CN110889871A - 机器人行驶方法、装置及机器人 - Google Patents
机器人行驶方法、装置及机器人 Download PDFInfo
- Publication number
- CN110889871A CN110889871A CN201911221015.XA CN201911221015A CN110889871A CN 110889871 A CN110889871 A CN 110889871A CN 201911221015 A CN201911221015 A CN 201911221015A CN 110889871 A CN110889871 A CN 110889871A
- Authority
- CN
- China
- Prior art keywords
- robot
- point cloud
- data set
- target object
- cloud data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及机器人控制技术领域,具体而言,涉及一种机器人行驶方法、装置及机器人。机器人行驶方法包括通过搭载于机器人的激光雷达,获取实时点云数据集,所述实时点云数据集用于表征行驶场景的实时环境信息,所述行驶场景中包括目标物体;根据标准点云数据集和所述实时点云数据集,获得所述目标物体在行驶场景中的第一位姿,所述标准点云数据集用于表征所述目标物体的形态特征;根据所述第一位姿,以及所述机器人在行驶场景中的第二位姿,规划行驶路线,以使所述机器人根据所述行驶路线,行驶至所述目标物体的所在位置。应用本申请实施例提供的机器人行驶方法及装置的机器人,能够适应人机协作的应用场景。
Description
技术领域
本申请涉及机器人控制技术领域,具体而言,涉及一种机器人行驶方法、装置及机器人。
背景技术
机器人是自动执行工作的机器装置,能够应用于服务业、生产业、建筑业,以协助或取代人类工作。现有技术中,机器人行驶时,一般是通过预先铺设的磁条或二维码进行导航,因此,每次修改行驶路线后,都需要重新铺设磁条或二维码,无法适应人机协作的应用场景。
发明内容
本申请实施例的目的在于,提供一种机器人行驶方法、装置及机器人,以解决上述问题。
第一方面,本申请实施例提供的机器人行驶方法,包括:
通过搭载于机器人的激光雷达,获取实时点云数据集,实时点云数据集用于表征行驶场景的实时环境信息,行驶场景中包括目标物体;
根据标准点云数据集和实时点云数据集,获得目标物体在行驶场景中的第一位姿,标准点云数据集用于表征目标物体的形态特征;
根据第一位姿,以及机器人在行驶场景中的第二位姿,规划行驶路线,以使机器人根据行驶路线,行驶至目标物体的所在位置。
本申请实施例提供的机器人行驶方法,能够通过搭载于机器人的激光雷达,获取实时点云数据集,通过搭载于机器人的激光雷达,获取实时点云数据集,再根据第一位姿,以及机器人在行驶场景中的第二位姿,规划行驶路线,以使机器人根据行驶路线,行驶至目标物体的所在位置。相对于现有技术中,通过预先铺设的磁条或二维码进行导航,而每次修改行驶路线后,都需要重新铺设磁条或二维码的方式而言,在修改行驶路线之后,只需再次执行上述步骤,便能够获得新的行驶路线,因此,应用机器人行驶方法的机器人,能够适应人机协作的应用场景。
结合第一方面,本申请实施例还提供了第一方面的第一种可选的实施方式,根据标准点云数据集和实时点云数据集,获得目标物体在行驶场景中的第一位姿之前,机器人行驶方法,还包括:
通过激光雷达,获取参考点云数据集,参考点云数据集用于表征参考场景的实时环境信息,参考场景中包括目标物体;
对参考点云数据集进行筛选,获得标准点云数据集。
本申请实施例中,根据标准点云数据集和实时点云数据集,获得目标物体在行驶场景中的第一位姿之前,机器人行驶方法,还包括:通过激光雷达,获取参考点云数据集,参考点云数据集用于表征参考场景的实时环境信息,参考场景中包括目标物体,对参考点云数据集进行筛选,获得标准点云数据集,因此,能够保证标准点云数据集的可靠性。
结合第一方面的第一种可选的实施方式,本申请实施例还提供了第一方面的第二种可选的实施方式,对参考点云数据集进行筛选,获得标准点云数据集,包括:
基于聚类图像分割技术,将参考点云数据集分割为多个待选聚类;
从多个待选聚类中,确定出与目标物体的形态特征匹配的待选聚类,作为标准点云数据集。
本申请实施例中,对参考点云数据集进行筛选,获得标准点云数据集,包括:基于聚类图像分割技术,将参考点云数据集分割为多个待选聚类,从多个待选聚类中,确定出与目标物体的形态特征匹配的待选聚类,作为标准点云数据集,因此,基于聚类图像分割技术的可靠性,能够进一步保证标准点云数据集的可靠性。
结合第一方面,本申请实施例还提供了第一方面的第三种可选的实施方式,根据标准点云数据集和实时点云数据集,获得目标物体在行驶场景中的第一位姿,包括:
从实时点云数据集中,确定出与标准点云数据集匹配的目标点云数据集;
根据目标物体的形态特征,以及目标点云数据集在行驶场景地图中的所在位置,获得目标物体在行驶场景中的第一位姿。
本申请实施例中,根据标准点云数据集和实时点云数据集,获得目标物体在行驶场景中的第一位姿,包括:从实时点云数据集中,确定出与标准点云数据集匹配的目标点云数据集,根据目标物体的形态特征,以及目标点云数据集在行驶场景地图中的所在位置,获得目标物体在行驶场景中的第一位姿。该计算过程简单快捷,因此,能够提高行驶路线的规划效率。
第一方面的第三种可选的实施方式,本申请实施例还提供了第一方面的第四种可选的实施方式,根据目标物体的形态特征,以及目标点云数据集在行驶场景地图中的所在位置,获得目标物体在行驶场景中的第一位姿,包括:
从目标点云数据集中,确定出预设数量个用于表征目标物体特征部位的特征数据集;
根据预设数量个特征数据集,获得目标物体的中心点在行驶场景地图中的第一位置信息,以及根据预设数量个特征数据集,获得目标物体的中心线在行驶场景地图中的第一角度信息;
根据第一位置信息和第一角度信息,获得目标物体在行驶场景中的第一位姿。
本申请实施例中,根据目标物体的形态特征,以及目标点云数据集在行驶场景地图中的所在位置,获得目标物体在行驶场景中的第一位姿,包括:从目标点云数据集中,确定出预设数量个用于表征目标物体特征部位的特征数据集,根据预设数量个特征数据集,获得目标物体的中心点在行驶场景地图中的第一位置信息,以及根据预设数量个特征数据集,获得目标物体的中心线在行驶场景地图中的第一角度信息,再根据第一位置信息和第一角度信息,获得目标物体在行驶场景中的第一位姿,从而保证第一位姿的可靠性。
结合第一方面,本申请实施例还提供了第一方面的第五种可选的实施方式,根据第一位姿,以及机器人在行驶场景中的第二位姿,规划行驶路线,以使机器人根据行驶路线,行驶至目标物体的所在位置之前,机器人行驶方法,还包括:
获取机器人的中心点在行驶场景地图中的第二位置信息,以及获取机器人的中心线在行驶场景地图中的第二角度信息;
根据第二位置信息和第二角度信息,获得机器人在行驶场景中的第二位姿。
本申请实施例中,根据第一位姿,以及机器人在行驶场景中的第二位姿,规划行驶路线,以使机器人根据行驶路线,行驶至目标物体的所在位置之前,机器人行驶方法,还包括:获取机器人的中心点在行驶场景地图中的第二位置信息,以及获取机器人的中心线在行驶场景地图中的第二角度信息,根据第二位置信息和第二角度信息,获得机器人在行驶场景中的第二位姿,从而保证第二位姿的可靠性。
结合第一方面,本申请实施例还提供了第一方面的第六种可选的实施方式,根据第一位姿,以及机器人在行驶场景中的第二位姿,规划行驶路线,以使机器人根据行驶路线,行驶至目标物体的所在位置,包括:
从行驶场景中,选取出目标位置,目标位置位于机器人和目标物体之间;
根据第二位姿,以及目标位置,规划第一子行驶路线,以使机器人根据第一子行驶路线,行驶至目标位置;
根据目标位置和第一位姿,规划第二子行驶路线,以使机器人根据第二子行驶路线,行驶至目标物体的所在位置。
本申请实施例中,根据第一位姿,以及机器人在行驶场景中的第二位姿,规划行驶路线,以使机器人根据行驶路线,行驶至目标物体的所在位置,包括:从行驶场景中,选取出目标位置,目标位置位于机器人和目标物体之间,根据第二位姿,以及目标位置,规划第一子行驶路线,以使机器人根据第一子行驶路线,行驶至目标位置,再根据目标位置和第一位姿,规划第二子行驶路线,以使机器人根据第二子行驶路线,行驶至目标物体的所在位置,从而保证机器人行驶路线的精确性。
第二方面,本申请实施例提供的机器人行驶装置,包括:
第一数据获取模块,用于通过搭载于机器人的激光雷达,获取实时点云数据集,实时点云数据集用于表征行驶场景的实时环境信息,行驶场景中包括目标物体;
第一位姿获取模块,用于根据标准点云数据集和实时点云数据集,获得目标物体在行驶场景中的第一位姿,标准点云数据集用于表征目标物体的形态特征;
路线规划模块,用于根据第一位姿,以及机器人在行驶场景中的第二位姿,规划行驶路线,以使机器人根据行驶路线,行驶至目标物体的所在位置。
本申请实施例提供的机器人行驶装置,具有与上述机器人行驶方法相同的有益效果,此处不作赘述。
第三方面,本申请实施例提供的机器人,包括处理器和存储器,存储器上存储有计算机程序,处理器用于执行计算机程序,以实现上述第一方面,或第一方面的任意一种可选的实施方式所提供的路线规划方法。
本申请实施例提供的机器人,具有与上述路线规划方法相同的有益效果,此处不作赘述。
第四方面,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被执行时,实现上述第一方面,或第一方面的任意一种可选的实施方式所提供的路线规划方法。
本申请实施例提供的计算机可读存储介质,具有与上述路线规划方法相同的有益效果,此处不作赘述。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种机器人的示意性结构框图。
图2为本申请实施例提供的一种机器人行驶方法的步骤流程图。
图3为本申请实施例提供的一种机器人行驶方法的辅助性说明图。
图4为本申请实施例提供的机器人行驶方法的另一种辅助性说明图。
图5为本申请实施例提供的一种机器人行驶装置的示意性结构框图。
附图标记:100-机器人;110-处理器;120-存储器;130-激光雷达;200-货架;300-机器人行驶装置;310-第一数据获取模块;320-第一位姿获取模块;330-路线规划模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
请参阅图1,为本申请实施例提供的一种应用机器人行驶方法及装置的机器人100的示意性结构框图。本申请实施例中,机器人100可以是,但不限于货运机器人、工业机器人、服务机器人,在结构上,机器人100可以包括处理器110、存储器120和激光雷达130。
处理器110分别与存储器120和激光雷达130直接或间接地电性连接,以实现数据的传输或交互,例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。机器人行驶装置300包括至少一个可以软件或固件(Firmware)的形式存储在存储器120中或固化在机器人100的操作系统(Operating System,OS)中的软件模块。处理器110用于执行存储器120中存储的可执行模块,例如,机器人行驶装置300所包括的软件功能模块及计算机程序等,以实现机器人行驶方法。处理器110可以在接收到执行指令后,执行计算机程序。
其中,处理器110可以是一种集成电路芯片,具有信号处理能力。处理器110也可以是通用处理器,例如,可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、分立门或晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。此外,通用处理器可以是微处理器或者任何常规处理器等。
存储器120可以是,但不限于,随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-OnlyMemory,PROM)、可擦可编程序只读存储器(Erasable Programmable Read-Only Memory,EPROM),以及电可擦编程只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)。存储器120用于存储程序,处理器110在接收到执行指令后,执行该程序。
本申请实施例中,激光雷达130设置于机器人100的机身,用于获取实时点云数据集和参考点云数据集,其中,实时点云数据集用于表征行驶场景的实时环境信息,参考点云数据集用于表征参考场景的实时环境信息。
应当理解,图1所示的结构仅为示意,本申请实施例提供的机器人100还可以具有比图1更少或更多的组件,或是具有与图1所示不同的配置。此外,图1所示的各组件可以通过软件、硬件或其组合实现。
请参阅图2,图2为本申请实施例提供的机器人行驶方法的流程示意图,该方法应用于图1所示的机器人100。所应说明的是,本申请实施例提供的机器人行驶方法不以图2及以下所示的顺序为限制,以下结合图2对机器人行驶方法的具体流程及步骤进行描述。
步骤S100,通过搭载于机器人的激光雷达,获取实时点云数据集,实时点云数据集用于表征行驶场景的实时环境信息,行驶场景中包括目标物体。
本申请实施例中,激光雷达可以是2D激光雷达,用于获取行驶场景的激光数据,并将激光数据转换为实时点云数据集。此外,可以理解的是,本申请实施例中,行驶场景可以是工厂、物流运输场所、酒店等,而目标物体可以是货架、货物等。
步骤S200,根据标准点云数据集和实时点云数据集,获得目标物体在行驶场景中的第一位姿,标准点云数据集用于表征目标物体的形态特征。
本申请实施例中,目标物体的形态特征可以包括目标物体的大小、形状、颜色中的至少一者。此外,可以理解的是,本申请实施例中,要实现步骤S200,还需要预先获取标准点云数据集,因此,本申请实施例提供的机器人行驶方法,还可以包括步骤S010和步骤S020。
步骤S010,通过激光雷达,获取参考点云数据集,参考点云数据集用于表征参考场景的实时环境信息,参考场景中包括目标物体。
本申请实施例中,激光雷达还用于获取参考场景的激光数据,并将激光数据转换为参考点云数据集。此外,可以理解的是,本申请实施例中,参考场景可以是工厂、物流运输场所、酒店等。
步骤S020,对参考点云数据集进行筛选,获得标准点云数据集。
可以理解的是,本申请实施例中,参考场景中除包括目标物体以外,还可能包括其他物体。因此,参考点云数据集中,除包括标准点云数据集以外,还可能包括用于表征其他物体形态特征的点云数据集。以参考场景为工厂,目标物体为货架,参考场景中除包括货架以外,还包括平板车、操作台、以及各种生产物料为例,参考点云数据集中,除包括标准点云数据集以外,还包括用于表征平板车形态特征的平板车云数据集、用于表征操作台形态特征的操作台点云数据集,以及各种用于表征生产物料形态特征的物料点云数据集。基于此,本申请实施例中,需要执行步骤S020,以对参考点云数据集进行筛选,获得标准点云数据集。
对于步骤S020,本申请实施例中,作为一种可选的实施方式,其可以包括步骤S021和步骤S022。
步骤S021,基于聚类图像分割技术,将参考点云数据集分割为多个待选聚类。
聚类图像分割技术可以是通过聚类算法,根据RGB颜色对参考点云数据集中所有扫描点的进行聚类,从而将参考点云数据集分割为多个待选聚类,也可以是通过聚类算法,根据距离对参考点云数据集中所有扫描点进行聚类,从而将参考点云数据集分割为多个待选聚类。此外,可以理解的是,本申请实施例中,每个待选聚类对应参考场景中包括的一个物体。以下,将对通过聚类算法,根据距离对参考点云数据集中所有扫描点进行聚类,从而将参考点云数据集分割为多个待选聚类为例,对聚类图像分割技术的原理进行描述。
针对每个当前扫描点,若该当前扫描点与前一个扫描点的距离在预设阈值范围内,则将该当前扫描点聚到前一个扫描点的类中,否则,把当前扫描点设置为新的聚类种子,同时,根据预设阈值判断下一个扫描点是否与该聚类种子属于同一类,并重复前述步骤,直至所有的扫描点都被聚到不同的类中,从而将参考点云数据集分割为多个待选聚类。
步骤S022,从多个待选聚类中,确定出与目标物体的形态特征匹配的待选聚类,作为标准点云数据集。
本申请实施例中,针对每个待选聚类,可以获取该待选聚类中包括的每个扫描点的几何位置信息,此后,根据每个扫描点的几何位置信息,确定出该待选聚类所表征物体的形态特征。如此,便能够从多个待选聚类中,确定出与目标物体的形态特征匹配的待选聚类,作为标准点云数据集。
此外,可以理解的是,本申请实施例中,在将参考点云数据集分割为多个待选聚类之后,也可以通过可视化软件,对每个待选聚类进行显示,如此,工作人员便可以手动确定出与目标物体的形态特征匹配的待选聚类,作为标准点云数据集。
而对于步骤S200,本申请实施例中,作为一种可选的实施方式,其可以包括步骤S210和步骤S220。
步骤S210,从实时点云数据集中,确定出与标准点云数据集匹配的目标点云数据集。
本申请实施例中,可以通过最近点搜索(Iterative Closest Point,ICP)算法,从实时点云数据中,确定出与标准点云数据集匹配的目标点云数据集。ICP算法的基本原理为:
分别在待匹配的实时点云数据集P和标准点云数据集Q中,按预设约束条件,找到最邻近扫描点(pi,qi),然后,计算出最优匹配参数R和t,使得误差函数最小。误差函数E(R,t)为:
其中,n为最邻近扫描点对的个数,pi为实时点云数据集P中的一个扫描点,qi为标准点云数据集Q中与pi对应的最近扫描点,R为旋转矩阵,t为平移向量。
ICP算法的步骤,包括:
(1)在实时点云数据集P中获取扫描点集pi∈P;
(2)在标准点云数据集Q中,获取扫描点集pi的对应扫描点集qi∈Q,使得||qi-pi||=min;
(3)计算旋转矩阵R和平移矩阵t,使得误差函数最小;
(4)对扫描点集pi使用上一步骤,对旋转矩阵R和平移矩阵t进行旋转和平移变换,获得新的对应扫描点集pi’={pi’=Rpi+t,pi∈P};
(5)计算pi’与对应扫描点集qi的平均距离;
(6)若d小于预设距离阈值,或大于预设距离最大迭代次数,则停止迭代计算,否则,返回第(2)步,直到满足收敛条件为止。
步骤S220,根据目标物体的形态特征,以及目标点云数据集在行驶场景地图中的所在位置,获得目标物体在行驶场景中的第一位姿。
本申请实施例中,机器人可以通过即时定位与地图构建(SimultaneousLocalization And Mapping,SLAM)算法获取机器人行驶环境的栅格地图,作为行驶场景地图,基于SLAM算法,被放置于未知环境中未知位置的机器人,能够一边移动一边逐步描绘出该未知环境的完全地图,也即,前述栅格地图。而对于步骤S220,本申请实施例中,作为一种可选的实施方式,其可以包括步骤S221、步骤S222和步骤S223。
步骤S221,从目标点云数据集中,确定出预设数量个用于表征目标物体特征部位的特征数据集。
以目标物体为货架,且货架包括四个立脚为例,目标物体的特征部位可以是货架的四个立脚,因此,从目标点云数据集中,确定出的预设数量个用于表征目标物体特征部位的特征数据集,可以是四个用于表征货架立脚的特征数据集。请结合图3,为货架200的俯视图,本申请实施例中,为方便描述,可以将四个用于表征货架200立脚的特征数据集,分别定义为第一特征数据集Ⅰ、第二特征数据集Ⅱ、第三特征数据集Ⅲ和第四特征数据集Ⅳ。
步骤S222,根据预设数量个特征数据集,获得目标物体的中心点在行驶场景地图中的第一位置信息,以及根据预设数量个特征数据集,获得目标物体的中心线在行驶场景地图中的第一角度信息。
本申请实施例中,针对每个特征数据集,可以获取该特征数据集表征特征部位的中心点,作为部位中心点,再根据部位中心点,确定目标物体的中心点,以及目标物体的中心线。
同样,以目标物体为货架,且货架包括四个立脚,而货架的特征部位为货架的四个立脚为例,针对每个特征数据集,可以确定该特征数据集表征的立脚,以及该立脚的四条边,并通过最小二乘法的线性回归方程,获得每条边的中点,再选取出相邻的两条特征边,并针对每条特征边,创建经过该特征边中点的垂线,将两条特征边垂线的交点,作为该立脚的部位中心点,最后,将两条端点为两对对角部位中心点的线段的交点,作为货架的中心点,并获得货架的中心点在行驶场景地图中的第一位置信息。可以理解的是,本申请实施例中,第一位置信息,即为货架的中心点在行驶场景地图中的位置坐标。
在获得货架的中心点之后,可以创建经过货架中心点,且垂直于任意两个相邻立脚的部位中心点连线的直线,作为货架的中心线。例如,可以创建经过货架中心点,且垂直于第一特征数据集所表征立脚的部位中心点和第四特征数据集所表征立脚的部位中心点连线的直线,作为货架的中心线,并获得货架的中心线在行驶场景地图中的第一角度信息。可以理解的是,本申请实施例中,第一角度信息,即为货架的中心线在行驶场景地图中的角度信息,也可以理解为,第一货架与行驶场景地图坐标X轴的夹角值。
步骤S223,根据第一位置信息和第一角度信息,获得目标物体在行驶场景中的第一位姿。
本申请实施例中,在获得第一位置信息和第一角度信息之后,可以将第一位置信息和第一角度信息,共同作为目标物体在行驶场景中的第一位姿。
步骤S300,根据第一位姿,以及机器人在行驶场景中的第二位姿,规划行驶路线,以使机器人根据行驶路线,行驶至目标物体的所在位置。
可以理解的是,本申请实施例中,要实现步骤S300,还需要预先获取机器人在行驶场景中的第二位姿,因此,本申请实施例提供的机器人行驶方法,还可以包括步骤S030和步骤S040。
步骤S030,获取机器人的中心点在行驶场景地图中的第二位置信息,以及获取机器人的中心线在行驶场景地图中的第二角度信息。
本申请实施例中,机器人具有自定位功能,因此,基于该自定位功能,便能够获取机器人的中心点在行驶场景地图中的第二位置信息,以及获取机器人的中心线在行驶场景地图中的第二角度信息。可以理解的是,本申请实施例中,第二位置信息,即为机器人的中心点在行驶场景地图中的位置坐标,而第一角度信息,即为机器人的中心线在行驶场景地图中的角度信息,也可以理解为,机器人与行驶场景地图坐标X轴的夹角值。
步骤S040,根据第二位置信息和第二角度信息,获得机器人在行驶场景中的第二位姿。
本申请实施例中,在获得第二位置信息和第二角度信息之后,可以将第二位置信息和第二角度信息,共同作为机器人在行驶场景中的第二位姿。
而对于步骤S300,本申请实施例中,作为一种可选的实施方式,其可以包括步骤S310、步骤S320和步骤S330。
步骤S310,从行驶场景中,选取出目标位置,目标位置位于机器人和目标物体之间。
本申请实施例中,目标位置可以是目标物体正前方,且与目标物体间隔预设间距的位置处。其中,预设间距可以是,但不限于1m、1.5m、2m。此外,本申请实施例中,目标物体正前方可以是目标物体常规使用方向的前方,以目标物体为平板车为例,目标物体正前方可以是靠近平板车车头的一侧,且位于车头的中心点,又以目标物体为操作台为例,目标物体正前方可以是靠近工作人员站立操作一侧,且位于操作台的中心点,而本申请实施例中,再以目标物体为货架,且货架包括四个立脚,而货架的特征部位为货架的四个立脚为例,目标物体正前方可以是靠近第三特征数据集表征立脚和第四特征数据集表征立脚一侧,且位于货架的中心点。
步骤S320,根据第二位姿,以及目标位置,规划第一子行驶路线,以使机器人根据第一子行驶路线,行驶至目标位置。
本申请实施例中,在选取出目标位置之后,可以根据第二位姿,获得目标位置与机器人之间的间隔距离,以及目标位置与机器人之间的角度位置关系,也即,目标位置与机器人的中心点连线与机器人的中心线之间的角度关系,此后,根据目标位置与机器人之间的间隔距离,以及目标位置与机器人之间的角度位置关系,规划第一子行驶路线,以使机器人根据第一子行驶路线,行驶至目标位置。
步骤S330,根据目标位置和第一位姿,规划第二子行驶路线,以使机器人根据第二子行驶路线,行驶至目标物体的所在位置。
机器人可以规划多条待选行驶路线,并根据移动代价值,从多条待选行驶路线中,选取第二子行驶路线。其中,移动代价值可以根据具体选用的路径规划算法的代价函数获得,本申请实施例对此不作具体限制。
此外,本申请实施例中,机器人在根据第二子行驶路线,行驶至目标物体的所在位置的过程中,还可以不断进行姿态调整,以使机器人的中心线与目标物体的中心线重合。
请结合图4,再以目标物体为货架200,且货架200包括四个立脚,而货架的特征部位为货架200的四个立脚为例,当机器人100根据第一子行驶路线A,行驶至目标位置B之后,可以对机器人100进行姿态调整,也即,使机器人100的中心线与货架200的中心线重合,也可以理解为,使α的角度值与γ的角度值相等,同时,使β的角度值与θ的角度值相等,其中,α为机器人100的中心线与机器人100的中心点和第一特征数据集Ⅰ表征货架200立脚的部位中心点连线的夹角,γ为机器人100的中心线与机器人100的中心点和第二特征数据集Ⅱ表征货架200立脚的部位中心点连线的夹角,β为机器人100的中心线与机器人100的中心点和第三特征数据集Ⅲ表征货架200立脚的部位中心点连线的夹角,θ为机器人100的中心线与机器人100的中心点和第四特征数据集Ⅳ表征货架200立脚的部位中心点连线的夹角。
此后,规划一条第二子行驶路线C,以使机器人100根据该条第二子行驶路线C,朝货架200的所在位置方向移动,并每间隔预设时长,再次对机器人100进行姿态调整,也即,使机器人100的中心线与目标物体的中心线重合,同样,也可以理解为,使α的角度值与γ的角度值相等,同时,使β的角度值与θ的角度值相等,以使得机器人100在偏离第二子行驶路线C时,能够重新回到第二子行驶路线C上。再次对机器人100进行姿态调整之后,继续使机器人100根据第二子行驶路线C,朝货架200的所在位置方向移动,且不断通过前述位姿调整方式,对机器人100进行姿态调整,直至机器人100行驶至货架的所在位置,也即,机器人100的中心点与货架200的中心点重合,机器人100的中心线与货架200的中心线重合。如此,便能够保证机器人100从目标位置B,行驶至货架200的所在位置的过程中,能够始终沿第二子行驶路线C行驶。
基于与上述机器人行驶方法同样的发明构思,本申请实施例还提供了一种机器人行驶装置300,请参阅图5,本申请实施例提供的机器人行驶装置300包括第一数据获取模块310、第一位姿获取模块320和路线规划模块330。
第一数据获取模块310,用于通过搭载于机器人的激光雷达,获取实时点云数据集,所述实时点云数据集用于表征行驶场景的实时环境信息,所述行驶场景中包括目标物体。
关于第一数据获取模块310的描述具体可参考对图2中所示的步骤S100的详细描述,也即,步骤S100可以由第一数据获取模块310执行。
第一位姿获取模块320,用于根据标准点云数据集和所述实时点云数据集,获得所述目标物体在行驶场景中的第一位姿,所述标准点云数据集用于表征所述目标物体的形态特征。
关于第一位姿获取模块320的描述具体可参考对图2中所示的步骤S200的详细描述,也即,步骤S200可以由第一位姿获取模块320执行。
路线规划模块330,用于根据所述第一位姿,以及所述机器人在行驶场景中的第二位姿,规划行驶路线,以使所述机器人根据所述行驶路线,行驶至所述目标物体的所在位置。
关于路线规划模块330的描述具体可参考对图2中所示的步骤S300的详细描述,也即,步骤S300可以由路线规划模块330执行。
本申请实施例提供的机器人行驶装置300,还可以包括第二数据获取模块和数据筛选模块。
第二数据获取模块,用于通过所述激光雷达,获取参考点云数据集,所述参考点云数据集用于表征参考场景的实时环境信息,所述参考场景中包括所述目标物体。
关于第二数据获取模块的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S010的详细描述,也即,步骤S010可以由第二数据获取模块执行。
数据筛选模块,用于对所述参考点云数据集进行筛选,获得所述标准点云数据集。
关于数据筛选模块的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S020的详细描述,也即,步骤S020可以由数据筛选模块执行。
本申请实施例中,数据筛选模块可以包括分割单元和数据匹配单元。
分割单元,用于基于聚类图像分割技术,将所述参考点云数据集分割为多个待选聚类。
关于分割单元的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S021的详细描述,也即,步骤S021可以由分割单元执行。
数据匹配单元,用于从所述多个待选聚类中,确定出与所述目标物体的形态特征匹配的待选聚类,作为所述标准点云数据集。
关于数据匹配单元的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S022的详细描述,也即,步骤S022可以由数据匹配单元执行。
本申请实施例中,第一位姿获取模块320可以包括数据获取单元和位姿获取单元。
数据获取单元,用于从所述实时点云数据集中,确定出与所述标准点云数据集匹配的目标点云数据集。
关于数据获取单元的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S210的详细描述,也即,步骤S210可以由数据获取单元执行。
位姿获取单元,用于根据所述目标物体的形态特征,以及所述目标点云数据集在行驶场景地图中的所在位置,获得所述目标物体在行驶场景中的第一位姿。
关于位姿获取单元的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S220的详细描述,也即,步骤S220可以由位姿获取单元执行。
本申请实施例中,位姿获取单元可以包括数据获取子单元、信息获取子单元和位姿获取子单元。
数据获取子单元,用于从所述目标点云数据集中,确定出预设数量个用于表征目标物体特征部位的特征数据集。
关于数据获取子单元的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S221的详细描述,也即,步骤S221可以由数据获取子单元执行。
信息获取子单元,用于根据预设数量个所述特征数据集,获得所述目标物体的中心点在所述行驶场景地图中的第一位置信息,以及根据预设数量个所述特征数据集,获得所述目标物体的中心线在所述行驶场景地图中的第一角度信息。
关于信息获取子单元的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S222的详细描述,也即,步骤S222可以由信息获取子单元执行。
位姿获取子单元,用于根据所述第一位置信息和所述第一角度信息,获得所述目标物体在行驶场景中的第一位姿。
关于位姿获取子单元的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S223的详细描述,也即,步骤S223可以由位姿获取子单元执行。
本申请实施例提供的机器人行驶装置300,还可以包括信息获取模块和第二位姿获取模块。
信息获取模块,用于获取所述机器人的中心点在所述行驶场景地图中的第二位置信息,以及获取所述机器人的中心线在所述行驶场景地图中的第二角度信息。
关于信息获取模块的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S030的详细描述,也即,步骤S030可以由信息获取模块执行。
第二位姿获取模块,用于根据所述第二位置信息和所述第二角度信息,获得所述机器人在行驶场景中的第二位姿。
关于第二位姿获取模块的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S040的详细描述,也即,步骤S040可以由第二位姿获取模块执行。
本申请实施例中,路线规划模块330可以包括位置获取单元、第一路线规划单元和第二路线规划单元。
位置获取单元,用于从所述行驶场景中,选取出目标位置,所述目标位置位于所述机器人和所述目标物体之间。
关于位置获取单元的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S310的详细描述,也即,步骤S310可以由位置获取单元执行。
第一路线规划单元,用于根据所述第二位姿,以及所述目标位置,规划第一子行驶路线,以使所述机器人根据所述第一子行驶路线,行驶至所述目标位置。
关于第一路线规划单元的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S320的详细描述,也即,步骤S320可以由第一路线规划单元执行。
第二路线规划单元,用于根据所述目标位置和所述第一位姿,规划第二子行驶路线,以使所述机器人根据所述第二子行驶路线,行驶至所述目标物体的所在位置。
关于第二路线规划单元的描述具体可参考上述机器人行驶方法相关实施例中关于步骤S330的详细描述,也即,步骤S330可以由第二路线规划单元执行。
此外,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被执行时,可实现上述方法实施例中提供的机器人行驶方法,具体可参见上述方法实施例,此处不作赘述。
综上所述,本申请实施例提供的机器人行驶方法,能够通过搭载于机器人的激光雷达,获取实时点云数据集,通过搭载于机器人的激光雷达,获取实时点云数据集,再根据第一位姿,以及机器人在行驶场景中的第二位姿,规划行驶路线,以使机器人根据行驶路线,行驶至目标物体的所在位置。相对于现有技术中,通过预先铺设的磁条或二维码进行导航,而每次修改行驶路线后,都需要重新铺设磁条或二维码的方式而言,在修改行驶路线之后,只需再次执行上述步骤,便能够获得新的行驶路线,因此,应用机器人行驶方法的机器人,能够适应人机协作的应用场景。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请每个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是每个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请每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、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
需要说明的是,在本文中,诸如“第一”、“第二”和“第三”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
Claims (10)
1.一种机器人行驶方法,其特征在于,包括:
通过搭载于机器人的激光雷达,获取实时点云数据集,所述实时点云数据集用于表征行驶场景的实时环境信息,所述行驶场景中包括目标物体;
根据标准点云数据集和所述实时点云数据集,获得所述目标物体在行驶场景中的第一位姿,所述标准点云数据集用于表征所述目标物体的形态特征;
根据所述第一位姿,以及所述机器人在行驶场景中的第二位姿,规划行驶路线,以使所述机器人根据所述行驶路线,行驶至所述目标物体的所在位置。
2.根据权利要求1所述的机器人行驶方法,其特征在于,所述根据标准点云数据集和所述实时点云数据集,获得目标物体在行驶场景中的第一位姿之前,所述机器人行驶方法,还包括:
通过所述激光雷达,获取参考点云数据集,所述参考点云数据集用于表征参考场景的实时环境信息,所述参考场景中包括所述目标物体;
对所述参考点云数据集进行筛选,获得所述标准点云数据集。
3.根据权利要求2所述的机器人行驶方法,其特征在于,所述对所述参考点云数据集进行筛选,获得所述标准点云数据集,包括:
基于聚类图像分割技术,将所述参考点云数据集分割为多个待选聚类;
从所述多个待选聚类中,确定出与所述目标物体的形态特征匹配的待选聚类,作为所述标准点云数据集。
4.根据权利要求1所述的机器人行驶方法,其特征在于,所述根据标准点云数据集和所述实时点云数据集,获得目标物体在行驶场景中的第一位姿,包括:
从所述实时点云数据集中,确定出与所述标准点云数据集匹配的目标点云数据集;
根据所述目标物体的形态特征,以及所述目标点云数据集在行驶场景地图中的所在位置,获得所述目标物体在行驶场景中的第一位姿。
5.根据权利要求4所述的机器人行驶方法,其特征在于,所述根据所述目标物体的形态特征,以及所述目标点云数据集在行驶场景地图中的所在位置,获得所述目标物体在行驶场景中的第一位姿,包括:
从所述目标点云数据集中,确定出预设数量个用于表征目标物体特征部位的特征数据集;
根据预设数量个所述特征数据集,获得所述目标物体的中心点在所述行驶场景地图中的第一位置信息,以及根据预设数量个所述特征数据集,获得所述目标物体的中心线在所述行驶场景地图中的第一角度信息;
根据所述第一位置信息和所述第一角度信息,获得所述目标物体在行驶场景中的第一位姿。
6.根据权利要求1所述的机器人行驶方法,其特征在于,所述根据所述第一位姿,以及所述机器人在行驶场景中的第二位姿,规划行驶路线,以使所述机器人根据所述行驶路线,行驶至所述目标物体的所在位置之前,所述机器人行驶方法,还包括:
获取所述机器人的中心点在行驶场景地图中的第二位置信息,以及获取所述机器人的中心线在所述行驶场景地图中的第二角度信息;
根据所述第二位置信息和所述第二角度信息,获得所述机器人在行驶场景中的第二位姿。
7.根据权利要求1所述的机器人行驶方法,其特征在于,所述根据所述第一位姿,以及所述机器人在行驶场景中的第二位姿,规划行驶路线,以使所述机器人根据所述行驶路线,行驶至所述目标物体的所在位置,包括:
从所述行驶场景中,选取出目标位置,所述目标位置位于所述机器人和所述目标物体之间;
根据所述第二位姿,以及所述目标位置,规划第一子行驶路线,以使所述机器人根据所述第一子行驶路线,行驶至所述目标位置;
根据所述目标位置和所述第一位姿,规划第二子行驶路线,以使所述机器人根据所述第二子行驶路线,行驶至所述目标物体的所在位置。
8.一种机器人行驶装置,其特征在于,包括:
第一数据获取模块,用于通过搭载于机器人的激光雷达,获取实时点云数据集,所述实时点云数据集用于表征行驶场景的实时环境信息,所述行驶场景中包括目标物体;
第一位姿获取模块,用于根据标准点云数据集和所述实时点云数据集,获得所述目标物体在行驶场景中的第一位姿,所述标准点云数据集用于表征所述目标物体的形态特征;
路线规划模块,用于根据所述第一位姿,以及所述机器人在行驶场景中的第二位姿,规划行驶路线,以使所述机器人根据所述行驶路线,行驶至所述目标物体的所在位置。
9.一种机器人,其特征在于,包括处理器和存储器,所述存储器上存储有计算机程序,所述处理器用于执行所述计算机程序,以实现权利要求1~7中任意一项所述的机器人行驶方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被执行时,实现权利要求1~7中任意一项所述的机器人行驶方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911221015.XA CN110889871B (zh) | 2019-12-03 | 2019-12-03 | 机器人行驶方法、装置及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911221015.XA CN110889871B (zh) | 2019-12-03 | 2019-12-03 | 机器人行驶方法、装置及机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889871A true CN110889871A (zh) | 2020-03-17 |
CN110889871B CN110889871B (zh) | 2021-03-23 |
Family
ID=69750160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911221015.XA Active CN110889871B (zh) | 2019-12-03 | 2019-12-03 | 机器人行驶方法、装置及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889871B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110433A (zh) * | 2021-04-02 | 2021-07-13 | 深圳优地科技有限公司 | 机器人姿态调整方法、装置、设备及存储介质 |
CN114371632A (zh) * | 2021-12-29 | 2022-04-19 | 达闼机器人有限公司 | 智能设备控制方法、装置、服务器和存储介质 |
CN114911226A (zh) * | 2021-10-08 | 2022-08-16 | 广东利元亨智能装备股份有限公司 | 搬运车行驶控制方法、装置及搬运车 |
CN115167488A (zh) * | 2022-06-24 | 2022-10-11 | 中铁二院工程集团有限责任公司 | 基于半航空瞬变电磁探测的无人机飞行轨迹规划方法 |
CN113110433B (zh) * | 2021-04-02 | 2024-05-31 | 深圳优地科技有限公司 | 机器人姿态调整方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180113699A (ko) * | 2017-04-07 | 2018-10-17 | (주)가하 | 해저터널 내 3차원 레이저 스캐너를 이용한 취득 스캔 데이터 처리기법 |
CN109544630A (zh) * | 2018-11-30 | 2019-03-29 | 南京人工智能高等研究院有限公司 | 位姿信息确定方法和装置、视觉点云构建方法和装置 |
CN109657698A (zh) * | 2018-11-20 | 2019-04-19 | 同济大学 | 一种基于点云的磁悬浮轨道障碍物检测方法 |
CN110162066A (zh) * | 2019-06-27 | 2019-08-23 | 广东利元亨智能装备股份有限公司 | 智能巡航车控制系统 |
CN110196047A (zh) * | 2019-06-20 | 2019-09-03 | 东北大学 | 基于tof深度相机与imu的平仓机器人自主定位方法 |
CN110335314A (zh) * | 2019-06-24 | 2019-10-15 | 华中科技大学 | 基于目标物体的二维图像预测目标物体实时位姿的方法 |
CN110361027A (zh) * | 2019-06-25 | 2019-10-22 | 马鞍山天邦开物智能商务管理有限公司 | 基于单线激光雷达与双目相机数据融合的机器人路径规划方法 |
CN110388922A (zh) * | 2018-04-17 | 2019-10-29 | 菜鸟智能物流控股有限公司 | 位置测量方法和位置测量装置 |
-
2019
- 2019-12-03 CN CN201911221015.XA patent/CN110889871B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180113699A (ko) * | 2017-04-07 | 2018-10-17 | (주)가하 | 해저터널 내 3차원 레이저 스캐너를 이용한 취득 스캔 데이터 처리기법 |
CN110388922A (zh) * | 2018-04-17 | 2019-10-29 | 菜鸟智能物流控股有限公司 | 位置测量方法和位置测量装置 |
CN109657698A (zh) * | 2018-11-20 | 2019-04-19 | 同济大学 | 一种基于点云的磁悬浮轨道障碍物检测方法 |
CN109544630A (zh) * | 2018-11-30 | 2019-03-29 | 南京人工智能高等研究院有限公司 | 位姿信息确定方法和装置、视觉点云构建方法和装置 |
CN110196047A (zh) * | 2019-06-20 | 2019-09-03 | 东北大学 | 基于tof深度相机与imu的平仓机器人自主定位方法 |
CN110335314A (zh) * | 2019-06-24 | 2019-10-15 | 华中科技大学 | 基于目标物体的二维图像预测目标物体实时位姿的方法 |
CN110361027A (zh) * | 2019-06-25 | 2019-10-22 | 马鞍山天邦开物智能商务管理有限公司 | 基于单线激光雷达与双目相机数据融合的机器人路径规划方法 |
CN110162066A (zh) * | 2019-06-27 | 2019-08-23 | 广东利元亨智能装备股份有限公司 | 智能巡航车控制系统 |
Non-Patent Citations (2)
Title |
---|
YI-JOU WEN等: "Map building of uncertain environment based on iterative closest point algorithm on the cloud", 《2015 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS (ICM)》 * |
王鹏: "2019103843327", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113110433A (zh) * | 2021-04-02 | 2021-07-13 | 深圳优地科技有限公司 | 机器人姿态调整方法、装置、设备及存储介质 |
CN113110433B (zh) * | 2021-04-02 | 2024-05-31 | 深圳优地科技有限公司 | 机器人姿态调整方法、装置、设备及存储介质 |
CN114911226A (zh) * | 2021-10-08 | 2022-08-16 | 广东利元亨智能装备股份有限公司 | 搬运车行驶控制方法、装置及搬运车 |
CN114371632A (zh) * | 2021-12-29 | 2022-04-19 | 达闼机器人有限公司 | 智能设备控制方法、装置、服务器和存储介质 |
WO2023124017A1 (zh) * | 2021-12-29 | 2023-07-06 | 达闼机器人股份有限公司 | 智能设备控制方法、装置、服务器和存储介质 |
CN115167488A (zh) * | 2022-06-24 | 2022-10-11 | 中铁二院工程集团有限责任公司 | 基于半航空瞬变电磁探测的无人机飞行轨迹规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110889871B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889871B (zh) | 机器人行驶方法、装置及机器人 | |
CN108012325B (zh) | 一种基于uwb和双目视觉的导航定位方法 | |
CN107622499B (zh) | 一种基于目标二维轮廓模型的识别与空间定位方法 | |
CN108550318B (zh) | 一种构建地图的方法及装置 | |
US9625908B2 (en) | Methods and systems for mobile-agent navigation | |
CN108931795B (zh) | 定位设备轨迹优化和边界提取方法及装置 | |
US9625912B2 (en) | Methods and systems for mobile-agent navigation | |
US11815602B2 (en) | Grid occupancy mapping using error range distribution | |
CN110243380B (zh) | 一种基于多传感器数据与角度特征识别的地图匹配方法 | |
CN107766405A (zh) | 自动车辆道路模型定义系统 | |
Eizentals et al. | 3D pose estimation of green pepper fruit for automated harvesting | |
CN103678754A (zh) | 信息处理装置及信息处理方法 | |
CN108725437B (zh) | 一种自动停车入库方法和装置 | |
WO2021072709A1 (zh) | 目标检测与跟踪方法、系统、设备及存储介质 | |
CN110705385B (zh) | 一种障碍物角度的检测方法、装置、设备及介质 | |
CN115774265B (zh) | 用于工业机器人的二维码和激光雷达融合定位方法与装置 | |
WO2021254019A1 (zh) | 协同构建点云地图的方法、设备和系统 | |
CN110415304B (zh) | 一种视觉标定方法及系统 | |
CN114179069A (zh) | 一种工业机器人路径自动修正方法及系统 | |
Sobreira et al. | Robust mobile robot localization based on a security laser: an industry case study | |
CN114911226B (zh) | 搬运车行驶控制方法、装置及搬运车 | |
CN115586552A (zh) | 一种港口轮胎吊或桥吊下无人集卡精确二次定位方法 | |
CN115308770A (zh) | 一种基于拟合图形的动态障碍物检测方法 | |
US20200379468A1 (en) | Method, System and Apparatus for Dynamic Task Sequencing | |
CN114115263A (zh) | 用于agv的自主建图方法、装置、移动机器人及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |