CN111123901A - 无人自走车 - Google Patents

无人自走车 Download PDF

Info

Publication number
CN111123901A
CN111123901A CN201811183251.2A CN201811183251A CN111123901A CN 111123901 A CN111123901 A CN 111123901A CN 201811183251 A CN201811183251 A CN 201811183251A CN 111123901 A CN111123901 A CN 111123901A
Authority
CN
China
Prior art keywords
area
map
whole
obstacle
propelled vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811183251.2A
Other languages
English (en)
Inventor
林家仁
赖柏勋
许世昌
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.)
Teco Electric and Machinery Co Ltd
Original Assignee
Teco Electric and Machinery Co Ltd
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 Teco Electric and Machinery Co Ltd filed Critical Teco Electric and Machinery Co Ltd
Priority to CN201811183251.2A priority Critical patent/CN111123901A/zh
Publication of CN111123901A publication Critical patent/CN111123901A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供一种无人自走车,是用以在工作区域内移动,并包含全区地图建立模块、局部地图建立模块、全区通行区域内缩模块与导航避障模块。全区地图建立模块是用以建立对应工作区域且具有障碍物区域与通行区域的全区地图。局部地图建立模块是用以建立局部地图,并比对局部地图与全区地图,以确立无人自走车的目前位置。全区通行区域内缩模块,是内缩全区地图的通行区域以形成全区通行区域内缩地图。导航避障模块是导引无人自走车在全区通行区域内缩地图通行至目标位置。

