CN113031617A - 机器人避障方法、装置、设备及存储介质 - Google Patents

机器人避障方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113031617A
CN113031617A CN202110278658.9A CN202110278658A CN113031617A CN 113031617 A CN113031617 A CN 113031617A CN 202110278658 A CN202110278658 A CN 202110278658A CN 113031617 A CN113031617 A CN 113031617A
Authority
CN
China
Prior art keywords
obstacle
robot
obstacle avoidance
type
determining
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
CN202110278658.9A
Other languages
English (en)
Other versions
CN113031617B (zh
Inventor
夏俊超
梁康华
李相根
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.)
Yunjing Intelligent Shenzhen Co Ltd
Original Assignee
Yunjing Intelligent Shenzhen 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 Yunjing Intelligent Shenzhen Co Ltd filed Critical Yunjing Intelligent Shenzhen Co Ltd
Priority to CN202110278658.9A priority Critical patent/CN113031617B/zh
Publication of CN113031617A publication Critical patent/CN113031617A/zh
Application granted granted Critical
Publication of CN113031617B publication Critical patent/CN113031617B/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
    • G05D1/0231—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
    • 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
    • G05D1/0261—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic plots
    • 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
    • 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
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请公开了一种机器人避障方法、装置、设备及存储介质，涉及人工智能领域，所述方法包括：获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型；基于所述障碍物的类型，执行对应的避障操作。在本申请中，有针对性地进行机器人避障，即不同类型执行相应的避障操作，进而实现针对性地对不同类型的障碍物进行机器人避障，解决现有不能机器人不能针对性避障的技术问题。

Description

机器人避障方法、装置、设备及存储介质
技术领域
本申请涉及物联网领域，尤其涉及一种机器人避障方法、装置、设备及存储介质。
背景技术
随着物联网的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在物联网领域，但物联网领域也对技术提出了更高的要求，如对机器操作也有更高的要求。
障碍物指的是家庭环境中可能干扰机器人如扫拖地机器人工作的物体，在机器人工作环境中，例如家庭环境，会存在各种类型的障碍物，如桌椅、床帘或蚊帐等，目前，机器人难以针对性地进行避障。
发明内容
本申请的主要目的在于提供一种机器人避障方法、装置、设备及存储介质，旨在解决现有机器人不能针对性避障的技术问题。
