CN111736603B - 一种无人驾驶清扫车及其长距离贴边清扫方法 - Google Patents
一种无人驾驶清扫车及其长距离贴边清扫方法 Download PDFInfo
- Publication number
- CN111736603B CN111736603B CN202010573662.3A CN202010573662A CN111736603B CN 111736603 B CN111736603 B CN 111736603B CN 202010573662 A CN202010573662 A CN 202010573662A CN 111736603 B CN111736603 B CN 111736603B
- Authority
- CN
- China
- Prior art keywords
- cleaning
- welt
- sweeper
- road
- map
- 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
Links
- 241001417527 Pempheridae Species 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 98
- 238000010408 sweeping Methods 0.000 title claims abstract description 58
- 238000004140 cleaning Methods 0.000 claims abstract description 251
- 230000008569 process Effects 0.000 claims abstract description 41
- 230000000694 effects Effects 0.000 claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 230000001502 supplementing effect Effects 0.000 claims description 16
- 238000005286 illumination Methods 0.000 claims description 13
- 238000013499 data model Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000428 dust Substances 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000153 supplemental effect Effects 0.000 claims 2
- 238000012937 correction Methods 0.000 abstract description 18
- 238000010586 diagram Methods 0.000 description 7
- 239000013589 supplement Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
一种无人驾驶清扫车及其长距离贴边清扫方法,清扫方法,包括:高精度地图创建与作业区域类型划分;由高精度地图内的虚拟墙技术触发清扫车开启贴边清扫模式,规划贴边清扫路径;贴边清扫的过程中,通过传感器不断进行位置矫正与行走偏差矫正,并不断进行贴边清扫效果评估与局部路径修正;在清扫过程中同时进行贴边作业安全保证的操作。本发明通过多种传感器多种方式的结合创建高精度地图,并对特征物进行标识,在贴边清扫作业时实现精准实时定位,以不断修正行走偏差,实现高精度贴边清扫;通过将道路边界分割成多个短程的路段,对各路段进行局部路径规划,实时更新局部贴边路径,不存在累积误差,保证长距离贴边清扫的准确性。
Description
技术领域
本发明涉及智能清扫技术领域,尤其涉及一种无人驾驶清扫车及其长距离贴边清扫方法。
背景技术
近年来无人驾驶清扫车逐渐进入公众视野,但由于作业场景复杂,车辆、行人、障碍物等动态/静态障碍严重影响着无人驾驶清扫车的正常作业,并且由于园区或城市道路内部分区域GPS信号微弱等因素影响,使得无人驾驶清扫车的定位导航能力大大降低,因此目前无人驾驶清扫车的应用场景受到极大的限制,尤其是对于道路边缘区域无法实现长距离的高精度贴边清扫。但实际情况是路面接近过半的垃圾量都集中在道路边缘区域,无人驾驶清扫车如不能实现有效贴边清扫,必然大大影响其清扫质量,因此可以说现阶段无人驾驶清扫车的应用效果与预期存在极大的差距,无法实现高精度贴边清扫就是其中重要的影响因素之一。
另外,清扫车清扫时的安全性和智能化也是对清扫车和清扫方法需要考虑的重大因素,安全性一方面要保证车辆自身的安全性,避免其从边沿跌落,避免其与建筑物等发生碰撞,另一方面是保证车辆对行人、物品等造成的伤害。而智能化要求清扫过程能够根据路况实时规划路线,自动避障,自我调整和修正路线。
发明内容
本发明的目的是克服上述现有技术的缺点,提供一种可进行高精度定位、实时规划清扫路径的无人驾驶清扫车长距离贴边清扫方法,以及实现该长距离贴边清扫方法的无人驾驶清扫车。
本发明是通过以下技术方案来实现的:
一种无人驾驶清扫车长距离贴边清扫方法,包括如下步骤:
S1、高精度地图创建与作业区域类型划分:通过传感器模块,创建无人驾驶清扫车作业区域的高精度地图,并对作业区域内的特征物进行标记,同时利用动态虚拟墙技术,将高精度地图划分为广阔作业区域、道路边界区域和不可通行区域;
其中,特征物可为作业区域中的路灯、建筑物等,特征物主要用于后期清扫过程中的辅助精准实时定位;
S2、区域识别并开启贴边清扫:当清扫车进入道路边界区域时,由高精度地图上的虚拟墙技术触发清扫车开启贴边清扫模式,按照规划的贴边清扫路径进行贴边清扫;
S3、位置矫正与行走偏差矫正:清扫车贴边清扫的过程中,通过激光雷达与双目视觉等对作业区域内的所述特征物进行识别,并借助传感器如激光雷达与双目视觉传感器,对所述特征物进行距离和位置识别,进而反推清扫车的当前位置,同时将该当前位置与GPS+IMU组合定位结果进行匹配和修正,实现清扫车的精准实时定位;并将精准实时定位与规划的贴边清扫路径进行匹配,及时调整清扫车的行走偏差,保证清扫车沿着规划的清扫路径进行高精度贴边清扫;
