CN107976999B - 一种移动机器人及其避障和路径规划方法和系统 - Google Patents

一种移动机器人及其避障和路径规划方法和系统 Download PDF

Info

Publication number
CN107976999B
CN107976999B CN201711164231.6A CN201711164231A CN107976999B CN 107976999 B CN107976999 B CN 107976999B CN 201711164231 A CN201711164231 A CN 201711164231A CN 107976999 B CN107976999 B CN 107976999B
Authority
CN
China
Prior art keywords
robot
distance
information
dist
type
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.)
Active
Application number
CN201711164231.6A
Other languages
English (en)
Other versions
CN107976999A (zh
Inventor
刘少山
廖孟�
任勇
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.)
Shenzhen Yuanfu Technology Co., Ltd.
Original Assignee
Shenzhen Trifo Technology 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
Application filed by Shenzhen Trifo Technology Co ltd filed Critical Shenzhen Trifo Technology Co ltd
Priority to CN201711164231.6A priority Critical patent/CN107976999B/zh
Publication of CN107976999A publication Critical patent/CN107976999A/zh
Application granted granted Critical
Publication of CN107976999B publication Critical patent/CN107976999B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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

Abstract

一种移动机器人及其避障和路径规划方法和系统，该方法通过规划从机器人所处位置到目标点之间的最短路径，并获取实时检测到的距离信息和边缘信息，确定距离信息的类型，再根据距离信息的类型、边缘信息和预设的控制规则，发出相应的控制指令，调整机器人的方向角，使得机器人沿最短路径行驶，并在行驶过程中避开路径上的障碍物。由于本申请的避障和路径规划方法针对障碍物是动态的情况和障碍物的位置被移动的情况，规划路径步骤将根据机器人所处的实时位置和目标点，采用现有的A*search算法，实时规划从机器人所处位置到目标点之间的最短路径，从而保证机器人驶向目标点的过程中，始终沿最短路径行驶。

Description

一种移动机器人及其避障和路径规划方法和系统
技术领域
本发明涉及移动机器人，具体涉及一种移动机器人及其避障和路径规划方法和系统。
背景技术
随着移动机器人在汽车工业、家庭消费电子、商场引导、水下设备的应用越来越广泛，人们一直关注着移动机器人的研究。市面上很多机器人只有简单的行走功能(例如，扫地机仅有固定的弓形走和回充功能)，而不具备真避障和路径规划功能。有些移动机器人虽有路径规划功能，但对外部环境有约束，常常需要在指定位置放置一些指定的标记物，不具备扩展性；另一些移动机器人针对动态的障碍物或移动了位置的障碍物，仍然使用开始时的路径，不能更新路径规划，使得机器人行驶的路径不是最优最短路径。因此，无论是在室内还是在室外，静态环境或者动态环境下，为移动机器人做出最优的路径规划和避障是研究目前面临的挑战。
发明内容
鉴于上述问题，本申请提供一种移动机器人及其避障和路径规划方法和系统。
根据第一方面，一种实施例中提供一种移动机器人的避障和路径规划方法，包括：
建立全局坐标系步骤，利用已知障碍物环境信息建立二维栅格地图，并以移动机器人所处位置建立全局坐标系；
规划路径步骤，根据机器人所处的实时位置和目标点，采用A*search算法，实时规划从机器人所处位置到目标点之间的最短路径；
初始化步骤，初始化机器人的方向角，机器人沿所述最短路径行驶；
获取检测信息步骤，获取实时检测到的机器人前进方向上障碍物与机器人之间的距离信息，获取实时检测到的机器人左侧/右侧预设范围内的边缘信息；
避障控制步骤，确定距离信息的类型，并根据所述距离信息的类型、所述边缘信息和预设的控制规则，发出相应的控制指令，调整机器人的方向角，使得机器人在行驶过程中避开路径上的障碍物。
根据第二方面，一种实施例中提供一种移动机器人的避障和路径规划系统，包括：
建立全局坐标系模块，用于利用已知障碍物环境信息建立二维栅格地图，并以移动机器人所处位置建立全局坐标系；
规划路径模块，用于根据机器人所处位置和目标点，采用A*search算法，规划从机器人所处位置到目标点之间的最短路径；
初始化模块，用于初始化机器人的方向角，机器人沿所述最短路径行驶；
获取检测信息模块，用于获取实时检测机器人前进方向上的障碍物与机器人之间的距离信息，实时检测机器人左侧/右侧预设范围内的边缘信息；
避障控制模块，用于确定所述距离信息的类型，并根据所述距离信息的类型、所述边缘信息和预设的控制规则，发出相应的控制指令，调整机器人的方向角，使得机器人在行驶过程中避开路径上的障碍物。
根据第三方面，一种实施例中提供一种移动机器人，包括本体，还包括：
至少一个红外测距传感器，设置于本体前部，用于通过红外信号检测机器人前进方向上的障碍物与机器人之间的距离信息；
至少一个超声传感器，设置于本体前部，用于通过超声信号检测机器人前进方向上的障碍物与机器人之间的距离信息；
至少两个红外反射传感器，本体两侧分别至少设置一个，用于通过红外信号检测机器人左侧/右侧预设范围内的边缘信息；
控制器，设置于本体内部，用于采用A*search算法，实时规划一条从机器人所处位置到目标点之间的最短路径，再根据获取的所述红外测距传感器检测到的距离信息、所述超声传感器检测到的距离信息、所述红外反射传感器检测到的边缘信息和预设的控制规则，发出相应的转向指令和行驶指令；
转向器，根据控制器发出的转向指令，调整机器人的方向角，使得机器人在行驶过程中避开路径上的障碍物；
电机驱动器，根据控制器发出的行驶指令，驱动电机运转，使得机器人前进或后退。
依据上述实施例，由于本申请的避障和路径规划方法针对障碍物是动态的情况和障碍物的位置被移动的情况，规划路径步骤将根据机器人所处的实时位置和目标点，采用现有的A*search算法，实时规划从机器人所处位置到目标点之间的最短路径，从而保证机器人驶向目标点的过程中，始终沿最短路径行驶。
附图说明
图1为本申请提供的一种移动机器人的避障和路径规划方法；
图2为本申请提供的一种移动机器人结构框图；
图3为本申请移动机器人避障和路径规划的控制过程示意图；
图4为一个实施例的移动机器人的传感器布置示意图；
图5为红外测距传感器的工作原理示意图；
图6为超声传感器的工作原理示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
请参考图1，为本申请提供的一种移动机器人的避障和路径规划方法，包括：
建立全局坐标系步骤，利用已知障碍物环境信息建立二维栅格地图，并以移动机器人所处位置建立全局坐标系；
规划路径步骤，根据机器人所处的实时位置和目标点，采用现有的A*search算法，实时规划从机器人所处位置到目标点之间的最短路径；
初始化步骤，初始化机器人的方向角，机器人沿所述最短路径行驶；
获取检测信息步骤，获取实时检测到的机器人前进方向上障碍物与机器人之间的距离信息，获取实时检测到的机器人左侧/右侧预设范围内的边缘信息；
避障控制步骤，确定距离信息的类型，并根据所述距离信息的类型、所述边缘信息和预设的控制规则，发出相应的控制指令，调整机器人的方向角，使得机器人在行驶过程中避开路径上的障碍物。该控制指令包括转向指令和行驶指令，其中，转向指令包括向左转和向右转，行驶指令包括前进和后退。
需要指出的是，本申请的避障和路径规划方法针对障碍物是动态的情况和障碍物的位置被移动的情况，最初规划的路线已经不是最短的，需要重新规划最短路径。本申请实施例的规划路径步骤将根据机器人所处的实时位置和目标点，采用现有的A*search算法，实时规划从机器人所处位置到目标点之间的最短路径，从而保证机器人驶向目标点的过程中，在避障的基础上，始终沿最短路径行驶。而且，在机器人行驶过程中，为了避开障碍物，在转向、前进或后退后，所处的实时位置也有可能已经偏移了最初规划的最短路线，也需要重新规划最短路径，规划路径步骤实时规划最短路径，可以保证机器人驶向目标点的过程中，始终沿最短路径行驶。
A*search算法采用最短路径优先策略，当指定一个局部目标点后，A*search算法会评估从起点到该局部目标点所有可能的路径，并得到最短的那一条。当机器人沿着最短路径行进时，A*search算法维护了沿路排好序的可选的路径，以便能够及时地在任何点去掉更高开销的路径，直到达到全局目标点。单独就从一个点到下一个点的小段路径来说，路径的开销用以下公式表示：
g(x)＝g(x-1)+Dx
g(x)代表x点路径的开销，g(x-1)代表x-1点路径的开销，Dx代表从x-1到x的行进距离。因此，从起点到全局目标点，基于一小段一小段的全局最优路径可以用以下公式表示：
f(x)＝g(x)+h(x)
h(x)代表从当前点到全局目标点的路径开销。A*search可以确保全局路径开销最小。
在一些实施例中，所述获取检测信息步骤中，利用红外反射传感器通过红外信号检测机器人左侧/右侧预设范围内的边缘信息，所述边缘信息为是否在机器人左侧/右侧预设范围内的地面上检测到预设的线特征或边缘特征，包括左边缘信息L.ref和右边缘信息R.ref。线特征或边缘特征包括物体的边缘线，并需排除物体的裂缝和如地板缝等地面上的缝。
在一具体实施例，机器人左/右侧预设范围为0至0.2米。
在一些实施例中，所述获取检测信息步骤中，还包括：在后退时，获取实时检测到的机器人后退方向上障碍物与机器人之间的距离信息，从而保证机器人不会因需避开前方障碍物在后退过程中碰撞到后方的障碍物。
在一些实施例中，所述获取检测信息步骤中，利用红外测量传感器通过红外信号检测机器人前进方向上的障碍物与机器人之间的距离信息IR，距离信息IR包括：左距离信息L.IR和右距离信息R.IR；利用超声传感器通过超声信号检测机器人前进方向上的障碍物与机器人之间的距离信息US，距离信息US包括：左距离信息L.US和右距离信息R.US。所述避障步骤中，选取左距离信息L.IR和左距离信息L.US中较小者作为左距离信息L.dist，选取右距离信息R.IR和右距离信息R.US中较小者作为右距离信息R.dist，即L.list＝min(L.IR，LUS)和R.list＝min(R.IR，R.US)，并分别确定左距离信息L.dist和右距离信息R.dist的类型，所述类型包括停止距离(RangeStop)、近距离(RangeNear)、中距离(RangeMid)和远距离(RangeFar)。
在一些实施例中，所述避障步骤中，所述调整机器人的方向角包括向左转或向右转，所转角度包括小转角度、中转角度和大转角度。
在一具体实施例中，所述停止距离为0至0.2米、近距离为0.2至0.4米、中距离为0.4至0.8米和远距离为大于0.8米；所述调整机器人的方向角包括小转角度为10度、中转角度为40度和大转角度为90度。
由于本申请实施例中不仅采用了红外信号检测机器人前进方向上的障碍物与机器人之间的距离信息IR，还采用了超声信号检测机器人前进方向上的障碍物与机器人之间的距离信息US。其中，红外测量传感器主要用于测量较近距离的障碍物，超声传感器主要用于测量较远距离的障碍物，如此针对性的设置，可使得检测到的距离数据更加准确，也可舍弃一些不准确的数据，减少不必要的数据处理，降低数据处理的难度。
