CN112306049A - 自主机器人及其避障方法、装置和存储介质 - Google Patents
自主机器人及其避障方法、装置和存储介质 Download PDFInfo
- Publication number
- CN112306049A CN112306049A CN201910634663.1A CN201910634663A CN112306049A CN 112306049 A CN112306049 A CN 112306049A CN 201910634663 A CN201910634663 A CN 201910634663A CN 112306049 A CN112306049 A CN 112306049A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- position point
- obstacle position
- region
- autonomous 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000009471 action Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 20
- 238000013519 translation Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010408 sweeping Methods 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
- 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, 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
- G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本说明书实施例提供了一种自主机器人及其避障方法、装置和存储介质,该自主机器人的避障方法包括:在根据设定的行走路径执行作业任务时检测障碍位置点;根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值;根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域;根据所述新增障碍物区域更新所述行走路径,以避开所述新增障碍物区域。本说明书实施例可以提高自主机器人对于新增障碍物的避障效率。
Description
技术领域
本说明书涉及机器人技术领域,尤其是涉及一种自主机器人及其避障方法、装置和存储介质。
背景技术
自主机器人(或称为移动机器人)是其本体自带各种必要的传感器、控制器,在运行过程中无外界人为信息输入和控制的条件下,可以独立完成一定的任务的机器人。自主机器人可以根据已建立的工作区域的地图规划行走路径,并可以在工作区内按照规划好的行走路径移动,以执行作业任务。
然而,在实现本申请的过程中,本申请的发明人发现:自主机器人在根据设定的行走路径执行作业任务时,对于建立地图后产生的新增障碍物(或在建立地图前已存在但被遗漏的障碍物),一般只会简单地进行基础避障动作,以绕开障碍物。如此,在作业过程中,如果自主机器人多次碰到同一新增障碍物时,每次都进行基础避障动作将会消耗较多的时间,从而影响了自主机器人对于新增障碍物的避障效率。
发明内容
本说明书实施例的目的在于提供一种自主机器人及其避障方法、装置和存储介质,以提高自主机器人对于新增障碍物的避障效率。
为达到上述目的,一方面,本说明书实施例提供了一种自主机器人的避障方法,包括:
在根据设定的行走路径执行作业任务时检测障碍位置点;
根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值;
根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域;
根据所述新增障碍物区域更新所述行走路径,以避开所述新增障碍物区域。
另一方面,本说明书实施例还提供了一种自主机器人的避障装置,包括:
障碍检测模块,用于在根据设定的行走路径执行作业任务时检测障碍位置点;
概率更新模块,用于根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值;
障碍确定模块,用于根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域;
路径更新模块,用于根据所述新增障碍物区域更新所述行走路径,以避开所述新增障碍物区域。
