CN107894773A - 一种移动机器人的导航方法、***及相关装置 - Google Patents

一种移动机器人的导航方法、***及相关装置 Download PDF

Info

Publication number
CN107894773A
CN107894773A CN201711349510.XA CN201711349510A CN107894773A CN 107894773 A CN107894773 A CN 107894773A CN 201711349510 A CN201711349510 A CN 201711349510A CN 107894773 A CN107894773 A CN 107894773A
Authority
CN
China
Prior art keywords
mobile robot
pedestrian
barrier
fixed obstacle
destination
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.)
Pending
Application number
CN201711349510.XA
Other languages
English (en)
Inventor
刘治
刘达才
章云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201711349510.XA priority Critical patent/CN107894773A/zh
Publication of CN107894773A publication Critical patent/CN107894773A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • 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
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本申请公开了一种移动机器人的导航方法，包括：获取移动机器人与目的地之间的环境信息，并判断是否存在固定障碍物或行人；若存在固定障碍物，则通过判断其形状选择相应的绕行方式；若存在行人，则利用机载激光传感器获得行人的运动轨迹，并根据运动轨迹和移动机器人自身的运动轨迹进行碰撞预测；若均不存在，则根据移动机器人的当前位置以及目的地的位置建立直线行驶规划。该方法考虑更加全面，能够简单、准确的对障碍物和行人进行定位和跟踪，且更加贴近实际情况下应做出的反应来规避风险，无需大量的规划运算，实际应用范围较广。本申请还同时公开了一种移动机器人的导航***、移动机器人及计算机可读存储介质，具有上述有益效果。

Description

一种移动机器人的导航方法、***及相关装置
技术领域
本申请涉及机器人导航技术领域，特别涉及一种移动机器人的导航方法、***、移动机器人及计算机可读存储介质。
背景技术
很多关于移动机器人的问题最终可归结为：自我定位问题、目的地定位问题以及怎样到达目的地的路径规划问题。
通常情况下，机器人使用传感器来检测周围的环境，期望在传感器的协助下能够顺利达到目的地。但是在未知环境下，机器人可能会遇到各种障碍物以及意想不到的阻碍，而车载传感器提供的信息有限，不一定能获得阻碍的全部信息，无法确定阻碍的大小及形状，因此，未知环境下机器人需要灵活的路径规划方法来避开这些阻碍。
现有技术中存在如下问题：在遇到凹凸型障碍物如U型和H型时，移动机器人往往不能迅速做出合理的穿越障碍行为；机器人处于未知环境下有较大概率遇到行人，但却往往不将路上的行人纳入考虑范围；安全导航方法大多计算复杂，反应慢。综上，采用现有技术的移动机器人在未知环境下的自我导航实际效果较差。
所以，如何克服现有移动机器人自我导航方面存在的各项技术缺陷，提供一种方法更加科学、考虑更加周到、实际可操作性更强的导航机制是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种移动机器人的导航方法，应用于未知环境下，其考虑更加全面，能够简单、准确的对障碍物和行人进行定位和跟踪，且更加贴近实际情况下应做出的反应来规避风险，无需大量的规划运算，实际应用范围较广。
本申请的另一目的在于提供了一种应用于未知环境下的移动机器人的导航***、移动机器人及计算机可读存储介质。
为实现上述目的，本申请提供一种移动机器人的导航方法，应用于未知环境下，包括：
获取移动机器人与目的地之间的环境信息，并根据所述环境信息判断是否存在固定障碍物或行人；
若存在所述固定障碍物，则通过判断所述固定障碍物的形状选择相应的绕行方式，直至实时更新后的环境信息中不含所述固定障碍物；
若存在所述行人，则利用机载激光传感器获得所述行人的运动轨迹，并根据所述运动轨迹和所述移动机器人自身的运动轨迹进行碰撞预测，以在预测到会发生碰撞时执行躲避操作；
若不存在所述固定障碍物以及所述行人，则根据所述移动机器人的当前位置以及所述目的地的位置建立直线行驶规划，以使所述移动机器人以最短时间到达所述目的地。
可选的，获取移动机器人与目的地之间的环境信息，包括：
利用所述机载激光传感器发射的包含所述目的地方向的激光，以利用接收到的返回激光计算得到距离数据；
利用机载高清相机判断所述移动机器人周围是否存在障碍物以及所述障碍物的种类；
若存在所述障碍物，且所述障碍物为所述固定障碍物，则根据与所述固定障碍物的距离数据生成固定障碍物存在信息；
若存在所述障碍物，且所述障碍物为所述行人，则根据与所述行人的距离数据生成行人存在信息；
若不存在所述障碍物，则根据与所述目的地的距离数据生成无障碍通行信息。
可选的通过判断所述固定障碍物的形状选择相应的绕行方式，包括：
判断所述固定障碍物是否为凹凸形障碍物；
若是，则判断能否利用所述机载激光传感器得到所述凹凸形障碍物的边缘，若得到了所述边缘，则通过比较不同边缘的距离数据控制所述移动机器人朝距离较近的边缘进行绕行。
可选的在预测到会发生碰撞时执行躲避操作，包括：
当预测到所述移动机器人与所述行人会发生碰撞时，控制所述移动机器人朝与所述行人的运动方向的反方向行驶预设距离；
在行驶所述预设距离后，判断实时更新后的环境数据中是否仍存在所述行人；
若是，则再次控制所述移动机器人朝与所述行人的运动方向的反方向行驶所述预设距离，直至实时更新后的环境数据中不存在所述行人。
可选的，该导航方法还包括：
利用所述车载高清相机识别所述行人的脸部图像和骨架数据；
根据不同的脸部图像生成唯一对应的ID，并将所述ID与对应的骨架数据绑定，以在相同行人再次出现时直接读取到对应的骨架数据。
为实现上述目的，本申请还提供了一种移动机器人的导航***，应用于未知环境下，该导航***包括：
环境信息获取及判定单元，用于获取移动机器人与目的地之间的环境信息，并根据所述环境信息判断是否存在固定障碍物或行人；
固定障碍物处理单元，用于通过判断所述固定障碍物的形状选择相应的绕行方式，直至实时更新后的环境信息中不含所述固定障碍物；
行人处理单元，用于利用机载激光传感器获得所述行人的运动轨迹，并根据所述运动轨迹和所述移动机器人自身的运动轨迹进行碰撞预测，以在预测到会发生碰撞时执行躲避操作；
畅通处理单元，用于根据所述移动机器人的当前位置以及所述目的地的位置建立直线行驶规划，以使所述移动机器人以最短时间到达所述目的地。
可选的所述环境信息获取及判定单元包括：
距离数据获取子单元，用于利用所述机载激光传感器发射的包含所述目的地方向的激光，以利用接收到的返回激光计算得到距离数据；
障碍物判别子单元，用于利用机载高清相机判断所述移动机器人周围是否存在障碍物以及所述障碍物的种类；
固定障碍物存在子单元，用于根据与所述固定障碍物的距离数据生成固定障碍物存在信息；
行人存在子单元，用于根据与所述行人的距离数据生成行人存在信息；
无障碍子单元，用于根据与所述目的地的距离数据生成无障碍通行信息。
可选的，所述固定障碍物处理单元包括；
凹凸形障碍物判定子单元，用于判断所述固定障碍物是否为凹凸形障碍物；
边缘判定子单元，用于在所述固定障碍物为所述凹凸形障碍物时，判断能否利用所述机载激光传感器得到所述凹凸形障碍物的边缘；
边缘获得子单元，用于通过比较不同边缘的距离数据控制所述移动机器人朝距离较近的边缘进行绕行。
为实现上述目的，本申请还提供了一种面向未知环境的移动机器人，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述内容所描述的移动机器人的导航方法的步骤。
为实现上述目的，本申请还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上存储有计算机程序，所述计算机程序被处理器执行时实现如上述内容所描述的移动机器人的导航方法的步骤。
本申请所提供的一种移动机器人的导航方法，应用于未知环境下，通过获取移动机器人与目的地之间的环境信息，并根据所述环境信息判断是否存在固定障碍物或行人；若存在所述固定障碍物，则通过判断所述固定障碍物的形状选择相应的绕行方式，直至实时更新后的环境信息中不含所述固定障碍物；若存在所述行人，则利用机载激光传感器获得所述行人的运动轨迹，并根据所述运动轨迹和所述移动机器人自身的运动轨迹进行碰撞预测，以在预测到会发生碰撞时执行躲避操作；若不存在所述固定障碍物以及所述行人，则根据所述移动机器人的当前位置以及所述目的地的位置建立直线行驶规划，以使所述移动机器人以最短时间到达所述目的地。
显然，本申请所提供的技术方案，通过为移动机器人设定行为库，只需根据所处的实际情况在行为库中进行选择，可应用大多数场景，考虑更加全面，且能够简单、准确的对障碍物和行人进行定位和跟踪，以更加贴近实际情况下应做出的反应来规避风险，无需大量的实时规划运算。本申请同时还提供了一种移动机器人的导航***、移动机器人及计算机可读存储介质，具有上述有益效果，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种移动机器人的导航方法的流程图；
图2为本申请实施例所提供的移动机器人的导航方法中一种获取环境信息的流程图；
图3为本申请实施例所提供的移动机器人的导航方法中一种固定障碍物种类判断的流程图；
图4为本申请实施例所提供的移动机器人的导航方法中一种行人碰撞预测处理的流程图；
图5为本申请实施例所提供的一种移动机器人的导航***的结构框图。
具体实施方式
本申请的核心是提供一种移动机器人的导航方法、***、移动机器人及计算机可读存储介质，应用于未知环境下，通过为移动机器人设定行为库，只需根据所处的实际情况在行为库中进行选择，可应用大多数场景，考虑更加全面，且能够简单、准确的对障碍物和行人进行定位和跟踪，以更加贴近实际情况下应做出的反应来规避风险，无需大量的实时规划运算。
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请一部分实施例，而不是全部的实施例。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。
以下结合图1，图1为本申请实施例所提供的一种移动机器人的导航方法的流程图。
其具体包括以下步骤：
S101：获取移动机器人与目的地之间的环境信息；
本步骤旨在利用移动机器人机载的各项设备完成与目的地之间一定距离内环境信息的感知。在移动机器人前往目的地的过程中，不外乎存在固定障碍物、移动障碍物，其中，固定障碍物又可细分为一般形状障碍物和凹凸形障碍物，移动障碍物也可细分为行人、车辆或其它等。通常情况下针对处于目的地行驶路线上的固定障碍物的处理方式为绕行，因为固定障碍物在短期内无法期待其位置发生改变，而针对移动障碍物的处理方式并不成熟。
在该移动机器人感知到周围存在障碍物时，会利用机载各设备完成对障碍物类型、种类的判断，并结合一些测量数据生成相应的环境信息。具体的，该环境信息的格式、存储方式、以及具体包含哪些信息多种多样，不同规格、型号的移动机器人根据其所使用的硬件会存在差异，例如，使用包括超声波传感器、光线传感器、摄像头在内的常见设备，并不做具体限定，在能够完成上述目的的情况下，可以适应性的调整，也可以结合移动机器人的设计原则以基于该原则进行元器件的选择。
S102：根据环境信息判断是否存在固定障碍物或行人；
在S101获取到移动机器人向目的地前进过程中周围的环境信息后，本步骤旨在判断该环境信息中是否包含存在的固定障碍物或行人。
并不是不对其它可能存在的类型进行判断，因为其它类型的障碍物的判断和处理方式较为成熟，本申请旨在针对薄弱、实际使用情况较差的环节进行改进。
若接收到S101生成的固定障碍物信息或行人信息，即可判定该环境信息中存在相应的固定障碍物或行人，移动机器人如何判断并生成相应的固定障碍物存在信息或行人存在信息的方式，多种多样，会在后续实施例中进行详细介绍。
S103：判断是否为固定障碍物；
本步骤建立在S102的判断结果为存在固定障碍物或行人的情况下，针对具体为固定障碍物还是行人进行再判断，一个显而易见的判断方式为该物体是否相对于移动机器人存在相对运动，当然，也可以采用其它方式进行判断，此处并不做具体限定，只需能够完成移动物体和固定物体的判断即可。
S104：利用机载激光传感器获得行人的运动轨迹，并根据运动轨迹和移动机器人自身的运动轨迹进行碰撞预测，以在预测到会发生碰撞时执行躲避操作；
本步骤建立在S103的判断结果为障碍物为行人的基础上，旨在利用机载激光传感器获得行人的运动轨迹，并根据运动轨迹和移动机器人自身的运动轨迹进行碰撞预测，以在预测到会发生碰撞时执行躲避操作。
由于行人存在其本身的运动轨迹，移动机器人在正常状态下也应朝着目的地行驶，可以利用机载激光传感器通过一段时间内的不断测距，得到目标行人的运动轨迹，还可以利用机载高清相机对行人骨架信息进行识别，以利用骨架信息更好的对行人运动状态进行判别，实现更精确的运动预测。之后根据一段时间内的行人运动状态进行后续预测，结合移动机器人自身的运动状态来进行碰撞或冲突预测，以便于在确实预测到会发生碰撞时控制移动机器人改变原有运动状态，避免与行人冲突。
具体的，由于机载激光传感器能够朝一定角度内按预设时间间隔发射激光束，并根据返回的激光束计算激光碰到障碍物的距离，据此可得到目标任务的运动轨迹。
同时，由于人行为的不可预测性，可能出现同一行人多次出现在移动机器人前往目的地的周围，还可以对行人进行人脸识别，并分配得到唯一的ID，将该ID与对应行人的骨架信息进行绑定，以便在同一行人再次出现在周围时直接调取其骨架信息，避免重复运算。
S105：通过判断固定障碍物的形状选择相应的绕行方式，直至实时更新后的环境信息中不含固定障碍物；
本步骤建立在S103的判断结果为障碍物为固定障碍物的基础上，旨在通过判断固定障碍物的形状选择相应的绕行方式。常见的固定障碍物大体可以分为常规障碍物，其体积较小，形状规则或圆滑、边数较少，现有的常规避障手段已经提供了较为成熟的方式。
而考虑到有些固定障碍物体积较大、边数较多，诸如H型、U型设置更加复杂的凹凸形障碍物，此时对移动机器人来说面临的一大问题就是，如何寻找到最近的绕行方式，即贴着该凹凸形障碍物的边缘绕过该凹凸形障碍物，以实现最高的绕行效率，减少消耗的时间。
例如，首先寻找到该凹凸形障碍物的边缘，在仅能寻找到一个边缘的情况下，贴边向该边缘行驶；在能够寻找至少两个边缘时，通过预设算法结合未能探知到的该凹凸形障碍物的具体构造预测信息来判断朝向哪个边缘会存在较近的绕行距离，等等，此处可以参加后续的其它实施例。
S106：根据移动机器人的当前位置以及目的地的位置建立直线行驶规划，以使移动机器人以最短时间到达目的地。
本步骤建立在S103的判断结果为不存在障碍物的基础上，即移动机器人与目的地之间无任何障碍，此时只需根据移动机器人的当前位置以及目的地的位置建立直线行驶规划，以使移动机器人以最短时间到达目的地，保证最高效率的到达目的地。
进一步的，除上述三种可能之外，还存在一种其它状况为：不安全避障。因为机器人运动速度可能非常快或者机器人转弯需要一定的距离，所以需要设定一些障碍物的安全距离，其可以立刻采取一些警示措施。在不安全距离时，机器人只需要尽快避障，可以包括停止行驶预设时间、向其它方向拐弯等等，此处并不做具体限定，可以根据实际情况设定最合适的方式。
基于上述技术方案，本申请实施例提供的一种移动机器人的导航方法，通过为移动机器人设定行为库，只需根据所处的实际情况在行为库中进行选择，可应用大多数场景，考虑更加全面，且能够简单、准确的对障碍物和行人进行定位和跟踪，以更加贴近实际情况下应做出的反应来规避风险，无需大量的实时规划运算。
以下结合图2，图2为本申请实施例所提供的移动机器人的导航方法中一种获取环境信息的流程图。
本实施例是针对上一实施例中S101中具体如何获得周围的环境信息所做出的一个具体限定，其它步骤与上一实施例大体相同，相同部分可参见上一实施例相关部分，在此不再赘述。
其具体包括以下步骤：
S201：利用机载激光传感器发射的包含目的地方向的激光，以利用接收到的返回激光计算得到距离数据；
S202：利用机载高清相机判断移动机器人周围是否存在障碍物以及障碍物的种类；
S203：判断是否为固定障碍物；
本步骤完成存在的障碍物具体为固定障碍物还是行人的判定过程。
S204：根据与固定障碍物的距离数据生成固定障碍物存在信息；
本步骤建立在S203的判断结果为固定障碍物的基础上。
S205：根据与行人的距离数据生成行人存在信息；
本步骤建立在S203的判断结果为行人的基础上。
S206：根据与目的地的距离数据生成无障碍通行信息。
本步骤建立在S202的判断结果为不存在障碍物的基础上。
本实施提出了一种利用移动机器人机载设备完成环境信息生成过程的方法，仅需在该移动机器人上设置激光传感器和高清相机。其中，机载激光传感器用于发射包含目的地方向的激光束，以利用接收到的返回激光计算得到距离数据，高清相机则用于判断移动机器人周围是否存在障碍物以及障碍物的种类，一个最显而易见的方式为判定该障碍物相较于移动机器人是否存在相对运动。之后则根据识别得到的障碍物种类连带激光传感器得到的距离数据生成相应的信息，以最终得到环境信息。
以下结合图3，图3为本申请实施例所提供的移动机器人的导航方法中一种固定障碍物种类判断的流程图。
本实施例是针对上一实施例中S105中具体如何针对凹凸形障碍物进行绕行所做出的一个具体限定，其它步骤与上一实施例大体相同，相同部分可参见上一实施例相关部分，在此不再赘述。
其具体包括以下步骤：
S301：发现固定障碍物存在信息；
S302：判断固定障碍物是否为凹凸形障碍物；
S303：判断能否利用机载激光传感器得到凹凸形障碍物的边缘；
S304：随机选取前进方向，直至越过凹凸形障碍物；
S305：通过比较不同边缘的距离数据控制移动机器人朝距离较近的边缘进行绕行；
S306：按常规方式越过固定障碍物。
本实施例提供了一种具体的对各类型固定障碍物进行绕行的方法，通过比较相距哪个边缘较近来进行相应的绕行，以实现最快速、效率最高的绕过障碍物。
以下结合图4，图4为本申请实施例所提供的移动机器人的导航方法中一种行人碰撞预测处理的流程图。
本实施例是针对上一实施例中S104中具体如何针对行人做出躲避所做出的一个具体限定，其它步骤与上一实施例大体相同，相同部分可参见上一实施例相关部分，在此不再赘述。
其具体包括以下步骤：
S401：当预测到移动机器人与行人会发生碰撞时，控制移动机器人朝与行人的运动方向的反方向行驶预设距离；
S402：在行驶预设距离后，判断实时更新后的环境数据中是否仍存在行人；
S403：再次控制移动机器人朝与行人的运动方向的反方向行驶预设距离，直至实时更新后的环境数据中不存在行人；
S404：控制移动移动机器人向目的地前进。
本实施例提供了一种防止移动机器人与行人发生碰撞或冲突的方法，即控制移动机器人朝与行人的运动方向的反方向行驶预设距离，并在行驶完预设距离后再次进行碰撞预测，若依然存在碰撞的可能性，就再次执行直至不存在发生碰撞的可能性。
基于上述技术方案，本申请实施例提供的一种移动机器人的导航方法，通过为移动机器人设定行为库，只需根据所处的实际情况在行为库中进行选择，可应用大多数场景，考虑更加全面，且能够简单、准确的对障碍物和行人进行定位和跟踪，以更加贴近实际情况下应做出的反应来规避风险，无需大量的实时规划运算。
因为情况复杂，无法一一列举进行阐述，本领域技术人员应能意识到根据本申请提供的基本方法原理结合实际情况可以存在很多的例子，在不付出足够的创造性劳动下，应均在本申请的保护范围内。
下面请参见图5，图5为本申请实施例所提供的一种移动机器人的导航***的结构框图。
该导航***可以包括：
环境信息获取及判定单元100，用于获取移动机器人与目的地之间的环境信息，并根据环境信息判断是否存在固定障碍物或行人；
固定障碍物处理单元200，用于通过判断固定障碍物的形状选择相应的绕行方式，直至实时更新后的环境信息中不含固定障碍物；
行人处理单元300，用于利用机载激光传感器获得行人的运动轨迹，并根据运动轨迹和移动机器人自身的运动轨迹进行碰撞预测，以在预测到会发生碰撞时执行躲避操作；
畅通处理单元400，用于根据移动机器人的当前位置以及目的地的位置建立直线行驶规划，以使移动机器人以最短时间到达目的地。
其中，环境信息获取及判定单元100包括：
距离数据获取子单元，用于利用机载激光传感器发射的包含目的地方向的激光，以利用接收到的返回激光计算得到距离数据；
障碍物判别子单元，用于利用机载高清相机判断移动机器人周围是否存在障碍物以及障碍物的种类；
固定障碍物存在子单元，用于根据与固定障碍物的距离数据生成固定障碍物存在信息；
行人存在子单元，用于根据与行人的距离数据生成行人存在信息；
无障碍子单元，用于根据与目的地的距离数据生成无障碍通行信息。
其中，固定障碍物处理单元200包括；
凹凸形障碍物判定子单元，用于判断固定障碍物是否为凹凸形障碍物；
边缘判定子单元，用于在固定障碍物为凹凸形障碍物时，判断能否利用机载激光传感器得到凹凸形障碍物的边缘；
边缘获得子单元，用于通过比较不同边缘的距离数据控制移动机器人朝距离较近的边缘进行绕行。
以上各单元可以应用于以下的一个具体的实际例子中：
移动机器人通常经由传感器获取环境信息，传感器就相当于移动机器人的眼睛。未知环境下移动机器人如果要实现自主行驶行为，就必须要获取关于环境的信息。
其中，激光测距传感器通过激光发射器发射激光，接收器接收激光，根据飞行时间获取距离数据。视觉传感器采用高清相机获取图像。在机器人前方底部放置了一个激光传感器，在相机伺服结构里面放置一个高清相机，高清相机的俯仰角可调整，默认方向为斜向上。按照传感器模型，激光传感器测量机器人周围的环境信息，扫描范围从-95°到95°；高清相机的俯仰角向上倾斜，结合人脸识别技术捕捉行人脸部；
激光测距是光波测距中的一种测距方式，如果光以速度c在空气中传播在A、B两点间往返一次所需时间为t，则A、B两点间距离D可用下列表示：
其中：D为A、B两点间距离；c为速度；t为激光往返站点A、B一次的时间。***采用局部栅格地图，可以详细地描述出环境信息，通过激光扫描判断栅格是否被占有。被占有栅格可以认为是障碍，不可通过。对每一束激光束，设该激光束起点、激光束端点，然后使用Bresenham划线算法确定激光束经过的网格。
对于人体的追踪可以采用完善成熟的人脸识别技术和SLAM(SimultaneousLocalization And Mapping，即时定位与地图构建)技术。通过高清相机获取人体像素的RGB信息，根据获取的图像信息，通过图像处理中的模板匹配方法快速捕捉行人，然后使用深度学习的方法对人脸进行识别跟踪，每一个成功被捕捉到并且校正过的用户都会被分配一个专属的ID号，即使用户在相机视野中消失一段时间后再次被捕捉到，他的ID值也不会发生改变。
通过高清相机识别人脸，计算人相对了机器人相机的水平角度值αh和俯仰角度βh，设(u，v)是相机中人脸的中心像素坐标，图像尺寸为W(xH)，f是相机焦距：
根据αh的大小和相机与激光传感器的角度θc1，激光传感器扫描的角度αh+θc1所对应的测量距离即为行人与机器人的距离，通过在栅格地图上进行图像坐标变换，分别获取一段时间t内(以1s为例)行人运动的始末坐标，如(x1，y1)和(x2，y2)，可得到行人这段时间的x、y方向上的平均速度Vx和Vy：
本实施例提供的导航***包含的四个基本行为，分别是：朝着目标直行、沿着墙走、不安全距离避障、避让行人。
(1)朝着目标直行
根据机器人的车载激光传感器对机器人前方区域的扫描，如果在扫描区域内的目标方向上无障碍，则机器人沿目标方向运动。因为两点之间，线段距离最短，朝着目标直行这种行为可以使机器人更快地达到目标。
(2)沿墙走
机器人只能获取周围环境的一部分信息，对激光传感器扫描范围以外的环境信息一概不知，因此，机器人只能尝试组合当前数据做出决策。
当沿着墙走时需要考虑的问题是绕着障碍物顺时针方向运动还是逆时针方向运动，此时需要一个参考值来协助做出决策。本实施例使用机器人所在位置对应的目标方向向量和将绕障碍物运动方向向量之间的夹角做判断，如果这个夹角为锐角，则这两个向量的点积为正。但是，当遇到一些特殊障碍物时，两个向量的点积可能会均为正或负，此时可以根据点积的大小判断，夹角小则点积大。综合凹凸障碍物的特点，根据这两个向量的点积的大小来做决策，选择当机器人所在位置对应的目标点方向向量与将绕障碍物运动方向向量的点积较大时的运动方向作为机器人做顺时针或者逆时针运动的方向。因为这个运动方向与目标方向的夹角与另一个方向相比较小。
(3)不安全区域避障
因为机器人运动速度可能非常快或者机器人转弯需要一定的距离，所以需要设定一些障碍物的安全距离，其可以立刻采取一些警示措施。在不安全距离时，机器人只需要尽快避障。本申请设计的不安全区域避障行为采取的是机器人后退至安全距离再选择其他行为。
(4)避让行人
当高清相机检测到行人后，与激光传感器结合获取行人与机器人的距离与角度，通过行人的位置变化计算出行人速度和行进方向，判断是否会有人机冲突，若有冲突则沿行人相反方向避让并再次检测，在环境允许的情况下，可以不断避让直到不会与行人发生碰撞后才继续朝着目标点前进。
设人与机器分别以恒速vh，vr运动，人机安全距离为Lsafe，机器人已规划路径与行人运动路径的交汇点为Pc，记θ＝|θh-θr|为机器人与行人前进方向的夹角。若0＜θ＜π，人与机器人有可能发生冲突，且冲突的充分条件是t0时刻行人在区域内，行人将在到达位置Pc处。
其中：
当θ＝0或者θ＝π时，判断机器人与行人的距离是否变小，若是人机距离变小则机器人向右避让，否则保持当前运动状态。
综上所述，全局路径规划是设计机器人达到目标点的所有路径，但是环境是未知和可变的，做一个非常大规模的规划是没有意义的，重点是建立一个有用的控制器和行为库。当达到陌生的环境时，机器人可以在库中选择相应的行为来应对这变化的环境，即建立一个库＝{朝着目标直行、沿着墙走、不安全距离避障、避让行人}。机器人根据所在位置采集到的数据选择行为方案。设初始位置坐标为(0，0)，根据初始位置坐标和方向确定全局坐标，使用转换旋转矩阵R将传感器数据从本地坐标转换成全局坐标。
然后规划机器人路径并且使用KF控制调节机器人。算法步骤如下
步骤1：机器人刚开始运动，选择行为1朝着目标直行；
步骤2：如果遇到障碍物，选择行为2沿着墙走；
步骤3：如果机器人与障碍物处于一个不安全距离，选择行为3避障，远离障碍物；
步骤4：如果不能完全识别障碍物或者不清楚障碍物的情况，那这个障碍物有可能是凹凸型障碍物，选择行为2沿着墙走；
步骤5：上一行为执行结束且机器人前方检测区域目标方向上无障碍则选择行为1朝着目标点方向直行。
步骤6：如果检测到行人将会与机器人发生碰撞，选择行为，避让行人。这步骤处于最高优先级，无论机器人正处于哪个行为，一旦触发，机器人马上执行行为4，行为4结束后继续返回行为1。
步骤7：检测机器人是否达到目的地，若到达则导航结束。
基于上述实施例，本申请还提供了一种面向未知环境的移动机器人，可以包括存储器和处理器，其中，该存储器中存有计算机程序，该处理器调用该存储器中的计算机程序时，可以实现上述实施例所提供的步骤。当然该移动机器人还可以包括各种必要的网络接口、电源以及其它零部件等。
本申请还提供了一种计算机可读存储介质，其上存有计算机程序，该计算机程序被执行终端或处理器执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种移动机器人的导航方法，应用于未知环境下，其特征在于，包括：
获取移动机器人与目的地之间的环境信息，并根据所述环境信息判断是否存在固定障碍物或行人；
若存在所述固定障碍物，则通过判断所述固定障碍物的形状选择相应的绕行方式，直至实时更新后的环境信息中不含所述固定障碍物；
若存在所述行人，则利用机载激光传感器获得所述行人的运动轨迹，并根据所述运动轨迹和所述移动机器人自身的运动轨迹进行碰撞预测，以在预测到会发生碰撞时执行躲避操作；
若不存在所述固定障碍物以及所述行人，则根据所述移动机器人的当前位置以及所述目的地的位置建立直线行驶规划，以使所述移动机器人以最短时间到达所述目的地。
2.根据权利要求1所述的导航方法，其特征在于，获取移动机器人与目的地之间的环境信息，包括：
利用所述机载激光传感器发射的包含所述目的地方向的激光，以利用接收到的返回激光计算得到距离数据；
利用机载高清相机判断所述移动机器人周围是否存在障碍物以及所述障碍物的种类；
若存在所述障碍物，且所述障碍物为所述固定障碍物，则根据与所述固定障碍物的距离数据生成固定障碍物存在信息；
若存在所述障碍物，且所述障碍物为所述行人，则根据与所述行人的距离数据生成行人存在信息；
若不存在所述障碍物，则根据与所述目的地的距离数据生成无障碍通行信息。
3.根据权利要求2所述的导航方法，其特征在于，通过判断所述固定障碍物的形状选择相应的绕行方式，包括：
判断所述固定障碍物是否为凹凸形障碍物；
若是，则判断能否利用所述机载激光传感器得到所述凹凸形障碍物的边缘，若得到了所述边缘，则通过比较不同边缘的距离数据控制所述移动机器人朝距离较近的边缘进行绕行。
4.根据权利要求3所述的导航方法，其特征在于，在预测到会发生碰撞时执行躲避操作，包括：
当预测到所述移动机器人与所述行人会发生碰撞时，控制所述移动机器人朝与所述行人的运动方向的反方向行驶预设距离；
在行驶所述预设距离后，判断实时更新后的环境数据中是否仍存在所述行人；
若是，则再次控制所述移动机器人朝与所述行人的运动方向的反方向行驶所述预设距离，直至实时更新后的环境数据中不存在所述行人。
5.根据权利要求4所述的导航方法，其特征在于，还包括：
利用所述车载高清相机识别所述行人的脸部图像和骨架数据；
根据不同的脸部图像生成唯一对应的ID，并将所述ID与对应的骨架数据绑定，以在相同行人再次出现时直接读取到对应的骨架数据。
6.一种移动机器人的导航***，应用于未知环境下，其特征在于，包括：
环境信息获取及判定单元，用于获取移动机器人与目的地之间的环境信息，并根据所述环境信息判断是否存在固定障碍物或行人；
固定障碍物处理单元，用于通过判断所述固定障碍物的形状选择相应的绕行方式，直至实时更新后的环境信息中不含所述固定障碍物；
行人处理单元，用于利用机载激光传感器获得所述行人的运动轨迹，并根据所述运动轨迹和所述移动机器人自身的运动轨迹进行碰撞预测，以在预测到会发生碰撞时执行躲避操作；
畅通处理单元，用于根据所述移动机器人的当前位置以及所述目的地的位置建立直线行驶规划，以使所述移动机器人以最短时间到达所述目的地。
7.根据权利要求6所述的导航***，其特征在于，所述环境信息获取及判定单元包括：
距离数据获取子单元，用于利用所述机载激光传感器发射的包含所述目的地方向的激光，以利用接收到的返回激光计算得到距离数据；
障碍物判别子单元，用于利用机载高清相机判断所述移动机器人周围是否存在障碍物以及所述障碍物的种类；
固定障碍物存在子单元，用于根据与所述固定障碍物的距离数据生成固定障碍物存在信息；
行人存在子单元，用于根据与所述行人的距离数据生成行人存在信息；
无障碍子单元，用于根据与所述目的地的距离数据生成无障碍通行信息。
8.根据权利要求7所述的导航***，其特征在于，所述固定障碍物处理单元包括；
凹凸形障碍物判定子单元，用于判断所述固定障碍物是否为凹凸形障碍物；
边缘判定子单元，用于在所述固定障碍物为所述凹凸形障碍物时，判断能否利用所述机载激光传感器得到所述凹凸形障碍物的边缘；
边缘获得子单元，用于通过比较不同边缘的距离数据控制所述移动机器人朝距离较近的边缘进行绕行。
9.一种面向未知环境的移动机器人，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的移动机器人的导航方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的移动机器人的导航方法的步骤。
CN201711349510.XA 2017-12-15 2017-12-15 一种移动机器人的导航方法、***及相关装置 Pending CN107894773A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711349510.XA CN107894773A (zh) 2017-12-15 2017-12-15 一种移动机器人的导航方法、***及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711349510.XA CN107894773A (zh) 2017-12-15 2017-12-15 一种移动机器人的导航方法、***及相关装置

