CN108345306A - 路径规划方法、道路信息的更新方法、设备及存储介质 - Google Patents
路径规划方法、道路信息的更新方法、设备及存储介质 Download PDFInfo
- Publication number
- CN108345306A CN108345306A CN201810116287.2A CN201810116287A CN108345306A CN 108345306 A CN108345306 A CN 108345306A CN 201810116287 A CN201810116287 A CN 201810116287A CN 108345306 A CN108345306 A CN 108345306A
- Authority
- CN
- China
- Prior art keywords
- robot
- description information
- barrier point
- path
- information
- 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 107
- 230000004888 barrier function Effects 0.000 claims abstract description 274
- 230000015654 memory Effects 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 21
- 238000013461 design Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 201000001880 Sexual dysfunction Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 231100000872 sexual dysfunction Toxicity 0.000 description 1
- 239000007787 solid Substances 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 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
- G05D1/0246—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 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0257—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 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Abstract
本发明实施例涉及机器人技术领域,公开了一种路径规划方法、道路信息的更新方法、设备及存储介质。本发明中,路径规划方法包括:获取第一机器人的能力描述信息、路径起点的信息和路径终点的信息;根据第一机器人的能力描述信息以及地图中道路的障碍点描述信息,为第一机器人在地图中规划从路径起点到路径终点的路径,其中,地图中道路的障碍点描述信息中至少包括障碍点的标识与通过障碍点所需的机器人的能力描述信息之间的对应关系。根据机器人的能力描述信息为机器人规划路径,使得规划的路径更适合该机器人,减少了由于该机器人的能力不足无法抵达路径终点的情况。
Description
技术领域
本发明实施例涉及机器人技术领域,特别涉及路径规划方法、道路信息的更新方法、设备及存储介质。
背景技术
机器人是自动控制机器的俗称,包括一切模拟人类行为或思想和模拟其他生物的机械(如机器狗,机器猫等)。目前,很多机器人都具备了自主行动和自主路径规划的能力,机器人可以通过本地或云端的导航信息从起点出发到达目的地,同时也可能结合自身的视觉和/或雷达等能力在大路径确定的情况下辅助进行避障、防碰撞和交规遵守等动作。
然而,发明人发现现有技术中至少存在如下问题:大多数情况下,因为实际路线的复杂性过高,即使不考虑交通状况,只考虑道路和机器人能力情况,如坡度太高导致机器人上不去,轮组卡在石头缝里,机器人无法下台阶等等无数多种可能的异常,机器人很难在没有人为干预的情况下实现穿越马路和街道从A点到达B点(例如街道坡度太高导致机器人无法行进)。而一台机器人遇到状况无法行进后,其他机器人可能依然在走这条路线。对于相同规格的机器人,则很可能会重蹈覆辙。对于不同规格的机器人,则只能等该机器人到了相同位置才知道是否能够越过当前障碍。
发明内容
本发明实施方式的目的在于提供一种路径规划方法、道路信息的更新方法、设备及存储介质,使得规划的路径更适合该机器人,减少了由于该机器人的能力不足无法抵达路径终点的情况。
为解决上述技术问题,本发明的实施方式提供了一种路径规划方法,包括以下步骤:获取第一机器人的能力描述信息、路径起点的信息和路径终点的信息;根据第一机器人的能力描述信息以及地图中道路的障碍点描述信息,为第一机器人在地图中规划从路径起点到路径终点的路径,其中,地图中道路的障碍点描述信息中至少包括障碍点的标识与通过障碍点所需的机器人的能力描述信息之间的对应关系。
本发明的实施方式还提供了一种道路信息的更新方法,包括以下步骤:获取第一机器人沿规划的路径行进过程中得到的新的障碍点描述信息,其中,新的障碍点描述信息为第一机器人遇到无法通过的障碍点时获得;根据新的障碍点描述信息更新地图中道路的障碍点描述信息,其中,地图中道路的障碍点描述信息至少包括障碍点的标识与通过障碍点所需的机器人的能力描述信息之间的对应关系。
