CN112859860A - 一种机器人系统及其路径规划方法 - Google Patents
一种机器人系统及其路径规划方法 Download PDFInfo
- Publication number
- CN112859860A CN112859860A CN202110044012.4A CN202110044012A CN112859860A CN 112859860 A CN112859860 A CN 112859860A CN 202110044012 A CN202110044012 A CN 202110044012A CN 112859860 A CN112859860 A CN 112859860A
- Authority
- CN
- China
- Prior art keywords
- robot
- information
- module
- obstacle
- point cloud
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 37
- 230000003068 static effect Effects 0.000 claims description 15
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 9
- 229910052744 lithium Inorganic materials 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 101150064138 MAP1 gene Proteins 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 101150077939 mapA gene Proteins 0.000 description 1
- 238000012827 research and development Methods 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0251—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 extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Abstract
本发明公开了一种机器人系统及其路径规划方法,特点是建立三维点云地图;将三维点云地图转换为二维栅格地图;根据设定的机器人的起始点与目的地,利用D*算法规划全局路径,得到最初最短路径;在机器人沿最初最短路径运动时,若遇到障碍物,则利用TEB算法进行局部路径规划避开障碍物;最终完成机器人从起始点到目的地的运动;优点是利用3D激光雷达获取机器人周围环境的三维信息;利用RGBD深度相机获取周围环境的图像信息并实时传输到计算控制模块,并且可对机器人的位姿信息做回环检测;且在图像和点云信息获取到的特征点不明显时,融合惯导模块获取机器人实时三维坐标和朝向可对机器人进行更加精确的定位和导航。
Description
技术领域
本发明涉及一种路径规划方法,尤其是一种机器人系统及其路径规划方法。
背景技术
随着机器人特别是四轮机器人技术的发展,针对非结构化场景导航避障,成为越来越迫切的核心需求,是达成四轮机器人高层次作业任务的基础支撑。为了降低研发的成本,一般的做法是采用深度相机来进行机器人的定位、导航和避障,但由于光线的变化及深度相机视角狭窄等因素导致在运动过程中对机器人的定位、导航和避障的稳定性较差,从而降低了对机器人的定位、导航和避障的准确性。
发明内容
本发明所要解决的技术问题是提供一种机器人系统及其路径规划方法,不但能提高定位、导航、避障的稳定性,而且能提高定位、导航、避障的准确性。
本发明解决上述技术问题所采用的技术方案为:一种机器人系统,包括机器人、数据采集模块、4G路由器、计算控制模块和锂电池供电模块,所述的机器人为阿克曼车式模型;所述的机器人主要包括驱动模块和内部供电模块;
所述的驱动模块由在所述的机器人的后轮部位设置的两个左右对称的直流电机以及在所述的机器人的前轮部位设置的一个直流电机组成;所述的后轮部位的直流电机用于驱动机器人,所述的前轮部位的直流电机用于控制机器人的转向;
所述的数据采集模块由与每个直流电机对应的光电增量编码器、连接两根天线的惯导模块、3D激光雷达和面朝机器人前进方向的RGBD深度相机组成;所述的数据采集模块用于采集机器人的里程计数据、机器人的准确位姿信息、实时点云信息和图像信息;
所述的计算控制模块用于对获取的准确位姿信息、实时点云信息和图像信息进行计算融合,并通过USB转CAN转换器控制所述的驱动模块;
所述的内部供电模块为所述的驱动模块及所述的光电增量编码器提供电力;
所述的锂电池供电模块用于向所述的惯导模块、所述的3D激光雷达、所述的RGBD深度相机、所述的计算控制模块和所述的4G路由器提供电力;
所述的光电增量编码器用于获取机器人的里程计数据并通过USB转CAN转换器与所述的计算控制模块进行通信,所述的里程计数据包括机器人的速度和转弯角度;
所述的惯导模块的一端通过千兆网口连接插有SIM卡的4G路由器并获取差分信息,所述的差分信息为GPS定位误差,所述的差分信息由大气层折射、卫星星历偏差和多路径效应引起;所述的惯导模块的另一端通过USB3.0接口与所述的计算控制模块进行通信;所述的惯导模块通过两根馈线分别与两根天线连接获取两个单点定位信息;所述的惯导模块用于将两个单点定位信息通过差分信息进行补偿获得机器人的准确位姿信息,所述的准确位姿信息包括机器人的实时位置信息和朝向;所述的两根天线顶点所确定的直线与机器人的前进方向中心轴线垂直且两根天线之间的距离大于等于0.5m;所述的惯导模块与机器人固定连接,其安装底面平行于机器人的基准面且其铭牌上标示的Y轴指向与机器人的前进方向中心轴线平行;两个天线顶点与地面的垂直距离为110cm,且之间的距离为50cm,定位精度为5cm且两个天线顶点确定的直线与机器人的前进方向中心轴线垂直,可准确获得机器人的位置信息和朝向。
所述的3D激光雷达用于获取实时点云信息并通过所述的4G路由器与所述的计算控制模块进行通信;3D激光雷达与后方支架的垂直距离为15cm,雷达下平面与天线顶点的垂直距离为5cm,确保雷达竖直扫描和水平扫描不受到两个天线的干扰。
所述的RGBD深度相机用于获取图像信息并通过USB3.0接口与所述的计算控制模块进行通信。深度相机固定在激光雷达的正下方5cm处,与地面的垂直距离为105cm,可准确获取机器人正前方2m内的图像信息且不会对雷达竖直扫描和水平扫描形成干扰。
所述的机器人上方设置有用于放置所述的惯导模块、所述的4G路由器、所述的计算控制模块和所述的锂电池供电模块的箱体,所述的箱体靠近前轮部位的上方固定连接第一垂直支架的一端和第二垂直支架的一端,所述的第一垂直支架的另一端、所述的第二垂直支架的另一端与第三水平支架固定连接,所述的第三水平支架的两端分别固定安装两根所述的天线,所述的第三水平支架的中点与第四水平支架的一个端点固定连接,所述的第四水平支架的中点与第五垂直支架的下端固定连接,所述的第五垂直支架的中点固定安装所述的RGBD深度相机,所述的第五垂直支架的上端固定安装所述的3D激光雷达。
一种机器人系统的路径规划方法,包括以下步骤:
启动机器人在需要建立地图的区域内运动,将数据采集模块采集到的机器人的准确位姿信息、实时点云信息和图像信息传输到计算控制模块中,在计算控制模块中,对采集到的实时点云信息进行下采样并存储,对采集到的图像信息进行关键帧的提取并储存,利用三维激光SLAM算法对下采样后的点云信息和准确位姿信息进行融合并建立三维点云地图;
驱动模块驱动机器人根据最初最短路径从起始点向目的地运动,在计算控制模块中,利用AMCL定位方法对机器人进行实时定位得到机器人最优位姿信息,在机器人运动过程中采用3D激光雷达对机器人行进方向区域进行扫描,并判断避障区域内是否有障碍物,若没有障碍物,则机器人继续按照最初最短路径前进;若有障碍物,则判断障碍物是静态障碍物还是动态障碍物,若是静态障碍物,则判断该静态障碍物是否已出现在二维栅格地图中,若该静态障碍物已出现在二维栅格地图中,则机器人继续按照最初最短路径前进;若该静态障碍物未出现在二维栅格地图中,则利用TEB算法进行局部路径规划,调整机器人的行驶方向以避开该静态障碍物,直至机器人回归到由D*算法得到的最初最短路径中;若是动态障碍物,则利用TEB算法进行局部路径规划,调整机器人向没有障碍物的区域行驶以避开动态障碍物,并当动态障碍物离开机器人的避障区域后,利用D*算法对机器人当前位置到目的地重新进行全局路径规划,得到更新后的最短路径,机器人按照更新后的最短路径前进;
所述的AMCL定位方法的具体方法为:
a以机器人初始位置为中心随机产生粒子组成粒子群;
b根据数据采集模块中获得的里程计数据和准确位姿信息更新每个粒子对应的位姿信息;
c根据3D激光雷达扫描到的实时点云信息及从RGBD深度相机中采集到的图像信息中提取到的关键帧与存储的关键帧的匹配结果计算AMCL估计位姿信息;
d将AMCL估计位姿信息作为初始值,计算出机器人当前时刻的最优位姿信息;
e将雷达获取的实时点云与三维点云地图进行NDT匹配,获取当前位姿信息;
f将步骤d中的最优位姿信息和步骤e中的当前位姿信息采用扩展卡尔曼滤波融合获取机器人最优位姿信息。
所述的行进方向区域为以3D激光雷达为圆心、圆心角为180度的扇环区域;所述的扇环区域的短半径为0.5m,所述的扇环区域的长半径为50m。
所述的避障区域为3D激光雷达为圆心、圆心角为120度的扇环区域;所述的扇环区域的短半径为0.5m,所述的扇环区域的长半径为1.5m。
所述的行进方向区域在机器人的正前部。
所述的避障区域在机器人的正前部。
与现有技术相比,本发明的优点在于利用3D激光雷达获取机器人周围环境的三维信息,可用于建图、定位、避障;利用RGBD深度相机获取周围环境的图像信息并实时传输到计算控制模块,在计算控制模块中提取关键帧并存储,当机器人沿规划好的路径运动时,计算控制模块通过提取RGBD深度相机采集的实时图像信息的关键帧与存储关键帧信息进行匹配,并根据匹配结果辅助3D激光雷达减少定位累积误差;但在室外空旷的区域,由于获取到的特征点不明显,不能直接利用3D激光雷达与RGBD深度相机进行定位,此时融合惯导模块获取机器人实时三维坐标和朝向可对机器人进行更加精确的定位和导航。
附图说明
图1为本发明的结构示意图;
图2为本发明的总体流程示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
一种机器人系统,包括机器人、数据采集模块、4G路由器、计算控制模块和锂电池供电模块,机器人为阿克曼车式模型;机器人主要包括驱动模块和内部供电模块;
驱动模块由在机器人的后轮部位设置的两个左右对称的直流电机以及在机器人的前轮部位设置的一个直流电机组成;后轮部位的直流电机用于驱动机器人,前轮部位的直流电机用于控制机器人的转向;
数据采集模块由与每个直流电机对应的光电增量编码器、连接两根天线的惯导模块、3D激光雷达和面朝机器人前进方向的RGBD深度相机组成;数据采集模块用于采集机器人的里程计数据、机器人的准确位姿信息、实时点云信息和图像信息;
计算控制模块用于对获取的准确位姿信息、实时点云信息和图像信息进行计算融合,并通过USB转CAN转换器控制驱动模块;
内部供电模块为驱动模块及光电增量编码器提供电力;
锂电池供电模块用于向惯导模块、3D激光雷达、RGBD深度相机、计算控制模块和4G路由器提供电力;
光电增量编码器用于获取机器人的里程计数据并通过USB转CAN转换器与计算控制模块进行通信,里程计数据包括机器人的速度和转弯角度;
惯导模块的一端通过千兆网口连接插有SIM卡的4G路由器并获取差分信息,差分信息为GPS定位误差,差分信息由大气层折射、卫星星历偏差和多路径效应引起;惯导模块的另一端通过USB3.0接口与计算控制模块进行通信;惯导模块通过两根馈线分别与两根天线连接获取两个单点定位信息;惯导模块用于将两个单点定位信息通过差分信息进行补偿获得机器人的准确位姿信息,准确位姿信息包括机器人的实时位置信息和朝向;两根天线顶点所确定的直线与机器人的前进方向中心轴线垂直且两根天线之间的距离大于等于0.5m;惯导模块与机器人固定连接,其安装底面平行于机器人的基准面且其铭牌上标示的Y轴指向与机器人的前进方向中心轴线平行;两个天线顶点与地面的垂直距离为110cm,且之间的距离为50cm,定位精度为5cm且两个天线顶点确定的直线与机器人的前进方向中心轴线垂直,可准确获得机器人的位置信息和朝向。
3D激光雷达用于获取实时点云信息并通过4G路由器与计算控制模块进行通信;3D激光雷达与后方支架的垂直距离为15cm,雷达下平面与天线顶点的垂直距离为5cm,确保雷达竖直扫描和水平扫描不受到两个天线的干扰。
RGBD深度相机用于获取图像信息并通过USB3.0接口与计算控制模块进行通信。深度相机固定在激光雷达的正下方5cm处,与地面的垂直距离为105cm,可准确获取机器人正前方2m内的图像信息且不会对雷达竖直扫描和水平扫描形成干扰。
如图1所示,机器人1上方设置有用于放置惯导模块、4G路由器、计算控制模块和锂电池供电模块的箱体2,箱体2靠近前轮部位的上方固定连接第一垂直支架3的一端和第二垂直支架4的一端,第一垂直支架3的另一端、第二垂直支架4的另一端与第三水平支架5固定连接,第三水平支架5的两端分别固定安装两根天线6,第三水平支架5的中点与第四水平支架7的一个端点固定连接,第四水平支架7的中点与第五垂直支架8的下端固定连接,第五垂直支架8的中点固定安装RGBD深度相机9,第五垂直支架8的上端固定安装3D激光雷达10。
如图2所示,一种机器人系统的路径规划方法,包括以下步骤:
启动机器人在需要建立地图的区域内运动,将数据采集模块采集到的机器人的准确位姿信息、实时点云信息和图像信息传输到计算控制模块中,在计算控制模块中,对采集到的实时点云信息进行下采样并存储,对采集到的图像信息进行关键帧的提取并储存,利用三维激光SLAM算法对下采样后的点云信息和准确位姿信息进行融合并建立三维点云地图;
使用ROS下的Rviz中显示加载的三维点云地图和二维栅格地图,通过修改三维点云地图初始化位置信息,使三维点云地图和二维栅格地图完全匹配;分别使用Rviz 2DPose Estimate和2D Nav Goal在二维栅格地图上设置机器人的起始点和目的地;
驱动模块驱动机器人根据最初最短路径从起始点向目的地运动,在计算控制模块中,利用AMCL定位方法对机器人进行实时定位得到机器人最优位姿信息,在机器人运动过程中采用3D激光雷达对机器人行进方向区域进行扫描,并判断避障区域内是否有障碍物,若没有障碍物,则机器人继续按照最初最短路径前进;若有障碍物,则判断障碍物是静态障碍物还是动态障碍物,若是静态障碍物,则判断该静态障碍物是否已出现在二维栅格地图中,若该静态障碍物已出现在二维栅格地图中,则机器人继续按照最初最短路径前进;若该静态障碍物未出现在二维栅格地图中,则利用TEB算法进行局部路径规划,调整机器人的行驶方向以避开该静态障碍物,直至机器人回归到由D*算法得到的最初最短路径中;若是动态障碍物,则利用TEB算法进行局部路径规划,调整机器人向没有障碍物的区域行驶以避开动态障碍物,并当动态障碍物离开机器人的避障区域后,利用D*算法对机器人当前位置到目的地重新进行全局路径规划,得到更新后的最短路径,机器人按照更新后的最短路径前进;
AMCL定位方法的具体方法为:
a以机器人初始位置为中心随机产生粒子组成粒子群;
b根据数据采集模块中获得的里程计数据和准确位姿信息更新每个粒子对应的位姿信息;
c根据3D激光雷达扫描到的实时点云信息及从RGBD深度相机中采集到的图像信息中提取到的关键帧与存储的关键帧的匹配结果计算AMCL估计位姿信息;
d将AMCL估计位姿信息作为初始值,计算出机器人当前时刻的最优位姿信息;
e将雷达获取的实时点云与三维点云地图进行NDT匹配,获取当前位姿信息;
f将步骤d中的最优位姿信息和步骤e中的当前位姿信息采用扩展卡尔曼滤波融合获取机器人最优位姿信息;
行进方向区域为以3D激光雷达为圆心、圆心角为180度的扇环区域;扇环区域的短半径为0.5m,扇环区域的长半径为50m;行进方向区域在机器人的正前部;
避障区域为3D激光雷达为圆心、圆心角为120度的扇环区域;扇环区域的短半径为0.5m,扇环区域的长半径为1.5m;避障区域在机器人的正前部;
Claims (8)
1.一种机器人系统,其特征在于包括机器人、数据采集模块、4G路由器、计算控制模块和锂电池供电模块,所述的机器人为阿克曼车式模型;所述的机器人包括驱动模块和内部供电模块;
所述的驱动模块由在所述的机器人的后轮部位设置的两个左右对称的直流电机以及在所述的机器人的前轮部位设置的一个直流电机组成;所述的后轮部位的直流电机用于驱动机器人,所述的前轮部位的直流电机用于控制机器人的转向;
所述的数据采集模块由与每个直流电机对应的光电增量编码器、连接两根天线的惯导模块、3D激光雷达和面朝机器人前进方向的RGBD深度相机组成;所述的数据采集模块用于采集机器人的里程计数据、机器人的准确位姿信息、实时点云信息和图像信息;
所述的计算控制模块用于对获取的准确位姿信息、实时点云信息和图像信息进行计算融合,并通过USB转CAN转换器控制所述的驱动模块;
所述的内部供电模块为所述的驱动模块及所述的光电增量编码器提供电力;
所述的锂电池供电模块用于向所述的惯导模块、所述的3D激光雷达、所述的RGBD深度相机、所述的计算控制模块和所述的4G路由器提供电力;
所述的光电增量编码器用于获取机器人的里程计数据并通过USB转CAN转换器与所述的计算控制模块进行通信,所述的里程计数据包括机器人的速度和转弯角度;
所述的惯导模块的一端通过千兆网口连接插有SIM卡的4G路由器并获取差分信息,所述的差分信息为GPS定位误差;所述的惯导模块的另一端通过USB3.0接口与所述的计算控制模块进行通信;所述的惯导模块通过两根馈线分别与两根天线连接获取两个单点定位信息;所述的惯导模块用于将两个单点定位信息通过差分信息进行补偿获得机器人的准确位姿信息,所述的准确位姿信息包括机器人的实时位置信息和朝向;所述的两根天线顶点所确定的直线与机器人的前进方向中心轴线垂直且两根天线之间的距离大于等于0.5m;
所述的3D激光雷达用于获取实时点云信息并通过所述的4G路由器与所述的计算控制模块进行通信;
所述的RGBD深度相机用于获取图像信息并通过USB3.0接口与所述的计算控制模块进行通信。
2.根据权利要求1所述的一种机器人系统,其特征在于所述的机器人上方设置有用于放置所述的惯导模块、所述的4G路由器、所述的计算控制模块和所述的锂电池供电模块的箱体,所述的箱体靠近前轮部位的上方固定连接第一垂直支架的一端和第二垂直支架的一端,所述的第一垂直支架的另一端、所述的第二垂直支架的另一端与第三水平支架固定连接,所述的第三水平支架的两端分别固定安装两根所述的天线,所述的第三水平支架的中点与第四水平支架的一个端点固定连接,所述的第四水平支架的中点与第五垂直支架的下端固定连接,所述的第五垂直支架的中点固定安装所述的RGBD深度相机,所述的第五垂直支架的上端固定安装所述的3D激光雷达。
3.一种机器人系统的路径规划方法,其特征在于包括以下步骤:
启动机器人在需要建立地图的区域内运动,将数据采集模块采集到的机器人的准确位姿信息、实时点云信息和图像信息传输到计算控制模块中,在计算控制模块中,对采集到的实时点云信息进行下采样并存储,对采集到的图像信息进行关键帧的提取并储存,利用三维激光SLAM算法对下采样后的点云信息和准确位姿信息进行融合并建立三维点云地图;
驱动模块驱动机器人根据最初最短路径从起始点向目的地运动,在计算控制模块中,利用AMCL定位方法对机器人进行实时定位得到机器人最优位姿信息,在机器人运动过程中采用3D激光雷达对机器人行进方向区域进行扫描,并判断避障区域内是否有障碍物,若没有障碍物,则机器人继续按照最初最短路径前进;若有障碍物,则判断障碍物是静态障碍物还是动态障碍物,若是静态障碍物,则判断该静态障碍物是否已出现在二维栅格地图中,若该静态障碍物已出现在二维栅格地图中,则机器人继续按照最初最短路径前进;若该静态障碍物未出现在二维栅格地图中,则利用TEB算法进行局部路径规划,调整机器人的行驶方向以避开该静态障碍物,直至机器人回归到由D*算法得到的最初最短路径中;若是动态障碍物,则利用TEB算法进行局部路径规划,调整机器人向没有障碍物的区域行驶以避开动态障碍物,并当动态障碍物离开机器人的避障区域后,利用D*算法对机器人当前位置到目的地重新进行全局路径规划,得到更新后的最短路径,机器人按照更新后的最短路径前进;
4.根据权利要求3所述的一种机器人路径规划方法,其特征在于所述的AMCL定位方法的具体方法为:
a以机器人初始位置为中心随机产生粒子组成粒子群;
b根据数据采集模块中获得的里程计数据和准确位姿信息更新每个粒子对应的位姿信息;
c根据3D激光雷达扫描到的实时点云信息及从RGBD深度相机中采集到的图像信息中提取到的关键帧与存储的关键帧的匹配结果计算AMCL估计位姿信息;
d将AMCL估计位姿信息作为初始值,计算出机器人当前时刻的最优位姿信息;
e将雷达获取的实时点云与三维点云地图进行NDT匹配,获取当前位姿信息;
f将步骤d中的最优位姿信息和步骤e中的当前位姿信息采用扩展卡尔曼滤波融合获取机器人最优位姿信息。
5.根据权利要求3所述的一种机器人路径规划方法,其特征在于所述的行进方向区域为以3D激光雷达为圆心、圆心角为180度的扇环区域;所述的扇环区域的短半径为0.5m,所述的扇环区域的长半径为50m。
6.根据权利要求3所述的一种机器人路径规划方法,其特征在于所述的避障区域为3D激光雷达为圆心、圆心角为120度的扇环区域;所述的扇环区域的短半径为0.5m,所述的扇环区域的长半径为1.5m。
7.根据权利要求5所述的一种机器人路径规划方法,其特征在于所述的行进方向区域在机器人的正前部。
8.根据权利要求6所述的一种机器人路径规划方法,其特征在于所述的避障区域在机器人的正前部。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110044012.4A CN112859860A (zh) | 2021-01-13 | 2021-01-13 | 一种机器人系统及其路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110044012.4A CN112859860A (zh) | 2021-01-13 | 2021-01-13 | 一种机器人系统及其路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112859860A true CN112859860A (zh) | 2021-05-28 |
Family
ID=76003482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110044012.4A Pending CN112859860A (zh) | 2021-01-13 | 2021-01-13 | 一种机器人系统及其路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112859860A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113532430A (zh) * | 2021-07-14 | 2021-10-22 | 中煤科工集团重庆研究院有限公司 | 一种地下空间内既定路径自主定位方法 |
CN113835428A (zh) * | 2021-08-27 | 2021-12-24 | 华东交通大学 | 一种用于餐厅的机器人路径规划方法 |
CN114136316A (zh) * | 2021-12-01 | 2022-03-04 | 珠海一微半导体股份有限公司 | 基于点云特征点的惯导误差消除方法、芯片及机器人 |
CN114415661A (zh) * | 2021-12-15 | 2022-04-29 | 中国农业大学 | 基于压缩三维空间点云的平面激光slam与导航方法 |
CN114594761A (zh) * | 2022-01-05 | 2022-06-07 | 美的集团(上海)有限公司 | 机器人的路径规划方法、电子设备及计算机可读存储介质 |
CN114625121A (zh) * | 2022-01-24 | 2022-06-14 | 成都理工大学 | 基于多传感器融合的自主巡检探索小车系统及导航方法 |
CN115328173A (zh) * | 2022-10-14 | 2022-11-11 | 深圳市功夫机器人有限公司 | 基于激光雷达的移动机器人控制方法及移动机器人 |
TWI828330B (zh) * | 2022-09-23 | 2024-01-01 | 優式機器人股份有限公司 | 用於自走設備的移動控制方法及系統 |
-
2021
- 2021-01-13 CN CN202110044012.4A patent/CN112859860A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113532430A (zh) * | 2021-07-14 | 2021-10-22 | 中煤科工集团重庆研究院有限公司 | 一种地下空间内既定路径自主定位方法 |
CN113835428A (zh) * | 2021-08-27 | 2021-12-24 | 华东交通大学 | 一种用于餐厅的机器人路径规划方法 |
CN114136316A (zh) * | 2021-12-01 | 2022-03-04 | 珠海一微半导体股份有限公司 | 基于点云特征点的惯导误差消除方法、芯片及机器人 |
CN114415661A (zh) * | 2021-12-15 | 2022-04-29 | 中国农业大学 | 基于压缩三维空间点云的平面激光slam与导航方法 |
CN114415661B (zh) * | 2021-12-15 | 2023-09-22 | 中国农业大学 | 基于压缩三维空间点云的平面激光slam与导航方法 |
CN114594761A (zh) * | 2022-01-05 | 2022-06-07 | 美的集团(上海)有限公司 | 机器人的路径规划方法、电子设备及计算机可读存储介质 |
CN114625121A (zh) * | 2022-01-24 | 2022-06-14 | 成都理工大学 | 基于多传感器融合的自主巡检探索小车系统及导航方法 |
TWI828330B (zh) * | 2022-09-23 | 2024-01-01 | 優式機器人股份有限公司 | 用於自走設備的移動控制方法及系統 |
CN115328173A (zh) * | 2022-10-14 | 2022-11-11 | 深圳市功夫机器人有限公司 | 基于激光雷达的移动机器人控制方法及移动机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112859860A (zh) | 一种机器人系统及其路径规划方法 | |
US11024055B2 (en) | Vehicle, vehicle positioning system, and vehicle positioning method | |
CN110262546B (zh) | 一种隧道智能无人机巡检方法 | |
CN109709801B (zh) | 一种基于激光雷达的室内无人机定位系统及方法 | |
US20180102058A1 (en) | High-precision autonomous obstacle-avoidance flying method for unmanned aerial vehicle | |
CN111123911B (zh) | 一种腿足式智能星表探测机器人感知系统及其工作方法 | |
US20080059015A1 (en) | Software architecture for high-speed traversal of prescribed routes | |
CN102368158B (zh) | 一种果园机械导航定位方法 | |
CN114812581B (zh) | 一种基于多传感器融合的越野环境导航方法 | |
JP2012529012A (ja) | 位置確認のために三次元位置と二次元強度のマッピングを組み合わせるための方法と装置 | |
Chen et al. | Real-time 3D mapping using a 2D laser scanner and IMU-aided visual SLAM | |
Pfaff et al. | Towards mapping of cities | |
US20230083965A1 (en) | Map construction method, apparatus and storage medium | |
CN110658828A (zh) | 一种地貌自主探测方法及无人机 | |
CN107607093A (zh) | 一种基于无人艇的湖泊动态库容的监测方法及装置 | |
CN113085896B (zh) | 一种现代有轨清洁车辅助自动驾驶系统及方法 | |
Hoang et al. | 3D motion estimation based on pitch and azimuth from respective camera and laser rangefinder sensing | |
CN116047565A (zh) | 一种多传感器数据融合定位系统 | |
Srinara et al. | Performance analysis of 3D NDT scan matching for autonomous vehicles using INS/GNSS/3D LiDAR-SLAM integration scheme | |
Höffmann et al. | Coverage path planning and precise localization for autonomous lawn mowers | |
JP5105595B2 (ja) | 自律走行移動体の走行経路決定用地図作成装置及び走行経路決定用地図作成方法 | |
CN117234203A (zh) | 一种多源里程融合slam井下导航方法 | |
Hoang et al. | Planar motion estimation using omnidirectional camera and laser rangefinder | |
CN214202154U (zh) | 一种机器人系统 | |
CN114353799A (zh) | 搭载多线激光雷达的无人驾驶平台室内快速全局定位方法 |
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 |