CN111736581A - 一种智能移动设备的全局路径规划方法和装置 - Google Patents
一种智能移动设备的全局路径规划方法和装置 Download PDFInfo
- Publication number
- CN111736581A CN111736581A CN201910209400.6A CN201910209400A CN111736581A CN 111736581 A CN111736581 A CN 111736581A CN 201910209400 A CN201910209400 A CN 201910209400A CN 111736581 A CN111736581 A CN 111736581A
- Authority
- CN
- China
- Prior art keywords
- tracking
- target point
- intelligent mobile
- path
- detected
- 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
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 abstract description 25
- 238000010408 sweeping Methods 0.000 description 36
- 238000001514 detection method Methods 0.000 description 27
- 230000008859 change Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000009466 transformation Effects 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 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
Abstract
本发明公开了一种智能移动设备的全局路径规划方法和装置。本发明的智能移动设备的全局路径规划方法,通过确定跟踪对象,根据跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达目标点的路径。对跟踪对象进行跟踪,根据跟踪结果对目标点进行调整。根据调整后的目标点重新规划路径。该技术方案,在开始跟踪之前,先确定了智能移动设备的行进方向,使智能移动设备具有行进的依据,避免跟踪对象移动速度太快,造成丢失。在跟踪过程中,提前进行预判,及时调整目标点的位置,以调整智能移动设备的行进方向,避免无效的行进,提高跟踪效率。
Description
技术领域
本发明涉及智能移动设备技术领域,具体涉及一种智能移动设备的全局路径规划方法和装置。
背景技术
现有技术中,智能移动设备如扫地机器人等,一般根据已规划的路径行进。这样的话,在扫地机器人不了解房间布局的情况下,可能扫地机器人就无法规划正确的行进路线,导致清扫不彻底。同时,扫地机器人会存在与障碍物发生碰撞的危险,可能会损坏扫地机器人。而且当发生碰撞后,扫地机器人需要进行脱困,以避开障碍物,这样就会加快电量消耗,而且影响清扫工作,导致工作效率降低。因此,需要一种相应的解决方法。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的智能移动设备的全局路径规划方法、装置、电子设备和计算机可读存储介质。
依据本发明的一个方面,提供了一种智能移动设备的全局路径规划方法,包括:
确定跟踪对象;
根据所述跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达所述目标点的路径;
对所述跟踪对象进行跟踪,根据跟踪结果对所述目标点进行调整;
根据调整后的目标点重新规划路径。
可选地,所述确定跟踪对象包括:
通过深度相机和/或激光雷达进行探测,将探测到的符合预设特征的物体确定为跟踪对象。
可选地,所述规划从智能移动设备的当前位置到达所述目标点的路径包括:
基于A*算法搜索一条从智能移动设备的当前位置到达所述目标点的轨迹线。
可选地,所述对所述跟踪对象进行跟踪包括:
以预设频率进行探测;
将探测到的符合预设特征的物体作为跟踪对象,记录探测到的跟踪对象位置。
可选地,所述根据跟踪结果对所述目标点进行调整包括:
根据最近若干次记录的跟踪对象位置确定预测位置;
若在所述预测位置的第二预设范围内继续探测到符合预设特征的物体,则将本次探测到符合预设特征的物体作为跟踪对象;
将本次探测到的跟踪对象位置作为调整后的目标点。
可选地,所述根据最近若干次记录的跟踪对象位置确定预测位置包括:
对最近若干次记录的跟踪对象位置进行卡尔曼滤波处理。
可选地,所述将本次探测到符合预设特征的物体作为跟踪对象包括:
若探测到多个符合预设特征的物体,则将其中距离所述预测位置最近的物体作为跟踪对象。
可选地,该方法还包括:
若所述智能移动设备的当前位置与调整后的目标点的范围在第一预设范围内,则不根据调整后的目标点重新规划路径。
可选地,所述根据调整后的目标点重新规划路径包括:
若根据所述跟踪结果确定跟踪对象的位置变化速度大于预设速度,则根据所述智能移动设备的当前位置为圆心的第一预设范围和当前规划的路径确定起始点,规划从所述起始点到所述调整后的目标点的路径。
可选地,所述智能移动设备为扫地机器人,所述跟踪对象为人体。
依据本发明的另一方面,提供了一种智能移动设备的全局路径规划装置,包括:
确定单元,适于确定跟踪对象;根据所述跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达所述目标点的路径;
调整单元,适于对所述跟踪对象进行跟踪,根据跟踪结果对所述目标点进行调整;
路径规划单元,适于根据调整后的目标点重新规划路径。
可选地,所述确定单元,适于通过深度相机和/或激光雷达进行探测,将探测到的符合预设特征的物体确定为跟踪对象。
可选地,所述确定单元,适于基于A*算法搜索一条从智能移动设备的当前位置到达所述目标点的轨迹线。
可选地,所述调整单元,适于以预设频率进行探测;
将探测到的符合预设特征的物体作为跟踪对象,记录探测到的跟踪对象位置。
可选地,所述调整单元,进一步适于根据最近若干次记录的跟踪对象位置确定预测位置;
若在所述预测位置的第二预设范围内继续探测到符合预设特征的物体,则将本次探测到符合预设特征的物体作为跟踪对象;
将本次探测到的跟踪对象位置作为调整后的目标点。
可选地,所述调整单元,进一步适于对最近若干次记录的跟踪对象位置进行卡尔曼滤波处理。
可选地,所述调整单元,进一步适于若探测到多个符合预设特征的物体,则将其中距离所述预测位置最近的物体作为跟踪对象。
可选地,该装置还包括:
判断单元,适于若所述智能移动设备的当前位置与调整后的目标点的范围在第一预设范围内,则不根据调整后的目标点重新规划路径。
可选地,所述路径规划单元,适于若根据所述跟踪结果确定跟踪对象的位置变化速度大于预设速度,则根据所述智能移动设备的当前位置为圆心的第一预设范围和当前规划的路径确定起始点,规划从所述起始点到所述调整后的目标点的路径。
可选地,所述智能移动设备为扫地机器人,所述跟踪对象为人体。
依据本发明的又一方面,提供了一种电子设备,包括:处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如上述任一所述的方法。
依据本发明的再一方面,提供了一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现如上述任一所述的方法。
由上述可知,本发明的技术方案,通过确定跟踪对象,根据跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达目标点的路径。对跟踪对象进行跟踪,根据跟踪结果对目标点进行调整。根据调整后的目标点重新规划路径。该技术方案,在开始跟踪之前,先确定了智能移动设备的行进方向,使智能移动设备具有行进的依据,避免跟踪对象移动速度太快,造成丢失。在跟踪过程中,提前进行预判,及时调整目标点的位置,以调整智能移动设备的行进方向,避免无效的行进,提高跟踪效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的智能移动设备的全局路径规划方法的流程示意图;
图2示出了根据本发明一个实施例的智能移动设备的全局路径规划装置的结构示意图;
图3示出了根据本发明一个实施例的电子设备的结构示意图;
图4示出了根据本发明一个实施例的计算机可读存储介质的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的一种智能移动设备的全局路径规划方法的流程示意图。如图1所示,该方法包括:
步骤S110,确定跟踪对象,根据跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达目标点的路径。
智能移动设备可以是任意可以移动的智能设备,如扫地机器人、无人移动平台等。跟踪对象具备可移动的能力,是智能移动设备需要进行跟随的对象,例如人。智能移动设备需要提前预判跟踪对象的目标点,规划好到达目标点的路径,以实现较好的跟踪效果。例如,跟踪对象在智能移动设备的右前方,则确定目标点在右前方,且比跟踪对象更远的地方,以此规划路径。这样可以在开始跟踪之前,先确定了智能移动设备的行进方向,使智能移动设备具有行进的依据,避免跟踪对象移动速度太快,造成丢失。
步骤S120,对跟踪对象进行跟踪,根据跟踪结果对目标点进行调整。
跟踪对象具有自主移动性,因此在跟踪过程中,需要不断调整目标点的位置。如上述例子中,跟踪对象的移动轨迹向左偏离,则及时将目标点由右前方调整为左前方,提前进行预判。
步骤S130,根据调整后的目标点重新规划路径。
目标点的位置被调整,相应地重新规划行进路径,调整智能移动设备的行进方向,及时避免无效的行进,提高跟踪效率。
本发明的技术方案,通过确定跟踪对象,根据跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达目标点的路径。对跟踪对象进行跟踪,根据跟踪结果对目标点进行调整。根据调整后的目标点重新规划路径。该技术方案,在开始跟踪之前,先确定了智能移动设备的行进方向,使智能移动设备具有行进的依据,避免跟踪对象移动速度太快,造成丢失。在跟踪过程中,提前进行预判,及时调整目标点的位置,以调整智能移动设备的行进方向,避免无效的行进,提高跟踪效率。
在本发明的一个实施例中,如图1所示的方法中,步骤S110中的确定跟踪对象包括:通过深度相机和/或激光雷达进行探测,将探测到的符合预设特征的物体确定为跟踪对象。
深度相机或激光雷达可以进行扫描探测,在智能移动设备上设置,可以获取智能移动设备周围环境的探测结果。
在一个具体的例子中,以单线激光对人腿进行探测。具体的,通过单线激光对智能移动设备的周边环境进行扫描,得到若干个扫描点。根据若干个扫描点的分布情况,识别出一段或多段由扫描点构成的符合圆弧特征的曲线。判断识别出的各段曲线是否符合人腿特征,是则根据相应曲线确定检测出的人体位置。
单线激光设置在智能移动设备上,通过发出激光进行扫描,获得扫描点。获得扫描点可以反应出物体的轮廓信息,以及物体所在的位置信息。单线激光工作效率高,若对单线激光进行旋转操作,可以获得智能移动设备360°范围内的物体轮廓的扫描点,扩大扫描范围。本实施例的智能移动设备需要对周边环境中的人进行检测,因此通过单线激光扫描,获取周边环境中存在的人体信息。
对扫描点进行处理,分析获得周围环境的具体信息,例如将扫描点依次连接,获得物体的轮廓,通过轮廓判断物体属性,以判断周边环境是否存在人。人体轮廓多为曲线,缺少尖锐的棱角,通过识别是否存在一段或多段扫描点构成的符合圆环特征的曲线,就可以有效的识别出周围环境中是否人体。识别曲线是否符合圆弧特征,可以通过曲线的曲率变化,若曲率存在变化且变化较大,则说明该段曲线符合圆弧特征。
当然,周边环境中可能还存在有其他物体的轮廓符合圆弧特征的曲线,例如圆柱形桌子或椅子。因此,需要进一步判断符合圆弧特征的曲线是否符合人腿特征,例如曲线的宽度、曲率等是否符合人腿轮廓。只有当曲线符合人腿特征,才判断该曲线属于人腿轮廓的曲线,曲线所在的位置就是人体位置。在识别出人体位置后,智能移动设备可以进行相应的处理,例如避让人体或对人体进行跟踪等。另一方面,只对曲线进行符合人腿特征的判断,减少了一定的数据处理工作,可以有效地提高识别效率和工作效率。
本实施例的技术方案,结合人体轮廓的曲线特征进行识别判断,可以准确地识别出周边环境中的人体,获得人体所在的位置。同时,只对扫描获得的曲线进行符合人腿特征的判断,减少了一定的数据处理工作,可以有效地提高识别效率和工作效率。而且,采用单线激光进行扫描,可以确保扫描效率和准确率,同时扩大扫描范围。
在一个具体的实施例中,上述根据若干个扫描点的分布情况,识别出一段或多段由扫描点构成的符合圆弧特征的曲线包括:根据若干个扫描点的分布情况进行圆拟合,得到一段或多段由扫描点构成的曲线。
在上述实施例中,依次连接扫描点获得物体的轮廓。但是采用该方法获得的轮廓曲线,是由多段线段组成的曲率不连续的折线,这样并不符合通常物体的轮廓是连续的客观规律。因此,需要对对折线进行圆滑处理,使其更加符合轮廓线的客观规律。对于符合圆弧特征的曲线,如连续的几个扫描点之间曲率变化较大,对其进行圆拟合,也就是将其处理为一段理论上的圆弧。
在一个具体的实施例中,上述根据若干个扫描点的分布情况,识别出一段或多段由扫描点构成的符合圆弧特征的曲线包括:在识别出一段符合圆弧特征的曲线时,判定该圆弧两个端点对应的直线上是否存在连续的扫描点;若是,则根据连续的扫描点估计圆弧对应的探测物体的宽度;若宽度大于预设值,则舍弃掉识别出的符合圆弧特征的曲线,以及不对连续的扫描点进行是否符合圆弧特征的识别。
由上述实施例可知,对符合圆弧特征的曲线进行识别,是为了判断该曲线是否符合人腿特征。考虑到在实际中,正常体型的人腿,其宽度一般在10cm-20cm之间。若曲线的两个端点之间的距离超过20cm或不足10cm,则该段曲线的宽度明显不符合人腿的宽度,因此将其过滤,减小需要判定的数据量,为下一步判定提高效率。
另一方面,激光在扫描过程中存在测量误差,例如在扫描到一面墙时,由于测量误差,可能会得到波浪形的扫描点。这样就会获得多段连续的符合圆弧特征的曲线。为了避免将这种符合圆弧特征曲线误判为符合人腿特征的曲线,需要对多段连续的符合圆弧特征的曲线进行特殊处理。具体地,连接该多段圆弧的两个端点,获得对应的直线。这样,该段直线的中间必然存在连续的扫描点。判断多段圆弧中的第一段圆弧的宽度是否符合人腿的宽度,若不符合,则说明对应的圆弧并非是扫描到人腿获得的曲线。同理可以得知,该段直线中间的所有圆弧曲线也并非是扫描到人腿获得的曲线,因此弃掉识别出的符合圆弧特征的曲线,以及不对连续的扫描点进行是否符合圆弧特征的识别,减少数据处理量,提高识别速率。
在一个具体的实施例中,上述判断识别出的各段曲线是否符合人腿特征包括:判断各段曲线对应的圆心角是否在第一预设角度范围内,是则判定相应曲线符合人腿特征。