Description

无人自走车
技术领域
本发明涉及一种无人自走车,尤其涉及一种将全区地图转换成全区通行区域内缩地图的无人自走车。
背景技术
随着人工智能(Artificial Intelligence;AI)科技的发展,越来越多的移动机器人或是服务机器人问世,并且逐渐应用于各行各业,像是应用于餐厅的送餐机器人、应用于银行的服务机器人,或是近期刚开始应用于美国部分机场帮助旅客托运行李的行李机器人等。
除了人型化的机器人以外,自动导引车(Automated Guided Vehicle;AGV)或称无人自走车、扫地机器人等,也可视为广义的人工智能。
然而,上述与人工智能相关的产品都还未发展到可以自行思考的阶段,人型化的机器人还是需要使用者给予指令使其作动,无人自走车与扫地机器人也同,有些无人自走车甚至还需要特殊的轨道导引。此外,所处的工作环境也随时在变动,可能有人经过、障碍物被移动等,若机器人或无人自走车无法有相对应的反应都可能造成机器人或无人自走车的损伤。
发明内容
有鉴于在先前技术中,无人自走车需要使用者给予指令才能作动、有些甚至需要特殊的轨道导引,且所处的工作环境也随时在变动,若无人自走车无法有相对应的反应都可能造成损伤。本发明的主要目的是提供一种无人自走车,尤其是一种会针对工作区域进行校正的无人自走车。
本发明为解决先前技术的问题,所采用的必要技术手段为提供一种无人自走车,是用以在工作区域内移动,并包含全区地图建立模块、局部地图建立模块、全区通行区域内缩模块与导航避障模块。
全区地图建立模块,是用以在无人自走车在工作区域内移动时扫描工作区域,据以建立工作区域的全区地图,且全区地图包含至少一障碍物区域与至少一位于至少一障碍物区域外的通行区域。
局部地图建立模块,是通信连结该全区地图建立模块,用以即时性扫描该无人自走车在该工作区域内移动所即时位于的即时周边区域,而据以建立局部地图,并比对该局部地图与该全区地图,藉以确认该无人自走车所在的目前位置。
全区通行区域内缩模块,是通信连结全区地图建立模块,并包含通行区域宽度运算单元、内缩量运算单元与全区通行区域内缩地图产生单元。通行区域宽度运算单元,是计算至少一通行区域在多个通行区段的多个区段通行宽度。内缩量运算单元,是依据该些区段通行宽度运算出多个对应于该些通行区段的内缩宽度,其中在该些区段通行宽度中宽度越宽者所对应的内缩宽度越大。全区通行区域内缩地图产生单元,是依据该些内缩宽度将该全区地图的该至少一通行区域修改为至少一内缩通行区域,藉以将全区地图转换成全区通行区域内缩地图。
导航避障模块,是通信连结全区地图膨胀模块与局部地图建立模块,用以在确认目前位置与目标位置后,依据全区通行区域内缩地图,导引无人自走车在至少一内缩通行区域内通行。
在上述必要技术手段的基础下,本发明所衍生的附属技术手段为使无人自走车中的导航避障模块,包含最佳路径规划单元,最佳路径规划单元是用以导引无人自走车在至少一内缩通行区域中的最佳路径通行,且最佳路径是时间最佳路径与安全最佳路径中的一者。
在上述必要技术手段的基础下,本发明所衍生的附属技术手段为使无人自走车,还包含速率调整模块,速率调整模块是通信连结全区通行区域内缩模块与导航避障模块,并对应内缩宽度产生多个移动速率,以控制无人自走车以其通行的至少一内缩通行区域的内缩宽度所对应的移动速率通行。
在上述必要技术手段的基础下,本发明所衍生的附属技术手段为使无人自走车中的全区地图建立模块,包含全区地图扫描单元,且全区地图扫描单元是用以扫描工作区域。
在上述必要技术手段的基础下,本发明所衍生的附属技术手段为使无人自走车中的全区地图扫描单元,是激光扫描单元。
在上述必要技术手段的基础下,本发明所衍生的附属技术手段为使无人自走车中的局部地图建立模块,包含局部地图扫描单元,且局部地图扫描单元是用以即时性扫描即时周边区域。
在上述必要技术手段的基础下,本发明所衍生的附属技术手段为使无人自走车中的局部地图扫描单元,是激光扫描单元。
