CN112162551A - 障碍物探测方法、装置、设备及计算机可读介质 - Google Patents
障碍物探测方法、装置、设备及计算机可读介质 Download PDFInfo
- Publication number
- CN112162551A CN112162551A CN202010946744.8A CN202010946744A CN112162551A CN 112162551 A CN112162551 A CN 112162551A CN 202010946744 A CN202010946744 A CN 202010946744A CN 112162551 A CN112162551 A CN 112162551A
- Authority
- CN
- China
- Prior art keywords
- robot
- sub
- obstacle
- observation position
- auxiliary line
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000004888 barrier function Effects 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 13
- 238000012545 processing Methods 0.000 abstract description 11
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000011084 recovery Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, 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
-
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及一种障碍物探测方法、装置、设备及计算机可读介质。该方法包括：获取障碍物在地图中的多个目标观测位置；控制组合机器人中的主机器人和子机器人分别移动到相应目标观测位置；利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据，探测信息为主机器人和子机器人在相应目标观测位置上探测获得。本申请通过设置主机器人与子机器人协同探测的方式，提高了机器人构建地图的效率，以及在建图过程中对障碍物描述的完整度及定位的精确度，并且，避免了额外使用服务器，去构建中央处理单元的机器人协作系统，结构相对简单，成本相对较低。
Description
技术领域
本申请涉及机器人技术领域，尤其涉及一种障碍物探测方法、装置、设备及计算机可读介质。
背景技术
随着智能机器人的研究越发深入，机器人的普及度也越来越高。在移动机器人研究领域中，地图构建和自主导航属于主要的研究内容，通过构建完整的地图，机器人进一步地完成路径规划、导航、避障等任务，其中尤以障碍物的探测最为关键。
目前，相关技术中，传统的移动机器人利用激光雷达探测周围环境，对于激光雷达扫描到的障碍物，机器人通过接收到的雷达信号进行定位，并将障碍物根据定位信息叠加在构建的地图层上，从而实现地图信息的完善，这种方式存在一些局限，即对于一个立体的障碍物来说，机器人需要围绕其一周才能够将其外形轮廓完整地在地图上呈现出来，建图效率较低。另外，有规模的组合机器人都是采用一个中央控制服务器协调若干台规格相同的机器人这种形式，各个机器人之间相互并列，独立执行服务器分配的任务，以达到整体上的协同工作，此类架构设计较为复杂，并且单独需要一台中央处理单元，成本较高。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请提供了一种障碍物探测方法、装置、设备及计算机可读介质，以解决上述“障碍物探测时建图效率较低”的技术问题。
第一方面，本申请提供了一种障碍物探测方法，包括：获取障碍物在地图中的多个目标观测位置；控制组合机器人中的主机器人和子机器人分别移动到相应目标观测位置；利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据，探测信息为主机器人和子机器人在相应目标观测位置上探测获得。
可选地，获取障碍物在地图中的多个目标观测位置包括：将主机器人所在的位置作为第一观测位置，目标观测位置包括所述第一观测位置；利用第一观测位置和障碍物作辅助线；根据辅助线确定子机器人的目标观测位置。
可选地，利用第一观测位置和障碍物作辅助线包括：以第一观测位置为起点，正面朝向障碍物的方向作穿过障碍物的第一辅助线；以第一观测位置为起点，取第一辅助线顺时针和逆时针第一角度的方向各引一条辅助线，得到第二辅助线和第三辅助线，第一角度为根据障碍物确定的辅助线角度；控制子机器人绕障碍物行进，并利用子机器人的行进路线确定第四辅助线。
