CN111693050A - 基于建筑信息模型的室内中大型机器人导航方法 - Google Patents
基于建筑信息模型的室内中大型机器人导航方法 Download PDFInfo
- Publication number
- CN111693050A CN111693050A CN202010447465.7A CN202010447465A CN111693050A CN 111693050 A CN111693050 A CN 111693050A CN 202010447465 A CN202010447465 A CN 202010447465A CN 111693050 A CN111693050 A CN 111693050A
- Authority
- CN
- China
- Prior art keywords
- robot
- laser radar
- rgb
- navigation
- laser
- 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
- 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
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Automation & Control Theory (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于建筑信息模型的室内中大型机器人导航方法,属于室内机器人导航技术领域。本发明通过建筑信息模型生成的地图规划施工计划和机器人作业参数。机器人通过2D激光雷达、线激光与RGB‑D深度信息摄像头采集环境数据,进行障碍物检测并及时重新规划路线。本发明能满足不规则形状机器人靠近墙面的需求。针对不同的传感器数据设计不同的移动权限处理策略和避障安全策略。本发明检测地面上与地面下的障碍物并且避开,在规划路径时,使用了一种基于曼哈顿距离与拐点权值的路径规划算法,可以尽量减少机器人发送移动指令的次数,从而降低了机器人的路径抖动、位姿估计误差与对移动平台的寿命影响等问题,提升机器人的导航工作效率和安全性。
Description
技术领域
本发明涉及室内定位导航技术领域,尤其涉及一种基于建筑信息模型和深度信息测距的室内中大型机器人(建筑机器人)的导航技术。
背景技术
随着大数据、云计算、人工智能等领域的快速发展,机器人技术迅速革新,机器人导航技术也愈发成熟,常用的机器人导航技术基本上是基于2D激光雷达的SLAM(Simultaneous Localization and Mapping)技术或基于计算机视觉的VSLAM(VisualSLAM)技术。这些技术应用于诸多机器人身上,如扫地机器人、复杂地势勘测机器人等。
然而,在建筑机器人领域,由于场景与机器人自身的外形等原因,上述的SLAM技术有很多情况并不能很好的工作。其原因一个在于这两种方法在构建地图时,无疑都需要在室内扫描一圈或多圈才能构建出地图,且有些时候会需要地标点与回环检测来校正地图,才能降低误差,构图成本高;另一个在于传统SLAM所关注机器人机身俯瞰图大部分为圆形,在同一水平面上移动时,关注的更多的是其xyz三个方向上的位姿,在对于其rx、ry、rz方向上的位姿则关注较少,对于一些体型较大、机身俯瞰图不规则且对rx、ry、rz特定方向位姿有要求的机器人没办法满足要求。由于建筑机器人(例如墙面抹灰机器人)对于方向极其敏感,且其机身俯瞰为不规则图形,且在作业时需要极其靠近建筑墙壁,此时微小的角度偏差都会带来机器人与墙面碰撞的后果。若采用机身外切圆作为机器人在导航时地图中的参考模型,则其又无法达到靠近墙面的要求。且在建筑室内施工时,有时候会有地面施工洞,这是普通2D激光雷达所无法识别的,而VSLAM的测距范围和定位精度都要弱于激光雷达,所以不能直接适用。
发明内容
本发明的发明目的在于:针对上述技术问题,提供一种基于建筑信息模型和深度信息测距的室内中大型机器人导航方法。该导航方法通过提取建筑信息模型(建筑的CAD、Revit图等)作为导航时地图,其精度在本身不输于2D激光雷达SLAM构图精度的条件下,同时可提供建筑的3D信息,让本发明可以在导航的同时,获取建筑信息用于建筑作业;为了解决机身不规则形状问题,本发明采用了多传感器联动来确保机器人在完成室内定位的同时,可以完成靠近墙面施工的任务,提高了室内墙面抹灰机器人的在室内施工的可靠性。
本发明的基于建筑信息模型和深度信息测距的室内中大型机器人导航方法,包括下列步骤:
根据参考工作点的位置信息,规划最优导航路径,并通过激光雷达,线激光实现多级传感器实时接管移动权限进行定位导航;
