CN107885206A - 一种机器人避障方法及应用其的机器人 - Google Patents

一种机器人避障方法及应用其的机器人 Download PDF

Info

Publication number
CN107885206A
CN107885206A CN201711086193.7A CN201711086193A CN107885206A CN 107885206 A CN107885206 A CN 107885206A CN 201711086193 A CN201711086193 A CN 201711086193A CN 107885206 A CN107885206 A CN 107885206A
Authority
CN
China
Prior art keywords
robot
route
predetermined movement
barrier
block
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
Application number
CN201711086193.7A
Other languages
English (en)
Inventor
董秋杰
韩爱福
周盛宗
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.)
Fujian Institute of Research on the Structure of Matter of CAS
Original Assignee
Fujian Institute of Research on the Structure of Matter of CAS
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
Application filed by Fujian Institute of Research on the Structure of Matter of CAS filed Critical Fujian Institute of Research on the Structure of Matter of CAS
Priority to CN201711086193.7A priority Critical patent/CN107885206A/zh
Publication of CN107885206A publication Critical patent/CN107885206A/zh
Pending legal-status Critical Current

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
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Business, Economics & Management (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请公开了一种机器人避障方法，该方法采用固定路线与避障处理相结合以及固定障碍物与非固定障碍物分别处理的方法，具有定位准确、成本低、灵活性高的优势。所述方法包括：沿固定路线运动和对所述固定路线上的非固定障碍物做规避动作；所述固定路线为所述机器人在没有障碍物情况下的预设运动路线；所述机器人在所述规避动作完成后回归所述固定路线。本申请还公开了一种采用所述方法的餐厅或仓储物流用机器人。

