CN108733044A - 避障方法、装置、机器人和计算机可读存储介质 - Google Patents
避障方法、装置、机器人和计算机可读存储介质 Download PDFInfo
- Publication number
- CN108733044A CN108733044A CN201710909792.8A CN201710909792A CN108733044A CN 108733044 A CN108733044 A CN 108733044A CN 201710909792 A CN201710909792 A CN 201710909792A CN 108733044 A CN108733044 A CN 108733044A
- Authority
- CN
- China
- Prior art keywords
- robot
- moving object
- movement locus
- information
- guidance path
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 9
- 241000282326 Felis catus Species 0.000 description 17
- 238000006073 displacement reaction Methods 0.000 description 7
- 230000004888 barrier function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 241001156002 Anthonomus pomorum Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G05D1/0231—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
- G05D1/0212—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
- 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
- G05D1/0251—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 extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- 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
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明实施例提供一种避障方法、装置、机器人和计算机可读存储介质。其中,该避障方法包括:监测工作环境中的运动物体,获取运动物体的运动信息;根据运动信息预测运动物体的运动轨迹;如果运动物体的运动轨迹与机器人的预定导航路径满足相交条件,则根据相交信息确定避障范围;获取机器人的当前位置;如果避障范围和机器人的当前位置之间的距离满足第一预设条件,则控制机器人重新规划导航路径;如果避障范围和所述机器人的当前位置之间的距离满足第二预设条件,则控制机器人降低运动速度或停止运动。在该技术方案中,本发明实施例由于根据运动物体的运动信息来确定避障范围,因此可以准确地预估出避障范围,而且还提高了机器人的安全性。
Description
技术领域
本发明涉及控制技术领域,特别是涉及一种避障方法、装置、机器人和计算机可读存储介质。
背景技术
目前,机器人作为一种在感知-思维-效应方面模拟人的机器***,已被广泛应用到工业、生活等各个领域。当机器人在各个领域的环境中工作时,其周围环境中随时可能会存在运动的障碍物。此时,要求机器人能够避开该障碍物。
现有机器人在检测到运动的障碍物时,通常采取停止的方式,来达到避免与该障碍物相撞的目的。
虽然在上述避障方式中机器人能够成功避障,但是机器人需要停止下来,以等待运动的障碍物离开后才能继续运动;因而现有技术存在无法预估避障范围的缺陷。
发明内容
本发明实施例的目的在于提供一种避障方法、装置、机器人和计算机可读存储介质,以解决如何预估避障范围的技术问题。
为了实现上述目的,第一方面,提供了以下技术方案:
一种避障方法,应用于机器人;所述方法包括:
监测工作环境中的运动物体,获取所述运动物体的运动信息;
根据所述运动信息预测所述运动物体的运动轨迹;
如果所述运动物体的运动轨迹与所述机器人的预定导航路径满足相交条件,则根据所述相交信息确定避障范围。
可选的,所述监测工作环境中的运动物体,获取所述运动物体的运动信息的步骤之前,所述方法还包括:
获取工作环境的图像信息;
如果从所述图像信息中识别到运动物体,则监测所述运动物体,获取所述运动物体的运动信息。
可选的,所述监测工作环境中的运动物体,获取所述运动物体的运动信息,包括:
获取所述运动物体的深度图像信息;
根据所述深度图像信息计算所述运动物体的运动信息,所述运动信息包括运动速度和运动方向。
可选的,所述运动物体的运动轨迹与所述机器人的预定导航路径满足相交条件,包括:
在一时间点,所述运动物体的运动轨迹与所述机器人的预定导航路径有交点;或者
在一时间点,依据所述运动轨迹确定的所述运动物***置与依据所述机器人的预定导航路径确定的机器人位置之间的距离不大于阈值;或者
所述运动物体的运动轨迹范围与机器人的预定导航路径有交叉区域。
可选的,所述方法还包括:
获取所述机器人的当前位置;
如果所述避障范围和所述机器人的当前位置之间的距离满足第一预设条件,则控制所述机器人重新规划导航路径,以使所述重新规划的导航路径不通过所述避障范围。
可选的,所述方法还包括:
如果所述避障范围和所述机器人的当前位置之间的距离满足第二预设条件,则控制所述机器人降低运动速度或停止运动。
为了实现上述目的,第二方面,还提供了以下技术方案:
