CN112068553A - 机器人避障处理方法、装置及机器人 - Google Patents
机器人避障处理方法、装置及机器人 Download PDFInfo
- Publication number
- CN112068553A CN112068553A CN202010843699.3A CN202010843699A CN112068553A CN 112068553 A CN112068553 A CN 112068553A CN 202010843699 A CN202010843699 A CN 202010843699A CN 112068553 A CN112068553 A CN 112068553A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- positioning
- image
- sensing module
- determining
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 74
- 230000004888 barrier function Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims description 45
- 230000011218 segmentation Effects 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
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 Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本说明书实施例提供了机器人避障处理方法、装置及机器人,其中,一种机器人避障处理方法包括:获取图像传感模块采集的环境图像;识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块;基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内;若是,基于所述定位特征信息确定的位置信息进行避障处理。
Description
技术领域
本文件涉及机器人技术领域,尤其涉及一种机器人避障处理方法、装置及机器人。
背景技术
随着机器人技术的发展,机器人的工作环境越来越复杂化,在这种复杂多变并且不可预测的工作环境中,机器人所要完成的任务也越来越复杂,与此同时,用户对机器人的需求也不断增强,为了能够适应复杂多变的工作环境,需要能够感知周围并且做出判断的机器人,这种机器人能够根据周围的环境参数,利用相关算法构建模型来做决策,最终执行用户发出的指令。
而对于机器人来说,在工作过程中避障规划的处理是非常基础并且极为关键的任务,以仓储环境下的机器人为例,机器人执行订单任务时,需要按照指令在仓库货架间穿行,在其行驶过程中,周围不仅存在移动的拣货员、其他机器人等移动的障碍物,还存在货架、墙等固定的障碍物,但机器人在工作行驶过程中,如何及时做出判断以避免机器人发生碰撞,这是机器人执行订单任务的重点也是难点。
发明内容
本说明书一个或多个实施例提供了一种机器人避障处理方法。所述机器人避障处理方法包括:
获取图像传感模块采集的环境图像;
识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块;
基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内;若是,基于所述定位特征信息确定的位置信息进行避障处理。
可选的,所述识别所述环境图像中的障碍物,包括:
将所述环境图像输入图像识别模型,由所述图像识别模型对所述环境图像进行特征分割以及特征识别,输出所述环境图像中包含的障碍物的障碍物类型。
可选的,所述确定对所述障碍物进行定位的定位传感模块,包括:
若所述障碍物类型为固定障碍物,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;所述图像传感模块包括:单目摄像头;
相应的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理步骤。
可选的,所述确定对所述障碍物进行定位的定位传感模块,包括:
若所述障碍物类型为移动障碍物,将深度图像传感器和所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;
相应的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像和所述深度图像传感器采集的深度图像,确定所述障碍物在所述深度图像中对应的图像坐标位置;
确定预先设置的基准图像区域在所述深度图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理步骤。
可选的,所述确定对所述障碍物进行定位的定位传感模块,包括:
根据所述环境图像确定所述障碍物的特征占比;
判断所述障碍物的特征占比是否大于预设特征占比阈值;
若是,确定无线电传感器为对所述障碍物进行定位的定位传感模块;
若否,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;其中,所述图像传感模块包括:单目摄像头。
可选的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述无线电传感器采集的所述障碍物的位置数据,确定所述位置数据对应的物理坐标位置;
判断所述物理坐标位置是否处于预先设置的物理障碍区域内;若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理步骤。
可选的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理步骤。
可选的,所述确定对所述障碍物进行定位的定位传感模块,包括:
根据所述环境图像计算所述障碍物对应的初始距离;
根据预先建立的距离与定位传感模块对应关系,确定所述初始距离对应的第一定位传感模块,作为对所述障碍物进行定位的定位传感模块。
可选的,所述机器人避障处理方法,还包括:
基于所述距离对应的定位传感模块采集的所述障碍物的定位特征信息,计算所述障碍物对应的第二距离;
判断所述第二距离在距离与定位传感模块对应关系中对应的第二定位传感模块,与所述初始距离对应的定位传感模块是否一致;
若否,将所述定位传感模块从所述第一定位传感模块切换至所述第二定位传感模块。
可选的,所述基于所述定位特征信息确定的位置信息进行避障处理,包括:
生成减速行驶的行驶指令并执行;
基于所述位置信息规划行驶路线,并基于所述行驶路线更新原有行驶路线。
可选的,所述基于所述位置信息规划行驶路线,包括:
根据所述环境图像,确定所述障碍物的最大障碍轮廓;
基于所述最大障碍轮廓和所述位置信息规划行驶路线,以使所述行驶路线的行驶宽度大于所述最大障碍轮廓数值。
可选的,所述获取图像传感模块采集的环境图像步骤执行之后,且所述识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块步骤执行之前,还包括:
检测所述环境图像中包含的目标物体特征;
检测所述目标物体特征是否为障碍物;若是,执行所述识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块步骤。
本说明书一个或多个实施例还提供一种机器人避障处理装置,包括:
环境图像获取模块,被配置为获取图像传感模块采集的环境图像;
障碍物识别模块,被配置为识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块;
障碍物判断模块,被配置为基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内;
若是,运行避障处理模块;所述避障处理模块,被配置为基于所述定位特征信息确定的位置信息进行避障处理。
本说明书一个或多个实施例还提供一种机器人,包括:
处理器、图像传感模块和定位传感模块;
其中,所述图像传感模块,被配置为采集环境图像;
所述处理器,被配置为获取所述图像传感模块采集的环境图像,识别所述环境图像中的障碍物,基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,若是,基于所述定位特征信息确定的位置信息进行避障处理;
所述定位传感模块由所述处理器确定,被配置为对所述障碍物进行定位。
可选的,所述识别所述环境图像中的障碍物,包括:
将所述环境图像输入图像识别模型,由所述图像识别模型对所述环境图像进行特征分割以及特征识别,输出所述环境图像中包含的障碍物的障碍物类型。
可选的,若所述障碍物类型为固定障碍物,将所述图像传感模块确定为所述定位传感模块;所述图像传感模块包括:单目摄像头;
相应的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行下一步。
可选的,若所述障碍物类型为移动障碍物,将深度图像传感器和所述图像传感模块确定为所述定位传感模块;
相应的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像和所述深度图像传感器采集的深度图像,确定所述障碍物在所述深度图像中对应的图像坐标位置;
确定预先设置的基准图像区域在所述深度图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行下一步。
可选的,所述处理器通过执行如下操作确定所述定位传感模块:
根据所述环境图像确定所述障碍物的特征占比;
判断所述障碍物的特征占比是否大于预设特征占比阈值;若是,确定无线电传感器为对所述障碍物进行定位的定位传感模块;
若否,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;其中,所述图像传感模块包括:单目摄像头。
可选的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述无线电传感器采集的所述障碍物的位置数据,确定所述位置数据对应的物理坐标位置;
判断所述物理坐标位置是否处于预先设置的物理障碍区域内;若是,执行下一步。
可选的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行下一步。
可选的,所述处理器通过执行如下操作确定所述定位传感模块:
根据所述环境图像计算所述障碍物对应的初始距离;
根据预先建立的距离与定位传感模块对应关系,确定所述初始距离对应的第一定位传感模块,作为所述定位传感模块。
可选的,所述处理器还被配置为:
基于所述距离对应的定位传感模块采集的所述障碍物的定位特征信息,计算所述障碍物对应的第二距离;
判断所述第二距离在距离与定位传感模块对应关系中对应的第二定位传感模块,与所述初始距离对应的定位传感模块是否一致;若否,将所述定位传感模块从所述第一定位传感模块切换至所述第二定位传感模块。
可选的,所述基于所述定位特征信息确定的位置信息进行避障处理,包括:
生成减速行驶的行驶指令并执行;
基于所述位置信息规划行驶路线,并基于所述行驶路线更新原有行驶路线。
可选的,所述基于所述位置信息规划行驶路线,包括:
根据所述环境图像,确定所述障碍物的最大障碍轮廓;
基于所述最大障碍轮廓和所述位置信息规划行驶路线,以使所述行驶路线的行驶宽度大于所述最大障碍轮廓数值。
可选的,所述处理器还被配置为:
检测所述环境图像中包含的目标物体特征;
检测所述目标物体特征是否为障碍物;若是,下一步。
本说明书一个或多个实施例还提供一种存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被执行时实现以下流程:
获取图像传感模块采集的环境图像;
识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块;
基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内;
若是,基于所述定位特征信息确定的位置信息进行避障处理。
附图说明
为了更清楚地说明本说明书一个或多个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说明书中记载的一些实施例,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为本说明书一个或多个实施例提供的一种机器人避障处理方法处理流程图;
图2为本说明书一个或多个实施例提供的一种应用于仓储场景的机器人避障处理方法处理流程图;
图3为本说明书一个或多个实施例提供的一种机器人避障处理装置的示意图;
图4为本说明书一个或多个实施例提供的一种机器人的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个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说明书的一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,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,都应当属于本文件的保护范围。
本说明书提供的一种机器人避障处理方法实施例:
参参见附图1,其示出了本实施例提供的一种机器人避障处理方法处理流程图,参见附图2,其示出了本实施例提供的一种应用于仓储场景的机器人避障处理方法处理流程图。
参照附图1,本实施例提供的机器人避障处理方法具体包括下述步骤S102至步骤S108。
步骤S102,获取图像传感模块采集的环境图像。
本说明书提供的机器人避障处理方法,首先通过图像传感模块采集机器人所处工作环境的环境图像,在识别出环境图像中包含的障碍物的情况下,从障碍物的类型、障碍物的高度或者障碍物与机器人的距离出发,确定对障碍物进行定位的定位传感模块,以此来针对不同的障碍物情形采用不同的定位传感模块进行更加精准的定位,在对障碍物进行定位之后,进一步判断障碍物是否处于影响机器人工作的目标障碍区域内,如果障碍物处于该目标障碍区域内,则从障碍物的位置信息出发对机器人进行避障处理,确保机器人的工作得以顺利进行。
本实施例所述图像传感器,是指机器人自身配置的图像传感器,比如机器人配置的单目摄像头。所述图像传感器采集的机器人所处工作环境的图像,即为所述环境图像,采集环境图像的目的是为了检测机器人行驶过程中的障碍物,因此,此处图像传感器采集的环境图像,应当是机器人行驶路线的前方工作环境区域的环境图像。
除此之外,所述图像传感器还可以是设置于机器人所处工作环境中、与机器人配合工作的可移动摄像头,或者是设置于机器人工作环境中不同位置且相互配合的多个固定摄像头。
实际应用中,为了提升机器人对障碍物检测的及时性和准确性,采取的方式往往是提升机器人配置的图像传感器的采集频率,通过更高频次的图像采集和障碍物检测定位来避免机器人与工作环境中的障碍物相撞,但高频次的图像采集和障碍物检测定位识别会给机器人带来处理压力,本实施例提供的一种可选实施方式中,为提升机器人的工作效率,在所述图像传感模块采集到环境图像之后,首先检测环境图像中包含的目标物体特征,然后进一步检测所述目标物体特征是否为障碍物;若是,执行下述步骤S104;若否,则表明当前机器人配置的图像传感器采集的环境图像中并不存在障碍物,也即机器人当前所处工作环境并无对其行驶产生影响的障碍物,不做处理即可。
步骤S104,识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块。
在上述图像采集模块采集到的环境图像的基础上,识别所述环境图像中的障碍物。或者在上述检测出所述环境图像中包含障碍物的情况下对障碍物进行识别。具体在识别过程中,将所述环境图像输入图像识别模型,由所述图像识别模型对所述环境图像进行特征分割以及特征识别,输出所述环境图像中包含的障碍物的障碍物类型。
例如,为提升识别效率和识别准确率,通过训练采用YOLO算法的图像识别模型,利用图像识别模型对采集到的环境图像进行障碍物识别。图像识别模型在对环境图像进行障碍物识别的过程中,识别之前往往需要进行特征分割,即:在环境图像的复杂图像特征当中分割出障碍物特征,并利用特征分割获得的障碍物特征进行障碍物识别;同样是出于效率提升的考虑,还可以在图像识别模型中增加对环境图像进行特征分割的模块,并将该模块输出的障碍物特征作为后续进行障碍物识别的输入,从而实现将环境图像输入图像识别模型进行特征分割和障碍物识别,输出识别获得的障碍物类型,比如人腿(拣货员)、机器人、充电桩、货架以及墙壁等。
本实施例所述定位传感模块,是指机器人配置的传感器中被用作定位的传感器。比如机器人配置有单目摄像头、深度摄像头和红外传感器,如果定位过程中根据单目摄像头采集的环境图像进行定位,则单目摄像头被确定为定位传感模块;类似的,如果定位过程中根据深度摄像头采集的深度图像或者红外传感器采集的位置数据进行定位,则深度摄像头或者红外传感器被确定为定位传感模块。
实际应用中,机器人工作环境中可能存在各种类型的障碍物,比如拣货员、其他机器人等移动障碍物,还存在货架、墙等固定障碍物,基于不同类型的障碍物的不同特性,本实施例提供的一种可选实施方式中,根据障碍物类型确定相应的定位传感模块,也即是根据障碍物类型选择相应的定位方式对障碍物进行定位,以此来提升障碍物定位的精确性。
具体的,若图像识别模型输出的障碍物类型为固定障碍物,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块。比如,对于货架、墙等这类型固定障碍物,依旧采用之前采集环境图像的单目摄像头作为对障碍物进行定位的定位传感模块,也即根据单目摄像头采集的环境图像对障碍物进行定位。
若所述障碍物类型为移动障碍物,将深度图像传感器和所述图像传感模块确定为对所述障碍物进行定位的定位传感模块。比如,对于拣货员、其他机器人这类型移动障碍物,同时采用机器人配置的深度摄像头和单目摄像头配合的方式来对障碍物进行定位,也即是结合深度摄像头采集的深度图像和单目摄像头采集的环境图像来对障碍物进行定位。
具体实施时,考虑到许多场景下障碍物的高度对障碍物的识别定位存在一定的影响,比如仓储场景下分拣机器人的高度都比较低,相应的,设置在分拣机器人上的图像传感器的视野范围可能也会比较低,针对于此,本实施例提供的一种可选实施方式中,根据障碍物高度确定相应的定位传感模块,从而针对不同高度的障碍物采用不同的定位方式,以此来提升障碍物定位的精确性,具体实现如下:
根据所述环境图像确定所述障碍物的特征占比;
判断所述障碍物的特征占比是否大于预设特征占比阈值;
若是,确定无线电传感器为对所述障碍物进行定位的定位传感模块;
若否,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块。
例如,仓储场景下分拣机器人采集到的工作环境的环境图像中,如果某障碍物(货架)的图像特征在该环境图像中的高度占比超出1/2,则表明仓储机器人前方货架这一障碍物的高度较高,这种情况下,采用无线电探测和测距传感器(雷达)、超声波传感器或者红外传感器来对货架这一障碍物进行定位更加准确;如果某障碍物(其他分拣机器人)的高度占比低于1/2,则表明仓储机器人前方的分拣机器人这一障碍物的高度较低,则依旧采用机器人配置的单目摄像头进行定位即可。
此外,在具体实施时,考虑到许多场景下障碍物与机器人的距离同样会对障碍物的识别定位产生一定的影响,针对于此,本实施例提供的一种可选实施方式中,根据障碍物的距离选择相应的定位方式,以此来提升障碍物定位的精确性,具体是根据所述环境图像计算所述障碍物对应的初始距离,然后根据预先建立的距离与定位传感模块对应关系,确定所述初始距离对应的第一定位传感模块,作为对所述障碍物进行定位的定位传感模块。
比如,障碍物与机器人之间的距离大于6m时,对应的定位传感模块为无线电探测和测距传感器(雷达)、超声波传感器或者红外传感器等远距离探测传感器;障碍物与机器人之间的距离小于或者等于6m时,对应的定位传感模块为深度摄像头,在这种情况下,既可以根据深度摄像头采集的深度图像对障碍物进行定位,还可以结合深度图像和单目摄像头采集的环境图像来进行精度更高的障碍物定位。
需要说明的是,在对同一障碍物进行避障处理的不同阶段,采用不同的定位传感模块对障碍物进行定位的准确度可能会更高,为了进一步增强机器人在工作行驶过程中的定位精确度,本实施例还提供下述定位传感模块切换操作,具体是基于所述距离对应的定位传感模块采集的所述障碍物的定位特征信息,计算所述障碍物对应的第二距离,在此基础上判断所述第二距离在距离与定位传感模块对应关系中对应的第二定位传感模块,与所述初始距离对应的定位传感模块是否一致;若是,不做处理即可;若否,将所述定位传感模块从所述第一定位传感模块切换至所述第二定位传感模块。
步骤S106,基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内。
在上述步骤S104确定定位传感模块的基础上,在此,基于确定的定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内;若是,执行步骤S108,基于所述定位特征信息确定的位置信息进行避障处理;若否,则表明障碍物并未处于机器人的目标障碍区域内,不做处理即可。
需要说明的是,所述定位传感模块采集的定位特征信息,既可以是在定位传感器确定之后,由确定的定位传感器采集的定位特征信息,比如确定的定位传感模块为深度摄像头,则定位传感模块采集的定位特征信息为深度摄像头采集的深度图像;再比如确定的定位传感模块为单目摄像头,则定位传感模块采集的定位特征信息即为单目摄像头采集的环境图像,该环境图像既可以是单目摄像头被确定为定位传感模块之前采集的环境图像,也可以是单目摄像头在被确定为定位传感模块之后重新采集的环境图像。
本实施例所述目标障碍区域,是指空间维度下机器人行驶前方的特定区域,比如指定机器人正前方宽0.7m、长1.2m的矩形区域为目标障碍区域。此外,所述目标障碍区域还可以图像维度下图像中的特定区域。比如指定单目摄像头采集的环境图像中矩形区域或者扇形区域为目标障碍区域,或者指定深度摄像头采集的深度图像中矩形区域或者扇形区域为目标障碍区域。
对应于上述根据障碍物类型确定定位传感模块的实现方式,若上述图像识别模型输出的障碍物类型为固定障碍物,则将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块之后,采用如下方式进行障碍物是否处于目标障碍区域内的判断:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;
若是,执行下述步骤S108,基于所述定位特征信息确定的位置信息进行避障处理;
若否,则表明障碍物并未处于机器人的目标障碍区域内,不做处理即可。
与之相类似,若上述图像识别模型输出的障碍物类型为移动障碍物,则将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块之后,采用如下方式进行障碍物是否处于目标障碍区域内的判断:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
然后判断所述图像坐标位置是否处于所述目标图像区域内;
若是,执行下述步骤S108,基于所述定位特征信息确定的位置信息进行避障处理;
若否,则表明障碍物并未处于机器人的目标障碍区域内,不做处理即可。
此外,对应于上述根据障碍物高度确定相应的定位传感模块的实现方式,若上述确定的定位传感模块为无线电传感器,则采用如下方式进行障碍物是否处于目标障碍区域内的判断:
基于所述无线电传感器采集的所述障碍物的位置数据,确定所述位置数据对应的物理坐标位置;
判断所述物理坐标位置是否处于预先设置的物理障碍区域内;
若是,执行下述步骤S108,基于所述定位特征信息确定的位置信息进行避障处理;
若否,则表明障碍物并未处于机器人的目标障碍区域内,不做处理即可。
与之相类似,若上述确定的定位传感模块为图像传感器,则采用如下方式进行障碍物是否处于目标障碍区域内的判断:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;
若是,执行下述步骤S108,基于所述定位特征信息确定的位置信息进行避障处理;
若否,则表明障碍物并未处于机器人的目标障碍区域内,不做处理即可。
步骤S108,基于所述定位特征信息确定的位置信息进行避障处理。
本步骤得以实施的前提是上述步骤S106判断所述障碍物是否处于目标障碍区域内的判断结果为是,具体在基于所述定位特征信息确定的位置信息进行避障处理过程中,首先生成减速行驶的行驶指令并执行,然后基于所述位置信息规划行驶路线,并基于所述行驶路线更新原有行驶路线。
实际应用中,机器人的工作场景中往往存在各种复杂情形,以仓储场景为例,分拣机器人上放置的货物的体积可能比分拣机器人的体积大,虽然分拣机器人之间不会与障碍物发生碰撞,但分拣机器人上放置的货物可能会发生碰撞,或者与障碍物发生碰撞。针对这种情况,本实施例在规划行驶路线过程中,首先根据所述环境图像,确定所述障碍物的最大障碍轮廓,基于所述最大障碍轮廓和所述位置信息规划行驶路线,以使所述行驶路线的行驶宽度大于所述最大障碍轮廓数值,以此来降低机器人行驶过程中与障碍物发生碰撞的概率,提升机器人对复杂场景的应对能力。
下述以本实施例提供的一种机器人避障处理方法在仓储场景的应用为例,对本实施例提供的机器人避障处理方法进行进一步说明,参见附图2,应用于仓储场景的机器人避障处理方法,具体包括步骤S202至步骤S226。
步骤S202,获取分拣机器人配置的单目摄像头采集的环境图像。
除此之外,单目摄像头还可以是设置于分拣机器人所处工作环境中、与分拣机器人配合工作的可移动摄像头,或者是设置于分拣机器人工作环境中不同位置且相互配合的多个固定摄像头。
步骤S204,检测环境图像中包含的目标物体特征。
步骤S206,检测目标物体特征是否为障碍物。
若目标物体特征的检测结果表明其为障碍物,则执行下述步骤S208;反之,则表明当前分拣机器人配置的单目摄像头采集的环境图像中并不存在障碍物,也即分拣机器人当前所处工作环境并无对其行驶产生影响的障碍物,不做处理即可。
步骤S208,将环境图像输入图像识别模型进行特征分割以及特征识别,输出环境图像中包含的障碍物的障碍物类型。
步骤S210,若障碍物类型为固定障碍物,将单目摄像头确定为对障碍物进行定位的定位传感模块。
步骤S212,基于环境图像确定障碍物对应的空间坐标位置。
步骤S214,判断空间坐标位置是否处于空间障碍区域内;若是,执行步骤S224;若否,不做处理即可。
步骤S216,若障碍物类型为移动障碍物,将深度摄像头和单目摄像头二者确定为对障碍物进行定位的定位传感模块。
步骤S218,基于环境图像和深度摄像头采集的深度图像,确定障碍物在融合图像中对应的图像坐标位置。其中,融合图像由环境图像和深度图像融合后获得。
步骤S220,确定预先设置的基准图像区域在融合图像中对应的目标图像区域。
步骤S222,判断图像坐标位置是否处于目标图像区域内;若是,执行步骤S224;若否,不做处理即可。
步骤S224,生成减速行驶的行驶指令并执行。
步骤S226,基于位置信息规划行驶路线并对分拣机器人进行路线更新。
本说明书提供的一种机器人避障处理装置实施例如下:
在上述的实施例中,提供了一种机器人避障处理方法,与之相对应的,还提供了一种机器人避障处理装置,下面结合附图进行说明。
参照附图3,其示出了本实施例提供的一种机器人避障处理装置的示意图。
由于装置实施例对应于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本实施例提供一种机器人避障处理装置,包括:
环境图像获取模块302,被配置为获取图像传感模块采集的环境图像;
障碍物识别模块304,被配置为识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块;
障碍物判断模块306,被配置为基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内;
若是,运行避障处理模块308;所述避障处理模块308,被配置为基于所述定位特征信息确定的位置信息进行避障处理。
可选的,所述障碍物识别模块304,包括:
识别子模块,被配置为将所述环境图像输入图像识别模型,由所述图像识别模型对所述环境图像进行特征分割以及特征识别,输出所述环境图像中包含的障碍物的障碍物类型。
可选的,所述障碍物识别模块304,包括:
第一确定子模块,被配置为在所述障碍物类型为固定障碍物的情况下,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;所述图像传感模块包括:单目摄像头;
相应的,所述障碍物判断模块306,具体被配置为基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;判断所述图像坐标位置是否处于所述目标图像区域内;若是,运行所述避障处理模块308。
可选的,所述障碍物识别模块304,包括:
第二确定子模块,被配置为在所述障碍物类型为移动障碍物的情况下,将深度图像传感器和所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;
相应的,所述障碍物判断模块306,具体被配置为基于所述环境图像和所述深度图像传感器采集的深度图像,确定所述障碍物在所述深度图像中对应的图像坐标位置;确定预先设置的基准图像区域在所述深度图像中对应的目标图像区域;判断所述图像坐标位置是否处于所述目标图像区域内;若是,运行所述避障处理模块308。
可选的,所述障碍物识别模块304,包括:
特征占比确定子模块,被配置为根据所述环境图像确定所述障碍物的特征占比;
特征占比判断子模块,被配置为判断所述障碍物的特征占比是否大于预设特征占比阈值;若是,确定无线电传感器为对所述障碍物进行定位的定位传感模块;若否,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;其中,所述图像传感模块包括:单目摄像头。
可选的,所述障碍物判断模块306,具体被配置为基于所述无线电传感器采集的所述障碍物的位置数据,确定所述位置数据对应的物理坐标位置;判断所述物理坐标位置是否处于预先设置的物理障碍区域内;若是,运行所述避障处理模块308。
可选的,所述障碍物判断模块306,具体被配置为基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;判断所述图像坐标位置是否处于所述目标图像区域内;若是,运行所述避障处理模块308。
可选的,所述障碍物识别模块304,包括:
初始距离计算子模块,被配置为根据所述环境图像计算所述障碍物对应的初始距离;
第一定位传感模块确定子模块,被配置为根据预先建立的距离与定位传感模块对应关系,确定所述初始距离对应的第一定位传感模块,作为对所述障碍物进行定位的定位传感模块。
可选的,所述机器人避障处理装置,还包括:
第二距离确定模块,被配置为基于所述距离对应的定位传感模块采集的所述障碍物的定位特征信息,计算所述障碍物对应的第二距离;
第二距离判断模块,被配置为判断所述第二距离在距离与定位传感模块对应关系中对应的第二定位传感模块,与所述初始距离对应的定位传感模块是否一致;若否,将所述定位传感模块从所述第一定位传感模块切换至所述第二定位传感模块。
可选的,所述避障处理模块308,包括:
行驶指令执行子模块,被配置为生成减速行驶的行驶指令并执行;
行驶路线规划子模块,被配置为基于所述位置信息规划行驶路线,并基于所述行驶路线更新原有行驶路线。
可选的,所述行驶路线规划子模块,包括:
最大障碍轮廓确定单元,被配置为根据所述环境图像,确定所述障碍物的最大障碍轮廓;
行驶路线规划单元,被配置为基于所述最大障碍轮廓和所述位置信息规划行驶路线,以使所述行驶路线的行驶宽度大于所述最大障碍轮廓数值。
可选的,所述机器人避障处理装置,还包括:
目标物体特征检测模块,被配置为检测所述环境图像中包含的目标物体特征;
障碍物检测模块,被配置为检测所述目标物体特征是否为障碍物;若是,运行障碍物识别模块304。
本说明书提供的一种机器人实施例如下:
对应上述描述的一种机器人避障处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种机器人,该机器人用于执行上述的一种机器人避障处理方法,图4为本说明书一个或多个实施例提供的一种机器人的结构示意图。
本实施例提供的一种机器人,包括:
处理器401、图像传感模块402和定位传感模块403;
其中, 所述图像传感模块402,被配置为采集环境图像;
所述处理器401,被配置为获取所述图像传感模块402采集的环境图像,识别所述环境图像中的障碍物,基于所述定位传感模块403采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,若是,基于所述定位特征信息确定的位置信息进行避障处理;
所述定位传感模块403由所述处理器401确定,被配置为对所述障碍物进行定位。
可选的,所述识别所述环境图像中的障碍物,包括:
将所述环境图像输入图像识别模型,由所述图像识别模型对所述环境图像进行特征分割以及特征识别,输出所述环境图像中包含的障碍物的障碍物类型。
可选的,若所述障碍物类型为固定障碍物,将所述图像传感模块402确定为所述定位传感模块403;所述图像传感模块402包括:单目摄像头;
相应的,所述基于所述定位传感模块403采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行下一步。
可选的,若所述障碍物类型为移动障碍物,将深度图像传感器和所述图像传感模块402确定为所述定位传感模块403;
相应的,所述基于所述定位传感模块403采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像和所述深度图像传感器采集的深度图像,确定所述障碍物在所述深度图像中对应的图像坐标位置;
确定预先设置的基准图像区域在所述深度图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行下一步。
可选的,所述处理器通过执行如下操作确定所述定位传感模块403:
根据所述环境图像确定所述障碍物的特征占比;
判断所述障碍物的特征占比是否大于预设特征占比阈值;若是,确定无线电传感器为所述定位传感模块403;若否,将所述图像传感模块402确定为所述定位传感模块403;其中,所述图像传感模块402包括:单目摄像头。
可选的,所述基于所述定位传感模块403采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述无线电传感器采集的所述障碍物的位置数据,确定所述位置数据对应的物理坐标位置;
判断所述物理坐标位置是否处于预先设置的物理障碍区域内;若是,执行下一步。
可选的,所述基于所述定位传感模块403采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行下一步。
可选的,所述处理器通过执行如下操作确定所述定位传感模块403:
根据所述环境图像计算所述障碍物对应的初始距离;
根据预先建立的距离与定位传感模块对应关系,确定所述初始距离对应的第一定位传感模块,作为所述定位传感模块403。
可选的,所述处理器401,还被配置为:
基于所述距离对应的定位传感模块采集的所述障碍物的定位特征信息,计算所述障碍物对应的第二距离;
判断所述第二距离在距离与定位传感模块对应关系中对应的第二定位传感模块,与所述初始距离对应的定位传感模块是否一致;
若否,将所述定位传感模块403从所述第一定位传感模块切换至所述第二定位传感模块。
可选的,所述基于所述定位特征信息确定的位置信息进行避障处理,包括:
生成减速行驶的行驶指令并执行;
基于所述位置信息规划行驶路线,并基于所述行驶路线更新原有行驶路线。
可选的,所述基于所述位置信息规划行驶路线,包括:
根据所述环境图像,确定所述障碍物的最大障碍轮廓;
基于所述最大障碍轮廓和所述位置信息规划行驶路线,以使所述行驶路线的行驶宽度大于所述最大障碍轮廓数值。
可选的,所述处理器还被配置为:
检测所述环境图像中包含的目标物体特征;
检测所述目标物体特征是否为障碍物;若是,下一步。
本说明书提供的一种存储介质实施例如下:
对应上述描述的一种机器人避障处理方法,基于相同的技术构思,本说明书一个或多个实施例还提供一种存储介质。
本实施例提供的存储介质,用于存储计算机可执行指令,所述计算机可执行指令在被执行时实现以下流程:
获取图像传感模块采集的环境图像;
识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块;
基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内;
若是,基于所述定位特征信息确定的位置信息进行避障处理。
可选的,所述识别所述环境图像中的障碍物,包括:
将所述环境图像输入图像识别模型,由所述图像识别模型对所述环境图像进行特征分割以及特征识别,输出所述环境图像中包含的障碍物的障碍物类型。
可选的,所述确定对所述障碍物进行定位的定位传感模块,包括:
若所述障碍物类型为固定障碍物,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;所述图像传感模块包括:单目摄像头;
相应的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理流程。
可选的,所述确定对所述障碍物进行定位的定位传感模块,包括:
若所述障碍物类型为移动障碍物,将深度图像传感器和所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;
相应的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像和所述深度图像传感器采集的深度图像,确定所述障碍物在所述深度图像中对应的图像坐标位置;
确定预先设置的基准图像区域在所述深度图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理流程。
可选的,所述确定对所述障碍物进行定位的定位传感模块,包括:
根据所述环境图像确定所述障碍物的特征占比;
判断所述障碍物的特征占比是否大于预设特征占比阈值;若是,确定无线电传感器为对所述障碍物进行定位的定位传感模块;若否,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;其中,所述图像传感模块包括:单目摄像头。
可选的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述无线电传感器采集的所述障碍物的位置数据,确定所述位置数据对应的物理坐标位置;
判断所述物理坐标位置是否处于预先设置的物理障碍区域内;若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理流程。
可选的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理流程。
可选的,所述确定对所述障碍物进行定位的定位传感模块,包括:
根据所述环境图像计算所述障碍物对应的初始距离;
根据预先建立的距离与定位传感模块对应关系,确定所述初始距离对应的第一定位传感模块,作为对所述障碍物进行定位的定位传感模块。
可选的,所述计算机可执行指令在被执行时还实现以下流程:
基于所述距离对应的定位传感模块采集的所述障碍物的定位特征信息,计算所述障碍物对应的第二距离;
判断所述第二距离在距离与定位传感模块对应关系中对应的第二定位传感模块,与所述初始距离对应的定位传感模块是否一致;若否,将所述定位传感模块从所述第一定位传感模块切换至所述第二定位传感模块。
可选的,所述基于所述定位特征信息确定的位置信息进行避障处理,包括:
生成减速行驶的行驶指令并执行;
基于所述位置信息规划行驶路线,并基于所述行驶路线更新原有行驶路线。
可选的,所述基于所述位置信息规划行驶路线,包括:
根据所述环境图像,确定所述障碍物的最大障碍轮廓;
基于所述最大障碍轮廓和所述位置信息规划行驶路线,以使所述行驶路线的行驶宽度大于所述最大障碍轮廓数值。
可选的,所述计算机可执行指令在被执行时还实现以下流程:
检测所述环境图像中包含的目标物体特征;
检测所述目标物体特征是否为障碍物;若是,执行所述识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块流程。
需要说明的是,本说明书中关于存储介质的实施例与本说明书中关于机器人避障处理方法的实施例基于同一发明构思,因此该实施例的具体实施可以参见前述对应方法的实施,重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、***或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,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。
以上所述仅为本文件的实施例而已,并不用于限制本文件。对于本领域技术人员来说,本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本文件的权利要求范围之内。
Claims (26)
1.一种机器人避障处理方法,其特征在于,包括:
获取图像传感模块采集的环境图像;
识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块;
基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内;
若是,基于所述定位特征信息确定的位置信息进行避障处理。
2.根据权利要求1所述的机器人避障处理方法,其特征在于,所述识别所述环境图像中的障碍物,包括:
将所述环境图像输入图像识别模型,由所述图像识别模型对所述环境图像进行特征分割以及特征识别,输出所述环境图像中包含的障碍物的障碍物类型。
3.根据权利要求2所述的机器人避障处理方法,其特征在于,所述确定对所述障碍物进行定位的定位传感模块,包括:
若所述障碍物类型为固定障碍物,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;所述图像传感模块包括:单目摄像头;
相应的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;
若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理步骤。
4.根据权利要求2所述的机器人避障处理方法,其特征在于,所述确定对所述障碍物进行定位的定位传感模块,包括:
若所述障碍物类型为移动障碍物,将深度图像传感器和所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;
相应的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像和所述深度图像传感器采集的深度图像,确定所述障碍物在所述深度图像中对应的图像坐标位置;
确定预先设置的基准图像区域在所述深度图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;
若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理步骤。
5.根据权利要求1所述的机器人避障处理方法,其特征在于,所述确定对所述障碍物进行定位的定位传感模块,包括:
根据所述环境图像确定所述障碍物的特征占比;
判断所述障碍物的特征占比是否大于预设特征占比阈值;
若是,确定无线电传感器为对所述障碍物进行定位的定位传感模块;
若否,将所述图像传感模块确定为对所述障碍物进行定位的定位传感模块;
其中,所述图像传感模块包括:单目摄像头。
6.根据权利要求5所述的机器人避障处理方法,其特征在于,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述无线电传感器采集的所述障碍物的位置数据,确定所述位置数据对应的物理坐标位置;
判断所述物理坐标位置是否处于预先设置的物理障碍区域内;
若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理步骤。
7.根据权利要求5所述的机器人避障处理方法,其特征在于,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;
若是,执行所述基于所述定位特征信息确定的位置信息进行避障处理步骤。
8.根据权利要求1所述的机器人避障处理方法,其特征在于,所述确定对所述障碍物进行定位的定位传感模块,包括:
根据所述环境图像计算所述障碍物对应的初始距离;
根据预先建立的距离与定位传感模块对应关系,确定所述初始距离对应的第一定位传感模块,作为对所述障碍物进行定位的定位传感模块。
9.根据权利要求8所述的机器人避障处理方法,其特征在于,还包括:
基于所述距离对应的定位传感模块采集的所述障碍物的定位特征信息,计算所述障碍物对应的第二距离;
判断所述第二距离在距离与定位传感模块对应关系中对应的第二定位传感模块,与所述初始距离对应的定位传感模块是否一致;
若否,将所述定位传感模块从所述第一定位传感模块切换至所述第二定位传感模块。
10.根据权利要求1所述的机器人避障处理方法,其特征在于,所述基于所述定位特征信息确定的位置信息进行避障处理,包括:
生成减速行驶的行驶指令并执行;
基于所述位置信息规划行驶路线,并基于所述行驶路线更新原有行驶路线。
11.根据权利要求10所述的机器人避障处理方法,其特征在于,所述基于所述位置信息规划行驶路线,包括:
根据所述环境图像,确定所述障碍物的最大障碍轮廓;
基于所述最大障碍轮廓和所述位置信息规划行驶路线,以使所述行驶路线的行驶宽度大于所述最大障碍轮廓数值。
12.根据权利要求1所述的机器人避障处理方法,其特征在于,所述获取图像传感模块采集的环境图像步骤执行之后,且所述识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块步骤执行之前,还包括:
检测所述环境图像中包含的目标物体特征;
检测所述目标物体特征是否为障碍物;
若是,执行所述识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块步骤。
13.一种机器人避障处理装置,其特征在于,包括:
环境图像获取模块,被配置为获取图像传感模块采集的环境图像;
障碍物识别模块,被配置为识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块;
障碍物判断模块,被配置为基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内;
若是,运行避障处理模块;所述避障处理模块,被配置为基于所述定位特征信息确定的位置信息进行避障处理。
14.一种机器人,其特征在于,包括:
处理器、图像传感模块和定位传感模块;
其中,所述图像传感模块,被配置为采集环境图像;
所述处理器,被配置为获取所述图像传感模块采集的环境图像,识别所述环境图像中的障碍物,基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,若是,基于所述定位特征信息确定的位置信息进行避障处理;
所述定位传感模块由所述处理器确定,被配置为对所述障碍物进行定位。
15.根据权利要求14所述的机器人,其特征在于,所述识别所述环境图像中的障碍物,包括:
将所述环境图像输入图像识别模型,由所述图像识别模型对所述环境图像进行特征分割以及特征识别,输出所述环境图像中包含的障碍物的障碍物类型。
16.根据权利要求15所述的机器人,其特征在于,若所述障碍物类型为固定障碍物,将所述图像传感模块确定为所述定位传感模块;所述图像传感模块包括:单目摄像头;
相应的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行下一步。
17.根据权利要求15所述的机器人,其特征在于,若所述障碍物类型为移动障碍物,将深度图像传感器和所述图像传感模块确定为所述定位传感模块;
相应的,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像和所述深度图像传感器采集的深度图像,确定所述障碍物在所述深度图像中对应的图像坐标位置;
确定预先设置的基准图像区域在所述深度图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行下一步。
18.根据权利要求14所述的机器人,其特征在于,所述处理器通过执行如下操作确定所述定位传感模块:
根据所述环境图像确定所述障碍物的特征占比;
判断所述障碍物的特征占比是否大于预设特征占比阈值;
若是,确定无线电传感器为所述定位传感模块;
若否,将所述图像传感模块确定为所述定位传感模块;
其中,所述图像传感模块包括:单目摄像头。
19.根据权利要求18所述的机器人,其特征在于,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述无线电传感器采集的所述障碍物的位置数据,确定所述位置数据对应的物理坐标位置;
判断所述物理坐标位置是否处于预先设置的物理障碍区域内;若是,执行下一步。
20.根据权利要求18所述的机器人,其特征在于,所述基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内,包括:
基于所述环境图像确定所述障碍物对应的图像坐标位置,并确定预先设置的基准图像区域在所述环境图像中对应的目标图像区域;
判断所述图像坐标位置是否处于所述目标图像区域内;若是,执行下一步。
21.根据权利要求14所述的机器人,其特征在于,所述处理器通过执行如下操作确定所述定位传感模块:
根据所述环境图像计算所述障碍物对应的初始距离;
根据预先建立的距离与定位传感模块对应关系,确定所述初始距离对应的第一定位传感模块,作为所述定位传感模块。
22.根据权利要求21所述的机器人,其特征在于,所述处理器还被配置为:
基于所述距离对应的定位传感模块采集的所述障碍物的定位特征信息,计算所述障碍物对应的第二距离;
判断所述第二距离在距离与定位传感模块对应关系中对应的第二定位传感模块,与所述初始距离对应的定位传感模块是否一致;
若否,将所述定位传感模块从所述第一定位传感模块切换至所述第二定位传感模块。
23.根据权利要求14所述的机器人,其特征在于,所述基于所述定位特征信息确定的位置信息进行避障处理,包括:
生成减速行驶的行驶指令并执行;
基于所述位置信息规划行驶路线,并基于所述行驶路线更新原有行驶路线。
24.根据权利要求23所述的机器人,其特征在于,所述基于所述位置信息规划行驶路线,包括:
根据所述环境图像,确定所述障碍物的最大障碍轮廓;
基于所述最大障碍轮廓和所述位置信息规划行驶路线,以使所述行驶路线的行驶宽度大于所述最大障碍轮廓数值。
25.根据权利要求14所述的机器人,其特征在于,所述处理器还被配置为:
检测所述环境图像中包含的目标物体特征;
检测所述目标物体特征是否为障碍物;若是,下一步。
26.一种存储介质,用于存储计算机可执行指令,其特征在于,所述计算机可执行指令在被执行时实现以下流程:
获取图像传感模块采集的环境图像;
识别所述环境图像中的障碍物,并确定对所述障碍物进行定位的定位传感模块;
基于所述定位传感模块采集的定位特征信息,判断所述障碍物是否处于目标障碍区域内;
若是,基于所述定位特征信息确定的位置信息进行避障处理。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010843699.3A CN112068553A (zh) | 2020-08-20 | 2020-08-20 | 机器人避障处理方法、装置及机器人 |
JP2020193589A JP6884312B1 (ja) | 2020-08-20 | 2020-11-20 | ロボット障害回避処理方法、装置、ロボット |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010843699.3A CN112068553A (zh) | 2020-08-20 | 2020-08-20 | 机器人避障处理方法、装置及机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112068553A true CN112068553A (zh) | 2020-12-11 |
Family
ID=73662546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010843699.3A Pending CN112068553A (zh) | 2020-08-20 | 2020-08-20 | 机器人避障处理方法、装置及机器人 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6884312B1 (zh) |
CN (1) | CN112068553A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113655793A (zh) * | 2021-08-12 | 2021-11-16 | 上海三一重机股份有限公司 | 一种基于融合策略的避障控制方法、装置及工程机械 |
CN113741472A (zh) * | 2021-09-10 | 2021-12-03 | 上海伯镭智能科技有限公司 | 一种基于多图像采集的障碍回避方法及装置 |
WO2023216555A1 (zh) * | 2022-05-10 | 2023-11-16 | 丰疆智能(深圳)有限公司 | 基于双目视觉的避障方法、装置、机器人及介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113467468B (zh) * | 2021-07-23 | 2024-03-29 | 合肥工业大学 | 一种基于嵌入式的机器人智能避障***及方法 |
CN113848895B (zh) * | 2021-09-16 | 2023-06-06 | 北京空间飞行器总体设计部 | 一种火面巡视器长距离安全移动和高效探测方法及装置 |
CN114879701A (zh) * | 2022-06-23 | 2022-08-09 | 池州市安安新材科技有限公司 | 一种机器人轨道避障方法及*** |
CN115147738B (zh) * | 2022-06-24 | 2023-01-13 | 中国人民公安大学 | 一种定位方法、装置、设备及存储介质 |
CN115019216B (zh) * | 2022-08-09 | 2022-10-21 | 江西师范大学 | 实时地物检测和定位计数方法、***及计算机 |
CN116203970A (zh) * | 2023-04-27 | 2023-06-02 | 泰坦(天津)能源技术有限公司 | 一种巡检机器人的智能避障方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116841A (zh) * | 2018-07-23 | 2019-01-01 | 昆明理工大学 | 一种基于蚁群算法的路径规划平滑优化方法 |
CN110442120A (zh) * | 2018-05-02 | 2019-11-12 | 深圳市优必选科技有限公司 | 控制机器人在不同场景下移动的方法、机器人及终端设备 |
CN110502019A (zh) * | 2019-09-06 | 2019-11-26 | 北京云迹科技有限公司 | 一种室内机器人的避障方法及装置 |
CN110609546A (zh) * | 2019-08-15 | 2019-12-24 | 浙江国自机器人技术有限公司 | 拣货装置的防护方法、***、计算机设备和可读存储介质 |
US20200089247A1 (en) * | 2018-09-14 | 2020-03-19 | Florian Shkurti | Iterative generation of adversarial scenarios |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5722127B2 (ja) * | 2011-06-07 | 2015-05-20 | 株式会社小松製作所 | 作業車両の周辺監視装置 |
WO2016009585A1 (ja) * | 2014-07-18 | 2016-01-21 | パナソニックIpマネジメント株式会社 | 自律移動体とその制御方法 |
JP2017220057A (ja) * | 2016-06-08 | 2017-12-14 | 株式会社リコー | 障害物回避装置、障害物回避システムおよびプログラム |
JP2020017206A (ja) * | 2018-07-27 | 2020-01-30 | ソニー株式会社 | 情報処理装置、行動決定方法及びプログラム |
JP7044694B2 (ja) * | 2018-12-27 | 2022-03-30 | ヤンマーパワーテクノロジー株式会社 | 作業車両用の障害物検知システム |
-
2020
- 2020-08-20 CN CN202010843699.3A patent/CN112068553A/zh active Pending
- 2020-11-20 JP JP2020193589A patent/JP6884312B1/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110442120A (zh) * | 2018-05-02 | 2019-11-12 | 深圳市优必选科技有限公司 | 控制机器人在不同场景下移动的方法、机器人及终端设备 |
CN109116841A (zh) * | 2018-07-23 | 2019-01-01 | 昆明理工大学 | 一种基于蚁群算法的路径规划平滑优化方法 |
US20200089247A1 (en) * | 2018-09-14 | 2020-03-19 | Florian Shkurti | Iterative generation of adversarial scenarios |
CN110609546A (zh) * | 2019-08-15 | 2019-12-24 | 浙江国自机器人技术有限公司 | 拣货装置的防护方法、***、计算机设备和可读存储介质 |
CN110502019A (zh) * | 2019-09-06 | 2019-11-26 | 北京云迹科技有限公司 | 一种室内机器人的避障方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113655793A (zh) * | 2021-08-12 | 2021-11-16 | 上海三一重机股份有限公司 | 一种基于融合策略的避障控制方法、装置及工程机械 |
CN113741472A (zh) * | 2021-09-10 | 2021-12-03 | 上海伯镭智能科技有限公司 | 一种基于多图像采集的障碍回避方法及装置 |
CN113741472B (zh) * | 2021-09-10 | 2024-03-08 | 上海伯镭智能科技有限公司 | 一种基于多图像采集的障碍回避方法及装置 |
WO2023216555A1 (zh) * | 2022-05-10 | 2023-11-16 | 丰疆智能(深圳)有限公司 | 基于双目视觉的避障方法、装置、机器人及介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2022035927A (ja) | 2022-03-04 |
JP6884312B1 (ja) | 2021-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112068553A (zh) | 机器人避障处理方法、装置及机器人 | |
EP4131062A1 (en) | Trajectory prediction method and apparatus for obstacle | |
US11537138B2 (en) | Adaptive region division method and system | |
US11275178B2 (en) | Method and device for drawing region outline and computer readable storage medium | |
US20200264626A1 (en) | Autonomous robots and methods of operating the same | |
CN116740361B (zh) | 一种点云分割方法、装置、存储介质及电子设备 | |
CN115600157B (zh) | 一种数据处理的方法、装置、存储介质及电子设备 | |
CN114077252B (zh) | 机器人碰撞障碍区分装置及方法 | |
CN114740842A (zh) | 一种多传感器融合的机器人避障的方法、设备及介质 | |
CN115880685B (zh) | 一种基于votenet模型的三维目标检测方法和*** | |
CN117008615A (zh) | 一种策略切换的无人车轨迹规划方法和*** | |
US20220314980A1 (en) | Obstacle tracking method, storage medium and unmanned driving device | |
US20220319189A1 (en) | Obstacle tracking method, storage medium, and electronic device | |
US20220309707A1 (en) | Pose determining | |
KR20200010988A (ko) | 이미지 센서와 복수의 지자기 센서를 융합하여 위치 보정하는 이동 로봇 장치 및 제어 방법 | |
CN113642616B (zh) | 一种基于环境数据的训练样本的生成方法及装置 | |
CN114510031A (zh) | 机器人视觉导航方法、装置、机器人及存储介质 | |
CN112338910A (zh) | 空间地图确定方法、机器人、存储介质及*** | |
Sumbal | Environment Detection and Path Planning using the e-puck Robot | |
Cheng et al. | Dynamic path planning in human-shared environments for low-resource mobile agents | |
CN114047763B (zh) | 无人车区分碰撞障碍物的***、方法、装置及电子设备 | |
CN118053153B (zh) | 一种点云数据的识别方法、装置、存储介质及电子设备 | |
CN112686077B (zh) | 一种自驱动机器人和障碍物识别的方法 | |
CN116051616B (zh) | 一种深度测量方法、装置、存储介质及电子设备 | |
CN116664050B (zh) | 一种物流物资识别*** |
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 |