Publications (1)

Publication Number Publication Date
CN107894773A true CN107894773A (zh) 2018-04-10

Family

ID=61806657

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711349510.XA Pending CN107894773A (zh) 2017-12-15 2017-12-15 一种移动机器人的导航方法、***及相关装置

Country Status (1)

Country Link
CN (1) CN107894773A (zh)

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549383A (zh) * 2018-05-17 2018-09-18 电子科技大学 一种实时多传感器的社区机器人导航方法
CN108645414A (zh) * 2018-06-11 2018-10-12 Oppo广东移动通信有限公司 辅助导航方法及电子装置
CN108958263A (zh) * 2018-08-03 2018-12-07 江苏木盟智能科技有限公司 一种机器人避障方法及机器人
CN108983813A (zh) * 2018-07-27 2018-12-11 长春草莓科技有限公司 一种无人机飞行避让方法及***
CN109272021A (zh) * 2018-08-22 2019-01-25 广东工业大学 一种基于宽度学习的智能移动机器人导航方法
CN109568093A (zh) * 2018-11-27 2019-04-05 湖北经济学院 一种步行安全综合管理***及方法
CN109634286A (zh) * 2019-01-21 2019-04-16 深圳市傲基电子商务股份有限公司 割草机器人视觉避障方法、割草机器人和可读存储介质
CN109936865A (zh) * 2018-06-30 2019-06-25 北京工业大学 一种基于深度强化学习算法的移动sink路径规划方法
CN110009761A (zh) * 2019-03-20 2019-07-12 华南理工大学 智能设备自动巡检路径规划方法及***
CN110442126A (zh) * 2019-07-15 2019-11-12 北京三快在线科技有限公司 一种移动机器人及其避障方法
CN110815220A (zh) * 2019-11-11 2020-02-21 深圳市荣盛智能装备有限公司 一种消防机器人的遇障处理方法
CN110823240A (zh) * 2019-11-19 2020-02-21 齐鲁工业大学 一种具有航向约束的跟随机器人路径规划方法及***
CN110879594A (zh) * 2019-11-25 2020-03-13 广西科技师范学院 一种基于大数据的机器人路径规划的数据管理***
CN110955241A (zh) * 2019-11-22 2020-04-03 深圳市优必选科技股份有限公司 移动机器人避障方法、装置、移动机器人及存储介质
CN111103875A (zh) * 2018-10-26 2020-05-05 科沃斯机器人股份有限公司 避让的方法、设备及存储介质
CN111487958A (zh) * 2019-01-28 2020-08-04 北京奇虎科技有限公司 一种扫地机器人的控制方法和装置
CN111766877A (zh) * 2018-06-27 2020-10-13 北京航空航天大学 一种机器人
CN112241171A (zh) * 2020-10-09 2021-01-19 国网江西省电力有限公司检修分公司 一种可绕障碍的轮式机器人直线轨迹跟踪方法
CN112405532A (zh) * 2020-11-06 2021-02-26 深圳优地科技有限公司 移动控制方法、装置及机器人
CN112445222A (zh) * 2019-09-05 2021-03-05 阿里巴巴集团控股有限公司 导航方法、装置、存储介质以及终端
CN112494034A (zh) * 2020-11-30 2021-03-16 重庆优乃特医疗器械有限责任公司 基于3d体态检测分析的数据处理分析***及方法
WO2021082964A1 (zh) * 2019-10-31 2021-05-06 灵动科技（北京）有限公司 自主移动装置及仓储物流***
CN113267179A (zh) * 2021-05-17 2021-08-17 北京京东乾石科技有限公司 提示信息生成方法和装置、存储介质、电子设备
CN114454162A (zh) * 2022-01-10 2022-05-10 广东技术师范大学 一种移动机器人复杂路口防碰撞方法及***
CN115091469A (zh) * 2022-08-05 2022-09-23 广东工业大学 一种基于最大熵框架的深度强化学习机械臂运动规划方法
CN115810203A (zh) * 2022-12-19 2023-03-17 天翼爱音乐文化科技有限公司 一种障碍物躲避识别方法、***、电子设备及存储介质
WO2023071967A1 (zh) * 2021-10-29 2023-05-04 追觅创新科技(苏州)有限公司 自移动设备、自移动设备的障碍物边缘确定方法及介质
WO2023123117A1 (zh) * 2021-12-29 2023-07-06 广东美的白色家电技术创新中心有限公司 一种割草机器人避障方法和割草机器人
WO2023125650A1 (zh) * 2021-12-31 2023-07-06 格力博(江苏)股份有限公司 机器人工具的控制方法及机器人工具

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008065755A (ja) * 2006-09-11 2008-03-21 Hitachi Ltd 移動装置
CN103558856A (zh) * 2013-11-21 2014-02-05 东南大学 动态环境下服务动机器人导航方法
CN103984037A (zh) * 2014-04-30 2014-08-13 深圳市墨克瑞光电子研究院 基于视觉的移动机器人障碍物检测方法和装置
CN104070522A (zh) * 2013-03-27 2014-10-01 深圳市生命之泉科技发展有限公司 用于工业机器人的能够自动识别及避免碰撞的方法及装置
CN104317291A (zh) * 2014-09-16 2015-01-28 哈尔滨恒誉名翔科技有限公司 一种基于人工势场法的机器人避碰路径规划方法
CN104808671A (zh) * 2015-05-19 2015-07-29 东南大学 一种家居环境下的机器人路径规划方法
CN105182979A (zh) * 2015-09-23 2015-12-23 上海物景智能科技有限公司 一种移动机器人障碍物检测及避让方法和***
CN105929824A (zh) * 2016-05-12 2016-09-07 哈尔滨工程大学 一种基于几何绕行原理的uuv二维航路规划方法
CN106406338A (zh) * 2016-04-14 2017-02-15 中山大学 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法
CN106956266A (zh) * 2017-05-16 2017-07-18 北京京东尚科信息技术有限公司 机器人控制方法、装置和机器人
CN107092252A (zh) * 2017-04-11 2017-08-25 杭州光珀智能科技有限公司 一种基于机器视觉的机器人主动避障方法及其装置
CN107450546A (zh) * 2017-08-16 2017-12-08 北京克路德人工智能科技有限公司 基于gps和超声波雷达的机器人避障方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008065755A (ja) * 2006-09-11 2008-03-21 Hitachi Ltd 移動装置
CN104070522A (zh) * 2013-03-27 2014-10-01 深圳市生命之泉科技发展有限公司 用于工业机器人的能够自动识别及避免碰撞的方法及装置
CN103558856A (zh) * 2013-11-21 2014-02-05 东南大学 动态环境下服务动机器人导航方法
CN103984037A (zh) * 2014-04-30 2014-08-13 深圳市墨克瑞光电子研究院 基于视觉的移动机器人障碍物检测方法和装置
CN104317291A (zh) * 2014-09-16 2015-01-28 哈尔滨恒誉名翔科技有限公司 一种基于人工势场法的机器人避碰路径规划方法
CN104808671A (zh) * 2015-05-19 2015-07-29 东南大学 一种家居环境下的机器人路径规划方法
CN105182979A (zh) * 2015-09-23 2015-12-23 上海物景智能科技有限公司 一种移动机器人障碍物检测及避让方法和***
CN106406338A (zh) * 2016-04-14 2017-02-15 中山大学 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法
CN105929824A (zh) * 2016-05-12 2016-09-07 哈尔滨工程大学 一种基于几何绕行原理的uuv二维航路规划方法
CN107092252A (zh) * 2017-04-11 2017-08-25 杭州光珀智能科技有限公司 一种基于机器视觉的机器人主动避障方法及其装置
CN106956266A (zh) * 2017-05-16 2017-07-18 北京京东尚科信息技术有限公司 机器人控制方法、装置和机器人
CN107450546A (zh) * 2017-08-16 2017-12-08 北京克路德人工智能科技有限公司 基于gps和超声波雷达的机器人避障方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CLAUDIU POZNA,等: "A novel pose estimation algorithm for robotic navigation", 《ROBOTICS AND AUTONOMOUS SYSTEMS》 *
段明: "与人共融的家庭服务机器人定位与导航", 《万方数据HTTP://D.WANFANGDATA.COM.CN/THESIS/Y2790875》 *
辛煜: "无人驾驶车辆运动障碍物检测、预测和避撞方法研究", 《万方数据HTTP://D.WANFANGDATA.COM.CN/THESIS/Y2590235》 *