为实现上述目的，本申请提供一种机器人避障方法，所述机器人避障方法包括：获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型；基于所述障碍物的类型，执行对应的避障操作。
可选地，所述根据所述障碍物的特征点确定所述障碍物的类型的步骤，包括：确定所述特征点的数量和各所述特征点之间的距离；根据所述特征点的数量和各所述特征点之间的距离，确定所述障碍物是致密障碍物类型或稀疏障碍物类型。
可选的，所述根据所述特征点的数量和各所述特征点之间的距离，确定所述障碍物是致密障碍物类型或稀疏障碍物类型的步骤，包括：在所述特征点的数量大于等于预设数值时，确定相隔最近的所述特征点之间的第一距离，和相隔最远的所述特征点之间的第二距离；若所述第一距离小于等于第一预设距离，且所述第二距离大于等于第二预设距离，确定所述障碍物为致密障碍物类型；若所述第一距离大于第一预设距离，或者所述第二距离大于等于所述第二预设距离，确定所述障碍物为稀疏障碍物类型，其中，所述第一预设距离小于所述第二预设距离。
可选的，所述基于所述障碍物的类型，执行对应的避障操作的步骤，包括：若所述障碍物的类型为致密障碍物类型，确定所述障碍物的致密区间；执行规避所述致密区间的避障操作；若所述障碍物的类型为稀疏障碍物类型，不规避所述稀疏障碍物，并基于所述机器人的预设路线继续行进。
可选的，所述机器人避障方法还包括：若所述机器人正在进行沿边行驶，确定所述机器人的沿边行驶方式；以及确定所述障碍物相对于所述机器人的相对位置；所述基于所述障碍物的类型，执行对应的避障操作的步骤，包括：基于所述障碍物的类型、所述沿边行驶方式和所述相对位置，执行对应的避障操作。
可选的，所述基于所述障碍物的类型、所述沿边行驶方式和所述相对位置，执行对应的避障操作的步骤，包括：若所述障碍物的类型为致密障碍物类型，确定所述障碍物的致密区间；根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作。
可选的，所述根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作的步骤，包括：若所述沿边行驶方式为第一沿边行驶方式，所述相对位置为障碍物在机器人左边；或者，若所述沿边行驶方式为第二沿边行驶方式，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先后退，再转向的目标子退出避障模式对应的避障操作；或者，若所述沿边行驶方式为第二沿边行驶方式，所述相对位置为障碍物在机器人左边；或者，若所述沿边行驶方式为第一沿边行驶方式，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先转身，再后退的目标子退出避障模式对应的避障操作。
可选的，在所述获取障碍物的特征点之后，还包括：判断所述特征点是否在预设检测范围内；若确定所述特征点在预设检测范围内，执行所述根据所述障碍物的特征点确定所述障碍物的类型的步骤。
可选的，所述预设检测范围处于所述机器人的保险杆的外轮廓的内侧，并以所述机器人的保险杆的外轮廓向内扩。
可选的，所述机器人避障方法还包括：获取所述机器人的历史路径；基于所述机器人的历史路径执行历史避障操作。
本申请还提供一种机器人避障装置，所述机器人避障装置包括：第一获取模块，用于获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型；执行模块，用于基于所述障碍物的类型，执行对应的避障操作。
本申请还提供一种机器人避障设备，所述机器人避障设备为实体设备，所述机器人避障设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述机器人避障方法的程序，所述机器人避障方法的程序被处理器执行时可实现如上述的机器人避障方法的步骤。
本申请还提供一种可读存储介质，所述可读存储介质上存储有实现机器人避障方法的程序，所述机器人避障方法的程序被处理器执行时实现如上述的机器人避障方法的步骤。
本申请还提供一种计算机程序产品、包括计算机程序，该计算机程序被处理器执行时实现上述的机器人避障方法的步骤。
本申请与现有技术相比，其有益效果是：
本申请提供一种机器人避障方法、装置、设备及存储介质，本申请通过获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型；基于所述障碍物的类型，执行对应的避障操作。在本申请中，通过获取障碍物的特征点，确定障碍物的类型，根据障碍物的类型，有针对性地进行机器人避障，即不同类型执行相应的避障操作，进而实现针对性地对不同类型的障碍物进行避障，解决现有机器人不能针对性避障的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请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，对于本领域普通技术人员而言，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。
图1为本申请机器人避障方法第一实施例的流程示意图；
图2为本申请机器人避障方法第一实施例中步骤S10的细化步骤流程示意图；
图3为本申请实施例方案涉及的硬件运行环境的设备结构示意图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例提供一种机器人避障方法，在本申请机器人避障方法的第一实施例中，参照图1，所述机器人避障方法包括：
步骤S10，获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型；
步骤S20，基于所述障碍物的类型，执行对应的避障操作。
具体步骤如下：
步骤S10，获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型；
需要说明的是，所述机器人避障方法应用于机器人避障装置，机器人避障装置从属于机器人避障设备，该机器人避障设备属于机器人，该机器人可以是清洁机器人，也可以是迎宾机器人等服务类机器人，在本实施例中，以机器人为清洁机器人为例进行具体说明。
其中，具体的应用场景可以是：清洁机器人在扫地时通常会遇到窗帘，门帘以及蚊帐等柔性障碍物，为避免在柔性障碍物内被困，在本实施例中，确定机器人行驶路径或者行进路径中根据障碍物的特征点，确定障碍物的类型，进而根据障碍物的类型，确定是否需要避障，若需要避障时，根据障碍物的类型，还确定避障策略或者避障操作。
在机器人行进过程中，获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型，其中，获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型可以实现针对性的避障。
其中，获取障碍物的特征点的方式可以是：
通过图像传感器和/或测距传感器获取障碍物的特征点。
在本实施例中，特征点具体包括障碍物的点云特征(多个密集像素点或者特征点等构成的云集合)、特征点之间的距离特征，特征点的数量特征，障碍物与传感器之间的接触特征等，当然，特征点还可以是其他特征，在此不做具体限定。
在得到障碍物的特征点之后，根据所述障碍物的特征点确定所述障碍物的类型，该障碍物的类型包括：刚性障碍物类型和柔性障碍物类型。
其中，柔性障碍物的类型又可以细分为致密障碍物类型，或者稀疏障碍物类型。
具体地，参照图2，所述根据所述障碍物的特征点确定所述障碍物的类型的步骤，包括：
在本实施例中，获取所述障碍物的特征点，获取障碍物特征点的目的在于：确定障碍物特征点分布(包括密度分布和数量分布等内容)，进而确定所述特征点的数量和各所述特征点之间的距离。
步骤S11，确定所述特征点的数量和各所述特征点之间的距离；
确定所述特征点的数量和各所述特征点之间的距离具体可以是：
根据障碍物的特征点，确定所述障碍物相邻特征点之间的距离关系；
根据障碍物的特征点，确定所述障碍物相应最远特征点之间的距离关系。
步骤S12，根据所述特征点的数量和各所述特征点之间的距离，确定所述障碍物是致密障碍物类型或稀疏障碍物类型。
在得到特征点的数量和不同特征点之间的距离关系后，根据所述特征点的数量和各所述特征点之间的距离，确定障碍物是致密障碍物类型或稀疏障碍物类型。
具体地，根据所述特征点的数量和各所述特征点之间的距离，确定所述障碍物是致密性柔性障碍物还是稀疏性柔性障碍物。
其中，所述根据所述特征点的数量和各所述特征点之间的距离，确定所述障碍物是致密障碍物类型或稀疏障碍物类型的步骤，包括：
步骤A1，在所述特征点的数量大于等于预设数值时，确定相隔最近的所述特征点之间的第一距离，和相隔最远的所述特征点之间的第二距离；
在本实施例中，提供确定所述柔性障碍物是否为致密柔性障碍物类型的一种确定方式，具体地，首先确定所述特征点的数量是否大于等于预设数值，当所述特征点的数量小于预设数值时，确定所述特征点不是柔性障碍物，若所述特征点的数量大于等于预设数值时，继续进行不同特征点之间的距离确定。
在本实施例中，首先将特征点的数量与预设数值进行比对的目的在于：障碍物类型不同，特征点数的特征不同，因而，首先通过特征点数的特征对障碍物类型进行初始确定，避免首先比对其他特征而造成的资源浪费。
具体地，例如，可能存在羽毛(特征点数目少于预设数值)等柔性障碍物飞入预设检测范围内的情况，因而，为了避免误判和首先比对其他特征而造成的资源浪费，首先确定是否检测到多于预设数值的特征点。
步骤A2，若所述第一距离小于等于第一预设距离，且所述第二距离大于等于第二预设距离，确定所述障碍物为致密障碍物类型；
若所述第一距离小于等于第一预设距离，且所述第二距离大于等于第二预设距离，确定所述障碍物为致密障碍物类型，具体地，若确定第一距离的最大值小于等于第一预设距离，并确定所述第二距离大于等于第二预设距离，确定所述障碍物为致密障碍物类型。
在本实施例中，由于确定所述第一距离小于等于第一预设距离，因而，能够确定障碍物不是稀疏障碍物类型，又设置第二距离大于等于第二预设距离，因而，避免将羽毛等不必要规避处理的物体纳入检测，进而，影响检测的准确度。
也即，在本实施例中，不只是确定第一距离，还确定第二距离，因而，能够有效提升障碍物类型的检测准确度，避免非必要的规避措施。
步骤A3，若所述第一距离大于第一预设距离，或者所述第二距离大于等于所述第二预设距离，确定所述障碍物为稀疏障碍物类型，其中，所述第一预设距离小于所述第二预设距离。
在本实施例中，在特征点的数量大于等于预设数值，且在确定相隔最近的特征点之间的第一距离，和相隔最远的特征点之间的第二距离后，若第一距离大于第一预设距离，或者第二距离大于等于所述第二预设距离，则确定障碍物为稀疏障碍物类型，其中，第一预设距离小于所述第二预设距离。
步骤S20，基于所述障碍物的类型，执行对应的避障操作。
基于障碍物类型，执行对应的避障操作具体包括：
基于刚性障碍物的类型，执行对应的第一避障操作；
基于柔性障碍物的类型，执行对应的第二避障操作。
基于刚性障碍物的类型，执行对应的第一避障操作，其中，第一避障操作可以是：确定刚性障碍物的位置，根据刚性障碍物的位置，绕道行驶。
其中，第二避障操作可以根据确定到的柔性障碍物的方位进行避障，如果是左边柔性障碍物，第二避障操作是：控制机器人后退向左转；如果是右边柔性障碍物，第二避障操作是：直接向左转。
其中，针对于稀疏障碍物，第二避障操作还可以是：机器人不避开稀疏障碍物，并基于机器人的预设路线继续行进。
具体地，所述基于所述障碍物的类型，执行对应的避障操作的步骤，包括：
步骤S21，若所述障碍物的类型为致密障碍物类型，确定所述致密障碍物的致密区间；
具体地，确定所述致密障碍物的致密区间的目的在于：确定避障的区间，在本实施例中，致密区间是指致密障碍物所处的区域。
其中，确定所述致密障碍物的致密区间的方式是：
根据障碍物外围的特征点确定外围轮廓，将外围轮廓包围的区域作为致密区间。
步骤S22，执行规避所述致密区间的避障操作；
步骤S23，若所述障碍物的类型为稀疏障碍物类型，不规避所述稀疏障碍物，并基于所述机器人的预设路线继续行进。
在确定致密区间后，执行规避致密区间的避障操作，即是机器人选择或者重新规划不包括致密区间的行进路径，例如，机器人后退或转向；若障碍物的类型为稀疏障碍物类型，不规避稀疏障碍物，并基于机器人的预设路线继续行进。
具体地，致密柔性障碍物在机器人前方时，机器人执行规避致密区间的避障操作的方式可以是：后退和/或转向，或者，还可以先后退后转向，以使机器人以不包括致密区间的行进路径进行移动。
在本申请中，通过获取障碍物的特征点，并根据障碍物的特征点确定所述障碍物的类型，因而能够根据特征点准确检测到柔性障碍物，进而准确确定避障方式，顺畅地避开柔性障碍物，提升机器人工作效率，避免不能准确检测到柔性障碍物。
可选地，上述步骤22中，所述执行规避所述致密区间的避障操作的步骤，可包括：
2201、若所述机器人正在进行沿边行驶，确定所述机器人的沿边行驶方式；以及确定所述障碍物相对于所述机器人的相对位置；
2202、根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作。
在本实施例中，可确定机器人的行驶信息，以根据行驶信息确定机器人是否为沿边行驶，以及确定障碍物相对于机器人的相对位置等，具体地，若机器人正在进行沿边行驶(可通过机器人设置的沿边距离传感器，确定所述机器人是否为沿边行驶，)还可确定机器人的沿边行驶方式，并确定障碍物相对于机器人的相对位置，其中，机器人的沿边行驶方式可包括第一沿边行驶方式和/或第二沿边行驶方式，障碍物相对于机器人的相对位置可以是：相对位置为障碍物在机器人左边，或者相对位置为障碍物在机器人右边。
可选地，上述步骤2202中，所述根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作的步骤，可包括：
若所述沿边行驶方式为第一沿边行驶方式，所述相对位置为障碍物在机器人左边；或者，若所述沿边行驶方式为第二沿边行驶方式，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先后退，再转向的目标子退出避障模式对应的避障操作；或者，
若所述沿边行驶方式为第二沿边行驶方式，所述相对位置为障碍物在机器人左边；或者，若所述沿边行驶方式为第一沿边行驶方式，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先转身，再后退的目标子退出避障模式对应的避障操作。
具体地，若沿边行驶方式为第一沿边行驶方式(以机器人自身为基准，沿边为沿右边)，相对位置为障碍物在机器人左边，或者，若沿边行驶方式为第二沿边行驶方式(以机器人自身为基准，沿边为沿左边)，相对位置为障碍物在机器人右边，从规避致密区间的预设退出避障模式中选择先后退，再转向的目标子退出避障模式对应的避障操作。
若沿边行驶方式为第二沿边行驶方式(以机器人自身为基准，沿边为沿左边)，所述相对位置为障碍物在机器人左边，或者，若沿边行驶方式为第一沿边行驶方式(以机器人自身为基准，沿边为沿右边)，相对位置为障碍物在机器人右边，从规避致密区间的预设退出避障模式中选择先转身，再后退的目标子退出避障模式对应的避障操作。
如此，在不同机器人处于不同的沿边行驶方式下，可根据对应的避障操作进行有效避障，使机器人更加灵活地进行避障。
可选地，上述步骤2202中，所述根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作的步骤，可包括：
根据所述沿边行驶方式以及所述相对位置确定所述机器人的机身两边是否有障碍物，若所述机器人的机身两边具有障碍物，确定所述机身两边障碍物之间的第三距离；
根据所述第三距离确定所述机器人是否处于窄道环境下；
若所述机器人处于窄道环境下，从规避所述致密区间的预设退出避障模式中选择窄道退出模式对应的避障操作。
其中，可根据沿边行驶方式以及所述相对位置确定所述机器人的机身两边是否有障碍物，若机器人的机身两边具有障碍物，确定所述机身两边障碍物之间的第三距离。
其中，在本实施例中，根据沿边行驶方式以及致密柔性障碍物相对于机器人的相对位置，确定机器人的机身两边是否具有障碍物，具体地，若沿边行驶方式为第二沿边行驶方式(以机器人自身为基准，沿边为沿左边)，致密柔性障碍物相对于机器人的相对位置为致密柔性障碍物在机器人左边，或者，若所述沿边行驶方式为第一沿边行驶方式(以机器人自身为基准，沿边为沿右边)，所述致密柔性障碍物相对于机器人的相对位置为致密柔性障碍物在机器人右边，则机器人的机身两边具有障碍物，若机器人的机身两边具有障碍物，通过预设距离传感器确定所述机身两边障碍物之间的第三距离。
根据第三距离，确定机器人是否处于窄道环境下，具体地，若第三距离小于第三预设距离，确定机器人处于窄道环境下。
若机器人处于窄道环境下，从规避致密区间的预设退出避障模式中选择窄道退出模式对应的避障操作。
在本实施例中，由于稀疏障碍物不会造成机器人的干扰，因而，若所述障碍物的类型为稀疏障碍物类型，不规避稀疏障碍物，并基于机器人的预设路线继续行进，以避免重新规划路线造成的资源浪费。
本申请与现有技术相比，其有益效果是：
本申请提供一种机器人避障方法、装置、设备及存储介质，本申请通过获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型；基于所述障碍物的类型，执行对应的避障操作。在本申请中，通过获取障碍物的特征点，确定障碍物的类型，根据障碍物的类型，有针对性地进行机器人避障，即不同类型执行相应的避障操作，进而实现针对性地对不同类型的障碍物进行机器人避障，解决现有不能机器人不能针对性避障的技术问题。
进一步地，基于本申请中第一实施例，在本申请的另一实施例中，所述机器人避障方法还包括：
若所述机器人正在进行沿边行驶，确定所述机器人的沿边行驶方式；以及确定所述障碍物相对于所述机器人的相对位置；
所述基于所述障碍物的类型，执行对应的避障操作的步骤，可包括：
基于所述障碍物的类型、所述沿边行驶方式和所述相对位置，执行对应的避障操作。
在本实施例中，可确定机器人的行驶信息，以根据行驶信息确定机器人是否为沿边行驶，以及确定障碍物相对于所述机器人的相对位置等，具体地，若机器人正在进行沿边行驶(可机器人设置的沿边距离传感器，确定所述机器人是否为沿边行驶，)还可确定机器人的沿边行驶方式，并确定障碍物相对于所述机器人的相对位置，其中，所述机器人的沿边行驶方式可以为第一沿边行驶方式和/或第二沿边行驶方式，第一沿边行驶方式可以为以机器人自身为基准，沿右边的行驶方式，第二沿边行驶方式可以为以机器人自身为基准，沿左边的行驶方式；障碍物相对于所述机器人的相对位置可以是：相对位置为障碍物在机器人左边，或者相对位置为障碍物在机器人右边。
可选地，在本实施例中，所述基于所述障碍物的类型、所述沿边行驶方式和所述相对位置，执行对应的避障操作的步骤，可包括：
若所述障碍物的类型为致密障碍物类型，确定所述障碍物的致密区间；
根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作。
其中，若障碍物的类型为致密障碍物类型，还可确定障碍物的致密区间，其中，确定致密障碍物的致密区间的目的在于：确定避障的区间，在本实施例中，致密区间是指致密障碍物所处的区域。确定致密障碍物的致密区间的方式是：根据障碍物外围的特征点确定外围轮廓，将外围轮廓包围的区域作为致密区间。
根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作，具体地，预设退出避障模式可包括先后退，再转向的目标子退出避障模式，以及，先转身，再后退的目标子退出避障模式，本申请不做限制。
可选地，在本实施例中，所述根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作的步骤，可包括：
若所述沿边行驶方式为第一沿边行驶方式，所述相对位置为障碍物在机器人左边；或者，若所述沿边行驶方式为第二沿边行驶方式，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先后退，再转向的目标子退出避障模式对应的避障操作；或者，
若所述沿边行驶方式为第二沿边行驶方式，所述相对位置为障碍物在机器人左边；或者，若所述沿边行驶方式为第一沿边行驶方式，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先转身，再后退的目标子退出避障模式对应的避障操作。
具体地，若所述沿边行驶方式为第一沿边行驶方式(以机器人自身为基准，沿边为沿右边)，所述相对位置为障碍物在机器人左边，或者，若所述沿边行驶方式为第二沿边行驶方式(以机器人自身为基准，沿边为沿左边)，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先后退，再转向的目标子退出避障模式对应的避障操作。
若所述沿边行驶方式为第二沿边行驶方式(以机器人自身为基准，沿边为沿左边)，所述相对位置为障碍物在机器人左边，或者，若所述沿边行驶方式为第一沿边行驶方式(以机器人自身为基准，沿边为沿右边)，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先转身，再后退的目标子退出避障模式对应的避障操作。
如此，在不同机器人处于不同的沿边行驶方式下，可根据对应的避障操作进行有效避障，使机器人更加灵活地进行避障。
可选地，在本实施例中，所述根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作的步骤，可包括：
根据所述沿边行驶方式以及所述相对位置确定所述机器人的机身两边是否有障碍物，若所述机器人的机身两边具有障碍物，确定所述机身两边障碍物之间的第三距离；
根据所述第三距离确定所述机器人是否处于窄道环境下；
若所述机器人处于窄道环境下，从规避所述致密区间的预设退出避障模式中选择窄道退出模式对应的避障操作。
具体地，在本实施例中，根据沿边行驶方式以及致密柔性障碍物相对于机器人的相对位置，确定机器人的机身两边是否具有障碍物，若沿边行驶方式为第二沿边行驶方式(以机器人自身为基准，沿边为沿左边)，致密柔性障碍物相对于机器人的相对位置为致密柔性障碍物在机器人左边)，或者，若沿边行驶方式为第一沿边行驶方式(以机器人自身为基准，沿边为沿右边)，致密柔性障碍物相对于机器人的相对位置为致密柔性障碍物在机器人右边，则机器人的机身两边具有障碍物；通过预设距离传感器确定机身两边障碍物之间的第三距离。
若第三距离小于第三预设距离，确定所述机器人处于窄道环境下。
若机器人处于窄道环境下，从规避致密区间的预设退出避障模式中选择窄道退出模式对应的避障操作。
在本实施例中，通过若机器人正在进行沿边行驶，确定机器人的沿边行驶方式；以及确定障碍物相对于所述机器人的相对位置；基于障碍物的类型、所述沿边行驶方式和所述相对位置，执行对应的避障操作。在实际场景中，可实现机器人的准确避障。
进一步地，基于本申请中第一实施例，在本申请的另一实施例中，所述根据所述障碍物的特征点确定所述障碍物的类型的步骤，包括：
步骤B1，获取保险杆与障碍物的接触特征点，根据所述接触特征点确定所述保险杆在接触障碍物时是否产生位移；
步骤B2，若保险杆在接触障碍物产生位移时，则确定所述障碍物的类型为刚性障碍物。
在本实施例中，机器人内置有保险杠bumper传感器，因而通过保险杠bumper传感器可以获取保险杆与障碍物的接触特征，根据接触特征可以确定保险杆在接触或者碰撞障碍物时，保险杠上的接触点相对于未碰撞前，是否发生了位移，具体地，若在第一时间段保险杠传感器检测到与障碍物初始接触时，通过坐标检测仪器获取保险杠上与障碍物接触的接触点的第一位置，在保险杠传感器检测到保险杠与障碍物结束接触时，通过坐标检测仪器获取保险杠上与障碍物接触的接触点的第二位置，确定所述第一位置和第二位置之间的位移，以确定所述保险杆在接触障碍物时是否产生位移，确定所述保险杆在接触障碍物时是否产生回退位移的目的在于：确定所述障碍物的类型是否为刚性障碍物，若保险杆在接触障碍物时产生位移，则确定所述障碍物的类型为刚性障碍物，若保险杆在接触障碍物时未产生位移，则确定所述障碍物的类型不是刚性障碍物。
在本实施例中，若障碍物的类型为刚性障碍物时，采取重新规划路线的避障操作。
其中，获取保险杆与障碍物的接触特征点，根据所述接触特征点确定所述保险杆在接触障碍物时是否产生位移；若保险杆在接触障碍物时产生位移，则确定所述障碍物的类型为刚性障碍物。在本实施例中，还通过保险杆与障碍物的接触特征点，确定所述保险杆在接触障碍物时是否产生位移，进而，准确确定所述障碍物的类型，为执行匹配的避障操作奠定基础。
进一步地，基于本申请中第一实施例，在本申请的另一实施例中，在所述获取障碍物的特征点之后，还包括：
步骤C1，若确定所述特征点在预设检测范围内，执行所述根据所述障碍物的特征点确定所述障碍物的类型的步骤。
在本实施例中，在获取障碍物的特征点后，还确定是否在预设检测范围内检测到所述障碍物的特征点，其中，确定是否在预设检测范围内检测到所述障碍物的特征点的目的在于：
第一：确定是否需要执行避障操作，也即，障碍物只有在一定空间范围内才会影响机器人的运行；
第二：确定检测障碍物类型的方式。即不同类型障碍物的检测范围是不同的。
其中，所述预设检测范围处于所述机器人的保险杆的外轮廓的内侧，并以所述机器人的保险杆的外轮廓向内扩。
在机器人行进过程中，通过确定是否在预设检测范围内检测到特征点，确定是否检测到柔性障碍物，其中，若在预设检测范围内检测到特征点，确定检测到柔性障碍物，若未在预设检测范围内检测到特征点，确定未检测到柔性障碍物，具体地，可以通过激光雷达传感器确定是否在预设检测范围内检测到特征点，确定是否检测到柔性障碍物，而不是通过保险杠bumper传感器确定是否在预设检测范围内检测到特征点，确定是否检测到柔性障碍物。
也即，保险杠传感器一般是扫拖地机器人的碰撞传感器，设置在机器人前方轮廓处，形状是一条曲线，柔性障碍物比较轻，不会触发机器人前方的bumper传感器，因而确定是否在预设检测范围内检测到特征点的激光雷达传感器设置在机器人机身的外廓即外轮廓上，即可检测柔性障碍物，与保险杠bumper传感器相比较，激光雷达传感器的检测范围是预设检测范围，预设检测范围可以指的是bumper传感器检测的轮廓向内部扩大一段距离后，形成的多边形的检测范围(所述预设检测范围处于所述机器人的保险杆的外轮廓的内侧，并以所述机器人的保险杆的外轮廓向内扩)。其中，柔性障碍物具有飘逸的特性，基于该特性，若柔性障碍物飘逸至轮廓向内部时，即飘逸至预设检测范围内时，会经由激光雷达传感器检测得到，而刚性障碍物，很显然，不会具有飘逸的特性，因而，只能经由保险杠bumper传感器检测得到，也即，通过在机器人上设置的预设检测范围(预设检测范围经由设置的激光传感器实现)可以区分检测是否具有柔性障碍物。
也即，在本实施例中，需要说明的是，所述预设检测范围处于所述机器人的保险杆的外轮廓的内侧，并以所述机器人的保险杆的外轮廓向内扩，其中，预设刚性检测范围指的是保险杠bumper传感器检测刚性障碍物时的检测范围，由于刚性障碍物不会移动，柔性障碍物会移动，而预设检测范围为预设刚性检测范围向机器人内部方向内扩得到的处于机器人机身内部的检测范围，因而，可以准确检测到柔性障碍物。
在本实施例中，通过获取所述障碍物的特征点，并确定所述特征点是否在预设检测范围内；若在所述预设检测范围内检测到所述特征点时，触发所述障碍物的类型的确定，因而，高效准确地根据所述障碍物的特征点确定所述障碍物的类型。
进一步地，基于本申请中第一实施例，在本申请的另一实施例中，所述机器人避障方法还包括：
步骤D1，获取所述机器人的历史路径径；
在本实施例中，还基于所述障碍物的类型，确定是否需要查询所述机器人的历史路径，其中，确定是否需要查询所述机器人的历史路径的目的在于：确定是否需要执行历史避障操作，而不是选择新的避障操作。
其中，确定是否需要查询所述机器人的历史路径的方式包括：
方式一：确定所述机器人当前行驶路径是否为预设常用路径，若是预设常用路径时，确定需要查询所述机器人的历史路径；
方式二：确定所述机器人当前行驶路径是否为预先设定的返程路径，若是预先设定的返程路径时，确定需要查询所述机器人的历史路径。
步骤D2，基于所述机器人的历史路径执行历史避障操作。
若需要查询所述机器人的历史路径时，查询所述历史路径，根据历史路径，对应查询得到所述障碍物的历史避障操作。
在本实施例中，直接将历史避障操作作为当前的避障操作并执行。
其中，获取所述机器人的历史路径；基于所述机器人的历史路径执行历史避障操作。在本实施例中，由于直接执行所述历史避障操作，避免选择避障模式造成的资源浪费。
参照图3，图3是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
如图3所示，该机器人避障设备可以包括：处理器1001，例如CPU，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
