CN109425352A - 自移动机器人路径规划方法 - Google Patents

自移动机器人路径规划方法 Download PDF

Info

Publication number
CN109425352A
CN109425352A CN201710743056.XA CN201710743056A CN109425352A CN 109425352 A CN109425352 A CN 109425352A CN 201710743056 A CN201710743056 A CN 201710743056A CN 109425352 A CN109425352 A CN 109425352A
Authority
CN
China
Prior art keywords
self
movement robot
working space
walking
map
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
CN201710743056.XA
Other languages
English (en)
Inventor
汤进举
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.)
Ecovacs Robotics Suzhou Co Ltd
Original Assignee
Ecovacs Robotics Suzhou 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 Ecovacs Robotics Suzhou Co Ltd filed Critical Ecovacs Robotics Suzhou Co Ltd
Priority to CN201710743056.XA priority Critical patent/CN109425352A/zh
Priority to JP2020508014A priority patent/JP7159291B2/ja
Priority to EP18847907.5A priority patent/EP3672762B1/en
Priority to PCT/CN2018/102368 priority patent/WO2019037790A1/en
Priority to EP21199359.7A priority patent/EP3950235B1/en
Priority to US16/112,673 priority patent/US20190064832A1/en
Publication of CN109425352A publication Critical patent/CN109425352A/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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D57/00—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track
    • B62D57/02—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3837—Data obtained from a single source
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3863—Structures of map data
    • G01C21/387—Organisation of map data, e.g. version management or database structures
    • G01C21/3878—Hierarchical structures, e.g. layering
    • 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
    • G05D1/0268—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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

一种自移动机器人路径规划方法，包括如下步骤：步骤100：自移动机器人在待作业空间中行走，采集不同高度的障碍物信息并生成所述待作业空间的多层环境地图；步骤200：对所述多层环境地图中的信息进行综合处理，获得综合处理数据；步骤300：根据所述综合处理数据，规划自移动机器人行走路径。本发明所提供的自移动机器人路径规划方法程序简便，计算速度快，规划合理，使自移动机器人的工作效率得到了大大地提高。