通过RGB-D深度摄像头探测建筑信息模型信息中不包含的地面开凿的施工空洞以及地面上2D激光雷达由于安装位置无法扫描到的障碍物,重新规划路线,避免危险的发生。
进一步的,导航处理过程具体为:
使用多个传感器包括有2D激光雷达,线激光,RGB-D深度信息摄像头联合进行定位导航与避障;
机器人与墙面距离较远,不易发生碰撞时,使用激光雷达进行定位;
机器人距离墙面较近,机器人的转动容易与墙面发生碰撞时,使用线激光对机器人位姿进行校正,修正路径漂移与误差;
当机器人的移动方向上存在有激光雷达无法扫描到的障碍物以及地面上开凿的施工坑洞时,则由RGB-D深度信息摄像头进行识别与计算。
进一步的,针对不同的传感器数据设置不同的移动权限处理策略,包括:
RGB-D深度信息摄像头与激光雷达同时工作时,最开始由激光雷达数据来对机器人进行导航工作,当RGB-D深度信息摄像头发现地面上的障碍物时,RGB-D深度摄像头并不马上接管移动权限,此时仍然根据激光雷达继续导航,当RGB-D深度信息摄像头在下一帧以及之后的一定数量的连续帧都判断前方有障碍物时,激光雷达仍继续工作,但此时由RGB-D深度摄像头接管移动权限,若发现RGB-D摄像头为误判,则系统保持之前工作状态。
机器人与墙面距离低于预设阈值时,线激光进入工作,当线激光数据与激光雷达在该方向上的数据相差不大时,机器人将由线激光拿到移动权限,直到完成当前墙面作业,若线激光返回数据与激光雷达返回数据在同一时间返回的数据相差大于预设阈值,则线激光与激光雷达均继续工作,直到二者返回数据相近。
进一步的,本发明还包括避障安全策略,具体为:
对使用到的三类传感器设置不同的安全策略,对于RGB-D深度信息摄像头,机器人在移动过程中,使用深度信息摄像头对机器人行进方向上的地面上障碍物和施工坑洞进行识别与测距,若检测到障碍物,且以机器人当前移动速度在时间t内将会触碰到障碍物,则直接发送急停指令,等待人工确认或排除障碍,反之则重新规划路径;对于机器人移动平台上安装的激光雷达与线激光,在机身正前方与激光雷达特定朝向和线激光设定不同的参数值,在对应传感器管理移动权限时,若返回数据低于参数值,则向主控平台发送急停指令。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明使用的不是传统的SLAM框架(也即前端扫描匹配、后端优化、闭环检测、地图构建),而是通过建筑信息模型作为系统的输入作为地图,在具有良好的地图精度之外,可以省去后端优化与闭环检测阶段,相比传统的SLAM框架,在保证了导航精度的同时,该方法有效降低了算法的计算量,且可以获取待施工墙面信息等,在事先根据地图信息计算工作计划。
2、本发明使用多传感器来进行定位导航,能够满足不规则机身的机器人的靠近墙面需求。在机身外切圆不会碰到墙壁时,使用激光雷达来进行定位导航,在机身外切圆与墙壁相切时,使用固定方向的线激光来进行定位与导航,保证机器人以限定角度的姿态靠近墙面。
3、本发明使用RGB-D深度信息摄像头来进行避障,首次关注到了地面施工坑洞障碍,使用激光雷达来探测地面上的障碍,保证了地面上和地面下的障碍能被检测到。
4、本发明在采用基于曼哈顿距离与拐点权值的路径规划算法,可以在导航过程中减少发送指令的次数,降低了机器人的路径抖动、位姿估计误差与对移动平台的寿命影响等问题。
附图说明
图1是本具体实施方式中,针对的机器人机身俯瞰大致结构与施工环境示意图。
图2是本具体实施方式中,基于建筑信息模型的室内自主抹灰机器人的总体架构图。
图3是本具体实施方式中,基于建筑信息模型的室内自主抹灰机器人的导航系统的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本发明作进一步地详细描述。
本发明的基于建筑信息模型和深度信息测距的室内中大型机器人导航方法,可用于墙面抹灰机等室内建筑机器人的导航处理,即墙面抹灰机的导航系统。本发明通过读入建筑信息模型,系统扫描提取建筑信息模型信息,通过建筑信息模型生成的地图规划施工计划和机器人作业参数。机器人终端实时显示机器人在地图中的位姿,系统可以全自动的完成导航任务,也可以通过人机交互界面中断修改配置与继续任务。机器人通过2D激光雷达、线激光与RGB-D深度信息摄像头采集环境数据,进行障碍物检测并及时重新规划路线。采用本发明可以保证抹灰机器人的室内良好的定位导航精度,降低抹灰机器人的路径抖动,满足不规则形状机器人靠近墙面的需求。针对不同的传感器数据设计不同的移动权限处理策略和避障安全策略。本发明首次关注到了地面下施工坑洞障碍,可以检测地面上与地面下的障碍物与并且避开,在规划路径时,使用了一种基于曼哈顿距离与拐点权值的路径规划算法,可以尽量减少机器人发送移动指令的次数,从而降低了机器人的路径抖动、位姿估计误差与对移动平台的寿命影响等问题,提升机器人的导航工作效率和安全性。其具体实施过程如下:
S1、搭建一个包含线激光、激光雷达、RGB-D深度信息摄像头等多传感器环境,使用工控机作为软件控制平台,搭建机器人终端(包含移动平台、建筑施工控制平台等)。
S2、设置一个建筑信息模型预处理模块,主要是将建筑信息模型进行预处理,作为导航系统输入。
更进一步的,所述步骤S2还包括:
S2.1、系统扫描建筑信息模型,提取施工环境地图,以及待施工墙面信息,规划施工路径与施工时所涉及的参数,程序根据扫描建筑信息模型得到的数据,规划机器人施工作业位置及参数,生成最初的作业计划。
S2.2、导航时,系统显示所施工建筑的3D地图与机器人模型,实时更新机器人在室内的位置和工作状态,并且可以通过远程终端进行实时监控。
S3、基于本发明所提出的关注不规则机身机器人位姿的导航方法,从而能够使中大型机器人能够安全地靠近墙面工作,主要通过多传感器联动获取实地环境信息,与机器人终端通信,与显示终端进行同步。
更进一步的,所述S3还包括:
S3.1、在机器人移动平台上搭载一个2D激光雷达,用于在离墙面较远时(机器人与墙面的距离未超过预设距离阈值),通过2D激光雷达实时定位机器人在房屋中的位置,指导机器人在房屋内移动。
S3.2、在机器人正前方,也即机器人作业时正对着墙面的方向两侧安装两个线激光,用于在机器人机身外切圆与墙面相切的位置后,使用线激光数据,将机器人的位姿校正,尤其是角度,随后可以正向缓缓移动直到安全地贴近墙面。
S4、设置一种机器人移动权限接管策略,不同的传感器在不同的情况下将拿到机器人移动权限的管理权,丰富了机器人的可工作环境,增强了机器人对于应对障碍物或墙面时的鲁棒性,降低了传感器误判率。
所述S4方法,更进一步的描述为:
S4.1、在激光雷达在机器人移动方向的返回距离超过x时(x与之后的y均是传感器在机器人安装位置而调整的距离参数,且x>y),激光雷达与RGB-D深度信息摄像头同时工作,此时先使用激光雷达的数据进行导航,当RGB-D深度信息摄像头发现地面上的障碍物时暂时不由RGB-D深度摄像头接管移动权限,此时激光雷达仍然继续工作,当RGB-D深度信息摄像头在下一帧以及之后的几十帧都判断前方有障碍物时,激光雷达仍继续工作,但此时由RGB-D深度摄像头接管移动权限,若发现RGB-D摄像头误判,检测出的障碍物在下一帧或后面几帧中又没有检测出时(如工作人员进入摄像头视野范围,随后又离开了),则系统保持之前工作状态。
S4.2、在激光雷达在机器人移动方向的返回距离小于x时,大于y时,线激光进入工作,当线激光数据与激光雷达在该方向上的数据相差不大时,机器人将由线激光拿到移动权限,直到完成当前墙面作业,若线激光返回数据与激光雷达返回数据在同一时间返回的数据相差较大,则线激光与激光雷达均继续工作,直到二者返回数据相近。
S5、避障与安全系统,对于建筑信息模型中不包含的地面障碍以及开凿的施工空洞,利用激光雷达与RGB-D深度信息摄像头进行检测与测量,实时显示于远程终端,随后进行避障。
所述S5方法,更进一步的描述为:
S5.1、对于地面上的障碍物,由激光雷达与RGB-D深度信息摄像头扫描检测,对于地面下的坑洞,使用RGB-D深度信息摄像头来检测其边缘信息,计算其在地图中的位置与大小信息,实时在远程终端上显示。
S5.2、为防止突然出现在机器人周边的障碍物或机器人无法及时避开的障碍物,针对系统中使用到的三类传感器设置不同的安全策略,对于RGB-D深度信息摄像头,机器人在移动过程中,系统使用深度信息摄像头对机器人行进方向上的地面上障碍物和施工坑洞进行识别与测距,若检测到障碍物,且以机器人当前移动速度在时间t内将会触碰到障碍物,则直接发送急停指令,等待人工确认或排除障碍,反之则重新规划路径。对于机器人移动平台上安装的激光雷达与线激光,在机身正前方与激光雷达特定朝向和线激光设定不同的参数值,在对应传感器管理移动权限时,若返回数据低于参数值,则向主控平台发送急停指令。
S6、路径规划,在机器人移动过程中,考虑到建筑机器人体型较为庞大,惯性比一般家用机器人大很多,多次移动指令会涉及到多次移动加速度,机器人的惯性可能会带来机器人位姿误差、路径抖动和对移动平台的寿命影响,所以为了让机器人移动时减少指令的发送次数,使用在估价函数h(n)中加入拐点权值的A*寻路算法。
其中,A*寻路算法在计算路径时主要是靠以下函数F=G+H来计算路径的,其中G是从起点到当前节点的移动代价,H是当前节点到终点的估算代价,在估算代价中加入拐点权值w(t)=(1+i)t,t为该路径中拐点出现的次数,i为调节拐点的权值的参数(i>0),在规划路径时,将拐点权值加入其中,可以使得规划的路径中减少出现拐点的次数,也即减少的发送移动指令次数来到达作业位置,具体寻路步骤如下:
Ⅰ:将起点加入到open列表中;
Ⅱ:重复如下过程:遍历open列表中的所有节点,找到F值最小的节点,把它加入到close列表,对这个节点周围的节点进行如下过程:a:如果这个节点在close列表中,将其忽略,b:如果这个节点在open列表中,计算它的G值,若新的G值比它原本的G值要小,则将其父节点指向当前的节点,c:如果该节点均不在两个列表中,则计算其G值和H值,并将其放入到open列表中。
Ⅲ:当终点被加入到了open列表中,代表找到了最近的路径,此时从终点开始向每个节点的父节点移动直到起点就是最后计算出来的路径。
本具体实施方式中,针对的机器人是室内抹灰机器人,其结构与施工环境如图1所示,所以才会有本发明针对室内建筑机器人的导航方案,其机身相比一般机器人较为庞大,在进行施工作业时,会要求靠近墙面,这时候机器人轴心与机身边缘与墙面的夹角只有1-5°,如果想移动着靠近墙面,就特别需求机器人的角度比较固定,如果是传统的SLAM方法在这个时刻的撞墙概率较高。试验环境为根据建筑信息模型实际搭建的一个长约9米,宽约3.5米的毛坯房,机器人需针对该环境完成自动导航及抹灰作业。
为了较好的获取到施工现场的环境信息,提前将该建筑信息模型预处理,作为导航处理的输入信息,即基于建筑信息模型的室内墙面抹灰机器人导航系统的系统输入。然后基于该输入规划其最佳工作路径及工作参数。为了保证机器人在实际环境能准确定位导航,在机器人的四轮基座上放置了一个激光雷达(例如思岚A2 M8激光雷达)。为了让机器人能完成靠近墙面任务,在机器人左前、右前、左、右四个位置对称放置了4个线激光,保证机器人的正对墙面位置方向以及左右两侧的位置与工作计划一致。对于地面上障碍物时,通过激光雷达进行扫描识别,对于地面施工坑洞,则使用双目摄像头对其进行识别与计算,得到地面坑洞的位置与大小信息,通过路径规划算法判断是否重新规划路径,以及是否跳过下一步作业计划。到达工作地点后,机器人将识别视觉进行进一步的精确定位,同时消除误差。
如图2所示,本具体实施方式中的导航系统的软件框架。整体系统可基于Unity平台开发,主要分为几大模块:预处理模块(即建图模块)、人机交互模块、导航模块、路径规划及避障模块(避障与安全模块)。
其中,预处理模块,利用建筑信息模型作为施工作业参考地图。建筑信息模型处理模块对建筑的三维信息进行分析与分类,将建筑室内主要分为门、窗、墙三种作业场景,其中墙又分为左右阴角、左右阳角以及全面墙,并针对这几种作业场景规划施工作业计划。
将作业计划以规定格式导出,将分析完后的建筑信息模型制作成为一个预制体作为之后导航系统地图和施工计划的输入。人机交互模块,用于机器人抹灰参数设置以及由于传感器安装位置的参数。
导航模块,用于实现一种关注不规则机身机器人位姿的导航方法。
在机器人移动平台控制方面,使用RS232串口实现通信控制。在Unity中,使用串口与各传感器进行数据通信;解析并处理完传感器数据后,发送指令与主控进行通信,发送包含x,y,z,rx,ry,rz,v,w(六自由度变换指令,以及移动线速度和转动角速度)的指令;在机器人移动过程中,使用卡尔曼线性滤波对机器人的线性移动进行预测,实时显示机器人位置于地图中,并防止碰撞到墙壁,在到达机器人机身俯瞰外切圆于墙壁相切的位置时,使用线激光对机器人位姿进行校正,修正路径漂移与误差。系统会顺序的发送串口通信指令,并开子线程进行数据处理,主要用于定位与避障,在识别到障碍物时,会通过路径规划算法避开障碍物或地面坑洞。
如图3所示,为本申请公开的导航系统的流程图。先通过控制终端将建筑信息模型预处理,读入系统,系统扫描建筑信息模型,规划施工计划;系统通过传感器数据定位,然后控制机器人移动到施工计划的下一个作业点,在移动过程中,系统对地面障碍与坑洞进行识别并计算其在地图中的三维坐标,通过路径规划算法避障,移动到位后,机器人开始进行施工作业。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。
Claims (4)
1.基于建筑信息模型和深度信息测距的室内中大型机器人导航方法,其特征在于,包括下列步骤:
根据参考工作点的位置信息,规划最优导航路径,并通过激光雷达,线激光实现多级传感器实时接管移动权限进行定位导航;
通过RGB-D深度摄像头探测建筑信息模型信息中不包含的地面开凿的施工空洞以及地面上2D激光雷达由于安装位置无法扫描到的障碍物,重新规划路线。
2.如权利要求1所述的方法,其特征在于,导航处理过程具体为:
使用多个传感器包括有2D激光雷达,线激光,RGB-D深度信息摄像头联合进行定位导航与避障;
机器人与墙面距离较远,不易发生碰撞时,使用激光雷达进行定位;
