CN112925313A - 机器人的避让处理方法、装置、电子设备和介质 - Google Patents

机器人的避让处理方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN112925313A
CN112925313A CN202110093850.0A CN202110093850A CN112925313A CN 112925313 A CN112925313 A CN 112925313A CN 202110093850 A CN202110093850 A CN 202110093850A CN 112925313 A CN112925313 A CN 112925313A
Authority
CN
China
Prior art keywords
mobile robot
avoidance
robot
avoidance point
target
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
Application number
CN202110093850.0A
Other languages
English (en)
Other versions
CN112925313B (zh
Inventor
吴俊镐
唐旋来
万永辉
李迪
罗志凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Keenlon Intelligent Technology Co Ltd
Original Assignee
Shanghai Keenlon Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Keenlon Intelligent Technology Co Ltd filed Critical Shanghai Keenlon Intelligent Technology Co Ltd
Priority to CN202110093850.0A priority Critical patent/CN112925313B/zh
Publication of CN112925313A publication Critical patent/CN112925313A/zh
Application granted granted Critical
Publication of CN112925313B publication Critical patent/CN112925313B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0238—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
    • G05D1/0212—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, 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
    • G05D1/0223—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, 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Optics & Photonics (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明实施例公开了一种机器人的避让处理方法、装置、电子设备和介质。其中，该方法包括：若检测到移动机器人在第一避让点位未完成避让操作，则获取移动机器人采集的第一避让点位的学习数据；其中，第一避让点位根据目标场景的全局地图中第一避让点位所属道路的初始宽度，以及目标场景中移动机器人和目标机器人之间的可避让宽度确定；根据第一避让点位的学习数据对目标场景的全局地图进行更新，得到调度地图；若检测到移动机器人避让触发事件，则根据调度地图控制移动机器人进行避让。本发明实施例能够通过机器人实时采集的学习数据自主学习构建调度地图，实现室内环境中各机器人的安全运行。

Description

机器人的避让处理方法、装置、电子设备和介质
技术领域
本发明实施例涉及一种智能机器人技术领域，尤其涉及一种机器人的避让处理方法、装置、电子设备和介质。
背景技术
随着智能机器人的逐步发展，目前生活的各个场景中均可以涉及到智能机器人，通过智能机器人代替人工去执行一些简单的操作，例如送餐；其也给人们的生活带来了极大遍历，在提升任务效率的同时还减少了用户的工作量。但是，由于在某些特定的场景中，需要多台机器人同时完成，例如室内送餐机器人，每个送餐机器人的运行轨迹可能存在交叉，此时当两个送餐机器人相遇时，就会存在避让行为；现有的避让方式属于避障操作，机器人操作时间长，严重影响机器人的协同工作效率。
发明内容
