CN106168805A - 基于云计算的机器人自主行走的方法 - Google Patents

Abstract

本发明提供一种基于云计算的机器人自主行走的方法，通过云端控制行走，实现机器人位置的实时匹配修正，采用云端控制和ROS系统计算，实现机器人的自主行走和自主构建地图。本发明提供的该方法实现机器人自主路径规划和地图构建，工作效率高，成本低，定位准确，实用性和可靠性高，运算量少。

Description

基于云计算的机器人自主行走的方法

技术领域

本发明涉及机器人行走领域，具体涉及一种基于云计算的机器人自主行走的方法。

背景技术

信息技术的发展，信息技术被广泛的应用到人们的生活方式与工作方式中。如有更有效的利用现有的信息技术，人们一直没有停止探索。机器人领域是集计算机、机械、传感技术、信息处理技术、图像处理与识别技术、语言识别与处理技术、控制技术和通信技术等于一体的系统。现有的Player、MOOS、CARMEN、YARP、Orocos、微软RoboticsStudio等操作系统无法满足实际应用的需求。ROS(RobotOperatingSystem)是一种开源机器人操作系统，能够提供类似于操作系统的功能，为机器人应用系统提供硬件抽象、底层驱动、消息传递和包管理，以及一些辅助开发工具，例如建立、编写和运行多机通信系统整合的程序。

自主行走机器人需要感知外界环境，实现向目的地自主行走并能进行避障处理。

CN200910195432.1专利公开了一种机器人餐厅多机器人自动定位系统，该系统中央服务器模块由全景定位模块、定位信息融合处理模块、人机交互模块组成，其中：全景定位模块由餐厅顶部安装全景相机与在地面安装栅格形成栅格坐标系构成；每个餐厅机器人均有双目视觉定位模块、红外信标定位模块、红外测距定位模块、射频识别模块、陀螺仪定位模块；中央服务器模块对餐厅每个机器人进行全局定位，每个机器人用多种定位方式独立确定自己的位置。该系统的不足之处在于需要改变环境、并对地面环境有特定的要求，实用性较差，成本较高。

CN 201010189865.9专利公开了一种基于机器人双目立体视觉的地面障碍物检测方法，采用双目立体视觉传感器检测地面障碍物，通过对图像进行地面视差分布分析，分辨出图像中的地面和障碍物，建立栅格地图，进行避障。该方法的不足之处在于计算复杂、实时性较差、实时定标不准。

CN201410524184.1公开一种基于ROS(机器人操作系统，Robot OperatingSystem)的移动机器人室内环境探索系统与控制方法。该系统基于ROS，能够实现机器人对室内环境的自主探索与定位。该系统主要采用iRobot差分驱动底盘和UTM30LX激光雷达。上位机可实时得到机器人的位置定位信息与室内环境探索路径轨迹，并由激光雷达的数据匹配得到由局部地图连接形成的全局地图。该机器人容易受到外界信息的干扰。

目前的机器人自主行走大多采用即时定位与地图构建技术进行行走与导航，主要面临以下问题：

1、无法精准定位，2、CPU、内存等硬件设施局限性大，3、地图数据获取有限，4、占用空间巨大，5、知识和视图有限，6、机器人个体受限于硬件水平、电池容量、成本等设计约束，其计算资源往往是受限的。

发明内容

针对现有技术的不足，本发明提供一种基于云计算的机器人自主行走的方法，工作效率高，运算量少，定位准确，地图获取根据实际情况构建，地图数据获取通过云端获取，不受CPU、内存等硬件设施的局限。

本发明为实现上述目的，采用以下技术方案：一种基于云计算的机器人自主行走的方法，其具体步骤如下：

1)获取室内环境信息，构建地图：机器人的深度摄像头对室内的环境进行扫描拍摄，将室内当前的环境数据发送至云端，云端采用图像空间算法对采集的环境数据进行图像空间的分割，进行室内地图构建；

2)室内定位：机器人将周围传感器获得的数据传输至云端，云端根据步骤1)的方式进行计算后，获得到当前环境的特征点及向量值，将所述特征点及向量值与云端映射地图进行逐一匹配，匹配出当前机器人所在位置信息；

3)路径规划：机器人主机在接收到输入的目的地指令后，根据步骤2)获取到的机器人当前所在位置，对目标地进行确定并进行地图标记，然后计算出一条最近并能通行的路径，完成路径规划；

4)自主行走：机器人根据步骤3)规划好的路径进行行走，在行走过程中，机器人携带的传感器和摄像头对环境不断进行扫描，ROS系统将扫描数据发送至云端，云端不断计算当前地图数据，以判断前方是否可行，引导机器人行走至目标点。

进一步地，所述机器人在自主行走过程中，云端不断计算当前地图数据，以判断前方是否有障碍物阻拦，若有障碍物，则动态规划出新的行走路径，引导机器人行走至目标点。

进一步地，所述室内地图构建包括室内的结构布局、室内物体的位置、场景信息。

进一步地，步骤1)中所述图像空间算法，是指通过OpenCV进行轮廓检测，轮廓检测完成后再使用sift算法进行图形向量提取，获取采集的物体图像表面每个采样点的特征碎片和位置信息，对特征碎片和位置信息进行识别并提取对应的特征向量集合，然后将特征向量进行组合存储，在云端构建一张位置与建筑物对应的映射地图。

进一步地，所述动态规划出新的行走路径是指在机器人行走过程中，机器人的ROS系统不断将周围传感器获得的的数据传递给服务端(即云端)，服务端对发来的数据按照步骤2)的方式进行室内定位和位置修正，不断的计算出新的行走路线，并将数据发给机器人，机器人通过解析收到的路径点数据，将路径点数据进行tf转换，驱动电机向前行走；所述传感器包括红外传感器、雷达、速度感应器或深度摄像头。

进一步地，所述机器人在自主行走过程中，通过云端进行远程监控；所述远程监控是指机器人开始工作时，机器人将信息通过互联网传送至云端，在云端进行数据的存储；云端接收到数据后，对数据进行分析，同时反馈相应的处理措施和意见；云端通过登录机器人远程控制系统，获取相应的机器人信息，完成备份或更新，若需硬件报警，则给出报警提示。

所述云端用于存储的信息包括机器人的行走路径，路径优化过程，行走过程检测的障碍物的信息、机器人的维护情况等。

所述云端用于提供云端分布式并行处理系统，负责接收信息数据、分类整理信息数据和处理数据，是接收和发送信息数据的中转站。

所述室内地图通过云端实现地图数据共享；所述地图数据的共享通过如下过程实现：云端存储构建的地图，将地图根据机器人发送的时间和位置按照地理网络区域进行组织和划分，实现不同机器人对云端地图的共享。

本发明的有益效果：

本发明提供的一种基于云计算的机器人自主行走的方法，该方法通过云端控制行走，实现机器人位置的实时匹配修正。

其中，自主构建地图，采用sift算法对图形进行空间分割，减少了计算量，识别物体准确度高、快捷、独立性强，噪声也保持一定的稳定性；

运用云端远程监控机器人的自主行走路径，有效的实现路径规划中避障，云端通过集群计算可以实现复杂的导航，通过对数据的分析，实现地图数据共享，实时监控机器人的行走状态和位置；对机器人进行远程控制，云端收集相应的行走数据，利于改善和维护机器人；

采用云端控制和ROS系统计算，能够使运动独立性增强，减少运算的复杂程度，规划运动轨迹简单，运动控制也更简单；

该方法提高了机器人在运动规划过程中的自由度、精确度，在时间和空间上及数据上进行融合以提高系统的适应性和环境空间识别能力，使得机器人能按照正确的规划轨迹进行运动同时不断修正和优化线路，从而实现机器人自主路径规划和地图构建，工作效率高，成本低，定位准确，实用性和可靠性高，运算量少。

具体实施方式

下面以具体实施例对本发明作进一步的说明，但本发明不受下述实施例的限定。

实施例1

本发明提供一种基于云计算的机器人自主行走的方法，其具体步骤如下：

1)获取室内环境信息，构建地图：机器人的深度摄像头对室内的环境进行扫描拍摄，将室内当前的环境数据发送至云端，云端采用图像空间算法对采集的环境数据进行图像空间的分割，进行室内地图构建；所述室内地图构建包括室内的结构布局、室内物体的位置、场景信息；所述图像空间算法，是指通过OpenCV进行轮廓检测，轮廓检测完成后再使用sift算法进行图形向量提取，获取采集的物体图像表面每个采样点的特征碎片和位置信息，对特征碎片和位置信息进行识别并提取对应的特征向量集合，然后将特征向量进行组合存储，在云端构建一张位置与建筑物对应的映射地图；

2)室内定位：机器人将周围传感器获得的数据传输至云端，云端根据步骤1)的方式进行计算后，获得到当前环境的特征点及向量值，将所述特征点及向量值与云端映射地图进行逐一匹配，匹配出当前机器人所在位置信息；所述匹配是指，将获得到当前环境的特征点及向量值1，将特征向量1与云端映射地图进行逐一匹配，匹配出当前机器人所在位置信息；

3)路径规划：机器人主机在接收到输入的目的地指令后，根据步骤2)获取到的机器人当前所在位置，对目标地进行确定并进行地图标记，然后计算出一条最近并能通行的路径，完成路径规划；

4)自主行走：机器人根据步骤3)规划好的路径进行行走，在行走过程中，机器人携带的传感器和摄像头对环境不断进行扫描，ROS系统将扫描数据发送至云端，云端不断计算当前地图数据，以判断前方是否可行，是否有障碍物阻拦，动态规划出新的行走路径，引导机器人行走至目标点。

所述动态规划出新的行走路径是指在机器人行走过程中，机器人的ROS系统不断将周围传感器获得的数据传递给云端，云端对发来的数据按照步骤2)的方式进行室内定位和位置修正，不断的计算出新的行走路线，并将数据发给机器人，机器人通过解析收到的路径点数据，将路径点数据进行tf转换，驱动电机向前行走。

所述所述传感器包括红外传感器、雷达、速度感应器和深度摄像头等。

所述红外传感器和雷达用来检测机器人行走路径中是否存在障碍物，以及障碍物的大小和位置情况，并将相关的数据信息传输给机器人。

所述速度感应器在红外传感器检测到相关的障碍物后，检测障碍物是否处于运动状态，速度情况，并将相关的数据信息传输给机器人。

所述深度摄像头用于检测周围环境数据。

进一步地，所述机器人在自主行走过程中，通过云端进行远程监控；所述远程监控是指机器人开始工作时，机器人将信息通过互联网传送至云端，在云端进行数据的存储；云端接收到数据后，对数据进行分析，同时反馈相应的处理措施和意见。

所述云端用于存储的信息包括机器人的行走路径，路径优化过程，行走过程检测的障碍物的信息、机器人的维护情况等。

所述云端用于提供云端分布式并行处理系统，负责接收信息数据、分类整理信息数据和处理数据，是接收和发送信息数据的中转站。

所述室内地图通过云端实现地图数据共享；所述地图数据的共享通过如下过程实现：云端存储构建的地图，将地图根据机器人发送的时间和位置按照地理网络区域进行组织和划分，实现不同机器人对云端地图的共享。

机器人通过自主构建地图，采用sift算法对图形进行空间分割，减少了计算量，识别物体准确度高、快捷、独立性强，噪声也保持一定的稳定性；

运用云端远程监控机器人的自主行走路径，有效的实现路径规划中避障，云端通过集群计算可以实现复杂的导航，通过对数据的分析，实现地图数据共享，实时监控机器人的行走状态和位置；对机器人进行远程控制，云端收集相应的行走数据，利于改善和维护机器人；

采用云端控制和ROS系统计算，能够使运动独立性增强，减少运算的复杂程度，规划运动轨迹简单，运动控制也更简单；

该方法提高了机器人在运动规划过程中的自由度、精确度，在时间和空间上及数据上进行融合以提高系统的适应性和环境空间识别能力，使得机器人能按照正确的规划轨迹进行运动同时不断修正和优化线路，从而实现机器人自主路径规划和地图构建，工作效率高，成本低，定位准确，实用性和可靠性高，运算量少。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.基于云计算的机器人自主行走的方法，其特征在于，具体步骤如下：

1)获取室内环境信息，构建地图：机器人的深度摄像头对室内的环境进行扫描拍摄，将室内当前的环境数据发送至云端，云端采用图像空间算法对采集的环境数据进行图像空间的分割，进行室内地图构建；

2)室内定位：机器人将周围传感器获得的数据传输至云端，云端根据步骤1)的方式进行计算后，获得到当前环境的特征点及向量值，将所述特征点及向量值与云端映射地图进行逐一匹配，匹配出当前机器人所在位置信息；

3)路径规划：机器人主机在接收到输入的目的地指令后，根据步骤2)获取到的机器人当前所在位置，对目标地进行确定并进行地图标记，然后计算出一条最近并能通行的路径，完成路径规划；

4)自主行走：机器人根据步骤3)规划好的路径进行行走，在行走过程中，机器人携带的传感器和摄像头对环境不断进行扫描，ROS系统将扫描数据发送至云端，云端不断计算当前地图数据，以判断前方是否可行，引导机器人行走至目标点。

2.根据权利要求1所述的基于云计算的机器人自主行走的方法，其特征在于，所述机器人在自主行走过程中，云端不断计算当前地图数据，以判断前方是否有障碍物阻拦，若有障碍物，则动态规划出新的行走路径，引导机器人行走至目标点。

3.根据权利要求1所述的基于云计算的机器人自主行走的方法，其特征在于，所述室内地图构建包括室内的结构布局、室内物体的位置、场景信息的构建。

4.根据权利要求1所述的基于云计算的机器人自主行走的方法，其特征在于，步骤1)中所述图像空间算法，是指通过OpenCV进行轮廓检测，轮廓检测完成后再使用sift算法进行图形向量提取，获取采集的物体图像表面每个采样点的特征碎片和位置信息，对特征碎片和位置信息进行识别并提取对应的特征向量集合，然后将特征向量进行组合存储，在云端构建一张位置与建筑物对应的映射地图。

5.根据权利要求2所述的基于云计算的机器人自主行走的方法，其特征在于，所述动态规划出新的行走路径是指在机器人行走过程中，机器人的ROS系统不断将周围传感器获得的数据传递给云端，云端对发来的数据按照步骤2)的方式进行室内定位和位置修正，不断的计算出新的行走路线，并将数据发给机器人，机器人通过解析收到的路径点数据，将路径点数据进行tf转换，驱动电机向前行走。

6.根据权利要求1所述的基于云计算的机器人自主行走的方法，其特征在于，所述传感器包括红外传感器、雷达、速度感应器和深度摄像头中的一种或多种。

7.根据权利要求1所述的基于云计算的机器人自主行走的方法，其特征在于，所述机器人在自主行走过程中，通过云端进行远程监控；所述远程监控是指机器人开始工作时，机器人将信息通过互联网传送至云端，在云端进行数据的存储；云端接收到数据后，对数据进行分析，同时反馈相应的处理措施和意见。