CN106842956B - 机器人避障方法及*** - Google Patents
机器人避障方法及*** Download PDFInfo
- Publication number
- CN106842956B CN106842956B CN201710159883.4A CN201710159883A CN106842956B CN 106842956 B CN106842956 B CN 106842956B CN 201710159883 A CN201710159883 A CN 201710159883A CN 106842956 B CN106842956 B CN 106842956B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- voltage signal
- mtd
- signal data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000002604 ultrasonography Methods 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010408 sweeping Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
公开了一种机器人避障方法及***。该方法可以包括:基于超声波信息与红外信息,获取电压信号数据,并绘制电压信号曲线;基于电压信号曲线,获取电压信号隶属度函数;设置模糊阈值,确定电压信号的模糊集合;基于电压信号的模糊集合,获取距离的隶属度函数,进而获得距离的模糊集合;基于距离的模糊集合,获取速度的模糊规则,用于机器人避障。本发明通过多次模糊逻辑处理,更简单精确地实现机器人自主避障,提升了机器人的使用寿命。
Description
技术领域
本发明涉及机器人领域,更具体地,涉及一种机器人避障方法及***。
背景技术
目前,越来越多的家庭选择智能的扫地机器人来为家庭地面清洁服务。扫地清洁机器人在完成清洁任务的过程中,不可避免的会遇到障碍物,可能发生碰撞甚至跌落现象。要实现扫地机器人的智能清洁,其避障控制是关键问题之一。根据扫地机器人用户反馈,目前市场的大多数扫地机器人的避障效果不够理想,自主性不够,往往需要人工辅助实现某些障碍物的绕行。另外,在设计扫地机器人避障控制算法时,人工智能算法由于其智能性越来越受到研究者们的青睐,其中,模糊控制算法依据人类经验和决策,设计模糊控制器,具有相当强的可操作性。但随着模糊控制器输入的增多,比如为了使机器人获得更准确的环境信息,传感器数量增多,模糊控制规则的数量也越来越庞大,设计复杂度增加。因此,有必要开发一种机器人避障方法及***。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种机器人避障方法及***,其能够通过多次模糊逻辑处理,更简单精确地实现机器人自主避障,提升了机器人的使用寿命。
根据本发明的一方面,提出了一种机器人避障方法。所述方法可以包括:基于超声波信息与红外信息,获取电压信号数据,并绘制电压信号曲线;基于电压信号曲线,获取电压信号隶属度函数;设置模糊阈值,确定电压信号的模糊集合;基于电压信号的模糊集合,获取距离的隶属度函数,进而获得距离的模糊集合;基于距离的模糊集合,获取速度的模糊规则,用于机器人避障。
优选地,所述电压信号隶属度函数为:
其中,Vi表示电压信号数据,Vmax表示电压信号数据的上端阈值,Vmin表示电压信号数据下端阈值。
优选地,所述电压信号数据包括:左边电压信号数据、右边电压信号数据、前方电压信号数据、后方电压信号数据与下方电压信号数据。
优选地,所述距离包括:左边障碍物距离、右边障碍物距离、前方障碍物距离、后方障碍物距离与下方离地距离。
优选地,所述速度包括:平均速度与角速度。
根据本发明的另一方面,提出了一种机器人避障***,所述***可以包括:传感单元,用于获取超声波信息与红外信息,进而获取电压信号数据;计算单元,用于绘制电压信号曲线,获取电压信号隶属度函数,进而确定所述电压信号的模糊集合;基于所述电压信号的模糊集合,获取距离的隶属度函数,进而获得所述距离的模糊集合;基于所述距离的模糊集合,获取速度的模糊规则;控制处理单元,用于设置模糊阈值,基于所述速度的模糊规则,控制所述机器人避障。
优选地,所述传感单元包括红外传感器与超声波传感器。
优选地,所述电压信号隶属度函数为:
其中,Vi表示电压信号数据,Vmax表示电压信号数据的上端阈值,Vmin表示电压信号数据下端阈值。
优选地,所述电压信号数据包括:左边电压信号数据、右边电压信号数据、前方电压信号数据、后方电压信号数据与下方电压信号数据。
优选地,所述距离包括:左边障碍物距离、右边障碍物距离、前方障碍物距离、后方障碍物距离与下方离地距离;所述速度包括:平均速度与角速度。
其有益效果在于:采用红外传感与超声波传感相结合的传感***,提升数据的准确度;通过多次模糊逻辑处理,更简单精确地实现机器人自主避障,提升了机器人的使用寿命。
