CN112613469A - 目标对象的运动控制方法及相关设备 - Google Patents
目标对象的运动控制方法及相关设备 Download PDFInfo
- Publication number
- CN112613469A CN112613469A CN202011624148.4A CN202011624148A CN112613469A CN 112613469 A CN112613469 A CN 112613469A CN 202011624148 A CN202011624148 A CN 202011624148A CN 112613469 A CN112613469 A CN 112613469A
- Authority
- CN
- China
- Prior art keywords
- target object
- map
- obstacle
- image
- image information
- 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 47
- 230000000007 visual effect Effects 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 19
- 230000004888 barrier function Effects 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 abstract description 8
- 239000004576 sand Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 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
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请适用于通信技术领域,提供了目标对象的运动控制方法及相关设备。目标对象的运动控制方法包括:获取视觉传感器拍摄的图像信息,图像信息包括地图的图像,以及位于地图上的至少一个目标对象的图像以及障碍物的图像,根据图像信息确定每个目标对象在地图上的位置以及障碍物在地图上的位置,根据每个目标对象在地图上的位置以及障碍物在地图上的位置确定每个目标对象的移动路径,根据移动路径向对应的目标对象发送驱动信号,驱动信号用于驱动对应的目标对象运动。由于图像信息是由视觉传感器采集的,移动路径是由电子设备确定的,因此,目标对象上不用安装复杂装置,从而减小目标对象的体积,进而缩小运动控制系统的体积。
Description
技术领域
本申请属于通信技术领域,尤其涉及目标对象的运动控制方法及相关设备。
背景技术
通过控制沙盘上的目标对象的运动,可以实现实际场景的模拟,应用于教学或者产品开发的实验阶段中。目标对象可以是位于沙盘上的小车、人形或者轮式机器人等。现有技术中,目标对象采集障碍物信息,根据障碍物信息以及存储的运动控制程序进行路线规划,在沙盘形成的地图上运动。为了保证目标对象正常运动,目标对象上除了安装驱动装置外,还需要安装摄像头、超声波等传感器,以及中央处理器(Central Processing Unit,CPU)、图形处理器(Graphics Processing Unit,GPU)等处理器,以及无线网路、蓝牙、红外信号收发机构,因此目标对象的体积较大,成本较高,导致整个运动控制系统的体积较大,不便于演示。
发明内容
有鉴于此,本申请实施例提供了目标对象的运动控制方法及相关设备,可以缩小目标对象的体积以及成本,进而缩小运动控制系统的体积。
本申请实施例的第一方面提供了一种目标对象的运动控制方法,包括:
获取视觉传感器拍摄的图像信息,所述图像信息包括地图的图像,以及位于所述地图上的至少一个目标对象的图像以及障碍物的图像;
根据所述图像信息确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置;
根据每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径;
根据所述移动路径向对应的目标对象发送驱动信号,所述驱动信号用于驱动所述对应的目标对象运动。
在一种可能的实现方式中,所述获取视觉传感器拍摄的图像信息,包括:
按照预设周期获取视觉传感器拍摄的图像信息。
在一种可能的实现方式中,在所述根据每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径之前,所述目标对象的运动控制方法还包括:
获取编程终端发送的路径规划策略;
对应地,所述根据每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径,包括:
根据所述路径规划策略、每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径。
在一种可能的实现方式中,所述根据所述图像信息确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置,包括:
根据预设的目标检测模型识别所述图像信息中的地图、目标对象以及障碍物;
根据识别出的所述地图、所述目标对象以及所述障碍物,确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置。
在一种可能的实现方式中,在所述根据预设的目标检测算法识别所述图像信息中的地图、目标对象以及障碍物之前,所述目标对象的运动控制方法还包括:
获取训练样本,采用机器学习的算法对初始目标检测模型进行训练,得到所述目标检测模型,所述训练样本包括预先采集的地图图像、目标对象图像以及障碍物图像。
在一种可能的实现方式中,所述地图是实物地图或在显示屏上显示的虚拟地图。
本申请实施例的第二方面提供了一种目标对象的运动控制装置,包括:
获取模块,用于获取视觉传感器拍摄的图像信息,所述图像信息包括地图的图像,以及位于所述地图上的至少一个目标对象的图像以及障碍物的图像;
确定模块,用于根据所述图像信息确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置;
规划模块,用于根据每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径;
驱动模块,用于根据所述移动路径向对应的目标对象发送驱动信号,所述驱动信号用于驱动所述对应的目标对象运动。
在一种可能的实现方式中,所述获取模块具体用于:
按照预设周期获取视觉传感器拍摄的图像信息。
在一种可能的实现方式中,所述获取模块还用于:
获取编程终端发送的路径规划策略;
对应地,所述规划模块具体用于:
根据所述路径规划策略、每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径。
在一种可能的实现方式中,所述确定模块具体用于:
根据预设的目标检测模型识别所述图像信息中的地图、目标对象以及障碍物;
根据识别出的所述地图、所述目标对象以及所述障碍物,确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置。
在一种可能的实现方式中,所述目标对象的运动控制装置还包括训练模块,所述训练模块用于:
获取训练样本,采用机器学习的算法对初始目标检测模型进行训练,得到所述目标检测模型,所述训练样本包括预先采集的地图图像、目标对象图像以及障碍物图像。
在一种可能的实现方式中,所述地图是实物地图或在显示屏上显示的虚拟地图。
本申请实施例的第三方面提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并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如上述第一方面所述的目标对象的运动控制方法。
本申请实施例的第四方面提供了一种目标对象的运动控制系统,包括至少一个目标对象、视觉传感器以及如上述第三方面所述的电子设备。
本申请实施例的第五方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的目标对象的运动控制方法。
本申请实施例的第六方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的目标对象的运动控制方法。
本申请实施例与现有技术相比存在的有益效果是:电子设备获取视觉传感器拍摄的图像信息,图像信息包括地图的图像,以及位于地图上的至少一个目标对象的图像以及障碍物的图像,根据图像信息确定每个目标对象在地图上的位置以及障碍物在地图上的位置,根据每个目标对象在地图上的位置以及障碍物在地图上的位置确定每个目标对象的移动路径,根据移动路径向对应的目标对象发送驱动信号,驱动信号用于驱动对应的目标对象运动。由于图像信息是由视觉传感器采集的,移动路径是由电子设备确定的,因此,目标对象上不用安装图像采集的装置、用于接收图像的信号收发装置以及用于规划移动路径的处理器,从而减小目标对象的体积,进而缩小运动控制系统的体积。且由于移动路径是由电子设备确定的,电子设备可以同时控制多个目标对象运动,进一步缩小运动控制系统的体积,从而方便演示。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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。
图1是本申请实施例提供的目标对象的运动控制系统的示意图;
图2是本申请实施例提供的目标对象的运动控制方法的实现流程示意图;
图3是本申请实施例提供的目标对象的运动控制装置的示意图;
图4是本申请实施例提供的电子设备的结构示意图。
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它实施例中也可以实现本申请。在其它情况中,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。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
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它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
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。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
现有的在沙盘上实现场景模拟的方案中,位于沙盘上的目标对象采集障碍物信息,根据障碍物信息以及存储的运动控制程序进行路线规划,在沙盘形成的地图上运动。目标对象的体积较大,成本较高,导致整个运功控制系统的体积较大,不便于演示。
为此,本申请提供一种目标对象的运动控制方法,可以缩小目标对象的体积以及成本,进而缩小运动控制系统的体积。
下面对本申请提供的目标对象的运动控制方法进行示例性说明。
本申请实施例提供的目标对象的运动控制方法应用于目标对象的运动控制系统。如图1所示,目标对象的运动控制系统包括电子设备1、视觉传感器2以及至少一个目标对象3。电子设备1可以是桌上型计算机、笔记本、掌上电脑、手机等计算设备,视觉传感器2可以是2D摄像头或者深度摄像头。目标对象3可以是小车、人形或者轮式机器人,目标对象3放置于沙盘形成的地图上,地图上设有障碍物,障碍物可以是建筑、其它目标对象、行人、红绿灯等。视觉传感器2用于采集图像信息,图像信息包括地图的图像,以及位于地图上的至少一个目标对象的图像以及障碍物的图像。视觉传感器2将采集的图像信息发送至电子设备1,电子设备1根据接收到的图像信息确定每个目标对象在地图上的位置以及障碍物在地图上的位置,根据每个目标对象在地图上的位置以及障碍物在地图上的位置确定每个目标对象的移动路径,根据每个目标对象的移动路径向对应的目标对象发送驱动信号,目标对象按照驱动信号运动。由于图像信息是由视觉传感器采集的,移动路径是由电子设备确定的,因此,目标对象上只用保留基本的驱动机构、用于接收驱动信号的信号收发机构以及供电机构即可,而不用安装图像采集的装置、用于接收图像的信号收发装置以及用于规划移动路径的处理器,从而减小目标对象的体积,进而缩小运动控制系统的体积。且由于移动路径是由电子设备确定的,电子设备可以同时控制多个目标对象运动,进一步缩小运动控制系统的体积,从而方便演示。同时,视觉传感器和用于规划移动路径的处理器的成本较高,本申请仅需要一个视觉传感器以及电子设备上安装的一个处理器即可实现多个目标对象的运动控制,相对于在每个目标对象上安装处理器和视觉传感器,降低了成本。
在一种可能的实现方式中,目标对象的运动控制系统还包括编程终端4,编程终端4可以为运行Windows或者Linux系统的计算机,内置图形化或代码编程工具,用户在编程终端4上编写路径规划策略,路径规划策略是根据获取的目标对象的位置信息以及障碍物的位置信息进行路径规划的策略。电子设备1通过有线通信或者无线通信的方式从编程终端4获取路径规划策略,根据路径规划策略、每个目标对象在地图上的位置以及障碍物在地图上的位置确定每个目标对象的移动路径。用户通过编程终端编写路径规划策略,方便操作,且可以根据不同的路径规划策略驱动目标对象运动,为用户模拟不同的运动控制场景。
请参阅附图2,本申请一实施例提供的目标对象的运动控制方法包括:
S101:获取视觉传感器拍摄的图像信息,所述图像信息包括地图的图像,以及位于所述地图上的至少一个目标对象的图像以及障碍物的图像。
其中,目标对象可以是位于沙盘上的小车、人形或者轮式机器人等。
在一种可能的实现方式中,地图上只有一个目标对象,且障碍物固定不变,电子设备获取视觉传感器拍摄的图像后,即可识别图像以确定目标对象的移动路径。
在另一种可能的实现方式中,地图上有多个目标对象,或者障碍物随时改变,例如,障碍物包括红绿灯。电子设备按照预设周期获取视觉传感器拍摄的图像信息,预设周期可以是0.1秒。电子设备在每次获取视觉传感器拍摄的图像信息后,根据最新获取的图像信息进行路线规划,从而可以根据最新的障碍物信息确定目标对象的移动路径,实现与障碍物的互动,例如,在检测到障碍物时,可以使得确定出的移动路径在障碍物前停止或者绕开障碍物,在检测到红色交通灯时控制目标对象停止,在检测到绿色交通灯时控制目标对象行进。
由于红绿灯发生变化的时间较短,为了防止红绿灯变化瞬间未在预设周期内,错过获取红绿灯变化信息的情况,在另一种可能的实现方式中,若电子设备根据图像信息判定目标对象距离红绿灯的距离在预设范围内,缩短获取图像信息的预设周期,从而可以及时获取红绿灯的信息,提高目标对象控制的准确性。
S102:根据所述图像信息确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置。
具体地,对获取的图像信息进行图像识别,识别出目标对象与地图的相对位置以及障碍物与地图的相对位置,或者识别出目标对象与障碍物的相对位置。
在一种可能的实现方式中,根据预设的目标检测模型识别图像信息中的地图、目标对象以及障碍物,以提高位置识别的准确度,再根据识别出的地图、目标对象以及障碍物,确定每个目标对象在地图上的位置以及障碍物在地图上的位置。例如,以地图为基准建立坐标系,确定每个目标对象的坐标以及障碍物的坐标。
在一种可能的实现方式中,目标检测模型是预先训练得到的。具体地,首先获取训练样本,训练样本包括预先采集的地图图像、目标对象图像以及各种障碍物图像,对训练样本进行标记,输入初始目标检测模型中,采用机器学习的算法对初始目标检测模型进行训练,直到满足设定条件,得到目标检测模型,由于采用机器学习的算法,训练得到的目标检测模型具有较高的计算速度。
其中,训练样本中的地图与图像信息中的地图相同,地图可以是实物地图,也可以是显示屏上显示的虚拟地图,显示屏可以是LED显示屏或者LCD显示屏。采用显示屏上显示的虚拟地图,可以进一步缩小目标对象的运动控制系统的体积。
S103:根据每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径。
具体地,电子设备根据目标对象在地图上的位置、障碍物在地图上的位置、每个目标对象的目的地以及预设的路径规划策略对每个目标对象进行路径规划。例如,电子设备首先根据目标对象在地图上的位置以及每个目标对象的目的地确定多条路径,从每条路径上提取轨迹点,计算每个轨迹点与障碍物的距离,根据每个轨迹点与障碍物的距离,以及预设的筛选策略筛选出最优的轨迹点所在的路径,其中,筛选策略包括障碍物距离轨迹点的最小距离、路径长度、运动时间等。电子设备在完成路径规划后,根据每个目标对象的路径规划结果确定每个目标对象的移动轨迹点,对移动轨迹点进行平滑处理,得到每个目标对象的移动路径。其中,每个目标对象的目的地可以是默认设定的,也可以是在路径规划前由用户输入的。
在一种可能的实现方式中,用户在编程终端编写路径规划策略后,将路径规划策略发送至电子设备。电子设备获取编程终端发送的路径规划策略,将目标对象在地图上的位置、障碍物在地图上的位置以及每个目标对象的目的地,输入路径规划策略,获得路径规划策略输出的每个目标对象的移动路径。
例如,在一种模拟自动驾驶的教学场景中,目标对象是小车,学生通过编程终端编写路径规划策略,再将路径规划策略发送至电子设备,电子设备再根据路径规划策略、每个小车在地图上的位置以及障碍物在地图上的位置规划每个小车的移动路径,通过在编程终端编写路径规划策略的方法,可以方便用户修改路径规划策略,实现多种模拟场景。
在另一模拟自动驾驶的教学场景中,目标对象是小车,电子设备与多个编程终端通信连接,可以同时接收每个编程终端发送的路径规划策略,一个路径规划策略对应一个小车。电子设备根据每个路径规划策略、对应的小车在地图上的位置以及障碍物在地图上的位置规划对应的小车的移动路径,从而可以为不同的小车提供不同的路径规划策略,并在一个地图上模拟不同小车的运动,进而节省了模拟自动驾驶的教具所占的空间。其中,障碍物除了包括地图上的障碍物(例如建筑、红绿灯等)之外,还包括其它的小车。
S104:根据所述移动路径向对应的目标对象发送驱动信号,所述驱动信号用于驱动所述对应的目标对象运动。
具体地,驱动信号包括目标对象的移动速度和移动方向,电子设备根据规划出的移动路径确定每个目标对象的驱动信号,向对应的目标对象发送驱动信号,目标对象根据驱动信号改变运动状态。
例如,若目标对象是小车,电子设备根据规划出的移动路径确定小车的驱动信号,向小车发送驱动信号,以控制小车在地图上行驶,从而模拟自动驾驶。
又例如,若目标对象是轮式机器人,电子设备根据规划出的移动路径确定轮式机器人的驱动信号,向轮式机器人发送驱动信号,以控制轮式机器人移动至设定的目的地,并执行设定的动作(例如,播放音乐、转动关节等)。在轮式机器人执行完设定的动作后,再根据驱动信号控制轮式机器人运动,以移动至下一个设定的目的地。
在一种可能的实现方式中,每个目标对象上均设有目标对象标识,电子设备识别图像信息,得到每个目标对象的位置及对应的目标对象标识,根据目标对象标识向对应的目标对象发送驱动信号,从而可以同时控制多个目标对象运动。
在另一种可能的实现方式中,各目标对象预先向电子设备发送目标对象标识,与电子设备建立通信连接,并接收电子设备发送的驱动信号,根据驱动信号运动。
上述实施例中,电子设备获取视觉传感器拍摄的图像信息,图像信息包括地图的图像,以及位于地图上的至少一个目标对象的图像以及障碍物的图像,根据图像信息确定每个目标对象在地图上的位置以及障碍物在地图上的位置,根据每个目标对象在地图上的位置以及障碍物在地图上的位置确定每个目标对象的移动路径,根据移动路径向对应的目标对象发送驱动信号,驱动信号用于驱动对应的目标对象运动。由于图像信息是由视觉传感器采集的,移动路径是由电子设备确定的,因此,目标对象上不用安装图像采集的装置、用于接收图像的信号收发装置以及用于规划移动路径的处理器,从而减小目标对象的体积,进而缩小运动控制系统的体积。且由于移动路径是由电子设备确定的,电子设备可以同时控制多个目标对象运动,进一步缩小运动控制系统的体积,从而方便演示。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的目标对象的运动控制方法,图3示出了本申请实施例提供的目标对象的运动控制装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图3所示,目标对象的运动控制装置包括,
获取模块10,用于获取视觉传感器拍摄的图像信息,所述图像信息包括地图的图像,以及位于所述地图上的至少一个目标对象的图像以及障碍物的图像;
确定模块20,用于根据所述图像信息确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置;
规划模块30,用于根据每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径;
驱动模块40,用于根据所述移动路径向对应的目标对象发送驱动信号,所述驱动信号用于驱动所述对应的目标对象运动。
在一种可能的实现方式中,所述获取模块10具体用于:
按照预设周期获取视觉传感器拍摄的图像信息。
在一种可能的实现方式中,所述获取模块10还用于:
获取编程终端发送的路径规划策略;
对应地,所述规划模块30具体用于:
根据所述路径规划策略、每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径。
在一种可能的实现方式中,所述确定模块20具体用于:
根据预设的目标检测模型识别所述图像信息中的地图、目标对象以及障碍物;
根据识别出的所述地图、所述目标对象以及所述障碍物,确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置。
在一种可能的实现方式中,所述目标对象的运动控制装置还包括训练模块,所述训练模块用于:
获取训练样本,采用机器学习的算法对初始目标检测模型进行训练,得到所述目标检测模型,所述训练样本包括预先采集的地图图像、目标对象图像以及障碍物图像。
在一种可能的实现方式中,所述地图是实物地图或在显示屏上显示的虚拟地图。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图4是本申请实施例提供的电子设备的结构示意图。如图4所示,该实施例的电子设备包括:处理器11、存储器12以及存储在所述存储器12中并可在所述处理器11上运行的计算机程序13。所述处理器11执行所述计算机程序13时实现上述电子设备的控制方法实施例中的步骤,例如图2所示的步骤S101至S104。或者,所述处理器11执行所述计算机程序13时实现上述各装置实施例中各模块/单元的功能,例如图3所示获取模块10至驱动模块40的功能。
示例性的,所述计算机程序13可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器11执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序13在所述终端设备中的执行过程。
本领域技术人员可以理解,图4仅仅是电子设备的示例,并不构成对电子设备的限定,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,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器11可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器12可以是所述电子设备的内部存储单元,例如电子设备的硬盘或内存。所述存储器12也可以是所述电子设备的外部存储设备,例如所述电子设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器12还可以既包括所述电子设备的内部存储单元也包括外部存储设备。所述存储器12用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器12还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,例如多个单元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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元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,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种目标对象的运动控制方法,应用于电子设备,其特征在于,包括:
获取视觉传感器拍摄的图像信息,所述图像信息包括地图的图像,以及位于所述地图上的至少一个目标对象的图像以及障碍物的图像;
根据所述图像信息确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置;
根据每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径;
根据所述移动路径向对应的目标对象发送驱动信号,所述驱动信号用于驱动所述对应的目标对象运动。
2.如权利要求1所述的目标对象的运动控制方法,其特征在于,所述获取视觉传感器拍摄的图像信息,包括:
按照预设周期获取视觉传感器拍摄的图像信息。
3.如权利要求1所述的目标对象的运动控制方法,其特征在于,在所述根据每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径之前,所述目标对象的运动控制方法还包括:
获取编程终端发送的路径规划策略;
对应地,所述根据每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径,包括:
根据所述路径规划策略、每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径。
4.如权利要求1所述的目标对象的运动控制方法,其特征在于,所述根据所述图像信息确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置,包括:
根据预设的目标检测模型识别所述图像信息中的地图、目标对象以及障碍物;
根据识别出的所述地图、所述目标对象以及所述障碍物,确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置。
5.如权利要求4所述的目标对象的运动控制方法,其特征在于,在所述根据预设的目标检测算法识别所述图像信息中的地图、目标对象以及障碍物之前,所述目标对象的运动控制方法还包括:
获取训练样本,采用机器学习的算法对初始目标检测模型进行训练,得到所述目标检测模型,所述训练样本包括预先采集的地图图像、目标对象图像以及障碍物图像。
6.如权利要求1至5任一项所述的目标对象的运动控制方法,其特征在于,所述地图是实物地图或在显示屏上显示的虚拟地图。
7.一种目标对象的运动控制装置,其特征在于,包括:
获取模块,用于获取视觉传感器拍摄的图像信息,所述图像信息包括地图的图像,以及位于所述地图上的至少一个目标对象的图像以及障碍物的图像;
确定模块,用于根据所述图像信息确定每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置;
规划模块,用于根据每个所述目标对象在所述地图上的位置以及所述障碍物在所述地图上的位置确定每个所述目标对象的移动路径;
驱动模块,用于根据所述移动路径向对应的目标对象发送驱动信号,所述驱动信号用于驱动所述对应的目标对象运动。
8.一种电子设备,包括存储器、处理器以及存储在所述存储器中并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如权利要求1至6任一项所述的方法。
9.一种目标对象的运动控制系统,其特征在于,包括至少一个目标对象、视觉传感器以及如权利要求8所述的电子设备。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011624148.4A CN112613469B (zh) | 2020-12-30 | 2020-12-30 | 目标对象的运动控制方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011624148.4A CN112613469B (zh) | 2020-12-30 | 2020-12-30 | 目标对象的运动控制方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112613469A true CN112613469A (zh) | 2021-04-06 |
CN112613469B CN112613469B (zh) | 2023-12-19 |
Family
ID=75252988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011624148.4A Active CN112613469B (zh) | 2020-12-30 | 2020-12-30 | 目标对象的运动控制方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112613469B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114201560A (zh) * | 2021-11-29 | 2022-03-18 | 中国科学院计算机网络信息中心 | 一种5G环境下基于Web的实时多人行动路径规划方法及系统 |
CN114337852A (zh) * | 2021-12-31 | 2022-04-12 | 北京小米移动软件有限公司 | 设备通信的方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774301A (zh) * | 2016-10-25 | 2017-05-31 | 纳恩博(北京)科技有限公司 | 一种避障跟随方法和电子设备 |
CN107515606A (zh) * | 2017-07-20 | 2017-12-26 | 北京格灵深瞳信息技术有限公司 | 机器人实现方法、控制方法及机器人、电子设备 |
CN107767424A (zh) * | 2017-10-31 | 2018-03-06 | 深圳市瑞立视多媒体科技有限公司 | 多相机系统的标定方法、多相机系统及终端设备 |
CN110220524A (zh) * | 2019-04-23 | 2019-09-10 | 炬星科技(深圳)有限公司 | 路径规划方法、电子设备、机器人及计算机可读存储介质 |
CN112034830A (zh) * | 2019-06-03 | 2020-12-04 | 江苏美的清洁电器股份有限公司 | 一种地图信息处理方法、装置及移动设备 |
-
2020
- 2020-12-30 CN CN202011624148.4A patent/CN112613469B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774301A (zh) * | 2016-10-25 | 2017-05-31 | 纳恩博(北京)科技有限公司 | 一种避障跟随方法和电子设备 |
WO2018077306A1 (zh) * | 2016-10-25 | 2018-05-03 | 纳恩博(北京)科技有限公司 | 一种避障跟随方法和电子设备、存储介质 |
CN107515606A (zh) * | 2017-07-20 | 2017-12-26 | 北京格灵深瞳信息技术有限公司 | 机器人实现方法、控制方法及机器人、电子设备 |
CN107767424A (zh) * | 2017-10-31 | 2018-03-06 | 深圳市瑞立视多媒体科技有限公司 | 多相机系统的标定方法、多相机系统及终端设备 |
CN110220524A (zh) * | 2019-04-23 | 2019-09-10 | 炬星科技(深圳)有限公司 | 路径规划方法、电子设备、机器人及计算机可读存储介质 |
CN112034830A (zh) * | 2019-06-03 | 2020-12-04 | 江苏美的清洁电器股份有限公司 | 一种地图信息处理方法、装置及移动设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114201560A (zh) * | 2021-11-29 | 2022-03-18 | 中国科学院计算机网络信息中心 | 一种5G环境下基于Web的实时多人行动路径规划方法及系统 |
CN114337852A (zh) * | 2021-12-31 | 2022-04-12 | 北京小米移动软件有限公司 | 设备通信的方法、装置、电子设备和存储介质 |
CN114337852B (zh) * | 2021-12-31 | 2024-02-13 | 北京小米移动软件有限公司 | 设备通信的方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112613469B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111505965B (zh) | 自动驾驶车辆仿真测试的方法、装置、计算机设备及存储介质 | |
JP6744679B2 (ja) | ヒューマンマシンハイブリッド意思決定方法および装置 | |
CN111919225B (zh) | 使用模拟环境对自主机器进行培训、测试和验证 | |
JP6832421B2 (ja) | シミュレーションに基づく自動運転車の感知要求の評価方法 | |
CN109215433B (zh) | 用于自动驾驶仿真的基于视觉的驾驶场景生成器 | |
US20200209874A1 (en) | Combined virtual and real environment for autonomous vehicle planning and control testing | |
JP2019182404A (ja) | 自動運転車両のためのセンサー集約フレームワーク | |
JP6757442B2 (ja) | 自動運転車における車線後処理 | |
CN112985432B (zh) | 车辆导航方法、装置、电子设备及存储介质 | |
CN107985313A (zh) | 用于自主车辆的基于弹簧系统的变换车道方法 | |
JP2021527587A (ja) | 車両制御方法および装置、電子機器、コンピュータ可読記憶媒体並びにコンピュータプログラム | |
CN110858098A (zh) | 使用人-机器人交互的自驱动移动机器人 | |
CN104460349A (zh) | 实车在回路仿真测试方法、实时仿真机及系统 | |
CN112613469B (zh) | 目标对象的运动控制方法及相关设备 | |
CN111216127A (zh) | 一种机器人控制方法、装置、服务器及介质 | |
CN109376664B (zh) | 机器学习训练方法、装置、服务器和介质 | |
CN111699449A (zh) | 自动驾驶车辆的仿真测试方法、系统、存储介质和车辆 | |
CN113907663A (zh) | 障碍物地图构建方法、清洁机器人及存储介质 | |
CN108268831A (zh) | 一种无人车视觉检测的鲁棒性测试方法和系统 | |
CN112671487B (zh) | 一种车辆测试的方法、服务器以及测试车辆 | |
CN114723903A (zh) | 障碍物风险场环境建模方法及其装置、相关产品 | |
CN107622241A (zh) | 用于移动设备的显示方法和装置 | |
CN110210361A (zh) | 一种测试场景的创建方法及装置、车载终端 | |
US20210088348A1 (en) | Method and apparatus for acquiring information | |
CN113665577A (zh) | 操作机动车辆的方法 |
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 |