Description

一种机器人避障方法及应用其的机器人
技术领域
本申请属于机器人运动控制技术领域，更具体地说及运动机器人避障过程。
背景技术
伴随着现代社会“无人值守”工厂的爆炸式增长，智能机器人的应用越来越普遍，而智能机器人在运动中的避障问题一直是一个亟待解决的问题。如何更好地解决此问题一直是高校以及机构研究的重点，与此同时智能机器人在餐饮行业和仓储物流行业的应用还并未成熟，最根本原因在于餐饮行业和仓储物流行业复杂的工作环境。
现在市面上的智能机器人大多数默认应用于障碍物固定的情形之下，对于非固定的障碍物的处理较差；极少一部分智能机器人能够处理障碍物不固定的情形，但是此部分智能机器人的价格十分昂贵，并不适合普通餐饮场所和仓储物流行业配备。因此，研究出低成本、高灵活性的移动智能避障机器人来弥补传统方案的不足，是亟待解决的问题，也具有十分重要的意义。
发明内容
根据本申请的一个方面，提供了一种机器人避障方法，该方法采用固定路线与避障处理相结合以及固定障碍物(餐厅的桌椅)与非固定障碍物(流动的顾客)分别处理的方法，具有定位准确、成本低、灵活性高的优势。
所述机器人避障方法包括：
沿固定路线运动和对所述固定路线上的非固定障碍物做规避动作；
所述固定路线为所述机器人在没有障碍物情况下的预设运动路线；
所述机器人在所述规避动作完成后回归所述固定路线。
可选地，所述沿固定路线运动包括如下过程：
对所述机器人运动区域进行区块建模，获得区块化地图；
在所述区块化地图中设定所述机器人的预设运动路线；
获取所述机器人在所述区块化地图中的位置信息；
根据所述机器人在所述区块化地图中的位置信息，控制所述机器人沿预设运动路线运动。
可选地，所述区块建模获得的区块化地图包括第一区块和第二区块，对所述区块化地图中的第一区块和第二区块以数字化形式存储在所述机器人内；
所述机器人的预设运动路线只经过第一区块；
所述机器人在所述规避动作过程中不进入第二区块。
作为一个可选的实施方式，所述第一区块采用白色表示可通行底面，所述第二区块采用黑色表示障碍物无法通过。但障碍物不足一个区块但能够阻挡机器人的运动时，仍然记为一个第二区块或黑色区块。
可选地，所述数字化形式包括将所述区块化地图中的第一区块和第二区块以二进制编码和/或十六进制编码的形式存储。
作为一个可选的实施方式，所述数字化形式包括将所述区块化地图中的所述第一区块记为0，所述第二区块记为1，得到二进制编码的所述区块化地图。
作为一个进一步可选的实施方式，所述数字化形式包括将得到的所述二进制编码的所述区块化地图中的每一行或每一列的二进制编码数组转换为十六进制数据，得到十六进制编码的所述区块化地图。转换为到十六进制编码的所述区块化地图，地图数据大为简化。将餐饮场所和仓储物流场所的场景布局以十六进制的形式表现出来，极大地方便了整个系统的数据处理，提高了系统的运算速度。数字化形式更易于控制系统进行数据处理，选择数字化十六进制的形式，就是因为系统底层的数据处理格式就是以二进制形式，本专利采用十六进制数字，一是为了方便数据存储，二是一定程度上可以加速数据处理，提高系统效率。
可选地，所述区块化地图中的区块边长为所述机器人工作状态每秒运动距离的0.1倍至10倍；
进一步可选地，所述区块化地图中的区块边长为所述机器人工作状态每秒运动距离的0.5倍至2倍；
更进一步可选地，所述区块化地图中的区块边长为所述机器人工作状态每秒的运动距离。
可选地，所述获取所述机器人在所述区块化地图中的位置信息，包括如下方式：
方式I：所述机器人运动区域至少包括相对所述区块化地图位置确定且位于所述区块化地图边缘的第一参考节点和第二参考节点，所述机器人通过无线射频通信获得与第一参考节点的第一距离和与第二参考节点的第二距离，根据所述第一距离和第二距离计算所述机器人的位置，取落入所述区块化地图中的位置作为所述机器人在所述区块化地图中的位置信息。
可选地，所述获取所述机器人在所述区块化地图中的位置信息，包括如下方式：
方式II：所述机器人运动区域至少包括相对所述区块化地图位置确定的第一参考节点、第二参考节点和第三参考节点，所述机器人通过无线射频通信分别获得与第一参考节点的第一距离和与第二参考节点的第二距离，以及与第三参考节点之间的第三距离，根据所述第一距离和第二距离计算所述机器人的位置，得到两个解，其中与所述第三距离相符的位置信息作为所述机器人在所述区块化地图中的位置信息。
作为一个可选的实施方式，所述计算所述机器人的位置包括：
根据与至少两个参考节点之间的距离，由如下式I计算得到所述机器人与参考节点之一的距离OP和方位α；
式I中，OP为所述机器人的位置P与第一参考节点O之间的距离，OA为第一参考节点O与第二参考节点A之间的距离，PA为所述机器人的位置P与第二参考节点A之间的距离，α为OP方向与OA方向之间的夹角。
其中距离可以由无线射频通信的时间，由式II和式III计算得到，
OP＝v×t1 式II
PA＝v×t2 式III
其中，v是无线射频通信在空气中的传输速度，t1和t2分别是所述机器人的位置P到第一参考节点和第二参考节点之间的通信时间。
可选地，所述对所述固定路线上的障碍物做规避动作，包括：
