CN105425803B - 自主避障方法、装置和系统 - Google Patents

Abstract

本发明涉及一种可应用于智能移动技术领域中的自主避障方法、自主避障装置和自主避障系统。其中，自主避障方法包括：建立前方障碍物信息地图，通过至少两种不同检测距离的传感器对所述N*N的网格地图的覆盖区域的检测结果为所述每个像素点赋值，根据所述赋值进行路径规划。自主避障装置包括地图建立模块、赋值模块和路径规划模块。自主避障系统包括至少一个第一传感器、至少一个第二传感器、至少一个第三传感器和避障控制器。本发明通过多级控制提前规划行走路径对障碍物进行避让，在无法避让障碍物的情况下采取紧急刹车措施，避免碰撞的发生。

Description

自主避障方法、装置和系统

技术领域

本发明涉及自主避障领域，尤其涉及一种自主避障方法、自主避障装置和自主避障系统，特别是可应用于智能移动技术领域中的自主避障方法、自主避障装置和自主避障系统。

背景技术

当前，智能移动技术领域(包括机器人、自动驾驶、自平衡车等)受到智能控制领域以及移动装置领域的专业人员的关注。通过将智能控制技术与移动装置相结合，能够实现移动装置的自主移动功能，从而将人们从传统的控制及驾驶工作中解放出来。具有智能控制的新型移动载体为人类生活带来更大便利性。

但是，对于上自平衡车、机器人或者自动驾驶车辆等智能控制移动装置而言，容易想到，尽管其都装备有刹车系统，但当其快速移动的状态下进行刹车时，会存在刹车距离长，容易撞到障碍物的危险，从而降低其安全性能。

发明内容

为了解决上述问题，本发明提出了一种自主避障方法、装置及系统，其通过对潜在障碍物的检测，进而提前进行路径规划绕开障碍物，来避免在长距离刹车过程中撞到障碍物的危险，从而提高系统的安全性和鲁棒性。

本发明还提出了高低优先级的两级避障测量，在近距离监测到障碍物时启动紧急制动，远距离障碍物通过路径规划，做出预判，避开障碍物。

本发明提出了一种自主避障方法，包括：建立前方障碍物信息地图，其中前方障碍物信息地图为N*N的网格地图，N*N的网格地图中的每一个网格为一个像素点，其中N为大于或等于1的正整数；

通过至少两种不同检测距离的传感器对N*N的网格地图的覆盖区域的检测结果为每个像素点赋值，其中该赋值代表所述像素点对应的区域存在障碍物的概率；根据该赋值进行路径规划，从而避开N*N的网格地图的覆盖区域中的潜在障碍物。

进一步，通过至少两种不同检测距离的传感器对N*N的网格的覆盖区域的检测结果为每个像素点赋值，包括：

根据至少一个第一传感器和至少一个第二传感器中各个传感器与潜在障碍物的距离，确定各个传感器的权重值；

确定各个传感器对像素点对应区域的检测结果与其对应的权重值的乘积的加和为该像素点的赋值。

可选地，通过至少两种不同检测距离的传感器对N*N的网格的覆盖区域的检测结果为每个像素点赋值，包括：

根据至少一个第一传感器、至少一个第二传感器和至少一个第三传感器中各个传感器与潜在障碍物的距离，确定各个传感器的权重值；

确定各个传感器对像素点对应区域的检测结果与其对应的权重值的乘积的加和为该像素点的赋值。

可选地，根据各个传感器与潜在障碍物的距离确定各个传感器的权重值，包括：

根据各个传感器的检测距离，确定各个传感器的初始权重值；

基于初始权重值，依据各个传感器与潜在障碍物的距离调整各个传感器的权重值。

可选地，确定所述各个传感器对像素点对应区域的检测结果与其对应的权重值的乘积的加和为该像素点的赋值，包括：

获取各个传感器在单位时间内对像素点对应区域的M次赋值，其中M次赋值为各个传感器在该单位时间内进行M次检测的检测结果与其对应的权重值的乘积的加和；

根据M次赋值，确定该像素点的赋值。

可选地，根据所述赋值进行路径规划，包括：

若检测结果为0表示传感器没有检测到潜在障碍物，检测结果为1表示传感器检测到潜在障碍物；

当赋值为0时，确定该像素点不存在障碍物，

确定障碍物绕行路径为相连的赋值为0的连续像素点。

可选地，N的大小由至少一个第一传感器和至少一个第二传感器中精度最高的传感器的检测精度确定。

进一步地，还包括：

当至少一个第三传感器或至少一个第四传感器被触发，启动紧急刹车，并重新建立前方障碍物信息地图。

可选地，第一传感器为视觉传感器，第二传感器为超声传感器，第三传感器为红外传感器，第四传感器为碰撞传感器。

另一方面，提出了一种自主避障装置，包括：

地图建立模块，用于建立前方障碍物信息地图，其中前方障碍物信息地图为N*N的网格地图，N*N的网格地图中的每一个网格为一个像素点，其中N为大于或等于1的正整数；

赋值模块，用于通过至少两种不同检测距离的传感器对N*N的网格地图的覆盖区域的检测结果为每个像素点赋值，其中该赋值代表像素点对应的区域存在障碍物的概率；

路径规划模块，用于根据赋值进行路径规划，从而避开N*N的网格地图的覆盖区域中的潜在障碍物。

可选地，赋值模块具体用于：

根据至少两种不同检测距离的传感器中各个传感器与潜在障碍物的距离，确定各个传感器的权重值；

确定各个传感器对像素点对应区域的检测结果与其对应的权重值的乘积的加和为该像素点的赋值。

可选地，赋值模块还用于：

根据各个传感器的检测距离，确定各个传感器的初始权重值，

基于初始权重值，依据各个传感器与潜在障碍物的距离调整各个传感器的权重值；以及

获取各个传感器在单位时间内对像素点对应区域的M次赋值，其中M次赋值为各个传感器在该单位时间内进行M次检测的检测结果与其对应的权重值的乘积的加和，

根据M次赋值，确定该像素点的赋值。

可选地，路径规划模块用于：

若检测结果为0表示传感器没有检测到潜在障碍物，检测结果为1表示传感器检测到潜在障碍物；

确定障碍物绕行路径为相连的赋值为0的连续像素点。

进一步地，自主避障装置还包括：

紧急刹车控制模块，用于当接收到红外传感器或碰撞传感器被触发的信号后，启动紧急刹车。

可选地，传感器选自视觉传感器、超声传感器和红外传感器中的至少两者。

另一方面，提出了一种自主避障系统，包括：

至少一个第一传感器、至少一个第二传感器和至少一个第三传感器；

避障控制器，与至少一个第一传感器、至少一个第二传感器和至少一个第三传感器电连接，其中避障控制器根据各个传感器的检测结果进行自主避障路径规划。

可选地，避障控制器建立前方障碍物信息地图，其中前方障碍物信息地图为N*N的网格地图，N*N的网格地图中的每一个网格为一个像素点，其中N为大于或等于1的正整数；

至少一个第一传感器、至少一个第二传感器和至少一个第三传感器对N*N的网格地图的覆盖区域进行定期检测；

避障控制器根据各个传感器对某一像素点对应区域的检测结果与其对应的权重值的乘积的加和为该像素点赋值，若检测结果为0表示没有检测到潜在障碍物，检测结果为1表示检测到潜在障碍物，则将赋值为0的连续像素点相连，从而确定障碍物绕行路径。

其中权重值由各个传感器的检测距离确定。

进一步地，自主避障系统还包括：与避障控制器电连接的至少一个第四传感器，当至少一个第三传感器或至少一个第四传感器被触发，避障控制器启动紧急刹车，并重新建立前方障碍物信息地图。

可选地，第一传感器为视觉传感器，第二传感器为超声传感器，第三传感器为红外传感器，第四传感器为碰撞传感器。

综上所述，根据本发明的自主避障方法、装置及系统，通过两级控制对前方可能存在的障碍物进行检测，并通过提前规划行走路径对障碍物进行避让，并且在移动过程中减少了刹车次数；此外，在无法避让障碍物的情况下，采取紧急刹车措施，避免碰撞的发生，之后重新规划行走路径。由此，采用本发明的自主避障方法、装置及系统的智能移动装置，能够有效减少与障碍物的碰撞，从而提高了鲁棒性和安全性。

附图说明

图1是根据本发明实施例的自主避障控制方法的流程图。

图2是根据本发明实施例的自主避障装置的结构示意图。

图3是根据本发明实施例的自主避障系统的结构示意图。

图4是根据本发明实施例的机器人的立体结构图。

图5是根据本发明实施例的机器人的仰视图。

图6是根据本发明实施例的前方障碍物信息地图(网格地图)的示意图。

具体实施方式

下面结合附图和优选实施方式对本发明的技术方案作进一步的详细描述。应当理解，以下实施例仅用于解释和说明本发明，但不构成对本发明技术方案的限制。

目前，在智能移动技术领域，尽管其都装备有刹车系统，但当其快速移动的状态下进行刹车时，会存在刹车距离长，容易撞到障碍物的危险。以自平衡车(又叫体感车、思维车、摄位车)为例。自平衡车主要是利用车体内部的陀螺仪和加速度传感器，来检测车体姿态的变化，并利用伺服控制系统，精确地驱动电机进行相应的调整，以保持系统的动态平衡。一般而言，自平衡车的最快时速能达到30公里/小时，有的自平衡车甚至能达到60公里/小时的时速。很显然，在快速移动的状态下进行刹车时，由于刹车距离长，自平衡车容易撞到障碍物，其安全性能降低。

因此，本发明提出了一种可配置在智能移动装置上的自主避障系统。该自主避障系统可包括至少两种传感器，以及避障控制器。其中，该至少两种传感器定期对智能移动装置前预定大小的区域进行检测，并将检测的结果提供给与其电连接的避障控制器。

该避障控制器通过执行以下根据本发明的自主避障方法，为该智能移动装置进行路径规划，从而使得该智能移动装置能够对前方可能存在的障碍物进行避让。进一步地，在无法避让障碍物的情况下，采取紧急刹车措施，避免碰撞的发生，之后重新规划行走路径。

参照图1，根据本发明的自主避障方法包括以下步骤：

11，建立前方障碍物信息地图，该前方障碍物信息地图为N*N的网格地图。其中，该N*N的网格地图中的每一个网格为一个像素点，其中N为大于或等于1的正整数。

也就是说，避障控制器首先建立前方障碍物信息地图，该地图以N*N的网格地图的形式呈现，其中的每一个网格对应一个像素点。

该前方障碍物信息地图通常依据所配置的传感器建立。例如，当自主避障系统中具有视觉传感器，则前方障碍物信息地图可以依据所视觉传感器建立。具体地，如果视觉传感器的探测范围为2.5m，分辨率为1cm，即视觉传感器的每次测量可以有250个信息数据，此时网格数可以设置为250*250，即N为250。

一般而言，N的大小由至少一个第一传感器和至少一个第二传感器中精度最高的传感器的检测精度确定。

12，通过至少两种不同检测距离的传感器对该N*N的网格地图的覆盖区域的检测结果为每个像素点赋值，其中该赋值代表该像素点对应的区域存在障碍物的概率，检测结果为0表示传感器没有检测到潜在障碍物，检测结果为1表示传感器检测到潜在障碍物。

对于自主避障系统而言，其包括至少两种传感器，这两种传感器通常具有不同的检测距离。可以理解，该自主避障系统包括至少一个第一传感器以及至少一个第二传感器，或者至少一个第一传感器、至少一个第二传感器和至少一个第三传感器。例如，第一传感器、第二传感器或第三传感器可以是视觉传感器、超声传感器或红外传感器中的一种。

这里，视觉传感器例如是RGBD(red green blue depth)相机，即，在传统RGB相机的基础上加入了深度(Depth)信息的相机，深度信息可以通过双目视觉获得，也可以使用Kinect、PrimeSense、RealSense等集成的一体化相机获得，其能够感测前方500cm-3000cm范围内的物体的景深。超声传感器的检测距离是前方150cm-1200cm范围。红外传感器的检测距离是前方1cm-40cm范围。

应理解，对于不同的智能移动装置和移动环境而言，可以根据需要确定第一传感器、第二传感器或第三传感器的类型和个数。

具体而言，各个传感器定期对该N*N的网格地图的覆盖区域进行检测，并将检测的结果反馈给避障控制器。该避障控制器根据各个传感器的检测结果为每个像素点进行赋值。这样，该N*N的网格地图上的每个像素点都具有一个值，该值体现了该像素点对应的区域存在障碍物的概率。例如，当一个传感器检测到某一像素点对应区域存在潜在障碍物时，便将“1”作为检测结果反馈给避障控制器；当该传感器检测到某一像素点对应区域不存在潜在障碍物时，便将“0”作为检测结果反馈给避障控制器。之后，该避障控制器根据全部传感器对该像素点对应区域的检测结果确定该像素点的值。

进一步地，由于各种传感器的检测距离以及精度不同，可以根据各个传感器与潜在障碍物的距离，确定该各个传感器的权重值；再将各个传感器对该像素点对应区域的检测结果与其对应的权重值的乘积的加和作为该像素点的赋值。

例如，当自主避障系统具有1个第一传感器和3个第二传感器时，且第一传感器的权重值为x，第二传感器的权重值为y，如果该1个第一传感器对某一像素点的检测结果为“1”，该3个第二传感器对该像素点的检测结果分别为“0”、“1”、“1”，则该像素点的赋值则为1·x+0·y+1·y+1·y＝x+2y。

例如，当自主避障系统具有1个第一传感器、1个第二传感器和2个第三传感器时，且第一传感器的权重值为x’，第二传感器的权重值为y’，第三传感器的权重值为z’，如果该1个第一传感器对某一像素点的检测结果为“0”，该1个第二传感器对该像素点的检测结果为“1”，该2个第三传感器对该像素点的检测结果分别为“1”、“1”，则该像素点的赋值则为0·x’+1·y’+1·z’+1·z’＝y’+2z’。

以上，各个传感器的权重值可以是预设的固定值。可选地，为了提高避障系统的精度，也可以根据潜在障碍物与传感器之间的距离来调整权重值。例如，首先，可以根据各个传感器的检测距离，确定其初始权重值；然后，基于该初始权重值，依据各个传感器与潜在障碍物的距离调整各个传感器的权重值。一般而言，随着检测到潜在障碍物的传感器距离该潜在障碍物的距离越近，其权重值越高。若传感器没有检测到潜在障碍物，则其权重值保持为初始权重值。

进一步，可选地，还可以通过对多次检测结果进行平均化的处理，来提升准确性。具体地，在单位时间内，避障控制器获取各个传感器在对某一像素点对应区域的M次赋值，其中所述M次赋值为各个传感器在该单位时间内进行M次检测的检测结果与其对应的权重值的乘积的加和，M为大于或等于2的正整数；确定该M次赋值的平均值为该像素点的赋值。

例如，在单位时间内，各个传感器对某一像素点进行了4次检测，假设第一传感器(例如，视觉传感器)的权重值为0.1，第二传感器(例如，超声传感器)的权重值为0.2，第三传感器(例如，红外传感器)的权重值为0.8。由于每个传感器对该像素点均进行了4次检测，因此这4次的检测结果(“0”或“1”)相加再乘以对应的权重值便是该传感器对该像素点的M次赋值。将所述M次赋值作为该单位时间内该像素点的赋值。

或者，进一步地，还可以将第一传感器、第二传感器及第三传感器的M次赋值相加，最后除以4的平均值即得到该单位时间内该像素点的赋值。

通过上述赋值方法，前方障碍物信息地图中的N*N个像素点均被赋值。

13，根据赋值进行路径规划，从而避开N*N的网格地图的覆盖区域中的潜在障碍物。

如前所述，当赋值为0时，则确定该像素点不存在障碍物，于是避障控制器确定障碍物绕行路径为相连的赋值为0的连续像素点，由此确保规划的路线可以安全必然开障碍物。可选地，避障控制器也可以通过A^*算法等对路径进行规划。

综上所述，根据本发明的自主避障方法通过提前规划行走路径对障碍物进行避让，并且在移动过程中减少了刹车次数。

此外，若传感器没有正确地检测到障碍物或在智能移动装置无法避让障碍物的情况下，需要采取紧急刹车措施以避免碰撞的发生。

例如，在避障系统中再配置至少一个第四传感器，若该第四传感器被触发，则避障控制器启动紧急刹车操作，以避免智能移动装置与障碍物相撞。其中，该第四传感器可以是碰撞传感器。由于红外传感器也可以检测较近距离的障碍物，因此如果第一传感器、第二传感器或第三传感器中存在红外传感器，则若红外传感器被触发，则避障控制器也启动紧急刹车操作，以避免智能移动装置与障碍物相撞。当智能移动装置在障碍物旁紧急刹车后，需要重新规划路径，因此避障控制器重新建立前方障碍物信息地图。

也就是说，在上述步骤11、12和13之前，根据本发明的自主避障方法还可能包括步骤：

10，当至少一个第四传感器被触发，启动紧急刹车，并重新建立前方障碍物信息地图。

由此可见，根据本发明的自主避障方法，通过两级级控制对前方可能存在的障碍物进行检测，并通过提前规划行走路径对障碍物进行避让，并且在移动过程中减少了刹车次数；此外，在无法避让障碍物的情况下，采取紧急刹车措施，避免碰撞的发生，之后重新规划行走路径。因此，采用本发明的自主避障方法的智能移动装置，能够有效减少与障碍物的碰撞，从而提高了鲁棒性和安全性。

容易理解，由于智能移动装置的状态处于变化中，为了保证路径规划的准确性和及时性，可以周期性地更新前方障碍物信息地图。在每次地图的更新周期中，保持各个传感器的权重值不变，并依据所述权重值对网格地图中的各个像素点进行赋值，从而规划一条避障路径。在下一个更新周期中，重复以上步骤，以便智能移动装置能够适应路况的实时变化，有效减少与障碍物的碰撞，从而提高了其鲁棒性和安全性。

以下结合图2，详细描述自主避障装置的结构。

如图2所示，自主避障装置20包括地图建立模块21、赋值模块22和路径规划模块23。

其中，地图建立模块21用于建立前方障碍物信息地图，该前方障碍物信息地图为N*N的网格地图，每一个网格为一个像素点。赋值模块22用于通过至少两种不同检测距离的传感器对该N*N的网格地图的覆盖区域的检测结果为所述每个像素点赋值，其中该赋值代表所述像素点对应的区域存在障碍物的概率，检测结果为0表示没有检测到潜在障碍物，检测结果为1表示检测到潜在障碍物。路径规划模块23用于根据所述赋值模块22的赋值进行路径规划，从而避开N*N的网格地图的覆盖区域中的潜在障碍物。

进一步地，赋值模块22可以分别实现如图1所示的步骤12中所述的各种赋值。赋值模块22可以根据至少两种不同检测距离的传感器中各个传感器与潜在障碍物的距离，确定各个传感器的权重值；再确定各个传感器对所述像素点对应区域的检测结果与其对应的权重值的乘积的加和为该像素点的赋值。

可选地，赋值模块22可以根据各个传感器的检测距离，确定所述各个传感器的初始权重值，基于所述初始权重值，依据所述各个传感器与潜在障碍物的距离调整所述各个传感器的权重值；再确定各个传感器对所述像素点对应区域的检测结果与其对应的权重值的乘积的加和为该像素点的赋值。

可选地，赋值模块22可以根据至少两种不同检测距离的传感器中各个传感器与潜在障碍物的距离，确定各个传感器的权重值；获取所述各个传感器在单位时间内对所述像素点对应区域的M次赋值，其中所述M次赋值为各个传感器在该单位时间内进行M次检测的检测结果与其对应的权重值的乘积的加和，最后确定所述M次赋值的平均值为该像素点的赋值。

可选地，赋值模块22可以根据各个传感器的检测距离，确定所述各个传感器的初始权重值，基于所述初始权重值，依据所述各个传感器与潜在障碍物的距离调整所述各个传感器的权重值；获取所述各个传感器在单位时间内对所述像素点对应区域的M次赋值，其中所述M次赋值为各个传感器在该单位时间内进行M次检测的检测结果与其对应的权重值的乘积的加和，最后确定所述M次赋值的平均值为该像素点的赋值。

基于此，路径规划模块23能够根据赋值模块22的赋值进行路径规划，例如确定障碍物绕行路径为相连的赋值为0的连续像素点。

此外，自主避障装置20还可以包括紧急刹车控制模块24，其用于当接收到红外传感器或碰撞传感器被触发的信号后，启动紧急刹车。

由此可见，根据本发明的自主避障装置，通过两级级控制对前方可能存在的障碍物进行检测，并通过提前规划行走路径对障碍物进行避让，并且在移动过程中减少了刹车次数；此外，在无法避让障碍物的情况下，采取紧急刹车措施，避免碰撞的发生，之后重新规划行走路径。因此，采用本发明的自主避障装置的智能移动装置，能够有效减少与障碍物的碰撞，从而提高了鲁棒性和安全性。

应理解，如图2所示的自主避障装置20可以是避障控制器，或中央处理单元。或者，自主避障装置20也可以配置在避障控制器中。

下面将结合图3所示的自主避障系统，详细说明各个组成部件之间的工作过程。

自主避障系统30包括至少一个第一传感器31、至少一个第二传感器32、至少一个第三传感器33和避障控制器34。其中，避障控制器34分别与至少一个第一传感器31、至少一个第二传感器32和至少一个第三传感器33电连接，并根据各个传感器的检测结果为智能移动装置进行自主避障路径规划。

在智能移动装置的移动过程中，避障控制器34将建立前方障碍物信息地图，该信息地图对应的是其移动前方的固定面积的区域。其中，该前方障碍物信息地图被划分为N*N个网格，其中的每一个网格被视为一个像素点。至少一个第一传感器31、至少一个第二传感器32和至少一个第三传感器33对N*N的网格地图的覆盖区域进行定期检测，并将检测结果提供给避障控制器34。避障控制器34再根据各个传感器对某一像素点对应区域的检测结果与其对应的权重值的乘积的加和为该像素点赋值。可以理解，在某一时刻，各个传感器对前方障碍物信息地图中的N*N个网格均获得了检测结果，检测结果为“0”表示没有检测到潜在障碍物，检测结果为“1”表示检测到潜在障碍物。因此该N*N个网格地图中的全部像素点均被赋值。于是，避障控制器34可以将赋值为0的连续像素点相连，确定为障碍物绕行路径。

这里，各个传感器可以选自视觉传感器、超声传感器和红外传感器。应理解，第一传感器31、第二传感器32、第三传感器33的类型和数量可以由移动路况以及赋值的方法决定。一般而言，不同的传感器具有不同的检测距离和精度。

避障控制器34对前方障碍物信息地图中的各个像素点进行赋值的方法可以参照本发明方法部分第12步骤中的内容。最终确定的每个像素点的赋值代表了该像素点可能存在障碍物的概率。如前所述，由于每个像素点的赋值均由至少两种传感器的检测结果与其权重值的乘积的加和所确定，因此只有当该像素点的赋值为“0”时才说明该像素点一定不存在障碍物，否则则表示有可能存在障碍物。因此，为了确保规划的路径是安全的，可以将赋值为0的连续像素点相连，作为该时刻的障碍物绕行路径。

可以理解，由于智能移动装置处于运动状态时，每个时间间隔前后所建立的前方障碍物信息地图都有可能是不同的，且各个传感器对前方障碍物信息地图所覆盖区域的检测结果也是实时的，由此确定的N*N个网格地图中的每个像素点的赋值也是变化的，那么各个时刻所规划的避障路径也随时间及运动轨迹而改变。由此可见，本发明的自主避障系统能够适应实时变化的移动环境，确保对障碍物进行避让，减少了在移动过程中的刹车次数。

以上所描述的自主避障场景均是考虑障碍物在智能移动装置能够通过提前进行路径规划对其进行避让的情况，但是如果障碍物距离智能移动装置很近而无法进行避障路径规划的情况下，为了确保安全性，需要启动紧急刹车操作。

因此，可以在自主避障系统30中再配置至少一个第四传感器35。该至少一个第四传感器35与避障控制器34电连接，并且优选为碰撞传感器或红外传感器。当至少一个第四传感器35被触发，避障控制器34将启动紧急刹车，此时智能移动装置将尽快停下，尽量避免与障碍物的碰撞。之后，智能移动装置可以重新建立前方障碍物信息地图，并重新规划避障路径。

由此可见，根据本发明的自主避障系统通过两级控制对前方可能存在的障碍物进行检测，并通过提前规划行走路径对障碍物进行避让，并且在移动过程中减少了刹车次数；此外，在无法避让障碍物的情况下，采取紧急刹车措施，避免碰撞的发生，之后重新规划行走路径。因此，采用本发明的自主避障装置的智能移动装置，能够有效减少与障碍物的碰撞，从而提高了鲁棒性和安全性。

以下结合机器人的实例，说明根据本发明的自主避障方法、自主避障装置及自主避障系统的实际应用实施例。

图4示出了采用根据本发明的自主避障方法的机器人的结构示意图。其中，该机器人的自主避障系统至少可包括设置于机器人的头部1上的RGBD相机4、设置在机器人本体2中部的超声传感器5、设置在机器人本体2下部前后方向上的防撞梁3(3’)、设置在防撞梁3(3’)中的红外传感器6以及设置在防撞梁3(3’)后侧的碰撞传感器7、设置在机器人内部的避障控制器。

如图5所示，机器人的头部1设置的RGBD相机4可以根据景深信息感知前方500cm～3000cm范围内的物体的景深。

机器人本体2中部区域设置三个超声传感器5分别设置在车体中部区域的上部和左右两侧，用于分别感知左前方、正前方、右前方三个方向150cm～1200cm米范围内的障碍物。

机器人本体2下部前后方向分别安装前防撞梁3和后防撞梁3’。其中，前防撞梁3和后防撞梁3’中分别配置有八个红外传感器6，用于感知机器人前部和后部1cm～25cm范围内的障碍物。

机器人的前防撞梁3和后防撞梁3’的面向车体的一侧分别配置有四个碰撞传感器7。一旦其他传感器失效后，碰撞传感器7感觉到碰撞，机器人就会紧急制动。

由此，移动过程中的机器人可以通过以下方式实行自主避障。

S1、避障控制器实时感知红外传感器6及碰撞传感器7的状态，以确定前方近距离的障碍物信息。当至少一个碰撞传感器7被触发或者四个以上的红外传感器6被触发时，则发出紧急刹车指令，由执行系统进行急刹操作，使得机器人尽快停下，这样就实现了紧急碰撞避障。一旦机器人安全刹车后，可以重新规划路线进行移动。

S2、如果避障控制器没有感知到任何近距离的障碍物信息，则按照以下步骤实时感知较远距离的障碍物信息：

S2-1、避障控制器建立一个前方障碍物信息地图，即N*N的网格地图，其中的每一个网格对应一个像素点。

图6为根据本发明实施例的前方障碍物信息地图(网格地图)的示意图。该网格地图依据视觉传感器建立。例如，视觉传感器的探测范围为2.5m，分辨率为1cm，即每次测量可以有250个信息数据，此时网格数可以设置为250*250。注意这里的网格地图的绝对位置并不是不变的，而是随着机器人的运动不断更新的。可以实时的根据机器人本体安装的各种避障传感器不断刷新每个网格(像素点)的值(即障碍物存在的概率)。

S2-2、如果机器人在前进中红外、超声与视觉均检测到了障碍物的存在，则可将此像素点的值刷新的比较大，如图中“障碍物”；如果只有某一个传感器检测到了障碍物信息，则有可能只是临时出现的障碍物或者传感器误触发，如图中“疑似障碍物”。

八个红外传感器6、三个超声传感器5和RGBD相机4对N*N的网格地图进行检测，并为每一个像素点设置检测结果“0”和“1”，其中“1”表示该像素点存在障碍物，“0”则表示该像素点不存在障碍物，各个传感器分别将其对N*N的网格地图的检测结果提供给避障控制器。

S2-3、避障控制器赋予红外传感器6、超声传感器5和RGBD相机4不同的初始权重值，例如，八个红外传感器的初始权重值为0.1、三个超声传感器的初始权重值为0.08、RGBD相机的初始权重值为0.05；随着，机器人与潜在障碍物的距离越来越近，避障控制器会调整各个传感器的权重值。

S2-4、对于同一个像素点而言，各个传感器的权重值与其检测结果乘积的加和即为该像素点的赋值，即“障碍物存在概率”；由此避障控制器获得N*N的网格地图中全部像素点的赋值。

S2-5、每隔预定时间间隔，避障控制器就利用各个传感器的权重值以及检测结果刷新一下前方障碍物信息地图；当前方真实存在障碍物时，随着机器人的靠近，信息地图中此位置像素点的“障碍物存在概率”就会不断叠加，当该像素点的赋值越大时，表示该像素点存在障碍物的概率越大；当该像素点的赋值为“0”时，表示该像素点不存在障碍物。

具体而言，刷新前方障碍物信息地图的方法如下：

在t时刻，各个传感器对某一网格点(如障碍物中的某个点)进行检测。假设深度视觉传感器的权重值为0.05，并检测到障碍物；超声传感器的权重值为0.08，也检测到障碍物；红外传感器与碰撞传感器此时距离障碍物较远，不作为计算结果；此时这个像素点存在障碍物的概率即为0.13。在t+1时刻，视觉传感器和超声传感器仍然检测到了障碍物，随着机器人的移动，经过时间t后，障碍物已经出现在了红外传感器的范围内，红外传感器权值为0.1，那么此时刻获得的概率信息即为0.05+0.08+0.1＝0.23,则此时认为此点存在障碍物的概率为0.13+0.23＝0.36。经过n次刷新后(t+n时刻)，此点概率十分接近1，就是说十分有可能存在障碍物，避障控制器应指示避开此点。在t+n+1时刻，随着机器人的运动，障碍物按照先前的运动轨迹已经非常接近机器人，此时碰撞传感器的值就具有重要作用。假如碰撞传感器检测到障碍物，红外传感器也检测到障碍物，则障碍物的存在概率累积值已经大于1，则认为该像素点一定存在障碍物，避障控制器将提示机器人紧急刹车。在实际应用中，t可以根据各传感器的刷新频率，设置为100ms或50ms，表示一个固定的地图刷新频率。

S3、避障控制器将根据该时刻的具有赋值的前方障碍物信息地图进行实时路径规划。

在路径规划时，机器人可以选择障碍物存在概率最低的点行走。例如控制机器人始终通过“障碍物存在概率”为0的像素点，从而避开潜在障碍物。

由上可知，依据本发明的自主避障手段，机器人能够根据多级传感器发出的障碍物信息优先执行不同的防碰撞策略，包括：规划路径防碰撞策略和急刹车防碰撞策略。具体地，根据RGBD相机和超声传感器感知到较远距离障碍物时，执行规划路径防碰撞策略，保证机器人本体躲开障碍物；根据红外传感器和碰撞传感器感知到近距离障碍物时，例如碰撞传感器被触发或者四个以上红外传感器被触发时，优先执行急刹车防碰撞策略，使机器人本体尽快停下，随后重新规划路径。

综上所述，本发明实施例提供了可应用于智能移动装置的自主避障方法、装置和系统，通过多级传感器和两级避障策略实现智能移动装置的紧急避障和非紧急避障。

以上所述，仅为本发明较佳的具体实施方式，但如前所述，本发明并非局限于本文所披露的形式，不应看做是对其他实施例的排除，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种自主避障方法，包括：

在通过至少一个视觉传感器或者至少一个超声波传感器检测到障碍物时，建立前方障碍物信息地图，其中，所述前方障碍物信息地图为N*N的网格地图，所述N*N的网格地图中的每一个网格为一个像素点，N为大于或等于1的正整数，N的大小由所述至少一个视觉传感器和所述至少一个超声波传感器中精度最高的传感器的检测精度确定；

通过至少两种不同检测距离的传感器对所述N*N的网格地图的覆盖区域的检测结果为所述像素点赋值，其中，所述像素点的赋值代表所述像素点对应的区域存在障碍物的概率；

根据所述赋值进行路径规划，从而避开所述N*N的网格地图的覆盖区域中的潜在障碍物；

其中，所述通过至少两种不同检测距离的传感器对所述N*N的网格地图 的覆盖区域的检测结果为所述像素点赋值，包括：根据所述至少一个视觉传感器和所述至少一个超声波传感器、或者所述至少一个视觉传感器、所述至少一个超声波传感器和至少一个红外传感器中的各个传感器与潜在障碍物的距离，确定所述各个传感器的权重值；将所述各个传感器对所述像素点对应区域的检测结果与其对应的权重值的乘积的加和确定为该像素点的赋值；

其中，所述根据各个传感器与潜在障碍物的距离确定所述各个传感器的权重值，包括：根据所述各个传感器的检测距离，确定所述各个传感器的初始权重值；基于所述初始权重值，依据所述各个传感器与潜在障碍物的距离调整所述各个传感器的权重值；若传感器没有检测到潜在障碍物，则其权重值保持为初始权重值；

其中，所述将所述各个传感器对所述像素点对应区域的检测结果与其对应的权重值的乘积的加和确定为该像素点的赋值，包括：获取所述各个传感器在单位时间内对所述像素点对应区域的M次赋值，其中，所述M次赋值为所述各个传感器在该单位时间内进行M次检测的检测结果与其对应的权重值的乘积的加和；根据所述M次赋值，确定该像素点的赋值；

其中，所述根据所述赋值进行路径规划，包括：若检测结果为0表示传感器没有检测到潜在障碍物，检测结果为1表示传感器检测到潜在障碍物；当所述赋值为0时，确定所述像素点不存在障碍物，确定障碍物绕行路径为相连的赋值为0的连续像素点；

其中，所述方法还包括：在所述至少一个红外传感器或至少一个碰撞传感器被触发时，启动紧急刹车，并重新建立所述前方障碍物信息地图。

2.一种实现权利要求1所述自主避障方法的自主避障装置，包括：

地图建立模块，用于在通过至少一个视觉传感器或者至少一个超声波传感器检测到障碍物时，建立前方障碍物信息地图，其中，所述前方障碍物信息地图为N*N的网格地图，所述N*N的网格地图中的每一个网格为一个像素点，其中N为大于或等于1的正整数，N的大小由所述至少一个视觉传感器和所述至少一个超声波传感器中精度最高的传感器的检测精度确定；

赋值模块，用于通过至少两种不同检测距离的传感器对所述N*N的网格地图的覆盖区域的检测结果为所述像素点赋值，其中，所述像素点的赋值代表所述像素点对应的区域存在障碍物的概率；

路径规划模块，用于根据所述赋值进行路径规划，从而避开所述N*N的网格地图的覆盖区域中的潜在障碍物；

紧急刹车控制模块，用于在接收到红外传感器或碰撞传感器被触发的信号时，启动紧急刹车；

其中，所述赋值模块具体用于：根据所述至少一个视觉传感器和所述至少一个超声波传感器、或者所述至少一个视觉传感器、所述至少一个超声波传感器和至少一个红外传感器中的各个传感器与潜在障碍物的距离，确定所述各个传感器的权重值；将所述各个传感器对所述像素点对应区域的检测结果与其对应的权重值的乘积的加和确定为该像素点的赋值；

其中，所述赋值模块还用于：根据所述各个传感器的检测距离，确定所述各个传感器的初始权重值，基于所述初始权重值，依据所述各个传感器与潜在障碍物的距离调整所述各个传感器的权重值，若传感器没有检测到潜在障碍物，则其权重值保持为初始权重值；以及获取所述各个传感器在单位时间内对所述像素点对应区域的M次赋值，其中，所述M次赋值为各个传感器在该单位时间内进行M次检测的检测结果与其对应的权重值的乘积的加和，根据所述M次赋值，确定该像素点的赋值；

其中，所述路径规划模块用于：若检测结果为0表示传感器没有检测到潜在障碍物，检测结果为1表示传感器检测到潜在障碍物；当所述赋值为0时，确定所述像素点不存在障碍物，确定障碍物绕行路径为相连的赋值为0的连续像素点。

3.一种实现权利要求1所述自主避障方法的自主避障系统，包括：

至少一个视觉传感器、至少一个超声波传感器、至少一个红外传感器、至少一个碰撞传感器和避障控制器，所述避障控制器与所述至少一个视觉传感器、所述至少一个超声波传感器、所述至少一个红外传感器和所述碰撞传感器电连接，其中，

所述避障控制器，用于根据所述传感器的检测结果进行自主避障路径规划，进而能够根据多级传感器发出的障碍物信息优先执行不同的防碰撞策略；

其中，所述避障控制器，还用于在通过所述至少一个视觉传感器或者所述至少一个超声波传感器检测到障碍物时，建立前方障碍物信息地图，其中，所述前方障碍物信息地图为N*N的网格地图，所述N*N的网格地图中的每一个网格为一个像素点，N为大于或等于1的正整数，N的大小由所述至少一个视觉传感器和所述至少一个超声波传感器中精度最高的传感器的检测精度确定；在所述至少一个红外传感器或所述至少一个碰撞传感器被触发时，启动紧急刹车，并重新建立前方障碍物信息地图；

所述至少一个视觉传感器、至少一个超声波传感器和至少一个红外传感器，用于对所述N*N的网格地图的覆盖区域进行定期检测；

其中，所述避障控制器，还用于根据所述至少一个视觉传感器和所述至少一个超声波传感器、或者所述至少一个视觉传感器、所述至少一个超声波传感器和所述至少一个红外传感器中的各个传感器与潜在障碍物的距离，确定所述各个传感器的权重值；将所述各个传感器对某一像素点对应区域的检测结果与其对应的权重值的乘积的加和确定为该像素点的赋值；

其中，所述避障控制器，还用于获取所述各个传感器在单位时间内对所述像素点对应区域的M次赋值，其中，所述M次赋值为所述各个传感器在该单位时间内进行M次检测的检测结果与其对应的权重值的乘积的加和；根据所述M次赋值，确定该像素点的赋值；

其中，所述避障控制器，还用于若检测结果为0表示没有检测到潜在障碍物，检测结果为1表示检测到潜在障碍物，则将赋值为0的连续像素点相连，从而确定障碍物绕行路径。

Images