在上述必要技术手段的基础下,本发明所衍生的附属技术手段为使无人自走车中的局部地图建立模块,包含地图比对单元,地图比对单元是用以比对局部地图的多个局部特征点与全区地图的多个全区特征点,藉以在局部特征点与全区特征点相符合时,确认无人自走车所在的目前位置。
在上述必要技术手段的基础下,本发明所衍生的附属技术手段为使无人自走车中的内缩宽度中,大于无人自走车的自走车宽度的每一内缩宽度,内缩量运算单元是将上述每一内缩宽度校正为最小内缩宽度,且最小内缩宽度是介于自走车宽度的千分之一倍与二分之一倍之间。
在上述必要技术手段的基础下,本发明所衍生的附属技术手段为使无人自走车,还包含障碍物高度判断单元,障碍物高度判断单元是通信连结于导航避障模块、全区地图建立模块与局部地图建立模块,用以获取每一上述至少一障碍物区域的障碍物的障碍物图像,据以解析出障碍物的障碍物高度,当障碍物高度是低于无人自走车的自走车可跨越高度时,是将上述障碍物定义为可跨越障碍物,并将上述障碍物所对应的至少一障碍物区域的一者定义为扩充通行区域。
承上所述,本发明所提供的无人自走车,利用将全区地图转换成全区通行区域内缩地图,以降低无人自走车与障碍物区域发生碰撞的机率。
附图说明
图1是显示本发明第一实施例所提供的无人自走车的方块图;
图2是显示本发明第一实施例所提供的无人自走车的工作区域的全区地图;
图3是显示本发明第一实施例所提供的无人自走车的工作区域的全区通行区域内缩地图;
图4是显示本发明第二实施例所提供的无人自走车的方块图;
图5与图5A是显示本发明第二实施例所提供的无人自走车的工作区域的全区通行区域内缩地图。
附图标记说明:
1、1a:无人自走车;
11:全区地图建立模块;
111:全区地图扫描单元;
12:局部地图建立模块;
121:局部地图扫描单元;
122:地图比对单元;
13:全区通行区域内缩模块;
131:通行区域宽度运算单元;
132:内缩量运算单元;
133:全区通行区域内缩地图产生单元;
14:导航避障模块;
141:最佳路径规划单元;
15a:速率调整模块;
16:障碍物高度判断单元;
AP1、AP2、AP3:通行区段;
AP1’、AP2’、AP3’:内缩通行区段;
AS:即时周边区域;
AW:工作区域;
ML:局部地图;
MG:全区地图;
MG’:全区通行区域内缩地图;
O1、O2、O3、O4、O5、O6、O7:障碍物区域;
O11、O21、O31、O41、O51、O61、O71:障碍物膨胀量;
O7’:扩充通行区域;
PP:目前位置;
PT:目标位置;
W:自走车宽度;
W1、W2、W3、W4、W5、W6、W7:区段通行宽度;
W1’、W2’、W3’、W4’、W5’、W6’、W7’:内缩区段通行宽度。
具体实施方式
请参阅图1至图3,其中,图1是显示本发明第一实施例所提供的无人自走车的方块图;图2是显示本发明第一实施例所提供的无人自走车的工作区域的全区地图;以及,图3是显示本发明第一实施例所提供的无人自走车的工作区域的全区通行区域内缩地图。如图所示,一种无人自走车1,是具有自走车宽度W,并位于工作区域AW,且包含全区地图建立模块11、局部地图建立模块12、全区通行区域内缩模块13与导航避障模块14。
全区地图建立模块11,包含全区地图扫描单元111,用以在无人自走车1在工作区域AW内移动时扫描工作区域AW,并依据工作区域AW建立全区地图MG。而全区地图MG包含多个障碍物区域O1、O2、O3、O4、O5、O6与多个障碍物区域O1、O2、O3、O4、O5、O6以外的通行区域。
全区地图扫描单元111在本实施例是采用激光扫描单元,具有较快的扫描速度与较大的扫描涵盖范围,利用计算发射出激光与接收到激光的时间,便可计算出使激光反射的障碍物与无人自走车1之间的距离,若未接收到反射的激光,则表示该方向目前并没有障碍物。但不以此为限,在本发明其他实施例中,也可采用超声波扫描、信号强度比例(SignalStrength Ratio;SSR)或是其他非接触式的测量距离手段。
局部地图建立模块12,是通信连结全区地图建立模块11,并包含局部地图扫描单元121与地图比对单元122。局部地图扫描单元121,是用以在无人自走车1移动在工作区域AW时,即时地扫描无人自走车1所在的即时周边区域AS,并据以建立局部地图ML,局部地图建立模块12可采用的方式与全区地图建立模块11相同。地图比对单元122,是用以比对局部地图ML与全区地图MG,藉以确认无人自走车1的目前位置PP。更精确的说,地图比对单元122是利用局部地图ML上的多个局部特征点与全区地图MG上的多个全区特征点,如障碍物区域O1与O2,当局部特征点与全区特征点相符合时,确认无人自走车1的目前位置PP,但不以此为限,地图比对单元122也可采用如蓝牙多点定位等技术。
全区通行区域内缩模块13,是通信连结全区地图建立模块11,并包含通行区域宽度运算单元131、内缩量运算单元132与全区通行区域内缩地图产生单元133。通行区域宽度运算单元131,是计算通行区域在多个通行区段AP1、AP2与AP3的多个区段通行宽度W1、W2、W3、W4、W5、W6与W7。内缩量运算单元132,是依据区段通行宽度W1、W2、W3、W4、W5、W6与W7运算出多个对应于通行区段的内缩宽度,其中在区段通行宽度W1、W2、W3、W4、W5、W6与W7中宽度越宽者所对应的内缩宽度越大。此外,在本实施例中,内缩宽度的总和为区段通行宽度的20%,而内缩宽度会分别自区段通行宽度W1、W2、W3、W4、W5、W6与W7的两端向内缩10%。全区通行区域内缩地图产生单元133,是依据内缩宽度将全区地图MG中的通行区段AP1、AP2与AP3修改成内缩通行区段AP1’、AP2’与AP3’,同时通行区域也修改成内缩通行区域,藉以将全区地图MG转换成全区通行区域内缩地图MG’。
将全区地图MG转换成全区通行区域内缩地图MG’的主要目的在于,降低无人自走车1因为判断、扫描或处理延迟,而造成无人自走车1碰撞到障碍物区域O1、O2、O3、O4、O5、O6中的至少一者的机率。简单来说,如果在全区通行区域内缩地图MG’规划出的路径可以供无人自走车1通行,表示在本来没有内缩的全区地图MG,也就是实际对应工作区域AW,无人自走车1也一定能通过。而在本来全区地图MG中,无人自走车1几乎刚好能通过的路径,可能在转换成全区通行区域内缩地图MG’后,该路径对应到的内缩路径就无法通行,故无人自走车1就会舍弃该内缩路径,即便在全区地图MG中无人自走车1可以刚好通过该路径,故可以有效降低无人自走车1碰撞到障碍物区域的机率。
换句话说,全区地图MG转换成全区通行区域内缩地图MG’,也可视为区段通行宽度W1、W2、W3、W4、W5、W6与W7依据内缩宽度修改成多个内缩区段通行宽度W1’、W2’、W3’、W4’、W5’、W6’与W7’,且内缩区段通行宽度W1’、W2’、W3’、W4’、W5’、W6’与W7是区段通行宽度W1、W2、W3、W4、W5、W6与W7等比例缩小。在本实施例中,内缩区段通行宽度W1’、W2’、W3’、W4’、W5’、W6’与W7是区段通行宽度W1、W2、W3、W4、W5、W6与W7的80%;同理,也可视为障碍物区域O1、O2、O3、O4、O5、O6各自产生了障碍物膨胀量O11、O21、O31、O41、O51、O61。
更详细的说明,内缩区段通行宽度W1’、W2’、W3’、W4’、W5’、W6’与W7’由大至小依序为W7’、W6’、W4’、W3’、W1’、W2’、W5’,其中,内缩区段通行宽度W6’、W4’、W3’与W1’是彼此相等。全区通行区域内缩模块13可为安装有相关内缩运算软件的芯片、处理器、控制器或其他可用以运算内缩量的元件。
导航避障模块14,是通信连结全区通行区域内缩模块13与局部地图建立模块12,用以在确认目前位置PP与目标位置PT后,依据全区通行区域内缩地图MG’导引无人自走车1在内缩通行区段AP1’、AP2’与AP3’内通行。导航避障模块14可为安装有相关导航软件或是依照相关路径导引规则进行导航的控制器、处理器或其他可用以导航避障的装置。
在本实施例中,导航避障模块14包含最佳路径规划单元141,最佳路径规划单元141是用以规划出无人自走车1自目前位置PP移动至目标位置PT的最佳路径。最佳路径可为时间最佳路径,也可为安全最佳路径。
目前位置PP移动至目标位置PT的最短路径是定义为时间最佳路径,在本实施例中为通行内缩通行区段AP1’。而安全最佳路径是定义为通行内缩通行区段中限制通行宽度最大的一者,在本实施例中为通行内缩通行区段AP3’。限制通行宽度即为内缩通行区段中内缩区段通行宽度最窄的地方,内缩通行区段AP1’的限制通行宽度即为内缩区段通行宽度W2’,内缩通行区段AP2’的限制通行宽度即为内缩区段通行宽度W5’,而内缩通行区段AP3’的限制通行宽度即为内缩区段通行宽度W6’。因上述内缩区段通行宽度中,最大者为内缩区段通行宽度W6’,故安全最佳路径是定义为经过通行内缩通行区段AP3’。安全在此的定义为无人自走车1与障碍物发生碰撞的机率最低,因为内缩区段通行宽度W6’是大于内缩区段通行宽度W2’与W5’,表示内缩通行区段AP3’最宽,而内缩通行区域AP3’对应到全区地图MG中宽度会再放大还原,故无人自走车1通行在实际工作区域AW中对应内缩通行区段AP3’的通行区段AP3与障碍物发生碰撞的机率最低。
此外,内缩通行区段AP2’中因为具有比自走车宽度W小的内缩区段通行宽度W5’,故导航避障模块14不会导引无人自走车1通行内缩通行区域AP2’。
在本实施例中,内缩量运算单元132会运算岀多个内缩宽度,当内缩宽度大于等于自走车宽度W时,表示此内缩宽度对应到的通行区段与其区段通行宽度极大,若依照此内缩宽度进行修改将会使得全区通行区域内缩地图MG’失真,也会影响到导引无人自走车1的路径规划。故当发生上述情形时,内缩量运算单元132会将大于等于自走车宽度W的任一内缩宽度,统一缩短成最小内缩宽度,通常最小内缩宽度是介于自走车宽度的千分之一倍与二分之一倍之间,可参阅图3中,障碍物区域O3、O4、O5、O6左右两侧的障碍物膨胀量。在本发明其他实施例中,内缩量运算单元132可搭配导航避障模块14运算内缩宽度,当通行区域不在导航避障模块14所规划的路径内,内缩量运算单元132便使该通行区域的内缩宽度统一成最小内缩宽度,且最小内缩宽度为自走车宽度的千分之一倍,也就是接近不内缩,类似变相选择性地运算内缩宽度,不仅可以避免全区通行区域内缩地图的失真,也可以使内缩量运算单元132直接将该内缩宽度转换成最小内缩宽度,不用运算该内缩宽度,进而增加运算效率。
接着,请一并参阅图4至图5A,其中,图4是显示本发明第二实施例所提供的无人自走车的方块图;以及,图5与图5A是显示本发明第二实施例所提供的无人自走车的工作区域的全区通行区域内缩地图。如图所示,一种无人自走车1a与第一实施例的无人自走车1大致相同,差别在于,无人自走车1a还包含速率调整模块15a。
就如同一般行车的过程中,针对不同的路况会有不同的行驶速度,当行驶在道路宽度较窄的道路上,通常会将行驶速度降低,而行驶在道路宽度较宽的道路上,通常行驶速度可以较快。
速率调整模块15a会依照无人自走车1a通行的内缩通行区段的内缩宽度调整无人自走车1a的移动速率,内缩宽度越大表示对应到全区地图MG的区段通行宽度越大,故内缩宽度越大速率调整模块15a产生对应的移动速率越快,而内缩宽度越小速率调整模块15a产生对应的移动速率越大。