本发明的实施方式还提供了一种路径规划设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上述实施方式的路径规划方法。
本发明的实施方式还提供了一种道路信息的更新设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如上述实施方式的道路信息的更新方法。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述实施方式的路径规划的方法。
本发明的实施方式还提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现上述实施方式的道路信息的更新方法。
本发明实施方式相对于现有技术而言,根据机器人的能力描述信息和地图中道路的障碍点描述信息为机器人规划路径,使得规划的路径的行进难度与该机器人的能力匹配,减少了由于机器人的能力不足无法抵达路径终点的情况,降低了机器人行进过程中自然人的参与程度。
另外,在为第一机器人在地图中规划从路径起点到路径终点的路径之后,路径规划方法还包括:获取第一机器人沿规划的路径行进过程中得到的新的障碍点描述信息,其中,新的障碍点描述信息为第一机器人遇到无法通过的障碍点时获得,新的障碍点描述信息中至少包括无法通过的障碍点的标识以及第一机器人的能力描述信息,或者,新的障碍点描述信息中至少包括无法通过的障碍点的标识以及通过无法通过的障碍点所需的机器人的能力描述信息;根据新的障碍点描述信息更新地图中道路的障碍点描述信息。该方式中,根据机器人行进过程中遇到的无法通过的障碍点的描述信息更新地图,不断地完善地图,使得地图中道路的障碍点描述信息更全面、准确。
另外,在根据新的障碍点描述信息更新地图中道路的障碍点描述信息之后,路径规划方法还包括:根据第一机器人的能力描述信息以及更新后的地图中道路的障碍点描述信息,重新为第一机器人在地图中规划从路径起点到路径终点的路径。该方式中,在每次更新地图中道路的障碍点描述信息后,重新为第一机器人规划路径,使得机器人能够绕开无法通行的障碍点继续行进。
另外,根据第一机器人的能力描述信息以及更新后的地图中道路的障碍点描述信息,重新为第一机器人在地图中规划从路径起点到路径终点的路径之前,路径规划方法还包括:确定第一机器人处于可运动状态。该方式中,在确定第一机器人处于可运动状态后,为该第一机器人重新规划路径,从而避免了在机器人无法动弹的情况下规划路径造成的资源浪费。
另外,在根据新的障碍点描述信息更新地图中道路的障碍点描述信息之后,路径规划方法还包括:若确定为第二机器人规划的路径需通过新的障碍点描述信息所指示的障碍点,根据第二机器人的能力描述信息以及更新后的地图中道路的障碍点描述信息,重新为第二机器人在地图中规划路径。该方式中,通过为需要经过该新的障碍点描述信息所指示的障碍点的第二机器人重新规划路径,避免了第二机器人在到达后才发现无法通过该障碍点的情况,提高了机器人成功到达目的地的概率。
另外,新的障碍点描述信息中还包括无法通过的障碍点的存在时长信息;地图中道路的障碍点描述信息中还包括障碍点的标识与存在时长信息之间的对应关系。该方式中,根据障碍点的存在时长信息更新地图,提高了地图中道路的障碍点描述信息的实时性。
另外,在为第一机器人在地图中规划从路径起点到路径终点的路径之后,路径规划方法还包括:获取第一机器人沿规划的路径行进过程中得到的各个道路点的描述信息;根据道路点的描述信息更新地图中的道路点的描述信息。该方式中,根据机器人行进过程中的道路点的描述信息实时更新地图,便于完善地图中的道路点的描述信息,并且能够避免单独采集道路点的描述信息造成的资源浪费。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是根据本发明第一实施方式的路径规划方法的流程图;
图2是根据本发明第二实施方式的路径规划方法的流程图;
图3是根据本发明第三实施方式的道路信息的更新方法的流程图;
图4是根据本发明第四实施方式的道路信息的更新方法的流程图;
图5是根据本发明第五实施方式的路径规划设备的结构示意图;
图6是根据本发明第六实施方式的道路信息的更新设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种路径规划方法,该路径规划方法的执行主体可以是按照规划的路径行进的机器人,也可以是云端服务器。其中,第一机器人、第二机器人仅是为了便于区分两个机器人,并不是用于特指某种类型的机器人。具体流程如图1所示。该路径规划方法包括以下步骤:
步骤101:获取第一机器人的能力描述信息、路径起点的信息和路径终点的信息。
具体实现中,第一机器人存储有第一机器人的能力描述信息,可从存储器中调取第一机器人的能力描述信息。第一机器人通过语音识别装置或其他输入装置获取路径起点的信息和路径终点的信息。
另一具体实现中,第一机器人将第一机器人的型号、路径起点的信息和路径终点的信息传输至云端服务器。云端服务器中存储有机器人的型号和机器人的能力描述信息的对应关系,可根据第一机器人的型号确定第一机器人的能力描述信息。
需要说明的是,第一机器人的能力描述信息可以包括机器人的爬坡能力、上台阶能力或下台阶能力等,此处不再一一赘述,在实际应用中,根据需要设置即可。
例如,第一机器人的能力描述信息为:爬坡能力为15°,轮宽20mm,无上下台阶能力。
步骤102:根据第一机器人的能力描述信息以及地图中道路的障碍点描述信息,为第一机器人在地图中规划从路径起点到路径终点的路径。
具体地说,地图中道路的障碍点描述信息中至少包括障碍点的标识与通过障碍点所需的机器人的能力描述信息之间的对应关系。第一机器人或云端服务器根据地图中道路的障碍点描述信息和第一机器人的能力描述信息,可以确定第一机器人可通过地图中的哪些道路,进而在地图中规划从路径起点到路径终点的路径。
值得一提的是,该路径是第一机器人或云端服务器结合第一机器人的能力描述信息确定的,更具针对性,可以减少第一机器人因自身能力不足无法沿该路径到达路径终点的情况。
需要说明的是,第一机器人或云端服务器在规划路径时,还可以结合其他约束条件确定路径。例如,第一机器人或云端服务器可以建立路径最短的优化目标函数,进而确定第一机器人可通过的最短路径。
具体实现中,为第一机器人在地图中规划从路径起点到路径终点的路径之后,第一机器人可以根据自身的视觉和/或雷达等能力,沿规划的路径行进。
需要说明的是,在为第一机器人在地图中规划从路径起点到路径终点的路径之后,还可以获取第一机器人沿规划的路径行进过程中得到的各个道路点的描述信息,根据道路点的描述信息更新地图中的道路点的描述信息。
具体实现中,在云端服务器进行路径规划的情况下,第一机器人将各个道路点的描述信息和第一机器人的位置信息传输至云端服务器,云端服务器根据各个道路点的描述信息和第一机器人的位置信息更新地图中的道路点的描述信息。
具体实现中,各个道路点的描述信息为根据各道路点信息建立的道路的三维模型。
值得一提的是,根据机器人行进过程中的道路点的描述信息实时更新地图,便于完善地图中的道路点的描述信息,并且能够避免单独采集道路点的描述信息造成的资源浪费。
需要说明的是,以上仅为举例说明,并不对本发明的技术方案构成限定。
与现有技术相比,本实施方式中提供的路径规划方法,根据机器人的能力描述信息和地图中道路的障碍点描述信息为机器人规划路径,使得规划的路径的行进难度与该机器人的能力匹配,减少了由于机器人的能力不足无法抵达路径终点的情况,进而提高了机器人的自动化程度,降低了机器人行进过程中自然人的参与程度。
本发明第二实施方式涉及一种路径规划方法,本实施方式在第一实施方式的基础上做了进一步改进,具体改进之处为:在根据第一机器人的能力描述信息以及地图中道路的障碍点描述信息,为第一机器人在地图中规划从路径起点到路径终点的路径之后,增加了其他相关步骤。
如图2所示,该路径规划方法包括步骤201至步骤207。其中,步骤201和步骤202分别与步骤101和步骤102大致相同,此处不再详述。下面主要介绍不同之处:
步骤201:获取第一机器人的能力描述信息、路径起点的信息和路径终点的信息。
步骤202:根据第一机器人的能力描述信息以及地图中道路的障碍点描述信息,为第一机器人在地图中规划从路径起点到路径终点的路径。
步骤203:获取第一机器人沿规划的路径行进过程中得到的新的障碍点描述信息。
具体地说,在第一机器人沿规划的路径行进过程中,新的障碍点描述信息为第一机器人遇到无法通过的障碍点时获得,新的障碍点描述信息中至少包括该无法通过的障碍点的标识以及第一机器人的能力描述信息,或者,新的障碍点描述信息中至少包括该无法通过的障碍点的标识以及通过该无法通过的障碍点所需的机器人的能力描述信息。
例如,通过该无法通过的障碍点所需的机器人的能力描述信息可以是坡度在25°以上、向下多节台阶等信息。
具体实现中,该无法通过的障碍点的标识可以是该障碍点的经纬度,也可以是能够标识该障碍点的其他信息。
需要说明的是,新的障碍点描述信息所指示的障碍点可以是已经记录在地图中的障碍点,也可以是由于修路等原因出现在道路中的新的障碍点。
具体实现中,第一机器人或云端服务器可通过判断第一机器人的速度和/或加速度是否为零,确定第一机器人是否遇到无法通过的障碍点。
具体实现中,第一机器人在确定遇到无法通过的障碍点时,通过加装在第一机器人上的检测系统(如重力传感器等各种传感器)检测新的障碍点,得到该新的障碍点描述信息。
另一具体实现中,第一机器人在确定遇到无法通过的障碍点时,通过第一机器人的视觉系统拍摄该无法通过的障碍点的图片。第一机器人或云端服务器对该图片进行分析,得到通过该无法通过的障碍点所需的机器人的能力描述信息(如上坡坡度大于25°),进而得到该新的障碍点描述信息。
步骤204:根据新的障碍点描述信息更新地图中道路的障碍点描述信息。
具体实现中,第一机器人或云端服务器根据道路的三维模型或预先存储的道路的图片,确定新的障碍点描述信息是否正确。若新的障碍点描述信息描述正确,则根据新的障碍点描述信息更新地图中道路的障碍点描述信息,若新的障碍点描述信息描述不正确,则不更新地图中道路的障碍点描述信息,以免错更地图导致后续规划路径出现差错。
需要说明的是,第一机器人或云端服务器还可以根据新的障碍点描述信息所指示的障碍点的上报次数以及往次上报的障碍点描述信息,确定新的障碍点描述信息是否描述正确,本实施方式不限制判断新的障碍点描述信息是否描述正确的方式。
另一具体实现中,该新的障碍点描述信息中还包括无法通过的障碍点的存在时长信息;地图中道路的障碍点描述信息中还包括障碍点的标识与存在时长信息之间的对应关系。在第一机器人或云端服务器确定新的障碍点描述信息描述正确后,第一机器人或云端服务器对地图中道路的障碍点描述信息进行备份,并根据新的障碍点描述信息更新地图中道路的障碍点描述信息。当到达新的障碍点描述信息中的存在时长后,则认为该新的障碍点描述信息所描述的障碍消除,恢复备份的障碍点描述信息。地图中道路的障碍点描述信息还包括存在时长信息,在到达地图中道路的障碍点描述信息中的存在时长后,则认为该障碍点的障碍已消除,将该障碍点及该障碍点描述信息从地图中删除。
值得一提的是,根据存在时长信息更新地图中道路的障碍点描述信息,提高了地图中道路的障碍点描述信息的实时性。
具体实现中,地图中道路的障碍点描述信息以表格的形式存储于云端服务器的存储器中。如表1所示,障碍点描述信息包括障碍点的标识(经纬度)、通过该无法通过的障碍点所需的机器人的能力描述信息(简称“所需能力信息”)、上报机器人的能力描述信息、上报次数和上报机器人信息。障碍点的标识为障碍点的经纬度信息(Xn,Yn);其中,Xn表示障碍点的纬度,Yn表示障碍点的经度。上报机器人信息包括但不限于机器人的型号(例如:model 1)或机器人的身份标识(Identity,ID)。
例如,第一机器人或云端服务器在获取新的障碍点描述信息后,先根据地图中道路的障碍点描述信息或道路点的信息判断描述是否正确,若确定描述正确且该新的障碍点的存在时长信息显示该障碍点为非临时性障碍,则根据该新的障碍点描述信息更新地图中道路的障碍点描述信息。其中,第一机器人或云端服务器在根据新的障碍点描述信息更新地图中道路的障碍点描述信息时,先根据新的障碍点的标识判断所指示的障碍点是否存储于表格中。若确定该障碍点存储于表格中,则将表格中该障碍点描述信息中的上报次数加1,并将第一机器人的型号或ID记入上报机器人信息中。若确定该障碍点未存储于表格中,则在表格中增加一行,将新的障碍点描述信息填入该行中。若第一机器人或云端服务器确定描述正确且该新的障碍点的存在时长信息显示该障碍点为临时性障碍(如修路、戒严等等),则先对地图中道路的障碍点描述信息进行备份,再根据该新的障碍点描述信息更新地图中道路的障碍点描述信息。待到达存在时长时,恢复该地图中道路的障碍点描述信息。例如,该新的障碍点描述信息的存在时长信息显示该障碍点的存在时长为7天,则在7天后恢复备份的障碍点描述信息。若确定该新的障碍点描述信息描述不正确,则不更新地图中道路的障碍点描述信息。
表1
步骤205:确定第一机器人处于可运动状态。
具体地说,可运动状态是指除无法通过障碍点所在方向以外,第一机器人可以向其他任意方向运动。第一机器人遇到无法通过的障碍点后,第一机器人或云端服务器可通过控制第一机器人返回路径中某一地点的方式,判断第一机器人是否处于可运动状态。若第一机器人可运动到该地点,则说明第一机器人处于可运动状态。
需要说明的是,实际应用中,还可以控制第一机器人沿某一轨迹运动,通过判断第一机器人收到指令后的速度或加速度是否为零,确定第一机器人是否处于可运动状态。本实施方式不限制判断第一机器人是否处于可运动状态的方式。
步骤206:根据第一机器人的能力描述信息以及更新后的地图中道路的障碍点描述信息,重新为第一机器人在地图中规划从路径起点到路径终点的路径。
具体地说,在确定第一机器人处于可运动状态时,第一机器人或云端服务器重新为第一机器人规划路径。在确定第一机器人不处于可运动状态(如卡在石头缝里)时,控制第一机器人报警,和/或,向云端服务器或控制第一机器人的终端发出报警指令。
值得一提的是,在每次更新地图中道路的障碍点描述信息后,重新为第一机器人规划路径,使得机器人能够绕开无法通行的障碍点继续行进。
步骤207:若确定为第二机器人规划的路径需通过新的障碍点描述信息所指示的障碍点,根据第二机器人的能力描述信息以及更新后的地图中道路的障碍点描述信息,重新为第二机器人在地图中规划路径。
具体实现中,第一机器人被困于无法通过的障碍点,且完全占用了该障碍点所在道路,向第二机器人和/或云端服务器发送新的障碍点描述信息。第二机器人或云端服务器自动根据新的障碍点描述信息更新地图中道路的障碍点描述信息,并根据第二机器人的能力描述信息以及更新后的地图中道路的障碍点描述信息,重新为第二机器人在地图中规划路径。
另一具体实现中,第一机器人的状态不对第二机器人造成影响。例如,第一机器人被困于无法通过的障碍点,但未完全占用该障碍点所在道路,或第一机器人处于可运动状态,已沿其他路径向路径终点行进。第一机器人向第二机器人和/或云端服务器发送新的障碍点描述信息。第二机器人或云端服务器自动根据新的障碍点描述信息更新地图中道路的障碍点描述信息,并根据第二机器人的能力描述信息以及更新后的地图中道路的障碍点描述信息,判断第二机器人是否可以通过该障碍点。若确定第二机器人也无法通过该障碍点,重新为第二机器人在地图中规划路径。若确定第二机器人可以通过该障碍点,第二机器人按原路径继续行进。
值得一提的是,为通过新的障碍点描述信息所指示的障碍点的第二机器人重新规划路径,避免了第二机器人在到达后才发现无法通过该障碍点的情况。
需要说明的是,步骤206和步骤207不是必须要执行的步骤,可以有选择性的执行步骤206和步骤207,或执行步骤206和步骤207中的任意一种。
需要说明的是,本实施方式中,为阐述清楚,将步骤207设置为步骤205和步骤206的后续步骤,但本领域技术人员可以理解,实际应用中,步骤207只需要设置在步骤204之后即可,步骤207可以根据需要设置为步骤204之后任一步骤,本实施方式不起限定作用。
需要说明的是,以上仅为举例说明,并不对本发明的技术方案构成限定。
与现有技术相比,本实施方式中提供的路径规划方法,根据机器人的能力描述信息和地图中道路的障碍点描述信息为机器人规划路径,使得规划的路径的行进难度与该机器人的能力匹配,减少了由于机器人的能力不足无法抵达路径终点的情况,进而提高了机器人的自动化程度,降低了机器人行进过程中自然人的参与程度。除此之外,在每次更新地图中道路的障碍点描述信息后,重新为第一机器人规划路径,使得机器人能够绕开无法通行的障碍点继续行进。通过为需要经过该新的障碍点描述信息所指示的障碍点的第二机器人重新规划路径,避免了第二机器人在到达后才发现无法通过该障碍点的情况。
本发明第三实施方式涉及一种道路信息的更新方法,该道路信息的更新方法的执行主体可以是按照规划的路径行进的机器人,也可以是云端服务器。其中,第一机器人、第二机器人仅是为了便于区分两个机器人,并不是用于特指某种类型的机器人。该道路信息的更新方法的具体实施可参见第二实施例中步骤203和步骤204的相关描述。如图3所示,该路径规划方法包括以下步骤:
步骤301:获取第一机器人沿规划的路径行进过程中得到的新的障碍点描述信息。
具体地说,新的障碍点描述信息为第一机器人遇到无法通过的障碍点时获得。
具体实现中,在第一机器人沿规划的路径行进的过程中,还可以获取第一机器人沿规划的路径行进过程中得到的各个道路点的描述信息;根据道路点的描述信息更新地图中的道路点的描述信息。
值得一提的是,根据机器人行进过程中的道路点的描述信息实时更新地图,便于完善地图中的道路点的描述信息,并且能够避免单独采集道路点的描述信息造成的资源浪费。
步骤302:根据新的障碍点描述信息更新地图中道路的障碍点描述信息。
具体地说,地图中道路的障碍点描述信息至少包括障碍点的标识与通过障碍点所需的机器人的能力描述信息之间的对应关系。新的障碍点描述信息中至少包括无法通过的障碍点的标识以及第一机器人的能力描述信息,或者,新的障碍点描述信息中至少包括无法通过的障碍点的标识以及通过无法通过的障碍点所需的机器人的能力描述信息。
具体实现中,新的障碍点描述信息中还可以包括无法通过的障碍点的存在时长信息;地图中道路的障碍点描述信息中还包括障碍点的标识与存在时长信息之间的对应关系。
值得一提的是,根据障碍点的存在时长信息更新地图,提高了地图中道路的障碍点描述信息的实时性。
需要说明的是,以上仅为举例说明,并不对本发明的技术方案构成限定。
与现有技术相比,本实施方式中提供的道路信息的更新方法,根据机器人行进过程中得到的新的障碍点描述信息更新地图中道路的障碍点描述信息,可以不断完善地图和地图中道路的障碍点描述信息,也可以避免同一机器人反复陷于同一障碍点的情况,避免其他能力不足以通过该障碍点的机器人陷于该障碍点的情况。
本发明的第四实施方式涉及一种道路信息的更新方法,本实施方式在第三实施方式的基础上做了进一步改进,该道路信息的更新方法的具体实施可参见第二实施例步骤203至步骤207的相关描述。本实施方式中,在根据新的障碍点描述信息更新地图中道路的障碍点描述信息之后,增加了其他相关步骤。
步骤401:获取第一机器人沿规划的路径行进过程中得到的新的障碍点描述信息。
步骤402:根据新的障碍点描述信息更新地图中道路的障碍点描述信息。
步骤403:确定第一机器人处于可运动状态。
值得一提的是,在确定第一机器人处于可运动状态后,为该第一机器人重新规划路径,从而避免了在机器人无法动弹的情况下规划路径造成的资源浪费。
步骤404:根据第一机器人的能力描述信息以及更新后的地图中道路的障碍点描述信息,重新为第一机器人在地图中规划从路径起点到路径终点的路径。
值得一提的是,在每次更新地图中道路的障碍点描述信息后,重新为第一机器人规划路径,使得机器人能够绕开无法通行的障碍点继续行进。
步骤405:若确定为第二机器人规划的路径需通过新的障碍点描述信息所指示的障碍点,根据第二机器人的能力描述信息以及更新后的地图中道路的障碍点描述信息,重新为第二机器人在地图中规划路径。
值得一提的是,通过为需要经过该新的障碍点描述信息所指示的障碍点的第二机器人重新规划路径,避免了第二机器人在到达后才发现无法通过该障碍点的情况。
需要说明的是,步骤404和步骤405不是必须要执行的步骤,可以有选择性的执行步骤404和步骤405,或执行步骤404和步骤405中的任意一种。
与现有技术相比,本实施方式中提供的道路信息的更新方法,根据机器人行进过程中得到的新的障碍点描述信息更新地图中道路的障碍点描述信息,可以不断完善地图和地图中道路的障碍点描述信息,也可以避免同一机器人反复陷于同一障碍点的情况,避免其他能力不足以通过该障碍点的机器人陷于该障碍点的情况。除此之外,在确定第一机器人处于可运动状态后,为该第一机器人重新规划路径,从而避免了在机器人无法动弹的情况下规划路径造成的资源浪费。在每次更新地图中道路的障碍点描述信息后,重新为第一机器人规划路径,使得机器人能够绕开无法通行的障碍点继续行进。通过为需要经过该新的障碍点描述信息所指示的障碍点的第二机器人重新规划路径,避免了第二机器人在到达后才发现无法通过该障碍点的情况。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第五实施方式涉及一种路径规划设备,如图5所示,包括至少一个处理器501;以及,与至少一个处理器501通信连接的存储器502;其中,存储器502存储有可被至少一个处理器501执行的指令,指令被至少一个处理器501执行,以使至少一个处理器501能够执行第一实施方式或第二实施方式的路径规划方法。具体实现中,路径规划设备为机器人或云端服务器。
本发明第六实施方式涉及一种道路信息的更新设备,如图6所示,包括至少一个处理器601;以及,与至少一个处理器601通信连接的存储器602;其中,存储器602存储有可被至少一个处理器601执行的指令,指令被至少一个处理器601执行,以使至少一个处理器601能够执行第三实施方式或第四实施方式的道路信息的更新方法。具体实现中,道路信息的更新设备为机器人或云端服务器。
第五实施方式和第六实施方式中,处理器、存储器可以通过总线或者其他方式连接,图5和图6中以通过总线连接为例。存储器作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中障碍点描述信息和机器人的能力描述信息就存储于存储器中。处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述路径规划方法或道路信息的更新方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储选项列表等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器中,当被一个或者多个处理器执行时,执行上述任意方法实施例中的路径规划方法或道路信息的更新方法。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本申请的第七实施例涉及一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述任一实施例所描述的路径规划方法或者道路信息的更新方法。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (20)
1.一种路径规划方法,其特征在于,包括:
获取第一机器人的能力描述信息、路径起点的信息和路径终点的信息;
根据所述第一机器人的能力描述信息以及地图中道路的障碍点描述信息,为所述第一机器人在所述地图中规划从所述路径起点到所述路径终点的路径,其中,所述地图中道路的障碍点描述信息中至少包括障碍点的标识与通过所述障碍点所需的机器人的能力描述信息之间的对应关系。
2.根据权利要求1所述的路径规划方法,其特征在于,在所述为所述第一机器人在所述地图中规划从所述路径起点到所述路径终点的路径之后,所述路径规划方法还包括:
获取所述第一机器人沿规划的路径行进过程中得到的新的障碍点描述信息,其中,所述新的障碍点描述信息为所述第一机器人遇到无法通过的障碍点时获得,所述新的障碍点描述信息中至少包括所述无法通过的障碍点的标识以及所述第一机器人的能力描述信息,或者,所述新的障碍点描述信息中至少包括所述无法通过的障碍点的标识以及通过所述无法通过的障碍点所需的机器人的能力描述信息;
根据所述新的障碍点描述信息更新所述地图中道路的障碍点描述信息。
3.根据权利要求2所述的路径规划方法,其特征在于,在所述根据所述新的障碍点描述信息更新所述地图中道路的障碍点描述信息之后,所述路径规划方法还包括:
根据所述第一机器人的能力描述信息以及更新后的所述地图中道路的障碍点描述信息,重新为所述第一机器人在所述地图中规划从所述路径起点到所述路径终点的路径。
4.根据权利要求3所述的路径规划方法,其特征在于,所述根据所述第一机器人的能力描述信息以及更新后的所述地图中道路的障碍点描述信息,重新为所述第一机器人在所述地图中规划从所述路径起点到所述路径终点的路径之前,所述路径规划方法还包括:
确定所述第一机器人处于可运动状态。
5.根据权利要求2至4中任一项所述的路径规划方法,其特征在于,在所述根据所述新的障碍点描述信息更新所述地图中道路的障碍点描述信息之后,所述路径规划方法还包括:
若确定为第二机器人规划的路径需通过所述新的障碍点描述信息所指示的障碍点,根据所述第二机器人的能力描述信息以及更新后的所述地图中道路的障碍点描述信息,重新为所述第二机器人在所述地图中规划路径。
6.根据权利要求2至4中任一项所述的路径规划方法,其特征在于,所述新的障碍点描述信息中还包括所述无法通过的障碍点的存在时长信息;
所述地图中道路的障碍点描述信息中还包括所述障碍点的标识与存在时长信息之间的对应关系。
7.根据权利要求1至4中任一项所述的路径规划方法,其特征在于,在所述为所述第一机器人在所述地图中规划从所述路径起点到所述路径终点的路径之后,所述路径规划方法还包括:
获取所述第一机器人沿规划的路径行进过程中得到的各个道路点的描述信息;
根据所述道路点的描述信息更新所述地图中的道路点的描述信息。
8.一种道路信息的更新方法,其特征在于,包括:
获取第一机器人沿规划的路径行进过程中得到的新的障碍点描述信息,其中,所述新的障碍点描述信息为所述第一机器人遇到无法通过的障碍点时获得;
根据所述新的障碍点描述信息更新所述地图中道路的障碍点描述信息,其中,所述地图中道路的障碍点描述信息至少包括障碍点的标识与通过所述障碍点所需的机器人的能力描述信息之间的对应关系。
9.根据权利要求8所述的道路信息的更新方法,其特征在于,所述新的障碍点描述信息中至少包括所述无法通过的障碍点的标识以及所述第一机器人的能力描述信息,或者,所述新的障碍点描述信息中至少包括所述无法通过的障碍点的标识以及通过所述无法通过的障碍点所需的机器人的能力描述信息。
10.根据权利要求8或9所述的道路信息的更新方法,其特征在于,在所述根据所述新的障碍点描述信息更新所述地图中道路的障碍点描述信息之后,所述道路信息的更新方法还包括:
根据所述第一机器人的能力描述信息以及更新后的所述地图中道路的障碍点描述信息,重新为所述第一机器人在所述地图中规划从所述路径起点到所述路径终点的路径。
11.根据权利要求10所述的道路信息的更新方法,其特征在于,所述根据所述第一机器人的能力描述信息以及更新后的所述地图中道路的障碍点描述信息,重新为所述第一机器人在所述地图中规划从所述路径起点到所述路径终点的路径之前,所述路径规划方法还包括:
确定所述第一机器人处于可运动状态。
12.根据权利要求8或9所述的道路信息的更新方法,其特征在于,在所述根据所述新的障碍点描述信息更新所述地图中道路的障碍点描述信息之后,所述路径规划方法还包括:
若确定为第二机器人规划的路径需通过所述新的障碍点描述信息所指示的障碍点,根据所述第二机器人的能力描述信息以及更新后的所述地图中道路的障碍点描述信息,重新为所述第二机器人在所述地图中规划路径。
