CN109443368A - 无人驾驶机器人的导航方法、装置、机器人及存储介质 - Google Patents
无人驾驶机器人的导航方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN109443368A CN109443368A CN201910033174.0A CN201910033174A CN109443368A CN 109443368 A CN109443368 A CN 109443368A CN 201910033174 A CN201910033174 A CN 201910033174A CN 109443368 A CN109443368 A CN 109443368A
- Authority
- CN
- China
- Prior art keywords
- robot
- information
- obstacle
- current
- navigation
- 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
- 230000004888 barrier function Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 10
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000009012 visual motion Effects 0.000 description 1
Classifications
-
- 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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例公开了无人驾驶机器人的导航方法、装置、机器人及存储介质，属于导航技术领域，其中，所述方法包括：获取目标地位置信息以及获取无人驾驶的当前机器人的当前位置信息；根据目标地位置信息和当前机器人的当前位置信息确定出相应的导航信息，其中，导航信息至少包括从当前机器人的当前位置到目标地位置的行驶路径信息；获取与各个行驶路径对应的碰撞检测器检测到的障碍物信息；根据导航信息和障碍物信息控制无人驾驶的当前机器人避让相应的障碍物并行驶到目标地位置。本发明的方案，能够实现对无人驾驶机器人的精准控制，精准地控制无人驾驶机器人识别行驶时路径中的各个障碍物，并有效地避开各个障碍物。
Description
技术领域
本发明实施例涉及导航技术领域，具体涉及无人驾驶机器人的导航方法、装置、机器人及存储介质。
背景技术
近年来无人驾驶技术的发展，可以将驾驶员从繁重的驾驶操作中解放出来，减少因驾驶员疲劳驾驶所带来的人为交通事故。
现有技术中，无人驾驶技术往往是基于多线激光三维重建的高精度地图，离线构建出点云地图，并以构建出来的点云地图用于无人驾驶的导航。
多线激光或者毫米波雷达均有相应的缺陷，例如，多线激光的价格昂贵，用一段时间后，需要将多线激光设备返厂进行标定，且基于多线激光设备得到的数据过于稀疏、像素低，基于上述多线激光设备的缺陷，多线激光设备得到的数据并不适合接入深度学习技术领域，此外，毫米波雷达容易受到金属干扰，基于现有技术提供的无人驾驶导航技术的精度较低，无法在实际路况中应用。
实际应用中，无人驾驶技术也被应用于机器人中，以进行快递行业。基于现有的无人驾驶技术的导航精度低，无法实现对无人驾驶机器人的精准控制。
如何实现对无人驾驶机器人的精准控制，使其精准地识别行驶时路径中的各个障碍物，并有效地避让各个障碍物，是待解决的技术问题。
发明内容
为此，本发明实施例提供无人驾驶机器人的导航方法、装置、机器人及存储介质，以解决现有技术无法精准识别行驶路径中的各个障碍物，进而无法有效避让各个障碍物的问题。
为了实现上述目的，本发明实施例提供如下技术方案：
在本发明的实施方式的第一方面中，提供了无人驾驶机器人的导航方法，所述方法包括：获取目标地位置信息以及获取无人驾驶的当前机器人的当前位置信息；根据所述目标地位置信息和当前机器人的当前位置信息确定出相应的导航信息，其中，所述导航信息至少包括从当前机器人的当前位置到目标地位置的行驶路径信息；获取与各个行驶路径对应的碰撞检测器检测到的障碍物信息；根据所述导航信息和所述障碍物信息控制无人驾驶的当前机器人避让相应的障碍物并行驶到所述目标地位置。
在本发明的另一实施例中，所述导航信息至少还包括以下一项：与所述行驶路径信息对应的行驶里程信息、与所述行驶里程信息对应的行驶时间信息、与所述障碍物信息对应的各个障碍物的属性信息、与所述障碍物信息对应的各个障碍物的位置信息、与所述障碍物信息对应的障碍物数量信息。
在本发明的另一实施例中，所述方法还包括：根据各个行驶路径和预设的三维地图建立模型建立对应的模拟真实行驶场景的三维地图。
在本发明的另一实施例中，所述方法还包括：判断当前机器人的类型，得到相应的判断结果，并根据所述判断结果将当前机器人划分为母体机器人，或将当前机器人划分为子体机器人。
在本发明的另一实施例中，所述方法还包括：根据当前机器人的类型，选择与当前机器人的类型匹配的障碍物识别模型，其中，所述障碍物识别模型包括第一障碍物识别模型和第二障碍物识别模型，所述第一障碍物识别模型对应的当前机器人的类型为母体机器人，所述第二障碍物识别模型对应的当前机器人的类型为子体机器人。
在本发明的又一实施例中，所述根据当前机器人的类型，选择与当前机器人的类型匹配的障碍物识别类型具体包括：若当前机器人的类型为母体机器人，则选择与所述母体机器人匹配的第一障碍物识别模型；若当前机器人的类型为子体机器人，则选择与所述子体机器人匹配的第二障碍物识别模型。
在本发明的再一实施例中，所述第一障碍物识别模型能够对获取到的与所述障碍物信息关联的第一障碍物关联数据进行数据融合处理，其中，所述第一障碍物关联数据至少包括以下一项：第一双目立体视觉数据、毫米波雷达数据、多线激光雷达数据和超声波数据；或者，所述第二障碍物识别模型能够对获取到的与所述障碍物信息关联的第二障碍物关联数据进行数据处理，其中，所述第二障碍物关联数据包括第二双目立体视觉数据。
在本发明的实施方式的第二方面中，提供了无人驾驶机器人的导航装置，所述装置包括获取模块、确定模块和控制模块；所述获取模块，获取目标地位置信息以及获取无人驾驶的当前机器人的当前位置信息；以及获取与所述确定模块确定出的各个行驶路径对应的碰撞检测器检测到的障碍物信息；所述确定模块，根据所述获取模块获取到的所述目标地位置信息和所述获取模块获取到的当前机器人的当前位置信息确定出相应的导航信息，其中，所述确定模块确定出的所述导航信息至少包括从当前机器人的当前位置到目标地位置的行驶路径信息；所述控制模块，根据所述确定模块确定出的所述导航信息和所述获取模块获取到的所述障碍物信息控制无人驾驶的当前机器人避让相应的障碍物并行驶到所述目标地位置。
在本发明的实施方式的第三方面中，提供了机器人，所述机器人包括存储器、处理器及视觉子装置；所述视觉子装置，用于获取当前所在位置对应的图像；所述存储器，用于存储可执行的计算机程序；所述处理器，用于根据所述视觉子装置获取的当前所在位置对应的图像，通过调用并执行所述存储器中存储的可执行的计算机程序，以实现如上所述的机器人的导航方法。
在本发明的实施方式的第四方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明实施例具有如下优点：本发明实施例提供的无人驾驶机器人的导航方法、装置、机器人及存储介质，能够实现对无人驾驶机器人的精准控制，精准地控制无人驾驶机器人识别行驶时路径中的各个障碍物，并有效地避开各个障碍物。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
图1为本发明实施例1提供的无人驾驶机器人的导航方法的流程示意图；
图2为本发明实施例1提供的具体实例中的一示意图；
图3为本发明实施例1提供的具体实例中的另一示意图；
图4为本发明实施例2提供的无人驾驶机器人的导航装置的结构示意图；
图中：401-获取模块；402-确定模块；403-控制模块。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
实施例1
根据本发明的实施例1，提供了无人驾驶机器人的导航方法，如图1所示，为本发明实施例1提供的无人驾驶机器人的导航方法的流程示意图。该方法至少包括以下步骤：
S101，获取目标地位置信息以及获取无人驾驶的当前机器人的当前位置信息；
在步骤101中，获取目标地位置信息，以及获取无人驾驶的当前机器人的当前位置信息，采用了相应的定位方法，该定位方法，根据获取到的视觉特征点以及获取到的二维码信息，不需经过过滤特定光线的镜头来达到母体机器人的定位，以及母体机器人在地图上的定位。
S102，根据目标地位置信息和当前机器人的当前位置信息确定出相应的导航信息，其中，导航信息至少包括从当前机器人的当前位置到目标地位置的行驶路径信息；
S103，获取与各个行驶路径对应的碰撞检测器检测到的障碍物信息；
S104，根据导航信息和障碍物信息控制无人驾驶的当前机器人避让相应的障碍物并行驶到目标地位置；这样，通过本发明实施例1提供的方案，能够实现对无人驾驶机器人的精准控制，精准地控制无人驾驶机器人识别行驶时路径中的各个障碍物，并有效地避开各个障碍物。
在一个可选的例子中，导航信息至少还包括以下一项：与行驶路径信息对应的行驶里程信息、与行驶里程信息对应的行驶时间信息、与障碍物信息对应的各个障碍物的属性信息、与障碍物信息对应的各个障碍物的位置信息、与障碍物信息对应的障碍物数量信息。
需要说明的是，在实际应用中，导航信息不止上述所罗列的信息，还包括其它信息，在此不再一一赘述。获取到的导航信息越多，越能够实现对无人驾驶机器人的精准控制。
在一个可选的例子中，所述方法还包括：根据各个行驶路径和预设的三维地图建立模型建立对应的模拟真实行驶场景的三维地图，最终得到的三维地图为高分辨率的双目视觉传感器的高精度三维地图，相对于现有的二维平面地图更加贴合真实行驶场景，能够做到准确识别行驶路径中的各个障碍物，并对识别出的各个障碍物进行有效避让。
需要说明的是，本发明实施例1中提供的方案中的预设的三维地图建立模型是根据多种技术建立起来的模型，例如，多线激光技术、GNSSGlobal Navigation SatelliteSystem，全球导航卫星系统)、VO(Visual Odometry，视觉里程计)技术和离线技术；其中，VO视觉里程计与子体机器人的底盘、GNSS系统做融合，得出位姿。最主要的意义在于普通的导航方案一般是每台机器人配置传感器都相同，母体一般配多线激光雷达，毫米波雷达，做单独的配送，而本发明实施例1提供的方案是，母体配置传感器会比子体多出一个多线激光雷达，子体不携带多线激光雷达来达到降低成本用途。例如配送机器人会先母体机器人携带子体机器人到达配送密集的地点，然后给子体机器人下达任务去配送，这样配送效率就会高很多，成本也会降低。
需要说明的是，GNSS全球导航卫星系统泛指所有的卫星导航系统，包括全球的、区域的和增强的。
在一个可选的例子中，所述方法还包括：判断当前机器人的类型，得到相应的判断结果，并根据判断结果将当前机器人划分为母体机器人，或将当前机器人划分为子体机器人。
在一个可选的例子中，所述方法还包括：根据当前机器人的类型，选择与当前机器人的类型匹配的障碍物识别模型，其中，障碍物识别模型包括第一障碍物识别模型和第二障碍物识别模型，第一障碍物识别模型对应的当前机器人的类型为母体机器人，第二障碍物识别模型对应的当前机器人的类型为子体机器人。
在一个可选的例子中，根据当前机器人的类型，选择与当前机器人的类型匹配的障碍物识别类型具体包括：若当前机器人的类型为母体机器人，则选择与母体机器人匹配的第一障碍物识别模型；若当前机器人的类型为子体机器人，则选择与子体机器人匹配的第二障碍物识别模型。
在一个可选的例子中，第一障碍物识别模型能够对获取到的与障碍物信息关联的第一障碍物关联数据进行数据融合处理，其中，第一障碍物关联数据至少包括以下一项：第一双目立体视觉数据、毫米波雷达数据、多线激光雷达数据和超声波数据。
在一个可选的例子中，第二障碍物识别模型能够对获取到的与障碍物信息关联的第二障碍物关联数据进行数据处理，其中，第二障碍物关联数据包括第二双目立体视觉数据。
在实际应用中，本发明实施例1提供的导航方法可以应用于快递行业，如下列举一个具体的实例：快件可通过自动分类，分到一个区域里，母体机器人搭载视觉+多线激光+毫米波雷达等技术，到达指定的驿站，并且分拣给分布式子体机器人里配送，子体机器人通过双目里程计+GNSS做初始估计，后期通过视觉的重定位做误差修正。减少重复路径以及提高配送效率。
本发明实施例1提供的方案除了可以应用于快递行业之外，还可以应用于机器人的清洁领域，可通过搭载子体机器人到达一些狭窄区域的清洁区域。
实际应用中，子体机器人一旦出现故障，可派母体机器人上设置的无人机去侦查，如果不是人为故障，可派其他子体机器人去托回，如果是人为原因造成的，可派管理员去。
无人机也是靠VIO(Visual-Inertial Odometry。视觉惯性里程计)，VO(VisualOdometry，视觉里程计)+GNSS(Global Navigation Satellite System，全球导航卫星系统)做定位导航。
需要说明的是，VIO是融合相机和IMU数据实现SLAM的算法，根据融合框架的区别又分为紧耦合和松耦合，松耦合中视觉运动估计和惯导运动估计系统是两个独立的模块，将每个模块的输出结果进行融合，而紧耦合则是使用两个传感器的原始数据共同估计一组变量，传感器噪声也是相互影响的，紧耦合算法上比较复杂，但充分利用了传感器数据，可以实现更好的效果；GNSS全球导航卫星系统泛指所有的卫星导航系统，包括全球的、区域的和增强的。
需要说明的是，本发明实施例1提供的方案中，使用双目视觉传感器，虽然精度上不如多线激光，但是通过传感器融合技术，以及离线的计算机计算能力，可以达到较高的建图精度，以及得到更高维度的数据，并将得到的更高维度的数据有效地应用于分布式系统中，这样，在一定范围内能够降低传感器的成本，并达到无人驾驶机器人的导航需求。
在本发明实施例1提供的方案中，双目立体视觉传感器的主要作用为：可以重建稠密的三维地图；可以基于深度学习剔除杂物，例如，剔除行人，或者，剔除行车；降低子体机器人的传感器成本，不仅可以解决定位问题，还能够精准地识别无人驾驶机器人行驶路径中的各个障碍物，并对识别出的各个障碍物进行有效避让。
如图2所示，为本发明实施例1提供的具体实例中的一示意图；如图所示，3为本发明实施例1提供的具体实例中的另一示意图。无论从图2还是从图3均可以看出：母体机器人携带子体机器人到小区，再投放子体机器人到相应的区域，例如，A区域，或者，H区域，这样，能够做到：大大降低传感器成本，提高效率，且具有路径短的优势。
综上所述，本发明实施例1提供的无人驾驶机器人的导航方法，具有以下有益效果：能够实现对无人驾驶机器人的精准控制，精准地控制无人驾驶机器人识别行驶时路径中的各个障碍物，并有效地避开各个障碍物。
实施例2
根据本发明的实施例2，还提供了无人驾驶机器人的导航装置，如图4所示，为本发明实施例2提供的无人驾驶机器人的导航装置的结构示意图。
本发明实施例2提供的无人驾驶机器人的导航装置包括获取模块401、确定模块402和控制模块403。
具体而言，获取模块401，获取目标地位置信息以及获取无人驾驶的当前机器人的当前位置信息；以及获取与确定模块402确定出的各个行驶路径对应的碰撞检测器检测到的障碍物信息；
确定模块402，根据获取模块401获取到的目标地位置信息和获取模块401获取到的当前机器人的当前位置信息确定出相应的导航信息，其中，确定模块402确定出的导航信息至少包括从当前机器人的当前位置到目标地位置的行驶路径信息；
控制模块403，根据确定模块402确定出的导航信息和获取模块401获取到的障碍物信息控制无人驾驶的当前机器人避让相应的障碍物并行驶到目标地位置。
本发明实施例2提供的方案中的部分内容与本发明实施例1提供的方案中的部分内容相同或相似的部分，烦请参见针对本发明实施例1的相应部分的描述，在此不再赘述。
综上所述，本发明实施例2提供的无人驾驶机器人的定位装置，具有以下有益效果：能够实现对无人驾驶机器人的精准控制，精准地控制无人驾驶机器人识别行驶时路径中的各个障碍物，并有效地避开各个障碍物。
实施例3
根据本发明的实施例3，还提供了机器人，所述机器人包括存储器、处理器及视觉子装置；所述视觉子装置，用于获取当前所在位置对应的图像；所述存储器，用于存储可执行的计算机程序；所述处理器，用于根据所述视觉子装置获取的当前所在位置对应的图像，通过调用并执行所述存储器中存储的可执行的计算机程序，以实现如下所述的机器人的导航方法：获取目标地位置信息以及获取无人驾驶的当前机器人的当前位置信息；根据目标地位置信息和当前机器人的当前位置信息确定出相应的导航信息，其中，导航信息至少包括从当前机器人的当前位置到目标地位置的行驶路径信息；获取与各个行驶路径对应的碰撞检测器检测到的障碍物信息；根据导航信息和障碍物信息控制无人驾驶的当前机器人避让相应的障碍物并行驶到目标地位置。
本发明实施例3提供的方案中的部分内容与本发明实施例1提供的方案中的部分内容相同或相似的部分，烦请参见针对本发明实施例1的相应部分的描述，在此不再赘述。
综上所述，本发明实施例3提供的机器人，具有以下有益效果：能够实现对无人驾驶机器人的精准控制，精准地控制无人驾驶机器人识别行驶时路径中的各个障碍物，并有效地避开各个障碍物。
实施例4
根据本发明的实施例4，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下方法的步骤：获取目标地位置信息以及获取无人驾驶的当前机器人的当前位置信息；根据目标地位置信息和当前机器人的当前位置信息确定出相应的导航信息，其中，导航信息至少包括从当前机器人的当前位置到目标地位置的行驶路径信息；获取与各个行驶路径对应的碰撞检测器检测到的障碍物信息；根据导航信息和障碍物信息控制无人驾驶的当前机器人避让相应的障碍物并行驶到目标地位置。
本发明实施例4提供的方案中的部分内容与本发明实施例1提供的方案中的部分内容相同或相似的部分，烦请参见针对本发明实施例1的相应部分的描述，在此不再赘述。
综上所述，本发明实施例4提供的机器人，具有以下有益效果：能够实现对无人驾驶机器人的精准控制，精准地控制无人驾驶机器人识别行驶时路径中的各个障碍物，并有效地避开各个障碍物。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (10)
1.无人驾驶机器人的导航方法，其特征在于，包括：
获取目标地位置信息以及获取无人驾驶的当前机器人的当前位置信息；
根据所述目标地位置信息和当前机器人的当前位置信息确定出相应的导航信息，其中，所述导航信息至少包括从当前机器人的当前位置到目标地位置的行驶路径信息；
获取与各个行驶路径对应的碰撞检测器检测到的障碍物信息；
根据所述导航信息和所述障碍物信息控制无人驾驶的当前机器人避让相应的障碍物并行驶到所述目标地位置。
2.根据权利要求1所述的方法，其特征在于，所述导航信息至少还包括以下一项：
与所述行驶路径信息对应的行驶里程信息、与所述行驶里程信息对应的行驶时间信息、与所述障碍物信息对应的各个障碍物的属性信息、与所述障碍物信息对应的各个障碍物的位置信息、与所述障碍物信息对应的障碍物数量信息。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据各个行驶路径和预设的三维地图建立模型建立对应的模拟真实行驶场景的三维地图。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：判断当前机器人的类型，得到相应的判断结果，并根据所述判断结果将当前机器人划分为母体机器人，或将当前机器人划分为子体机器人。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：根据当前机器人的类型，选择与当前机器人的类型匹配的障碍物识别模型，其中，所述障碍物识别模型包括第一障碍物识别模型和第二障碍物识别模型，所述第一障碍物识别模型对应的当前机器人的类型为母体机器人，所述第二障碍物识别模型对应的当前机器人的类型为子体机器人。
6.根据权利要求5所述的方法，其特征在于，所述根据当前机器人的类型，选择与当前机器人的类型匹配的障碍物识别类型具体包括：
若当前机器人的类型为母体机器人，则选择与所述母体机器人匹配的第一障碍物识别模型；
若当前机器人的类型为子体机器人，则选择与所述子体机器人匹配的第二障碍物识别模型。
7.根据权利要求6所述的方法，其特征在于，
所述第一障碍物识别模型能够对获取到的与所述障碍物信息关联的第一障碍物关联数据进行数据融合处理，其中，所述第一障碍物关联数据至少包括以下一项：第一双目立体视觉数据、毫米波雷达数据、多线激光雷达数据和超声波数据；或者，
所述第二障碍物识别模型能够对获取到的与所述障碍物信息关联的第二障碍物关联数据进行数据处理，其中，所述第二障碍物关联数据包括第二双目立体视觉数据。
8.无人驾驶机器人的导航装置，其特征在于，包括获取模块、确定模块和控制模块；
所述获取模块，获取目标地位置信息以及获取无人驾驶的当前机器人的当前位置信息；以及
获取与所述确定模块确定出的各个行驶路径对应的碰撞检测器检测到的障碍物信息；
所述确定模块，根据所述获取模块获取到的所述目标地位置信息和所述获取模块获取到的当前机器人的当前位置信息确定出相应的导航信息，其中，所述确定模块确定出的所述导航信息至少包括从当前机器人的当前位置到目标地位置的行驶路径信息；
所述控制模块，根据所述确定模块确定出的所述导航信息和所述获取模块获取到的所述障碍物信息控制无人驾驶的当前机器人避让相应的障碍物并行驶到所述目标地位置。
9.机器人，其特征在于，包括存储器、处理器及视觉子装置；所述视觉子装置，用于获取当前所在位置对应的图像；所述存储器，用于存储可执行的计算机程序；所述处理器，用于根据所述视觉子装置获取的当前所在位置对应的图像，通过调用并执行所述存储器中存储的可执行的计算机程序，以实现如权利要求1-7任一所述的机器人的导航方法。
10.计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910033174.0A CN109443368A (zh) | 2019-01-14 | 2019-01-14 | 无人驾驶机器人的导航方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910033174.0A CN109443368A (zh) | 2019-01-14 | 2019-01-14 | 无人驾驶机器人的导航方法、装置、机器人及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109443368A true CN109443368A (zh) | 2019-03-08 |
Family
