CN112015181A - 一种避障方法、装置、设备及计算机可读存储介质 - Google Patents

一种避障方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN112015181A
CN112015181A CN202010888367.7A CN202010888367A CN112015181A CN 112015181 A CN112015181 A CN 112015181A CN 202010888367 A CN202010888367 A CN 202010888367A CN 112015181 A CN112015181 A CN 112015181A
Authority
CN
China
Prior art keywords
obstacle
determining
expansion
distance
size
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
Application number
CN202010888367.7A
Other languages
English (en)
Other versions
CN112015181B (zh
Inventor
沈孝通
洪汉
秦宝星
程昊天
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.)
Shanghai Gaussian Automation Technology Development Co Ltd
Original Assignee
Shanghai Gaussian Automation Technology Development 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 Shanghai Gaussian Automation Technology Development Co Ltd filed Critical Shanghai Gaussian Automation Technology Development Co Ltd
Priority to CN202010888367.7A priority Critical patent/CN112015181B/zh
Publication of CN112015181A publication Critical patent/CN112015181A/zh
Application granted granted Critical
Publication of CN112015181B publication Critical patent/CN112015181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • 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
    • 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
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • 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
    • G05D1/0246—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 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
    • G05D1/0257—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 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
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例公开了一种避障方法、装置、设备及计算机可读存储介质。该方法包括：确定运动过程中识别到的障碍物的信息，所述信息包括所述障碍物的尺寸和形状；根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域；根据所述膨胀区域规划运动路径，以避开所述膨胀区域。上述方案可以对不同尺寸和形状的障碍物进行区分，并根据障碍物的尺寸和形状对障碍物进行膨胀处理，有效解决了现有技术通过检测障碍物边缘确定规划路径而导致避障效果较差的问题，提高了电子设备的避障效果。

Description

一种避障方法、装置、设备及计算机可读存储介质
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种避障方法、装置、设备及计算机可读存储介质。
背景技术
目前，移动机器人广泛应用在各行各业中，例如清洁机器人、医疗机器人、安防机器人以及助残机器人等。智能化移动机器人的一个重要标志是自主导航，而避障功能是自主导航的一个基本要求。避障是指移动机器人根据采集到的障碍物信息，在行走过程中通过传感器感知到阻碍其通行的静态和动态物体时，按照某种方法进行有效地避障，最后到达目标位置。
现实环境中不同障碍物的信息存在较大的差异，传统的避障方法是检测障碍物的边缘，根据障碍物的边缘规划前进路径，避障效果较差。
发明内容
本发明实施例提供一种避障方法、装置、设备及计算机可读存储介质，根据障碍物的尺寸和形状确定膨胀区域，对障碍物进行不同程度的膨胀，有效解决了现有通过检测障碍物边缘确定规划路径导致避障效果差的问题，提高了电子设备的避障效果。
第一方面，本发明实施例提供了一种避障方法，包括：
确定运动过程中识别到的障碍物的信息，所述信息包括所述障碍物的尺寸和形状；
根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域；
根据所述膨胀区域规划运动路径，以避开所述膨胀区域。
可选的，所述确定运动过程中识别到的障碍物的信息，包括：
确定所述障碍物对应的第一坐标轴和第二坐标轴，所述第一坐标轴和第二坐标轴正交，所述障碍物投影到所述第一坐标轴的投影方差大于所述障碍物投影到所述第二坐标轴的投影方差；
确定所述障碍物所包含的实际样本点投影到所述第一坐标轴上的投影点；
确定任意两个投影点之间的距离，并将最大距离记为第一距离；
根据所述第一距离确定所述障碍物的尺寸。
采用该实施例中确定障碍物尺寸的技术手段能够提高障碍物尺寸的确定精度。
可选的，所述确定运动过程中识别到的障碍物的信息，还包括：
确定所述障碍物所包含的实际样本点投影到所述第二坐标轴上的投影点；
确定任意两个投影点之间的距离，并将最大距离记为第二距离；
如果所述第一距离大于设定距离阈值，且所述第一距离与第二距离的比值大于设定比值阈值，则确定所述障碍物为直线障碍物；否则确定所述障碍物为多边形障碍物；
根据所述多边形障碍物所包含实际样本点在所述第一坐标轴和第二坐标轴构建的坐标系下的位置信息，确定所述多边形障碍物的凹凸性。
该实施例在确定障碍物尺寸的基础上进一步确定障碍物的形状，并当障碍物为多边形时，进一步确定多边形的凹凸性，有效区分了不同障碍物的尺寸和形状。
可选的，所述根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域，包括：
根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀等级；
根据所述膨胀等级，查找膨胀半径信息表，确定所述膨胀等级对应的膨胀半径；
以所述障碍物所包含的每一个实际样本点为圆心，在半径为所述膨胀半径的圆周上增加设定数量的虚拟样本点，并将所述实际样本点和虚拟样本点构成的区域作为所述障碍物的膨胀区域。
该实施例根据障碍物的尺寸和形状确定膨胀等级和膨胀等级对应的膨胀半径，并以实际样本点为圆心，膨胀半径为半径的圆周上增加设定数量的虚拟样本点，对不同障碍物实现了不同程度的膨胀。
可选的，所述根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀等级，包括：
当所述障碍物的形状为多边形时，根据所述障碍物的尺寸和所述多边形的凹凸性，确定所述障碍物的膨胀等级；否则，根据所述障碍物的形状确定所述障碍物的膨胀等级。
该实施例细化了确定膨胀等级的技术手段，能够有效基于障碍物的尺寸和形状选择合适的膨胀等级，提升了膨胀效果。
可选的，在确定运动过程中识别到的障碍物的信息之前，还包括：
对运动过程中获取的点云数据进行聚类；
将所述聚类构成的区域确定为障碍物。
该实施例通过聚类的方式确定识别到的障碍物，有效提升了障碍物的准确度。
可选的，所述障碍物包括静态障碍物和动态障碍物中的至少之一。
该实施例细化了障碍物的类型，不仅可以避开静态障碍物还可以避开动态障碍物，有效提升了避障效果。
可选的，所述根据所述膨胀区域规划运动路径，以避开所述膨胀区域，包括：
将所述障碍物对应的膨胀区域标记在代价地图上；
根据标记后的代价地图规划运动路径，以避开所述膨胀区域。
该实施例将膨胀区域标记在代价地图上，根据标记后的代价地图规划运动路径，有效提升了避障效果。
第二方面，本发明实施例还提供了一种避障装置，包括：
障碍物信息确定模块，用于确定运动过程中识别到的障碍物的信息，所述信息包括所述障碍物的尺寸和形状；
膨胀区域确定模块，用于根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域；
路径规划模块，用于根据所述膨胀区域规划运动路径，以避开所述膨胀区域。
可选的，所述障碍物信息确定模块，具体用于：
确定所述障碍物对应的第一坐标轴和第二坐标轴，所述第一坐标轴和第二坐标轴正交，所述障碍物投影到所述第一坐标轴的投影方差大于所述障碍物投影到所述第二坐标轴的投影方差；
确定所述障碍物所包含的实际样本点投影到所述第一坐标轴上的投影点；
确定任意两个投影点之间的距离，并将最大距离记为第一距离；
根据所述第一距离确定所述障碍物的尺寸。
可选的，所述障碍物信息确定模块，还具体用于：
确定所述障碍物所包含的实际样本点投影到所述第二坐标轴上的投影点；
确定任意两个投影点之间的距离，并将最大距离记为第二距离；
如果所述第一距离大于设定距离阈值，且所述第一距离与第二距离的比值大于设定比值阈值，则确定所述障碍物为直线障碍物；否则确定所述障碍物为多边形障碍物；
根据所述多边形障碍物所包含实际样本点在所述第一坐标轴和第二坐标轴构建的坐标系下的位置信息，确定所述多边形障碍物的凹凸性。
可选的，所述膨胀区域确定模块，包括：
膨胀等级确定单元，用于根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀等级；
膨胀半径确定单元，用于根据所述膨胀等级，查找膨胀半径信息表，确定所述膨胀等级对应的膨胀半径；
膨胀区域确定单元，用于以所述障碍物所包含的每一个实际样本点为圆心，在半径为所述膨胀半径的圆周上增加设定数量的虚拟样本点，并将所述实际样本点和虚拟样本点构成的区域作为所述障碍物的膨胀区域。
可选的，所述膨胀等级确定单元，具体用于：
当所述障碍物的形状为多边形时，根据所述障碍物的尺寸和所述多边形的凹凸性，确定所述障碍物的膨胀等级；否则，根据所述障碍物的形状确定所述障碍物的膨胀等级。
可选的，该装置还包括：
聚类模块，用于在确定运动过程中识别到的障碍物的信息之前，对运动过程中获取的点云数据进行聚类；
障碍物确定模块，用于将所述聚类构成的区域确定为障碍物。
可选的，所述障碍物包括静态障碍物和动态障碍物中的至少之一。
可选的，所述路径规划模块，具体用于：
将所述障碍物对应的膨胀区域标记在代价地图上；
根据标记后的代价地图规划运动路径，以避开所述膨胀区域。
第三方面，本发明实施例还提供了一种电子设备，包括：
雷达，用于探测所述电子设备运动过程中遇到的障碍物；
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述处理器实现如第一方面所述的避障方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的避障方法。
本发明实施例提供一种避障方法、装置、设备及计算机可读存储介质，通过确定运动过程中识别到的障碍物的信息，所述信息包括所述障碍物的尺寸和形状；根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域；根据所述膨胀区域规划运动路径，以避开所述膨胀区域。上述方案对不同尺寸和形状的障碍物进行区分，并根据障碍物的尺寸和形状对障碍物进行膨胀处理，有效解决了现有技术通过检测障碍物边缘确定规划路径而导致避障效果较差的问题，提高了电子设备的避障效果。
附图说明
图1为本发明实施例提供的一种避障方法的流程图；
图2为本发明实施例提供的另一种避障方法的流程图；
图3为本发明实施例提供的一种样本点向正交坐标系投影的示意图；
图4为本发明实施例提供的一种多边形的示意图；
图5为本发明实施例提供的一种对障碍物进行膨胀的示意图；
图6为本发明实施例提供的一种避障装置的结构图；
图7为本发明实施例提供的一种电子设备的结构图；
图8为本发明实施例提供的一种计算机可读存储介质与处理器的交互示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”。
图1为本发明实施例提供的一种避障方法的流程图，本实施例可适用于使电子设备在运动过程中有效避开障碍物的情况，该方法可以由避障装置来执行，该装置可以采用硬件和/或软件的方式实现，并可集成在电子设备中，其中，电子设备可以是智能机器人、智能购物车等具备数据处理功能的智能移动设备，可以应用在酒店、商场、餐厅、机场和车站等公共场所。参考图1，该方法可以包括如下步骤：
S110、确定运动过程中识别到的障碍物的信息。
障碍物是电子设备运动过程中影响其运动路径的物体，可以是静态的，也可以是动态的。障碍物可以基于电子设备采集的图像确定，也可以由电子设备上的雷达探测，本实施例以后者为例，可以准确获取障碍物的信息，从而有效规划运动路径。障碍物的信息可以包括但不限于障碍物的尺寸和形状。可选的，可以采用主成分分析法确定障碍物的尺寸，采用角度法，凸包法，顶点凹凸性法或辛普森面积法等确定障碍物的形状。主成分分析法是一种多变量数据降维处理方法，通过正交变换将可能存在相关性的变量转换为线性不相关的变量，转换后的变量即为主成分。本实施例将主成分分词法应用在避障领域，可以有效确定障碍物的尺寸。
S120、根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域。
膨胀区域是对障碍物进行虚拟放大得到的区域，对障碍物进行膨胀可以有效防止其与障碍物发生碰撞。在一种实现方式中，可以以障碍物为整体，根据障碍物的尺寸和形状确定膨胀系数，根据膨胀系数对障碍物进行虚拟放大得到膨胀区域，其中，不同尺寸和形状的障碍物和膨胀系数的关联关系可以预先确定并存储，当需要确定某障碍物的膨胀系数时，查找该关联关系即可。
可以理解的是，障碍物是基于雷达探测到的实际样本点确定，实际样本点为障碍物上的点。在另一种实现方式中，还可以对雷达采集的实际样本点进行膨胀处理，例如可以在以每个实际样本点为圆心，r为半径的圆周上增加设定数量的虚拟样本点，将虚拟样本点和实际样本点构成的区域记为该障碍物的膨胀区域，其中，r的大小和每个圆周上虚拟样本点的数量可以根据实际需要设定。需要说明的是，同一个障碍物中各实际样本点对应的半径r相同。
S130、根据所述膨胀区域规划运动路径，以避开所述膨胀区域。
运动路径是以电子设备的初始位置为起点，目标位置为终点确定出的一条移动路线，该运动路径可以有效避开障碍物。本实施例对运动路径的规划过程不进行限定，例如可以将膨胀区域标记在代价地图上，根据标记后的代价地图规划运动路径，防止其与障碍物发生碰撞。
本发明实施例提供一种避障方法，通过确定运动过程中识别到的障碍物的信息，所述信息包括所述障碍物的尺寸和形状；根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域；根据所述膨胀区域规划运动路径，以避开所述膨胀区域。该方法对不同尺寸和形状的障碍物进行区分，并根据障碍物的尺寸和形状对障碍物进行膨胀处理，有效解决了现有技术通过检测障碍物边缘确定规划路径而导致避障效果较差的问题，提高了电子设备的避障效果。
图2为本发明实施例提供的另一种避障方法的流程图，本实施例是在上述实施例的基础上进行优化，参考图2，该方法可以包括如下步骤：
S210、确定运动过程中识别到的障碍物的信息。
本实施例障碍物的信息以障碍物的尺寸和形状为例，各个障碍物信息的确定过程类似，本实施例以其中一个障碍物为例。可选的，可以先确定该障碍物的尺寸，然后确定该障碍物的形状。其中，该障碍物的尺寸可以通过如下方式确定：
S2101、确定所述障碍物对应的第一坐标轴和第二坐标轴。
第一坐标轴和第二坐标轴为基于障碍物的实际样本点确定的正交的两个坐标轴。以主成分分析法为例，假定雷达探测到的该障碍物的实际样本点的数量为m，雷达的类型为2D激光雷达，则每个实际样本点为二维坐标点。可选的，可以将实际样本点按列组成n行m列的矩阵X，然后对X的每一行去中心化，即利用X的每一个特征值减去该行的平均值；接着计算X的协方差矩阵C＝1XXT，并确定协方差矩阵C的特征值和特征向量，其中特征值可以通过特m
征值分解方法求解，也可以通过奇异值分解方法求解，本实施例以前者为例，具体的求解过程本实施例不进行限定。特征值和特征向量确定后，将特征值按照由大到小的顺序排列，选择其中最大的K个特征值，并将其对应的特征向量作为行向量由上到下组成特征向量矩阵P；最后将实际样本点转换到K个特征向量构建的空间中，实现了正交变换，也即将原坐标系变换成正交坐标系，实现了数据的降维。其中，n＝2，K的大小可以根据情况设定。
正交变换完成之后，假定正交坐标系的两个坐标轴分别为i轴和j轴，将实际样本点分别向i轴和j轴投影，并确定投影点到原点的距离，如果所有实际样本点投影到i轴后到原点的距离之和大于投影到j轴后到原点的距离之和，则将i轴称为第一坐标轴，j轴称为第二坐标轴。其中，实际样本点投影到i或j轴后到原点的距离之和称为实际样本点投影到i轴或j轴的投影方差，即实际样本点投影到第一坐标轴的投影方差大于其投影到第二坐标轴的投影方差。
示例性的，参考图3，图3为本发明实施例提供的一种实际样本点向正交坐标系投影的示意图，图3示例性的给出了实际样本点到i坐标轴的投影，到j轴的投影类似。其中，i轴和j轴分别为确定的第一坐标轴和第二坐标轴，A为实际样本点，B为实际样本点在i轴上的投影点，O为正交坐标系的原点，ix为B到O的距离。
S2102、确定所述障碍物所包含的实际样本点投影到所述第一坐标轴上的投影点。
具体的，可以将雷达探测到的该障碍物的所有实际样本点全部投影到第一坐标轴，得到各实际样本点在第一坐标轴上的投影点。
S2103、确定任意两个投影点之间的距离，并将最大距离记为第一距离。
具体的，可以分别确定任意两个投影点之间的距离，并从中选取距离最大的，记为第一距离。
S2104、根据所述第一距离确定所述障碍物的尺寸。
可选的，当第一距离大于设定距离阈值时，确定该障碍物的尺寸为大物体，否则确定该障碍物的尺寸为小物体。设定距离阈值的大小可以根据需要选择，例如可以设定为2m，即当第一距离大于2m时，确定该障碍物的尺寸为大物体，否则为小物体。本实施例通过主成分分析法确定障碍物的尺寸，有效提高了障碍物尺寸的确定精度。障碍物的尺寸确定以后可以进一步确定障碍物的形状，可选的，可以通过如下方式确定障碍物的形状：
S2105、确定所述障碍物所包含的实际样本点投影到所述第二坐标轴上的投影点。
实际样本点投影到第二坐标轴的过程与投影到第一坐标轴的过程类似，此处不再赘述。
S2106、确定任意两个投影点之间的距离，并将最大距离记为第二距离。
S2107、如果所述第一距离大于设定距离阈值，且所述第一距离与第二距离的比值大于设定比值阈值，则确定所述障碍物为直线障碍物；否则确定所述障碍物为多边形障碍物。
可以理解的是，电子设备运动过程探测到的障碍物要么符合直线特性，要么符合非直线特性，当符合非直线特性时，通常认为该障碍物为多边形障碍物。可选的，可以根据第一距离和第二距离确定障碍物的形状，例如当第一距离大于设定距离阈值，且第一距离与第二距离的比值大于设定比值阈值时，确定该障碍物为直线，否则确定该障碍物为多边形障碍物。其中，设定距离阈值和设定比值阈值的大小可以根据需要选择，例如设定距离阈值可以是0.5m，设定比值阈值可以是20。
S2108、根据所述多边形障碍物所包含实际样本点在所述第一坐标轴和第二坐标轴构建的坐标系下的位置信息，确定所述多边形障碍物的凹凸性。
当确定障碍物为多边形障碍物时，为了提高运动路径的有效性，可以进一步确定多边形障碍物的凹凸性，通过其凹凸性判断其是否为规则多边形。可选的，可以利用OpenCV的approxPolyDP()函数对障碍物对应的实际样本点进行多边形拟合，然后利用向量叉乘法确定拟合后的多边形的凹凸性，作为该多边形障碍物的凹凸性。向量叉乘法的运算规则如下：
若平面上同一坐标系下存在三个点p1(x1,y1),p2(x2,y2),p3(x3,y3)，则s(p1,p2,p3)＝(x1-x3)*(y2-y3)-(x2-x3)*(y1-y3)。通过判断向量叉乘结果的正负，判断多边形的凹凸性。示例性的，参考图4，图4为本发明实施例提供的一种多边形的示意图。该多边形包括六个点分别为0-5，可以按照上述法则分别确定s0＝s(0,1,2)，s1＝s(1,2,3)，s2＝s(2,3,4)，s3＝s(3,4,5)，s4＝s(4,5,0)，s5＝s(5,0,1)的值，然后计算s0*s1，s0*s2，s0*s3，s0*s4，s0*s5。若上述叉乘结果存在负值，则判断该多边形的凹凸性为凹，否则判断该多边形的凹凸性为凸。需要说明的是，沿着墙壁时首末点距离较远，由于墙面弯折容易将其判断为凹多边形，导致凹点数量增加，影响后续膨胀等级的确定，进而影响膨胀区域的确定。因此，本实施例可以忽略s4＝s(4,5,0)，s5＝s(5,0,1)，即仅根据s0*s1，s0*s2，s0*s3判断多边形的凹凸性。本实施例在确定障碍物尺寸的基础上进一步确定障碍物的形状，并当障碍物为多边形时，进一步确定多边形的凹凸性，有效区分了不同障碍物的尺寸和形状。
S220、根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀等级。
可选的，当所述障碍物的形状为多边形时，根据所述障碍物的尺寸和所述多边形的凹凸性，确定所述障碍物的膨胀等级；否则，根据所述障碍物的形状确定所述障碍物的膨胀等级。
示例性的，参考表1，表1为不同条件下物体的膨胀等级，该表可以预先确定并存储，待需要确定障碍物的膨胀等级时查找该表即可。
表1不同条件下物体的膨胀等级
条件 长轴长度 长短轴长度比率 形状 膨胀等级
1 0～0.5 0
2 >0.5 >＝20 直线 4
3 0.5～2 <20 凹多边形 1
4 0.5～2 <20 凸多边形 2
5 >2 <20 凹多边形 3
6 >2 <20 凸多边形 4
上述表1中的空白表示不对该条件进行限值，任意情况下膨胀等级的判断结果均成立，例如当障碍物1对应的第一距离介于0-0.5m时，无论第一距离与第二距离的比值是多少，障碍物1的形状如何，其膨胀等级均为0。膨胀等级对应的数字越小表示其级别越高，对应的膨胀半径越大。通过上表可以看出，当障碍物为多边形时，如果其尺寸较大，则选择较小的膨胀半径，即对应较大的膨胀等级，如果其尺寸较小，则选择较大的膨胀半径，即对应较小的膨胀等级。当障碍物为直线时，可以不对其进行膨胀处理。需要说明的是，当障碍物的尺寸小于一定程度时，可以忽略其形状，直接根据其尺寸确定膨胀等级，例如条件1对应的障碍物，在确定其膨胀等级时可以忽略其形状。
S230、根据所述膨胀等级，查找膨胀半径信息表，确定所述膨胀等级对应的膨胀半径。
膨胀半径信息表用于存储膨胀等级和膨胀半径的关联关系。示例性的，参考表2，表2存储了不同膨胀等级与膨胀半径的关联关系，根据膨胀等级查找表2即可得到膨胀半径。本实施例根据障碍物的尺寸和形状选择合适的膨胀等级，提升了膨胀效果。
表2膨胀半径信息表
膨胀等级 0 1 2 3 4
膨胀半径 0.20 0.15 0.10 0.05 0
S240、以所述障碍物所包含的每一个实际样本点为圆心，在半径为所述膨胀半径的圆周上增加设定数量的虚拟样本点，并将所述实际样本点和虚拟样本点构成的区域作为所述障碍物的膨胀区域。
示例性的，参考图5，图5为本发明实施例提供的一种对障碍物进行膨胀的示意图。图5中的椭圆区域为障碍物，椭圆区域内包含的圆点为雷达探测到的实际样本点。可选的，以每一个实际样本点为圆心，膨胀半径为半径，绘制圆周，在圆周上增加设定数量的虚拟样本点，绘制虚拟样本点和实际样本点组成的区域，即可得到膨胀区域。需要说明的是，该障碍物的所有实际样本点对应的膨胀半径相同。圆周上包含的虚拟样本点的数量可以根据需要选择，实施例不进行限定。
S250、根据所述膨胀区域规划运动路径，以避开所述膨胀区域。
本发明实施例提供一种避障方法，在上述实施例的基础上，有效区分了障碍物的尺寸和形状，然后根据障碍物的尺寸和形状选择合适的膨胀等级和膨胀等级对应的膨胀半径，实现了不同程度的膨胀，提高了膨胀区域的准确性，使得电子设备在基于膨胀区域规划的运动路径运动时，有效避开了障碍物。
在上述实施例的基础上，在确定运动过程中识别到的障碍物的信息之前，可以先基于雷达采集的点云数据确定障碍物。可选的，可以对运动过程中获取的点云数据进行聚类；将所述聚类构成的区域确定为障碍物。
聚类是按照某一特定的标准将一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时使不在同一个簇内的数据对象的差异性尽可能大。可选的，可以根据欧式距离进行聚类。首先设定搜索半径为r，聚类点数量最小值min和最大值max，以及距离阈值d。对于雷达采集的某个点云数据P，以P点为圆心，在以r为半径的范围内进行搜索，将和P点的欧式距离小于d的点云数据聚类到集合Q中。然后对除P点以外的点云数据重复上述过程，若不再有新的点云数据聚类到集合Q中，聚类过程结束。若最终集合Q中的聚类点的数量n满足条件：最小值min≤n≤最大值max，则认为聚类成功，否则舍弃该聚类结果。由此可以将雷达采集的点云数据分割成不同的聚类，每一个聚类对应一个障碍物。示例性的，参考图5，图5中的圆点即为该聚类包含的聚类点，也即雷达探测到的实际样本点，椭圆区域为聚类点组成的区域，代表障碍物。本实施例通过聚类的方式确定识别到的障碍物，有效提升了障碍物的准确度。
在上述实施例的基础上，所述障碍物包括静态障碍物和动态障碍物中的至少之一。即本实施例不仅可以避开静态障碍物，还可以避开动态障碍物，有效提升了避障效果。
在上述实施例的基础上，所述根据所述膨胀区域规划运动路径，以避开所述膨胀区域，包括：
将所述障碍物对应的膨胀区域标记在代价地图上；
根据标记后的代价地图规划运动路径，以避开所述膨胀区域。
本实施例将膨胀区域标记在代价地图上，根据标记后的代价地图规划运动路径，有效提升了避障效果。
图6为本发明实施例提供的一种避障装置的结构图，该装置可以执行上述实施例的避障方法，参考图6，该装置可以包括：
障碍物信息确定模块31，用于确定运动过程中识别到的障碍物的信息，所述信息包括所述障碍物的尺寸和形状；
膨胀区域确定模块32，用于根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域；
路径规划模块33，用于根据所述膨胀区域规划运动路径，以避开所述膨胀区域。
本发明实施例提供一种避障装置，通过确定运动过程中识别到的障碍物的信息，所述信息包括所述障碍物的尺寸和形状；根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域；根据所述膨胀区域规划运动路径，以避开所述膨胀区域。该装置可以对不同尺寸和形状的障碍物进行区分，并根据障碍物的尺寸和形状对障碍物进行膨胀处理，解决了现有技术通过检测障碍物边缘确定规划路径而导致避障效果较差的问题，提高了电子设备的避障效果。
在一种示例中，障碍物信息确定模块31，具体用于：
确定所述障碍物对应的第一坐标轴和第二坐标轴，所述第一坐标轴和第二坐标轴正交，所述障碍物投影到所述第一坐标轴的投影方差大于所述障碍物投影到所述第二坐标轴的投影方差；
确定所述障碍物所包含的实际样本点中投影到所述第一坐标轴上的投影点；
确定任意两个投影点之间的距离，并将最大距离记为第一距离；
根据所述第一距离确定所述障碍物的尺寸。
在一种示例中，障碍物信息确定模块31，还具体用于：
确定所述障碍物所包含的实际样本点中投影到所述第二坐标轴上的投影点；
确定任意两个投影点之间的距离，并将最大距离记为第二距离；
如果所述第一距离大于设定距离阈值，且所述第一距离与第二距离的比值大于设定比值阈值，则确定所述障碍物为直线障碍物；否则确定所述障碍物为多边形障碍物；
根据所述多边形障碍物所包含实际样本点在所述第一坐标轴和第二坐标轴构建的坐标系下的位置信息，确定所述多边形障碍物的凹凸性。
在一种示例中，膨胀区域确定模块32，包括：
膨胀等级确定单元321，用于根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀等级；
膨胀半径确定单元322，用于根据所述膨胀等级，查找膨胀半径信息表，确定所述膨胀等级对应的膨胀半径；
膨胀区域确定单元323，用于以所述障碍物所包含的每一个实际样本点为圆心，在半径为所述膨胀半径的圆周上增加设定数量的虚拟样本点，并将所述实际样本点和虚拟样本点构成的区域作为所述障碍物的膨胀区域。
在一种示例中，膨胀等级确定单元321，具体用于：
当所述障碍物的形状为多边形时，根据所述障碍物的尺寸和所述多边形的凹凸性，确定所述障碍物的膨胀等级；否则，根据所述障碍物的形状确定所述障碍物的膨胀等级。
在一种示例中，该装置还包括：
聚类模块34，用于在确定运动过程中识别到的障碍物的信息之前，对运动过程中获取的激光点云数据进行聚类；
障碍物确定模块35，用于将所述聚类构成的区域确定为障碍物。
本发明实施例提供的避障装置可执行上述实施例中的避障方法，具备执行方法相应的功能模块和有益效果。
图7为本发明实施例提供的一种电子设备的结构图，该电子设备可以是但不限于智能机器人，当电子设备为智能机器人时，不限定其类型，例如可以是清洁机器人、医疗机器人、安防机器人或助残机器人等。参考图7，该电子设备包括处理器41、存储器42、雷达43、输入装置44和输出装置45，电子设备中处理器41的数量可以是一个或多个，图7以一个处理器41为例。电子设备中处理器41、存储器42、雷达43、输入装置44和输出装置45可以通过总线或其他方式连接，图7以通过总线为例。
雷达43用于探测电子设备运动过程中遇到的障碍物。具体的，电子设备运动过程中雷达43向外发射激光束，然后将接收到的反射回来的信号与发射信号进行比较，做适当处理后即可确定周围障碍物的相关信息，例如电子设备到障碍物的距离、障碍物的方向以及高度等参数。雷达43的类型可以根据需要选择，本实施例以2D激光雷达为例，相应的，雷达43采集的障碍物的数据也为二维数据。
存储器42作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的避障方法对应的程序指令/模块。处理器41通过运行存储在存储器42中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述实施例的避障方法。
存储器42主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器42可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器42可进一步包括相对于处理器41远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置44可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置45可包括显示屏等显示设备、扬声器以及蜂鸣器等音频设备。
本发明实施例提供的电子设备与上述实施例提供的避障方法属于同一构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例具备执行避障方法相同的有益效果。
图8为本发明实施例提供的一种计算机可读存储介质与处理器的交互示意图。计算机可读存储介质51上存储有计算机程序510，计算机程序510被处理器52执行时用于执行一种避障方法，该方法可以包括：
确定运动过程中识别到的障碍物的信息，所述信息包括所述障碍物的尺寸和形状；
根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域；
根据所述膨胀区域规划运动路径，以避开所述膨胀区域。
可选的，计算机程序510被处理器52执行时还可以用于执行本发明任意实施例所提供的避障方法。
本发明实施例的计算机可读存储介质51，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质51例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质51的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RandomAccess Memory，RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质51可以是任何包含或存储程序的有形介质，计算机程序510可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于：电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、无线电频率(Radio Frequency，RF)等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种避障方法，其特征在于，包括：
确定运动过程中识别到的障碍物的信息，所述信息包括所述障碍物的尺寸和形状；
根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域；
根据所述膨胀区域规划运动路径，以避开所述膨胀区域。
2.根据权利要求1所述的方法，其特征在于，所述确定运动过程中识别到的障碍物的信息，包括：
确定所述障碍物对应的第一坐标轴和第二坐标轴，所述第一坐标轴和第二坐标轴正交，所述障碍物投影到所述第一坐标轴的投影方差大于所述障碍物投影到所述第二坐标轴的投影方差；
确定所述障碍物所包含的实际样本点投影到所述第一坐标轴上的投影点；
确定任意两个投影点之间的距离，并将最大距离记为第一距离；
根据所述第一距离确定所述障碍物的尺寸。
3.根据权利要求2所述的方法，其特征在于，所述确定运动过程中识别到的障碍物的信息，还包括：
确定所述障碍物所包含的实际样本点投影到所述第二坐标轴上的投影点；
确定任意两个投影点之间的距离，并将最大距离记为第二距离；
如果所述第一距离大于设定距离阈值，且所述第一距离与第二距离的比值大于设定比值阈值，则确定所述障碍物为直线障碍物；否则确定所述障碍物为多边形障碍物；
根据所述多边形障碍物所包含实际样本点在所述第一坐标轴和第二坐标轴构建的坐标系下的位置信息，确定所述多边形障碍物的凹凸性。
4.根据权利要求1所述的方法，其特征在于，所述根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域，包括：
根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀等级；
根据所述膨胀等级，查找膨胀半径信息表，确定所述膨胀等级对应的膨胀半径；
以所述障碍物所包含的每一个实际样本点为圆心，在半径为所述膨胀半径的圆周上增加设定数量的虚拟样本点，并将所述实际样本点和虚拟样本点构成的区域作为所述障碍物的膨胀区域。
5.根据权利要求4所述的方法，其特征在于，所述根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀等级，包括：
当所述障碍物的形状为多边形时，根据所述障碍物的尺寸和所述多边形的凹凸性，确定所述障碍物的膨胀等级；否则，根据所述障碍物的形状确定所述障碍物的膨胀等级。
6.根据权利要求1-5任一项所述的方法，其特征在于，在确定运动过程中识别到的障碍物的信息之前，还包括：
对运动过程中获取的点云数据进行聚类；
将所述聚类构成的区域确定为障碍物。
7.根据权利要求1-5任一项所述的方法，其特征在于，所述障碍物包括静态障碍物和动态障碍物中的至少之一；
所述根据所述膨胀区域规划运动路径，以避开所述膨胀区域，包括：
将所述障碍物对应的膨胀区域标记在代价地图上；
根据标记后的代价地图规划运动路径，以避开所述膨胀区域。
8.一种避障装置，其特征在于，包括：
障碍物信息确定模块，用于确定运动过程中识别到的障碍物的信息，所述信息包括所述障碍物的尺寸和形状；
膨胀区域确定模块，用于根据所述障碍物的尺寸和形状，确定所述障碍物的膨胀区域；
路径规划模块，用于根据所述膨胀区域规划运动路径，以避开所述膨胀区域。
9.一种电子设备，其特征在于，包括：
雷达，用于探测所述电子设备运动过程中遇到的障碍物；
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述处理器实现如权利要求1-7任一项所述的避障方法。
10.一种包含计算机程序的非易失性计算机可读存储介质，其特征在于，当计算机程序被一个或多个处理器执行时，使得所述处理器执行权利要求1-7中任一项所述的避障方法。
CN202010888367.7A 2020-08-28 2020-08-28 一种避障方法、装置、设备及计算机可读存储介质 Active CN112015181B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010888367.7A CN112015181B (zh) 2020-08-28 2020-08-28 一种避障方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010888367.7A CN112015181B (zh) 2020-08-28 2020-08-28 一种避障方法、装置、设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112015181A true CN112015181A (zh) 2020-12-01
CN112015181B CN112015181B (zh) 2021-08-10

Family

ID=73503025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010888367.7A Active CN112015181B (zh) 2020-08-28 2020-08-28 一种避障方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112015181B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112836681A (zh) * 2021-03-03 2021-05-25 上海高仙自动化科技发展有限公司 一种障碍物标记方法、装置及可读非暂时性存储介质
CN113534815A (zh) * 2021-08-05 2021-10-22 上海高仙自动化科技发展有限公司 一种避障路径确定方法、装置、电子设备、芯片及介质
CN114378834A (zh) * 2022-03-23 2022-04-22 季华实验室 机械臂避障路径规划方法、装置、电子设备及存储介质
WO2022126352A1 (zh) * 2020-12-15 2022-06-23 深圳市优必选科技股份有限公司 机器人避障方法及装置、机器人及存储介质
WO2023071959A1 (zh) * 2021-10-26 2023-05-04 中国第一汽车股份有限公司 避障方法、装置、电子设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105716618A (zh) * 2016-02-05 2016-06-29 哈尔滨工程大学 一种用于uuv航路规划的几何环境模型膨化处理方法
CN109685286A (zh) * 2019-01-14 2019-04-26 哈尔滨工程大学 未知静态障碍环境下usv基于改进蚁群优化的避碰规划方法
CN109990782A (zh) * 2017-12-29 2019-07-09 北京欣奕华科技有限公司 一种避开障碍物的方法及设备
US20190303692A1 (en) * 2016-12-19 2019-10-03 Cloudminds (Shenzhen) Robotics Systems Co., Ltd. Obstacle detection method and apparatus
CN110522359A (zh) * 2019-09-03 2019-12-03 深圳飞科机器人有限公司 清洁机器人以及清洁机器人的控制方法
CN110658819A (zh) * 2019-09-30 2020-01-07 北京猎户星空科技有限公司 一种避障方法、装置、电子设备和存储介质
CN110696823A (zh) * 2019-10-15 2020-01-17 浙江吉利汽车研究院有限公司 一种预估车辆发生碰撞时间的方法、系统及车辆

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105716618A (zh) * 2016-02-05 2016-06-29 哈尔滨工程大学 一种用于uuv航路规划的几何环境模型膨化处理方法
US20190303692A1 (en) * 2016-12-19 2019-10-03 Cloudminds (Shenzhen) Robotics Systems Co., Ltd. Obstacle detection method and apparatus
CN109990782A (zh) * 2017-12-29 2019-07-09 北京欣奕华科技有限公司 一种避开障碍物的方法及设备
CN109685286A (zh) * 2019-01-14 2019-04-26 哈尔滨工程大学 未知静态障碍环境下usv基于改进蚁群优化的避碰规划方法
CN110522359A (zh) * 2019-09-03 2019-12-03 深圳飞科机器人有限公司 清洁机器人以及清洁机器人的控制方法
CN110658819A (zh) * 2019-09-30 2020-01-07 北京猎户星空科技有限公司 一种避障方法、装置、电子设备和存储介质
CN110696823A (zh) * 2019-10-15 2020-01-17 浙江吉利汽车研究院有限公司 一种预估车辆发生碰撞时间的方法、系统及车辆

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王蛟龙 等: "基于局部环境形状特征识别的移动机器人避障方法", 《信息与控制》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022126352A1 (zh) * 2020-12-15 2022-06-23 深圳市优必选科技股份有限公司 机器人避障方法及装置、机器人及存储介质
CN112836681A (zh) * 2021-03-03 2021-05-25 上海高仙自动化科技发展有限公司 一种障碍物标记方法、装置及可读非暂时性存储介质
CN112836681B (zh) * 2021-03-03 2024-01-26 上海高仙自动化科技发展有限公司 一种障碍物标记方法、装置及可读非暂时性存储介质
CN113534815A (zh) * 2021-08-05 2021-10-22 上海高仙自动化科技发展有限公司 一种避障路径确定方法、装置、电子设备、芯片及介质
WO2023071959A1 (zh) * 2021-10-26 2023-05-04 中国第一汽车股份有限公司 避障方法、装置、电子设备和存储介质
CN114378834A (zh) * 2022-03-23 2022-04-22 季华实验室 机械臂避障路径规划方法、装置、电子设备及存储介质
CN114378834B (zh) * 2022-03-23 2022-06-17 季华实验室 机械臂避障路径规划方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112015181B (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN112015181B (zh) 一种避障方法、装置、设备及计算机可读存储介质
US11216971B2 (en) Three-dimensional bounding box from two-dimensional image and point cloud data
US11037305B2 (en) Method and apparatus for processing point cloud data
US20210109537A1 (en) Autonomous exploration framework for indoor mobile robotics using reduced approximated generalized voronoi graph
CN109144056B (zh) 移动机器人的全局自定位方法及设备
US8060254B2 (en) Method, apparatus, and medium for building grid map in mobile robot and method, apparatus, and medium for cell decomposition that uses grid map
CN111624622B (zh) 障碍物检测方法、装置
EP3742125A1 (en) Method and system for path planning
Suhr et al. Full-automatic recognition of various parking slot markings using a hierarchical tree structure
US20190354106A1 (en) System and Method for Complete Coverage of Unknown Environments
US20150169956A1 (en) Object tracking method and device
KR20200045522A (ko) 국지화를 수행하는 데에 사용되기 위한 방법 및 시스템
CN111665842A (zh) 一种基于语义信息融合的室内slam建图方法及系统
CN110470308B (zh) 一种避障系统及方法
CN111308500B (zh) 基于单线激光雷达的障碍物感知方法、装置和计算机终端
CN111402160B (zh) 一种点云数据去噪方法、装置、设备和存储介质
US20130114858A1 (en) Method for Detecting a Target in Stereoscopic Images by Learning and Statistical Classification on the Basis of a Probability Law
Meng et al. Efficient and reliable LiDAR-based global localization of mobile robots using multiscale/resolution maps
CN111986232B (zh) 目标物体的检测方法、装置、机器人及存储介质
CN112418316B (zh) 机器人重定位方法、装置、激光机器人及可读存储介质
CN113627298A (zh) 目标检测模型的训练方法及检测目标对象的方法、装置
US20230367319A1 (en) Intelligent obstacle avoidance method and apparatus based on binocular vision, and non-transitory computer-readable storage medium
CN114459486A (zh) 机器人及其通道导航方法、装置及存储介质
CN112733923A (zh) 一种确定禁行区域的系统及机器人
Lv et al. Planar scan matching using incident angle

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