CN112975989B - 机器人安全运行方法、设备及存储介质 - Google Patents

Abstract

本发明公开了一种机器人安全运行方法、设备及存储介质，通过收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹；提高了机器人运行的安全性和流畅性；进一步地，也提高了机器人的运行效率。

Description

机器人安全运行方法、设备及存储介质

技术领域

本发明涉及机器人技术领域，特别涉及一种机器人安全运行方法、设备及存储介质。

背景技术

机器人在一个环境中运行时，其运行环境中可能存在有变化的部分，也会有环境不变的部分。环境中持续变化的部分会对机器人的运行产生非常大的影响。在机器人的运行过程中，机器人的流畅性是机器人运行效率的决定性因素；同时，机器人的安全性是决定机器人应用场景的关键因素之一，只有机器人的安全性得以保证，机器人的应用才能得以正常进行。因此，如何使机器人在动态的环境中流畅安全的运行，是目前需要解决的问题之一。

发明内容

本发明提供一种机器人安全运行方法、设备及存储介质，旨在解决机器人运行的流畅性和运行过程中的安全性问题。

第一方面，本发明提供了一种机器人安全运行方法。

所述机器人安全运行方法包括：机器人收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹。

第二方面，本发明提供了一种安全运行系统。

所述安全运行系统包括：信息收集模块，用于收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；趋势预测模块，用于利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；导航决策模块，用于根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；轨迹获取模块，用于根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹。

第三方面，本发明提供了一种机器人。

所述机器人包括：传感器、中央处理器和移动底盘；其中：所述传感器收集当前所处环境的环境信息，并将收集到的所述环境信息发送至所述中央处理器；所述中央处理器对所述环境信息进行融合和分类，建立环境分析模型；并利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，从而得到机器人安全运行对应的路径轨迹，以便控制所述机器人利用所述移动底盘按照所述路径轨迹进行安全运行。

第四方面，本发明提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的安全运行程序，所述安全运行程序被所述处理器运行时，执行所述的机器人安全运行方法。

第五方面，本发明提供了一种计算机可读存储介质，所述存储介质上存储有安全运行程序，所述安全运行程序被一个或者多个处理器执行，以实现所述的机器人安全运行方法的步骤。

本发明机器人安全运行方法、设备及存储介质，通过收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹；提高了机器人运行的安全性和流畅性；进一步地，也提高了机器人的运行效率。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

在附图中：图1是本发明机器人安全运行方法的一种实施方式的流程示意图。

图2是本发明安全运行系统的一种实施方式的功能模块示意图。

图3是本发明机器人的一种实施方式的功能模块示意图。

图4是本发明电子设备的一种实施方式的内部结构示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供了一种机器人安全运行方法、设备及存储介质，解决了机器人运行的流畅性和运行过程中的安全性问题。

如图1所示，图1是本发明机器人安全运行方法的一种实施方式的流程示意图；本发明机器人安全运行方法可以实施为如下描述的步骤S10-S40。

S10、机器人收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型。

本发明实施例中，机器人需要对自身当前所处的周围环境进行感知，并收集对应的环境信息。机器人对环境的感知是通过各种传感器获取的，另外，在一个实施例中，为了更全面的获取当前所处环境的环境信息，机器人不仅仅是通过自身的传感器收集环境信息，也可以通过各种系统之间的通讯，从而获取其他系统收集到的环境信息。机器人对获取的上述所有的环境信息进行融合，由于这些环境信息有些是描述的相同的元素，有些描述的是不同的元素；对于上述环境信息进行融合和分类，进而基于上述所有的环境信息对机器人当前所处的整个运行环境进行完整的建模，即建立对应的环境分析模型。比如，针对不同的环境元素设置不同的安全阈值，进而有助于机器人的运动控制系统在路径规划层面上对上述不同的环境元素的避让采取更安全更便捷的控制策略。