智能移动设备在激光扫描时,相当于在一个固定的位置进行扫描。若扫描到人腿,只能获得人腿的部分轮廓,而并不能获得整个闭合的圆形轮廓。因此,符合人腿特征的曲线应该具有一定扇形角度。由于该曲线可以认为是圆弧,也就是说,通过判断曲线对应的圆心角角度是否在第一预设角度范围内,可以有效地识别相应的曲线是否符合人腿特征。第一预设角度范围结合人腿的轮廓曲线进行设定。
考虑到人腿轮廓曲线的并非是理论上的圆形,为了提高判定准确率,设定第一预设角度范围为60°至120°。当曲线对应的圆心角角度为60°-120°之间,认为该曲线是符合人腿特征的曲线,将该曲线对应的物体认定为是人体。若曲线对应的圆心角角度过大或过小,难以与实际的人腿轮廓曲线匹配,也就判定该曲线不符合人腿特征。
在一个具体的实施例中,上述判断识别出的各段曲线是否符合人腿特征包括:判断各段曲线是否符合圆周角定理,是则判定相应曲线符合人腿特征。
除了根据曲线的圆心角进行判断,还可以对曲线的圆周角进行判断。在实际操作过程中,将人腿的轮廓曲线认为是一个完整的圆,那么从轮廓曲线上得到的任意一段圆弧都应该符合圆周角定理,也就是该段圆弧对应圆弧上的任意一点的圆周角均相等。因此,以曲线上除了曲线的两个端点外任意一点为顶点,该顶点与两个端点组成的角认为是曲线的圆周角,若多个圆周角的角度相等,说明该曲线符合圆周角定理,因此判定该曲线符合人腿特征。
在一个具体的例子中,曲线的两个端点为M、N,在该曲线上取任意三个不重合点A、B、C,且A、B、C与M、N不重合,分别与两个端点M、N组成三个曲线的圆周角∠MAN、∠MBN、∠MCN,若该三个圆周角的角度相等,则该段曲线符合圆周角定理。
在一个具体的实施例中,上述判断各段曲线是否符合圆周角定理包括:对一段曲线,沿该段曲线的第一端点至第二端点,依次计算曲线上各点与第一端点、第二端点形成的圆周角角度;若各点对应的圆周角角度变化趋势为先变小再变大,则判定该段曲线不符合圆周角定理。
考虑到人腿的轮廓曲线实际上并不是理论上的圆,因此扫描人腿获得的的曲线并非完全符合圆周角定理。也就是说,可能各个圆周角并不相等。另外,在激光扫描的过程中,若扫描到存在直角的墙体或其他物体,也会获得曲线。为了避免发生误判,提高判定的准确率,进一步优化上述圆周角定理的判定。
扫描直角的墙体或物体获得的曲线,其圆周角的变换具有一定的规律。例如,若沿该段曲线的第一端点至第二端点,依次取曲线上的一点为顶点,与两个端点组成圆周角。越靠近端点的顶点,其圆周角角度越大。因此,在依次取点为顶点组成的圆周角,圆周角的变化规律为逐渐减小,再逐渐增大。
如上述具体例子,曲线的两个端点为M、N,从M点处开始,每隔一定距离依次在该曲线上取一个点,与两个端点组成圆周角。例如取A、B、C、D,且A、B、C、D与M、N不重合,分别与两个端点M、N组成四个曲线的圆周角∠MAN、∠MBN、∠MCN、∠MDN。该四个圆周角的变换规律为先减小在增大,也就是∠MAN>∠MBN,∠MCN<∠MDN。当判断各个圆周角之间符合先变小再变大的变化规律,则认为该曲线是扫描到直角部位获得的曲线。而人腿的轮廓曲线不存在直角特征,因此判定该曲线不符合圆周角定理,也就是不符合人腿特征。
在一个具体的实施例中,上述判断各段曲线是否符合圆周角定理包括:对一段曲线,沿该段曲线的第一端点至第二端点,依次计算曲线上各点与第一端点、第二端点形成的圆周角角度;计算各圆周角角度的均方差,若均方差大于预设值,则判定该段曲线不符合圆周角定理。
考虑到人腿的轮廓曲线实际上并不是理论上的圆,因此扫描人腿获得的的曲线并非完全符合圆周角定理,而是各个圆周角在一定的角度范围内波动。通过判断各个圆周角角度的均方差,获得圆周角的离散程度。若离散程度在预设范围内,则认为该曲线符合圆周角定理。
以上述实施例为例,曲线的两个端点为M、N,从M点处开始,每隔一定距离依次在该曲线上取一个点,与两个端点组成圆周角。例如取A、B、C、D,且A、B、C、D与M、N不重合,分别与两个端点M、N组成四个曲线的圆周角∠MAN、∠MBN、∠MCN、∠MDN。计算四个圆周角的均方差,若均方差小于预设值,说明四个圆周角的离散程度较小,则判定该曲线符合圆周角定理。若均方差大于预设值,说明四个圆周角的离散程度较大,则判定该曲线不符合圆周角定理。例如预设值为0.5,若均方差为0,说明四个圆周角的角度相等。若均方差为2,大于0.5,四个圆周角的离散程度较大,曲线的曲率变化较大,不符合人腿的轮廓曲线特征。
在一个具体的实施例中,上述根据相应曲线确定检测出的人体位置包括:若两段曲线的距离小于预设值,则根据该两段曲线确定同一个人体。
一个人对应有两条腿,在激光扫描过程中,大概率会获得符合人腿特征的两段曲线。考虑到现实中,两条腿之间的距离一般不会超过一定值,因此通过对两段曲线之间的距离进行判断,确认这两段曲线是否属于同一个人。例如一般正常行走的成人,两腿之间的距离为60cm。设定曲线的距离预设值为75cm,当两段曲线之间的距离小于75cm,判断该两段曲线属于同一个人的两条腿,根据两段曲线的位置确定人体的位置。例如其中一段曲线距离智能移动设备100cm,另一段曲线距离智能移动设备80cm,取两者的中间值,确定人体位置在距离智能移动设备90cm处。
当然还存在一种情况,在扫描过程中可能只能获得一段符合人腿特征的曲线。在该情况下,也将该段曲线认为是人腿轮廓曲线,根据该曲线的位置确定人腿位置。在实际扫描过程中,可能存在两条人腿重合,无法获得两段符合人腿特征曲线的情况,例如智能移动设备位于人体侧面,从侧面进行扫描时,人体的两条腿重合,无法获得两段曲线。
在一个具体的实施例中,上述通过单线激光对智能移动设备的周边环境进行扫描包括:通过激光雷达以预设频率进行360°环绕扫描。
单线激光为激光雷达,为了减少一定的数据处理量,在实际扫描过程中,激光雷达并非实时不停扫描,而是以预设频率进行扫描。例如以1s、5s、8s的间隔时间进行一次扫描,确保在每一次扫描完成后,留有一定时间处理扫描结果,以确保结果准确性。将激光雷达设置在智能移动设备的旋转平台上,当智能移动设备进行旋转或单独对激光雷达进行旋转,激光雷达即可实现360°的环绕扫描,获得周边环境的全部物体的轮廓信息。
在本发明的一个实施例中,如图1所示的方法中,步骤S110中的规划从智能移动设备的当前位置到达目标点的路径包括:基于A*算法搜索一条从智能移动设备的当前位置到达目标点的轨迹线。
A*算法是一种静态路网中求解最短路径最有效的直接搜索方法,也是解决许多路径搜索问题的有效算法。确定智能移动设备的当前位置和目标点位置,使用A*算法可以快速搜索获得两者之间的轨迹线,当距离估算值与实际距离值越接近,最终搜索速度越快。如此,可以进一步提高智能移动设备的跟踪效率。
在本发明的一个实施例中,如图1所示的方法中,步骤S120中的对跟踪对象进行跟踪包括:以预设频率进行探测;将探测到的符合预设特征的物体作为跟踪对象,记录探测到的跟踪对象位置。
跟踪对象具有自主移动性,在跟踪过程中,为确保不丢失跟踪对象,需要不断探测跟踪对象的位置并记录,才能实现准确地跟踪。在该过程中,也涉及对跟踪对象进行确定,具体确定跟踪对象的方法可采用上述实施例提供的确定方法。同时,探测频率越高,跟踪准确度越高,需要处理的数据也越多;探测频率低,则可能造成跟踪对象丢失。因此,根据具体情况预设探测频率,例如间隔3s进行一次探测,或500ms、1s等。
以扫地机器人对人体进行跟踪为例,扫地机器人使用单线激光每1s进行一次探测。当单线激光探测到与人腿相应的特征时,确定该特征对应的物体为人腿进行跟踪,记录该特征所处的位置,以实现准确跟踪。
在本发明的一个实施例中,上述方法中,步骤S120中的根据跟踪结果对目标点进行调整包括:根据最近若干次记录的跟踪对象位置确定预测位置;若在预测位置的第二预设范围内继续探测到符合预设特征的物体,则将本次探测到符合预设特征的物体作为跟踪对象;将本次探测到的跟踪对象位置作为调整后的目标点。
根据跟踪对象的若干个位置,可以拟合出跟踪对象的移动轨迹,根据移动轨迹可以确定跟踪对象的下一次移动位置,也就是确定了预测位置。在一般情况下,认为跟踪对象会移动到预测位置,因此在探测跟踪对象时,优先对预测位置附近的范围进行探测,缩小探测范围,以此提高探测效率。例如优先对预测位置周围100cm以内的范围进行探测,若探测到符合预设特征的物体,则确定该物体为跟踪对象。若没有探测到符合预设特征的物体,则再对其它范围进行探测。第二预设范围可根据实际设置,如50cm、100cm等。
在本发明的一个实施例中,上述方法中,根据最近若干次记录的跟踪对象位置确定预测位置包括:对最近若干次记录的跟踪对象位置进行卡尔曼滤波处理。
采用卡尔曼滤波,可以去除位置点中的噪声点,以使确定的预测位置更加符合跟踪对象的移动。同时,还去除多余的位置点,使拟合跟踪对移动象的轨迹更加容易。例如在连续记录的10个位置中,其中存在一个位置点偏离其他位置点的数据,采用卡尔曼滤波将其去除,避免其影响预测位置的确定,提高准确率。
在一个具体的例子中,每500ms对跟踪对象进行探测,在1min时间内将获得120个位置点,在拟合跟踪对象的轨迹线时,需要处理的数据过多,影响确定预测位置的效率。通过卡尔曼滤波,去除其中多余的位置点,保留符合跟踪对象移动规律的位置点,如保留其中20个位置点,从而可以快速算出移动轨迹线,以此确定预测位置。
在本发明的一个实施例中,上述方法中,将本次探测到符合预设特征的物体作为跟踪对象包括:若探测到多个符合预设特征的物体,则将其中距离预测位置最近的物体作为跟踪对象。
在跟踪过程中,有可能出现探测到多个符合预设特征的物体。在该情况下,就需要从多个符合预设特征的物体中确定一个物体作为跟踪对象,以使智能移动设备进行准确跟踪。
在上述例子中,根据跟踪对象的移动轨迹线确定了预测位置,在探测到多个符合预设特征的物体的情况下,认为预测位置是跟踪对象的目的地。因此,根据各个符合预设特征的物体的位置计算其到预测位置的距离,将距离预测位置最近的物体作为跟踪对象。
例如,预测位置为A点,在探测过程中,存在B、C和D三个符合预设特征的物体,通过距离计算,确定B物体距离A点最近,由此确定B为跟踪对象。
在本发明的一个实施例中,如图1所示的方法中,该方法还包括:若智能移动设备的当前位置与调整后的目标点的范围在第一预设范围内,则不根据调整后的目标点重新规划路径。
为了提高智能移动设备的跟踪效率和工作效率,智能移动设备只有在跟踪对象远离时才进行规划路径和行进。调整后的目标点与智能移动设备的当前位置的距离在第一预设范围内,说明跟踪对象并没有远离,而是可能在附近转圈,此时若重新规划路径,也会使智能移动设备在原地转圈。如此非但没有进行准确跟踪,也会消耗电量,影响工作效率。因此在该情况下,不需要重新规划路径。第一预设范围可根据实际进行设置,例如50cm、70cm或100cm等。
在一个具体的例子中,目标点调整前距离智能移动设备50cm,调整后的目标点距离智能移动设备20cm,说明跟踪对象向智能移动设备靠近,若智能移动设备重新规划路径向前运动,可能会与跟踪对象发生碰撞。因此,在该情况下,不需要根据调整后的目标点重新规划路径,而是保持对跟踪对象的探测,以确定下一个目标点。同时,智能移动设备在原地不动,跟随跟踪对象的移动方向进行旋转操作。
在本发明的一个实施例中,如图1所示的方法中,步骤S130中的根据调整后的目标点重新规划路径包括:若根据跟踪结果确定跟踪对象的位置变化速度大于预设速度,则根据智能移动设备的当前位置为圆心的第一预设范围和当前规划的路径确定起始点,规划从起始点到调整后的目标点的路径。
跟踪对象的位置变化速度,也就是移动速度,可以根据跟踪对象的当前位置和记录的前一位置进行确定。由于探测间隔是固定的,因此通过位置之间的距离,可以获取跟踪对象的移动速度。
上述例子中智能设备需要移动到当前目标点,再从当前目标点移动到下一个目标点。当跟踪对象的移动速度大于预设速度,为了确保智能移动设备可以跟上跟踪对象,智能移动设备需要规划更加合理的路径。也就是说,智能移动设备不需要移动到当前目标点,而是直接规划新的路径以移动到下一个目标点。这个新的路径就是根据智能移动设备的当前位置为圆心的第一预设范围和当前规划的路径确定起始点,规划从起始点到调整后的目标点的路径,调整后的目标点即下一个目标点。起始点是第一预设范围的边界与当前规划的路径的交叉点,智能移动设备移动到该点,从该点向调整后的目标点移动。这样,智能移动设备就不需要移动到当前目标点,缩短了移动距离,充分节省移动的时间,以跟上跟踪对象。同时,这样也能保证智能移动设备在移动过程中是连续的,避免走走停停,间断性移动。
在一个具体的实施例中,智能移动设备需要从A点移动到B点,再从B点向C点移动。若跟踪对象速度加快,则智能机器人根据该规划路径可能会丢失跟踪对象。因此重新规划A点范围50cm的圆与A到B的路径的交叉点为起始点,规划从该起始点到C的路径。这样,智能移动设备从A移动到起始点,再从起始点移动到C。而由于起始点距离A较近,调整后的路径就相当于从A移动到C,由此缩短一定的移动距离。
在本发明的一个实施例中,如图1所示的方法中,智能移动设备为扫地机器人,跟踪对象为人体。
扫地机器人对人体进行跟踪。这样,扫地机器人就可以在人的带领下进行清扫工作,从而有效地避免与障碍物发生碰撞,降低扫地机器人的损坏风险,延长扫地机器人的寿命。例如,一般客厅里摆放的物品较多,在人的带领下,扫地机器人会在人的活动区域上进行清扫,有效地避开了障碍物。同时,扫地机器人也不需要进行脱困和寻找清扫路线,清扫效率也会大大提高。
图2示出了本发明一个实施例的一种智能移动设备的全局路径规划装置的结构示意图。如图2所示,该装置200包括:
确定单元210,适于确定跟踪对象;根据跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达目标点的路径。
智能移动设备可以是任意可以移动的智能设备,如扫地机器人、无人移动平台等。跟踪对象具备可移动的能力,是智能移动设备需要进行跟随的对象,例如人。智能移动设备需要提前预判跟踪对象的目标点,规划好到达目标点的路径,以实现较好的跟踪效果。例如,跟踪对象在智能移动设备的右前方,则确定目标点在右前方,且比跟踪对象更远的地方,以此规划路径。这样可以在开始跟踪之前,先确定了智能移动设备的行进方向,使智能移动设备具有行进的依据,避免跟踪对象移动速度太快,造成丢失。
调整单元220,适于对跟踪对象进行跟踪,根据跟踪结果对目标点进行调整。
跟踪对象具有自主移动性,因此在跟踪过程中,需要不断调整目标点的位置。如上述例子中,跟踪对象的移动轨迹向左偏离,则及时将目标点由右前方调整为左前方,提前进行预判。
路径规划单元230,适于根据调整后的目标点重新规划路径。
目标点的位置被调整,相应地重新规划行进路径,调整智能移动设备的行进方向,及时避免无效的行进,提高跟踪效率。
本发明的技术方案,通过确定跟踪对象,根据跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达目标点的路径。对跟踪对象进行跟踪,根据跟踪结果对目标点进行调整。根据调整后的目标点重新规划路径。该技术方案,在开始跟踪之前,先确定了智能移动设备的行进方向,使智能移动设备具有行进的依据,避免跟踪对象移动速度太快,造成丢失。在跟踪过程中,提前进行预判,及时调整目标点的位置,以调整智能移动设备的行进方向,避免无效的行进,提高跟踪效率。
在本发明的一个实施例中,如图2所示的装置200中,确定单元210,适于通过深度相机和/或激光雷达进行探测,将探测到的符合预设特征的物体确定为跟踪对象。
深度相机或激光雷达可以进行扫描探测,在智能移动设备上设置,可以获取智能移动设备周围环境的探测结果。
以扫地机器人对人体进行跟踪为例,扫地机器人使用激光雷达进行探测,能够探测到部分人腿,人腿的特征为半圆弧,且两腿存在一定距离。也就是说,当单线激光探测到人腿时,能够获得距离在一定范围内的两个半圆弧特征,或者探测到一条腿时,获得一个半圆弧特征,由此确定该半圆弧特征对应的是人体,将其作为跟踪对象。
在本发明的一个实施例中,如图2所示的装置200中,确定单元210,适于基于A*算法搜索一条从智能移动设备的当前位置到达目标点的轨迹线。
A*算法是一种静态路网中求解最短路径最有效的直接搜索方法,也是解决许多路径搜索问题的有效算法。确定智能移动设备的当前位置和目标点位置,使用A*算法可以快速搜索获得两者之间的轨迹线,当距离估算值与实际距离值越接近,最终搜索速度越快。如此,可以进一步提高智能移动设备的跟踪效率。
在本发明的一个实施例中,如图2所示的装置200中,调整单元220,适于以预设频率进行探测;将探测到的符合预设特征的物体作为跟踪对象,记录探测到的跟踪对象位置。
跟踪对象具有自主移动性,在跟踪过程中,为确保不丢失跟踪对象,需要不断探测跟踪对象的位置并记录,才能实现准确地跟踪。在该过程中,也涉及对跟踪对象进行确定,具体确定跟踪对象的方法可采用上述实施例提供的确定方法。同时,探测频率越高,跟踪准确度越高,需要处理的数据也越多;探测频率低,则可能造成跟踪对象丢失。因此,根据具体情况预设探测频率,例如间隔3s进行一次探测,或500ms、1s等。
以扫地机器人对人体进行跟踪为例,扫地机器人使用单线激光每1s进行一次探测。当单线激光探测到与人腿相应的特征时,确定该特征对应的物体为人腿进行跟踪,记录该特征所处的位置,以实现准确跟踪。
在本发明的一个实施例中,上述装置200中,调整单元220,进一步适于根据最近若干次记录的跟踪对象位置确定预测位置;若在预测位置的第二预设范围内继续探测到符合预设特征的物体,则将本次探测到符合预设特征的物体作为跟踪对象;将本次探测到的跟踪对象位置作为调整后的目标点。
根据跟踪对象的若干个位置,可以拟合出跟踪对象的移动轨迹,根据移动轨迹可以确定跟踪对象的下一次移动位置,也就是确定了预测位置。在一般情况下,认为跟踪对象会移动到预测位置,因此在探测跟踪对象时,优先对预测位置附近的范围进行探测,缩小探测范围,以此提高探测效率。例如优先对预测位置周围100cm以内的范围进行探测,若探测到符合预设特征的物体,则确定该物体为跟踪对象。若没有探测到符合预设特征的物体,则再对其它范围进行探测。第二预设范围可根据实际设置,如50cm、100cm等。
在本发明的一个实施例中,上述装置200中,调整单元220,进一步适于对最近若干次记录的跟踪对象位置进行卡尔曼滤波处理。
采用卡尔曼滤波,可以去除位置点中的噪声点,以使确定的预测位置更加符合跟踪对象的移动。同时,还去除多余的位置点,使拟合跟踪对移动象的轨迹更加容易。例如在连续记录的10个位置中,其中存在一个位置点偏离其他位置点的数据,采用卡尔曼滤波将其去除,避免其影响预测位置的确定,提高准确率。
在一个具体的例子中,每500ms对跟踪对象进行探测,在1min时间内将获得120个位置点,在拟合跟踪对象的轨迹线时,需要处理的数据过多,影响确定预测位置的效率。通过卡尔曼滤波,去除其中多余的位置点,保留符合跟踪对象移动规律的位置点,如保留其中20个位置点,从而可以快速算出移动轨迹线,以此确定预测位置。
在本发明的一个实施例中,上述装置200中,调整单元220,进一步适于若探测到多个符合预设特征的物体,则将其中距离预测位置最近的物体作为跟踪对象。
在跟踪过程中,有可能出现探测到多个符合预设特征的物体。在该情况下,就需要从多个符合预设特征的物体中确定一个物体作为跟踪对象,以使智能移动设备进行准确跟踪。
在上述例子中,根据跟踪对象的移动轨迹线确定了预测位置,在探测到多个符合预设特征的物体的情况下,认为预测位置是跟踪对象的目的地。因此,根据各个符合预设特征的物体的位置计算其到预测位置的距离,将距离预测位置最近的物体作为跟踪对象。
例如,预测位置为A点,在探测过程中,存在B、C和D三个符合预设特征的物体,通过距离计算,确定B物体距离A点最近,由此确定B为跟踪对象。
在本发明的一个实施例中,如图2所示的装置200中,该装置还包括:判断单元,适于若智能移动设备的当前位置与调整后的目标点的范围在第一预设范围内,则不根据调整后的目标点重新规划路径。
为了提高智能移动设备的跟踪效率和工作效率,智能移动设备只有在跟踪对象远离时才进行规划路径和行进。调整后的目标点与智能移动设备的当前位置的距离在第一预设范围内,说明跟踪对象并没有远离,而是可能在附近转圈,此时若重新规划路径,也会使智能移动设备在原地转圈。如此非但没有进行准确跟踪,也会消耗电量,影响工作效率。因此在该情况下,不需要重新规划路径。第一预设范围可根据实际进行设置,例如50cm、70cm或100cm等。
在一个具体的例子中,目标点调整前距离智能移动设备50cm,调整后的目标点距离智能移动设备20cm,说明跟踪对象向智能移动设备靠近,若智能移动设备重新规划路径向前运动,可能会与跟踪对象发生碰撞。因此,在该情况下,不需要根据调整后的目标点重新规划路径,而是保持对跟踪对象的探测,以确定下一个目标点。同时,智能移动设备在原地不动,跟随跟踪对象的移动方向进行旋转操作。
在本发明的一个实施例中,如图2所示的装置200中,路径规划单元230,适于若根据跟踪结果确定跟踪对象的位置变化速度大于预设速度,则根据智能移动设备的当前位置为圆心的第一预设范围和当前规划的路径确定起始点,规划从起始点到调整后的目标点的路径。
跟踪对象的位置变化速度,也就是移动速度,可以根据跟踪对象的当前位置和记录的前一位置进行确定。由于探测间隔是固定的,因此通过位置之间的距离,可以获取跟踪对象的移动速度。
上述例子中智能设备需要移动到当前目标点,再从当前目标点移动到下一个目标点。当跟踪对象的移动速度大于预设速度,为了确保智能移动设备可以跟上跟踪对象,智能移动设备需要规划更加合理的路径。也就是说,智能移动设备不需要移动到当前目标点,而是直接规划新的路径以移动到下一个目标点。这个新的路径就是根据智能移动设备的当前位置为圆心的第一预设范围和当前规划的路径确定起始点,规划从起始点到调整后的目标点的路径,调整后的目标点即下一个目标点。起始点是第一预设范围的边界与当前规划的路径的交叉点,智能移动设备移动到该点,从该点向调整后的目标点移动。这样,智能移动设备就不需要移动到当前目标点,缩短了移动距离,充分节省移动的时间,以跟上跟踪对象。同时,这样也能保证智能移动设备在移动过程中是连续的,避免走走停停,间断性移动。
在一个具体的实施例中,智能移动设备需要从A点移动到B点,再从B点向C点移动。若跟踪对象速度加快,则智能机器人根据该规划路径可能会丢失跟踪对象。因此重新规划A点范围50cm的圆与A到B的路径的交叉点为起始点,规划从该起始点到C的路径。这样,智能移动设备从A移动到起始点,再从起始点移动到C。而由于起始点距离A较近,调整后的路径就相当于从A移动到C,由此缩短一定的移动距离。
在本发明的一个实施例中,如图2所示的装置200中,智能移动设备为扫地机器人,跟踪对象为人体。
扫地机器人对人体进行跟踪。这样,扫地机器人就可以在人的带领下进行清扫工作,从而有效地避免与障碍物发生碰撞,降低扫地机器人的损坏风险,延长扫地机器人的寿命。例如,一般客厅里摆放的物品较多,在人的带领下,扫地机器人会在人的活动区域上进行清扫,有效地避开了障碍物。同时,扫地机器人也不需要进行脱困和寻找清扫路线,清扫效率也会大大提高。
综上所述,本发明的技术方案,通过确定跟踪对象,根据跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达目标点的路径。对跟踪对象进行跟踪,根据跟踪结果对目标点进行调整。根据调整后的目标点重新规划路径。该技术方案,在开始跟踪之前,先确定了智能移动设备的行进方向,使智能移动设备具有行进的依据,避免跟踪对象移动速度太快,造成丢失。在跟踪过程中,提前进行预判,及时调整目标点的位置,以调整智能移动设备的行进方向,避免无效的行进,提高跟踪效率。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一种智能移动设备的全局路径规划装置、电子设备、计算机可读存储介质中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
例如,图3示出了根据本发明一个实施例的电子设备的结构示意图。该电子设备包括处理器310和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器320。存储器320可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器320具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码331的存储空间330。例如,用于存储计算机可读程序代码的存储空间330可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码331。计算机可读程序代码331可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘,紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图4所述的计算机可读存储介质。图4示出了根据本发明一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质400存储有用于执行根据本发明的方法步骤的计算机可读程序代码331,可以被电子设备300的处理器310读取,当计算机可读程序代码331由电子设备300运行时,导致该电子设备300执行上面所描述的方法中的各个步骤,具体来说,该计算机可读存储介质存储的计算机可读程序代码331可以执行上述任一实施例中示出的方法。计算机可读程序代码331可以以适当形式进行压缩。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明提供了A1、一种智能移动设备的全局路径规划方法,包括:
确定跟踪对象;
根据所述跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达所述目标点的路径;
对所述跟踪对象进行跟踪,根据跟踪结果对所述目标点进行调整;
根据调整后的目标点重新规划路径。
A2、如A1所述的方法,其中,所述确定跟踪对象包括:通过深度相机和/或激光雷达进行探测,将探测到的符合预设特征的物体确定为跟踪对象。
A3、如A1所述的方法,其中,所述规划从智能移动设备的当前位置到达所述目标点的路径包括:基于A*算法搜索一条从智能移动设备的当前位置到达所述目标点的轨迹线。
A4、如A1所述的方法,其中,所述对所述跟踪对象进行跟踪包括:
以预设频率进行探测;将探测到的符合预设特征的物体作为跟踪对象,记录探测到的跟踪对象位置。
A5、如A4所述的方法,其中,所述根据跟踪结果对所述目标点进行调整包括:
根据最近若干次记录的跟踪对象位置确定预测位置;
若在所述预测位置的第二预设范围内继续探测到符合预设特征的物体,则将本次探测到符合预设特征的物体作为跟踪对象;
将本次探测到的跟踪对象位置作为调整后的目标点。
A6、如A5所述的方法,其中,所述根据最近若干次记录的跟踪对象位置确定预测位置包括:对最近若干次记录的跟踪对象位置进行卡尔曼滤波处理。
A7、如A5所述的方法,其中,所述将本次探测到符合预设特征的物体作为跟踪对象包括:若探测到多个符合预设特征的物体,则将其中距离所述预测位置最近的物体作为跟踪对象。
A8、如A1所述的方法,其中,该方法还包括:若所述智能移动设备的当前位置与调整后的目标点的范围在第一预设范围内,则不根据调整后的目标点重新规划路径。
A9、如A1所述的方法,其中,所述根据调整后的目标点重新规划路径包括:若根据所述跟踪结果确定跟踪对象的位置变化速度大于预设速度,则根据所述智能移动设备的当前位置为圆心的第一预设范围和当前规划的路径确定起始点,规划从所述起始点到所述调整后的目标点的路径。
A10、如A1所述的方法,其中,所述智能移动设备为扫地机器人,所述跟踪对象为人体。
本发明还提供了B11、一种智能移动设备的全局路径规划装置,包括:
确定单元,适于确定跟踪对象;根据所述跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达所述目标点的路径;
调整单元,适于对所述跟踪对象进行跟踪,根据跟踪结果对所述目标点进行调整;
路径规划单元,适于根据调整后的目标点重新规划路径。
B12、如B11所述的装置,其中,所述确定单元,适于通过深度相机和/或激光雷达进行探测,将探测到的符合预设特征的物体确定为跟踪对象。
B13、如B11所述的装置,其中,所述确定单元,适于基于B*算法搜索一条从智能移动设备的当前位置到达所述目标点的轨迹线。
B14、如B11所述的装置,其中,所述调整单元,适于以预设频率进行探测;将探测到的符合预设特征的物体作为跟踪对象,记录探测到的跟踪对象位置。
B15、如B14所述的装置,其中,所述调整单元,进一步适于根据最近若干次记录的跟踪对象位置确定预测位置;
若在所述预测位置的第二预设范围内继续探测到符合预设特征的物体,则将本次探测到符合预设特征的物体作为跟踪对象;
将本次探测到的跟踪对象位置作为调整后的目标点。
B16、如B15所述的装置,其中,所述调整单元,进一步适于对最近若干次记录的跟踪对象位置进行卡尔曼滤波处理。
B17、如B15所述的装置,其中,所述调整单元,进一步适于若探测到多个符合预设特征的物体,则将其中距离所述预测位置最近的物体作为跟踪对象。
B18、如B11所述的装置,其中,该装置还包括:
判断单元,适于若所述智能移动设备的当前位置与调整后的目标点的范围在第一预设范围内,则不根据调整后的目标点重新规划路径。
B19、如B11所述的装置,其中,所述路径规划单元,适于若根据所述跟踪结果确定跟踪对象的位置变化速度大于预设速度,则根据所述智能移动设备的当前位置为圆心的第一预设范围和当前规划的路径确定起始点,规划从所述起始点到所述调整后的目标点的路径。
B20、如B11所述的装置,其中,所述智能移动设备为扫地机器人,所述跟踪对象为人体。
本发明还提供了C21、一种电子设备,其中,该电子设备包括:处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如A1-A10中任一项所述的方法。
本发明还提供了D22、一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现如A1-A10中任一项所述的方法。
Claims (10)
1.一种智能移动设备的全局路径规划方法,包括:
确定跟踪对象;
根据所述跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达所述目标点的路径;
对所述跟踪对象进行跟踪,根据跟踪结果对所述目标点进行调整;
根据调整后的目标点重新规划路径。
2.如权利要求1所述的方法,其中,所述确定跟踪对象包括:
通过深度相机和/或激光雷达进行探测,将探测到的符合预设特征的物体确定为跟踪对象。
3.如权利要求1所述的方法,其中,所述规划从智能移动设备的当前位置到达所述目标点的路径包括:
基于A*算法搜索一条从智能移动设备的当前位置到达所述目标点的轨迹线。
4.如权利要求1所述的方法,其中,所述对所述跟踪对象进行跟踪包括:
以预设频率进行探测;
将探测到的符合预设特征的物体作为跟踪对象,记录探测到的跟踪对象位置。
5.如权利要求4所述的方法,其中,所述根据跟踪结果对所述目标点进行调整包括:
根据最近若干次记录的跟踪对象位置确定预测位置;
若在所述预测位置的第二预设范围内继续探测到符合预设特征的物体,则将本次探测到符合预设特征的物体作为跟踪对象;
将本次探测到的跟踪对象位置作为调整后的目标点。
6.如权利要求5所述的方法,其中,所述根据最近若干次记录的跟踪对象位置确定预测位置包括:
对最近若干次记录的跟踪对象位置进行卡尔曼滤波处理。
7.如权利要求5所述的方法,其中,所述将本次探测到符合预设特征的物体作为跟踪对象包括:
若探测到多个符合预设特征的物体,则将其中距离所述预测位置最近的物体作为跟踪对象。
8.一种智能移动设备的全局路径规划装置,包括:
确定单元,适于确定跟踪对象;根据所述跟踪对象的当前位置确定目标点,规划从智能移动设备的当前位置到达所述目标点的路径;
调整单元,适于对所述跟踪对象进行跟踪,根据跟踪结果对所述目标点进行调整;
路径规划单元,适于根据调整后的目标点重新规划路径。
9.一种电子设备,其中,该电子设备包括:处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910209400.6A CN111736581B (zh) | 2019-03-19 | 2019-03-19 | 一种智能移动设备的全局路径规划方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910209400.6A CN111736581B (zh) | 2019-03-19 | 2019-03-19 | 一种智能移动设备的全局路径规划方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111736581A true CN111736581A (zh) | 2020-10-02 |
CN111736581B CN111736581B (zh) | 2024-04-02 |
Family
ID=72645704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910209400.6A Active CN111736581B (zh) | 2019-03-19 | 2019-03-19 | 一种智能移动设备的全局路径规划方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111736581B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112383754A (zh) * | 2020-11-12 | 2021-02-19 | 珠海大横琴科技发展有限公司 | 一种预警对象的监控方法及装置、电子设备、存储介质 |
CN112393731A (zh) * | 2020-10-10 | 2021-02-23 | 上海钛米机器人股份有限公司 | 跟踪路径的方法、装置、电子设备、及存储介质 |
CN114370874A (zh) * | 2020-10-15 | 2022-04-19 | 郑州宇通客车股份有限公司 | 一种车辆、车辆路径规划方法及装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0990026A (ja) * | 1995-09-27 | 1997-04-04 | Honda Motor Co Ltd | 物体検出装置およびその方法 |
CN101436073A (zh) * | 2008-12-03 | 2009-05-20 | 江南大学 | 基于量子行为粒子群算法的轮式移动机器人轨迹跟踪方法 |
CN101627319A (zh) * | 2007-03-08 | 2010-01-13 | 特林布尔公司 | 用于估计目标运动的方法和仪器 |
JP2011095120A (ja) * | 2009-10-30 | 2011-05-12 | Tokyo Keiki Inc | 目標追尾装置及び目標追尾方法 |
JP2013174445A (ja) * | 2012-02-23 | 2013-09-05 | Mitsubishi Electric Corp | 目標追尾装置 |
KR20150118645A (ko) * | 2014-04-14 | 2015-10-23 | 재단법인대구경북과학기술원 | 카메라를 이용한 가축 추적 방법 및 그 장치 |
CN106197415A (zh) * | 2016-06-15 | 2016-12-07 | 北京奇虎科技有限公司 | 终端对可穿戴设备的跟踪方法、装置 |
CN106289295A (zh) * | 2016-08-30 | 2017-01-04 | 深圳市轱辘车联数据技术有限公司 | 一种自驾游的车辆跟随方法和装置 |
CN107092266A (zh) * | 2017-06-26 | 2017-08-25 | 东北大学 | 一种移动车轨迹跟踪控制方法 |
CN107272680A (zh) * | 2017-06-16 | 2017-10-20 | 华南理工大学 | 一种基于ros机器人操作系统的机器人自动跟随方法 |
CN107608390A (zh) * | 2017-09-07 | 2018-01-19 | 于盟盟 | 一种自动调速的跟随行李箱系统 |
US20180181137A1 (en) * | 2016-12-23 | 2018-06-28 | Korea Institute Of Science And Technology | Moving and searching method of mobile robot for following human |
CN108549410A (zh) * | 2018-01-05 | 2018-09-18 | 灵动科技(北京)有限公司 | 主动跟随方法、装置、电子设备及计算机可读存储介质 |
CN109035304A (zh) * | 2018-08-07 | 2018-12-18 | 北京清瑞维航技术发展有限公司 | 目标跟踪方法、介质、计算设备和装置 |
US20190001971A1 (en) * | 2014-05-29 | 2019-01-03 | Toyota Jidosha Kabushiki Kaish | Driving support apparatus |
-
2019
- 2019-03-19 CN CN201910209400.6A patent/CN111736581B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0990026A (ja) * | 1995-09-27 | 1997-04-04 | Honda Motor Co Ltd | 物体検出装置およびその方法 |
CN101627319A (zh) * | 2007-03-08 | 2010-01-13 | 特林布尔公司 | 用于估计目标运动的方法和仪器 |
CN101436073A (zh) * | 2008-12-03 | 2009-05-20 | 江南大学 | 基于量子行为粒子群算法的轮式移动机器人轨迹跟踪方法 |
JP2011095120A (ja) * | 2009-10-30 | 2011-05-12 | Tokyo Keiki Inc | 目標追尾装置及び目標追尾方法 |
JP2013174445A (ja) * | 2012-02-23 | 2013-09-05 | Mitsubishi Electric Corp | 目標追尾装置 |
KR20150118645A (ko) * | 2014-04-14 | 2015-10-23 | 재단법인대구경북과학기술원 | 카메라를 이용한 가축 추적 방법 및 그 장치 |
US20190001971A1 (en) * | 2014-05-29 | 2019-01-03 | Toyota Jidosha Kabushiki Kaish | Driving support apparatus |
CN106197415A (zh) * | 2016-06-15 | 2016-12-07 | 北京奇虎科技有限公司 | 终端对可穿戴设备的跟踪方法、装置 |
CN106289295A (zh) * | 2016-08-30 | 2017-01-04 | 深圳市轱辘车联数据技术有限公司 | 一种自驾游的车辆跟随方法和装置 |
US20180181137A1 (en) * | 2016-12-23 | 2018-06-28 | Korea Institute Of Science And Technology | Moving and searching method of mobile robot for following human |
CN107272680A (zh) * | 2017-06-16 | 2017-10-20 | 华南理工大学 | 一种基于ros机器人操作系统的机器人自动跟随方法 |
CN107092266A (zh) * | 2017-06-26 | 2017-08-25 | 东北大学 | 一种移动车轨迹跟踪控制方法 |
CN107608390A (zh) * | 2017-09-07 | 2018-01-19 | 于盟盟 | 一种自动调速的跟随行李箱系统 |
CN108549410A (zh) * | 2018-01-05 | 2018-09-18 | 灵动科技(北京)有限公司 | 主动跟随方法、装置、电子设备及计算机可读存储介质 |
CN109035304A (zh) * | 2018-08-07 | 2018-12-18 | 北京清瑞维航技术发展有限公司 | 目标跟踪方法、介质、计算设备和装置 |
Non-Patent Citations (2)
Title |
---|
HUANG, LW等: "Real-Time Motion Tracking for Indoor Moving Sphere Objects with a LiDAR Sensor", 《SENSORS》, vol. 17, no. 9 * |
霍卫涛: "智能跟随多功能载运车的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 01 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112393731A (zh) * | 2020-10-10 | 2021-02-23 | 上海钛米机器人股份有限公司 | 跟踪路径的方法、装置、电子设备、及存储介质 |
CN114370874A (zh) * | 2020-10-15 | 2022-04-19 | 郑州宇通客车股份有限公司 | 一种车辆、车辆路径规划方法及装置 |
CN114370874B (zh) * | 2020-10-15 | 2023-08-25 | 宇通客车股份有限公司 | 一种车辆、车辆路径规划方法及装置 |
CN112383754A (zh) * | 2020-11-12 | 2021-02-19 | 珠海大横琴科技发展有限公司 | 一种预警对象的监控方法及装置、电子设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111736581B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11845189B2 (en) | Domestic robotic system and method | |
CN111736581B (zh) | 一种智能移动设备的全局路径规划方法和装置 | |
US10345821B2 (en) | Floor-treatment apparatus and navigation system therefor | |
US20220050468A1 (en) | Robot-assisted processing of a surface using a robot | |
EP3764186A1 (en) | Method for controlling autonomous mobile robot to travel along edge | |
US9149167B2 (en) | Robot cleaner and control method thereof | |
CN111721280B (zh) | 一种区域识别方法、自移动设备及存储介质 | |
CN113359780A (zh) | 无人船清扫路径规划方法、装置、计算机设备及存储介质 | |
CN113317733B (zh) | 一种路径规划方法及清洁机器人 | |
CN111796586A (zh) | 一种智能移动设备的局部路径规划方法和装置 | |
CN111736174A (zh) | 一种智能移动设备的人体检测方法和装置 | |
CN114489050A (zh) | 沿直线行驶的避障路线控制方法、装置、设备及存储介质 | |
CN115273066A (zh) | 货架识别方法、装置、电子设备及机器可读存储介质 | |
CN112237400B (zh) | 用于区域划分的方法、自移动机器人及计算机存储介质 | |
CN111724427A (zh) | 一种智能移动设备的人体检测方法和装置 | |
CN115444328B (zh) | 障碍物探索方法、清洁机器人及存储介质 | |
CN113934204A (zh) | 路径规划方法、自主行进设备及清洁机器人 | |
CN115137267B (zh) | 一种清洁机器人的避障行走方法、装置、电子设备及介质 | |
US20240142992A1 (en) | Map generation device and map generation system | |
CN116449816A (zh) | 一种搜寻充电座信号的运动控制方法、芯片及机器人 | |
CN117193310A (zh) | 一种移动机器人绕障方法、回座方法、芯片和移动机器人 | |
CN113984071A (zh) | 地图匹配方法、装置、机器人和计算机可读存储介质 | |
CN116661454A (zh) | 机器人的控制方法、装置、电子设备及存储介质 | |
CN116299530A (zh) | 障碍物的检测方法、设备及计算机可读存储介质 | |
CN116879913A (zh) | 机器人的重定位导航方法及机器人 |
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 |