CN110850859B - 一种机器人及其避障方法和避障*** - Google Patents

一种机器人及其避障方法和避障*** Download PDF

Info

Publication number
CN110850859B
CN110850859B CN201810863769.4A CN201810863769A CN110850859B CN 110850859 B CN110850859 B CN 110850859B CN 201810863769 A CN201810863769 A CN 201810863769A CN 110850859 B CN110850859 B CN 110850859B
Authority
CN
China
Prior art keywords
robot
detection
detection data
data
value
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
Application number
CN201810863769.4A
Other languages
English (en)
Other versions
CN110850859A (zh
Inventor
熊友军
聂鹏
胡旭
张木森
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.)
Ubtech Robotics Corp
Original Assignee
Ubtech Robotics Corp
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 Ubtech Robotics Corp filed Critical Ubtech Robotics Corp
Priority to CN201810863769.4A priority Critical patent/CN110850859B/zh
Priority to US16/236,524 priority patent/US10996678B2/en
Publication of CN110850859A publication Critical patent/CN110850859A/zh
Application granted granted Critical
Publication of CN110850859B publication Critical patent/CN110850859B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • 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
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • 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
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours

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 Networks & Wireless Communication (AREA)
  • Optics & Photonics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明适用于机器人技术领域，提供了一种机器人及其避障方法和避障***，所述机器人包括用于测距的若干传感器，所述避障方法包括：获取所述传感器当前采集的检测数据；根据所述当前采集的检测数据，获取所述机器人的当前位置；判断是否已存储与所述当前位置对应的历史检测数据；当已存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据和所述历史检测数据规划所述机器人的运行路径，并生成运行路径信息；根据所述运行路径信息，控制所述机器人沿避开障碍物的路径运行。本发明实施例可以有效突破传感器技术的限制，减少探测盲区，有效提高机器人的避障效率和避障成功率。