机器人距离墙面较近,机器人的转动容易与墙面发生碰撞时,使用线激光对机器人位姿进行校正,修正路径漂移与误差;
当机器人的移动方向上存在有激光雷达无法扫描到的障碍物以及地面上开凿的施工坑洞时,则由RGB-D深度信息摄像头进行识别与计算。
3.如权利要求1所述的方法,其特征在于,针对不同的传感器数据设置不同的移动权限处理策略,包括:
RGB-D深度信息摄像头与激光雷达同时工作时,最开始由激光雷达数据来对机器人进行导航工作,当RGB-D深度信息摄像头发现地面上的障碍物时,仍然根据激光雷达继续导航,当RGB-D深度信息摄像头在下一帧以及之后的一定数量的连续帧都判断前方有障碍物时,激光雷达仍继续工作,但此时由RGB-D深度摄像头接管移动权限,若发现RGB-D摄像头为误判,则系统保持之前工作状态;
机器人与墙面距离低于预设阈值时,线激光进入工作,当线激光数据与激光雷达在该方向上的数据相差小于或等于预设值时,机器人将由线激光拿到移动权限,直到完成当前墙面作业,若线激光返回数据与激光雷达返回数据在同一时间返回的数据相差大于或等于预设阈值,则线激光与激光雷达均继续工作,直到二者返回数据相近。
4.如权利要求1所述的方法,其特征在于,还包括避障安全策略,具体为:
对使用到的三类传感器设置不同的安全策略,对于RGB-D深度信息摄像头,机器人在移动过程中,使用深度信息摄像头对机器人行进方向上的地面上障碍物和施工坑洞进行识别与测距,若检测到障碍物,且以机器人当前移动速度在时间t内将会触碰到障碍物,则直接发送急停指令,等待人工确认或排除障碍,反之则重新规划路径;对于机器人移动平台上安装的激光雷达与线激光,在机身正前方与激光雷达特定朝向和线激光设定不同的参数值,在对应传感器管理移动权限时,若返回数据低于参数值,则向主控平台发送急停指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010447465.7A CN111693050B (zh) | 2020-05-25 | 2020-05-25 | 基于建筑信息模型的室内中大型机器人导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010447465.7A CN111693050B (zh) | 2020-05-25 | 2020-05-25 | 基于建筑信息模型的室内中大型机器人导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111693050A true CN111693050A (zh) | 2020-09-22 |
CN111693050B CN111693050B (zh) | 2023-04-18 |
Family
ID=72478186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010447465.7A Active CN111693050B (zh) | 2020-05-25 | 2020-05-25 | 基于建筑信息模型的室内中大型机器人导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111693050B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112304318A (zh) * | 2020-11-10 | 2021-02-02 | 河北工业大学 | 一种虚实耦合约束环境下的机器人自主导航方法 |
CN112634362A (zh) * | 2020-12-09 | 2021-04-09 | 电子科技大学 | 一种基于线激光辅助的室内墙面抹灰机器人视觉精确定位方法 |
CN112835064A (zh) * | 2020-12-31 | 2021-05-25 | 上海蔚建科技有限公司 | 一种建图定位方法、系统、终端及介质 |
CN113029200A (zh) * | 2021-03-29 | 2021-06-25 | 上海景吾智能科技有限公司 | 基于机器人传感器测试航向角、精度的方法、系统及介质 |
CN113741465A (zh) * | 2021-09-07 | 2021-12-03 | 深圳大方智能科技有限公司 | 一种天花板墙面施工方法、路径规划装置及施工机器人 |
CN114021850A (zh) * | 2020-11-26 | 2022-02-08 | 广东博智林机器人有限公司 | 建筑作业设备的碰撞预测方法、装置及建筑作业设备 |
CN114393563A (zh) * | 2021-12-21 | 2022-04-26 | 昆山市工研院智能制造技术有限公司 | 一种室内科教移动操作机器人实训平台 |
CN114692932A (zh) * | 2020-12-30 | 2022-07-01 | 广东博智林机器人有限公司 | 一种基于地坪的施工路径获取方法及装置 |
US20220402135A1 (en) * | 2021-06-21 | 2022-12-22 | X Development Llc | Safety trajectories for robotic control systems |
CN115855068A (zh) * | 2023-02-24 | 2023-03-28 | 派欧尼尔环境净化工程(北京)有限公司 | 一种基于bim的机器人路径自主导航方法及系统 |
WO2024043831A1 (en) * | 2022-08-23 | 2024-02-29 | Nanyang Technological University | Mobile robot initialization in a building based on a building information model (bim) of the building |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104596531A (zh) * | 2014-05-28 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种导航路线的生成方法、装置及服务器 |
CN107139917A (zh) * | 2017-04-27 | 2017-09-08 | 江苏大学 | 一种基于混杂理论的无人驾驶汽车横向控制系统和方法 |
CN107490382A (zh) * | 2017-07-31 | 2017-12-19 | 中北智杰科技(北京)有限公司 | 一种无人驾驶汽车路径规划系统及控制方法 |
CN108318048A (zh) * | 2018-01-28 | 2018-07-24 | 武汉光庭信息技术股份有限公司 | 一种基于不同转弯方向拥堵信息的路线规划方法及系统 |
CN207718228U (zh) * | 2018-02-02 | 2018-08-10 | 福建(泉州)哈工大工程技术研究院 | 一种可靠的室内全向移动机器人自主充电系统 |
CN108444488A (zh) * | 2018-02-05 | 2018-08-24 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
CN109543601A (zh) * | 2018-11-21 | 2019-03-29 | 电子科技大学 | 一种基于多模态深度学习的无人车目标检测方法 |
CN109556610A (zh) * | 2018-11-27 | 2019-04-02 | 山东大学 | 一种路径规划方法、控制器及系统 |
CN109737981A (zh) * | 2019-01-11 | 2019-05-10 | 西安电子科技大学 | 基于多传感器的无人车目标搜索装置及方法 |
CN109916393A (zh) * | 2019-03-29 | 2019-06-21 | 电子科技大学 | 一种基于机器人位姿的多重栅格值导航方法及其应用 |
CN209086755U (zh) * | 2018-12-11 | 2019-07-09 | 上海智臻智能网络科技股份有限公司 | 一种机器人及其控制系统 |
CN110779530A (zh) * | 2019-12-30 | 2020-02-11 | 中智行科技有限公司 | 车辆路径生成方法、装置和存储介质 |
CN111024150A (zh) * | 2019-11-15 | 2020-04-17 | 北京理工大学 | 一种无人平台的感知系统 |
-
2020
- 2020-05-25 CN CN202010447465.7A patent/CN111693050B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104596531A (zh) * | 2014-05-28 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 一种导航路线的生成方法、装置及服务器 |
CN107139917A (zh) * | 2017-04-27 | 2017-09-08 | 江苏大学 | 一种基于混杂理论的无人驾驶汽车横向控制系统和方法 |
CN107490382A (zh) * | 2017-07-31 | 2017-12-19 | 中北智杰科技(北京)有限公司 | 一种无人驾驶汽车路径规划系统及控制方法 |
CN108318048A (zh) * | 2018-01-28 | 2018-07-24 | 武汉光庭信息技术股份有限公司 | 一种基于不同转弯方向拥堵信息的路线规划方法及系统 |
CN207718228U (zh) * | 2018-02-02 | 2018-08-10 | 福建(泉州)哈工大工程技术研究院 | 一种可靠的室内全向移动机器人自主充电系统 |
CN108444488A (zh) * | 2018-02-05 | 2018-08-24 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
CN109543601A (zh) * | 2018-11-21 | 2019-03-29 | 电子科技大学 | 一种基于多模态深度学习的无人车目标检测方法 |
CN109556610A (zh) * | 2018-11-27 | 2019-04-02 | 山东大学 | 一种路径规划方法、控制器及系统 |
CN209086755U (zh) * | 2018-12-11 | 2019-07-09 | 上海智臻智能网络科技股份有限公司 | 一种机器人及其控制系统 |
CN109737981A (zh) * | 2019-01-11 | 2019-05-10 | 西安电子科技大学 | 基于多传感器的无人车目标搜索装置及方法 |
CN109916393A (zh) * | 2019-03-29 | 2019-06-21 | 电子科技大学 | 一种基于机器人位姿的多重栅格值导航方法及其应用 |
CN111024150A (zh) * | 2019-11-15 | 2020-04-17 | 北京理工大学 | 一种无人平台的感知系统 |
CN110779530A (zh) * | 2019-12-30 | 2020-02-11 | 中智行科技有限公司 | 车辆路径生成方法、装置和存储介质 |
Non-Patent Citations (2)
Title |
---|
TAKU SAITO 等: "Position measurement for a mobile weed mowing robot by a camera and a laser rangefinder" * |
于军琪 等: "建筑机器人研究现状与展望" * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112304318B (zh) * | 2020-11-10 | 2022-07-29 | 河北工业大学 | 一种虚实耦合约束环境下的机器人自主导航方法 |
CN112304318A (zh) * | 2020-11-10 | 2021-02-02 | 河北工业大学 | 一种虚实耦合约束环境下的机器人自主导航方法 |
CN114021850B (zh) * | 2020-11-26 | 2024-04-16 | 广东博智林机器人有限公司 | 建筑作业设备的碰撞预测方法、装置及建筑作业设备 |
CN114021850A (zh) * | 2020-11-26 | 2022-02-08 | 广东博智林机器人有限公司 | 建筑作业设备的碰撞预测方法、装置及建筑作业设备 |
CN112634362A (zh) * | 2020-12-09 | 2021-04-09 | 电子科技大学 | 一种基于线激光辅助的室内墙面抹灰机器人视觉精确定位方法 |
CN114692932A (zh) * | 2020-12-30 | 2022-07-01 | 广东博智林机器人有限公司 | 一种基于地坪的施工路径获取方法及装置 |
CN112835064A (zh) * | 2020-12-31 | 2021-05-25 | 上海蔚建科技有限公司 | 一种建图定位方法、系统、终端及介质 |
CN113029200A (zh) * | 2021-03-29 | 2021-06-25 | 上海景吾智能科技有限公司 | 基于机器人传感器测试航向角、精度的方法、系统及介质 |
US20220402135A1 (en) * | 2021-06-21 | 2022-12-22 | X Development Llc | Safety trajectories for robotic control systems |
CN113741465A (zh) * | 2021-09-07 | 2021-12-03 | 深圳大方智能科技有限公司 | 一种天花板墙面施工方法、路径规划装置及施工机器人 |
CN113741465B (zh) * | 2021-09-07 | 2024-05-03 | 深圳大方智能科技有限公司 | 一种天花板墙面施工方法、路径规划装置及施工机器人 |
CN114393563A (zh) * | 2021-12-21 | 2022-04-26 | 昆山市工研院智能制造技术有限公司 | 一种室内科教移动操作机器人实训平台 |
CN114393563B (zh) * | 2021-12-21 | 2024-08-02 | 昆山市工研院智能制造技术有限公司 | 一种室内科教移动操作机器人实训平台 |
WO2024043831A1 (en) * | 2022-08-23 | 2024-02-29 | Nanyang Technological University | Mobile robot initialization in a building based on a building information model (bim) of the building |
CN115855068A (zh) * | 2023-02-24 | 2023-03-28 | 派欧尼尔环境净化工程(北京)有限公司 | 一种基于bim的机器人路径自主导航方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111693050B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111693050B (zh) | 基于建筑信息模型的室内中大型机器人导航方法 | |
CN109916393B (zh) | 一种基于机器人位姿的多重栅格值导航方法及其应用 | |
CN108253958B (zh) | 一种稀疏环境下的机器人实时定位方法 | |
CN112518739B (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
EP3336489A1 (en) | Method and system for automatically establishing map indoors by mobile robot | |
Xu et al. | Ceiling-based visual positioning for an indoor mobile robot with monocular vision | |
EP3770711A1 (en) | Method for repositioning robot | |
CN113189977B (zh) | 一种用于机器人的智能导航路径规划系统及方法 | |
CN109341705A (zh) | 智能探测机器人同时定位与地图构建系统 | |
CN111307147B (zh) | 一种融合定位反光板与激光特征的agv高精度定位方法 | |
US20110301800A1 (en) | Automatic guided vehicle and method for drive control of the same | |
KR20170088228A (ko) | 다중로봇의 자기위치인식에 기반한 지도작성 시스템 및 그 방법 | |
CN110502010A (zh) | 一种基于贝塞尔曲线的移动机器人室内自主导航控制方法 | |
CN110736456B (zh) | 稀疏环境下基于特征提取的二维激光实时定位方法 | |
CN113238554A (zh) | 一种基于激光与视觉融合slam技术的室内导航方法及系统 | |
CN117970925A (zh) | 机器人实时避障与动态路径规划方法及系统 | |
CN108363395A (zh) | 一种agv自主避障的方法 | |
CN115223039A (zh) | 一种面向复杂环境的机器人半自主控制方法及系统 | |
CN114200945A (zh) | 一种移动机器人的安全控制方法 | |
CN114003036A (zh) | 机器人避障控制方法、装置、设备和介质 | |
CN115755888A (zh) | 多传感器数据融合的agv障碍物检测系统及避障方法 | |
CN113218384B (zh) | 一种基于激光slam的室内agv自适应定位方法 | |
CN110320912A (zh) | 激光与视觉slam融合的agv定位导航装置及方法 | |
Murtra et al. | Autonomous navigation for urban service mobile robots | |
CN110857861B (zh) | 轨迹规划方法与系统 |
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 |