进一步地，在一个实施例中，机器人可以针对不同类型的环境信息分别建立适合该类型环境信息的环境分析模型。比如，针对环境信息中的动态环境元素，建立适合动态环境元素对应的环境分析模型；针对环境信息中的静态环境元素，建立适合静态环境元素对应的环境分析模型。或者，针对环境信息中的固定环境元素，建立适合固定环境元素对应的环境分析模型；针对环境信息中的非固定环境元素，建立适合非固定环境元素对应的环境分析模型等。本发明实施例中，机器人可以根据自身当前所处的具体运行环境、机器人运行的具体需求、机器人执行的具体操作任务、操作人员对机器人的实际要求、机器人自身的实际配置等，建立不同的环境分析模型。因此，综上所述，本发明实施例对机器人根据获取的环境信息建立的环境分析模型的具体内容和具体类型不进行限定。

S20、利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势。

根据建立的上述环境分析模型，机器人对融合分类后的环境信息进行分析处理。由于机器人针对自身各个传感器收集到的信息需要经过分析转换后，才能变为机器人的运动控制系统所能够理解的信息；比如，机器人针对2D激光雷达获取到的点云信息，不经过任何数据处理的情况下，该机器人的运动控制系统是无法使用该点云信息的。当机器人对获取的上述点云信息进行聚合和滤波等数据处理后，即可获得激光扫描平面上的障碍物信息；进而该机器人的运动控制系统即可根据获取的障碍物信息执行对应的运动控制决策。因此，针对融合分类后的环境信息，机器人需要进行分析处理，进而根据对环境信息进行数据分析处理得到的处理结果，机器人即可预测自身当前所处环境的环境变化趋势；比如，机器人自身当前所处环境中环境元素的变化情况等。

S30、根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案。

S40、根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹。

在机器人的运动过程中，机器人当前所处环境的环境信息有可能是一直在发生变化的，机器人可以根据当前所处环境的变化趋势的预测结果，确定对应的决策导航方案，计算得到避让障碍物的导航路径。本发明实施例中，机器人根据确定的决策导航方案计算得到的避让障碍物的导航路径可以理解为：机器人计算得到的最佳路径。当计算出导航路径后，机器人即可沿着规划出的导航路径对应的路径轨迹运行。

机器人根据当前所处环境的变化趋势的预测结果，直接确定决策导航方案并计算避让障碍物的导航路径，确保了机器人运行的流畅性；相较于传统的直接根据当前环境计算导航路径的方式，本发明实施例使得机器人具备了预判能力，提高了机器人运行过程中的流畅性。进一步地，针对根据当前所处环境的变化趋势计算导航路径，由于机器人不会因为环境的改变而停止运行并重新规划导航路径，这种处理方式也提高了机器人的运行效率。

进一步地，在一个实施例中，图1所述实施例中，“步骤S30、根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案”的步骤之后，还包括：根据确定的所述决策导航方案，机器人无法计算出有效的路径轨迹时，机器人触发报警操作。本发明实施例中，根据收集到的环境信息，针对机器人无法计算出有效的导航路径的情况，机器人立刻报警。

进一步地，针对机器人无法计算出有效地导航路径并启动报警操作的情况，需要进行人为干预。在这种情况下，机器人释放自身的控制权，接收操作人员触发的人工控制指令，并根据所述人工控制指令，执行相应操作；基于操作人员触发的移交控制权指令，所述机器人重新进行自我控制，重新开始收集当前所处环境的环境信息。

本发明实施例中，当机器人触发报警操作，产生报警信息时，在实际的应用场景中，操作人员可以根据当前的实际情况，将阻挡机器人运行的障碍物移开；或者，操作人员获取机器人的控制权，由操作人员对机器人进行人工控制；在这种情况下，机器人释放自身的控制权，并将控制权交给操作人员由操作人员对机器人进行操作；比如在实际场景中，操作人员可以控制机器人并将机器人移动到安全位置。当操作人员移开机器人无法绕开的障碍物或者将控制机器人将机器人移动到安全位置之后，操作人员将控制权交还给机器人，由机器人自身继续掌管对应的控制权，比如，机器人重新开始收集当前所处环境的环境信息，自主规划运动轨迹。或者，机器人按照图1所述实施例中描述的步骤S10-S40执行机器人安全运行方法。

进一步地，在一个实施例中，图1所述实施例中，“步骤S10、机器人收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型”，可以按照如下描述的技术手段实施。

机器人利用自身配置的传感器收集当前所处环境的环境信息；和/或，利用相互通讯的多种外部系统收集所述机器人当前所处环境的环境信息，并获取多种外部系统收集到的所述环境信息；对收集到的所述环境信息中不同元素对应的环境信息进行分类，同时，对所述环境信息中相同元素对应的环境信息进行融合；针对不同元素分别设置不同的安全阈值，基于设置的所述安全阈值，配置不同的避让控制策略，得到机器人当前所处环境对应的环境分析模型。

本发明实施例中，为了更加全面地收集机器人当前所处环境的环境信息，机器人可以同时依靠自身配置的传感器进行环境信息的收集，也可以利用与机器人进行相互通讯的多种外部系统收集该机器人当前所处的环境信息。本发明实施例中，所述与机器人进行相互通讯的多种外部系统包括但不限于：与机器人运行在同一工作场景中的其他机器人、其他传感设置、其他智能收集设备、智能终端等一切可收集环境信息的设备。

在对收集到的环境信息进行融合分类时，可以根据环境信息中包含的不同环境元素进行分类，也可以根据环境元素的不同类型进行分类。比如，每个环境元素均作为一个单独的元素个体进行分类；或者，将相同类型的环境元素作为分类标准，比如，静止不同的环境元素作为同一个类别进行分类等。本发明实施例中，对环境信息进行分类可以根据实际情况和具体需要进行，本发明实施例不进行一一穷举和赘述。

进一步地，在一个实施例中，图1所述实施例中，“步骤S20、利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势”，可以按照如下描述的三种方式实施。

第一种方式包括：利用建立的所述环境分析模型，对融合分类后的基于机器人自身的激光雷达获取到的点云信息进行滤波处理，获取激光扫描得到的机器人当前所处环境的障碍物信息；根据机器人上雷达的安装位置和获取的所述障碍物信息，机器人推算出障碍物的体积大小和障碍物相对于机器人的位置；基于所述障碍物体积大小和障碍物相对于机器人的位置，预测机器人当前所处的包含障碍物的环境所对应的变化趋势。

第一种处理方式中，主要是利用机器人自身配置的传感器采集到的环境信息，并对上述环境信息进行分析处理，得到机器人当前所处环境中包含的障碍物信息，进而根据障碍物信息预测当前所处环境的变化趋势。

第二种方式包括：利用建立的所述环境分析模型，获取融合分类后的基于机器人与其他机器人系统间的相互通信得到的当前所处环境中的其他机器人的相关信息；对获取到的所述相关信息进行分析处理，得到当前所处环境中的其他机器人分别对应的位置信息、位姿信息和运动信息；根据所述其他机器人分别对应的位置信息、位姿信息和运动信息，预测机器人当前所处的包含其他机器人相关信息的环境所对应的变化趋势。

第二种处理方式中，主要是利用与机器人相互通讯的其他机器人系统获取得到对应的环境信息。这种处理方式中，将与该机器人自身处于同一运行环境中的其他机器人作为研究对象，为避免该机器人与同一运行环境中的其他机器人发生可能的碰撞，该机器人获取其他机器人分别对应的机器人位置信息、位置信息和运动信息，进而根据上述信息，预测机器人当前所处的包含其他机器人相关信息的环境所对应的变化趋势。

第三种方式包括：利用建立的所述环境分析模型，采用深度学习的方式对融合分类后的能够反映当前所处环境的采集图片进行分析处理，得到所述采集图片中包含的元素分类和元素位置；根据所述元素分类和元素位置，在机器人使用的决策导航地图上进行元素标记；根据元素标记后的决策导航地图，预测机器人当前所处的包含所述元素分类和元素位置的环境所对应的变化趋势。

第三种处理方式中，主要是通过对采集图片进行分析处理，从而得到机器人当前所处环境中包含环境元素对应的元素分类和元素位置的环境变化趋势。

以上所描述的三种处理方式，可以根据机器人当前所处的实际环境以及机器人运行的实际需求，至少采用上述处理方式中的任意一种进行环境变化趋势的预测。比如，采用上述三种处理方式中的任意一种，或者任何两种组合，或者同时采用上述三种处理方式，对机器人当前所处环境的变化趋势进行预测等。本发明实施例对上述机器人预测当前所处环境的变化趋势的具体方式，不进行一一穷举和限定，只要采用了本发明预测环境变化趋势并根据环境变化趋势进行路径规划这一发明构思，均在本发明的保护范围之内。

本发明提供的机器人安全运行方法，通过机器人收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹；提高了机器人运行的安全性和流畅性；进一步地，也提高了机器人的运行效率。

对应于上述实施例提供的一种机器人安全运行方法，本发明实施例还提供了一种安全运行系统；本发明实施例所提供的安全运行系统，能够运行以上实施例所描述的机器人安全运行方法。如图2所示，在图2所述的实施例中，所述安全运行系统包括：信息收集模块110、趋势预测模块120、导航决策模块130以及轨迹获取模块140。

其中，所述信息收集模块110用于：收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型。

所述趋势预测模块120用于：利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势。

所述导航决策模块130用于：根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案。

所述轨迹获取模块140用于：根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹。

需要说明的是，上述安全运行系统对应的实施例与方法实施例属于同一构思，其具体实现过程详细见方法实施例，且方法实施例中的技术特征在安全运行系统实施例中均对应适用，这里不再赘述。

本发明提供的安全运行系统，通过收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹；提高了机器人运行的安全性和流畅性；进一步地，也提高了机器人的运行效率。

对应于上述实施例的描述，本发明还提供了一种机器人，所述机器人能够运行以上实施例所描述的机器人安全运行方法。如图3所示，图3是本发明机器人的一种实施方式的功能模块示意图。在图3所述实施例中，所述机器人包括：传感器150、中央处理器160以及移动底盘170。

所述传感器150收集当前所处环境的环境信息，并将收集到的所述环境信息发送至所述中央处理器160。

所述中央处理器160对所述环境信息进行融合和分类，建立环境分析模型；并利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，从而得到机器人安全运行对应的路径轨迹，以便控制所述机器人利用所述移动底盘170按照所述路径轨迹进行安全运行。

进一步地，在一个实施例中，所述机器人还包括预警装置；当所述中央处理器160根据确定的所述决策导航方案，无法计算出有效的路径轨迹时，所述中央处理器160触发所述预警装置，由所述预警装置执行对应的报警操作。

需要说明的是，上述机器人对应的实施例与方法实施例属于同一构思，其具体实现过程详细见方法实施例，且方法实施例中的技术特征在机器人实施例中均对应适用，这里不再赘述。

本发明提供的机器人，通过收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹；提高了机器人运行的安全性和流畅性；进一步地，也提高了机器人的运行效率。

对应于上述实施例的描述，本发明还提供了一种电子设备，所述电子设备可以按照图1所述的机器人安全运行方法使得机器人能够安全、流畅地运行。如图4所示，图4是本发明电子设备的一种实施方式的内部结构示意图。

在本实施例中，电子设备1可以是PC（Personal Computer，个人电脑），也可以是智能手机、平板电脑、便携计算机等终端设备。该电子设备1至少包括存储器11、处理器12，通信总线13，以及网络接口14。

其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的硬盘。存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1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，存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如安全运行程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

处理器12在一些实施例中可以是一中央处理器（Central Processing Unit,CPU）、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行安全运行程序01等。

通信总线13用于实现这些组件之间的连接通信。

网络接口14可选的可以包括标准的有线接口、无线接口（如WI-FI接口），通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以包括显示器（Display）、输入单元比如键盘（Keyboard），可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

图4仅示出了具有组件11-14以及安全运行程序01的电子设备1，本领域技术人员可以理解的是，图4示出的结构并不构成对电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

基于以上实施例的描述，在图4所示的电子设备1实施例中，存储器11中存储有安全运行程序01；所述存储器11上存储的安全运行程序01可在所述处理器12上运行，所述安全运行程序01被所述处理器12运行时实现如下步骤：收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹。

需要说明的是，上述设备实施例与方法实施例属于同一构思，其具体实现过程详细见方法实施例，且方法实施例中的技术特征在设备实施例中均对应适用，这里不再赘述。

本发明实施例提供的电子设备，通过收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹；提高了机器人运行的安全性和流畅性；进一步地，也提高了机器人的运行效率。

此外，本发明实施例还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上存储有安全运行程序，所述安全运行程序可以被一个或者多个处理器执行，以实现如下操作：收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹。

需要说明的是，本发明计算机可读存储介质实施例与方法实施例属于同一构思，其具体实现过程详细见方法实施例，且方法实施例中的技术特征在介质实施例中均对应适用，这里不再赘述。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (12)

1.一种机器人安全运行方法，其特征在于，所述机器人安全运行方法包括：

机器人收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；其中，对不同类型的所述环境信息分别建立与所述类型对应的所述环境分析模型，所述类型包括机器人当前所处的具体运行环境、机器人运行的具体需求、机器人执行的具体操作任务、操作人员对机器人的实际要求、机器人自身的实际配置；其中，对收集到的所述环境信息中不同元素对应的环境信息进行分类，同时，对所述环境信息中相同元素对应的环境信息进行融合；针对不同元素分别设置不同的安全阈值，基于设置的所述安全阈值，配置不同的避让控制策略，得到机器人当前所处环境对应的所述环境分析模型；

利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；其中，根据障碍物信息预测机器人当前所处环境的变化趋势、或者根据机器人当前所处环境的其他机器人相关信息预测机器人当前所处环境的变化趋势、或者根据机器人当前所处环境包含的元素分类和元素位置预测机器人当前所处环境的变化趋势；

根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；

根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹。

2.如权利要求1所述的机器人安全运行方法，其特征在于，所述根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案，之后还包括：

根据确定的所述决策导航方案，机器人无法计算出有效的路径轨迹时，机器人触发报警操作。

3.如权利要求2所述的机器人安全运行方法，其特征在于，所述机器人触发报警操作，之后还包括：

机器人释放自身的控制权，接收操作人员触发的人工控制指令，并根据所述人工控制指令，执行相应操作；

基于操作人员触发的移交控制权指令，所述机器人重新进行自我控制，重新开始收集当前所处环境的环境信息。

4.如权利要求1或2或3所述的机器人安全运行方法，其特征在于，所述机器人收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型，包括：

机器人利用自身配置的传感器收集当前所处环境的环境信息；和/或，利用相互通讯的多种外部系统收集所述机器人当前所处环境的环境信息，并获取多种外部系统收集到的所述环境信息。

5.如权利要求1或2或3所述的机器人安全运行方法，其特征在于，所述利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势，包括：

利用建立的所述环境分析模型，对融合分类后的基于机器人自身的激光雷达获取到的点云信息进行滤波处理，获取激光扫描得到的机器人当前所处环境的障碍物信息；

根据机器人上雷达的安装位置和获取的所述障碍物信息，机器人推算出障碍物的体积大小和障碍物相对于机器人的位置；

基于所述障碍物体积大小和障碍物相对于机器人的位置，预测机器人当前所处的包含障碍物的环境所对应的变化趋势。

6.如权利要求1或2或3所述的机器人安全运行方法，其特征在于，所述利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势，包括：

利用建立的所述环境分析模型，获取融合分类后的基于机器人与其他机器人系统间的相互通信得到的当前所处环境中的其他机器人的相关信息；

对获取到的所述相关信息进行分析处理，得到当前所处环境中的其他机器人分别对应的位置信息、位姿信息和运动信息；

根据所述其他机器人分别对应的位置信息、位姿信息和运动信息，预测机器人当前所处的包含其他机器人相关信息的环境所对应的变化趋势。

7.如权利要求1或2或3所述的机器人安全运行方法，其特征在于，所述利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势，包括：

利用建立的所述环境分析模型，采用深度学习的方式对融合分类后的能够反映当前所处环境的采集图片进行分析处理，得到所述采集图片中包含的元素分类和元素位置；

根据所述元素分类和元素位置，在机器人使用的决策导航地图上进行元素标记；

根据元素标记后的决策导航地图，预测机器人当前所处的包含所述元素分类和元素位置的环境所对应的变化趋势。

8.一种安全运行系统，其特征在于，所述安全运行系统包括：

信息收集模块，用于收集当前所处环境的环境信息，并对收集到的所述环境信息进行融合和分类，建立环境分析模型；还用于对不同类型的所述环境信息分别建立与所述类型对应的所述环境分析模型，所述类型包括机器人当前所处的具体运行环境、机器人运行的具体需求、机器人执行的具体操作任务、操作人员对机器人的实际要求、机器人自身的实际配置；还用于对收集到的所述环境信息中不同元素对应的环境信息进行分类，同时，对所述环境信息中相同元素对应的环境信息进行融合；针对不同元素分别设置不同的安全阈值，基于设置的所述安全阈值，配置不同的避让控制策略，得到机器人当前所处环境对应的所述环境分析模型；

趋势预测模块，用于利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；还用于根据障碍物信息预测机器人当前所处环境的变化趋势、或者根据机器人当前所处环境的其他机器人相关信息预测机器人当前所处环境的变化趋势、或者根据机器人当前所处环境包含的元素分类和元素位置预测机器人当前所处环境的变化趋势；

导航决策模块，用于根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；

轨迹获取模块，用于根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，得到机器人安全运行对应的路径轨迹。

9.一种机器人，其特征在于，所述机器人包括：传感器、中央处理器和移动底盘；其中：

所述传感器收集当前所处环境的环境信息，并将收集到的所述环境信息发送至所述中央处理器；

所述中央处理器对所述环境信息进行融合和分类，建立环境分析模型；其中，对不同类型的所述环境信息分别建立与所述类型对应的所述环境分析模型，所述类型包括机器人当前所处的具体运行环境、机器人运行的具体需求、机器人执行的具体操作任务、操作人员对机器人的实际要求、机器人自身的实际配置；其中，对收集到的所述环境信息中不同元素对应的环境信息进行分类，同时，对所述环境信息中相同元素对应的环境信息进行融合；针对不同元素分别设置不同的安全阈值，基于设置的所述安全阈值，配置不同的避让控制策略，得到机器人当前所处环境对应的所述环境分析模型；并利用建立的所述环境分析模型，对融合分类后的环境信息进行分析处理，预测机器人当前所处环境的变化趋势；其中，根据障碍物信息预测机器人当前所处环境的变化趋势、或者根据机器人当前所处环境的其他机器人相关信息预测机器人当前所处环境的变化趋势、或者根据机器人当前所处环境包含的元素分类和元素位置预测机器人当前所处环境的变化趋势；根据对所述机器人当前所处环境的变化趋势的预测结果，确定所述机器人的决策导航方案；根据确定的所述决策导航方案，计算得到避让障碍物的导航路径，从而得到机器人安全运行对应的路径轨迹，以便控制所述机器人利用所述移动底盘按照所述路径轨迹进行安全运行。

10.如权利要求9所述的机器人，其特征在于，所述机器人还包括预警装置；

当所述中央处理器根据确定的所述决策导航方案，无法计算出有效的路径轨迹时，所述中央处理器触发所述预警装置，由所述预警装置执行对应的报警操作。

11.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的安全运行程序，所述安全运行程序被所述处理器运行时，执行如权利要求1至7中任一项所述的机器人安全运行方法。

12.一种计算机可读存储介质，其特征在于，所述存储介质上存储有安全运行程序，所述安全运行程序被一个或者多个处理器执行，以实现如权利要求1至7中任一项所述的机器人安全运行方法的步骤。

Images