ID=65544217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910033174.0A Pending CN109443368A (zh) | 2019-01-14 | 2019-01-14 | 无人驾驶机器人的导航方法、装置、机器人及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109443368A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109920424A (zh) * | 2019-04-03 | 2019-06-21 | 北京石头世纪科技股份有限公司 | 机器人语音控制方法、装置、机器人和介质 |
| CN110491509A (zh) * | 2019-07-01 | 2019-11-22 | 珠海格力电器股份有限公司 | 医用机器人、医疗服务方法及存储介质 |
| WO2020186493A1 (zh) * | 2019-03-21 | 2020-09-24 | 珊口（深圳）智能科技有限公司 | 导航、划分清洁区域方法及系统、移动及清洁机器人 |
| CN112379674A (zh) * | 2020-11-26 | 2021-02-19 | 中国第一汽车股份有限公司 | 一种自动驾驶设备及系统 |
| CN113064410A (zh) * | 2019-12-30 | 2021-07-02 | 北京极智嘉科技股份有限公司 | 机器人、定位方法、电子设备及存储介质 |
| CN114136309A (zh) * | 2021-11-12 | 2022-03-04 | 上汽通用五菱汽车股份有限公司 | 无人驾驶物流车的定位方法、系统、装置及存储介质 |
| CN114911223A (zh) * | 2021-02-09 | 2022-08-16 | 北京盈迪曼德科技有限公司 | 一种机器人导航方法、装置、机器人及存储介质 |
| WO2024067133A1 (zh) * | 2022-09-29 | 2024-04-04 | 亿航智能设备（广州）有限公司 | 基于3d地图的无人驾驶航空器飞行控制方法、系统和介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104735403A (zh) * | 2013-12-18 | 2015-06-24 | 欧特明电子股份有限公司 | 车用障碍物侦测显示系统 |
| CN105823478A (zh) * | 2016-03-14 | 2016-08-03 | 武汉卓拔科技有限公司 | 一种自主避障导航信息共享和使用方法 |
| CN108458712A (zh) * | 2017-02-22 | 2018-08-28 | 深圳市城市交通规划设计研究中心有限公司 | 无人驾驶小车导航系统及导航方法、无人驾驶小车 |
| CN108534790A (zh) * | 2018-02-27 | 2018-09-14 | 吉林省行氏动漫科技有限公司 | 无人驾驶车辆导航方法、装置及无人驾驶车辆 |
| CN108665217A (zh) * | 2018-05-18 | 2018-10-16 | 清华大学 | 点对点层级式货物即时配送系统、方法及应用 |
| CN108663681A (zh) * | 2018-05-16 | 2018-10-16 | 华南理工大学 | 基于双目摄像头与二维激光雷达的移动机器人导航方法 |
| CN108830526A (zh) * | 2018-05-21 | 2018-11-16 | 北京京东尚科信息技术有限公司 | 配送设备、配送装置、配送方法及计算机可读存储介质 |
| CN109144072A (zh) * | 2018-09-30 | 2019-01-04 | 亿嘉和科技股份有限公司 | 一种基于三维激光的机器人智能避障方法 |
-
2019
- 2019-01-14 CN CN201910033174.0A patent/CN109443368A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104735403A (zh) * | 2013-12-18 | 2015-06-24 | 欧特明电子股份有限公司 | 车用障碍物侦测显示系统 |
| CN105823478A (zh) * | 2016-03-14 | 2016-08-03 | 武汉卓拔科技有限公司 | 一种自主避障导航信息共享和使用方法 |
| CN108458712A (zh) * | 2017-02-22 | 2018-08-28 | 深圳市城市交通规划设计研究中心有限公司 | 无人驾驶小车导航系统及导航方法、无人驾驶小车 |
| CN108534790A (zh) * | 2018-02-27 | 2018-09-14 | 吉林省行氏动漫科技有限公司 | 无人驾驶车辆导航方法、装置及无人驾驶车辆 |
| CN108663681A (zh) * | 2018-05-16 | 2018-10-16 | 华南理工大学 | 基于双目摄像头与二维激光雷达的移动机器人导航方法 |
| CN108665217A (zh) * | 2018-05-18 | 2018-10-16 | 清华大学 | 点对点层级式货物即时配送系统、方法及应用 |
| CN108830526A (zh) * | 2018-05-21 | 2018-11-16 | 北京京东尚科信息技术有限公司 | 配送设备、配送装置、配送方法及计算机可读存储介质 |
| CN109144072A (zh) * | 2018-09-30 | 2019-01-04 | 亿嘉和科技股份有限公司 | 一种基于三维激光的机器人智能避障方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020186493A1 (zh) * | 2019-03-21 | 2020-09-24 | 珊口（深圳）智能科技有限公司 | 导航、划分清洁区域方法及系统、移动及清洁机器人 |
| CN109920424A (zh) * | 2019-04-03 | 2019-06-21 | 北京石头世纪科技股份有限公司 | 机器人语音控制方法、装置、机器人和介质 |
| CN110491509A (zh) * | 2019-07-01 | 2019-11-22 | 珠海格力电器股份有限公司 | 医用机器人、医疗服务方法及存储介质 |
| CN113064410A (zh) * | 2019-12-30 | 2021-07-02 | 北京极智嘉科技股份有限公司 | 机器人、定位方法、电子设备及存储介质 |
| CN112379674A (zh) * | 2020-11-26 | 2021-02-19 | 中国第一汽车股份有限公司 | 一种自动驾驶设备及系统 |
| CN112379674B (zh) * | 2020-11-26 | 2022-06-21 | 中国第一汽车股份有限公司 | 一种自动驾驶设备及系统 |
| CN114911223A (zh) * | 2021-02-09 | 2022-08-16 | 北京盈迪曼德科技有限公司 | 一种机器人导航方法、装置、机器人及存储介质 |
| CN114911223B (zh) * | 2021-02-09 | 2023-05-05 | 北京盈迪曼德科技有限公司 | 一种机器人导航方法、装置、机器人及存储介质 |
| CN114136309A (zh) * | 2021-11-12 | 2022-03-04 | 上汽通用五菱汽车股份有限公司 | 无人驾驶物流车的定位方法、系统、装置及存储介质 |
| WO2024067133A1 (zh) * | 2022-09-29 | 2024-04-04 | 亿航智能设备（广州）有限公司 | 基于3d地图的无人驾驶航空器飞行控制方法、系统和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109443368A (zh) | 无人驾驶机器人的导航方法、装置、机器人及存储介质 | |
| CN110988912B (zh) | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 | |
| CN110969655B (zh) | 用于检测车位的方法、装置、设备、存储介质以及车辆 | |
| CN108801276B (zh) | 高精度地图生成方法及装置 | |
| CN111797734B (zh) | 车辆点云数据处理方法、装置、设备和存储介质 | |
| CN110726409B (zh) | 一种基于激光slam和视觉slam地图融合方法 | |
| Pantilie et al. | Real-time obstacle detection in complex scenarios using dense stereo vision and optical flow | |
| US11077756B2 (en) | Area occupancy determining device | |
| CN109143207A (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
| CN114862901A (zh) | 一种露天矿山的路端多源传感器融合目标感知方法和系统 | |
| CN111699410B (zh) | 点云的处理方法、设备和计算机可读存储介质 | |
| US11403947B2 (en) | Systems and methods for identifying available parking spaces using connected vehicles | |
| CN114179788B (zh) | 自动泊车方法、系统、计算机可读存储介质及车机端 | |
| CN111768489B (zh) | 一种室内导航地图构建方法和系统 | |
| US20090228205A1 (en) | Method and device for three-dimensional path planning to avoid obstacles using multiple planes | |
| US20220214186A1 (en) | Automated map making and positioning | |
| CN112859110B (zh) | 一种基于三维激光雷达的定位导航方法 | |
| CN110220517A (zh) | 一种结合环境语意的室内机器人鲁棒slam方法 | |
| GB2572025A (en) | Urban environment labelling | |
| CN113469045A (zh) | 无人集卡的视觉定位方法、系统、电子设备和存储介质 | |
| Chavan et al. | Obstacle detection and avoidance for automated vehicle: A review | |
| CN114648639B (zh) | 一种目标车辆的检测方法、系统及装置 | |
| US12122511B2 (en) | Horizon detection to support an aircraft on a mission in an environment | |
| Lim et al. | MSDPN: Monocular depth prediction with partial laser observation using multi-stage neural networks | |
| CN112747752B (zh) | 基于激光里程计的车辆定位方法、装置、设备和存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100102 Beijing Chaoyang District Wangjing Dongyuan District 4 Building 13-4 to 33 Floor 101, Block A, 32, Room 321 Applicant after: QINGKE MYNTAI INTELLIGENT TECHNOLOGY (BEIJING) Co.,Ltd. Address before: 100086 B1-E36, No. 15-11 Zhongguancun Street, Haidian District, Beijing Applicant before: QINGKE MYNTAI INTELLIGENT TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200807 Address after: 610000 9, 3 building 200, Tianfu five street, hi tech Zone, Chengdu, Sichuan. Applicant after: Qingke Xiaomei robot technology (Chengdu) Co.,Ltd. Address before: 100102 Beijing Chaoyang District Wangjing Dongyuan District 4 Building 13-4 to 33 Floor 101, Block A, 32, Room 321 Applicant before: QINGKE MYNTAI INTELLIGENT TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |