CN111813101A - 机器人路径规划方法、装置、终端设备及存储介质 - Google Patents
机器人路径规划方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN111813101A CN111813101A CN202010499222.8A CN202010499222A CN111813101A CN 111813101 A CN111813101 A CN 111813101A CN 202010499222 A CN202010499222 A CN 202010499222A CN 111813101 A CN111813101 A CN 111813101A
- Authority
- CN
- China
- Prior art keywords
- sub
- path
- robot
- area
- local
- 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 71
- 230000008569 process Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000009467 reduction Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification 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 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- 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
Abstract
本申请适用于机器人技术领域,提供了机器人路径规划方法、装置、终端设备及存储介质,包括:根据机器人当前位置,确定当前的局部路径规划区域及局部目标点;所述局部目标点为当前局部路径规划的目的点;将所述局部路径规划区域划分为至少两个子区域,并确定各个所述子区域对应的子区域地图,所述子区域地图的分辨率按照所述子区域与所述机器人当前位置的距离由近及远的次序依次降低;根据所述机器人当前位置、所述局部目标点及各个所述子区域对应的子区域地图,依次在各个所述子区域进行路径规划,确定每个子区域对应的子路径段;根据各个所述子路径段,确定当前的局部路径。本申请实施例能够提高机器人的局部路径规划效率。
Description
技术领域
本申请属于机器人技术领域,尤其涉及一种机器人路径规划方法、装置、终端设备及存储介质。
背景技术
随着机器人技术的发展,现有的机器人通常具有自主导航功能。这些具有自主导航功能的机器人被广泛应用于工业、服务业、农业等各个行业中。在实际应用中,机器人所处的工作场景各异,例如诸如办公室、住宅房等室内小型空间、大型商场或者写字楼等都可以为机器人实际应用时的工作场景。由于在各类的工作场景中,环境的复杂度及空间大小均给机器人的自主导航带来极大的挑战,因此机器人需要动态地获取机器人附近区域的地图信息进行局部路径规划,才能够及时有效地感知周围的环境信息,作出相应的运动决策,从而准确高效地到达目的地。
通常,若进行局部路径规划的区域越大,则机器人能够感知更大范围的环境信息,使得机器人的运动决策更加及时准确,然而,局部路径规划的区域太大,又会导致局部路径规划时的运算量过大,降低机器人的路径规划效率。
发明内容
有鉴于此,本申请实施例提供了机器人路径规划方法、装置、终端设备及存储介质,以解决现有技术中如何在保证机器人局部路径规划的准确性的同时,提高机器人的局部路径规划效率的问题。
本申请实施例的第一方面提供了一种机器人路径规划方法,包括:
根据机器人当前位置,确定当前的局部路径规划区域及局部目标点;所述局部目标点为当前局部路径规划的目的点;
将所述局部路径规划区域划分为至少两个子区域,并确定各个所述子区域对应的子区域地图,所述子区域地图的分辨率按照所述子区域与所述机器人当前位置的距离由近及远的次序依次降低;
根据所述机器人当前位置、所述局部目标点及各个所述子区域对应的子区域地图,依次在各个所述子区域进行路径规划,确定每个子区域对应的子路径段;
根据各个所述子路径段,确定当前的局部路径。
本申请实施例的第二方面提供了一种机器人,包括:
局部路径规划区域确定单元,用于根据机器人当前位置,确定当前的局部路径规划区域及局部目标点;所述局部目标点为当前局部路径规划的目的点;
区域划分单元,用于将所述局部路径规划区域划分为至少两个子区域,并确定各个所述子区域对应的子区域地图,所述子区域地图的分辨率按照所述子区域与所述机器人当前位置的距离由近及远的次序依次降低;
路径规划单元,用于根据所述机器人当前位置、所述局部目标点及各个所述子区域对应的子区域地图,依次在各个所述子区域进行路径规划,确定每个子区域对应的子路径段;
路径确定单元,用于根据各个所述子路径段,确定当前的局部路径。
本申请实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,当所述处理器执行所述计算机程序时,使得终端设备实现如所述机器人路径规划方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时,使得终端设备实现如所述机器人路径规划方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的机器人路径规划方法。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例中,局部路径规划区域划分为至少两个子区域,在每个子区域进行路径规划时所依据的子区域地图的分辨率灵活变化,具体地,各个子区域地图的分辨率随着该子区域与机器人当前位置的距离由近到远依次降低。由于距离机器人最近的子区域的子区域地图的分辨率较高且局部路径规划区域无需缩小,即当前机器人能够提前分层次地感知足够大的范围的环境信息,因此能够保证机器人当前运动决策的及时性及准确性;并且,由于局部路径规划区域所依据的地图的分辨率总体降低,相对于现有的直接在局部路径规划区域统一采用一张固定分辨率的地图进行局部路径规划的方式,能够降低机器人局部路径规划的运算量,提高机器人的局部路径规划效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种机器人路径规划方法的实现流程示意图;
图2a是本申请实施例提供的第一种局部路径规划区域;
图2b是本申请实施例提供的第二种局部路径规划区域;
图3a是本申请实施例提供的第三种局部路径规划区域;
图3b是本申请实施例提供的第四种局部路径规划区域;
图4是本申请实施例提供的一种预设的全局路径与局部目标点的示意图;
图5是本申请实施例提供的一种降分辨率处理的示意图
图6是本申请实施例提供的一种子区域划分的示意图;
图7是本申请实施例提供的一种最终目标点落于局部路径规划区域之内的的示例图;
图8是本申请实施例提供的一种上一次的局部路径规划区域与当前的局部路径规划区域的对照示意图;
图9是本申请实施例提供的一种机器人的结构示意图;
图10是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
目前,具有自主导航功能的机器人,即能够自主进行路径规划的移动机器人被广泛应用于各类场景中。在各类场景中,机器人需要动态地获取机器人附近区域的地图信息进行局部路径规划,才能够及时有效地感知周围的环境信息,作出相应的运动决策,从而准确高效地到达目的地。现有的机器人通常是获取一张固定的地图,根据该地图上的信息进行局部路径规划。此时,若进行局部路径规划的区域越大,则能够结合该地图上更多的信息进行提前规划,使得机器人能够提前感知更大范围的环境信息,进而使得机器人的运动决策更加准确(例如能够提前避开障碍);然而,局部路径规划的区域越大,意味着要分析的地图上的信息量越大,导致局部路径规划时的运算量过大,降低机器人的路径规划效率。即,这种情况下,局部路径规划的区域的大小从正反两方面制约着机器人路径规划的准确性及效率,难以同时很好地保证机器人路径规划的准确性和效率。为了解决该技术问题,本申请提供了一种机器人路径规划方法、装置、终端设备及存储介质,将局部路径规划区域划分为至少两个子区域,在每个子区域进行路径规划时所依据的子区域地图的分辨率灵活设置,该分辨率具体随着该子区域与机器人当前位置的距离由近到远依次降低,由于距离机器人最近的子区域的子区域地图的分辨率较高且局部路径规划区域无需缩小,即当前机器人能够提前分层次地感知足够大的范围的环境信息,因此能够保证机器人当前运动决策的准确性;并且,由于局部路径规划区域所依据的地图的分辨率总体降低,相对于现有的直接在局部路径规划区域统一采用一张固定分辨率的地图进行局部路径规划的方式,能够降低机器人路径规划的运算量,提高机器人的路径规划效率。
实施例一:
图1示出了本申请实施例提供的第一种机器人路径规划方法的流程示意图,本申请实施例的执行主体为机器人,详述如下:
在S101中,根据机器人当前位置,确定当前的局部路径规划区域及局部目标点;所述局部目标点为当前局部路径规划的目的点。
本申请实施例中,以机器人当前位置为参考点,确定该参考点附近范围的一个预设形状、预设大小的区域为局部路径区域。可选地,该预设形状可以为圆形、四边形、五边形等,此处不作限定。可选地,该局部路径区域具体可以为以机器人当前位置作为区域中心、位于该机器人四周的区域,例如图2a所示的圆形区域或者如图2b所示的矩形区域;也可以为以机器人当前位置作为区域起始端、位于机器人前方(机器人的行进方向)的区域,例如图3a所示的圆形区域或者如图3b所示的矩形区域。
本申请实施例中的局部目标点为当前局部路径规划的目的点。具体地,该局部目标点通常落于该局部路径规划区域的边界上,例如,局部目标点为沿行进方向确定的落于局部路径规划区域的边界上的一个预设点(例如图3a、图3b所示的点G)。可选地,若本次移动任务的最终目标点落于当前的局部路径规划区域之内,则该局部目标点即为该最终目标点。
可选地,所述步骤S101包括:
根据机器人当前位置、预设的全局路径以及最大搜索区域,确定当前的所述局部路径规划区域及所述局部目标点。
本申请实施例中,预设的全局路径为机器人刚接收到移动任务时,根据机器人的初始位置(刚接收到移动任务时机器人所处的位置)、该移动任务的最终目标点以及全局导航地图(即完整反映机器人当前所处的工作场景的一整张地图)进行的一次全局路径规划后确定的全局路径,该全局路径具体为连接该初始位置及该最终目标点的线段。该预设的全局路径只需在刚接收到移动任务时进行前述的一次全局路径规划确定,之后存储于该机器人的存储单元中,以作为机器人后续的局部路径规划提供一个基本的参考。
本申请实施例中,最大搜索区域为在机器人运算能力允许的前提下,尽可能满足机器人安全探测需求(即保证机器人运动决策的及时性和安全性需求)的区域。具体地,设根据机器人的极限运算能力确定的机器人能够进行路径规划运算的区域为第一极限范围区域,设根据机器人的安全探测需求确定的安全探测区域为第二极限范围区域,则最大搜索区域具体取该第一极限范围区域和第二极限范围区域中面积较小的区域。可选地,该最大搜索区域可以直接由用户测算该机器人的运算能力及安全探测需求后手动设置。或者,该最大搜索区域可以由该机器人根据自身运算能力自动测算第一极限范围区域,以及根据自身的反应速度和/或环境复杂度等条件自动测算第二极限范围区域后自动测定。可选地,用于表示该最大搜索区域的参数可以包括区域形状以及区域大小参数,例如区域形状可以为圆形,对应的区域大小参数可以为预设长度的半径;区域形状可以为矩形,对应的区域大小参数为该矩形的长度和宽度。
根据机器人当前位置、预设的全局路径以及最大搜索区域,确定当前的所述局部路径规划区域。具体地,根据该预设的全局路径的最终目标点以及机器人当前位置,确定机器人的行进方向;之后,根据该机器人当前位置、该行进方向以及该最大搜索区域,确定以该机器人当前位置起始点、沿行进方向上确定的位于该机器人附近的最大搜索区域即为局部路径规划区域。示例性地,设该最大搜索区域为长度为第一预设长度L1、宽度为第二预设长度L2的矩形区域,则根据机器人当前位置在该机器人行进方向上构建得到长度为L1,宽度为L2的矩形区域即为当前的局部路径规划区域,如图4所示,其中该机器人可以落于该矩形区域的一条边的中心位置上。
之后,求该局部路径规划区域远离于该机器人的区域边界与该预设的全局路径的交点,即得到局部路径目标点。示例性地,在图4中,预设的全局路径为以初始位置O为起点,以最终目标点T为终点的连线OT;该预设的全局路径OT与图4的局部路径规划区域(矩形区域)的远离于该机器人的区域边界的交点G即为当前的局部路径目标点。
可选地,若该预设的全局路径的最终目标点落于当前的局部路径规划区域之内,即该预设的全局路径的最终目标点与该局部路径规划区域的最远边界无交点,则直接以该最终目标点作为局部路径目标点。
需要说明的是,本申请实施例中,预设的全局路径只需提前规划一次,作为后续的机器人局部路径规划的参考;而局部路径规划是需要在机器人移动过程中每隔一定的距离或者一定的时间持续进行的,局部路径规划得到的局部路径才为机器人实际移动途经的路径,该局部路径规划为机器人自主导航过程的关键;本申请实施例中所要提高的具体为机器人的局部路径规划的准确性及效率。
本申请实施例中,由于结合预设的全局路径和最大搜索区域,能够更加准确地有效确定当前的局部路径区域及局部目标点,使得该局部路径规划区域尽可能地大、局部目标点尽可能地趋近最终目标点,从而使得根据后续确定出的局部路径更加准确,进而使得机器人能够更加及时准确地作出相应的运动决策。
在S102中,将所述局部路径规划区域划分为至少两个子区域,并确定各个所述子区域对应的子区域地图,所述子区域地图的分辨率按照所述子区域与所述机器人当前位置的距离由近及远的次序依次降低。
在确定当前的局部路径规划区域后,将该局部路径规划区域划分为至少两个子区域,该子区域的数目(以下称为目标数目)具体可以根据实际需求设定。之后,根据各个子区域所在位置以及机器人当前位置以及预存的全局导航地图,确定各个子区域对应的子区域地图。其中,与机器人当前位置的距离越近的子区域,对应的子区域地图的分辨率越高;与机器人当前位置的距离越远的区域,对应的子区域地图的分辨率越高。可选地,本申请实施例的各个子区域的面积大小相同,具体将局部路径规划区域等分为至少两个子区域。
可选地,该预存的全局导航地图具体可以为一张分辨率较高的原始全局导航地图,各个子区域对应的子区域地图的确定过程如下:
A1:依次为各个子区域设置对应的预设分辨率,各个预设分边率按照该子区域与机器人当前位置距离由近及远的次序依次降低;其中,各个预设分辨率小于或者等于该原始全局导航地图的分辨率。
A2:在各个子区域内,根据该子区域对应的预设分辨率以及该原始全局导航地图,动态构建分辨率为该预设分辨率的子区域地图。具体地,当预设分辨率等于该原始全局导航地图的分辨率时(通常为距离机器人当前位置最近的子区域对应的预设分辨率),直接根据该子区域所在位置截取该原始全局导航地图的对应区域,得到该子区域的子区域地图;当预设分辨率小于该原始全局导航地图时,根据该子区域所在位置截取该原始全局导航地图的对应区域,得到原始子区域地图,再对该原始子区域地图进行降分辨率处理,得到分辨率为该预设分辨率的子区域地图。
可选地,该预存的全局导航地图具体可以为提前构建的分辨率各异的多张全局导航地图,各个子区域对应的子区域地图的确定过程如下:
B1:从该分辨率各异的多张全局导航地图中,依次为每个子区域选择对应的全局导航地图,各个子区域对应的全局导航地图的分辨率按照各个子区域与机器人当前位置的距离由近及远的次序依次降低。
B2:每个子区域从各自对应的全局导航地图中截取该子区域所在位置的区域地图,得到该子区域对应的子区域地图。
示例性地,设划分的子区域的数目为2,机器人提前预存了一张第一预设分辨率的第一全局导航地图和一张第二预设分辨率的第二全局导航地图,其中第一预设分辨率高于第二预设分辨率,则离机器人当前位置较近的子区域对应第一全局导航地图,最终对应从该第一全局导航地图截取得到的子区域地图的分辨率为第一预设分辨率;离机器人当前位置较远的子区域对应第二全局导航地图,最终对应从该第二全局导航地图截取得到的子区域地图的分辨率为第二预设分辨率。
可选地,上述分辨率各异的多张全局导航地图具体可以由该机器人提前构建,或者由其它终端设备提前构建后发送给该机器人。构建的方法可以为对分辨率较高的原始全局导航地图依次进行降分辨率处理,得到分辨率各异的多张全局导航地图。
可选地,步骤A2所述的降分辨率处理或者上述分辨率各异的多张全局导航地图的构建过程的降分辨率处理的处理过程如下:
C1:确定当前的高分辨率地图及待生成低分辨率地图,其中,若该降分辨率处理为步骤A2中的降分辨率处理,则当前的高分辨率地图为步骤A2中的原始子区域地图,待生成低分辨率地图为步骤A2中待生成的子区域地图;若该降分辨率处理为上述的分辨率各异的全局导航地图的构建过程中的降分辨率处理,则当前的高分辨率地图为原始全局导航地图,待生成低分辨率地图为待生成的全局导航地图;
C2:根据该高分辨率地图的对应的高分辨率以及该待生成低分辨率地图对应的低分辨率,确定预设缩放倍数n,其中n为整数。
C3:根据该预设缩放倍数n、高分辨率地图与待生成低分辨率地图的位置对应关系,确定高分辨率地图上的像素点与低分辨率地图上的待填充像素点的对应关系,其中,高分辨率地图上每n*n个像素点对应待生成低分辨率地图上的一个待填充像素点,该n*n个像素点组成的区域所表示的实际物理位置与该一个待填充像素点所表示的实际物理位置一致。
C4:根据待生成低分辨率地图上各个待生成像素点分别对应的高分辨率地图上的n*n个像素点的像素信息,分别向各个待生成像素点填充对应的像素信息,最终完成该待生成低分辨率地图的像素信息填充,得到低分辨率地图。具体地,该像素信息可以包括障碍物标识,若一个像素点上存在该障碍物标识,则表示该像素点对应的实际物理位置上存在障碍物。对应地,若待生成像素点对应的该n*n个像素点中的任意一个或者多个像素点的像素信息中存在障碍物标识,则确定该待生成像素点的像素信息也存在该障碍物标识。示例性地,如图5所示,用黑色表示该障碍物标识,设n=3,高分辨率地图上的3*3个像素点对应低分辨率地图上的一个待生成像素点,则由于该3*3个像素点中有一个像素点存在障碍物标识,因此在低分辨率地图上对应的该待生成像素点也需标识上障碍物标识,以表示该待生成像素点对应的实际物理位置上存在障碍物。
可选地,所述步骤S102包括:
将所述局部路径规划区域划分为三个子区域,所述三个子区域对应的子区域地图按照离所述机器人当前位置由近及远的次序分别对应由高到低的三个分辨率。
本申请实施例中,具体将局部路径规划区域划分为三个子区域,三个子区域分别对应的子区域地图的分辨率分别为由高到低的三个分辨率。具体地,设三个子区域按照距离机器人当前位置由近及远的次序分别为第一子区域、第二子区域及第三子区域,其中,第一子区域对应的第一子区域地图的分辨率为第一预设分辨率,第二子区域对应的第二子区域地图的分辨率为第二预设分辨率,第三子区域对应的第三子区域地图的分辨率为第三预设分辨率,则第一预设分辨率高于第二预设分辨率,且第二预设分辨率高于第三预设分辨率。示例性地,设当前的局部路径规划区域为如图6所示的位于机器人行进方向上的矩形区域,则划分得到的三个子区域依次为如图6所示的第一子区域、第二子区域及第三子区域。
本申请实施例中,考虑到划分的子区域的数目过多时,其对应的子区域地图的确定过程较为复杂,进而影响机器人的路径规划效率;而若划分的子区域的数目过少,则最终进行局部路径规划时所依据的地图的分辨率不能够明显降低,进而导致机器人局部路径规划的运算量的降低不明显,因此经过综合考虑及实验验证,将子区域的数目确定为三个,既不会使得子区域地图的确定过程太过复杂,又能够明显地降低机器人局部路径规划的运算量,进而能够显著地提升机器人的路径规划效率。
在S103中,根据所述机器人当前位置、所述局部目标点及各个所述子区域对应的子区域地图,依次在各个所述子区域进行路径规划,确定每个子区域对应的子路径段。
以机器人当前位置作为当前局部路径规划的起点,以局部目标点作为当前局部路径规划的终点,依次根据各个子区域对应的子区域地图,在各个子区域进行路径规划,确定每个子区域中的对应的子路径段。具体地,根据各个子区域地图中的障碍物信息,确定出能够避开各个子区域上的障碍物的最短路径作为子路径段。其中,在各个子区域进行路径规划所采用的算法可以为静态最短路径算法Dikastra算法、A星(A Star,A*)算法、D星(DStar,D*)算法、优化的A*算法、优化的D*算法等常见的各种路径规划算法中的任意一个,此处不作限定。
示例性地,设当前划分得到的子区域具体为如图6所示的第一子区域、第二子区域及第三子区域,将这三个子区域则各个子区域对应的子路径段的确定过程如下(为了方便描述,以下将第一子区域与第二子区域的交界称为第一边界,将第二子区域与第三子区域的交界称为第二边界,将第三子区域远离于第二子区域一端的边界称为第三边界):
D1:以机器人当前位置S1作为第一起点,以局部目标点G作为目标点,在第一子区域内根据该第一子区域对应的第一子区域地图进行路径规划,得到第一子路径段Path_Seg_1,该第一子路径段Path_Seg_1与第一边界的交点即为第一子路径段的终点E1;
D2:以第一子路径段的终点E1作为第二子路径段的起点S2,以局部目标点G作为目标点,在第二子区域内根据该第二子区域对应的第二子区域地图进行路径规划,得到第二子路径段Path_Seg_2,该第二子路径段Path_Seg_2与第二边界的交点即为第二子路径段的终点E2;
D3:以第二子路径段的终点E2作为第三子路径段的起点S3,以局部目标点G作为目标点,在第三子区域内根据该第二子区域对应的第三子区域地图进行路径规划,得到第三子路径段Path_Seg_3,该第三子路径段Path_Seg_3与第三边界的交点即为第三子路径段的终点E3,该终点E3即为当前的局部目标点G。
可选地,若当前的局部目标点为落于当前局部路径规划区域之内的本次移动任务的最终目标点,则在步骤S103中,只需在与机器人当前位置的距离小于该局部目标点与机器人当前位置的距离的子区域内进行局部路径规划即可。示例性地,如图7所示,当机器人当前位置S1与最终目标点T的距离较近时,该最终目标点T落于局部路径规划区域之内,图中的最终目标点T具体位于上述的第一子区域内,则此时直接以该最终目标点T作为局部目标点G,并在第一子区域内根据机器人当前位置、该局部目标点G以及该第一子区域对应的第一子区域地图进行路径规划,得到以机器人当前位置S1为起点,以局部目标点G(也为最终目标点T)终点的第一子路径段即可。
在S104中,根据各个所述子路径段,确定当前的局部路径。
将步骤S103中的得带的各个子路径段进行拼接,得到的总路径段即为当前的局部路径,从而完成本次的局部路径规划过程。示例性地,如图6所示,将第一子路径段Path_Seg_1、第二子路径段Path_Seg_2、第三子路径段Path_Seg_3依次首尾连接得到的线段S1G即为当前的局部路径。可选地,若当前具体为如图7所示的只存在一条子路径段的特殊情况,则直接以该子路径段作为当前的局部路径段。
本申请实施例中,局部路径规划区域划分为至少两个子区域,在每个子区域进行路径规划时所依据的子区域地图的分辨率灵活变化,具体地,各个子区域地图的分辨率随着该子区域与机器人当前位置的距离由近到远依次降低。由于距离机器人最近的子区域的子区域地图的分辨率较高且局部路径规划区域无需缩小,即当前机器人能够提前分层次地感知足够大的范围的环境信息,因此能够保证机器人当前运动决策的及时性及准确性;并且,由于局部路径规划区域所依据的地图的分辨率总体降低,相对于现有的直接在局部路径规划区域统一采用一张固定分辨率的地图进行局部路径规划的方式,能够降低机器人局部路径规划的运算量,提高机器人的局部路径规划效率。
可选地,若第一子区域为离所述机器人当前位置最近的所述子区域,所述第一子区域对应的子路径段为当前的第一子路径段,则在所述步骤S104之后,还包括:
根据所述局部路径进行移动;
若所述第一子路径段的终点为最终目标点,则在移动至所述第一子路径段的终点时结束;否则,在移动至所述第一子路径段的终点后,更新所述机器人当前位置,并返回执行所述根据机器人当前位置,确定当前的局部路径规划区域及局部目标点的步骤以及后续的步骤,直至到达所述最终目标点。
本申请实施例中的最终目标点为机器人本次移动任务对应的最终的目的点,例如图4所示的点T。本申请实施例中,机器人以接收到该移动任务时所处的位置为初始位置,分多次进行局部路径规划,每次确定出当前的局部路径,根据该局部路径逐渐移动前进直至到达最终目标点。本申请实施例中,第一子区域为离机器人当前位置最近的子区域,第一子区域对应的子路径段为当前的第一子路径段。
在规划得到局部路径后,机器人按照该局部路径进行移动。具体地,根据该局部路径,确定机器人自身的运动参数,之后机器人根据该运动参数在该局部路径的第一子路径段上移动。即,根据机器人该局部路径进行移动时具体是在该局部路径的第一子路径段上移动,由于第一子区域离机器人最近,对应的第一子区域地图的分辨率最高,对应的第一子路径段的准确度最高,因此机器人可以直接在该第一子路径段上移动,而除该第一子路径段以外的位于其它分辨率较低的子区域上的子路径段只作为形成局部路径的一部分,用于确定机器人的运动参数,以使得该机器人的运动决策、移动过程更加安全准确。可选地,该运动参数可以包括机器人的移动速度、运动姿态等信息。
若当前第一子路径段的终点即为本次移动任务对应的最终目标点(例如图7所示),则机器人在该第一子路径上移动到达该第一子路径段的终点时,即到达了最终目标点,判定本次移动任务完并结束。
若第一子路径段的终点不为最终目标点(例如图6所示),则在机器人移动到达第一子路径段的终点后,继续进行下一次的局部路径规划,以逐渐抵达该最终目标点。具体地,机器人按照局部路径在该第一子路径段上移动,当到达该第一子路径段的终点时,以该第一子路径段的终点作为更新后的机器人当前位置,并返回执行步骤S101,以重新确定新的局部路径规划区域、局部目标点,规划出新的局部路径,根据该新的局部路径继续在新的第一子路径段上移动及判断。通过多次更新的局部路径规划及移动,向最终目标点靠近,直至抵达该最终目标点,完成本次移动任务。
本申请实施例中,由于能够根据当前规划出的足够长足够准确的局部路径来进行移动,循序渐进地向最终目标点靠近,因此能够使得机器人在移动过程中能够及时准确作出相应的运动决策,提高机器人移动的安全性及效率,保证机器人移动任务的有效执行。
可选地,所述根据所述局部路径进行移动,包括:
若在根据所述局部路径进行移动的过程中检测到前进障碍,则更新所述机器人当前位置,并返回执行所述根据机器人当前位置,确定当前的局部路径规划区域及局部目标点的步骤以及后续的步骤,以确定新的局部路径;
根据所述新的局部路径进行移动。
一般情况下,机器人当前规划出的局部路径为能够准确避开障碍物的路径。然而,由于环境复杂的机器人应用场景中,可能在机器人规划出当前局部路径后,又突然出现另外的动态障碍物(例如突然出现的行人、移动物体等),或者突然出现其他的原因,导致机器人无法按照当前的局部路径继续移动。此时,获取机器人实时的位置信息,更新机器人当前位置,并返回执行上述的步骤S101至步骤S104,以确定新的局部路径,由于该新的局部路径是重新根据进行局部路径规划确定的,因此能够结合最新的地图信息准确地避开前述的前进障碍。重新确定该新的局部路径后,机器人根据该新的局部路径继续进行移动。
本申请实施例中,由于在根据局部路径进行移动的过程中检测到前进障碍时,能够自动地重新确定新的局部路径,根据该新的局部路径继续后续的移动,因此能够让机器人自动灵活地解决前进障碍调整运动决策,从而提高机器人移动的自适应性及效率。
可选地,所述步骤S103包括:
根据所述机器人当前位置、所述局部目标点、各个所述子区域对应的子区域地图以及所述子区域的历史子路径段,依次在各个所述子区域进行路径规划,确定每个子区域当前对应的子路径段,其中所述子区域的历史子路径段为上一次在所述子区域进行路径规划得到的所述子区域的子路径段。
本申请实施例中,机器人在完成移动任务过程中,具体是通过多次的局部路径规划,每次确定出当前的局部路径,根据该局部路径逐渐移动前进直至到达最终目标点。如前所述,机器人在未到达最终目标点前,每次移动到第一子路径段上的终点后,会重新执行上述的步骤S101至步骤S104以重新确定当前的局部路径,以便根据该局部路径继续准确地移动,向最终目标点靠近。由于局部路径规划区域包括至少两个子区域,而每次步进至其中的第一子区域的边界后即会重新确定当前的局部路径规划区域以重新进行路径规划,因此当前的局部路径规划区域与上一次的局部路径规划区域存在交叠的区域。如图8所示,当前的局部路径规划区域中的第一子区域与上一次的局部路径规划区域中的第二子区域(简称为历史第二子区域)重叠,二者对应实际场景中的同一物理区域;同样地,当前的第二子区域与历史第三子区域也为重叠的同一物理区域。在上一次的路径规划中,确定出的历史第二子区域上的子路径段Path_Seg_2’即为当前的第一子区域的历史子路径段;确定出的历史第三区域上的子路径段Path_Seg_3’即为当前的第二子区域的历史子路径段。
由于对于实际场景中的同一物理区域,短时间内其地图信息(障碍物位置信息)不会发生太大的改变,因此在存在历史子路径段的子区域中进行路径规划时,可以参照该历史子路径段,以进一步提高路径规划的效率。具体地,在存在历史子路径段的子区域中,根据该历史子路径段的途径位置,对应在该子区域的子区域地图上进行采样,得到采样地图信息;之后,根据该采样地图信息在该子区域上进行路径规划,得到该子区域当前的子路径段。由于该采样地图信息的数据量远小于一整个子区域地图的数据量,因此根据该采样地图信息进行路径规划所需的运算量远小于根据完整子区域地图的信息进行路径规划所需的运算量,从而能够进一步提高路径规划的效率。
具体地,在该存在历史子路径的子区域上,存在当前为该子区域确定的较高分辨率的当前子区域地图,同时存在上一次路径规划中为该子区域确定的较低分辨分辨率的历史子区域地图,上述采样地图信息的获取过程如下:
根据该历史子区域地图与当前子区域地图的分辨率转换关系,确定该历史子路径段对应在该当前子区域地图的具体位置(以下称为路径区域位置);之后,根据该路径区域位置采样该当前子区域地图的地图信息,得到该采样地图信息。通常,历史子区域地图的分辨率小于当前子区域地图的分辨率,如图8所示,在第一子区域中,当前子区域地图的分辨率为第一预设分辨率,而与该第一子区域对应的历史子区域地图(即与该第一子区域对应的历史第二子区域的子区域地图)的分辨率为第二预设分辨率。由于历史子路径段是根据历史子区域地图确定的,因此需要根据历史子区域地图与当前子区域地图的分辨率转换关系进行位置映射,才能准确确定该历史子路径段在当前子区域地图中的具体位置。
本申请实施例中,由于在各个子区域进行路径规划时,能够结合该历史子路径段的信息,更准确快速地确定该子区域的子路径段,因此能够进一步提高机器人的路径规划效率。
可选地,所述根据所述局部路径进行移动,包括:
根据所述局部路径的长度、曲率、所述局部路径与参照路径的偏差值中的任意一项或者多项,确定当前的移动速度;
根据所述移动速度在所述局部路径上移动。
本申请实施例中,机器人通过当前的局部路径确定的运动参数具体为确定当前的移动速度。具体地,根据局部路径的长度、曲率、局部路径与参照路径的偏差值中的任意一项或者多项,确定机器人的行进方向上是否存在障碍物;当存在障碍物时,降低当前的移动速度,以避免机器人移动过程中移动速度过快,导致机器人避障决策(用于避免与障碍物碰撞而作出的机器人姿态调整)不及时而与障碍物发生碰撞。在确定了当前的移动速度后,机器人根据该移动速度在该局部路径上移动,以安全、准确地避开障碍物。
具体地,在确定局部路径时,可能存在由于局部路径规划区域的巨型障碍物或者较多较密集的障碍物而造成区域截断,导致确定出的局部路径的长度较短(即规划出的局部路径的终点为该巨型障碍物附近,而不能完整连接至当前的局部目标点)。因此,可以根据局部路径的长度,确定该机器人附近是否存在障碍物。具体地,根据局部路径的长度确定当前的移动速度,可以包括:若局部路径的长度大于第一阈值,则提高当前的移动速度(例如将移动速度提高至第一预设速度);若局部路径的长度小于或者等于第一阈值,则降低当前的移动速度(例如将移动速度降低至第二预设速度);若局部路径的长度小于第二阈值,则将确定当前的移动速度为零。当局部路径的长度较长时,说明当前机器人前方路段开阔,障碍物较少或者没有障碍物,此时可以提高移动速度,以快速到达目的地。当局部路径的长度小于第一阈值时,说明机器人行进方向上在障碍物,此时需要降低当前的移动速度(例如降低至第一预设速度)。若当前的局部路径的长度小于第二阈值时(第二阈值小于第一阈值),则说明机器人与障碍物非常靠近,此时可以直接将移动速度调整为零,不再前进,并由机器人的其它避障决策单元执行诸如行进方向调整、发出求助等功能来避开当前的障碍。
具体地,在路径规划时,对存在障碍物的区域,通常需要采用曲线路径以使规划出的路径能够绕开障碍物;而对于不存在障碍物的区域,则直接采用路程较短、简单直接的直线路径作为规划出的路径。因此,通过当前局部路径的曲率,可以机器人行进方向上是否存在障碍物。具体地,若局部路径的曲率小于第一预设曲率,则判定机器人行进方向上不存在或者存在较少障碍物,提高当前的移动速度;若局部路径的曲率大于第二预设曲率,则判定机器人行进方向上存在较多障碍物,降低当前的移动速度;其中,第一预设曲率小于或者等于第二预设曲率。
具体地,当前的局部路径存在参照路径,该参照路径可以为预设的全局路径落入当前的局部路径规划区域中的路径段,例如图4所示的线段HG;或者,该参照路径还可以为当前的局部路径区域中存在的历史子路径段,例如图8所示的历史子路径段Path_Seg_2’和Path_Seg_3’。由于局部路径与参照路径都是直接或者间接以最终目标点作为目的点(即路径规划的目的为抵达最终目标点)来进行规划的,因此通常情况下,局部路径与参照路径的差异不会过大;而在特殊情况下,即机器人在当前局部路径规划区域进行路径规划时,存在突然出现的动态障碍的情况,则相应确定出的局部路径会与之前的参照路径存在较大差异。具体地,若局部路径与参照路径的偏差值小于预设偏差值,则判定机器人行进方向上不存在或者存在较少障碍物,提高当前的移动速度;若局部路径与参照路径的偏差值大于或者等于预设偏差值,则判定机器人行进方向上存在较多障碍物,降低当前的移动速度。其中,偏差值可以根据局部路径与参照路径的余弦相似度、距离、角度偏差、曲率偏差、交叠长度中的一项或者多项确定。
本申请实施例中,由于在机器人移动过程中,能够根据局部路径的长度、曲率、局部路径与参照路径的偏差值中的一项或者多项来相应地调整移动速度,使得机器人能够在移动过程中及时准确地避开障碍物,提高机器人移动的安全性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例三:
图9示出了本申请实施例提供的一种机器人的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分:
该机器人包括:局部路径规划区域确定单元91、区域划分单元92、路径规划单元93、路径确定单元94。其中:
局部路径规划区域确定单元91,用于根据机器人当前位置,确定当前的局部路径规划区域及局部目标点;所述局部目标点为当前局部路径规划的目的点。
可选地,所述局部路径规划区域确定单元91,具体用于根据所述机器人当前位置、预设的全局路径以及最大搜索区域,确定当前的所述局部路径规划区域及所述局部目标点。
区域划分单元92,用于将所述局部路径规划区域划分为至少两个子区域,并确定各个所述子区域对应的子区域地图,所述子区域地图的分辨率按照所述子区域与所述机器人当前位置的距离由近及远的次序依次降低。
可选地,所述区域划分单元92,具体用于将所述局部路径规划区域划分为三个子区域,所述三个子区域对应的子区域地图按照离所述机器人当前位置由近及远的次序分别对应由高到低的三个分辨率。
路径规划单元93,用于根据所述机器人当前位置、所述局部目标点及各个所述子区域对应的子区域地图,依次在各个所述子区域进行路径规划,确定每个子区域对应的子路径段。
路径确定单元94,用于根据各个所述子路径段,确定当前的局部路径。
可选地,所述机器人还包括:
移动单元,用于根据所述局部路径进行移动;
判定单元,用于若所述第一子路径段的终点为最终目标点,则在移动至所述所述第一子路径段的终点时结束;否则,在移动至所述第一子路径段的终点后,更新所述机器人当前位置,并返回执行所述根据机器人当前位置,确定当前的局部路径规划区域及局部目标点的步骤以及后续的步骤,直至到达所述最终目标点。
可选地,所述移动单元包括:
障碍检测模块,用于若在根据所述局部路径进行移动的过程中检测到前进障碍,则更新所述机器人当前位置,并返回执行所述根据机器人当前位置,确定当前的局部路径规划区域及局部目标点的步骤以及后续的步骤,以确定新的局部路径;根据所述新的局部路径进行移动。
可选地,所述移动单元,具体用于根据所述局部路径的长度、曲率、所述局部路径与参照路径的偏差值中的任意一项或者多项,确定当前的移动速度;
根据所述移动速度在所述局部路径上移动。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
实施例四:
图10是本申请一实施例提供的终端设备的示意图。如图10所示,该实施例的终端设备10包括:处理器100、存储器101以及存储在所述存储器101中并可在所述处理器100上运行的计算机程序102,例如机器人路径规划程序。所述处理器100执行所述计算机程序102时实现上述各个机器人路径规划方法实施例中的步骤,例如图1所示的步骤S101至S104。或者,所述处理器100执行所述计算机程序102时实现上述各装置实施例中各模块/单元的功能,例如图9所示单元91至94的功能。
示例性的,所述计算机程序102可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器101中,并由所述处理器100执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序102在所述终端设备10中的执行过程。例如,所述计算机程序102可以被分割成局部路径规划区域确定单元、区域划分单元、路径规划单元、路径确定单元,各模块具体功能如下:
局部路径规划区域确定单元,用于根据机器人当前位置,确定当前的局部路径规划区域及局部目标点;所述局部目标点为当前局部路径规划的目的点。
区域划分单元,用于将所述局部路径规划区域划分为至少两个子区域,并确定各个所述子区域对应的子区域地图,所述子区域地图的分辨率按照所述子区域与所述机器人当前位置的距离由近及远的次序依次降低。
路径规划单元,用于根据所述机器人当前位置、所述局部目标点及各个所述子区域对应的子区域地图,依次在各个所述子区域进行路径规划,确定每个子区域对应的子路径段。
路径确定单元,用于根据各个所述子路径段,确定当前的局部路径。
所述终端设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器100、存储器101。本领域技术人员可以理解,图10仅仅是终端设备10的示例,并不构成对终端设备10的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器100可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器101可以是所述终端设备10的内部存储单元,例如终端设备10的硬盘或内存。所述存储器101也可以是所述终端设备10的外部存储设备,例如所述终端设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器101还可以既包括所述终端设备10的内部存储单元也包括外部存储设备。所述存储器101用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种机器人路径规划方法,其特征在于,包括:
根据机器人当前位置,确定当前的局部路径规划区域及局部目标点;所述局部目标点为当前局部路径规划的目的点;
将所述局部路径规划区域划分为至少两个子区域,并确定各个所述子区域对应的子区域地图,所述子区域地图的分辨率按照所述子区域与所述机器人当前位置的距离由近及远的次序依次降低;
根据所述机器人当前位置、所述局部目标点及各个所述子区域对应的子区域地图,依次在各个所述子区域进行路径规划,确定每个子区域对应的子路径段;
根据各个所述子路径段,确定当前的局部路径。
2.如权利要求1所述的机器人路径规划方法,其特征在于,所述根据机器人当前位置,确定当前的局部路径规划区域及局部目标点,包括:
根据所述机器人当前位置、预设的全局路径以及最大搜索区域,确定当前的所述局部路径规划区域及所述局部目标点。
3.如权利要求1所述的机器人路径规划方法,其特征在于,所述将所述局部路径规划区域划分为至少两个子区域,并确定各个所述子区域对应的子区域地图,包括:
将所述局部路径规划区域划分为三个子区域,所述三个子区域对应的子区域地图按照离所述机器人当前位置由近及远的次序分别对应由高到低的三个分辨率。
4.如权利要求1至3任意一项所述的机器人路径规划方法,其特征在于,若第一子区域为离所述机器人当前位置最近的所述子区域,所述第一子区域对应的子路径段为当前的第一子路径段,则在所述根据各个所述子路径段,确定当前的局部路径之后,还包括:
根据所述局部路径进行移动;
若所述第一子路径段的终点为最终目标点,则在移动至所述所述第一子路径段的终点时结束;否则,在移动至所述第一子路径段的终点后,更新所述机器人当前位置,并返回执行所述根据机器人当前位置,确定当前的局部路径规划区域及局部目标点的步骤以及后续的步骤,直至到达所述最终目标点。
5.如权利要求4所述的机器人路径规划方法,其特征在于,所述根据所述局部路径进行移动,包括:
若在根据所述局部路径进行移动的过程中检测到前进障碍,则更新所述机器人当前位置,并返回执行所述根据机器人当前位置,确定当前的局部路径规划区域及局部目标点的步骤以及后续的步骤,以确定新的局部路径;
根据所述新的局部路径进行移动。
6.如权利要求4所述的机器人路径规划方法,其特征在于,根据所述机器人当前位置、所述局部目标点及各个所述子区域对应的子区域地图,依次在各个所述子区域进行路径规划,确定每个子区域对应的子路径段,包括:
根据所述机器人当前位置、所述局部目标点、各个所述子区域对应的子区域地图以及所述子区域的历史子路径段,依次在各个所述子区域进行路径规划,确定每个子区域当前对应的子路径段,其中所述子区域的历史子路径段为上一次在所述子区域进行路径规划得到的所述子区域的子路径段。
7.如权利要求4所述的机器人路径规划方法,其特征在于,所述根据所述局部路径进行移动,包括:
根据所述局部路径的长度、曲率、所述局部路径与参照路径的偏差值中的任意一项或者多项,确定当前的移动速度;
根据所述移动速度在所述局部路径上移动。
8.一种机器人,其特征在于,包括:
局部路径规划区域确定单元,用于根据机器人当前位置,确定当前的局部路径规划区域及局部目标点;所述局部目标点为当前局部路径规划的目的点;
区域划分单元,用于将所述局部路径规划区域划分为至少两个子区域,并确定各个所述子区域对应的子区域地图,所述子区域地图的分辨率按照所述子区域与所述机器人当前位置的距离由近及远的次序依次降低;
路径规划单元,用于根据所述机器人当前位置、所述局部目标点及各个所述子区域对应的子区域地图,依次在各个所述子区域进行路径规划,确定每个子区域对应的子路径段;
路径确定单元,用于根据各个所述子路径段,确定当前的局部路径。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,当所述处理器执行所述计算机程序时,使得终端设备实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,当所述计算机程序被处理器执行时,使得终端设备实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010499222.8A CN111813101B (zh) | 2020-06-04 | 2020-06-04 | 机器人路径规划方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010499222.8A CN111813101B (zh) | 2020-06-04 | 2020-06-04 | 机器人路径规划方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111813101A true CN111813101A (zh) | 2020-10-23 |
CN111813101B CN111813101B (zh) | 2024-04-02 |
Family
ID=72847975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010499222.8A Active CN111813101B (zh) | 2020-06-04 | 2020-06-04 | 机器人路径规划方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111813101B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112857359A (zh) * | 2021-01-19 | 2021-05-28 | 中冶赛迪工程技术股份有限公司 | 一种路径规划方法、系统、介质及电子终端 |
CN113741415A (zh) * | 2021-07-08 | 2021-12-03 | 江苏云洲智能科技有限公司 | 路径规划方法、装置、终端设备及计算机可读存储介质 |
CN113848947A (zh) * | 2021-10-20 | 2021-12-28 | 上海擎朗智能科技有限公司 | 路径规划方法、装置、计算机设备及存储介质 |
CN113865607A (zh) * | 2021-09-26 | 2021-12-31 | 上海擎朗智能科技有限公司 | 路径规划方法、装置、设备及存储介质 |
CN114872029A (zh) * | 2022-06-09 | 2022-08-09 | 深圳市巨龙创视科技有限公司 | 一种机器人视觉识别系统 |
CN114888495A (zh) * | 2022-06-30 | 2022-08-12 | 中船黄埔文冲船舶有限公司 | 一种基于中组立模型的焊接控制方法及系统 |
CN115390552A (zh) * | 2022-07-28 | 2022-11-25 | 云鲸智能(深圳)有限公司 | 路径规划方法、装置、清洁系统及存储介质 |
WO2023130766A1 (zh) * | 2022-01-05 | 2023-07-13 | 美的集团(上海)有限公司 | 机器人的路径规划方法、电子设备及计算机可读存储介质 |
CN117311368A (zh) * | 2023-11-23 | 2023-12-29 | 武汉光昱明晟智能科技有限公司 | 自动预标线机器人系统及其作业方法 |
WO2024078256A1 (zh) * | 2022-10-14 | 2024-04-18 | 珠海一微半导体股份有限公司 | 一种激光机器人路径规划方法及芯片 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107121142A (zh) * | 2016-12-30 | 2017-09-01 | 深圳市杉川机器人有限公司 | 移动机器人的拓扑地图创建方法及导航方法 |
CN107831765A (zh) * | 2017-10-23 | 2018-03-23 | 广州视源电子科技股份有限公司 | 定位方法、装置、设备及存储介质 |
CN108981739A (zh) * | 2018-06-08 | 2018-12-11 | 南方科技大学 | 一种路径规划方法、装置、服务器及存储介质 |
US20190004533A1 (en) * | 2017-07-03 | 2019-01-03 | Baidu Usa Llc | High resolution 3d point clouds generation from downsampled low resolution lidar 3d point clouds and camera images |
CN109903367A (zh) * | 2017-12-07 | 2019-06-18 | 北京京东尚科信息技术有限公司 | 构建地图的方法、装置和计算机可读存储介质 |
US20190206122A1 (en) * | 2017-12-29 | 2019-07-04 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating raster map |
CN110398964A (zh) * | 2019-07-16 | 2019-11-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
CN110501907A (zh) * | 2019-08-29 | 2019-11-26 | 上海有个机器人有限公司 | 用于机器人导航的自适应动态地图网格生成方法 |
US20200116517A1 (en) * | 2017-06-16 | 2020-04-16 | Bayerische Motoren Werke Aktiengesellschaft | Methods and Apparatus for Selecting a Map for a Moving Object, System, and Vehicle/Robot |
-
2020
- 2020-06-04 CN CN202010499222.8A patent/CN111813101B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107121142A (zh) * | 2016-12-30 | 2017-09-01 | 深圳市杉川机器人有限公司 | 移动机器人的拓扑地图创建方法及导航方法 |
US20200116517A1 (en) * | 2017-06-16 | 2020-04-16 | Bayerische Motoren Werke Aktiengesellschaft | Methods and Apparatus for Selecting a Map for a Moving Object, System, and Vehicle/Robot |
US20190004533A1 (en) * | 2017-07-03 | 2019-01-03 | Baidu Usa Llc | High resolution 3d point clouds generation from downsampled low resolution lidar 3d point clouds and camera images |
CN107831765A (zh) * | 2017-10-23 | 2018-03-23 | 广州视源电子科技股份有限公司 | 定位方法、装置、设备及存储介质 |
CN109903367A (zh) * | 2017-12-07 | 2019-06-18 | 北京京东尚科信息技术有限公司 | 构建地图的方法、装置和计算机可读存储介质 |
US20190206122A1 (en) * | 2017-12-29 | 2019-07-04 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating raster map |
CN108981739A (zh) * | 2018-06-08 | 2018-12-11 | 南方科技大学 | 一种路径规划方法、装置、服务器及存储介质 |
CN110398964A (zh) * | 2019-07-16 | 2019-11-01 | 浙江大学 | 一种低能量损耗机器人全覆盖路径规划方法及系统 |
CN110501907A (zh) * | 2019-08-29 | 2019-11-26 | 上海有个机器人有限公司 | 用于机器人导航的自适应动态地图网格生成方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112857359B (zh) * | 2021-01-19 | 2024-03-01 | 中冶赛迪工程技术股份有限公司 | 一种路径规划方法、系统、介质及电子终端 |
CN112857359A (zh) * | 2021-01-19 | 2021-05-28 | 中冶赛迪工程技术股份有限公司 | 一种路径规划方法、系统、介质及电子终端 |
CN113741415B (zh) * | 2021-07-08 | 2022-11-08 | 江苏云洲智能科技有限公司 | 路径规划方法、装置、终端设备及计算机可读存储介质 |
CN113741415A (zh) * | 2021-07-08 | 2021-12-03 | 江苏云洲智能科技有限公司 | 路径规划方法、装置、终端设备及计算机可读存储介质 |
CN113865607A (zh) * | 2021-09-26 | 2021-12-31 | 上海擎朗智能科技有限公司 | 路径规划方法、装置、设备及存储介质 |
CN113848947A (zh) * | 2021-10-20 | 2021-12-28 | 上海擎朗智能科技有限公司 | 路径规划方法、装置、计算机设备及存储介质 |
WO2023130766A1 (zh) * | 2022-01-05 | 2023-07-13 | 美的集团(上海)有限公司 | 机器人的路径规划方法、电子设备及计算机可读存储介质 |
CN114872029A (zh) * | 2022-06-09 | 2022-08-09 | 深圳市巨龙创视科技有限公司 | 一种机器人视觉识别系统 |
CN114872029B (zh) * | 2022-06-09 | 2024-02-02 | 深圳市巨龙创视科技有限公司 | 一种机器人视觉识别系统 |
CN114888495A (zh) * | 2022-06-30 | 2022-08-12 | 中船黄埔文冲船舶有限公司 | 一种基于中组立模型的焊接控制方法及系统 |
CN115390552A (zh) * | 2022-07-28 | 2022-11-25 | 云鲸智能(深圳)有限公司 | 路径规划方法、装置、清洁系统及存储介质 |
WO2024078256A1 (zh) * | 2022-10-14 | 2024-04-18 | 珠海一微半导体股份有限公司 | 一种激光机器人路径规划方法及芯片 |
CN117311368A (zh) * | 2023-11-23 | 2023-12-29 | 武汉光昱明晟智能科技有限公司 | 自动预标线机器人系统及其作业方法 |
CN117311368B (zh) * | 2023-11-23 | 2024-04-09 | 武汉光昱明晟智能科技有限公司 | 自动预标线机器人系统及其作业方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111813101B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111813101B (zh) | 机器人路径规划方法、装置、终端设备及存储介质 | |
US10816977B2 (en) | Path and speed optimization fallback mechanism for autonomous vehicles | |
US20200211399A1 (en) | Information Transmission Method, Traffic Control Unit, and On-Board Unit | |
CN113715814B (zh) | 碰撞检测方法、装置、电子设备、介质及自动驾驶车辆 | |
CN109974727B (zh) | 一种机器人充电方法、装置及机器人 | |
KR20180100194A (ko) | 경로 이탈 인식 방법, 단말 및 저장 매체 | |
EP4134285A1 (en) | Vehicle obstacle avoidance method and apparatus, electronic device, and storage medium | |
US20190317509A1 (en) | Novel method on moving obstacle representation for trajectory planning | |
EP4033324A1 (en) | Obstacle information sensing method and device for mobile robot | |
CN112560680A (zh) | 车道线处理方法、装置、电子设备及存储介质 | |
WO2022056770A1 (zh) | 一种路径规划方法和路径规划装置 | |
EP4170581A1 (en) | Method, device and system for cooperatively constructing point cloud map | |
US20220144265A1 (en) | Moving Track Prediction Method and Apparatus | |
CN111177934B (zh) | 参考路径规划的方法、设备和存储介质 | |
CN111752276A (zh) | 局部路径规划方法、装置、计算机可读存储介质及机器人 | |
CN113867347A (zh) | 机器人路径规划方法、装置、管理系统及计算机存储介质 | |
CN115933751A (zh) | 无人农机的全覆盖路径规划方法、装置及电子设备 | |
CN113029167A (zh) | 一种地图数据处理方法、地图数据处理装置及机器人 | |
CN112036274A (zh) | 一种可行驶区域检测方法、装置、电子设备及存储介质 | |
CN111413701A (zh) | 一种障碍物距离的确定方法、装置、车载设备及存储介质 | |
WO2021027966A1 (zh) | 行进方法、可行进设备和存储介质 | |
US20230095552A1 (en) | Map construction method, robot and medium | |
CN113741415B (zh) | 路径规划方法、装置、终端设备及计算机可读存储介质 | |
CN115388878A (zh) | 一种地图构建方法、装置及终端设备 | |
CN116070903A (zh) | 通过障碍物区域的风险确定方法、装置以及电子设备 |
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 |