CN109358623A - 一种机器人运动地毯偏移的识别方法、芯片及清洁机器人 - Google Patents
一种机器人运动地毯偏移的识别方法、芯片及清洁机器人 Download PDFInfo
- Publication number
- CN109358623A CN109358623A CN201811240369.4A CN201811240369A CN109358623A CN 109358623 A CN109358623 A CN 109358623A CN 201811240369 A CN201811240369 A CN 201811240369A CN 109358623 A CN109358623 A CN 109358623A
- Authority
- CN
- China
- Prior art keywords
- robot
- light stream
- offset
- coordinate
- preset
- 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 36
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 238000012935 Averaging Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000006073 displacement reaction Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000013519 translation Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 4
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims 1
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000835 fiber Substances 0.000 description 5
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000007910 cell fusion Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010407 vacuum cleaning Methods 0.000 description 1
- 210000003462 vein Anatomy 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
- G05D1/0246—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
- G05D1/0253—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 relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
-
- 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
- G05D1/0227—Control of position or course in two dimensions specially adapted to land vehicles using mechanical sensing means, e.g. for sensing treated area
- G05D1/0229—Control of position or course in two dimensions specially adapted to land vehicles using mechanical sensing means, e.g. for sensing treated area in combination with fixed guiding means
-
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
Abstract
本发明公开一种机器人运动的地毯偏移的识别方法、芯片及清洁机器人,包括,根据每隔第一预设时间传感器的感测数据融合计算机器人当前位置坐标,然后根据机器人当前位置与初始位置的相对位置关系计算机器人相对于所述预设方向的偏移量,再进行累加得到偏移统计值;通过计算第二预设时间内位置坐标的采集次数来求平均得到偏移平均值,再根据所述偏移平均值确定机器人偏离所述预设方向的情况。所述识别方法提高检测地毯偏移方向和偏移幅度的准确性。
Description
技术领域
本发明涉及机器人检测控制领域,具体涉及一种机器人运动地毯偏移方向和幅度的识别方法、芯片及清洁机器人。
背景技术
基于惯性导航的机器人导航回充电座时都是基于全局的栅格地图进行,这种方式都是假设全局地图是比较精准的情况,然而,许多常规的自主式机器人未适当地或精确地确定机器人位置和/或姿势并且未适当地控制机器人的移动,从而不能确保机器人停留在给定路线上和/或达到指定位置和/或姿势,导致机器人的位置计算结果出错,例如,自主式清洁设备的轨迹可能会通过地毯纹理的影响而受到干扰。地毯纹理对对象的运动的作用可以被称为地毯偏移。地毯偏移可以由具有幅度和方向二者的地毯偏移矢量表示。地毯偏移矢量可以是地毯的属性。
当机器人在铺有地毯的环境中航行时,机器人的运动不仅仅受到摩擦力的推动作用,而且受到地毯施加给机器人的作用力影响。基于机器人相对于地毯纹理的运动,机器人的驱动轮可以使地毯纤维竖起或倒下。特别地,当纤维沿地毯纹理倒下时,地毯可以沿地毯纹理的方向推动或引导机器人。如图3所示,左侧的机器人1朝着箭头方向C运动过程中,机器人1的驱动轮A受到摩擦力f11的推动作用,并且地毯纤维施加给机器人1的驱动轮A向内作用力F11,使得机器人1受到摩擦力f11和向内作用力F11的合力F12作用而在运动过程中偏离箭头方向C;如图3所示,右侧的机器人2朝着箭头方向C运动过程中,机器人2的驱动轮B受到摩擦力f21的推动作用,并且地毯纤维施加给机器人2的驱动轮B向外作用力F21,使得机器人2受到摩擦力f21和向内作用力F21的合力F22作用而在运动过程中偏离箭头方向C。因此,在机器人通过地毯时,位置估计误差可能会随时间累积,机器人可能无法建立准确的环境地图或者可能无法有效、准确和/或安全地航行于环境中,从而不能用于执行任务例如真空除尘。
一般业界会考虑使用光流传感器来消除地毯的影响。虽然光流传感器保证了机器人的位置准确性,但是不能保证机器人运动规律性跟消除地毯的方向各异性的影响。
发明内容
为了解决上述问题,本发明提供一种机器人运动地毯偏移方向和幅度的识别方法、芯片及清洁机器人,其技术方案如下:
一种机器人运动的地毯偏移的识别方法,机器人在地毯表面从初始位置开始作直线运动,其中,机器人感测的坐标都需要转换到全局坐标系下,该识别方法包括:步骤S1、确定机器人在地毯表面上作直线运动的一个预设方向,该预设方向为全局坐标系的预设坐标轴正方向,同时记录机器人的初始位置坐标和初始时刻,并进入步骤S2;步骤S2、每间隔第一预设时间将光流传感器感测的数据和同一时间内码盘感测的数据进行融合计算,得到机器人的当前位置坐标,对应地毯上机器人的驱动轮前进的实际路程,并进入步骤S3;步骤S3、根据机器人当前位置坐标与初始位置坐标的相对位置关系,计算机器人当前运动方向相对于所述预设方向的偏移量,再进行累加得到偏移统计值,然后进入步骤S4;其中偏移量为机器人当前位置与所述预设方向所在直线的垂直距离;步骤S4、判断记录得到的当前时刻与所述初始时刻的差值是否大于第二预设时间,是则进入步骤S5,否则返回步骤S2;步骤S5、基于第一预设时间的感测数据的时间间隔,计算第二预设时间内机器人的位置坐标的采集次数,然后使用所述偏移统计值对采集次数求平均得到偏移平均值,作为地毯偏移量,并进入步骤S6;步骤S6、根据所述偏移平均值确定机器人当前运动方向偏离所述预设方向的状态,其中,所述偏移平均值的正负与所述全局坐标系上机器人偏离的坐标轴方向相关,所述偏移平均值的数值大小确定机器人当前运动方向偏离所述预设方向的幅度;其中,所述偏移量、所述偏移统计值和所述采集次数在所述初始时刻都初始化为零;第一预设时间是每次融合计算的时间;第二预设时间是确定机器人发生地毯偏移的检测时间;机器人的初始位置和当前位置坐标都是全局坐标。
进一步地,还包括机器人根据陀螺仪的角度变化来判断其在地毯表面的偏移角度及方向,即所述当前位置坐标与所述初始位置坐标的测得的角度差。
进一步地,所述步骤S2中,所述融合计算过程包括:当光流传感器的感测数据可靠时,先将光流传感器在每个所述第一预设时间内获取的图像位移量转化为与码盘相同量纲的位移量,然后在时间维度上对光流传感器的感测数据进行累加积分,得出光流传感器相对于其起始位置的光流偏移位置坐标;然后根据光流传感器与机器人中心的刚性连接关系将光流偏移位置坐标平移换算得到当前位置下的机器中心坐标,即机器人的当前位置坐标,对应地毯上机器人的驱动轮前进的实际路程;当光流传感器的感测数据不可靠时,将码盘在每个所述第一预设时间内感测的脉冲数据在时间维度上进行积分计算,并将计算结果更新所述机器中心坐标,从而得到机器人的当前位置坐标,对应地毯上机器人的驱动轮前进的实际路程;同时根据光流传感器与机器人中心的刚性连接关系将所述机器中心坐标平移换算,并将平移换算的坐标更新所述光流偏移位置坐标;其中,光流传感器的感测数据的可靠性由光流传感器内置算法的中断信号判断得出,当光流传感器输出的中断信号为高电平,则光流传感器的感测数据可靠,当光流传感器输出的中断信号为低电平,则光流传感器的感测数据不可靠。
进一步地,所述刚性连接关系是光流传感器的光流坐标系和机器人中心的机器坐标系的相对位置关系,包括光流传感器的位置与机器人中心位置的距离大小、光流传感器的位置与机器人中心位置的连线与机器坐标系的预设坐标轴的夹角;其中,机器坐标系的预设坐标轴正方向为机器人当前运动方向;机器坐标系的预设坐标轴正方向与全局坐标系的预设坐标轴正方向的夹角是基于陀螺仪检测数值计算得到,作为机器人当前位置相对于所述预设方向的偏离角度。
进一步地,所述步骤S5中,所述采集次数是所述第二预设时间与所述第一预设时间的比值。
一种芯片,用于存储程序,所述程序用于控制机器人执行所述识别方法。
一种清洁机器人,该清洁机器人是一种用于清扫地毯表面的机器人,所述清洁机器人内置所述芯片。
与现有技术相比,本发明先将码盘和光流传感器的数据融合计算得到可靠性较高的相对偏移坐标数据,通过在预定时间间隔内累加偏移量求平均值来完成对地毯偏移的识别过程,提高机器人对地毯偏移识别的准确度,减小传感器的偏离误差影响。
附图说明
图1为本发明实施例中机器人的结构模型示意图;
图2为本发明实施例中当前位置下机器人坐标系、光流坐标系和全局坐标系的分布示意图;
图3为本发明实施例中机器人的驱动轮在地毯表面的受力分析的俯视图的示意图;
图4为本发明实施例中机器人坐标系和光流坐标系转换示意图;
图5为本发明实施例提供的一种机器人运动的地毯偏移的识别方法的流程图;
图6为本发明实施例提供的光流传感器和码盘的感测数据融合计算方法的流程图。
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详细描述。应当理解,下面所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