13.根据权利要求9所述的道路信息的更新方法,其特征在于,所述新的障碍点描述信息中还包括所述无法通过的障碍点的存在时长信息;
所述地图中道路的障碍点描述信息中还包括所述障碍点的标识与存在时长信息之间的对应关系。
14.根据权利要求8或9所述的道路信息的更新方法,其特征在于,所述路径规划方法还包括:
获取所述第一机器人沿规划的路径行进过程中得到的各个道路点的描述信息;
根据所述道路点的描述信息更新所述地图中的道路点的描述信息。
15.一种路径规划设备,其特征在于,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-7任一所述的路径规划方法。
16.根据权利要求15所述的路径规划设备,其特征在于,所述路径规划设备为机器人或云端服务器。
17.一种道路信息的更新设备,其特征在于,包括:至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求8-14任一所述的道路信息的更新方法。
18.根据权利要求17所述的路径规划设备,其特征在于,所述道路信息的更新设备为机器人或云端服务器。
19.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的路径规划的方法。
20.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求8至14中任一项所述的道路信息的更新方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810116287.2A CN108345306A (zh) | 2018-02-06 | 2018-02-06 | 路径规划方法、道路信息的更新方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810116287.2A CN108345306A (zh) | 2018-02-06 | 2018-02-06 | 路径规划方法、道路信息的更新方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108345306A true CN108345306A (zh) | 2018-07-31 |
Family
ID=62959095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810116287.2A Pending CN108345306A (zh) | 2018-02-06 | 2018-02-06 | 路径规划方法、道路信息的更新方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108345306A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108789421A (zh) * | 2018-09-05 | 2018-11-13 | 厦门理工学院 | 基于云平台的云机器人交互方法和云机器人及云平台 |
CN109101022A (zh) * | 2018-08-09 | 2018-12-28 | 北京智行者科技有限公司 | 一种作业路径更新方法 |
CN112013840A (zh) * | 2020-08-19 | 2020-12-01 | 安克创新科技股份有限公司 | 扫地机器人及其地图构建方法和装置 |
CN112327828A (zh) * | 2020-10-09 | 2021-02-05 | 深圳优地科技有限公司 | 路径规划方法、装置及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8392111B2 (en) * | 2006-08-04 | 2013-03-05 | Samsung Electronics Co., Ltd. | Navigation method, medium, and system |
CN104121915A (zh) * | 2013-04-25 | 2014-10-29 | 中国移动通信集团安徽有限公司 | 一种道路实时导航方法及系统 |
CN105843222A (zh) * | 2016-03-18 | 2016-08-10 | 北京航空航天大学 | 一种六轮/腿机器人复合运动路径规划方法 |
CN105865467A (zh) * | 2016-03-31 | 2016-08-17 | 百度在线网络技术(北京)有限公司 | 基于地图的导航方法和装置 |
CN106646513A (zh) * | 2016-12-29 | 2017-05-10 | 上海遥薇(集团)有限公司 | 一种基于智能机器人的地图构建系统和地图导航方法 |
-
2018
- 2018-02-06 CN CN201810116287.2A patent/CN108345306A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8392111B2 (en) * | 2006-08-04 | 2013-03-05 | Samsung Electronics Co., Ltd. | Navigation method, medium, and system |
CN104121915A (zh) * | 2013-04-25 | 2014-10-29 | 中国移动通信集团安徽有限公司 | 一种道路实时导航方法及系统 |