一种避障装置,应用于机器人;所述装置包括:
第一获取模块,用于监测工作环境中的运动物体,获取所述运动物体的运动信息;
预测模块,用于根据所述运动信息预测所述运动物体的运动轨迹;
确定模块,用于在所述运动物体的运动轨迹与所述机器人的预定导航路径满足相交条件的情况下,根据所述相交信息确定避障范围。
可选的,所述装置还包括:
第二获取模块,用于获取工作环境的图像信息;
第三获取模块,用于在从所述图像信息中识别到运动物体时,监测所述运动物体,获取所述运动物体的运动信息。
可选的,所述第一获取模块包括:
获取单元,用于获取所述运动物体的深度图像信息;
计算单元,用于根据所述深度图像信息计算所述运动物体的运动信息,所述运动信息包括运动速度和运动方向。
可选的,所述运动物体的运动轨迹与所述机器人的预定导航路径满足相交条件,包括:
在一时间点,所述运动物体的运动轨迹与所述机器人的预定导航路径有交点;或者
在一时间点,依据所述运动轨迹确定的所述运动物***置与依据所述机器人的预定导航路径确定的机器人位置之间的距离不大于阈值;或者
所述运动物体的运动轨迹范围与机器人的预定导航路径有交叉区域。
可选的,所述装置还包括:
第四获取模块,用于获取所述机器人的当前位置;
第一控制模块,用于在所述避障范围和所述机器人的当前位置之间的距离满足第一预设条件时,控制所述机器人重新规划导航路径,以使所述重新规划的导航路径不通过所述避障范围。
可选的,所述装置还包括:
第二控制模块,用于在所述避障范围和所述机器人的当前位置之间的距离满足第二预设条件时,控制所述机器人降低运动速度或停止运动。
为了实现上述目的,第三方面,还提供了以下技术方案:
一种机器人,其包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行存储器上所存放的程序时,实现第一方面所述的方法步骤。
为了实现上述目的,第四方面,还提供了以下技术方案:
一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的方法步骤。
本发明实施例提供一种避障方法、装置、机器人和计算机可读存储介质。其中,该避障方法包括:监测工作环境中的运动物体,获取运动物体的运动信息;根据运动信息预测运动物体的运动轨迹;如果运动物体的运动轨迹与机器人的预定导航路径满足相交条件,则根据相交信息确定避障范围。在该技术方案中,本发明实施例由于根据运动物体的运动信息来确定避障范围,因此可以在监测到运动物体时预估出避障范围,而且还提高了机器人的安全性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而得以体现。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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他的附图。
图1为根据本发明实施例的避障方法的流程示意图;
图2为根据本发明实施例的、在一时间点猫的运动轨迹与机器人的预定导航轨迹有交点的示意图;
图3为根据本发明另一实施例的、在一时间点依据运动轨迹确定的猫的位置与预计机器人的预定导航路径确定的机器人位置的示意图;
图4为根据本发明实施例的猫的运动轨迹范围与机器人的预定导航轨迹有交叉区域的示意图;
图5为根据本发明实施例的避障装置的结构示意图;
图6为根据本发明实施例的机器人的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
在机器人避障的应用中,现有技术无法预估避障范围,而是只采取停止行进的方式避免机器人与运动的障碍物相撞。对此,为了解决如何准确地确定避障范围的技术问题,本发明实施例提供一种避障方法。该避障方法应用于机器人。如图1所示,该避障方法包括如下步骤S100至步骤S120。其中:
S100:监测工作环境中的运动物体,获取运动物体的运动信息。
其中,工作环境可以是机器人的工作环境,例如,卧室、客厅、车间、广场等。
运动物体例如可以为小孩、猫、桌子等,但绝不限于此。
运动物体的运动信息可以包括但不限于速度、加速度、运动轨迹等。该运动物体的运动信息既可以是预先存储在机器人中,通过调取出来而得到,也可以是由其他机器人在获得运动物体的运动信息之后将其发送至机器人而获取到的,本发明对比不作限定。其中,其他机器人包括但不限于另一个机器人、计算机、智能手机等。
在一些可选的实施例中,步骤S100具体可以包括:
步骤a1:获取运动物体的深度图像信息;
其中,深度图像信息可以包括运动物体的尺寸、形状和方位等信息。该深度图像信息可以通过深度摄像机、三维扫描设备等获取到。其中,深度摄像机包括但不限于基于结构光的深度摄像机、基于TOF(Time of Flight,飞行时间)的深度摄像机等。
以深度摄像机为例,可以理解的是,为了获取运动物体的深度图像信息,可以采用多个深度摄像机同步拍摄运动物体,获取多角度的视图,并对同一时刻的多视图进行立体匹配,从而获得运动物体的深度图像信息。
本领域技术人员应能理解,可以预先将运动物体的深度图像信息存储在机器人中,当在工作环境中监测到运动物体时,调取出该运动物体的运动信息,以使得机器人获取该运动物体的深度图像。当然,也可以由其他机器人获得该运动物体的深度图像信息,然后再由该机器人发送至机器人,从而使机器人获取运动物体的深度图像信息,本发明对此不作限定。
步骤a2:根据深度图像信息计算运动物体的运动信息,运动信息包括运动速度和运动方向。
示例性地,本步骤可以通过如下步骤一至步骤三实现:
步骤一:获取当前时刻运动物体的第一深度图像,并间隔第一预设时长获取运动物体的第二深度图像;
举例而言,以第一预设时长为3秒为例,本步骤可以在当前时刻获取运动物体的一幅深度图像,然后间隔3秒再获取另一幅运动物体的深度图像。
步骤二:根据第一深度图像和第二深度图像,计算运动物体在第一预设时长内的位移;
具体地,可以通过如下方式获得位移:对深度图像进行均值滤波,然后,利用Brenner函数或现有的清晰度评价函数对滤波后的图像进行清晰度评价,该清晰度评价由灰度值反映。最后,通过曲线拟合的方法对清晰度评价结果进行拟合,最终估计出运动物体的位移。
步骤三:根据位移和第一预设时长,确定运动物体的运动信息。
本领域技术人员应该能够理解,上述获取运动物体的运动信息的方式仅为举例,其他任意现有的、或今后可能出现的获取运动物体的运动信息的方式若能适用于本发明,则也应包含在本发明的保护范围之内,并在此以引用的方式结合于此。例如,本发明实施例还可以结合全景摄像机和深度摄像机来获取运动物体的运动信息。下面以执行主体是机器人为例,对获取运动物体的运动信息的实施方式进行详细说明。
其中,该机器人包括转动云台、全景摄像机和深度摄像机,全景摄像机和深度摄像机设置在该转动云台上,并在转动云台的带动下,可以实时地获取周围环境的图像。其中,全景摄像机的拍摄范围可以为180度、270度、360度等。
具体地,可以通过全景摄像机来获取机器人周围环境的全景图像,以监测工作环境中的运动物体,从而判断是否有运动物体进入预定范围;然后,通过深度摄像机获取该运动物体的深度图像。通过该深度图像可以获得诸如物体的速度和物体的位置等深度信息。最后,再根据全景图像和深度图像获取运动物体的运动信息。
当然,本领域技术人员应该理解,上述获取运动物体的运动信息的方式仅为举例,但绝不限于此,例如,可以将上述全景摄像机和深度摄像机设置在机器人所在场景中的任意位置。全景摄像机和深度摄像机将获得的运动物体的运动信息,以预定的通信方式(例如:WIFI、ZigBee、蓝牙、4G、5G等)传输至机器人,以使该机器人获取运动物体的运动信息。
在一些可选的实施例中,在步骤S100之前,该避障方法还可以包括:
步骤b1:获取工作环境的图像信息;
举例而言,本步骤可以通过全景相机、全景摄像机、热成像传感器、红外成像传感器等来获取工作环境的图像信息。
工作环境例如可以为卧室、客厅、车间、广场等。
本领域技术人员可以理解,可以通过机器人所在环境中的其他机器人获得上述工作环境的图像信息,然后,由该机器人将图像信息发送至机器人,以使得机器人获取该图像信息。
步骤b2:如果从图像信息中识别到运动物体,则监测运动物体,获取运动物体的运动信息。
本步骤通过获取到的工作环境的图像信息,来识别运动物体;如果从图像信息中识别到运动物体,则对该运动物体进行监测,并获取该运动物体的运动信息。
其中,对运动物体的监测可以通过诸如全景摄像机、全景相机、图像处理器等来实现,本发明对此不作限定。
其中,获取运动物体的运动信息的方式可以参见步骤a2中的有关说明,在此不再赘述。
下面结合具体实例对识别运动物体的实施方式进行详细说明:
步骤一:根据获取的不同时刻的图像信息,识别不同时刻的、图像中物体的轮廓;其中,图像信息包括颜色、亮度等信息;
本步骤中的图像信息优选为全景图像信息;
步骤二:根据不同时刻的、图像中物体的轮廓,确定工作环境中的运动物体。
本领域技术人员可以理解,本实施例中监测运动物体,获取运动物体的运动信息的步骤可以由其他诸如另一个机器人、计算机等机器人实现。例如,该机器人实时监测运动物体,并实时将监测结果发送至机器人,同时,该机器人也可以将所确定的运动物体的运动信息发送至机器人,以使得该机器人获取该运动物体的运动信息。
S110:根据运动信息预测运动物体的运动轨迹。
其中,运动信息包括但不限于运动速度、运动方向等。
作为示例,本步骤可以根据运动物体在不同时刻的运动速度,计算出该运动物体的位移,然后再结合运动方向,就可以预测出该运动物体的运动轨迹。
S120:如果运动物体的运动轨迹与机器人的预定导航路径满足相交条件,则根据相交信息确定避障范围。
在一些可选的实施例中,上述运动物体的运动轨迹与机器人的预定导航路径满足相交条件至少包括以下条件中的一种:
条件一:在一时间点,运动物体的运动轨迹与机器人的预定导航路径有交点;
条件二:在一时间点,依据运动轨迹确定的运动物***置与依据机器人的预定导航路径确定的机器人位置之间的距离不大于阈值;
条件三:运动物体的运动轨迹范围与机器人的预定导航路径有交叉区域。
下面结合具体实施例分别对条件一至条件三进行详细说明。
对于上述条件一,其表明:依据运动轨迹运动的运动物体可能会与按照预定导航路径行进的机器人会在某个时刻相撞。如图2所示,其中示例性地示出了猫21、猫的运动轨迹22、交点23、机器人的预定导航路径24和机器人25。本例中,猫21作为运动物体。交点23就是可能的碰撞点。在某个时间点,机器人25可能会与猫21在交点23处相撞;此时,猫21的运动轨迹22与机器人25的预定导航轨迹24满足相交条件。
上述条件二表明依据运动轨迹确定的运动物体与依据机器人的预定导航路径确定的机器人相距很近,两者之间的距离不大于预定的距离阈值,也就是说,运动物体和机器人处在一个很可能相撞的范围内。该范围例如可以为一平方米的范围等。该范围的几何形状可以为圆形、矩形、方形等,本发明实施例对此不作限定。在这种情况下,本实施例将运动物体与机器人之间的位置关系为相交。如图3所示,其中示例性地示出了猫31沿着运动轨迹32运动到图示位置,机器人34沿着预定导航路径33运动到图示位置;此时,猫31的位置与机器人34的位置之间的距离不大于阈值,则认为猫31的运动轨迹32与机器人34的预定导航轨迹33满足相交条件。
对于条件三,由于运动物体的运动可以为匀速运动,也可以为变速运动,而且运动方向也会存在多种可能的情况;所以,从当前时刻起,至间隔一定时长后的某个时刻,运动物体会按照多种可能的运动轨迹运动。这些可能的运动轨迹构成一个运动轨迹范围,也就是相当于一个轨迹集合。运动物体的运动轨迹范围与机器人的预定导航路径有交叉区域包括运动物体的运动轨迹与机器人的预定导航轨迹呈一定夹角的情况,也就是说,从当前时刻判断运动物体的运动趋势与机器人按照预定导航路径行进的运动趋势在某一个时刻会相交,从而造成运动物体与机器人相撞。所以,条件三表明当机器人的预定导航路径与运动物体的轨迹集合中的任一条轨迹相交时,视为运动物体的运动轨迹与机器人的预定导航路径满足相交条件。以猫作为运动物体为例,如图4所示,其示例性地示出了猫41、猫的运动轨迹集合42,机器人44、机器人的预定导航轨迹43以及运动物体的运动轨迹范围与机器人的预定导航轨迹的交叉区域45。其中,猫的运动轨迹集合42包括第一运动轨迹421、第二运动轨迹422和第三运动轨迹423。猫41的运动轨迹范围42与机器人44的预定导航轨迹43有交叉区域45。具体地,第一运动轨迹421、第二运动轨迹422和第三运动轨迹423在交叉区域45内都可能会与机器人44的预定导航轨迹43相交。
在上述满足相交条件的实施例中,条件一至条件三以非穷举的方式列出了运动物体与机器人可能相撞的情况。通过对可能相撞情况的预判,本发明实施例可以进一步提高避障范围预估的准确性,还进一步提高了机器人的安全性。
在上述步骤S120中,如果运动物体的运动轨迹与机器人的预定导航路径满足相交条件,则说明运动物体与机器人满足相撞的条件。
其中,预定导航路径可以是预先输入机器人中的规划路径,也可以是由诸如另一个机器人、计算机等机器人根据机器人的周围环境所规划的合理路径。对于后者,机器人可以将规划出的合理路径发送至机器人,以作为预定导航路径,本发明对预定导航路径的获取方式不作限定。
上述相交信息可以为运动物体的运动轨迹与机器人的预定导航路径的交点信息。其中,该交点可以作为预判的碰撞点。
以相交信息是交点信息为例,可以根据上述交点信息来确定一个区域,将该区域作为避障范围。其中,该区域可以是圆形、方形、椭圆形等任意形状。本发明实施例对区域的大小和形状不作限制。
在一些可选的实施例中,该避障方法还包括如下步骤c1至步骤c2。
步骤c1:获取机器人的当前位置;
本步骤中,机器人的当前位置可以由机器人自身检测到,也可以由其他诸如另一个机器人、计算机、工控机等机器人检测到之后,再将检测结果发送至机器人而得到。对于机器人的当前位置由机器人自身检测到的情况,在实际应用中,可以在机器人上设置照相机、摄像机或方位传感器等,然后,通过照相机、摄像机或方位传感器等来获取机器人的当前位置。本发明实施例对获取机器人的当前位置的方式不作限定。
步骤c2:如果避障范围和机器人的当前位置之间的距离满足第一预设条件,则控制机器人重新规划导航路径,以使重新规划的导航路径不通过避障范围。
其中,第一预设条件可以为:机器人的当前位置距避障范围的距离达到第一预定距离阈值时,控制该机器人主动重新规划导航路径。其中,该第一预定距离阈值可以为30厘米、50厘米或1米等,具体数值可视实际情况而定,本发明对此不作限定。
上述重新规划的路径可以是机器人根据周围环境主动确定的行进路线,也可以是由云端将规划好的行进路线发送至机器人,令其按照重新规划的路径行进。其中,云端可以实时与机器人保持通信。
作为示例,对于机器人根据周围环境主动确定行进路线的情况,机器人可以通过其自身配备的全景摄像机、超声波传感器、红外线传感器等对其周围环境进行扫描,以规划出一条可行的路线。
本实施例通过重新规划了不通过避障范围的导航路径,以使得机器人可以主动绕开该避障范围。与现有采取停止的手段进行避障的方式相比,本发明实施例因为控制机器人主动重新规划导航路径而继续行进,因而提高了机器人的运动效率,同时还提高了机器人的安全性。
在一些可选的实施例中,在上述实施例的基础上,该避障方法还可以包括:
如果避障范围和机器人的当前位置之间的距离满足第二预设条件,则控制机器人降低运动速度或停止运动。
本实施例中,第二预设条件可以为机器人的当前位置距避障范围的距离达到第二预定距离阈值时,控制机器人降低运动速度行进或停止运动。其中,第二预定距离阈值可以为5厘米、8厘米或10厘米,该具体数值可以视实际情况而定,本发明对此不作限定。
本实施例在机器人距离避障范围的距离满足第二预设条件时,控制机器人采取减速行进或停止运动等多种避障措施。与现有单纯采取停止的策略相比,本发明实施例提高了机器人的运动效率和安全性。
综上所述,本发明实施例通过采取上述任一技术方案,根据运动物体的运动信息来预测运动物体的运动轨迹,然后,再根据该运动轨迹与机器人的预定导航轨迹的相交信息来确定避障范围,从而实现了避障范围的预估,而且还提高了机器人的安全性,进而有助于机器人根据避障范围采取相应的策略,例如,在距离避障范围预定的位置处停止,或者减速行进,亦或是主动重新规划行进路线以绕开该避障范围。与只采取停止行进的避障方式相比,本发明实施例还可以提高机器人的运动效率。
为了解决如何准确地确定避障范围的技术问题,本发明实施例还提供一种避障装置。该避障装置应用于机器人,并可以执行上述避障方法实施例。如图5所示,该装置包括:
第一获取模块51,用于监测工作环境中的运动物体,获取运动物体的运动信息;
预测模块52,用于根据运动信息预测运动物体的运动轨迹;
确定模块53,用于在运动物体的运动轨迹与机器人的预定导航路径满足相交条件的情况下,根据相交信息确定避障范围。
本实施例中,预测模块52根据第一获取模块51获取到的运动物体的运动信息,预测出运动物体的运动轨迹;然后,确定模块53根据预测模块52所预测的运动轨迹与机器人的预定导航轨迹的相交信息,确定出避障范围;因此,本发明实施例可以预估出避障范围。
在一些可选的实施例中,该避障装置还可以包括:
第二获取模块,用于获取工作环境的图像信息;
其中,第二获取模块可以为全景相机、全景摄像机、热成像传感器、红外成像传感器等,但绝不限于此。工作环境例如可以为卧室、客厅、车间、广场等。图像信息包括颜色、亮度等信息。
第三获取模块,用于在从图像信息中识别到运动物体时,监测运动物体,获取运动物体的运动信息。
其中,第三获取模块可以为全景摄像机、全景相机、图像处理器等,但绝不限于此。
在一些可选的实施例中,第一获取模块具体包括:
获取单元,用于获取运动物体的深度图像信息;
其中,获取单元可以为深度摄像机、三维扫描设备等。其中,深度摄像机包括但不限于基于结构光的深度摄像机、基于TOF(Time of Flight,飞行时间)的深度摄像机等。深度图像信息可以包括运动物体的尺寸、形状和方位等信息。
计算单元,用于根据深度图像信息计算运动物体的运动信息,运动信息包括运动速度和运动方向。
示例性地,计算单元可以通过执行以下步骤得到运动信息:获取当前时刻运动物体的第一深度图像,并间隔第一预设时长获取运动物体的第二深度图像;根据第一深度图像和第二深度图像,计算运动物体在第一预设时长内的位移;根据位移和第一预设时长,确定运动物体的运动信息。
在一些可选的实施例中,运动物体的运动轨迹与机器人的预定导航路径满足相交条件,包括:
在一时间点,运动物体的运动轨迹与机器人的预定导航路径有交点;或者
在一时间点,依据运动轨迹确定的运动物***置与依据机器人的预定导航路径确定的机器人位置之间的距离不大于阈值;或者
运动物体的运动轨迹范围与机器人的预定导航路径有交叉区域。
本实施例中,条件一至条件三以非穷举的方式列出了运动物体与机器人可能相撞的情况。通过对可能相撞情况的预判,本发明实施例可以进一步提高避障范围预估的准确性,还进一步提高了机器人的安全性。
在一些可选的实施例中,避障装置还包括:
第四获取模块,用于获取机器人的当前位置;
其中,第四获取模块可以为照相机、摄像机或方位传感器等,但绝不限于此。
第一控制模块,用于在避障范围和机器人的当前位置之间的距离满足第一预设条件时,控制机器人重新规划导航路径,以使重新规划的导航路径不通过避障范围。
其中,第一预设条件可以为:机器人的当前位置距避障范围的距离达到第一预定距离阈值时,控制该机器人主动重新规划导航路径。其中,该第一预定距离阈值可以为30厘米、50厘米或1米等,具体数值可视实际情况而定,本发明对此不作限定。
上述重新规划的路径可以是机器人根据周围环境主动确定的行进路线,也可以是由云端将规划好的行进路线发送至机器人,令其按照重新规划的路径行进。其中,云端可以实时与机器人保持通信。
本实施例通过第一控制模块重新规划了不通过避障范围的导航路径,以使得机器人可以主动绕开该避障范围。与现有采取停止的手段进行避障的方式相比,本发明实施例因为控制机器人主动重新规划导航路径而继续行进,因而提高了机器人的运动效率,而且还提高了机器人的安全性。
在一些可选的实施例中,该避障装置还包括:
第二控制模块,用于在避障范围和机器人的当前位置之间的距离满足第二预设条件时,控制机器人降低运动速度或停止运动。
其中,第二预设条件可以为机器人的当前位置距避障范围的距离达到第二预定距离阈值时,控制机器人降低运动速度行进或停止运动。其中,第二预定距离阈值可以为5厘米、8厘米或10厘米,该具体数值可以视实际情况而定,本发明对此不作限定。
本实施例在机器人距离避障范围的距离满足第二预设条件时,第二控制模块控制机器人采取减速行进或停止运动等多种避障措施。与现有单纯采取停止的策略相比,本发明实施例提高了机器人的运动效率。
基于与上述方法实施例相同的技术构思,本发明实施例还提供一种机器人。该机器人可以执行上述机器人避障方法实施例。如图6所示,该机器人包括处理器61、通信接口62、存储器63和通信总线64,其中,处理器61、通信接口62和存储器63通过通信总线64完成相互间的通信;存储器63用于存放计算机程序;处理器61用于执行存储器63上所存放的程序时,实现上述任一避障方法实施例的方法步骤。
上述机器人提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
上述通信接口62用于上述机器人与其他设备之间的通信。
上述存储器63可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(non-volatile memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器61可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Ne twork Processor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Applica tion Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例通过处理器61用于执行存储器63上所存放的程序时,实现上述任一避障方法实施例的方法步骤,根据运动物体的运动信息来预测运动物体的运动轨迹,然后,再根据该运动轨迹与机器人的预定导航轨迹的相交信息来确定避障范围,从而实现了避障范围的预估,还提高了机器人的安全性,进而有助于机器人根据避障范围采取相应的策略,例如,在距离避障范围预定的位置处停止,或者减速行进,亦或是主动重新规划行进路线以绕开该避障范围。与只采取停止行进的避障方式相比,本发明实施例还可以提高机器人的运动效率。
基于与上述方法实施例相同的技术构思,本发明实施例还提供一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述任一机器人避障方法实施例的方法步骤。
上述计算机可读存储介质可以包括但不限于随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、可编程只读存储器(PROM)、可擦写可编程只读存储器(EPROM)、电可擦写可编程只读存储器(EEPROM)、闪存(例如,NOR型闪存或NAND型闪存)、内容可寻址存储器(CAM)、聚合物存储器(例如,铁电聚合物存储器)、相变存储器、双向开关半导体存储器、硅-氧化物-氮化硅-氧化硅-硅(Silicon-Oxide-Nitride-Oxide-Silicon,SONOS)存储器、磁卡或者光卡,亦或是其他任意适当类型的计算机可读存储介质。
本发明实施例计算机可读存储介质上的计算机程序被处理器执行时实现上述任一避障方法实施例的方法步骤,根据运动物体的运动信息来预测运动物体的运动轨迹,然后,再根据该运动轨迹与机器人的预定导航轨迹的相交信息来确定避障范围,从而实现了避障范围的预估,还提高了机器人的安全性,进而有助于机器人根据避障范围采取相应的策略,例如,在距离避障范围预定的位置处停止,或者减速行进,亦或是主动重新规划行进路线以绕开该避障范围。与只采取停止行进的避障方式相比,本发明实施例还可以提高机器人的运动效率。
上述各个实施例及其中的技术手段在不冲突的情况下可以互相组合而形成解决如何提高预估避障范围准确性的技术方案,在此不再赘述。
需要说明的是,在本文中,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”或者其任何其他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他要素,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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于机器人和计算机可读存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种避障方法,应用于机器人;其特征在于,所述方法包括:
监测工作环境中的运动物体,获取所述运动物体的运动信息;
根据所述运动信息预测所述运动物体的运动轨迹;
如果所述运动物体的运动轨迹与所述机器人的预定导航路径满足相交条件,则根据所述相交信息确定避障范围。
2.根据权利要求1所述的方法,其特征在于,所述监测工作环境中的运动物体,获取所述运动物体的运动信息的步骤之前,所述方法还包括:
获取工作环境的图像信息;
如果从所述图像信息中识别到运动物体,则监测所述运动物体,获取所述运动物体的运动信息。
3.根据权利要求1所述的方法,其特征在于,所述监测工作环境中的运动物体,获取所述运动物体的运动信息,包括:
获取所述运动物体的深度图像信息;
根据所述深度图像信息计算所述运动物体的运动信息,所述运动信息包括运动速度和运动方向。
4.根据权利要求1所述的方法,其特征在于,所述运动物体的运动轨迹与所述机器人的预定导航路径满足相交条件,包括:
在一时间点,所述运动物体的运动轨迹与所述机器人的预定导航路径有交点;或者
在一时间点,依据所述运动轨迹确定的所述运动物***置与依据所述机器人的预定导航路径确定的机器人位置之间的距离不大于阈值;或者
所述运动物体的运动轨迹范围与机器人的预定导航路径有交叉区域。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述机器人的当前位置;
如果所述避障范围和所述机器人的当前位置之间的距离满足第一预设条件,则控制所述机器人重新规划导航路径,以使所述重新规划的导航路径不通过所述避障范围。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
如果所述避障范围和所述机器人的当前位置之间的距离满足第二预设条件,则控制所述机器人降低运动速度或停止运动。
7.一种避障装置,应用于机器人;其特征在于,所述装置包括:
第一获取模块,用于监测工作环境中的运动物体,获取所述运动物体的运动信息;
预测模块,用于根据所述运动信息预测所述运动物体的运动轨迹;
确定模块,用于在所述运动物体的运动轨迹与所述机器人的预定导航路径满足相交条件的情况下,根据所述相交信息确定避障范围。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取工作环境的图像信息;
第三获取模块,用于在从所述图像信息中识别到运动物体时,监测所述运动物体,获取所述运动物体的运动信息。
9.一种机器人,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行存储器上所存放的程序时,实现权利要求1-6中任一所述的方法步骤。
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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6中任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710909792.8A CN108733044A (zh) | 2017-09-29 | 2017-09-29 | 避障方法、装置、机器人和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710909792.8A CN108733044A (zh) | 2017-09-29 | 2017-09-29 | 避障方法、装置、机器人和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108733044A true CN108733044A (zh) | 2018-11-02 |
Family
ID=63940168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710909792.8A Pending CN108733044A (zh) | 2017-09-29 | 2017-09-29 | 避障方法、装置、机器人和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108733044A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109445442A (zh) * | 2018-12-17 | 2019-03-08 | 中新智擎科技有限公司 | 一种机器人避障控制方法、装置、存储介质及机器人 |
CN109460030A (zh) * | 2018-11-29 | 2019-03-12 | 广东电网有限责任公司 | 一种机器人避障*** |
CN109739223A (zh) * | 2018-12-17 | 2019-05-10 | 中国科学院深圳先进技术研究院 | 机器人避障控制方法、装置及终端设备 |
CN110488843A (zh) * | 2019-09-04 | 2019-11-22 | 深圳前海达闼云端智能科技有限公司 | 避障方法、移动机器人及计算机可读存储介质 |
CN111399492A (zh) * | 2018-12-28 | 2020-07-10 | 深圳市优必选科技有限公司 | 一种机器人及其障碍物感知方法和装置 |
CN112883792A (zh) * | 2021-01-19 | 2021-06-01 | 武汉海默机器人有限公司 | 一种基于视觉深度分析的机器人主动安全防护方法及*** |
CN112906642A (zh) * | 2021-03-22 | 2021-06-04 | 苏州银翼智能科技有限公司 | 自移动机器人、自移动机器人的控制方法及存储介质 |
CN112959322A (zh) * | 2021-03-02 | 2021-06-15 | 中国科学院深圳先进技术研究院 | 控制方法、控制装置及终端设备 |
CN113138598A (zh) * | 2021-03-31 | 2021-07-20 | 深圳市优必选科技股份有限公司 | 一种智能小车的控制方法及智能小车 |
CN113160266A (zh) * | 2021-04-21 | 2021-07-23 | 上海闻泰信息技术有限公司 | 高空坠物的检测方法、装置、计算机设备和存储介质 |
CN114494848A (zh) * | 2021-12-21 | 2022-05-13 | 重庆特斯联智慧科技股份有限公司 | 一种机器人视距路径确定方法和装置 |
CN114625132A (zh) * | 2022-02-28 | 2022-06-14 | 深圳市宝来威智能科技有限公司 | 机器人避让方法及*** |
CN117892038A (zh) * | 2024-03-14 | 2024-04-16 | 天科院环境科技发展(天津)有限公司 | 一种野生动物道路回避距离计算方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359229A (zh) * | 2008-08-18 | 2009-02-04 | 浙江大学 | 一种基于障碍物运动预测的移动机器人避障方法 |
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 |
CN103823466A (zh) * | 2013-05-23 | 2014-05-28 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
CN105223956A (zh) * | 2015-11-09 | 2016-01-06 | 中山大学 | 一种全向移动机器人的动态避障方法 |
CN106406304A (zh) * | 2015-07-27 | 2017-02-15 | 西门子工业软件有限公司 | 用于对交叠的机器人移动进行防碰撞管理的方法 |
CN106598046A (zh) * | 2016-11-29 | 2017-04-26 | 北京智能管家科技有限公司 | 机器人躲避控制方法和装置 |
-
2017
- 2017-09-29 CN CN201710909792.8A patent/CN108733044A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359229A (zh) * | 2008-08-18 | 2009-02-04 | 浙江大学 | 一种基于障碍物运动预测的移动机器人避障方法 |
CN103823466A (zh) * | 2013-05-23 | 2014-05-28 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
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 |
CN106406304A (zh) * | 2015-07-27 | 2017-02-15 | 西门子工业软件有限公司 | 用于对交叠的机器人移动进行防碰撞管理的方法 |
CN105223956A (zh) * | 2015-11-09 | 2016-01-06 | 中山大学 | 一种全向移动机器人的动态避障方法 |
CN106598046A (zh) * | 2016-11-29 | 2017-04-26 | 北京智能管家科技有限公司 | 机器人躲避控制方法和装置 |
Non-Patent Citations (2)
Title |
---|
李彩虹: "移动机器人动态避障算法", 《山东大学学报(工学版)》 * |
蒋荣欣: "多机器人编队导航若干关键技术研究", 《中国博士学位论文全文数据库-信息科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460030A (zh) * | 2018-11-29 | 2019-03-12 | 广东电网有限责任公司 | 一种机器人避障*** |
CN109445442A (zh) * | 2018-12-17 | 2019-03-08 | 中新智擎科技有限公司 | 一种机器人避障控制方法、装置、存储介质及机器人 |
CN109739223A (zh) * | 2018-12-17 | 2019-05-10 | 中国科学院深圳先进技术研究院 | 机器人避障控制方法、装置及终端设备 |
CN109739223B (zh) * | 2018-12-17 | 2020-07-03 | 中国科学院深圳先进技术研究院 | 机器人避障控制方法、装置、终端设备及存储介质 |
CN111399492A (zh) * | 2018-12-28 | 2020-07-10 | 深圳市优必选科技有限公司 | 一种机器人及其障碍物感知方法和装置 |
CN110488843A (zh) * | 2019-09-04 | 2019-11-22 | 深圳前海达闼云端智能科技有限公司 | 避障方法、移动机器人及计算机可读存储介质 |
CN110488843B (zh) * | 2019-09-04 | 2023-12-05 | 达闼机器人股份有限公司 | 避障方法、移动机器人及计算机可读存储介质 |
CN112883792A (zh) * | 2021-01-19 | 2021-06-01 | 武汉海默机器人有限公司 | 一种基于视觉深度分析的机器人主动安全防护方法及*** |
CN112959322A (zh) * | 2021-03-02 | 2021-06-15 | 中国科学院深圳先进技术研究院 | 控制方法、控制装置及终端设备 |
CN112906642A (zh) * | 2021-03-22 | 2021-06-04 | 苏州银翼智能科技有限公司 | 自移动机器人、自移动机器人的控制方法及存储介质 |
CN113138598A (zh) * | 2021-03-31 | 2021-07-20 | 深圳市优必选科技股份有限公司 | 一种智能小车的控制方法及智能小车 |
CN113160266A (zh) * | 2021-04-21 | 2021-07-23 | 上海闻泰信息技术有限公司 | 高空坠物的检测方法、装置、计算机设备和存储介质 |
CN114494848A (zh) * | 2021-12-21 | 2022-05-13 | 重庆特斯联智慧科技股份有限公司 | 一种机器人视距路径确定方法和装置 |
CN114494848B (zh) * | 2021-12-21 | 2024-04-16 | 重庆特斯联智慧科技股份有限公司 | 一种机器人视距路径确定方法和装置 |
CN114625132A (zh) * | 2022-02-28 | 2022-06-14 | 深圳市宝来威智能科技有限公司 | 机器人避让方法及*** |
CN117892038A (zh) * | 2024-03-14 | 2024-04-16 | 天科院环境科技发展(天津)有限公司 | 一种野生动物道路回避距离计算方法 |
CN117892038B (zh) * | 2024-03-14 | 2024-06-07 | 天科院环境科技发展(天津)有限公司 | 一种野生动物道路回避距离计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108733044A (zh) | 避障方法、装置、机器人和计算机可读存储介质 | |
EP1978432B1 (en) | Routing apparatus for autonomous mobile unit | |
CN105094005B (zh) | 光学安全***、用于控制机动化工业设备的方法和计算机可读介质 | |
WO2018121617A1 (zh) | 定位准确度的检测方法及电子设备、计算机存储介质 | |
CN105486311A (zh) | 室内机器人定位导航方法及装置 | |
US20200293049A1 (en) | Route planning in an autonomous device | |
CN107851387A (zh) | 信号机识别装置及信号机识别方法 | |
CN107473109B (zh) | 塔机防碰撞方法和*** | |
CN106682572A (zh) | 目标跟踪方法、***和第一电子设备 | |
CN106574961B (zh) | 使用多个物体检测单元的物体识别装置 | |
CN103781685A (zh) | 车辆用自主行驶控制*** | |
JP4677060B1 (ja) | 位置校正情報収集装置、位置校正情報収集方法、及び位置校正情報収集プログラム | |
CN107160392A (zh) | 基于视觉定位和跟随的方法、装置及终端设备和机器人 | |
CN109581389A (zh) | 一种识别泊车车位边界的方法和装置 | |
US20210213619A1 (en) | Robot and control method therefor | |
CN111728532A (zh) | 一种机器人进入电梯的控制方法、激光机器人及芯片 | |
US20140320645A1 (en) | Method for Detecting and Documenting the Speeds of a Plurality of Vehicles in an Image Document | |
CN110456758A (zh) | 车外报告装置 | |
CN110687903B (zh) | 可移动机器人受困判断方法、装置与运动控制方法、装置 | |
CN107450069A (zh) | 移动物体检测装置、程序及记录介质 | |
KR20170100892A (ko) | 위치 추적 장치 | |
CN108430851A (zh) | 夜间图像显示装置及其图像处理方法 | |
CN106911916A (zh) | 图像采集***、设备和方法 | |
JP4774401B2 (ja) | 自律移動体の経路設定装置 | |
Elzayat et al. | Real-time car detection-based depth estimation using mono camera |
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 |
Application publication date: 20181102 |
|
RJ01 | Rejection of invention patent application after publication |