如图5所示,当无人自走车1a通行内缩通行区段AP1’时,因内缩通行区段AP1’具有内缩区段通行宽度W1’、W2’与W3’,其中,内缩区段通行宽度W1’与W3’相等,且大于内缩区段通行宽度W2’,故内缩区段通行宽度W1’与W3’对应到的内缩宽度也会大于内缩区段通行宽度W2’所对应的内缩宽度。因此,无人自走车1a通行在内缩区段通行宽度W1’与W3’的移动速度会大于在内缩区段通行宽度W2’的移动速度。同理,无人自走车1a通行在内缩区段通行宽度W7’的移动速度会大于在内缩区段通行宽度W6’的移动速度。而搭配移动速度后即可得知自目前位置PP移动至目标位置PT的时间,便可挑选出时间最短的时间最佳路径。
在内缩区段通行宽度越窄的内缩通行区段无人自走车1a的移动速度越慢,可以避免因扫描地图的扫描时间或是运算内缩宽度的运算时间所造成的误差,更可以进一步降低无人自走车1a与障碍物区域发生碰撞的机率。
较佳者,无人自走车1a还包含障碍物高度判断单元16,障碍物高度判断单元16是用以获取每一障碍物区域的障碍物的障碍物图像,据以解析出障碍物的障碍物高度。当障碍物高度判断单元16解析出障碍物高度低于无人自走车1a的自走车可跨越高度时,表示无人自走车1a可以跨越爬升该障碍物。因此,障碍物高度判断单元16是将该障碍物定义为可跨越障碍物,且将该障碍物所对应的障碍物区域定义为扩充通行区域。自走车可跨越高度,是表示无人自走车1a可以安全行驶跨越且不会造成无人自走车1a损坏的高度,可为无人自走车1a整体高度的一半、三分之一、四分之一等。
障碍物高度判断单元16解析障碍物高度的方法可以利用激光扫描测距与图像,并且搭配角度与三角函数的运算,藉此解析出障碍物的障碍物高度,但不以此为限。在本发明其他实施例中,也可利用内建比例尺解析障碍物的障碍物高度。
障碍物高度判断单元16是通信连结导航避障模块14、全区地图建立模块11与局部地图建立模块12。障碍物高度判断单元16判断出障碍物的障碍物高度低于自走车跨越高度时,可以同时发送信号给导航避障模块14、全区地图建立模块11与局部地图建立模块12,使全区地图建立模块11与局部地图建立模块12将扩充通行区域纳入全区地图与局部地图,且使导航避障模块14导引无人自走车1a在内缩通行区段或扩充通行区域内通行。
障碍物高度判断单元16也可仅发送信号给导航避障模块14,让导航避障模块14即时更改导引路径,使无人自走车1a在扩充通行区域内通行。此外,障碍物高度判断单元16也可仅发送信号至全区地图建立模块11与局部地图建立模块12,藉以将扩充通行区域纳入全区地图与局部地图,而全区通行区域内缩模块13是将纳入扩充通行区域的全区地图转换成新的全区通行区域内缩地图。最后,导航避障模块14再依据新的全区通行区域内缩地图导引无人自走车1a通行。
如图5与图5A所示,在图5中,障碍物区域O7产生了障碍物膨胀量O71,因此,无人自走车1a的路径会绕过障碍物区域O7与障碍物膨胀量O71。而在图5A中,图像获取单元16是获取并解析障碍物区域O7内的障碍物(位于障碍物区域O7内,但图未标示)的障碍物高度,确认障碍物高度低于自走车可跨越高度时,是将障碍物定义为可跨越障碍物,且将障碍物区域O7定义为扩充通行区域O7’。因此,导航避障模块14便会导引无人自走车1a行驶通过扩充通行区域O7’,可以缩短无人自走车1a的行驶路径,也可以使无人自走车1a尽量直线行驶,避免因为过多的转弯而增加了无人自走车1a发生碰撞的机率。
综上所述,相较于先前技术,本发明所提供的无人自走车通过全区通行区域内缩模块将该全区地图转换成全区通行区域内缩地图,使得无人自走车通行于全区通行区域内缩地图的至少一内缩通行区域的内缩通行区段内,藉以降低无人自走车与障碍物发生碰撞的机率。较佳者,更可以利用速率调整模块,控制无人自走车依照不同的内缩宽度采用不同的移动速率通行,以更进一步降低无人自走车与障碍物发生碰撞的机率。
通过以上较佳具体实施例的详述,是希望能更加清楚描述本发明的特征与精神,而并非以上述所揭示的较佳具体实施例来对本发明的范畴加以限制。相反地,其目的是希望能涵盖各种改变及具相等性的安排于本发明所附权利要求的范畴内。