Description

一种机器人及其避障方法和避障***
技术领域
本发明属于机器人技术领域，尤其涉及一种机器人及其避障方法和避障***。
背景技术
随着机器人技术的不断发展，机器人的应用越来越广泛。在机器人的自主导航过程中，需要通过设置于机器人的各种测距传感器来感知外部环境中的障碍物信息，并对障碍物信息进行分析处理之后合理规划机器人的运行路径，以控制机器人避开环境中的障碍物安全运行。
目前，具备自主导航功能的机器人通常会设置多种不同类型的距离传感器来探测不同层次的环境信息，以保证机器人能够充分获取到全面的障碍物信息。然而，由于传感器技术的限制，多种传感器混合使用也依然会使机器人存在一定的探测盲区，例如单线激光传感器只能采集平行于机器人运行方向的水平面上的检测数据；而深度传感器的视野较小，在用于进行近距离测距时存在较大探测盲区，并且无法检测到无法有效成像的透明物体；超声波传感器可以检测到透明物体，但是只能采集单点检测数据，测量范围较小。
发明内容
有鉴于此，本发明实施例提供了一种机器人及其避障方法和避障***，以解决现有技术中设置有多种不同类型的距离传感器的机器人，由于传感器技术的限制，而使机器人存在一定的探测盲区的问题。
本发明实施例的第一方面提供了一种机器人的避障方法，所述机器人包括用于测距的若干传感器，所述避障方法包括：
获取所述传感器当前采集的检测数据；
根据所述当前采集的检测数据，获取所述机器人的当前位置；
判断是否已存储与所述当前位置对应的历史检测数据；
当已存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据和所述历史检测数据规划所述机器人的运行路径，并生成运行路径信息；
根据所述运行路径信息，控制所述机器人沿避开障碍物的路径运行。
本发明实施例的第二方面提供了一种机器人的避障***，所述机器人包括用于测距的若干传感器，所述避障***包括：
检测数据获取模块，用于获取所述传感器当前采集的检测数据；
位置获取模块，用于根据所述当前采集的检测数据，获取所述机器人的当前位置；
判断模块，用于判断是否已存储与所述当前位置对应的历史检测数据；
路径规划模块，用于当已存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据和所述历史检测数据规划所述机器人的运行路径，并生成运行路径信息；
运行控制模块，用于根据所述运行路径信息，控制所述机器人沿避开障碍物的路径运行。
本发明实施例的第三方面提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述避障方法的步骤。
本发明实施例的第四方面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存储有计算机程序，所述计算机程序被处理器执行上述避障方法的步骤。
本发明实施例通过获取传感器当前采集的检测数据，并根据当前采集的检测数据获取机器人的当前位置，然后根据已存储的与当前位置对应的历史检测数据和当前采集的检测数据，来规划机器人的运行路径，生成运行路径信息，并根据运行路径信息，控制机器人沿避开障碍物的路径运行，可以有效突破传感器技术的限制，减少探测盲区，有效提高机器人的避障效率和避障成功率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的机器人及传感器的探测平面的示意图；
图2是本发明实施例一提供的机器人的避障方法的流程示意图；
图3是本发明实施例二提供的机器人的避障方法的流程示意图；
图4是本发明实施例二提供的投影过程的示意图；
图5是本发明实施例三提供的机器人的避障方法的流程示意图；
图6是本发明实施例四提供的机器人的避障方法的流程示意图；
图7是本发明实施例五提供的机器人的避障***的流程示意图；
图8是本发明实施例六提供的机器人的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一
如图1所示，本实施例提供一种具备自主导航功能的机器人100，其包括用于测距的若干传感器。
在本实施例中，机器人泛指包括人形机器人在内的人形或非人形的任意结构的具备自主导轨功能的机器人，例如，自动导引车、扫地机器人、机器人助理等。
图1示例性的示出机器人100为包括球体头部和矩形体身体的机器人。
在具体应用中，机器人可以包括任意类型的用于测距的传感器，例如激光传感器(具体可以为激光雷达)、深度传感器(具体可以为深度相机)、红外传感器、超声波传感器(具体可以为超声波雷达)。
图1示例性的示出机器人100的身体部位由上而下依次设置有深度传感器101、激光传感器102和超声波传感器103；其中，深度传感器101的探测区域为物体200面向机器人100一侧的平面区域201，激光传感器102的探测区域为物体200面向机器人100一侧的线段202，超声波传感器103的探测区域为物体200面向机器人100一侧的点203。
应理解的是图1所示的机器人100的结构和形状仅仅只是示例性的，仅用于示意，而不代表该机器人的实际结构和形状。
在实际应用中，由于传感器技术的限制，多种传感器混合使用也依然会使机器人存在一定的探测盲区，例如，图1所示的机器人100的探测盲区为物体200面向机器人100一侧未被平面区域201、线段202和点203覆盖的区域。
为了解决因为机器人存在探测盲区，而降低机器人的避障效率和避障成功率的问题，本实施例提供一种机器人的避障方法，该方法可以应用于上述机器人100，具体可以由设置于机器人100的处理器来执行，处理器分别与各传感器通信连接，以获取各传感器的检测数据，处理器还自带内部存储空间或与存储器连接，用于存储所获取的检测数据。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
如图2所示，本实施例提供的避障方法包括：
步骤S10，获取所述传感器当前采集的检测数据。
在具体应用中，设置于机器人的各传感器开启之后即实时或以固定工作频率、每间隔预设时间采集一次检测数据，检测数据的具体类型由传感器的类型来决定，例如，深度传感器采集的检测数据为深度数据，超声波传感器采集的检测数据为超声波数据。当前采集的检测数据即为各个传感器在当前时刻采集的检测数据。
步骤S20，根据所述当前采集的检测数据，获取所述机器人的当前位置。
在具体应用中，通过对各个传感器当前采集的检测数据进行数据处理和分析，即可还原出当前环境中各物体的形状、轮廓以及被探测物体和机器人之间的距离，根据这些数据可以确定机器人当前时刻相对于环境中各物体的距离和方位，从而获知当前时刻机器人在当前环境中的位置。
步骤S30，判断是否已存储与所述当前位置对应的历史检测数据。
在具体应用中，在当前时刻之间，若机器人曾经在当前位置采集到有效且准确的检测数据，则将该有效且准确的检测数据存储为历史检测数据，以方便机器人在后续行进过程中使用。
在一个实施例中，步骤S20之后还包括：
判断所述当前采集的检测数据是否是有效数据；
当所述当前采集的检测数据是有效数据时，将所述当前采集的检测数据存储为与所述当前位置对应的历史检测数据，以供机器人下一次运行到所述当前位置时使用。
步骤S40，当已存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据和所述历史检测数据规划所述机器人的运行路径，并生成运行路径信息。
在具体应用中，由于历史检测数据是机器人上一次运行到当前位置时所采集的有效数据，因此，不论当前采集的检测数据是否有效或准确，通过结合上一次采集的有效数据，可以帮助机器人更为准确的规划运行路径，使机器人可以及时的对当前环境中的障碍物做出准确的预判，防止机器人与当前环境中的物体碰撞。
在一个实施例中，步骤S30之后，包括：
当未存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据规划所述机器人的运行路径，并生成运行路径信息。
在具体应用中，若机器人为首次在当前环境中运行或者之前没有存储与当前位置对应的有效数据，则可直接根据当前采集的检测数据规划运行路径。
步骤S50，根据所述运行路径信息，控制所述机器人沿避开障碍物的路径运行。
在具体应用中，在生成运行路径信息之后，即可根据该信息控制机器人及时有效的避开当前环境中的障碍物运行。
本实施例通过获取传感器当前采集的检测数据，并根据当前采集的检测数据获取机器人的当前位置，然后根据已存储的与当前位置对应的历史检测数据和当前采集的检测数据，来规划机器人的运行路径，生成运行路径信息，并根据运行路径信息，控制机器人沿避开障碍物的路径运行，可以有效突破传感器技术的限制，减少探测盲区，有效提高机器人的避障效率和避障成功率。
实施例二
在本实施例中，机器人包括激光传感器和至少一个其他传感器。
在一个实施例中，所述至少一个其他传感器包括深度传感器和超声波传感器。例如，机器人具体可以为图1所示的机器人100。
如图3所示，基于本实施例所提供的机器人，实施例一中的步骤S10之前，包括：
步骤S301，获取所述激光传感器在所述当前位置的第一检测数据，并获取所述其他传感器在所述当前位置的第二检测数据。
在具体应用中，第一检测数据具体可以为激光传感器在当前位置采集的激光测距数据，第二检测数据具体可以包括深度传感器在当前位置采集的深度数据和/或超声波传感器在当前位置采集的超声波数据。
步骤S302，将所述第二检测数据投影至所述激光传感器的探测平面，得到所述第二检测数据在所述探测平面上的投影数据；其中，所述第一检测数据位于所述探测平面。
在具体应用中，激光传感器的探测平面为平行于机器人运行方向的平面，第二检测数据(即激光测距数据)位于所述探测平面。
如图4所示，示例性的示出了基于图1所示的机器人所采集的检测数据在激光传感器的探测平面上的投影数据。图4中，深度数据的投影数据为位于探测平面的直线段401，激光测距数据为位于探测平面的虚线段402，超声波数据的投影数据为位于探测平面的多个点403。图4中虚线箭头表示投影方向。
在具体应用中，如图4所示，将第二检测数据投影到第一检测数据所在的探测平面，即可消除第一检测数据和第二检测数据在垂直于机器人运行方向上的差异，可以直观的比较第一检测数据和第二检测数据在平行于机器人运行方向的探测平面上的差异。
步骤S303，确定所述投影数据与所述第一检测数据的重合度。
在具体应用中，将第二检测数据投影到第一检测数据所在的探测平面之后，即可方便的确定投影数据与第一检测数据之间的重合度。例如，图4中，虚线段401与直线段402的重合部分，即为激光测距数据与深度数据的投影数据的重合部分。
在具体应用中，投影数据具体是指机器人的任一其他传感器的检测数据对应的投影数据，当机器人包括一个以上其他传感器时，需要分别确定每个其他传感器对应的投影数据与第一检测数据的重合度。
步骤S304，当所述重合度为0时，将所述第二检测数据存储为与所述当前位置对应的历史检测数据。
在具体应用中，当第二检测数据的投影数据与第一检测数据的重合度为0时，则说明第二检测数据对应的其他传感器采集的数据全部是激光传感器所没有采集到的，为了避免机器人下一次运行到当前位置时，仅使用第一检测数据来规划运行路径，造成机器人与障碍物发生碰撞，需要将第二检测数据存储为与当前位置对应的历史检测数据，以在机器人下一次运行到当前位置时使用。当重合度为0时，机器人在本次运行过程中可以直接同时使用第一检测数据和第二检测数据。
步骤S305，当所述重合度小于预设阈值时，获取所述第一检测数据与机器人之间的第一空间距离，并获取所述投影数据与机器人之间的第二空间距离。
在具体应用中，预设阈值可以根据实际需要设置，例如可以设置为50％～100％之间的任意数值。当重合度小于预设阈值时，说明第二检测数据对应的其他传感器采集到了激光传感器所没有采集到的部分数据，此时需要进一步判断投影数据和第一检测数据的有效性，即判断两个数据中哪个数据是在相应的传感器更靠近障碍物时采集到。可分别获取探测平面上的投影数据和第一检测数据与机器人之间的空间距离，然后比较两个空间距离的大小，来判断哪个数据对应的传感器更靠近障碍物。
步骤S306，当所述第一空间距离大于所述第二空间距离时，将所述第二检测数据存储为与所述当前位置对应的历史检测数据。
在具体应用中，当第一空间距离大于第二空间距离，则说明投影数据对应的传感器更靠近障碍物，该投影数据对应的第二检测数据是激光传感器无法有效采集的盲区数据，因此，需要将第二检测数据保存为历史检测数据，以便机器人在本次和下次位于当前位置时结合第一检测数据使用，以规划运行路径。
在一个实施例中，步骤S306之后包括：
当所述重合度大于或等于预设阈值，或者，所述第一空间距离小于或等于所述第二空间距离时，舍弃所述第二检测数据。
本实施例通过判断其他传感器采集的检测数据的有效性，保存有效数据并舍弃无效数据，可以根据有效数据和激光测距数据合理规划运行路径，提高机器人的避障效率和避障成功率，通过舍弃无效数据可以有效避免数据冗余，释放存储空间，提高机器人的数据处理速度。
实施例三
如图5所示，在本实施例中，实施例二中的步骤S303包括：
步骤S501，将所述投影数据与所述第一检测数据在所述探测平面内对齐。
在具体应用中，将投影数据与第一检测数据对齐可以采用任意可行的对齐方式，例如居中对齐、左侧对齐或右侧对齐等。
步骤S502，对齐后获取所述第一检测数据在所述探测平面内对应的第一检测值，并获取所述投影数据在所述探测平面内对应的第二检测值。
在具体应用中，将第二检测数据投影到探测平面之后，由于消除了投影数据和第一检测数据在垂直于机器人运行方向上的差异，因此，第一检测值和第二检测值具体可以表示为位于探测平面的水平坐标值。
步骤S503，计算所述第一检测值和所述第二检测值之间的相关系数。
在本实施例中，所述第一检测值的表达式为：
X＝[x1,x2,…,xn|n∈N]；
所述第二检测值的表达式为：
Y＝[y1,y2,…,ym|m∈N]；
对应的，计算所述第一检测值和所述第二检测值之间的相关系数的公式为：
Figure GDA0003924544360000091
其中，X为所述第一检测值，Y为所述第二检测值，x1,x2,…,xn所述第一检测数据中各数据点的值，y1,y2,…,ym为所述投影数据中各数据点的值，N表示自然数，ρXY为所述相关系数，Cov(X,Y)为所述第一检测值与所述第二检测值之间的协方差，D(X)为所述第一检测值的方差，D(Y)为所述第二检测值的方差。
步骤S504，计算所述第一检测值的期望值和所述第二检测值的期望值。
在具体应用中，第一检测值的期望值即为第一检测数据中所有数据点的值的平均值；第二检测值的期望值即为投影数据中所有数据点的值的平均值。
步骤S505，当所述相关系数趋近于1且所述第一检测值的期望值趋近于所述第二检测值的期望值时，确定所述投影数据与所述第一检测数据的重合度大于或等于预设阈值；
步骤S506，当所述相关系数不趋近于1或所述第一检测值的期望值不趋近于所述第二检测值的期望值时，确定所述投影数据与所述第一检测数据的重合度小于预设阈值。
本实施例通过提供具体的用于确定投影数据与第一检测数据的重合度的方法步骤，可以准确、快速的确定投影数据与第一检测数据的重合度，从而可以准确、快速的确定投影数据的有效性。
实施例四
如图6所示，在本实施例中，实施例二中的步骤S305包括：
步骤S601，从所述第一检测数据中等间距的选取若干第一数据点；
步骤S602，获取每个所述第一数据点与机器人之间的空间距离；
步骤S603，计算所有所述第一数据点与机器人之间的空间距离的平均值，得到所述第一检测数据与机器人之间的第一空间距离。
在具体应用中，第一数据点的数量可以根据实际需要确定，第一数据点的数量越多，计算得到的第一空间距离越准确。
步骤S604，从所述投影数据中等间距的选取若干第二数据点；
步骤S605，获取每个所述第二数据点与机器人之间的空间距离；
步骤S606，计算所有所述第二数据点与机器人之间的空间距离的平均值，得到所述投影数据与机器人之间的第二空间距离。
在具体应用中，第二数据点的数量可以根据实际需要确定，第二数据点的数量越多，计算得到的第二空间距离越准确。
在具体应用中，第一检测数据和投影数据与机器人之间的空间距离，可以为第一检测数据和投影与机器人的任一点之间的距离，例如，机器人的几何中心点、位于机器人竖直中轴线上的任一点等。
本实施例通过提供具体的用于确定投影数据和第一检测数据与机器人之间的空间距离的方法步骤，可以准确、快速的确定投影数据和第一检测数据与机器人之间的空间距离，从而可以准确、快速的确定第一空间距离和第二空间距离的大小，从而可以准确、快速的确定投影数据的有效性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
实施例五
如图7所示，本实施例提供一种机器人的避障***7，用于执行上述方法实施例中的方法步骤，该避障***具体可以是由机器人的处理器运行的软件程序***。所述避障***7包括：
检测数据获取模块10，用于获取所述传感器当前采集的检测数据；
位置获取模块20，用于根据所述当前采集的检测数据，获取所述机器人的当前位置；
判断模块30，用于判断是否已存储与所述当前位置对应的历史检测数据；
路径规划模块40，用于当已存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据和所述历史检测数据规划所述机器人的运行路径，并生成运行路径信息；
运行控制模块50，用于根据所述运行路径信息，控制所述机器人沿避开障碍物的路径运行。
在一个实施例中，
所述判断模块还用于判断所述当前采集的检测数据是否是有效数据；
所述避障***还包括：
存储模块，用于当所述当前采集的检测数据是有效数据时，将所述当前采集的检测数据存储为与所述当前位置对应的历史检测数据，以供机器人下一次运行到所述当前位置时使用。
在一个实施例中，所述路径规划模块还用于当未存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据规划所述机器人的运行路径，并生成运行路径信息。
在一个实施例中，所述检测数据获取模块还用于获取所述激光传感器在所述当前位置的第一检测数据，并获取所述其他传感器在所述当前位置的第二检测数据；
所述避障***还包括：
投影模块，用于将所述第二检测数据投影至所述激光传感器的探测平面，得到所述第二检测数据在所述探测平面上的投影数据；其中，所述第一检测数据位于所述探测平面；
重合度确定模块，确定所述投影数据与所述第一检测数据的重合度；
存储模块，用于当所述重合度为0时，将所述第二检测数据存储为与所述当前位置对应的历史检测数据；
空间距离获取模块，用于当所述重合度小于预设阈值时，获取所述第一检测数据与机器人之间的第一空间距离，并获取所述投影数据与机器人之间的第二空间距离；
所述存储模块还用于当所述第一空间距离大于所述第二空间距离时，将所述第二检测数据存储为与所述当前位置对应的历史检测数据。
在一个实施例中，所述避障***还包括：
舍弃模块，用于当所述重合度大于或等于预设阈值，或者，所述第一空间距离小于或等于所述第二空间距离时，舍弃所述第二检测数据。
本实施例通过获取传感器当前采集的检测数据，并根据当前采集的检测数据获取机器人的当前位置，然后根据已存储的与当前位置对应的历史检测数据和当前采集的检测数据，来规划机器人的运行路径，生成运行路径信息，并根据运行路径信息，控制机器人沿避开障碍物的路径运行，可以有效突破传感器技术的限制，减少探测盲区，有效提高机器人的避障效率和避障成功率。
实施例六
如图8所示，本实施例提供一种机器人8，其包括：处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82，例如避障程序。所述处理器80执行所述计算机程序82时实现上述各个避障方法实施例中的步骤，例如图2所示的步骤S10至S50。或者，所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块的功能，例如图7所示模块10至50的功能。
示例性的，所述计算机程序82可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器81中，并由所述处理器80执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序82在所述机器人8中的执行过程。例如，所述计算机程序82可以被分割成检测数据获取模块，位置获取模块，判断模块，路径规划模块，运行控制模块，各模块具体功能如下：
检测数据获取模块，用于获取所述传感器当前采集的检测数据；
位置获取模块，用于根据所述当前采集的检测数据，获取所述机器人的当前位置；
判断模块，用于判断是否已存储与所述当前位置对应的历史检测数据；
路径规划模块，用于当已存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据和所述历史检测数据规划所述机器人的运行路径，并生成运行路径信息；
运行控制模块，用于根据所述运行路径信息，控制所述机器人沿避开障碍物的路径运行。
所述机器人可包括，但不仅限于，处理器80、存储器81。本领域技术人员可以理解，图8仅仅是机器人8的示例，并不构成对机器人8的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机器人还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是所述机器人8的内部存储单元，例如机器人8的硬盘或内存。所述存储器81也可以是所述机器人8的外部存储设备，例如所述机器人8上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器81还可以既包括所述机器人8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述机器人所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，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、或者计算机软件和电子硬件的结合来实现。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发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述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精神和范围，均应包含在本发明的保护范围之内。

Claims (9)

1.一种机器人的避障方法，其特征在于，所述机器人包括用于测距的若干传感器，所述避障方法包括：
获取所述传感器当前采集的检测数据；
根据所述当前采集的检测数据，获取所述机器人的当前位置；
判断是否已存储与所述当前位置对应的历史检测数据；
当已存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据和所述历史检测数据规划所述机器人的运行路径，并生成运行路径信息；
根据所述运行路径信息，控制所述机器人沿避开障碍物的路径运行；
所述若干传感器包括激光传感器和至少一个其他传感器；
获取所述传感器当前采集的检测数据之前，包括：
获取所述激光传感器在所述当前位置的第一检测数据，并获取所述其他传感器在所述当前位置的第二检测数据；
将所述第二检测数据投影至所述激光传感器的探测平面，得到所述第二检测数据在所述探测平面上的投影数据；其中，所述第一检测数据位于所述探测平面；
确定所述投影数据与所述第一检测数据的重合度；
当所述重合度为0时，将所述第二检测数据存储为与所述当前位置对应的历史检测数据；
当所述重合度小于预设阈值时，获取所述第一检测数据与机器人之间的第一空间距离，并获取所述投影数据与机器人之间的第二空间距离；
当所述第一空间距离大于所述第二空间距离时，将所述第二检测数据存储为与所述当前位置对应的历史检测数据。
2.如权利要求1所述机器人的避障方法，其特征在于，所述获取所述投影数据与所述第一检测数据的重合度，包括：
将所述投影数据与所述第一检测数据在所述探测平面内对齐；
对齐后获取所述第一检测数据在所述探测平面内对应的第一检测值，并获取所述投影数据在所述探测平面内对应的第二检测值；
计算所述第一检测值和所述第二检测值之间的相关系数；
计算所述第一检测值的期望值和所述第二检测值的期望值；
当所述相关系数趋近于1且所述第一检测值的期望值趋近于所述第二检测值的期望值时，确定所述投影数据与所述第一检测数据的重合度大于或等于预设阈值；
当所述相关系数不趋近于1或所述第一检测值的期望值不趋近于所述第二检测值的期望值时，确定所述投影数据与所述第一检测数据的重合度小于预设阈值。
3.如权利要求2所述机器人的避障方法，其特征在于，所述第一检测值的表达式为：
X＝[x1,x2,…,xn|n∈N]；
所述第二检测值的表达式为：
Y＝[y1,y2,…,ym|m∈N]；
对应的，计算所述第一检测值和所述第二检测值之间的相关系数的公式为：
Figure FDA0003924544350000021
其中，X为所述第一检测值，Y为所述第二检测值，x1,x2,…,xn所述第一检测数据中各数据点的值，y1,y2,…,ym为所述投影数据中各数据点的值，N表示自然数，ρXY为所述相关系数，Cov(X,Y)为所述第一检测值与所述第二检测值之间的协方差，D(X)为所述第一检测值的方差，D(Y)为所述第二检测值的方差。
4.如权利要求1至3任一项所述机器人的避障方法，其特征在于，获取所述第一检测数据与机器人之间的第一空间距离，并获取所述投影数据与机器人之间的第二空间距离，包括：
从所述第一检测数据中等间距的选取若干第一数据点；
获取每个所述第一数据点与机器人之间的空间距离；
计算所有所述第一数据点与机器人之间的空间距离的平均值，得到所述第一检测数据与机器人之间的第一空间距离；
从所述投影数据中等间距的选取若干第二数据点；
获取每个所述第二数据点与机器人之间的空间距离；
计算所有所述第二数据点与机器人之间的空间距离的平均值，得到所述投影数据与机器人之间的第二空间距离。
5.如权利要求1至3任一项所述机器人的避障方法，其特征在于，所述避障方法还包括：
当所述重合度大于或等于预设阈值，或者，所述第一空间距离小于或等于所述第二空间距离时，舍弃所述第二检测数据。
6.如权利要求1所述机器人的避障方法，其特征在于，所述至少一个其他传感器包括深度传感器和超声波传感器。
7.如权利要求1所述机器人的避障方法，其特征在于，所述避障方法还包括：
当未存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据规划所述机器人的运行路径，并生成运行路径信息。
8.一种机器人的避障***，其特征在于，所述机器人包括用于测距的若干传感器，所述若干传感器包括激光传感器和至少一个其他传感器，所述避障***包括：
检测数据获取模块，用于获取所述传感器当前采集的检测数据；
位置获取模块，用于根据所述当前采集的检测数据，获取所述机器人的当前位置；
判断模块，用于判断是否已存储与所述当前位置对应的历史检测数据；
路径规划模块，用于当已存储与所述当前位置对应的历史检测数据时，根据所述当前采集的检测数据和所述历史检测数据规划所述机器人的运行路径，并生成运行路径信息；
运行控制模块，用于根据所述运行路径信息，控制所述机器人沿避开障碍物的路径运行；
所述检测数据获取模块还用于获取所述激光传感器在所述当前位置的第一检测数据，并获取所述其他传感器在所述当前位置的第二检测数据；
所述避障***还包括：
投影模块，用于将所述第二检测数据投影至所述激光传感器的探测平面，得到所述第二检测数据在所述探测平面上的投影数据；其中，所述第一检测数据位于所述探测平面；
重合度确定模块，确定所述投影数据与所述第一检测数据的重合度；
存储模块，用于当所述重合度为0时，将所述第二检测数据存储为与所述当前位置对应的历史检测数据；
空间距离获取模块，用于当所述重合度小于预设阈值时，获取所述第一检测数据与机器人之间的第一空间距离，并获取所述投影数据与机器人之间的第二空间距离；
所述存储模块还用于当所述第一空间距离大于所述第二空间距离时，将所述第二检测数据存储为与所述当前位置对应的历史检测数据。
9.一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述避障方法的步骤。
CN201810863769.4A 2018-08-01 2018-08-01 一种机器人及其避障方法和避障*** Active CN110850859B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810863769.4A CN110850859B (zh) 2018-08-01 2018-08-01 一种机器人及其避障方法和避障***
US16/236,524 US10996678B2 (en) 2018-08-01 2018-12-30 Obstacle avoidance method and system for robot and robot using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810863769.4A CN110850859B (zh) 2018-08-01 2018-08-01 一种机器人及其避障方法和避障***

Publications (2)

Publication Number Publication Date
CN110850859A CN110850859A (zh) 2020-02-28
CN110850859B true CN110850859B (zh) 2023-03-07

Family

ID=69228614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810863769.4A Active CN110850859B (zh) 2018-08-01 2018-08-01 一种机器人及其避障方法和避障***

Country Status (2)

Country Link
US (1) US10996678B2 (zh)
CN (1) CN110850859B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111309031B (zh) * 2020-03-26 2023-09-08 上海有个机器人有限公司 机器人及其障碍检测方法和障碍检测***
CN111582566B (zh) * 2020-04-26 2024-01-26 上海高仙自动化科技发展有限公司 路径规划方法及规划装置、智能机器人及存储介质
CN113778109B (zh) * 2021-11-05 2022-04-15 深圳市普渡科技有限公司 机器人的禁行路径设置方法、装置、机器人及存储介质
CN114077252B (zh) * 2021-11-16 2023-09-12 中国人民解放军陆军工程大学 机器人碰撞障碍区分装置及方法
CN114137968B (zh) * 2021-11-23 2023-12-05 北京云迹科技股份有限公司 一种避障方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010140533A1 (ja) * 2009-06-01 2010-12-09 株式会社日立製作所 ロボット管理システム、ロボット管理端末、ロボット管理方法およびプログラム
CN102269994A (zh) * 2010-06-03 2011-12-07 株式会社日立工业设备技术 无人搬送车以及行驶控制方法
CN106994023A (zh) * 2017-05-27 2017-08-01 广州华端科技有限公司 锥形束计算机断层成像***的几何参数确定方法
WO2017156574A1 (en) * 2016-03-14 2017-09-21 Commonwealth Scientific And Industrial Research Organisation Estimating locations of mobile devices in a wireless tracking system

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9452530B2 (en) * 2014-09-12 2016-09-27 Toyota Jidosha Kabushiki Kaisha Robot motion replanning based on user motion
EP3234721B1 (en) * 2014-12-17 2021-11-24 Husqvarna AB Multi-sensor, autonomous robotic vehicle with mapping capability
US10451740B2 (en) * 2016-04-26 2019-10-22 Cepton Technologies, Inc. Scanning lidar systems for three-dimensional sensing
KR102033143B1 (ko) * 2017-01-25 2019-10-16 엘지전자 주식회사 3차원 공간에서 기능 영역을 식별하는 방법 및 이를 구현하는 로봇
US10627828B2 (en) * 2017-06-30 2020-04-21 Casio Computer Co., Ltd. Autonomous movement device, autonomous movement method and program recording medium

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010140533A1 (ja) * 2009-06-01 2010-12-09 株式会社日立製作所 ロボット管理システム、ロボット管理端末、ロボット管理方法およびプログラム
CN102449568A (zh) * 2009-06-01 2012-05-09 株式会社日立制作所 机器人管理***、机器人管理终端、机器人管理方法和程序
CN102269994A (zh) * 2010-06-03 2011-12-07 株式会社日立工业设备技术 无人搬送车以及行驶控制方法
WO2017156574A1 (en) * 2016-03-14 2017-09-21 Commonwealth Scientific And Industrial Research Organisation Estimating locations of mobile devices in a wireless tracking system
CN106994023A (zh) * 2017-05-27 2017-08-01 广州华端科技有限公司 锥形束计算机断层成像***的几何参数确定方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A three-layer planning navigation method for indoor robot;Pengyizhun等;《Elctric Machines and control》;20060701(第4期);全文 *
Development of position estimation systems of mobile robots and humans for mobile intelligent spaces;Itoh T等;《International Conference on Ubiquitous Robots and Ambient Intelligence》;20140101;全文 *
基于车载多激光雷达的地图构建与障碍物检测;林辉;《信息科技辑》;20180115(第1期);全文 *
自主移动机器人的路径规划算法研究;潘琪;《信息科技辑》;20170315(第3期);全文 *

Also Published As

Publication number Publication date
US20200042005A1 (en) 2020-02-06
US10996678B2 (en) 2021-05-04
CN110850859A (zh) 2020-02-28

Similar Documents

Publication Publication Date Title
CN110850859B (zh) 一种机器人及其避障方法和避障***
CN108845574B (zh) 目标识别与追踪方法、装置、设备及介质
US10677907B2 (en) Method to determine the orientation of a target vehicle
US20200249032A1 (en) Apparatus and method for updating high definition map for autonomous driving
CN1940591B (zh) 使用传感器融合进行目标跟踪的***和方法
CN110867132B (zh) 环境感知的方法、装置、电子设备和计算机可读存储介质
US8564657B2 (en) Object motion detection system based on combining 3D warping techniques and a proper object motion detection
EP4033324A1 (en) Obstacle information sensing method and device for mobile robot
CN110470333B (zh) 传感器参数的标定方法及装置、存储介质和电子装置
CN112014845A (zh) 一种车辆障碍物定位方法、装置、设备及存储介质
Dey et al. VESPA: A framework for optimizing heterogeneous sensor placement and orientation for autonomous vehicles
CN110597249B (zh) 一种机器人及其回充定位方法和装置
KR101030317B1 (ko) 스테레오 비전을 이용하여 장애물을 추적하는 장치 및 방법
CN111898835A (zh) 一种智能交通管理方法、装置、计算机及可读存储介质
CN112060079A (zh) 机器人及其碰撞检测方法和装置
Badino et al. Stereo-based free space computation in complex traffic scenarios
CN113158779B (zh) 一种行走方法、装置和计算机存储介质
CN115565058A (zh) 机器人、避障方法、装置和存储介质
CN111157012B (zh) 一种机器人导航方法、装置、可读存储介质及机器人
CN113768420B (zh) 扫地机及其控制方法、装置
Oniga et al. A fast ransac based approach for computing the orientation of obstacles in traffic scenes
CN115902839A (zh) 港口激光雷达标定方法及装置、存储介质及电子设备
CN110909569A (zh) 路况信息识别方法及终端设备
CN111487956A (zh) 一种机器人避障的方法及机器人
CN110850856B (zh) 一种数据处理方法、装置及机器人

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