S4、贴边清扫效果评估与局部路径修正:清扫车贴边清扫的过程中,通过传感器如双目视觉传感器分别识别清扫前和清扫后的垃圾量,并将两者进行对比,评估贴边清扫的效果;如对比结果超出预设阈值,说明贴边清扫效果较差,则根据对比的差异程度对后续贴边清扫路径进行修正,以改善后续贴边清扫的效果,直至后续的清扫效果评估结果在预设阈值范围内;其中,在清扫过程中不断对清扫效果评估的目的是为未清扫路面的路径规划和路径修正提供依据,保证本次贴边清扫以及以后贴边清扫的效果;
S5、完成所有贴边清扫作业后,退出贴边清扫模式。
作为进一步优选的技术方案,清扫车贴边清扫的过程中还包括进行贴边作业安全保证的步骤,所述贴边作业安全保证的操作包括:
通过设置在清扫车车体两侧的防跌落传感器,在贴边清扫过程中不断检测是否到达道路边缘,防止从道路边缘跌落;通过设置在车体四周的安全触边,在贴边清扫过程中不断检测清扫车是否意外触碰到障碍物或行人,如发生触碰紧急停车;通过安装在车体上的传感器,如激光雷达、双目视觉传感器、超声波传感器等,对环境障碍物进行探测,如探测到前进区域内有障碍物,并且阻碍清扫车按正常路径完成贴边清扫作业,则执行自主避障作业模式,完成障碍物避让后,回到贴边清扫模式继续执行贴边清扫作业。自主避障作业可借助车体上的传感器,采用现有的避障技术进行避障。
作为进一步优选的技术方案,清扫车探测到前进区域内有障碍物时,还通过环视双目视觉传感器拍摄障碍物照片、以及车辆四周环境实时照片,并提取此时车辆或障碍物的位置坐标,将照片和位置坐标上传管理系统后台,告知用户此处区域内的障碍物信息以及由此造成的清扫遗漏区,以便于后续对该区域进行处理。
作为进一步优选的技术方案,所述S1步骤中高精度地图的创建方法为:通过激光雷达采集环境信息并生成二维栅格地图;通过双目视觉传感器借助视觉回环检测技术修补二维栅格地图大范围复杂地图上的不闭合区域,并为特殊区域例如环境边角或GPS信号缺失区域提供局部3D地图;通过GPS模块获取拓扑地图,将所述二维栅格地图、3D地图和拓扑地图混合,实现清扫车高精度地图的创建。
其中,基于双目视觉回环修正子地图的拼接方法,是采用子地图的方式构建全局地图,全局地图由相邻的子地图序列拼接组成,该地图拼接过程中采取具有重合位置的部分子图,为的是定位过程中的一个缓冲。对于能够产生回环的子图,不断地用回环修正的方式修正地图构建,从而保证地图的精度。
建图时,双目视觉相机在激光雷达的协助下进行双目视觉建图,在原有的框架基础上,采用激光融合的里程数据对位姿进行优化,尽量减少非回环优化的误差。
本发明在创建高精度地图的过程中,通过在无人驾驶清扫车搭载激光雷达、双目视觉摄像头、GPS等多种传感器,通过激光SLAM+视觉SLAM+RTK高精度定位的方式,实现混合地图定位技术,在结构化道路与非结构化道路中采用拓扑结构(GPS)地图与激光栅格地图进行精确定位。而对于部分特殊位置,比如园区内隐蔽角落区域因缺少高精度RTK以及栅格定位地图的支持,则采用视觉识别地图加入辅助定位。通过三种地图的混合使用,按需调用,既能实现无人驾驶清洁车在清洁作业过程中对自身进行无盲区高精度定位,提高无人驾驶清洁车运行安全性、可靠性,又能保证计算资源合理分配,降低处理器计算负担。
作为进一步优选的技术方案,所述S2步骤中贴边清扫路径的规划方法为:从高精度地图中提取本次贴边清扫作业所涉及的路径地图,再将提取的路径地图分割成若干短程的路段,根据分割的各路段的路面状况进行贴边清扫路径的规划;其中,路径地图主要为包括道路边界的边界线。
当清扫车完成某一个路段的贴边清扫后,通过传感器识别清扫后路面的垃圾量,并将其与清扫前路面的垃圾量进行对比,评估该路段贴边清扫的效果。每清扫完一个路段即进行一次评估,及时调整接下来路段的规划路径,可保证本次清扫的整体清扫效果,也通过对模型数据的修正,提高本清扫车的清扫效果。
作为进一步优选的技术方案,分割后的各段的路面状况为:边界清晰的直线路段、边界模糊的直线路段、圆弧路段中的一种或几种组合。
对于边界清晰的直线路段,根据道路边界规划直线路径,并在清扫作业中根据传感器探测的实时信息进行避障。
对于边界模糊的直线路段,开启清扫车上的传感器(如车载激光雷达+双目视觉传感器),获取该路段的图像,对该路段地图进行边界补偿,使之成为边界清晰的路段,然后再按照上述边界清晰的直线路段的贴边清扫方法进行清扫。
对于圆弧路段,通过对圆弧路段地图的识别,依据三点确定圆心及半径的方式,计算出该圆弧路段的曲率半径,依据圆弧路段的曲率半径,结合清扫车自身相关硬件尺寸,计算出清扫车在该圆弧路段贴边清扫时的行驶路线曲率半径,并规划出该路段的局部路径。圆弧路段即使有不清晰的边界,通过随机的圆弧上的三点即可拟合出一个完整的圆,以弥补圆弧线上的不清晰部分。
作为进一步优选的技术方案,将提取的路径地图分割成若干路段,考虑的因素包括:清扫车作业速度、清扫车搭载的传感器的感知能力范围、环境能见度、路面环境。同一种路径地图采用不同的分割方法会出现不同的结果,也会影响最终清扫路径的规划和清扫效果,因此要根据实际清扫情况建立合适的计算方法,以达到最优的清扫效果。优选分割后,每个路段呈现为短直线或短圆弧,这样分割,使后续的路径规划变得简单,将复杂的道路边界简单化,适用于各种复杂的路面情况。
作为进一步优选的技术方案,所述S4步骤中对贴边清扫路径进行修正的方法为:依据前面路段(已清扫路段)的评估结果,当下一路段为直线段时,则依据数据模型,将清扫路径往道路边沿靠近一定的距离,直至清扫效果评估结果在预设阈值范围内;当下一路段为圆弧路段时,则依据数据模型,减小贴边清扫行驶路线的曲率半径,直至清扫效果评估结果在预设阈值范围内;其中,数据模型是为了实现路径规划,并根据评估结果计算和调整清扫车的贴边距离。
贴边清扫路径修正后,将修正的结果输入数据模型进行机器学习,用于后续清扫时的贴边清扫路径规划。
所述传感器为激光雷达、环视双目视觉传感器、超声波传感器阵列中的一种或几种的组合。
一种无人驾驶清扫车,实现上述无人驾驶清扫车长距离贴边清扫方法,包括运动底盘模块、清扫系统模块、传感器模块、人机交互模块和控制系统模块。
所述运动底盘模块包括底盘支架和安装在所述底盘支架上的行走装置、转向装置和刹车装置等。所述底盘支架起基本的结构支撑作用,是清扫车整车所有零部件的基本支撑结构,所有的结构件都直接或间接地装配在底盘支架上。所述行走装置包括驱动电机、主动轮和从动轮等,这些部件构成了清扫车行驶的基本要素;驱动电机与主动轮驱动连接,从动轮与主动轮相连。所述转向装置用于实现清扫车行驶过程中的转弯和掉头;刹车装置用于在清扫车临时停车或定点停车时提供制动力。
所述清扫系统模块用于实现清扫车清扫功能,所述清扫系统模块包括边刷、主刷、风机、洒水系统、震尘系统、水箱、垃圾箱等。