Claims (10)

1.一种无人自走车,是用以在工作区域内移动,并包含:
全区地图建立模块,是用以在所述无人自走车在所述工作区域内移动时扫描所述工作区域,据以建立所述工作区域的全区地图,且所述全区地图包含至少一障碍物区域与至少一位于所述至少一障碍物区域外的通行区域;
局部地图建立模块,是通信连结所述全区地图建立模块,用以即时性扫描所述无人自走车在所述工作区域内移动所即时位于的即时周边区域,而据以建立局部地图,并比对所述局部地图与所述全区地图,藉以确认所述无人自走车所在的目前位置;
全区通行区域内缩模块,是通信连结所述全区地图建立模块,并且包含:
通行区域宽度运算单元,是计算所述至少一通行区域在多个通行区段的多个区段通行宽度;
内缩量运算单元,是依据所述多个区段通行宽度运算出多个对应于所述多个通行区段的内缩宽度,其中在所述多个区段通行宽度中宽度越宽者所对应的内缩宽度越大;以及
全区通行区域内缩地图产生单元,是依据所述多个内缩宽度将所述全区地图的所述至少一通行区域修改为至少一内缩通行区域,藉以将所述全区地图转换成全区通行区域内缩地图;以及
导航避障模块,是通信连结所述全区通行区域内缩模块与所述局部地图建立模块,用以在确认所述目前位置与目标位置后,依据所述全区通行区域内缩地图,导引所述无人自走车在所述至少一内缩通行区域内通行。
2.根据权利要求1所述的无人自走车,其中,所述导航避障模块包含最佳路径规划单元,所述最佳路径规划单元是用以导引所述无人自走车在所述至少一内缩通行区域中的最佳路径通行,且所述最佳路径是时间最佳路径与安全最佳路径中的一者。
3.根据权利要求1所述的无人自走车,还包含速率调整模块,所述速率调整模块是通信连结所述全区通行区域内缩模块与所述导航避障模块,并对应所述多个内缩宽度产生多个移动速率,以控制所述无人自走车以其通行的所述至少一内缩通行区域的内缩宽度所对应的移动速率通行。
4.根据权利要求1所述的无人自走车,其中,所述全区地图建立模块包含全区地图扫描单元,且所述全区地图扫描单元是用以扫描所述工作区域。
5.根据权利要求4所述的无人自走车,其中,所述全区地图扫描单元是激光扫描单元。
6.根据权利要求1所述的无人自走车,其中,所述局部地图建立模块包含局部地图扫描单元,且所述局部地图扫描单元是用以即时性扫描所述即时周边区域。
7.根据权利要求6所述的无人自走车,其中,所述局部地图扫描单元是激光扫描单元。
8.根据权利要求1所述的无人自走车,其中,所述局部地图建立模块包含地图比对单元,所述地图比对单元是用以比对所述局部地图的多个局部特征点与所述全区地图的多个全区特征点,藉以在所述多个局部特征点与所述多个全区特征点相符合时,确认所述无人自走车所在的所述目前位置。
9.根据权利要求1所述的无人自走车,其中,所述多个内缩宽度中大于所述无人自走车的自走车宽度的每一内缩宽度,所述内缩量运算单元是将上述每一内缩宽度校正为最小内缩宽度,且所述最小内缩宽度是介于所述自走车宽度的千分之一倍与二分之一倍之间。
10.根据权利要求1所述的无人自走车,还包含障碍物高度判断单元,所述障碍物高度判断单元是通信连结于所述导航避障模块、所述全区地图建立模块与所述局部地图建立模块,用以获取每一所述至少一障碍物区域的障碍物的障碍物图像,据以解析出所述障碍物的障碍物高度,在判断出所述障碍物高度低于所述无人自走车的自走车可跨越高度时,将所述障碍物定义为可跨越障碍物,并将所述障碍物所对应的所述至少一障碍物区域的一者定义为扩充通行区域。
CN201811183251.2A 2018-10-11 2018-10-11 无人自走车 Pending CN111123901A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811183251.2A CN111123901A (zh) 2018-10-11 2018-10-11 无人自走车

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811183251.2A CN111123901A (zh) 2018-10-11 2018-10-11 无人自走车

Publications (1)

Publication Number Publication Date
CN111123901A true CN111123901A (zh) 2020-05-08

Family

ID=70484073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811183251.2A Pending CN111123901A (zh) 2018-10-11 2018-10-11 无人自走车

Country Status (1)

Country Link
CN (1) CN111123901A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111546354A (zh) * 2020-05-11 2020-08-18 国网陕西省电力公司电力科学研究院 一种基于机器人的电缆沟道自动巡检***及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11194822A (ja) * 1998-01-05 1999-07-21 Nissan Motor Co Ltd 移動ロボットのグローバル地図構築方法
CN105607635A (zh) * 2016-01-05 2016-05-25 东莞市松迪智能机器人科技有限公司 自动导引车全景光学视觉导航控制***及全向自动导引车
CN106774347A (zh) * 2017-02-24 2017-05-31 安科智慧城市技术(中国)有限公司 室内动态环境下的机器人路径规划方法、装置和机器人
TWM563052U (zh) * 2018-04-03 2018-07-01 東元電機股份有限公司 移動平台

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11194822A (ja) * 1998-01-05 1999-07-21 Nissan Motor Co Ltd 移動ロボットのグローバル地図構築方法
CN105607635A (zh) * 2016-01-05 2016-05-25 东莞市松迪智能机器人科技有限公司 自动导引车全景光学视觉导航控制***及全向自动导引车
CN106774347A (zh) * 2017-02-24 2017-05-31 安科智慧城市技术(中国)有限公司 室内动态环境下的机器人路径规划方法、装置和机器人
TWM563052U (zh) * 2018-04-03 2018-07-01 東元電機股份有限公司 移動平台

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
戴博等: "一种基于激光雷达的移动机器人环境建模新方法", 《机床与液压》 *
高环宇等: "基于Frontier-Based边界探索和探索树的未知区域探索方法", 《计算机应用》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111546354A (zh) * 2020-05-11 2020-08-18 国网陕西省电力公司电力科学研究院 一种基于机器人的电缆沟道自动巡检***及方法

Similar Documents

Publication Publication Date Title
CN110121449B (zh) 车辆控制装置、车辆控制方法及存储介质
US8239084B2 (en) Moving device
CN112284393B (zh) 一种智能移动机器人全局路径规划方法和***
US6694233B1 (en) System for relative vehicle navigation
CN107992054A (zh) 一种机器人的定位的方法及***
WO2007143757A2 (en) Software architecture for high-speed traversal of prescribed routes
US20200363212A1 (en) Mobile body, location estimation device, and computer program
KR20190031331A (ko) 차량 주행 제어 방법 및 차량 주행 제어 장치
JP7194640B2 (ja) 車両制御装置、車両制御方法、およびプログラム
TWI679512B (zh) 無人自走車
CN103692440A (zh) 一种连续型机器人空间路径跟踪方法
CN112987734B (zh) 机器人行驶方法、装置及电子设备、存储介质及程序产品
JP7133251B2 (ja) 情報処理装置および移動ロボット
CN111123901A (zh) 无人自走车
RU2661964C2 (ru) Способ автоматического формирования гладких траекторий движения мобильного робота в неизвестном окружении
CN115237124A (zh) 行驶路径边界确定方法及装置、车辆、存储介质、终端
AU2023201142B1 (en) Method for controlling underground unmanned vehicle and device
CN108646750B (zh) 基于uwb非基站便捷式工厂agv跟随方法
JP2022113949A (ja) 移動体制御装置、移動体制御方法、およびプログラム
JP2005144606A (ja) 移動ロボット
EP4290020A1 (en) System, method, and work vehicle
KR102563074B1 (ko) 차동 구동형 이동로봇의 운동역학을 고려한 장애물 회피 및 경로 추종방법
CN112902963B (zh) 一种智能轮椅的路径规划避障方法
CN115476874A (zh) 车辆控制设备、包括车辆控制设备的***及车辆控制方法
Yoon et al. Shape-Aware and G 2 Continuous Path Planning Based on Bidirectional Hybrid A∗ for Car-Like Vehicles

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200508