CN105843222A (zh) * | 2016-03-18 | 2016-08-10 | 北京航空航天大学 | 一种六轮/腿机器人复合运动路径规划方法 |
CN105865467A (zh) * | 2016-03-31 | 2016-08-17 | 百度在线网络技术(北京)有限公司 | 基于地图的导航方法和装置 |
CN106646513A (zh) * | 2016-12-29 | 2017-05-10 | 上海遥薇(集团)有限公司 | 一种基于智能机器人的地图构建系统和地图导航方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101022A (zh) * | 2018-08-09 | 2018-12-28 | 北京智行者科技有限公司 | 一种作业路径更新方法 |
CN108789421A (zh) * | 2018-09-05 | 2018-11-13 | 厦门理工学院 | 基于云平台的云机器人交互方法和云机器人及云平台 |
CN112013840A (zh) * | 2020-08-19 | 2020-12-01 | 安克创新科技股份有限公司 | 扫地机器人及其地图构建方法和装置 |
CN112327828A (zh) * | 2020-10-09 | 2021-02-05 | 深圳优地科技有限公司 | 路径规划方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11216355B2 (en) | Autonomous vehicle testing systems and methods | |
CN108345306A (zh) | 路径规划方法、道路信息的更新方法、设备及存储介质 | |
CN107992050B (zh) | 无人驾驶汽车局部路径运动规划方法和装置 | |
US11027751B2 (en) | Reinforcement and model learning for vehicle operation | |
US10861183B2 (en) | Method and device for short-term path planning of autonomous driving through information fusion by using V2X communication and image processing | |
JP2022163098A (ja) | 自律走行車の動作管理 | |
US20200134494A1 (en) | Systems and Methods for Generating Artificial Scenarios for an Autonomous Vehicle | |
JP2021504812A (ja) | 自律車両のための物体相互作用予測システムおよび方法 | |
US10852721B1 (en) | Autonomous vehicle hybrid simulation testing | |
CN113805572A (zh) | 运动规划的方法与装置 | |
US11169513B2 (en) | Operational testing of autonomous vehicles | |
CN110146910A (zh) | 一种基于gps与激光雷达数据融合的定位方法及装置 | |
CN107837044A (zh) | 清洁机器人的分区清洁方法、装置及机器人 | |
CN110444028A (zh) | 多路口信号灯控制方法、装置及设备 | |
CN108268518A (zh) | 生成用于无人车导航控制的网格地图的装置 | |
EP4174440A1 (en) | Environment-aware path planning for a self-driving vehicle using dynamic step-size search | |
CN104951918A (zh) | 一种时间窗路径规划方法 | |
CN106574842A (zh) | 导航系统 | |
CN107949769A (zh) | 用于更新一车辆中电子地图的方法 | |
CN112327865A (zh) | 一种自动驾驶系统及方法 | |
Lee et al. | A learning-based framework for handling dilemmas in urban automated driving | |
CN103745613A (zh) | 缩微道路环境下缩微智能车的定位导航实施方法 | |
Tippannavar et al. | SDR–Self Driving Car Implemented using Reinforcement Learning & Behavioural Cloning | |
Chipka et al. | Estimation and navigation methods with limited information for autonomous urban driving | |
CN114942639A (zh) | 一种移动机器人自适应路径规划方法及装置 |
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: 20180731 |
|
RJ01 | Rejection of invention patent application after publication |