CN116372990A - 机器人防跌落方法、机器人及可读存储介质 - Google Patents

Abstract

本申请公开一种机器人防跌落方法、机器人及可读存储介质。所述机器人防跌落方法，包括：获取防跌落传感器检测的机器人与支撑面之间的距离；判断所述距离是否满足预设的防跌落条件；在所述距离满足预设的防跌落条件时，检查是否存在有效的安全信号，所述安全信号具有时间效力；在检查到存在有效的安全信号时，确定所述机器人处于所述安全区域；在检查到不存在有效的安全信号时，根据所处环境确定所述机器人是否处于安全区域；在根据所处环境确定所述机器人没有处于所述安全区域的情况下，向所述机器人发送停止运动指令。

Description

机器人防跌落方法、机器人及可读存储介质

本申请为依据专利法实施细则第42条而提出的分案申请，其母案为申请日为2021年08月03日，申请号为202110886723.6，发明名称为机器人防跌落方法、机器人及可读存储介质，申请人为汤恩智能科技(常熟)有限公司的中国发明申请。本申请母案中的全部内容全文引用于本申请中。

技术领域

本申请涉及机器人技术领域，具体的涉及一种机器人防跌落方法、机器人及可读存储介质。

背景技术

随着机器人技术的发展，出现了多种机器人产品如清扫机器人、安防机器人、巡检机器人、配送机器人等，为了保证机器人在应用场景中能够安全可靠地工作，机器人需要具有能够感知周围环境、进而规避楼梯、站台等可能会跌落的场景的能力。

当前，机器人一般通过使用不同类型的传感器来感知周围环境，例如红外线传感器、超声波传感器、激光传感器等，这些传感器通过向外部环境发射诸如红外线、超声波、激光等能量并接收反射回的能量来进行环境感知。这些传感器在一些特定的场景中会存在感知问题，如图1至图4所示，图1至图2示出了排水沟栅的场景，图3示出了黑色吸光地毯的场景，图4示出了透明玻璃地板的场景，这些场景中传感器很可能无法进行准确感知，从而导致对机器人跌落风险的误判。例如激光传感器在对排水沟栅进行感知时，由于激光可能会射入排水沟栅的缝隙中使得激光传感器接收不到反射的激光，因此激光传感器不能正确判断机器人与排水沟栅之间的距离，导致激光传感器将排水沟栅误判为机器人会跌落的区域。

发明内容

鉴于以上所述相关技术的缺点，本申请的目的在于提供一种机器人防跌落方法、机器人及可读存储介质，用以克服上述相关技术中存在的在特定场景下机器人的防跌落判断容易误判的技术问题。

为实现上述目的及其他相关目的，本申请公开的第一方面提供一种机器人防跌落方法，包括以下步骤：获取防跌落传感器检测的机器人与支撑面之间的距离；判断所述距离是否满足预设的防跌落条件，其中，所述防跌落条件用于描述所述机器人可能跌落的距离范围；在所述距离满足预设的防跌落条件时，检查是否存在有效的安全信号，所述安全信号用于指示机器人当前处于安全区域，其可为根据所处环境判断机器人处于安全区域后保存的状态数据，所述安全信号具有时间效力；在检查到存在有效的安全信号时，确定所述机器人处于所述安全区域；在检查到不存在有效的安全信号时，根据所处环境确定所述机器人是否处于安全区域；在根据所处环境确定所述机器人没有处于所述安全区域的情况下，向所述机器人发送停止运动指令。

在本申请第一方面公开的某些实施例中，所述根据所处环境确定所述机器人是否处于安全区域包括：通过所述机器人的定位及场景地图中标定的安全区域确定所述机器人是否处于不会发生跌落的安全区域。

在本申请第一方面公开的某些实施例中，所述通过所述机器人的定位及场景地图中标定的安全区域确定所述机器人是否处于不会发生跌落的安全区域包括：获取机器人在当前场景中的位置；判断所述位置是否处于场景地图中标定的安全区域中；在所述位置没有处于场景地图中标定的安全区域中时，确定所述机器人没有处于所述安全区域中。

在本申请第一方面公开的某些实施例中，所述场景地图中标定的安全区域的范围通过轮廓线或几何形状进行划定。

在本申请第一方面公开的某些实施例中，所述机器人在当前场景中的位置采用机器人室内定位技术实现，所述机器人室内定位技术包括以下一种：邻近信息法、场景分析法、以及几何特征法。

在本申请第一方面公开的某些实施例中，所述根据所处环境确定所述机器人是否处于安全区域包括：通过对摄像头拍摄的环境图像进行图像识别，并依据图像识别结果是否满足预设的安全场景条件确定所述机器人处于安全区域中或者没有处于安全区域中；其中，所述摄像头所拍摄的环境图像为机器人运动方向上的环境图像。

在本申请第一方面公开的某些实施例中，所述安全区域至少包括如下一种：排水沟栅、黑色吸光区域和透明地板区域。

在本申请第一方面公开的某些实施例中，还包括：在所述机器人处于所述安全区域的情况下，继续执行运动指令并设置安全信号。

在本申请第一方面公开的某些实施例中，所述安全信号中包括指定对至少一个防跌落传感器进行屏蔽的信号，以使得依据未被屏蔽的防跌落传感器提供的距离检测数据判断所述距离是否满足预设的防跌落条件。

在本申请第一方面公开的某些实施例中，还包括：在所述机器人离开安全区域后对安全信号重置。

本申请公开的第二方面提供一种可读存储介质，所述可读存储介质上存储有指令，该指令在被调用时使得机器人执行并实现如本申请第一方面任一实施例中所述的机器人防跌落方法。

本申请公开的第三方面提供一种机器人，包括：机器人本体；运动部件，设置于所述机器人本体上，用于带动所述机器人本体运动；至少一防跌落传感器，设置于所述机器人本体上，用于检测机器人与支撑面之间的距离；处理器，用于控制所述至少一个防跌落传感器进行检测并控制所述运动部件的运动以实现机器人防跌落的控制，所述处理器被配置为：获取防跌落传感器检测的机器人与支撑面之间的距离；判断所述距离是否满足预设的防跌落条件，其中，所述防跌落条件用于描述所述机器人可能跌落的距离范围；在所述距离满足预设的防跌落条件时，检查是否存在有效的安全信号，所述安全信号用于指示机器人当前处于安全区域，其可为根据所处环境判断机器人处于安全区域后保存的状态数据，所述安全信号具有时间效力；在检查到存在有效的安全信号时，确定所述机器人处于所述安全区域；在检查到不存在有效的安全信号时，根据所处环境确定所述机器人是否处于安全区域；在根据所处环境确定所述机器人没有处于所述安全区域的情况下，向所述机器人发送停止运动指令。

在本申请第三方面公开的某些实施例中，所述机器人为清扫机器人、安防机器人、巡检机器人、以及配送机器人中的任意一种机器人。

综上所述，本申请公开的机器人防跌落方法、机器人及可读存储介质，通过在根据防跌落传感器提供的距离数据确定机器人存在可能跌落的风险时，再通过摄像头拍摄机器人运动方向上的环境图像并识别图像中的物体或区域；或通过机器人的定位来判断是否处于场景地图中的安全区域来判断机器人是否处于安全区域中，从而实现了对机器人跌落风险的第二次确认，避免在特定场景下跌落风险的误判，提高机器人的运行效率，扩大机器人的工作范围。

本领域技术人员能够从下文的详细描述中容易地洞察到本申请的其它方面和优势。下文的详细描述中仅显示和描述了本申请的示例性实施方式。如本领域技术人员将认识到的，本申请的内容使得本领域技术人员能够对所公开的具体实施方式进行改动而不脱离本申请所涉及发明的精神和范围。相应地，本申请的附图和说明书中的描述仅仅是示例性的，而非为限制性的。

附图说明

本申请所涉及的发明的具体特征如所附权利要求书所显示。通过参考下文中详细描述的示例性实施方式和附图能够更好地理解本申请所涉及发明的特点和优势。对附图简要说明如下：

图1示出了一种排水沟栅的示意图。

图2示出了另一种排水沟栅的示意图。

图3示出了一种黑色吸光地毯的场景示意图。

图4示出了一种透明玻璃地板的场景示意图。

图5根据本申请的一些实施例，示出了一种机器人运动时的场景示意图。

图6根据本申请的一些实施例，示出了一种机器人的硬件结构图。

图7根据本申请的一些实施例，示出了一种机器人防跌落方法的流程图。

图8根据本申请的一些实施例，示出了另一种机器人防跌落方法的流程图。

具体实施方式

本申请的说明性实施例包括但不限于机器人防跌落方法、机器人及可读存储介质。

可以理解，如本文所使用的，术语“模块”可以指代或者包括专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用、或群组)和/或存储器、组合逻辑电路、和/或提供所描述的功能的其他适当硬件组件，或者可以作为这些硬件组件的一部分。

可以理解，在本申请各实施例中，处理器可以是微处理器、数字信号处理器、微控制器等，和/或其任何组合。根据另一个方面，所述处理器可以是单核处理器，多核处理器等，和/或其任何组合。

可以理解，本申请的机器人防跌落方法适用于多种需要在不同工作场景中运行的机器人。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请的实施例作进一步地详细描述。

图5根据本申请的一些实施例，提供了一种机器人100向目标区域200运动时进行防跌落判断的场景。如图5所示，机器人100向目标区域200的方向运动，机器人100的防跌落传感器持续检测机器人100与支撑面之间的距离，支撑面是可以对机器人100提供支撑的平面或斜面等，例如地面、楼梯等。在目标区域，机器人100的防跌落传感器检测到的值为一个较大值，这意味着机器人距离该区域的底部可能距离较大。当该值满足预设的防跌落条件，机器人100判定存在跌落的风险，并且可以停止前进以防止跌落。

本申请的跌落传感器可以是专用于检测机器人100与支撑面之间距离的传感器，也可以是和前进障碍物传感器结合的传感器中用于检测机器人与支撑面之间距离的部分功能部件。

在此，机器人100的防跌落传感器例如可以是红外传感器、超声波传感器、激光传感器等。

目标区域200可以是排水沟栅、透明玻璃地板、黑色吸光地毯等。

以下以机器人100的防跌落传感器为红外线传感器，目标区域200为黑色吸光地毯为例对本申请进行更详细说明。

机器人100的红外线传感器在运动中持续向前方地面发射红外线，地面对红外线进行反射，反射的红外线被红外线传感器接收用于计算红外线传感器与前方地面之间的距离。机器人100的红外线传感器发射的红外线射到黑色吸光地毯200上后，由于黑色吸光地毯200吸收大量的红外线，红外线传感器基本接收不到反射回去的红外线，因此红外线传感器将其与黑色吸光地毯200之间的距离错误判断为较大的数，从而机器人100根据红外线传感器提供的错误距离将黑色吸光地毯200误判为机器人100会发生跌落的区域，进而机器人100停止向黑色吸光地毯200方向的运动。

实际上，黑色吸光地毯200并不是会使得机器人100发生跌落的区域，机器人100的防跌落传感器发生了误判。如果仅仅根据防跌落传感器提供的距离数据会导致机器人100的工作范围受到不必要的限制，因此，机器人100需进一步根据机器人100所处位置或环境判断当前是否处于安全区域。当判断发现机器人100位于安全区域中，则机器人100向前继续移动到目标区域200中。当判断发现机器人100并非位于安全区域中，则机器人100停止前进以防止跌落。

为检查当前所处环境是否会导致可能跌落的情况。机器人100通过摄像头采集黑色吸光地毯200的图像并进行物体识别，在识别出图像中包含黑色吸光地毯之后，机器人100确定当前场景为安全场景(也称之为安全区域，后续提及的安全场景也应理解为安全区域)，机器人100可以继续向黑色吸光地毯200的方向前进。

如果只根据防跌落传感器的检测距离来判断机器人是否存在跌落的风险，而防跌落传感器在遇到黑色吸光地毯等区域时不能准确判断距离，从而误导机器人做出错误判断，使得机器人的工作范围减小，同时为了绕开误判的区域增加了不必要的运动路程，降低了机器人的工作效率。排水沟栅、透明玻璃地板的场景也是如此。此处不再赘述。

本申请技术方案提供的方法，通过在机器人根据防跌落传感器与目标区域的距离数据做出防跌落，并且进一步对当前场景是否为安全场景进行确认，如果为安全场景，则机器人可以继续运动到目标区域，从而可以降低防跌落传感器的误判对机器人运动的影响，扩大机器人的工作范围，使得机器人的工作效率更高。

跌落传感器的判断和安全区域的判断可以是同时进行，也可以是先进行跌落传感器的判断再进行安全区域的判断，本申请并不意欲做特别的限定。

图6根据本申请的一些实施例，示出了一种机器人100的结构示意图。具体地，如图6所示，机器人100包括处理器110，红外线传感器120，超声波传感器130，激光传感器140，摄像头150，存储器160和运动部件170等。

处理器110可用于读取和执行计算机可读指令。具体实现中，处理器110可主要包括控制器、运算器和寄存器。其中，控制器主要负责指令译码，并为指令对应的操作发出控制信号。运算器主要负责执行定点或浮点算数运算操作、移位操作以及逻辑操作等，也可以执行地址运算和转换。寄存器主要负责保存指令执行过程中临时存放的寄存器操作数和中间操作结果等。具体实现中，处理器110的硬件架构可以是专用集成电路(ASIC)架构、MIPS架构、ARM架构或者NP架构等等。

处理器110可以包括一个或多个处理单元，例如：处理器110可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphics processingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。

例如，NPU为神经网络(neural-network，NN)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过NPU可以机器人100的智能认知等应用，例如：图像识别，物体识别等。

在本申请的一些实施例中，NPU可以通过对摄像头150采集的场景图像进行图像识别或物体识别，从而识别出机器人100运动方向上的物体或对象，供机器人100进一步判断是否会发生跌落。

在本申请的一些实施例中，处理器110可以用于进行实时处理，例如，接收实时信号，发出实时指令等。具体来说，处理器110可以为运行实时操作***的单片机，也可以为芯片组中的专用于处理实时信号的专用CPU等。

红外线传感器120是利用红外线的物理性质来进行距离测量的传感器，红外线传感器120向外发射红外线并根据反射回的红外线计算与外部物体之间的距离。红外线传感器测量时不与被测物体直接接触，因而不存在摩擦，并且有灵敏度高，反应快等优点。红外线传感器120的缺点是不能用于探测黑色或透明的物体。

超声波传感器130是利用超声波来进行距离测量的传感器，其发出的超声波是振动频率高于20kHz的机械波，超声波具有频率高、波长短、绕射现象小，特别是方向性好，能够成为射线而定向传播等特点。超声波传感器130能够对玻璃、水面等透明障碍物进行测量，但是容易受到回波干扰而导致误报。

激光传感器140是利用激光技术进行距离测量的传感器，能够实现无接触远距离测量，具有速度快、精度高、量程大、抗光、电干扰能力强等。激光传感器140工作时，先由激光发射二极管对准目标发射激光脉冲，经目标反射后激光向各方向散射，部分散射光返回到传感器接收器，被光学***接收后成像到雪崩光电二极管上，雪崩光电二极管将检测到的光信号转化为相应的电信号。激光传感器140通过记录并处理从光脉冲发出到返回被接收所经历的时间，即可测定目标距离。激光传感器140的缺点是受空气影响大，只能在较小的范围内进行测量。

在本申请的一些实施例中，机器人100可以使用红外线传感器120、超声波传感器130或激光传感器140对机器人100与地面之间的距离进行检测。

摄像头150用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB，YUV等格式的图像信号。

在本申请的一些实施例中，摄像头150可以是普通摄像头或深度摄像头，普通摄像头用于获得机器人100周围环境的图像，深度摄像头除了获得周围环境的图像外还可以获得环境中物体与深度摄像头的距离。

在本申请的一些实施例中，机器人100可以包括至少一个摄像头150，摄像头150用于采集包含目标区域或目标物体的图像用于进行物体识别。

存储器160与处理器110耦合，用于存储各种软件程序和/或多组指令。存储器可以存储本申请实施例中多种指令，例如判断指令，用于判断来自防跌落传感器的检测距离是否满足预设的防跌落条件；图像识别指令，用于对摄像头拍摄的图像进行物体识别；定位指令，用于确定机器人的当前位置；还可以存储运动指令或停止运动指令等。具体实现中，存储器160可包括高速随机存取的存储器，并且也可包括非易失性存储器，例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。存储器160可以存储操作***，例如uCOS、VxWorks、RTLinux等嵌入式操作***。存储器160还可以存储通信程序，该通信程序可用于与手机，一个或多个服务器，或附加设备进行通信。

在本申请的一些实施例中，存储器160可以用于存储场景地图数据，存储的场景地图数据中预先标记了相关的安全区域，机器人100可利用存储的场景地图数据和自身位置来确定是否处于安全区域中。

运动部件170用于根据处理器110发出的指令控制机器人100的运动。运动部件170可以包括多个运动相关的部件，例如电机、传动轴、轮子等。本申请的一些实施例中，运动部件170用于实现机器人100的多种运动形式，例如向前运动、向后运动、向左运动、向右运动、弓形运动等。

可以理解的是，图6示意的结构并不构成对机器人100的具体限定。在本申请另外一些实施例中，机器人100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以由硬件或软件，或软件和硬件的组合实现。

下面结合上述图6所示的结构，根据图7和图8并结合具体场景，详细介绍本申请的技术方案。如图7所示，本申请的一些实施例中机器人防跌落方案包括：

步骤S701，机器人100获取防跌落传感器检测的机器人与支撑面之间的距离。防跌落传感器设置在机器人100上，用于检测机器人与支撑面之间的距离，一般来说，传感器检测到的距离是与机器人与地面之间的距离，也可以是其它距离，例如机器人与某级楼梯之间的距离等。防跌落传感器可以是红外线传感器、超声波传感器、激光传感器等不同类型的传感器。支撑面可以是当前场景中各种可能对机器人100提供一定支撑作用的物体或区域，例如下水道井盖、楼梯、地毯等。机器人100在持续运动过程中，防跌落传感器也不断检测机器人100与支撑面之间的距离，并将检测到的距离提供给机器人100。

本申请的一些实施例中，机器人100上至少设置有一个防跌落传感器，多个防跌落传感器可以均匀分布在机器人100的身体周围，从而可以实现对机器人100周围环境的全面检测，避免存在检测盲区。其中，所述机器人的身体也可称之为机器人本体，是指将相关装置、部件、组件、或机构等安装或集成的地方，例如，前述实施例中提及的运动部件也设置于机器人本体上，从而带动机器人本体运动。

另外，在机器人100上设置有多个防跌落传感器时，有些防跌落传感器与机器人100的运动方向有关联，另外一些防跌落传感器与机器人100的运动方向没有关联，有关联的防跌落传感器提供的距离检测数据对机器人100的防跌落判断有较大价值，没有关联的防跌落传感器提供的距离检测数据对机器人100的防跌落判断没有价值或价值较小。例如，机器人100上设置有4个防跌落传感器，分别分布在机器人100的身体圆周上的2点钟方向、5点钟方向、8点钟方向和11点钟方向，在机器人100向12点钟方向运动时，位于机器人100运动方向左前方和右前方位置的11点钟方向防跌落传感器和2点钟方向防跌落传感器是与运动方向有关联的防跌落传感器，位于运动方向左后方和右后方的8点钟方向防跌落传感器和5点钟方向防跌落传感器是与运动方向没有关联的防跌落传感器。

本申请的一些实施例中，机器人100获取与运动方向有关联的防跌落传感器提供的距离检测数据，机器人100可以不用获取与运动方向没有关联的防跌落传感器的距离检测数据，从而减少处理的距离检测数据，节省处理资源，提高机器人100的运行效率。

步骤S702，机器人100判断机器人与支撑面之间的距离是否满足预设的防跌落条件。在此，防跌落条件用来说明机器人100处于可能跌落的距离范围。在防跌落传感器提供的检测距离满足防跌落条件时，例如，检测到的距离值大于等于预设值，判断机器人100处于可能跌落的距离范围，例如，检测到的距离值小于预设值，当检测距离不满足防跌落条件时，判断机器人100没有处于可能跌落的距离范围。

本申请的一些实施例中，执行步骤S701和S702可以使用一个处理器，该处理器例如可以是运行实时操作***的单片机，也可以是芯片组中专用于处理实时信号的专用CPU；执行步骤S703至S707可以使用另外一个处理器，这个处理器的处理实时性要求低于前一个处理器，例如可以是工业控制计算机、单片机、CPU等。

在执行步骤S701和步骤S702中，若检测到距离满足预设的防跌落条件，会根据机器人所处环境确定机器人是否处于安全区域，后续如步骤S703至S707实施例中通过对摄像头拍摄的环境图像进行图像识别，并依据图像识别结果是否满足预设的安全场景条件确定所述机器人处于安全区域中或者没有处于安全区域中，在如步骤S703至S707实施例中也将安全区域称之为安全场景。

步骤S703，如果满足防跌落条件，机器人100获取与机器人运动方向关联的摄像头拍摄的图像。在此，防跌落传感器提供的检测距离满足预设的防跌落条件说明机器人100处于可能跌落的场景中，由于防跌落传感器提供的检测距离可能存在误判，因此本申请的方案中通过其它数据来对当前场景进行确认，得到更准确的场景判断。

本申请的一些实施例中，机器人100上设置有摄像头，摄像头用于拍摄机器人100运动方向上的环境图像。环境图像中可能包括障碍物、地面区域等。在此，摄像头可以是普通摄像头也可以是深度摄像头，普通摄像头用于拍摄二维图像，深度摄像头可以用于拍摄三维图像，三维图像中还包括物体与深度摄像头之间的距离信息。

本申请的一些实施例中，机器人100上设置的摄像头可以为一个，也可以为多个。摄像头为一个时，可以将摄像头设置在可旋转的装置上，从而通过摄像头的旋转实现对机器人100周围环境的拍摄。在机器人100运动时，旋转摄像头使得摄像头的拍摄方向与机器人100的运动方向一致，该摄像头即成为与机器人运动方向关联的摄像头，所拍摄的图像可以用于机器人100进一步的防跌落判断。

在摄像头为多个时，可以将多个摄像头的拍摄方向分开，每个摄像头的拍摄方向不同，多个摄像头拍摄的图像可以机器人100周围环境的全景图像。此时，与机器人100运动方向关联的摄像头是那些能够拍摄到机器人100运动方向上图像的摄像头。

本申请的一些实施例中，根据所处环境来确定所述机器人是否处于不会发生跌落的安全区域之前，机器人100还可以检查相关的安全信号，根据安全信号是否存在来确定是否进行根据所处环境确定机器人是否处于不会发生跌落的安全区域，例如通过执行步骤S703至步骤S705的方式进行是否处于不会发生跌落的安全区域的实施例中，安全信号是机器人通过执行步骤S703至S705后判断出机器人当前处于安全场景后保存的状态数据。安全信号可以用于指示当前处于安全场景，避免在判断出已经是安全场景后还不断进行安全场景判断，减少不必要的计算资源消耗。如果机器人100检查到安全信号存在，则可以不进行摄像头拍摄图像的识别和安全场景判断，而是直接将当前场景确定为安全场景。如果机器人100没有检查到安全信号，则需要进行安全场景的判断。在此，安全信号可以设置有超时机制，即在一定时间内(例如100毫秒)未接收到新的安全信号，则原有的安全信号失效，也即是说，安全信号设置有超时机制也可被称之为安全信号时间效力。

步骤S704，机器人100对拍摄图像中的物体或区域进行识别。在此，对图像中的物体或区域进行识别可通过深度学习技术进行。深度学习技术是机器学习领域中的一个研究方向，是人工智能技术的重要组成部分。深度学习技术能够学习样本数据的内在规律和表示层次，学习过程中获得的信息能够对文字、图像和声音等数据进行有效解释。深度学习技术能够让机器能够像人一样具有分析学习能力，从而识别文字、图像和声音等。

深度学习技术主要涉及三类方法：基于卷积运算的神经网络***、基于多层神经元的自编码神经网络和深度置信网络。基于卷积运算的神经网络***即卷积神经网络，发展至今已经出现了多种类型的卷积神经网络，对图像中物体或区域的识别的准确性得到了很大的提升。自编码神经网络是一种以无监督学习方式对样本数据的特征进行检测的神经网络。深度置信网络是一种概率生成的神经网络模型，概率生成可以建立样本数据与对象分类之间的联合分布，由多个限制玻尔兹曼机(Restricted Boltzmann Machines，RBM)层组成。与传统的判别模型的神经网络相对，可以使用监督学习方式，也可以使用非监督学习方式。

本申请的一些实施例中，机器人100使用预先训练的神经网络识别模型从摄像头拍摄的图像中识别出物体如楼梯、台阶、墙壁、大门等，或区域如排水沟栅、水坑、黑色吸光地毯、透明玻璃地板等。在此，神经网络识别模型通常在外部服务器上进行训练得到，再将训练好的神经网络识别模型移植到机器人100上。在此，用户可以将包含上述物体或区域的图像作为训练数据输入某种神经网络进行训练，训练完成后得到的神经网络即神经网络识别模型，该模型能够从图像中识别出上述物体或区域。

步骤S705，机器人100判断识别结果是否满足预设的安全场景条件。在此，神经网络识别模型对摄像头拍摄图像的识别结果可以是当前场景中的物体或区域如台阶、水坑、墙壁、大门等。安全场景条件可以是用户设定的一些防跌落传感器容易误判但实际上不会造成机器人跌落的场景，例如存在排水沟栅、黑色吸光区域、透明地板区域等的场景等。如果神经网络识别模型的识别结果与安全场景条件中包含的物体或区域一致，则可以认为识别结果满足安全场景条件，机器人100当前处于安全场景中。例如，神经网络识别模块对摄像头拍摄图像的识别结果是黑色吸光地毯，而安全场景条件中存在有黑色吸光区域的场景，则识别结果满足安全场景条件。又例如，神经网络识别模块对摄像头拍摄图像的识别结果是台阶，而安全场景条件中不存在台阶的场景，则识别结果不满足安全场景条件。

步骤S706，如果识别结果不满足安全场景条件，则机器人100向运动部件170发送停止运动指令。在此，机器人100对摄像头拍摄图像的识别结果同样不支持机器人100处于安全场景下，因此防跌落传感器的检测不存在误判，机器人100确实存在跌落的风险。因此，机器人100向运动部件170发送停止运动指令，使得运动部件170根据该指令制止机器人100的运动，例如停止为运动部件170中电机进行供电、对运动部件170中的轮子进行刹车等，从而使得机器人100在运动方向上的运动。

本申请的一些实施例中，机器人100发送的停止运动指令是在机器人100的运动方向上的停止运动指令，机器人100的运动部件170根据该停止运动指令停止在运动方向上前进，而运动部件170可以执行在非运动方向的其它方向上的运动指令，例如执行运动方向的相反方向上的运动指令，使得机器人100进行后退。

步骤S707，如果识别结果满足安全场景条件，则机器人100继续执行运动指令。在此，识别结果满足安全场景条件，说明机器人100当前处于安全场景下，防跌落传感器的检测存在误判，实际上机器人100没有跌落的风险，机器人100可以在运动方向上继续前进，因此机器人100继续向运动部件170发送运动指令，由运动部件170执行该运动指令使得机器人100能继续运动。

另外，机器人100还对安全信号进行设置，表明机器人100当前处于安全场景或称之为安全区域中。机器人100可以定时方式设置安全信号，也可以非定时方式设置安全信号，定时设置的频率可以在5Hz至50Hz之间；非定时方式例如可以在判断出机器人100处于安全场景后设置等。

如果步骤S701和S702的执行使用一个处理器，步骤S703至S707的执行使用另外一个处理器，则执行步骤S703至S707的处理器可以在判断出机器人100处于安全场景后以定时方式或不定时方式向执行步骤S701和S702发送安全信号，其中，以定时方式发送安全信号可设置有一定的持续时间，在持续时间期满后不再发送安全信号，从而在机器人100在离开安全场景后对安全信号进行重置。

本申请的一些实施例中，在机器人100上设置有多个防跌落传感器时，机器人100发送的安全信号中还可以指定对多个防跌落传感器中的一个或多个进行屏蔽，使得机器人100可以根据安全信号不处理被屏蔽的防跌落传感器提供的距离检测数据，只处理未被屏蔽的防跌落传感器提供的距离检测数据，从而使机器人100不被困，可以自主离开不安全场景中的危险区域继续工作。

图8示出了本申请的另外一些实施例中机器人防跌落的技术方案。如图8所示，该方案包括：

步骤S801和S802分别与步骤S701和S702相同，对步骤S801和S802的描述可参考对前述步骤S701和S702的相关描述，在此不再赘述。

类似地，本申请的一些实施例中，执行步骤S801和S802可以使用一个处理器，该处理器例如可以是运行实时操作***的单片机，也可以是芯片组中专用于处理实时信号的专用CPU；执行步骤S803至S806可以使用另外一个处理器，这个处理器的处理实时性要求低于前一个处理器，例如可以是工业控制计算机、单片机、CPU等。

在执行步骤S801和步骤S802中，若检测到距离满足预设的防跌落条件，会根据机器人所处环境确定机器人是否处于安全区域，后续如步骤S803至S806提供的实施例中是通过所述机器人的定位及场景地图中标定的安全区域确定所述机器人是否处于不会发生跌落的安全区域。

步骤S803，机器人100获取在当前场景中的位置。在此，确定机器人在当前场景中的位置可采用机器人室内定位技术来实现。机器人室内定位技术在原理上大致可分为三种：邻近信息法、场景分析法和几何特征法。邻近信息法通过利用信号作用的有限范围来确定待测点是否在某个参考点的附近，该方法只能提供大概的定位信息。场景分析法是通过测量某个位置接收信号的强度，并与实际测量的、保存在数据库中的该位置的信号强度进行比对来确定机器人的位置。几何特征法是利用几何原理进行定位的方法，需要借助固定基站或已知基站位置信息，具体可以分为三边定位法、三角定位法和双曲线定位法等。

室内定位主要流程为首先在室内环境设置固定位置的辅助节点，这些辅助节点的位置已知，有的位置信息是直接存在辅助节点中，如射频识别(Radio FrequencyIdentification，RFID)的标签，有的是存在电脑终端的数据库中，如红外线、超声波等；然后测量机器人到辅助节点的距离，从而确定相对位置。

步骤S804，机器人100判断当前位置是否处于场景地图中的安全区域。在此，预先为机器人100运行的环境建立了场景地图，场景地图是机器人执行工作任务所在环境的符号化表示，用来描述机器人的工作环境信息。

本申请的一些实施例中，可以通过同时定位与建图技术(SimultaneousLocalization And Mapping，SLAM)来建立场景地图。目前SLAM方法大致可分为两类：基于概率模型的方法和非概率模型的方法，基于概率模型的方法例如有基于卡尔曼滤波的完全SLAM、压缩滤波、Fast SLAM等；非概率模型的方法例如有SM-SLAM、扫描匹配、数据融合、基于模糊逻辑等。

此外，机器人100中的场景地图还预先标记了安全区域，安全区域标识信息可以包含安全区域的范围，安全区域的范围可以使用多种方式进行划定，例如可以通过轮廓线、多边形、圆形等几何形状进行定义。另外，对安全区域进行标识可以由用户通过手工方式进行标注。例如，针对上述举例的排水沟栅、透明玻璃地板、黑色吸光地毯所覆盖的区域，作为机器人100的安全区域在场景地图中都作了预先的标定。

步骤S805，如果机器人100当前的位置不在安全区域中，则机器人100向运动部件170发送停止运动指令。运动部件170根据停止运动指令制止机器人100的运动的方式类似上述步骤S706中的描述，在此不再赘述。

步骤S806，如果机器人100当前的位置在安全区域中，则机器人100继续执行运动指令。类似地，机器人100继续执行运动指令的过程和设置安全信号的方式类似上述步骤S707中的描述，在此不再赘述。

本申请公开的机制的各实施例可以被实现在硬件、软件、固件或这些实现方法的组合中。本申请的实施例可实现为在可编程***上执行的计算机程序或程序代码，该可编程***包括至少一个处理器、存储***(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备以及至少一个输出设备。

可将程序代码应用于输入指令，以执行本申请描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的，处理***包括具有诸如例如数字信号处理器(Digital Signal Processor，DSP)、微控制器、专用集成电路(Application Specific Integrated Circuit，ASIC)或微处理器之类的处理器的任何***。

程序代码可以用高级程序化语言或面向对象的编程语言来实现，以便与处理***通信。在需要时，也可用汇编语言或机器语言来实现程序代码。事实上，本申请中描述的机制不限于任何特定编程语言的范围。在任一情形下，该语言可以是编译语言或解释语言。

在一些情况下，所公开的实施例可以以硬件、固件、软件或其任何组合来实现。所公开的实施例还可以被实现为由一个或多个暂时或非暂时性机器可读(例如，计算机可读)存储介质承载或存储在其上的指令，其可以由一个或多个处理器读取和执行。例如，指令可以通过网络或通过其他计算机可读介质分发。因此，机器可读介质可以包括用于以机器(例如，计算机)可读的形式存储或传输信息的任何机制，包括但不限于，软盘、光盘、光碟、只读存储器(CD-ROMs)、磁光盘、只读存储器(Read Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、可擦除可编程只读存储器(Erasable Programmable Read OnlyMemory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，EEPROM)、磁卡或光卡、闪存、或用于利用因特网以电、光、声或其他形式的传播信号来传输信息(例如，载波、红外信号数字信号等)的有形的机器可读存储器。因此，机器可读介质包括适合于以机器(例如计算机)可读的形式存储或传输电子指令或信息的任何类型的机器可读介质。

在附图中，可以以特定布置和/或顺序示出一些结构或方法特征。然而，应该理解，可能不需要这样的特定布置和/或排序。而是，在一些实施例中，这些特征可以以不同于说明性附图中所示的方式和/或顺序来布置。另外，在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征，并且在一些实施例中，可以不包括这些特征或者可以与其他特征组合。

需要说明的是，本申请各设备实施例中提到的各单元/模块都是逻辑单元/模块，在物理上，一个逻辑单元/模块可以是一个物理单元/模块，也可以是一个物理单元/模块的一部分，还可以以多个物理单元/模块的组合实现，这些逻辑单元/模块本身的物理实现方式并不是最重要的，这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外，为了突出本申请的创新部分，本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的单元/模块引入，这并不表明上述设备实施例并不存在其它的单元/模块。

需要说明的是，在本专利的示例和说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

虽然通过参照本申请的某些优选实施例，已经对本申请进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本申请的精神和范围。

Claims (13)

1.一种机器人防跌落方法，其特征在于，包括以下步骤：

获取防跌落传感器检测的机器人与支撑面之间的距离；

判断所述距离是否满足预设的防跌落条件，其中，所述防跌落条件用于描述所述机器人可能跌落的距离范围；

在所述距离满足预设的防跌落条件时，检查是否存在有效的安全信号，所述安全信号用于指示机器人当前处于安全区域，其可为根据所处环境判断机器人处于安全区域后保存的状态数据，所述安全信号具有时间效力；

在检查到存在有效的安全信号时，确定所述机器人处于所述安全区域；在检查到不存在有效的安全信号时，根据所处环境确定所述机器人是否处于安全区域；

在根据所处环境确定所述机器人没有处于所述安全区域的情况下，向所述机器人发送停止运动指令。

2.根据权利要求1所述的机器人防跌落方法，其特征在于，所述根据所处环境确定所述机器人是否处于安全区域包括：通过所述机器人的定位及场景地图中标定的安全区域确定所述机器人是否处于不会发生跌落的安全区域。

3.根据权利要求2所述的机器人防跌落方法，其特征在于，所述通过所述机器人的定位及场景地图中标定的安全区域确定所述机器人是否处于不会发生跌落的安全区域包括：

获取机器人在当前场景中的位置；

判断所述位置是否处于场景地图中标定的安全区域中；

在所述位置没有处于场景地图中标定的安全区域中时，确定所述机器人没有处于所述安全区域中。

4.根据权利要求2或3任一权利要求所述的机器人防跌落方法，其特征在于，所述场景地图中标定的安全区域的范围通过轮廓线或几何形状进行划定。

5.根据权利要求3所述的机器人防跌落方法，其特征在于，所述机器人在当前场景中的位置采用机器人室内定位技术实现，所述机器人室内定位技术包括以下一种：邻近信息法、场景分析法、以及几何特征法。

6.根据权利要求1所述的机器人防跌落方法，其特征在于，所述根据所处环境确定所述机器人是否处于安全区域包括：通过对摄像头拍摄的环境图像进行图像识别，并依据图像识别结果是否满足预设的安全场景条件确定所述机器人处于安全区域中或者没有处于安全区域中；其中，所述摄像头所拍摄的环境图像为机器人运动方向上的环境图像。

7.根据权利要求1、2、3、或6任一权利要求所述的机器人防跌落方法，其特征在于，所述安全区域至少包括如下一种：排水沟栅、黑色吸光区域和透明地板区域。

8.根据权利要求1所述的机器人防跌落方法，其特征在于，还包括：在所述机器人处于所述安全区域的情况下，继续执行运动指令并设置安全信号。

9.根据权利要求1所述的机器人防跌落方法，其特征在于，所述安全信号中包括指定对至少一个防跌落传感器进行屏蔽的信号，以使得依据未被屏蔽的防跌落传感器提供的距离检测数据判断所述距离是否满足预设的防跌落条件。

10.根据权利要求1所述的机器人防跌落方法，其特征在于，还包括：在所述机器人离开安全区域后对安全信号重置。

11.一种可读存储介质，其特征在于，所述可读存储介质上存储有指令，该指令在被调用时使得机器人执行并实现如权利要求1-10中任一所述的机器人防跌落方法。

12.一种机器人，其特征在于，包括：

机器人本体；

运动部件，设置于所述机器人本体上，用于带动所述机器人本体运动；

至少一防跌落传感器，设置于所述机器人本体上，用于检测机器人与支撑面之间的距离；

处理器，用于控制所述至少一个防跌落传感器进行检测并控制所述运动部件的运动以实现机器人防跌落的控制，所述处理器被配置为：

获取防跌落传感器检测的机器人与支撑面之间的距离；

判断所述距离是否满足预设的防跌落条件，其中，所述防跌落条件用于描述所述机器人可能跌落的距离范围；

在所述距离满足预设的防跌落条件时，检查是否存在有效的安全信号，所述安全信号用于指示机器人当前处于安全区域，其可为根据所处环境判断机器人处于安全区域后保存的状态数据，所述安全信号具有时间效力；

在检查到存在有效的安全信号时，确定所述机器人处于所述安全区域；在检查到不存在有效的安全信号时，根据所处环境确定所述机器人是否处于安全区域；

在根据所处环境确定所述机器人没有处于所述安全区域的情况下，向所述机器人发送停止运动指令。

13.根据权利要求12所述的机器人，其特征在于，所述机器人为清扫机器人、安防机器人、巡检机器人、以及配送机器人中的任意一种机器人。

Images