CN112033390A - 机器人导航纠偏方法、装置、设备和计算机可读存储介质 - Google Patents
机器人导航纠偏方法、装置、设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN112033390A CN112033390A CN202010833880.6A CN202010833880A CN112033390A CN 112033390 A CN112033390 A CN 112033390A CN 202010833880 A CN202010833880 A CN 202010833880A CN 112033390 A CN112033390 A CN 112033390A
- Authority
- CN
- China
- Prior art keywords
- navigation
- information
- route
- current position
- robot
- 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
Images
Classifications
-
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种机器人导航纠偏方法,包括以下步骤:接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息;根据所述当前位置信息对应的当前位置和所述目的位置信息对应的目的位置,规划导航路线;在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线;根据所述返回路线调整导航偏差回到所述导航路线,以继续导航至所述目的位置。本发明还公开了一种机器人自主纠偏的导航装置、设备和计算机可读存储介质。本发明在导航的过程中自动纠正导航偏差,实现了准确快速地导航。
Description
技术领域
本发明涉及智能移动服务机器人领域,尤其涉及机器人导航纠偏方法、装置、设备和计算机可读存储介质。
背景技术
随着信息技术和人工智能的发展,机器人技术的进步越来越迅速,各种类型的机器人层出不穷。为了节省人力,并且给客户提供更好的服务,服务机器人的应用变得比较广泛。
目前服务机器人的功能主要包括:导航、解说、收发快递等。例如,在某些场景中,服务机器人在进行配送及引导客人等服务时需要加载导航地图,并移动至目的地,但机器人遇人为绑架脱离导航地图所规定的范围,机器人将发生地图信息错误导致无法正确导航,从而无法继续进行服务。
发明内容
本发明的主要目的在于提供一种机器人导航纠偏方法、装置、设备和计算机可读存储介质,旨在解决机器人在脱离当前导航地图后,机器人无法正确导航,从而无法继续进行服务的技术问题。
为实现上述目的,本发明提供机器人导航纠偏方法,所述机器人导航纠偏方法包括以下步骤:
接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息;
根据所述当前位置信息对应的当前位置和所述目的位置信息对应的目的位置,规划导航路线;
在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线;
根据所述返回路线调整导航偏差回到所述导航路线,以继续导航至所述目的位置。
可选地,所述根据所述当前位置信息对应的当前位置和所述目的位置信息对应的目的位置,规划导航路线,包括:
若所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置分别在不同楼层,获取所述目的位置对应的第二地图和所述当前位置对应的第一地图;
遍历所述第一地图和所述第二地图,获取所述目的位置和所述当前位置对应的中间节点;
根据所述当前位置、所述中间节点和所述目的位置构建有向图,通过预设最佳路径算法分析各所述有向图,获得导航路线。
可选地,在所述接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息之后,所述方法包括:
获取当前位置信息,提取所述当前位置信息中的第一建筑标识和第一楼层信息,提取所述目的位置信息中的第二建筑标识和第二楼层信息;
在所述第一建筑标识与所述第二建筑标识相同,且所述第一楼层信息与所述第二楼层信息相同,则判定所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置在相同楼层;
在所述第一建筑标识与所述第二建筑标识不同,或所述第一楼层信息与所述第二楼层信息不同,则判定所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置是分别在不同楼层。
可选地,在所述在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线之前,所述方法包括:
在检测到移动时,采集环境图像并提取所述环境图像的特征点;
获取所述导航路线的特征点,将所述导航路线的特征点与所述环境图像的特征点进行比对;
若所述导航路线的特征点与所述环境图像的特征点不匹配,则判定偏离所述导航路线。
可选地,所述在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线,包括:
在检测到偏离所述导航路线时,获取高度变化信息,通过预设采集装置采集周围的环境图像;
将所述高度变化信息和所述环境图像作为空间移动信息,基于所述空间移动信息确定当前所处楼层,并获取所述当前所处楼层对应的楼层地图;
基于所述楼层地图和所述环境图像确定的标识物,根据所述标识物构建返回路线。
可选地,所述根据所述返回路线调整导航偏差回到所述导航路线,以继续导航至所述目的位置,包括:
采集环境图像,将所述环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对;
若所述第一SIFT特征与所述第二SIFT特征不匹配,则获取所述环境图像的特征点;
将所述环境图像的特征点与所述导航路线对应的特征点进行比对;
若所述环境图像的特征点与所述导航路线对应的特征点匹配,则判定回到所述导航路线,并按照所述导航路线继续导航至所述目的位置。
可选地,所述采集环境图像,将所述环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对,包括:
对所述环境图像进行预处理,并采用直方图对经过预处理后的环境图像进行均衡化得到均衡图像;
提取所述均衡图像中存在障碍的区域,进行阈值分割处理后得到分割图像,所述阈值分割处理方法包括最大类间方差和最大熵;
对所述分割图像进行噪声去除和边缘提取,获取第一SIFT特征,将所述环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对。
此外,为实现上述目的,本发明还提供一种机器人导航纠偏装置,所述机器人导航纠偏装置包括:
指令接收模块,用于接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息;
路线规划模块,用于若所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置分别在不同楼层,则规划导航路线;
检测获取模块,用于在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线;
路线调整模块,用于根据所述返回路线调整导航偏差回到所述导航路线,以继续导航至所述目的位置。
此外,为实现上述目的,本发明还提供一种机器人自主纠偏的导航设备;
所述机器人自主纠偏的导航设备包括:摄像头、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述摄像头,用于拍摄获取图片数据;
所述计算机程序被所述处理器执行时实现如上所述的机器人导航纠偏方法的步骤。
此外,为实现上述目的,本发明还提供计算机存储介质;
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的机器人导航纠偏方法的步骤。
本发明实施例提出的一种机器人导航纠偏方法、装置、设备和计算机可读存储介质,机器人接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息;根据所述当前位置信息对应的当前位置和所述目的位置信息对应的目的位置,规划导航路线;在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线;根据所述返回路线调整导航偏差回到所述导航路线,以继续导航至所述目的位置。本发明实施例中机器人基于空间移动轨迹构建返回导航地图,避免了机器人由于脱离导航地图无法继续导航的问题,提高机器人导航的效率和准确度。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的装置结构示意图;
图2是本发明机器人导航纠偏方法第一实施例的流程示意图;
图3是本发明机器人导航纠偏装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
由于现有技术服务机器人在某些场景中需要跨楼层进行配送及引导客人等服务,由于某些楼层的地图较大,加载需要一定的时间,机器人一般选择在乘梯的过程中即开始加载目的楼层的地图,若机器人遇人为绑架未能到达目的楼层,机器人将发生地图信息错误导致无法定位,从而无法继续进行服务。
本发明实施例的主要解决方案是:接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息;根据所述当前位置信息对应的当前位置和所述目的位置信息对应的目的位置,规划导航路线;在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线;根据所述返回路线调整导航偏差回到所述导航路线,以继续导航至所述目的位置。
本发明提供一种解决方案,使机器人脱离了当前导航地图所规定的范围,则采集自身的空间移动轨迹,并基于所述空间移动轨迹构建返回导航地图;则根据所述返回导航地图和所述空间移动轨迹导航至所述当前导航地图中的脱离位置,并基于该脱离位置定位,并继续完成任务导航。
进一步地,获取当前机器人的当前位置,若当前位置处于当前导航地图的边线之外时,则机器人是脱离了当前导航地图。记,机器人脱离当前导航地图的边线的位置点为脱离位置,则机器人根据所述返回地图导航至所述脱离位置。
进一步地,基于红外、摄像头、超声和激光采集装置中的一种或任意组合机器人采集在移动过程中的当前的周围环境数据,并基于环境数据标识位于所述空间移动轨迹上的标识物。在返回导航的过程中,利用标识物确定路程是否正确。
根据标识物节点的连线,构建环境地图。地图存储于机器人中,是以全局的拓扑地图和局部的几何特征地图相结合的形式来创建的环境地图,每一个拓扑节点代表一定面积的局部子地图。
机器人根据返回地图导航至所述脱离位置,具体为:机器人通过视觉传感器获取周围环境图像信息,并检测图像中物体的SIFT特征;根据检测到的SIFT特征,和返回地图中已知的基于SIFT特征的路标相对比,确定是否匹配。同时激光测距传感器扫描周围环境,从所获得的数据集中提取有关直线、墙角、房门、走廊等几何特征,然后将视觉、测距传感器的数据进行有效融合,对本楼层地图局部环境特征进行匹配计算的数据关联,确定是否位于某一确定的拓扑节点(房间)。利用视觉传感器可以得到环境的3D信息,信息量大且能够比较直观的反应环境信息。但是采集到的图像的质量依赖于相机标定、光照条件、基线等情况,对于环境的噪声和光线的强弱比较敏感,而且从采集到的图像中提取距离信息所需要的计算量比较大,利用立体视觉系统创建地图基本上不能满足实时性的要求。因此选用激光测距仪作为测距传感器,对激光测距仪获取的环境信息进行处理,从而得到室内环境的2D地图。把激光扫描所得到的数据信息和视觉信息相对结合,将大大加快对局部环境的辨识。通过激光和视觉数据融合的局部环境识别算法,在一个庞大的特征点数据库中搜寻匹配时,其速度可以提高很多。
当机器人在当前位置特征匹配失败或特征较少时,可在当前位置小范围内旋转头部摄像头,来尝试获得更好的路标信息。另一方面,对于特征较丰富的区域,其可提取的特征点较多,花费时间多,而实际完成定位工作并不需要太多的特征点,因此需要为构成每一路标的特征点数量设置上限,例如,预设距离即采集一标识物。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的机器人(又叫机器人自主纠偏的导航设备,其中,机器人自主纠偏的导航设备可以是由单独的机器人自主纠偏的导航装置构成,也可以是由其他装置与机器人自主纠偏的导航装置组合形成)结构示意图。
本发明实施例机器人可以移动机器人,如,带联网功能的智能机器人。
如图1所示,该机器人可以包括:处理器1001,例如,中央处理器CentralProcessing Unit,CPU),网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真WIreless-FIdelity,WIFI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如,磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,机器人还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块;输入单元,比显示屏,触摸屏;网络接口可选除无线接口中除WiFi外,蓝牙、探针等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器;当然,移动机器人还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的机器人结构并不构成对机器人的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,该计算机软件产品存储在一个存储介质(存储介质:又叫计算机存储介质、计算机介质、可读介质、可读存储介质、计算机可读存储介质或者直接叫介质等,存储介质可以是非易失性可读存储介质,如RAM、磁碟、光盘)中,包括若干指令用以使得一台机器人设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序;操作系统是指机器人中安装的操作系统,例如,安卓系统;网络通信模块是指用于通信连接的网络模块,本实施例中网络通信模块可以与共享机器人建立连接;用户接口模块是指用于接收用户输入的模块,例如,用户接口模块用于接收遥控器发送的指令;计算机程序中保存有机器人自主纠偏的导航程序。
在图1所示的机器人中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的计算机程序,并执行本发明以下实施例提供的机器人导航纠偏方法中的步骤。
基于上述硬件结构提出了本发明机器人导航纠偏方法的实施例。
参照图2,在本发明机器人导航纠偏方法的第一实施例中,所述机器人导航纠偏方法包括以下步骤S10-S40:
步骤S10,接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息。
本发明中的机器人导航纠偏方法应用于机器人导航纠偏设备,机器人导航纠偏设备可以是货运机器人。本实施例中以机器人为例进行说明,即,机器人接收导航指令,导航指令的触发方式不作具体限定,即,导航指令可以是用户主动触发的,例如,用户语音说:将编号为001的货物运送到xxx楼3层002房间,主动触发导航指令。此外,导航指令还可以是机器人自动触发的,例如,机器人每日早上8点自动触发导航指令,在检测到到达早上8点自动触发导航指令。
机器人接收导航指令,机器人获取当前位置信息(当前位置信息是指当前的位置坐标信息,例如,xxx楼3层001房间)和所述导航指令对应的目的位置信息(目的位置信息是指运送的目的地信息,例如,xxx楼3层002房间)。
机器人获取当前位置信息和导航指令对应的目的位置信息之后,机器人分析当前位置信息和目的位置信息,确定当前位置信息对应的当前位置和目的位置信息对应的目的位置是否在相同楼层,具体地,包括以下步骤a1-a3:
步骤a1,获取当前位置信息,提取所述当前位置信息中的第一建筑标识和第一楼层信息,提取所述目的位置信息中的第二建筑标识和第二楼层信息;
步骤a2,在所述第一建筑标识与所述第二建筑标识相同,且所述第一楼层信息与所述第二楼层信息相同,则判定所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置在相同楼层;
步骤a3,在所述第一建筑标识与所述第二建筑标识不同,或所述第一楼层信息与所述第二楼层信息不同,则判定所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置分别在不同楼层。
即,机器人获取当前位置信息,机器人提取所述当前位置信息中的第一建筑标识(第一建筑标识是指识别当前位置信息中的建筑标识信息,例如,建筑名称)和第一楼层信息,机器人提取目的位置信息(第二建筑标识是指识别目的位置信息中的建筑标识信息,例如,建筑名称)中的第二建筑标识和第二楼层信息;在所述第一建筑标识与所述第二建筑标识相同,且所述第一楼层信息与所述第二楼层信息相同,则判定所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置在相同楼层;在所述第一建筑标识与所述第二建筑标识不同,或所述第一楼层信息与所述第二楼层信息不同,则判定所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置分别在不同楼层。
若目的位置信息对应的目的位置与当前位置信息对应的当前位置在相同楼层,则获取目的位置对应的的地图,根据地图进行导航。
步骤S20,根据所述当前位置信息对应的当前位置和所述目的位置信息对应的目的位置,规划导航路线。
若目的位置信息对应的目的位置与当前位置信息对应的当前位置在相同楼层,机器人获取当前位置对应的第一地图和目的位置对应的第二地图,机器人根据第一地图和第二地图规划导航路线;具体地,包括以下步骤b1-b3:
步骤b1,若所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置分别在不同楼层,获取所述目的位置对应的第二地图和所述当前位置对应的第一地图;
步骤b2,遍历所述第一地图和所述第二地图,获取所述目的位置和所述当前位置对应的中间节点;
步骤b3,根据所述当前位置、所述中间节点和所述目的位置构建有向图,通过预设最佳路径算法分析各所述有向图,获得导航路线。
即,若目的位置信息对应的目的位置与当前位置信息对应的当前位置分别在不同楼层,则获取目的位置对应的第二地图和当前位置对应的第一地图;机器人遍历第一地图和第二地图,获取目的位置和当前位置对应的中间节点;即,机器人获取第一地图和第二地图对应的楼梯连接处,机器人追溯从当前位置到楼梯连接处,从楼梯连接处到目的位置的中间节点,机器人根据所述当前位置、所述中间节点和所述目的位置构建有向图,通过预设最佳路径算法分析各所述有向图,获得导航路线。
机器人从当前位置、中间节点和目的位置进行追溯确定有向图,机器人根据预设最佳路径算法(预设最佳路径算法是指预先设置的路径分析算法)将有向图中各个节点之间按照长度设置权重,获得各个有向图的数据,机器人,确定有向图的数据选择导航路线。
步骤S30,在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线。
机器人在检测到偏离所述导航路线时,机器人获取空间移动信息(空间移动信息是指空间移动的信息),机器人并基于空间移动信息构建返回路线,具体地,包括以下步骤c1-c3:
步骤c1,在检测到偏离所述导航路线时,获取高度变化信息,通过预设采集装置采集周围的环境图像;
步骤c2,将所述高度变化信息和所述环境图像作为空间移动信息,基于所述空间移动信息确定当前所处楼层,并获取所述当前所处楼层对应的楼层地图;
步骤c3,基于所述楼层地图和所述环境图像确定的标识物,根据所述标识物构建返回路线。
机器人在检测到偏离所述导航路线时,机器人获取高度变化信息,机器人通过预设采集装置采集周围的环境图像;机器人将高度变化信息和所述环境图像作为空间移动信息,机器人基于所述空间移动信息确定当前所处楼层,并获取所述当前所处楼层对应的楼层地图;机器人基于所述楼层地图和所述环境图像确定的标识物,根据所述标识物构建返回路线。
步骤S40,根据所述返回路线调整导航偏差回到所述导航路线,直至到达所述目的位置。
机器人根据返回路线调整导航偏差回到导航路线,即,机器人按照返回路线,导航至偏离位置,然后,机器人从偏离位置处返回至导航路线,直至到达目的位置。
在本实施例中机器人基于空间移动轨迹构建返回导航地图,避免了机器人由于脱离导航地图无法继续导航的问题,提高机器人导航的效率和准确度,也减少了后期人员维修的成本。
进一步地,在本发明第一实施例的基础上,提出了本发明机器人导航纠偏方法的第二实施例。
本实施例是第一实施例的步骤S20之后的步骤,本实施例与本发明第一实施例的区别在于:
在检测到移动时,采集环境图像并提取所述环境图像的特征点;
获取所述导航路线的特征点,将所述导航路线的特征点与所述环境图像的特征点进行比对;
若所述导航路线的特征点与所述环境图像的特征点不匹配,则判定偏离所述导航路线。
机器人在检测到移动时,机器人采集环境图像并提取所述环境图像的特征点;机器人获取所述导航路线的特征点,机器人将所述导航路线的特征点与所述环境图像的特征点进行比对;若所述导航路线的特征点与所述环境图像的特征点不匹配,机器人则判定偏离所述导航路线。
本实施例中采用图像分析提取特征点的方式,将特征点进行比对,机器人可以准确地确定是否偏离,从而进行导航纠偏。
进一步地,在本发明上述实施例的基础上,提出了本发明机器人导航纠偏方法的第三实施例。
本实施例是第一实施例中步骤S40的细化,本实施例与本发明第一实施例的区别在于:
采集环境图像,将所述环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对;
若所述第一SIFT特征与所述第二SIFT特征不匹配,则获取所述环境图像的特征点;
将所述环境图像的特征点与所述导航路线对应的特征点进行比对;
若所述环境图像的特征点与所述导航路线对应的特征点匹配,则判定回到所述导航路线,按照所述导航路线进行导航,直至到达所述目的位置。
机器人采集环境图像,机器人将环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对;即,机器人对所述环境图像进行预处理,并采用直方图对经过预处理后的环境图像进行均衡化得到均衡图像;提取所述均衡图像中存在障碍的区域,进行阈值分割处理后得到分割图像,所述阈值分割处理方法包括最大类间方差和最大熵;对所述分割图像进行噪声去除和边缘提取,获取第一SIFT特征,将所述环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对若所述第一SIFT特征与所述第二SIFT特征不匹配,机器人则获取所述环境图像的特征点;机器人将所述环境图像的特征点与所述导航路线对应的特征点进行比对;若所述环境图像的特征点与所述导航路线对应的特征点匹配,机器人则判定回到所述导航路线,按照所述导航路线进行导航,直至到达所述目的位置。在本实施例中机器人可以准确地进行导航,提高导航效率,减少导航偏差。
此外,参照图3,本发明实施例还提出一种机器人自主纠偏的导航装置,所述机器人自主纠偏的导航装置包括:
指令接收模块10,用于接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息;
路线规划模块20,用于根据所述当前位置信息对应的当前位置和所述目的位置信息对应的目的位置,规划导航路线;
检测获取模块30,用于在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线;
路线调整模块40,用于根据所述返回路线调整导航偏差回到所述导航路线,以继续导航至所述目的位置。
在一实施例中,所述路线规划模块,包括:
地图获取单元,用于若所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置分别在不同楼层,获取所述目的位置对应的第二地图和所述当前位置对应的第一地图;
遍历获取单元,用于遍历所述第一地图和所述第二地图,获取所述目的位置和所述当前位置对应的中间节点;
路线确定单元,用于根据所述当前位置、所述中间节点和所述目的位置构建有向图,通过预设最佳路径算法分析各所述有向图,获得导航路线。
在一实施例中,所述机器人自主纠偏的导航装置包括:
信息提取模块,用于获取当前位置信息,提取所述当前位置信息中的第一建筑标识和第一楼层信息,提取所述目的位置信息中的第二建筑标识和第二楼层信息;
第一判定模块,用于在所述第一建筑标识与所述第二建筑标识相同,且所述第一楼层信息与所述第二楼层信息相同,则判定所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置在相同楼层;
第二判定模块,用于在所述第一建筑标识与所述第二建筑标识不同,或所述第一楼层信息与所述第二楼层信息不同,则判定所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置分别在不同楼层。
在一实施例中,所述机器人自主纠偏的导航装置包括:
特征点提取模块,用于在检测到移动时,采集环境图像并提取所述环境图像的特征点;
特征比对模块,用于获取所述导航路线的特征点,将所述导航路线的特征点与所述环境图像的特征点进行比对;
路线判定模块,用于若所述导航路线的特征点与所述环境图像的特征点不匹配,则判定偏离所述导航路线。
在一实施例中,所述检测获取模块,包括:
检测采集子模块,用于在检测到偏离所述导航路线时,获取高度变化信息,通过预设采集装置采集周围的环境图像;
地图获取子模块,用于将所述高度变化信息和所述环境图像作为空间移动信息,基于所述空间移动信息确定当前所处楼层,并获取所述当前所处楼层对应的楼层地图;
确定构建子模块,用于基于所述楼层地图和所述环境图像确定的标识物,根据所述标识物构建返回路线。
在一实施例中,所述路线调整模块,包括:
采集比对单元,用于采集环境图像,将所述环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对;
匹配获取单元,用于若所述第一SIFT特征与所述第二SIFT特征不匹配,则获取所述环境图像的特征点;
特征点比对单元,用于将所述环境图像的特征点与所述导航路线对应的特征点进行比对;
比对判定单元,用于若所述环境图像的特征点与所述导航路线对应的特征点匹配,则判定回到所述导航路线,并按照所述导航路线继续导航至所述目的位置。
在一实施例中,所述匹配获取单元,用于:
对所述环境图像进行预处理,并采用直方图对经过预处理后的环境图像进行均衡化得到均衡图像;
提取所述均衡图像中存在障碍的区域,进行阈值分割处理后得到分割图像,所述阈值分割处理方法包括最大类间方差和最大熵;
对所述分割图像进行噪声去除和边缘提取,获取第一SIFT特征,将所述环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对。
本发明实施例机器人接收到接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息;若所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置分别在不同楼层,则规划导航路线;在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线;根据所述返回路线调整导航偏差回到所述导航路线,直至到达所述目的位置。本发明实施例中机器人基于空间移动轨迹构建返回导航地图,避免了机器人由于脱离导航地图无法继续导航的问题,提高机器人导航的效率和准确度,也减少了后期人员维修的成本。
其中,机器人自主纠偏的导航装置的各个功能模块实现的步骤可参照本发明机器人导航纠偏方法的各个实施例,此处不再赘述。
此外,本发明实施例还提出一种计算机存储介质。
所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例提供的机器人导航纠偏方法中的操作。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来,而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序;术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中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。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台机器人设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种机器人导航纠偏方法,其特征在于,所述机器人导航纠偏方法包括:
接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息;
根据所述当前位置信息对应的当前位置和所述目的位置信息对应的目的位置,规划导航路线;
在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线;
根据所述返回路线调整导航偏差回到所述导航路线,以继续导航至所述目的位置。
2.如权利要求1所述的机器人导航纠偏方法,其特征在于,所述根据所述当前位置信息对应的当前位置和所述目的位置信息对应的目的位置,规划导航路线,包括:
若所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置分别在不同楼层,获取所述目的位置对应的第二地图和所述当前位置对应的第一地图;
遍历所述第一地图和所述第二地图,获取所述目的位置和所述当前位置对应的中间节点;
根据所述当前位置、所述中间节点和所述目的位置构建有向图,通过预设最佳路径算法分析各所述有向图,获得导航路线。
3.如权利要求1所述的机器人导航纠偏方法,其特征在于,在所述接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息之后,所述方法包括:
获取当前位置信息,提取所述当前位置信息中的第一建筑标识和第一楼层信息,提取所述目的位置信息中的第二建筑标识和第二楼层信息;
在所述第一建筑标识与所述第二建筑标识相同,且所述第一楼层信息与所述第二楼层信息相同,则判定所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置在相同楼层;
在所述第一建筑标识与所述第二建筑标识不同,或所述第一楼层信息与所述第二楼层信息不同,则判定所述目的位置信息对应的目的位置与所述当前位置信息对应的当前位置是分别在不同楼层。
4.如权利要求1所述的机器人导航纠偏方法,其特征在于,在所述在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线之前,所述方法包括:
在检测到移动时,采集环境图像并提取所述环境图像的特征点;
获取所述导航路线的特征点,将所述导航路线的特征点与所述环境图像的特征点进行比对;
若所述导航路线的特征点与所述环境图像的特征点不匹配,则判定偏离所述导航路线。
5.如权利要求1所述的机器人导航纠偏方法,其特征在于,所述在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线,包括:
在检测到偏离所述导航路线时,获取高度变化信息,通过预设采集装置采集周围的环境图像;
将所述高度变化信息和所述环境图像作为空间移动信息,基于所述空间移动信息确定当前所处楼层,并获取所述当前所处楼层对应的楼层地图;
基于所述楼层地图和所述环境图像确定的标识物,根据所述标识物构建返回路线。
6.如权利要求1-5任意一项所述的机器人导航纠偏方法,其特征在于,所述根据所述返回路线调整导航偏差回到所述导航路线,以继续导航至所述目的位置,包括:
采集环境图像,将所述环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对;
若所述第一SIFT特征与所述第二SIFT特征不匹配,则获取所述环境图像的特征点;
将所述环境图像的特征点与所述导航路线对应的特征点进行比对;
若所述环境图像的特征点与所述导航路线对应的特征点匹配,则判定回到所述导航路线,并按照所述导航路线继续导航至所述目的位置。
7.如权利要求6所述的机器人导航纠偏方法,其特征在于,所述采集环境图像,将所述环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对,包括:
对所述环境图像进行预处理,并采用直方图对经过预处理后的环境图像进行均衡化得到均衡图像;
提取所述均衡图像中存在障碍的区域,进行阈值分割处理后得到分割图像,所述阈值分割处理方法包括最大类间方差和最大熵;
对所述分割图像进行噪声去除和边缘提取,获取第一SIFT特征,将所述环境图像的第一SIFT特征与所述返回路线对应的第二SIFT特征进行比对。
8.一种机器人导航纠偏装置,其特征在于,所述机器人导航纠偏装置包括:
指令接收模块,用于接收导航指令,获取当前位置信息和所述导航指令对应的目的位置信息;
路线规划模块,用于根据所述当前位置信息对应的当前位置和所述目的位置信息对应的目的位置,规划导航路线;
检测获取模块,用于在检测到偏离所述导航路线时,获取空间移动信息并基于所述空间移动信息构建返回路线;
路线调整模块,用于根据所述返回路线调整导航偏差回到所述导航路线,以继续导航至所述目的位置。
9.一种机器人导航纠偏设备,其特征在于,所述机器人导航纠偏设备包括:摄像头、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中:
所述摄像头,用于拍摄获取图片数据;
所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的机器人导航纠偏方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的机器人导航纠偏方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010833880.6A CN112033390B (zh) | 2020-08-18 | 2020-08-18 | 机器人导航纠偏方法、装置、设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010833880.6A CN112033390B (zh) | 2020-08-18 | 2020-08-18 | 机器人导航纠偏方法、装置、设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112033390A true CN112033390A (zh) | 2020-12-04 |
CN112033390B CN112033390B (zh) | 2022-07-12 |
Family
ID=73578239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010833880.6A Active CN112033390B (zh) | 2020-08-18 | 2020-08-18 | 机器人导航纠偏方法、装置、设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112033390B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113156971A (zh) * | 2021-05-08 | 2021-07-23 | 珠海市一微半导体有限公司 | 一种纠正行走路径的方法、芯片和机器人 |
CN113984055A (zh) * | 2021-09-24 | 2022-01-28 | 北京奕斯伟计算技术有限公司 | 室内导航定位方法和相关装置 |
US20230106925A1 (en) * | 2021-10-06 | 2023-04-06 | Motorola Mobility Llc | Mobile device navigation to a location having communication access to/connectivity with a wireless network |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140121962A1 (en) * | 2012-10-26 | 2014-05-01 | Texas Instruments Incorporated | Systems and methods for navigating using corrected yaw bias values |
CN105222788A (zh) * | 2015-09-30 | 2016-01-06 | 清华大学 | 基于特征匹配的飞行器航偏移误差的自校正方法 |
CN105241445A (zh) * | 2015-10-20 | 2016-01-13 | 深圳大学 | 一种基于智能移动终端的室内导航数据获取方法及系统 |
CN109239660A (zh) * | 2018-08-31 | 2019-01-18 | 平安科技(深圳)有限公司 | 室内导航方法、装置、计算机设备及存储介质 |
CN109299203A (zh) * | 2018-08-30 | 2019-02-01 | 深圳市赛为智能股份有限公司 | 基于bim和gis一体化数字地图数据存储方法及装置 |
CN109975757A (zh) * | 2019-03-29 | 2019-07-05 | 努比亚技术有限公司 | 室内定位导航方法、终端和计算机存储介质 |
CN110926478A (zh) * | 2019-12-16 | 2020-03-27 | 视辰信息科技(上海)有限公司 | 一种ar导航路线纠偏方法、系统及计算机可读存储介质 |
CN111457925A (zh) * | 2020-04-15 | 2020-07-28 | 湖南赛吉智慧城市建设管理有限公司 | 社区路径导航方法、装置、计算机设备及存储介质 |
-
2020
- 2020-08-18 CN CN202010833880.6A patent/CN112033390B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140121962A1 (en) * | 2012-10-26 | 2014-05-01 | Texas Instruments Incorporated | Systems and methods for navigating using corrected yaw bias values |
CN105222788A (zh) * | 2015-09-30 | 2016-01-06 | 清华大学 | 基于特征匹配的飞行器航偏移误差的自校正方法 |
CN105241445A (zh) * | 2015-10-20 | 2016-01-13 | 深圳大学 | 一种基于智能移动终端的室内导航数据获取方法及系统 |
CN109299203A (zh) * | 2018-08-30 | 2019-02-01 | 深圳市赛为智能股份有限公司 | 基于bim和gis一体化数字地图数据存储方法及装置 |
CN109239660A (zh) * | 2018-08-31 | 2019-01-18 | 平安科技(深圳)有限公司 | 室内导航方法、装置、计算机设备及存储介质 |
CN109975757A (zh) * | 2019-03-29 | 2019-07-05 | 努比亚技术有限公司 | 室内定位导航方法、终端和计算机存储介质 |
CN110926478A (zh) * | 2019-12-16 | 2020-03-27 | 视辰信息科技(上海)有限公司 | 一种ar导航路线纠偏方法、系统及计算机可读存储介质 |
CN111457925A (zh) * | 2020-04-15 | 2020-07-28 | 湖南赛吉智慧城市建设管理有限公司 | 社区路径导航方法、装置、计算机设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113156971A (zh) * | 2021-05-08 | 2021-07-23 | 珠海市一微半导体有限公司 | 一种纠正行走路径的方法、芯片和机器人 |
CN113984055A (zh) * | 2021-09-24 | 2022-01-28 | 北京奕斯伟计算技术有限公司 | 室内导航定位方法和相关装置 |
US20230106925A1 (en) * | 2021-10-06 | 2023-04-06 | Motorola Mobility Llc | Mobile device navigation to a location having communication access to/connectivity with a wireless network |
US12001220B2 (en) * | 2021-10-06 | 2024-06-04 | Motorola Mobility Llc | Mobile device navigation to a location having communication access to or connectivity with a wireless network |
Also Published As
Publication number | Publication date |
---|---|
CN112033390B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112033390B (zh) | 机器人导航纠偏方法、装置、设备和计算机可读存储介质 | |
US9961508B1 (en) | Systems and methods for determining indoor location and floor of a mobile device | |
US10165422B2 (en) | Scalable indoor navigation and positioning systems and methods | |
JP5490911B2 (ja) | 移動ロボットの位置認識のための地図生成および更新方法 | |
JP5296746B2 (ja) | マップ作成方法および装置とそのマップを利用した定位方法 | |
US10415978B2 (en) | Landmark location determination | |
CN108062098B (zh) | 智能机器人的地图构建方法和系统 | |
US10156847B2 (en) | Autonomous moving device | |
CN112050810B (zh) | 一种基于计算机视觉的室内定位导航方法及系统 | |
KR20100031277A (ko) | 전방 영상을 이용한 위치 인식 장치 및 방법 | |
US11436812B2 (en) | Machine learning based object identification using scaled diagram and three-dimensional model | |
US20210149413A1 (en) | Method for positioning on basis of vision information and robot implementing same | |
US11785430B2 (en) | System and method for real-time indoor navigation | |
US11418980B2 (en) | Arrangement for, and method of, analyzing wireless local area network (WLAN) field coverage in a venue | |
WO2021062681A1 (zh) | 一种自动送餐的方法、装置及机器人 | |
CN111148033B (zh) | 一种自移动设备的辅助导航方法 | |
US10735902B1 (en) | Method and computer program for taking action based on determined movement path of mobile devices | |
WO2022250605A1 (en) | Navigation guidance methods and navigation guidance devices | |
KR20210003065A (ko) | 데이터 수집 방법 및 시스템 | |
CN117906617B (zh) | 一种基于bim数据的室内融合定位的移动设备及定位方法 | |
US20240201690A1 (en) | Systems and methods for identifying objects in a space | |
US20240126263A1 (en) | Method for determining a selection area in an environment for a mobile device | |
GB2549195A (en) | Arrangement for, and method of, analyzing wireless local area network (WLAN) field coverage in a venue | |
KR20230108997A (ko) | 시각적 측위방법,이를 이용하는 제어서버 및 건물 | |
Fujiwara et al. | Control of an autonomous mobile robot with laser sensor and image processing approach |
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 |