CN108733065B - 一种机器人的避障方法、装置及机器人 - Google Patents
一种机器人的避障方法、装置及机器人 Download PDFInfo
- Publication number
- CN108733065B CN108733065B CN201710912218.8A CN201710912218A CN108733065B CN 108733065 B CN108733065 B CN 108733065B CN 201710912218 A CN201710912218 A CN 201710912218A CN 108733065 B CN108733065 B CN 108733065B
- Authority
- CN
- China
- Prior art keywords
- robot
- obstacle
- model
- posture
- sub
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004891 communication Methods 0.000 claims description 23
- 230000004888 barrier function Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000036632 reaction speed Effects 0.000 abstract description 10
- 230000036544 posture Effects 0.000 description 174
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例提供了一种机器人的避障方法、装置及机器人,所述方法包括:获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息;根据结构信息及当前位姿信息构建机器人三维模型,并根据障碍物信息构建障碍物三维模型;按照预设拆分规则,将机器人三维模型拆分为多个子模型;分别将多个子模型与障碍物三维模型进行比较,确定机器人以当前姿态行进是否能够避开所述障碍物;如果是,控制机器人以当前姿态行进。可见,采用将机器人三维模型拆分为多个子模型的方式,不需要计算障碍物的点云坐标,只需构建简单的障碍物三维模型,将多个子模型与障碍物三维模型进行比较,计算量小,大大提高机器人反应速度,用户体验好。
Description
技术领域
本发明涉及机器人控制技术领域,特别是涉及一种机器人的避障方法、装置及机器人。
背景技术
近些年来,随着AI(Artificial Intelligence,人工智能)技术的快速发展,智能服务机器人的应用越来越广泛,其中,智能服务机器人可以包括扫地机器人、搬运机器人、聊天机器人等,具有非常广阔的市场前景。
这些机器人在移动过程中,为了避免与周围的障碍物发生碰撞,需要对障碍物进行避障。一般来说,机器人可以安装各类传感器,包括激光雷达、深度摄像头、红外传感器等,利用这些传感器所检测到的数据,进行多传感器数据融合,精确计算3D空间中所有的障碍物的点云坐标,进而,根据机器人自身的位置和姿态,确定以当前姿态行进是否可以成功避障。
但是,由于3D空间中所有障碍物的点云坐标数量相当多,造成上述避障方式的计算量非常大,计算资源并不能满足需求,进而会导致机器人在避障过程中长时间无法做出决策,反应速度慢,用户体验非常不好。
发明内容
本发明实施例的目的在于提供一种机器人的避障方法、装置及机器人,以减少机器人避障时的计算量,提高机器人反应速度。具体技术方案如下:
第一方面,本发明实施例提供了一种机器人的避障方法,所述方法包括:
获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息;
根据所述结构信息及所述当前位姿信息构建机器人三维模型,并根据所述障碍物信息构建障碍物三维模型;
按照预设拆分规则,将所述机器人三维模型拆分为多个子模型;
分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物;
如果是,控制所述机器人以当前姿态行进。
可选的,所述按照预设拆分规则,将所述机器人三维模型拆分为多个子模型的步骤,包括:
根据所述当前位姿信息,对所述机器人三维模型进行拆分,获得多个子模型。
可选的,所述分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物的步骤,包括:
根据所述子模型的空间位置,确定多个避障平面;
分别确定每个子模型在对应的目标避障平面上的投影区域,其中,所述子模型对应的目标避障平面为:在预设方向上,与该子模型距离最近的避障平面;
确定所述障碍物三维模型在每个避障平面的投影区域;
确定每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上是否重叠;
如果否,确定所述机器人以当前姿态行进能够避开所述障碍物。
可选的,所述分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物的步骤,包括:
将每个子模型的目标点的坐标与所述障碍物三维模型的坐标进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物,其中,所述每个子模型的目标点用于表示该子模型的外轮廓。
可选的,在确定所述机器人以当前姿态行进不能避开所述障碍物的情况下,所述方法还包括:
调整所述机器人的姿态;
控制所述机器人以调整后的姿态行进。
可选的,所述调整所述机器人的姿态的步骤,包括:
将预存的位姿模型与所述障碍物三维模型进行比较,确定目标位姿模型,其中,所述目标位姿模型为:所述机器人以其对应的姿态行进能够避开所述障碍物的位姿模型;
调整所述机器人的姿态至所述目标位姿模型所对应的姿态。
可选的,所述调整所述机器人的姿态的步骤,包括:
根据所述当前姿态及所述障碍物三维模型,计算目标姿态,其中,所述目标姿态为:所述机器人以当前方向行进时能够避开所述障碍物所对应的姿态;
调整所述机器人的姿态至所述目标姿态。
第二方面,本发明实施例提供了一种机器人的避障装置,所述装置包括:
信息获取模块,用于获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息;
模型构建模块,用于根据所述结构信息及所述当前位姿信息构建机器人三维模型,并根据所述障碍物信息构建障碍物三维模型;
模型拆分模块,用于按照预设拆分规则,将所述机器人三维模型拆分为多个子模型;
避障确定模块,用于分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物;
行进控制模块,用于在确定所述机器人以当前姿态行进能够避开所述障碍物时,控制所述机器人以当前姿态行进。
可选的,所述模型拆分模块包括:
模型拆分单元,用于根据所述当前位姿信息,对所述机器人三维模型进行拆分,获得多个子模型。
可选的,所述避障确定模块包括:
避障平面确定单元,用于根据所述子模型的空间位置,确定多个避障平面;
第一投影区域确定单元,用于分别确定每个子模型在对应的目标避障平面上的投影区域,其中,所述子模型对应的目标避障平面为:在预设方向上,与该子模型距离最近的避障平面;
第二投影区域确定单元,用于确定所述障碍物三维模型在每个避障平面的投影区域;
重叠区域确定单元,用于确定每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上是否重叠;
第一避障确定单元,用于在每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上未重叠时,确定所述机器人以当前姿态行进能够避开所述障碍物。
可选的,所述避障确定模块包括:
第二避障确定单元,用于将每个子模型的目标点的坐标与所述障碍物三维模型的坐标进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物,其中,所述每个子模型的目标点用于表示该子模型的外轮廓。
可选的,所述装置还包括:
姿态调整模块,用于在确定所述机器人以当前姿态行进不能避开所述障碍物的情况下,调整所述机器人的姿态;
姿态控制模块,用于控制所述机器人以调整后的姿态行进。
可选的,所述姿态调整模块包括:
位姿确定单元,用于将预存的位姿模型与所述障碍物三维模型进行比较,确定目标位姿模型,其中,所述目标位姿模型为:所述机器人以其对应的姿态行进能够避开所述障碍物的位姿模型;
第一姿态调整单元,用于调整所述机器人的姿态至所述目标位姿模型所对应的姿态。
可选的,所述姿态调整模块包括:
目标姿态确定单元,用于根据所述当前姿态及所述障碍物三维模型,计算目标姿态,其中,所述目标姿态为:所述机器人以当前方向行进时能够避开所述障碍物所对应的姿态;
第二姿态调整单元,用于调整所述机器人的姿态至所述目标姿态。
第三方面,本发明实施例还提供了一种机器人,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述机器人的避障方法步骤。
第四方面,本发明实施例还提供了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上述机器人的避障方法步骤。
本发明实施例所提供的方案中,首先获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息,然后根据结构信息及当前位姿信息构建机器人三维模型,并根据障碍物信息构建障碍物三维模型,按照预设拆分规则,将机器人三维模型拆分为多个子模型,再分别将多个子模型与障碍物三维模型进行比较,确定机器人以当前姿态行进是否能够避开所述障碍物,如果是,则控制机器人以当前姿态行进。采用将机器人三维模型拆分为多个子模型的方式,不需要计算障碍物的点云坐标,只需构建简单的障碍物三维模型,将多个子模型与障碍物三维模型进行比较,计算量小,大大提高机器人反应速度,用户体验好。
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为本发明实施例所提供的一种机器人的避障方法的流程图;
图2为图1所示实施例中机器人三维模型及障碍物三维模型的一种示意图;
图3为图1所示实施例中机器人三维模型的一种拆分方式示意图;
图4为图1所示实施例中步骤S104的具体流程图;
图5为图4所示实施例中避障平面的一种示意图;
图6为图4所示实施例中避障平面的另一种示意图;
图7为图4所示实施例中障碍物三维模型的一种拆分方式示意图;
图8(a)为图4所示实施例中投影区域的一种示意图;
图8(b)为图4所示实施例中投影区域的另一种示意图;
图9为本发明实施例所提供的一种机器人的避障装置的结构示意图;
图10为本发明实施例所提供的一种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。
为了减少机器人避障时的计算量,提高机器人反应速度,本发明实施例提供了一种机器人的避障方法、装置、机器人及计算机可读存储介质。
下面首先对本发明实施例所提供的一种机器人的避障方法进行介绍。
本发明实施例提供的一种机器人的避障方法可以应用于机器人本身,也可以应用于与机器人建立通信连接的,用于控制机器人行进的控制设备,例如电脑,手机等,在此不做具体限定,为了方便描述,以下机器人本身及控制设备均称为电子设备。
如图1所示,一种机器人的避障方法,所述方法包括:
S101,获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息;
S102,根据所述结构信息及所述当前位姿信息构建机器人三维模型,并根据所述障碍物信息构建障碍物三维模型;
S103,按照预设拆分规则,将所述机器人三维模型拆分为多个子模型;
S104,分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物;
S105,如果是,控制所述机器人以当前姿态行进。
可见,本发明实施例所提供的方案中,电子设备首先获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息,然后根据结构信息及当前位姿信息构建机器人三维模型,并根据障碍物信息构建障碍物三维模型,按照预设拆分规则,将机器人三维模型拆分为多个子模型,再分别将多个子模型与障碍物三维模型进行比较,确定机器人以当前姿态行进是否能够避开所述障碍物,如果是,则控制机器人以当前姿态行进。采用将机器人三维模型拆分为多个子模型的方式,不需要计算障碍物的点云坐标,只需构建简单的障碍物三维模型,将多个子模型与障碍物三维模型进行比较,计算量小,大大提高机器人反应速度,用户体验好。
可以理解的是,在本发明实施例中,只要机器人的种类和型号等信息确定,那么机器人的结构信息便可以确定,其中,结构信息可以包括机器人所包括的各部件以及各部件的形状、大小等信息。
机器人的当前位姿信息可以包括机器人的当前位置和姿态,姿态可以包括机器人的可移动部件在三维空间的位置、角度等信息。例如,如果机器人具有手臂、头部等可移动的部件,那么该姿态可以包括手臂的高度、角度,头部的角度等信息。又例如,如果机器人为具有托盘的搬运类机器人,那么姿态可以包括托盘的高度等信息。
障碍物的障碍物信息即为机器人当前行进方向上可能阻挡机器人的障碍物的形状、大小、位置等信息,只要可以表示障碍物的大致轮廓和位置即可,在此不做具体限定。例如,如果障碍物为桌子,那么电子设备获取的障碍物信息可以包括该桌子的高度、宽度及桌子的位置等信息。
在一种实施方式中,障碍物信息可以通过安装于机器人的传感器获得,或者,通过设置在环境中某些固定位置的传感器获得,这都是合理的。该传感器可以包括激光雷达、深度传感器等,只要可以获得障碍物的障碍物信息即可,在此不做具体限定。
在上述步骤S101中,如果电子设备为机器人本身,那么机器人便可以获取自身的结构信息及当前位姿信息,并通过传感器等方式获取障碍物信息。如果电子设备为与机器人建立通信连接的控制设备,那么电子设备可以通过该通信连接获取机器人的结构信息及当前位姿信息,并通过与传感器的通信连接等方式获取传感器所检测到的障碍物信息。
接下来,电子设备便可以根据获取到的机器人的结构信息及当前位姿信息,构建机器人三维模型,并根据障碍物信息构建障碍物三维模型。具体来说,电子设备可以通过立体建模算法等构建机器人三维模型及障碍物三维模型。可以采用数学立体建模技术中的任意一种立体建模方式来构建机器人三维模型及障碍物三维模型,在此不作具体限定及说明。
为了进一步减少计算量,方便后续的机器人三维模型拆分等处理,电子设备构建的机器人三维模型及障碍物三维模型均可以是由简单几何体构成的三维模型,而不必构建与机器人及障碍物实际形状完全相符的三维模型,只要可以大致表示机器人及障碍物的形状、大小即可,这样,计算量可以进一步较少,处理速度更快。
举例来说,电子设备可以根据机器人的结构信息及当前位姿信息,构建由长方体、圆柱体等简单几何体组成的机器人三维模型,同样的,电子设备也可以根据障碍物信息构建由长方体、圆柱体等简单几何体组成的障碍物三维模型。如图2所示,对于机器人10,电子设备可以构建机器人三维模型110,对于障碍物20,电子设备可以构建障碍物三维模型210。可以看出,机器人三维模型110及障碍物三维模型210均为长方体或圆柱体组成的三维模型。需要说明的是,为了清晰简洁地表示机器人三维模型及障碍物三维模型,图2所示为机器人三维模型及障碍物三维模型向某一固定平面的投影,该固定平面可以为垂直于地面的平面等。
在上述步骤S103中,电子设备可以按照预设拆分规则,将机器人三维模型拆分为多个子模型。进而,便可以分别将多个子模型与障碍物三维模型进行比较,确定机器人以当前姿态行进是否能够避开障碍物。为了方案清楚及布局清晰,后续将会对具体拆分方式及确定机器人以当前姿态行进是否能够避开障碍物的具体方式进行举例介绍。
如果电子设备确定机器人以当前姿态行进能够避开障碍物,那么便可以控制机器人以当前姿态行进。如果电子设备确定机器人以当前姿态行进无法避开障碍物,那么便可以改变机器人的行进方向,或者,也可以调整机器人的姿态,以使机器人可以避开障碍物。
作为本发明实施例的一种实施方式,上述按照预设拆分规则,将所述机器人三维模型拆分为多个子模型的步骤,可以包括:
根据所述当前位姿信息,对所述机器人三维模型进行拆分,获得多个子模型。
由于机器人的当前位姿信息可能会影响机器人三维模型的形状,例如,机器人的手臂在不同位置,那么机器人的三维模型的形状也就不同,又例如,机器人可能具有托盘等部件,托盘与机器人其他部分相比,一般是伸出机器人其他部分的,以方便用户使用托盘盛装物品,那么托盘的位置高低,以及托盘伸出的长度均会影响障碍物三维模型的形状。
因此,电子设备可以根据机器人的当前位姿信息,对机器人三维模型进行拆分,进而获得多个子模型。如图3所示,如果机器人30具有托盘31,当前时刻托盘31位于图3中所示位置,那么电子设备可以根据机器人当前姿态,也就是当前时刻托盘31的位置,对机器人三维模型进行拆分,得到子模型311、子模型312及子模型313。
为了拆分简单以及后续比较三维模型更加方便,电子设备在按照预设拆分规则,拆分机器人三维模型为多个子模型时,可以将机器人三维模型拆分为多个简单规则的几何体,作为子模型,这样更便于后续确定机器人以当前姿态行进是否能够避开障碍物。
可见,本实施例中,电子设备可以根据机器人的当前位姿信息,对机器人三维模型进行拆分,得到多个子模型,拆分操作简单快速,可以提高后续比较多个子模型与障碍物三维模型的速度,提高机器人避障的整体速度。
作为本发明实施例的一种实施方式,如图4所示,上述分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物的步骤,可以包括:
S401,根据所述子模型的空间位置,确定多个避障平面;
拆分得到多个子模型后,电子设备便可以根据子模型的空间位置,确定多个避障平面。一般来说,避障平面是与机器人行进方向平行的平面,这样可以确保后续步骤中根据每个子模型及障碍物三维模型在避障平面的投影区域确定机器人是否能够避开障碍物时更加准确。例如,机器人一般在地面上行进,那么避障平面可以是平行于地面的平面。
由于每个子模型在空间的位置、形状及大小有可能不同,所以电子设备可以根据子模型的空间位置,确定避障平面的位置,这样可以方便后续确定每个子模型对应的投影区域。
在一个示例中,如图5所示,机器人50的机器人三维模型拆分为子模型511、子模型512及子模型513。那么电子设备便可以根据子模型511、子模型512及子模型513的空间位置确定多个避障平面,即避障平面01及避障平面02。
在另一个示例中,如图6所示,机器人60的机器人三维模型拆分为子模型611、子模型612及子模型613。那么电子设备便可以根据子模型611、子模型612及子模型613的空间位置确定多个避障平面,即避障平面03及避障平面04。
S402,分别确定每个子模型在对应的目标避障平面上的投影区域;
其中,子模型对应的目标避障平面为:在预设方向上,与该子模型距离最近的避障平面。一般该预设方向可以为垂直于避障平面的方向,垂直于机器人行进方向的方向等,例如,垂直于地面的方向。
如图5所示,假设预设方向为垂直于避障平面的方向,那么子模型511及子模型512对应的目标避障平面即为01,子模型513对应的目标避障平面即为02。
S403,确定所述障碍物三维模型在每个避障平面的投影区域;
电子设备还可以确定障碍物三维模型在每个避障平面的投影区域,以方便后续对投影区域进行比较。
在一种实施方式中,如果避障平面贯穿障碍物三维模型,为了方便确定障碍物三维模型对应的投影区域,可以将障碍物三维模型也拆分为多个子模型,为了描述清楚,以下称为障碍物子模型。
如图7所示,避障平面05贯穿障碍物三维模型,此时,电子设备可以将障碍物三维模型拆分为障碍物子模型21及障碍物子模型22。进而,便可以确定障碍物子模型21在避障平面05上的投影区域,以及障碍物子模型22在避障平面06上的投影区域。
S404,确定每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上是否重叠,如果否,执行步骤S405;如果是,确定所述机器人以当前姿态行进无法避开所述障碍物。
确定了上述子模型对应的投影区域以及障碍物对应的投影区域后,电子设备便可以确定每个避障平面上的子模型的投影区域与障碍物的投影区域,在机器人的行进方向上是否重叠,如果不重叠,说明机器人以当前姿态行进,不会与障碍物发生碰撞,那么便可以执行步骤S405。
如果某个避障平面上的子模型的投影区域与障碍物的投影区域,在机器人的行进方向上存在重叠,那么说明机器人以当前姿态行进,会与障碍物发生碰撞,此时电子设备则可以确定机器人以当前姿态行进无法避开障碍物,以便进行行进方向调整等动作。
示例性的,如图8(a)所示,机器人三维模型包括两个子模型,一个子模型在对应的目标避障平面上的投影区域为81,障碍物三维模型在该目标避障平面上投影区域为82,可以看出,在机器人行进方向80上无重叠。另一个子模型在对应的目标避障平面上的投影区域为83,障碍物三维模型在该目标避障平面上投影区域为84,可以看出,在机器人行进方向80上也无重叠,那么说明机器人以当前姿态行进,不会与障碍物发生碰撞。
如图8(b)所示,机器人三维模型包括的一子模型在对应的目标避障平面上的投影区域为85,障碍物三维模型在该目标避障平面上投影区域为86,可以看出,在机器人行进方向80上存在重叠,那么说明机器人以当前姿态行进,会与障碍物发生碰撞。
S405,确定所述机器人以当前姿态行进能够避开所述障碍物。
电子设备确定每个避障平面上的子模型的投影区域与障碍物的投影区域,在机器人的行进方向上均无重叠时,便可以确定机器人以当前姿态行进能够避开障碍物。
可见,在本实施例中,电子设备可以确定多个避障平面,进而根据每个子模型在避障平面的投影区域以及障碍物三维模型在每个避障平面的投影区域的重叠情况,判断机器人以当前姿态行进能否避开障碍物,计算量小,且判断准确,可以进一步提高机器人的反应速度,提升用户体验。
作为本发明实施例的一种实施方式,上述分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物的步骤,可以包括:
将每个子模型的目标点的坐标与所述障碍物三维模型的坐标进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物。
其中,每个子模型的目标点用于表示该子模型的外轮廓。例如,如果子模型为长方体,那么目标点既可以为该长方体的八个顶点。
在该实施方式中,电子设备可以通过将每个子模型的目标点的坐标与障碍物三维模型的坐标进行比较的方式,确定机器人以当前姿态行进是否能够避开所述障碍物。可以理解的是,障碍物三维模型的外轮廓中的一些点的坐标可以表示障碍物的实际位置和大致形状,那么,电子设备通过比较上述目标点的坐标及障碍物三维模型的外轮廓中的一些点的坐标,即可以确定机器人以当前姿态行进是否能够避开障碍物。
例如,机器人三维模型的一子模型为长方体,八个顶点的坐标分别为(26,40,15)、(50,40,15)、(50,50,15)、(26,50,15)、(26,40,30)、(50,40,30)、(50,50,30)及(26,50,30)。障碍物三维模型为一圆柱体,该圆柱体底面圆心的坐标为(60,40,56),半径为8,高为20。机器人行进方向为Z轴方向,那么显然,对于该子模型来说,机器人以当前姿态行进是可以避开障碍物的。
通过上述方式分别将每个子模型的目标点的坐标与障碍物三维模型的坐标进行比较,便可以确定机器人以当前姿态行进时,每个子模型是否能够避开障碍物,进而也就可以确定机器人以当前姿态行进是否能够避开障碍物。可以理解的是,所有子模型均能够避开障碍物,机器人便可以避开障碍物,如果存在一个或多个子模型无法避开障碍物,那么机器人也就无法避开障碍物。
可见,在本实施例中,电子设备可以通过每个子模型的目标点的坐标及障碍物三维模型的坐标,确定机器人以当前姿态行进是否能够避开所述障碍物,可以方便快速地确定机器人能否避开障碍物,计算量小,处理速度快。
在确定机器人以当前姿态行进不能避开障碍物的情况下,作为本发明实施例的一种实施方式,上述方法还可以包括:
调整所述机器人的姿态;控制所述机器人以调整后的姿态行进。
由于机器人的姿态会影响机器人的避障范围,例如,手臂的高低及角度、托盘的高低等,所以电子设备在确定机器人以当前姿态行进不能避开障碍物时,可以调整机器人的姿态,以使机器人可以避开障碍物,进而控制机器人以调整后的姿态行进。
作为本发明实施例的一种实施方式,上述调整所述机器人的姿态的步骤,可以包括:
将预存的位姿模型与所述障碍物三维模型进行比较,确定目标位姿模型;调整所述机器人的姿态至所述目标位姿模型所对应的姿态。
为了可以随时调整机器人的姿态,以避开障碍物,在一种实施方式中,电子设备可以预存位姿模型。其中,该位姿模型即为机器人处于某种位姿时对应的机器人三维模型。由于机器人的姿态可能存在几种较为常见的,或者固定的姿态,为了进一步减少计算量及存储位姿模型所占用的内存空间,电子设备预存的位姿模型可以是几种较为常见的,或者固定的姿态所对应的位姿模型。
举例而言,如果机器人为具有托盘的搬运机器人,托盘具有五种固定的位置,在机器人的使用过程中,可以根据实际需要调节托盘至其中一种位置,那么电子设备便可以预存托盘位于该五种位置时分别对应的位姿模型。
进而,电子设备可以将预存的位姿模型与障碍物三维模型进行比较,确定目标位姿模型,其中,该目标位姿模型为:机器人以其对应的姿态行进能够避开障碍物的位姿模型。也就是说,如果将机器人的当前姿态调整为该目标位姿模型所对应的姿态,那么机器人便可以避开障碍物。例如,电子设备预存有五种位姿模型,那么电子设备便可以将该五种位姿模型分别与障碍物三维模型进行比较,确定当机器人采用其所对应的姿态行进时能够避开障碍物的位姿模型,即目标位姿模型。
对于电子设备将预存的位姿模型与障碍物三维模型进行比较的具体方式,可以采用上述机器人三维模型与障碍物三维模型比较方式的任一种,在此不再赘述。
电子设备确定目标位姿模型后,便可以调整机器人的姿态至该目标位姿模型所对应的姿态,进而,控制机器人以调整后的姿态行进时便可以避开障碍物。
可见,本实施例中,在电子设备确定机器人以当前姿态行进不能避开障碍物的情况下,可以将预存的位姿模型与障碍物三维模型进行比较,确定目标位姿模型,进而,调整机器人的姿态至目标位姿模型所对应的姿态,以避开障碍物,这样,机器人可以快速做出调整以避开障碍物,提升用户体验。
作为本发明实施例的一种实施方式,上述调整所述机器人的姿态的步骤,可以包括:
根据所述当前姿态及所述障碍物三维模型,计算目标姿态;调整所述机器人的姿态至所述目标姿态。
在电子设备确定机器人以当前姿态行进不能避开障碍物的情况下,电子设备还可以根据当前姿态及障碍物三维模型,计算目标姿态,该目标姿态为:机器人以当前方向行进时,能够避开障碍物所对应的姿态。
具体来说,电子设备可以根据当前姿态及障碍物三维模型,确定可能与障碍物发生碰撞的部件,进而,计算该部件处于何种姿态时,机器人以当前方向行进可以避开障碍物,也就得到了目标姿态。进而,电子设备便可以调整机器人的姿态至该目标姿态,接下来,控制机器人以调整后的姿态行进时便可以避开障碍物。
例如,当前时刻机器人的手臂相对于地面位于40厘米高度,电子设备确定机器人以当前姿态行进不能避开障碍物,那么电子设备根据机器人的当前姿态及障碍物三维模型,计算得到目标姿态为:机器人的手臂相对于地面位于60厘米高度,那么电子设备便可以调整机器人手臂的高度至60厘米,以确保机器人以调整后的姿态行进时可以避开障碍物。
可见,本实施例中,在电子设备确定机器人以当前姿态行进不能避开障碍物的情况下,可以根据当前姿态及障碍物三维模型,计算目标姿态,进而,调整机器人的姿态至目标姿态,以避开障碍物,这样,机器人可以快速做出调整以避开障碍物,提升用户体验。
相应于上述机器人的避障方法,本发明实施例还提供了一种机器人的避障装置。
下面对本发明实施例所提供的一种机器人的避障装置进行介绍。
如图9所示,一种机器人的避障装置,所述装置包括:
信息获取模块910,用于获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息;
模型构建模块920,用于根据所述结构信息及所述当前位姿信息构建机器人三维模型,并根据所述障碍物信息构建障碍物三维模型;
模型拆分模块930,用于按照预设拆分规则,将所述机器人三维模型拆分为多个子模型;
避障确定模块940,用于分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物;
行进控制模块950,用于在确定所述机器人以当前姿态行进能够避开所述障碍物时,控制所述机器人以当前姿态行进。
可见,本发明实施例所提供的方案中,首先获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息,然后根据结构信息及当前位姿信息构建机器人三维模型,并根据障碍物信息构建障碍物三维模型,按照预设拆分规则,将机器人三维模型拆分为多个子模型,再分别将多个子模型与障碍物三维模型进行比较,确定机器人以当前姿态行进是否能够避开所述障碍物,如果是,则控制机器人以当前姿态行进。采用将机器人三维模型拆分为多个子模型的方式,不需要计算障碍物的点云坐标,只需构建简单的障碍物三维模型,将多个子模型与障碍物三维模型进行比较,计算量小,大大提高机器人反应速度,用户体验好。
作为本发明实施例的一种实施方式,所述模型拆分模块930可以包括:
模型拆分单元(图9中未示出),用于根据所述当前位姿信息,对所述机器人三维模型进行拆分,获得多个子模型。
作为本发明实施例的一种实施方式,所述避障确定模块940可以包括:
避障平面确定单元(图9中未示出),用于根据所述子模型的空间位置,确定多个避障平面;
第一投影区域确定单元(图9中未示出),用于分别确定每个子模型在对应的目标避障平面上的投影区域,其中,所述子模型对应的目标避障平面为:在预设方向上,与该子模型距离最近的避障平面;
第二投影区域确定单元(图9中未示出),用于确定所述障碍物三维模型在每个避障平面的投影区域;
重叠区域确定单元(图9中未示出),用于确定每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上是否重叠;
第一避障确定单元(图9中未示出),用于在每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上未重叠时,确定所述机器人以当前姿态行进能够避开所述障碍物。
作为本发明实施例的一种实施方式,所述避障确定模块940可以包括:
第二避障确定单元(图9中未示出),用于将每个子模型的目标点的坐标与所述障碍物三维模型的坐标进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物,其中,所述每个子模型的目标点用于表示该子模型的外轮廓。
作为本发明实施例的一种实施方式,所述装置还可以包括:
姿态调整模块(图9中未示出),用于在确定所述机器人以当前姿态行进不能避开所述障碍物的情况下,调整所述机器人的姿态;
姿态控制模块(图9中未示出),用于控制所述机器人以调整后的姿态行进。
作为本发明实施例的一种实施方式,所述姿态调整模块可以包括:
位姿确定单元(图9中未示出),用于将预存的位姿模型与所述障碍物三维模型进行比较,确定目标位姿模型,其中,所述目标位姿模型为:所述机器人以其对应的姿态行进能够避开所述障碍物的位姿模型;
第一姿态调整单元(图9中未示出),用于调整所述机器人的姿态至所述目标位姿模型所对应的姿态。
作为本发明实施例的一种实施方式,所述姿态调整模块可以包括:
目标姿态确定单元(图9中未示出),用于根据所述当前姿态及所述障碍物三维模型,计算目标姿态,其中,所述目标姿态为:所述机器人以当前方向行进时能够避开所述障碍物所对应的姿态;
第二姿态调整单元(图9中未示出),用于调整所述机器人的姿态至所述目标姿态。
本发明实施例还提供了一种机器人,如图10所示,包括处理器1001、通信接口1002、存储器1003和通信总线1004,其中,处理器1001,通信接口1002,存储器1003通过通信总线1004完成相互间的通信,
存储器1003,用于存放计算机程序;
处理器1001,用于执行存储器1003上所存放的程序时,实现如下步骤:
获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息;
根据所述结构信息及所述当前位姿信息构建机器人三维模型,并根据所述障碍物信息构建障碍物三维模型;
按照预设拆分规则,将所述机器人三维模型拆分为多个子模型;
分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物;
如果是,控制所述机器人以当前姿态行进。
可见,本发明实施例所提供的方案中,机器人首先获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息,然后根据结构信息及当前位姿信息构建机器人三维模型,并根据障碍物信息构建障碍物三维模型,按照预设拆分规则,将机器人三维模型拆分为多个子模型,再分别将多个子模型与障碍物三维模型进行比较,确定机器人以当前姿态行进是否能够避开所述障碍物,如果是,则控制机器人以当前姿态行进。采用将机器人三维模型拆分为多个子模型的方式,不需要计算障碍物的点云坐标,只需构建简单的障碍物三维模型,将多个子模型与障碍物三维模型进行比较,计算量小,大大提高机器人反应速度,用户体验好。
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。
通信接口用于上述机器人与其他设备之间的通信。
存储器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。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,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。
其中,上述按照预设拆分规则,将所述机器人三维模型拆分为多个子模型的步骤,可以包括:
根据所述当前位姿信息,对所述机器人三维模型进行拆分,获得多个子模型。
其中,上述分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物的步骤,可以包括:
根据所述子模型的空间位置,确定多个避障平面;
分别确定每个子模型在对应的目标避障平面上的投影区域,其中,所述子模型对应的目标避障平面为:在预设方向上,与该子模型距离最近的避障平面;
确定所述障碍物三维模型在每个避障平面的投影区域;
确定每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上是否重叠;
如果否,确定所述机器人以当前姿态行进能够避开所述障碍物。
其中,上述分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物的步骤,可以包括:
将每个子模型的目标点的坐标与所述障碍物三维模型的坐标进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物,其中,所述每个子模型的目标点用于表示该子模型的外轮廓。
其中,在确定所述机器人以当前姿态行进不能避开所述障碍物的情况下,上述方法还可以包括:
调整所述机器人的姿态;
控制所述机器人以调整后的姿态行进。
其中,上述调整所述机器人的姿态的步骤,可以包括:
将预存的位姿模型与所述障碍物三维模型进行比较,确定目标位姿模型,其中,所述目标位姿模型为:所述机器人以其对应的姿态行进能够避开所述障碍物的位姿模型;
调整所述机器人的姿态至所述目标位姿模型所对应的姿态。
其中,上述调整所述机器人的姿态的步骤,可以包括:
根据所述当前姿态及所述障碍物三维模型,计算目标姿态,其中,所述目标姿态为:所述机器人以当前方向行进时能够避开所述障碍物所对应的姿态;
调整所述机器人的姿态至所述目标姿态。
本发明实施例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以下步骤:
获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息;
根据所述结构信息及所述当前位姿信息构建机器人三维模型,并根据所述障碍物信息构建障碍物三维模型;
按照预设拆分规则,将所述机器人三维模型拆分为多个子模型;
分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物;
如果是,控制所述机器人以当前姿态行进。
可见,本发明实施例所提供的方案中,计算机程序被处理器执行时,首先获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息,然后根据结构信息及当前位姿信息构建机器人三维模型,并根据障碍物信息构建障碍物三维模型,按照预设拆分规则,将机器人三维模型拆分为多个子模型,再分别将多个子模型与障碍物三维模型进行比较,确定机器人以当前姿态行进是否能够避开所述障碍物,如果是,则控制机器人以当前姿态行进。采用将机器人三维模型拆分为多个子模型的方式,不需要计算障碍物的点云坐标,只需构建简单的障碍物三维模型,将多个子模型与障碍物三维模型进行比较,计算量小,大大提高机器人反应速度,用户体验好。
其中,上述按照预设拆分规则,将所述机器人三维模型拆分为多个子模型的步骤,可以包括:
根据所述当前位姿信息,对所述机器人三维模型进行拆分,获得多个子模型。
其中,上述分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物的步骤,可以包括:
根据所述子模型的空间位置,确定多个避障平面;
分别确定每个子模型在对应的目标避障平面上的投影区域,其中,所述子模型对应的目标避障平面为:在预设方向上,与该子模型距离最近的避障平面;
确定所述障碍物三维模型在每个避障平面的投影区域;
确定每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上是否重叠;
如果否,确定所述机器人以当前姿态行进能够避开所述障碍物。
其中,上述分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物的步骤,可以包括:
将每个子模型的目标点的坐标与所述障碍物三维模型的坐标进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物,其中,所述每个子模型的目标点用于表示该子模型的外轮廓。
其中,在确定所述机器人以当前姿态行进不能避开所述障碍物的情况下,上述方法还可以包括:
调整所述机器人的姿态;
控制所述机器人以调整后的姿态行进。
其中,上述调整所述机器人的姿态的步骤,可以包括:
将预存的位姿模型与所述障碍物三维模型进行比较,确定目标位姿模型,其中,所述目标位姿模型为:所述机器人以其对应的姿态行进能够避开所述障碍物的位姿模型;
调整所述机器人的姿态至所述目标位姿模型所对应的姿态。
其中,上述调整所述机器人的姿态的步骤,可以包括:
根据所述当前姿态及所述障碍物三维模型,计算目标姿态,其中,所述目标姿态为:所述机器人以当前方向行进时能够避开所述障碍物所对应的姿态;
调整所述机器人的姿态至所述目标姿态。
需要说明的是,对于上述装置、机器人及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。
进一步需要说明的是,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***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 (16)
1.一种机器人的避障方法,其特征在于,所述方法包括:
获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息;
根据所述结构信息及所述当前位姿信息构建机器人三维模型,并根据所述障碍物信息构建障碍物三维模型;
按照预设拆分规则,将所述机器人三维模型拆分为多个子模型;
分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物;
如果是,控制所述机器人以当前姿态行进。
2.如权利要求1所述的方法,其特征在于,所述按照预设拆分规则,将所述机器人三维模型拆分为多个子模型的步骤,包括:
根据所述当前位姿信息,对所述机器人三维模型进行拆分,获得多个子模型。
3.如权利要求1所述的方法,其特征在于,所述分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物的步骤,包括:
根据所述子模型的空间位置,确定多个避障平面;
分别确定每个子模型在对应的目标避障平面上的投影区域,其中,所述子模型对应的目标避障平面为:在预设方向上,与该子模型距离最近的避障平面;
确定所述障碍物三维模型在每个避障平面的投影区域;
确定每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上是否重叠;
如果否,确定所述机器人以当前姿态行进能够避开所述障碍物。
4.如权利要求1所述的方法,其特征在于,所述分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物的步骤,包括:
将每个子模型的目标点的坐标与所述障碍物三维模型的坐标进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物,其中,所述每个子模型的目标点用于表示该子模型的外轮廓。
5.如权利要求1-4任一项所述的方法,其特征在于,在确定所述机器人以当前姿态行进不能避开所述障碍物的情况下,所述方法还包括:
调整所述机器人的姿态;
控制所述机器人以调整后的姿态行进。
6.如权利要求5所述的方法,其特征在于,所述调整所述机器人的姿态的步骤,包括:
将预存的位姿模型与所述障碍物三维模型进行比较,确定目标位姿模型,其中,所述目标位姿模型为:所述机器人以其对应的姿态行进能够避开所述障碍物的位姿模型;
调整所述机器人的姿态至所述目标位姿模型所对应的姿态。
7.如权利要求5所述的方法,其特征在于,所述调整所述机器人的姿态的步骤,包括:
根据所述当前姿态及所述障碍物三维模型,计算目标姿态,其中,所述目标姿态为:所述机器人以当前方向行进时能够避开所述障碍物所对应的姿态;
调整所述机器人的姿态至所述目标姿态。
8.一种机器人的避障装置,其特征在于,所述装置包括:
信息获取模块,用于获取机器人的结构信息、当前位姿信息及障碍物的障碍物信息;
模型构建模块,用于根据所述结构信息及所述当前位姿信息构建机器人三维模型,并根据所述障碍物信息构建障碍物三维模型;
模型拆分模块,用于按照预设拆分规则,将所述机器人三维模型拆分为多个子模型;
避障确定模块,用于分别将所述多个子模型与所述障碍物三维模型进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物;
行进控制模块,用于在确定所述机器人以当前姿态行进能够避开所述障碍物时,控制所述机器人以当前姿态行进。
9.如权利要求8所述的装置,其特征在于,所述模型拆分模块包括:
模型拆分单元,用于根据所述当前位姿信息,对所述机器人三维模型进行拆分,获得多个子模型。
10.如权利要求8所述的装置,其特征在于,所述避障确定模块包括:
避障平面确定单元,用于根据所述子模型的空间位置,确定多个避障平面;
第一投影区域确定单元,用于分别确定每个子模型在对应的目标避障平面上的投影区域,其中,所述子模型对应的目标避障平面为:在预设方向上,与该子模型距离最近的避障平面;
第二投影区域确定单元,用于确定所述障碍物三维模型在每个避障平面的投影区域;
重叠区域确定单元,用于确定每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上是否重叠;
第一避障确定单元,用于在每个避障平面上的子模型的投影区域与障碍物的投影区域,在所述机器人的行进方向上未重叠时,确定所述机器人以当前姿态行进能够避开所述障碍物。
11.如权利要求8所述的装置,其特征在于,所述避障确定模块包括:
第二避障确定单元,用于将每个子模型的目标点的坐标与所述障碍物三维模型的坐标进行比较,确定所述机器人以当前姿态行进是否能够避开所述障碍物,其中,所述每个子模型的目标点用于表示该子模型的外轮廓。
12.如权利要求8-11任一项所述的装置,其特征在于,所述装置还包括:
姿态调整模块,用于在确定所述机器人以当前姿态行进不能避开所述障碍物的情况下,调整所述机器人的姿态;
姿态控制模块,用于控制所述机器人以调整后的姿态行进。
13.如权利要求12所述的装置,其特征在于,所述姿态调整模块包括:
位姿确定单元,用于将预存的位姿模型与所述障碍物三维模型进行比较,确定目标位姿模型,其中,所述目标位姿模型为:所述机器人以其对应的姿态行进能够避开所述障碍物的位姿模型;
第一姿态调整单元,用于调整所述机器人的姿态至所述目标位姿模型所对应的姿态。
14.如权利要求12所述的装置,其特征在于,所述姿态调整模块包括:
目标姿态确定单元,用于根据所述当前姿态及所述障碍物三维模型,计算目标姿态,其中,所述目标姿态为:所述机器人以当前方向行进时能够避开所述障碍物所对应的姿态;
第二姿态调整单元,用于调整所述机器人的姿态至所述目标姿态。
15.一种机器人,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一所述的方法步骤。
16.一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1-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710912218.8A CN108733065B (zh) | 2017-09-29 | 2017-09-29 | 一种机器人的避障方法、装置及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710912218.8A CN108733065B (zh) | 2017-09-29 | 2017-09-29 | 一种机器人的避障方法、装置及机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108733065A CN108733065A (zh) | 2018-11-02 |
CN108733065B true CN108733065B (zh) | 2021-06-04 |
Family
ID=63940179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710912218.8A Active CN108733065B (zh) | 2017-09-29 | 2017-09-29 | 一种机器人的避障方法、装置及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108733065B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502014A (zh) * | 2019-08-22 | 2019-11-26 | 深圳乐动机器人有限公司 | 一种机器人避障的方法及机器人 |
JP6927597B2 (ja) * | 2019-08-30 | 2021-09-01 | Necプラットフォームズ株式会社 | 配信装置、飛行体、飛行システム、それらの方法及びプログラム |
CN112008729A (zh) * | 2020-09-01 | 2020-12-01 | 云南电网有限责任公司电力科学研究院 | 一种用于架空线路检修机械臂的碰撞检测方法 |
CN112578795A (zh) * | 2020-12-15 | 2021-03-30 | 深圳市优必选科技股份有限公司 | 机器人避障方法及装置、机器人及存储介质 |
CN114742960A (zh) * | 2021-02-08 | 2022-07-12 | 追觅创新科技(苏州)有限公司 | 目标对象的躲避方法及装置、存储介质、电子装置 |
CN113359754A (zh) * | 2021-06-25 | 2021-09-07 | 深圳市海柔创新科技有限公司 | 障碍物躲避方法、装置、电子设备和存储介质 |
CN113721618B (zh) * | 2021-08-30 | 2024-05-24 | 中科新松有限公司 | 一种平面确定方法、装置、设备和存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1617170A (zh) * | 2003-09-19 | 2005-05-18 | 索尼株式会社 | 环境识别设备及方法,路径规划设备及方法以及机器人 |
CN1883887A (zh) * | 2006-07-07 | 2006-12-27 | 中国科学院力学研究所 | 一种基于虚拟场景的机器人避障路径规划方法 |
CN101804625A (zh) * | 2009-02-18 | 2010-08-18 | 索尼公司 | 机器人设备及其控制方法、以及计算机程序 |
CN102152308A (zh) * | 2010-02-10 | 2011-08-17 | 库卡实验仪器有限公司 | 用于工业机器人的无碰撞轨迹规划的方法 |
CN103329182A (zh) * | 2010-11-08 | 2013-09-25 | Cmte发展有限公司 | 用于人工指令***的碰撞避免***和方法 |
CN104097205A (zh) * | 2013-04-07 | 2014-10-15 | 同济大学 | 基于任务空间的机器人实时运动自碰撞避免控制方法 |
CN104156520A (zh) * | 2014-07-31 | 2014-11-19 | 哈尔滨工程大学 | 一种基于直线投影的凸多面体碰撞检测方法 |
CN104331081A (zh) * | 2014-10-10 | 2015-02-04 | 北京理工大学 | 一种双足机器人斜面行走的步态规划方法 |
CN104677347A (zh) * | 2013-11-27 | 2015-06-03 | 哈尔滨恒誉名翔科技有限公司 | 一种基于Kinect生成三维导航地图室内移动机器人 |
CN104850699A (zh) * | 2015-05-19 | 2015-08-19 | 天津市天锻压力机有限公司 | 冲压线搬运机器人防碰撞控制方法 |
CN104933708A (zh) * | 2015-06-07 | 2015-09-23 | 浙江大学 | 一种基于多谱三维特征融合的植被环境中障碍物检测方法 |
CN105512377A (zh) * | 2015-11-30 | 2016-04-20 | 腾讯科技(深圳)有限公司 | 实时虚拟场景中圆柱碰撞体与凸体碰撞探测的方法和*** |
EP3064964A1 (en) * | 2015-03-04 | 2016-09-07 | Agco Corporation | Path planning based on obstruction mapping |
CN106780539A (zh) * | 2016-11-30 | 2017-05-31 | 航天科工智能机器人有限责任公司 | 机器人视觉跟踪方法 |
CN106845412A (zh) * | 2017-01-20 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 障碍物识别方法及装置、计算机设备及可读介质 |
CN106949893A (zh) * | 2017-03-24 | 2017-07-14 | 华中科技大学 | 一种三维避障的室内机器人导航方法和*** |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006239844A (ja) * | 2005-03-04 | 2006-09-14 | Sony Corp | 障害物回避装置、障害物回避方法及び障害物回避プログラム並びに移動型ロボット装置 |
CN101436073A (zh) * | 2008-12-03 | 2009-05-20 | 江南大学 | 基于量子行为粒子群算法的轮式移动机器人轨迹跟踪方法 |
WO2013005815A1 (ja) * | 2011-07-01 | 2013-01-10 | 日本電気株式会社 | 物体検出装置、物体検出方法及びプログラム |
KR101247761B1 (ko) * | 2011-07-15 | 2013-04-01 | 삼성중공업 주식회사 | 로봇의 선체면 주행 가능 영역 확인 방법, 로봇 및 기록 매체 |
KR102096398B1 (ko) * | 2013-07-03 | 2020-04-03 | 삼성전자주식회사 | 자율 이동 로봇의 위치 인식 방법 |
CN105437232B (zh) * | 2016-01-11 | 2017-07-04 | 湖南拓视觉信息技术有限公司 | 一种控制多关节移动机器人避障的方法及装置 |
CN106708084B (zh) * | 2016-11-24 | 2019-08-02 | 中国科学院自动化研究所 | 复杂环境下无人机自动障碍物检测和避障方法 |
CN106643701B (zh) * | 2017-01-16 | 2019-05-14 | 深圳优地科技有限公司 | 一种机器人互相检测方法及装置 |
CN106845416B (zh) * | 2017-01-20 | 2021-09-21 | 百度在线网络技术(北京)有限公司 | 障碍物识别方法及装置、计算机设备及可读介质 |
CN106951847B (zh) * | 2017-03-13 | 2020-09-29 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、设备及存储介质 |
-
2017
- 2017-09-29 CN CN201710912218.8A patent/CN108733065B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1617170A (zh) * | 2003-09-19 | 2005-05-18 | 索尼株式会社 | 环境识别设备及方法,路径规划设备及方法以及机器人 |
CN1883887A (zh) * | 2006-07-07 | 2006-12-27 | 中国科学院力学研究所 | 一种基于虚拟场景的机器人避障路径规划方法 |
CN101804625A (zh) * | 2009-02-18 | 2010-08-18 | 索尼公司 | 机器人设备及其控制方法、以及计算机程序 |
CN102152308A (zh) * | 2010-02-10 | 2011-08-17 | 库卡实验仪器有限公司 | 用于工业机器人的无碰撞轨迹规划的方法 |
CN103329182A (zh) * | 2010-11-08 | 2013-09-25 | Cmte发展有限公司 | 用于人工指令***的碰撞避免***和方法 |
CN104097205A (zh) * | 2013-04-07 | 2014-10-15 | 同济大学 | 基于任务空间的机器人实时运动自碰撞避免控制方法 |
CN104677347A (zh) * | 2013-11-27 | 2015-06-03 | 哈尔滨恒誉名翔科技有限公司 | 一种基于Kinect生成三维导航地图室内移动机器人 |
CN104156520A (zh) * | 2014-07-31 | 2014-11-19 | 哈尔滨工程大学 | 一种基于直线投影的凸多面体碰撞检测方法 |
CN104331081A (zh) * | 2014-10-10 | 2015-02-04 | 北京理工大学 | 一种双足机器人斜面行走的步态规划方法 |
EP3064964A1 (en) * | 2015-03-04 | 2016-09-07 | Agco Corporation | Path planning based on obstruction mapping |
CN104850699A (zh) * | 2015-05-19 | 2015-08-19 | 天津市天锻压力机有限公司 | 冲压线搬运机器人防碰撞控制方法 |
CN104933708A (zh) * | 2015-06-07 | 2015-09-23 | 浙江大学 | 一种基于多谱三维特征融合的植被环境中障碍物检测方法 |
CN105512377A (zh) * | 2015-11-30 | 2016-04-20 | 腾讯科技(深圳)有限公司 | 实时虚拟场景中圆柱碰撞体与凸体碰撞探测的方法和*** |
CN106780539A (zh) * | 2016-11-30 | 2017-05-31 | 航天科工智能机器人有限责任公司 | 机器人视觉跟踪方法 |
CN106845412A (zh) * | 2017-01-20 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 障碍物识别方法及装置、计算机设备及可读介质 |
CN106949893A (zh) * | 2017-03-24 | 2017-07-14 | 华中科技大学 | 一种三维避障的室内机器人导航方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN108733065A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108733065B (zh) | 一种机器人的避障方法、装置及机器人 | |
CN109634304B (zh) | 无人机飞行路径规划方法、装置和存储介质 | |
KR102170928B1 (ko) | 로봇의 장애물 회피 제어 시스템, 방법, 로봇 및 저장매체 | |
WO2020134082A1 (zh) | 一种路径规划方法、装置和移动设备 | |
KR20220013565A (ko) | 검출 방법, 디바이스, 전자 장치 및 저장 매체 | |
CN108733045B (zh) | 机器人及其避障方法以及计算机可读存储介质 | |
WO2022078467A1 (zh) | 机器人自动回充方法、装置、机器人和存储介质 | |
JP2016071846A (ja) | 単眼カメラに基づく障害物検知方法及び装置 | |
CN111805535B (zh) | 一种定位导航方法、装置以及计算机存储介质 | |
JP2016515254A5 (zh) | ||
CN111006676A (zh) | 地图构建方法、装置及*** | |
CN107843252B (zh) | 导航路径优化方法、装置及电子设备 | |
CN110488818B (zh) | 一种基于激光雷达的机器人定位方法、装置和机器人 | |
CN113246143A (zh) | 一种机械臂动态避障轨迹规划方法及装置 | |
JP2022548743A (ja) | 移動ロボットの障害物情報感知方法、装置 | |
CN110705385B (zh) | 一种障碍物角度的检测方法、装置、设备及介质 | |
CN113587930B (zh) | 基于多传感融合的自主移动机器人室内外导航方法及装置 | |
WO2021072709A1 (zh) | 目标检测与跟踪方法、***、设备及存储介质 | |
CN114102585A (zh) | 一种物品抓取规划方法及*** | |
CN114299039B (zh) | 一种机器人及其碰撞检测装置和方法 | |
CN113607166B (zh) | 基于多传感融合的自主移动机器人室内外定位方法及装置 | |
CN111168685A (zh) | 机器人控制方法、机器人和可读存储介质 | |
CN115516523A (zh) | 地面障碍物检测方法以及使用该方法的移动机器 | |
US20160282875A1 (en) | Moving object controller, landmark, and moving object control method | |
WO2019171491A1 (ja) | 移動体制御装置、移動体、移動体制御システム、移動体制御方法および記録媒体 |
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 |