本申请涉及机器人，尤其涉及一种操作对象的运动模型生成方法、装置、机器人及存储介质。
背景技术：
1、随着机器人技术的不断发展，机器人在各类应用场景中正在承担越来越多的操作任务。在一些应用场景下会影响机器人的感知识别能力和操作自由度。例如，货物摆放随意、拥挤、杂乱等场景，往往会对机器人的感知识别能力产生不良影响，再比如工作区域不佳可能影响机器人本身操作过程中的自由度。因此，通常需要在机器人开展具体操作任务前进行预操作，例如，通过推动的方式将杂乱的物体分离或移动到最佳的工作区域。同时，机器人在对物体进行姿态调整时往往需要依赖特殊的末端工具和进行复杂的操作动作，这增加了操作的复杂性和成本。
技术实现思路
1、为了解决上述技术问题，本申请实施例提供了一种操作对象的运动模型生成方法、装置、机器人及存储介质。
2、第一方面，本申请实施例提供了一种操作对象的运动模型生成方法，所述方法包括：
3、基于所述操作对象的位姿确定机器人与所述操作对象的接触点；
4、基于所述接触点的材质确定极限表面模型；
5、获取所述操作对象在第一坐标系下的第一运动速度矢量与所述极限表面模型的约束关系；
6、基于所述接触点，获取所述机器人施加给所述操作对象的外部力和扭矩之间的约束关系；
7、确定所述第一运动速度矢量，与所述接触点在所述第一坐标系的第二运动速度矢量的约束关系；
8、根据所述外部力和所述扭矩之间的约束关系、所述第一运动速度矢量与所述极限表面模型的约束关系、所述第一运动速度矢量和第二运动速度矢量的约束关系，获取所述第一运动速度矢量与所述第二运动速度矢量之间的运动状态模型。
9、第二方面，本申请实施例提供了一种机器人的控制方法，包括：
10、确定操作对象的当前运动状态；
11、确定所述机器人的控制量；
12、根据所述当前运动状态、所述控制量以及运动状态模型生成所述机器人的状态误差方程，所述运动状态模型根据第二方面所述的操作对象的运动模型生成方法确定得到；
13、根据所述状态误差方程和所述控制量确定最终优化目标函数；
14、根据所述最终优化目标函数确定最优控制量。
15、第三方面，本申请实施例提供了一种机器人的移动控制方法，包括：
16、根据操作对象的尺寸及位姿，确定所述操作对象的期望运动轨迹；
17、根据所述操作对象的位姿确定机器人与所述操作对象的接触点，控制机器人通过所述接触点移动所述操作对象，确定所述操作对象的当前运动状态；
18、获取所述当前运动状态与所述期望运动轨迹的当前时序运动状态的当前状态误差；
19、若所述当前状态误差大于等于期望误差范围，则根据所述当前状态误差、最优控制量及预设约束因子对所述操作对象进行移动操作，所述最优控制量根据第三方面所述的机器人的控制方法确定得到。
20、第四方面，本申请实施例提供了一种操作对象的运动模型生成装置，包括：
21、第一确定模块，用于基于所述操作对象的位姿确定机器人与所述操作对象的接触点；
22、第二确定模块，用于基于所述接触点的材质确定极限表面模型；
23、第一获取模块，用于基于所述接触点，获取所述机器人施加给所述操作对象的外部力和扭矩之间的约束关系；
24、第二获取模块，用于获取所述操作对象在第一坐标系下的第一运动速度矢量与所述极限表面模型的约束关系；
25、第三确定模块，用于确定所述第一运动速度矢量，与所述接触点在所述第一坐标系的第二运动速度矢量的约束关系；
26、第三获取模块，用于根据所述外部力和所述扭矩之间的约束关系、所述第一运动速度矢量与所述极限表面模型的约束关系、所述第一运动速度矢量和第二运动速度矢量的约束关系，获取所述第一运动速度矢量与所述第二运动速度矢量之间的运动状态模型。
27、第五方面，本申请实施例提供了一种机器人的控制装置，包括：
28、第四确定模块，用于确定操作对象的当前运动状态；
29、第五确定模块，用于确定所述机器人的控制量；
30、生成模块，用于根据所述当前运动状态、所述控制量以及运动状态模型生成所述机器人的状态误差方程，所述运动状态模型根据第一方面所述的操作对象的运动模型生成方法确定得到；
31、第六确定模块，用于根据所述状态误差方程和所述控制量确定最终优化目标函数；
32、第七确定模块，用于根据所述最终优化目标函数确定最优控制量。
33、第六方面，本申请实施例提供了一种机器人的控制装置，包括：
34、第八确定模块，用于根据操作对象的尺寸及位姿，确定所述操作对象的期望运动轨迹；
35、控制模块，用于根据所述操作对象的位姿确定机器人与所述操作对象的接触点，控制机器人通过所述接触点移动所述操作对象，确定所述操作对象的当前运动状态；
36、第四获取模块，用于获取所述当前运动状态与所述期望运动轨迹的当前时序运动状态的当前状态误差；
37、移动模块，用于若所述当前状态误差大于等于期望误差范围，则根据所述当前状态误差、最优控制量及预设约束因子对所述操作对象进行移动操作，所述最优控制量根据第二方面所述的机器人的控制方法确定得到。
38、第七方面，本申请实施例提供了一种机器人，包括存储器以及处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器运行时执行第一方面提供的操作对象的运动模型生成方法、第二方面提供的机器人的控制方法和/或第三方面提供的机器人的移动控制装置。
39、第八方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面提供的操作对象的运动模型生成方法、第二方面提供的机器人的控制方法和/或第三方面提供的机器人的移动控制装置。
40、上述本申请提供的操作对象的运动模型生成方法、装置、机器人及存储介质，基于所述操作对象的位姿确定机器人与所述操作对象的接触点；基于所述接触点的材质确定极限表面模型；获取所述操作对象在第一坐标系下的第一运动速度矢量与所述极限表面模型的约束关系；基于所述接触点，获取所述机器人施加给所述操作对象的外部力和扭矩之间的约束关系；确定所述第一运动速度矢量，与所述接触点在所述第一坐标系的第二运动速度矢量的约束关系；根据上述约束关系获取所述第一运动速度矢量与所述第二运动速度矢量之间的运动状态模型，当机器人通过接触点移动操作对象时，可以准确地的确定操作对象的运动速度矢量与接触点的运动速度矢量之间的运动状态模型，可以便于计算最优控制量，基于最优控制量对操作对象进行精准移动控制。
1.一种操作对象的运动模型生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取所述操作对象在第一坐标系下的第一运动速度矢量与所述极限表面模型的约束关系，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述接触点，获取所述机器人施加给所述操作对象的外部力和扭矩之间的约束关系，包括：
4.根据权利要求3所述的方法，其特征在于，所述确定所述第一运动速度矢量，与所述接触点在所述第一坐标系的第二运动速度矢量的约束关系，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述外部力和所述扭矩之间的约束关系、所述第一运动速度矢量与所述极限表面模型的约束关系、所述第一运动速度矢量和第二运动速度矢量的约束关系，获取所述第一运动速度矢量与所述第二运动速度矢量之间的运动状态模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述极限表面模型包括椭球体模型，所述基于所述接触点的材质确定极限表面模型，包括：
7.一种机器人的控制方法，其特征在于，所述方法包括：
8.根据权利要求7所述的方法，其特征在于，所述根据所述当前运动状态、所述控制量以及运动状态模型生成所述机器人的状态误差方程，包括：
9.根据权利要求8所述的方法，其特征在于，所述根据所述状态误差方程和所述控制量确定最终优化目标函数，包括：
10.根据权利要求9所述的方法，其特征在于，所述根据所述最终优化目标函数确定最优控制量，包括：
11.一种机器人的移动控制方法，其特征在于，所述方法包括：
12.一种操作对象的运动模型生成装置，其特征在于，所述装置包括：
13.一种机器人的控制装置，其特征在于，所述装置包括：
14.一种机器人的移动控制装置，其特征在于，所述装置包括：
15.一种机器人，其特征在于，包括存储器以及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器运行时执行权利要求1至6中任一项所述的操作对象的运动模型生成方法，或者，执行权利要求7至10中任一项所述的机器人的控制方法，或者，执行权利要求11所述的机器人的移动控制方法。
16.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至6中任一项所述的操作对象的运动模型生成方法，或者，执行权利要求7至10中任一项所述的机器人的控制方法，或者，执行权利要求11所述的机器人的移动控制方法。
