CN116560373A - 基于盲区障碍物的机器人避障方法、装置、设备和介质 - Google Patents
基于盲区障碍物的机器人避障方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN116560373A CN116560373A CN202310601378.6A CN202310601378A CN116560373A CN 116560373 A CN116560373 A CN 116560373A CN 202310601378 A CN202310601378 A CN 202310601378A CN 116560373 A CN116560373 A CN 116560373A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- movement
- robot
- point cloud
- information
- 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 52
- 230000033001 locomotion Effects 0.000 claims abstract description 351
- 230000002688 persistence Effects 0.000 claims abstract description 45
- 230000003068 static effect Effects 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims description 65
- 230000004888 barrier function Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- 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
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于盲区障碍物的机器人避障方法、装置、设备和介质。该方法包括:根据传感器获取到的当前帧点云信息和历史帧点云信息,确定在机器人运行范围内的运动障碍物的速度信息;根据运动障碍物的速度信息确定运动障碍物是否具有运动持续性特征;若是,则控制机器人根据运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障;其中,盲区根据传感器的检测范围和机器人的运行范围进行确定;否则,控制机器人进行静止避障。本发明通过运动障碍物的速度信息确定运动障碍物的运动持续性特征,以根据运动障碍物的运行情况控制机器人执行不同的避障策略,保证了机器人执行任务时的安全运行。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种基于盲区障碍物的机器人避障方法、装置、设备和介质。
背景技术
机器人目前被广泛用于快递物流、智能仓储、工业等领域执行导航、避障、取货、放货等多种任务,机器人在执行任务时需要实时准确地获取周围环境信息。
目前机器人通常采用安装激光雷达或3D相机获取环境点云信息,但是由于机器人所安装的传感器具有视觉盲区,为了实现安全避障的效果,机器人不但要准确地获取传感器检测范围内的障碍物,还要对进入传感器盲区的障碍物进行状态保持,也就是记忆,从而更好地进行执行任务。
但是运动障碍物的运动状态是会随着时间发展发生状态变化的,状态变化难以控制,导致机器人的记忆状态很容易出现错误,给机器人的任务执行带来影响。
发明内容
本发明提供了一种基于盲区障碍物的机器人避障方法、装置、设备和介质,以解决机器人对运动障碍物进入盲区的不确定性导致的安全行驶问题。
根据本发明的一方面,提供了一种基于盲区障碍物的机器人避障方法,其特征在于,机器人上配置至少一个获取环境点云信息的传感器,包括:
根据所述传感器获取到的当前帧点云信息和历史帧点云信息,确定在机器人运行范围内的运动障碍物的速度信息;
根据所述运动障碍物的速度信息确定所述运动障碍物是否具有运动持续性特征;
若是,则控制所述机器人根据所述运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障;其中,所述盲区根据所述传感器的检测范围和机器人的运行范围进行确定;
否则,控制所述机器人进行静止避障。
根据本发明的另一方面,提供了一种基于盲区障碍物的机器人避障装置,其特征在于,机器人上配置至少一个获取环境点云信息的传感器,包括:
障碍物速度确定模块,用于根据所述传感器获取到的当前帧点云信息和历史帧点云信息,确定在机器人运行范围内的运动障碍物的速度信息;
障碍物运动特征确定模块,用于根据所述运动障碍物的速度信息确定所述运动障碍物是否具有运动持续性特征;
运动避障模块,用于若所述运动障碍物具有运动持续性特征,则控制所述机器人根据所述运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障;其中,所述盲区根据所述传感器的检测范围和机器人的运行范围进行确定;
静止避障模块,用于若所述运动障碍物不具有运动持续性特征,则控制所述机器人进行静止避障。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的基于盲区障碍物的机器人避障方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于盲区障碍物的机器人避障方法。
本发明实施例的技术方案,通过运动障碍物的速度信息确定运动障碍物的运动持续性特征,以根据运动障碍物的运行情况控制机器人执行不同的避障策略,保证了机器人执行任务时的安全运行。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种基于盲区障碍物的机器人避障方法的流程图;
图2是根据本发明实施例二提供的另一种基于盲区障碍物的机器人避障方法的流程图;
图3是根据本发明实施例三提供的一种基于盲区障碍物的机器人避障装置的结构示意图;
图4是实现本发明实施例的基于盲区障碍物的机器人避障方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“候选”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种基于盲区障碍物的机器人避障方法的流程图,本实施例可适用于指引机器人在执行任务时对盲区障碍物进行避让的情况,该方法可以由基于盲区障碍物的机器人避障装置来执行,该基于盲区障碍物的机器人避障装置可以采用硬件和/或软件的形式实现,该基于盲区障碍物的机器人避障装置可配置于机器人或服务器等具有通信和计算的设备中,以根据基于盲区障碍物的机器人避障装置控制机器人运行。如图1所示,该方法包括:
S110、根据传感器获取到的当前帧点云信息和历史帧点云信息,确定在机器人运行范围内的运动障碍物的速度信息。
其中,传感器可以是设置在机器人上的激光雷达设备或3D相机等可以用于获取机器人周围环境点云信息的设备。当前帧点云信息是指机器人在当前时刻所获取到的环境信息,例如可以是当前时刻激光点云扫描到的点云信息或3D相机拍摄得到的当前帧3D图像。历史帧点云信息是指机器人在当前时刻之前所获取的多帧点云信息,历史帧中所包括的帧数可以根据实际情况进行确定,在此并不限制,为了充分体现运动障碍物的运动特征,历史帧中包括至少两帧。机器人运行范围是指预先给机器人设定的所运行机器人行驶的区域范围,例如根据机器人的执行任务信息确定任务执行场景范围为机器人运行范围,如机器人执行的是叉取货物任务,则放货区域为机器人运行范围。
具体的,获取机器人上的传感器当前获取到的多帧点云信息,并从该多帧点云信息中获取障碍物信息,并根据障碍物的移动速度区分静态障碍物和运动障碍物,同时确定运动障碍物在多帧点云信息中的速度信息,包括速度大小信息和速度方向信息。
示例性的,在获取到点云数据后,通过机器人的位姿信息将点云数据转换到全局坐标系下,并对转换坐标系后的点云数据进行处理得到障碍物信息。例如,对转换坐标系后的点云数据进行下采样体素滤波处理以减少点云数据量的处理,提高机器人的避障效率;再通过滤波操作去除点云数据中的噪声以及去除地面点云数据。滤波操作包括半径滤波等。最后通过聚类算法对点云数据进行聚类操作,得到点云数据中的障碍物信息,其中,根据当前帧和上一帧中的障碍物信息确定障碍物的移动速度,包括速度方向和速度大小,当连续多帧确定的速度大小均小于预设速度阈值时确定该障碍物为静态障碍物,否则认为该障碍物为运动障碍物。预设速度阈值可以根据实际情况进行确定,例如为了避免测量误差,将预设速度阈值设置为0.2m/s。
S120、根据运动障碍物的速度信息确定运动障碍物是否具有运动持续性特征。若具有,则执行步骤S130,否则,执行步骤S140。
其中,运动持续性特征用于表征该运动障碍物的运动速度是否具有间断性停止现象,例如该运动障碍物的运动特征是否是走走停停,若该运动障碍物的运动速度不具有间断性停止现象,则该运动障碍物具有运动持续性特征,否则,该运动障碍物不具有运动持续性特征。即走走停停的运动障碍物不具有运动持续性特征。运动持续性特征也可以描述为表征运动障碍物的运行趋势确定度,若运动障碍物具有运动持续性特征,则表征该运动障碍物的运行趋势是可以预测的;否则,该运动障碍物由于走走停停不具有规律性,导致该运动障碍物的运行趋势不具有确定性,即预测结果可能不准确。
具体的,具有运动持续性特征的运动障碍物的速度大小变化信息保持在一定偏差范围内,即不会出现速度突降或突增的现象。因此,根据连续多帧的运动障碍物的速度信息确定多个相邻帧的速度大小偏差值,若存在至少一个相邻帧的速度大小偏差值大于预设速度偏差阈值,则确定该运动障碍物不具有运动持续性特征;若连续多帧中所有相邻帧的运动障碍物的速度大小偏差值均小于预设速度偏差阈值,则确定该运动障碍物具有运动持续性特征。根据机器人的运行环境中的运动障碍物的运行特征对机器人执行不同的避障策略,有利于提高机器人的避障准确性以及安全性。
在一个可行的实施例中,速度信息包括速度方向和速度大小;
相应的,根据运动障碍物的速度信息确定运动障碍物是否具有运动持续性特征,包括:
根据运动障碍物在当前帧点云信息和历史帧点云信息中的速度方向,确定运动障碍物在多帧点云信息中的方向变化信息,以及根据运动障碍物在当前帧点云信息和历史帧点云信息中的速度大小,确定运动障碍物在多帧点云信息中的速率变化信息;
根据运动障碍物在多帧点云信息中的方向变化信息和速率变化信息确定运动障碍物是否具有运动持续性特征。
为了保证运动障碍物的运动持续性特征确定的准确性,结合该运动障碍物的速度大小变化信息和速度方向变化信息同时确定。
根据连续多帧的运动障碍物的速度信息确定多个相邻帧的速度大小偏差值和速度方向偏差值,根据多个相邻帧的速度大小偏差值确定总体速度大小偏差值,作为速率变化信息,例如将多个相邻帧的速度大小偏差值的平均值作为速率变化信息。根据多个相邻帧的速度方向偏差值确定总体速度方向偏差值,作为方向变化信息,例如将多个相邻帧的速度方向偏差值的平均值作为方向变化信息。
若存在方向变化信息大于预设方向阈值,或者速率变化信息大于预设速率阈值,则确定该运动障碍物不具有运动持续性特征;若方向变化信息小于或等于预设方向阈值或速率变化信息小于或等于预设速率阈值,则确定该运动障碍物具有运动持续性特征。
在一个可行的实施例中,根据如下公式确定运动障碍物的方向变化信息:
CLthi=100-100*|vthi+1-vthi|/π;
其中,CLthi表示在第i帧点云信息中运动障碍物的方向变化信息,vthi表示在第i帧点云信息中运动障碍物的速度方向;
根据如下公式确定运动障碍物的速率变化信息:
CLxi=100-100*|vxi+1-vxi|/vxi;
其中,CLxi表示在第i帧点云信息中运动障碍物的速率变化信息,vxi表示在第i帧点云信息中运动障碍物的速度大小。
具体的,根据运动障碍物当前多帧的速度大小和速度方向确定方向变化信息和速率变化信息。例如根据障碍物最近10帧的速度信息进行确定,则i=1,2……9,根据10帧点云信息中的速度大小和速度方向分别确定每帧点云信息中运动障碍物的方向变化信息和速率变化信息。
在一个可行的实施例中,根据运动障碍物在多帧点云信息中的方向变化信息和速率变化信息确定运动障碍物是否具有运动持续性特征,包括:
根据运动障碍物在目标帧点云信息中的方向变化信息和速率变化信息,确定运动障碍物在目标帧点云信息中的运动状态参数;
根据运动障碍物在多帧点云信息中的运动状态参数确定运动障碍物的运动持续性参数;
若运动持续性参数大于预设持续性阈值,则确定运动障碍物具有运动持续性特征。
分别确定运动障碍物在当前帧和历史帧中每帧的方向变化信息和速率变化信息,并根据每帧的方向变化信息和速率变化信息确定该帧的运动状态参数,其中,目标帧点云信息是指当前帧点云信息和历史帧点云信息中的任一帧点云信息,运动障碍物在目标帧点云信息中的运动状态参数表征了目标帧与其相邻帧之间的速度变化情况。
根据运动障碍物在当前帧和历史帧中每帧的运动状态参数确定该运动障碍物的整体运动持续性参数,避免传感器测量误差或其他误差导致的运动障碍物运动特征判断失误,进而提高机器人的避障准确性和安全性。若运动持续性参数大于预设持续性阈值,则表征该运动障碍物的运动速度不具有突变性,即其运动速度一直在保持在一定偏差范围内,该运动障碍物具有运动持续性特征。
其中,根据如下公式确定运动状态参数:
CLi=k*CLthi+(1-k)*CLxi;
其中,CLi表示运动障碍物在第i帧点云信息中的运动状态参数,k表示速度方向的权重,CLthi表示在第i帧点云信息中运动障碍物的方向变化信息,CLxi表示在第i帧点云信息中运动障碍物的速率变化信息;
根据如下公式确定运动持续性参数:
其中,CL表示运动障碍物的运动持续性参数,n为确定运动状态参数的点云信息的总帧数。
由于方向变化和速率变化对运动障碍物的运动特征确定具有不同的影响程度,因此在确定每帧点云信息中运动障碍物的运动状态参数时,为方向变化信息和速率变化信息设置权重,其中权重k∈[0,1],权重的具体值可以根据实际任务执行场景中障碍物速率和方向对机器人行驶安全性的影响程度进行确定,在此不作限制。最后根据当前帧和历史帧中多帧点云信息的运动状态参数的平均值确定该运动障碍物的运动持续性参数,例如,根据连续10帧点云信息确定运动状态参数时,可以确定运动状态参数的点云信息的总帧数为9帧,则当运动状态参数大于75时,确定运动障碍物具有运动持续性特征。
S130、控制机器人根据运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障。
其中,盲区根据传感器的检测范围和机器人的运行范围进行确定。在机器人的运行范围内传感器的检测范围未覆盖的区域为盲区,由于机器人是在不断运行的,因此对于盲区的范围也是不断变化的。
若在传感器的检测范围内所存在的运动障碍物均具有运动持续性特征,则控制机器人执行运动避障策略,运动避障策略是根据运动障碍物的预测运动轨迹进行避障。由于运动障碍物具有运动持续性特征,则其运动轨迹具有一定的规律,根据规律确定预测运动轨迹,再根据预测运动轨迹与盲区的重叠范围控制机器人进行运动避障,进而提高机器人的避障效率和安全性。
具体的,若检测到目标运动障碍物进入盲区,则根据该运动障碍物的预测运动轨迹确定与盲区的重叠范围,并将该重叠范围设置为机器人禁止行驶区域,机器人根据当前传感器的检测结果和禁止行驶区域确定行驶路径,以实现存在检测盲区情况下的安全行驶。
示例性的,对于具有运动持续性特征的运动障碍物,根据当前帧和上两帧(即最近三帧)的信息预测障碍物的运动轨迹。假设运动障碍物的轨迹为二次曲线,y=a*x2+b*x+c;最近三帧该障碍物在全局坐标系下的坐标分别为(x1,y1)、(x2,y2)、(x3,y3),则将其分别带入二次曲线方程可得到三元一次方程组从而可解出a、b、c的值得到运动障碍物的预测运动轨迹。
S140、控制机器人进行静止避障。
若在传感器的检测范围内所存在的运动障碍物中存在至少一个运动障碍物不具有运动持续性特征,则将该至少一个不具有运动持续性特征的运动障碍物确定为参考运动障碍物,并控制机器人执行静止避障策略,静止避障策略机器人停止行驶,并根据参考运动障碍物的运行状态确定解除停止行驶状态的时机。
具体的,若机器人检测范围内存在运动不确定的参考运动障碍物,则控制机器人进行停止等待,并根据参考运动障碍物的更新运动状态确定后续避障策略。
在一个可行的实施例中,在控制机器人进行静止避障之后,该方法还包括:
对不具有运动持续性特征的运动障碍物的速度信息进行监控;
若确定运动障碍物满足如下至少一项条件:静止、具有运动持续性特征、离开机器人运行范围或进入盲区,则控制机器人进行运动避障。
机器人进行停止等待后,继续对不具有运动持续性特征的参考运动障碍物进行监控,若检测到参考运动障碍物静止、具有运动持续性特征、离开机器人运行范围或进入盲区,则继续执行运动避障策略。示例性的,若参考运动障碍物静止,则将该障碍物确定为静态障碍物,并对该静态障碍物的位置信息进行记忆,以避免该静止障碍物随着机器人的行驶进入盲区范围内导致的避障失误;若参考运动障碍物具有运动持续性特征,则根据步骤130中的运动避障策略控制机器人进行避障行驶;若参考运动障碍物离开机器人运行范围,则根据其他运动障碍物的运动特征控制机器人进行避障;若参考运动障碍物进入盲区,则控制机器人将当前盲区确定为禁止运行区域,并根据参考运动障碍物的历史运行数据确定预计离开盲区时间,在达到预计离开盲区时间后,解除当前盲区的静止运行区域的限制。
由于不具有运动持续性特征的运动障碍物的运动轨迹不具有固定规律,因此为了避免不具有运动持续性特征的运动障碍物对机器人运行安全性造成影响,在机器人运行范围内存在不具有运动持续性特征的运动障碍物,机器人执行静止避障策略,以避免运动障碍物突然进入盲区导致的机器人安全性问题。
本发明实施例的技术方案,通过运动障碍物的速度信息确定运动障碍物的运动持续性特征,以根据运动障碍物的运行情况控制机器人执行不同的避障策略,保证了机器人执行任务时的安全运行。
实施例二
图2为本发明实施例二提供的一种基于盲区障碍物的机器人避障方法的流程图,本实施例对上述实施例中的“控制机器人根据运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障”进行进一步描述。如图2所示,该方法包括:
S210、对机器人运行范围进行划分,得到多个候选区域。
其中,机器人运行范围是指预先给机器人设定的所运行机器人行驶的区域范围,例如根据机器人的执行任务信息确定任务执行场景范围为机器人运行范围,如机器人执行的是叉取货物任务,则放货区域为机器人运行范围。
具体的,获取机器人运行范围并生成该区域的占用栅格图。示例性的,假设放货区域的宽度为W米,长度为L米,每个候选区域的大小为0.01米的正方形,将每个候选区域称为一个cell。则放货区域的占用栅格图由W*L*10000个cell构成。生成占用栅格图时,每个cell设置初始占用参数,占用参数表征了该区域被障碍物占用的概率,初始占用参数为0。
S220、根据运动障碍物的预测运动轨迹与盲区的重叠范围从候选区域中确定目标区域,并确定目标区域的占用参数为第一数值。
根据运动障碍物的预测运动轨迹确定该运动障碍物在未来时刻的位置,并将位置对应的候选区域位置确定为目标区域,确定目标区域的占用参数为第一数值,第一数值大于1,以表示该区域被障碍物占用的概率。
示例性的,对于进入3D相机视角盲区的运动障碍物,则根据预测的障碍物运动轨迹估算出障碍物的位置,该位置对应的障碍物称为虚拟障碍物。将虚拟障碍物通过坐标变换转换到地图坐标系下,将被虚拟障碍物占据的候选区域赋值一个较大的占用参数,以表征盲区内该区域的障碍物占据情况。
S230、根据候选区域的占用参数与预设参数阈值的比较结果确定机器人的避障区域,并按照避障区域控制机器人进行移动避障。
其中,第一数值大于或等于预设参数阈值。将盲区内被虚拟障碍物占据的候选区域的占用参数设置一个较大的比预设参数阈值大的值,使得机器人在行驶时避开盲区内的可能被运动障碍物占据的区域,进而提高盲区内机器人行驶的安全性。
具体的,若盲区内候选区域的占用参数大于预设参数阈值,则将该区域设置为机器人禁止行驶区域,机器人根据当前传感器的检测结果和禁止行驶区域确定行驶路径,以实现存在检测盲区情况下的安全行驶。
由于盲区内机器人探测不到具体情况,因此若直接根据当前传感器检测到的点云信息确定未来行驶路径时,会存在未来行驶路径途径盲区的情况,由于盲区内障碍物的情况不明确,因此会影响机器人的行驶安全性,本发明实施例根据障碍物的行驶路径预测在盲区内的占用区域,并根据占用区域控制机器人进行移动避障,提高了机器人行驶的安全性。
示例性的,检测到该运动障碍物离开机器人运行区域或者该运动障碍物进入盲区的时间大于预计离开盲区时间,则将目标区域的占用参数设置为初始值。其中,预计离开盲区时间根据该运动障碍物的历史运行数据进行确定。
在一个可行的实施例中,在传感器获取到当前帧点云数据之前,方法还包括:
根据历史帧点云信息确定运动障碍物的障碍物位置信息;
根据障碍物位置信息从候选区域中确定参考区域,并确定参考区域的占用参数为第二数值;其中,第二数值小于第一数值;
相应的,在传感器获取到当前帧点云数据之后,方法还包括:
根据当前帧点云信息确定运动障碍物的更新障碍物位置信息;
根据更新障碍物位置信息对参考区域的占用参数进行更新,以使机器人根据参考区域的占用参数确定机器人的避障区域。
在传感器获取到历史帧点云数据后,根据历史帧点云数据中检测到运动障碍物的位置信息确定参考区域,将参考区域的占用参数设置为第二数值,例如为1,第二数值小于第一数值,由于第一数值表示了盲区内障碍物的预测结果,并且为了保证机器人在盲区内行驶的安全性,因此第一数值大于预设参数阈值,而该参考区域表示了该区域曾经被障碍物占据,因此第二数值小于预设参数阈值。
在传感器获取到当前帧点云数据后,根据当前帧点云数据中检测到运动障碍物的位置信息确定更新参考区域,若历史帧点云数据中出现的参考区域在更新参考区域中未出现,则将该参考区域的占用参数的数值减去第三数值,其中,第三数值小于或等于第二数值;若参考区域在更新参考区域中重复出现,则将该参考区域的占用参数的数值加上第三数值;若更新参考区域中出现历史参考区域中未出现的参考区域,则将该参考区域的占用参数设置为第二数值。并且不断根据传感器获取到的新的当前帧点云信息对候选区域中的占用参数进行更新,以使得候选区域的占用参数表征了被障碍物占据的概率情况。当候选区域随着机器人的行驶进入盲区范围后,可以根据候选区域中的占用参数情况提示机器人该区域可能被障碍物占据的概率。若盲区内候选区域的占用参数大于预设参数阈值,则表示该区域在历史帧中被障碍物占据的概率较大,则在盲区内也可能被障碍物占据,则将该区域确定为机器人禁止行驶区域;并且由于候选区域的占用参数是根据机器人不断获取到的新的点云信息进行更新的,因此提高了机器人根据盲区占用参数行驶的准确性和安全性。
可选的,根据获取到的当前帧点云信息和历史帧点云信息确定静态障碍物位置信息,根据静态障碍物位置信息从候选区域中确定静态区域,并确定静态区域的占用参数为第一数值。并且不对静态区域的占用参数进行更新。示例性的,对机器人预设距离范围内的静态区域的占用参数不进行更新。由于盲区位置多位于传感器的近距离内,因此在近距离内不能准确感知障碍物,因此预设距离范围内的静态区域的占用参数不进行更新,避免更新不及时导致的机器人行驶安全问题。预设距离范围根据传感器的检测范围进行确定,通常设置为0.1-0.5米。
本发明实施例通过对盲区内候选区域的占用参数的确定,实现了机器人可以在盲区内行驶的同时,避免了机器人在盲区内行驶时与障碍物碰撞的风险,既保证了机器人行驶的安全性同时提高了机器人运行空间的利用率,避免将整个盲区都设置为机器人禁止运行区域。并且通过对运行区域内候选区域占用参数的更新,提高了机器人整体运行的安全性。
实施例三
图3为本发明实施例三提供的一种基于盲区障碍物的机器人避障装置的结构示意图,机器人上配置至少一个获取环境点云信息的传感器。如图3所示,该装置包括:
障碍物速度确定模块310,用于根据所述传感器获取到的当前帧点云信息和历史帧点云信息,确定在机器人运行范围内的运动障碍物的速度信息;
障碍物运动特征确定模块320,用于根据所述运动障碍物的速度信息确定所述运动障碍物是否具有运动持续性特征;若是,则执行运动避障模块330,否则,执行静止避障模块340.
运动避障模块330,用于若所述运动障碍物具有运动持续性特征,则控制所述机器人根据所述运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障;其中,所述盲区根据所述传感器的检测范围和机器人的运行范围进行确定;
静止避障模块340,用于若所述运动障碍物不具有运动持续性特征,则控制所述机器人进行静止避障。
可选的,基于盲区障碍物的机器人避障模块包括:
可选的,所述速度信息包括速度方向和速度大小;
相应的,障碍物运动特征确定模块,包括:
变化信息确定单元,用于根据所述运动障碍物在所述当前帧点云信息和所述历史帧点云信息中的速度方向,确定所述运动障碍物在多帧点云信息中的方向变化信息,以及根据所述运动障碍物在所述当前帧点云信息和所述历史帧点云信息中的速度大小,确定所述运动障碍物在多帧点云信息中的速率变化信息;
运动持续性特征确定单元,用于根据所述运动障碍物在多帧点云信息中的方向变化信息和速率变化信息确定所述运动障碍物是否具有运动持续性特征。
可选的,根据如下公式确定所述运动障碍物的方向变化信息:
CLthi=100-100*|vthi+1-vthi|/π;
其中,CLthi表示在第i帧点云信息中所述运动障碍物的方向变化信息,vthi表示在第i帧点云信息中所述运动障碍物的速度方向;
根据如下公式确定所述运动障碍物的速率变化信息:
CLxi=100-100*|vxi+1-vxi|/vxi;
其中,CLxi表示在第i帧点云信息中所述运动障碍物的速率变化信息,vxi表示在第i帧点云信息中所述运动障碍物的速度大小。
可选的,运动持续性特征确定单元,具体用于:
根据所述运动障碍物在目标帧点云信息中的方向变化信息和速率变化信息,确定所述运动障碍物在所述目标帧点云信息中的运动状态参数;
根据所述运动障碍物在多帧点云信息中的运动状态参数确定所述运动障碍物的运动持续性参数;
若所述运动持续性参数大于预设持续性阈值,则确定所述运动障碍物具有运动持续性特征;
其中,根据如下公式确定所述运动状态参数:
CLi=k*CLthi+(1-k)*CLxi;
其中,CLi表示所述运动障碍物在第i帧点云信息中的运动状态参数,k表示速度方向的权重,CLthi表示在第i帧点云信息中所述运动障碍物的方向变化信息,CLxi表示在第i帧点云信息中所述运动障碍物的速率变化信息;
根据如下公式确定运动持续性参数:
其中,CL表示运动障碍物的运动持续性参数,n为确定运动状态参数的点云信息的总帧数。
可选的,所述装置还包括静止避障接触模块,用于在控制所述机器人进行静止避障之后,对不具有运动持续性特征的运动障碍物的速度信息进行监控;
若确定所述运动障碍物满足如下至少一项条件:静止、具有运动持续性特征、离开所述机器人运行范围或进入所述盲区,则控制所述机器人进行运动避障。
可选的,所述装置还包括区域划分模块,用于:
在控制所述机器人根据所述运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障之前,对机器人运行范围进行划分,得到多个候选区域;
相应的,运动避障模块,具体用于:
根据所述重叠范围从所述候选区域中确定目标区域,并确定所述目标区域的占用参数为第一数值;
根据所述候选区域的占用参数与预设参数阈值的比较结果确定所述机器人的避障区域,并按照所述避障区域控制所述机器人进行移动避障;其中,所述第一数值大于或等于所述预设参数阈值。
可选的,所述装置还包括区域占用参数确定模块,用于在所述传感器获取到当前帧点云数据之前,根据所述历史帧点云信息确定运动障碍物的障碍物位置信息;
根据所述障碍物位置信息从候选区域中确定参考区域,并确定所述参考区域的占用参数为第二数值;其中,第二数值小于第一数值;
相应的,所述装置还包括区域占用参数更新模块,用于
在所述传感器获取到当前帧点云数据之后,根据所述当前帧点云信息确定运动障碍物的更新障碍物位置信息;
根据所述更新障碍物位置信息对所述参考区域的占用参数进行更新,以使所述机器人根据所述参考区域的占用参数确定所述机器人的避障区域。
本发明实施例所提供的基于盲区障碍物的机器人避障装置可执行本发明任意实施例所提供的基于盲区障碍物的机器人避障方法,具备执行方法相应的功能模块和有益效果。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定,且不违背公序良俗。
实施例四
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如方法基于盲区障碍物的机器人避障。
在一些实施例中,基于盲区障碍物的机器人避障方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的方法基于盲区障碍物的机器人避障的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法基于盲区障碍物的机器人避障。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用参考产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种基于盲区障碍物的机器人避障方法,其特征在于,机器人上配置至少一个获取环境点云信息的传感器,包括:
根据所述传感器获取到的当前帧点云信息和历史帧点云信息,确定在机器人运行范围内的运动障碍物的速度信息;
根据所述运动障碍物的速度信息确定所述运动障碍物是否具有运动持续性特征;
若是,则控制所述机器人根据所述运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障;其中,所述盲区根据所述传感器的检测范围和机器人的运行范围进行确定;
否则,控制所述机器人进行静止避障。
2.根据权利要求1所述的方法,其特征在于,所述速度信息包括速度方向和速度大小;
相应的,根据所述运动障碍物的速度信息确定所述运动障碍物是否具有运动持续性特征,包括:
根据所述运动障碍物在所述当前帧点云信息和所述历史帧点云信息中的速度方向,确定所述运动障碍物在多帧点云信息中的方向变化信息,以及根据所述运动障碍物在所述当前帧点云信息和所述历史帧点云信息中的速度大小,确定所述运动障碍物在多帧点云信息中的速率变化信息;
根据所述运动障碍物在多帧点云信息中的方向变化信息和速率变化信息确定所述运动障碍物是否具有运动持续性特征。
3.根据权利要求2所述的方法,其特征在于,根据如下公式确定所述运动障碍物的方向变化信息:
CLthi=100-100*|vthi+1-vthi|/π;
其中,CLthi表示在第i帧点云信息中所述运动障碍物的方向变化信息,vthi表示在第i帧点云信息中所述运动障碍物的速度方向;
根据如下公式确定所述运动障碍物的速率变化信息:
CLxi=100-100*|vxi+1-vxi|/vxi;
其中,CLxi表示在第i帧点云信息中所述运动障碍物的速率变化信息,vxi表示在第i帧点云信息中所述运动障碍物的速度大小。
4.根据权利要求3所述的方法,其特征在于,根据所述运动障碍物在多帧点云信息中的方向变化信息和速率变化信息确定所述运动障碍物是否具有运动持续性特征,包括:
根据所述运动障碍物在目标帧点云信息中的方向变化信息和速率变化信息,确定所述运动障碍物在所述目标帧点云信息中的运动状态参数;
根据所述运动障碍物在多帧点云信息中的运动状态参数确定所述运动障碍物的运动持续性参数;
若所述运动持续性参数大于预设持续性阈值,则确定所述运动障碍物具有运动持续性特征;
其中,根据如下公式确定所述运动状态参数:
CLi=k*CLthi+(1-k)*CLxi;
其中,CLi表示所述运动障碍物在第i帧点云信息中的运动状态参数,k表示速度方向的权重,CLthi表示在第i帧点云信息中所述运动障碍物的方向变化信息,CLxi表示在第i帧点云信息中所述运动障碍物的速率变化信息;
根据如下公式确定运动持续性参数:
其中,CL表示运动障碍物的运动持续性参数,n为确定运动状态参数的点云信息的总帧数。
5.根据权利要求1所述的方法,其特征在于,在控制所述机器人进行静止避障之后,所述方法还包括:
对不具有运动持续性特征的运动障碍物的速度信息进行监控;
若确定所述运动障碍物满足如下至少一项条件:静止、具有运动持续性特征、离开所述机器人运行范围或进入所述盲区,则控制所述机器人进行运动避障。
6.根据权利要求1所述的方法,其特征在于,在控制所述机器人根据所述运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障之前,所述方法还包括:
对机器人运行范围进行划分,得到多个候选区域;
相应的,控制所述机器人根据所述运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障,包括:
根据所述重叠范围从所述候选区域中确定目标区域,并确定所述目标区域的占用参数为第一数值;
根据所述候选区域的占用参数与预设参数阈值的比较结果确定所述机器人的避障区域,并按照所述避障区域控制所述机器人进行移动避障;其中,所述第一数值大于或等于所述预设参数阈值。
7.根据权利要求6所述的方法,其特征在于,在所述传感器获取到当前帧点云数据之前,所述方法还包括:
根据所述历史帧点云信息确定运动障碍物的障碍物位置信息;
根据所述障碍物位置信息从候选区域中确定参考区域,并确定所述参考区域的占用参数为第二数值;其中,第二数值小于第一数值;
相应的,在所述传感器获取到当前帧点云数据之后,所述方法还包括:
根据所述当前帧点云信息确定运动障碍物的更新障碍物位置信息;
根据所述更新障碍物位置信息对所述参考区域的占用参数进行更新,以使所述机器人根据所述参考区域的占用参数确定所述机器人的避障区域。
8.一种基于盲区障碍物的机器人避障装置,其特征在于,机器人上配置至少一个获取环境点云信息的传感器,包括:
障碍物速度确定模块,用于根据所述传感器获取到的当前帧点云信息和历史帧点云信息,确定在机器人运行范围内的运动障碍物的速度信息;
障碍物运动特征确定模块,用于根据所述运动障碍物的速度信息确定所述运动障碍物是否具有运动持续性特征;
运动避障模块,用于若所述运动障碍物具有运动持续性特征,则控制所述机器人根据所述运动障碍物的预测运动轨迹与盲区的重叠范围进行运动避障;其中,所述盲区根据所述传感器的检测范围和机器人的运行范围进行确定;
静止避障模块,用于若所述运动障碍物不具有运动持续性特征,则控制所述机器人进行静止避障。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的基于盲区障碍物的机器人避障方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于盲区障碍物的机器人避障方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310601378.6A CN116560373A (zh) | 2023-05-25 | 2023-05-25 | 基于盲区障碍物的机器人避障方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310601378.6A CN116560373A (zh) | 2023-05-25 | 2023-05-25 | 基于盲区障碍物的机器人避障方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116560373A true CN116560373A (zh) | 2023-08-08 |
Family
ID=87501727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310601378.6A Pending CN116560373A (zh) | 2023-05-25 | 2023-05-25 | 基于盲区障碍物的机器人避障方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116560373A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117148837A (zh) * | 2023-08-31 | 2023-12-01 | 上海木蚁机器人科技有限公司 | 动态障碍物的确定方法、装置、设备和介质 |
-
2023
- 2023-05-25 CN CN202310601378.6A patent/CN116560373A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117148837A (zh) * | 2023-08-31 | 2023-12-01 | 上海木蚁机器人科技有限公司 | 动态障碍物的确定方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112526999B (zh) | 速度规划方法、装置、电子设备和存储介质 | |
CN116560373A (zh) | 基于盲区障碍物的机器人避障方法、装置、设备和介质 | |
CN114815851A (zh) | 机器人跟随方法、装置、电子设备以及存储介质 | |
CN114771572A (zh) | 一种自动驾驶轨迹预测方法、装置、设备和存储介质 | |
EP4145408A1 (en) | Obstacle detection method and apparatus, autonomous vehicle, device and storage medium | |
CN114987546A (zh) | 轨迹预测模型的训练方法、装置、设备及存储介质 | |
CN116358584A (zh) | 一种自动驾驶车辆路径规划方法、装置、设备及介质 | |
CN115139303A (zh) | 一种栅格井盖检测方法、装置、设备及存储介质 | |
CN116499487B (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN117168488A (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN114030483B (zh) | 车辆控制方法、装置、电子设备和介质 | |
CN114919570A (zh) | 一种泊车避障方法、装置、电子设备及存储介质 | |
CN114842305A (zh) | 深度预测模型训练方法、深度预测方法及相关装置 | |
CN116879921A (zh) | 基于栅格的激光雷达感知方法、装置、设备和介质 | |
CN114475657B (zh) | 自动驾驶车辆的控制方法、装置和电子设备 | |
CN114590248B (zh) | 行驶策略的确定方法、装置、电子设备和自动驾驶车辆 | |
CN117589188B (zh) | 行车路径规划方法、装置、电子设备和存储介质 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN116147637B (zh) | 占用栅格地图的生成方法、装置、设备及存储介质 | |
CN118269965A (zh) | 一种碰撞代价确定方法、装置、设备及介质 | |
CN116224991A (zh) | 运动状态识别方法、装置、设备以及存储介质 | |
CN116930914A (zh) | 无人车的防跌落检测方法、装置、设备和介质 | |
CN116503831A (zh) | 障碍物筛选方法、装置、电子设备及存储介质 | |
CN117742243A (zh) | 一种设备动作碰撞预测方法、装置、电子设备及存储介质 | |
CN116990845A (zh) | 机器人的定位切换方法、装置、设备和介质 |
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 |