Description

自移动机器人路径规划方法
技术领域
本发明涉及一种自移动机器人路径规划方法，属于小家电制造技术领域。
背景技术
对于自移动机器人来说，为了保证其在作业空间的有效行走，必须要建立带有空间信息的环境地图，用来帮助自移动机器人判断是否可以通过，并进行路径规划。但是，由于自移动机器人都会有一定的高度，现有的二维地图并不能很好的指导机器人行走，而使用三维地图的数据量，计算量都比较大，有在一定程度上延长了数据处理时间和作业时间，使自移动机器人的工作效率偏低，对环境感知能力差，行走路径不合理。
发明内容
本发明所要解决的技术问题在于针对现有技术的不足，提供一种自移动机器人路径规划方法，通过采集不同高度的障碍物信息并生成所述待作业空间的多层环境地图，获得综合处理数据，规划自移动机器人行走路径，方法简便，计算速度快，路径规划合理且工作效率得到了大大地提高。
本发明所要解决的技术问题是通过如下技术方案实现的：
一种自移动机器人路径规划方法，包括如下步骤：
步骤100：自移动机器人在待作业空间中行走，采集不同高度的障碍物信息并生成所述待作业空间的多层环境地图；
步骤200：对所述多层环境地图中的信息进行综合处理，获得综合处理数据；
步骤300：根据所述综合处理数据，规划自移动机器人行走路径。
具体来说，所述步骤100的中的多层环境地图包含多个二维地图，每个二维地图对应不同高度的障碍物信息。
所述步骤200中的综合处理包括：将每个二维地图中的障碍物信息取并集，得到待作业空间的所有障碍物信息。
或者，所述步骤200中的综合处理包括：将每个二维地图中的可行走区域取交集，得到可行走区域。
或者，所述步骤200中的综合处理包括：将每个二维地图中的障碍物信息取并集，得到待作业空间的所有障碍物信息；并将每个二维地图中的可行走区域取交集，得到所述待作业空间的可行走区域信息。
所述可行走区域为待作业空间中所有与障碍物之间的距离不小于特定值的区域。所述特定值为20厘米。
除此之外，所述多层地图也可以为一个二维地图，所述二维地图对应不同高度障碍物的综合分布信息。为了便于识别，所述不同平面高度的障碍物信息用不同方式标记。
为了兼顾人工介入路径规划的问题，所述步骤200中的获得综合处理数据还可以包括：
步骤210：判断是否需要增加新的行走路径，如果是，则对应更新多层环境地图后进入步骤300；否则，直接进入步骤300。
另外，在所述步骤100中，所述自移动机器人在待作业空间中行走，所述行走的方式可以为多种，具体包括：所述自移动机器人原地扫描探测周边区域，并向下一个未探测区域行走，直至探测完待作业空间的全部区域。
或者，所述行走方式为：所述自移动机器人直接进入待作业空间的中间位置，在所述中间位置扫描探测周边区域，并向下一个未探测到区域行走，直至探测完待作业空间的全部区域。
或者，所述行走的方式为：遍历行走。
更具体地，所述步骤300中的规划自移动机器人行走路径包括：
在所述可行走区域中选择自移动机器人的起点和终点，起点和终点间最短路径为行走路径。
综上所述，本发明提供一种自移动机器人路径规划方法，通过采集不同高度的障碍物信息并生成所述待作业空间的多层环境地图，获得综合处理数据，规划自移动机器人行走路径，方法简便，计算速度快，路径规划合理且工作效率得到了大大地提高。
下面结合附图和具体实施例，对本发明的技术方案进行详细地说明。
附图说明
图1为本发明实施例一的流程图；
图2为本发明实施例四的流程图。
具体实施方式
实施例一
图1为本发明自移动机器人路径规划方法的流程图。如图1所示，本发明提供一种自移动机器人路径规划方法，包括如下步骤：
步骤100：自移动机器人在待作业空间中行走，采集不同高度的障碍物信息并生成所述待作业空间的多层环境地图；
步骤200：对所述多层环境地图中的信息进行综合处理，获得综合处理数据；
步骤300：根据所述综合处理数据，规划自移动机器人行走路径。
具体来说，所述步骤100的中的多层环境地图包含多个二维地图，每个二维地图对应不同高度的障碍物信息。上述的多个二维地图是通过设置在自移动机器人机体不同高度上的传感器组件的探测来实现的，比如：激光测距传感器组件、红外传感器组件或超声波传感器组件等。这些设置在不同高度上的传感器组件将待作业空间在特定高度范围内，分割成多个探测层，并记录每个探测层探测到的障碍物信息生成多层环境地图。在实际应用中，能够探测到待作业空间的高度范围，由各种传感器组件本身的工作范围决定。
所述步骤200中的综合处理包括：将每个二维地图中的障碍物信息取并集，得到待作业空间的所有障碍物信息。即：只要在多层环境地图中的其中一层环境地图上某处有障碍物，就认定所述某处自移动机器人无法通过，该位置为自移动机器人不可行走的区域，那么待作业空间的除了上述不可行走的区域之外的部分，均为可行走区域，自移动机器人的路径规划在可行走区域范围内进行规划。
另外，在所述步骤100中，所述自移动机器人在待作业空间中行走，所述行走的方式可以为多种，在本实施例中，所述自移动机器人原地扫描探测周边区域，并向下一个未探测区域行走，直至探测完待作业空间的全部区域。上述的原地是只自移动机器人刚开机时所处的位置。
更具体地，所述步骤300中的规划自移动机器人行走路径包括：在所述可行走区域中选择自移动机器人的起点和终点，起点和终点间最短路径为行走路径。当自移动机器人规划好路径之后，需要从当前位置移动到起点开始进行作业时，根据已建立的多层环境地图，规划较优的行走路线行走。
因此，在实施例一中，自移动机器人通过原地探测的方式，获得二维多层环境地图，并从多层环境地图中选取障碍物信息的并集，获得可行走区域，并在该区域中规划路径。
实施例二
本实施例中所提供的自移动机器人路径规划方法，包括如下步骤：
步骤100：自移动机器人在待作业空间中行走，采集不同高度的障碍物信息并生成所述待作业空间的多层环境地图；
步骤200：对所述多层环境地图中的信息进行综合处理，获得综合处理数据；
步骤300：根据所述综合处理数据，规划自移动机器人行走路径。
具体来说，所述步骤100的中的多层环境地图包含多个二维地图，每个二维地图对应不同高度的障碍物信息。
所述步骤200中的综合处理包括：将每个二维地图中的可行走区域取交集，得到可行走区域。即：只要在多层环境地图中的每一层环境地图上都认定某处为可行走区域，则所述某处为可行走区域。
所述可行走区域为待作业空间中所有与障碍物之间的距离不小于特定值的区域。所述特定值为20厘米。实际工作中，需综合考量障碍物区域和可行走区域，选取可行走区域中离障碍物一定距离的区域作为较优的行走路径。
另外，在所述步骤100中，所述自移动机器人在待作业空间中行走，行走方式为：所述自移动机器人直接进入待作业空间的中间位置，在所述中间位置扫描探测周边区域，并向下一个未探测到区域行走，直至探测完待作业空间的全部区域。
更具体地，所述步骤300中的规划自移动机器人行走路径包括：在所述可行走区域中选择自移动机器人的起点和终点，起点和终点间最短路径为行走路径。
因此，在实施例二中，自移动机器人通过直接进入待作业空间的中间位置，并从该中间位置开始对周边区域进行探测的方式，获得二维多层环境地图，并从多层环境地图中选取可行走区域的交集，并在该交集的基础上规划路径。
实施例三
一种自移动机器人路径规划方法，包括如下步骤：
步骤100：自移动机器人在待作业空间中行走，采集不同高度的障碍物信息并生成所述待作业空间的多层环境地图；
步骤200：对所述多层环境地图中的信息进行综合处理，获得综合处理数据；
步骤300：根据所述综合处理数据，规划自移动机器人行走路径。
所述步骤200中的综合处理包括：将每个二维地图中的障碍物信息取并集，得到待作业空间的所有障碍物信息；并将每个二维地图中的可行走区域取交集，得到所述待作业空间的可行走区域信息。
所述可行走区域为待作业空间中所有与障碍物之间的距离不小于特定值的区域。所述特定值为20厘米。
除此之外，在本实施例中的多层地图为一个二维地图，但所述的二维地图上有对应不同高度上的障碍物的综合分布信息。为了便于识别，所述不同平面高度的障碍物信息用不同方式标记，比如：图案、色彩或者为障碍物编号等方式进行区别。
另外，在所述步骤100中，所述自移动机器人在待作业空间中行走，所述行走的方式为：遍历行走，比如：直线往复行走、弓字形或之字形规则路径行走以探测待作业空间的所有区域。
更具体地，所述步骤300中的规划自移动机器人行走路径包括：在所述可行走区域中选择自移动机器人的起点和终点，起点和终点间最短路径为行走路径。
因此，在实施例三中，自移动机器人通过在待作业区域遍历行走的方式，探测获得具有对应不同高度上的障碍物的综合分布信息的二维地图，并从二维地图中同时选取障碍物信息的并集和可行走区域的交集，在综合上述两个条件的基础上规划路径。
实施例四
图2为本发明实施例四的流程图。如图2所示，本实施例提供一种自移动机器人路径规划方法，包括如下步骤：
步骤100：自移动机器人在待作业空间中行走，采集不同高度的障碍物信息并生成所述待作业空间的多层环境地图；
步骤200：对所述多层环境地图中的信息进行综合处理，获得综合处理数据；
为了兼顾人工介入路径规划的问题，所述步骤200中的获得综合处理数据还可以包括：
步骤210：判断是否需要增加新的行走路径，如果是，则对应更新多层环境地图后进入步骤300；否则，直接进入步骤300。
步骤300：根据所述综合处理数据，规划自移动机器人行走路径。
同样地，所述步骤100中的多层环境地图包含多个二维地图，每个二维地图对应不同高度的障碍物信息。另外，在所述步骤100中，所述自移动机器人在待作业空间中的行走方式、所述步骤200中的综合处理方式或所述步骤300中的规划自移动机器人行走路径方式，可以为上述实施例一至实施例三中所采用的任意一种，在此不再赘述。
因此，在实施例四中，自移动机器人通过原地探测的方式，获得二维多层环境地图，并从多层环境地图中选取障碍物信息的并集，获得可行走区域，并在该区域中规划路径。显然，本实施例是为了使自移动机器人在自动建图并选点和规划行走路径的基础上，兼具人工参与增加或更改新的行走路径的功能，在规划最终的行走路径之前，增加一个对是否有人工操作介入的判断，当判断结果为“是”时，根据人工介入的信息更新地图信息之后，再做最终的路径规划；当判断结果为“否”时，则直接进行路径规划。
综上所述，无论采用的是上述实例一至四中的哪一种具体实施方式，本发明提供一种自移动机器人路径规划方法，通过采集不同高度的障碍物信息并生成所述待作业空间的多层环境地图，获得综合处理数据，规划自移动机器人行走路径，方法简便，计算速度快，路径规划合理且工作效率得到了大大地提高。

Claims (14)

1.一种自移动机器人路径规划方法，其特征在于，包括如下步骤：
步骤100：自移动机器人在待作业空间中行走，采集不同高度的障碍物信息并生成所述待作业空间的多层环境地图；
步骤200：对所述多层环境地图中的信息进行综合处理，获得综合处理数据；
步骤300：根据所述综合处理数据，规划自移动机器人行走路径。
2.如权利要求1所述的方法，其特征在于，所述步骤100的中的多层环境地图包含多个二维地图，每个二维地图对应不同高度的障碍物信息。
3.如权利要求2所述的方法，其特征在于，所述步骤200中的综合处理包括：将每个二维地图中的障碍物信息取并集，得到待作业空间的所有障碍物信息。
4.如权利要求2所述的方法，其特征在于，所述步骤200中的综合处理包括：将每个二维地图中的可行走区域取交集，得到可行走区域。
5.如权利要求2所述的方法，其特征在于，所述步骤200中的综合处理包括：将每个二维地图中的障碍物信息取并集，得到待作业空间的所有障碍物信息；并将每个二维地图中的可行走区域取交集，得到所述待作业空间的可行走区域信息。
6.如权利要求3-5所述的方法，其特征在于，所述可行走区域为待作业空间中所有与障碍物之间的距离不小于特定值的区域。
7.如权利要求6所述的方法，其特征在于，所述特定值为20厘米。
8.如权利要求1所述的方法，其特征在于，所述多层地图为一个二维地图，所述二维地图对应不同高度障碍物的综合分布信息。
9.如权利要求8所述的方法，其特征在于，所述不同平面高度障碍物信息采用不同方式标记。
10.如权利要求1所述的方法，其特征在于，所述步骤200中的获得综合处理数据还包括：
步骤210：判断是否需要增加新的行走路径，如果是，则对应更新多层环境地图后进入步骤300；否则，直接进入步骤300。
11.如权利要求1所述的方法，其特征在于，在所述步骤100中，所述自移动机器人在待作业空间中行走，所述行走的方式为：所述自移动机器人原地扫描探测周边区域，并向下一个未探测区域行走，直至探测完待作业空间的全部区域。
12.如权利要求1所述的方法，其特征在于，在所述步骤100中，所述自移动机器人在待作业空间中行走，所述行走方式为：所述自移动机器人直接进入待作业空间的中间位置，在所述中间位置扫描探测周边区域，并向下一个未探测到区域行走，直至探测完待作业空间的全部区域。
13.如权利要求1所述的方法，其特征在于，在所述步骤100中，所述自移动机器人在待作业空间中行走，所述行走的方式为：遍历行走。
14.如权利要求6所述的方法，其特征在于，所述步骤300中的规划自移动机器人行走路径包括：在所述可行走区域中选择自移动机器人的起点和终点，起点和终点间最短路径为行走路径。
CN201710743056.XA 2017-08-25 2017-08-25 自移动机器人路径规划方法 Pending CN109425352A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201710743056.XA CN109425352A (zh) 2017-08-25 2017-08-25 自移动机器人路径规划方法
JP2020508014A JP7159291B2 (ja) 2017-08-25 2018-08-25 自律移動ロボットの経路計画方法、自律移動ロボット及び記憶媒体
EP18847907.5A EP3672762B1 (en) 2017-08-25 2018-08-25 Self-propelled robot path planning method, self-propelled robot and storage medium
PCT/CN2018/102368 WO2019037790A1 (en) 2017-08-25 2018-08-25 AUTOMOTIVE ROBOT TRACK PLANNING METHOD, AUTOMOTIVE ROBOT, AND INFORMATION CARRIER
EP21199359.7A EP3950235B1 (en) 2017-08-25 2018-08-25 Self-propelled robot path planning method, self-propelled robot and storage medium
US16/112,673 US20190064832A1 (en) 2017-08-25 2018-08-25 Self-propelled robot path planning method, self-propelled robot and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710743056.XA CN109425352A (zh) 2017-08-25 2017-08-25 自移动机器人路径规划方法

Publications (1)

Publication Number Publication Date
CN109425352A true CN109425352A (zh) 2019-03-05

Family

ID=65434231

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710743056.XA Pending CN109425352A (zh) 2017-08-25 2017-08-25 自移动机器人路径规划方法

Country Status (5)

Country Link
US (1) US20190064832A1 (zh)
EP (2) EP3672762B1 (zh)
JP (1) JP7159291B2 (zh)
CN (1) CN109425352A (zh)
WO (1) WO2019037790A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111265158A (zh) * 2020-02-27 2020-06-12 惠州拓邦电气技术有限公司 清洁设备的行走路径规划方法与清洁设备
CN111811517A (zh) * 2020-07-15 2020-10-23 中国科学院上海微系统与信息技术研究所 一种动态局部路径规划方法及系统
CN112578777A (zh) * 2019-09-27 2021-03-30 苏州宝时得电动工具有限公司 自主机器人及其行走路径规划方法、装置和存储介质
CN113616836A (zh) * 2020-05-09 2021-11-09 青岛海尔智能技术研发有限公司 杀菌方法、系统、终端和可读存储介质
WO2022052100A1 (en) * 2020-09-14 2022-03-17 Robert Bosch Gmbh Method and apparatus for planning a path for a mobile object
WO2022133697A1 (zh) * 2020-12-22 2022-06-30 北京洛必德科技有限公司 移动机器人地图构建方法、装置、计算机设备和存储介质

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020154764A (ja) * 2019-03-20 2020-09-24 東芝テック株式会社 情報処理装置及び読取システム
JP7340350B2 (ja) * 2019-05-07 2023-09-07 東芝テック株式会社 情報処理装置及び情報処理方法
CN110376934B (zh) * 2019-06-12 2024-08-23 上海飞科电器股份有限公司 清洁机器人、清洁机器人控制方法及终端控制方法
CN112817269A (zh) * 2019-11-15 2021-05-18 深圳拓邦股份有限公司 一种遍历作业方法、系统及机器人设备
CN111161424B (zh) * 2019-12-30 2023-06-02 浙江欣奕华智能科技有限公司 一种三维地图的确定方法及确定装置
CN110989635A (zh) * 2019-12-31 2020-04-10 浙江欣奕华智能科技有限公司 扫地机器人的清扫方法及扫地机器人
CN111476892B (zh) * 2020-03-09 2022-12-20 珠海格力电器股份有限公司 路径确定方法、装置、终端设备及存储介质
CN113189993B (zh) * 2021-04-27 2023-08-29 北京石头创新科技有限公司 一种自行走设备避障方法、装置、介质和电子设备
CN114625116A (zh) * 2021-05-06 2022-06-14 北京石头世纪科技股份有限公司 自行走设备避障方法、装置、介质和电子设备
CN113704963B (zh) * 2021-07-19 2024-04-26 深圳优地科技有限公司 机器人测试方法、系统及机器人

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103941750A (zh) * 2014-04-30 2014-07-23 东北大学 基于小型四旋翼无人机的构图装置及方法
WO2014135113A1 (zh) * 2013-03-08 2014-09-12 科沃斯机器人科技(苏州)有限公司 自移动机器人激光引导行走作业系统及其控制方法
CN104972462A (zh) * 2014-04-14 2015-10-14 科沃斯机器人科技(苏州)有限公司 自移动机器人避障行走方法
CN105116902A (zh) * 2015-09-09 2015-12-02 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和系统
CN105652864A (zh) * 2014-11-14 2016-06-08 科沃斯机器人有限公司 自移动机器人构建地图的方法及利用该地图的作业方法
CN106227218A (zh) * 2016-09-27 2016-12-14 深圳乐行天下科技有限公司 一种智能移动设备的导航避障方法及装置
CN106896353A (zh) * 2017-03-21 2017-06-27 同济大学 一种基于三维激光雷达的无人车路口检测方法

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3410537B2 (ja) * 1994-02-25 2003-05-26 信一 油田 移動体の自己誘導装置
JP4445210B2 (ja) 2003-04-28 2010-04-07 株式会社東芝 自律走行ロボット
JP3994950B2 (ja) * 2003-09-19 2007-10-24 ソニー株式会社 環境認識装置及び方法、経路計画装置及び方法、並びにロボット装置
JP2006236098A (ja) 2005-02-25 2006-09-07 Mitsubishi Heavy Ind Ltd 移動体の障害物回避方法及び該移動体
JP5056468B2 (ja) 2007-02-22 2012-10-24 富士通株式会社 巡回ロボット及び巡回ロボットの自律走行方法
JP4788722B2 (ja) * 2008-02-26 2011-10-05 トヨタ自動車株式会社 自律移動ロボット、自己位置推定方法、環境地図の生成方法、環境地図の生成装置、及び環境地図のデータ構造
US9323250B2 (en) * 2011-01-28 2016-04-26 Intouch Technologies, Inc. Time-dependent navigation of telepresence robots
US9463574B2 (en) * 2012-03-01 2016-10-11 Irobot Corporation Mobile inspection robot
JP5898022B2 (ja) 2012-09-18 2016-04-06 シャープ株式会社 自走式機器
JP6132659B2 (ja) * 2013-02-27 2017-05-24 シャープ株式会社 周囲環境認識装置、それを用いた自律移動システムおよび周囲環境認識方法
CN103268729B (zh) * 2013-05-22 2015-08-19 北京工业大学 基于混合特征的移动机器人级联式地图创建方法
JP5405687B1 (ja) 2013-05-30 2014-02-05 株式会社日立パワーソリューションズ 自律移動装置、自律移動システム及び自律移動方法
US9923004B2 (en) * 2014-09-30 2018-03-20 Qualcomm Incorporated Hardware acceleration of computer vision feature detection
CN105629970A (zh) * 2014-11-03 2016-06-01 贵州亿丰升华科技机器人有限公司 一种基于超声波的机器人定位避障方法
US9751210B2 (en) * 2014-11-26 2017-09-05 Irobot Corporation Systems and methods for performing occlusion detection
US9594377B1 (en) 2015-05-12 2017-03-14 Google Inc. Auto-height swing adjustment
CN105469445B (zh) * 2015-12-08 2018-06-29 电子科技大学 一种步长可变地图生成方法
US10409292B2 (en) * 2015-12-10 2019-09-10 Panasonic Intellectual Property Corporation Of America Movement control method, autonomous mobile robot, and recording medium storing program
CN106444780B (zh) * 2016-11-10 2019-06-28 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
KR102012550B1 (ko) * 2017-02-20 2019-08-20 엘지전자 주식회사 돌발 장애물을 식별하는 방법 및 이를 구현하는 로봇
KR102326077B1 (ko) * 2017-06-15 2021-11-12 엘지전자 주식회사 3차원 공간의 이동 객체를 식별하는 방법 및 이를 구현하는 로봇

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014135113A1 (zh) * 2013-03-08 2014-09-12 科沃斯机器人科技(苏州)有限公司 自移动机器人激光引导行走作业系统及其控制方法
CN104972462A (zh) * 2014-04-14 2015-10-14 科沃斯机器人科技(苏州)有限公司 自移动机器人避障行走方法
CN103941750A (zh) * 2014-04-30 2014-07-23 东北大学 基于小型四旋翼无人机的构图装置及方法
CN105652864A (zh) * 2014-11-14 2016-06-08 科沃斯机器人有限公司 自移动机器人构建地图的方法及利用该地图的作业方法
CN105116902A (zh) * 2015-09-09 2015-12-02 北京进化者机器人科技有限公司 一种移动机器人避障导航的方法和系统
CN106227218A (zh) * 2016-09-27 2016-12-14 深圳乐行天下科技有限公司 一种智能移动设备的导航避障方法及装置
CN106896353A (zh) * 2017-03-21 2017-06-27 同济大学 一种基于三维激光雷达的无人车路口检测方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112578777A (zh) * 2019-09-27 2021-03-30 苏州宝时得电动工具有限公司 自主机器人及其行走路径规划方法、装置和存储介质
CN111265158A (zh) * 2020-02-27 2020-06-12 惠州拓邦电气技术有限公司 清洁设备的行走路径规划方法与清洁设备
CN111265158B (zh) * 2020-02-27 2021-08-24 惠州拓邦电气技术有限公司 清洁设备的行走路径规划方法与清洁设备
CN113616836A (zh) * 2020-05-09 2021-11-09 青岛海尔智能技术研发有限公司 杀菌方法、系统、终端和可读存储介质
CN111811517A (zh) * 2020-07-15 2020-10-23 中国科学院上海微系统与信息技术研究所 一种动态局部路径规划方法及系统
WO2022052100A1 (en) * 2020-09-14 2022-03-17 Robert Bosch Gmbh Method and apparatus for planning a path for a mobile object
WO2022133697A1 (zh) * 2020-12-22 2022-06-30 北京洛必德科技有限公司 移动机器人地图构建方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
EP3672762A1 (en) 2020-07-01
EP3950235A1 (en) 2022-02-09
JP7159291B2 (ja) 2022-10-24
EP3672762A4 (en) 2020-10-21
WO2019037790A1 (en) 2019-02-28
JP2020532786A (ja) 2020-11-12
EP3950235B1 (en) 2023-11-22
US20190064832A1 (en) 2019-02-28
EP3672762B1 (en) 2021-11-24

Similar Documents

Publication Publication Date Title
CN109425352A (zh) 自移动机器人路径规划方法
US11681746B2 (en) Structured prediction crosswalk generation
US11320823B2 (en) Method of navigating a vehicle and system thereof
CN107121142B (zh) 移动机器人的拓扑地图创建方法及导航方法
CN103901892B (zh) 无人机的控制方法及系统
CN106909145A (zh) 无人航道测量船障碍物实时感知避障系统与方法
Kümmerle et al. A navigation system for robots operating in crowded urban environments
CN104330090B (zh) 机器人分布式表征智能语义地图创建方法
AU2015370581B2 (en) Localization of a device using multilateration
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
CN107943025A (zh) 机器人被困的检测方法及脱困的处理方法
CN112000754A (zh) 地图构建方法、装置、存储介质及计算机设备
US20220363263A1 (en) Automated bump and/or depression detection in a roadway
CN104143194A (zh) 一种点云分割方法及装置
JP2009205226A (ja) 自律移動ロボット、自己位置推定方法、環境地図の生成方法、環境地図の生成装置、及び環境地図のデータ構造
CN108508913A (zh) 基于数据驱动的自主式水下航行器海底路径规划方法
CN113741438A (zh) 路径规划方法、装置、存储介质、芯片及机器人
CN105136155B (zh) 一种导航方法及电子设备
KR101510745B1 (ko) 차량의 무인 자율주행 시스템
CN108733038A (zh) 机器人局部动态路径规划方法
Luo et al. Autonomous mobile robot navigation and localization based on floor plan map information and sensory fusion approach
CN114415678B (zh) 机器人的路径规划方法、装置、机器人和存储介质
Ollis et al. Structural method for obstacle detection and terrain classification
Shang Survey of mobile robot vision selflocalization
Braun et al. Topological large-scale off-road navigation and exploration RAVON at the European Land Robot Trial 2008

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