可选地，控制子机器人绕障碍物行进，并利用子机器人的行进路线确定第四辅助线包括：确定主机器人在第一观测位置探测到的障碍物的第一边缘和第二边缘，第一边缘和第二边缘为障碍物朝向第一观测位置的外轮廓最宽距离的位置；将第一边缘在地图上的投影作为第一锚点，将第二边缘在地图上的投影作为第二锚点；控制第一子机器人行进至第一锚点，控制第二子机器人行进至第二锚点，并控制第一子机器人和第二子机器人以远离第一观测位置的方向沿障碍物的边缘行进，子机器人包括第一子机器人和第二子机器人；在第一子机器人和/或第二子机器人的行进路线与第一辅助线相交的情况下，将交点作为第三锚点；获取第一观测位置至障碍物的第一距离，并在距离第三锚点第一距离的位置作第一辅助线的垂线，得到第四辅助线，第四辅助线位于远离第一观测位置的一侧。
可选地，根据辅助线确定子机器人的目标观测位置包括：将第四辅助线与第二辅助线、第三辅助线的交点作为第二观测位置和第三观测位置，目标观测位置包括第二观测位置和第三观测位置。
可选地，控制组合机器人中的主机器人和子机器人分别移动到相应所述目标观测位置包括：控制主机器人保持在第一观测位置，控制第一子机器人行进至第二观测位置，控制第二子机器人行进至第三观测位置。
可选地，利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据包括：获取主机器人、第一子机器人及第二子机器人在相应观测位置采集到的图像数据，探测信息包括图像数据；通过配准的方式将三个观测位置获取到的图像数据进行拼接，得到障碍物的探测数据。
可选地，利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据之后，还包括按照如下方式回收子机器人：利用障碍物的探测数据对地图进行更新；在更新后的地图上规划子机器人返回至主机器人所在位置的行进路线，以回收子机器人。
第二方面，本申请提供了一种障碍物探测装置，包括：观测位置获取模块，用于获取障碍物在地图中的多个目标观测位置；机器人控制模块，用于控制组合机器人中的主机器人和子机器人分别移动到相应目标观测位置；数据复原模块，用于利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据，探测信息为主机器人和子机器人在相应目标观测位置上探测获得。
第三方面，本申请提供了一种计算机设备，包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述第一方面任一项方法的步骤。
第四方面，本申请还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行上述第一方面任一方法。
本申请实施例提供的上述技术方案与相关技术相比具有如下优点：
本申请技术方案为获取障碍物在地图中的多个目标观测位置；控制组合机器人中的主机器人和子机器人分别移动到相应目标观测位置；利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据，探测信息为主机器人和子机器人在相应目标观测位置上探测获得。本申请通过设置主机器人与子机器人协同探测的方式，提高了机器人构建地图的效率，以及在建图过程中对障碍物描述的完整度及定位的精确度，并且，避免了额外使用服务器，去构建中央处理单元的机器人协作系统，结构相对简单，成本相对较低。
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。
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为根据本申请实施例提供的一种可选的障碍物探测方法硬件环境示意图；
图2为根据本申请实施例提供的一种可选的障碍物探测方法流程图；
图3为根据本申请实施例提供的一种可选的子机器人行进路线示意图；
图4为根据本申请实施例提供的一种可选的子机器人行进路线示意图；
图5为根据本申请实施例提供的一种可选的子机器人行进路线示意图；
图6为根据本申请实施例提供的一种可选的障碍物探测示意图；
图7为根据本申请实施例提供的一种可选的障碍物探测装置框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
相关技术中，传统的移动机器人利用激光雷达探测周围环境，对于激光雷达扫描到的障碍物，机器人通过接收到的雷达信号进行定位，并将障碍物根据定位信息叠加在构建的地图层上，从而实现地图信息的完善，这种方式存在一些局限，即对于一个立体的障碍物来说，机器人需要围绕其一周才能够将其外形轮廓完整地在地图上呈现出来，建图效率较低。另外，有规模的组合机器人都是采用一个中央控制服务器协调若干台规格相同的机器人这种形式，各个机器人之间相互并列，独立执行服务器分配的任务，以达到整体上的协同工作，此类架构设计较为复杂，并且单独需要一台中央处理单元，成本较高。
为了解决背景技术中提及的问题，根据本申请实施例的一方面，提供了一种障碍物探测方法的实施例。
可选地，在本申请实施例中，上述障碍物探测方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示，服务器103通过网络与终端101进行连接，可用于为终端或终端上安装的客户端提供服务，可在服务器上或独立于服务器设置数据库105，用于为服务器103提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端101包括但不限于机器人。
本申请实施例中的一种障碍物探测方法可以由服务器103来执行，还可以是由服务器103和终端101共同执行，如图2所示，该方法可以包括以下步骤：
步骤S202，获取障碍物在地图中的多个目标观测位置。
本申请实施例中，可以将该障碍物探测方法应用于组合机器人协同控制系统。组合机器人可以是由一台主机器人和两台子机器人构成的多机协同探测系统，子机器人通过金属触点挂载在主机器人上，主机器人可以设置有激光雷达，深度视觉传感器，碰撞传感器，里程计，陀螺仪等，子机器人可以设置有深度视觉传感，超声波传感，里程计，陀螺仪等。超声波传感器用于子机器人实时探测机器人与障碍物的距离，能够保证子机器人沿着障碍物的边界行进。每个机器人除传感装置外，还可以设置有通信模块、上位机模块及运动控制模块。另外，主机器人可以比子机器人多一个中央处理模块，用于实时计算处理接收到的传感数据。
上述获取障碍物在地图中的多个目标观测位置可以是在地图中构建观测点。示例性的，可以是在地图中构建包围障碍物的等边三角形，这适用于一个主机器人和两个子机器人的协同观测，能够从三个方向最大限度地采集障碍物的三维信息。对于其他更多子机器人的协同观测方式，亦可以构建相应的形状来实现效果最佳的观测。本申请实施例中，机器人的建图过程遵循传统的slam建图算法，即生成以概率栅格为基础的灰度地图，地图由可通行区域、不可通行区域、未探测到区域构成，不同的灰度值表示不同的区域，通常可以将探测到的障碍物归属于不可通行区域，并叠加在初始的地图层上，机器人将根据所建地图进行导航和路径规划等工作。在对障碍物进行探测的具体处理过程中，为了提高处理效率和精确度，可以采用多机器人协同探测的方式。
而为了构建上述以概率栅格为基础的灰度地图，可以在主机器人上设置激光雷达，激光雷达能够扫描机器人周围360度范围一定距离内的区域，得到区域内返回的距离信息的点云，利用该点云可以构建概率栅格地图。
上述探测障碍物可以通过设置深度视觉传感器实现。深度视觉传感器能够计算出障碍物的距离及尺寸，通过在主机器人和子机器人上都设置深度视觉传感器，可以高效、精确地对障碍物进行观测。
步骤S204，控制组合机器人中的主机器人和子机器人分别移动到相应目标观测位置。
本申请实施例中，控制主机器人和子机器人分别达到各自对应的目标观测位置，即可以开始对障碍物的协同探测。
步骤S206，利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据，探测信息为主机器人和子机器人在相应目标观测位置上探测获得。
本申请实施例中，主机器人和子机器人上设置的深度视觉传感器采集到的是各自视角的彩色图像及对应的深度数据，深度数据以点云的形式发布。因此可以采用点云配准的方式，即将点云数据中共同的部分对齐(即将相同的特征进行特征匹配)，使得组合得到的数据包含更完整的信息。
可选地，每个机器人都可以将障碍物对于各自观测位置的相对位置在地图上标记出，进而叠加主机器人和两个子机器人的标记信息即可以得到障碍物在地图上的完整信息。
采用本申请技术方案，通过设置主机器人与子机器人协同探测的方式，提高了机器人构建地图的效率，以及提高在建图过程中对障碍物描述的完整度及定位的精确度，并且，采用主机器人控制子机器人的方式，结构相对简单，成本相对较低。
本申请实施例提供一种计算目标观测位置的方法，下面结合图3至图6所示，进行说明。
可选地，步骤S202获取障碍物在地图中的多个目标观测位置可以包括以下步骤：
步骤1，将主机器人所在的位置作为第一观测位置，目标观测位置包括所述第一观测位置；
步骤2，利用第一观测位置和障碍物作辅助线；
步骤3，根据辅助线确定子机器人的目标观测位置。
图3至图6为俯视机器人在水平面移动的二维投影，分步地表示了子机器人到达协同观测位置的过程，其中虚线为辅助线，带箭头的实线表示子机器人的行进路线。
本申请实施例中，主机器人上的深度视觉传感器在探测到主机器人行进路线前方存在障碍物时，可以将主机器人当前所在的位置确定为第一观测位置，即主机器人在此位置进行观测。同时为了确定子机器人的观测位置可以利用第一观测位置和障碍物在地图中作辅助线，利用辅助线确定子机器人的观测位置。上述子机器人可以挂载于主机器人上，还可以是寄载的方式，即主机器人带有舱体，子机器人待机状态下存在于舱体中。
可选地，利用第一观测位置和障碍物作辅助线可以包括以下步骤：
步骤1，以第一观测位置为起点，正面朝向障碍物的方向作穿过障碍物的第一辅助线；
步骤2，以第一观测位置为起点，取第一辅助线顺时针和逆时针第一角度的方向各引一条辅助线，得到第二辅助线和第三辅助线，第一角度为根据障碍物确定的辅助线角度；
步骤3，控制子机器人绕障碍物行进，并利用子机器人的行进路线确定第四辅助线。
本申请实施例中，如图3至图6所示，可以以第一观测位置为起点，正面朝向障碍物的方向作穿过障碍物的辅助线L1，以L1为基准线，第一观测位置为基准点，在地图坐标系中取L1顺时针和逆时针第一角度(例如30度)的方向各引一条辅助线L2和L3，再控制子机器人沿障碍物的边缘行进，通过子机器人的行进路线和辅助线L1来确定辅助线L4。
可选地，控制子机器人绕障碍物行进，并利用子机器人的行进路线确定第四辅助线可以包括以下步骤：
步骤1，确定主机器人在第一观测位置探测到的障碍物的第一边缘和第二边缘，第一边缘和第二边缘为障碍物朝向第一观测位置的外轮廓最宽距离的位置；
步骤2，将第一边缘在地图上的投影作为第一锚点，将第二边缘在地图上的投影作为第二锚点；
步骤3，控制第一子机器人行进至第一锚点，控制第二子机器人行进至第二锚点，并控制第一子机器人和第二子机器人以远离第一观测位置的方向沿障碍物的边缘行进，子机器人包括第一子机器人和第二子机器人；
步骤4，在第一子机器人和/或第二子机器人的行进路线与第一辅助线相交的情况下，将交点作为第三锚点；
步骤5，获取第一观测位置至障碍物的第一距离，并在距离第三锚点第一距离的位置作第一辅助线的垂线，得到第四辅助线，第四辅助线位于远离第一观测位置的一侧。
本申请实施例中，如图3所示，可以通过主机器人正向面向障碍物采集到的图像确定障碍物的两个边缘位置，取该两个边缘位置在地图上的投影作为第一锚点和第二锚点，用于指示子机器人行进至障碍物的边缘。如图4所示，在第一子机器人到达第一锚点，第二子机器人到达第二锚点后，主机器人可以控制第一子机器人和第二子机器人继续沿障碍物的边缘行进，在这个过程中第一子机器人和第二子机器人可以通过超声波传感器实时探测机器人与障碍物的距离，保证子机器人沿着障碍物的边缘行进。在行进路线与辅助线L1相交时，子机器人达到障碍物的正后方，可以将交点作为第三锚点。若两个子机器人并非同时到达第三锚点，则先到达的子机器人可以在第三锚点等待另一个子机器人，直至两个子机器人在第三锚点会和。由于主机器人上设置的深度实觉传感器可以测得第一观测位置至障碍物的距离d，因此可以以第三锚点作为基准点，在辅助线L1上取距离第三锚点d的位置作垂直于辅助线L1的辅助线L4，完成构建等边三角形，进而可以控制主机器人和子机器人在等边三角形的三个顶点对障碍物进行观测。
可选地，根据辅助线确定子机器人的目标观测位置包括：将第四辅助线与第二辅助线、第三辅助线的交点作为第二观测位置和第三观测位置，目标观测位置包括第二观测位置和第三观测位置。
本申请实施例中，为了实现最佳的观测效果，可以绕障碍物构建等边三角形，以等边三角形的三个顶点作为目标观测位置，供主机器人和子机器人(第一子机器人、第二子机器人)进行观测。本申请实施例中，障碍物以矩形进行说明，若是非规则形状的障碍物，可以构建障碍物的外接矩形，以该矩形作为观测的障碍物来确定目标观测位置。
可选地，利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据之后，还包括按照如下方式回收子机器人：利用障碍物的探测数据对地图进行更新；在更新后的地图上规划子机器人返回至主机器人所在位置的行进路线，以回收子机器人。
本申请实施例中，每探测完成一个障碍物都可以对地图进行更新，将障碍物的完整信息展示在地图上的同时也重新规划主机器人和子机器人的行进路线，例如可以继续向前探测，还可以规划子机器人至主机器人所在位置的行进路线，从而使子机器人可以根据规划的路线回到主机器人位置处以完成回收。或者，还可以在子机器人上设置微控制单元，用于自主规划行进路线。
本申请技术方案为获取障碍物在地图中的多个目标观测位置；控制组合机器人中的主机器人和子机器人分别移动到相应目标观测位置；利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据，探测信息为主机器人和子机器人在相应目标观测位置上探测获得。本申请通过设置主机器人与子机器人协同探测的方式，提高了机器人构建地图的效率，以及在建图过程中对障碍物描述的完整度及定位的精确度，并且，避免了额外使用服务器，去构建中央处理单元的机器人协作系统，结构相对简单，成本相对较低。
根据本申请实施例的又一方面，如图7所示，提供了一种障碍物探测装置，包括：观测位置获取模块701，用于获取障碍物在地图中的多个目标观测位置；机器人控制模块703，用于控制组合机器人中的主机器人和子机器人分别移动到相应目标观测位置；数据复原模块705，用于利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据，探测信息为主机器人和子机器人在相应目标观测位置上探测获得。
需要说明的是，该实施例中的观测位置获取模块701可以用于执行本申请实施例中的步骤S202，该实施例中的机器人控制模块703可以用于执行本申请实施例中的步骤S204，该实施例中的数据复原模块705可以用于执行本申请实施例中的步骤S206。
此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现。
可选地，该观测位置获取模块，还用于：将主机器人所在的位置作为第一观测位置，目标观测位置包括所述第一观测位置；利用第一观测位置和障碍物作辅助线；根据辅助线确定子机器人的目标观测位置。
可选地，该观测位置获取模块，还用于：以第一观测位置为起点，正面朝向障碍物的方向作穿过障碍物的第一辅助线；以第一观测位置为起点，取第一辅助线顺时针和逆时针第一角度的方向各引一条辅助线，得到第二辅助线和第三辅助线，第一角度为根据障碍物确定的辅助线角度；控制子机器人绕障碍物行进，并利用子机器人的行进路线确定第四辅助线。
可选地，该观测位置获取模块，还用于：确定主机器人在第一观测位置探测到的障碍物的第一边缘和第二边缘，第一边缘和第二边缘为障碍物朝向第一观测位置的外轮廓最宽距离的位置；将第一边缘在地图上的投影作为第一锚点，将第二边缘在地图上的投影作为第二锚点；控制第一子机器人行进至第一锚点，控制第二子机器人行进至第二锚点，并控制第一子机器人和第二子机器人以远离第一观测位置的方向沿障碍物的边缘行进，子机器人包括第一子机器人和第二子机器人；在第一子机器人和/或第二子机器人的行进路线与第一辅助线相交的情况下，将交点作为第三锚点；获取第一观测位置至障碍物的第一距离，并在距离第三锚点第一距离的位置作第一辅助线的垂线，得到第四辅助线，第四辅助线位于远离第一观测位置的一侧。
可选地，该观测位置获取模块，还用于：将第四辅助线与第二辅助线、第三辅助线的交点作为第二观测位置和第三观测位置，目标观测位置包括第二观测位置和第三观测位置。
可选地，该机器人控制模块，还用于：控制主机器人保持在第一观测位置，控制第一子机器人行进至第二观测位置，控制第二子机器人行进至第三观测位置。
可选地，该数据复原模块，还用于：获取主机器人、第一子机器人及第二子机器人在相应观测位置采集到的图像数据，探测信息包括图像数据；通过配准的方式将三个观测位置获取到的图像数据进行拼接，得到障碍物的探测数据。
可选地，该障碍物探测装置，还包括：机器人回收模块，用于利用障碍物的探测数据对地图进行更新；在更新后的地图上规划子机器人返回至主机器人所在位置的行进路线，以回收子机器人。
根据本申请实施例的又一方面还提供了一种计算机设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述步骤。
上述计算机设备中的存储器、处理器通过通信总线和通信接口进行通信。所述通信总线可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
根据本申请实施例的又一方面还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质。
可选地，在本申请实施例中，计算机可读介质被设置为存储用于所述处理器执行以下步骤的程序代码：
获取障碍物在地图中的多个目标观测位置；
控制组合机器人中的主机器人和子机器人分别移动到相应目标观测位置；
利用主机器人和子机器人在相应目标观测位置上获得的探测信息生成障碍物的探测数据，探测信息为主机器人和子机器人在相应目标观测位置上探测获得。
可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
本申请实施例在具体实现时，可以参阅上述各个实施例，具有相应的技术效果。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(Programmable LogicDevice，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。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或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种障碍物探测方法，其特征在于，包括：
获取障碍物在地图中的多个目标观测位置；
控制组合机器人中的主机器人和子机器人分别移动到相应所述目标观测位置；
利用所述主机器人和所述子机器人在相应所述目标观测位置上获得的探测信息生成所述障碍物的探测数据，其中，所述探测信息为所述主机器人和所述子机器人在相应所述目标观测位置上探测获得。
2.根据权利要求1所述的方法，其特征在于，获取障碍物在地图中的多个目标观测位置包括：
将所述主机器人所在的位置作为第一观测位置，其中，所述目标观测位置包括所述第一观测位置；
利用所述第一观测位置和所述障碍物作辅助线；
根据所述辅助线确定所述子机器人的所述目标观测位置。
3.根据权利要求2所述的方法，其特征在于，利用所述第一观测位置和所述障碍物作辅助线包括：
以所述第一观测位置为起点，正面朝向所述障碍物的方向作穿过所述障碍物的第一辅助线；
以所述第一观测位置为起点，取所述第一辅助线顺时针和逆时针第一角度的方向各引一条辅助线，得到第二辅助线和第三辅助线，其中，所述第一角度为根据所述障碍物确定的辅助线角度；
控制所述子机器人绕所述障碍物行进，并利用所述子机器人的行进路线确定第四辅助线。
4.根据权利要求3所述的方法，其特征在于，控制所述子机器人绕所述障碍物行进，并利用所述子机器人的行进路线确定第四辅助线包括：
确定所述主机器人在所述第一观测位置探测到的所述障碍物的第一边缘和第二边缘，其中，所述第一边缘和所述第二边缘为所述障碍物朝向所述第一观测位置的外轮廓最宽距离的位置；
将所述第一边缘在所述地图上的投影作为第一锚点，将所述第二边缘在所述地图上的投影作为第二锚点；
控制第一子机器人行进至所述第一锚点，控制第二子机器人行进至所述第二锚点，并控制所述第一子机器人和所述第二子机器人以远离所述第一观测位置的方向沿所述障碍物的边缘行进，其中，所述子机器人包括所述第一子机器人和所述第二子机器人；
在所述第一子机器人和/或所述第二子机器人的行进路线与所述第一辅助线相交的情况下，将交点作为第三锚点；
获取所述第一观测位置至所述障碍物的第一距离，并在距离所述第三锚点所述第一距离的位置作所述第一辅助线的垂线，得到所述第四辅助线，其中，所述第四辅助线位于远离所述第一观测位置的一侧。
5.根据权利要求4所述的方法，其特征在于，根据所述辅助线确定所述子机器人的所述目标观测位置包括：
将所述第四辅助线与所述第二辅助线、第三辅助线的交点作为第二观测位置和第三观测位置，其中，所述目标观测位置包括所述第二观测位置和所述第三观测位置。
6.根据权利要求5所述的方法，其特征在于，控制组合机器人中的主机器人和子机器人分别移动到相应所述目标观测位置包括：
控制所述主机器人保持在所述第一观测位置，控制所述第一子机器人行进至所述第二观测位置，控制所述第二子机器人行进至所述第三观测位置。
7.根据权利要求6所述的方法，其特征在于，利用所述主机器人和所述子机器人在相应所述目标观测位置上获得的探测信息生成所述障碍物的探测数据包括：
获取所述主机器人、所述第一子机器人及所述第二子机器人在相应观测位置采集到的图像数据，其中，所述探测信息包括所述图像数据；
通过配准的方式将三个观测位置获取到的所述图像数据进行拼接，得到所述障碍物的所述探测数据。
8.根据权利要求1至7任一所述的方法，其特征在于，利用所述主机器人和所述子机器人在相应所述目标观测位置上获得的探测信息生成所述障碍物的探测数据之后，还包括按照如下方式回收所述子机器人：
利用所述障碍物的所述探测数据对所述地图进行更新；
在更新后的所述地图上规划所述子机器人返回至所述主机器人所在位置的行进路线，以回收所述子机器人。
9.一种障碍物探测装置，其特征在于，包括：
观测位置获取模块，用于获取障碍物在地图中的多个目标观测位置；
机器人控制模块，用于控制组合机器人中的主机器人和子机器人分别移动到相应所述目标观测位置；
数据复原模块，用于利用所述主机器人和所述子机器人在相应所述目标观测位置上获得的探测信息生成所述障碍物的探测数据，其中，所述探测信息为所述主机器人和所述子机器人在相应所述目标观测位置上探测获得。
10.一种计算机设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至8任一项所述的方法的步骤。
11.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至8任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010946744.8A CN112162551B (zh) | 2020-09-10 | 2020-09-10 | 障碍物探测方法、装置、设备及计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010946744.8A CN112162551B (zh) | 2020-09-10 | 2020-09-10 | 障碍物探测方法、装置、设备及计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112162551A true CN112162551A (zh) | 2021-01-01 |
| CN112162551B CN112162551B (zh) | 2021-11-16 |
Family
ID=73857790
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010946744.8A Active CN112162551B (zh) | 2020-09-10 | 2020-09-10 | 障碍物探测方法、装置、设备及计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112162551B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113359862A (zh) * | 2021-07-28 | 2021-09-07 | 北京理工大学 | 一种无人机进入封闭环境的控制方法及装置 |
| CN113418522A (zh) * | 2021-08-25 | 2021-09-21 | 季华实验室 | Agv路径规划方法、跟随方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130216098A1 (en) * | 2010-09-17 | 2013-08-22 | Tokyo Institute Of Technology | Map generation apparatus, map generation method, moving method for moving body, and robot apparatus |
| CN105137994A (zh) * | 2015-09-10 | 2015-12-09 | 珠海市一微半导体有限公司 | 机器人障碍物检测系统及方法 |
| CN105223956A (zh) * | 2015-11-09 | 2016-01-06 | 中山大学 | 一种全向移动机器人的动态避障方法 |
| 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 |
| CN111390904A (zh) * | 2020-03-16 | 2020-07-10 | 广州赛特智能科技有限公司 | 一种以高运行效率实现多机器人协同作业的方法及装置 |
-
2020
- 2020-09-10 CN CN202010946744.8A patent/CN112162551B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130216098A1 (en) * | 2010-09-17 | 2013-08-22 | Tokyo Institute Of Technology | Map generation apparatus, map generation method, moving method for moving body, and robot apparatus |
| CN105137994A (zh) * | 2015-09-10 | 2015-12-09 | 珠海市一微半导体有限公司 | 机器人障碍物检测系统及方法 |
| CN105223956A (zh) * | 2015-11-09 | 2016-01-06 | 中山大学 | 一种全向移动机器人的动态避障方法 |
| 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 |
| CN111390904A (zh) * | 2020-03-16 | 2020-07-10 | 广州赛特智能科技有限公司 | 一种以高运行效率实现多机器人协同作业的方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113359862A (zh) * | 2021-07-28 | 2021-09-07 | 北京理工大学 | 一种无人机进入封闭环境的控制方法及装置 |
| CN113418522A (zh) * | 2021-08-25 | 2021-09-21 | 季华实验室 | Agv路径规划方法、跟随方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112162551B (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kim et al. | SLAM-driven robotic mapping and registration of 3D point clouds | |
| US20200293058A1 (en) | Data processing method, apparatus and terminal | |
| Zhang et al. | Intelligent collaborative localization among air-ground robots for industrial environment perception | |
| EP3168705B1 (en) | Domestic robotic system | |
| Baltzakis et al. | Fusion of laser and visual data for robot motion planning and collision avoidance | |
| KR102056147B1 (ko) | 자율주행차량을 위한 거리 데이터와 3차원 스캔 데이터의 정합 방법 및 그 장치 | |
| US20200033155A1 (en) | Method of navigating an unmaned vehicle and system thereof | |
| Kuramachi et al. | G-ICP SLAM: An odometry-free 3D mapping system with robust 6DoF pose estimation | |
| JP5276931B2 (ja) | 移動体および移動体の位置推定誤り状態からの復帰方法 | |
| CN112162551B (zh) | 障碍物探测方法、装置、设备及计算机可读介质 | |
| Han et al. | Precise localization and mapping in indoor parking structures via parameterized SLAM | |
| EP3799618B1 (en) | Method of navigating a vehicle and system thereof | |
| IL255050A (en) | Autonomous vehicle control | |
| KR102233260B1 (ko) | 정밀 지도 업데이트 장치 및 방법 | |
| Konecny et al. | Novel Point‐to‐Point Scan Matching Algorithm Based on Cross‐Correlation | |
| Chen et al. | An enhanced dynamic Delaunay triangulation-based path planning algorithm for autonomous mobile robot navigation | |
| Kim et al. | Autonomous mobile robot localization and mapping for unknown construction environments | |
| Hoang et al. | 3D motion estimation based on pitch and azimuth from respective camera and laser rangefinder sensing | |
| Hasegawa et al. | Experimental verification of path planning with SLAM | |
| JP2016081404A (ja) | 自律移動装置 | |
| Hoang et al. | A simplified solution to motion estimation using an omnidirectional camera and a 2-D LRF sensor | |
| Hoang et al. | Proposal of algorithms for navigation and obstacles avoidance of autonomous mobile robot | |
| Her et al. | Localization of mobile robot using laser range finder and IR landmark | |
| CN116007623A (zh) | 机器人导航方法、装置和计算机可读存储介质 | |
| Muramatsu et al. | Mobile robot navigation utilizing the web based aerial images without prior teaching run |
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 |