CN108089586A - 一种机器人自主导航装置、方法及机器人 - Google Patents
一种机器人自主导航装置、方法及机器人 Download PDFInfo
- Publication number
- CN108089586A CN108089586A CN201810091046.7A CN201810091046A CN108089586A CN 108089586 A CN108089586 A CN 108089586A CN 201810091046 A CN201810091046 A CN 201810091046A CN 108089586 A CN108089586 A CN 108089586A
- Authority
- CN
- China
- Prior art keywords
- robot
- obstacle information
- barrier
- grid
- blind area
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000004888 barrier function Effects 0.000 claims abstract description 62
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 238000012360 testing method Methods 0.000 claims description 27
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 53
- 230000008569 process Effects 0.000 description 9
- 210000002583 cell-derived microparticle Anatomy 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- 230000004807 localization Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
-
- 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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- 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
- G05D1/02—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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及人工智能技术领域，尤其涉及一种机器人自主导航装置、方法及机器人。一种机器人自主导航方法，随机器人行进的至少一种测距传感器在其实时对应的探测盲区内，自机器人进入到离开所述探测盲区期间，机器人在接近探测盲区时所测得的障碍物信息作为路径导航模块的导航指引，以保证机器人在经过障碍物所在栅格时不会因实时障碍信息的刷新在探测盲区撞到障碍物。还提供了一种机器人自主导航装置。还提供了一种机器人，其具有所述的机器人自主导航装置；和/或，其采用所述的机器人自主导航方法进行导航。减少了机器人与障碍物发生碰撞的概率，提高了机器人导航的准确性和高效性。
Description
技术领域
本发明涉及人工智能的技术领域，尤其涉及一种机器人自主导航装置、方法及机器人。
背景技术
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。
SLAM (simultaneous localization and mapping),也称为CML (ConcurrentMapping and Localization), 即时定位与地图构建，或并发建图与定位。问题可以描述为：将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图，同时一边决定机器人应该往哪个方向行进。例如扫地机器人就是一个很典型的SLAM问题，所谓完全的地图（a consistent map）是指不受障碍行进到房间可进入的每个角落。 SLAM最早由SmithSelf和Cheeseman于1988年提出。由于其重要的理论与应用价值，被很多学者认为是实现真正全自主移动机器人的关键。
现有的SLAM导航定位装置，多采用单一的外体测距传感器信息。如基于二维激光雷达的2D-SLAM、基于深度相机（亦称类Kinect相机）的RGBD-SLAM等。由于依赖的测距传感器较为单一，机器人无法获得对周围环境的全部感知，使得某些场景下导航避障效果不尽人意。现有的测距仪多进行局部动态避障，因探测盲区进而局部代价地图失效，造成机器人与障碍物发生碰撞。
发明内容
本发明的目的在于提出一种机器人自主导航方法，通过区分传感器在机器人行进过程中所对应的探测盲区和有效测试区，将于探测盲区邻近的有效测试区内所测的对应探测盲区的障碍物信息，在机器人经过探测盲区过程中作为导航指引，防止机器人在行进或拐弯过程中因为探测盲区无法测出准确的障碍物信息，而将整个探测盲区均视作无障碍物进行路线规划，减少了机器人与障碍物发生碰撞的概率，提高了机器人导航的准确性和高效性。
为达此目的，本发明采用以下技术方案：
一种机器人自主导航方法，随机器人行进的至少一种测距传感器在其实时对应的探测盲区内，自机器人进入到离开所述探测盲区期间，机器人在接近探测盲区时所测得的障碍物信息作为路径导航模块的导航指引，以保证机器人在经过障碍物所在栅格时不会因实时障碍信息的刷新在探测盲区撞到障碍物。
作为本技术方案的优选方案之一，至少在激光雷达、超声波测距仪、深度相机或毫米波雷达这四种测距传感器的其中一种或任意种组合在实时对应的探测盲区内，自机器人进入到离开所述的探测盲区，机器人未进入探测盲区时所测得的障碍物最新信息作为导航指引。
作为本技术方案的优选方案之一，通过随机器人行进的激光雷达进行局部和/或全局建图并栅格化，至少包括激光雷达在内的测距传感器在有效测试区实时更新测得障碍物信息，并将相应的障碍物信息关联至对应栅格，且不同测距传感器之间就同一栅格的测试结果出现有障碍物信息和无障碍物信息的冲突时，输出有障碍物信息。
作为本技术方案的优选方案之一，所述激光雷达在有效量程内测量出的障碍物信息包括距离d和方向角度r，将障碍物信息对应的参数d和r转化为局部和/或全局地图中的坐标，并关联至与坐标对应的栅格，其中d和r均为常数。
作为本技术方案的优选方案之一，所述超声波测距仪在有效量程内测量出的障碍物信息（P，Ω），其中P为超声波测距仪所测障碍物的距离，Ω为超声波的角度误差范围，将障碍物信息P和Ω转化为局部和/或全局地图中的坐标，并关联至对应栅格，所述P和Ω为常数。
作为本技术方案的优选方案之一，所述深度相机在有效测距范围内测量设定高度范围内的障碍物信息，将障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格。
作为本技术方案的优选方案之一，所述高度范围为（H0，H1），其中，H0不高于机器人所能行走的地表平面，H1不低于机器人的最高点，所述H0和H1为常数。
作为本技术方案的优选方案之一，至少一种测距传感器其存在误差为（-E，E），则在将障碍物信息按照误差范围沿误差方向膨胀对应宽度后，以膨胀后的障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格；或者，将障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格，根据误差范围对具有障碍物的栅格沿误差的方向或全方位进行膨胀，以膨胀后的区域作为具有障碍物栅格进行导航指引，其中E为正常数。
作为本技术方案的优选方案之一，所述栅格的边长为δ，当2E/δ小于1时，对具有障碍物的栅格不进行膨胀；当2E/δ大于等于1时，对具有障碍物的栅格进行膨胀，所述δ为正常数。
一种机器人自主导航装置，包括：随机器人行进的至少一种测距传感器和与所述测距传感器相连接的控制器，至少在测距传感器实时对应的探测盲区内，自机器人进入到离开所述探测盲区期间，机器人在接近探测盲区时所测得的障碍物信息作为路径导航模块的导航指引，以保证机器人在经过障碍物所在栅格时不会因实时障碍信息的刷新在探测盲区撞到障碍物。
作为本技术方案的优选方案之一，所述测距传感器至少包括用于局部和/或全局建图的激光雷达，所述控制器包括与激光雷达相连接的SLAM建图模块和路径导航模块，测距传感器在有效测试区实时更新测得障碍物信息，并将相应的障碍物信息关联至对应栅格，且不同测距传感器之间就同一栅格的测试结果出现有障碍物信息和无障碍物信息的冲突时，输出有障碍物信息。
一种机器人，其具有所述的机器人自主导航装置；和/或，所述机器人采用所述的机器人自主导航方法进行导航。
有益效果：通过区分传感器在机器人行进过程中所对应的探测盲区和有效测试区，将在有探测盲区邻近的有效测试区内所测的对应探测盲区的障碍物信息，在机器人经过探测盲区过程中作为导航指引，防止机器人在行进或拐弯过程中因为探测盲区无法测出准确的障碍物信息，而将整个探测盲区均视作无障碍物进行路线规划，减少了机器人与障碍物发生碰撞的概率，提高了机器人导航的准确性和高效性。
附图说明
图1是本发明实施例1提供的机器人自主导航装置的结构示意图。
图2是本发明实施例2提供的机器人自主导航装置的结构示意图。
图3是本发明实施例3提供的机器人自主导航装置的结构示意图。
图4是本发明实施例4提供的机器人自主导航装置的结构示意图。
