CN111026131B - 一种膨胀区域的确定方法、确定装置、机器人和存储介质 - Google Patents

一种膨胀区域的确定方法、确定装置、机器人和存储介质 Download PDF

Info

Publication number
CN111026131B
CN111026131B CN201911394175.4A CN201911394175A CN111026131B CN 111026131 B CN111026131 B CN 111026131B CN 201911394175 A CN201911394175 A CN 201911394175A CN 111026131 B CN111026131 B CN 111026131B
Authority
CN
China
Prior art keywords
grid
expansion
determining
robot
obstacle
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.)
Active
Application number
CN201911394175.4A
Other languages
English (en)
Other versions
CN111026131A (zh
Inventor
杨博炜
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.)
Cloudminds Robotics Co Ltd
Original Assignee
Cloudminds Shanghai Robotics 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 Cloudminds Shanghai Robotics Co Ltd filed Critical Cloudminds Shanghai Robotics Co Ltd
Priority to CN201911394175.4A priority Critical patent/CN111026131B/zh
Publication of CN111026131A publication Critical patent/CN111026131A/zh
Application granted granted Critical
Publication of CN111026131B publication Critical patent/CN111026131B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Abstract

本发明实施例涉及路径规划领域，公开了一种膨胀区域的确定方法、确定装置、机器人和存储介质。本发明中膨胀区域的确定方法，包括：获取机器人所处环境的栅格地图，栅格地图包括障碍栅格和空闲栅格；根据机器人底盘的形状以及机器人底盘的尺寸信息，确定障碍栅格的膨胀边界，膨胀边界构成的虚拟区域的形状与机器人底盘的形状相同，且虚拟区域的大小与机器人底盘的尺寸相同；从栅格地图中选取位于虚拟区域内的空闲栅格；根据选取的空闲栅格以及障碍栅格，确定障碍栅格的膨胀区域。本实施方式，使得障碍栅格的膨胀区域与该机器人底盘相匹配，提高机器人基于膨胀区域进行路径规划的准确性。

