CN112130569B - 一种超声波量程设置方法及系统 - Google Patents
一种超声波量程设置方法及系统 Download PDFInfo
- Publication number
- CN112130569B CN112130569B CN202011031121.4A CN202011031121A CN112130569B CN 112130569 B CN112130569 B CN 112130569B CN 202011031121 A CN202011031121 A CN 202011031121A CN 112130569 B CN112130569 B CN 112130569B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- robot
- ultrasonic
- data
- mapping
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013507 mapping Methods 0.000 claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000013506 data mapping Methods 0.000 claims description 5
- 238000011478 gradient descent method Methods 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 14
- 239000011521 glass Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种超声波量程设置方法,包括:获取机器人当前工作环境的激光雷达点云数据,并将激光雷达点云数据映射到环境地图坐标系上,得到点云映射数据;根据点云映射数据和环境地图获取目标点云数据;获取机器人的机器人移动路径规划;根据机器人移动路径规划建立机器人移动关注区域;将目标点云数据映射到机器人移动关注区域内,获得目标关注点云区域;根据目标关注点云区域和机器人移动关注区域计算超声波量程系数;根据超声波量程系数设置机器人的超声波量程。还公开了一种超声波量程设置系统。本发明通过激光雷达点云数据,动态设置超声波的量程,一方面增加了安全系数,另一方面避免了因测量距离过大而影响运动效率。
Description
技术领域
本发明涉及超声波定位,特别涉及一种超声波量程设置方法及系统。
背景技术
超声波传感器是机器人经常使用的传感器。它不受光线、灰尘等影响,可以检测到透明玻璃这种利用光特性作为检测手段的测距传感器测不到的东西;但是由于声波的特性,超声波传感器的检测角度就比较大,往往在十几度,甚至几十度。因此,一旦测量到障碍物,机器人无法马上知道障碍物的准确位置,只能知道在一定角度范围内,在这个距离上有障碍物。在机器人快速移动时,检测距离较大虽然可以更加安全,但如果测量到墙壁上的物体,可能导致机器人认为前方有障碍物,进而减速影响机器人运动效率;如果检测距离较小,距离玻璃这类障碍物太近才能检测到,那么对机器人来说太危险。
发明内容
为解决上述技术问题,本发明提供一种超声波量程设置方法及系统,具体如下:
一方面,提供一种超声波量程设置方法,包括:
获取机器人当前工作环境的激光雷达点云数据,并将所述激光雷达点云数据映射到环境地图坐标系上,得到点云映射数据;
根据所述点云映射数据和环境地图获取目标点云数据;所述目标点云数据处于所述环境地图中的空白区域且与环境地图中的固定障碍物的距离不小于预设点云距离的点云;
获取所述机器人的机器人移动路径规划;
根据所述机器人移动路径规划建立机器人移动关注区域;
将所述目标点云数据映射到所述机器人移动关注区域内,获得目标关注点云区域;
根据计算因子计算超声波量程系数;所述计算因子包括根据所述目标关注点云区域和所述机器人移动关注区域,并根据所述超声波量程系数设置所述机器人的超声波量程。
在本技术方案中,通过激光雷达点云数据,动态设置超声波的量程,一方面增加了安全系数,避免碰撞,另一方面避免了因测量距离过大而影响运动效率。
优选地,还包括:所述计算因子还包括所述固定障碍物到所述机器人移动路径规划的最短距离,所述方法还包括:获取所述环境地图中的固定障碍物;
将所述固定障碍物映射到所述机器人移动关注区域中;
计算所述固定障碍物到所述机器人移动路径规划的最短距离。