本发明的方法和装置具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的机器人避障方法的步骤的流程图。
图2示出了根据本发明的一个实施方式的电压信号隶属度函数的示意图。
图3示出了根据本发明的一个实施方式的传感单元的示意图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
实施方式1
图1示出了根据本发明的机器人避障方法的步骤的流程图。
在该实施方式中,根据本发明的机器人避障方法可以包括:步骤101,基于超声波信息与红外信息,获取电压信号数据,并绘制电压信号曲线;步骤102,基于电压信号曲线,获取电压信号隶属度函数;步骤103,设置模糊阈值,确定电压信号的模糊集合;步骤104,基于电压信号的模糊集合,获取距离的隶属度函数,进而获得距离的模糊集合;以及步骤105,基于距离的模糊集合,获取速度的模糊规则,用于机器人避障。
该实施方式通过多次模糊逻辑处理,更简单精确地实现机器人自主避障,提升了机器人的使用寿命。
下面详细说明根据本发明的机器人避障方法的具体步骤。
在一个示例中,基于超声波信息与红外信息,获取电压信号数据,并绘制电压信号曲线。
在一个示例中,基于电压信号曲线,获取电压信号隶属度函数。
在一个示例中,电压信号隶属度函数为:
其中,Vi表示电压信号数据,Vmax表示电压信号数据的上端阈值,Vmin表示电压信号数据下端阈值。
在一个示例中,电压信号数据包括:左边电压信号数据、右边电压信号数据、前方电压信号数据、后方电压信号数据与下方电压信号数据。
在一个示例中,设置模糊阈值,确定电压信号的模糊集合。
图2示出了根据本发明的一个实施方式的电压信号隶属度函数的示意图。
具体地,基于传感单元获得的超声波信息与红外信息,获取电压信号数据,并绘制电压信号曲线,进而计算电压信号隶属度函数为公式(1)。对于Vmin≤Vi≤Vmax,设置模糊阈值M0,使得公式(1)进一步为:
则电压信号的模糊集合为公式(3):
其中,M(Vi)表示电压信号的模糊集合。
其中,电压信号数据包括:左边电压信号数据、右边电压信号数据、前方电压信号数据、后方电压信号数据与下方电压信号数据,因此,求得的电压信号的模糊集合包括:左边电压信号模糊集合、右边电压信号模糊集合、前方电压信号模糊集合、后方电压信号模糊集合与下方电压信号模糊集合。
在一个示例中,基于电压信号的模糊集合,获取距离的隶属度函数,进而获得距离的模糊集合。
在一个示例中,距离包括:左边障碍物距离、右边障碍物距离、前方障碍物距离、后方障碍物距离与下方离地距离。
具体地,由于传感单元输出的电压信号与距离具有对应关系,可以根据电压信号的模糊集合,获取距离的隶属度函数为公式(4):
其中,F(Li)表示距离的隶属度函数,进而获得距离的模糊集合为公式(5):
其中,M(Li)表示距离的模糊集合。
其中,距离包括:左边障碍物距离、右边障碍物距离、前方障碍物距离、后方障碍物距离与下方离地距离,因此,求得的距离的模糊集合包括:左边距离模糊集合、右边距离模糊集合、前方距离模糊集合、后方距离模糊集合与下方距离模糊集合。
在一个示例中,基于距离的模糊集合,获取速度的模糊规则,用于机器人避障。
在一个示例中,速度包括:平均速度与角速度。
具体地,根据各个距离的模糊集合以及经验,可以获取速度的模糊规则如表1所示。
表1速度的模糊规则
其中,Z0表示直行,N1表示下行,P1表示左转,P2表示右转,T0表示停止或后退,其中,下行、左转、右转的角度可以根据传感单元的实时数据进行判定,当角速度为T0时,调用后方距离模糊集合判定机器人停止或后退。本领域技术人员可以根据具体情况进行设定。
本领域技术人员应理解,上面对本发明的实施方式的描述的目的仅为了示例性地说明本发明的实施方式的有益效果,并不意在将本发明的实施方式限制于所给出的任何示例。
实施方式2
根据本发明的实施方式,提供了一种机器人避障***,所述***可以包括:传感单元,用于获取超声波信息与红外信息,进而获取电压信号数据;计算单元,用于绘制电压信号曲线,获取电压信号隶属度函数,进而确定电压信号的模糊集合;基于电压信号的模糊集合,获取距离的隶属度函数,进而获得距离的模糊集合;基于距离的模糊集合,获取速度的模糊规则;控制处理单元,用于设置模糊阈值,基于速度的模糊规则,控制机器人避障。
该实施方式采用红外传感与超声波传感相结合的传感***,提升数据的准确度;通过多次模糊逻辑处理,更简单精确地实现机器人自主避障,提升了机器人的使用寿命。
在一个示例中,传感单元包括红外传感器与超声波传感器。
在一个示例中,电压信号数据包括:左边电压信号数据、右边电压信号数据、前方电压信号数据、后方电压信号数据与下方电压信号数据。
图3示出了根据本发明的一个实施方式的传感单元的示意图。
具体地,传感单元可以包括:左边传感单元1、右边传感单元2、前方传感单元3、后方传感单元4与下方传感单元(未示出),每个传感单元都包括至少一个红外传感器与至少一个超声波传感器,用于获取左边电压信号数据、右边电压信号数据、前方电压信号数据、后方电压信号数据与下方电压信号数据。
在一个示例中,电压信号隶属度函数为:
其中,Vi表示电压信号数据,Vmax表示电压信号数据的上端阈值,Vmin表示电压信号数据下端阈值。
