CN111309011A - 一种自主探索目标的决策方法、***、设备及存储介质 - Google Patents
一种自主探索目标的决策方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN111309011A CN111309011A CN202010110091.XA CN202010110091A CN111309011A CN 111309011 A CN111309011 A CN 111309011A CN 202010110091 A CN202010110091 A CN 202010110091A CN 111309011 A CN111309011 A CN 111309011A
- Authority
- CN
- China
- Prior art keywords
- information
- area
- attribute
- target
- pose
- 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 59
- 230000008569 process Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000006698 induction Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
- G05D1/02—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
-
- 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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种自主探索目标的决策方法,所述决策方法包括:获取环境地图,在所述环境地图上记录有所述机器人的已遍历位姿队列;根据所述环境地图、所述位姿队列、用于检测感兴趣目标的传感器的视场范围信息生成已搜寻区域;根据所述已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;在所述待探索目标点集合中选取导航点,导航所述机器人至导航点。本发明可以提高机器人自主探索目标的效率。
Description
技术领域
本发明涉及机器人导航技术领域,具体涉及一种自主探索目标的决策方法、***、设备及存储介质。
背景技术
随着移动机器人技术的发展,机器人技术在各行业,多场景中应用也越来越多,如家庭服务机器人,帮助完成环境安全等监测、智能家居等,但功能相对还不够智能,所能做的工作还比较有限。
机器人环境感知能力有限,语义理解能力也有限,导致机器人执行简单的任务效果不尽如人意,如,执行回去充电命令,如果机器人不知道充电桩的位置、将很难完成执行回去充电命令。机器人无法执行自主探索目标的控制指令,或者执行自主探索目标的控制指令的精准率较差,效果不高。
发明内容
本发明实施例的目的在于提供一种自主探索目标的决策方法、***、设备及存储介质,用以解决现有存在的技术问题。
为实现上述目的,本发明提供了一种自主探索目标的决策方法,包括:获取环境地图,在所述环境地图上记录有所述机器人的已遍历位姿队列;根据所述环境地图、所述位姿队列、用于检测感兴趣目标的传感器的视场范围信息生成已搜寻区域,所述已搜寻区域包括:空旷区域和障碍物的不可通行区域;根据传感器在视场范围内对障碍物采集到图像信息识别障碍物的属性信息;基于识别到的障碍物的属性信息对不可通行区域进行属性标记;根据属性标记和/或属性信息对障碍物进行分类;对同一类别障碍物的不可通行区域围成的区域划分为信息属性区域;根据感兴趣目标的属性信息从信息属性区域中识别出与所述感兴趣目标属性相同的第一信息属性区域以及与所述感兴趣目标属性不同的第二信息属性区域;如果识别到第一信息属性区域,根据所述第一信息属性区域内已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;如果未识别到第一信息属性区域,则排除第二信息属性区域,根据排除所述第二信息属性区域后已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;在所述待探索目标点集合中选取导航点,导航所述机器人至导航点。
本发明实施例提供了一种通用的自主探索目标的决策方法,首先,通过图像采集获取环境地图并生成已搜寻区域,然后,利用图像识别技术对传感器视场范围内障碍物进行属性认定、分类并形成信息属性区域,接着,根据感兴趣目标的属性信息找到与所述感兴趣目标属性相同的第一信息属性区域,如果未找到第一信息属性区域,则排除属性不同的第二信息属性区,经过第一轮筛选之后,如果找到第一信息属性区域,根据所述第一信息属性区域内已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;如果未识别到第一信息属性区域,再在排除所述第二信息属性区域后已搜寻区域内的空旷区域和未知区域计算待探索目标点集合,最后在待探索目标点集合中选取导航点,能够很好地满足自主探索寻找感兴趣目标的全新业务功能需求。
优选地,所述决策方法还包括:获取所述机器人在环境地图中的当前位姿信息;基于所述当前位姿信息更新所述机器人的已遍历位姿队列。
进一步地,所述基于所述当前位姿信息更新所述机器人的已遍历位姿队列包括:将所述当前位姿信息与所述已遍历位姿队列中所有位姿信息相对比;如果当前位姿信息与所述已遍历位姿队列中所有位姿信息的位移变化量或是方向变化量大于设置的阈值时,则将所述当前位姿信息保存到所述已遍历位姿队列中。
本方法中,利用当前位姿信息对机器人的已遍历位姿队列进行实时更新,从而进一步对生成的已搜寻区域进行更新,使待探索目标点集合的计算更加准确,另外,通过设置阈值的方法,减少了生成已搜寻区域信息时的计算量。
优选地,所述生成已搜寻区域包括:在位姿队列中的每个位姿,在所述传感器视场角范围内,以预设角度为步长和预设长度的射线从左至右遍历所述环境地图,生成已搜寻区域。
优选地,根据所述已搜寻区域内的空旷区域和未知区域计算待探索目标点集合,包括:根据所述已搜寻区域,遍历所有与所述未知区域相邻的空旷区域内的连通目标点云,计算得到待探索目标点集合。
优选地,所述决策方法还包括:计算得到待探索目标点集合之后,从获得的所述目标点云中过滤掉离障碍物距离不大于设定距离的点。
优选地,所述决策方法还包括:在导航过程中,实时更新环境地图和已搜寻区域信息;及根据更新信息判断所述导航点是否为可靠的导航点。
另外一方面,本发明实施例提供了一种自主探索目标的决策***,所述决策***包括:信息实时获取模块,用于获取环境地图,在所述环境地图上记录有所述机器人的已遍历位姿队列;自主探索决策模块,用于根据所述环境地图、所述位姿队列、用于检测感兴趣目标的传感器的视场范围信息生成已搜寻区域,所述已搜寻区域包括:空旷区域和障碍物的不可通行区域;根据传感器在视场范围内对障碍物采集到图像信息识别障碍物的属性信息;基于识别到的障碍物的属性信息对不可通行区域进行属性标记;根据属性标记和/或属性信息对障碍物进行分类;对同一类别障碍物的不可通行区域围成的区域划分为信息属性区域;根据感兴趣目标的属性信息从信息属性区域中识别出与所述感兴趣目标属性相同的第一信息属性区域以及与所述感兴趣目标属性不同的第二信息属性区域;如果识别到第一信息属性区域,根据所述第一信息属性区域内已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;如果未识别到第一信息属性区域,则排除第二信息属性区域;根据排除所述第二信息属性区域后已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;在所述待探索目标点集合中选取导航点;导航模块,用于导航所述机器人至导航点。
另外一方面,一种计算机设备,所述设备包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的方法。
另外一方面,本发明实施例提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序指令,所述计算机程序指令用于执行如上所述的方法。
本发明实施例提供的一种自主探索目标的决策方法、***、设备及存储介质,能作为通用性移动机器人自主控制移动用于寻找自主探索的感兴趣目标,为扩大机器人技术应用维度提供支撑。如机器人在不知道充电桩位置时,响应回去充电命令,机器人可以基于该发明提出的自主探索方案高效地寻找到充电桩完成执行回去充电指令。
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一简单地介绍,显而易见地,下面描述中的附图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为本发明公开实施例的一种自主探索目标的决策***结构示意图;
图2为本发明公开实施例的一种自主探索目标的决策方法流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
本发明实施例可以有效地自主探索目标,基于空旷区域进行扩散式探索,这样可以有利于进行提高探索的效率。
如图1所示,为本发明实施例公开的一种自主探索目标的决策***,其特征在于,所述决策***包括:信息实时获取模块11、自主探索决策模块12和导航模块13。
如图2所示,本发明实施例公开了一种自主探索目标的决策方法,包括以下步骤:步骤S01,信息实时获取模块11获取环境地图,在所述环境地图上记录有所述机器人的已遍历位姿队列;步骤S02,自主探索决策模块12根据所述环境地图、所述位姿队列、用于检测感兴趣目标的传感器的视场范围信息生成已搜寻区域,所述已搜寻区域包括:空旷区域和障碍物的不可通行区域;步骤 S03,自主探索决策模块12根据传感器在视场范围内对障碍物采集到图像信息识别障碍物的属性信息,本实施例中属性信息指的是障碍物的使用属性信息,例如,如果识别到障碍物为电饭煲、炒锅、电磁炉,则电饭煲、炒锅、电磁炉的属性信息为厨房用具,如果识别到障碍物为书桌、书架,则书桌、书架的属性信息为书房用具,如果识别到障碍物为沙发、电视,则沙发、电视的属性信息为客厅用具;步骤S04,自主探索决策模块12基于识别到的障碍物的属性信息对不可通行区域进行属性标记,如上所述,将电饭煲、炒锅、电磁炉分别形成的不可通行区域标记为厨房用具,将书桌、书架分别形成的不可通行区域标记为书房用具,将沙发、电视分别形成的不可通行区域标记为客厅用具;步骤 S05,自主探索决策模块12根据属性标记和/或属性信息对障碍物进行分类,如上所述,将电饭煲、炒锅、电磁炉一类障碍物分类为厨房用具类,将书桌、书架一类障碍物分类为书房用具类,将沙发、电视一类障碍物分类为客厅用具类;步骤S06,自主探索决策模块12对同一类别障碍物的不可通行区域围成的区域划分为信息属性区域,如上所述,将电饭煲、炒锅、电磁炉同一类别障碍物的不可通行区域围成的区域划分为厨房区域,将书桌、书架同一类别障碍物的不可通行区域围成的区域划分为书房区域,将沙发、电视同一类别障碍物的不可通行区域围成的区域划分为客厅区域,厨房区域、书房区域、客厅区域均未信息属性区域;步骤S07,自主探索决策模块12根据感兴趣目标的属性信息从信息属性区域中识别出与所述感兴趣目标属性相同的第一信息属性区域以及与所述感兴趣目标属性不同的第二信息属性区域,例如,感兴趣目标的属性信息为客厅用具,则客厅区域为第一信息属性区域,而厨房区域、书房区域为第二信息属性区域;步骤S08,如果识别到第一信息属性区域,根据所述第一信息属性区域内已搜寻区域内的空旷区域和未知区域计算待探索目标点集合,如上所述,感兴趣目标的属性信息为客厅用具,则识别到第一信息属性区域为客厅区域,就根据客厅区域内已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;步骤S09,如果未识别到第一信息属性区域,则排除第二信息属性区域;自主探索决策模块12根据排除所述第二信息属性区域后已搜寻区域内的空旷区域和未知区域计算待探索目标点集合,例如,感兴趣目标的属性信息为洗手间用具,则上述厨房区域、书房区域、客厅区域均为第二信息属性区域,此种情况下,即未识别到第一信息属性区域,将厨房区域、书房区域、客厅区域从已搜索区域中排出,自主探索决策模块12根据排除厨房区域、书房区域、客厅区域后已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;步骤S10,自主探索决策模块12在所述待探索目标点集合中选取导航点;导航模块13用于导航所述机器人至导航点。
本发明还可以通过视觉识别预先把物体记录到机器人中,由于物体存放的位置不固定,即使预先设置好物体在地图中的位置,如果后续物体移动到其他区域则会降低探索寻找效率;所以可以设置机器人每一个星期中的一天打开物体识别功能,在机器人使用或者运动过程中如果识别到预先记录的物体,就可以把该物体的位置实时更新到地图中,这样下次需要寻找该物体时就可以直接导航到最新保存的地图位置中;如果在更新最新物***置时,可以不覆盖之前的位置,寻找过程依次去之前保存过的位置,说明该物体曾经在该地方存在过,也有很大概率再次出现在该位置;
探索物体在建图过程中可以增加动态障碍物的滤除功能,事先把一些动态障碍物(比如:人,小猫,小狗)通过深度学习训练保存,与训练锅碗瓢盆类似,比如建图过程中机器人检测到人、小猫等动态障碍物时,把这些检测到的障碍物标注时间限定在10s,10s后把这些障碍物滤除,既可以保证不会撞到这些动态障碍物又可以保证地图与真实场景匹配性,也就是说,在建图过程中如果相机检测到这些物体就执行上述操作,不把这些物体一直保存到地图中,检测是先通过视觉检测出来,然后通过深度相机检测障碍物距离,就可以获得物体实际位置,这时把障碍物标注到地图上保持30s,如果30s内没有在该位置再次检测到则从地图中移除;避开是在30s内障碍物还保留在地图中,导航规划出来的路径会自动避开障碍物。
需要说明的是,信息实时获取模块11订阅机器人上多个传感器感知到的环境信息通过SLAM技术生成的环境地图。该环境地图将用于机器人自主探索决策、导航及避障,上述环境地图中通过不同的颜色标识区别不同区域,如在环境地图中,黑色像素表示机器人不可通行区域,白色表示空旷区域,灰色表示未知区域。
本发明实施例提供了一种通用的自主探索目标的决策方法,首先,通过图像采集获取环境地图并生成已搜寻区域,然后,利用图像识别技术对传感器视场范围内障碍物进行属性认定、分类并形成信息属性区域,接着,根据感兴趣目标的属性信息找到与所述感兴趣目标属性相同的第一信息属性区域以及与所述感兴趣目标属性不同的第二信息属性区域;如果识别到第一信息属性区域,根据所述第一信息属性区域内已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;如果未找到第一信息属性区域,则第二信息属性区域,经过第一轮筛选之后,再在排除所述第二信息属性区域后已搜寻区域内的空旷区域和未知区域计算待探索目标点集合,最后在待探索目标点集合中选取导航点,能够很好地满足自主探索寻找感兴趣目标的全新业务功能需求。
优选地,信息实时获取模块11获取环境地图之后,所述决策方法还包括:自主探索决策模块12首先通过机器人SLAM技术得到机器人相对环境地图中的当前位姿信息S,然后基于当前位姿信息更新机器人的已遍历位姿队列V,具体地,自主探索决策模块12将当前位姿信息S与已遍历位姿队列V中所有位姿信息相对比;如果当前位姿信息S与已遍历位姿队列V中所有位姿信息的位移变化量或是方向变化量大于设置的阈值时,则将当前位姿信息S保存到已遍历位姿队列V中。
本方法中,利用当前位姿信息对机器人的已遍历位姿队列进行实时更新,从而进一步对生成的已搜寻区域进行更新,使待探索目标点集合的计算更加准确,另外,通过设置阈值的方法,减少了生成已搜寻区域信息时的计算量,上述设定的阈值为经验值。
需要说明的是,自主探索决策模块12在获取机器人当前位姿信息之前,当监听到待探索目标的指令后,还包括参数配置步骤,具体地,上述参数包括:机器人大小(机器人原地旋转覆盖区域的外接圆半径R)、机器人高度H、用于检测识别感兴趣目标的传感器安装位置P(x,y,z,围绕x轴旋转的俯仰角,围绕y 轴旋转的偏航角,围绕z轴旋转的翻滚角)、检测识别感兴趣目标最佳视场角范围、最佳视距d。
本发明实施例中,自主探索目标的决策的参数存储与参数配置文件中,可以实时读取机器人的参数,为机器人探索感兴趣目标提供参考指引,能够自适应这些参数的改变而很好地工作,机器人的大小不同,传感器的选取及安装位置的不同,自主探索决策策略也会相应地改变。
所以本发明公开的实施例,不光可以实时获取环境地图,而且可以获取机器人的参数,当此决策***无论安装到哪个机器人上,当监听到待搜索目标的指令时,可以实时获取机器人的参数,不用再更换机器人时重新设置参数,本发明公开的技术方案只要自动获取即可。
本发明实施例中,根据所述环境地图、所述位姿队列、用于检测感兴趣目标的传感器的视场范围信息生成已搜寻区域。具体地,在位姿队列中的每个位姿,在传感器视场角范围内,以预设角度为步长和预设长度的射线从左至右遍历所述环境地图,生成已搜寻区域。假如,检测感兴趣目标的摄像机视场范围设置为摄像机正前方60度(传感器视场角范围)以及距离摄像机2m(预设长度)的范围内。如上所述,用于检测感兴趣目标的的传感器视场范围可通过参数调整,从而适应因为传感器选型不同、安装位置的不同或是检测感兴趣目标模型不同而需要动态调整视场范围参数,所以在位姿队列V中的每个位姿,从左边30度开始以1度的步长往右边30度,以长度2m的射线遍历所述环境地图生成已搜寻区域。
进一步地,根据所述已搜寻区域内的空旷区域和未知区域计算待探索目标点集合,包括:根据所述已搜寻区域,遍历所有与所述未知区域相邻的空旷区域内的连通目标点云,计算得到待探索目标点集合。优选地,计算得到待探索目标点集合之后,还包括:从获得的所述目标点云中过滤掉离障碍物距离不大于设定距离的点。具体地,根据已搜寻区域,遍历所有与灰色区域相邻的白色连通目标点云,同时过滤掉目标点云中离障碍物距离不大于R设定距离的点。这样设定的目的是为了机器人在探索的过程中,保护机器人的安全,因为离障碍物距离比较近的话,这样机器人避障难度高,容易损伤。
进一步地,选取导航点步骤包括:根据当前位姿应用流水算法得到最先到达的目标标记点作为导航点。所述流水算法为一种快速搜索到达所述位置集合中最优位置的路径规划算法,其算法原理是:以环境地图中黑色标注的不可通行区域的地势设为最高,离不可通行区域越远地势越低,同时设置所述待探索目标点集合的地势为最低,从机器人当前位置开始类似水往低处流的原理得到最先到达待探索目标点云中的某个点作为导航点发送到导航到目标点模块。
优选地,所述决策方法还包括:在导航过程中,实时更新环境地图和已搜寻区域信息;及根据更新信息判断所述导航点是否为可靠的导航点。具体地,判断所述导航点是否为可靠的导航点为评估当前目标点是否可以跳过的步骤,其包括:在导航过程中会更新环境地图,同时更新已搜寻区域信息,同样有时候选取的导航点不一定完全可达,此时需要评估当前导航点是否可以跳过,评估的原则是:机器人即便到了导航点也不能扩充一搜寻区域大小、机器人导航到标记点过程中长时间没有移动或是总时长过长等,上述选取的导航点均需跳过。
另外,在机器人移动的过程中,通过SLAM技术得到机器人相对所述环境地图中的位姿信息,上述位姿信息包括机器人的位置、机器人的方向、机器人的倾斜角度,机器人在移动的过程中,环境地图会实时进行更新,并将机器人遍历的区域进行标记,形成已遍历位姿队列轨迹,这样可以有利于辨认机器人那些区域进行了探索,哪些区域没有进行探索。
在步骤S01之前,还包括,根据待监听指令获取待搜索目标的模型,以便所述机器人在探索的过程中,将所述探索目标与所述模型进行比对。
需要说明的是,待搜索目标的模型,通过机器学习训练获的模型,将所述模型存储在机器人存储介质中,或者通过互联网进行调取,当监听待搜索目标的指令时,获取待搜索目标的模型,在机器人探索目标的过程中,会实时将上述模型与目标点进行对比,上述模型可以为实物的模型,也可以为特定颜色的模型,不限于此。
在机器人在空旷区域移动的过程中,可以控制机器人变速,控制机器人加速,这样可以有利于机器人提供探索目标的效率。
在步骤S04之后,还包括:执行导航到导航点指令,并根据环境地图、机器人参数及传感器获取的实时环境地图控制机器人自主避障导航到导航点。
需要说明的是,执行导航到目标点指令,根据环境地图、机器人参数配置及传感器观测到的实时环境数据控制机器人自主避障导航运动到导航点。
另外,本发明实施例提出的一种计算机设备,所述设备包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的方法。
另外,本发明实施例提出的一种计算机存储介质,所述计算机存储介质存储有计算机程序指令,所述计算机程序指令用于执行如上所述的方法。
在本发明的实施例中,各个模块或***可以是由计算机程序指令形成的处理器,处理器可以是一种集成电路芯片,具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列 (FieldProgrammable Gate Array,简称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。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器,例如可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称 RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM 可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,简称 DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本发明实施例提供的一种自主探索目标的决策方法、***、设备及存储介质,能作为通用性移动机器人自主控制移动用于寻找自主探索的感兴趣目标,为扩大机器人技术应用维度提供支撑。如机器人在不知道充电桩位置时,响应回去充电命令,机器人可以基于该发明提出的自主探索方案高效地寻找到充电桩完成执行回去充电指令。
最后应说明的是: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 (10)
1.一种自主探索目标的决策方法,其特征在于,所述决策方法包括:
获取环境地图,在所述环境地图上记录有机器人的已遍历位姿队列;
根据所述环境地图、所述位姿队列、用于检测感兴趣目标的传感器的视场范围信息生成已搜寻区域,所述已搜寻区域包括:空旷区域和障碍物的不可通行区域;
根据传感器在视场范围内对障碍物采集到图像信息识别障碍物的属性信息;
基于识别到的障碍物的属性信息对不可通行区域进行属性标记;
根据属性标记和/或属性信息对障碍物进行分类;
对同一类别障碍物的不可通行区域围成的区域划分为信息属性区域;
根据感兴趣目标的属性信息从信息属性区域中识别出与所述感兴趣目标属性相同的第一信息属性区域以及与所述感兴趣目标属性不同的第二信息属性区域;
如果识别到第一信息属性区域,根据所述第一信息属性区域内已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;
如果未识别到第一信息属性区域,则排除第二信息属性区域,根据排除所述第二信息属性区域后已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;
在所述待探索目标点集合中选取导航点,导航所述机器人至导航点。
2.如权利要求1所述的一种自主探索目标的决策方法,其特征在于,所述决策方法还包括:
获取所述机器人在环境地图中的当前位姿信息;
基于所述当前位姿信息更新所述机器人的已遍历位姿队列。
3.如权利要求2所述的一种自主探索目标的决策方法,其特征在于,所述基于所述当前位姿信息更新所述机器人的已遍历位姿队列包括:
将所述当前位姿信息与所述已遍历位姿队列中所有位姿信息相对比;
如果当前位姿信息与所述已遍历位姿队列中所有位姿信息的位移变化量或是方向变化量大于设置的阈值时,则将所述当前位姿信息保存到所述已遍历位姿队列中。
4.如权利要求1所述的一种自主探索目标的决策方法,其特征在于,所述生成已搜寻区域包括:
在位姿队列中的每个位姿,在所述传感器视场角范围内,以预设角度为步长和预设长度的射线从左至右遍历所述环境地图,生成已搜寻区域。
5.如权利要求1所述的一种自主探索目标的决策方法,其特征在于,根据所述已搜寻区域内的空旷区域和未知区域计算待探索目标点集合,包括:
根据所述已搜寻区域,遍历所有与所述未知区域相邻的空旷区域内的连通目标点云,计算得到待探索目标点集合。
6.如权利要求1或5所述的一种自主探索目标的决策方法,其特征在于,所述决策方法还包括:
计算得到待探索目标点集合之后,从获得的目标点云中过滤掉离障碍物距离不大于设定距离的点。
7.如权利要求1所述的一种自主探索目标的决策方法,其特征在于,所述决策方法还包括:
在导航过程中,实时更新环境地图和已搜寻区域信息;及
根据更新信息判断所述导航点是否为可靠的导航点。
8.一种自主探索目标的决策***,其特征在于,所述决策***包括:
信息实时获取模块,用于获取环境地图,在所述环境地图上记录有机器人的已遍历位姿队列;
自主探索决策模块,用于根据所述环境地图、所述位姿队列、用于检测感兴趣目标的传感器的视场范围信息生成已搜寻区域,所述已搜寻区域包括:空旷区域和障碍物的不可通行区域;根据传感器在视场范围内对障碍物采集到图像信息识别障碍物的属性信息;基于识别到的障碍物的属性信息对不可通行区域进行属性标记;根据属性标记和/或属性信息对障碍物进行分类;对同一类别障碍物的不可通行区域围成的区域划分为信息属性区域;根据感兴趣目标的属性信息从信息属性区域中识别出与所述感兴趣目标属性相同的第一信息属性区域以及与所述感兴趣目标属性不同的第二信息属性区域;如果识别到第一信息属性区域,根据所述第一信息属性区域内已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;如果未识别到第一信息属性区域,则排除第二信息属性区域;根据排除所述第二信息属性区域后已搜寻区域内的空旷区域和未知区域计算待探索目标点集合;在所述待探索目标点集合中选取导航点;
导航模块,用于导航所述机器人至导航点。
9.一种计算机设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至7中任一所述的方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序指令,所述计算机程序指令用于执行如权利要求1至7中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911092233 | 2019-11-11 | ||
CN2019110922338 | 2019-11-11 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111309011A true CN111309011A (zh) | 2020-06-19 |
Family
ID=71151537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010110091.XA Pending CN111309011A (zh) | 2019-11-11 | 2020-02-23 | 一种自主探索目标的决策方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111309011A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113721603A (zh) * | 2021-07-29 | 2021-11-30 | 云鲸智能(深圳)有限公司 | 基站探索方法、装置、机器人及可读存储介质 |
CN114911221A (zh) * | 2021-02-09 | 2022-08-16 | 北京小米移动软件有限公司 | 机器人的控制方法、装置及机器人 |
WO2023130704A1 (zh) * | 2022-01-04 | 2023-07-13 | 北京石头创新科技有限公司 | 机器人的建图方法、装置、机器人和存储介质 |
-
2020
- 2020-02-23 CN CN202010110091.XA patent/CN111309011A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114911221A (zh) * | 2021-02-09 | 2022-08-16 | 北京小米移动软件有限公司 | 机器人的控制方法、装置及机器人 |
CN114911221B (zh) * | 2021-02-09 | 2023-11-28 | 北京小米机器人技术有限公司 | 机器人的控制方法、装置及机器人 |
CN113721603A (zh) * | 2021-07-29 | 2021-11-30 | 云鲸智能(深圳)有限公司 | 基站探索方法、装置、机器人及可读存储介质 |
CN113721603B (zh) * | 2021-07-29 | 2023-08-08 | 云鲸智能(深圳)有限公司 | 基站探索方法、装置、机器人及可读存储介质 |
WO2023130704A1 (zh) * | 2022-01-04 | 2023-07-13 | 北京石头创新科技有限公司 | 机器人的建图方法、装置、机器人和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9836653B2 (en) | Systems and methods for capturing images and annotating the captured images with information | |
CN111309011A (zh) | 一种自主探索目标的决策方法、***、设备及存储介质 | |
CN101281644B (zh) | 基于视觉的导航和制导*** | |
CN112180931B (zh) | 扫地机的清扫路径规划方法、装置及可读存储介质 | |
CN108459599B (zh) | 一种运动路径规划方法及装置 | |
CN110674705B (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
CN111609852A (zh) | 语义地图构建方法、扫地机器人及电子设备 | |
CN109682388B (zh) | 跟随路径的确定方法 | |
CN112075879A (zh) | 一种信息处理方法、装置及存储介质 | |
WO2019089018A1 (en) | Mobile robots to generate reference maps for localization | |
Maier et al. | Self-supervised obstacle detection for humanoid navigation using monocular vision and sparse laser data | |
US11562524B2 (en) | Mobile robots to generate occupancy maps | |
CN113359692B (zh) | 一种障碍物的避让方法、可移动机器人 | |
CN112171675B (zh) | 一种移动机器人的避障方法、装置、机器人及存储介质 | |
CN111679661A (zh) | 基于深度相机的语义地图构建方法及扫地机器人 | |
CN110568861A (zh) | 一种人机运动障碍物监测方法、可读存储介质和无人机 | |
WO2023115658A1 (zh) | 智能避开障碍的方法及装置 | |
CN114721396A (zh) | 一种移动机器人脱困的处理方法、装置和移动机器人 | |
CN114967698A (zh) | 清扫方法、装置、电子设备及存储介质 | |
CN112667924B (zh) | 机器人地图获取方法、装置、处理器和电子装置 | |
JP2020149186A (ja) | 位置姿勢推定装置、学習装置、移動ロボット、位置姿勢推定方法、学習方法 | |
Houtman et al. | Automated flower counting from partial detections: Multiple hypothesis tracking with a connected-flower plant model | |
CN115792945B (zh) | 一种浮空障碍物检测方法、装置和电子设备、存储介质 | |
An et al. | Ceiling vision-based active SLAM framework for dynamic and wide-open environments | |
US20230367319A1 (en) | Intelligent obstacle avoidance method and apparatus based on binocular vision, and non-transitory computer-readable storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200619 |