Description

一种膨胀区域的确定方法、确定装置、机器人和存储介质
技术领域
本发明实施例涉及路径规划领域，特别涉及一种膨胀区域的确定方法、确定装置、机器人和存储介质。
背景技术
随着计算机技术、传感器技术及人工智能的迅速发展，机器人自主导航技术也取得了很大进展。机器人技术已经开始向各行各业渗透，机器人所从事的工作也多种多样，移动机器人种类也多种多样，这也导致出现了各种形状的机器人底盘，例如，三角形的机器人底盘、方形的机器人底盘。目前机器人多通过激光或者摄像头等传感器设备感知障碍物，构建地图进行避障，感知获得的障碍物信息以代价地图(costmap)的形式呈现。costmap的图层包括以下几种，分别为：静态地图层、障碍地图层、膨胀层以及其它层。膨胀层在静态地图层以及障碍地图层上进行膨胀(向外扩张)，以避免机器人的外壳会撞上障碍物。
发明人发现相关技术中至少存在如下问题：目前通常采用圆形膨胀的方式来对障碍物进行膨胀，从而避免机器人撞上障碍物，但是，这种膨胀方式是基于圆形的机器人底盘，而随着机器人的种类的增加，机器人底盘不再限于圆形，该膨胀方式不适用于非圆形底盘的机器人。
发明内容
本发明实施方式的目的在于提供一种膨胀区域的确定方法、确定装置、机器人和存储介质，使得障碍栅格的膨胀区域与该机器人底盘相匹配，提高机器人基于膨胀区域进行路径规划的准确性。
为解决上述技术问题，本发明的实施方式提供了一种膨胀区域的确定方法，包括：获取机器人所处环境的栅格地图，栅格地图包括障碍栅格和空闲栅格；根据机器人底盘的形状以及机器人底盘的尺寸信息，确定障碍栅格的膨胀边界，膨胀边界构成的虚拟区域的形状与机器人底盘的形状相同，且虚拟区域的大小与机器人底盘的尺寸相同；从栅格地图中选取位于虚拟区域内的空闲栅格；根据选取的空闲栅格以及障碍栅格，确定障碍栅格的膨胀区域。
本发明的实施方式还提供了一种膨胀区域的确定装置，包括：获取模块、边界确定模块、选取模块和膨胀区域确定模块；获取模块用于获取机器人所处环境的栅格地图，栅格地图包括障碍栅格和空闲栅格；边界确定模块用于根据机器人底盘的形状以及机器人底盘的尺寸信息，确定障碍栅格的膨胀边界，膨胀边界构成的虚拟区域的形状与机器人底盘的形状相同，且虚拟区域的大小与机器人底盘的尺寸相同；选取模块用于从栅格地图中选取位于虚拟区域内的空闲栅格；膨胀区域确定模块用于根据选取的空闲栅格以及障碍栅格，确定障碍栅格的膨胀区域。
本发明的实施方式还提供了一种机器人，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述膨胀区域的确定方法。
本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现上述的膨胀区域的确定方法。
本发明实施方式相对于现有技术而言，通过机器人底盘的形状以及机器人底盘的尺寸信息，确定障碍栅格的膨胀边界，由于膨胀边界构成的虚拟区域的形状与机器人底盘的形状相同，且该虚拟区域的大小与机器人底盘的尺寸相同，使得基于该虚拟区域得到的膨胀区域与该机器人底盘的形状相匹配，即该膨胀区域与该机器人底盘的形状相同，尺寸接近，使得膨胀区域不会过大，也不会过小，从而避免出现因膨胀区域过大导致机器人无法通行的问题，也避免出现因膨胀区域过小而导致机器人通行过程中碰撞上障碍物的问题，提高了机器人基于该障碍物的膨胀区域进行的避障规划的准确性。
另外，根据机器人底盘的形状以及机器人底盘的尺寸信息，确定障碍栅格的膨胀边界，包括：按照机器人底盘的尺寸信息，将机器人底盘的形状投影在栅格地图上，形成机器人底盘的投影，将该投影的边界作为障碍栅格的膨胀边界，其中，膨胀边界构成的虚拟区域的中心点为障碍栅格。由于栅格地图由栅格构成，每个栅格表示了一个方形区域，为了使确定的膨胀区域与机器人底盘的尺寸信息接近，先按照机器人底盘的尺寸信息，将机器人底盘的形状投影在栅格地图上，在该栅格地图上形成该机器人底盘的投影，将投影的边界作为膨胀边界，由于该虚拟区域与机器人底盘的形状以及尺寸相同，使得基于该虚拟区域确定的膨胀区域与机器人底盘的形状接近，从而可以保证膨胀区域与机器人底盘相匹配。
另外，从栅格地图中选取位于虚拟区域内的空闲栅格，具体包括：构建以障碍栅格为原点，以机器人前进方向作为纵轴方向的二维坐标系，二维坐标系的横轴垂直于纵轴；针对每个空闲栅格进行如下处理：根据空闲栅格与障碍栅格之间的栅格距离以及栅格地图的分辨率，确定空闲栅格在二维坐标系上的第一坐标信息；根据第一坐标信息以及膨胀边界，判断空闲栅格是否位于虚拟区域内，若确定空闲栅格处于虚拟区域内，则选取空闲栅格。以障碍栅格为原点，构建二维坐标系，使得可以根据空闲栅格与障碍栅格之间的栅格距离，确定空闲栅格相对于障碍栅格的第一坐标信息，可以简化判断空闲栅格是否在虚拟区域内的步骤，提高判断的效率。
另外，若机器人底盘的形状为长方形，膨胀边界包括：第一膨胀边界和第二膨胀边界，第一膨胀边界与原点的第一距离为机器人底盘长边长度的一半，第二膨胀边界与原点的第二距离为机器人底盘短边长度的一半；根据第一坐标信息以及膨胀边界，判断空闲栅格是否位于虚拟区域内，包括：判断是否第一坐标信息中的纵轴坐标值小于所述第一距离且第一坐标信息中的横轴坐标值小于第二距离，若是，则确定空闲栅格位于虚拟区域内。机器人底盘为长方形的情况多，针对长方形的机器人底盘，通过第一膨胀边界与原点的第一距离和第二膨胀边界与原点的第二距离，可以快速完成对空闲栅格是否位于虚拟区域的判断。
另外，膨胀区域的确定方法还包括：若确定空闲栅格处于虚拟区域外，则根据空闲栅格的第一坐标信息以及膨胀边界，确定空闲栅格与虚拟区域之间的相对距离；根据相对距离以及预设的代价衰减函数，计算空闲栅格相对于障碍栅格的通行代价；根据障碍栅格的膨胀区域和空闲栅格的通行代价，确定机器人所处环境的代价地图，根据代价地图进行避障规划。若空闲栅格未处于虚拟区域内，且与虚拟区域之间的相对距离较近，在机器人运动过程中存在碰撞的可能性，通过计算空闲栅格相对于该障碍栅格的通行代价，有利于机器人基于该通行代价以及膨胀区域，规划处合理的避障路径，减小机器人碰撞障碍物的概率。
另外，若机器人底盘的形状为长方形，膨胀边界包括：第一膨胀边界和第二膨胀边界，第一膨胀边界与原点的第一距离为机器人底盘长边长度的一半，第二膨胀边界与原点的第二距离为机器人底盘短边长度的一半。
另外，根据空闲栅格的第一坐标信息以及膨胀边界，确定空闲栅格与虚拟区域之间的相对距离，包括：若确定第一坐标信息中的纵轴坐标值大于第一距离且第一坐标信息中的横轴坐标值小于等于第二距离，则确定相对距离为第一坐标信息中的纵轴坐标值与第一距离之间的第一差值。针对空闲栅格位于虚拟区域短边一侧的情况，计算空闲栅格与障碍栅格之间相对距离，该计算方式简单，使得可以快速确定出相对距离。
另外，根据空闲栅格的第一坐标信息以及膨胀边界，确定空闲栅格与虚拟区域之间的相对距离，包括：若确定第一坐标信息中的纵轴坐标值小于等于第一距离且第一坐标信息中的横轴坐标值大于第二距离，则确定相对距离为第一坐标信息中的横轴坐标值与第二距离之间的第二差值。针对空闲栅格位于虚拟区域长边一侧的情况，计算空闲栅格与障碍栅格之间相对距离，该计算方式简单，使得可以快速确定出相对距离。
另外，根据空闲栅格的第一坐标信息以及膨胀边界，确定空闲栅格与虚拟区域之间的相对距离，包括：若确定第一坐标信息中的纵轴坐标值大于第一膨胀边界且第一坐标信息中的横轴坐标值大于第二距离，则确定相对距离为第一数值的开方，第一数值为第一差值的平方与第二差值平方之和。根据空闲栅格与虚拟区域之间的位置，计算空闲栅格与障碍栅格之间相对距离，该计算方式简单，使得可以快速确定出相对距离。
另外，若栅格地图中包括多个障碍栅格；膨胀区域的确定方法还包括：在每次确定障碍栅格的膨胀区域后，记录每个位于虚拟区域外的空闲栅格相对于障碍栅格的通行代价；在每个障碍栅格的膨胀区域确定之后，针对每个空闲栅格进行如下处理：获取空闲栅格相对于每个障碍栅格各自对应的通行代价，选取最大通行代价标注在空闲栅格上。由于存在多个障碍栅格，需要确定每个障碍栅格的膨胀区域，在每次膨胀区域确定后，记录每个空闲栅格的通行代价，选取最大通行代价标注在该空闲栅格上，提高后续对路径规划的合理性。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是根据本发明第一实施方式提供的一种圆形的膨胀区域的示意图；
图2是根据本发明第一实施方式提供的一种圆形的膨胀区域的示意图；
图3是根据本发明第一实施方式提供的一种膨胀区域的确定方法的具体流程图；
图4是根据本发明第一实施方式提供的一种膨胀区域的确定方法中构建的二维坐标系的示意图；
图5是根据本发明第一实施方式提供的一种膨胀区域的确定方法中虚拟区域的示意图；
图6是根据本发明第一实施方式提供的一种膨胀区域的确定方法中一个膨胀区域的示意图；
图7是根据本发明第一实施方式提供的一种膨胀区域的确定方法确定的膨胀区域的示意图；
图8是根据本发明第一实施方式提供的一种膨胀区域的确定方法确定的膨胀区域的示意图；
图9是根据本发明第二实施方式提供的一种膨胀区域的确定方法的具体流程图；
图10是根据本发明第三实施方式提供的一种膨胀区域的确定装置的具体结构示意图；
图11是根据本发明第四实施方式提供的一种机器人的具体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。
以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
发明人发现通常采用圆形膨胀的方式来对障碍物进行膨胀，从而避免机器人撞上障碍物，下面介绍膨胀的方式，对栅格地图中的每个障碍栅格进行如下处理：以机器人的外接圆半径或机器人的内切圆半径作为膨胀区域的膨胀半径，以障碍栅格为膨胀圆形，以膨胀半径对该障碍栅格进行膨胀，得到该障碍栅格的膨胀区域。在得到每个障碍栅格的膨胀区域后即可基于该膨胀区域对机器人的路径进行规划，避免机器人碰撞上该障碍物。
但是随着机器人技术的不断进步，出现了各种形状的机器人底盘，例如，长方形的机器人底盘、三角形的机器人底盘、椭圆形的机器人底盘等。非圆形的机器人底盘的内切圆半径和外接圆半径并不相同，则要么选择机器人底盘的内切圆半径作为膨胀半径，要么选择机器人底盘的外接圆半径作为膨胀半径，这导致机器人在某些应用场景下无法正确规划出避障路径。例如，如图1所示，实线表示障碍物，虚线的圆形表示对障碍物膨胀后得到的膨胀区域，长方形的机器人底盘在规划狭窄道路的通行路径过程中，采用了外接圆半径作为膨胀半径，由于膨胀半径过大，而道路较为狭窄，如图1所示，这导致机器人无法规划出通行路径；若采用内切圆半径作为膨胀半径，如图2所示，由于膨胀区域过小，机器人在转弯的场景下，导致机器人规划的路径中发生碰撞的概率大大提高。
可见，对障碍栅格的膨胀区域太小或太大都不利于机器人规划避障路径。
本发明的第一实施方式涉及一种膨胀区域的确定方法。该膨胀区域的确定方法可以应用于机器人，或者应用于与机器人通信连接的电子设备，例如，与机器人连接的服务器。该膨胀区域的确定方法的具体流程如图3所示。
步骤101：获取机器人所处环境的栅格地图，栅格地图包括障碍栅格和空闲栅格。
具体的说，通常机器人带有激光和超声波传感器，当传感器检测到机器人当前所处环境的局部地图中出现障碍物后，构建当前局部地图的栅格地图，该栅格地图中包括障碍栅格和空闲栅格。例如，以机器人当前位姿为坐标系建立局部地图，当障碍物进入该局部地图后，将该局部地图转化为栅格地图，障碍物的点云数据中的一个点对应该栅格地图中的一个障碍栅格，非障碍栅格为空闲栅格。
步骤102：根据机器人底盘的形状以及机器人底盘的尺寸信息，确定障碍栅格的膨胀边界，膨胀边界构成的虚拟区域的形状与机器人底盘的形状相同，且虚拟区域的大小与机器人底盘的尺寸相同。
在一个例子中，按照机器人底盘的尺寸信息，将机器人底盘的形状投影在栅格地图上，形成机器人底盘的投影，将投影的边界作为障碍栅格的膨胀边界，其中，膨胀边界构成的虚拟区域的中心点为障碍栅格。
具体的说，为了快速得到与机器人底盘相匹配的膨胀区域，本实施方式中按照该机器人底盘的尺寸信息，将机器人底盘的形状投影在栅格地图上，形成该机器人底盘的投影，将该投影的边界作为膨胀边界。由于栅格地图中每个栅格表示一个方形区域，膨胀边界的位置并不是为一个完整的栅格，基于膨胀边界构成的该虚拟区域可以快速确定出该栅格地图中处于该虚拟区域内的空闲栅格。
例如，以长方形的机器人底盘为例，以障碍栅格作为虚拟区域的中心点，已知该栅格地图的分辨率，该机器人底盘长边的长度为length，短边的长度为width,则将该机器人底盘在该栅格地图上投影，将投影的长边和短边作为膨胀边界。
步骤103：从栅格地图中选取位于虚拟区域内的空闲栅格。
在一个例子中，构建以障碍栅格为原点，以机器人前进方向作为纵轴方向的二维坐标系，二维坐标系的横轴垂直于纵轴；针对每个空闲栅格进行如下处理：根据空闲栅格与障碍栅格之间的栅格距离以及栅格地图的分辨率，确定空闲栅格在二维坐标系上的第一坐标信息；根据第一坐标信息以及膨胀边界，判断空闲栅格是否位于虚拟区域内，若确定空闲栅格处于虚拟区域内，则选取空闲栅格。
具体的说，为了便于计算，以障碍栅格为原点，以机器人前进方向作为纵轴方向的二维坐标系，二维坐标系的横轴垂直于纵轴，如图4所示，长方形的机器人底盘前进的方向如图4的箭头所示方向，图4中a0表示障碍栅格，以该障碍栅格a0为原点，构建该二维坐标系，纵轴方向以x表示，横轴垂直于纵轴x，本示例中，以y表示横轴。由于该二维坐标系是基于障碍栅格构建，则该第一坐标信息中的横轴坐标值即为与该障碍栅格在横轴上的距离，该第一坐标中的纵轴值坐标即为与该障碍栅格在纵轴上的距离，因而通过每个空闲栅格在该二维坐标系上的第一坐标信息可以快速确定该空闲栅格是否位于虚拟区域内。
由于确定了空闲栅格的第一坐标信息，且已知了该虚拟区域的每条膨胀边界，则可以根据几何原理，确定用于判断该空闲栅格是否在虚拟区域内的判断条件。目前机器人底盘为长方形的概率较大，因而本实施方式中以机器人底盘的形状为长方形为例，具体介绍根据第一坐标信息以及膨胀边界，判断空闲栅格是否位于虚拟区域内的过程。
在本示例中，膨胀边界包括：第一膨胀边界和第二膨胀边界，第一膨胀边界与原点的第一距离为机器人底盘长边长度的一半，第二膨胀边界与原点的第二距离为机器人底盘短边长度的一半；判断是否第一坐标信息中的纵轴坐标值小于第一距离且第一坐标信息中的横轴坐标值小于第二距离，若是，则确定空闲栅格位于虚拟区域内。
具体的说，如图5所示的虚拟区域H，该第一膨胀边界h0可以表示为x＝1/2length,该第二膨胀边界h1表示为y＝1/2width。该空闲栅格A的坐标表示为(ydist，xdist)，那么该空闲栅格的第一坐标信息中的纵轴坐标xdist，横轴坐标ydist表示如公式(1)和公式(2)；
Figure BDA0002345835430000071
Figure BDA0002345835430000072
其中，
Figure BDA0002345835430000073
表示该空闲栅格A在纵轴上与障碍栅格之间的栅格距离；
Figure BDA0002345835430000074
表示该空闲栅格A在横轴上与障碍栅格之间的栅格距离；resolution表示该栅格地图的分辨率。
若该ydist小于1/2width，且xdist小于1/2length；确定该空闲栅格位于该虚拟区域内。
步骤104：根据选取的空闲栅格以及障碍栅格，确定障碍栅格的膨胀区域。
具体的说，可以将选取的空闲栅格以及障碍栅格作为该障碍栅格的膨胀区域，即选取的空间栅格和障碍栅格共同组成膨胀区域，如图6所示，空闲栅格以虚线表示，如空闲栅格A，实心栅格表示为障碍栅格，图6中膨胀区域包括8个空闲栅格以及一个障碍栅格。若在该栅格地图中包括多个障碍栅格，则重复步骤102至步骤104，确定出每个障碍栅格的膨胀区域。机器人可以基于每个膨胀区域进行路径规划。例如，如图7所示，机器人通过该狭窄道路时，对每个障碍栅格膨胀后得到膨胀区域，图7中实线表示障碍物，虚线表示得到的膨胀区域，如膨胀区域H，图7中显示了多个膨胀区域，图7中机器人中心均未位于任何膨胀区域内，机器人可以通过该狭窄道路。同理，在转弯过程中，得到如图8所示的多个膨胀区域，虚线表示膨胀区域，如膨胀区域H，该机器人在转弯过程中，图8中机器人中心也未位于任何膨胀区域内。
本发明实施方式相对于现有技术而言，通过机器人底盘的形状以及机器人底盘的尺寸信息，确定障碍栅格的膨胀边界，由于膨胀边界构成的虚拟区域的形状与机器人底盘的形状相同，且该虚拟区域的大小与机器人底盘的尺寸相同，使得基于该虚拟区域得到的膨胀区域与该机器人底盘的形状相匹配，即该膨胀区域与该机器人底盘的形状相同，尺寸接近，使得膨胀区域不会过大，也不会过小，从而避免出现因膨胀区域过大导致机器人无法通行的问题，也避免出现因膨胀区域过小而导致机器人通行过程中碰撞上障碍物的问题，提高了机器人基于该障碍物的膨胀区域进行的避障规划的准确性。
本发明的第二实施方式涉及一种膨胀区域的确定方法。第二实施方式是对第一实施方式的进一步改进，主要改进之处在于：在本发明第二实施方式中，该膨胀区域的确定方法还包括若确定空闲栅格处于虚拟区域外，则可以计算该空闲栅格相对于障碍栅格的通行代价，并基于该通行代价和膨胀区域，构建机器人所处环境的代价地图，该代价地图用于机器人进行避障规划。该膨胀区域的确定方法的具体流程如图9所示。
步骤201：获取机器人所处环境的栅格地图，栅格地图包括障碍栅格和空闲栅格。
步骤202：根据机器人底盘的形状以及机器人底盘的尺寸信息，确定障碍栅格的膨胀边界。
步骤203：从栅格地图中选取位于虚拟区域内的空闲栅格。
步骤204：根据选取的空闲栅格以及障碍栅格，确定障碍栅格的膨胀区域。
步骤205：若确定空闲栅格处于虚拟区域外，则根据空闲栅格的第一坐标信息以及膨胀边界，确定空闲栅格与虚拟区域之间的相对距离。
具体的说，若确定空闲栅格处于虚拟区域外，还可以针对该栅格地图中每个处于虚拟区域外的空闲栅格进行处理：根据该空闲栅格的第一坐标信息以及膨胀边界，确定空闲栅格与虚拟区域之间的相对距离。
在一个例子中，机器人底盘的形状为长方形，膨胀边界包括：第一膨胀边界和第二膨胀边界，第一膨胀边界与原点的第一距离为机器人底盘长边长度的一半，第二膨胀边界与原点的第二距离为机器人底盘短边长度的一半。若确定第一坐标信息中的纵轴坐标值大于第一距离且第一坐标信息中的横轴坐标值小于等于第二距离，则确定相对距离为第一坐标信息中的纵轴坐标值与第一距离之间的第一差值。假设空闲栅格A的坐标表示为(ydist，xdist)，那么该空闲栅格的第一坐标信息中的横轴坐标ydist，纵轴坐标xdist，相对距离euclidean可以用公式(3)表示：
Figure BDA0002345835430000081
其中，
Figure BDA0002345835430000082
Figure BDA0002345835430000083
表示该空闲栅格A在纵轴上与障碍栅格之间的栅格距离；
Figure BDA0002345835430000091
表示该空闲栅格A在横轴上与障碍栅格之间的栅格距离；resolution表示该栅格地图的分辨率。
若确定第一坐标信息中的纵轴坐标值小于等于第一距离且第一坐标信息中的横轴坐标值大于第二距离，则确定相对距离为第一坐标信息中的横轴坐标值与第二距离之间的第二差值。
假设空闲栅格A的坐标表示为(ydist，xdist)，那么该空闲栅格的第一坐标信息中的纵轴坐标xdist，横轴坐标ydist，相对距离euclidean可以用公式(4)表示：
Figure BDA0002345835430000092
其中，
Figure BDA0002345835430000093
Figure BDA0002345835430000094
表示该空闲栅格A在纵轴上与障碍栅格之间的栅格距离；
Figure BDA0002345835430000095
表示该空闲栅格A在横轴上与障碍栅格之间的栅格距离；resolution表示该栅格地图的分辨率。
若确定第一坐标信息中的纵轴坐标值大于第一距离且第一坐标信息中的横轴坐标值大于第二距离，则确定相对距离为第一数值的开方，第一数值为第一差值的平方与第二差值平方之和。假设空闲栅格A的坐标表示为(ydist，xdist)，那么该空闲栅格的第一坐标信息中的纵轴坐标xdist，横轴坐标ydist，相对距离euclidean可以用公式(5)表示：
Figure BDA0002345835430000096
其中，
Figure BDA0002345835430000097
Figure BDA0002345835430000098
表示该空闲栅格A在纵轴上与障碍栅格之间的栅格距离；
Figure BDA0002345835430000099
表示该空闲栅格A在横轴上与障碍栅格之间的栅格距离；resolution表示该栅格地图的分辨率。
步骤206：根据相对距离以及预设的代价衰减函数，计算空闲栅格相对于障碍栅格的通行代价。
具体的说，通行代价用于表征空闲栅格受到障碍栅格的影响，该通行代价的数值越大，该空闲栅格受到障碍栅格的影响越大，即该机器人位于该空闲栅格处与障碍物发生碰撞的概率越大。通行代价随着空闲栅格与障碍栅格之间相对距离的增大而减小。衰减函数可以根据需要进行设置，该空闲栅格相对于障碍栅格的通行代价的计算可以如公式(6)；
cost＝(INSCRIBED-1)*-weight*euclidean 公式(6)；
其中，INSCRIBED表示膨胀区域的通行代价，可以设定该INSCRIBED为253，euclidean可以为公式(3)至公式(5)。
步骤207：根据障碍栅格的膨胀区域和空闲栅格的通行代价，确定机器人所处环境的代价地图。
具体的说，可以将每个空闲栅格的通行代价标注在该空闲栅格上，与膨胀区域组成该机器人所处环境的代价地图。
需要说明的是，若栅格地图中包括多个障碍栅格；膨胀区域的确定方法还包括：在每次确定障碍栅格的膨胀区域后，记录每个位于虚拟区域外的空闲栅格相对于障碍栅格的通行代价；在每个障碍栅格的膨胀区域确定之后，针对每个空闲栅格进行如下处理：获取空闲栅格相对于每个障碍栅格各自对应的通行代价，选取最大通行代价标注在空闲栅格上。
具体的说，若该栅格地图中包括多个障碍栅格，每确定一个障碍栅格的膨胀区域，记录一次每个位于虚拟区域外的空闲栅格的通行代价，例如，有3个障碍栅格，若空闲栅格A均位于每个膨胀区域外，那么记录该空闲栅格的3个通行代价。由于每个位于膨胀区域外的空闲栅格具有多个通行代价，因此可以选择最大通行代价标注在空闲栅格上，以构建代价地图。
步骤208：根据代价地图进行避障规划。
具体的说，机器人可以根据代价地图上的膨胀区域以及每个空闲栅格上的通行代价，规划避障路径，其中，通行代价越高表明与障碍物发生膨胀的概率越高。
本实施方式提供的膨胀区域的确定方法，由于存在多个障碍栅格，需要确定每个障碍栅格的膨胀区域，在每次膨胀区域确定后，记录每个空闲栅格的通行代价，选取最大通行代价标注在该空闲栅格上，提高后续对路径规划的合理性。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第三实施方式涉及一种膨胀区域的确定装置，该膨胀区域的确定装置的结构如图10所示，包括：获取模块301、边界确定模块302、选取模块303和膨胀区域确定模块304。
获取模块301用于获取机器人所处环境的栅格地图，栅格地图包括障碍栅格和空闲栅格；边界确定模块302用于根据机器人底盘的形状以及机器人底盘的尺寸信息，确定障碍栅格的膨胀边界，膨胀边界构成的虚拟区域的形状与机器人底盘的形状相同，且虚拟区域的大小与机器人底盘的尺寸相同；选取模块303用于从栅格地图中选取位于虚拟区域内的空闲栅格；膨胀区域确定模块304用于根据选取的空闲栅格以及障碍栅格，确定障碍栅格的膨胀区域。
不难发现，本实施方式为与第一实施方式相对应的装置实施例，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。
值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。
本发明第四实施方式涉及一种机器人，该机器人的结构如图11所示，包括：至少一个处理器401；以及，与至少一个处理器401通信连接的存储器402；其中，存储器402存储有可被至少一个处理器401执行的指令，指令被至少一个处理器401执行，以使至少一个处理器401能够执行上述膨胀区域的确定方法。
其中，存储器402和处理器401采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器401和存储器402的各种电路链接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器401处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明第五实施方式涉及一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现第一实施方式或第二实施方式中的膨胀区域的确定方法。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (13)

1.一种膨胀区域的确定方法，其特征在于，包括：
获取机器人所处环境的栅格地图，所述栅格地图包括障碍栅格和空闲栅格；
根据机器人底盘的形状以及所述机器人底盘的尺寸信息，确定所述障碍栅格的膨胀边界，所述膨胀边界构成的虚拟区域的形状与所述机器人底盘的形状相同，且所述虚拟区域的大小与所述机器人底盘的尺寸相同；
从所述栅格地图中选取位于所述虚拟区域内的空闲栅格；
根据选取的所述空闲栅格以及所述障碍栅格，确定所述障碍栅格的膨胀区域。
2.根据权利要求1所述的膨胀区域的确定方法，其特征在于，所述根据机器人底盘的形状以及所述机器人底盘的尺寸信息，确定所述障碍栅格的膨胀边界，包括：
按照所述机器人底盘的尺寸信息，将所述机器人底盘的形状投影在所述栅格地图上，形成所述机器人底盘的投影，将所述投影的边界作为所述障碍栅格的膨胀边界，其中，所述膨胀边界构成的所述虚拟区域的中心点为所述障碍栅格。
3.根据权利要求2所述的膨胀区域的确定方法，其特征在于，所述从所述栅格地图中选取位于所述虚拟区域内的空闲栅格，具体包括：
构建以所述障碍栅格为原点，以所述机器人前进方向作为纵轴方向的二维坐标系，所述二维坐标系的横轴垂直于所述纵轴；
针对每个所述空闲栅格进行如下处理：
根据所述空闲栅格与所述障碍栅格之间的栅格距离以及所述栅格地图的分辨率，确定所述空闲栅格在所述二维坐标系上的第一坐标信息；
根据所述第一坐标信息以及所述膨胀边界，判断所述空闲栅格是否位于所述虚拟区域内，若确定所述空闲栅格处于所述虚拟区域内，则选取所述空闲栅格。
4.根据权利要求3所述的膨胀区域的确定方法，其特征在于，若所述机器人底盘的形状为长方形，所述膨胀边界包括：第一膨胀边界和第二膨胀边界，所述第一膨胀边界与所述原点的第一距离为机器人底盘长边长度的一半，所述第二膨胀边界与所述原点的第二距离为机器人底盘短边长度的一半；
所述根据所述第一坐标信息以及所述膨胀边界，判断所述空闲栅格是否位于所述虚拟区域内，包括：
判断是否所述第一坐标信息中的纵轴坐标值小于所述第一距离且所述第一坐标信息中的横轴坐标值小于所述第二距离，若是，则确定所述空闲栅格位于所述虚拟区域内。
5.根据权利要求3所述的膨胀区域的确定方法，其特征在于，所述膨胀区域的确定方法还包括：
若确定所述空闲栅格处于所述虚拟区域外，则根据所述空闲栅格的第一坐标信息以及所述膨胀边界，确定所述空闲栅格与所述虚拟区域之间的相对距离；
根据所述相对距离以及预设的代价衰减函数，计算所述空闲栅格相对于所述障碍栅格的通行代价；
根据所述障碍栅格的膨胀区域和所述空闲栅格的通行代价，确定所述机器人所处环境的代价地图；
根据所述代价地图进行避障规划。
6.根据权利要求5所述的膨胀区域的确定方法，其特征在于，所述机器人底盘的形状为长方形，所述膨胀边界包括：第一膨胀边界和第二膨胀边界，所述第一膨胀边界与所述原点的第一距离为机器人底盘长边长度的一半，所述第二膨胀边界与所述原点的第二距离为机器人底盘短边长度的一半。
7.根据权利要求6所述的膨胀区域的确定方法，其特征在于，所述根据所述空闲栅格的第一坐标信息以及所述膨胀边界，确定所述空闲栅格与所述虚拟区域之间的相对距离，包括：
若确定所述第一坐标信息中的纵轴坐标值大于所述第一距离且所述第一坐标信息中的横轴坐标值小于等于所述第二距离，则确定所述相对距离为所述第一坐标信息中的纵轴坐标值与所述第一距离之间的第一差值。
8.根据权利要求6所述的膨胀区域的确定方法，其特征在于，所述根据所述空闲栅格的第一坐标信息以及所述膨胀边界，确定所述空闲栅格与所述虚拟区域之间的相对距离，包括：
若确定所述第一坐标信息中的纵轴坐标值小于等于所述第一距离且所述第一坐标信息中的横轴坐标值大于所述第二距离，则确定所述相对距离为所述第一坐标信息中的横轴坐标值与所述第二距离之间的第二差值。
9.根据权利要求6所述的膨胀区域的确定方法，其特征在于，所述根据所述空闲栅格的第一坐标信息以及所述膨胀边界，确定所述空闲栅格与所述虚拟区域之间的相对距离，包括：
若确定所述第一坐标信息中的纵轴坐标值大于所述第一距离且所述第一坐标信息中的横轴坐标值大于所述第二距离，则确定所述相对距离为第一数值的开方，所述第一数值为第一差值的平方与第二差值平方之和，所述第一差值为所述第一坐标信息中的纵轴坐标值与所述第一距离之间的差值，所述第二差值为所述第一坐标信息中的横轴坐标值与所述第二距离之间的差值。
10.根据权利要求5至9中任一项所述的膨胀区域的确定方法，其特征在于，若所述栅格地图中包括多个障碍栅格；所述膨胀区域的确定方法还包括：
在每次确定障碍栅格的膨胀区域后，记录每个位于所述虚拟区域外的空闲栅格相对于所述障碍栅格的通行代价；
在每个所述障碍栅格的膨胀区域确定之后，针对每个所述空闲栅格进行如下处理：
获取所述空闲栅格相对于每个障碍栅格各自对应的通行代价，选取最大通行代价标注在所述空闲栅格上。
11.一种膨胀区域的确定装置，其特征在于，包括：获取模块、边界确定模块、选取模块和膨胀区域确定模块；
所述获取模块用于获取机器人所处环境的栅格地图，所述栅格地图包括障碍栅格和空闲栅格；
所述边界确定模块用于根据机器人底盘的形状以及所述机器人底盘的尺寸信息，确定所述障碍栅格的膨胀边界，所述膨胀边界构成的虚拟区域的形状与所述机器人底盘的形状相同，且所述虚拟区域的大小与所述机器人底盘的尺寸相同；
所述选取模块用于从所述栅格地图中选取位于所述虚拟区域内的空闲栅格；
所述膨胀区域确定模块用于根据选取的所述空闲栅格以及所述障碍栅格，确定所述障碍栅格的膨胀区域。
12.一种机器人，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至10中任一项所述的膨胀区域的确定方法。
13.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的膨胀区域的确定方法。
CN201911394175.4A 2019-12-30 2019-12-30 一种膨胀区域的确定方法、确定装置、机器人和存储介质 Active CN111026131B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911394175.4A CN111026131B (zh) 2019-12-30 2019-12-30 一种膨胀区域的确定方法、确定装置、机器人和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911394175.4A CN111026131B (zh) 2019-12-30 2019-12-30 一种膨胀区域的确定方法、确定装置、机器人和存储介质

Publications (2)

Publication Number Publication Date
CN111026131A CN111026131A (zh) 2020-04-17
CN111026131B true CN111026131B (zh) 2023-03-14

Family

ID=70199731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911394175.4A Active CN111026131B (zh) 2019-12-30 2019-12-30 一种膨胀区域的确定方法、确定装置、机器人和存储介质

Country Status (1)

Country Link
CN (1) CN111026131B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111966097A (zh) * 2020-08-12 2020-11-20 深圳华芯信息技术股份有限公司 基于栅格地图区域化探索的建图方法、系统以及终端
CN111984013B (zh) * 2020-08-21 2024-03-19 北京云迹科技股份有限公司 基于机器人脚印数据的距离计算方法及装置
CN112066976B (zh) * 2020-09-07 2023-06-16 北京信息科技大学 一种自适应膨胀处理方法、系统、机器人及存储介质
CN112033413B (zh) * 2020-09-07 2023-06-16 北京信息科技大学 一种基于结合环境信息的改进a*算法的路径规划方法
US11597089B2 (en) * 2020-11-06 2023-03-07 Bear Robotics, Inc. Method, system, and non-transitory computer-readable recording medium for controlling a destination of a robot
CN112396697B (zh) * 2020-11-20 2022-12-06 上海莉莉丝网络科技有限公司 游戏地图内区域生成方法、系统及计算机可读存储介质
CN112612273B (zh) * 2020-12-21 2021-08-24 南方电网电力科技股份有限公司 一种巡检机器人避障路径规划方法、系统、设备和介质
CN113031006B (zh) * 2021-02-26 2023-06-27 杭州海康机器人股份有限公司 一种定位信息的确定方法、装置及设备
CN113485369A (zh) * 2021-08-03 2021-10-08 浙江大学 改进a*算法的室内移动机器人路径规划和路径优化方法
CN114115240B (zh) * 2021-11-04 2024-02-27 北京三快在线科技有限公司 一种无人设备的控制方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006252346A (ja) * 2005-03-11 2006-09-21 Secom Co Ltd 移動ロボット
CN103926925A (zh) * 2014-04-22 2014-07-16 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
CN104599588A (zh) * 2015-02-13 2015-05-06 中国北方车辆研究所 一种栅格地图通行成本的计算方法
CN108120441A (zh) * 2016-11-28 2018-06-05 沈阳新松机器人自动化股份有限公司 全覆盖路径规划方法及系统
CN108775902A (zh) * 2018-07-25 2018-11-09 齐鲁工业大学 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100791386B1 (ko) * 2006-08-18 2008-01-07 삼성전자주식회사 이동 로봇의 영역 분리 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006252346A (ja) * 2005-03-11 2006-09-21 Secom Co Ltd 移動ロボット
CN103926925A (zh) * 2014-04-22 2014-07-16 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
CN104599588A (zh) * 2015-02-13 2015-05-06 中国北方车辆研究所 一种栅格地图通行成本的计算方法
CN108120441A (zh) * 2016-11-28 2018-06-05 沈阳新松机器人自动化股份有限公司 全覆盖路径规划方法及系统
CN108775902A (zh) * 2018-07-25 2018-11-09 齐鲁工业大学 基于障碍物虚拟膨胀的伴随机器人路径规划方法及系统

Also Published As

Publication number Publication date
CN111026131A (zh) 2020-04-17

Similar Documents

Publication Publication Date Title
CN111026131B (zh) 一种膨胀区域的确定方法、确定装置、机器人和存储介质
CN109541634B (zh) 一种路径规划方法、装置和移动设备
US11530924B2 (en) Apparatus and method for updating high definition map for autonomous driving
CN111290385B (zh) 一种机器人路径规划方法、机器人、电子设备及存储介质
CN107341819B (zh) 目标跟踪方法及存储介质
KR102300906B1 (ko) 세그먼테이션 스코어 맵 및 클러스터링 맵을 이용하여 자율 주행 차량의 주행 경로를 계획하기 위해 차선을 검출하는 포스트 프로세싱 방법 및 장치
CN106599108A (zh) 一种三维环境中多模态环境地图构建方法
CN112595337B (zh) 避障路径规划方法、装置、电子装置、车辆及存储介质
US11045953B2 (en) Relocalization method and robot using the same
CN110705385B (zh) 一种障碍物角度的检测方法、装置、设备及介质
CN110470308B (zh) 一种避障系统及方法
US20200135014A1 (en) Cooperative mapping for autonomous vehicles, robots or multi-agent systems
CN111045433B (zh) 一种机器人的避障方法、机器人及计算机可读存储介质
CN111830983A (zh) 动态环境下的多智能体群系统导航与避障方法及装置
CN115617042A (zh) 碰撞检测方法及装置、终端设备、计算机可读存储介质
CN115326051A (zh) 一种基于动态场景的定位方法、装置、机器人及介质
US20210364637A1 (en) Object localization using machine learning
CN113741453A (zh) 一种非结构化环境的路径规划方法、装置、设备和介质
EP4206610A1 (en) Map matching method and apparatus, and electronic device and storage medium
CN114459486A (zh) 机器人及其通道导航方法、装置及存储介质
CN115047871A (zh) 动态目标的多无人车协同搜索方法、装置、设备及介质
CN116382308B (zh) 智能化移动机械自主寻径与避障方法、装置、设备及介质
CN114136328B (zh) 一种传感器信息融合方法及装置
CN117115247A (zh) 对象位姿识别方法、装置、计算机设备和存储介质
CN115639824A (zh) 车辆的路径规划方法、装置、电子设备及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210209

Address after: 200245 2nd floor, building 2, no.1508, Kunyang Road, Minhang District, Shanghai

Applicant after: Dalu Robot Co.,Ltd.

Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.)

Applicant before: CLOUDMINDS (SHENZHEN) ROBOTICS SYSTEMS Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 200245 Building 8, No. 207, Zhongqing Road, Minhang District, Shanghai

Applicant after: Dayu robot Co.,Ltd.

Address before: 200245 2nd floor, building 2, no.1508, Kunyang Road, Minhang District, Shanghai

Applicant before: Dalu Robot Co.,Ltd.

GR01 Patent grant
GR01 Patent grant