验证模块68用于对整体运动学模型中各关节的目标角度进行验证。

根据图5的模型及参数表5，得到其齐次变换矩阵并进行正运动学运算，得到末端执行器P相对于分离点坐标系{W}的位姿

同时，可根据式(3)或式(6)、与式(11)，对所述整体运动学模型中各关节的目标角度进行验证：

根据式(12)，便可判断出所求的位姿信息是否与目标位姿之间的误差，当误差在预定范围内时，表示整体运动学模型中各关节的目标角度是正确的。

本实施例在多自由度机器人根据其结构特征分为上、下两部分的基础上，通过设定上半部分运动学模型在“悬浮”状态中末端执行器成功到达目标点后，再求解下半部分运动学模型如何对接到上半部分运动学模型的“悬浮”状态，从而求出整个运动学模型的逆解，最后根据各关节的目标角度对多自由度机器人进行控制，即可控制多自由度机器人的末端执行器准确到达目标点。可见，本发明通过将多自由度机器人分为两个部分，分别对其进行运动学分析，有效地解决了冗余机器人逆运动学求解困难、计算繁琐、实时控制性差等问题。

实施例3

本实施例提供一种多自由度机器人，该机器人包括如实施例2所述的多自由度机器人的控制系统。

如图7所示，提供了一种多自由度采摘机器人的仿真图，该机器人包括与该控制系统连接的双目视觉系统71、颈部系统72、双臂系统73、3-RPS并联腰部系统74和移动小车75。

其中，双目视觉系统71包括位于头部的双目摄像头，用于拍摄环境图像，以便进行果实定位；颈部系统72位于头部下端，颈部系统72包括颈部俯仰关节和颈部旋转关节，颈部俯仰关节支持双目视觉系统71进行下俯或上仰，颈部旋转关节支持双目视觉系统71进行旋转；双臂采摘系统73包括左臂分系统和右臂分系统，左臂分系统包括左手掌，右臂分系统包括柔性机械手爪，左手掌和柔性机械手爪均可用于采摘果实，左手掌还可用于清理障碍物；3-RPS并联腰部系统74包括静平台、动平台、至少三根驱动连杆和球铰链，静平台连接于移动小车75上，驱动连杆的底部固定于静平台上，驱动连杆的顶端通过球铰链的球铰关节与动平台连接，动平台与采摘机器人的上半部分连接，3-RPS并联腰部系统74支持采摘机器人的上半部分进行升降、弯腰或侧腰；移动小车75用于在控制系统的控制下进行位置移动。

在本实施例中，只对机器人采摘臂(右臂)、腰部系统74和移动小车75组成的采摘系统进行运动学分析，采摘臂和腰部系统74构成机器人主体。在实际采摘实验中，将移动小车75和机器人主体进行整体规划，一共有12个自由度，包括移动小车75(前后平移、左右平移和旋转)3个自由度、腰部系统74(3-RPS并联机构弯腰、转腰和升降3个自由度、机器人脚部旋转1个自由度)4个自由度、右臂结构5个自由度。

通过该12自由度采摘机器人可以对实施例1的“模型分离法”算法进行实验验证。其中，该12自由度采摘机器人的整体运动学模型如图8所示。

在12自由度采摘机器人的整体运动学模型中，分离点W选取在腰部，即上半部分模型中关节数m为5，下半部分模型中关节数n为7。

根据图8中12自由度采摘机器人的D-H模型，得到其连杆参数表，如表6所示。

表6 12自由度采摘机器人连杆参数表

其中，d_x代表小车沿基坐标系x轴方向移动的距离；d_y代表小车沿基坐标系y轴方向移动的距离；h_z代表并联机构竖直方向移动的距离。

根据式(3)，在已知采摘系统各个关节角度值后，可得到其末端执行器的位姿

故当双目视觉系统71获取到目标苹果A的位姿时，便可对整个采摘系统进行逆运动学求解，控制机器人系统成功抓取到目标苹果。其中：

第一步：分离点W“悬浮”位姿求解过程。

根据图2，建立12自由度采摘机器人上半部分运动学模型，即手爪末端P到腰部分离点W模型，如图9所示。

在图9所示的模型中，a、b参数说明如下：

a：肩部关节中心到机器人胸部中心的距离，大小同图8模型中的d₈相等；

b：机器人胸部中心到腰部的距离，大小同图8模型中的a₇相等。

根据图9、表3，得到实验模型参数表如表7所示。

表7目标点A到分离点W连杆参数表

由于采摘平台的上半部分所包含的关节只有5个，且最后一个关节为肩部关节，而分离点W处于机器人腰部。因此，需要通过坐标转换关系T₀将其变换到分离点W处。其中，T₀为：

所以，通过给定图9模型中各个关节的角度值，假设手爪末端已经成功抓取到目标苹果，再求取腰部分离点W相对于目标苹果A的位姿信息本实验中，考虑到如下因素：1)机器人腰部并联机构升降高度有限制；2)苹果所处的位置高度不同。这两个因素，都对机械臂的各个关节转动角度影响较大。因此，进行了大量实验后，根据苹果在双目摄像头视线的上方或者下方，给定了两组合适的采摘关节角度值。用(p_Cx,p_Cy,p_Cz)表示目标苹果在摄像头坐标系中的位置，单位为毫米(mm)。

1)苹果在视线上方时(p_Cy＜0)：

2)苹果在视线下方时(p_Cy≥0)：

由双目摄像头，得到(p_Cx,p_Cy,p_Cz)＝(123.117,204.16,1151)。故，根据式(4)、式(5)和式(17)，分别得到采摘平台分离点W相对于目标点A的位姿分离点W在基坐标系{G}中的位姿

第二步，上、下半部分对接。

根据图4在图8中截取12自由度采摘机器人下半部分模型，如图10所示。其中，采摘平台下半部分运动学模型有7个关节。

根据表4，以及图10得到12自由度采摘机器人下半部分运动学模型参数表，如表8所示。

表8基准点G到分离点W模型参数表

根据参数表8，便可得到该模型中各关节的齐次变换矩阵如式(20)所示：

故根据式(6)、式(7)、式(8)和式(20)，得到其逆解为：

再根据式(19)和式(21)，得到各关节角度值：

在该模型中只能求出θ₃、θ₄两角之和。故当两角之和超出机器人脚部旋转的最大限度时，移动小车75也需要旋转；如果两角之和没有超出机器人脚部旋转的最大限度时，优先机器人脚部的转动，移动小车75不进行转动。

第三步，末端执行器到达目标点。

根据上文中图8，建立12自由度机器人上半部分模型，即分离点W到末端执行器P的运动学模型，如图11所示。

根据表5及图11，得到该实验系统上半部分模型参数表，如表9所示。

表9分离点W到末端执行器P模型连杆参数表

同时，根据式(9)、式(10)和式(17)，得到12自由度采摘机器人上半部分运动学模型中各个关节角度值为：

θ₈＝60°,θ₉＝-10°,θ₁₀＝-30°,θ₁₁＝-10°,θ₁₂＝-10° (23)

然后，根据式(12)，对采摘平台整个模型进行正运动学运算，得到末端执行器P在基坐标系{G}中的位姿

观察式(14)、式(24)可知，与基本相同，误差是由计算精度引起，可忽略不计。所以，根据式(22)和式(23)中的关节角度值对机器人进行控制，便可驱动机器人成功的摘取到目标苹果。

但是，机械结构误差的存在，可能会导致12自由度采摘机器人末端执行器不能准确到达目标点。所以，为了实际作业的准确性，可以通过对安装在各个关节处电机的实际反馈值进行实时地闭环控制，来减小其误差带来的影响。如本文的采摘实验中，由于12自由度采摘机器人的机械结构和移动小车运动存在的微小误差，导致右臂末端执行器不能完全准确的到达目标点。但是，由于采摘机器人右臂末端采用柔性材料制作而成的三爪机械手，不仅可以减少对目标苹果的损伤，且容错性强，微小误差不会影响采摘机器人成功抓取到苹果。通过上千组实验，验证了“模型分离法”，并控制采摘机器人成功的抓取到复杂环境中的苹果。由于篇幅原因，此处只列举4组不同复杂场景下的抓取实验数据，如表10所示。

表10实测抓取实验数据

根据以上采摘实验，得到如下结果：

(1)机器人开始动作到成功抓取到苹果的平均采摘时长为12.3秒/个；

(2)腰部到达“悬浮”状态后，右机械臂抓取到苹果的平均时长为3.5秒/个；

(3)机器人系统采摘苹果的成功率为97％以上；

(4)机器人摘取苹果的采摘精度为±3.3mm。

本文提出的“模型分离法”，通过将机器人系统分为两部分，分别对其进行运动学分析，有效的解决了冗余机器人逆运动学求解困难、计算复杂繁琐、实时控制性差等问题，并将其应用于12自由度苹果采摘机器人平台进行了验证。经过实验表明，这种方法高效准确，使采摘机器人的平均采摘成功率达到97％以上，误差控制在10mm之内，整个采摘机器人从开始动作到成功摘取到目标苹果的平均采摘时间在12.3s左右。其中，执行阶段每个苹果的平均采摘时间在3.5s左右。“模型分离法”，既提高了采摘机器人作业的效率，也满足了目标抓取的准确性和实时到达目标点的要求。

多自由度机器人，具有灵活性高、结构互换性强、容错性好、避障能力强等优点。使用“模型分离法”进行逆运动学求解，也为将来多自由度机器人在医疗、救援、防疫、农业等更多复杂场景中的应用研究提供了参考。

实施例4

图12为本发明实施例4提供的一种电子设备的结构示意图。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例1的多自由度机器人的控制方法。图12显示的电子设备50仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图12所示，电子设备50可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备50的组件可以包括但不限于：上述至少一个处理器51、上述至少一个存储器52、连接不同系统组件(包括存储器52和处理器51)的总线53。

总线53包括数据总线、地址总线和控制总线。

存储器52可以包括易失性存储器，例如随机存取存储器(RAM)521和/或高速缓存存储器522，还可以进一步包括只读存储器(ROM)523。

存储器52还可以包括具有一组(至少一个)程序模块524的程序/实用工具525，这样的程序模块524包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

处理器51通过运行存储在存储器52中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1的多自由度机器人的控制方法。

电子设备50也可以与一个或多个外部设备54(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口55进行。并且，模型生成的设备30还可以通过网络适配器56与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图12所示，网络适配器56通过总线53与模型生成的设备50的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备50使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

实施例5

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1的多自由度机器人的控制方法中的步骤。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1的多自由度机器人的控制方法中的步骤。

其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。