Cited By (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549383A (zh) * 2018-05-17 2018-09-18 电子科技大学 一种实时多传感器的社区机器人导航方法
CN108645414A (zh) * 2018-06-11 2018-10-12 Oppo广东移动通信有限公司 辅助导航方法及电子装置
CN111766877A (zh) * 2018-06-27 2020-10-13 北京航空航天大学 一种机器人
CN109936865A (zh) * 2018-06-30 2019-06-25 北京工业大学 一种基于深度强化学习算法的移动sink路径规划方法
CN109936865B (zh) * 2018-06-30 2021-01-15 北京工业大学 一种基于深度强化学习算法的移动sink路径规划方法
CN108983813A (zh) * 2018-07-27 2018-12-11 长春草莓科技有限公司 一种无人机飞行避让方法及***
CN108958263A (zh) * 2018-08-03 2018-12-07 江苏木盟智能科技有限公司 一种机器人避障方法及机器人
CN109272021A (zh) * 2018-08-22 2019-01-25 广东工业大学 一种基于宽度学习的智能移动机器人导航方法
CN109272021B (zh) * 2018-08-22 2022-03-04 广东工业大学 一种基于宽度学习的智能移动机器人导航方法
CN111103875B (zh) * 2018-10-26 2021-12-03 科沃斯机器人股份有限公司 避让的方法、设备及存储介质
CN111103875A (zh) * 2018-10-26 2020-05-05 科沃斯机器人股份有限公司 避让的方法、设备及存储介质
CN109568093A (zh) * 2018-11-27 2019-04-05 湖北经济学院 一种步行安全综合管理***及方法
CN109634286A (zh) * 2019-01-21 2019-04-16 深圳市傲基电子商务股份有限公司 割草机器人视觉避障方法、割草机器人和可读存储介质
WO2020151038A1 (zh) * 2019-01-21 2020-07-30 傲基科技股份有限公司 割草机器人视觉避障方法、机器人、控制装置、存储介质
CN111487958A (zh) * 2019-01-28 2020-08-04 北京奇虎科技有限公司 一种扫地机器人的控制方法和装置
CN110009761A (zh) * 2019-03-20 2019-07-12 华南理工大学 智能设备自动巡检路径规划方法及***
CN110009761B (zh) * 2019-03-20 2021-08-10 华南理工大学 智能设备自动巡检路径规划方法及***
CN110442126A (zh) * 2019-07-15 2019-11-12 北京三快在线科技有限公司 一种移动机器人及其避障方法
CN112445222A (zh) * 2019-09-05 2021-03-05 阿里巴巴集团控股有限公司 导航方法、装置、存储介质以及终端
WO2021082964A1 (zh) * 2019-10-31 2021-05-06 灵动科技（北京）有限公司 自主移动装置及仓储物流***
CN110815220A (zh) * 2019-11-11 2020-02-21 深圳市荣盛智能装备有限公司 一种消防机器人的遇障处理方法
CN110823240A (zh) * 2019-11-19 2020-02-21 齐鲁工业大学 一种具有航向约束的跟随机器人路径规划方法及***
CN110955241B (zh) * 2019-11-22 2023-04-14 深圳市优必选科技股份有限公司 移动机器人避障方法、装置、移动机器人及存储介质
CN110955241A (zh) * 2019-11-22 2020-04-03 深圳市优必选科技股份有限公司 移动机器人避障方法、装置、移动机器人及存储介质
CN110879594A (zh) * 2019-11-25 2020-03-13 广西科技师范学院 一种基于大数据的机器人路径规划的数据管理***
CN112241171A (zh) * 2020-10-09 2021-01-19 国网江西省电力有限公司检修分公司 一种可绕障碍的轮式机器人直线轨迹跟踪方法
CN112405532B (zh) * 2020-11-06 2021-12-28 深圳优地科技有限公司 移动控制方法、装置及机器人
CN112405532A (zh) * 2020-11-06 2021-02-26 深圳优地科技有限公司 移动控制方法、装置及机器人
CN112494034A (zh) * 2020-11-30 2021-03-16 重庆优乃特医疗器械有限责任公司 基于3d体态检测分析的数据处理分析***及方法
CN113267179A (zh) * 2021-05-17 2021-08-17 北京京东乾石科技有限公司 提示信息生成方法和装置、存储介质、电子设备
WO2023071967A1 (zh) * 2021-10-29 2023-05-04 追觅创新科技(苏州)有限公司 自移动设备、自移动设备的障碍物边缘确定方法及介质
WO2023123117A1 (zh) * 2021-12-29 2023-07-06 广东美的白色家电技术创新中心有限公司 一种割草机器人避障方法和割草机器人
WO2023125650A1 (zh) * 2021-12-31 2023-07-06 格力博(江苏)股份有限公司 机器人工具的控制方法及机器人工具
CN114454162A (zh) * 2022-01-10 2022-05-10 广东技术师范大学 一种移动机器人复杂路口防碰撞方法及***
CN114454162B (zh) * 2022-01-10 2023-05-26 广东技术师范大学 一种移动机器人复杂路口防碰撞方法及***
CN115091469A (zh) * 2022-08-05 2022-09-23 广东工业大学 一种基于最大熵框架的深度强化学习机械臂运动规划方法
CN115091469B (zh) * 2022-08-05 2024-06-14 广东工业大学 一种基于最大熵框架的深度强化学习机械臂运动规划方法
CN115810203A (zh) * 2022-12-19 2023-03-17 天翼爱音乐文化科技有限公司 一种障碍物躲避识别方法、***、电子设备及存储介质
CN115810203B (zh) * 2022-12-19 2024-05-10 天翼爱音乐文化科技有限公司 一种障碍物躲避识别方法、***、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN107894773A (zh) 一种移动机器人的导航方法、***及相关装置
CN111670468B (zh) 移动体行为预测装置以及移动体行为预测方法
EP3526737B1 (en) Neural network system for autonomous vehicle control
Fan et al. Getting robots unfrozen and unlost in dense pedestrian crowds
US10696300B2 (en) Vehicle tracking
Fernández et al. Improving collision avoidance for mobile robots in partially known environments: the beam curvature method
CN108762264A (zh) 基于人工势场与滚动窗口的机器人的动态避障方法
Damerow et al. Predictive risk maps
CN107009968A (zh) 车载激光雷达控制方法、装置及车载设备
US11415992B2 (en) Resource prioritization based on travel path relevance
CN109933067A (zh) 一种基于遗传算法和粒子群算法的无人艇避碰方法
JP7450814B2 (ja) 駐車スペースのハイブリッド探索を用いた自律駐車
CN101604166A (zh) 一种基于粒子群优化算法的移动机器人路径规划方法
US11507092B2 (en) Sequential clustering
CN105807769A (zh) 无人水下航行器ivfh避碰方法
KR20170058719A (ko) 무인 선박의 경로 추종 및 장애물과의 충돌 회피 제어방법
CN109445440A (zh) 基于传感器融合与改进q学习算法的动态避障方法
Camara et al. A heuristic model for pedestrian intention estimation
Debada et al. Occlusion-aware motion planning at roundabouts
WO2023082492A1 (zh) 一种航站楼载人机器人路径拓展通行方法
CN113721615B (zh) 一种基于机器视觉的海航路径规划方法及***
Xu et al. Potential gap: A gap-informed reactive policy for safe hierarchical navigation
Valiente et al. Prediction-Aware and Reinforcement Learning-Based Altruistic Cooperative Driving
Woosley et al. Multirobot task allocation with real-time path planning
JP7200970B2 (ja) 車両制御装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180410