CN110687903A - 可移动机器人受困判断方法、装置与运动控制方法、装置 - Google Patents
可移动机器人受困判断方法、装置与运动控制方法、装置 Download PDFInfo
- Publication number
- CN110687903A CN110687903A CN201810630289.3A CN201810630289A CN110687903A CN 110687903 A CN110687903 A CN 110687903A CN 201810630289 A CN201810630289 A CN 201810630289A CN 110687903 A CN110687903 A CN 110687903A
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- trapped
- route
- type
- track position
- 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.)
- Granted
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000006073 displacement reaction Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 13
- 238000004140 cleaning Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种可移动机器人受困判断方法、装置与运动控制方法、装置,所述受困判断方法,包括:获取可移动机器人在预设时间段内的M个轨迹位置点的信息;根据所述M个轨迹位置点,以及受困参考区域的预设尺寸,确定所述M个轨迹位置点对应的所述受困参考区域;根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困,本发明可有效提高受困判断的准确率及脱困成功率。
Description
技术领域
本发明涉及电器设备领域,尤其涉及一种可移动机器人受困判断方法、装置与运动控制方法、装置。
背景技术
智能的电器设备,可理解为具有数据处理能力的电器设备。其中,部分电器设备可实现自主运动,其可理解为一种在平面上运动的可移动机器人,部分可移动机器人可在运动中完成所需的工作,例如清洁机器人,其可在移动中完成自动清洁。
例如桌子、椅子、家具等物体会对可移动机器人的移动带来阻碍,在该类物体分布较密集的场景下,可移动机器人会受困在各物体之间,为了能够更好地对运动过程进行控制,需对可移动机器人是否受困做出准确判断。现有的相关技术中,能够根据可移动机器人对所下达的运动指令的执行情况进行判断,例如若多次无法成功执行运动指令,则确定可移动机器人受困。
然而,这类方法大多仅根据预设时间内的碰撞、后退次数超过设定阈值判断遇到上述困境,仍像盲人探路一样,可见,通过这类方法实际获悉的,只是可移动机器人的运动控制是否顺利,不能明确知道是否真正遇到困境,以及困境的真实情况,因此导致可移动机器人常常困于障碍物密集区域。
发明内容
本发明提供了一种可移动机器人受困判断方法、装置与运动控制方法、装置,其根据可移动机器人的轨迹位置点在某个区域内的聚拢情况判断可移动机器人是否受困,解决了无法准确判断可移动机器人是否受困于障碍物密集区域的问题,并有效提高了脱困成功率。
根据本发明的第一方面,提供了一种可移动机器人的受困判断方法,包括:
获取所述可移动机器人在预设时间段内的M个轨迹位置点的信息;
根据所述M个轨迹位置点,以及受困参考区域的预设尺寸,确定所述M个轨迹位置点对应的所述受困参考区域;
根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困。
可选的,所述受困参考区域可以是圆形的区域,所述预设尺寸可以包括所述圆形的预设半径;所述根据所述M个轨迹位置点,以及受困参考区域的预设尺寸,确定所述M个轨迹位置点对应的所述受困参考区域,包括:
根据所述M个轨迹位置点,确定基准位置点;
以所述基准位置点为圆心、以所述预设半径为半径,确定圆形的所述受困参考区域。
可选的,确定所述可移动机器人受困之后,还可以包括:
若检测到当前的轨迹位置点与所述基准位置点之间的位移大于或不小于位移阈值,则确定所述可移动机器人已不再受困。
可选的,所述根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困,可以包括:
确定处于所述受困参考区域内的轨迹位置点的数量为K个;
若K与M的比值大于或不小于预设的比例阈值,则确定所述可移动机器人受困。
根据本发明的第二方面,提供了一种可移动机器人的运动控制方法,包括:
利用本发明第一方面任一项所述的可移动机器人的受困判断方法确定所述可移动机器人受困;
若检测到所述可移动机器人在运动时与障碍物发生冲突,则控制所述可移动机器人沿第一类路线运动,所述冲突指所述可移动机器人与障碍物的间距小于或等于第一阈值;
若检测到所述可移动机器人在沿所述第一类路线运动时连续发生N次所述冲突,则控制所述可移动机器人沿第二类路线运动;其中,N为大于或等于1的整数;
所述第一类路线为直线,所述第二类路线为非直线;或者:所述第一类路线为非直线,所述第二类路线为直线。
可选的,所述控制所述可移动机器人沿第一类路线运动之前,以及所述控制所述可移动机器人沿第二类路线运动之前,均还可包括:
控制所述可移动机器人后退;
控制所述可移动机器人自转,并使得所述可移动机器人自转后的航向与发生当前冲突时的航向之间具有角度差。
可选的,所述控制所述可移动机器人沿第一类路线运动,具体包括:控制所述可移动机器人沿所述第一类路线匀速运动;和/或:
所述控制所述可移动机器人沿第二类路线运动,具体包括:控制所述可移动机器人沿所述第二类路线匀速运动。
可选的,所述非直线为弧线。
根据本发明的第三方面,提供了一种可移动机器人的受困判断装置,包括:
M个轨迹位置点获取模块,用于获取所述可移动机器人在预设时间段内的M个轨迹位置点的信息;
受困参考区域确定模块,用于根据所述M个轨迹位置点,以及受困参考区域的预设尺寸,确定所述M个轨迹位置点对应的所述受困参考区域;
第一受困确定模块,用于根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困。
根据本发明的第四方面,提供了一种可移动机器人的运动控制装置,包括:
第二受困确定模块,用于利用权利要求1至4任一项所述的可移动机器人的受困判断方法确定所述可移动机器人受困;
第一运动模块,用于若检测到所述可移动机器人在运动时与障碍物发生冲突,则控制所述可移动机器人沿第一类路线运动,所述冲突指所述可移动机器人与障碍物的间距小于或等于第一阈值;
第二运动模块,用于若检测到所述可移动机器人在沿所述第一类路线运动时连续发生N次所述冲突,则控制所述可移动机器人沿第二类路线运动;其中,N为大于或等于1的整数;
所述第一类路线为直线,所述第二类路线为非直线;或者:所述第一类路线为非直线,所述第二类路线为直线。