优选地,还包括:
还包括:所述计算因子还包括移动障碍物数量;所述方法还包括:通过摄像头获取实时图像数据;
根据所述实时图像数据识别出移动障碍物数量。
在本优选的技术方案中,通过多种传感器的数据融合,修正超声波量程系数,进一步提高了超声波量程系数的合理性,避免了单一参数所带来的偏见,提高了超声波量程量程设置的效果,进一步增强了安全和运动效率的平衡。
优选地,所述根据所述机器人移动路径规划建立机器人移动关注区域包括:
将所述机器人移动路径规划映射到所述环境地图中,得到环境地图移动路径规划;
根据关注区域距离,膨胀所述环境地图移动路径规划以建立移动关注区域。
优选地,获得目标关注点云区域包括:
根据所述目标点云数据在所述机器人移动关注区域内上产生数据投影;
根据预设的点云膨胀距离按照梯度下降的方法膨胀所述数据投影,产生所述目标关注点云区域。
在本优选的技术方案中,通过对点云和路径的膨胀,为运动的计算留下冗余,进一步减少了由于测量的误差和移动的误差而导致碰撞风险,进一步提高了机器人的安全系数。
另一方面,本发明还提供一种超声波量程设置系统,包括:
点云数据映射模块,用于获取机器人当前工作环境的激光雷达点云数据,并将所述激光雷达点云数据映射到环境地图坐标系上,得到点云映射数据;
目标点云映射模块,用于根据所述点云映射数据和环境地图获取目标点云数据;所述目标点云数据处于所述环境地图中的空白区域且与环境地图中的固定障碍物的距离不小于预设点云距离的点云;
移动关注区域建立模块,用于根据所述机器人移动路径规划建立机器人移动关注区域;
关注点云区域建立模块,用于将所述目标点云数据映射到所述机器人移动关注区域内,获得目标关注点云区域;
超声波量程设置模块,用于根据计算因子计算超声波量程系数;所述计算因子包括根据所述目标关注点云区域和所述机器人移动关注区域,并根据所述超声波量程系数设置所述机器人的超声波量程。
优选地,还包括:固定障碍物映射模块,用于获取所述环境地图中的固定障碍物,将所述固定障碍物映射到所述机器人移动关注区域中;
所述超声波量程设置模块,还用于计算所述固定障碍物到所述机器人移动路径规划的最短距离。
优选地,还包括:移动障碍物统计模块,还用于通过摄像头获取实时图像数据,根据所述实时图像数据识别出移动障碍物数量。
优选地,移动关注区域建立模块包括:
路径映射模块,用于将所述机器人移动路径规划映射到所述环境地图中,得到环境地图移动路径规划;
路径膨胀模块,根据关注区域距离,膨胀所述环境地图移动路径规划以建立移动关注区域。
优选地,所述关注点云区域建立模块包括:
目标点云数据映射模块,用于根据所述目标点云数据在所述机器人移动关注区域内上产生数据投影;
点云膨胀模块,用于根据预设的点云膨胀距离按照梯度下降的方法膨胀所述数据投影,产生所述目标关注点云区域。
本发明至少包括以下一项技术效果:
(1)在本实施例中,通过激光雷达点云数据,动态设置超声波的量程,一方面增加了安全系数,避免碰撞,另一方面避免了因测量距离过大而影响运动效率;
(2)通过多种传感器的数据融合,修正超声波量程系数,进一步提高了超声波量程系数的合理性,避免了单一参数所带来的偏见,提高了超声波量程量程设置的效果,进一步增强了安全和运动效率的平衡;
(3)本实施例通过对点云和路径的膨胀,为运动的计算留下冗余,进一步减少了由于测量的误差和移动的误差而导致碰撞风险,进一步提高了机器人的安全系数。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1的流程示意图;
图2为本发明实施例2的流程示意图;
图3为本发明实施例3的流程示意图;
图4为本发明实施例4的结构示意图。
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他实施例中也可以实现本申请。在其他情况中,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。
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”指示所述描述特征、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他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。
为使图面简洁,各图中只示意性地表示出了与本发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘出了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
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。
另外,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,并获得其他的实施方式。
实施例1:
如图1所示,本实施例提供一种超声波量程设置方法,包括:
S1:获取机器人当前工作环境的激光雷达点云数据,并将所述激光雷达点云数据映射到环境地图坐标系上,得到点云映射数据;
S2:根据所述点云映射数据和环境地图获取目标点云数据;所述目标点云数据处于所述环境地图中的空白区域且与环境地图中的固定障碍物的距离不小于预设点云距离的点云;
S8:获取所述机器人的机器人移动路径规划;
S9:根据所述机器人移动路径规划建立机器人移动关注区域;
S10:将所述目标点云数据映射到所述机器人移动关注区域内,获得目标关注点云区域;
S11:根据计算因子计算超声波量程系数;所述计算因子包括根据所述目标关注点云区域和所述机器人移动关注区域,一般而言,是直接计算所述目标关注点云区域面积与所述机器人移动关注区域的比值;
S12:根据所述超声波量程系数设置所述机器人的超声波量程。
在本实施例中,首先将激光雷达点云数据映射到环境地图上,从而将由激光雷达采集到的障碍物信息反映到环境地图上,同时为了避免重复统计,仅统计在环境地图中的空白区域,也就是没有障碍物的区域并且远离障碍物0.2米的点云,也就是目标点云数据,然后根据机器人的移动路径规划建立机器人移动关注区域,这个区域反映了在机器人的移动过程中可能与哪些障碍物发生碰撞,然后将目标点云数据映射到机器人移动关注区域中,也就是说确定了都有哪些区域中的障碍物是需要机器人在移动过程中需要判断的,进而根据所述目标关注点云区域和所述机器人移动关注区域的关系计算得到超声波量程系数,从而设置超声波量程。
在本实施例中,通过激光雷达点云数据,动态设置超声波的量程,一方面增加了安全系数,避免碰撞,另一方面避免了因测量距离过大而影响运动效率。
实施例2:
如图2所示,本实施例提供一种超声波量程设置方法,本实施例包括:
S1:获取机器人当前工作环境的激光雷达点云数据,并将所述激光雷达点云数据映射到环境地图坐标系上,得到点云映射数据;
S2:根据所述点云映射数据和环境地图获取目标点云数据;所述目标点云数据处于所述环境地图中的空白区域内且与环境地图中的固定障碍物的距离不小于预设点云距离的点云;
S3:获取所述环境地图中的固定障碍物;
S4:将所述固定障碍物映射到所述机器人移动关注区域中;
S5:计算所述固定障碍物到所述机器人移动路径规划的最短距离;
S6:所述计算因子还包括移动障碍物数量;所述方法还包括:通过摄像头获取实时图像数据;
S7:根据所述实时图像数据识别出移动障碍物数量;实时图像既可以是通过机器人自带的摄像头获得,也可以通过室内的监控摄像头获得;
S8:获取所述机器人的机器人移动路径规划;
S9:根据所述机器人移动路径规划建立机器人移动关注区域;
S10:将所述目标点云数据映射到所述机器人移动关注区域内,获得目标关注点云区域,并根据所述所述目标关注点云区域和所述机器人移动关注区域,计算所述机器人移动关注区域内的障碍物区域比例;
S11-1:根据所述移动障碍物数量、所述最短距离和所述障碍物区域比例按照各自的权重比加权相加获得超时波量程系数;
S12:根据所述超声波量程系数设置所述机器人的超声波量程。
在本实施例中,不仅仅只通过点云数据来进行超声波量程的设置,还要通过如固定障碍物到所述机器人移动路径规划的最短距离,移动障碍物数量对超声波量程设置系数进行设置。
具体而言,通过原有的环境地图地图,找到对应的固定障碍物,比如玻璃门等,然后再将固定障碍物投影到机器人移动关注区域内,然后计算这些固定障碍物到机器人移动路径规划的最短距离,也就是通过最短距离来衡量机器人碰撞到固定障碍物的风险大小;同时根据摄像头采集到的实时的移动障碍物数量进行统计,作为另外的统计系数,最后根据所述移动障碍物数量、所述最短距离和所述障碍物区域比例按照各自的权重比加权相加,从而实现了多种数据融合的超声波量程系数。
本实施例通过多种传感器的数据融合,修正超声波量程系数,进一步提高了超声波量程系数的合理性,避免了单一参数所带来的偏见,提高了超声波量程量程设置的效果,进一步增强了安全和运动效率的平衡。
实施例3:
如图3所示,本实施例提供一种超声波量程设置方法,本实施例包括:
S1:获取机器人当前工作环境的激光雷达点云数据,并将所述激光雷达点云数据映射到环境地图坐标系上,得到点云映射数据;
S2:根据所述点云映射数据和环境地图获取目标点云数据;所述目标点云数据处于所述环境地图中的空白区域且与环境地图中的固定障碍物的距离不小于预设点云距离的点云;
S3:获取所述环境地图中的固定障碍物;
S4:将所述固定障碍物映射到所述机器人移动关注区域中;
S5:计算所述固定障碍物到所述机器人移动路径规划的最短距离;
S6:通过摄像头获取实时图像数据;
S7:根据所述实时图像数据识别出移动障碍物数量;
S8:获取所述机器人的机器人移动路径规划;
S9-1:将所述机器人移动路径规划映射到所述环境地图中,得到环境地图移动路径规划;
S9-2:根据关注区域距离,膨胀所述环境地图移动路径规划以建立移动关注区域;
S10-1:根据所述目标点云数据在所述机器人移动关注区域内上产生数据投影;
S10-2:根据预设的点云膨胀距离按照梯度下降的方法膨胀所述数据投影,产生所述目标关注点云区域;
S11-1:根据所述移动障碍物数量、所述最短距离和所述障碍物区域比例按照各自的权重比加权相加获得超时波量程系数
S12:根据所述超声波量程系数设置所述机器人的超声波量程。
在本实施例中,首先将激光雷达点云数据映射到环境地图上,从而将由激光雷达采集到的障碍物信息反映到环境地图上,同时为了避免重复统计,仅统计在环境地图中的空白区域,也就是没有障碍物的区域并且远离障碍物0.2米的点云,也就是目标点云数据,然后通过原有的环境地图地图,找到对应的固定障碍物,比如玻璃门等,然后再将固定障碍物投影到机器人移动关注区域内,然后计算这些固定障碍物到机器人移动路径规划的最短距离;同时根据摄像头采集到的实时的移动障碍物数量进行统计,作为另外的统计系数。
然后根据机器人的移动路径规划建立机器人移动关注区域,这个区域反映了在机器人的移动过程中可能与哪些障碍物发生碰撞,然后将目标点云数据映射到机器人移动关注区域中,也就是说确定了都有哪些障碍物是需要机器人在移动过程中需要判断的。
在具体的机器人移动关注区域构建过程中,首先获取所述机器人的机器人移动路径规划,然后以机器人移动路径规划为中心,向外膨胀数米,具体的米数可根据机器人的误差进行判断,一般而言,机器人移动的区域不会超出该机器人移动关注区域,也就是说,机器人移动关注区域是关于机器人移动的区域的预期;同时由于在实际的运行过程中,目标点云数据所代表的的障碍物的位置也可能发生变化,同时由于误差的问题,也可能存在着实际的碰撞范围要比点云数据所反映的区域要大的情况,故在构建目标关注点云区域的过程中,适当膨胀所述数据投影,进而减少测量误差和障碍物移动所带来的影响。
本实施例通过对点云和路径的膨胀,为运动的计算留下冗余,进一步减少了由于测量的误差和移动的误差而导致碰撞风险,进一步提高了机器人的安全系数。
最后将三种类型的参数结合计算得到超声波量程系数,从而设置超声波量程,进而根据环境来动态设置超声波的量程,从而更大程度上实现安全和运动效率的平衡。
实施例4:
如图4所示,本实施例提供一种超声波量程设置系统,包括:点云数据映射模块1,用于获取机器人当前工作环境的激光雷达点云数据,并将所述激光雷达点云数据映射到环境地图坐标系上,得到点云映射数据;目标点云映射模块2,用于根据所述点云映射数据和环境地图获取目标点云数据;所述目标点云数据处于所述环境地图中的空白区域且与环境地图中的固定障碍物的距离不小于预设点云距离的点云;移动关注区域建立模块3,用于根据所述机器人移动路径规划建立机器人移动关注区域;关注点云区域建立模块4,用于将所述目标点云数据映射到所述机器人移动关注区域内,获得目标关注点云区域;超声波量程设置模块5,用于根据计算因子计算超声波量程系数;所述计算因子包括根据所述目标关注点云区域和所述机器人移动关注区域,并根据所述超声波量程系数设置所述机器人的超声波量程。
在本实施例中,首先将激光雷达点云数据映射到环境地图上,从而将由激光雷达采集到的障碍物信息反映到环境地图上,同时为了避免重复统计,仅统计在环境地图中的空白区域,也就是没有障碍物的区域并且远离障碍物0.2米的点云,也就是目标点云数据,然后根据机器人的移动路径规划建立机器人移动关注区域,这个区域反映了在机器人的移动过程中可能与哪些障碍物发生碰撞,然后将目标点云数据映射到机器人移动关注区域中,也就是说确定了都有哪些障碍物是需要机器人在移动过程中需要判断的,进而根据所述目标关注点云区域和所述机器人移动关注区域的关系计算得到超声波量程系数,从而设置超声波量程。
实施例5:
本实施例基于实施例4,提供一种超声波量程设置系统,还包括:固定障碍物映射模块,用于获取所述环境地图中的固定障碍物,将所述固定障碍物映射到所述机器人移动关注区域中;
所述超声波量程设置模块,还用于计算所述固定障碍物到所述机器人移动路径规划的最短距离。还包括:移动障碍物统计模块,用于通过摄像头获取实时图像数据,根据所述实时图像数据识别出移动障碍物数量。
在本实施例中,不仅仅只通过点云数据来进行超声波量程的设置,还要通过如固定障碍物到所述机器人移动路径规划的最短距离,移动障碍物数量对超声波量程设置系数进行设置。
具体而言,通过原有的环境地图地图,找到对应的固定障碍物,比如玻璃门等,然后再将固定障碍物投影到机器人移动关注区域内,然后计算这些固定障碍物到机器人移动路径规划的最短距离,也就是通过最短距离来衡量机器人碰撞到固定障碍物的风险大小,最后再通过加权相加的方法对原有的超声波量程系数进行修正;同时根据摄像头采集到的实时的移动障碍物数量进行统计,作为另外的统计系数,然后通过加权相加的方法对原有的超声波量程系数进行修正,从而实现了多种数据融合的超声波量程系数。
实施例6:
本实施例基于实施例5,移动关注区域建立模块3包括:路径映射模块,用于将所述机器人移动路径规划映射到所述环境地图中,得到环境地图移动路径规划;路径膨胀模块,根据关注区域距离,膨胀所述环境地图移动路径规划以建立移动关注区域。所述关注点云区域建立模块4包括:目标点云数据映射模块,用于根据所述目标点云数据在所述机器人移动关注区域内上产生数据投影;点云膨胀模块,用于根据预设的点云膨胀距离按照梯度下降的方法膨胀所述数据投影,产生所述目标关注点云区域。
在本实施例中,首先将激光雷达点云数据映射到环境地图上,从而将由激光雷达采集到的障碍物信息反映到环境地图上,同时为了避免重复统计,仅统计在环境地图中的空白区域,也就是没有障碍物的区域并且远离障碍物0.2米的点云,也就是目标点云数据,然后通过原有的环境地图地图,找到对应的固定障碍物,比如玻璃门等,然后再将固定障碍物投影到机器人移动关注区域内,然后计算这些固定障碍物到机器人移动路径规划的最短距离;同时根据摄像头采集到的实时的移动障碍物数量进行统计,作为另外的统计系数。
然后根据机器人的移动路径规划建立机器人移动关注区域,这个区域反映了在机器人的移动过程中可能与哪些障碍物发生碰撞,然后将目标点云数据映射到机器人移动关注区域中,也就是说确定了都有哪些障碍物是需要机器人在移动过程中需要判断的。
在具体的机器人移动关注区域构建过程中,首先获取所述机器人的机器人移动路径规划,然后以机器人移动路径规划为中心,向外膨胀数米,具体的米数可根据机器人的误差进行判断,一般而言,机器人移动的区域不会超出该机器人移动关注区域,也就是说,机器人移动关注区域是关于机器人移动的区域的预期;同时由于在实际的运行过程中,目标点云数据所代表的的障碍物的位置也可能发生变化,同时由于误差的问题,也可能存在着实际的碰撞范围要比点云数据所反映的区域要大的情况,故在构建目标关注点云区域的过程中,适当膨胀所述数据投影,进而减少测量误差和障碍物移动所带来的影响。
最后将三种类型的参数结合计算得到超声波量程系数,从而设置超声波量程,进而根据环境来动态设置超声波的量程,从而更大程度上实现安全和运动效率的平衡。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种超声波量程设置方法,其特征在于,包括:
获取机器人当前工作环境的激光雷达点云数据,并将所述激光雷达点云数据映射到环境地图坐标系上,得到点云映射数据;
根据所述点云映射数据和所述环境地图获取目标点云数据;所述目标点云数据处于所述环境地图中的空白区域内且与所述环境地图中的固定障碍物的距离不小于预设点云距离的点云;
获取所述机器人的机器人移动路径规划;
根据所述机器人移动路径规划建立机器人移动关注区域;
将所述目标点云数据映射到所述机器人移动关注区域内,获得目标关注点云区域;
根据计算因子计算超声波量程系数;所述计算因子包括根据所述目标关注点云区域和所述机器人移动关注区域计算出的所述机器人移动关注区域内的障碍物区域比例;
根据所述超声波量程系数设置所述机器人的超声波量程。
2.根据权利要求1所述的一种超声波量程设置方法,其特征在于,
所述计算因子还包括固定障碍物到所述机器人移动路径规划的最短距离;
所述方法还包括:获取所述环境地图中的所述固定障碍物;
将所述固定障碍物映射到所述机器人移动关注区域中;
计算所述固定障碍物到所述机器人移动路径规划的最短距离。
3.根据权利要求1或者权利要求2所述的一种超声波量程设置方法,其特征在于,所述计算因子还包括移动障碍物数量;
所述方法还包括:通过摄像头获取实时图像数据;
根据所述实时图像数据识别出所述移动障碍物数量。
4.根据权利要求3所述的一种超声波量程设置方法,其特征在于,根据计算因子计算超声波量程系数包括:
根据所述障碍物区域比例产生超声波量程系数。
5.根据权利要求4所述的一种超声波量程设置方法,其特征在于,根据所述移动障碍物数量、固定障碍物到所述机器人移动路径规划的最短距离和所述障碍物区域比例按照各自的权重比加权相加获得超时波量程系数。
6.根据权利要求1所述的一种超声波量程设置方法,其特征在于,所述根据所述机器人移动路径规划建立机器人移动关注区域包括:
将所述机器人移动路径规划映射到所述环境地图中,得到环境地图移动路径规划;
根据关注区域距离,膨胀所述环境地图移动路径规划以建立移动关注区域。
7.根据权利要求1所述的一种超声波量程设置方法,其特征在于,获得目标关注点云区域包括:
根据所述目标点云数据在所述机器人移动关注区域内上产生数据投影;
根据预设的点云膨胀距离按照梯度下降的方法膨胀所述数据投影,产生所述目标关注点云区域。
8.一种超声波量程设置系统,其特征在于,包括:
点云数据映射模块,获取机器人当前工作环境的激光雷达点云数据,并将所述激光雷达点云数据映射到环境地图坐标系上,得到点云映射数据;
目标点云映射模块,用于根据根据所述点云映射数据和所述环境地图获取目标点云数据;所述目标点云数据处于所述环境地图中的空白区域内且与所述环境地图中的固定障碍物的距离不小于预设点云距离的点云;
移动关注区域建立模块,用于根据所述机器人移动路径规划建立机器人移动关注区域;
关注点云区域建立模块,用于将所述目标点云数据映射到所述机器人移动关注区域内,获得目标关注点云区域;
超声波量程设置模块,用于根据计算因子计算超声波量程系数,并根据所述超声波量程系数设置所述机器人的超声波量程;所述计算因子包括根据所述目标关注点云区域和所述机器人移动关注区域计算出的所述机器人移动关注区域内的障碍物区域比例。
9.根据权利要求8所述的一种超声波量程设置系统,其特征在于,还包括:
固定障碍物映射模块,用于获取所述环境地图中的固定障碍物,将所述固定障碍物映射到所述机器人移动关注区域中;
所述超声波量程设置模块,还用于计算所述固定障碍物到所述机器人移动路径规划的最短距离。
10.根据权利要求9所述的一种超声波量程设置系统,其特征在于,还包括:
移动障碍物统计模块,还用于通过摄像头获取实时图像数据,根据所述实时图像数据识别出移动障碍物数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011031121.4A CN112130569B (zh) | 2020-09-27 | 2020-09-27 | 一种超声波量程设置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011031121.4A CN112130569B (zh) | 2020-09-27 | 2020-09-27 | 一种超声波量程设置方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112130569A CN112130569A (zh) | 2020-12-25 |
CN112130569B true CN112130569B (zh) | 2024-03-26 |
Family
ID=73840553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011031121.4A Active CN112130569B (zh) | 2020-09-27 | 2020-09-27 | 一种超声波量程设置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112130569B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003302427A (ja) * | 2002-04-11 | 2003-10-24 | Yokogawa Electric Corp | オートレンジ形測定装置 |
JP2011238104A (ja) * | 2010-05-12 | 2011-11-24 | Toyota Motor Corp | 移動ロボット |
JP2015068748A (ja) * | 2013-09-30 | 2015-04-13 | 株式会社リコー | 動的隆起測定装置、動的隆起測定方法および動的隆起測定プログラム |
CN207354504U (zh) * | 2017-04-25 | 2018-05-11 | 湘潭大学 | 一种频率与曝光可调的飞行时间三维成像装置 |
JP2018197945A (ja) * | 2017-05-23 | 2018-12-13 | 株式会社デンソーテン | 障害物検出装置および障害物検出方法 |
CN110908374A (zh) * | 2019-11-14 | 2020-03-24 | 华南农业大学 | 一种基于ros平台的山地果园避障系统及方法 |
EP3647733A1 (en) * | 2018-10-29 | 2020-05-06 | Aptiv Technologies Limited | Automatic annotation of environmental features in a map during navigation of a vehicle |
CN111190186A (zh) * | 2020-01-10 | 2020-05-22 | 北京百度网讯科技有限公司 | 雷达探测方法、装置和电子设备 |
CN111413991A (zh) * | 2020-05-14 | 2020-07-14 | 东南大学 | 一种机器人导航定位方法及系统 |
WO2020148183A1 (en) * | 2019-01-18 | 2020-07-23 | Veoneer Sweden Ab | Driver assistance system and method for a motor vehicle |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9744670B2 (en) * | 2014-11-26 | 2017-08-29 | Irobot Corporation | Systems and methods for use of optical odometry sensors in a mobile robot |
-
2020
- 2020-09-27 CN CN202011031121.4A patent/CN112130569B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003302427A (ja) * | 2002-04-11 | 2003-10-24 | Yokogawa Electric Corp | オートレンジ形測定装置 |
JP2011238104A (ja) * | 2010-05-12 | 2011-11-24 | Toyota Motor Corp | 移動ロボット |
JP2015068748A (ja) * | 2013-09-30 | 2015-04-13 | 株式会社リコー | 動的隆起測定装置、動的隆起測定方法および動的隆起測定プログラム |
CN207354504U (zh) * | 2017-04-25 | 2018-05-11 | 湘潭大学 | 一种频率与曝光可调的飞行时间三维成像装置 |
JP2018197945A (ja) * | 2017-05-23 | 2018-12-13 | 株式会社デンソーテン | 障害物検出装置および障害物検出方法 |
EP3647733A1 (en) * | 2018-10-29 | 2020-05-06 | Aptiv Technologies Limited | Automatic annotation of environmental features in a map during navigation of a vehicle |
WO2020148183A1 (en) * | 2019-01-18 | 2020-07-23 | Veoneer Sweden Ab | Driver assistance system and method for a motor vehicle |
CN110908374A (zh) * | 2019-11-14 | 2020-03-24 | 华南农业大学 | 一种基于ros平台的山地果园避障系统及方法 |
CN111190186A (zh) * | 2020-01-10 | 2020-05-22 | 北京百度网讯科技有限公司 | 雷达探测方法、装置和电子设备 |
CN111413991A (zh) * | 2020-05-14 | 2020-07-14 | 东南大学 | 一种机器人导航定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112130569A (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3264364B1 (en) | Method and apparatus for obtaining range image with uav, and uav | |
EP3754448A1 (en) | Data fusion method and related device | |
CN1940591B (zh) | 使用传感器融合进行目标跟踪的系统和方法 | |
EP3293487A1 (en) | Data structure of environment map, environment map preparing system and method, and environment map updating system and method | |
JPH06293236A (ja) | 走行環境監視装置 | |
CN111201448B (zh) | 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法 | |
US20140122409A1 (en) | Apparatus and method for building map of probability distribution based on properties of object and system | |
CN107368095A (zh) | 一种小型固定翼无人机空中防撞系统及防撞方法 | |
CN109870705A (zh) | 基于激光雷达的边界目标标识方法及装置 | |
US11941888B2 (en) | Method and device for generating training data for a recognition model for recognizing objects in sensor data of a sensor, in particular, of a vehicle, method for training and method for activating | |
WO2022217988A1 (zh) | 传感器配置方案确定方法、装置、计算机设备、存储介质及程序 | |
US11709260B2 (en) | Data driven resolution function derivation | |
JP2017526083A (ja) | 位置特定およびマッピングの装置ならびに方法 | |
CN110109144A (zh) | 基于多线激光雷达的路肩检测方法及装置 | |
CN113850102A (zh) | 基于毫米波雷达辅助的车载视觉检测方法及系统 | |
CN112684797B (zh) | 一种障碍物地图构建方法 | |
CN110426714B (zh) | 一种障碍物识别方法 | |
CN110109145A (zh) | 基于多线激光雷达的行驶区域检测方法及装置 | |
CN112130569B (zh) | 一种超声波量程设置方法及系统 | |
CN109903367A (zh) | 构建地图的方法、装置和计算机可读存储介质 | |
CN116629106A (zh) | 移动机器人运行场景的准数字孪生方法、系统、设备及介质 | |
CN114935748A (zh) | 一种基于检测物体的大基线多激光雷达标定的方法及系统 | |
CN110109146A (zh) | 基于多线激光雷达的路面检测方法及装置 | |
CN115902845A (zh) | 激光雷达的外参标定方法及相关装置 | |
CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 |
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 |