另一方面,本说明书实施例还提供了一种自主机器人,所述自主机器人配置有上述的避障装置。
另一方面,本说明书实施例还提供了一种存储介质,其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以下步骤:
在根据设定的行走路径执行作业任务时检测障碍位置点;
根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值;
根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域;
根据所述新增障碍物区域更新所述行走路径,以避开所述新增障碍物区域。
由以上本说明书实施例提供的技术方案可见,本说明书实施例可以根据检测到的障碍位置点形成障碍位置点标记区域,并更新障碍位置点标记区域为障碍物的概率值。而当障碍位置点标记区域为障碍物的概率值达到预设概率阈值时,可以根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域,并可以根据新增障碍物区域更新行走路径。如此,当自主机器人在作业过程中,再次碰到该新增障碍物区域时,可以根据更新后的行走路径直接绕过该新增障碍物区域,而不用像现有技术那样每次都进行基础避障动作,从而降低了自主机器人多次绕过同一新增障碍物所消耗的时间,因而提高了自主机器人对于新增障碍物的避障效率。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书实施例提供的自主机器人的避障方法的流程图;
图2为本说明书一实施例中自主机器人检测障碍位置点及执行避障动作的示意图;
图3为基于图2检测到的障碍位置点及碰撞位置点拟合曲线段的示意图;
图4为基于图3拟合出的曲线段进行平移形成的障碍位置点标记区域的示意图;
图5为本说明书另一实施例中自主机器人检测障碍位置点及执行避障动作的示意图;
图6为基于图5检测到的障碍位置点及碰撞位置点拟合曲线段的示意图;
图7为基于图6拟合出的曲线段进行平移形成的障碍位置点标记区域的示意图;
图8为基于图7所示的障碍位置点标记区域形成障碍区域的示意图;
图9为本说明书实施例提供的自主机器人的避障装置的结构框图;
图10为本说明书实施例一些实施例中存储介质的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
上文背景技术部分已经阐明,自主机器人在作业过程中多次碰到同一新增障碍物时,每次都进行基础避障动作将会消耗较多的时间,从而影响了自主机器人对于新增障碍物的避障效率。其中,本说明书实施例提及的自主机器人可以包括但不限于智能割草机、扫地机器人、分拣机器人、无人送货车、无人机等。
有鉴于此,为了提高自主机器人对于新增障碍物的避障效率,本说明书一些实施例提供了如图1所示的自主机器人的避障方法,所述避障方法可以包括以下步骤:
S11、在根据设定的行走路径执行作业任务时检测障碍位置点。
S12、根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值。
S13、根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域。
S14、根据所述新增障碍物区域更新所述行走路径,以避开所述新增障碍物区域。
由此可见,在图1所示的自主机器人的避障方法中,可以根据检测到的障碍位置点形成障碍位置点标记区域,并更新障碍位置点标记区域为障碍物的概率值。而当障碍位置点标记区域为障碍物的概率值达到预设概率阈值时,可以根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域,并可以根据新增障碍物区域更新行走路径。如此,当自主机器人在作业过程中,再次碰到该新增障碍物区域时,可以根据更新后的行走路径直接绕过该新增障碍物区域,而不用像现有技术那样每次都进行基础避障动作,从而降低了自主机器人多次绕过同一新增障碍物所消耗的时间,因而提高了自主机器人对于新增障碍物的避障效率。
本领域技术人员可以理解,设定的行走路径一般是在已建立好的地图上规划出的行走路径,并且自主机器人可以按照该行走路径行走并执行作业任务。例如,以智能割草机为例,智能割草机可以按照设定的行走路径在目标草地上进行割草作业。
在执行作业任务时,自主机器人以通过自身设置的障碍探测装置(例如超声波障碍探测装置、红外障碍探测装置等等),检测前方是否存在障碍位置点。在本说明书实施例中,障碍位置点可以是指自主机器人在碰撞到疑似新增障碍物时,自主机器人的中心线与疑似新增障碍物被碰触面的交点在工作区域水平面上的投影点。当自主机器人碰撞到疑似新增障碍物时,自主机器人可以认为是检测到障碍位置点(例如图2中所示的白色圆点)。其中,本文提及的碰撞可以是自主机器人与疑似新增障碍物发生了接触碰撞,或者自主机器人与疑似新增障碍物发生了非接触碰撞(即自主机器人与疑似新增障碍物的距离小于一个预设距离阈值(例如10cm)时,则可以认为是自主机器人与疑似新增障碍物发生了非接触碰撞)。
自主机器人在检测到障碍位置点时可以执行设定的避障动作,以绕开障碍位置点对应的疑似新增障碍物,并可以在执行所述避障动作过程中检测碰撞位置点。而设定的避障动作可以根据需要设定。例如在本说明书一实施例中,设定的避障动作可以包括多次N字型避障路径(例如图2中的锯齿形避障行走路线所示)。而在本说明书一些实施例中,碰撞位置点实际上为执行避障动作过程中检测到的障碍位置点。自主机器人在执行避障动作过程中,一般会在短时间内连续检测到若干个障碍位置点(例如图2中所示的黑色圆点)后,才会绕开疑似新增障碍物。为了便于将执行避障动作过程检测到的障碍位置点,与按照行走路径行走并执行作业任务时检测到的障碍位置点相区分,而将其称之为碰撞位置点。在某些特殊情况下,在执行避障动作过程,如果自主机器人未检测到碰撞位置点,则表明该障碍位置点为障碍物的可能性较低。相应的,可以忽略该障碍位置点。
在本说明书一些实施例中,可以根据所述障碍位置点及检测到的碰撞位置点形成障碍位置点标记区域(障碍位置点标记区域可以用于表征疑似新增障碍物),并可以按设定步进增量增加所述障碍位置点标记区域为障碍物的概率值。
在本说明书一实施例中,上述根据检测到的障碍位置点形成障碍位置点标记区域,可以是将所述障碍位置点及检测到的碰撞位置点拟合成曲线段,然后按照设定的平移方向和平移距离平移所述曲线段,从而形成障碍位置点标记区域。例如,在图2中所示的示例性实施例中,当自主机器人沿G1路线方向行走作业时,检测到一个障碍位置点(图2中所示的白色圆点),并在执行避障动作过程又检测到了3个碰撞位置点(图2中所示的黑色圆点)。因此,自主机器人可以将这四个位置进行拟合,从而可以得到如图3所示的曲线段。
在上述的实施例中,平移方向和平移距离可以根据需要或依据经验设定。本申请的发明人研究发现,一般地,当平移方向为障碍位置点及检测到的碰撞位置点所形成的位置点集合中,相距最远两个位置点的中垂线上的远离自主机器人的方向,且平移距离为该相距最远两个位置点的间距的一半时,障碍位置点标记区域所覆盖的位置范围,与障碍物实际所覆盖的位置范围的吻合度相对较好。因此,可以采用这种平移方式来形成障碍位置点标记区域。例如,在图3所示的实施例中,碰撞位置点A、碰撞位置点B、碰撞位置点C和障碍位置点D所形成位置点集合中,碰撞位置点A和障碍位置点D为相距最远两个位置点。因此,可以将碰撞位置点A和障碍位置点D的中垂线上的远离自主机器人的方向(即图4中的G2方向)可以为平移方向,并可以将碰撞位置点A和障碍位置点D的位置点的间距的一半作为平移距离,从而可以平移得到如图4所示的平移区域(即如4中的粗实线所围成的区域)。
应当指出,上述实施例仅是举例说明如何根据检测到的障碍位置点形成障碍位置点标记区域,而不应理解为对本申请的限制。在本说明书其他实施例中,还可以采用其他方式形成障碍位置点标记区域。例如,对于根据障碍位置点及碰撞位置点拟合而成的曲线段,还可以形成该曲线段的外接图形(例如外接椭圆等),所述外接图形障则可以作为碍位置点标记区域。
在本说明书一些实施例中,由于新增障碍物都是位于已建地图中的可行走区域内的,且一般情况下,障碍位置点标记区域也是位于已建地图中的可行走区域内的。因此,障碍位置点标记区域内各个位置点的初始概率值可以设置为一个较低值。例如,在本说明书一实施例中,障碍位置点标记区域内各个位置点的初始概率值P0可以设定为P0=0.001。当按照按设定步进增量增加所述障碍位置点标记区域为障碍物的概率值后,该障碍位置点标记区域为障碍物的概率值就可以增加为P=P0+ΔP,其中,ΔP为步进增量。例如,在一示例性实施例中,当P0=0.001且ΔP=0.25时,经过一次更新后,障碍位置点标记区域为障碍物的概率值可以为P=0.001+0.25=0.251。
在本说明书一些实施例中,由于障碍位置点标记区域内检测到障碍位置点的次数,与该障碍位置点标记区域为障碍物的概率正相关。因此,自主机器人在执行同一个作业任务过程中(例如,以智能割草机为例,可以将智能割草机完成某一块草地的割草任务作为一个作业任务),每当形成一个新障碍位置点标记区域(例如图5~图7所示),且该新障碍位置点标记区域与已有障碍位置点标记区存在交集(例如图7所示)时,就可以按照按设定增量再次增加已有障碍位置点标记区域为障碍物的概率值;然后,可以将新障碍位置点标记区域为障碍物的概率值,增加至已有障碍位置点标记区域为障碍物的概率值,以利于提高检测新增障碍的准确性。例如,在一示例性实施例中,经过再次调高后,已有障碍位置点标记区为障碍物的概率值为0.5,则可以将新障碍位置点标记区域为障碍物的概率值也调整为0.5。
当然,如果新障碍位置点标记区域与已有障碍位置点标记区域不存在交集,则可以按照按设定增量增加新障碍位置点标记区域为障碍物的概率值。此外,在本说明书一些实施例中,自主机器人在执行同一个作业任务过程中,如果再次遇到该障碍位置点标记区域,且未检测到障碍位置点时,还可以按照按设定增量减小已有障碍位置点标记区域为障碍物的概率值(需要指出的是,障碍位置点标记区域为障碍物的概率值具有下限,该下限即为上述的初始概率值);如此,可有利于提高检测新增障碍的准确性。
当新障碍位置点标记区域与已有障碍位置点标记区存在交集时,表明附近区域为障碍物的可能性增大。因此,可以再次增加已有障碍位置点标记区域为障碍物的概率值,并据此调整新障碍位置点标记区域为障碍物的概率值。如此,经过若干次的更新后,一些障碍位置点标记区域为障碍物的概率值会达到预设概率阈值(在一示例性实施例中,预设概率阈值例如可以为0.8)。相应的,可以根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域。
在本说明书一些实施例中,可以将概率值达到预设概率阈值的多个障碍位置点标记区域的并集作为新增障碍物区域。例如,在一示例性实施例中,对于图7所示的两个相交的障碍位置点标记区域,当它们为障碍物的概率值达到预设概率阈值时,可以将这两个相交的障碍位置点标记区域的并集作为新增障碍物区域,例如图8所示。
在本说明书其他一些实施例中,当障碍位置点标记区域为障碍物的概率值达到预设概率阈值时,根据需要也可以采用其它方式形成新增障碍物区域,本说明书对此不做限定。例如,在本说明书另一实施例中,可以形成达到预设概率阈值的障碍位置点标记区域的最小外接图形(例如最小外接椭圆),从而可以将该最小外接图形作为新增障碍物区域。
在本说明书一些实施例中,在确认新增障碍物区域后,自主机器人还可以根据所述新增障碍物区域更新目标地图中的障碍物分布,即在目标地图中增加新增障碍物区域。相应的,自主机器人可以根据更新后的目标地图优化行走路径,以避开该新增障碍物区域,从而提高自主机器人对于新增障碍物的避障效率。
在本说明书一些实施例中,上述新增障碍物区域一般为临时性障碍物(例如可以为可行区域内临时放置的一个花盆、一把椅子等等)。而自主机器人在完成一次作业任务后,一般要间隔比较久的时间才可以会进行下一次作业。例如以智能割草机为例,在完成一次割草任务后,一般要间隔十多天甚至更长时间才会执行下一次割草任务。在此期间,这种临时性障碍物有可能已经被移走。因此,在执行下一次作业任务时,自主机器人可以检测此前发现的新增障碍物区域当前是否仍然存在;如果新增障碍物区域当前已不存在,则可以更新目标地图中的障碍物分布,并根据更新后的目标地图更新行走路径,以便于将此前被确认为新增障碍物区域纳入可行走区域,从而提高自主机器人的作业覆盖率。当然,如果新增障碍物区域当前依然存在,则可以直接依据此前设定好的行走路径进行作业,以提高自主机器人对于新增障碍物的避障效率。
在本说明书一实施例中,自主机器人可以通过检测新增障碍物区域内是否存在障碍位置点的方式,来检测此前发现的新增障碍物区域当前是否仍然存在。当自主机器人在该新增障碍物区域内检测到障碍位置点时,表明该新增障碍物区域仍存在;而当自主机器人在该新增障碍物区域未检测到障碍位置点,即自主机器人可以贯穿该新增障碍物区域时,表明此前发现的新增障碍物区域已不存在。
在本说明书其他实施例中,所述根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值,还可以采用其他方式实现。例如,在检测到障碍位置点时执行设定的避障动作,并在执行所述避障动作过程中检测碰撞位置点;从而可以根据所述障碍位置点及检测到的碰撞位置点形成障碍位置点标记区域(比如可以形成所述障碍位置点及检测到的碰撞位置点的最小外接图形),并将所述障碍位置点标记区域为障碍物的概率值赋值为1。当然,如果在根据设定的行走路径执行作业任务时,未检测到障碍位置点时,该位置点为障碍物的概率值则维持在初始概率值(例如为0或一个较低的值)。
与上述自主机器人的避障方法对应,参考图10所示,本说明书一些实施例的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可以实现以下步骤:
在根据设定的行走路径执行作业任务时检测障碍位置点;
根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值;
根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域;
根据所述新增障碍物区域更新所述行走路径,以避开所述新增障碍物区域。
虽然上文描述的过程流程包括以特定顺序出现的多个操作,但是,应当清楚了解,这些过程可以包括更多或更少的操作,这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。
与上述自主机器人的避障方法对应,参考图9所示,在本说明书一些实施例中,自主机器人的避障装置可以包括:
障碍检测模块91,可以用于在根据设定的行走路径执行作业任务时检测障碍位置点;
概率更新模块92,可以用于根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值;
障碍确定模块93,可以用于根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域;
路径更新模块94,可以用于根据所述新增障碍物区域更新所述行走路径,以避开所述新增障碍物区域。
在本说明书另一些实施例中,所述自主机器人的避障装置还可以包括障碍复检模块。该障碍复检模块可以用于在执行下一次作业任务时检测所述新增障碍物区域当前是否仍存在;如果所述新增障碍物区域当前不存在,则触发所述路径更新模块更新目标地图中的障碍物分布,并根据更新后的目标地图更新行走路径。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁盘式存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、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、方法或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (24)
1.一种自主机器人的避障方法,其特征在于,包括:
在根据设定的行走路径执行作业任务时检测障碍位置点;
根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值;
根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域;
根据所述新增障碍物区域更新所述行走路径,以避开所述新增障碍物区域。
2.如权利要求1所述的自主机器人的避障方法,其特征在于,所述根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值,包括:
在检测到障碍位置点时执行设定的避障动作,并在执行所述避障动作过程中检测碰撞位置点;
根据所述障碍位置点及检测到的碰撞位置点形成障碍位置点标记区域,并按设定步进增量增加所述障碍位置点标记区域为障碍物的概率值。
3.如权利要求2所述的自主机器人的避障方法,其特征在于,所述根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值,还包括:
在形成新障碍位置点标记区域时,确认所述新障碍位置点标记区域与所述障碍位置点标记区域是否存在交集;
如果所述新障碍位置点标记区域与所述障碍位置点标记区域存在交集,则按照按设定增量再次增加所述障碍位置点标记区域为障碍物的概率值;
将所述新障碍位置点标记区域为障碍物的概率值,增加至所述障碍位置点标记区域为障碍物的概率值。
4.如权利要求3所述的自主机器人的避障方法,其特征在于,所述根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值,还包括:
如果所述新障碍位置点标记区域与所述障碍位置点标记区域不存在交集,则按照按设定增量增加所述新障碍位置点标记区域为障碍物的概率值。
5.如权利要求2所述的自主机器人的避障方法,其特征在于,所述根据所述障碍位置点及检测到的碰撞位置点形成障碍位置点标记区域,包括:
将所述障碍位置点及检测到的碰撞位置点拟合成曲线段;
按照设定的平移方向和平移距离平移所述曲线段,形成所述障碍位置点标记区域。
6.如权利要求5所述的自主机器人的避障方法,其特征在于,所述平移方向包括:
所述障碍位置点及检测到的碰撞位置点所形成的位置点集合中,相距最远两个位置点的中垂线上的远离所述自主机器人的方向。
7.如权利要求5所述的自主机器人的避障方法,其特征在于,所述平移距离包括:
所述障碍位置点及检测到的碰撞位置点所形成的位置点集合中,相距最远两个位置点的间距的一半。
8.如权利要求1所述的自主机器人的避障方法,其特征在于,所述根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域,包括:
将概率值达到预设概率阈值的多个障碍位置点标记区域的并集,作为新增障碍物区域。
9.如权利要求1所述的自主机器人的避障方法,其特征在于,所述根据所述新增障碍物区域更新所述行走路径,包括:
根据所述新增障碍物区域更新目标地图中的障碍物分布;
根据更新后的目标地图更新所述行走路径。
10.如权利要求1所述的自主机器人的避障方法,其特征在于,还包括:
在执行下一次作业任务时检测所述新增障碍物区域当前是否仍存在;
如果所述新增障碍物区域当前不存在,则更新目标地图中的障碍物分布,并根据更新后的目标地图更新行走路径。
11.如权利要求1所述的自主机器人的避障方法,其特征在于,所述根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值,包括:
在检测到障碍位置点时执行设定的避障动作,并在执行所述避障动作过程中检测碰撞位置点;
根据所述障碍位置点及检测到的碰撞位置点形成障碍位置点标记区域,并将所述障碍位置点标记区域为障碍物的概率值赋值为1。
12.一种自主机器人的避障装置,其特征在于,包括:
障碍检测模块,用于在根据设定的行走路径执行作业任务时检测障碍位置点;
概率更新模块,用于根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值;
障碍确定模块,用于根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域;
路径更新模块,用于根据所述新增障碍物区域更新所述行走路径,以避开所述新增障碍物区域。
13.如权利要求12所述的自主机器人的避障装置,其特征在于,所述根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值,包括:
在检测到障碍位置点时执行设定的避障动作,并在执行所述避障动作过程中检测碰撞位置点;
根据所述障碍位置点及检测到的碰撞位置点形成障碍位置点标记区域,并按设定步进增量增加所述障碍位置点标记区域为障碍物的概率值。
14.如权利要求13所述的自主机器人的避障装置,其特征在于,所述根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值,还包括:
在形成新障碍位置点标记区域时,确认所述新障碍位置点标记区域与所述障碍位置点标记区域是否存在交集;
如果所述新障碍位置点标记区域与所述障碍位置点标记区域存在交集,则按照按设定增量再次增加所述障碍位置点标记区域为障碍物的概率值;
将所述新障碍位置点标记区域为障碍物的概率值,增加至所述障碍位置点标记区域为障碍物的概率值。
15.如权利要求14所述的自主机器人的避障装置,其特征在于,所述根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值,还包括:
如果所述新障碍位置点标记区域与所述障碍位置点标记区域不存在交集,则按照按设定增量增加所述新障碍位置点标记区域为障碍物的概率值。
16.如权利要求13所述的自主机器人的避障装置,其特征在于,所述根据所述障碍位置点及检测到的碰撞位置点形成障碍位置点标记区域,包括:
将所述障碍位置点及检测到的碰撞位置点拟合成曲线段;
按照设定的平移方向和平移距离平移所述曲线段,形成所述障碍位置点标记区域。
17.如权利要求16所述的自主机器人的避障装置,其特征在于,所述平移方向包括:
所述障碍位置点及检测到的碰撞位置点所形成的位置点集合中,相距最远两个位置点的中垂线上的远离所述自主机器人的方向。
18.如权利要求16所述的自主机器人的避障装置,其特征在于,所述平移距离包括:
所述障碍位置点及检测到的碰撞位置点所形成的位置点集合中,相距最远两个位置点的间距的一半。
19.如权利要求12所述的自主机器人的避障装置,其特征在于,所述根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域,包括:
将概率值达到预设概率阈值的多个障碍位置点标记区域的并集,作为新增障碍物区域。
20.如权利要求12所述的自主机器人的避障装置,其特征在于,所述根据所述新增障碍物区域更新所述行走路径,包括:
根据所述新增障碍物区域更新目标地图中的障碍物分布;
根据更新后的目标地图更新所述行走路径。
21.如权利要求12所述的自主机器人的避障装置,其特征在于,还包括:
障碍复检模块,用于在执行下一次作业任务时检测所述新增障碍物区域当前是否仍存在;如果所述新增障碍物区域当前不存在,则触发所述路径更新模块更新目标地图中的障碍物分布,并根据更新后的目标地图更新行走路径。
22.如权利要求12所述的自主机器人的避障装置,其特征在于,所述根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值,包括:
在检测到障碍位置点时执行设定的避障动作,并在执行所述避障动作过程中检测碰撞位置点;
根据所述障碍位置点及检测到的碰撞位置点形成障碍位置点标记区域,并将所述障碍位置点标记区域为障碍物的概率值赋值为1。
23.一种自主机器人,其特征在于,所述自主机器人配置有权利要求12-20任一项所述的避障装置。
24.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现以下步骤:
在根据设定的行走路径执行作业任务时检测障碍位置点;
根据检测到的障碍位置点形成障碍位置点标记区域,并更新所述障碍位置点标记区域为障碍物的概率值;
根据达到预设概率阈值的障碍位置点标记区域形成新增障碍物区域;
根据所述新增障碍物区域更新所述行走路径,以避开所述新增障碍物区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910634663.1A CN112306049B (zh) | 2019-07-15 | 2019-07-15 | 自主机器人及其避障方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910634663.1A CN112306049B (zh) | 2019-07-15 | 2019-07-15 | 自主机器人及其避障方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112306049A true CN112306049A (zh) | 2021-02-02 |
CN112306049B CN112306049B (zh) | 2024-02-23 |
Family
ID=74328743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910634663.1A Active CN112306049B (zh) | 2019-07-15 | 2019-07-15 | 自主机器人及其避障方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112306049B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114281088A (zh) * | 2021-12-31 | 2022-04-05 | 南京苏美达智能技术有限公司 | 一种绕障作业方法及自动行走设备 |
CN115993830A (zh) * | 2023-03-21 | 2023-04-21 | 佛山隆深机器人有限公司 | 一种基于障碍物躲避的路径规划方法、装置以及机器人 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105182979A (zh) * | 2015-09-23 | 2015-12-23 | 上海物景智能科技有限公司 | 一种移动机器人障碍物检测及避让方法和系统 |
CN106774329A (zh) * | 2016-12-29 | 2017-05-31 | 大连理工大学 | 一种基于椭圆切线构造的机器人路径规划方法 |
CN108594828A (zh) * | 2018-06-05 | 2018-09-28 | 北京智行者科技有限公司 | 一种清扫作业路径的生成方法 |
CN108803588A (zh) * | 2017-04-28 | 2018-11-13 | 深圳乐动机器人有限公司 | 机器人的控制系统 |
CN109213142A (zh) * | 2017-06-30 | 2019-01-15 | 卡西欧计算机株式会社 | 自主移动装置、自主移动方法以及存储介质 |
CN109645892A (zh) * | 2018-12-12 | 2019-04-19 | 深圳乐动机器人有限公司 | 一种障碍物的识别方法及清洁机器人 |
-
2019
- 2019-07-15 CN CN201910634663.1A patent/CN112306049B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105182979A (zh) * | 2015-09-23 | 2015-12-23 | 上海物景智能科技有限公司 | 一种移动机器人障碍物检测及避让方法和系统 |
CN106774329A (zh) * | 2016-12-29 | 2017-05-31 | 大连理工大学 | 一种基于椭圆切线构造的机器人路径规划方法 |
CN108803588A (zh) * | 2017-04-28 | 2018-11-13 | 深圳乐动机器人有限公司 | 机器人的控制系统 |