图中：1、控制器；2、激光雷达；3、超声波测距仪；4、深度相机；5、毫米波雷达；6、驱动系统；11、SLAM建图模块；12、路径导航模块。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
现有技术的机器人导航系统，多采用单一的外体测距传感器。由于依赖的测距传感器较为单一，因不同的外体测距传感器，其测试的精度范围和盲区均有不同，适用场景材料和环境也有诸多不同，机器人无法获得对周围环境的全部感知，使得导航避障效果不尽人意。现有的用于测距的外体测距传感器为了减少计算量提高机器人的反应效率，多进行局部动态避障，因外体测距传感器的自身局限所存在的探测盲区往往会使得局部代价地图失效，造成机器人与障碍物发生碰撞。
本发明提供了一种机器人自主导航方法，随机器人行进的至少一种测距传感器在其实时对应的探测盲区内，自机器人进入到离开所述探测盲区期间，机器人在接近探测盲区时所测得的障碍物信息作为路径导航模块12的导航指引，以保证机器人在经过障碍物所在栅格时不会因实时障碍信息的刷新在探测盲区撞到障碍物。所述测距传感器包括但不限于激光雷达、超声波测距仪、深度相机或毫米波雷达。
通过区分传感器在机器人行进过程中所对应的探测盲区和有效测试区，将在有探测盲区邻近的有效测试区内所测的对应探测盲区的障碍物信息，在机器人经过探测盲区过程中作为导航指引，防止机器人在行进或拐弯过程中因为探测盲区无法测出准确的障碍物信息，而将整个探测盲区均视作无障碍物进行路线规划，减少了机器人与障碍物发生碰撞的概率，提高了机器人导航的准确性和高效性。
测距传感器对有效测试区的障碍物信息进行实时检测和更新，保证了机器人在行进规划具有较好的时效性，利于应对复杂的外部环境例如障碍物不断活动或外部的障碍物整体变动。
作为优选方案之一，至少在激光雷达、超声波测距仪、深度相机或毫米波雷达这四种测距传感器的其中一种或任意种组合在实时对应的探测盲区内，自机器人进入到离开所述的探测盲区，机器人未进入探测盲区时所测得的障碍物最新信息作为导航指引。
通过随机器人行进的激光雷达2进行局部和/或全局建图并栅格化，至少在激光雷达2实时对应的探测盲区内，激光雷达2、超声测距仪、深度相机4、毫米波雷达5这几个测距传感器的其中一个或者任意个数的组合在对应的有效测试区实时更新测得障碍物信息，并将相应的障碍物信息关联至对应栅格，且不同测距传感器之间就同一栅格的测试结果出现有障碍物信息和无障碍物信息的冲突时，输出有障碍物信息。所述局部和/或全局地图的建图，可以是先建立局部地图，也可以是先建立全局地图，还可以是先建立局部地图再将建立的局部地图拼接起来成为全局地图；或者，还可以是先建立全局地图然后在全局地图上进行局部地图的实时更新。
本发明采用的激光雷达2，是以发射激光束探测目标的位置、速度等特征量的雷达系统。其工作原理是向目标发射探测信号(激光束或红外光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,作相应处理后,就可获得目标的有关信息,如目标距离、方位、高度、速度、姿态、甚至形状等参数，测距准确率高，还可获得准确率极高的角度、距离和速度分辨率。且激光雷达2测试频率高，数据刷新快，测量周期通常以ms计算，有效的提高了局部行进规划的及时性和准确性。本发明以激光雷达2用作机器人自主导航的局部或全局建图，建图准确，建图效率高。
具体的，所述激光雷达2在有效量程内测量出的障碍物信息包括距离d和方向角度r，以局部和/或全局地图中的某一个确定的点为原点，将障碍物信息对应的参数d和r转化为局部和/或全局地图中的坐标，并将障碍物信息对应的局部和/或全局地图中的坐标关联至对应的栅格。所述障碍物信息可以储存在局部和/或全局地图中，或者也可以储存在与障碍物信息向对应的栅格中，或者所述障碍物信息可以传输出至路径规划模块，作为对机器人自主导航的指引，其中d和r均为常数。
激光雷达2存在厘米级的测量误差，因测程和测量方式的不同，不同的激光雷达2具有不同的误差范围。为了保证机器人自主导航的安全性和运行的顺畅性，需要进一步膨胀障碍物区域。本实施例以激光雷达2的误差为（-E，E）为例，存在两种膨胀方法，第一种，将障碍物信息按照误差范围（-E，E）沿误差方向膨胀对应宽度后，以膨胀后的障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格。第二种，将障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格。并以有障碍物的栅格为基础，按照误差范围的方向或者全方位进行膨胀，以膨胀后的区域作为具有障碍物栅格进行导航指引。其中第一种膨胀方法准确的提供了障碍物信息，但计算量较大，第二种膨胀方法，减轻了计算量，但存在缩小机器人运动区域的可能性。因此需要根据具体的情况选择使用那一种膨胀方法。