a)所述机器人具备通过热感应成像仪获得所述预设运动路线运动方向前方的信息；
b)若所述预设运动路线运动方向前方未发现障碍物，则所述机器人沿所述预设运动路线继续前进；
c)若所述预设运动路线运动方向前方发现障碍物，则所述机器人在到达所述障碍物前一个区块处做转弯动作，绕行后回归所述预设运动路线继续所述预设运动路线前进。
作为一个可选的实施方式，所述c)中发现障碍物后，根据障碍物的信息，采用如下路径规避所述障碍物：
路径I：若障碍物为在所述预设运动路线方向上占用不超过一个区块的人或物体且位于所述预设运动路线的直行段，所述机器人默认向右做转弯动作后沿平行于所述预设运动路线的直行段的路线前进至所述预设运动路线上存在非占据的区块后回归所述预设运动路线的直行段继续前进。
作为一个可选的实施方式，所述c)中发现障碍物后，根据障碍物的信息，采用如下路径规避所述障碍物：
路径II：若障碍物为人或物体且位于所述预设运动路线的拐点前一个区块，所述机器人朝向所述拐点后的运动方向做转弯动作，后沿平行于所述预设运动路线当前直行段的路线前进至进入所述拐点后的路线，沿所述预设运动路线继续前进。
作为一个可选的实施方式，所述c)中发现障碍物后，根据障碍物的信息，采用如下路径规避所述障碍物：
路径III：若障碍物为人或物体且位于所述预设运动路线的拐点区块，所述机器人朝向所述拐点后的运动方向做转弯动作，然后向所述转弯动作的相反方向转弯进入所述拐点后的路线，沿所述预设运动路线继续前进。
作为一个可选的实施方式，所述c)中发现障碍物后，根据障碍物的信息，采用如下路径规避所述障碍物：
路径IV：若障碍物为物体且占据所述预设运动路线的直行段，并且在所述机器人面对所述障碍物的右方仍然有障碍物，则所述机器人向左做转弯动作后沿平行于所述预设运动路线的直行段的路线前进至所述预设运动路线上存在非占据的区块后回归所述预设运动路线的直行段继续前进。
作为一个可选的实施方式，所述c)中发现障碍物后，根据障碍物的信息，采用如下路径规避所述障碍物：
路径V：若障碍物为物体且占据所述预设运动路线的直行段，并且在所述机器人面对所述障碍物的左右两方均有障碍物，则所述机器人向右做转弯动作后沿平行于所述障碍物的方向运动，至所述预设运动路线上存在非占据的区块后回归所述预设运动路线的直行段继续前进。
作为一个可选的实施方式，所述c)中发现障碍物后，根据障碍物的信息，采用如下路径规避所述障碍物：
路径VI：若障碍物为物体且占据所述预设运动路线的拐点前一个区块、但未占据所述拐点后的运动方向的区块，所述机器人朝向所述拐点后的运动方向做转弯动作，后沿平行于所述预设运动路线当前直行段的路线前进至进入所述拐点后的路线，沿所述预设运动路线继续前进。
作为一个可选的实施方式，所述c)中发现障碍物后，根据障碍物的信息，采用如下路径规避所述障碍物：
路径VII：若障碍物为物体且占据所述预设运动路线的拐点前一个区块和所述拐点后的运动方向的区块，所述机器人朝向所述拐点后的运动方向做转弯动作，后沿平行于所述障碍物的方向运动，至所述预设运动路线上存在非占据的区块后回归进入所述拐点后的路线，沿所述预设运动路线继续前进。
作为一个可选的实施方式，所述c)中发现障碍物后，根据障碍物的信息，采用如下路径规避所述障碍物：
路径VIII：若障碍物为物体且占据所述预设运动路线的拐点区块和所述拐点后的运动方向的区块，所述机器人朝向所述拐点后的运动方向做转弯动作，后沿平行于所述障碍物的方向运动，至所述预设运动路线上存在非占据的区块后回归进入所述拐点后的路线，沿所述预设运动路线继续前进。
作为一个可选的实施方式，所述c)中发现障碍物后，根据障碍物的信息，采用如下路径规避所述障碍物：
路径IX：若障碍物为物体且占据所述预设运动路线的拐点区块、但未占据所述拐点后的运动方向的区块，所述机器人朝向所述拐点后的运动方向做转弯动作，后向相反方向转弯进入所述拐点后的路线，沿所述预设运动路线继续前进。
可选地，所述转弯动作过程中，所述转弯动作过程中，所述机器人在一个区块内旋转至需要的方向。图5示出了现有机器人转弯运动区域示意图，可以得知，若机器人存在转弯运动区域，那么此区域必须保证大于机器人最大机长N，也就是转弯半径R要大于机器人的最大身长N。因此我们在本申请技术方案中使用可360度自由旋转的驱动轮作为机器人的驱动轮，在机器人需要转弯的情况下，路径规划不必再考虑机器人的转弯运动区域问题，简化处理过程。
根据本申请的一个方面，提供了一种餐厅或仓储物流用机器人，采用固定路线与避障处理相结合以及固定障碍物(例如餐厅的桌椅、仓库的货架)与非固定障碍物(流动的顾客、临时货物)分别处理的方法，具有定位准确、成本低、灵活性高的优势。
所述餐厅或仓储物流用机器人，采用上述机器人避障方法中的至少一种，其中所述固定路线是避开餐厅或仓储物流环境中固定障碍物的预设运动路线，所述非固定障碍物包括人或临时位于所述预设运动路线上的物体。
本申请能产生的有益效果包括：
(1)本专利创新性的提出“余弦定点”的定位方法，是在比较成熟的移动机器人“三边定位”的基础上发展而来，主要解决智能移动机器人在运动过程中的定位问题，此方法较之“三边定位”方法操作简单。
(2)本专利创新性的提出“十六进制地图”的场景规划图，将餐饮场所的场景布局以十六进制的形式表现出来，极大地方便了整个系统的数据处理，提高了系统的运算速度。
(3)本专利提出“固定路线与避障处理相结合”的路径规划方法，即在正常情况下，餐饮智能移动机器人按照事先规划好的路线到达指定的目标节点(如餐桌、货架)；当障碍物位于规划好的路线上导致移动机器人无法移动时，这时智能移动机器人启动避障处理，按照障碍物的不同进行不同的处理。
(4)本专利提出“固定障碍物与非固定障碍物相结合”的处理方法，即当智能移动机器人在运动过程中遇到障碍物时，使用其“眼睛”(热感应成像仪)识别出障碍物为固定障碍物(例如餐厅的桌椅、仓库的货架)还是非固定障碍物(例如流动的顾客、临时货物)，按照障碍物的不同采用不同的避障方法。
附图说明
图1是本申请一种实施方式中余弦定点方法示意图。
图2是本申请一种实施方式中智能机器人与虚拟坐标原点信号传递时间原理图。
图3是本申请一种实施方式中系统虚拟坐标构建图。
图4是本申请一种实施方式中十六进制地图展示图。
图5是传统机器人转弯运动区域示意图。
图6是本申请一种实施方式中避障方法示意图。
图7是本申请一种实施方式中避障方法示意图。
图8是本申请一种实施方式中避障方法示意图。
图9是本申请一种实施方式中避障方法示意图。
图10是本申请一种实施方式中避障方法示意图。
图11是本申请一种实施方式中避障方法示意图。
图12是本申请一种实施方式中避障方法示意图。
图13是本申请一种实施方式中避障方法示意图。
图14是本申请一种实施方式中避障方法示意图。
具体实施方式
下面结合实施例详述本申请，但本申请并不局限于这些实施例。
如无特别说明，本申请的实施例中的设备均通过商业途径购买。
实施例1
机器人定位
根据本申请的一种实施方式，图1为本申请一种实施方式中余弦定点方法示意图，图3示出了整个系统的虚拟坐标构建图，展示了所选取的坐标原点以及X轴与Y轴方向的两个参考点(这两个点在地图中的位置已确定，因此只需确定坐标原点即可)。本申请的一种实施方式中，机器人定位包括该方法包括如下步骤：
步骤101：运动节点P在运动过程中给四个参考节点发送位置确定请求信号。
步骤102：通过四个参考节点的返回信息判断与此运动节点P距离最近的一个参考节点，并以此参考节点作为坐标原点，同时与坐标原点相邻的另外两个参考节点围成虚拟坐标轴。四种情况下最近的参考节点及坐标轴选取如图3所示。
在本步骤中，未参与定位的其他参考节点在这个位置信息中是无效的参考节点。
在本步骤中，运动节点与参考节点进行信息通信的时候，可以通过接收返回信号的时间来判断哪一个点离的最近。
我们要判断运动节点的位置，要有的信息必须是运动节点与原点的距离OP、角度α，这些信息我们可以通过以下方式获取：
在图2中可以知道OA的距离是两个参考节点的距离，因此OA的值我们是已知的。OP与PA可以由位移公式式II和式III计算得到，
OP＝v×t1 式II
PA＝v×t2 式III
t1和t2分别是图1中所述机器人的位置P到第一参考节点O和第二参考节点A之间的通信时间。
由上面式II和式III可知，只需要得到运动机器人(点P)发射位置请求信息到虚拟坐标原点(点O)与X轴方向节点(点A)的时间，即可分别求得OP与PA的值，此数据的获得需要使用图2的测量方法。
图2示出了本专利智能机器人与虚拟坐标原点信号传递时间原理图，此原理图以求取OP的值为例，通过记录四个关键时间点，可以最大程度的保证测量的准确性。详细描述过程如下：
图中t1是智能机器人发送位置确认信息到坐标原点确认自己位置信息的时间，t2是坐标原点收到智能机器人信号的时间，t3是坐标原点在收到智能机器人信息后，返回“已接收信号”这条标志信息的时间，t4是智能机器人接收到坐标原点返回信息的时间，这样运动节点与坐标原点之间的信息传递时间为如下式IV所得：
这样我们就可以得到时间t。再利用式II和式III，得到OP。
OP与PA的值都获得后，由如下式I计算得到所述机器人与参考节点之一的距离OP和方位α，
式I中，OP为所述机器人的位置P与第一参考节点O之间的距离，OA为第一参考节点O与第二参考节点A之间的距离，PA为所述机器人的位置P与第二参考节点A之间的距离，α为OP方向与OA方向之间的夹角。
式I得到cosα后，使用余弦定理α＝arccos(cosα)获得方位α。得到的α的值是两个，因为α的取值范围是0～90度，所以选取在0～90度范围的那个角就是需要的α的值。
获得了智能机器人与坐标原点的距离与角度，可以唯一确定此时智能机器人的位置。因此只需记录智能机器人坐标原点(点O)、距离OP以及角度α这三个信息就可以唯一确定智能机器人的位置。
即，得到机器人与参考节点O之间的距离和方位，即可对机器人定位。
构建区块化地图
根据本申请的一种实施方式，如图4本申请地图的展示示意图所示，室内布局图在机器人内部以黑方格和白方格显示。
具体而言，白色区块：没有障碍物的地方是白方格，在机器人的计算机内部以二进制标记录为0；
具体而言，黑色区块：有障碍物的方格是黑方格，在机器人的计算机内部以二进制标记录为1。当障碍物所占方格不足一格时按一个黑方格计算。
由此每一行就是以0与1组成的二进制数，将此二进制数据转换成十六进制存储到计算机中。十六进制编码如图4右侧所示。
图4中黑白方格的每一格的边长是一样的，设定为机器人每秒钟运动的距离，假设机器人速度为M米/秒,那么方格的边长就为M米。在这里需要声明的是，在本申请的技术方案中，假设机器人的最大机长N小于M，因此不需要考虑智能机器人机长对方格设计宽度的影响。
当控制中心接收器收到机器人发送的运动位置信息后，通过坐标原点(点O)、距离(OP)、角度α这三个信息我们就可以判定机器人位于哪一个格子里。
具体避障过程
根据本申请的一种实施方式，机器人具备热感应成像仪，用以实现分辨出顾客与物品。当机器人在检测到障碍物存在时，机器人进行信息的处理。机器人进行信息处理的最大时间可以设定为1秒，因此热感应成像仪检测的最小半径应大于M。本申请的一种实施方式中，机器人工作过程如下：
步骤201：规划一条由起始地点到目标节点(例如餐桌)的路线，所述路线只经过所述地图中的白方格，并将地图和路线图导入到机器人内部；
步骤202：如果机器人在运动过程中在此条路线上没有遇到任何障碍物，则按此条路线进行运动；
步骤203：如果机器人在运动过程中在此条路线上检测到障碍物，则执行步骤204；
本步骤中，在本实施例中，设定热感应成像仪检测半径为M，则智能机器人遇到障碍物的反应时间为1秒。
步骤204：当机器人检测到有障碍物时，首先确定自己的位置，然后通过检测到障碍物离自己的距离，就可以计算出障碍物的位置。设定当机器人运动到障碍物前方一个方格的距离(也就是本实施例设定的M)处做出转弯动作，避让后回到原路线继续工作。
本步骤中，由于障碍物分顾客与物品，此分类由热感应成像仪会分辨出。障碍物所处的位置分路径拐点处(此种情况包括障碍物在拐点前一格的位置)与路径非拐点处，以障碍物处于路线直行段为例，如图6所示，障碍物为在所述预设运动路线方向上占用不超过一个区块的人或物体且位于所述预设运动路线的直行段，则步骤204具体包括：
步骤204a-1：所述机器人达到障碍物前一个方格(图6中×标记区块)；
本步骤中，黑色方格的位置在步骤201规划线路时，地图上为白方格，在机器人开始前进后临时产生的障碍物。
步骤204a-2：所述机器人向右做转弯动作；
步骤204a-3：所述机器人沿平行于所述预设运动路线的直行段的路线，如图6中方格1、2和3的路线前进；
步骤204a-4：至所述机器人超过障碍物后，探测到预设运动路线上存在非占据的区块(图6中菱形区块)后回归所述预设运动路线的直行段继续前进。
直至达到目的地。
实施例2
根据本申请的一种实施方式，本实施例为在餐厅中运行的机器人。
机器人定位和构建区块化地图与实施例1相同。
具体避障过程
机器人与实施例1相同。区别是步骤204中，障碍物处于路线拐点前一个区块，如图7所示，障碍物为人且位于所述预设运动路线的拐点前一个区块，则步骤204具体包括：
步骤204b-1：所述机器人达到障碍物前一个方格(图7中×标记区块)；
本步骤中，黑色方格的位置在步骤201规划线路时，地图上为白方格，在机器人开始前进后临时产生的障碍物。
步骤204b-2：所述机器人向拐点后的行进方向(右)做转弯动作；
步骤204b-3：所述机器人沿平行于所述预设运动路线的直行段的路线，如图7中方格1和2的路线前进；
步骤204b-4：至所述机器人超过障碍物后，探测到预设运动路线上存在非占据的区块(图7中菱形区块)后回归所述预设运动路线的直行段继续前进。
直至达到目的地。
实施例3
根据本申请的一种实施方式，本实施例为在餐厅中运行的机器人。
机器人定位和构建区块化地图与实施例1相同。
具体避障过程
机器人与实施例1相同。区别是步骤204中，障碍物处于路线拐点前一个区块，如图8所示，障碍物为物体且位于所述预设运动路线的拐点区块，则步骤204具体包括：
步骤204c-1：所述机器人达到障碍物前一个方格(图8中×标记区块)；
本步骤中，黑色方格的位置在步骤201规划线路时，地图上为白方格，在机器人开始前进后临时产生的障碍物。
步骤204c-2：所述机器人向拐点后的行进方向(右)做转弯动作；
步骤204c-3：在如图8中方格1的位置，所述机器人向步骤204c-2转弯的相反方向(左)做转弯动作；
步骤204c-4：至所述机器人超过障碍物后，探测到预设运动路线上存在非占据的区块(图8中菱形区块)后回归所述预设运动路线的直行段继续前进。
直至达到目的地。
实施例4
根据本申请的一种实施方式，本实施例为在餐厅中运行的机器人。
机器人定位和构建区块化地图与实施例1相同。
具体避障过程
机器人与实施例1相同。区别是步骤204中，障碍物的大小是不确定的，当障碍物不位于拐点处，且只有障碍物一边同样被障碍物占用时(也就是障碍物一共占用两个方格)，如图9所示，若障碍物为物体且占据所述预设运动路线的直行段，并且在所述机器人面对所述障碍物的右方仍然有障碍物，则步骤204具体包括：
步骤204d-1：所述机器人达到障碍物前一个方格(图9中×标记区块)；
本步骤中，黑色方格的位置在步骤201规划线路时，地图上为白方格，在机器人开始前进后临时产生的障碍物。
步骤204d-2：所述机器人向相对没有遮挡的行进方向(图9中向左)做转弯动作；
步骤204d-3：所述机器人沿平行于所述预设运动路线的直行段的路线，如图9中方格1、2和3的路线前进；
步骤204d-4：至所述机器人超过障碍物后，探测到预设运动路线上存在非占据的区块(图9中菱形区块)后回归所述预设运动路线的直行段继续前进。
直至达到目的地。
实施例5
根据本申请的一种实施方式，本实施例为在餐厅中运行的机器人。
机器人定位和构建区块化地图与实施例1相同。
具体避障过程
机器人与实施例1相同。区别是步骤204中，障碍物为物体且占据所述预设运动路线的直行段，并且在所述机器人面对所述障碍物的左右两方均有障碍物(也就是障碍物一共占用三个方格)，如图10所示，当障碍物占三个方格，且位于路线两侧，则步骤204具体包括：
步骤204e-1：所述机器人达到障碍物前一个方格(图10中×标记区块)；
本步骤中，黑色方格的位置在步骤201规划线路时，地图上为白方格，在机器人开始前进后临时产生的障碍物。
步骤204e-2：所述机器人向右做转弯动作；
步骤204e-3：所述机器人沿障碍物(如图10中方格1至5的路线)前进；
步骤204e-4：至所述机器人探测到预设运动路线上存在非占据的区块(图10中菱形区块)后回归所述预设运动路线的直行段继续前进。
直至达到目的地。
实施例6
根据本申请的一种实施方式，本实施例为在餐厅中运行的机器人。
机器人定位和构建区块化地图与实施例1相同。只是地图中的区块边长是机器人每秒行进举例的10倍。
具体避障过程
机器人与实施例1相同。区别是步骤204中，障碍物为物体且占据所述预设运动路线的拐点前一个区块、但未占据所述拐点后的运动方向的区块，如图11所示，当障碍物位于拐点前一格时，且占用非转弯一侧时(图11是左侧)，则步骤204同实施例2，直至达到目的地。
实施例7
根据本申请的一种实施方式，本实施例为在餐厅中运行的机器人。
机器人定位和构建区块化地图与实施例1相同。只是地图中的区块边长是机器人每秒行进举例的0.1倍。
具体避障过程
机器人与实施例1相同。区别是步骤204中，障碍物为物体且占据所述预设运动路线的拐点前一个区块和所述拐点后的运动方向的区块，如图12所示，则步骤204具体包括：
步骤204g-1：所述机器人达到障碍物前一个方格(图12中×标记区块)；
本步骤中，黑色方格的位置在步骤201规划线路时，地图上为白方格，在机器人开始前进后临时产生的障碍物。
步骤204g-2：所述机器人向拐点后的行进方向(右)做转弯动作；
步骤204g-3：所述机器人沿障碍物(如图12中方格1、2和3的路线)前进；
步骤204g-4：至所述机器人超过障碍物后，探测到预设运动路线上存在非占据的区块(图12中菱形区块)后回归所述预设运动路线的直行段继续前进。
直至达到目的地。
实施例8
根据本申请的一种实施方式，本实施例为在餐厅中运行的机器人。
机器人定位和构建区块化地图与实施例1相同。只是地图中的区块边长是机器人每秒行进举例的2倍。
具体避障过程
机器人与实施例1相同。区别是步骤204中，障碍物为物体且占据所述预设运动路线的拐点区块和所述拐点后的运动方向的区块，如图13所示，则步骤204具体包括：
步骤204h-1：所述机器人达到障碍物前一个方格(图13中×标记区块)；
本步骤中，黑色方格的位置在步骤201规划线路时，地图上为白方格，在机器人开始前进后临时产生的障碍物。
步骤204h-2：所述机器人向拐点后的行进方向(右)做转弯动作；
步骤204h-3：所述机器人沿障碍物前进，在如图13中方格1和2的位置；
步骤204h-4：至所述机器人超过障碍物后，探测到预设运动路线上存在非占据的区块(图13中菱形区块)后回归所述预设运动路线的直行段继续前进。
直至达到目的地。
实施例9
根据本申请的一种实施方式，本实施例为在仓库中运行的机器人。
机器人定位
在式I得到cosα后，使用余弦定理α＝arccos(cosα)获得方位α。得到的α的值是两个，选取与第三个参考节点的通信时间得到的距离吻合的α作为机器人当前位置的方位。
其余机器人定位部分与实施例1相同。
构建区块化地图
方法与实施例相同，只是区块边长是机器人每秒行进举例的0.5倍。
具体避障过程
机器人与实施例1相同。区别是步骤204中，障碍物为物体且占据所述预设运动路线的拐点多个区块、但未占据所述拐点后的运动方向的区块，如图14所示，当障碍物位于拐点前一格时，且占用非转弯一侧时(图14是左侧)，则步骤204同实施例3，直至达到目的地。
本实施例中，当机器人做转弯动作过程中，所述机器人在一个区块内旋转至需要的方向。图5示出了传统机器人转弯运动区域示意图，可以得知，若机器人存在转弯运动区域，那么此区域必须保证大于机器人最大机长N，也就是转弯半径R要大于机器人的最大身长N。因此我们在本申请设计中使用360度自由旋转驱动轮，如此设计可以不必再考虑机器人的转弯运动区域问题，简化本专利的设计。
以上所述，仅是本申请的几个实施例，并非对本申请做任何形式的限制，虽然本申请以较佳实施例揭示如上，然而并非用以限制本申请，任何熟悉本专业的技术人员，在不脱离本申请技术方案的范围内，利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例，均属于技术方案范围内。

Claims (10)

1.一种机器人避障方法，其特征在于，所述方法包括：
沿固定路线运动和对所述固定路线上的非固定障碍物做规避动作；
所述固定路线为所述机器人在没有障碍物情况下的预设运动路线；
所述机器人在所述规避动作完成后回归所述固定路线。
2.根据权利要求1所述的方法，其特征在于，所述沿固定路线运动包括如下过程：
对所述机器人运动区域进行区块建模，获得区块化地图；
在所述区块化地图中设定所述机器人的预设运动路线；
获取所述机器人在所述区块化地图中的位置信息；
根据所述机器人在所述区块化地图中的位置信息，控制所述机器人沿预设运动路线运动。
3.根据权利要求2所述的方法，其特征在于，所述区块建模获得的区块化地图包括第一区块和第二区块，对所述区块化地图中的第一区块和第二区块以数字化形式存储在所述机器人内；
所述数字化形式包括将所述区块化地图中的第一区块和第二区块以二进制编码和/或十六进制编码的形式存储；
所述机器人的预设运动路线只经过第一区块；
所述机器人在所述规避动作过程中不进入第二区块。
4.根据权利要求2所述的方法，其特征在于，所述区块化地图中的区块边长为所述机器人工作状态每秒运动距离的0.1倍至10倍；
优选地，所述区块化地图中的区块边长为所述机器人工作状态每秒运动距离的0.5倍至2倍；
进一步优选地，所述区块化地图中的区块边长为所述机器人工作状态每秒的运动距离。
5.根据权利要求2所述的方法，其特征在于，所述获取所述机器人在所述区块化地图中的位置信息，包括如下方式中的一种：
方式I：所述机器人运动区域至少包括相对所述区块化地图位置确定且位于所述区块化地图边缘的第一参考节点和第二参考节点，所述机器人通过无线射频通信获得与第一参考节点的第一距离和与第二参考节点的第二距离，根据所述第一距离和第二距离计算所述机器人的位置，取落入所述区块化地图中的位置作为所述机器人在所述区块化地图中的位置信息；
方式II：所述机器人运动区域至少包括相对所述区块化地图位置确定的第一参考节点、第二参考节点和第三参考节点，所述机器人通过无线射频通信分别获得与第一参考节点的第一距离和与第二参考节点的第二距离，以及与第三参考节点之间的第三距离，根据所述第一距离和第二距离计算所述机器人的位置，得到两个解，其中与所述第三距离相符的位置信息作为所述机器人在所述区块化地图中的位置信息。
6.根据权利要求5所述的方法，其特征在于，所述计算所述机器人的位置包括：
根据与至少两个参考节点之间的距离，由如下式I计算得到所述机器人参考节点之一的距离OP和方位α；
式I中，OP为所述机器人的位置P与第一参考节点O之间的距离，OA为第一参考节点O与第二参考节点A之间的距离，PA为所述机器人的位置P与第二参考节点A之间的距离，α为OP方向与OA方向之间的夹角。
7.根据权利要求2所述的方法，其特征在于，所述对所述固定路线上的障碍物做规避动作，包括：
a)所述机器人具备通过热感应成像仪获得所述预设运动路线运动方向前方的信息；
b)若所述预设运动路线运动方向前方未发现障碍物，则所述机器人沿所述预设运动路线继续前进；
c)若所述预设运动路线运动方向前方发现障碍物，则所述机器人在到达所述障碍物前一个区块处做转弯动作，绕行后回归所述预设运动路线继续所述预设运动路线前进。
8.根据权利要求7所述的方法，其特征在于，所述c)中发现障碍物后，根据障碍物的信息，采用如下一种路径规避所述障碍物：
路径I：若障碍物为在所述预设运动路线方向上占用不超过一个区块的人或物体且位于所述预设运动路线的直行段，所述机器人默认向右做转弯动作后沿平行于所述预设运动路线的直行段的路线前进至所述预设运动路线上存在非占据的区块后回归所述预设运动路线的直行段继续前进；
路径II：若障碍物为人或物体且位于所述预设运动路线的拐点前一个区块，所述机器人朝向所述拐点后的运动方向做转弯动作，后沿平行于所述预设运动路线当前直行段的路线前进至进入所述拐点后的路线，沿所述预设运动路线继续前进；
路径III：若障碍物为人或物体且位于所述预设运动路线的拐点区块，所述机器人朝向所述拐点后的运动方向做转弯动作，然后向所述转弯动作的相反方向转弯进入所述拐点后的路线，沿所述预设运动路线继续前进；
路径IV：若障碍物为物体且占据所述预设运动路线的直行段，并且在所述机器人面对所述障碍物的右方仍然有障碍物，则所述机器人向左做转弯动作后沿平行于所述预设运动路线的直行段的路线前进至所述预设运动路线上存在非占据的区块后回归所述预设运动路线的直行段继续前进；
路径V：若障碍物为物体且占据所述预设运动路线的直行段，并且在所述机器人面对所述障碍物的左右两方均有障碍物，则所述机器人向右做转弯动作后沿平行于所述障碍物的方向运动，至所述预设运动路线上存在非占据的区块后回归所述预设运动路线的直行段继续前进；
路径VI：若障碍物为物体且占据所述预设运动路线的拐点前一个区块、但未占据所述拐点后的运动方向的区块，所述机器人朝向所述拐点后的运动方向做转弯动作，后沿平行于所述预设运动路线当前直行段的路线前进至进入所述拐点后的路线，沿所述预设运动路线继续前进；
路径VII：若障碍物为物体且占据所述预设运动路线的拐点前一个区块和所述拐点后的运动方向的区块，所述机器人朝向所述拐点后的运动方向做转弯动作，后沿平行于所述障碍物的方向运动，至所述预设运动路线上存在非占据的区块后回归进入所述拐点后的路线，沿所述预设运动路线继续前进；
路径VIII：若障碍物为物体且占据所述预设运动路线的拐点区块和所述拐点后的运动方向的区块，所述机器人朝向所述拐点后的运动方向做转弯动作，后沿平行于所述障碍物的方向运动，至所述预设运动路线上存在非占据的区块后回归进入所述拐点后的路线，沿所述预设运动路线继续前进；
路径IX：若障碍物为物体且占据所述预设运动路线的拐点区块、但未占据所述拐点后的运动方向的区块，所述机器人朝向所述拐点后的运动方向做转弯动作，后向相反方向转弯进入所述拐点后的路线，沿所述预设运动路线继续前进。
9.根据权利要求7所述的方法，其特征在于，所述转弯动作过程中，所述机器人在一个区块内旋转至需要的方向。
10.一种餐厅或仓储物流用机器人，其特征在于，采用权利要求1至9任一项所述的机器人避障方法中的至少一种，其中所述固定路线是避开餐厅或仓储物流环境中固定障碍物的预设运动路线，所述非固定障碍物包括人或临时位于所述预设运动路线上的物体。
CN201711086193.7A 2017-11-07 2017-11-07 一种机器人避障方法及应用其的机器人 Pending CN107885206A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711086193.7A CN107885206A (zh) 2017-11-07 2017-11-07 一种机器人避障方法及应用其的机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711086193.7A CN107885206A (zh) 2017-11-07 2017-11-07 一种机器人避障方法及应用其的机器人

Publications (1)

Publication Number Publication Date
CN107885206A true CN107885206A (zh) 2018-04-06

Family

ID=61779160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711086193.7A Pending CN107885206A (zh) 2017-11-07 2017-11-07 一种机器人避障方法及应用其的机器人

Country Status (1)

Country Link
CN (1) CN107885206A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109933071A (zh) * 2019-04-01 2019-06-25 珠海市一微半导体有限公司 一种机器人回座的控制方法
WO2019232803A1 (zh) * 2018-06-08 2019-12-12 珊口（深圳）智能科技有限公司 移动控制方法、移动机器人及计算机存储介质
CN111374594A (zh) * 2018-12-27 2020-07-07 北京奇虎科技有限公司 超边界处理方法、装置、电子设备及计算机可读存储介质
WO2022088716A1 (zh) * 2020-10-30 2022-05-05 北京旷视机器人技术有限公司 仓库管理方法、装置、系统及电子设备
CN114779784A (zh) * 2022-04-28 2022-07-22 格力博(江苏)股份有限公司 机器人工具的控制方法及机器人工具
CN115759922A (zh) * 2022-10-18 2023-03-07 甘肃倚莱克特电力科技有限公司 智慧仓储货物存放方法、电子设备、计算机可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411616A (zh) * 2011-10-28 2012-04-11 北京地拓科技发展有限公司 一种数据存储方法和系统及数据管理方法
CN102837658A (zh) * 2012-08-27 2012-12-26 北京工业大学 一种智能车辆中多激光雷达数据融合系统和方法
CN203206239U (zh) * 2013-02-19 2013-09-18 周勤 一种基于蓝牙技术的室内定位系统
JP2014098948A (ja) * 2012-11-13 2014-05-29 Panasonic Corp 自律移動装置及び自律移動方法
CN103914068A (zh) * 2013-01-07 2014-07-09 中国人民解放军第二炮兵工程大学 一种基于栅格地图的服务机器人自主导航方法
CN105320133A (zh) * 2015-10-26 2016-02-10 广东雷洋智能科技股份有限公司 一种应用于扫地机器人的改进势场栅格法
CN105657668A (zh) * 2016-03-16 2016-06-08 南通大学 一种基于uwb的室内移动机器人定位与导航控制方法
CN105955280A (zh) * 2016-07-19 2016-09-21 Tcl集团股份有限公司 移动机器人路径规划和避障方法及系统
CN106324619A (zh) * 2016-10-28 2017-01-11 武汉大学 一种变电站巡检机器人自动避障方法
CN106541404A (zh) * 2016-11-03 2017-03-29 四川阿泰因机器人智能装备有限公司 一种机器人视觉定位导航方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411616A (zh) * 2011-10-28 2012-04-11 北京地拓科技发展有限公司 一种数据存储方法和系统及数据管理方法
CN102837658A (zh) * 2012-08-27 2012-12-26 北京工业大学 一种智能车辆中多激光雷达数据融合系统和方法
JP2014098948A (ja) * 2012-11-13 2014-05-29 Panasonic Corp 自律移動装置及び自律移動方法
CN103914068A (zh) * 2013-01-07 2014-07-09 中国人民解放军第二炮兵工程大学 一种基于栅格地图的服务机器人自主导航方法
CN203206239U (zh) * 2013-02-19 2013-09-18 周勤 一种基于蓝牙技术的室内定位系统
CN105320133A (zh) * 2015-10-26 2016-02-10 广东雷洋智能科技股份有限公司 一种应用于扫地机器人的改进势场栅格法
CN105657668A (zh) * 2016-03-16 2016-06-08 南通大学 一种基于uwb的室内移动机器人定位与导航控制方法
CN105955280A (zh) * 2016-07-19 2016-09-21 Tcl集团股份有限公司 移动机器人路径规划和避障方法及系统
CN106324619A (zh) * 2016-10-28 2017-01-11 武汉大学 一种变电站巡检机器人自动避障方法
CN106541404A (zh) * 2016-11-03 2017-03-29 四川阿泰因机器人智能装备有限公司 一种机器人视觉定位导航方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
苏有刚: ""基于三点定位的机器人路径跟踪算法"", 《泰山学院学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019232803A1 (zh) * 2018-06-08 2019-12-12 珊口（深圳）智能科技有限公司 移动控制方法、移动机器人及计算机存储介质
US11130238B2 (en) 2018-06-08 2021-09-28 Ankobot (Shenzhen) Smart Technologies Co., Ltd. Mobile control method, mobile robot and computer storage medium
CN111374594A (zh) * 2018-12-27 2020-07-07 北京奇虎科技有限公司 超边界处理方法、装置、电子设备及计算机可读存储介质
CN109933071A (zh) * 2019-04-01 2019-06-25 珠海市一微半导体有限公司 一种机器人回座的控制方法
WO2022088716A1 (zh) * 2020-10-30 2022-05-05 北京旷视机器人技术有限公司 仓库管理方法、装置、系统及电子设备
CN114779784A (zh) * 2022-04-28 2022-07-22 格力博(江苏)股份有限公司 机器人工具的控制方法及机器人工具
CN115759922A (zh) * 2022-10-18 2023-03-07 甘肃倚莱克特电力科技有限公司 智慧仓储货物存放方法、电子设备、计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN107885206A (zh) 一种机器人避障方法及应用其的机器人
CN108287544B (zh) 一种智能机器人路线规划及沿原路径返回的方法及系统
CN106541404B (zh) 一种机器人视觉定位导航方法
CN101661098B (zh) 机器人餐厅多机器人自动定位系统
CN104807460B (zh) 无人机室内定位方法及系统
CN101589558B (zh) 基于磁感应的用户界面
CN106093858A (zh) 一种基于uwb、rfid、ins多源联合定位技术的定位系统及定位方法
CN106017351B (zh) 一种用于集装箱识别定位的3d数据采集系统及方法
CN106527432A (zh) 基于模糊算法和二维码自矫正的室内移动机器人协作系统
CN105954717B (zh) 位置获取方法及装置
CN108663681A (zh) 基于双目摄像头与二维激光雷达的移动机器人导航方法
CN101466145B (zh) 基于神经网络的双基站精确定位方法
CN107218927B (zh) 一种基于tof相机的货物托盘检测系统和方法
CN108012326A (zh) 基于栅格地图的机器人监视宠物的方法及芯片
CN102135429A (zh) 一种基于视觉的机器人室内定位导航方法
CN106525044A (zh) 基于船体结构图的大型舰艇的人员定位导航系统及其方法
CN109002046A (zh) 一种移动机器人导航系统及导航方法
WO2021004483A1 (zh) 一种导航方法、移动载体及导航系统
CN107972027B (zh) 机器人的定位方法和装置、机器人
CN103543434A (zh) 室内定位系统、手机及定位方法
CN105182971A (zh) 一种室内环境下服务机器人的避障方法
CN106375937A (zh) 一种基于感应式的室内定位控制系统
CN107291072A (zh) 一种移动机器人路径规划系统及方法
CN111047531A (zh) 一种基于单目视觉的仓储机器人室内定位方法
CN206203184U (zh) 一种堆垛机及其系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180406

RJ01 Rejection of invention patent application after publication