CN109213142A (zh) * | 2017-06-30 | 2019-01-15 | 卡西欧计算机株式会社 | 自主移动装置、自主移动方法以及存储介质 |
CN108594828A (zh) * | 2018-06-05 | 2018-09-28 | 北京智行者科技有限公司 | 一种清扫作业路径的生成方法 |
CN109645892A (zh) * | 2018-12-12 | 2019-04-19 | 深圳乐动机器人有限公司 | 一种障碍物的识别方法及清洁机器人 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114281088A (zh) * | 2021-12-31 | 2022-04-05 | 南京苏美达智能技术有限公司 | 一种绕障作业方法及自动行走设备 |
CN115993830A (zh) * | 2023-03-21 | 2023-04-21 | 佛山隆深机器人有限公司 | 一种基于障碍物躲避的路径规划方法、装置以及机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN112306049B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109724612B (zh) | 一种基于拓扑地图的agv路径规划方法及设备 | |
EP3566821B1 (en) | Robot movement control method, and robot | |
CN108007452B (zh) | 根据障碍物更新环境地图的方法、装置及机器人 | |
CN109976350B (zh) | 多机器人调度方法、装置、服务器及计算机可读存储介质 | |
US11161246B2 (en) | Robot path planning method and apparatus and robot using the same | |
Sabattini et al. | The pan-robots project: Advanced automated guided vehicle systems for industrial logistics | |
CN111426326B (zh) | 一种导航方法、装置、设备、系统及存储介质 | |
WO2019128933A1 (zh) | 一种地图构建、导航方法及装置、系统 | |
JP7161040B2 (ja) | コンテキスト拡張マップ・レイヤを与えるためのゾーン・エンジン | |
CN112306050B (zh) | 自主机器人及其行走路径规划方法、装置和存储介质 | |
CN113156956B (zh) | 机器人的导航方法、芯片及机器人 | |
CN112306049B (zh) | 自主机器人及其避障方法、装置和存储介质 | |
CN110858075A (zh) | 一种移动机器人跨区域方法、装置、调度系统 | |
CN114764239B (zh) | 清扫机器人控制方法、装置、计算机设备及存储介质 | |
CN112578777A (zh) | 自主机器人及其行走路径规划方法、装置和存储介质 | |
WO2023130766A1 (zh) | 机器人的路径规划方法、电子设备及计算机可读存储介质 | |
Sabattini et al. | Advanced sensing and control techniques for multi AGV systems in shared industrial environments | |
CN113064408A (zh) | 自主机器人及其控制方法、计算机存储介质 | |
Brugali et al. | Dynamic variability meets robotics | |
CN113377102A (zh) | 用于挖掘机的控制方法、处理器、装置及挖掘机 | |
CN110673594A (zh) | 一种用于amr集群的调度和寻路方法及系统 | |
US11614750B2 (en) | Self-propelled device, self-propelling method, and recording medium | |
CN116576859A (zh) | 路径导航方法、作业控制方法及相关装置 | |
CN113485378A (zh) | 基于交通规则的移动机器人路径规划方法、系统及存储介质 | |
CN114812539A (zh) | 地图探索、地图使用方法、装置、机器人和存储介质 |
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 |