本发明还提供了一种机器人自主导航装置，如图1所示，包括：随机器人行进的至少一种测距传感器和与所述测距传感器相连接的控制器1，所述控制器1包括至少与其中一个测距传感器相连接的SLAM建图模块11和路径导航模块12，路径导航模块12至少在测距传感器实时对应的探测盲区内，自机器人进入到离开所述探测盲区期间，机器人在接近探测盲区时所测得的障碍物信息作为路径导航模块12的导航指引，以保证机器人在经过障碍物时不会因实时障碍信息的刷新在探测盲区撞到障碍物。
具体实施时，所述测距传感器至少包括用于局部和/或全局建图的激光雷达2，所述控制器1包括与激光雷达2相连接的SLAM建图模块11和路径导航模块12，所述SLAM建图模块11还连接有路径导航模块12，所述路径导航模块12连接机器人的驱动系统6。所述路径导航模块12根据接收到的障碍物信息设定行走路径并指令驱动系统6进行配合驱动，或者根据驱动系统6的运行状况实时调整路径。
本发明还提供了一种机器人，其具有所述的机器人自主导航装置。
本发明还提供了一种机器人，其采用所述的机器人自主导航方法进行导航。
实施例2
因为不同的测距传感器其针对不同的适用条件，具有不同的探测盲区，因此，为了提高机器人自主导航的准确性，需要配备不同的测距传感器组合。与实施例1不同的是，还采用超声波测距仪3来探测透明物体，如图2所示，超声波测距仪3指向性强，能量消耗缓慢，在介质中传播的距离较远，但是存在测量精度不够的缺点，不过因其可以检测到透明物体例如玻璃等的存在，因此在本发明的技术方案中采用超声波测距仪3来探测透明物体，减少了移动机器撞到透明障碍物的几率。
激光雷达2和超声测距仪3的组合在对应的有效测试区实时更新测得障碍物信息，并将相应的障碍物信息关联至对应栅格，且当激光雷达2和超声波测距仪3之间就同一栅格的测试结果出现有障碍物信息和无障碍物信息的冲突时，输出有障碍物信息。
所述超声波测距仪3在有效量程内测量出的障碍物信息（P，Ω），其中P为超声波测距仪3所测障碍物的距离，Ω为超声波的角度误差范围，将障碍物信息P和Ω转化为局部和/或全局地图中的坐标，并关联至对应栅格，所述P和Ω为常数。
关于超声波测距仪3的误差容错处理有以下两种方式：所述超声波测距仪3的误差为（-E，E），则在将障碍物信息按照误差范围沿误差方向膨胀对应宽度后，以膨胀后的障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格；或者，将障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格，根据误差范围对具有障碍物的栅格沿误差的方向或全方位进行膨胀，以膨胀后的区域作为具有障碍物栅格进行导航指引。
第二种方式，所述栅格的边长为δ，当2E/δ小于1时，对具有障碍物的栅格不进行膨胀；当2E/δ大于等于1时，对具有障碍物的栅格进行膨胀，所述δ为正常数。
优选的，因超声波测距仪3的误差范围较大，且本身Ω为超声波测距的角度误差范围，已经存在一定的容差量，如果再加上测距仪的误差范围，往往存在障碍物信息范围扩大过度的问题，因此，优选的，采用所述第二种处理方式，当2E/δ小于1时，即超声波测距仪3在障碍物处的误差范围小于半个栅格时，对具有障碍物的栅格不进行膨胀；当2E/δ大于等于1时，即超声波测距仪3在障碍物处的误差大于半个栅格时，超声波测距仪3对具有障碍物的栅格进行膨胀。
实施例3
在实施例1和/或实施例2的基础上，如图3所示，采用深度相机4作为对激光雷达2的避障补充，对非规则形状障碍物避障更为准确。深度相机4作为距离测量中一种可替代的设备，拥有传统的三维测量系统所不具备的一些优点，如较低的价格以及较高的拍摄速度等，同时其对障碍物的形状和高度具有更为广阔的视角。
所述深度相机4在有效测距范围内测量设定高度范围内的障碍物信息，将障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格。所述高度范围为（H0，H1），为了进一步降低计算量，保证机器人可以安全通过， H0不高于机器人所能行走的地表平面，H1不低于机器人的最高点，所述H0和H1为常数。
激光雷达2、深度相机4和/或超声波测距仪3的组合在每个测距传感器对应的有效测试区实时更新测得障碍物信息，并将相应的障碍物信息关联至对应栅格，且当激光雷达2、深度相机4和/或超声波测距仪3之间就同一栅格的测试结果出现有障碍物信息和无障碍物信息的冲突时，输出有障碍物信息。
因为测距传感器本身的精度所限，所述深度相机4存在（-E，+E）的误差范围，则在将障碍物信息按照误差范围沿误差方向膨胀对应宽度后，以膨胀后的障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格；或者，将障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格，根据误差范围对具有障碍物的栅格沿误差的方向或全方位进行膨胀，以膨胀后的区域作为具有障碍物栅格进行导航指引。
实施例4
在实施例1-3任一实施例的基础上，为了解决雨雾等外部恶劣天气或室内水雾较大的情况下激光雷达2、深度相机4类测距传感器测距受到较大影响误差较大的情况，本技术方案采用毫米波雷达5作为距离传感器的一种，间断或全时段的作为测距传感器组合的其中一种进行测距。
毫米波雷达5，是工作在毫米波波段（millimeter wave ）探测的雷达。毫米波兼有微波制导和光电制导的优点。与红外、激光、电视等光学导引头相比，毫米波导引头穿透雾、烟、灰尘的能力强，具有全天候(大雨天除外)全天时的特点。同时毫米波雷达5具有天线波束窄、分辨率高、频带宽、抗干扰力强等特点，因而具有反隐形能力。具有成像能力，体积小、机动性和隐蔽性好。
如图4所示，激光雷达2、超声测距仪、深度相机4和毫米波雷达5的组合在对应的有效测试区实时更新测得障碍物信息，并将相应的障碍物信息关联至对应栅格，且当激光雷达2、超声波测距仪3、深度相机4和毫米波雷达5之间就同一栅格的测试结果出现有障碍物信息和无障碍物信息的冲突时，输出有障碍物信息。
因为测距传感器本身的精度所限，所述毫米波雷达5存在（-E，+E）的误差范围，则在将障碍物信息按照误差范围沿误差方向膨胀对应宽度后，以膨胀后的障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格；或者，将障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格，根据误差范围对具有障碍物的栅格沿误差的方向或全方位进行膨胀，以膨胀后的区域作为具有障碍物栅格进行导航指引。
综上所述，通过区分传感器在机器人行进过程中所对应的探测盲区和有效测试区，将在有探测盲区邻近的有效测试区内所测的对应探测盲区的障碍物信息，在机器人经过探测盲区过程中作为导航指引，防止机器人在行进或拐弯过程中因为探测盲区无法测出准确的障碍物信息，而将整个探测盲区均视作无障碍物进行路线规划，减少了机器人与障碍物发生碰撞的概率，提高了机器人导航的准确性和高效性。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。
Claims (10)
1.一种机器人自主导航方法，其特征在于，随机器人行进的至少一种测距传感器在其实时对应的探测盲区内，自机器人进入到离开所述探测盲区期间，机器人在接近探测盲区时所测得的障碍物信息作为路径导航模块的导航指引，以保证机器人在经过障碍物时不会因实时障碍信息的刷新在探测盲区撞到障碍物。
2.根据权利要求1所述的机器人自主导航方法，其特征在于，至少在激光雷达、超声波测距仪、深度相机或毫米波雷达这四种测距传感器的其中一种或任意种组合在实时对应的探测盲区内，自机器人进入到离开所述的探测盲区，机器人未进入探测盲区时所测得的障碍物最新信息作为导航指引。
3.根据权利要求2所述的机器人自主导航方法，其特征在于，通过随机器人行进的激光雷达进行局部和/或全局建图并栅格化，至少包括激光雷达在内的测距传感器在有效测试区实时更新测得障碍物信息，并将相应的障碍物信息关联至对应栅格，且不同测距传感器之间就同一栅格的测试结果出现有障碍物信息和无障碍物信息的冲突时，输出有障碍物信息。
4.根据权利要求3所述的机器人自主导航方法，其特征在于，所述激光雷达在有效量程内测量出的障碍物信息包括距离d和方向角度r，将障碍物信息对应的参数d和r转化为局部和/或全局地图中的坐标，并关联至与坐标对应的栅格，其中d和r均为常数。
5.根据权利要求3所述的机器人自主导航方法，其特征在于，所述超声波测距仪在有效量程内测量出的障碍物信息（P，Ω），其中P为超声波测距仪所测障碍物的距离，Ω为超声波的角度误差范围，将障碍物信息P和Ω转化为局部和/或全局地图中的坐标，并关联至对应栅格，所述P和Ω为常数。
6.根据权利要求3所述的机器人自主导航方法，其特征在于，所述深度相机在有效测距范围内测量设定高度范围内的障碍物信息，将障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格;进一步地，所述高度范围为（H0，H1），其中，H0不高于机器人所能行走的地表平面，H1不低于机器人的最高点，所述H0和H1为常数。
7.根据权利要求4-6任一项所述的机器人自主导航方法，其特征在于，至少一种测距传感器其存在误差为（-E，E），则在将障碍物信息按照误差范围沿误差方向膨胀对应宽度后，以膨胀后的障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格；或者，将障碍物信息转化为局部和/或全局地图中的坐标，并关联至对应栅格，根据误差范围对具有障碍物的栅格沿误差的方向或全方位进行膨胀，以膨胀后的区域作为具有障碍物栅格进行导航指引，其中E为正常数。
8.根据权利要求5所述的机器人自主导航方法，其特征在于，所述栅格的边长为δ，当2E/δ小于1时，对具有障碍物的栅格不进行膨胀；当2E/δ大于等于1时，对具有障碍物的栅格进行膨胀，所述δ为正常数。
9.一种机器人自主导航装置，其特征在于，包括：随机器人行进的至少一种测距传感器和与所述测距传感器相连接的控制器，所述控制器包括至少与其中一个测距传感器相连接的SLAM建图模块和路径导航模块，至少在测距传感器实时对应的探测盲区内，自机器人进入到离开所述探测盲区期间，机器人在接近探测盲区时所测得的障碍物信息作为路径导航模块的导航指引，以保证机器人在经过障碍物时不会因实时障碍信息的刷新在探测盲区撞到障碍物；进一步地，所述测距传感器至少包括用于局部和/或全局建图的激光雷达，所述控制器包括与激光雷达相连接的SLAM建图模块和路径导航模块，测距传感器在有效测试区实时更新测得障碍物信息，并将相应的障碍物信息关联至对应栅格，且不同测距传感器之间就同一栅格的测试结果出现有障碍物信息和无障碍物信息的冲突时，输出有障碍物信息。
10.一种机器人，其特征在于，其具有权利要求9所述的机器人自主导航装置；和/或，所述机器人采用权利要求1-8之一所述的机器人自主导航方法进行导航。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810091046.7A CN108089586A (zh) | 2018-01-30 | 2018-01-30 | 一种机器人自主导航装置、方法及机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810091046.7A CN108089586A (zh) | 2018-01-30 | 2018-01-30 | 一种机器人自主导航装置、方法及机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108089586A true CN108089586A (zh) | 2018-05-29 |
Family
ID=62183540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810091046.7A Pending CN108089586A (zh) | 2018-01-30 | 2018-01-30 | 一种机器人自主导航装置、方法及机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108089586A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108852184A (zh) * | 2018-09-14 | 2018-11-23 | 李子璐 | 一种基于深度学习算法的无盲区扫地机器人及其清扫控制方法 |
| CN108931253A (zh) * | 2018-07-24 | 2018-12-04 | 福勤智能科技（昆山）有限公司 | 智能引导车辆的导航方法、装置、智能引导车辆及介质 |
| CN109916393A (zh) * | 2019-03-29 | 2019-06-21 | 电子科技大学 | 一种基于机器人位姿的多重栅格值导航方法及其应用 |
| CN110320913A (zh) * | 2019-07-10 | 2019-10-11 | 苏州欧博智慧机器人有限公司 | 低速无人驾驶控制装置及方法 |
| CN110618685A (zh) * | 2019-10-25 | 2019-12-27 | 中国船舶科学研究中心（中国船舶重工集团公司第七0二研究所） | 一种无人水面艇障碍物探测误差修正及安全避碰方法 |
| CN110967703A (zh) * | 2018-09-27 | 2020-04-07 | 广东美的生活电器制造有限公司 | 使用激光雷达和摄像头的室内导航方法及室内导航装置 |
| CN111308491A (zh) * | 2020-03-09 | 2020-06-19 | 中振同辂(江苏)机器人有限公司 | 一种基于多传感器组合的障碍物感知方法 |
| CN111399492A (zh) * | 2018-12-28 | 2020-07-10 | 深圳市优必选科技有限公司 | 一种机器人及其障碍物感知方法和装置 |
| CN111426312A (zh) * | 2020-03-31 | 2020-07-17 | 上海擎朗智能科技有限公司 | 定位地图的更新方法、装置、设备及存储介质 |
| CN111469127A (zh) * | 2020-04-14 | 2020-07-31 | 北京海益同展信息科技有限公司 | 代价地图更新方法、装置、机器人及存储介质 |
| CN113465618A (zh) * | 2020-03-30 | 2021-10-01 | 株式会社电装 | 交通工具的目标导向的导航系统及相关方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120053755A1 (en) * | 2010-08-30 | 2012-03-01 | Denso Corporation | Traveling environment recognition device and method |
| EP2883769A2 (de) * | 2013-12-12 | 2015-06-17 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Querführung eines Kraftfahrzeugs, insbesondere zur Ausweichunterstützung |
| DE102015211539A1 (de) * | 2015-06-23 | 2016-12-29 | Bayerische Motoren Werke Aktiengesellschaft | Kraftfahrzeug mit einer Ultraschallsensoranordnung |
-
2018
- 2018-01-30 CN CN201810091046.7A patent/CN108089586A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120053755A1 (en) * | 2010-08-30 | 2012-03-01 | Denso Corporation | Traveling environment recognition device and method |
| EP2883769A2 (de) * | 2013-12-12 | 2015-06-17 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Querführung eines Kraftfahrzeugs, insbesondere zur Ausweichunterstützung |
| DE102015211539A1 (de) * | 2015-06-23 | 2016-12-29 | Bayerische Motoren Werke Aktiengesellschaft | Kraftfahrzeug mit einer Ultraschallsensoranordnung |
Non-Patent Citations (3)
| Title |
|---|
| 李秀智;贾松敏;: "基于多源融合式SLAM的机器人三维环境建模" * |
| 李长勇;蔡骏;房爱青;杨凯;: "多传感器融合的机器人导航算法研究" * |
| 韩金华;王立权;韩宗真;孟庆鑫;裘运根;: "护士助手机器人在结构化环境中的导航系统研究" * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108931253A (zh) * | 2018-07-24 | 2018-12-04 | 福勤智能科技（昆山）有限公司 | 智能引导车辆的导航方法、装置、智能引导车辆及介质 |
| CN108852184B (zh) * | 2018-09-14 | 2023-12-26 | 李子璐 | 一种基于深度学习算法的无盲区扫地机器人及其清扫控制方法 |
| CN108852184A (zh) * | 2018-09-14 | 2018-11-23 | 李子璐 | 一种基于深度学习算法的无盲区扫地机器人及其清扫控制方法 |
| CN110967703A (zh) * | 2018-09-27 | 2020-04-07 | 广东美的生活电器制造有限公司 | 使用激光雷达和摄像头的室内导航方法及室内导航装置 |
| CN111399492A (zh) * | 2018-12-28 | 2020-07-10 | 深圳市优必选科技有限公司 | 一种机器人及其障碍物感知方法和装置 |
| CN109916393A (zh) * | 2019-03-29 | 2019-06-21 | 电子科技大学 | 一种基于机器人位姿的多重栅格值导航方法及其应用 |
| CN110320913A (zh) * | 2019-07-10 | 2019-10-11 | 苏州欧博智慧机器人有限公司 | 低速无人驾驶控制装置及方法 |
| CN110618685A (zh) * | 2019-10-25 | 2019-12-27 | 中国船舶科学研究中心（中国船舶重工集团公司第七0二研究所） | 一种无人水面艇障碍物探测误差修正及安全避碰方法 |
| CN111308491A (zh) * | 2020-03-09 | 2020-06-19 | 中振同辂(江苏)机器人有限公司 | 一种基于多传感器组合的障碍物感知方法 |
| CN113465618A (zh) * | 2020-03-30 | 2021-10-01 | 株式会社电装 | 交通工具的目标导向的导航系统及相关方法 |
| CN111426312A (zh) * | 2020-03-31 | 2020-07-17 | 上海擎朗智能科技有限公司 | 定位地图的更新方法、装置、设备及存储介质 |
| CN111469127A (zh) * | 2020-04-14 | 2020-07-31 | 北京海益同展信息科技有限公司 | 代价地图更新方法、装置、机器人及存储介质 |
| CN111469127B (zh) * | 2020-04-14 | 2022-06-07 | 京东科技信息技术有限公司 | 代价地图更新方法、装置、机器人及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN207752371U (zh) | 一种机器人自主导航装置及机器人 | |
| CN108089586A (zh) | 一种机器人自主导航装置、方法及机器人 | |
| Wu et al. | Survey of underwater robot positioning navigation | |
| EP3715785B1 (en) | Slam assisted ins | |
| Borenstein et al. | Mobile robot positioning: Sensors and techniques | |
| CN110520754A (zh) | 用于使用表面穿透雷达进行车辆定位的方法和系统 | |
| CN106384353A (zh) | 一种基于rgbd的目标定位方法 | |
| WO2017177533A1 (zh) | 基于激光雷达的微型无人机操控方法及系统 | |
| CN104932515B (zh) | 一种自主巡航方法以及巡航设备 | |
| Nieuwenhuisen et al. | Multimodal obstacle detection and collision avoidance for micro aerial vehicles | |
| US20110285981A1 (en) | Sensor Element and System Comprising Wide Field-of-View 3-D Imaging LIDAR | |
| US20080239279A1 (en) | Ladar-based motion estimation for navigation | |
| Chambers et al. | Perception for a river mapping robot | |
| Delaune et al. | Range-visual-inertial odometry: Scale observability without excitation | |
| Ribas et al. | Underwater SLAM in a marina environment | |
| CN106289235A (zh) | 基于建筑结构图的自主计算精度可控室内定位导航方法 | |
| CN111413708A (zh) | 基于激光雷达的无人机自主识别着陆选址方法 | |
| EP3799618B1 (en) | Method of navigating a vehicle and system thereof | |
| CN107153422A (zh) | 飞机着陆系统和方法 | |
| CN115031718B (zh) | 一种多传感器融合的无人船同步定位与建图方法(slam)及系统 | |
| Loebis et al. | Review of multisensor data fusion techniques and their application to autonomous underwater vehicle navigation | |
| Lee et al. | See and avoidance behaviors for autonomous navigation | |
| CN108332749B (zh) | 一种室内动态追踪定位方法 | |
| CN111061273B (zh) | 一种无人艇用自主避障融合方法和系统 | |
| Adams et al. | Autonomous navigation: Achievements in complex environments |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180529 |