在一个示例中,距离包括:左边障碍物距离、右边障碍物距离、前方障碍物距离、后方障碍物距离与下方离地距离;速度包括:平均速度与角速度。
本领域技术人员应理解,上面对本发明的实施方式的描述的目的仅为了示例性地说明本发明的实施方式的有益效果,并不意在将本发明的实施方式限制于所给出的任何示例。
应用示例
为便于理解本发明实施方式的方案及其效果,以下给出一个具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
某机器人设置有五组传感单元,分别位于机器人的左边、右边、前方、后方与下方,每组传感单元均包括一个红外传感器与一个超声波传感器。图3示出了根据本发明的一个实施方式的传感单元的示意图,其中三角表示红外传感器,矩形表示超声波传感器。
图2示出了根据本发明的一个实施方式的电压信号隶属度函数的示意图。
根据传感单元获得的超声波信息与红外信息,计算单元获取电压信号数据,设置模糊阈值M0=0.5,电压信号数据的上端阈值为3V,电压信号数据下端阈值为1V,进而计算电压信号的模糊集合为:
其中,电压信号的模糊集合包括:左边电压信号模糊集合、右边电压信号模糊集合、前方电压信号模糊集合、后方电压信号模糊集合与下方电压信号模糊集合。根据电压信号的模糊集合,获得距离的模糊集合为:
其中,距离的模糊集合包括:左边距离模糊集合、右边距离模糊集合、前方距离模糊集合、后方距离模糊集合与下方距离模糊集合。将各个距离的模糊集合代入表1的速度模糊规则,将结果发送至控制处理单元,控制处理单元根据结果控制机器人的行动路线以避障。
综上所述,采用红外传感与超声波传感相结合的传感***,提升数据的准确度;通过多次模糊逻辑处理,更简单精确地实现机器人自主避障,提升了机器人的使用寿命。
以上已经描述了本发明的各实施方式,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施方式。在不偏离所说明的各实施方式的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施方式的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施方式。
Claims (10)
1.一种机器人避障方法,包括:
基于超声波信息与红外信息,获取电压信号数据,并绘制电压信号曲线;
基于所述电压信号曲线,获取电压信号隶属度函数;
设置模糊阈值,确定所述电压信号的模糊集合;
基于所述电压信号的模糊集合,获取距离的隶属度函数,进而获得所述距离的模糊集合;
基于所述距离的模糊集合,获取速度的模糊规则,用于机器人避障。
2.根据权利要求1所述的机器人避障方法,其中,所述电压信号隶属度函数为:
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>V</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>V</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>V</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>min</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>V</mi>
<mi>min</mi>
</msub>
<mo><</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<msub>
<mi>V</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>V</mi>
<mi>min</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Vi表示电压信号数据,Vmax表示电压信号数据的上端阈值,Vmin表示电压信号数据下端阈值。
3.根据权利要求2所述的机器人避障方法,其中,所述电压信号数据包括:左边电压信号数据、右边电压信号数据、前方电压信号数据、后方电压信号数据与下方电压信号数据。
4.根据权利要求1所述的机器人避障方法,其中,所述距离包括:左边障碍物距离、右边障碍物距离、前方障碍物距离、后方障碍物距离与下方离地距离。
5.根据权利要求1所述的机器人避障方法,其中,所述速度包括:平均速度与角速度。
6.一种机器人避障***,包括:
传感单元,用于获取超声波信息与红外信息,进而获取电压信号数据;
计算单元,用于绘制电压信号曲线,获取电压信号隶属度函数,进而确定所述电压信号的模糊集合;基于所述电压信号的模糊集合,获取距离的隶属度函数,进而获得所述距离的模糊集合;基于所述距离的模糊集合,获取速度的模糊规则;
控制处理单元,用于设置模糊阈值,基于所述速度的模糊规则,控制所述机器人避障。
7.根据权利要求6所述的机器人避障***,其中,所述传感单元包括红外传感器与超声波传感器。
8.根据权利要求6所述的机器人避障***,其中,所述电压信号隶属度函数为:
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>V</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<msub>
<mi>V</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>V</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>min</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>V</mi>
<mi>min</mi>
</msub>
<mo><</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<msub>
<mi>V</mi>
<mi>max</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>V</mi>
<mi>min</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,Vi表示电压信号数据,Vmax表示电压信号数据的上端阈值,Vmin表示电压信号数据下端阈值。
9.根据权利要求8所述的机器人避障***,其中,所述电压信号数据包括:左边电压信号数据、右边电压信号数据、前方电压信号数据、后方电压信号数据与下方电压信号数据。
10.根据权利要求6所述的机器人避障***,其中,所述距离包括:左边障碍物距离、右边障碍物距离、前方障碍物距离、后方障碍物距离与下方离地距离;所述速度包括:平均速度与角速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710159883.4A CN106842956B (zh) | 2017-03-17 | 2017-03-17 | 机器人避障方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710159883.4A CN106842956B (zh) | 2017-03-17 | 2017-03-17 | 机器人避障方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106842956A CN106842956A (zh) | 2017-06-13 |
CN106842956B true CN106842956B (zh) | 2018-02-23 |
Family
ID=59144757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710159883.4A Expired - Fee Related CN106842956B (zh) | 2017-03-17 | 2017-03-17 | 机器人避障方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106842956B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427421A (zh) * | 2018-04-26 | 2018-08-21 | 广东水利电力职业技术学院(广东省水利电力技工学校) | 一种智能配送机器人控制*** |
CN109557923B (zh) * | 2018-12-24 | 2021-11-02 | 湖北工业大学 | 智能车自动避障装置及控制方法 |
CN110108282B (zh) * | 2019-05-09 | 2023-11-07 | 仲恺农业工程学院 | 多源信息避障装置及避障*** |
CN110977972B (zh) * | 2019-12-03 | 2021-02-12 | 珠海格力电器股份有限公司 | 一种多关节机器人碰撞检测方法、计算机可读存储介质及机器人 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2839128B2 (ja) * | 1992-10-26 | 1998-12-16 | 三星電子株式会社 | 移動ロボット |
CN101354587A (zh) * | 2008-09-04 | 2009-01-28 | 湖南大学 | 一种未知环境下移动机器人多行为融合自动导航方法 |
CN102385056A (zh) * | 2011-08-11 | 2012-03-21 | 西北工业大学 | 一种基于多超声波传感器的导盲避碰装置及其控制算法 |
CN103324196A (zh) * | 2013-06-17 | 2013-09-25 | 南京邮电大学 | 基于模糊逻辑的多机器人路径规划与协调避碰方法 |
KR101489298B1 (ko) * | 2013-11-08 | 2015-02-04 | 충북대학교 산학협력단 | 이동로봇의 원격 조정을 위한 포스 피드백 시스템 및 방법 |
CN106226774A (zh) * | 2016-08-26 | 2016-12-14 | 广州小瓦智能科技有限公司 | 一种基于多传感器融合的机器人测距算法 |
CN106502241A (zh) * | 2015-09-07 | 2017-03-15 | 北醒(北京)光子科技有限公司 | 一种扫地机器人智能避障及定位*** |
-
2017
- 2017-03-17 CN CN201710159883.4A patent/CN106842956B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2839128B2 (ja) * | 1992-10-26 | 1998-12-16 | 三星電子株式会社 | 移動ロボット |
CN101354587A (zh) * | 2008-09-04 | 2009-01-28 | 湖南大学 | 一种未知环境下移动机器人多行为融合自动导航方法 |
CN102385056A (zh) * | 2011-08-11 | 2012-03-21 | 西北工业大学 | 一种基于多超声波传感器的导盲避碰装置及其控制算法 |
CN103324196A (zh) * | 2013-06-17 | 2013-09-25 | 南京邮电大学 | 基于模糊逻辑的多机器人路径规划与协调避碰方法 |
KR101489298B1 (ko) * | 2013-11-08 | 2015-02-04 | 충북대학교 산학협력단 | 이동로봇의 원격 조정을 위한 포스 피드백 시스템 및 방법 |
CN106502241A (zh) * | 2015-09-07 | 2017-03-15 | 北醒(北京)光子科技有限公司 | 一种扫地机器人智能避障及定位*** |
CN106226774A (zh) * | 2016-08-26 | 2016-12-14 | 广州小瓦智能科技有限公司 | 一种基于多传感器融合的机器人测距算法 |
Also Published As
Publication number | Publication date |
---|---|
CN106842956A (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106842956B (zh) | 机器人避障方法及*** | |
US10823576B2 (en) | Systems and methods for robotic mapping | |
CN107139179B (zh) | 一种智能服务机器人及工作方法 | |
CN100435765C (zh) | 一种嵌入式智能轮椅控制***及方法 | |
CN101976079B (zh) | 智能导航控制***及方法 | |
CN102915039B (zh) | 一种仿动物空间认知的多机器人联合目标搜寻方法 | |
CN105005301B (zh) | 一种基于群体智能算法的工业机器人作业点序列及轨迹规划方法 | |
CN106127125B (zh) | 基于人体行为特征的分布式dtw人体行为识别方法 | |
CN107174418A (zh) | 一种智能轮椅及其控制方法 | |
CN106054882A (zh) | 一种机器人避障方法 | |
CN105787471A (zh) | 一种应用于助老助残移动服务机器人控制的手势识别方法 | |
CN107443385A (zh) | 基于视觉的机器人直线导航的检测方法和芯片及机器人 | |
CN107486863B (zh) | 一种基于感知的机器人主动交互方法 | |
CN109375618A (zh) | 清洁机器人的导航避障方法及终端设备 | |
CN106041912B (zh) | 主从式蛇形机器人***及其位置控制方法 | |
CN103679203A (zh) | 机器人的人脸检测与情感识别***及方法 | |
CN110693396B (zh) | 一种基于free move技术的扫地机避障处理方式 | |
WO2021008339A1 (zh) | 机器人、基于机器人的清洁方法和计算机可读存储介质 | |
EP3485424A1 (en) | Delegation of object and pose detection | |
EP4286892A1 (en) | Window occlusion detection method and apparatus | |
KR20210076962A (ko) | 스마트카 모션 제어 방법 및 장치, 기기 및 저장 매체 | |
CN106843239A (zh) | 基于地图预测的机器人运动控制方法 | |
CN109674404B (zh) | 一种基于free move技术的扫地机器人避障处理方式 | |
CN108415254A (zh) | 基于深度q网络的废品回收机器人控制方法及其装置 | |
CN103792846A (zh) | 基于Skinner操作条件反射原理的机器人避障导航方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180223 |