所述传感器模块用于为清扫车提供环境信息采集、障碍物识别等功能,所述传感器模块包括激光雷达、环视双目视觉传感器、超声波传感器阵列、IMU、GPS模块、防跌落传感器、安全触边等。所述环视双目视觉传感器设置于清扫车车身的四周,用于精确定位、障碍物识别、垃圾识别;所述超声波传感器阵列设置于清扫车车身的四周,用于对车身周围近距离障碍物的识别;所述防跌落传感器设置于清扫车左右两侧的底部,用于防止清扫车从道路边缘跌落;所述安全触边为物理安全传感器,安装于清扫车四周的底部,用于当清扫车意外触碰到障碍物或行人时紧急停车。
所述人机交互模块用于清扫车与用户之间的相互,所述人机交互模块包括触摸屏、指示灯和语音交互单元等,主要保证清扫车的易用性、可用性以及良好的用体验。
所述控制系统模块与上述各模块相连,主要用于对清扫车传感器采集的信息进行处理、计算,对清扫车运动路径规划进行计算,对执行机构运动模型进行控制等,控制系统是清扫车的大脑。
作为进一步优选的技术方案,上述无人驾驶清扫车上还设置有车辆照明灯、地面补光照明灯和侧面补光照明灯。所述车辆照明灯为清扫车夜间作业提供光线;所述地面补光照明灯安装于清扫车的正面,用于清扫车夜间贴边清扫作业时,对前方近距离路面进行补光;所述侧面补光照明灯安装于车身的左右两个侧面上,用于辅助识别清扫后的路面的垃圾情况。
本发明的贴边清扫方法,通过多种传感器多种方式的结合创建高精度地图,通过三种地图的混合使用,实现按需调用,既能实现无人驾驶清洁车在清洁作业过程中对自身进行无盲区高精度定位,提高无人驾驶清洁车运行安全性、可靠性,又能保证计算资源合理分配,降低处理器计算负担;同时,通过在创建地图的同时在作业区域内的特征物进行标识,在贴边清扫的过程中,利用无人驾驶清扫车上的激光雷达、双目视觉传感器等对特征物进行识别,并结合车体上的组合定位模块实现精准实时定位,即使是GPS信号较弱的区域也能实现精准定位,以不断修正行走过程中的偏差,实现高精度贴边清扫,提高贴边清扫的质量。
本发明的贴边清扫方法,通过在高精度地图上对道路边界进行虚拟墙设置,当清扫车到达道路边界时,触发清扫车开启贴边清扫模式;通过将作业区域内的道路边界进行切割,分割成多个短程的路段,并对每个分割后的短程路段进行分析,依据各个路段的路面状况采取相应的路径规划方法,以可以适应各种道路边界的路径地图,实现清扫车的长距离贴边清扫;对于不清晰的道路边界,通过车体上的传感器对不清晰区域进行补偿,对于曲线路段,通过处理成圆弧路段,依据其特征进行曲率半径识别和计算,并由此计算出贴边清扫路线的曲率半径,规划贴边清扫路径,由于无人驾驶清扫车在贴边清扫作业过程中不断对前方路段进行切割和曲率半径计算,实时更新局部贴边路径的方式,不存在累积误差等情况,从而保证了无人驾驶清扫车的长距离贴边清扫的准确性,
本发明的贴边清扫方法,在清扫过程中,通过不断比较清扫前后路面上的垃圾量,评估贴边清扫的效果,每清扫完一个路段即进行评估,根据评估结果实时对清扫路径进行修正,修正依据不同的路段状况分别采取不同的修正方法,并将修正后的结果进行机器学习,保证了当前及后续贴边清扫的质量。
本发明的贴边清扫方法,在贴边清扫的过程中,通过设置在车体上的防跌落传感器和全触边,检测清扫车是否到达道路边缘,以及是否意外触碰到障碍物或行人,避免贴边清扫时发生安全事故;并通过激光雷达、双目视觉、超声波传感器等对清扫车周边进行环境障碍物探测,提前做出预案以自主避障,避免意外的发生,同时如有障碍物导致清扫遗漏,上报障碍物信息,留待后续处理,进一步保证清扫的质量。
本发明的无人驾驶清扫车,配置有多种传感器模块,可进行高精度地图的创建,车辆自身的精准实时定位,环境信息的采集和障碍物的识别等,即使在GPS信号较弱的区域也可使用,实现高精度、长距离的贴边清扫作业。
本发明的无人驾驶清扫车,同时在车体上设置车辆照明灯和补光照明灯,可使清扫车轻松进行夜间作业,保证夜间作业的安全性;地面补光和侧面补光装置可有效对路面状况进行探查,对清扫作业进行评估,保证夜间作业的质量,提高清扫车的适用性。
附图说明
图1为本发明贴边清扫方法的流程图。
图2为本发明贴边清扫方法中作业区域类型划分的示意图。
图3为本发明贴边清扫方法中作业区域类型划分的另一示意图。
图4为本发明贴边清扫方法中路段的三种典型路面状况的示意图。
图5为本发明贴边清扫方法中圆弧路段路径规划第一步的示意图。
图6为本发明贴边清扫方法中圆弧路段路径规划第二步的示意图。
图7为本发明贴边清扫方法中圆弧路段路径规划第三步的示意图。
图8为本发明贴边清扫方法中圆弧路段路径规划第四步的示意图。
图9为本发明无人驾驶清扫车的结构示意图。
附图标记:1-主刷;2-GPS模块;3-激光雷达;4-环视双目视觉传感器;5-超声波传感器阵列;6-IMU;7-安全触边;8-防跌落传感器;9-车辆照明灯;10-地面补光照明灯;11-侧面补光照明灯;100-不可通行区域;200-广阔作业区域;300-道路边界区域;301-直线路段;302-不清晰边界;303-曲线路段。
具体实施方式
一种无人驾驶清扫车长距离贴边清扫方法,包括如下步骤:
S1、高精度地图创建与作业区域类型划分:通过传感器模块,创建无人驾驶清扫车作业区域的高精度地图,并对作业区域内的特征物进行标记,同时利用动态虚拟墙技术,将高精度地图划分为广阔作业区域、道路边界区域和不可通行区域;
S2、区域识别并开启贴边清扫:当清扫车进入道路边界区域时,由高精度地图内的虚拟墙技术触发清扫车开启贴边清扫模式,按照规划的贴边清扫路径进行贴边清扫;
S3、位置矫正与行走偏差矫正:清扫车贴边清扫的过程中,对作业区域内的所述特征物进行识别,并借助传感器如激光雷达与双目视觉传感器,对所述特征物进行距离和位置识别,进而反推清扫车的当前位置,同时将该当前位置与GPS+IMU组合定位结果进行匹配和修正,实现清扫车的精准实时定位;并将精准实时定位与规划的贴边清扫路径进行匹配,及时调整清扫车的行走偏差,实现高精度贴边清扫;
S4、贴边清扫效果评估与局部路径修正:清扫车贴边清扫的过程中,通过传感器如双目视觉传感器分别识别清扫前和清扫后的垃圾量,并将两者进行对比,评估贴边清扫的效果;如对比结果超出预设阈值,说明贴边清扫效果较差,则根据对比的差异程度对贴边清扫路径进行修正,直至清扫效果评估结果在预设阈值范围内;
S5、完成所有贴边清扫作业后,退出贴边清扫模式。
为阐述本发明无人驾驶清扫车长距离贴边清扫方法,下面以一个具体的实施例来说明。
一种无人驾驶清扫车长距离贴边清扫方法,如图1,包括下列过程:
1、高精度地图创建与作业区域类型划分
通过激光雷达、双目视觉传感器以及GPS等传感器模块,对无人驾驶清扫车作业范围区域进行高精度地图创建。具体创建方法可采用如下方法:通过激光雷达采集环境信息并生成二维栅格地图;双目视觉传感器借助视觉回环检测技术解决二维栅格地图大范围复杂地图不闭合问题,并在特殊区域例如环境边角或GPS信号缺失区域提供局部3D地图;GPS模块提供拓扑地图;通过将上述三种地图混合,实现清扫区域高精度地图的创建。