在发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“坚直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对发明的限制。
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。
描述了用于估计偏移例如地毯偏移的方法和***。本发明实施例在用于估计扫地机器人所经历的地毯偏移的***或方法的背景下描述示例性实施方式,但所述示例性实施方式将适用于其他类型的设备,例如能够通过地毯表面的移动机器人设备。要理解的是,术语地毯包括可能具有纹理或绒毛的垫子和其他地板覆盖物。由于地毯纹理作用于移动对象而引起的地毯的方向依赖力可能会影响对象的运动。
本发明实施例提供的机器人载体上装有陀螺仪用于转动角度的检测、里程计用于行程距离的检测,并且装有能够检测墙面距离的传感器,检测墙面距离的传感器可以是超声波距离传感器、红外强度检测传感器、红外距离传感器、物理开关检测碰撞传感器、电容或者电阻变化检测传感器等,所述机器人载体上还装设有检测机器人相对位移坐标的光流传感器。本发明的移动机器人如图1所示,图1并不代表本发明的机器人的真实结构跟外观,只代表本发明的一个示意图,光流传感器放在机器人底座上(可以是底座上任意位置)。图1中,移动机器人的底座4用于固定放置控制机器人前进方向的左驱动轮11和右驱动轮12;陀螺仪3可以放置在机器人的控制主板2内任意位置,控制主板2内可以包括一个或更多陀螺仪用于感测机器人的转动;控制主板2能够处理相关传感器的参数,并能够输出控制信号到机器人的执行部件。光流模块7也可以装设在移动机器人的底座4上任意位置,所述移动机器人还有万向轮6。其中左驱动轮11和右驱动轮12都装***盘,用于检测相应轮子转动的速度;光流模块7上装设的光流传感器的镜头朝向平行于地面,光流模块7上还带有发光LED,发光LED可以根据环境光的亮度自动关闭或者打开,当地面的亮度比较低时,就打开LED灯,当环境光的亮度比较高时,就关闭LED灯。
要理解的是,当机器人沿地毯纹理的方向移动时,机器人可以行进比基于驱动轮所装有的码盘转动所确定的距离长的距离。另一方面,当机器人逆地毯纹理在竖立的纤维上行进时,机器人可以行进比基于驱动轮所装***盘转动所确定的距离短的距离。在这两种情况下,机器人所行进的实际距离可能与由码盘测量的距离不同。由于机器人驱动轮在地毯上运动时打滑影响较大,不一定需要装设码盘,其是可选择的惯性传感器;因此,在机器人通过地毯时,位置估计误差可能会随时间累积。因此,机器人可能无法建立准确的环境地图或者可能无法有效、准确和/或安全地航行于环境中,从而不能用于执行任务,例如真空除尘。
本发明实施例提供一种机器人运动的地毯偏移的识别方法,该识别方法应用于机器人在地毯表面运动过程,如图5所示,该识别方法包括:
步骤S501、当控制主板2检测机器人到在地毯表面运动后,控制机器人在地毯表面沿预设方向作直线运动,其中预设方向为全局坐标系YOX的X轴或Y轴的正方向,同时启动记录时间、机器人的位置坐标,从而获取机器人的初始位置坐标和初始时刻。在本发明实施例中,控制机器人沿着全局坐标系YOX的X轴正方向作直线运动,X轴正方向为机器人期望位移方向。在运动过程中由于地毯纹理方向等作用力而导致地毯偏移现象,故需不断更新位置坐标和记录的时间变量,并进入步骤S502。
步骤S502、根据第一预设时间内传感器融合计算得到机器人的当前位置坐标,每间隔第一预设时间将光流传感器感测的数据和同一时间内码盘感测的数据进行融合计算,得到机器人的当前位置坐标,即机器人中心坐标,对应地毯上机器人的驱动轮前进的实际路程,并进入步骤S503。在本发明实施例中,所述第一预设时间优选地设置为10ms,作为传感器感测每一个数据的时间间隔。具体地,机器人沿着X轴正方向在地毯表面运动过程中,将光流传感器每个10ms内的感测数据在时间维度上进行积分计算,再从光流坐标系转换到机器坐标系得到机器人中心坐标,对应机器人中心所在的全局坐标位置RO;将码盘每个10ms内的感测数据在时间维度上进行积分计算,再从机器坐标系转换到光流坐标系得到光流偏移位置坐标,即光流传感器的偏移坐标。
步骤S503、根据机器人当前位置坐标与初始位置坐标的相对位置关系,计算机器人当前运动方向相对于所述预设方向的偏移量,再进行累加得到偏移统计值,然后进入步骤S504;其中偏移量为机器人当前位置与所述预设方向所在直线的垂直距离。由于地毯的作用力导致机器人发生转动,因此,如图4所示机器人实际位移方向OR0偏离期望位移方向OM,则当前位置坐标相对于期望的X轴正方向的偏移量为yr-y0。然后对上述计算得到的多组偏移量进行累加得到偏移统计值。
步骤S504、判断记录得到的当前时刻与所述初始时刻的差值是否大于第二预设时间,是则进入步骤S505,否则返回步骤S502。在本发明实施例中,第二预设时间优选地设置为500ms,作为检测机器人发生地毯偏移所耗费的时间。在所述第二预设时间内,机器人的左驱动轮11和右驱动轮12在地毯表面所受到的作用力方向会因地毯纹理作用而改变,使得地毯偏移方向在所述第二预设时间内会不断发生变化,所述偏移量在正负值之间变化,故需要采集多组偏移量进行累加求和再进行判断所述第二预设时间内机器人准确的地毯偏移方向。其中,所述第二预设时间是确定机器人发生地毯偏移的检测时间。
步骤S505、根据所述第二预设时间计算所述第一预设时间内机器人的位置坐标的采集次数,然后使用所述偏移统计值对采集次数求平均得到偏移平均值,作为地毯偏移量,并进入步骤S506;在本发明实施例中,所述第二预设时间优选地设置为500ms,所述第一预设时间优选地设置为10ms,故所述第二预设时间内机器人的位置坐标的采集次数为50次,然后对50次累加得到的所述偏移统计值求平均值,从而得到偏移平均值,作为地毯偏移量。由于机器在地毯表面偏移方向和幅度不稳定,故本发明实施例对10ms时间间隔内获取的位置坐标进行50次采样,并累加处理以得到500ms内的一个确定的地毯偏移量,提高所述识别方法的鲁棒性;进一步地,由于求取地毯偏移量使用所述光流传感器的光流坐标数据及50次的统计值,可能存在误差变量的干扰,故为提高所述识别方法的检测精度,需进一步地对所述偏移统计值求平均值,整个数据运算处理比较简易,并容易得到较为准确的地毯偏移量。
步骤S506、根据所述偏移平均值确定机器人当前运动方向偏离所述预设方向的程度,相应地,所述偏移平均值的正负与所述全局坐标系上机器人偏离的坐标轴方向相关,所述偏移平均值的数值大小确定机器人当前运动方向偏离所述预设方向的幅度。
作为一种实施例,机器人还根据陀螺仪的角度变化来判断其在地毯表面的偏移角度及方向,即机器人在所述当前位置坐标与所述初始位置坐标处陀螺仪测得的角度差。在本发明实施例中,如图3所示,当所述偏移平均值为正数,则确定机器人往全局坐标系的Y轴正方向偏移,偏移幅度大小为所述偏移平均值,再结合陀螺仪测量得到的角度变化可知机器人偏移往全局坐标系的Y轴正方向偏移的角度大小,从而确定机器人受到的地毯作用力的合力矢量值;当所述偏移平均值为负数,则确定机器人往全局坐标系的Y轴负方向偏移,偏移幅度大小为所述偏移平均值的绝对值,再结合陀螺仪测量得到的角度变化可知机器人偏移往全局坐标系的Y轴负方向偏移的角度大小,从而确定机器人受到的地毯作用力的合力矢量值。如果所述期望位移方向是所述全局坐标系的X轴正方向时,所述偏移平均值的正负与所述全局坐标系上机器人偏离的坐标轴方向相关。
需要说明的是,如果机器人初始位姿、环境及目标已知,导航问题转化为全局路径规划问题,故机器人的码盘和光流传感器感测的坐标都需要转换到全局坐标系下再进行融合计算,并且最终得到的机器人的当前位置坐标为全局坐标系下的位置坐标。
具体地,所述偏移量、所述偏移统计值和所述采集次数在所述初始时刻都初始化为零。第一预设时间是完成一次融合计算的更新时间;第二预设时间是确定机器人发生地毯偏移的检测时间;机器人的初始位置和当前位置坐标都是全局坐标。
具体地,机器人坐标系、光流坐标系和全局坐标系的分布示意图如图2所示,机器人坐标系是以当前位置下机器人中心RO为原点,对应当前位置下机器人前进方向为R_X轴正方向的坐标系,机器人坐标系还包括垂直于R_X轴方向的R_Y轴;机器人坐标系中心R0对应于放置在机器人中心的控制主板2中心位置的陀螺仪3。全局坐标系是以机器人初始位置为原点、以机器人从初始位置出发的前进方向为X轴正方向、以垂直于X轴方向为Y轴的坐标系;光流坐标系为像素坐标系,与机器人坐标系和全局坐标系的单位不同,是以光流模块7的中心位置PO为原点、相互垂直的P_X轴和P_Y轴为坐标轴的坐标系。上述三个坐标系都遵从右手定则;其中机器人坐标系和光流坐标系都是相对坐标系,其原点随着机器人当前位置的变化而变化。在所述全局坐标系中,Y轴左侧为第一象限,逆时针旋转依次为第二象限,第三象限,第四象限,其中所述机器人运动方向偏离所述预设方向的角度的绝对值保持设定为。
具体地,光流模块7上光流传感器通过一定速率连续采集物体表面图像,再由机器人的控制主板2对所产生的图像像素点进行分析。由于相邻的两幅图像总会存在相同的特征,所以通过对比这些特征点的位置变化信息,便可以判断出物体表面特征的平均运动;然后根据同一像素点灰度不变原则及同一图像区域内像素点速度相同原则,建立光流场方程并求解得到像素点的运动速度,然后进行积分计算,从而利用所述光流传感器获取的图像特征信息积分计算出机器人在所述第一预设时间内获取的图像位移量,而图像位移量为光流坐标系下的数值,其单位需转换为里程距离单位,故把图像位移量转化为与码盘相同量纲的位移量。
作为本发明实施例,光流传感器与机器人中心的刚性连接关系是光流传感器的光流坐标系和机器人中心的机器坐标系的相对位置关系,包括光流传感器的位置与机器人中心位置的距离大小、光流传感器的位置与机器人中心位置的连线与机器坐标系的预设坐标轴的夹角;其中,机器坐标系的预设坐标轴正方向为机器人当前运动方向;机器坐标系的预设坐标轴正方向与全局坐标系的预设坐标轴正方向的夹角是基于陀螺仪检测数值计算得到,作为机器人当前位置相对于所述预设方向的偏离角度。如图2和图4所示,机器人坐标系的原点RO与光流坐标系的原点PO的相对位置关系是所述光流传感器与所述惯性传感器的刚体连接关系,包括机器人坐标系的原点RO与光流坐标系的原点PO的距离L,以及线段PORO与机器人坐标系的R_X轴所在直线的夹角绝对值为 ,机器人坐标系与光流坐标系的相对位置关系在机器人运动过程中保持不变以形成所述刚体连接关系,机器人坐标系的原点RO的实际位置对应于放置于机器人中心位置的陀螺仪3,光流坐标系的原点PO的实际位置对应于光流模块7。
如图4所示,基于上述刚性连接关系的坐标系转换方法:机器人中心位置R0处于全局坐标系的第四象限内,光流模块7上的光流传感器感测到光流坐标系下的坐标,转换到全局坐标系得到所述第一预测位置坐标PO(xp4,yp4),位于全局坐标系的第四象限内,即机器人当前运动方向往Y轴负方向偏离X轴正方向的角度为 ,该角度是机器人受地毯的作用力引起的固定偏移角度,可由陀螺仪3感测到机器人转动角度为 。根据三角函数关系式将所述第一预测位置坐标按照所述刚体连接关系平移换算得到机器人中心所在位置下得到第二预测位置坐标,即机器人中心在全局坐标系下的当前位置坐标RO(xr4,yr4),可以由第四象限的示例性公式近似表示:
上述公式适用的具体实施例为:陀螺仪3位于机器人中心,光流模块7位于机器人中心的右下方。光流传感器测量得到的光流坐标偏移量经过前述坐标系转换方法得到机器人中心在全局坐标系下的当前位置坐标为RO(xr4,yr4),其机体重心偏离运动期望位置 (xr4,0)的角度为 。
需要说明的是,机器人中心位置还包括处于全局坐标系的第一象限、第二象限和第三象限的实施例。在这些实施例中,陀螺仪3位于机器人中心,光流模块7位于机器人中心的右下方,机器人的期望位移方向为X轴正方向,即所述预设方向为X轴正方向。
机器人中心位置R1处于全局坐标系的第一象限内的实施例:所述第一预测位置坐标 P1(xp1,yp1),根据三角函数关系式将所述第一预测位置坐标按照所述刚体连接关系平移换算得到机器人中心所在位置下得到第二预测位置坐标,即机器人中心在全局坐标系第一象限内的当前位置坐标 R1(xr1,yr1),在所述第四象限的基础上,由三角函数关系式近似表示:
机器人中心位置R2处于全局坐标系的第二象限内的实施例:所述第一预测位置坐标P2(xp2,yp2),根据三角函数关系式将所述第一预测位置坐标按照所述刚体连接关系平移换算得到机器人中心所在位置下得到第二预测位置坐标,即机器人中心在全局坐标系第二象限内的当前位置坐标 R2(xr2,yr2),可以由以下示例性公式近似表示:
机器人中心位置R3处于全局坐标系的第三象限内的实施例,所述第一预测位置坐标P3(xp3,yp3),根据三角函数关系式将所述第一预测位置坐标按照所述刚体连接关系平移换算得到机器人中心所在位置下得到第二预测位置坐标,即机器人中心在全局坐标系第三象限内的当前位置坐标R3(xr3,yr3),可以由以下示例性公式近似表示:
另外,如果机器人的期望位移方向不是X轴正方向,即所述预设方向不是X轴正方向,或者,光流模块7不位于机器人中心的右下方,则按照由第四象限的示例性公式的思路,并结合相应的三角函数关系计算得出机器人的中心位置坐标,它们的坐标系转换方法的发明构思是相同的,故在这里不再赘述上述期望位移方向和光流模块7的位置的其他实施例。
作为本发明实施例,由于光流传感器提高机器人的位置准确性,但光流传感器的感测数据不一定可靠,故需要借助码盘数据进行所述融合计算,具体地,当光流传感器输出的中断信号为高电平,则光流传感器的感测数据可靠;当光流传感器输出的中断信号为低电平,则光流传感器的感测数据不可靠;其中,所述中断信号为光流传感器内置算法处理感测数据而得到的结果,为现有技术手段,故不再赘述。
所述步骤S502中的融合计算包括,如图6所示:
步骤S601:码盘感测脉冲数据,同时光流传感器感测光流数据,然后进入步骤S602。
步骤S602:判断光流传感器的感测数据是否可靠,是则进入步骤S603,否则进入步骤S606。
步骤S603:将光流传感器在每个所述第一预设时间内获取的图像位移量转化为与码盘相同量纲的位移量,具体地,使用所述光流数据更新地图坐标时,将所述码盘的单个脉冲周期内所测量的距离数值与所述光流传感器在相同脉冲周期内的相对坐标的偏移量数值的比值作为单位换算系数,再将所述光流数据乘上该单位换算系数,得到单位统一后的数值。然后将每个所述第一预设时间内光流传感器的感测数据进行累加实现时间维度上的积分计算,从而得出光流传感器相对于其起始位置的光流偏移位置坐标,即对应光流传感器当前输出的测量结果。然后进入步骤S604。
步骤S604:根据光流传感器与机器人中心的刚性连接关系所揭示的前述示例性公式,即根据机器人坐标系与光流坐标系的距离角度关系构建的三角几何关系,将所述光流偏移位置坐标按照前述坐标系转换方法进行平移换算,得到机器人位置坐标,对应地毯上机器人的驱动轮前进的实际路程,然后进入步骤S605;
步骤S605:步骤S604得到的机器人位置坐标更新码盘当前输出的坐标数据。然后返回步骤S601。相对于未融合处理前码盘输出的测量结果,该步骤融合计算的结果更加可靠稳定。
步骤S606:对码盘感测的脉冲数据进行时间维度积分,从而得到所述机器人中心坐标,该坐标数据会在下一次进入步骤S605中被所述机器人位置坐标更新。然后进入步骤S607。由于码盘通过每秒产生的脉冲个数来记录机器人的运动速度,所以将码盘在每个所述第一预设时间内感测的脉冲数据在时间维度上进行积分计算,得到机器人的当前位置坐标,对应地毯上机器人的驱动轮前进的实际路程。
步骤S607:将步骤S606中所述积分计算的结果更新码盘当前输出的坐标数据。然后进入步骤S608。在更新步骤S604中所述机器中心坐标之前,由于步骤S604中所述机器中心坐标可以是光流传感器的感测数据可靠的阶段所感测数据积分转换的结果(光流传感器在感测数据可靠的阶段所输出的测量结果),所以所述的更新操作保证测得的机器人的位置坐标的准确性。同时根据光流传感器与机器人中心的刚性连接关系所揭示的前述示例性公式的逆运算公式,即根据机器人坐标系与光流坐标系的距离角度关系构建的三角几何关系,将所述机器中心坐标按照前述坐标系转换方法进行逆换算,得到光流传感器当前的偏移位置坐标。
步骤S608:将步骤S607中得到的光流传感器的偏移坐标更新光流传感器当前输出的坐标数据。然后返回步骤S601。由于所述光流偏移位置坐标可以是光流传感器的感测数据进行累加实现时间维度上的积分计算结果,但由于存在光流传感器的感测数据不可靠的情况,所以需将步骤S606中码盘感测的脉冲数据积分得到的所述机器中心坐标进行平移换算,并将平移换算的结果更新步骤S603中计算得到的所述光流偏移位置坐标,以提高光流传感器的感测数据可靠时光流传感器的感测数据积分运算的准确性。
本发明实施例通过内置的光流传感器与码盘实时感测的数据进行可靠性判断,然后根据传感器可靠性判断的结果选择其中一种传感器的感测数据转换到光流坐标系下进行积分运算以求得更为准确的地毯上机器人的驱动轮前进的实际路程,减小地毯偏移所带来的作用力效果的误差。
一种芯片,用于存储程序,所述程序用于控制机器人执行所述识别方法,,以实现机器人在地毯表面上的智能化清扫,提高清扫效率。所述芯片通过光流传感器、陀螺仪和码盘来确定待行走的直线的初始位置信息(X1,Y1,θ1)和机器人行走过程中具体的当前位置信息(X2,Y2,θ2),再由初始位置信息中的角度θ1与当前位置信息中的角度θ2的差值以及当前位置偏离所述预设方向所在的直线的垂直距离,来判断机器人的行走是否偏离了所述直线。
装配所述芯片作为控制芯片的机器人,仅需要借助光流传感器和码盘的检测数据,就可以判断机器人行走是否出现偏差,并根据偏差的数值可以有效地控制机器人纠正偏差,从而保持较好的直线行走效果,成本相对较低。同时,关于偏差的检测和纠正的相关数据比较简明,数据运算处理也比较简易,不需要高性能的处理器,进一步减小了***运算资源和机器人的硬件成本。
以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种机器人运动的地毯偏移的识别方法,机器人在地毯表面从初始位置开始作直线运动,其中,机器人感测的坐标都需要转换到全局坐标系下,其特征在于,该识别方法包括:
步骤S1、确定机器人在地毯表面上作直线运动的一个预设方向,该预设方向为全局坐标系的预设坐标轴正方向,同时记录机器人的初始位置坐标和初始时刻,并进入步骤S2;
步骤S2、每间隔第一预设时间将光流传感器感测的数据和同一时间内码盘感测的数据进行融合计算,得到机器人的当前位置坐标,对应地毯上机器人的驱动轮前进的实际路程,并进入步骤S3;
步骤S3、根据机器人当前位置坐标与初始位置坐标的相对位置关系,计算机器人当前运动方向相对于所述预设方向的偏移量,再进行累加得到偏移统计值,然后进入步骤S4;其中偏移量为机器人当前位置与所述预设方向所在直线的垂直距离;
步骤S4、判断记录得到的当前时刻与所述初始时刻的差值是否大于第二预设时间,是则进入步骤S5,否则返回步骤S2;
步骤S5、基于第一预设时间的感测数据的时间间隔,计算第二预设时间内机器人的位置坐标的采集次数,然后使用所述偏移统计值对采集次数求平均得到偏移平均值,作为地毯偏移量,并进入步骤S6;
步骤S6、根据所述偏移平均值确定机器人当前运动方向偏离所述预设方向的状态,其中,所述偏移平均值的正负与所述全局坐标系上机器人偏离的坐标轴方向相关,所述偏移平均值的数值大小确定机器人当前运动方向偏离所述预设方向的幅度;
其中,所述偏移量、所述偏移统计值和所述采集次数在所述初始时刻都初始化为零;第一预设时间是每次融合计算的时间;第二预设时间是确定机器人发生地毯偏移的检测时间;机器人的初始位置和当前位置坐标都是全局坐标。
2.根据权利要求1所述识别方法,其特征在于,还包括机器人根据陀螺仪的角度变化来判断其在地毯表面的偏移角度及方向,即所述当前位置坐标与所述初始位置坐标的测得的角度差。
3.根据权利要求1所述识别方法,其特征在于,所述步骤S2中,所述融合计算过程包括:
当光流传感器的感测数据可靠时,先将光流传感器在每个所述第一预设时间内获取的图像位移量转化为与码盘相同量纲的位移量,然后在时间维度上对光流传感器的感测数据进行累加积分,得出光流传感器相对于其起始位置的光流偏移位置坐标;然后根据光流传感器与机器人中心的刚性连接关系将光流偏移位置坐标平移换算得到当前位置下的机器中心坐标,即机器人的当前位置坐标,对应地毯上机器人的驱动轮前进的实际路程;
当光流传感器的感测数据不可靠时,将码盘在每个所述第一预设时间内感测的脉冲数据在时间维度上进行积分计算,并将计算结果更新所述机器中心坐标,从而得到机器人的当前位置坐标,对应地毯上机器人的驱动轮前进的实际路程;同时根据光流传感器与机器人中心的刚性连接关系将所述机器中心坐标平移换算,并将平移换算的坐标更新所述光流偏移位置坐标;
其中,光流传感器的感测数据的可靠性由光流传感器内置算法的中断信号判断得出,当光流传感器输出的中断信号为高电平,则光流传感器的感测数据可靠,当光流传感器输出的中断信号为低电平,则光流传感器的感测数据不可靠。
4.根据权利要求3所述识别方法,其特征在于,所述刚性连接关系是光流传感器的光流坐标系和机器人中心的机器坐标系的相对位置关系,包括光流传感器的位置与机器人中心位置的距离大小、光流传感器的位置与机器人中心位置的连线与机器坐标系的预设坐标轴的夹角;其中,机器坐标系的预设坐标轴正方向为机器人当前运动方向;机器坐标系的预设坐标轴正方向与全局坐标系的预设坐标轴正方向的夹角是基于陀螺仪检测数值计算得到,作为机器人当前位置相对于所述预设方向的偏离角度。
5.根据权利要求1所述识别方法,其特征在于,所述步骤S5中,所述采集次数是所述第二预设时间与所述第一预设时间的比值。
6.一种芯片,用于存储程序,其特征在于,所述程序用于控制机器人执行权利要求1至权利要求5任一项所述识别方法。
7.一种清洁机器人,该清洁机器人是一种用于清扫地毯表面的机器人,其特征在于,所述清洁机器人内置权利要求6所述芯片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811240369.4A CN109358623A (zh) | 2018-10-23 | 2018-10-23 | 一种机器人运动地毯偏移的识别方法、芯片及清洁机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811240369.4A CN109358623A (zh) | 2018-10-23 | 2018-10-23 | 一种机器人运动地毯偏移的识别方法、芯片及清洁机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109358623A true CN109358623A (zh) | 2019-02-19 |
Family
ID=65346268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811240369.4A Pending CN109358623A (zh) | 2018-10-23 | 2018-10-23 | 一种机器人运动地毯偏移的识别方法、芯片及清洁机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109358623A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110723484A (zh) * | 2019-09-26 | 2020-01-24 | 兰剑智能科技股份有限公司 | 穿梭车行走自动纠偏方法、装置、计算机设备及存储介质 |
CN111089595A (zh) * | 2019-12-30 | 2020-05-01 | 珠海市一微半导体有限公司 | 一种机器人的检测数据融合方法和主控芯片及机器人 |
CN112336258A (zh) * | 2019-08-09 | 2021-02-09 | 松下知识产权经营株式会社 | 移动机器人、控制方法以及存储介质 |
CN113625658A (zh) * | 2021-08-17 | 2021-11-09 | 杭州飞钛航空智能装备有限公司 | 偏移信息处理方法、装置、电子设备和制孔机构 |
CN114355920A (zh) * | 2021-12-27 | 2022-04-15 | 深圳市银星智能科技股份有限公司 | 行进方向的控制方法、装置、智能设备及存储介质 |
CN114641229A (zh) * | 2019-08-26 | 2022-06-17 | 苏州宝时得电动工具有限公司 | 清洁机器人及其控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314176A (zh) * | 2010-07-01 | 2012-01-11 | 德国福维克控股公司 | 自动行驶装置及其定向方法 |
WO2015162812A1 (ja) * | 2014-04-21 | 2015-10-29 | シャープ株式会社 | 路面検出センサおよび該路面検出センサを備えた自律走行装置 |
CN105717924A (zh) * | 2012-06-08 | 2016-06-29 | 艾罗伯特公司 | 使用差动传感器或视觉测量的地毯偏移估计 |
CN105973240A (zh) * | 2016-07-15 | 2016-09-28 | 哈尔滨工大服务机器人有限公司 | 一种导航模块坐标系与机器人坐标系的转换方法 |
CN107728616A (zh) * | 2017-09-27 | 2018-02-23 | 广东宝乐机器人股份有限公司 | 移动机器人的地图创建方法及移动机器人 |
CN108638053A (zh) * | 2018-04-03 | 2018-10-12 | 珠海市微半导体有限公司 | 一种机器人打滑的检测方法及其矫正方法 |
-
2018
- 2018-10-23 CN CN201811240369.4A patent/CN109358623A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314176A (zh) * | 2010-07-01 | 2012-01-11 | 德国福维克控股公司 | 自动行驶装置及其定向方法 |
CN105717924A (zh) * | 2012-06-08 | 2016-06-29 | 艾罗伯特公司 | 使用差动传感器或视觉测量的地毯偏移估计 |
WO2015162812A1 (ja) * | 2014-04-21 | 2015-10-29 | シャープ株式会社 | 路面検出センサおよび該路面検出センサを備えた自律走行装置 |
CN105973240A (zh) * | 2016-07-15 | 2016-09-28 | 哈尔滨工大服务机器人有限公司 | 一种导航模块坐标系与机器人坐标系的转换方法 |
CN107728616A (zh) * | 2017-09-27 | 2018-02-23 | 广东宝乐机器人股份有限公司 | 移动机器人的地图创建方法及移动机器人 |
CN108638053A (zh) * | 2018-04-03 | 2018-10-12 | 珠海市微半导体有限公司 | 一种机器人打滑的检测方法及其矫正方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112336258A (zh) * | 2019-08-09 | 2021-02-09 | 松下知识产权经营株式会社 | 移动机器人、控制方法以及存储介质 |
US11630463B2 (en) | 2019-08-09 | 2023-04-18 | Panasonic Intellectual Property Management Co., Ltd. | Mobile robot, control method, and storage medium |
CN112336258B (zh) * | 2019-08-09 | 2023-12-15 | 松下知识产权经营株式会社 | 移动机器人、控制方法以及存储介质 |
CN114641229A (zh) * | 2019-08-26 | 2022-06-17 | 苏州宝时得电动工具有限公司 | 清洁机器人及其控制方法 |
CN110723484A (zh) * | 2019-09-26 | 2020-01-24 | 兰剑智能科技股份有限公司 | 穿梭车行走自动纠偏方法、装置、计算机设备及存储介质 |
CN111089595A (zh) * | 2019-12-30 | 2020-05-01 | 珠海市一微半导体有限公司 | 一种机器人的检测数据融合方法和主控芯片及机器人 |
CN113625658A (zh) * | 2021-08-17 | 2021-11-09 | 杭州飞钛航空智能装备有限公司 | 偏移信息处理方法、装置、电子设备和制孔机构 |
CN113625658B (zh) * | 2021-08-17 | 2022-12-06 | 杭州飞钛航空智能装备有限公司 | 偏移信息处理方法、装置、电子设备和制孔机构 |
CN114355920A (zh) * | 2021-12-27 | 2022-04-15 | 深圳市银星智能科技股份有限公司 | 行进方向的控制方法、装置、智能设备及存储介质 |
CN114355920B (zh) * | 2021-12-27 | 2024-02-02 | 深圳银星智能集团股份有限公司 | 行进方向的控制方法、装置、智能设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109394095A (zh) | 一种机器人运动地毯偏移的控制方法、芯片及清洁机器人 | |
CN109358623A (zh) | 一种机器人运动地毯偏移的识别方法、芯片及清洁机器人 | |
US11960304B2 (en) | Localization and mapping using physical features | |
Campbell et al. | A robust visual odometry and precipice detection system using consumer-grade monocular vision | |
CN104302453B (zh) | 使用差动传感器或视觉测量的地毯偏移估计 | |
Burschka et al. | Vision-based control of mobile robots | |
Lingemann et al. | High-speed laser localization for mobile robots | |
CN109506652A (zh) | 一种基于地毯偏移的光流数据融合方法及清洁机器人 | |
US9020637B2 (en) | Simultaneous localization and mapping for a mobile robot | |
US9037396B2 (en) | Simultaneous localization and mapping for a mobile robot | |
KR101338143B1 (ko) | 이동 로봇의 슬립 감지 장치 및 방법 | |
CN105953796A (zh) | 智能手机单目和imu融合的稳定运动跟踪方法和装置 | |
Wulf et al. | Benchmarking urban six‐degree‐of‐freedom simultaneous localization and mapping | |
CN108481327A (zh) | 一种增强视觉的定位装置、定位方法及机器人 | |
US20230278214A1 (en) | Robot localization using variance sampling | |
Johnson | Vision-assisted control of a hovering air vehicle in an indoor setting | |
Brooks et al. | Humanoid robot navigation and obstacle avoidance in unknown environments | |
Jesus et al. | Simultaneous localization and mapping for tracked wheel robots combining monocular and stereo vision | |
Rybski et al. | Appearance-based mapping using minimalistic sensor models | |
Zhang et al. | Plane-aided visual-inertial odometry for pose estimation of a 3d camera based in-door blind navigation | |
Basit et al. | Joint localization and target tracking with a monocular camera | |
Bais et al. | Location tracker for a mobile robot | |
Zhu et al. | Indoor Robot Localization Based on Visual Perception and on Particle Filter Algorithm of Increasing Priority Particles | |
Khattak | Multi-Modal Landmark Detection and Tracking for Odometry Estimation in Degraded Visual Environments | |
Jordan | Visual Odometry and Traversability Analysis for Wheeled Robots in Complex Environments |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 519000 2706, No. 3000, Huandao East Road, Hengqin new area, Zhuhai, Guangdong Applicant after: Zhuhai Yiwei Semiconductor Co.,Ltd. Address before: Room 105-514, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province Applicant before: AMICRO SEMICONDUCTOR Co.,Ltd. |