本发明提供的可移动机器人受困判断方法、装置与运动控制方法、装置,通过获取所述可移动机器人在预设时间段内的轨迹位置点信息(所述轨迹位置点信息包括所述预设时间段内所述可移动机器人行经轨迹上的M个轨迹位置点的位置信息),以及确定受困参考区域(所述受困参考区域根据所述M个轨迹位置点以及受困参考区域的预设尺寸加以确定),可为受困判断提供依据,本发明还通过所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困,可以更准确地判断可移动机器人是否受困。由于本发明以处于受困参考区域内的轨迹位置点的数量和/或根据该数量计算确定的比例为依据进行判断,可获悉可移动机器人轨迹位置点是否聚拢于受困参考区域内,而轨迹位置点的聚拢则是可移动机器人受困于各物体之间的客观结果,故而,本发明可有效提高在障碍物密集区域可移动机器人的受困状态的判断准确率及脱困成功率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中应用场景的示意图;
图2是本发明一实施例中可移动机器人的受困判断方法的流程示意图;
图3是本发明另一实施例中可移动机器人的受困判断方法的流程示意图;
图4是本发明另一实施例中步骤S120的流程示意图;
图5是本发明另一实施例中步骤S130的流程示意图;
图6是本发明一实施例中可移动机器人进入障碍物密集区的一个场景示意图;
图7是本发明一实施例中可移动机器人处于障碍物密集区的场景示意图;
图8是本发明一实施例中可移动机器人处于障碍物密集区的另一个场景示意图;
图9是本发明一实施例中可移动机器人处于障碍物密集区的再一个场景示意图;
图10是本发明一实施例中可移动机器人脱离障碍物密集区的场景示意图;
图11是本发明一实施例中可移动机器人的运动控制方法的流程示意图;
图12是本发明一实施例中步骤S400的流程示意图;
图13是本发明另一实施例中可移动机器人的运动控制方法的流程示意图;
图14是本发明一实施例中可移动机器人的受困判断装置的结构示意图;
图15是本发明一实施例中可移动机器人的运动控制装置的结构示意图;
图16是本发明一实施例中电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)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,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1是本发明一实施例中应用场景的示意图。
请参考图1,在应用场景中,可例如包括会议桌4、椅子3、投影屏5、门2等,可移动机器人1需在该场景中运动,并实施例如清洁的工作。在椅子较多且可移动的场景下,其很容易困住可移动机器人1,使其无法或难以运动离开。
可移动机器人1,可理解为任意可具有信息处理能力,并能够实现运动的可移动机器人。具体可例如清洁机器人、货运机器人、服务机器人、安防机器人、保姆型机器人等。
其中一种实施方式中,为了满足控制的需求,可移动机器人1可配置有感知单元与处理单元,感知单元可包括编码器、惯性测量单元与图片采集单元中至少之一,处理单元可根据感知单元感知的信息解析出可移动机器人1相对于起始位姿的当前位姿信息,位姿信息具体可以包括位置信息与航向信息,位置信息可以为二维坐标,航向信息可具体为航向角等。处理单元可列举为微处理器MCU、数字信号处理器DSP等。所述感知单元还可包括红外线传感器与碰撞传感器,红外传感器可分布在所述可移动机器人机身的前方和/或下方、碰撞传感器可分布在所述可移动机器人机身的前方。
图2是本发明一实施例中可移动机器人的受困判断方法的流程示意图。
请参考图2,可移动机器人的受困判断方法,包括:
S110:获取所述可移动机器人在预设时间段内的M个轨迹位置点的信息。
所述轨迹位置点是指可移动机器人直接或间接获取的、在某一时刻其运行轨迹上的位置,其信息可以以坐标的方式表征,当然也可以以其它已知的方式表征,比如以地图上标注的位置点的方式表征等。
该轨迹位置点的信息可以是与该可移动机器人自身的坐标体系相一致从而能被该可移动机器人识别和使用的位置坐标。比如若可移动机器人使用的是相对坐标系/地球坐标系,则该轨迹位置点的信息即为该相对坐标系/地球坐标系中与可移动机器人采样时的轨迹位置点相对应的相对/绝对位置坐标。所述轨迹位置点的信息既可以是数字组合、向量、矩阵、字符串等文字形式表示的2D(二维)或3D(三维)坐标;也可以是在可移动机器人自身的地图上标注的位置点,可移动机器人自身的地图可以是可移动机器人自己建立的地图,或者从云服务器、用户终端或移动存储设备上获取的已建好的地图,其可参照图9理解。
若已预设时间段并设定了获取轨迹位置点的频率,则在所述预设时间段内获取的轨迹位置点的数量M就是确定的,其中,M为大于或等于2的整数。比如,若预设时间段为2s,而获取轨迹位置点的频率为50Hz,即每2ms获取一个轨迹位置点,则在2s的预设时间段内,M=100。
对于M个轨迹位置点的获取方式,可在可移动机器人运动的情况下,根据其运动参数计算确定,也可以根据可移动机器人对外部事物的检测结果来确定,也可利用可移动机器人以外的设备对可移动机器人的位置进行采集,以上任意方式的单独使用以及组合使用,均视作本实施例一种可选方案的列举。比如可以按相同时间间隔获取所述可移动机器人在预设时间段内的M个轨迹位置点的信息,即采用固定时间间隔的方式采集,也可以通过里程计或其它设备在可移动机器人每移动固定距离后获取所述可移动机器人在预设时间段内的M个轨迹位置点的信息,即采用固定距离间隔的方式采集。本发明采集轨迹位置点的方式也不限于以上列举,任意本领域的位置采集的方式,均不脱离本发明的范围。
本发明的一个实施例中,可只获取上述轨迹位置点的坐标信息,不获取可移动机器人在各轨迹位置点上的航向信息,也不获取预设时间段内可移动机器人的轨迹位置点的产生顺序。当然,在此基础上也可再获取更多的信息,比如上述的轨迹位置点的航向信息、轨迹位置点的产生顺序,以及轨迹位置点的产生时间、可移动机器人在轨迹位置点的速度、加速度等,只要获取了可移动机器人的轨迹位置点,则均落在本发明的保护范围之内。
步骤S110可为后续步骤S120中受困参考区域的确定,以及步骤S130中可移动机器人受困的确定提供依据,由于该依据是可移动机器人实际的轨迹位置,可使得后续步骤中所做的确定均与可移动机器人的实际运动过程相关联,从而提高对于受困的判断准确率。
S120:根据所述M个轨迹位置点,以及受困参考区域的预设尺寸,确定所述M个轨迹位置点对应的所述受困参考区域。
受困参考区域,可以理解为预设时间段内若较多轨迹位置点处于该受困参考区域内,则认为M个轨迹位置点聚拢于受困参考区域,具体可以例如:若受困参考区域内的轨迹位置点占该预设时间段内的所有轨迹位置点的比例大于或不小于预设的比例阈值,则认为M个轨迹位置点聚拢于受困参考区域,轨迹位置点聚拢则是可移动机器人受困于多个障碍物之间的客观结果,故而,以此为依据可更准确判断可移动机器人是否受困于障碍物密集区。
同时,所述受困参考区域的预设尺寸是预先确定的,根据该受困参考区域的形状不同,表征预设尺寸的方式可以任意变化。比如对于矩形区域,其预设尺寸的内容可以包括设定的长边的长度、宽边的长度、对角线的长度和/或长宽比等;在此基础上,还可以包括设定的长边和/或宽边的方向;对于圆形区域,其预设尺寸的内容可以包括设定的半径或直径;对于椭圆形区域,其预设尺寸的内容可以包括设定的长轴的长度、短轴的长度、长轴与短轴的比例中的至少两个;在此基础上,还可以包括长轴或短轴的方向;若该受困参考区域的形状为多个形状的组合,例如圆锥形与矩形的拼接,则所述受困参考区域的预设尺寸的内容可以包括预设的圆锥形的半径、圆弧长,和/或矩形的对角线长度等。
本实施例可基于确定的受困参考区域的预设尺寸,将其应用于可移动机器人在过去的预设时间段内行经的M个轨迹位置点,从而确定在当下场景下的受困参考区域。可见,不同的预设时间段、不同的M个轨迹位置点,可对应确定不同的受困参考区域。
此外,确定所述M个轨迹位置点对应的所述受困参考区域,可以并非指将整个受困参考区域确定下来,只要能唯一表征该区域,则认为已确定了所述M个轨迹位置点对应的受困参考区域,例如,若该受困参考区域为圆形,只要确定了圆心与半径,则可理解为确定了该受困参考区域。
S130:根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困。该步骤也包括根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量占所有M个轨迹位置点的数量的比例,确定所述可移动机器人是否受困。
若不受困,则可以返回步骤S110,获取另M个轨迹位置点的信息,即更新新的预设时间段内的M个轨迹位置点,具体可例如:获取下一个预设时间段2s内的100个更新的轨迹位置点,从而更新受困参考区域。由于时间在不断流逝,而可移动机器人在不断移动,所以在上一预设时间段之后顺延的预设时间段的轨迹位置点也在变化。由于受困参考区域是根据所有M个轨迹位置点确定的,则受困参考区域随着M个轨迹位置点的更新而发生迁移,导致受困参考区域随着时间而变化,因此需要确定新的受困参考区域。
本实施例提供的可移动机器人的受困判断方法,通过获取所述可移动机器人在预设时间段内的M个轨迹位置点的信息(所述轨迹位置点信息包括所述预设时间段内所述可移动机器人行经轨迹上的M个轨迹位置点的位置信息),以及确定所述受困参考区域(所述受困参考区域根据所述M个轨迹位置点以及受困参考区域的预设尺寸加以确定),可为受困判断提供依据,本发明还通过所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困,可以更准确地判断可移动机器人是否受困。由于本发明以处于受困参考区域内的轨迹位置点的数量和/或根据该数量计算确定的比例为依据进行判断,可获悉可移动机器人轨迹位置点是否聚拢于受困参考区域内,而轨迹位置点的聚拢则是可移动机器人受困于各物体之间的客观结果,故而,本实施例可有效提高在障碍物密集区域可移动机器人的受困状态的判断准确率。
图3是本发明另一实施例中可移动机器人的受困判断方法的流程示意图。其中的步骤S110至S130如图2所示,其具体内容包含上述实施例所描述的内容,故而,对于重复的部分,此处不赘述。
图4是本发明另一实施例中步骤S120的流程示意图。本发明一个实施例的受困参考区域是圆形的区域,则所述预设尺寸可以为所述圆形的预设半径。在此情况下,步骤S120包括如图4流程示意图中的细分步骤,具体可以包括:
S121:根据所述M个轨迹位置点,确定基准位置点。
基准位置点,可理解为受困参考区域以该基准位置点为定位中心,其可为受困参考区域的最终定位提供依据,故而,其也可理解为所述预设时间段内M个轨迹位置点整体呈现出聚拢于受困参考区域中的所述基准位置的趋势。基准位置点,可以通过坐标信息表征,也可以通过其他表征其绝对位置或相对位置的信息来表征;同时,基准位置点也可以是经计算后显示在可移动机器人自身的地图上的一个位置点,该地图可以是可移动机器人自己建立的地图,或者从云服务器、用户终端或移动存储设备上拷贝的已建好的地图,该基准位置点可如图9所示的虚线圆形的圆心O。
其中一种实施方式中,若以坐标形式表征所有的轨迹位置点,则基准位置点的横坐标则可以为M个轨迹位置点的横坐标的均值,基准位置点的纵坐标则可以为M个轨迹位置点的纵坐标的均值。在其他可选实施过程中,也可结合各轨迹位置点的采集时刻对横坐标的值与纵坐标值的值进行统计处理从而得到基准位置点的坐标,例如可为每个轨迹位置点的横坐标值与纵坐标值引入加权值,进而对每个轨迹位置点加权求平均值作为基准点的横坐标与纵坐标。
S122:以所述基准位置点为圆心、以所述预设半径为半径,确定圆形的所述受困参考区域。即:若轨迹位置点与所述基准位置点的距离小于预设半径,则该轨迹位置点在受困参考区域范围内。
预设半径,可以是任意的预设固定数值,也可以是自适应性的,即在一次清洁过程中根据M个轨迹位置点和K与M的比例阈值计算得到的,例如,对可移动机器人满足采集够M个轨迹位置点且满足该K与M比例阈值的半径作高斯分布,进而得到较小的概率密度下较小的半径数值(如20%的情况下该半径数值在0.2米左右,默认正常环境下的受困半径不会很大且受困情形的发生概率不会很高,即场景不是非常复杂),将该半径数值作为未来清洁过程的预设半径。预设半径也可进一步根据可移动机器人的运动速度等信息计算得到,例如:预设半径可以是通过可移动机器人的加速度计测得频繁加速/减速的轨迹位置点,并根据这些发生频繁加速/减速的轨迹位置点计算得到。
在一个实施例中,受困参考区域是圆形的,其圆心由M个轨迹位置点的平均位置确定。根据该圆心位置及预设半径,可确定该受困参考区域。
图5是本发明另一实施例中步骤S130的流程示意图。
步骤S130包括如图5流程示意图中的细分步骤,具体可以包括:
S131:确定处于所述受困参考区域内的轨迹位置点的数量为K个。其中,K为小于等于M的任意整数。
S132:若K与M的比值大于或不小于预设的比例阈值,则确定所述可移动机器人受困。
以上实施例以K与M的比值为依据确定可移动机器人受困,在另一可选实施方式中,也可以K为依据确定,或者,在其他可选实施方式中,也可同时考虑K与M的比值与K的取值,例如,仅在K大于一阈值,K与M的比值也大于比例阈值时,才确定所述可移动机器人受困。
图6是本发明一实施例中可移动机器人进入障碍物密集区的一个场景示意图,图7是本发明一实施例中可移动机器人处于障碍物密集区的一个场景示意图。可移动机器人301在经过运动后,可进入由多个障碍物302形成的障碍物密集区,从而受困,该场景也可理解为受困场景。
图8是本发明一实施例中可移动机器人处于障碍物密集区的另一个场景示意图;图9是本发明一实施例中可移动机器人处于障碍物密集区的再一个场景示意图。其中的o点是基准位置点,r是预设半径。以r为半径的圆则是上述的受困参考区域。
在图9所示实施方式中,M为20,K为16,其K与M的比值为4/5,即80%,预设的比例阈值若设置为60%,则因上述实际比值80%大于预设的比例阈值60%,故而可确定所述可移动机器人受困。
本实施例通过以上步骤S110至步骤S130,可准确判断可移动机器人是否受困,由于本发明以处于受困参考区域内的轨迹位置点的数量和/或根据该数量计算确定的比例为依据进行判断,可获悉可移动机器人的轨迹位置点是否聚拢于受困参考区域内,而轨迹位置点聚拢则是可移动机器人受困于各物体之间的客观结果,故而,本发明可有效提高在障碍物密集区域可移动机器人的受困状态的判断准确率。
同时,基于本实施例的判断,可及时对受困后的运动进行调整,在部分可选实施方式中,对于受困前与受困后的运动方式,通常是不一致的。
对于受困前的运动方式,例如可以是沿所检测到的物体的边缘运动,可以沿特定行走路径运动,也可自主建立地图并根据地图运动。
对于受困后的运动方式,由于受困后的运动控制方式通常是针对受困的情形进行设计的,其可有利于在受困的场景下更多的覆盖运动的范围,或者也可有利于尽快离开受困的场景,而准确的判断可保障这些目的能更快更好地实现,例如可覆盖更多的范围,更快地离开受困的场景。
然而,本实施例也可适用于受困前与受困后的运动方式一致的情形,只要在其运动过程中采用以上实施例所涉及的方案对是否受困进行了判断,就不脱离以上实施例的描述。
其中一种实施方式中,步骤S130之后,还可包括:
S200:若检测到当前的轨迹位置点与所述基准位置点之间的位移大于或不小于位移阈值,则确定所述可移动机器人已不再受困。
位移阈值,可理解为任意设置的位移,其可以是特定的值,也可以是根据前文所涉及的M个轨迹位置点和/或运动的速度直接或间接得到的值。例如:可先计算可移动机器人在M个轨迹位置点的平均速度,将该平均速度乘以预设的缩小比例,得到缩小后的平均速度,再将该缩小后的平均速度乘以所述预设时间段,从而得到位移阈值。
若确定当前的轨迹位置点与基准位置点之间的距离大于或不小于位移阈值,即确定所述可移动机器人已不再受困,即脱困成功,否则,则表示未脱困成功。
图10是本发明一实施例中可移动机器人脱离障碍物密集区的一个场景示意图。
请参考图10,其中的位置S可理解为基准位置点,其中的位置E可理解为当前轨迹位置点,当当前轨迹位置点E与基准位置点S之间的位移大于或不小于位移阈值d时,则可确定脱困成功,即所述可移动机器人301不再受困。反之,若未超出,则可确认未脱困成功。步骤S200可适用于步骤S130之后可移动机器人301在受困时运动的任意时机。
本实施例提供的可移动机器人的受困判断方法,通过获取所述可移动机器人在预设时间段内的M个轨迹位置点的信息(所述轨迹位置点信息包括所述预设时间段内所述可移动机器人行经轨迹上的M个轨迹位置点的位置信息),以及确定所述受困参考区域(所述受困参考区域根据所述M个轨迹位置点以及受困参考区域的预设尺寸加以确定),可为受困判断提供依据,本发明还通过所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困,可以更准确地判断可移动机器人是否受困。由于本发明以处于受困参考区域内的轨迹位置点的数量和/或根据该数量计算确定的比例为依据进行判断,可获悉可移动机器人轨迹位置点是否聚拢于受困参考区域内,而轨迹位置点的聚拢则是可移动机器人受困于各物体之间的客观结果,故而,本实施例可有效提高在障碍物密集区域可移动机器人的受困状态的判断准确率。
图11是本发明一实施例中可移动机器人的运动控制方法的流程示意图。图12是本发明一实施例中步骤S400的一个流程示意图。
在上述步骤S130之后,若判断可移动机器人处于受困状态,则可移动机器人的运动控制方法如图11所示,还包括:
S400:执行脱困指令。
所述脱困指令是指使可移动机器人脱离当前困境的指令。在本发明一个实施例中,执行脱困指令的过程可具体如图12所示,包括:
S410:若检测到所述可移动机器人在运动时与障碍物发生冲突,则控制所述可移动机器人沿第一类路线运动。
所述冲突指所述可移动机器人与障碍物的间距小于或等于第一阈值。
第一阈值可以为大于或等于0的任意数值。若第一阈值取0,则冲突,也可理解为所述可移动机器人与障碍物碰撞,换言之,即便是直接检测是否碰撞,而不涉及实际间距数值的获取,也可理解为检测间距是否等于第一阈值,即检测间距是否等于0,故而其并不脱离以上描述的范围;同时,若第一阈值取大于0的数值,则冲突指的是可移动机器人与障碍物的间距小于或等于该阈值。故而,为了实现冲突的判断,可移动机器人可具有可检测碰撞或间距的传感器,例如激光雷达、TOF测距仪、红外测距仪等。
通过沿第一类路线的运动,可有效应对冲突的发生,还可使得可移动机器人的运动是有逻辑的,而非随机的运动,从而通过对运动逻辑的控制,使得运动本身是可控的。同时,由于该运动是可控的,在结合其他路线的情况下,可有利于更多地覆盖运动的区域,也有利于遍历更多的可能性,探索脱困的方式,从而脱离具有密集的障碍物的区域。
此外,发生冲突时,可移动机器人可以是沿第一类路线运动,可以是沿第二类路线运动,也可以是继续沿确定受困时所配置的运动路线运动,甚至也可以是随机运动。即:该运动可以是任意随机或非随机的方式的运动。
S420:若检测到所述可移动机器人在沿所述第一类路线运动时发生所述冲突,则控制所述可移动机器人沿第二类路线运动。
第一类路线与第二类路线,可理解为不同的路线类型。比如,所述第一类路线可以为直线,所述第二类路线可以为非直线,具体例如圆弧或螺旋线等;或者:所述第一类路线为非直线,所述第二类路线为直线。
通过直线运动与非直线运动之间的转换,可通过可变的运动路线保障可移动机器人能覆盖更多的可运动范围,由于可移动机器人还可能具有例如清洁的功能,覆盖更多的可运动范围,也可有利于可移动机器人的清洁更为全面。此外,还可有利于以遍历各区域的方式寻找脱离受困的方式,避免陷入死循环,保障运动的通畅。
此外,步骤S410与步骤S420示意了可移动机器人在任意两类路线的转换,但也不限于两种,同时也不限于从沿第一类路线的运动转换为沿第二类路线的运动,本实施例也可应用于沿第二类路线的运动转换为沿第一类路线的运动,沿第一类路线的运动与沿第二类路线的运动可交替实现,而不限于单向的转换。同时,受困时还可具有不止两类路线的运动,进一步还可例如具有三类、四类路线,本实施例仅示意了其中两类的转换过程。
在执行上述步骤S410过程中、或在执行步骤S420过程中、或在执行步骤S410与步骤S420之间、或在执行步骤S410与步骤S420的组合的任意时机,均可以嵌入上述的步骤S200,随时或定时检测当前轨迹位置点与基准位置点之间的位移是否大于或不小于位移阈值,以确定可移动机器人是否已不再受困。
本实施例提供的可移动机器人的运动控制方法,可有效提高脱困成功率。同时,本实施例还通过若检测到所述可移动机器人在运动与障碍物时发生冲突,则控制所述可移动机器人沿第一类路线运动,以及若检测到处于所述可移动机器人在沿所述第一类路线运动时发生所述冲突,则控制所述可移动机器人沿第二类路线运动,使得可移动机器人即使在较密集的障碍物中,也可尽可能多地覆盖运动范围,此外,还可有利于以遍历各区域的方式寻找脱离受困的方式,避免陷入死循环,保障运动的通畅。
图13是本发明另一实施例中可移动机器人的运动控制方法的一个流程示意图。
请参考图13,可移动机器人的运动控制方法,包括:
S100:利用以上实施例所涉及的可移动机器人的受困判断方法确定所述可移动机器人受困。
其具体可包括前述实施例所涉及的步骤S110、步骤S120与步骤S130。其所涉及的各种实施方式、技术名词,以及技术效果,均可参照以上图2至图10所示实施例理解,故而,在此不再累述。
S510:控制可移动机器人沿第一类路线运动。
S520:检测到所述可移动机器人在运动时与障碍物发生冲突。
所述冲突指所述可移动机器人与障碍物的间距小于或等于第一阈值。
第一阈值可以为大于或等于0的任意数值。若第一阈值取0,则冲突,也可理解为所述可移动机器人与障碍物碰撞,换言之,即便是直接检测是否碰撞,而不涉及实际间距数值的获取,也可理解为检测间距是否等于第一阈值,即检测间距是否等于0,故而其并不脱离以上描述的方案;同时,若第一阈值取大于0的数值,则冲突指的是可移动机器人与障碍物的间距小于该数值。故而,为了实现冲突的判断,可移动机器人可具有可检测碰撞或间距的传感器。碰撞的检测可利用前文所涉及的碰撞传感器来检测,间距的检测可利用例如激光雷达、TOF测距仪、红外测距仪等传感器来检测。
在确定受困后首次发生冲突时,即在刚确定受困,且未发生任何一次冲突之前,可移动机器人可以如图13所示沿第一类路线运动,也可以是继续未受困时所配置的运动路线运动,例如可移动机器人可继续根据受困前所确定的运动方向、线路等信息进行运动,甚至也可以是随机运动。
S530:累计一次第一运动次数。
S540:控制所述可移动机器人后退。
一些实施例中,具体可使得所述可移动机器人后退后的位置与所冲突的障碍物之间的间距大于预设的第二阈值,或者后退固定距离,或者后退随机距离,本发明不限定可移动机器人后退以后的情况。
本发明一个实施例中,后退后的位置与所冲突的障碍物之间的间距大于预设的第二阈值。可通过对后退的行程、时间、速度等信息进行限定,从而达到间距大于第二阈值的目的。同时,若所述冲突指的是碰撞,即第一阈值为0,则在后退特定距离后,间距即为该特定距离;若所述第一阈值不为0,则在后退特定距离后,间距即为该特定距离与第一阈值的和,同时,为了满足间距大于预设第二阈值,也可仅以间距的变化量为依据进行计算,而非实际计算该间距,例如,若所述第一阈值不为0,也可比较后退的特定距离与第一阈值和第二阈值之间的差值。
故而,步骤S540,在本实施例中具体可以为:控制所述可移动机器人后退,并使得所述可移动机器人后退的特定距离大于预设的第三阈值,而第三阈值为第一阈值与第二阈值的差值。
此外,在其他可选实施方式中,该后退的运动路径可以是直线的,也可以是非直线的。
S550:控制所述可移动机器人自转。
具体可使得所述可移动机器人自转后的航向与发生当前冲突时的航向之间具有角度差。
其中一种实施方式中,所述可移动机器人自转的转向是根据所述可移动机器人的冲突部位确定的。所述角度差是根据所述冲突部位和/或发生所述当前冲突时所述可移动机器人的路线类别信息确定的。
自转的转向,可包括顺时针旋转与逆时针旋转,或理解为向右旋转与向左旋转。
冲突部位,可理解为所述可移动机器人的与障碍物发生所述当前冲突的部位;若冲突为碰撞,且利用碰撞传感器进行检测,则所碰撞的碰撞传感器不同,则表示不同的冲突部位;若冲突为间距小于第一阈值,且利用红外线传感器进行检测,则检测到间距小于第一阈值的红外线传感器不同,则表示不同的冲突部位。
所述路线类别信息包括表征所述可移动机器人沿第一类路线运动的第一类别信息或表征所述可移动机器人沿所述第二类路线运动的第二类别信息。在其他可选实施例中,若还具有沿其他类路线的运动,例如沿第三类路线的运动、沿第四类路线的运动,则对应可具有第三类别信息与第四类别信息。
例如:若冲突部位为左侧,则所述可移动机器人向右旋转,其对应的角度差可以为例如15度的锐角,若冲突部位为右侧,则所述可移动机器人向左旋转,其对应的角度差可以为例如15度的锐角,若冲突部位为中间,或两侧均具有冲突部位,则可朝任意方向旋转,或保持依据前一次旋转的方向进行旋转,其对应的角度差可以为90度,甚至180度。
路线类别信息不同,旋转的角度可以不同,其中一种实施方式中,可理解为需小于在未受困时可能会旋转的最小的角度,进而,所述可移动机器人可在有复杂障碍物的环境中遍历、尝试多种可能性,从而有利于覆盖更多的运动范围,以及积极寻找脱离受困的方式。
具体的旋转方向与角度差,不限于以上的列举,可以利用用户与厂商任意自由设置的逻辑来实现。
S560:确定第一运动次数是否达到N次。
若步骤S560的判断结果为是,则其对应的技术手段可理解为:确定所述可移动机器人已连续发生N次所述冲突,且在这N次冲突之内的每次冲突后,均控制所述可移动机器人沿所述第一类路线运动,其中,N为大于或等于1的整数。进而,可实施后续步骤S570:控制所述可移动机器人沿第二类路线运动。
上述步骤S510、S520、S530、S540、S550、S560依次执行的过程,以及在步骤S560确定为是的情况下执行S570的过程,可对应理解为前述步骤S420构思下的一种可选方案。
若步骤S560的判断结果为否,则可返回步骤S510。
上述步骤S510、S520、S530、S540、S550、S560依次执行的过程,以及在步骤S560判断为否的情况下返回执行步骤S510的过程,可对应理解为前述步骤S410构思下的一种可选方案。
第一类路线与第二类路线,可理解为不同的路线类型。其中,所述第一类路线可以为直线,所述第二类路线可以为非直线;或者:所述第一类路线为非直线,所述第二类路线为直线。
通过直线运动与非直线运动之间的转换,可通过可变的运动路线保障可移动机器人能覆盖更多的可运动范围,由于可移动机器人还可能具有例如清洁的功能,覆盖更多的可运动范围,也可有利于可移动机器人的清洁更为全面。此外,还可有利于以遍历各区域的方式寻找脱离受困的方式,避免陷入死循环,保障运动的通畅。
同时,非直线的运动可有利于绕过特定尺寸、形状的障碍物,可见,本实施例可有效解决可移动机器人因障碍物尺寸问题而在障碍物附近陷入死循环或者花费过多时间的情况,进一步保障运动的通畅。
其中一种实施方式中,所述非直线可以具体指弧线。
其中一种实施方式中,所述控制所述可移动机器人沿第一类路线运动,具体包括:控制所述可移动机器人沿所述第一类路线匀速运动;所述控制所述可移动机器人沿第二类路线运动,具体包括:控制所述可移动机器人沿所述第二类路线匀速运动。
匀速的沿弧线运动,其功能之一在于使所述可移动机器人能够以一个较小的半径绕着类似于桌椅腿这样的小而分布密集的障碍物旋转,以避免所述障碍物因转弯半径略大而在桌椅下陷入死循环或者花费过多时间的情形。
在步骤S570之后,其中一种实施方式中,也可参照沿第一类路线运动转换为沿第二类路线运动转换的过程,即步骤S510至步骤S560的过程,将运动由沿第二类路线运动再次转换为沿第一类路线运动,可见,沿第一类路线的运动与沿第二类路线的运动可交替实现。
在其他可选实施例中,在沿第二类路线运动之后,也可再转换为沿第三类路线运动,进而也可实现三类路线运动的交替循环。同时,本实施例也可进一步应用于四类、五类甚至更多类路线的转换与交替循环。
此外,在实施步骤S510、步骤S540和步骤S570时,还可实施步骤S200:若检测到当前的轨迹位置点与所述基准位置点之间的位移大于或等于位移阈值,则确定所述可移动机器人已不再受困。
有关步骤S200所涉及的各种实施方式、技术名词,以及技术效果,均可参照以上图3至图10所示实施例理解,故而,在此不再累述。
同时,若检测到当前的轨迹位置点与所述基准位置点之间的位移小于位移阈值,则表示未脱困成功,进而可继续实施步骤S510、步骤S540或步骤S570。此外,在实施步骤S200之后,还可包括将所累计的运动次数清零的过程。
除此以外,可移动机器人受困时通过运动尝试脱困的过程,除了可以通过脱困成功来结束,也可通过其他方式来结束。
例如:所述方法还可包括:
若检测到所述可移动机器人受困的时间大于预设的最大时间阈值,例如90秒,则可停止可移动机器人运动。
也可包括:
若检测到所述可移动机器人受困后发生冲突的次数达到最大冲突次数,例如100次,则可停止可移动机器人运动。
在利用沿第一类路线运动与沿第二类路线运动交替的场景下,也可包括:若检测到所述交替的次数达到最大交替次数,例如10次,则可停止可移动机器人运动。
此外,可移动机器人在脱困成功的次数大于一个预设的次数阈值,例如针对于面积稍大但是封闭的区域,也可停止可移动机器人运动。
具体实施过程中,也可以是这几种条件的自由组合。在停止可移动机器人运动时,还可发出警报信息,发出警报信息的方式可以是任意声、光,以及通过通讯线路对外发送信息的方式。
本实施例提供的可移动机器人的运动控制方法,可有效提高脱困成功率。同时,本实施例还通过若检测到所述可移动机器人在运动与障碍物时发生冲突,则控制所述可移动机器人沿第一类路线运动,以及若检测到处于所述可移动机器人在沿所述第一类路线运动时发生所述冲突,则控制所述可移动机器人沿第二类路线运动,使得可移动机器人即使在较密集的障碍物中,也可尽可能多地覆盖运动范围,此外,还可有利于以遍历各区域的方式寻找脱离受困的方式,避免陷入死循环,保障运动的通畅。
图14是本发明一实施例中可移动机器人的受困判断装置的结构示意图。
请参考图14,可移动机器人的受困判断装置600,包括:
M个轨迹位置点获取模块601,用于用于获取所述可移动机器人在预设时间段内的M个轨迹位置点的信息;
受困参考区域确定模块602,用于根据所述M个轨迹位置点,以及受困参考区域的预设尺寸,确定所述M个轨迹位置点对应的所述受困参考区域;
第一受困确定模块603,用于根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困。
可选的,所述受困参考区域为圆形的区域,所述预设尺寸包括所述圆形的预设半径;所述受困参考区域确定模块602,具体用于:
根据所述M个轨迹位置点,确定基准位置点;
以所述基准位置点为圆心、以所述预设半径为半径,确定圆形的所述受困参考区域。
可选的,所述可移动机器人的受困判断装置600,还包括:
不再受困确定模块604,用于若检测到当前的轨迹位置点与所述基准位置点之间的位移大于或不小于位移阈值,则确定所述可移动机器人已不再受困。
可选的,所述第一受困确定模块603,具体用于:
确定处于所述受困参考区域内的轨迹位置点的数量为K个;
若K与M的比值大于或不小于预设的比例阈值,则确定所述可移动机器人受困。
本实施例提供的可移动机器人的受困判断装置,通过获取所述可移动机器人在预设时间段内的轨迹位置点的信息(所述轨迹位置点信息包括所述预设时间段内所述可移动机器人行经轨迹上的M个轨迹位置点的位置信息),以及确定所述受困参考区域(所述受困参考区域根据所述M个轨迹位置点以及受困参考区域的预设尺寸加以确定),可为受困判断提供依据,本发明还通过根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困,可以更准确地判断可移动机器人是否受困。由于本发明以处于受困参考区域内的轨迹位置点的数量和/或根据该数量计算确定的比例为依据进行判断,可获悉可移动机器人轨迹位置点是否聚拢于受困参考区域内,而轨迹位置点的聚拢则是可移动机器人受困于各物体之间的客观结果,故而,本实施例可有效提高在障碍物密集区域可移动机器人的受困状态的判断准确率。
图15是本发明一实施例中可移动机器人的运动控制装置的结构示意图。
提供了一种可移动机器人的运动控制装置700,包括:
第二受困确定模块701,用于利用第一方面及其可选方案涉及的可移动机器人的受困判断方法确定所述可移动机器人受困;
第一运动模块702,用于若检测到所述可移动机器人在运动时与障碍物发生冲突,则控制所述可移动机器人沿第一类路线运动,所述冲突指所述可移动机器人与障碍物的间距小于或等于第一阈值;
第二运动模块704,用于若检测到所述可移动机器人在沿所述第一类路线运动时发生所述冲突,则控制所述可移动机器人沿第二类路线运动;所述第一类路线为直线,所述第二类路线为非直线;或者:所述第一类路线为非直线,所述第二类路线为直线。
可选的,所述可移动机器人的运动控制装置700,还包括:
N次冲突确定模块703,用于确定所述可移动机器人已连续发生N次所述冲突,且每次冲突后,均控制所述可移动机器人沿所述第一类路线运动,其中,N为大于或等于1的整数。
可选的,所述可移动机器人的运动控制装置700,还包括:
后退控制模块,控制所述可移动机器人后退,所述可移动机器人后退后的位置如以上各实施例所述,此处不赘述;
自转控制模块,用于控制所述可移动机器人自转,并使得所述可移动机器人自转后的航向与发生当前冲突时的航向之间具有角度差。
可选的,所述可移动机器人自转的转向是根据所述可移动机器人的冲突部位确定的,所述冲突部位指所述可移动机器人的与障碍物发生所述当前冲突的部位;
所述角度差是根据所述冲突部位和/或发生所述当前冲突时所述可移动机器人的路线类别信息确定的,所述路线类别信息包括表征所述可移动机器人沿第一类路线运动的第一类别信息或表征所述可移动机器人沿所述第二类路线运动的第二类别信息。
可选的,所述第一运动模块702,具体用于:控制所述可移动机器人沿所述第一类路线匀速运动;和/或:
所述第二运动模块704,具体用于:控制所述可移动机器人沿所述第二类路线匀速运动。
可选的,所述非直线为弧线。
图16是本发明一实施例中电子设备的结构示意图。
请参考图16,本实施例还提供了一种电子设备80包括:处理器81以及存储器82;其中:
存储器82,用于存储计算机程序,该存储器还可以是flash(闪存)。
处理器81,用于执行存储器存储的执行指令,以实现上述方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地,存储器82既可以是独立的,也可以跟处理器81集成在一起。
当所述存储器82是独立于处理器81之外的器件时,所述电子设备80还可以包括:
总线83,用于连接所述存储器82和处理器81。
本实施例还提供一种可读存储介质,可读存储介质中存储有计算机程序,当电子设备的至少一个处理器执行该计算机程序时,电子执行执行上述的各种实施方式提供的方法。
本实施例还提供一种程序产品,该程序产品包括计算机程序,该计算机程序存储在可读存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该计算机程序,至少一个处理器执行该计算机程序使得电子设备实施上述的各种实施方式提供的方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种可移动机器人的受困判断方法,其特征在于,包括:
获取所述可移动机器人在预设时间段内的M个轨迹位置点的信息;
根据所述M个轨迹位置点,以及受困参考区域的预设尺寸,确定所述M个轨迹位置点对应的所述受困参考区域;
根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困。
2.根据权利要求1所述的方法,其特征在于,所述受困参考区域为圆形的区域,所述预设尺寸包括所述圆形的预设半径;所述根据所述M个轨迹位置点,以及受困参考区域的预设尺寸,确定所述M个轨迹位置点对应的所述受困参考区域,包括:
根据所述M个轨迹位置点,确定基准位置点;
以所述基准位置点为圆心、以所述预设半径为半径,确定圆形的所述受困参考区域。
3.根据权利要求2所述的方法,其特征在于,确定所述可移动机器人受困之后,还包括:
若检测到当前的轨迹位置点与所述基准位置点之间的位移大于或不小于位移阈值,则确定所述可移动机器人已不再受困。
4.根据权利要求1所述的方法,其特征在于,所述根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困,包括:
确定处于所述受困参考区域内的轨迹位置点的数量为K个;
若K与M的比值大于或不小于预设的比例阈值,则确定所述可移动机器人受困。
5.一种可移动机器人的运动控制方法,其特征在于,包括:
利用权利要求1至4任一项所述的可移动机器人的受困判断方法确定所述可移动机器人受困;
若检测到所述可移动机器人在运动时与障碍物发生冲突,则控制所述可移动机器人沿第一类路线运动,所述冲突指所述可移动机器人与障碍物的间距小于或等于第一阈值;
若检测到所述可移动机器人在沿所述第一类路线运动时连续发生N次所述冲突,则控制所述可移动机器人沿第二类路线运动;其中,N为大于或等于1的整数;
所述第一类路线为直线,所述第二类路线为非直线;或者:所述第一类路线为非直线,所述第二类路线为直线。
6.根据权利要求5所述的方法,其特征在于,所述控制所述可移动机器人沿第一类路线运动之前,以及所述控制所述可移动机器人沿第二类路线运动之前,均还包括:
控制所述可移动机器人后退;
控制所述可移动机器人自转,并使得所述可移动机器人自转后的航向与发生当前冲突时的航向之间具有角度差。
7.根据权利要求5所述的方法,其特征在于,所述控制所述可移动机器人沿第一类路线运动,具体包括:控制所述可移动机器人沿所述第一类路线匀速运动;和/或:
所述控制所述可移动机器人沿第二类路线运动,具体包括:控制所述可移动机器人沿所述第二类路线匀速运动。
8.根据权利要求5所述的方法,其特征在于,所述非直线为弧线。
9.一种可移动机器人的受困判断装置,其特征在于,包括:
M个轨迹位置点获取模块,用于获取所述可移动机器人在预设时间段内的M个轨迹位置点的信息;
受困参考区域确定模块,用于根据所述M个轨迹位置点,以及受困参考区域的预设尺寸,确定所述M个轨迹位置点对应的所述受困参考区域;
第一受困确定模块,用于根据所述M个轨迹位置点中处于所述受困参考区域内的轨迹位置点的数量,确定所述可移动机器人是否受困。
10.一种可移动机器人的运动控制装置,其特征在于,包括:
第二受困确定模块,用于利用权利要求1至4任一项所述的可移动机器人的受困判断方法确定所述可移动机器人受困;
第一运动模块,用于若检测到所述可移动机器人在运动时与障碍物发生冲突,则控制所述可移动机器人沿第一类路线运动,所述冲突指所述可移动机器人与障碍物的间距小于或等于第一阈值;
第二运动模块,用于若检测到所述可移动机器人在沿所述第一类路线运动时连续发生N次所述冲突,则控制所述可移动机器人沿第二类路线运动;其中,N为大于或等于1的整数;
所述第一类路线为直线,所述第二类路线为非直线;或者:所述第一类路线为非直线,所述第二类路线为直线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810630289.3A CN110687903B (zh) | 2018-06-19 | 2018-06-19 | 可移动机器人受困判断方法、装置与运动控制方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810630289.3A CN110687903B (zh) | 2018-06-19 | 2018-06-19 | 可移动机器人受困判断方法、装置与运动控制方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110687903A true CN110687903A (zh) | 2020-01-14 |
CN110687903B CN110687903B (zh) | 2022-07-08 |
Family
ID=69106235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810630289.3A Active CN110687903B (zh) | 2018-06-19 | 2018-06-19 | 可移动机器人受困判断方法、装置与运动控制方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110687903B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111216093A (zh) * | 2020-01-16 | 2020-06-02 | 宁德师范学院 | 一种物流机器人及其移动轨迹判断方法、存储介质 |
CN112286191A (zh) * | 2020-10-28 | 2021-01-29 | 深圳拓邦股份有限公司 | 机器人脱困控制方法、装置及扫地机器人 |
CN114615916A (zh) * | 2020-02-27 | 2022-06-10 | 松下知识产权经营株式会社 | 信息提示方法、信息提示装置和程序 |
CN117381805A (zh) * | 2023-12-13 | 2024-01-12 | 成都航空职业技术学院 | 一种面向冲突应对的机械臂运行控制方法和系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010176203A (ja) * | 2009-01-27 | 2010-08-12 | Panasonic Electric Works Co Ltd | 自律移動ロボットシステム |
US20120101679A1 (en) * | 2010-10-26 | 2012-04-26 | Noel Wayne Anderson | Method and system for enhancing operating performance of an autonomic mobile robotic device |
US20130338831A1 (en) * | 2012-06-18 | 2013-12-19 | Dongki Noh | Robot cleaner and controlling method of the same |
CN103901885A (zh) * | 2012-12-28 | 2014-07-02 | 联想(北京)有限公司 | 信息处理方法和信息处理设备 |
WO2018043780A1 (ko) * | 2016-09-05 | 2018-03-08 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
CN107807650A (zh) * | 2017-11-29 | 2018-03-16 | 莱克电气股份有限公司 | 一种机器人的运动控制方法、装置及设备 |
CN107943025A (zh) * | 2017-11-09 | 2018-04-20 | 珠海市微半导体有限公司 | 机器人被困的检测方法及脱困的处理方法 |
GB201821096D0 (en) * | 2018-12-21 | 2019-02-06 | Mtd Products Inc | Outdoor power equipment machine with presence detection |
CN111337022A (zh) * | 2020-04-10 | 2020-06-26 | 深圳市银星智能科技股份有限公司 | 一种目标障碍物的检测方法、装置和机器人 |
CN113925390A (zh) * | 2021-10-19 | 2022-01-14 | 珠海一微半导体股份有限公司 | 一种基于地图图像的跨区域通道识别方法、机器人及芯片 |
-
2018
- 2018-06-19 CN CN201810630289.3A patent/CN110687903B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010176203A (ja) * | 2009-01-27 | 2010-08-12 | Panasonic Electric Works Co Ltd | 自律移動ロボットシステム |
US20120101679A1 (en) * | 2010-10-26 | 2012-04-26 | Noel Wayne Anderson | Method and system for enhancing operating performance of an autonomic mobile robotic device |
US20130338831A1 (en) * | 2012-06-18 | 2013-12-19 | Dongki Noh | Robot cleaner and controlling method of the same |
CN103901885A (zh) * | 2012-12-28 | 2014-07-02 | 联想(北京)有限公司 | 信息处理方法和信息处理设备 |
WO2018043780A1 (ko) * | 2016-09-05 | 2018-03-08 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
CN107943025A (zh) * | 2017-11-09 | 2018-04-20 | 珠海市微半导体有限公司 | 机器人被困的检测方法及脱困的处理方法 |
CN107807650A (zh) * | 2017-11-29 | 2018-03-16 | 莱克电气股份有限公司 | 一种机器人的运动控制方法、装置及设备 |
GB201821096D0 (en) * | 2018-12-21 | 2019-02-06 | Mtd Products Inc | Outdoor power equipment machine with presence detection |
CN111337022A (zh) * | 2020-04-10 | 2020-06-26 | 深圳市银星智能科技股份有限公司 | 一种目标障碍物的检测方法、装置和机器人 |
CN113925390A (zh) * | 2021-10-19 | 2022-01-14 | 珠海一微半导体股份有限公司 | 一种基于地图图像的跨区域通道识别方法、机器人及芯片 |
Non-Patent Citations (5)
Title |
---|
F. ARAMBULA COSFO等: "Autonomous Robot Navigation using Adaptive Potential Fields", 《MATHEMATICAL AND COMPUTER MODELLING》 * |
SALMAN FARAJI AND AUKE JAN IJSPEERT: "Modeling Robot Geometries Like Molecules,Application to Fast Multicontact Posture Planning for Humanoids", 《IEEE ROBOTICS AND AUTOMATION LETTERS》 * |
单建华: "克服死循环转角固定的实时路径规划方法", 《控制工程》 * |
白金柯等: "动态未知环境下一种新的机器人路径规划方法", 《传感器与微系统》 * |
邹青华等: "基于多传感器的移动机器人避障研究", 《计算机科学》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111216093A (zh) * | 2020-01-16 | 2020-06-02 | 宁德师范学院 | 一种物流机器人及其移动轨迹判断方法、存储介质 |
CN114615916A (zh) * | 2020-02-27 | 2022-06-10 | 松下知识产权经营株式会社 | 信息提示方法、信息提示装置和程序 |
CN114615916B (zh) * | 2020-02-27 | 2024-04-12 | 松下知识产权经营株式会社 | 信息提示方法、信息提示装置和存储介质 |
CN112286191A (zh) * | 2020-10-28 | 2021-01-29 | 深圳拓邦股份有限公司 | 机器人脱困控制方法、装置及扫地机器人 |
CN117381805A (zh) * | 2023-12-13 | 2024-01-12 | 成都航空职业技术学院 | 一种面向冲突应对的机械臂运行控制方法和系统 |
CN117381805B (zh) * | 2023-12-13 | 2024-02-27 | 成都航空职业技术学院 | 一种面向冲突应对的机械臂运行控制方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110687903B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110687903B (zh) | 可移动机器人受困判断方法、装置与运动控制方法、装置 | |
CN110632921B (zh) | 机器人路径规划方法、装置、电子设备和存储介质 | |
US10102429B2 (en) | Systems and methods for capturing images and annotating the captured images with information | |
US11142121B2 (en) | Interaction method and apparatus of mobile robot, mobile robot, and storage medium | |
CN107041718B (zh) | 清洁机器人及其控制方法 | |
CN111337022B (zh) | 一种目标障碍物的检测方法、装置和机器人 | |
EP3907575A1 (en) | Dynamic region division and region channel identification method, and cleaning robot | |
CN110674705B (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
CN108725440A (zh) | 前向碰撞控制方法和装置、电子设备、程序和介质 | |
US20130118528A1 (en) | Robot cleaner and control method thereof | |
JP7314411B2 (ja) | 移動ロボットの障害物情報感知方法、装置 | |
KR102629036B1 (ko) | 로봇 및 그의 제어 방법 | |
CN107610235B (zh) | 一种基于深度学习的移动平台导航方法和装置 | |
JP7322276B2 (ja) | 脚の揺動軌道 | |
Ferri et al. | Dynamic obstacles detection and 3d map updating | |
KR20210063791A (ko) | 장애물의 특성을 고려한 dqn 및 slam 기반의 맵리스 내비게이션 시스템 및 그 처리 방법 | |
WO2019089017A1 (en) | Mobile robots to generate occupancy maps | |
McGreavy et al. | Next best view planning for object recognition in mobile robotics | |
KR20210065837A (ko) | 점유 격자 지도 생성 장치 및 방법 | |
KR101892650B1 (ko) | 레이더를 이용하여 포인팅 위치를 인식하는 방법 및 장치 | |
CN113786125A (zh) | 作业方法、自移动设备及存储介质 | |
Sikdar et al. | Robust object tracking in the XZ domain | |
Doellinger et al. | Environment-aware multi-target tracking of pedestrians | |
CN116858253A (zh) | 一种适用室内环境的轻量性预测式导航方法及系统 | |
Marzouqi et al. | New visibility-based path-planning approach for covert robotic navigation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |