CN107688342A - 机器人的避障控制系统及方法 - Google Patents

机器人的避障控制系统及方法 Download PDF

Info

Publication number
CN107688342A
CN107688342A CN201710186581.6A CN201710186581A CN107688342A CN 107688342 A CN107688342 A CN 107688342A CN 201710186581 A CN201710186581 A CN 201710186581A CN 107688342 A CN107688342 A CN 107688342A
Authority
CN
China
Prior art keywords
robot
obstacle
model
distance
predetermined
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.)
Granted
Application number
CN201710186581.6A
Other languages
English (en)
Other versions
CN107688342B (zh
Inventor
周涛涛
周宝
肖京
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to CN201710186581.6A priority Critical patent/CN107688342B/zh
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to EP17897209.7A priority patent/EP3410246B1/en
Priority to SG11201809892QA priority patent/SG11201809892QA/en
Priority to PCT/CN2017/091368 priority patent/WO2018176668A1/zh
Priority to AU2017404562A priority patent/AU2017404562B2/en
Priority to US16/084,231 priority patent/US11059174B2/en
Priority to JP2018533757A priority patent/JP6716178B2/ja
Priority to KR1020187018065A priority patent/KR102170928B1/ko
Priority to TW106135246A priority patent/TWI662388B/zh
Publication of CN107688342A publication Critical patent/CN107688342A/zh
Application granted granted Critical
Publication of CN107688342B publication Critical patent/CN107688342B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0212—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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B25J9/1666—Avoiding collision or forbidden zones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B25J9/1676—Avoiding collision or forbidden zones
    • 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
    • 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
    • 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
    • G05D1/0255—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
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0891—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Acoustics & Sound (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种机器人的避障控制系统及方法，该方法包括：获取机器人当前的定位数据，并根据当前定位数据及预先确定的移动区域内各个障碍物的位置数据，确定当前定位位置至目标位置路径中是否有离当前定位位置的距离小于预设距离的障碍物；若有离当前定位位置的距离小于预设距离的障碍物，则根据获取的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型，计算出机器人与该障碍物的最短距离；根据获取的定位数据、计算的最短距离及该障碍物的3D模型，计算出当前机器人应运动的方向，根据计算出的运动方向控制机器人的运动姿态，以避开障碍物。本发明能有效地控制机器人避障。

Description

机器人的避障控制系统及方法
技术领域
本发明涉及计算机技术领域，尤其涉及一种机器人的避障控制系统及方法。
背景技术
目前，自主移动机器人能够广泛应用于许多场景，比如担任展览馆的导览工作，带领参观者从一个展区介绍到另一个展区；餐厅的服务工作，主动欢迎客人，并带领客人到空位上点餐；公共场所的引导、巡逻工作，沿着程序设定的路线移动，有人需要帮助停下回答提问等等。在这些场景下，如何避免机器人在运动中碰撞环境中的障碍物，是一个重要的技术问题。目前，自主移动机器人是依靠自身的传感器来定位及避障，业界通常的避障方案是：在机器人上安装接近传感器(例如，超声波、红外、激光等传感器)，如果机器人检测到距障碍物一定距离(比如10cm)，则进行避障。
现有的避障方案有以下缺点：第一、只能在传感器所在高度平面检测到障碍物，对于四腿桌子等情况，假设传感器所在高度为30厘米，而桌面高度为60厘米，那么传感器无法检测到障碍物，最终会导致机器人撞上桌面；第二、只能在安装有传感器的方向检测到障碍物，假如机器人后面没有传感器，则后退会导致撞上障碍物。
因此，如何在传感器无法全面侦测的情况下，有效控制机器人避障已经成为一个亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种机器人的避障控制系统及方法，旨在有效控制机器人避障。
为实现上述目的，本发明提供的一种机器人的避障控制系统，所述避障控制系统包括：
确定模块，用于实时或者定时获取机器人当前的定位数据，并根据当前定位数据及预先确定的移动区域内各个障碍物的位置数据，确定当前定位位置至目标位置路径中是否有离当前定位位置的距离小于预设距离的障碍物；
计算模块，用于若有离当前定位位置的距离小于预设距离的障碍物，则根据获取的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型，计算出机器人与该障碍物的最短距离；
控制模块，用于根据获取的定位数据、计算的最短距离及该障碍物的3D模型，计算出当前机器人应运动的方向，根据计算出的运动方向控制机器人的运动姿态，以避开障碍物。
优选地，所述计算模块还用于：
对预先确定的机器人的3D模型及该障碍物的3D模型进行预处理，针对机器人的每一个关节，利用预先确定的算法找出包围各个关节的最小凸多面体，以将机器人的非凸模型转换为凸体模型；对该障碍物3D模型扇形均分，并对均分后的单个扇形进行凸分解；对获取的定位数据、预处理后的机器人3D模型数据及预处理后的该障碍物3D模型数据，利用预先确定的距离计算规则计算出机器人与该障碍物的最短距离。
优选地，所述计算模块还用于：
建立待扇形均分的障碍物3D模型的球形包围盒，找到球形包围盒的球心；设定一经过所述球心的初始扇形均分平面，将所述初始扇形均分平面按预设的旋转角绕所述球心进行多次旋转，以将球形包围盒均分为n个扇形部分；该球形包围盒的n个扇形部分作为障碍物3D模型的n个模型部分。
优选地，所述预先确定的距离计算规则包括：
根据机器人当前的定位数据及预先确定的筛选算法，对障碍物3D模型扇形均分后获得的各个模型部分进行筛选，筛选出待进行距离计算的模型部分；
对获取的定位数据、筛选出的模型部分，利用预先确定的距离计算算法计算出机器人与筛选出的模型部分的最短距离，该最短距离为机器人与障碍物的最短距离；
所述预先确定的筛选算法包括：
将障碍物3D模型的n个模型部分分别作为障碍物的n个节点，建立键值为相对于初始扇形均分平面的偏角的哈希表，以进行模型节点管理；
对各个模型部分进行标号，根据标号，建立标号为i的模型部分的偏角映射关系，定义所述偏角映射关系的哈希函数为：
Hash(i)＝i*(360°/n)
其中，Hash(i)代表标号为i的扇形模型部分与障碍物坐标系的X轴正轴的偏角；
建立机器人的运动学方程，根据建立的运动学方程计算出机器人各个关节的位姿，该运动学方程为：
Ti＝A0A1A2…Ai-1Ai
其中，Ak(k＝1,2,...,i)为机器人关节坐标系之间的齐次变换矩阵，A0为机器人当前位置矩阵，Ti为第i个关节相对于机器人坐标系的位姿；
通过Ti计算出机器人运动过程中各个关节在机器人坐标系下的坐标Qi(x,y,z)，并计算出机器人坐标系变换到障碍物坐标系的变换矩阵Tr，则机器人关节在障碍物坐标系下的坐标Qi(xt,yt,zt)为：
Qi(xt,yt,zt)＝TrQi(x,y,z)
通过如下公式得到关节在障碍物坐标系下的偏角α：
根据偏角α及哈希函数Hash(i)计算得到对应标号的模型部分，并基于对应标号的模型部分筛选出待进行距离计算的模型部分。
优选地，所述控制模块还用于：
将机器人及该障碍物3D模型投影到同一坐标系平面中；
根据预先确定的投影分析规则及障碍物3D模型投影到所述坐标系平面的投影区域外轮廓各个点的坐标，计算出该障碍物3D模型的投影相对于机器人的当前定位位置及目标位置有效遮挡区域的面积；
根据计算的最短距离及有效遮挡区域的面积确定出第一预设类型避障参数，根据目标位置与机器人当前定位位置的距离确定出第二预设类型避障参数，根据所述第一预设类型避障参数及所述第二预设类型避障参数确定出机器人当前应运动的方向。
优选地，所述预先确定的投影分析规则为：
设定坐标系平面的P1位置点为机器人的当前定位位置，P2位置点为目标位置，投影区域P3为障碍物3D模型在所述坐标系平面中的投影，并在所述坐标系平面中连接P1P2，得到直线J；
若直线J与投影区域P3没有交点或者交点只有一个，则确定不存在有效遮挡区域；
若直线J与投影区域P3的交点个数大于1，则直线J将投影分割为两部分；在投影区域P3中任意找一点PS，过PS作直线J的垂线，设定垂线与直线J的交点为PJ,得到向量计算最短距离的向量与向量的夹角θ；若判断夹角θ是锐角，则确定PS点所在区域是有效遮挡区域；若判断夹角θ不是锐角，则确定PS点所在区域不是有效遮挡区域。
优选地，所述第一预设类型避障参数为虚拟斥力，所述第二预设类型避障参数为虚拟引力，所述控制模块还用于：
根据计算的最短距离和有效遮挡区域的面积，利用第一计算规则计算出作用在机器人上的虚拟斥力；
根据当前定位位置与目标点位置的距离，利用第二计算规则计算出作用在机器人上的虚拟引力；
计算出该虚拟引力和虚拟斥力的合力方向作为机器人当前应运动的方向。
优选地，所述第一计算规则为：
设定机器人与障碍物的最短距离的向量为有效遮挡区域的面积为S，障碍物对机器人的虚拟斥力为则计算公式如下：
其中，kr、br为预设的虚拟斥力系数，s0为预设的有效遮挡区域面积阈值，d0为预设的距离阈值；虚拟斥力方向与最短距离方向相同。
优选地，所述第二计算规则为：
设定目标位置对机器人的虚拟引力为则计算公式为：Ft＝kt*dt；其中，kt为预设的引力系数，dt为目标位置与机器人当前定位位置的距离，方向朝向目标位置。
此外，为实现上述目的，本发明还提供一种机器人避障方法，所述方法包括以下步骤：
A1、实时或者定时获取机器人当前的定位数据，并根据当前定位数据及预先确定的移动区域内各个障碍物的位置数据，确定当前定位位置至目标位置路径中是否有离当前定位位置的距离小于预设距离的障碍物；
A2、若有离当前定位位置的距离小于预设距离的障碍物，则根据获取的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型，计算出机器人与该障碍物的最短距离；
A3、根据获取的定位数据、计算的最短距离及该障碍物的3D模型，计算出当前机器人应运动的方向，根据计算出的运动方向控制机器人的运动姿态，以避开障碍物。
本发明提出的机器人的避障控制系统及方法，通过机器人当前的定位数据检测到有离当前定位位置的距离小于预设距离的障碍物时，根据机器人当前的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型，计算出机器人与该障碍物在三维空间的最短距离，并计算出当前机器人应运动的方向，以控制机器人的运动姿态。由于能通过机器人与障碍物在三维空间的最短距离来控制机器人的运动方向，从而实现检测并避开机器人在三维空间中各个方向的障碍物，有效地控制机器人避障。
附图说明
图1为本发明机器人避障方法一实施例的流程示意图；
图2a为本发明机器人避障方法一实施例中对障碍物3D模型扇形均分的示意图；
图2b为本发明机器人避障方法一实施例中标号为k的扇形模型部分的示意图；
图3a为本发明机器人避障方法一实施例中机器人与障碍物的3D模型示意图；
图3b为本发明机器人避障方法一实施例中对立方体障碍物模型进行扇形均分的示意图；
图3c为本发明机器人避障方法一实施例中对模型部分的筛选示意图；
图3d为本发明机器人避障方法一实施例中计算最短距离向量的示意图；
图4为本发明机器人避障方法一实施例中确定有效遮挡区域的示意图。
图5为本发明避障控制系统10较佳实施例的运行环境示意图；
图6为本发明避障控制系统10较佳实施例的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种机器人避障方法。
参照图1，图1为本发明机器人避障方法一实施例的流程示意图。
在一实施例中，该机器人避障方法包括：
步骤S10、机器人的避障控制系统实时或者定时(例如，每隔2秒)获取机器人当前的定位数据(例如在室内的位置、姿态等)，并根据当前定位数据及预先确定的移动区域内各个障碍物的位置数据，确定当前定位位置至目标位置路径中是否有离当前定位位置的距离小于预设距离的障碍物。例如，可依靠机器人自身的传感器来定位并判断与预先确定的移动区域内各个障碍物的距离，如可在机器人上安装接近传感器(例如，超声波、红外、激光等传感器)来判断机器人当前定位位置至目标位置路径中是否有离当前定位位置的距离小于预设距离的障碍物。
步骤S20、若有离当前定位位置的距离小于预设距离的障碍物，则根据获取的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型，计算出机器人与该障碍物的最短距离。
在检测到机器人的当前定位位置与预先确定的移动区域内各个障碍物的距离之后，若判断没有障碍物离当前定位位置的距离小于预设距离，则继续沿目标位置路径移动并实时或者定时检测机器人与移动区域内各个障碍物的距离。若判断有离当前定位位置的距离小于预设距离的障碍物，则根据获取的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型计算出机器人与该障碍物的最短距离，以利用该最短距离来判断在三维空间中机器人沿目标位置路径移动时是否会碰撞到该障碍物，从而实现不仅能在机器人的传感器所在高度平面检测到障碍物，还能检测到三维空间中潜在的障碍物，以在机器人安装有传感器的方向和机器人没有安装传感器的其他方向上均能检测到三维空间中各个方向潜在的障碍物。其中，所述预先确定的机器人的3D模型及移动区域内各个障碍物的3D模型可以预先存储于机器人的存储单元中，或者，可以由机器人通过无线通信单元访问物联网系统服务器获取，在此不做限定。
步骤S30、根据获取的定位数据、计算的最短距离及该障碍物的3D模型，计算出当前机器人应运动的方向，根据计算出的运动方向控制机器人的运动姿态，以避开三维空间中各个方向潜在的障碍物，有效控制机器人在沿目标位置路径移动时的避障。
本实施例通过机器人当前的定位数据检测到有离当前定位位置的距离小于预设距离的障碍物时，根据机器人当前的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型，计算出机器人与该障碍物在三维空间的最短距离，并计算出当前机器人应运动的方向，以控制机器人的运动姿态。由于能通过机器人与障碍物在三维空间的最短距离来控制机器人的运动方向，从而实现检测并避开机器人在三维空间中各个方向的障碍物，有效地控制机器人避障。
进一步地，所述步骤S20包括：
步骤S201、对预先确定的机器人的3D模型及该障碍物的3D模型进行预处理。
步骤S202、对获取的定位数据、预处理后的机器人3D模型数据及预处理后的障碍物3D模型数据，利用预先确定的距离计算规则计算出机器人与障碍物的最短距离。
例如，由于机器人和障碍物一般为非凸体，因此，可对机器人和障碍物的3D模型进行预处理如转换为凸体，以便后续更加准确和快速地计算出最短距离。
进一步地，所述步骤S201中的机器人3D模型预处理包括：针对机器人的每一个关节，直接利用预先确定的算法(例如，QuickHull快速凸包算法)找出包围各个关节的最小凸多面体，以将机器人非凸模型转换为凸体模型。通过上述凸处理的机器人3D模型在后续计算最短距离向量时能有效提高计算速度和计算精度。
障碍物3D模型预处理的方式包括三种：第一种、构建非凸多面体的凸包围盒使之转换为凸体进行碰撞检测；第二种、对非凸多面体进行凸分解，使非凸模型转换为多个凸体进行碰撞检测；第三种、对障碍物3D模型扇形均分(即扇形剖分)，然后对均分后的单个扇形进行凸分解，这种先扇形均分再凸分解的方式相对于前两种不仅计算速度更快，而且计算精度更高。
进一步地，所述对障碍物3D模型扇形均分的步骤包括：
建立待扇形均分的障碍物3D模型的球形包围盒，找到球形包围盒的球心；
设定一经过所述球心的初始扇形均分平面，将所述初始扇形均分平面按预设的旋转角绕所述球心进行多次旋转，以将球形包围盒均分为n个扇形部分；该球形包围盒的n个扇形部分作为障碍物3D模型的n个模型部分。
例如，在一种具体实施方式中，可包括如下步骤：
X1、建立要扇形均分的障碍物3D模型M的球形包围盒B，找到球形包围盒B的球心O，然后在球心O处建立三维坐标系Oxyz；
X2、过球心O做一条与三维坐标系Oxyz中z轴重合的直线L，则xoz平面即为初始扇形均分平面，设xoz平面为α1，α1将障碍物3D模型分为2部分；
X3、将α1绕直线L选择一定角度β(β代表相邻扇形偏角)得到另外一个新平面α2，将新平面继续旋转β可以得到平面α3，旋转m-1次可以得到第m个平面αn；
X4、设β＝180/m，则m个平面可以把球形包围盒B均分为2m部分，障碍物3D模型即被分为2m个模型部分。通过上述步骤可以完成对任意模型，包括非凸模型的简单剖分，并通过哈希表进行管理剖分好的模型部分。
进一步地，所述对均分后的单个扇形进行凸分解的步骤包括：
采用Delaunay三角剖分算法对障碍物3D模型进行表面三角剖分，产生三角面片(凸片)集合；并针对每一个三角面片构造与之对应的凸块。例如，将厚度为零的三角面片在其平面法向量方向进行预设厚度的拉伸，变为凸块。
进一步地，所述预先确定的距离计算规则包括：
根据机器人当前的定位数据(如室内位置、姿态等)及预先确定的筛选算法，对障碍物3D模型扇形均分后获得的各个模型部分进行筛选，筛选出待进行距离计算的模型部分；
对获取的定位数据、筛选出的模型部分，利用预先确定的距离计算算法(例如，GJK算法)计算出机器人与筛选出的模型部分的最短距离，该最短距离即为机器人与障碍物3D模型的最短距离。
进一步地，如图2a、2b所示，图2a为本发明机器人避障方法一实施例中对障碍物3D模型扇形均分的示意图。图2b为本发明机器人避障方法一实施例中标号为k的扇形模型部分的示意图。所述预先确定的筛选算法包括：
Y1、将障碍物3D模型扇形均分后获得的n个模型部分分别作为障碍物的n个节点，建立key-value键值分别是相对于初始扇形均分平面(即xoz平面)的旋转角即偏角和模型几何信息数据的哈希表，以进行模型节点管理；
Y2、对扇形均分获得的各个模型部分进行标号，从1开始进行标号；均分的n个扇形模型部分，相邻扇形偏角为360°/n，根据标号，建立于初始标号为i的扇形模型部分的偏角映射关系，代表所述偏角映射关系的哈希函数为：
Hash(i)＝i*(360°/n)
其中，i为标号为i的扇形模型部分，Hash(i)代表标号为i的扇形模型部分与障碍物坐标系的X轴正轴的偏角；
Y3、建立机器人的运动学，根据建立的运动学计算出机器人各个关节的位姿，从建立的哈希表中查询出机器人附近的障碍物扇形区域。如下图2所示；当机器人在运动过程中，通过机器人运动学，运动学方程为：
Ti＝A0A1A2…Ai-1Ai
其中，Ak(k＝1,2,...,i)为机器人关节坐标系之间的齐次变换矩阵(可以通过机器人各关节的D-H参数确定)，A0表示机器人当前位置矩阵(与机器人当前定位数据对应)，Ti为第i个关节相对于机器人坐标系的位姿；
通过Ti计算出机器人运动过程中各个关节局部坐标系原点坐标的实时更新值Qi(x,y,z)，进一步可以得到关节在障碍物坐标系下的偏角α：
α＝f(Qi(x,y,z))
其中，Qi(x,y,z)表示机器人关节在机器人坐标系下的坐标；Tr表示机器人坐标系变换到障碍物坐标系的变换矩阵(为4*4的矩阵，机器人坐标系和障碍物坐标系已确定，该矩阵可以直接计算出来)，则机器人关节在障碍物坐标系下的坐标Qi(xt,yt,zt)为：
Qi(xt,yt,zt)＝TrQi(x,y,z)
假定障碍物坐标系Z轴正向朝上，遵循右手坐标系，设关节在障碍物坐标系下的偏角为α，则
向求解三角函数即可得到关节在障碍物坐标系下的偏角为α，获取到偏角α之后，即可根据代表所述偏角映射关系的哈希函数Hash(i)计算得到对应标号的扇形模型部分，并基于对应标号的模型部分筛选出待进行距离计算的模型部分。例如，计算得到的扇形模型部分的标号为k，则可选取标号在[k-M,k+N]范围内的扇形模型部分进行最短距离计算。其中M、N为一预设数值，以选取标号为k的扇形模型部分附近的多个扇形模型部分作为待进行最短距离计算的模型部分。
如图3a所示，图3a为本发明机器人避障方法一实施例中机器人与障碍物的3D模型示意图。在一种具体实施方式中，机器人采用只有底盘的运动、没有手臂等其他运动关节的机器人，机器人3D模型采用高为1500mm，运动底盘半径为320mm的机器人3D模型，障碍物3D模型采用一个简单立方体模型，尺寸为2200mm*2200mm*1000mm，在障碍物模型坐标系下机器人当前的坐标为(1800,-100)。
图3b为本发明机器人避障方法一实施例中对立方体障碍物模型进行扇形均分的示意图。对障碍物模型进行预处理中，预处理主要是对障碍物模型进行扇形均分，如图3b所示，障碍物模型被扇形均分为32份，从X轴逆时针对扇形均分的模型部分进行编号，1,2，…，15,16，…，31,32；每一个模型块的夹角为：360/32＝11.25度，可以看出，编号1模型块与X轴正向偏角11.25度，编号2模型块与X轴正向偏角11.25*2＝22.5度，编号为i的模型块与X轴正向偏角：i*(360/32)。
图3c为本发明机器人避障方法一实施例中对模型部分的筛选示意图。在对模型部分的筛选过程中，因本实施例采用的机器人只有底盘的运动，没有手臂等其他运动关节，所以底盘位姿代表机器人的整体位姿，当前机器人的位置为(1800，-100)(相对于障碍物坐标系下坐标)，可以计算出机器人与障碍物坐标系的X轴正轴的偏角为354度；进而计算机器人对应扇形模型部分的标号为354/11.25＝31.5，向上取整得到32，所以待进行距离计算的对应扇形块编号32，也就是说机器人离编号为32的障碍物块最近。接下来选取K＝32附近的障碍物块，采用GJK计算与机器人之间的最短距离及最短距离点；选取M＝1，N＝2，则得到障碍物块范围是[31,34]，编号超过32的需要做简单转换，33转换为对应编号为1的障碍物块，34转换为对应编号为2的障碍物块；如图3c所示，最终选取编号是31,32,1,2的障碍物块进行最短距离计算。
图3d为本发明机器人避障方法一实施例中计算最短距离向量的示意图。在计算最短距离时，通过上述处理，已缩小障碍物块的范围(1,2,31,32)，直接采用GJK算法计算出机器人与障碍物间的最短距离点，如图3d所示，分别为障碍物上的点(x1,y1,z1)＝(1100,-100,-235),机器人上的点(x2,y2,z2)＝(1477,-100,-235)；则机器人与障碍物之间的最短距离向量
进一步地，所述步骤S30包括：
机器人的避障控制系统根据计算的最短距离分析是否需要避障；如若计算的最短距离大于预设距离阈值，则确定不需要避障，或者，若计算的最短距离小于或者等于预设距离阈值，则确定需要避障。若确定需要避障，则机器人的避障控制系统根据获取的定位数据、计算的最短距离及该障碍物的3D模型，计算出当前机器人应运动的方向，并根据计算出的运动方向控制机器人的运动姿态。
进一步地，所述根据获取的定位数据、计算的最短距离及该障碍物的3D模型，计算出当前机器人应运动的方向的步骤包括：
将机器人及该障碍物投影到同一坐标系平面中；
根据预先确定的投影分析规则及障碍物3D模型投影到所述坐标系平面的投影区域外轮廓各个点的坐标，计算出该障碍物的投影相对于机器人当前位置及目标位置有效遮挡区域的面积；
根据计算的最短距离及有效遮挡区域的面积确定出第一预设类型避障参数(例如，虚拟斥力)，根据目标点位置与机器人当前定位位置的距离确定出第二预设类型避障参数(例如，虚拟引力)，根据第一预设类型避障参数及第二预设类型避障参数确定出机器人当前应运动的方向。
进一步地，如图4所示，图4为本发明机器人避障方法一实施例中确定有效遮挡区域的示意图。所述预先确定的投影分析规则为：
设坐标系平面的P1位置点表示机器人所在位置即当前定位位置，P2位置点表示目标点所在位置即目标位置，投影区域P3表示障碍物3D模型在坐标系平面中的投影，并在坐标系平面中连接P1P2，得到一条直线J；
若直线J与投影区域P3没有交点或者交点只有一个，则确定不存在有效遮挡区域；
若直线J与投影区域P3的交点个数大于1，则直线J将投影分割为两部分(如图4所示的S1区域和S2区域)，在投影区域P3(例如S1或S2区域中)中任意找一点PS，过PS作直线J的垂线，垂线与直线J的交点为PJ,进而得到向量计算最短距离的向量与向量的夹角θ，若θ是锐角，则确定PS点所在区域为有效遮挡区域(例如，图4中有效遮挡投影区域S2)，或者，若θ不是锐角，则确定PS点所在区域不是有效遮挡区域。
进一步地，所述第一预设类型避障参数为虚拟斥力，所述第二预设类型避障参数为虚拟引力，所述根据计算的最短距离及有效遮挡区域的面积确定出第一预设类型避障参数，根据目标位置与机器人当前定位位置的距离确定出第二预设类型避障参数，根据所述第一预设类型避障参数及所述第二预设类型避障参数确定出机器人当前应运动的方向的步骤包括：
对计算的最短距离和有效遮挡投影区域的面积，利用第一计算规则计算出作用在机器人上的一个虚拟斥力；
对当前定位位置与目标点位置的距离，利用第二计算规则计算出作用在机器人上的一个虚拟引力；
计算出该虚拟引力和虚拟斥力的合力方向，所述合力方向即为机器人当前应运动的方向。
进一步地，所述第一计算规则为：
设定机器人与障碍物的最短距离的向量为有效遮挡区域的面积用符号S表示，是障碍物对机器人的虚拟斥力，通过最短距离向量和有效遮挡面积S计算，计算公式如下：
表示最短距离向量和有效遮挡区域的面积转换为障碍物对机器人虚拟排斥力的关系式。该关系式的实现可以有多种方法，在一种可选的实施例中，该关系式为：
其中，kr、br表示预设的虚拟斥力系数，s0表示预设的有效遮挡区域面积阈值，s0>0；d0表示预设的距离阈值，d0>0；虚拟斥力方向与最短距离方向相同。
依据上述关系式，当机器人与障碍物距离较远，超过设定的距离阈值d0时不进行避障，的大小为0；进入避障距离范围内(最短距离小于d0)，当有效遮挡区域的面积s比较大，超过设定的值s0时，会使变大，距离较远时就可以进行避障，提前避障，以绕开较大的障碍物。
进一步地，所述第二计算规则为：
是目标位置对机器人的虚拟引力，大小计算公式为：Ft＝kt*dt，其中kt表示预设的引力系数，dt表示目标位置与机器人当前定位位置的距离，方向朝向目标位置。
本发明进一步提供一种机器人的避障控制系统。
请参阅图5，是本发明避障控制系统10较佳实施例的运行环境示意图。
在本实施例中，所述的避障控制系统10安装并运行于机器人1中。该机器人1可包括，但不仅限于，存储器11、处理器12及显示器13。图1仅示出了具有组件11-13的机器人1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器11在一些实施例中可以是所述机器人1的内部存储单元，例如该机器人1的硬盘或内存。所述存储器11在另一些实施例中也可以是所述机器人1的外部存储设备，例如所述机器人1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括所述机器人1的内部存储单元也包括外部存储设备。所述存储器11用于存储安装于所述机器人1的应用软件及各类数据，例如所述避障控制系统10的程序代码等。所述存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器11中存储的程序代码或处理数据，例如执行所述避障控制系统10等。
所述显示器13在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示器13用于显示在所述机器人1中处理的信息以及用于显示可视化的用户界面，例如应用菜单界面、应用图标界面等。所述机器人1的部件11-13通过系统总线相互通信。
请参阅图6，是本发明避障控制系统10较佳实施例的功能模块图。在本实施例中，所述的避障控制系统10可以被分割成一个或多个模块，所述一个或者多个模块被存储于所述存储器11中，并由一个或多个处理器(本实施例为所述处理器12)所执行，以完成本发明。例如，在图6中，所述的避障控制系统10可以被分割成确定模块01、计算模块02、控制模块03。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述所述避障控制系统10在所述机器人1中的执行过程。以下描述将具体介绍所述确定模块01、计算模块02、控制模块03的功能。
所述确定模块01，用于实时或者定时(例如，每隔2秒)获取机器人当前的定位数据(例如在室内的位置、姿态等)，并根据当前定位数据及预先确定的移动区域内各个障碍物的位置数据，确定当前定位位置至目标位置路径中是否有离当前定位位置的距离小于预设距离的障碍物。例如，可依靠机器人自身的传感器来定位并判断与预先确定的移动区域内各个障碍物的距离，如可在机器人上安装接近传感器(例如，超声波、红外、激光等传感器)来判断机器人当前定位位置至目标位置路径中是否有离当前定位位置的距离小于预设距离的障碍物。
所述计算模块02，用于若有离当前定位位置的距离小于预设距离的障碍物，则根据获取的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型，计算出机器人与该障碍物的最短距离。
在检测到机器人的当前定位位置与预先确定的移动区域内各个障碍物的距离之后，若判断没有障碍物离当前定位位置的距离小于预设距离，则继续沿目标位置路径移动并实时或者定时检测机器人与移动区域内各个障碍物的距离。若判断有离当前定位位置的距离小于预设距离的障碍物，则根据获取的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型计算出机器人与该障碍物的最短距离，以利用该最短距离来判断在三维空间中机器人沿目标位置路径移动时是否会碰撞到该障碍物，从而实现不仅能在机器人的传感器所在高度平面检测到障碍物，还能检测到三维空间中潜在的障碍物，以在机器人安装有传感器的方向和机器人没有安装传感器的其他方向上均能检测到三维空间中各个方向潜在的障碍物。其中，所述预先确定的机器人的3D模型及移动区域内各个障碍物的3D模型可以预先存储于机器人的存储单元中，或者，可以由机器人通过无线通信单元访问物联网系统服务器获取，在此不做限定。
所述控制模块03，用于根据获取的定位数据、计算的最短距离及该障碍物的3D模型，计算出当前机器人应运动的方向，根据计算出的运动方向控制机器人的运动姿态，以避开三维空间中各个方向潜在的障碍物，有效控制机器人在沿目标位置路径移动时的避障。
本实施例通过机器人当前的定位数据检测到有离当前定位位置的距离小于预设距离的障碍物时，根据机器人当前的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型，计算出机器人与该障碍物在三维空间的最短距离，并计算出当前机器人应运动的方向，以控制机器人的运动姿态。由于能通过机器人与障碍物在三维空间的最短距离来控制机器人的运动方向，从而实现检测并避开机器人在三维空间中各个方向的障碍物，有效地控制机器人避障。
进一步地，上述计算模块02还用于：
对预先确定的机器人的3D模型及该障碍物的3D模型进行预处理；对获取的定位数据、预处理后的机器人3D模型数据及预处理后的障碍物3D模型数据，利用预先确定的距离计算规则计算出机器人与障碍物的最短距离。
例如，由于机器人和障碍物一般为非凸体，因此，可对机器人和障碍物的3D模型进行预处理如转换为凸体，以便后续更加准确和快速地计算出最短距离。
进一步地，上述计算模块02还用于：针对机器人的每一个关节，直接利用预先确定的算法(例如，QuickHull快速凸包算法)找出包围各个关节的最小凸多面体，以将机器人非凸模型转换为凸体模型。通过上述凸处理的机器人3D模型在后续计算最短距离向量时能有效提高计算速度和计算精度。
障碍物3D模型预处理的方式包括三种：第一种、构建非凸多面体的凸包围盒使之转换为凸体进行碰撞检测；第二种、对非凸多面体进行凸分解，使非凸模型转换为多个凸体进行碰撞检测；第三种、对障碍物3D模型扇形均分(即扇形剖分)，然后对均分后的单个扇形进行凸分解，这种先扇形均分再凸分解的方式相对于前两种不仅计算速度更快，而且计算精度更高。
进一步地，上述计算模块02还用于：
建立待扇形均分的障碍物3D模型的球形包围盒，找到球形包围盒的球心；设定一经过所述球心的初始扇形均分平面，将所述初始扇形均分平面按预设的旋转角绕所述球心进行多次旋转，以将球形包围盒均分为n个扇形部分；该球形包围盒的n个扇形部分作为障碍物3D模型的n个模型部分。
例如，在一种具体实施方式中，可包括如下步骤：
X1、建立要扇形均分的障碍物3D模型M的球形包围盒B，找到球形包围盒B的球心O，然后在球心O处建立三维坐标系Oxyz；
X2、过球心O做一条与三维坐标系Oxyz中z轴重合的直线L，则xoz平面即为初始扇形均分平面，设xoz平面为α1，α1将障碍物3D模型分为2部分；
X3、将α1绕直线L选择一定角度β(β代表相邻扇形偏角)得到另外一个新平面α2，将新平面继续旋转β可以得到平面α3，旋转m-1次可以得到第m个平面αn；
X4、设β＝180/m，则m个平面可以把球形包围盒B均分为2m部分，障碍物3D模型即被分为2m个模型部分。通过上述步骤可以完成对任意模型，包括非凸模型的简单剖分，并通过哈希表进行管理剖分好的模型部分。
进一步地，上述计算模块02还用于：
采用Delaunay三角剖分算法对障碍物3D模型进行表面三角剖分，产生三角面片(凸片)集合；并针对每一个三角面片构造与之对应的凸块。例如，将厚度为零的三角面片在其平面法向量方向进行预设厚度的拉伸，变为凸块。
进一步地，所述预先确定的距离计算规则包括：
根据机器人当前的定位数据(如室内位置、姿态等)及预先确定的筛选算法，对障碍物3D模型扇形均分后获得的各个模型部分进行筛选，筛选出待进行距离计算的模型部分；
对获取的定位数据、筛选出的模型部分，利用预先确定的距离计算算法(例如，GJK算法)计算出机器人与筛选出的模型部分的最短距离，该最短距离即为机器人与障碍物3D模型的最短距离。
进一步地，如图2a、2b所示，所述预先确定的筛选算法包括：
Y1、将障碍物3D模型扇形均分后获得的n个模型部分分别作为障碍物的n个节点，建立key-value键值分别是相对于初始扇形均分平面(即xoz平面)的旋转角即偏角和模型几何信息数据的哈希表，以进行模型节点管理；
Y2、对扇形均分获得的各个模型部分进行标号，从1开始进行标号；均分的n个扇形模型部分，相邻扇形偏角为360°/n，根据标号，建立于初始标号为i的扇形模型部分的偏角映射关系，代表所述偏角映射关系的哈希函数为：
Hash(i)＝i*(360°/n)
其中，i为标号为i的扇形模型部分，Hash(i)代表标号为i的扇形模型部分与障碍物坐标系的X轴正轴的偏角；
Y3、建立机器人的运动学，根据建立的运动学计算出机器人各个关节的位姿，从建立的哈希表中查询出机器人附近的障碍物扇形区域。如下图2所示；当机器人在运动过程中，通过机器人运动学，运动学方程为：
Ti＝A0A1A2…Ai-1Ai
其中，Ak(k＝1,2,...,i)为机器人关节坐标系之间的齐次变换矩阵(可以通过机器人各关节的D-H参数确定)，A0表示机器人当前位置矩阵(与机器人当前定位数据对应)，Ti为第i个关节相对于机器人坐标系的位姿；
通过Ti计算出机器人运动过程中各个关节局部坐标系原点坐标的实时更新值Qi(x,y,z)，进一步可以得到关节在障碍物坐标系下的偏角α：
α＝f(Qi(x,y,z))
其中，Qi(x,y,z)表示机器人关节在机器人坐标系下的坐标；Tr表示机器人坐标系变换到障碍物坐标系的变换矩阵(为4*4的矩阵，机器人坐标系和障碍物坐标系已确定，该矩阵可以直接计算出来)，则机器人关节在障碍物坐标系下的坐标Qi(xt,yt,zt)为：
Qi(xt,yt,zt)＝TrQi(x,y,z)
假定障碍物坐标系Z轴正向朝上，遵循右手坐标系，设关节在障碍物坐标系下的偏角为α，则
向求解三角函数即可得到关节在障碍物坐标系下的偏角为α，获取到偏角α之后，即可根据代表所述偏角映射关系的哈希函数Hash(i)计算得到对应标号的扇形模型部分，并基于对应标号的模型部分筛选出待进行距离计算的模型部分。例如，计算得到的扇形模型部分的标号为k，则可选取标号在[k-M,k+N]范围内的扇形模型部分进行最短距离计算。其中M、N为一预设数值，以选取标号为k的扇形模型部分附近的多个扇形模型部分作为待进行最短距离计算的模型部分。
如图3a所示，在一种具体实施方式中，机器人采用只有底盘的运动、没有手臂等其他运动关节的机器人，机器人3D模型采用高为1500mm，运动底盘半径为320mm的机器人3D模型，障碍物3D模型采用一个简单立方体模型，尺寸为2200mm*2200mm*1000mm，在障碍物模型坐标系下机器人当前的坐标为(1800,-100)。
对障碍物模型进行预处理中，预处理主要是对障碍物模型进行扇形均分，如图3b所示，障碍物模型被扇形均分为32份，从X轴逆时针对扇形均分的模型部分进行编号，1,2，…，15,16，…，31,32；每一个模型块的夹角为：360/32＝11.25度，可以看出，编号1模型块与X轴正向偏角11.25度，编号2模型块与X轴正向偏角11.25*2＝22.5度，编号为i的模型块与X轴正向偏角：i*(360/32)。
在对模型部分的筛选过程中，因本实施例采用的机器人只有底盘的运动，没有手臂等其他运动关节，所以底盘位姿代表机器人的整体位姿，当前机器人的位置为(1800，-100)(相对于障碍物坐标系下坐标)，可以计算出机器人与障碍物坐标系的X轴正轴的偏角为354度；进而计算机器人对应扇形模型部分的标号为354/11.25＝31.5，向上取整得到32，所以待进行距离计算的对应扇形块编号32，也就是说机器人离编号为32的障碍物块最近。
接下来选取K＝32附近的障碍物块，采用GJK计算与机器人之间的最短距离及最短距离点；选取M＝1，N＝2，则得到障碍物块范围是[31,34]，编号超过32的需要做简单转换，33转换为对应编号为1的障碍物块，34转换为对应编号为2的障碍物块；如图3c所示，最终选取编号是31,32,1,2的障碍物块进行最短距离计算。
在计算最短距离时，通过上述处理，已缩小障碍物块的范围(1,2,31,32)，直接采用GJK算法计算出机器人与障碍物间的最短距离点，如图3d所示，分别为障碍物上的点(x1,y1,z1)＝(1100,-100,-235),机器人上的点(x2,y2,z2)＝(1477,-100,-235)；则机器人与障碍物之间的最短距离向量
进一步地，上述控制模块03还用于：
根据计算的最短距离分析是否需要避障；如若计算的最短距离大于预设距离阈值，则确定不需要避障，或者，若计算的最短距离小于或者等于预设距离阈值，则确定需要避障。若确定需要避障，则根据获取的定位数据、计算的最短距离及该障碍物的3D模型，计算出当前机器人应运动的方向，并根据计算出的运动方向控制机器人的运动姿态。
进一步地，上述控制模块03还用于：
将机器人及该障碍物投影到同一坐标系平面中；
根据预先确定的投影分析规则及障碍物3D模型投影到所述坐标系平面的投影区域外轮廓各个点的坐标，计算出该障碍物的投影相对于机器人当前位置及目标位置有效遮挡区域的面积；
根据计算的最短距离及有效遮挡区域的面积确定出第一预设类型避障参数(例如，虚拟斥力)，根据目标点位置与机器人当前定位位置的距离确定出第二预设类型避障参数(例如，虚拟引力)，根据第一预设类型避障参数及第二预设类型避障参数确定出机器人当前应运动的方向。
进一步地，如图4所示，所述预先确定的投影分析规则为：
设坐标系平面的P1位置点表示机器人所在位置即当前定位位置，P2位置点表示目标点所在位置即目标位置，投影区域P3表示障碍物3D模型在坐标系平面中的投影，并在坐标系平面中连接P1P2，得到一条直线J；
若直线J与投影区域P3没有交点或者交点只有一个，则确定不存在有效遮挡区域；
若直线J与投影区域P3的交点个数大于1，则直线J将投影分割为两部分(如图4所示的S1区域和S2区域)，在投影区域P3(例如S1或S2区域中)中任意找一点PS，过PS作直线J的垂线，垂线与直线J的交点为PJ,进而得到向量计算最短距离的向量与向量的夹角θ，若θ是锐角，则确定PS点所在区域为有效遮挡区域(例如，图4中有效遮挡投影区域S2)，或者，若θ不是锐角，则确定PS点所在区域不是有效遮挡区域。
进一步地，所述第一预设类型避障参数为虚拟斥力，所述第二预设类型避障参数为虚拟引力，上述控制模块03还用于：
对计算的最短距离和有效遮挡投影区域的面积，利用第一计算规则计算出作用在机器人上的一个虚拟斥力；
对当前定位位置与目标点位置的距离，利用第二计算规则计算出作用在机器人上的一个虚拟引力；
计算出该虚拟引力和虚拟斥力的合力方向，所述合力方向即为机器人当前应运动的方向。
进一步地，所述第一计算规则为：
设定机器人与障碍物的最短距离的向量为有效遮挡区域的面积用符号S表示，是障碍物对机器人的虚拟斥力，通过最短距离向量和有效遮挡面积S计算，计算公式如下：
表示最短距离向量和有效遮挡区域的面积转换为障碍物对机器人虚拟排斥力的关系式。该关系式的实现可以有多种方法，在一种可选的实施例中，该关系式为：
其中，kr、br表示预设的虚拟斥力系数，s0表示预设的有效遮挡区域面积阈值，s0>0；d0表示预设的距离阈值，d0>0；虚拟斥力方向与最短距离方向相同。
依据上述关系式，当机器人与障碍物距离较远，超过设定的距离阈值d0时不进行避障，的大小为0；进入避障距离范围内(最短距离小于d0)，当有效遮挡区域的面积s比较大，超过设定的值s0时，会使变大，距离较远时就可以进行避障，提前避障，以绕开较大的障碍物。
进一步地，所述第二计算规则为：
是目标位置对机器人的虚拟引力，大小计算公式为：Ft＝kt*dt，其中kt表示预设的引力系数，dt表示目标位置与机器人当前定位位置的距离，方向朝向目标位置。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件来实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上参照附图说明了本发明的优选实施例，并非因此局限本发明的权利范围。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。另外，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本领域技术人员不脱离本发明的范围和实质，可以有多种变型方案实现本发明，比如作为一个实施例的特征可用于另一实施例而得到又一实施例。凡在运用本发明的技术构思之内所作的任何修改、等同替换和改进，均应在本发明的权利范围之内。

Claims (10)

1.一种机器人的避障控制系统，其特征在于，所述避障控制系统包括：
确定模块，用于实时或者定时获取机器人当前的定位数据，并根据当前定位数据及预先确定的移动区域内各个障碍物的位置数据，确定当前定位位置至目标位置路径中是否有离当前定位位置的距离小于预设距离的障碍物；
计算模块，用于若有离当前定位位置的距离小于预设距离的障碍物，则根据获取的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型，计算出机器人与该障碍物的最短距离；
控制模块，用于根据获取的定位数据、计算的最短距离及该障碍物的3D模型，计算出当前机器人应运动的方向，根据计算出的运动方向控制机器人的运动姿态，以避开障碍物。
2.如权利要求1所述的机器人的避障控制系统，其特征在于，所述计算模块还用于：
对预先确定的机器人的3D模型及该障碍物的3D模型进行预处理，针对机器人的每一个关节，利用预先确定的算法找出包围各个关节的最小凸多面体，以将机器人的非凸模型转换为凸体模型；对该障碍物3D模型扇形均分，并对均分后的单个扇形进行凸分解；对获取的定位数据、预处理后的机器人3D模型数据及预处理后的该障碍物3D模型数据，利用预先确定的距离计算规则计算出机器人与该障碍物的最短距离。
3.如权利要求2所述的机器人的避障控制系统，其特征在于，所述计算模块还用于：
建立待扇形均分的障碍物3D模型的球形包围盒，找到球形包围盒的球心；设定一经过所述球心的初始扇形均分平面，将所述初始扇形均分平面按预设的旋转角绕所述球心进行多次旋转，以将球形包围盒均分为n个扇形部分；该球形包围盒的n个扇形部分作为障碍物3D模型的n个模型部分。
4.如权利要求2或3所述的机器人的避障控制系统，其特征在于，所述预先确定的距离计算规则包括：
根据机器人当前的定位数据及预先确定的筛选算法，对障碍物3D模型扇形均分后获得的各个模型部分进行筛选，筛选出待进行距离计算的模型部分；
对获取的定位数据、筛选出的模型部分，利用预先确定的距离计算算法计算出机器人与筛选出的模型部分的最短距离，该最短距离为机器人与障碍物的最短距离；
所述预先确定的筛选算法包括：
将障碍物3D模型的n个模型部分分别作为障碍物的n个节点，建立键值为相对于初始扇形均分平面的偏角的哈希表，以进行模型节点管理；
对各个模型部分进行标号，根据标号，建立标号为i的模型部分的偏角映射关系，定义所述偏角映射关系的哈希函数为：
Hash(i)＝i*(360°/n)
其中，Hash(i)代表标号为i的扇形模型部分与障碍物坐标系的X轴正轴的偏角；
建立机器人的运动学方程，根据建立的运动学方程计算出机器人各个关节的位姿，该运动学方程为：
Ti＝A0A1A2…Ai-1Ai
其中，Ak(k＝1,2,...,i)为机器人关节坐标系之间的齐次变换矩阵，A0为机器人当前位置矩阵，Ti为第i个关节相对于机器人坐标系的位姿；
通过Ti计算出机器人运动过程中各个关节在机器人坐标系下的坐标Qi(x,y,z)，并计算出机器人坐标系变换到障碍物坐标系的变换矩阵Tr，则机器人关节在障碍物坐标系下的坐标Qi(xt,yt,zt)为：
Qi(xt,yt,zt)＝TrQi(x,y,z)
通过如下公式得到关节在障碍物坐标系下的偏角α：
<mrow> <mi>t</mi> <mi>a</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msub> <mi>y</mi> <mi>t</mi> </msub> <msub> <mi>x</mi> <mi>t</mi> </msub> </mfrac> </mrow>
根据偏角α及哈希函数Hash(i)计算得到对应标号的模型部分，并基于对应标号的模型部分筛选出待进行距离计算的模型部分。
5.如权利要求1所述的机器人的避障控制系统，其特征在于，所述控制模块还用于：
将机器人及该障碍物3D模型投影到同一坐标系平面中；
根据预先确定的投影分析规则及障碍物3D模型投影到所述坐标系平面的投影区域外轮廓各个点的坐标，计算出该障碍物3D模型的投影相对于机器人的当前定位位置及目标位置有效遮挡区域的面积；
根据计算的最短距离及有效遮挡区域的面积确定出第一预设类型避障参数，根据目标位置与机器人当前定位位置的距离确定出第二预设类型避障参数，根据所述第一预设类型避障参数及所述第二预设类型避障参数确定出机器人当前应运动的方向。
6.如权利要求5所述的机器人的避障控制系统，其特征在于，所述预先确定的投影分析规则为：
设定坐标系平面的P1位置点为机器人的当前定位位置，P2位置点为目标位置，投影区域P3为障碍物3D模型在所述坐标系平面中的投影，并在所述坐标系平面中连接P1P2，得到直线J；
若直线J与投影区域P3没有交点或者交点只有一个，则确定不存在有效遮挡区域；
若直线J与投影区域P3的交点个数大于1，则直线J将投影分割为两部分；在投影区域P3中任意找一点PS，过PS作直线J的垂线，设定垂线与直线J的交点为PJ,得到向量计算最短距离的向量与向量的夹角θ；若判断夹角θ是锐角，则确定PS点所在区域是有效遮挡区域；若判断夹角θ不是锐角，则确定PS点所在区域不是有效遮挡区域。
7.如权利要求5或6所述的机器人的避障控制系统，其特征在于，所述第一预设类型避障参数为虚拟斥力，所述第二预设类型避障参数为虚拟引力，所述控制模块还用于：
根据计算的最短距离和有效遮挡区域的面积，利用第一计算规则计算出作用在机器人上的虚拟斥力；
根据当前定位位置与目标点位置的距离，利用第二计算规则计算出作用在机器人上的虚拟引力；
计算出该虚拟引力和虚拟斥力的合力方向作为机器人当前应运动的方向。
8.如权利要求7所述的机器人的避障控制系统，其特征在于，所述第一计算规则为：
设定机器人与障碍物的最短距离的向量为有效遮挡区域的面积为S，障碍物对机器人的虚拟斥力为则计算公式如下：
<mrow> <msub> <mover> <mi>F</mi> <mo>&amp;RightArrow;</mo> </mover> <mi>r</mi> </msub> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <mover> <mi>d</mi> <mo>&amp;RightArrow;</mo> </mover> <mo>,</mo> <mi>S</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = "}"> <mtable> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>d</mi> <mo>&gt;</mo> <msub> <mi>d</mi> <mn>0</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>k</mi> <mi>r</mi> </msub> <mi>d</mi> </mfrac> <mo>+</mo> <msub> <mi>b</mi> <mi>r</mi> </msub> </mrow> </mtd> <mtd> <mrow> <mi>d</mi> <mo>&amp;le;</mo> <msub> <mi>d</mi> <mn>0</mn> </msub> <mo>,</mo> <mi>s</mi> <mo>&amp;le;</mo> <msub> <mi>s</mi> <mn>0</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>k</mi> <mi>r</mi> </msub> <mi>d</mi> </mfrac> <mo>*</mo> <mfrac> <mi>s</mi> <msub> <mi>s</mi> <mn>0</mn> </msub> </mfrac> <mo>+</mo> <msub> <mi>b</mi> <mi>r</mi> </msub> </mrow> </mtd> <mtd> <mrow> <mi>d</mi> <mo>&amp;le;</mo> <msub> <mi>d</mi> <mn>0</mn> </msub> <mo>,</mo> <mi>s</mi> <mo>&gt;</mo> <msub> <mi>s</mi> <mn>0</mn> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
其中，kr、br为预设的虚拟斥力系数，s0为预设的有效遮挡区域面积阈值，d0为预设的距离阈值；虚拟斥力方向与最短距离方向相同。
9.如权利要求7所述的机器人的避障控制系统，其特征在于，所述第二计算规则为：
设定目标位置对机器人的虚拟引力为则计算公式为：Ft＝kt*dt；其中，kt为预设的引力系数，dt为目标位置与机器人当前定位位置的距离，方向朝向目标位置。
10.一种机器人避障方法，其特征在于，所述方法包括以下步骤：
A1、实时或者定时获取机器人当前的定位数据，并根据当前定位数据及预先确定的移动区域内各个障碍物的位置数据，确定当前定位位置至目标位置路径中是否有离当前定位位置的距离小于预设距离的障碍物；
A2、若有离当前定位位置的距离小于预设距离的障碍物，则根据获取的定位数据、预先确定的机器人的3D模型及预先确定的该障碍物的3D模型，计算出机器人与该障碍物的最短距离；
A3、根据获取的定位数据、计算的最短距离及该障碍物的3D模型，计算出当前机器人应运动的方向，根据计算出的运动方向控制机器人的运动姿态，以避开障碍物。
CN201710186581.6A 2017-03-27 2017-03-27 机器人的避障控制系统及方法 Active CN107688342B (zh)

Priority Applications (9)

Application Number Priority Date Filing Date Title
CN201710186581.6A CN107688342B (zh) 2017-03-27 2017-03-27 机器人的避障控制系统及方法
SG11201809892QA SG11201809892QA (en) 2017-03-27 2017-06-30 System and method of controlling obstacle avoidance of robot, robot and storage medium
PCT/CN2017/091368 WO2018176668A1 (zh) 2017-03-27 2017-06-30 机器人的避障控制系统、方法、机器人及存储介质
AU2017404562A AU2017404562B2 (en) 2017-03-27 2017-06-30 System and method of controlling obstacle avoidance of robot, robot and storage medium
EP17897209.7A EP3410246B1 (en) 2017-03-27 2017-06-30 Robot obstacle avoidance control system and method, robot, and storage medium
US16/084,231 US11059174B2 (en) 2017-03-27 2017-06-30 System and method of controlling obstacle avoidance of robot, robot and storage medium
JP2018533757A JP6716178B2 (ja) 2017-03-27 2017-06-30 ロボットの障害物回避制御システム、方法、ロボット及びプログラム
KR1020187018065A KR102170928B1 (ko) 2017-03-27 2017-06-30 로봇의 장애물 회피 제어 시스템, 방법, 로봇 및 저장매체
TW106135246A TWI662388B (zh) 2017-03-27 2017-10-13 機器人之避障控制系統及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710186581.6A CN107688342B (zh) 2017-03-27 2017-03-27 机器人的避障控制系统及方法

Publications (2)

Publication Number Publication Date
CN107688342A true CN107688342A (zh) 2018-02-13
CN107688342B CN107688342B (zh) 2019-05-10

Family

ID=61152364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710186581.6A Active CN107688342B (zh) 2017-03-27 2017-03-27 机器人的避障控制系统及方法

Country Status (9)

Country Link
US (1) US11059174B2 (zh)
EP (1) EP3410246B1 (zh)
JP (1) JP6716178B2 (zh)
KR (1) KR102170928B1 (zh)
CN (1) CN107688342B (zh)
AU (1) AU2017404562B2 (zh)
SG (1) SG11201809892QA (zh)
TW (1) TWI662388B (zh)
WO (1) WO2018176668A1 (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717302A (zh) * 2018-05-14 2018-10-30 平安科技（深圳）有限公司 机器人跟随人物方法、装置及存储介质、机器人
CN109461185A (zh) * 2018-09-10 2019-03-12 西北工业大学 一种适用于复杂场景的机器人目标主动避障方法
CN109465835A (zh) * 2018-09-25 2019-03-15 华中科技大学 一种动态环境下双臂服务机器人作业的事前安全预测方法
CN110390829A (zh) * 2019-07-30 2019-10-29 北京百度网讯科技有限公司 交通信号灯识别的方法及装置
CN110442126A (zh) * 2019-07-15 2019-11-12 北京三快在线科技有限公司 一种移动机器人及其避障方法
CN111168675A (zh) * 2020-01-08 2020-05-19 北京航空航天大学 一种家用服务机器人的机械臂动态避障运动规划方法
CN111449666A (zh) * 2020-03-09 2020-07-28 北京东软医疗设备有限公司 距离监测方法、装置、血管机、电子设备及存储介质
CN111571582A (zh) * 2020-04-02 2020-08-25 夏晶 一种艾灸机器人人机安全监控系统及监控方法
CN111857126A (zh) * 2020-05-29 2020-10-30 深圳市银星智能科技股份有限公司 一种机器人避障方法、机器人以及存储介质
CN111958590A (zh) * 2020-07-20 2020-11-20 佛山科学技术学院 一种复杂三维环境中机械臂防碰撞方法及系统
CN112148013A (zh) * 2020-09-25 2020-12-29 深圳优地科技有限公司 机器人避障方法、机器人及存储介质
CN112991527A (zh) * 2021-02-08 2021-06-18 追创科技(苏州)有限公司 目标对象的躲避方法及装置、存储介质、电子装置
CN113119109A (zh) * 2021-03-16 2021-07-16 上海交通大学 基于伪距离函数的工业机器人路径规划方法和系统
CN113601497A (zh) * 2021-07-09 2021-11-05 广东博智林机器人有限公司 一种方法、装置、机器人及存储介质
CN113687649A (zh) * 2020-05-15 2021-11-23 丰田自动车株式会社 自主移动装置控制系统、其控制方法及保存有其控制程序的计算机可读介质
CN113752265A (zh) * 2021-10-13 2021-12-07 国网山西省电力公司输电检修分公司 一种机械臂避障路径规划方法、系统及装置
CN114161047A (zh) * 2021-12-23 2022-03-11 南京衍构科技有限公司 一种用于增材制造的焊枪头自动避障方法
CN114355914A (zh) * 2021-12-27 2022-04-15 盐城工学院 用于无人船的自主巡航系统及控制方法
CN115507857A (zh) * 2022-11-23 2022-12-23 常州唯实智能物联创新中心有限公司 高效机器人运动路径规划方法及系统
CN117207202A (zh) * 2023-11-09 2023-12-12 国网山东省电力公司东营供电公司 带电作业机器人防碰撞约束控制方法、系统、终端及介质

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI721324B (zh) * 2018-10-10 2021-03-11 鴻海精密工業股份有限公司 電子裝置及立體物體的判斷方法
CN109284574B (zh) * 2018-10-25 2022-12-09 西安科技大学 一种串联桁架结构体系非概率可靠性分析方法
KR102190101B1 (ko) * 2019-03-08 2020-12-11 (주)아이로텍 로봇의 장애물 충돌 회피를 위한 경로 안내툴 표시 방법 및 이를 이용한 충돌 회피 시뮬레이션 시스템
CN112445209A (zh) * 2019-08-15 2021-03-05 纳恩博（北京）科技有限公司 机器人的控制方法和机器人、存储介质及电子装置
CN111046743B (zh) * 2019-11-21 2023-05-05 新奇点智能科技集团有限公司 一种障碍物信息标注方法、装置、电子设备和存储介质
CN111207750A (zh) * 2019-12-31 2020-05-29 合肥赛为智能有限公司 一种机器人动态路径规划方法
JP7519792B2 (ja) * 2020-03-19 2024-07-22 本田技研工業株式会社 制御装置、制御方法およびプログラム
CN111427355B (zh) * 2020-04-13 2023-05-02 京东科技信息技术有限公司 障碍物数据处理方法、装置、设备及存储介质
US11292132B2 (en) * 2020-05-26 2022-04-05 Edda Technology, Inc. Robot path planning method with static and dynamic collision avoidance in an uncertain environment
JP7409264B2 (ja) * 2020-08-27 2024-01-09 トヨタ自動車株式会社 運搬システム、運搬方法、及びプログラム
CN112415532B (zh) * 2020-11-30 2022-10-21 上海炬佑智能科技有限公司 灰尘检测方法、距离检测装置以及电子设备
CN112704878B (zh) * 2020-12-31 2023-04-18 深圳市乙亥互娱信息科技有限公司 集群游戏中的单位位置调整方法、系统、设备及存储介质
CN113211495B (zh) * 2021-04-12 2024-09-06 北京航天飞行控制中心 一种机械臂碰撞检测方法、系统、存储介质和机械臂
CN113110594B (zh) * 2021-05-08 2022-05-17 北京三快在线科技有限公司 控制无人机避障的方法、装置、存储介质及无人机
CN113282984A (zh) * 2021-05-21 2021-08-20 长安大学 一种公共场所人员应急疏散模拟方法
CN113459090A (zh) * 2021-06-15 2021-10-01 中国农业大学 码垛机器人的智能避障方法、电子设备及介质
US11753045B2 (en) * 2021-06-22 2023-09-12 Waymo Llc Modeling positional uncertainty of moving objects using precomputed polygons
KR102563074B1 (ko) * 2021-10-20 2023-08-02 금오공과대학교 산학협력단 차동 구동형 이동로봇의 운동역학을 고려한 장애물 회피 및 경로 추종방법
CN114035569B (zh) * 2021-11-09 2023-06-27 中国民航大学 一种航站楼载人机器人路径拓展通行方法
CN114792019B (zh) * 2021-11-30 2024-08-27 广东天凛高新科技有限公司 机器人穿插交互建墙系统
CN114227694B (zh) * 2022-01-10 2024-05-03 珠海一微半导体股份有限公司 一种基于地插检测的机器人控制方法、芯片及机器人
CN114859904B (zh) * 2022-04-24 2023-04-07 汕头大学 一种基于e-grn的集群围捕方法、执行装置和系统
CN114859914B (zh) * 2022-05-09 2023-04-07 广东利元亨智能装备股份有限公司 障碍物检测方法、装置、设备及存储介质
CN115202350B (zh) * 2022-07-15 2023-06-09 盐城工学院 一种agv小车的自动运输系统
CN115437388B (zh) * 2022-11-09 2023-01-24 成都朴为科技有限公司 一种全向移动机器人脱困方法和装置
CN115890676B (zh) * 2022-11-28 2024-08-13 深圳优地科技有限公司 机器人控制方法、机器人及存储介质
WO2024132972A1 (en) * 2022-12-22 2024-06-27 Sony Group Corporation Method and apparatus for collision avoidance for a kinematic structure, and robotic system
CN116755562B (zh) * 2023-07-04 2024-04-05 深圳市仙瞬科技有限公司 一种避障方法、装置、介质及ar/vr设备
CN116880493B (zh) * 2023-07-26 2024-08-02 苏州光格科技股份有限公司 足式机器人及其越障方法、装置和存储介质
CN117093005B (zh) * 2023-10-16 2024-01-30 华东交通大学 一种智能汽车自主避障方法
CN117406758B (zh) * 2023-12-14 2024-03-12 双擎科技(杭州)有限公司 一种机器人避障装置及机器人智能防碰系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101512453A (zh) * 2006-09-14 2009-08-19 Abb研究有限公司 避免工业机器人与物体之间碰撞的方法和设备
US7734387B1 (en) * 2006-03-31 2010-06-08 Rockwell Collins, Inc. Motion planner for unmanned ground vehicles traversing at high speeds in partially known environments
US20160111006A1 (en) * 2014-05-20 2016-04-21 Verizon Patent And Licensing Inc. User interfaces for selecting unmanned aerial vehicles and mission plans for unmanned aerial vehicles
CN106227218A (zh) * 2016-09-27 2016-12-14 深圳乐行天下科技有限公司 一种智能移动设备的导航避障方法及装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7164117B2 (en) * 1992-05-05 2007-01-16 Automotive Technologies International, Inc. Vehicular restraint system control system and method using multiple optical imagers
JP3425760B2 (ja) * 1999-01-07 2003-07-14 富士通株式会社 干渉チェック装置
US8840838B2 (en) * 2011-09-25 2014-09-23 Theranos, Inc. Centrifuge configurations
JP2014018912A (ja) * 2012-07-18 2014-02-03 Seiko Epson Corp ロボット制御装置、ロボット制御方法およびロボット制御プログラムならびにロボットシステム
JP2014056506A (ja) * 2012-09-13 2014-03-27 Toyota Central R&D Labs Inc 障害物検出装置及びそれを備えた移動体
US9227323B1 (en) 2013-03-15 2016-01-05 Google Inc. Methods and systems for recognizing machine-readable information on three-dimensional objects
US20150202770A1 (en) * 2014-01-17 2015-07-23 Anthony Patron Sidewalk messaging of an autonomous robot
TWI555524B (zh) 2014-04-30 2016-11-01 國立交通大學 機器人的行動輔助系統
KR101664575B1 (ko) * 2014-11-07 2016-10-10 재단법인대구경북과학기술원 모바일 로봇의 장애물 회피 시스템 및 방법
US10586464B2 (en) * 2015-07-29 2020-03-10 Warren F. LeBlanc Unmanned aerial vehicles
CN106406312B (zh) 2016-10-14 2017-12-26 平安科技（深圳）有限公司 导览机器人及其移动区域标定方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7734387B1 (en) * 2006-03-31 2010-06-08 Rockwell Collins, Inc. Motion planner for unmanned ground vehicles traversing at high speeds in partially known environments
CN101512453A (zh) * 2006-09-14 2009-08-19 Abb研究有限公司 避免工业机器人与物体之间碰撞的方法和设备
US20160111006A1 (en) * 2014-05-20 2016-04-21 Verizon Patent And Licensing Inc. User interfaces for selecting unmanned aerial vehicles and mission plans for unmanned aerial vehicles
CN106227218A (zh) * 2016-09-27 2016-12-14 深圳乐行天下科技有限公司 一种智能移动设备的导航避障方法及装置

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717302A (zh) * 2018-05-14 2018-10-30 平安科技（深圳）有限公司 机器人跟随人物方法、装置及存储介质、机器人
CN109461185A (zh) * 2018-09-10 2019-03-12 西北工业大学 一种适用于复杂场景的机器人目标主动避障方法
CN109465835A (zh) * 2018-09-25 2019-03-15 华中科技大学 一种动态环境下双臂服务机器人作业的事前安全预测方法
CN110442126A (zh) * 2019-07-15 2019-11-12 北京三快在线科技有限公司 一种移动机器人及其避障方法
CN110390829A (zh) * 2019-07-30 2019-10-29 北京百度网讯科技有限公司 交通信号灯识别的方法及装置
CN111168675B (zh) * 2020-01-08 2021-09-03 北京航空航天大学 一种家用服务机器人的机械臂动态避障运动规划方法
CN111168675A (zh) * 2020-01-08 2020-05-19 北京航空航天大学 一种家用服务机器人的机械臂动态避障运动规划方法
CN111449666A (zh) * 2020-03-09 2020-07-28 北京东软医疗设备有限公司 距离监测方法、装置、血管机、电子设备及存储介质
CN111571582B (zh) * 2020-04-02 2023-02-28 上海钧控机器人有限公司 一种艾灸机器人人机安全监控系统及监控方法
CN111571582A (zh) * 2020-04-02 2020-08-25 夏晶 一种艾灸机器人人机安全监控系统及监控方法
US12025980B2 (en) 2020-05-15 2024-07-02 Toyota Jidosha Kabushiki Kaisha Autonomous mobile apparatus control system, control method thereof, and control program thereof
CN113687649B (zh) * 2020-05-15 2024-02-09 丰田自动车株式会社 自主移动装置控制系统、其控制方法及保存有其控制程序的计算机可读介质
CN113687649A (zh) * 2020-05-15 2021-11-23 丰田自动车株式会社 自主移动装置控制系统、其控制方法及保存有其控制程序的计算机可读介质
CN111857126A (zh) * 2020-05-29 2020-10-30 深圳市银星智能科技股份有限公司 一种机器人避障方法、机器人以及存储介质
CN111958590B (zh) * 2020-07-20 2021-09-28 佛山科学技术学院 一种复杂三维环境中机械臂防碰撞方法及系统
CN111958590A (zh) * 2020-07-20 2020-11-20 佛山科学技术学院 一种复杂三维环境中机械臂防碰撞方法及系统
CN112148013A (zh) * 2020-09-25 2020-12-29 深圳优地科技有限公司 机器人避障方法、机器人及存储介质
CN112991527A (zh) * 2021-02-08 2021-06-18 追创科技(苏州)有限公司 目标对象的躲避方法及装置、存储介质、电子装置
CN113119109A (zh) * 2021-03-16 2021-07-16 上海交通大学 基于伪距离函数的工业机器人路径规划方法和系统
CN113601497A (zh) * 2021-07-09 2021-11-05 广东博智林机器人有限公司 一种方法、装置、机器人及存储介质
CN113601497B (zh) * 2021-07-09 2024-02-06 广东博智林机器人有限公司 一种方法、装置、机器人及存储介质
CN113752265B (zh) * 2021-10-13 2024-01-05 国网山西省电力公司超高压变电分公司 一种机械臂避障路径规划方法、系统及装置
CN113752265A (zh) * 2021-10-13 2021-12-07 国网山西省电力公司输电检修分公司 一种机械臂避障路径规划方法、系统及装置
CN114161047A (zh) * 2021-12-23 2022-03-11 南京衍构科技有限公司 一种用于增材制造的焊枪头自动避障方法
CN114355914B (zh) * 2021-12-27 2022-07-01 盐城工学院 用于无人船的自主巡航系统及控制方法
CN114355914A (zh) * 2021-12-27 2022-04-15 盐城工学院 用于无人船的自主巡航系统及控制方法
CN115507857A (zh) * 2022-11-23 2022-12-23 常州唯实智能物联创新中心有限公司 高效机器人运动路径规划方法及系统
CN117207202A (zh) * 2023-11-09 2023-12-12 国网山东省电力公司东营供电公司 带电作业机器人防碰撞约束控制方法、系统、终端及介质
CN117207202B (zh) * 2023-11-09 2024-04-02 国网山东省电力公司东营供电公司 带电作业机器人防碰撞约束控制方法、系统、终端及介质

Also Published As

Publication number Publication date
KR20190022435A (ko) 2019-03-06
CN107688342B (zh) 2019-05-10
AU2017404562B2 (en) 2020-01-30
TW201835703A (zh) 2018-10-01
US20210078173A1 (en) 2021-03-18
KR102170928B1 (ko) 2020-10-29
EP3410246A1 (en) 2018-12-05
EP3410246A4 (en) 2019-11-06
US11059174B2 (en) 2021-07-13
JP2019516146A (ja) 2019-06-13
JP6716178B2 (ja) 2020-07-01
WO2018176668A1 (zh) 2018-10-04
EP3410246B1 (en) 2021-06-23
TWI662388B (zh) 2019-06-11
SG11201809892QA (en) 2018-12-28
AU2017404562A1 (en) 2018-10-11

Similar Documents

Publication Publication Date Title
CN107688342A (zh) 机器人的避障控制系统及方法
US10671081B1 (en) Generating and utilizing non-uniform volume measures for voxels in robotics applications
Wang et al. Robot manipulator self-identification for surrounding obstacle detection
CN105303595B (zh) 一种基于三维虚拟场景的物体智能避障方法及系统
CN109947118B (zh) 一种使用gpu加速的代价地图快速更新方法
JP5902275B1 (ja) 自律移動装置
US20190249992A1 (en) Systems and methods for electronic mapping and localization within a facility
WO2022259600A1 (ja) 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム
Feng et al. A global localization system for mobile robot using lidar sensor
Lee et al. Robust multithreaded object tracker through occlusions for spatial augmented reality
Liu et al. Processed RGB-D slam using open-source software
Raaj et al. Precise measurement of cargo boxes for gantry robot palletization in large scale workspaces using low-cost RGB-D sensors
Chen et al. Comparison of 2D and 3D LiDARs Trajectories and AMCL Positioning in ROS-Based move_base Navigation
Hu et al. Local Path Planning Combined with the Motion State of Dynamic Obstacles
US20220129006A1 (en) Spatial blind spot monitoring systems and related methods of use
Gueta et al. Hybrid design for multiple-goal task realization of robot arm with rotating table
Wujek et al. Automated drawing recognition and reproduction with a multisensory robotic manipulation system
KR20230106064A (ko) 로봇 및 로봇의 제어 방법
KR101615618B1 (ko) 벽면 구조 추출 방법
Operator LiDAR Based System for Tracking Loader
CN117601124A (zh) 一种基于sdf函数的机械臂碰撞检测方法
Gritsenko et al. Acceleration of planes segmentation using normals from previous frame
CN117629203A (zh) 复合机器人作业中底盘停靠点的生成方法、装置以及设备
Sacristán Computational Geometry Free Lab Exercises Year 2009-10 Q1
Lee et al. A Shortest Path Planning Algorithm for Mobile Robots Using a Modified Visibility Graph Method

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
GR01 Patent grant
GR01 Patent grant