其中,基于双目视觉回环修正的子地图拼接方法,是采用子地图的方式构建全局地图,全局地图由相邻的子地图序列拼接组成,该地图拼接过程中采取具有重合位置部分子图,为的是定位过程中的一个缓冲。对于能够产生回环的子图,不断地用回环修正的方式修正地图构建,从而保证地图的精度。
建图时,双目视觉相机在激光雷达的协助下进行双目视觉建图,在原有的框架基础上,采用激光融合的里程数据对位姿进行优化,尽量减少非回环优化的误差。在地图创建过程中,对于环境中的特征物例如建筑物、路灯、道路标示等进行标记,用作后期特征物辅助定位校正。
同时,在地图创建之初,通过传感器模块智能识别道路边界,借助动态虚拟墙技术,如图2、图3,将高精度地图划分为三个区域:广阔作业区域200、道路边界区域300、不可通行区域100。
广阔作业区域200:广场中心区域、道路中心区域等开阔区域,清扫车在此区域范围内作业,执行全遍历清扫模式并自由避障,此类区域通常GPS信号良好,便于清扫车实现高精度定位,环境复杂程度低,作业实现模式相对简单。对开阔区域的清扫不是本发明的重点内容,在此不赘述。
不可通行区域100:建筑物、固定障碍物、墙体等清扫车作业过程中不可通行区域。此区域清扫车不可进入。
道路边界区域300:如图3,道路边界区域指的是广阔作业区域与不可通行区域之间的交接区域,通常都是道路边缘区域或类道路边缘区域,对此类区域的贴边清扫为本发明的主要内容。此类区域要求清扫车能高精度定位,以能够实现贴边清扫,并保证清扫质量。所以本发明在创建高精度地图之初,便使用动态虚拟墙技术对地图内所有道路边界区域进行标记,当清扫车进入此区域作业时,触发清扫车开启贴边清扫作业模式。
2、区域识别并开启贴边清扫
当清扫车进入道路边界区域时,由高精度地图内虚拟墙技术触发清扫车,开启贴边清扫作业。
具体贴边清扫作业可采用如下方法:
2.1路径地图分割
依据全局行驶路径提取出本次贴边清扫作业涉及的路径地图,并且对提取的路径地图进行多分段分割,将路径地图分割成若干路段,优先提取出清扫车辆前方一定范围内路段的地图,进行前方路径状况分析。一般将地图切割分段后,如图4,主要呈现出以下三种典型的路面状况,其他路况可以视为以下三种路况的组合,不做详细列举。
第一种:如图4的A图,前方路段为直线路段301,且边界清晰。
第二种:如图4的B图,前方路段为直线路段,但边界模糊,如图4-B图中的不清晰边界302。
第三种:如图4的C图,前方路段为曲线路段303。
本发明中对前方路径地图的分段主要考虑的因素包括:清扫车作业速度、清扫车搭载的传感器高质量感知能力范围、环境能见度,路面环境如急弯、直路等。不同情况下对同一种路径地图分段也会呈现出不同的效果,主要是以后续识别分析效果为基本判定原则,优选分割后,每个路段基本呈现出两种形式:短直线或短圆弧,以利于后续的路径规划。
2.2局部贴边清扫路径规划
对于第一种路况,由于道路边界清晰,较好规划出贴边清扫行驶路径,本发明中视为良好路径,作业过程中清扫车只需依据传感器模块对环境进行实时感知是否存在临时障碍物,如果存在,则采取避障策略;如果不存在障碍物,则继续执行贴边清扫模式。
对于第二种路况,由于道路边界存在局部不清晰的情况,所以在边界不清晰区域较难执行贴边清扫,本发明中由清扫车通过车载激光雷达+双目视觉传感器,对地图中边界不清晰路段进行环境探测,以双目视觉传感器为主要传感器,获取该区域内图像并对图像进行分析,识别出造成地图中边界不清晰的原因,并依据分析结果对该区域进行边界补偿,使之成为边界清晰路段,从而保证贴边清扫模式的继续执行。当成为边界清晰的直线路段时,按照第一种路况进行路径规划和清扫。
对于第三种路况,涉及转弯路段,由于清扫车作业过程中对弯路适应能力较差,实现贴边清扫难度较大,所以本发明通过对圆弧路段地图的识别,依据三点确定圆心及半径的方式,计算出该转弯路段的曲率半径,从而清扫车可以依据路段的曲率半径计算出自身完成贴边清扫的适应性曲率半径,并由此规划出该路段的局部路径,从而保证了圆弧路段清扫车的贴边清扫。圆弧路段即使有不清晰的边界,通过随机的圆弧上的三点即可拟合出一个完整的圆,以弥补圆弧线上的不清晰部分。
为进一步说明,圆弧路段的局部路径规划方法可采用如下方法:
①如图5,从路径地图中提取出圆弧路段曲线。
②如图6,在圆弧路段曲线上借助随机函数提取路段中任意三个点的地图坐标。
③如图7,根据三点确定圆心及半径的方式,计算出该圆弧路段的圆心及曲率半径。
④如图8,依据圆弧路段曲率半径,结合清扫车自身相关硬件尺寸,计算出清扫车在该圆弧路段的贴边清扫时的行驶路线曲率半径,并规划出该路段的局部路径。
3、位置矫正与行走偏差矫正
无人驾驶清扫车沿着新规划的局部路径进行贴边清扫的过程中,无人驾驶清扫车通过其上的传感器如激光雷达+双目视觉摄像头等不断对周围的特征物(此前已在高精地图进行标记)进行识别,并借助激光雷达与双目视觉摄像头同时对该特征物进行距离和位置识别,将两者识别数据进行融合,从而可以借助该特征物与清扫车的位置距离反推清扫车当前的位置,同时将该位置与GPS+IMU组合定位结果进行匹配和修正,可以实现清扫车的厘米级别定位,并且通过精准实时定位与规划的局部贴边清扫路径进行匹配,可以及时调整清扫车的行走偏差,保证清扫车沿着规划好的贴边清扫路径进行高精度贴边清扫。
4、贴边清扫效果评估与局部路径修正
清扫车贴边清扫时,首先由正前方的双目视觉摄像头识别道路边缘的垃圾量,然后清扫车依据规划好的贴边清扫路径进行贴边清扫作业;当清扫完一个路段后,由清扫车侧面的双目视觉摄像头对清扫过的道路边界区域进行垃圾量识别,通过清扫前与清扫后的垃圾识别结果进行对比,如若对比结果超出预设阈值,则证明清扫车贴边清扫效果较差,此时会依据清扫前后垃圾量对比的差异程度,依据数据模型对后续路段的贴边清扫局部路径进行修正,直至清扫效果评估结果在预设阈值范围内位置。
对后续路段的贴边清扫局部路径的修正可采用如下方法:
通常为缩小清扫车与道路边缘的距离,如果后续路段为直线段,则清扫车依据数据模型计算结果,往道路边沿侧倾一定的距离,直至清扫效果评估结果在预设阈值范围内位置;如果为曲线圆弧路段,则依据数据模型计算结果,缩小清扫车贴边清扫路径的曲率半径,直至清扫效果评估结果在预设阈值范围内位置。路径修正后,并将此结果进行机器学习,用于后续任务(包括本次后面路段的贴边清扫和下一次贴边清扫)的贴边清扫路径规划,从而保证清扫车的贴边清扫效果。其中,数据模型是为了实现路径规划,并根据评估结果计算和调整清扫车的贴边距离。
5、贴边作业安全行驶保证
清扫车进行贴边作业时,为了保证贴边清扫效果,往往需要非常接近道路边缘进行清扫作业,因此容易发生清扫车与道路边缘绿化带、树枝等发生刮蹭等危险行车事故,甚至有可能因为车辆由于太靠近道路边缘而发生从道路边缘侧翻的安全事故。所以本发明中在清扫车车头底册左右各安装一个防跌落传感器,防止车辆在贴边清扫时从道路边缘跌落。
同时,为避免在行驶的过程中意外触碰到障碍物或行人,在清扫车四周的底部设置安全触边,当清扫车意外触碰到障碍物时或行人时,紧急停车,避免发生事故。
另外,车辆在贴边清扫过程中,激光雷达、双目视觉、超声波传感器等对清扫车周边进行环境障碍物探测,如果探测到前进区域内有停靠的机动车、树枝等障碍物,并且阻碍清扫车按正常路径完成贴边清扫作业,则清扫车执行自主避障作业模式;并通过环视双目摄像头拍摄障碍物情况以及此时车辆四周环境实时照片,以及提取此时车辆或障碍物的位置坐标,上传管理系统后台,告知用户此处区域因障碍物原因,没有实现贴边清扫,因此造成清扫遗漏区,请求用户处理。当清扫车通过自主避障模式完成障碍物避让后,重新回到贴边清扫模式,继续执行贴边清扫作业。
6、直至完成所有路段的贴边清扫作业后,退出贴边清扫模式。
应该说明的是,上述有些步骤如位置矫正与行走偏差矫正、贴边作业安全行驶保证是在贴边清扫的过程中同时进行的,没有时间上的先后之分。
一种无人驾驶清扫车,如图9,实现上述无人驾驶清扫车长距离贴边清扫方法,至少包括以下几个模块:运动底盘模块、清扫系统模块、传感器模块、人机交互模块和控制系统模块。
所述运动底盘模块由行走装置、转向装置、刹车装置、底盘支架等几个部分组成。其中行走装置主要包括驱动电机、主动轮、从动轮等几个部件,构成了清扫车行驶的基本要素,驱动电机与主动轮驱动连接,从动轮与主动轮相连;转向装置实现了清扫车行驶过程中的转弯、掉头作业;刹车装置为清扫车临时停车、定点停车等情况时提供制动力;底盘支架是清扫车整车所有零部件的基本支撑结构,所有的结构件都直接或间接的装配在底盘支架上。
所述清扫系统模块包括边刷、主刷1、风机、洒水系统、震尘系统、水箱、垃圾箱等,用于实现清扫车清扫功能。
所述传感器模块包括激光雷达3、环视双目视觉传感器4、超声波传感器阵列5、IMU6、GPS模块2、防跌落传感器8、安全触边7等,主要为清扫车提供环境信息采集、障碍物识别等功能。
GPS模块2是清扫车实现高精度定位的主要功能元件之一,通过GPS与IMU6模块的相互修正与信息融合,大部分情况下均可以实现清扫车厘米级别的定位精度,在个别场景下,例如城市高楼包笼下,地下停车场等情况下,GPS信号较弱,无法保证定位精度,可以与其他定位方式相结合以达到精准定位的目的。
激光雷达3主要是结合环视双目视觉传感器4,对环境进行高精度地图创建,为清扫车作业范围及路径规划提供基本参考元素支撑,在清扫车作业过程中,激光雷达3对环境信息进行识别,通过与已经扫描的高精地图进行匹配从而实现精准定位。另外,激光雷达3还对清扫车周围的障碍物进行精准的特征识别以及距离识别,从而为清扫车做好避障规划提供准确信息依据。
环视双目视觉传感器4设置于清扫车车身的四周,在清扫车作业过程中对周围环境进行信息采集,与激光雷达3进行信息融合,共同实现精准定位。同时,环视双目视觉传感器4还充当清扫车的眼睛,对周围的障碍物例如树枝、行人、车辆、交通灯等进行识别,从而保证清扫车准确识别周围障碍物信息,及时制定避障策略。另外,环视双目视觉传感器4还可对地面垃圾进行识别,利于清扫车智能制定清扫策略,保证清扫效果。
防跌落传感器8设置于清扫车左右两侧的底部,主要防止清扫车进行贴边清扫时,尤其是路边缘为阶梯式凹坑时,防止清扫车从道路边缘跌落。
安全触边7作为清扫车的物理安全传感器,安装于清扫车四周的底部,用于保证当清扫车意外触碰到障碍物时或行人时,紧急停车,避免发生事故。
超声波传感器阵列5设置于清扫车车身的四周,用于对车辆周围近距离障碍物感知。
IMU6,惯性导航组件,设置在车体内部,用于与GPS、激光雷达3、环视双目视觉传感器4等共同对车辆实现精准定位。
所述人机交互模块包括触摸屏、指示灯和语音交互单元等,主要保证清扫车的易用性、可用性以及良好的用体验。
所述控制系统模块与上述模块相连,主要对清扫车传感器采集的信息进行处理、计算,对清扫车运动路径规划进行计算,对执行机构运动模型进行控制等。控制系统是清扫车的大脑。
同时,作为其中一种实施方式,清扫车的车身上还可设置车辆照明灯9、地面补光照明灯10和侧面补光照明灯11。对于无人驾驶清扫车来说,夜间作业是必不可少的,因为夜间路面车辆和行人相对少,效率高,安全性也高。
车辆照明灯9用于清扫车夜晚作业时,照亮前方路段,保证夜间作业时摄像头能正常工作,以及向外界传输清扫车正在行驶的自身信息,保证夜间作业安全。
地面补光照明灯10安装在清扫车正面,可在正面的左右两侧各安装一个,主要用于车辆在夜间进行贴边清扫作业时,对前方近距离路面进行补光,利于摄像头能准确识别到前方路面情况、垃圾情况,保证清扫车在进行路段分割以及曲率半径计算时减低因夜间视觉因素影响的误差;并且利于清扫车进行清扫前与清扫后贴边清扫垃圾效果的对比。地面补光照明灯10只在夜晚作业时开启。
侧面补光照明灯11,作用与地面补光照明灯10相同,只是侧面补光照明灯11安装在清扫车车身的两个侧面上,主要照明车辆侧方已清扫过区域的路面垃圾情况,利于清扫车进行贴边清扫效果的评估。
上列详细说明是针对本发明可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本案的专利范围中。
Claims (9)
1.一种无人驾驶清扫车长距离贴边清扫方法,其特征在于,包括如下步骤:
S1、高精度地图创建与作业区域类型划分:通过传感器模块,创建无人驾驶清扫车作业区域的高精度地图,并对作业区域内的特征物进行标记,同时利用动态虚拟墙技术,将高精度地图划分为广阔作业区域、道路边界区域和不可通行区域;
S2、区域识别并开启贴边清扫:当清扫车进入道路边界区域时,由高精度地图内的虚拟墙技术触发清扫车开启贴边清扫模式,按照规划的贴边清扫路径进行贴边清扫;
S3、位置矫正与行走偏差矫正:清扫车贴边清扫的过程中,通过传感器对作业区域内的所述特征物进行识别,并借助传感器对所述特征物进行距离和位置识别,进而反推清扫车的当前位置,同时将该当前位置与GPS+IMU组合定位结果进行匹配和修正,实现清扫车的精准实时定位;并将精准实时定位与规划的贴边清扫路径进行匹配,及时调整清扫车的行走偏差,保证清扫车沿着规划的清扫路径进行高精度贴边清扫;
S4、贴边清扫效果评估与局部路径修正:清扫车贴边清扫的过程中,通过传感器分别识别清扫前和清扫后的垃圾量,并将两者进行对比,评估贴边清扫的效果;如对比结果超出预设阈值,说明贴边清扫效果较差,则根据对比的差异程度对后续的贴边清扫路径进行修正,直至清扫效果评估结果在预设阈值范围内;
S5、完成所有贴边清扫作业后,退出贴边清扫模式;
所述S4步骤中对贴边清扫路径进行修正的方法为:根据对已清扫路段的评估结果,当下一路段为直线段时,则依据数据模型,将清扫路径往道路边沿靠近一定的距离,直至清扫效果评估结果在预设阈值范围内;当下一路段为圆弧路段时,则依据数据模型,减小贴边清扫行驶路线的曲率半径,直至清扫效果评估结果在预设阈值范围内;
贴边清扫路径修正后,将修正的结果输入数据模型进行机器学习,用于后续清扫时的贴边清扫路径规划;
所述传感器为激光雷达、环视双目视觉传感器、超声波传感器阵列中的一种或几种的组合。
2.根据权利要求1所述的一种无人驾驶清扫车长距离贴边清扫方法,其特征在于,清扫车贴边清扫的过程中还包括进行贴边作业安全保证的步骤,所述贴边作业安全保证包括:通过设置在清扫车车体两侧的防跌落传感器,在贴边清扫过程中不断检测是否到达道路边缘,防止从道路边缘跌落;
通过设置在车体四周的安全触边,在贴边清扫过程中不断检测清扫车是否触碰到障碍物或行人,如发生触碰紧急停车;
通过安装在车体上的传感器对环境障碍物进行探测,如探测到前进区域内有影响贴边清扫作业的障碍物,则执行自主避障作业模式,完成障碍物避让后,回到贴边清扫模式继续执行贴边清扫作业。
3.根据权利要求2所述的一种无人驾驶清扫车长距离贴边清扫方法,其特征在于,清扫车探测到前进区域内有障碍物时,还通过环视双目视觉传感器拍摄障碍物照片、以及车辆四周环境实时照片,并提取此时车辆或障碍物的位置坐标,将照片和位置坐标上传管理系统后台,告知用户此处区域内的障碍物信息以及由此造成的清扫遗漏区。
4.根据权利要求1所述的一种无人驾驶清扫车长距离贴边清扫方法,其特征在于,所述S1步骤中高精度地图的创建方法为:通过激光雷达采集环境信息并生成二维栅格地图;通过双目视觉传感器借助视觉回环检测技术修补二维栅格地图大范围复杂地图上的不闭合区域,并为特殊区域提供局部3D地图;通过GPS模块获取拓扑地图,将所述二维栅格地图、3D地图和拓扑地图混合,实现清扫车高精度地图的创建。
5.根据权利要求1所述的一种无人驾驶清扫车长距离贴边清扫方法,其特征在于,所述S2步骤中贴边清扫路径的规划方法为:从高精度地图中提取本次贴边清扫作业所涉及的路径地图,再将提取的路径地图分割成若干路段,根据分割的各路段的路面状况进行贴边清扫路径的规划;
当清扫车完成某一个路段的贴边清扫后,通过传感器识别清扫后路面的垃圾量,并将其与清扫前路面的垃圾量进行对比,评估该路段贴边清扫的效果。
6.根据权利要求5所述的一种无人驾驶清扫车长距离贴边清扫方法,其特征在于,分割后的各段的路面状况为:边界清晰的直线路段、边界模糊的直线路段、圆弧路段中的一种或几种组合;
对于边界清晰的直线路段,根据道路边界规划直线路径,并在清扫作业中根据传感器探测的实时信息进行避障;
对于边界模糊的直线路段,开启清扫车上的传感器,获取该路段的图像,对该路段地图进行边界补偿,使之成为边界清晰的路段,然后执行边界清晰的直线路段的贴边清扫方法;
对于圆弧路段,通过对圆弧路段地图的识别,依据三点确定圆心及半径的方式,计算出该圆弧路段的曲率半径,依据圆弧路段的曲率半径,结合清扫车自身相关硬件尺寸,计算出清扫车在该圆弧路段贴边清扫时的行驶路线曲率半径,并规划出该路段的局部路径。
7.根据权利要求5所述的一种无人驾驶清扫车长距离贴边清扫方法,其特征在于,将提取的路径地图分割成若干路段考虑的因素包括:清扫车作业速度、清扫车搭载的传感器的感知能力范围、环境能见度、路面环境;
分割后,每个路段呈现为短直线或短圆弧。
8.一种无人驾驶清扫车,实现如权利要求1至7任一项所述的无人驾驶清扫车长距离贴边清扫方法,其特征在于,包括运动底盘模块、清扫系统模块、传感器模块、人机交互模块和控制系统模块;
所述运动底盘模块包括底盘支架和安装在所述底盘支架上的行走装置、转向装置和刹车装置;所述底盘支架起基本的结构支撑作用,所有的结构件都直接或间接地装配在底盘支架上;所述行走装置包括驱动电机、主动轮和从动轮,驱动电机与主动轮驱动连接,所述从动轮与主动轮相连;所述转向装置用于实现清扫车行驶过程中的转弯和掉头;刹车装置用于在清扫车临时停车或定点停车时提供制动力;
所述清扫系统模块用于实现清扫车清扫功能,所述清扫系统模块包括边刷、主刷、风机、洒水系统、震尘系统、水箱、垃圾箱;
所述传感器模块用于为清扫车提供环境信息采集、障碍物识别功能,所述传感器模块包括激光雷达、环视双目视觉传感器、超声波传感器阵列、IMU、GPS模块、防跌落传感器、安全触边;所述环视双目视觉传感器设置于清扫车车身的四周,用于精确定位、障碍物识别、垃圾识别;所述超声波传感器阵列设置于清扫车车身的四周,用于对车身周围近距离障碍物的识别;所述防跌落传感器设置于清扫车左右两侧的底部,用于防止清扫车从道路边缘跌落;所述安全触边为物理安全传感器,安装于清扫车四周的下部,用于当清扫车意外触碰到障碍物或行人时紧急停车;
所述人机交互模块用于清扫车与用户之间的相互,所述人机交互模块包括触摸屏、指示灯和语音交互单元;
所述控制系统模块主要用于对清扫车传感器采集的信息进行处理、计算,对清扫车运动路径规划进行计算,对执行机构运动模型进行控制。
9.根据权利要求8所述的一种无人驾驶清扫车,其特征在于,还包括车辆照明灯、地面补光照明灯和侧面补光照明灯,所述车辆照明灯为清扫车夜间作业提供光线;所述地面补光照明灯安装于清扫车的正面,用于清扫车夜间贴边清扫作业时,对前方近距离路面进行补光;所述侧面补光照明灯安装于车身的左右两个侧面上,用于辅助识别清扫后的路面的垃圾情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010573662.3A CN111736603B (zh) | 2020-06-22 | 2020-06-22 | 一种无人驾驶清扫车及其长距离贴边清扫方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010573662.3A CN111736603B (zh) | 2020-06-22 | 2020-06-22 | 一种无人驾驶清扫车及其长距离贴边清扫方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111736603A CN111736603A (zh) | 2020-10-02 |
CN111736603B true CN111736603B (zh) | 2023-06-09 |
Family
ID=72650355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010573662.3A Active CN111736603B (zh) | 2020-06-22 | 2020-06-22 | 一种无人驾驶清扫车及其长距离贴边清扫方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111736603B (zh) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462768B (zh) * | 2020-11-25 | 2024-03-29 | 深圳拓邦股份有限公司 | 移动机器人导航地图的创建方法、装置及移动机器人 |
CN112241175B (zh) * | 2020-12-21 | 2021-04-20 | 广州赛特智能科技有限公司 | 一种无人清扫车的道路全遍历清扫路径规划方法 |
CN112799400A (zh) * | 2020-12-28 | 2021-05-14 | 深兰人工智能(深圳)有限公司 | 清扫轨迹规划方法及装置 |
CN112942217A (zh) * | 2021-01-26 | 2021-06-11 | 重庆大学 | 一种联合子母车树叶清扫系统 |
CN112837333A (zh) * | 2021-02-04 | 2021-05-25 | 南京抒微智能科技有限公司 | 一种室外无人清扫车贴边清洁方法及设备 |
CN113050633B (zh) * | 2021-03-12 | 2024-05-31 | 苏州挚途科技有限公司 | 清扫轨迹的确定方法、装置和自动清扫设备 |
CN113359720B (zh) * | 2021-05-31 | 2024-05-24 | 上海高仙自动化科技发展有限公司 | 移动设备避障方法、装置、电子设备及计算机可读存储介质 |
CN113382384B (zh) * | 2021-06-13 | 2022-08-02 | 西北工业大学 | 基于多源传感技术的面向车辆局域组网道路区域划分方法 |
CN113449615A (zh) * | 2021-06-16 | 2021-09-28 | 新安洁环境卫生股份有限公司 | 一种清扫作业质量智能检查方法、系统及存储介质 |
CN113377111A (zh) * | 2021-06-30 | 2021-09-10 | 杭州电子科技大学 | 一种无人清扫车的任务调度系统及方法 |
CN113386141B (zh) * | 2021-07-05 | 2022-12-16 | 上海高仙自动化科技发展有限公司 | 机器人控制方法、装置、设备及存储介质 |
CN113467457B (zh) * | 2021-07-08 | 2024-07-26 | 无锡太机脑智能科技有限公司 | 一种用于无人环卫车贴边清扫的图优化路径规划方法 |
CN113565299B (zh) * | 2021-08-11 | 2022-09-16 | 苏州乐米凡电气科技有限公司 | 一种具有自修补能力的自动抹光机及其控制方法 |
CN113749562B (zh) * | 2021-08-13 | 2022-08-16 | 珠海格力电器股份有限公司 | 扫地机器人及其控制方法、装置、设备和存储介质 |
CN113848917A (zh) * | 2021-09-29 | 2021-12-28 | 苏州挚途科技有限公司 | 清扫车作业控制方法、系统及清扫车 |
CN114167855B (zh) * | 2021-10-27 | 2022-08-19 | 北京云汉通航科技有限公司 | 一种用于巡检机器人的避障系统及巡检机器人 |
CN113985886B (zh) * | 2021-11-02 | 2024-01-19 | 珠海格力电器股份有限公司 | 设备作业路径规划方法、装置、计算机设备和存储介质 |
CN113985885B (zh) * | 2021-11-02 | 2024-01-19 | 珠海格力电器股份有限公司 | 设备作业控制方法、装置、计算机设备和存储介质 |
CN113863195B (zh) * | 2021-11-03 | 2023-05-16 | 酷哇科技有限公司 | 沿边清扫方法以及清扫车 |
CN114281073B (zh) * | 2021-11-16 | 2024-07-02 | 合肥智行者科技有限公司 | 清洁路径规划方法及装置、电子设备和清洁设备 |
CN114089769B (zh) * | 2021-11-23 | 2023-12-29 | 海汇新能源汽车有限公司 | 自动作业电动清扫车用控制方法 |
CN115240160A (zh) * | 2021-11-26 | 2022-10-25 | 上海仙途智能科技有限公司 | 无人清扫车贴边清扫时的避障方法、装置及设备 |
CN114281082A (zh) * | 2021-12-24 | 2022-04-05 | 安徽南博机器人有限公司 | 一种无人驾驶环卫车辆 |
CN114485708B (zh) * | 2022-01-18 | 2024-06-28 | 上汽通用五菱汽车股份有限公司 | 无人驾驶车辆路径规划方法、系统、电子设备及存储介质 |
CN114489074B (zh) * | 2022-01-25 | 2024-05-07 | 深圳优地科技有限公司 | 避开障碍物方法、装置和机器人 |
CN114415689B (zh) * | 2022-01-25 | 2024-05-28 | 无锡市金沙田科技有限公司 | 一种跟随车的决策方法及系统 |
CN114808810B (zh) * | 2022-04-12 | 2022-12-30 | 吉林大学 | 一种半自主交互式无人清扫车清扫系统及清扫方法 |
CN116907512B (zh) * | 2023-09-14 | 2023-12-22 | 山东博昂信息科技有限公司 | 一种室外无人清扫机器的组合打点清扫方法 |
CN117270547B (zh) * | 2023-11-23 | 2024-02-09 | 苏州派特纳智能科技有限公司 | 晶面养护路线规划方法、养护机器人和可存储介质 |
CN118542607A (zh) * | 2024-07-26 | 2024-08-27 | 盛视科技股份有限公司 | 贴边清扫路径规划方法及清扫机器人 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107943058A (zh) * | 2017-12-26 | 2018-04-20 | 北京面面俱到软件有限公司 | 扫地机器人及其清扫路径规划方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009047476A1 (de) * | 2009-12-04 | 2011-06-09 | Robert Bosch Gmbh | Verfahren und Steuergerät zur Bestimmung einer Schnitttrajektorie eines Kurvenabschnitts einer Fahrbahn |
US9717387B1 (en) * | 2015-02-26 | 2017-08-01 | Brain Corporation | Apparatus and methods for programming and training of robotic household appliances |
KR102314637B1 (ko) * | 2015-03-23 | 2021-10-18 | 엘지전자 주식회사 | 로봇 청소기 및 이를 구비하는 로봇 청소 시스템 |
CN108594828B (zh) * | 2018-06-05 | 2021-05-07 | 北京智行者科技有限公司 | 一种清扫作业路径的生成方法 |
CN109993780B (zh) * | 2019-03-07 | 2021-09-24 | 深兰科技(上海)有限公司 | 一种三维高精度地图生成方法及装置 |
CN110895334A (zh) * | 2019-12-25 | 2020-03-20 | 广州赛特智能科技有限公司 | 基于激光雷达和gps融合虚拟墙无人清扫车校准装置及方法 |
-
2020
- 2020-06-22 CN CN202010573662.3A patent/CN111736603B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107943058A (zh) * | 2017-12-26 | 2018-04-20 | 北京面面俱到软件有限公司 | 扫地机器人及其清扫路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111736603A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111736603B (zh) | 一种无人驾驶清扫车及其长距离贴边清扫方法 | |
US11720116B1 (en) | Collision mitigation static occupancy grid | |
CN110962843B (zh) | 一种自动泊车控制决策方法及系统 | |
CN109828581B (zh) | 一种带有自动驾驶系统的多模式智能电动清扫车 | |
US9939815B1 (en) | Stop sign detection and response | |
Kolski et al. | Autonomous driving in structured and unstructured environments | |
US20190232957A1 (en) | Planning for unknown objects by an autonomous vehicle | |
KR20200101855A (ko) | 차량의 주행 궤적 예측 방법 및 장치 | |
US20180259967A1 (en) | Planning for unknown objects by an autonomous vehicle | |
WO2019176083A1 (ja) | 移動体制御装置 | |
RU2740661C1 (ru) | Способ управления парковкой и устройство управления парковкой | |
JP2010149723A (ja) | 駐車支援装置 | |
JP2022060080A (ja) | 車両の運転支援装置 | |
JP7376682B2 (ja) | 視覚追跡および画像再投影による自律運転のための物体位置特定 | |
US20220101534A1 (en) | Sidewalk edge finder device, system and method | |
CN115781678A (zh) | 智能机器人的垃圾处理方法及系统 | |
CN113848933B (zh) | 一种清扫机器人的全方位避障方法及装置 | |
CN209570854U (zh) | 一种带有自动驾驶系统的多模式智能电动清扫车 | |
JP6578589B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US11414102B2 (en) | Systems and methods for vehicle communication consistency | |
Behringer et al. | Results on visual road recognition for road vehicle guidance | |
CN217553799U (zh) | 汽车的辅助驾驶设备及汽车 | |
WO2022050006A1 (ja) | 画像処理装置 | |
CN111753632B (zh) | 驾驶辅助装置 | |
EP3593337A1 (en) | Planning for unknown objects by an autonomous vehicle |
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 | ||
CB02 | Change of applicant information |
Address after: 510000 201, building a, No.19 nanxiangsan Road, Huangpu District, Guangzhou City, Guangdong Province Applicant after: GUANGZHOU SAITE INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: 510000 Room 303, 36 Kaitai Avenue, Huangpu District, Guangzhou City, Guangdong Province Applicant before: GUANGZHOU SAITE INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |