CN111830956B - 一种检测移动机器人工作状态的方法及移动机器人 - Google Patents

一种检测移动机器人工作状态的方法及移动机器人 Download PDF

Info

Publication number
CN111830956B
CN111830956B CN201910305266.XA CN201910305266A CN111830956B CN 111830956 B CN111830956 B CN 111830956B CN 201910305266 A CN201910305266 A CN 201910305266A CN 111830956 B CN111830956 B CN 111830956B
Authority
CN
China
Prior art keywords
mobile robot
sampling period
path data
state
motion information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910305266.XA
Other languages
English (en)
Other versions
CN111830956A (zh
Inventor
冯炜龙
郭斌
朱云飞
石彦麟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Ezviz Software Co Ltd
Original Assignee
Hangzhou Ezviz Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Ezviz Software Co Ltd filed Critical Hangzhou Ezviz Software Co Ltd
Priority to CN201910305266.XA priority Critical patent/CN111830956B/zh
Publication of CN111830956A publication Critical patent/CN111830956A/zh
Application granted granted Critical
Publication of CN111830956B publication Critical patent/CN111830956B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas

Abstract

本申请是关于一种检测移动机器人工作状态的方法及移动机器人，属于移动机器人领域。所述移动机器人包括位移传感器和驱动轮速度及行程传感系统，所述方法包括：通过所述位移传感器获取所述移动机器人在连续的N个采样周期内的第一运动信息，N为大于或等于3的整数，所述N个采样周期位于当前时间之前；通过所述驱动轮速度及行程传感系统获取所述移动机器人在所述N个采样周期内的第二运动信息；根据所述移动机器人在所述N个采样周期内的第一运动信息和第二运动信息，检测所述移动机器人当前的工作状态。本申请能够避免对移动机器人的状态检测出现失效的情况。

Description

一种检测移动机器人工作状态的方法及移动机器人
技术领域
本申请涉及移动机器人领域，特别涉及一种检测移动机器人工作状态的方法及移动机器人。
背景技术
移动机器人是可以自由移动的机器人装置，在移动机器人移动的过程中需要躲避障碍物，以保障移动机器人能正常移动。目前移动机器人在移动的过程可以检测自己的状态，当检测到自身被障碍物卡死时，可以重新规划移动路线，以躲避障碍物。
为了检测移动机器人是否被卡死，可以在移动机器人的四周表面上安装多个感应开关装置，再在移动机器人上安装每个感应开关装置对应的撞板，每个感应开关装置位于移动机器人和其对应的撞板之间，每个感应开关装置和其对应的撞板之间有间隙。当移动机器人被障碍物卡死时，障碍物与移动机器人表面的撞板相撞，撞板变形并长时间与该撞板对应的感应开关装置接触，移动机器人检测出该接触处，并据此确定移动机器人卡死，然后重新规划移动路线。
发明人在实现本申请的过程中，发现上述方式至少存在如下缺陷：
移动机器人表面的相邻两个撞板之间存在间隔，当障碍物撞在该间隔内，对移动机器人的状态检测将失效，或者，在移动机器人移动的过程中感应开关装置和撞板之间被地面上突出的障碍物卡住，对移动机器人的状态检测也将失效。
发明内容
本申请实施例提供了一种检测移动机器人工作状态的方法及移动机器人，以避免对移动机器人的状态检测出现失效的情况。所述技术方案如下：
一方面，本申请提供了一种检测移动机器人工作状态的方法，所述移动机器人包括位移传感器和驱动轮速度及行程传感系统，所述位移传感器用于以地面为参照物测量其运动的位移，所述驱动轮速度及行程传感系统用于测量所述移动机器人的驱动轮行走的路程和速度；所述方法包括：
通过所述位移传感器获取所述移动机器人在连续的N个采样周期内的第一运动信息，N为大于或等于3的整数，所述N个采样周期位于当前时间之前；
通过所述驱动轮速度及行程传感系统获取所述移动机器人在所述N个采样周期内的第二运动信息；
根据所述移动机器人在所述N个采样周期内的第一运动信息和第二运动信息，检测所述移动机器人当前的工作状态。
可选的，所述移动机器人在一个采样周期内的第一运动信息包括所述移动机器人在所述一个采样周期内行走的第一路程数据，所述一个采样周期为所述N个采样周期中任一个采样周期；
所述移动机器人在一个采样周期内的第二运动信息包括所述移动机器人在所述一个采样周期内行走的第二路程数据和平均速度，以及所述移动机器人在第N个采样周期的第二运动信息还包括所述移动机器人在所述第N个采样周期的结束时刻的瞬时速度。
可选的，所述通过所述位移传感器获取所述移动机器人在连续的N个采样周期内的第一运动信息，包括：
获取所述位移传感器在一个采样周期测量的m个位移数据，m为大于1的整数；
根据所述一个采样周期内测量的m个位移数据，获取所述移动机器人在所述一个采样周期内行走的第一路程数据。
可选的，所述根据所述移动机器人在所述N个采样周期内的第一运动信息和第二运动信息，检测所述移动机器人当前的工作状态，包括：
在所述瞬时速度小于预设阈值且所述移动机器人在第N-1个采样周期内的检测状态为卡死状态，确定所述移动机器人在所述第N个采样周期内的检测状态为卡死状态以及所述移动机器人当前的工作状态为卡死状态，所述检测状态是所述移动机器人在第N-1个采样周期内的临时工作状态；
在所述瞬时速度大于或等于预设阈值且所述移动机器人在第M个采样周期至第N-1个采样周期中的每个采样周期内的检测状态均为卡死状态，根据所述N个采样周期中的每个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态，M为大于1且小于或等于N-1的整数；
在所述瞬时速度大于或等于预设阈值且所述移动机器人在第N-1个采样周期内的检测状态为正常状态，根据第N个采样周期内的第二路程数据和平均速度，以及第N-1个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态。
可选的，所述根据所述N个采样周期中的每个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态，包括：
对所述N个采样周期中的每个采样周期内的第一路程数据和第二路程数据进行加权运算，得到所述每个采样周期内的第三路程数据；
根据第1个采样周期至第N-1个采样周期中的每个采样周期内的第三路程数据和平均速度，以及第N个采样周期内的平均速度，获取第一距离阈值；
根据第N个采样周期内的第三路程数据和所述第一距离阈值检测所述移动机器人当前的工作状态。
可选的，所述根据第N个采样周期内的第三路程数据和所述第一距离阈值检测所述移动机器人当前的工作状态，包括：
在第N个采样周期内的第三路程数据小于第一距离阈值时，确定所述移动机器人在第N个采样周期内的检测状态为卡死状态以及确定所述移动机器人当前的工作状态为卡死状态；
在第N个采样周期内的第三路程数据大于或等于第一距离阈值时，根据第N个采样周期内测量的m个位移数据确定所述移动机器人在第N个采样周期内的实际轨迹，根据所述实际轨迹和所述移动机器人在第N个采样周期内的规划轨迹，检测所述移动机器人当前的工作状态，m为大于1的整数。
可选的，所述根据第N个采样周期内的第二路程数据和平均速度，以及第N-1个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态，包括：
对第N-1个采样周期内的第一路程数据和第二路程数据进行加权运算，得到第N-1个采样周期内的第三路程数据，以及对第N个采样周期内的第一路程数据和第二路程数据进行加权运算，得到第N个采样周期内的第三路程数据；
根据第N-1个采样周期的第三路程数据和平均速度以及第N个采样周期内的第三路程数据和平均速度，获取第二距离阈值；
根据第N个采样周期内的第三路程数据和所述第二距离阈值检测所述移动机器人当前的工作状态。
可选的，所述根据第N个采样周期内的第三路程数据和所述第二距离阈值检测所述移动机器人当前的工作状态，包括：
在第N个采样周期内的第三路程数据小于第二距离阈值时，确定所述移动机器人在第N个采样周期内的检测状态为卡死状态以及确定所述移动机器人当前的工作状态为正常状态；
在第N个采样周期内的第三路程数据大于或等于第二距离阈值时，根据第N个采样周期内测量的m个位移数据确定所述移动机器人在第N个采样周期内的实际轨迹，根据所述实际轨迹和所述移动机器人在第N个采样周期内的规划轨迹，检测所述移动机器人当前的工作状态，m为大于1的整数。
另一方面，本申请提供了一种移动机器人，包括：
位移传感器，用于以地面为参照物测量其运动的位移；
驱动轮速度及行程传感系统，用于测量所述移动机器人的驱动轮行走的路程和速度；
处理器，用于通过所述位移传感器获取所述移动机器人在连续的N个采样周期内的第一运动信息，N为大于或等于3的整数，所述N个采样周期位于当前时间之前；通过所述驱动轮速度及行程传感系统获取所述移动机器人在所述N个采样周期内的第二运动信息；根据所述移动机器人在所述N个采样周期内的第一运动信息和第二运动信息，检测所述移动机器人当前的工作状态。
可选的，所述移动机器人在一个采样周期内的第一运动信息包括所述移动机器人在所述一个采样周期内行走的第一路程数据，所述一个采样周期为所述N个采样周期中任一个采样周期；
所述移动机器人在一个采样周期内的第二运动信息包括所述移动机器人在所述一个采样周期内行走的第二路程数据和平均速度，以及所述移动机器人在第N个采样周期的第二运动信息还包括所述移动机器人在所述第N个采样周期的结束时刻的瞬时速度。
可选的，所述处理器，用于：
获取所述位移传感器在一个采样周期测量的m个位移数据，m为大于1的整数；
根据所述一个采样周期内测量的m个位移数据，获取所述移动机器人在所述一个采样周期内行走的第一路程数据。
可选的，所述处理器，用于：
在所述瞬时速度小于预设阈值且所述移动机器人在第N-1个采样周期内的检测状态为卡死状态，确定所述移动机器人在所述第N个采样周期内的检测状态为卡死状态以及所述移动机器人当前的工作状态为卡死状态，所述检测状态是所述移动机器人在第N-1个采样周期内的临时工作状态；
在所述瞬时速度大于或等于预设阈值且所述移动机器人在第M个采样周期至第N-1个采样周期中的每个采样周期内的检测状态均为卡死状态，根据所述N个采样周期中的每个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态，M为大于1且小于或等于N-1的整数；
在所述瞬时速度大于或等于预设阈值且所述移动机器人在第N-1个采样周期内的检测状态为正常状态，根据第N个采样周期内的第二路程数据和平均速度，以及第N-1个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态。
可选的，所述处理器，用于：
对所述N个采样周期中的每个采样周期内的第一路程数据和第二路程数据进行加权运算，得到所述每个采样周期内的第三路程数据；
根据第1个采样周期至第N-1个采样周期中的每个采样周期内的第三路程数据和平均速度，以及第N个采样周期内的平均速度，获取第一距离阈值；
根据第N个采样周期内的第三路程数据和所述第一距离阈值检测所述移动机器人当前的工作状态。
可选的，所述处理器，用于：
在第N个采样周期内的第三路程数据小于第一距离阈值时，确定所述移动机器人在第N个采样周期内的检测状态为卡死状态以及确定所述移动机器人当前的工作状态为卡死状态；
在第N个采样周期内的第三路程数据大于或等于第一距离阈值时，根据第N个采样周期内测量的m个位移数据确定所述移动机器人在第N个采样周期内的实际轨迹，根据所述实际轨迹和所述移动机器人在第N个采样周期内的规划轨迹，检测所述移动机器人当前的工作状态，m为大于1的整数。
可选的，所述处理器，用于：
对第N-1个采样周期内的第一路程数据和第二路程数据进行加权运算，得到第N-1个采样周期内的第三路程数据，以及对第N个采样周期内的第一路程数据和第二路程数据进行加权运算，得到第N个采样周期内的第三路程数据；
根据第N-1个采样周期的第三路程数据和平均速度以及第N个采样周期内的第三路程数据和平均速度，获取第二距离阈值；
根据第N个采样周期内的第三路程数据和所述第二距离阈值检测所述移动机器人当前的工作状态。
可选的，所述处理器，用于：
在第N个采样周期内的第三路程数据小于第二距离阈值时，确定所述移动机器人在第N个采样周期内的检测状态为卡死状态以及确定所述移动机器人当前的工作状态为正常状态；
在第N个采样周期内的第三路程数据大于或等于第二距离阈值时，根据第N个采样周期内测量的m个位移数据确定所述移动机器人在第N个采样周期内的实际轨迹，根据所述实际轨迹和所述移动机器人在第N个采样周期内的规划轨迹，检测所述移动机器人当前的工作状态，m为大于1的整数。
另一方面，本申请提供一种非易失性计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器加载并执行，以实现一方面或一方面的任一种可选的方法的指令。
本申请实施例提供的技术方案可以包括以下有益效果：
由于通过位移传感器获取移动机器人在连续的N个采样周期内的第一运动信息，以及通过驱动轮速度及行程传感系统获取移动机器人在该N个采样周期内的第二运动信息，这样根据第一运动信息和第二运动信息检测移动机器人当前的工作状态，对移动机器人的状态检测不会出现失效的情况。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请实施例提供的一种移动机器人的结构示意图；
图2是本申请实施例提供的一种检测移动机器人工作状态的方法流程图；
图3是本申请实施例提供的另一种检测移动机器人工作状态的方法流程图；
图4是本申请实施例提供的另一种移动机器人的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
参见图1，本申请实施例提供了一种移动机器人100，该移动机器人100上设有位移传感器101、驱动轮102、被动轮103、驱动轮速度及行程传感系统和处理器(图中未画出)。
位移传感器101，用于周期性地测量位移传感器101相对地面移动过的位移数据。用于测量位移数据的测量周期的长度很短，通常只有几毫秒，甚至更短。
由于位移传感器101位于移动机器人100上，随着移动机器人移动而移动，所以位移传感器101在每个测量周期内测量的位移数据可以为移动机器人100在每个测量周期内的位移数据。
驱动轮速度及行程传感系统，用于测量移动机器人100上的驱动轮102走过的路程数据以及驱动轮当前的速度。
通常移动机器人100上的驱动轮102走过的路程数据可以作为移动机器人100行走的路程数据，以及将驱动轮当前的速度作为移动机器人100当前的瞬时速度。
这样，移动机器人100的处理器可以通过位移传感器101获取移动机器人100在连续的N个采样周期内的第一运动信息，第一运动信息包括移动机器人100在该N个采样周期中的每个采样周期内行走的第一路程数据，N为大于或等于3的整数；以及，通过驱动轮速度及行程传感系统获取移动机器人100在该N个采样周期内的第二运动信息，第二运动信息包括移动机器人100在每个采样周期内行走的第二路程数据和平均速度，以及移动机器人100在第N个采样周期的结束时刻时的瞬时速度；根据第一运动信息和所述第二运动信息，检测移动机器人100的工作状态。
其中，关于处理器如何检测移动机器人100的工作状态的详细过程，可以参见如下任一实施例中的内容，在此先不做详细介绍。
采样周期的长度可以为几秒或十几秒等，一个采样周期包括m个测量周期，m为大于1的整数。也就是说在一个采集周期内位移传感器101测量到m个位移数据。
可选的，驱动轮速度及行程传感系统可以为光电编码器等。位移传感器可以为光流传感器等。
参见图2，本申请实施例提供了一种检测移动机器人工作状态的方法，所述移动机器人包括位移传感器和驱动轮速度及行程传感系统，所述方法包括：
步骤201：通过位移传感器获取移动机器人在连续的N个采样周期内的第一运动信息，N为大于或等于3的整数，该N个采样周期位于当前时间之前。
步骤202：通过驱动轮速度及行程传感系统获取移动机器人在该N个采样周期内的第二运动信息。
步骤203：根据移动机器人在该N个采样周期内的第一运动信息和第二运动信息，检测移动机器人当前的工作状态。
在本申请实施例中，由于通过位移传感器获取移动机器人在连续的N个采样周期内的第一运动信息，以及通过驱动轮速度及行程传感系统获取移动机器人在该N个采样周期内的第二运动信息，这样根据第一运动信息和第二运动信息检测移动机器人当前的工作状态，对移动机器人的状态检测不会出现失效。
参见图3，本申请实施例提供了一种检测移动机器人工作状态的方法，该方法可以用于如图1所示的移动机器人中，该方法包括：
步骤301：通过位移传感器获取移动机器人在连续的N个采样周期内的第一运动信息，N为大于或等于3的整数。
在本步骤中，设置一个采样周期，在当前采样周期的起始时或在当前采样周期的起始之后，开始检测移动机器人当前的工作状态，该N个采样周期位于当前时间之前且是与当前时间最近的采样周期。
可选的，第一运动信息包括移动机器人在N个采样周期中的每个采样周期内行走的第一路程数据。
其中，在移动机器人行走的过程中，移动机器人上的位移传感器会按照一个测量周期周期性地测量位移传感器相对地面移动过的位移数据。一个采样周期包括m个测量周期，m为大于1的整数。所以在一个采样周期内通过移动机器人上的位移传感器可以测量到m个位移数据。
在本步骤中，在N个采样周期内，通过位移传感器在该N个采样周期中的每个采样周期内测量m个位移数据，在每个采样周期内可以获取并保存该m个位移数据；这样在开始检测移动机器人当前的工作状态时，对于每个采样周期，根据保存的该采样周期内测量的m个位移数据，计算移动机器人在该采样周期内行走的第一路程数据，如此根据每个采样周期内测量的m个位移数据，可以计算出移动机器人在每个采样周期内行走的第一路程数据，即得到N个第一路程数据。或者，
在每个采样周期内，通过位移传感器在该采样周期内测量m个位移数据，根据该采样周期内测量的m个位移数据，计算移动机器人在该采样周期内行走的第一路程数据，保存该采样周期内行走的第一路程数据。这样在开始检测移动机器人当前的工作状态时，直接获取保存的该N个采样周期中的每个采样周期内移动机器人行走的第一路程数据，即获取到N个第一路程数据。
可选的，对于每个采样周期，对该采样周期内测量的m个位移数据，按如下第一公式进行累加，得到移动机器人在该采样周期内行走的第一路程数据。
第一公式为：
在第一公式中，S为第一路程数据，xi和yi为第i个位移数据。
步骤302：通过驱动轮速度及行程传感系统获取移动机器人在该N个采样周期内的第二运动信息。
对于每个采样周期，该采样周期的第二运动信息包括移动机器人在该采样周期内行走的第二路程数据和平均速度，第N个采样周期的第二运动信息还包括移动机器人的驱动轮在第N个采样周期的结束时刻的瞬时速度。
移动机器人上的驱动轮速度及行程传感系统用于测量驱动轮走过的路程距离以及驱动轮当前的瞬时速度。所以对于每个采样周期，在该采样周期的起始时刻获取驱动轮速度及行程传感系统测量驱动轮走过的第一路程距离，以及在该采样周期的结束时刻获取驱动轮速度及行程传感系统测量驱动轮走过的第二路程距离，根据第一路程距离和第二路程距离计算出在该采样周期内移动机器人行走的第二路程数据，并保存第二路程数据。获取驱动轮速度及行程传感系统在该采样周期内实时测量驱动轮的瞬时速度，根据在该采样周期内实时测量的瞬时速度计算出移动机器人在该采样周期内的平均速度，并保存该平均速度，以及将在第N个采样周期的结束时刻测量的瞬时速度作为移动机器人在第N个采样周期的结束时刻时的瞬时速度，并保存该瞬时速度。这样在开始检测移动机器人的工作状态时，获取保存的每个采样周期内的第二路程数据、平均速度和第N个采样周期的结束时刻的瞬时速度。
步骤303：判断移动机器人的驱动轮在第N个采样周期的结束时刻的瞬时速度是否大于预设阈值，如果该瞬时速度小于预设阈值，则执行步骤304，如果该瞬时速度大于或大于预设阈值，则执行步骤305。
步骤304：确定移动机器人在第N个采样周期内的检测状态为卡死状态，根据第M个采样周期至第N-1个采样周期中的每个采样周期内的移动机器人的检测状态确定移动机器人当前的工作状态，M为大于或等于1且小于或等于N-1的整数，结束操作。
检测状态是移动机器人在第N-1个采样周期内的临时工作状态。
在本步骤中，由于移动机器人的驱动轮在第N个采样周期的结束时刻的瞬时速度小于预测阈值，所以将移动机器人在第N个采样周期内的检测状态设为卡死状态；对第M个采样周期至第N个采样周期中的每个采样周期内的移动机器人的检测状态进行判断。如果每个采样周期内的移动机器人的检测状态均为卡死状态，确定移动机器人当前的工作状态也为卡死状态；如果不是每个采样周期内的移动机器人的检测状态均为卡死状态，确定移动机器人当前的工作状态为正常状态。
在本步骤中，如果每个采样周期内的移动机器人的检测状态均为卡死状态，表明在连续N-M+1个采样周期中的每个采样周期内确定移动机器人的检测状态均为卡死状态，表明移动机器人可能确实被卡死，从而将移动机器人当前的工作状态设为卡死状态。
在M＝N-1，确定移动机器人在第N个采样周期内的检测状态为卡死状态后，对第N-1个采样周期内的移动机器人的检测状态进行判断，如果第N-1个采样周期内的移动机器人的检测状态为卡死状态，则在连续两个采样周期内的移动机器人的检测状态均为卡死状态，从而确定移动机器人当前的工作状态也为卡死状态；如果第N-1个采样周期内的移动机器人的检测状态为正常状态，则确定移动机器人当前的工作状态为正常状态。
步骤305：判断第M个采样周期至第N-1个采样周期中的每个采样周期内的移动机器人的检测状态是否均为卡死状态，如果均为卡死状态，则执行步骤306，如果不是均为卡死状态，则执行步骤309。
在M＝N-1时，判断移动机器人在第N-1个采样周期内的检测状态是否为卡死状态，如果是卡死状态，则执行步骤306，如果不是卡死状态，则执行步骤309。
步骤306：对该N个采样周期中的每个采样周期内的第一路程数据和第二路程数据进行加权运算，得到每个采样周期内的第三路程数据。
在本步骤中，对于第1个采样周期，根据第一加权值、第二加权值、移动机器人在第1个采样周期内行走的第一路程数据和移动机器人在第1个采样周期内行走的第二路程数据，按如下第二公式获取移动机器人在第1个采样周期内的第三路程数据；对于第2个采样周期，根据第一加权值、第二加权值、移动机器人在第2个采样周期内行走的第一路程数据和移动机器人在第2个采样周期内行走的第二路程数据，按如下第二公式获取移动机器人在第2个采样周期内的第三路程数据；……，对于第N个采样周期，根据第一加权值、第二加权值、移动机器人在第N个采样周期内行走的第一路程数据和移动机器人在第N个采样周期内行走的第二路程数据，按如下第一公式获取移动机器人在第N个采样周期内的第三路程数据。
第二公式为：S＝a*S1+b*S2；
在第二公式中，S为第三路程数据，S1为第一路程数据，S2为第二路程数据，a为第一加权值，b为第二加权值。
步骤307：根据移动机器人在第1个采样周期至第N-1个采样周期中的每个采样周期内的第三路程数据和该每个采样周期的平均速度，获取第一距离阈值。
在本步骤中，根据移动机器人在第1个采样周期至第N-1个采样周期中的每个采样周期内的第三路程数据以及第1个采样周期至第N-1个采样周期中的每个采样周期对应的路程系数，按如下第三公式计算移动机器人在第1个采样周期至第N-1个采样周期内行走的第一总路程数据。
第三公式为：L＝k1*L1+k2*L2+…+kN-1*LN-1；
在第三公式中，L为第一总路程数据，k1和L1分别为第1个采样周期对应的路程系数和第三路程数据，k2和L2分别为第2个采样周期对应的路程系数和第三路程数据，kN-1和LN-1分别为第N-1个采样周期对应的路程系数和第三路程数据。
根据移动机器人在第1个采样周期至第N-1个采样周期中的每个采样周期的平均速度和每个采样周期对应的速度系数，按如下第四公式计算移动机器人在第1个采样周期至第N-1个采样周期中的第一平均速度。
第四公式为：V＝g1*V1+g2*V2+…+gN-1*VN-1；
在第四公式中，V为第一平均速度，g1和V1分别为第1个采样周期对应的速度系数和平均速度，g2和V2分别为第2个采样周期对应的速度系数和平均速度，gN-1和VN-1分别为第N-1个采样周期对应的速度系数和平均速度。
根据第一总里程数据、第一平均速度和移动机器人在第N个采样周期内的平均速度，按如下第五公式计算第一距离阈值。
第五公式为：S51＝k*VN/V*L；
在第五公式中，S51为第一距离阈值，VN为移动机器人在第N个采样周期内的平均速度。
步骤308：根据第N个采样周期内的第三路程数据和第一距离阈值检测移动机器人的工作状态，结束操作。
本步骤可以通过如下3081至3083的操作来实现。该3081至3083的操作分别为：
3081：判断第N个采样周期内的第三路程数据是否小于第一距离阈值，如果第N个采样周期内的第三路程数据小于第一距离阈值，则执行3082，如果第N个采样周期内的第三路程数据大于或等于第一距离阈值，则执行3083。
3082：确定移动机器人在第N个采样周期内的检测状态为卡死状态以及确定移动机器人当前的工作状态也为卡死状态，结束操作。
3083：根据第N个采样周期内测量的m个位移数据确定移动机器人在第N个采样周期内的实际轨迹，根据实际轨迹和移动机器人在第N个采样周期内的规划轨迹，检测移动机器人的工作状态，结束操作。
在本步骤中，根据第N个采样周期内测量的m个位移数据，可以绘制出移动机器人在第N个采样周期内的实际轨迹，获取移动机器人在第N个采样周期内规划的规划轨迹，计算实际轨迹和规划轨迹之间的拟合度。在该拟合度小于预设拟合度阈值时，确定移动机器人在第N个采样周期的检测状态为卡死状态以及移动机器人当前的工作状态也为卡死状态。在该拟合度大于或等于预设拟合度阈值时，确定移动机器人在第N个采样周期的检测状态为正常状态以及移动机器人当前的工作状态也为正常状态。
步骤309：对第N-1个采样周期内的第一路程数据和第二路程数据进行加权运算，得到第N-1个采样周期内的第三路程数据，以及对第N个采样周期内的第一路程数据和第二路程数据进行加权运算，得到第N个采样周期内的第三路程数据。
在本步骤中，对于第N-1个采样周期，根据第一加权值、第二加权值、移动机器人在第N-1个采样周期内行走的第一路程数据和移动机器人在第N-1个采样周期内行走的第二路程数据，按上述第二公式获取移动机器人在第1个采样周期内的第三路程数据；对于第N个采样周期，根据第一加权值、第二加权值、移动机器人在第N个采样周期内行走的第一路程数据和移动机器人在第N个采样周期内行走的第二路程数据，按上述第二公式获取移动机器人在第N个采样周期内的第三路程数据。
步骤310：根据移动机器人第N-1个采样周期内的第三路程数据和平均速度和移动机器人第N个采样周期内的第三路程数据和平均速度，获取第二距离阈值。
在本步骤中，根据移动机器人在第N-1个采样周期内的第三路程数据，移动机器人在第N-1个采样周期内的平均速度和移动机器人在第N个采样周期内的平均速度，按如下第六公式计算第二距离阈值。
第六公式为：S52＝k*VN/VN-1*LN-1；
在第六公式中，S52为第二距离阈值，VN-1为移动机器人在第N-1个采样周期内的平均速度，VN为移动机器人在第N个采样周期内的平均速度，LN-1为移动机器人在第N-1个采样周期的第三路程数据。
步骤311：根据第N个采样周期内的第三路程数据和第二距离阈值检测移动机器人的工作状态，结束操作。
本步骤可以通过如下3111至3112的操作来实现。该3111至3112的操作分别为：
3111：在第N个采样周期内的第三路程数据小于第二距离阈值时，确定移动机器人在第N个采样周期内的检测状态为卡死状态以及确定移动机器人当前的工作状态为正常状态。
3112：在第N个采样周期内的第三路程数据大于或等于第二距离阈值时，根据第N个采样周期内测量的m个位移数据确定移动机器人在第N个采样周期内的实际轨迹，根据该实际轨迹和移动机器人在第N个采样周期内的规划轨迹，检测移动机器人的工作状态。
在本步骤中，对第N个采样周期内测量的m个位移数据确定移动机器人在第N个采样周期内的实际轨迹，获取移动机器人在第N个采样周期内规划的规划轨迹，计算实际轨迹和规划轨迹之间的拟合度。在该拟合度小于预设拟合度阈值时，确定移动机器人在第N个采样周期的检测状态为卡死状态以及确定移动机器人当前的工作状态为正常状态。在该拟合度大于或等于预设拟合度阈值时，确定移动机器人在第N个采样周期的检测状态为正常状态以及确定移动机器人当前的工作状态也为正常状态。
在本申请实施例中，由于通过位移传感器获取移动机器人在连续的N个采样周期内的第一运动信息，以及通过驱动轮速度及行程传感系统获取移动机器人在该N个采样周期内的第二运动信息，这样根据第一运动信息和第二运动信息检测移动机器人当前的工作状态，对移动机器人的状态检测不会出现失效；另外，N为大于或等于3的整数，在检测的过程中结合移动机器人在该N个采样周期的检测状态，来检测移动机器人当前的工作状态，可以提高检测的准确性。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
参见图4，本申请实施例提供了一种移动机器人400，包括：位移传感器401、驱动轮速度及行程传感系统402和处理器403。
所述位移传感器401，用于以地面为参照物测量其运动的位移；
所述驱动轮速度及行程传感系统402，用于测量所述移动机器人的驱动轮行走的路程和速度；
所述处理器403，用于通过所述位移传感器获取所述移动机器人在连续的N个采样周期内的第一运动信息，N为大于或等于3的整数，所述N个采样周期位于当前时间之前；通过所述驱动轮速度及行程传感系统获取所述移动机器人在所述N个采样周期内的第二运动信息；根据所述移动机器人在所述N个采样周期内的第一运动信息和第二运动信息，检测所述移动机器人当前的工作状态。
可选的，所述移动机器人在一个采样周期内的第一运动信息包括所述移动机器人在所述一个采样周期内行走的第一路程数据，所述一个采样周期为所述N个采样周期中任一个采样周期；
所述移动机器人在一个采样周期内的第二运动信息包括所述移动机器人在所述一个采样周期内行走的第二路程数据和平均速度，以及所述移动机器人在第N个采样周期的第二运动信息还包括所述移动机器人在所述第N个采样周期的结束时刻的瞬时速度。
可选的，所述处理器403，用于：
获取所述位移传感器在一个采样周期测量的m个位移数据，m为大于1的整数；
根据所述一个采样周期内测量的m个位移数据，获取所述移动机器人在所述一个采样周期内行走的第一路程数据。
可选的，所述处理器403，用于：
在所述瞬时速度小于预设阈值且所述移动机器人在第N-1个采样周期内的检测状态为卡死状态，确定所述移动机器人在所述第N个采样周期内的检测状态为卡死状态以及所述移动机器人当前的工作状态为卡死状态；
在所述瞬时速度大于或等于预设阈值且所述移动机器人在第M个采样周期至第N-1个采样周期中的每个采样周期内的检测状态均为卡死状态，根据所述N个采样周期中的每个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态，M为大于1且小于或等于N-1的整数；
在所述瞬时速度大于或等于预设阈值且所述移动机器人在第N-1个采样周期内的检测状态为正常状态，根据第N个采样周期内的第二路程数据和平均速度，以及第N-1个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态。
可选的，所述处理器403，用于：
对所述N个采样周期中的每个采样周期内的第一路程数据和第二路程数据进行加权运算，得到所述每个采样周期内的第三路程数据；
根据第1个采样周期至第N-1个采样周期中的每个采样周期内的第三路程数据和平均速度，以及第N个采样周期内的平均速度，获取第一距离阈值；
根据第N个采样周期内的第三路程数据和所述第一距离阈值检测所述移动机器人当前的工作状态。
可选的，所述处理器403，用于：
在第N个采样周期内的第三路程数据小于第一距离阈值时，确定所述移动机器人在第N个采样周期内的检测状态为卡死状态以及确定所述移动机器人当前的工作状态为卡死状态；
在第N个采样周期内的第三路程数据大于或等于第一距离阈值时，根据第N个采样周期内测量的m个位移数据确定所述移动机器人在第N个采样周期内的实际轨迹，根据所述实际轨迹和所述移动机器人在第N个采样周期内的规划轨迹，检测所述移动机器人当前的工作状态，m为大于1的整数。
可选的，所述处理器403，用于：
对第N-1个采样周期内的第一路程数据和第二路程数据进行加权运算，得到第N-1个采样周期内的第三路程数据，以及对第N个采样周期内的第一路程数据和第二路程数据进行加权运算，得到第N个采样周期内的第三路程数据；
根据第N-1个采样周期的第三路程数据和平均速度以及第N个采样周期内的第三路程数据和平均速度，获取第二距离阈值；
根据第N个采样周期内的第三路程数据和所述第二距离阈值检测所述移动机器人当前的工作状态。
可选的，所述处理器403，用于：
在第N个采样周期内的第三路程数据小于第二距离阈值时，确定所述移动机器人在第N个采样周期内的检测状态为卡死状态以及确定所述移动机器人当前的工作状态为正常状态；
在第N个采样周期内的第三路程数据大于或等于第二距离阈值时，根据第N个采样周期内测量的m个位移数据确定所述移动机器人在第N个采样周期内的实际轨迹，根据所述实际轨迹和所述移动机器人在第N个采样周期内的规划轨迹，检测所述移动机器人当前的工作状态，m为大于1的整数。
在本申请实施例中，由于通过位移传感器获取移动机器人在连续的N个采样周期内的第一运动信息，以及通过驱动轮速度及行程传感系统获取移动机器人在该N个采样周期内的第二运动信息，这样根据第一运动信息和第二运动信息检测移动机器人当前的工作状态，对移动机器人的状态检测不会出现失效。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本领域技术人员在考虑说明书及实践这里公开的申请后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (9)

1.一种检测移动机器人工作状态的方法，其特征在于，所述移动机器人包括位移传感器和驱动轮速度及行程传感系统，所述位移传感器用于以地面为参照物测量其运动的位移，所述驱动轮速度及行程传感系统用于测量所述移动机器人的驱动轮行走的路程和速度；所述方法包括：
通过所述位移传感器获取所述移动机器人在连续的N个采样周期内的第一运动信息，N为大于或等于3的整数，所述N个采样周期位于当前时间之前；
通过所述驱动轮速度及行程传感系统获取所述移动机器人在所述N个采样周期内的第二运动信息；
根据所述移动机器人在所述N个采样周期内的第一运动信息和第二运动信息，检测所述移动机器人当前的工作状态；
其中，所述根据所述移动机器人在所述N个采样周期内的第一运动信息和第二运动信息，检测所述移动机器人当前的工作状态，包括：
在所述移动机器人在第N个采样周期的结束时刻的瞬时速度小于预设阈值且所述移动机器人在第N-1个采样周期内的检测状态为卡死状态，确定所述移动机器人当前的工作状态为卡死状态，所述检测状态是所述移动机器人在第N-1个采样周期内的临时工作状态；
在所述瞬时速度大于或等于预设阈值且所述移动机器人在第M个采样周期至第N-1个采样周期中的每个采样周期内的检测状态均为卡死状态，根据所述N个采样周期中的每个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态，M为大于1且小于或等于N-1的整数；
在所述瞬时速度大于或等于预设阈值且所述移动机器人在第N-1个采样周期内的检测状态为正常状态，根据第N个采样周期内的第二路程数据和平均速度，以及第N-1个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态。
2.如权利要求1所述的方法，其特征在于，所述移动机器人在一个采样周期内的第一运动信息包括所述移动机器人在所述一个采样周期内行走的第一路程数据，所述一个采样周期为所述N个采样周期中任一个采样周期；
所述移动机器人在一个采样周期内的第二运动信息包括所述移动机器人在所述一个采样周期内行走的第二路程数据和平均速度，以及所述移动机器人在第N个采样周期的第二运动信息还包括所述移动机器人在所述第N个采样周期的结束时刻的瞬时速度。
3.如权利要求2所述的方法，其特征在于，所述通过所述位移传感器获取所述移动机器人在连续的N个采样周期内的第一运动信息，包括：
获取所述位移传感器在一个采样周期测量的m个位移数据，m为大于1的整数；
根据所述一个采样周期内测量的m个位移数据，获取所述移动机器人在所述一个采样周期内行走的第一路程数据。
4.如权利要求1所述的方法，其特征在于，所述根据所述N个采样周期中的每个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态，包括：
对所述N个采样周期中的每个采样周期内的第一路程数据和第二路程数据进行加权运算，得到所述每个采样周期内的第三路程数据；
根据第1个采样周期至第N-1个采样周期中的每个采样周期内的第三路程数据和平均速度，以及第N个采样周期内的平均速度，获取第一距离阈值；
根据第N个采样周期内的第三路程数据和所述第一距离阈值检测所述移动机器人当前的工作状态。
5.如权利要求4所述的方法，其特征在于，所述根据第N个采样周期内的第三路程数据和所述第一距离阈值检测所述移动机器人当前的工作状态，包括：
在第N个采样周期内的第三路程数据小于第一距离阈值时，确定所述移动机器人当前的工作状态为卡死状态；
在第N个采样周期内的第三路程数据大于或等于第一距离阈值时，根据第N个采样周期内测量的m个位移数据确定所述移动机器人在第N个采样周期内的实际轨迹，根据所述实际轨迹和所述移动机器人在第N个采样周期内的规划轨迹，检测所述移动机器人当前的工作状态，m为大于1的整数。
6.如权利要求1所述的方法，其特征在于，所述根据第N个采样周期内的第二路程数据和平均速度，以及第N-1个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态，包括：
对第N-1个采样周期内的第一路程数据和第二路程数据进行加权运算，得到第N-1个采样周期内的第三路程数据，以及对第N个采样周期内的第一路程数据和第二路程数据进行加权运算，得到第N个采样周期内的第三路程数据；
根据第N-1个采样周期的第三路程数据和平均速度以及第N个采样周期内的第三路程数据和平均速度，获取第二距离阈值；
根据第N个采样周期内的第三路程数据和所述第二距离阈值检测所述移动机器人当前的工作状态。
7.如权利要求6所述的方法，其特征在于，所述根据第N个采样周期内的第三路程数据和所述第二距离阈值检测所述移动机器人当前的工作状态，包括：
在第N个采样周期内的第三路程数据小于第二距离阈值时，确定所述移动机器人当前的工作状态为正常状态；
在第N个采样周期内的第三路程数据大于或等于第二距离阈值时，根据第N个采样周期内测量的m个位移数据确定所述移动机器人在第N个采样周期内的实际轨迹，根据所述实际轨迹和所述移动机器人在第N个采样周期内的规划轨迹，检测所述移动机器人当前的工作状态，m为大于1的整数。
8.一种移动机器人，其特征在于，包括：
位移传感器，用于以地面为参照物测量所述移动机器人运动的位移；
驱动轮速度及行程传感系统，用于测量所述移动机器人的驱动轮行走的路程和速度；
处理器，用于通过所述位移传感器获取所述移动机器人在连续的N个采样周期内的第一运动信息，N为大于或等于3的整数，所述N个采样周期位于当前时间之前；通过所述驱动轮速度及行程传感系统获取所述移动机器人在所述N个采样周期内的第二运动信息；根据所述移动机器人在所述N个采样周期内的第一运动信息和第二运动信息，检测所述移动机器人当前的工作状态；
其中，所述根据所述移动机器人在所述N个采样周期内的第一运动信息和第二运动信息，检测所述移动机器人当前的工作状态，包括：
在所述移动机器人在第N个采样周期的结束时刻的瞬时速度小于预设阈值且所述移动机器人在第N-1个采样周期内的检测状态为卡死状态，确定所述移动机器人当前的工作状态为卡死状态，所述检测状态是所述移动机器人在第N-1个采样周期内的临时工作状态；
在所述瞬时速度大于或等于预设阈值且所述移动机器人在第M个采样周期至第N-1个采样周期中的每个采样周期内的检测状态均为卡死状态，根据所述N个采样周期中的每个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态，M为大于1且小于或等于N-1的整数；
在所述瞬时速度大于或等于预设阈值且所述移动机器人在第N-1个采样周期内的检测状态为正常状态，根据第N个采样周期内的第二路程数据和平均速度，以及第N-1个采样周期内的第二路程数据和平均速度，检测所述移动机器人当前的工作状态。
9.如权利要求8所述的移动机器人，其特征在于，所述移动机器人在一个采样周期内的第一运动信息包括所述移动机器人在所述一个采样周期内行走的第一路程数据，所述一个采样周期为所述N个采样周期中任一个采样周期；
所述移动机器人在一个采样周期内的第二运动信息包括所述移动机器人在所述一个采样周期内行走的第二路程数据和平均速度，以及所述移动机器人在第N个采样周期的第二运动信息还包括所述移动机器人在所述第N个采样周期的结束时刻的瞬时速度。
CN201910305266.XA 2019-04-16 2019-04-16 一种检测移动机器人工作状态的方法及移动机器人 Active CN111830956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910305266.XA CN111830956B (zh) 2019-04-16 2019-04-16 一种检测移动机器人工作状态的方法及移动机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910305266.XA CN111830956B (zh) 2019-04-16 2019-04-16 一种检测移动机器人工作状态的方法及移动机器人

Publications (2)

Publication Number Publication Date
CN111830956A CN111830956A (zh) 2020-10-27
CN111830956B true CN111830956B (zh) 2024-04-05

Family

ID=72915620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910305266.XA Active CN111830956B (zh) 2019-04-16 2019-04-16 一种检测移动机器人工作状态的方法及移动机器人

Country Status (1)

Country Link
CN (1) CN111830956B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004173399A (ja) * 2002-11-19 2004-06-17 Toshiba Corp 空転滑走検出装置
JP2009067296A (ja) * 2007-09-14 2009-04-02 Honda Motor Co Ltd 車両用走行制御装置
CN105792720A (zh) * 2013-12-04 2016-07-20 三星电子株式会社 清洁机器人及其控制方法
CN106953589A (zh) * 2017-03-21 2017-07-14 深圳市晟鑫能源科技有限公司 一种用于光伏清洁机判断真卡死和假卡死的控制方法
CN107643186A (zh) * 2017-09-15 2018-01-30 深圳市杉川机器人有限公司 机器打滑检测的方法、装置及系统
CN107671862A (zh) * 2017-11-17 2018-02-09 珠海市微半导体有限公司 机器人被卡住的检测方法及处理方法
CN108628312A (zh) * 2018-05-14 2018-10-09 珠海市微半导体有限公司 机器人被卡的检测方法和脱卡的控制方法及芯片
CN108638053A (zh) * 2018-04-03 2018-10-12 珠海市微半导体有限公司 一种机器人打滑的检测方法及其矫正方法
CN109414145A (zh) * 2018-06-28 2019-03-01 广州艾若博机器人科技有限公司 基于光流传感器的测速方法、打滑检测方法、可移动电子设备、路径纠正方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110021191A (ko) * 2009-08-25 2011-03-04 삼성전자주식회사 로봇의 슬립 감지 장치 및 방법
KR102083188B1 (ko) * 2013-07-29 2020-03-02 삼성전자주식회사 청소 로봇 및 그 제어 방법

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004173399A (ja) * 2002-11-19 2004-06-17 Toshiba Corp 空転滑走検出装置
JP2009067296A (ja) * 2007-09-14 2009-04-02 Honda Motor Co Ltd 車両用走行制御装置
CN105792720A (zh) * 2013-12-04 2016-07-20 三星电子株式会社 清洁机器人及其控制方法
CN106953589A (zh) * 2017-03-21 2017-07-14 深圳市晟鑫能源科技有限公司 一种用于光伏清洁机判断真卡死和假卡死的控制方法
CN107643186A (zh) * 2017-09-15 2018-01-30 深圳市杉川机器人有限公司 机器打滑检测的方法、装置及系统
CN107671862A (zh) * 2017-11-17 2018-02-09 珠海市微半导体有限公司 机器人被卡住的检测方法及处理方法
CN108638053A (zh) * 2018-04-03 2018-10-12 珠海市微半导体有限公司 一种机器人打滑的检测方法及其矫正方法
CN108628312A (zh) * 2018-05-14 2018-10-09 珠海市微半导体有限公司 机器人被卡的检测方法和脱卡的控制方法及芯片
CN109414145A (zh) * 2018-06-28 2019-03-01 广州艾若博机器人科技有限公司 基于光流传感器的测速方法、打滑检测方法、可移动电子设备、路径纠正方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JOHANN BORENSTEIN et al..Real-time obstacle avoidance for fast mobile robots.IEEE Transaction on Systems,Man and Cybernetics.1989,第19卷(第5期,1179-1187页),全文. *
移动机器人异常检测及避让策略;段琢华 等;计算机工程;第33卷(第20期, 201-203页);全文 *

Also Published As

Publication number Publication date
CN111830956A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN1932524B (zh) 在个人导航器中的检测步伐的设备和方法
US9417154B2 (en) Monitoring a response of a bridge based on a position of a vehicle crossing the bridge
EP1978432B1 (en) Routing apparatus for autonomous mobile unit
US8634959B2 (en) Apparatus and method detecting a robot slip
US20040158358A1 (en) Method of teaching traveling path to robot and robot having function of learning traveling path
CN112068558B (zh) 一种穿梭车行走定位控制方法
KR100759056B1 (ko) 초음파 센서를 포함하는 장애물 회피 방향 안내 시스템
JP4905341B2 (ja) 位置推定装置及び位置推定システム
US9969389B2 (en) Enhanced vehicle operation
CN105809126A (zh) Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法
CN106662631A (zh) 基于rfid的定位与地图构建方法及其装置
CN112119188B (zh) 控制安装在铁路干预车辆上的一个或多个干预工具的集合的方法
US20200108849A1 (en) Running location identification system, running location identification apparatus, and running location identification method for railroad cars
KR101115012B1 (ko) 로봇의 각속도 오차 보정 장치 및 방법
CN109798901B (zh) 一种档案用机器人及其导航定位系统及导航定位方法
KR20190031544A (ko) 자기 위치 추정 방법 및 자기 위치 추정 장치
CN102138768A (zh) 清洁机器人的定位方法和设备
CN111516777A (zh) 一种机器人小车及其障碍物识别方法
WO2019102769A1 (ja) 車両制御システム
GB2558773A (en) Steering operation
CN113589830A (zh) 一种机器人行走方位预测方法及设备
US9440651B2 (en) Method and device for monitoring a setpoint trajectory of a vehicle
JP6263453B2 (ja) 運動量推定装置及びプログラム
CN111830956B (zh) 一种检测移动机器人工作状态的方法及移动机器人
KR20190081334A (ko) 복합 측위 기반의 이동 궤적 추적 방법 및 그 장치

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