另外，本申请实施例设置了两种不同用途的红外反射传感器与红外测距传感器，其中，红外反射传感器专门用于检测机器人两侧预设的线特征或边缘特征，红外测距传感器专门用于测量机器人前/后方距离障碍物的距离信息。这样的特定传感器的选型方式，可使得机器人不仅获取前进方向上障碍物与机器人之间的距离信息，还获取机器人左侧/右侧预设范围内的边缘信息，使得机器人可避开前方的障碍物以及左右两侧的障碍物，保证机器人360度无障碍行驶。而且，比较而言，处理红外反射传感器检测的数据比处理红外测距传感器检测的数据相比来说更简单，可降低数据处理的难度。
在一些实施例中，所述避障步骤中，预设的控制规则一为：
当R.dist类型为停止距离，L.dist类型为停止距离时，机器人后退；
当R.dist类型为停止距离，L.dist类型非停止距离时，机器人向左中转；
当R.dist类型非停止距离，L.dist类型为停止距离时，机器人向右中转。
预设的控制规则二为：
当L.dist类型为近距离，R.dist类型为近距离时，机器人前进；
当L.dist类型为近距离，R.dist类型为中距离时，机器人向右小转；
当L.dist类型为近距离，R.dist类型为远距离时，机器人向右大转；
当L.dist类型为中距离，R.dist类型为近距离时，机器人向左小转；
当L.dist类型为中距离，R.dist类型为中距离时，机器人前进；
当L.dist类型为中距离，R.dist类型为远距离时，机器人向右中转；
当L.dist类型为远距离，R.dist类型为近距离时，机器人向左大转；
当L.dist类型为远距离，R.dist类型为中距离时，机器人向左中转；
当L.dist类型为远距离，R.dist类型为远距离时，机器人前进。
所述避障步骤中，预设的控制规则三为：
当L.ref＝1，R.ref＝1时，机器人后退；
当L.ref＝1，R.ref＝0时，机器人向右小转；
当L.ref＝0，R.ref＝1时，机器人向左小转；
当L.ref＝0，R.ref＝0时，机器人前进。
其中，L.ref＝1表示在机器人左侧预设范围内的地面上检测到预设的线特征或边缘特征，L.ref＝0表示在机器人左侧预设范围内的地面上未检测到预设的线特征或边缘特征，R.ref＝1表示在机器人右侧预设范围内的地面上检测到预设的线特征或边缘特征，R.ref＝0表示在机器人右侧预设范围内的地面上未检测到预设的线特征或边缘特征。
相应地，本申请还提供了一种移动机器人的避障和路径规划系统，包括：
建立全局坐标系模块，用于利用已知障碍物环境信息建立二维栅格地图，并以移动机器人所处位置建立全局坐标系；
规划路径模块，用于根据机器人所处位置和目标点，采用现有A*search算法，规划从机器人所处位置到目标点之间的最短路径；
初始化模块，用于初始化机器人的方向角，机器人沿所述最短路径行驶；
获取检测信息模块，用于获取实时检测机器人前进方向上的障碍物与机器人之间的距离信息，实时检测机器人左侧/右侧预设范围内的边缘信息；
避障控制模块，用于确定所述距离信息的类型，并根据所述距离信息的类型、所述边缘信息和预设的控制规则，发出相应的控制指令，调整机器人的方向角，使得机器人在行驶过程中避开路径上的障碍物。
因为凭借红外避障时，红外传感器容易受各种热源、光源干扰，环境温度和人体温度接近时，探测和灵敏度明显下降，有时造成短时失灵，而且，红外传感器无法准确检测透明物体，使得单一的红外测距有其使用限制；凭借超声避障，当超声传感器和障碍物形成一定角度时会产生幻影，由于幻影干扰的存在，会导致超声传感器给出的数据是不可靠的，使得超声测距也有其使用限制。
因此，参考图2，不再依赖于单一的传感器，本申请还提供了一种移动机器人，该机器人包括本体1，还包括：
至少一个前红外测距传感器11，设置于本体1前部，用于通过红外信号检测机器人前进方向上的障碍物与机器人之间的距离信息；
至少一个前超声传感器21，设置于本体1前部，用于通过超声信号检测机器人前进方向上的障碍物与机器人之间的距离信息；
至少一个左红外反射传感器33，设置于本体1左部，用于通过红外信号检测机器人左侧预设范围内的边缘信息；
至少一个左红外反射传感器34，设置于本体1右部，用于通过红外信号检测机器人左侧预设范围内的边缘信息。
控制器40，设置于本体1内部，用于采用现有的A*search算法，实时规划一条从机器人所处位置到目标点之间的最短路径，再根据获取的所述红外测距传感器检测到的距离信息、所述超声传感器检测到的距离信息、所述红外反射传感器检测到的边缘信息和预设的控制规则，发出相应的转向指令和行驶指令。
转向器70，根据控制器40发出的转向指令，调整机器人的方向角，使得机器人在行驶过程中避开路径上的障碍物。
电机驱动器50，根据控制器40发出的行驶指令，驱动电机60运转，使得机器人前进或后退。
本申请实施例提出了一种具有适应性的移动机器人，采用多路红外测距传感器和超声波传感器进行距离信息的测量和采集，红外测量传感器主要用于测量较近距离的障碍物，超声传感器主要用于测量较远距离的障碍物。如此针对性的设置，可使得机器人在行驶过程中，在完成避障功能基础上，检测到的距离数据更加准确，也可舍弃一些不准确的数据，减少不必要的数据处理，降低数据处理的难度。
又由于本申请实施例设置了两种不同用途的红外反射传感器与红外测距传感器，其中，红外反射传感器专门用于检测机器人两侧预设的线特征或边缘特征，红外测距传感器专门用于测量机器人前/后方距离障碍物的距离信息。这样的特定传感器的选型方式，可使得机器人不仅获取前进方向上障碍物与机器人之间的距离信息，还获取机器人左侧/右侧预设范围内的边缘信息，使得机器人可避开前方的障碍物以及左右两侧的障碍物，保证机器人360度无障碍行驶。而且，比较而言，处理红外反射传感器检测的数据比处理红外测距传感器检测的数据相比来说更简单，可降低数据处理的难度。
参考图3，为该移动机器人避障和路径规划的控制过程示意图。
在一些实施例，该机器人还在本体1后部设置了至少一个后红外测距传感器12，用于通过红外信号检测机器人后退方向上的障碍物与机器人之间的距离信息；并在本体1后部设置了至少一个后超声传感器22，用于通过超声信号检测机器人后退方向上的障碍物与机器人之间的距离信息。如此一来，在后退时，可实时检测到的机器人后退方向上障碍物与机器人之间的距离信息，从而保证机器人不会因需避开前方障碍物在后退过程中碰撞到后方的障碍物。
如图4所示，在一个具体实施例中，本体1前部设置了第一前红外测距传感器111、第二前红外测距传感器112、第一前超声传感器211、第一前超声传感器212，后部设置了第一后红外测距传感器111、第二后红外测距传感器112、第一后超声传感器211、第一后超声传感器212，左侧设置了第一左红外反射传感器331、第二左红外反射传感器332，右侧设置了第一右红外反射传感器341、第二右红外反射传感器342。上述传感器采取对称设置的方式，其中，第一前红外测距传感器与水平的夹角是12.86°，第一前超声测距传感器与水平的夹角是38.57°，可以最大限度减少盲区，最有效检测前方障碍物。
如图5所示，在本申请中，红外测距传感器通过使用三角测量的方法测量物体到传感器之间的距离。红外测距传感器由一个带镜头的红外LED和一个带镜头的光位置传感器PSD组成。其中，带镜头的红外LED发射窄的红外光束，经由传感器前方的物体P1反射后，光束会直接穿透到光位置传感器的镜头上。光位置传感器的导电性取决于光束落在传感器的位置，这个导电性可以用电压衡量，而模拟量的电压经由单片机的ADC模块转换后可以变成数字量，从而距离就能被计算出来。红外测距传感器的输出与实际物体离传感器的距离成反比，距离越远，输出的电压越小。
如图6所示，超声传感器通过声音从发射到返回所用的时间来计算物体离传感器的距离。典型的超声传感器包含两个膜，一个膜101产生声音，另一个膜102捕获回声。产生声音的膜101产生短的超声脉冲，同时触发计时器，当传感器前方有物体时，另一个膜102接收到超声脉冲，同时停止计时器。通过时间差可以计算出传感器离物体的距离。
在本申请中，红外反射传感器用于检测特定范围内是否有线和边缘的存在。其工作原理如下：红外反射传感器由一对红外LED和特定的光电晶体管组成。其中，红外LED会发出处于红外频谱特定波长的光线，光电晶体管则用于检测相同波长的光线。当传感器前方没有物体时，没有光线反射回光电晶体管，当传感器前方有物体比较靠近时，红外LED发出的光线会经由物体反射回光电晶体管，白色或更亮表面物体会反射更多光线，黑色或更暗表面物体会反射更少光线，光电晶体管感知的光强通过与阈值光强比对，可以判断传感器前方是否有物体的存在。如果检测的光强比阈值光强大，那么就认为该距离范围内有物体存在，该传感器输出高电平；否则，就认为没有物体存在，该传感器输出低电平。如果传感器的输出发生了高低电平的变化，就可以认为检测到了线或者边缘，例如，在白色的背景下有两条黑色的边缘线，移动机器人在白色的区域行走时，该传感器会输出高电平，一旦机器人快要走到黑线时，该传感器就输出低电平，这样就可以检测到黑色的边缘线了。反之，在黑色的环境中有白色的边缘线，当移动机器人从黑色的区域靠近白色边缘线时，传感器的输出会由低电平输出高电平，同样就能检测到白色的边缘线了。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (6)

1.一种移动机器人的避障和路径规划方法，其特征在于，包括：
建立全局坐标系步骤，利用已知障碍物环境信息建立二维栅格地图，并以移动机器人所处位置建立全局坐标系；
规划路径步骤，根据机器人所处的实时位置和目标点，采用A*search算法，实时规划从机器人所处位置到目标点之间的最短路径；
初始化步骤，初始化机器人的方向角，机器人沿所述最短路径行驶；
获取检测信息步骤，获取实时检测到的机器人前进方向上障碍物与机器人之间的距离信息，获取实时检测到的机器人左侧/右侧预设范围内的边缘信息；
避障控制步骤，确定距离信息的类型，并根据所述距离信息的类型、所述边缘信息和预设的控制规则，发出相应的控制指令，调整机器人的方向角，使得机器人在行驶过程中避开路径上的障碍物；
其中，
所述获取检测信息步骤中，通过红外信号检测机器人前进方向上的障碍物与机器人之间的距离信息IR，距离信息IR包括：左距离信息L.IR和右距离信息R.IR；通过超声信号检测机器人前进方向上的障碍物与机器人之间的距离信息US，距离信息US包括：左距离信息L.US和右距离信息R.US；
所述获取检测信息步骤中，通过红外信号检测机器人左侧/右侧预设范围内的边缘信息，所述边缘信息为是否在机器人左侧/右侧预设范围内的地面上检测到预设的线特征或边缘特征，包括左边缘信息L.ref和右边缘信息R.ref；
所述避障步骤中，选取左距离信息L.IR和左距离信息L.US中较小者作为左距离信息L.dist，选取右距离信息R.IR和右距离信息R.US中较小者作为右距离信息R.dist，并分别确定左距离信息L.dist和右距离信息R.dist的类型，所述类型包括停止距离、近距离、中距离和远距离；
所述避障步骤中，所述调整机器人的方向角包括向左转或向右转，所转角度包括小转角度、中转角度和大转角度。
2.如权利要求1所述的方法，其特征在于，所述避障步骤中，所述停止距离为大于等于0、小于0.2米、近距离为大于等于0.2、小于0.4米、中距离为大于等于0.4、小于0.8米和远距离为大于等于0.8米。
3.如权利要求1所述的方法，其特征在于，所述避障步骤中，所述避障步骤中，所述调整机器人的方向角包括小转角度为10度、中转角度为40度和大转角度为90度。
4.如权利要求1至3中任一项所述的方法，其特征在于，所述避障步骤中，所述预设的控制规则为：
当L.ref＝1，R.ref＝1时，机器人后退；
当L.ref＝1，R.ref＝0时，机器人向右小转；
当L.ref＝0，R.ref＝1时，机器人向左小转；
当L.ref＝0，R.ref＝0时，机器人前进；
其中，L.ref＝1表示在机器人左侧预设范围内的地面上检测到预设的线特征或边缘特征，L.ref＝0表示在机器人左侧预设范围内的地面上未检测到预设的线特征或边缘特征，R.ref＝1表示在机器人右侧预设范围内的地面上检测到预设的线特征或边缘特征，R.ref＝0表示在机器人右侧预设范围内的地面上未检测到预设的线特征或边缘特征。
5.如权利要求1至3中任一项所述的方法，其特征在于，所述避障步骤中，所述预设的控制规则为：
当R.dist类型为停止距离，L.dist类型为停止距离时，机器人后退；
当R.dist类型为停止距离，L.dist类型非停止距离时，机器人向左中转；
当R.dist类型非停止距离，L.dist类型为停止距离时，机器人向右中转。
6.如权利要求1至3中任一项所述的方法，其特征在于，所述避障步骤中，所述预设的控制规则为：
当L.dist类型为近距离，R.dist类型为近距离时，机器人前进；
当L.dist类型为近距离，R.dist类型为中距离时，机器人向右小转；
当L.dist类型为近距离，R.dist类型为远距离时，机器人向右大转；
当L.dist类型为中距离，R.dist类型为近距离时，机器人向左小转；
当L.dist类型为中距离，R.dist类型为中距离时，机器人前进；
当L.dist类型为中距离，R.dist类型为远距离时，机器人向右中转；
当L.dist类型为远距离，R.dist类型为近距离时，机器人向左大转；
当L.dist类型为远距离，R.dist类型为中距离时，机器人向左中转；
当L.dist类型为远距离，R.dist类型为远距离时，机器人前进。
CN201711164231.6A 2017-11-21 2017-11-21 一种移动机器人及其避障和路径规划方法和系统 Active CN107976999B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711164231.6A CN107976999B (zh) 2017-11-21 2017-11-21 一种移动机器人及其避障和路径规划方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711164231.6A CN107976999B (zh) 2017-11-21 2017-11-21 一种移动机器人及其避障和路径规划方法和系统

Publications (2)

Publication Number Publication Date
CN107976999A CN107976999A (zh) 2018-05-01
CN107976999B true CN107976999B (zh) 2020-11-06

Family

ID=62010682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711164231.6A Active CN107976999B (zh) 2017-11-21 2017-11-21 一种移动机器人及其避障和路径规划方法和系统

Country Status (1)

Country Link
CN (1) CN107976999B (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10395117B1 (en) 2016-08-29 2019-08-27 Trifo, Inc. Visual-inertial positional awareness for autonomous and non-autonomous tracking
US10162362B2 (en) 2016-08-29 2018-12-25 PerceptIn, Inc. Fault tolerance to provide robust tracking for autonomous positional awareness
US10390003B1 (en) 2016-08-29 2019-08-20 Perceptln Shenzhen Limited Visual-inertial positional awareness for autonomous and non-autonomous device
US10043076B1 (en) 2016-08-29 2018-08-07 PerceptIn, Inc. Visual-inertial positional awareness for autonomous and non-autonomous tracking
US11314262B2 (en) 2016-08-29 2022-04-26 Trifo, Inc. Autonomous platform guidance systems with task planning and obstacle avoidance
CN108803602B (zh) * 2018-06-01 2021-07-13 浙江亚特电器有限公司 障碍物自学习方法及新障碍物自学习方法
CN108681339A (zh) * 2018-06-15 2018-10-19 东汉太阳能无人机技术有限公司 无人机导航方法、导航系统及无人机
CN108742346A (zh) * 2018-06-27 2018-11-06 杨扬 遍历工作环境的方法及建立栅格地图的方法
CN108628326B (zh) * 2018-07-11 2020-04-07 哈尔滨工程大学 一种智能水下机器人运动重规划策略
CN110955233A (zh) * 2018-09-25 2020-04-03 上海云绅智能科技有限公司 一种机器人的防撞方法、机器人及防撞系统
CN109460030A (zh) * 2018-11-29 2019-03-12 广东电网有限责任公司 一种机器人避障系统
CN109739223B (zh) * 2018-12-17 2020-07-03 中国科学院深圳先进技术研究院 机器人避障控制方法、装置、终端设备及存储介质
US11774983B1 (en) 2019-01-02 2023-10-03 Trifo, Inc. Autonomous platform guidance systems with unknown environment mapping
CN109828582B (zh) * 2019-02-28 2019-10-29 沈阳师范大学 基于多传感器信息融合的智能小车路径规划方法及系统
CN110187709A (zh) * 2019-06-11 2019-08-30 北京百度网讯科技有限公司 行驶处理方法、设备和存储介质
CN110155883B (zh) * 2019-06-26 2020-10-27 上海应用技术大学 桥式起重机路径规划系统
CN111289002A (zh) * 2019-09-24 2020-06-16 陈水弟 一种机器人路径规划方法及系统
CN111077890A (zh) * 2019-12-27 2020-04-28 湘潭大学 一种基于gps定位与自动避障的农业机器人的实现方法
CN111273658A (zh) * 2020-01-13 2020-06-12 北京理工大学 一种移动机器人及障碍物探测方法
CN113495551B (zh) * 2020-03-18 2024-03-19 北京猎户星空科技有限公司 一种机器人控制方法、装置、电子设备及存储介质
CN111759241B (zh) * 2020-06-24 2021-10-15 湖南格兰博智能科技有限责任公司 一种扫地机器人清扫路径规划及导航控制方法
CN112526983B (zh) * 2020-09-11 2022-10-28 深圳银星智能集团股份有限公司 一种机器人的路径规划方法、主控芯片及机器人
CN112130564B (zh) * 2020-09-11 2022-12-13 珠海一微半导体股份有限公司 机器人转动角度的获取方法
CN112506189A (zh) * 2020-11-19 2021-03-16 深圳优地科技有限公司 一种控制机器人移动的方法
CN112506196B (zh) * 2020-12-07 2022-09-20 合肥工业大学 基于先验知识的机器人避障方法和系统
CN114167872A (zh) * 2021-12-08 2022-03-11 江西省智能产业技术创新研究院 机器人避障方法、系统、计算机及机器人

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103592944A (zh) * 2013-10-24 2014-02-19 燕山大学 一种超市购物机器人及其行进路径规划方法
CN104111655A (zh) * 2014-08-06 2014-10-22 深圳乐智机器人有限公司 一种基于远程控制的智能家居服务机器人系统
KR101598900B1 (ko) * 2014-09-02 2016-03-03 인하대학교 산학협력단 안전공간을 기반으로 수정된 a스타 알고리즘을 이용한 안전경로 생성 장치
CN105425801A (zh) * 2015-12-10 2016-03-23 长安大学 基于先进路径规划技术的智能清洁机器人及其清洁方法
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
CN106325285A (zh) * 2016-11-05 2017-01-11 杭州畅动智能科技有限公司 一种基于水下避障装置的控制方法
CN106444780A (zh) * 2016-11-10 2017-02-22 速感科技（北京）有限公司 一种基于视觉定位算法的机器人的自主导航方法及系统
CN106527424A (zh) * 2016-09-20 2017-03-22 深圳市银星智能科技股份有限公司 移动机器人及移动机器人的导航方法
CN207529226U (zh) * 2017-11-21 2018-06-22 深圳普思英察科技有限公司 一种移动机器人

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR112016011577B1 (pt) * 2013-11-20 2021-01-12 Rowbot Systems Llc plataforma de veículo autônomo, sistema de plataforma de veículo autônomo, robô agrícola e método para a navegação autônoma de um robô agrícola

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103592944A (zh) * 2013-10-24 2014-02-19 燕山大学 一种超市购物机器人及其行进路径规划方法
CN104111655A (zh) * 2014-08-06 2014-10-22 深圳乐智机器人有限公司 一种基于远程控制的智能家居服务机器人系统
KR101598900B1 (ko) * 2014-09-02 2016-03-03 인하대학교 산학협력단 안전공간을 기반으로 수정된 a스타 알고리즘을 이용한 안전경로 생성 장치
CN105425801A (zh) * 2015-12-10 2016-03-23 长安大学 基于先进路径规划技术的智能清洁机器人及其清洁方法
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
CN106527424A (zh) * 2016-09-20 2017-03-22 深圳市银星智能科技股份有限公司 移动机器人及移动机器人的导航方法
CN106325285A (zh) * 2016-11-05 2017-01-11 杭州畅动智能科技有限公司 一种基于水下避障装置的控制方法
CN106444780A (zh) * 2016-11-10 2017-02-22 速感科技（北京）有限公司 一种基于视觉定位算法的机器人的自主导航方法及系统
CN207529226U (zh) * 2017-11-21 2018-06-22 深圳普思英察科技有限公司 一种移动机器人

Also Published As

Publication number Publication date
CN107976999A (zh) 2018-05-01

Similar Documents

Publication Publication Date Title
CN107976999B (zh) 一种移动机器人及其避障和路径规划方法和系统
US11703879B2 (en) All weather autonomously driven vehicles
US10444357B2 (en) System and method for optimizing active measurements in 3-dimensional map generation
CN207529226U (zh) 一种移动机器人
US20200409382A1 (en) Intelligent cleaning robot
US10386840B2 (en) Cruise control system and method
JP6962007B2 (ja) 自律走行台車の走行制御装置、自律走行台車
US11321572B2 (en) Self-position estimation method and self-position estimation device
WO2019126332A1 (en) Intelligent cleaning robot
US10093312B2 (en) Obstacle determining apparatus, moving body, and obstacle determining method
KR20150047215A (ko) 회전형 라이다 센서를 이용한 타겟 차량 감지 장치 및 회전형 라이다 센서
JP2009031884A (ja) 自律移動体、自律移動体におけるマップ情報作成方法および自律移動体における移動経路特定方法
JP2011059905A (ja) ロボット、制御プログラム、及び記録媒体
CN210402103U (zh) 障碍物探测系统和自动导航车
JP2009223757A (ja) 自律移動体、その制御システム、自己位置推定方法
CN111435164A (zh) 一种机器人检测障碍的方法及机器人
KR102373825B1 (ko) 골프장 자동 운전차의 내비게이션 전환 설비
JP6781535B2 (ja) 障害物判定装置及び障害物判定方法
RU2740229C1 (ru) Способ локализации и построения навигационных карт мобильного сервисного робота
JP3149661B2 (ja) 無人搬送車の位置同定方法
CN114103933B (zh) 障碍物定位方法、泊车控制方法、装置和车辆
JP7396353B2 (ja) 地図作成システム、信号処理回路、移動体および地図作成方法
Tatsis et al. Design and implementation of obstacle detection system for powered wheelchairs
KR102421831B1 (ko) 차량 및 차량의 제어방법
US9587950B2 (en) Carrier

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
TA01 Transfer of patent application right

Effective date of registration: 20181116

Address after: Room 201, Building A, No. 1 Qianwan Road, Nanshan District, Shenzhen, Guangdong 518000

Applicant after: Shenzhen Yuanfu Technology Co., Ltd.

Address before: 518000 Nanshan Street Nanshan Avenue New Green Island Building 3A36, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: Shenzhen Pusi Yingcha Technology Co. Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180501

Assignee: Zhongguancun Technology Leasing Co., Ltd

Assignor: SHENZHEN TRIFO TECHNOLOGY Co.,Ltd.

Contract record no.: X2021980016601

Denomination of invention: A mobile robot and its obstacle avoidance and path planning method and system

Granted publication date: 20201106

License type: Exclusive License

Record date: 20211228

EE01 Entry into force of recordation of patent licensing contract
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A mobile robot and its obstacle avoidance and path planning method and system

Effective date of registration: 20211229

Granted publication date: 20201106

Pledgee: Zhongguancun Technology Leasing Co., Ltd

Pledgor: SHENZHEN TRIFO TECHNOLOGY Co.,Ltd.

Registration number: Y2021980017055

PE01 Entry into force of the registration of the contract for pledge of patent right