本申请实施例提供一种机器人的避让处理方法、装置、电子设备和介质，可以通过机器人通过实时采集的学习数据自主学习构建调度地图，实现室内环境中各机器人的安全高效运行。
第一方面，本发明实施例提供了一种机器人的避让处理方法，包括：
若检测到所述移动机器人在第一避让点位未完成避让操作，则获取所述移动机器人采集的所述第一避让点位的学习数据；其中，所述第一避让点位根据目标场景的全局地图中第一避让点位所属道路的初始宽度，以及所述目标场景中所述移动机器人和目标机器人之间的可避让宽度确定；
根据所述第一避让点位的学习数据对目标场景的全局地图进行更新，得到调度地图；
若检测到移动机器人避让触发事件，则根据所述调度地图控制所述移动机器人进行避让。
第二方面，本发明实施例提供了一种机器人的避让处理装置，包括：
数据获取模块，用于若检测到所述移动机器人在第一避让点位未完成避让操作，则获取所述移动机器人采集的所述第一避让点位的学习数据；其中，所述第一避让点位根据目标场景的全局地图中第一避让点位所属道路的初始宽度，以及所述目标场景中所述移动机器人和目标机器人之间的可避让宽度确定；
地图确定模块，用于根据所述第一避让点位的学习数据对目标场景的全局地图进行更新，得到调度地图；
机器人避让模块，用于若检测到移动机器人避让触发事件，则根据所述调度地图控制所述移动机器人进行避让。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例中的任一种所述的机器人的避让处理方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例中的任一种所述的机器人的避让处理方法。
本发明实施例若检测到移动机器人在第一避让点位未完成避让操作，则获取移动机器人采集的第一避让点位的学习数据；其中，第一避让点位根据目标场景的全局地图中第一避让点位所属道路的初始宽度，以及目标场景中移动机器人和目标机器人之间的可避让宽度确定；根据第一避让点位的学习数据对目标场景的全局地图进行更新，得到调度地图；若检测到移动机器人避让触发事件，则根据调度地图控制移动机器人进行避让。本发明实施例能够通过机器人实时采集的学习数据自主学习构建调度地图，实现室内环境中各机器人的安全高效运行。
附图说明
图1是本发明实施例一中的机器人的避让处理方法的流程示意图；
图2是本发明实施例二中的机器人的避让处理方法的流程示意图；
图3是本发明实施例三中的机器人的避让处理装置的结构示意图；
图4是本实施例四中的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的机器人的避让处理方法的流程示意图。本实施例可适用于通过机器人自主学习进行实时安全避让的情况。本实施例方法可由机器人的避让处理装置来执行，该装置可采用硬件/或软件的方式来实现，并可配置于电子设备中。可实现本申请任意实施例所述的机器人的避让处理方法。如图1所示，该方法具体包括如下：
S110、若检测到移动机器人在第一避让点位未完成避让操作，则获取移动机器人采集的第一避让点位的学习数据；其中，第一避让点位根据目标场景的全局地图中第一避让点位所属道路的初始宽度，以及目标场景中移动机器人和目标机器人之间的可避让宽度确定。
在本实施例中，移动机器人的智能系统中包含有其工作场景的全局地图，移动机器人可通过全局地图实现自身位置的准确定位与工作路径规划；第一避让点位可以是管理人员预先设置在各移动机器人智能系统的全局地图中的路径坐标点，该坐标点可以同时容纳至少两个移动机器人同时通过该坐标点的所属道路，以避免至少两个移动机器人在执行工作任务时在同一路径点处发生碰撞导致工作任务阻碍。
本实施例中的目标场景为室内环境构成的生活工作区；目标场景的全局地图为目标场景中的各设置物件以及场景地面坐标系形成的定位地图，其可以有效展现出目标场景中各物件的所在坐标。全局地图中第一避让点位所属道路的初始宽度可根据移动机器人在原始场景的各道路首次绕场运行时，通过雷达传感器扫描得出；目标机器人为与移动机器人在目标场景中同时工作运行的移动机器人。
具体的，第一避让点位的学习数据是移动机器人在实际工作运行时通过雷达设备采集的第一避让点位的信息，可包括：第一避让点位所属道路的当前宽度、目标机器人的尺寸信息以及第一避让点位所属道路的预存物等。
S120、根据第一避让点位的学习数据对目标场景的全局地图进行更新，得到调度地图。
由于移动机器人在目标场景的实际应用中，其室内各路径点所属的道路宽度是不确定的；示例性的，在室内送餐场景中，各道路上可能存放用餐者的移动物品(例如婴儿车)，当移动机器人按照原始的全局地图进行送餐时，若该移动物品所在的位置为避让点位时，且需要在该避让点位进行避让时，此时则会发生避让失败的问题。
因此，本实施例在检测到避让操作中未成功完成避让操作时，利用移动机器人自主学习到的学习数据对全局地图进行更新操作，能够使得更新后的调度地图更加适应目标场景的实际状态，从而提高移动机器人的工作效率。
S130、检测是否存在移动机器人避让触发事件；若是，则执行S140；若否，则执行S150。
在本实施例中，当检测移动机器人的对面有目标机器人驶来时，且轨迹有交点，则需要检测避让触发事件的所属者，即移动机器人或者目标机器人。
S140、根据调度地图控制移动机器人进行避让。
在本实施例中，若移动机器人需要进行避让，则根据更新得到的调度地图控制移动机器人进行有效避让，使得移动机器人在第一避让点位失败时，能够快速准确的成功完成第二次避让，避免移动机器人返回原地或者暂停工作的问题。
S150、控制移动机器人继续根据任务路线移动。
在本实施例中，若未检测到移动机器人避让触发事件，则表明是目标机器人避让触发事件，此时，目标机器人则会根据自身更新出的调度地图进行避让操作，其更新调度地图的原理与移动机器人的原理相同，同一目标场景中运行的移动机器人均会基于自主学习能力进行调度地图的更新。
在控制移动机器人继续根据任务路线移动之前，本实施例方法还可包括：检测目标机器人是否进行避让操作；若是，则执行控制移动机器人继续根据任务路线移动的操作；若否，则向目标机器人发出避让提示，以提示目标机器人进行避让处理。
本发明实施例若检测到移动机器人在第一避让点位未完成避让操作，则获取移动机器人采集的第一避让点位的学习数据；其中，第一避让点位根据目标场景的全局地图中第一避让点位所属道路的初始宽度，以及目标场景中移动机器人和目标机器人之间的可避让宽度确定；根据第一避让点位的学习数据对目标场景的全局地图进行更新，得到调度地图；若检测到移动机器人避让触发事件，则根据调度地图控制移动机器人进行避让。本发明实施例能够通过机器人实时采集的学习数据自主学习构建调度地图，实现室内环境中各机器人的安全运行。
实施例二
图2是本发明实施例二中的机器人的避让处理方法的流程示意图。本实施例是在上述实施例的基础上进一步扩展与优化，并可与上述技术方案中任意可选方案组合。如图2所示，该方法包括：
S210、若检测到移动机器人在第一避让点位未完成避让操作，则获取移动机器人采集的第一避让点位的学习数据；其中，第一避让点位根据目标场景的全局地图中第一避让点位所属道路的初始宽度，以及目标场景中移动机器人和目标机器人之间的可避让宽度确定。
S220、根据第一避让点位的学习数据确定全局地图中第一避让点位的学习宽度。
在本实施例中，第一避让点位的学习宽度为第一避让点位所属道路的当前宽度；若第一避让点位所属道路处无移动物体的放入，则第一避让点位所属道路的当前宽度为第一避让点位所属道路的初始宽度；若第一避让点位所属道路处存在移动物体的放入，则第一避让点位所属道路的当前宽度为第一避让点位所属道路的初始宽度减去移动物体的占地宽度。
在本实施例中，可选的，根据第一避让点位的学习数据确定全局地图中第一避让点位的学习宽度，包括：
根据移动机器人行驶时扫描组件的扫描数据，确定移动机器人行驶至第一避让点位的学习数据；
根据移动机器人行驶至第一避让点位的学习数据，确定全局地图中第一避让点位的学习宽度。
其中，扫描组件可为移动机器人自身安装的数据采集设备，例如激光扫描仪和/或雷达传感器；相应的，扫描数据可为扫描组件采集到的点云数据或者图像数据。本实施例根据移动机器人安装的扫描组件对其运行移动进行实时监控，以实现各路径点所属道路的宽度的实时获取。
S230、根据第一避让点位的学习宽度对第一避让点位所属道路的初始宽度进行更新，得到调度地图。
由于在实际的应用场景中，各道路的宽度会发生实时变换，当预先安置的第一避让点位不能满足移动机器人完成执行避让操作时，为了提高移动机器人的室内调度，因此，需要对全局地图中的局部道路宽度进行实时更新，得到具有实时定位数据的调度地图，从而提高移动机器人在目标场景中的运行效率。
在本实施例中，可选的，根据第一避让点位的学习宽度对第一避让点位所属道路的初始宽度进行更新，得到调度地图，包括：
根据第一避让点位的学习宽度构建目标场景的全局地图中第一避让点位处的虚拟墙体；
根据初始宽度的初始权重和学习宽度的学习权重，确定初始权重在权重总和中的占比；
根据初始权重在权重总和中的占比，和第一避让点位处的虚拟墙体，确定调度地图。
其中，虚拟墙体为在第一避让点位所属道路的初始宽度的基础上进行尺寸缩减得到，即可以根据初始宽度确定出该道路的当前宽度。本实施例中，初始宽度的初始权重为预先设置的固定值，根据移动机器人的学习次数不断更新初始宽度的初始权重和学习宽度的学习权重，以确定出调度地图中各路径点所属道路的实时路宽；本实施例通过不断对道路的初始宽度的初始权重和学习宽度的学习权重进行更新调整，以得到实时度更高的调度地图供移动机器人进行位置导航。
在本实施例中，可选的，根据初始权重在权重总和中的占比，和第一避让点位处的虚拟墙体，确定调度地图，包括：
根据初始权重在权重总和中的占比，确定调度地图中第一避让点位所属道路的可避让宽度采用初始宽度或学习宽度；
根据第一避让点位所属道路的可避让宽度和第一避让点位处的虚拟墙体，构建调度地图。
其中，通过移动机器人的学习次数对初始权重的占比进行不断更新，以使得调度地图中第一避让点位所属道路的可避让宽度需要同时保障轨迹相交的两个移动机器人进行正常运行。
示例性的，在移动机器人还未进行避让操作的前提下，设定初始宽度的初始权重为20，学习宽度的学习权重为0；初始权重在权重总和中的占比即为：20/(20+0)＝100％；移动机器人每更新数据一次，则学习宽度的学习权重；其中，移动机器人的数据更新次数随着移动机器人的避让操作次数逐渐递增；随着更新次数的增长，学习宽度的学习权重就越高，例如一个路径点被识别了十次，则初始权重在权重总和中的占比即更新为20/(20+10)＝67％；当学习样本足够多时，全局地图中初始权重在权重总和中的占比就无线接近于20/(20+∞)＝0；动态统计出路径点处对应的路宽分布，并计算路段的两个宽度组成曲线之间距离的最大值和最小值是否在雷达或计算精度误差范围之内，若不在，则认为移动机器人通过该路径点时曾有外放的移动物体影响，剔除掉一定百分比的噪点后再次和该路径点处虚拟墙加权判断，得出包含动态调度路宽的调度地图。
S240、检测是否存在移动机器人避让触发事件；若是，则执行S250；若否，则执行S270；
其中，若满足设定规则，则确定检测到移动机器人避让触发事件；设定规则包括：移动机器人和目标机器人的距离小于距离阈值、规划路线存在交点以及移动机器人的优先级低于目标机器人的优先级。
S250、获取目标机器人的尺寸信息。
在本实施例中，目标场景中的各移动机器人在运行过程中，在设定范围内均会通过一定的方式(例如广播)向该预设范围内的其他移动机器人通过自身的位置以、速度、机型以及行驶轨迹等信息，使得目标场景中的各移动机器人可以得到实时的信息交互。
S260、根据移动机器人的尺寸信息和目标机器人的尺寸信息，从调度地图中确定移动机器人的目标避让点位；并控制移动机器人移动至目标避让点位。
每个移动机器人中维护的调度地图可能不相同，移动机器人根据其当前检测到的存在轨迹交叉的目标机器人，从自身的调度地图中确定出能够进行避让处理的可避让点位，此时，与该移动机器人进行轨迹交叉的目标机器人也会在其智能系统中维护出一个调度地图，以有效解决两个移动机器人相遇时导致碰撞的问题。本实施例通过相向行驶的目标机器人的尺寸信息，从调度地图中确定出可避让点位，以实现在与不同移动机器人相遇时，能够准确快速的确定可避让点位。
S270、控制移动机器人继续根据任务路线移动。
在上述实施例的基础上，可选的，根据移动机器人的尺寸信息和目标机器人的尺寸信息，从调度地图中确定移动机器人的目标避让点位，包括：
根据移动机器人的尺寸信息和目标机器人的尺寸信息，以及预设膨胀系数，确定移动机器人和目标机器人的交错宽度；
从调度地图中查找交错宽度关联的候选避让点位，并确定距离移动机器人最近的候选避让点位作为移动机器人的目标避让点位。
在本实施例中，预设膨胀系数可包括移动机器人的膨胀系数和目标机器人的膨胀系数，其可通过机器人的机型确定得出；交错宽度为两个机器人处于同一路径点位时道路的最小容纳宽度，由于目标场景中的移动机器人可能不是同一机型，因此，移动机器人的调度地图中包含有不同交错宽度对应的候选避让点位，其可部署在移动机器人的行驶路线中，并通过与移动机器人的当前位置，准确识别出适用于移动机器人的目标避让点位。
在上述实施例的基础上，可选的，确定距离移动机器人最近的候选避让点位作为移动机器人的目标避让点位，包括：
若检测到距离移动机器人最近的候选避让点位处于移动机器人的当前位置，和，移动机器人以及目标机器人的轨迹交点位置之间，则根据移动机器人的移动速度和目标机器人的移动速度，判断移动机器人是否会先到候选避让点位；
若是，则将候选避让点位作为移动机器人的目标避让点位。
为了避免移动机器人移动在目标避让点位的过程中与目标机器人发送相遇导致避让失败的问题，因此，需要检测移动机器人移动至候选避让点位的时间是否小于目标机器人；本实施例通过在移动机器人进行避让移动前，根据移动机器人与目标机器人的移动速度分别确定出各自的到达时间，以有效避让移动机器人避让失败的问题。
具体的，根据移动机器人的移动速度和目标机器人的移动速度，判断移动机器人是否会先到候选避让点位，可包括：根据移动机器人的移动速度确定移动机器人移动至候选避让点位所需的第一时长，并根据目标机器人的移动速度确定目标机器人移动至候选避让点位所需的第二时长；若检测到第一时长小于第二时长，则确认移动机器人先到达候选避让点位。
需要说明的是，本实施例中各移动机器人调度地图中的候选避让点位会根据该移动机器人的学习数据进行实时更新，以保证调度地图的实时性和准确性。
在上述实施例的基础上，可选的，在判断移动机器人是否会先到候选避让点位之后，本实施例方法还包括：
若否，则从移动机器人在调度地图的单次已行驶路线中查找距离移动机器人最近的候选避让点位；
将最近的候选避让点位作为移动机器人的目标避让点位。
在本实施例中，单次已行驶路线为移动机器人进行单次工作任务时的行走轨迹；若移动机器人不能在前方进行避让，则选择指示其退回就近的避让点进行避让，以解决移动机器人需要返回始发点进行避让导致移动机器人的工作效率降低的问题。
实施例三
图3是本发明实施例三中的机器人的避让处理装置的结构示意图，本实施例可适用于通过机器人自主学习进行实时安全避让的情况。该装置配置于电子设备中，可实现本申请任意实施例所述的机器人的避让处理方法。该装置具体包括如下：
数据获取模块310，用于若检测到所述移动机器人在第一避让点位未完成避让操作，则获取所述移动机器人采集的所述第一避让点位的学习数据；其中，所述第一避让点位根据目标场景的全局地图中第一避让点位所属道路的初始宽度，以及所述目标场景中所述移动机器人和目标机器人之间的可避让宽度确定；
地图确定模块320，用于根据所述第一避让点位的学习数据对目标场景的全局地图进行更新，得到调度地图；
机器人避让模块330，用于若检测到移动机器人避让触发事件，则根据所述调度地图控制所述移动机器人进行避让。
在上述实施例的基础上，可选的，地图确定模块320，包括：
学习宽度确定单元，用于根据所述第一避让点位的学习数据确定全局地图中所述第一避让点位的学习宽度；
地图确定单元，用于根据所述第一避让点位的学习宽度对所述第一避让点位所属道路的初始宽度进行更新，得到调度地图。
在上述实施例的基础上，可选的，学习宽度确定单元，具体用于：
根据所述移动机器人行驶时扫描组件的扫描数据，确定所述移动机器人行驶至所述第一避让点位的学习数据；
根据所述移动机器人行驶至所述第一避让点位的学习数据，确定全局地图中所述第一避让点位的学习宽度。
在上述实施例的基础上，可选的，地图确定单元，包括：
虚拟墙体构建子单元，用于根据所述第一避让点位的学习宽度构建目标场景的全局地图中所述第一避让点位处的虚拟墙体；
占比确定子单元，用于根据所述初始宽度的初始权重和所述学习宽度的学习权重，确定所述初始权重在权重总和中的占比；
地图确定子单元，用于根据所述初始权重在权重总和中的占比，和所述第一避让点位处的虚拟墙体，确定调度地图。
在上述实施例的基础上，可选的，地图确定子单元，具体用于：
根据所述初始权重在权重总和中的占比，确定调度地图中所述第一避让点位所属道路的可避让宽度采用初始宽度或学习宽度；
根据所述第一避让点位所属道路的可避让宽度和所述第一避让点位处的虚拟墙体，构建调度地图。
在上述实施例的基础上，可选的，触发事件确定模块，用于若满足设定规则，则确定检测到移动机器人避让触发事件；所述设定规则包括：所述移动机器人和所述目标机器人的距离小于距离阈值、规划路线存在交点以及所述移动机器人的优先级低于所述目标机器人的优先级；
相应的，机器人避让模块330，包括：
信息获取单元，用于若检测到移动机器人避让触发事件，则获取所述目标机器人的尺寸信息；
移动控制单元，用于根据所述移动机器人的尺寸信息和所述目标机器人的尺寸信息，从所述调度地图中确定所述移动机器人的目标避让点位；并控制所述移动机器人移动至所述目标避让点位。
在上述实施例的基础上，可选的，移动控制单元，包括：
交错宽度确定子单元，用于根据所述移动机器人的尺寸信息和所述目标机器人的尺寸信息，以及预设膨胀系数，确定所述移动机器人和所述目标机器人的交错宽度；
避让点位确定子单元，用于从所述调度地图中查找所述交错宽度关联的候选避让点位，并确定距离所述移动机器人最近的候选避让点位作为所述移动机器人的目标避让点位。
在上述实施例的基础上，可选的，避让点位确定子单元，具体用于：
若检测到距离所述移动机器人最近的候选避让点位处于所述移动机器人的当前位置，和，所述移动机器人以及所述目标机器人的轨迹交点位置之间，则根据所述移动机器人的移动速度和所述目标机器人的移动速度，判断所述移动机器人是否会先到所述候选避让点位；
若是，则将所述候选避让点位作为所述移动机器人的目标避让点位。
在上述实施例的基础上，可选的，本实施例装置还包括：
避让点位查找模块，用于若否，则从所述移动机器人在所述调度地图的单次已行驶路线中查找距离所述移动机器人最近的候选避让点位；
避让点位选择模块，用于将所述最近的候选避让点位作为所述移动机器人的目标避让点位。
通过本发明实施例三的机器人的避让处理装置，能够通过机器人实时采集的学习数据自主学习构建调度地图，实现室内环境中各机器人的安全运行。
本发明实施例所提供的机器人的避让处理装置可执行本发明任意实施例所提供的机器人的避让处理方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四中的电子设备的结构示意图，如图4所示，该电子设备包括处理器410、存储器420、输入装置430和输出装置440；电子设备中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；电子设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的机器人的避让处理方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现本发明实施例所提供的机器人的避让处理方法。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，可以包括键盘、鼠标等。输出装置440可包括显示屏等显示设备。
实施例五
本实施例提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于实现本发明实施例所提供的机器人的避让处理方法。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的机器人的避让处理方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本发明各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (12)

1.一种机器人的避让处理方法，其特征在于，所述方法包括：
若检测到所述移动机器人在第一避让点位未完成避让操作，则获取所述移动机器人采集的所述第一避让点位的学习数据；其中，所述第一避让点位根据目标场景的全局地图中第一避让点位所属道路的初始宽度，以及所述目标场景中所述移动机器人和目标机器人之间的可避让宽度确定；
根据所述第一避让点位的学习数据对目标场景的全局地图进行更新，得到调度地图；
若检测到移动机器人避让触发事件，则根据所述调度地图控制所述移动机器人进行避让。
2.根据权利要求1所述的方法，其特征在于，根据所述第一避让点位的学习数据对目标场景的全局地图进行更新，得到调度地图，包括：
根据所述第一避让点位的学习数据确定全局地图中所述第一避让点位的学习宽度；
根据所述第一避让点位的学习宽度对所述第一避让点位所属道路的初始宽度进行更新，得到调度地图。
3.根据权利要求2所述的方法，其特征在于，根据所述第一避让点位的学习数据确定全局地图中所述第一避让点位的学习宽度，包括：
根据所述移动机器人行驶时扫描组件的扫描数据，确定所述移动机器人行驶至所述第一避让点位的学习数据；
根据所述移动机器人行驶至所述第一避让点位的学习数据，确定全局地图中所述第一避让点位的学习宽度。
4.根据权利要求2所述的方法，其特征在于，根据所述第一避让点位的学习宽度对所述第一避让点位所属道路的初始宽度进行更新，得到调度地图，包括：
根据所述第一避让点位的学习宽度构建目标场景的全局地图中所述第一避让点位处的虚拟墙体；
根据所述初始宽度的初始权重和所述学习宽度的学习权重，确定所述初始权重在权重总和中的占比；
根据所述初始权重在权重总和中的占比，和所述第一避让点位处的虚拟墙体，确定调度地图。
5.根据权利要求4所述的方法，其特征在于，根据所述初始权重在权重总和中的占比，和所述第一避让点位处的虚拟墙体，确定调度地图，包括：
根据所述初始权重在权重总和中的占比，确定调度地图中所述第一避让点位所属道路的可避让宽度采用初始宽度或学习宽度；
根据所述第一避让点位所属道路的可避让宽度和所述第一避让点位处的虚拟墙体，构建调度地图。
6.根据权利要求1所述的方法，其特征在于，若满足设定规则，则确定检测到移动机器人避让触发事件；所述设定规则包括：所述移动机器人和所述目标机器人的距离小于距离阈值、规划路线存在交点以及所述移动机器人的优先级低于所述目标机器人的优先级；
相应的，若检测到移动机器人避让触发事件，则根据所述调度地图控制所述移动机器人进行避让，包括：
若检测到移动机器人避让触发事件，则获取所述目标机器人的尺寸信息；
根据所述移动机器人的尺寸信息和所述目标机器人的尺寸信息，从所述调度地图中确定所述移动机器人的目标避让点位；并控制所述移动机器人移动至所述目标避让点位。
7.根据权利要求6所述的方法，其特征在于，根据所述移动机器人的尺寸信息和所述目标机器人的尺寸信息，从所述调度地图中确定所述移动机器人的目标避让点位，包括：
根据所述移动机器人的尺寸信息和所述目标机器人的尺寸信息，以及预设膨胀系数，确定所述移动机器人和所述目标机器人的交错宽度；
从所述调度地图中查找所述交错宽度关联的候选避让点位，并确定距离所述移动机器人最近的候选避让点位作为所述移动机器人的目标避让点位。
8.根据权利要求7所述的方法，其特征在于，确定距离所述移动机器人最近的候选避让点位作为所述移动机器人的目标避让点位，包括：
若检测到距离所述移动机器人最近的候选避让点位处于所述移动机器人的当前位置，和，所述移动机器人以及所述目标机器人的轨迹交点位置之间，则根据所述移动机器人的移动速度和所述目标机器人的移动速度，判断所述移动机器人是否会先到所述候选避让点位；
若是，则将所述候选避让点位作为所述移动机器人的目标避让点位。
9.根据权利要求8所述的方法，其特征在于，在判断所述移动机器人是否会先到所述候选避让点位之后，所述方法还包括：
若否，则从所述移动机器人在所述调度地图的单次已行驶路线中查找距离所述移动机器人最近的候选避让点位；
将所述最近的候选避让点位作为所述移动机器人的目标避让点位。
10.一种机器人的避让处理装置，其特征在于，所述装置包括：
数据获取模块，用于若检测到所述移动机器人在第一避让点位未完成避让操作，则获取所述移动机器人采集的所述第一避让点位的学习数据；其中，所述第一避让点位根据目标场景的全局地图中第一避让点位所属道路的初始宽度，以及所述目标场景中所述移动机器人和目标机器人之间的可避让宽度确定；
地图确定模块，用于根据所述第一避让点位的学习数据对目标场景的全局地图进行更新，得到调度地图；
机器人避让模块，用于若检测到移动机器人避让触发事件，则根据所述调度地图控制所述移动机器人进行避让。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1～9中任一所述的机器人的避让处理方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1～9中任一所述的机器人的避让处理方法。
CN202110093850.0A 2021-01-22 2021-01-22 机器人的避让处理方法、装置、电子设备和介质 Active CN112925313B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110093850.0A CN112925313B (zh) 2021-01-22 2021-01-22 机器人的避让处理方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110093850.0A CN112925313B (zh) 2021-01-22 2021-01-22 机器人的避让处理方法、装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN112925313A true CN112925313A (zh) 2021-06-08
CN112925313B CN112925313B (zh) 2024-06-07

Family

ID=76165729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110093850.0A Active CN112925313B (zh) 2021-01-22 2021-01-22 机器人的避让处理方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN112925313B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114019980A (zh) * 2021-11-09 2022-02-08 上海景吾智能科技有限公司 一种在同楼层调度多机器人的智能方法及系统
CN117325185A (zh) * 2023-11-27 2024-01-02 成都越凡创新科技有限公司 移动机器人解死锁的方法及调度设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007168545A (ja) * 2005-12-20 2007-07-05 Toyota Motor Corp 走行支援装置
CN107168337A (zh) * 2017-07-04 2017-09-15 武汉视览科技有限公司 一种基于视觉识别的移动机器人路径规划与调度方法
CN109901578A (zh) * 2019-03-01 2019-06-18 深圳优地科技有限公司 一种控制多机器人的方法、装置及终端设备
CN109976350A (zh) * 2019-04-15 2019-07-05 上海钛米机器人科技有限公司 多机器人调度方法、装置、服务器及计算机可读存储介质
CN110058586A (zh) * 2019-03-12 2019-07-26 浙江大华技术股份有限公司 一种自动导引运输车路径冲突的避让方法及装置
CN110221605A (zh) * 2019-05-16 2019-09-10 厦门理工学院 无人驾驶汽车的会车方法、装置、设备及存储介质
CN110377038A (zh) * 2019-07-15 2019-10-25 深圳优地科技有限公司 一种机器人避让行驶方法、装置及机器人
CN110789450A (zh) * 2018-08-02 2020-02-14 长城汽车股份有限公司 会车的危险警报提示方法、系统及车辆
CN111002981A (zh) * 2019-12-26 2020-04-14 苏州智加科技有限公司 提示方法、装置、自动驾驶车辆及存储介质
CN111367299A (zh) * 2020-05-26 2020-07-03 弗徕威智能机器人科技（上海）有限公司 行车避让方法、移动机器人和存储介质
CN112198882A (zh) * 2020-12-09 2021-01-08 苏州优智达机器人有限公司 机器人执行任务的方法、控制设备、机器人及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007168545A (ja) * 2005-12-20 2007-07-05 Toyota Motor Corp 走行支援装置
CN107168337A (zh) * 2017-07-04 2017-09-15 武汉视览科技有限公司 一种基于视觉识别的移动机器人路径规划与调度方法
CN110789450A (zh) * 2018-08-02 2020-02-14 长城汽车股份有限公司 会车的危险警报提示方法、系统及车辆
CN109901578A (zh) * 2019-03-01 2019-06-18 深圳优地科技有限公司 一种控制多机器人的方法、装置及终端设备
CN110058586A (zh) * 2019-03-12 2019-07-26 浙江大华技术股份有限公司 一种自动导引运输车路径冲突的避让方法及装置
CN109976350A (zh) * 2019-04-15 2019-07-05 上海钛米机器人科技有限公司 多机器人调度方法、装置、服务器及计算机可读存储介质
CN110221605A (zh) * 2019-05-16 2019-09-10 厦门理工学院 无人驾驶汽车的会车方法、装置、设备及存储介质
CN110377038A (zh) * 2019-07-15 2019-10-25 深圳优地科技有限公司 一种机器人避让行驶方法、装置及机器人
CN111002981A (zh) * 2019-12-26 2020-04-14 苏州智加科技有限公司 提示方法、装置、自动驾驶车辆及存储介质
CN111367299A (zh) * 2020-05-26 2020-07-03 弗徕威智能机器人科技（上海）有限公司 行车避让方法、移动机器人和存储介质
CN112198882A (zh) * 2020-12-09 2021-01-08 苏州优智达机器人有限公司 机器人执行任务的方法、控制设备、机器人及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114019980A (zh) * 2021-11-09 2022-02-08 上海景吾智能科技有限公司 一种在同楼层调度多机器人的智能方法及系统
CN117325185A (zh) * 2023-11-27 2024-01-02 成都越凡创新科技有限公司 移动机器人解死锁的方法及调度设备
CN117325185B (zh) * 2023-11-27 2024-04-09 成都越凡创新科技有限公司 移动机器人解死锁的方法及调度设备

Also Published As

Publication number Publication date
CN112925313B (zh) 2024-06-07

Similar Documents

Publication Publication Date Title
CN110333714B (zh) 一种无人驾驶汽车路径规划方法和装置
EP3566821B1 (en) Robot movement control method, and robot
CN112000754B (zh) 地图构建方法、装置、存储介质及计算机设备
CN111694356B (zh) 一种行驶控制方法、装置、电子设备及存储介质
CN106873599A (zh) 基于蚁群算法和极坐标变换的无人自行车路径规划方法
CN113156886A (zh) 一种智能物流路径规划方法及系统
CN111426326A (zh) 一种导航方法、装置、设备、系统及存储介质
CN113682318B (zh) 车辆行驶控制方法及装置
CN112344945B (zh) 室内配送机器人路径规划方法、系统及室内配送机器人
CN108628318B (zh) 拥堵环境检测方法、装置、机器人及存储介质
CN112925313B (zh) 机器人的避让处理方法、装置、电子设备和介质
CN114740846A (zh) 面向拓扑-栅格-度量混合地图的分层路径规划方法
CN114815802A (zh) 一种基于改进蚁群算法的无人天车路径规划方法和系统
CN113312760B (zh) 一种基于交通仿真的网联机动车右转轨迹规划方法和装置
CN112540609A (zh) 路径规划方法、装置、终端设备及存储介质
JP7047576B2 (ja) 地図作成装置
CN114527753A (zh) 人机共融的楼宇间路径规划方法、计算机装置及程序产品
CN114169628B (zh) 基于a*算法和遗传算法的舰载机调度优化方法及系统
CN114995416A (zh) 全局路径导航方法、装置、终端设备及存储介质
CN114815851A (zh) 机器人跟随方法、装置、电子设备以及存储介质
CN113848893A (zh) 机器人导航方法、装置、设备及存储介质
CN114942639A (zh) 一种移动机器人自适应路径规划方法及装置
CN114740867A (zh) 基于双目视觉的智能避障方法、装置、机器人及介质
CN113885494A (zh) 电力系统机器人的路径规划方法
EP3983913A1 (en) Methods and systems for path planning in a known environment

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