一种机械臂运动规划方法、装置、可读存储介质及机械臂与流程

1.本申请属于机器人技术领域，尤其涉及一种机械臂运动规划方法、装置、计算机可读存储介质及机械臂。


背景技术：

2.在现有技术中，一般是使用快速扩展随机树(rapidly
‑
exploring random trees，rrt)或者双向快速扩展随机树(bi
‑
directional rrt，birrt)等规划算法对机械臂进行运动规划。但这些算法是在整个自由空间中随机均匀采样，缺乏导向性，存在大量的无效搜索，效率较低。


技术实现要素：

3.有鉴于此，本申请实施例提供了一种机械臂运动规划方法、装置、计算机可读存储介质及机械臂，以解决现有的机械臂运动规划方法缺乏导向性、效率较低的问题。
4.本申请实施例的第一方面提供了一种机械臂运动规划方法，可以包括：
5.确定机械臂从预设的初始位姿运动至预设的目标位姿的虚拟最优运动规划路径；
6.在所述机械臂的自由空间中进行随机采样，得到所述机械臂的第一随机位姿；
7.根据所述虚拟最优运动规划路径对所述第一随机位姿进行迭代优化，得到优化后的第二随机位姿；
8.将所述第二随机位姿作为预设的机械臂运动规划算法中的随机采样结果对所述机械臂进行运动规划。
9.进一步地，所述根据所述虚拟最优运动规划路径对所述第一随机位姿进行迭代优化，得到优化后的第二随机位姿，可以包括：
10.将所述第一随机位姿映射至所述虚拟最优运动规划路径上，得到与所述第一随机位姿对应的虚拟最优位姿；
11.建立与所述虚拟最优位姿对应的引力场函数；
12.根据所述引力场函数对所述第一随机位姿进行迭代优化，得到优化后的第二随机位姿。
13.进一步地，所述根据所述引力场函数对所述第一随机位姿进行迭代优化，得到优化后的第二随机位姿，可以包括：
14.将所述第一随机位姿作为当前随机位姿；
15.根据所述引力场函数计算所述当前随机位姿的梯度；
16.根据当前随机位姿的梯度对所述当前随机位姿进行更新计算，得到更新随机位姿；
17.若所述当前随机位姿的梯度不满足预设的迭代终止条件，则将所述更新随机位姿作为新的当前随机位姿，并返回执行所述根据所述引力场函数计算所述当前随机位姿的梯度的步骤及其后续步骤；
18.若所述当前随机位姿的梯度满足所述迭代终止条件，则将所述更新随机位姿确定为优化后的第二随机位姿。
19.进一步地，所述建立与所述虚拟最优位姿对应的引力场函数，可以包括：
20.根据下式建立所述引力场函数：
[0021][0022]
其中，q
goal
为所述虚拟最优位姿，q为所述当前随机位姿，为预设的尺度因子，d(q,q
goal
)为q与q
goal
之间的距离，为预设的距离阈值，u
att
(q)为所述引力场函数。
[0023]
进一步地，所述根据所述引力场函数计算所述当前随机位姿的梯度，可以包括：
[0024]
根据下式计算所述当前随机位姿的梯度：
[0025][0026]
其中，为所述当前随机位姿的梯度。
[0027]
进一步地，所述根据当前随机位姿的梯度对所述当前随机位姿进行更新计算，得到更新随机位姿，可以包括：
[0028]
根据下式对所述当前随机位姿进行更新计算：
[0029][0030]
其中，q为所述当前随机位姿，为所述当前随机位姿的梯度，η为预设的更新步长，q
′
为所述更新随机位姿。
[0031]
进一步地，所述确定机械臂从预设的初始位姿运动至预设的目标位姿的虚拟最优运动规划路径，可以包括：
[0032]
将连接所述初始位姿和所述目标位姿的直线路径确定为所述虚拟最优运动规划路径。
[0033]
本申请实施例的第二方面提供了一种机械臂运动规划装置，可以包括：
[0034]
虚拟路径确定模块，用于确定机械臂从预设的初始位姿运动至预设的目标位姿的虚拟最优运动规划路径；
[0035]
随机采样模块，用于在所述机械臂的自由空间中进行随机采样，得到所述机械臂的第一随机位姿；
[0036]
迭代优化模块，用于根据所述虚拟最优运动规划路径对所述第一随机位姿进行迭代优化，得到优化后的第二随机位姿；
[0037]
运动规划模块，用于将所述第二随机位姿作为预设的机械臂运动规划算法中的随
机采样结果对所述机械臂进行运动规划。
[0038]
进一步地，所述迭代优化模块可以包括：
[0039]
位姿映射单元，用于将所述第一随机位姿映射至所述虚拟最优运动规划路径上，得到与所述第一随机位姿对应的虚拟最优位姿；
[0040]
引力场函数建立单元，用于建立与所述虚拟最优位姿对应的引力场函数；
[0041]
迭代优化单元，用于根据所述引力场函数对所述第一随机位姿进行迭代优化，得到优化后的第二随机位姿。
[0042]
进一步地，所述迭代优化单元可以包括：
[0043]
当前随机位姿确定子单元，用于将所述第一随机位姿作为当前随机位姿；
[0044]
梯度计算子单元，用于根据所述引力场函数计算所述当前随机位姿的梯度；
[0045]
更新计算子单元，用于根据当前随机位姿的梯度对所述当前随机位姿进行更新计算，得到更新随机位姿；
[0046]
当前随机位姿更新子单元，用于若所述当前随机位姿的梯度不满足预设的迭代终止条件，则将所述更新随机位姿作为新的当前随机位姿；
[0047]
第二随机位姿确定子单元，用于若所述当前随机位姿的梯度满足所述迭代终止条件，则将所述更新随机位姿确定为优化后的第二随机位姿。
[0048]
进一步地，所述引力场函数建立单元具体用于根据下式建立所述引力场函数：
[0049][0050]
其中，q
goal
为所述虚拟最优位姿，q为所述当前随机位姿，为预设的尺度因子，d(q,q
goal
)为q与q
goal
之间的距离，为预设的距离阈值，u
att
(q)为所述引力场函数。
[0051]
进一步地，所述梯度计算子单元具体用于根据下式计算所述当前随机位姿的梯度：
[0052][0053]
其中，为所述当前随机位姿的梯度。
[0054]
进一步地，所述更新计算子单元具体用于根据下式对所述当前随机位姿进行更新计算：
[0055][0056]
其中，q为所述当前随机位姿，为所述当前随机位姿的梯度，η为预设的更新步长，q
′
为所述更新随机位姿。
[0057]
进一步地，所述虚拟路径确定模块具体用于将连接所述初始位姿和所述目标位姿的直线路径确定为所述虚拟最优运动规划路径。
[0058]
本申请实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种机械臂运动规划方法的步骤。
[0059]
本申请实施例的第四方面提供了一种机械臂，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种机械臂运动规划方法的步骤。
[0060]
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在机械臂上运行时，使得机械臂执行上述任一种机械臂运动规划方法的步骤。
[0061]
本申请实施例与现有技术相比存在的有益效果是：本申请实施例确定机械臂从预设的初始位姿运动至预设的目标位姿的虚拟最优运动规划路径；在所述机械臂的自由空间中进行随机采样，得到所述机械臂的第一随机位姿；根据所述虚拟最优运动规划路径对所述第一随机位姿进行迭代优化，得到优化后的第二随机位姿；将所述第二随机位姿作为预设的机械臂运动规划算法中的随机采样结果对所述机械臂进行运动规划。通过本申请实施例，以理想状态的虚拟最优运动规划路径作为随机采样时的导向依据，对随机采样得到的原始随机位姿(即第一随机位姿)进行迭代优化，从而将其向虚拟最优运动规划路径的方向上牵引，得到优化后的随机位姿(即第二随机位姿)，这样得到的随机采样结果具有明显的导向性，基于这样的随机采样结果对机械臂进行运动规划，能够减少大量的无效搜索，极大提升了规划效率。
附图说明
[0062]
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0063]
图1为本申请实施例中一种机械臂运动规划方法的一个实施例流程图；
[0064]
图2为根据虚拟最优运动规划路径对第一随机位姿进行迭代优化的示意流程图；
[0065]
图3为根据引力场函数对第一随机位姿进行迭代优化的示意流程图；
[0066]
图4为本申请实施例中一种机械臂运动规划装置的一个实施例结构图；
[0067]
图5为本申请实施例中一种机械臂的示意框图。
具体实施方式
[0068]
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0069]
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特
征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0070]
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0071]
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0072]
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0073]
另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0074]
请参阅图1，本申请实施例中一种机械臂运动规划方法的一个实施例可以包括：
[0075]
步骤s101、确定机械臂从预设的初始位姿运动至预设的目标位姿的虚拟最优运动规划路径。
[0076]
在本申请实施例中，可以通过位姿空间(configuration space)描述机械臂所有关节的位姿构成的集合，即c空间，而当考虑机械臂和障碍物时，c空间会分为两个空间，即障碍物空间c
obs
和自由空间c
free
。
[0077]
其中，c
obs
可以用下式进行描述：
[0078][0079]
即c
obs
为满足以下条件的位姿构成的集合：该位姿(即q)属于c空间且在该位姿下的机械臂(即robot(q))与障碍物(即obs)相交不为空，两者发生碰撞。
[0080]
相应地，c
free
可以用下式进行描述：
[0081]
c
free
＝c
‑
c
obs
[0082]
即c
free
为c
obs
的补集。
[0083]
c
free
是机械臂能够在其中运动并发现轨迹最优、时间最短的可选区域。机械臂运动规划算法的基本思想是基于c
free
建立用于解决机械臂运动规划问题的路径图，其具体流程可以包括：
[0084]
(1)确定机械臂的工作空间w；
[0085]
(2)确定工作空间w中的障碍物obs以及机械臂robot；
[0086]
(3)确定机械臂对应的c空间，以及障碍物空间c
obs
和自由空间c
free
；
[0087]
(4)确定机械臂的初始位姿q
init
和目标位姿q
end
；
[0088]
(5)在自由空间c
free
中根据机械臂运动规划算法采样获得机械臂的无碰撞路径τ，该路径需满足τ[0,1]
→
c
free
，其中，0表示运动规划的起始时间点，1表示运动规划的终止时间点，该路径在从起始时间点至终止时间点之间的任意一个规划时间点时的机械臂位姿均处在自由空间c
free
的范围内，且该路径在起始时间点时的机械臂位姿为初始位姿，即τ[0]＝q
init
，该路径在终止时间点时的机械臂位姿为目标位姿，即τ[1]＝q
end
。
[0089]
在本申请实施例中，可以将连接初始位姿和目标位姿的直线路径确定为虚拟最优
运动规划路径。需要注意的是，这条虚拟最优运动规划路径仅仅只是一条理想状态下的最优路径，因为这条路径可能会通过障碍物空间，因此在实际中往往并不可行。但是该路径可以作为实际的运动规划的导向依据，减少运动规划过程中无方向的随机搜索。
[0090]
步骤s102、在机械臂的自由空间中进行随机采样，得到机械臂的第一随机位姿。
[0091]
在本申请实施例中，可以采用现有技术中的任意一种方式在自由空间中进行随机采样。为了便于区分，此处将采用现有技术进行随机采样得到的结果记为第一随机位姿。
[0092]
步骤s103、根据虚拟最优运动规划路径对第一随机位姿进行迭代优化，得到优化后的第二随机位姿。
[0093]
如图2所示，步骤s103具体可以包括如下过程：
[0094]
步骤s1031、将第一随机位姿映射至虚拟最优运动规划路径上，得到与第一随机位姿对应的虚拟最优位姿。
[0095]
在本申请实施例中，可以将第一随机位姿在虚拟最优运动规划路径上的投影作为虚拟最优位姿。
[0096]
步骤s1032、建立与虚拟最优位姿对应的引力场函数。
[0097]
具体地，可以根据下式建立引力场函数：
[0098][0099]
其中，q
goal
为虚拟最优位姿，q为当前随机位姿，为预设的尺度因子，其具体取值可以根据实际情况进行设置，d(q,q
goal
)为q与q
goal
之间的距离，为预设的距离阈值，其具体取值可以根据实际情况进行设置，u
att
(q)为引力场函数。从上式中可以看出，引力场函数是个分段函数，当时，引力势能的大小与当前随机位姿到虚拟最优位姿的距离的平方成正比；而当时，降低引力计算函数的取值，从而避免当前随机位姿距离虚拟最优位姿较远时引力过大的问题。
[0100]
步骤s1033、根据引力场函数对第一随机位姿进行迭代优化，得到优化后的第二随机位姿。
[0101]
如图3所示，步骤s1033具体可以包括如下过程：
[0102]
步骤s10331、将第一随机位姿作为当前随机位姿。
[0103]
步骤s10332、根据引力场函数计算当前随机位姿的梯度。
[0104]
具体地，可以将引力场函数对距离求导，从而得到如下式所示的梯度计算公式：
[0105]
[0106]
其中，为当前随机位姿的梯度。
[0107]
步骤s10333、根据当前随机位姿的梯度对当前随机位姿进行更新计算，得到更新随机位姿。
[0108]
具体地，可以根据下式对当前随机位姿进行更新计算：
[0109][0110]
其中，q为当前随机位姿，为当前随机位姿的梯度，η为预设的更新步长，其具体取值可以根据实际情况进行设置，q
′
为更新随机位姿。由于梯度方向是函数上升最快的方向，通过梯度迭代可以获取局部最优解。
[0111]
步骤s10334、判断当前随机位姿的梯度是否满足预设的迭代终止条件。
[0112]
在本申请实施例中，迭代终止条件可以为：当前规划路径的梯度小于预设的梯度阈值，或迭代优化时长大于预设的时长阈值。其中，梯度阈值和时长阈值的具体取值均可以根据实际情况进行设置。通过这样的方式，可以对迭代优化时长进行控制，从而保证在向引力场方向扩展的同时不至于因此耗费过多的时间而影响整体的采样效率。
[0113]
若当前随机位姿的梯度不满足预设的迭代终止条件，则执行步骤s10335；若当前随机位姿的梯度满足迭代终止条件，则执行步骤s10336。
[0114]
步骤s10335、将更新随机位姿作为新的当前随机位姿。
[0115]
在执行步骤s10335之后，返回执行步骤s10332及其后续步骤。
[0116]
步骤s10336、将更新随机位姿确定为优化后的随机位姿。
[0117]
为了便于区分，此处将优化后的随机位姿记为第二随机位姿。
[0118]
步骤s104、将第二随机位姿作为预设的机械臂运动规划算法中的随机采样结果对机械臂进行运动规划。
[0119]
在本申请实施例中，可以使用现有技术中的任意一种机械臂运动规划算法来对机械臂进行运动规划，包括但不限于rrt或birrt等具体的规划算法，具体的规划过程可以参见现有技术内容，此处对其不再赘述。但需要注意的是，本申请实施例在现有的机械臂运动规划算法的基础上，对其中的随机采样的过程进行了优化，对于每一次的随机采样，均以优化后的第二随机位姿来代替原始的第一随机位姿作为随机采样结果，并基于这一随机采样结果对机械臂进行运动规划。
[0120]
综上，本申请实施例以理想状态的虚拟最优运动规划路径作为随机采样时的导向依据，对随机采样得到的原始随机位姿(即第一随机位姿)进行迭代优化，从而将其向虚拟最优运动规划路径的方向上牵引，得到优化后的随机位姿(即第二随机位姿)，这样得到的随机采样结果具有明显的导向性，基于这样的随机采样结果对机械臂进行运动规划，能够减少大量的无效搜索，极大提升了规划效率。
[0121]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
[0122]
对应于上文实施例所述的一种机械臂运动规划方法，图4示出了本申请实施例提供的一种机械臂运动规划装置的一个实施例结构图。
[0123]
本实施例中，一种机械臂运动规划装置可以包括：
[0124]
虚拟路径确定模块401，用于确定机械臂从预设的初始位姿运动至预设的目标位姿的虚拟最优运动规划路径；
[0125]
随机采样模块402，用于在所述机械臂的自由空间中进行随机采样，得到所述机械臂的第一随机位姿；
[0126]
迭代优化模块403，用于根据所述虚拟最优运动规划路径对所述第一随机位姿进行迭代优化，得到优化后的第二随机位姿；
[0127]
运动规划模块404，用于将所述第二随机位姿作为预设的机械臂运动规划算法中的随机采样结果对所述机械臂进行运动规划。
[0128]
进一步地，所述迭代优化模块可以包括：
[0129]
位姿映射单元，用于将所述第一随机位姿映射至所述虚拟最优运动规划路径上，得到与所述第一随机位姿对应的虚拟最优位姿；
[0130]
引力场函数建立单元，用于建立与所述虚拟最优位姿对应的引力场函数；
[0131]
迭代优化单元，用于根据所述引力场函数对所述第一随机位姿进行迭代优化，得到优化后的第二随机位姿。
[0132]
进一步地，所述迭代优化单元可以包括：
[0133]
当前随机位姿确定子单元，用于将所述第一随机位姿作为当前随机位姿；
[0134]
梯度计算子单元，用于根据所述引力场函数计算所述当前随机位姿的梯度；
[0135]
更新计算子单元，用于根据当前随机位姿的梯度对所述当前随机位姿进行更新计算，得到更新随机位姿；
[0136]
当前随机位姿更新子单元，用于若所述当前随机位姿的梯度不满足预设的迭代终止条件，则将所述更新随机位姿作为新的当前随机位姿；
[0137]
第二随机位姿确定子单元，用于若所述当前随机位姿的梯度满足所述迭代终止条件，则将所述更新随机位姿确定为优化后的第二随机位姿。
[0138]
进一步地，所述引力场函数建立单元具体用于根据下式建立所述引力场函数：
[0139][0140]
其中，q
goal
为所述虚拟最优位姿，q为所述当前随机位姿，为预设的尺度因子，d(q,q
goal
)为q与q
goal
之间的距离，为预设的距离阈值，u
att
(q)为所述引力场函数。
[0141]
进一步地，所述梯度计算子单元具体用于根据下式计算所述当前随机位姿的梯度：
[0142]
[0143]
其中，为所述当前随机位姿的梯度。
[0144]
进一步地，所述更新计算子单元具体用于根据下式对所述当前随机位姿进行更新计算：
[0145][0146]
其中，q为所述当前随机位姿，为所述当前随机位姿的梯度，η为预设的更新步长，q
′
为所述更新随机位姿。
[0147]
进一步地，所述虚拟路径确定模块具体用于将连接所述初始位姿和所述目标位姿的直线路径确定为所述虚拟最优运动规划路径。
[0148]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0149]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0150]
图5示出了本申请实施例提供的一种机械臂的示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。
[0151]
如图5所示，该实施例的机械臂5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个机械臂运动规划方法实施例中的步骤，例如图1所示的步骤s101至步骤s104。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块401至模块404的功能。
[0152]
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述机械臂5中的执行过程。
[0153]
本领域技术人员可以理解，图5仅仅是机械臂5的示例，并不构成对机械臂5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机械臂5还可以包括输入输出设备、网络接入设备、总线等。
[0154]
所述处理器50可以是中央处理单元(central processing unit，cpu)，还可以是其它通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field
‑
programmable gate array，fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0155]
所述存储器51可以是所述机械臂5的内部存储单元，例如机械臂5的硬盘或内存。所述存储器51也可以是所述机械臂5的外部存储设备，例如所述机械臂5上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，所述存储器51还可以既包括所述机械臂5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述机械臂5所需的其它程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
[0156]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0157]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0158]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
[0159]
在本申请所提供的实施例中，应该理解到，所揭露的装置/机械臂和方法，可以通过其它的方式实现。例如，以上所描述的装置/机械臂实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0160]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0161]
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0162]
所述集成的模块/单元如果以软件功能单元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存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波
信号和电信信号。
[0163]
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。