可选地，该机器人避障设备还可以包括矩形用户接口、网络接口、摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。矩形用户接口可以包括显示屏(Display)、输入子模块比如键盘(Keyboard)，可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解，图3中示出的机器人避障设备结构并不构成对机器人避障设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图3所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块以及机器人避障方法程序。操作系统是管理和控制机器人避障设备硬件和软件资源的程序，支持机器人避障方法程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与机器人避障方法系统中其它硬件和软件之间通信。
在图3所示的机器人避障设备中，处理器1001用于执行存储器1005中存储的机器人避障方法程序，实现上述任一项所述的机器人避障方法的步骤。
本申请机器人避障设备具体实施方式与上述机器人避障方法各实施例基本相同，在此不再赘述。
本申请实施例还提供一种机器人避障装置，所述机器人避障装置包括：
第一获取模块，用于获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型；
执行模块，用于基于所述障碍物的类型，执行对应的避障操作。
可选地，所述第一获取模块包括：
第一确定单元，用于确定所述特征点的数量和各所述特征点之间的距离；
第二确定单元，用于根据所述特征点的数量和各所述特征点之间的距离，确定所述障碍物是致密障碍物类型或稀疏障碍物类型。
可选地，所述第二确定单元包括：
第一确定子单元，用于在所述特征点的数量大于等于预设数值时，确定相隔最近的所述特征点之间的第一距离，和相隔最远的所述特征点之间的第二距离；
第二确定子单元，用于若所述第一距离小于等于第一预设距离，且所述第二距离大于等于第二预设距离，确定所述障碍物为致密障碍物类型；
第三确定子单元，用于若所述第一距离大于第一预设距离，或者所述第二距离大于等于所述第二预设距离，确定所述障碍物为稀疏障碍物类型，其中，所述第一预设距离小于所述第二预设距离。
可选地，所述机器人避障装置还包括：
第一确定模块，用于若所述机器人正在进行沿边行驶，确定所述机器人的沿边行驶方式；以及确定所述障碍物相对于所述机器人的相对位置；
所述执行模块包括：
执行单元，用于基于所述障碍物的类型、所述沿边行驶方式和所述相对位置，执行对应的避障操作。
可选地，所述执行单元包括：
确定子单元，用于若所述障碍物的类型为致密障碍物类型，确定所述障碍物的致密区间；
选择子单元，用于根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作。
可选地，所述选择子单元用于实现：
若所述沿边行驶方式为第一沿边行驶方式，所述相对位置为障碍物在机器人左边；或者，若所述沿边行驶方式为第二沿边行驶方式，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先后退，再转向的目标子退出避障模式对应的避障操作；或者，
若所述沿边行驶方式为第二沿边行驶方式，所述相对位置为障碍物在机器人左边；或者，若所述沿边行驶方式为第一沿边行驶方式，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先转身，再后退的目标子退出避障模式对应的避障操作。
可选地，所述选择子单元还用于实现：
根据所述沿边行驶方式以及所述相对位置确定所述机器人的机身两边是否有障碍物，若所述机器人的机身两边具有障碍物，确定所述机身两边障碍物之间的第三距离；
根据所述第三距离确定所述机器人是否处于窄道环境下；
若所述机器人处于窄道环境下，从规避所述致密区间的预设退出避障模式中选择窄道退出模式对应的避障操作。
可选地，所述执行模块还包括：
第三确定单元，用于若所述障碍物的类型为致密障碍物类型，确定所述障碍物的致密区间；
第一执行单元，用于执行规避所述致密区间的避障操作；
继续行进单元，用于若所述障碍物的类型为稀疏障碍物类型，不规避所述稀疏障碍物，并基于所述机器人的预设路线继续行进。
可选地，所述第一获取模块还包括：
判断单元，用于判断所述特征点是否在预设检测范围内；
第二执行单元，用于若确定所述特征点在预设检测范围内，执行所述根据所述障碍物的特征点确定所述障碍物的类型的步骤。
可选地，所述预设检测范围处于所述机器人的保险杆的外轮廓的内侧，并以所述机器人的保险杆的外轮廓向内扩。
可选地，所述机器人避障装置还包括：
第二获取模块，用于获取所述机器人的历史路径；
避障模块，用于基于所述机器人的历史路径执行历史避障操作。
本申请机器人避障装置的具体实施方式与上述机器人避障方法各实施例基本相同，在此不再赘述。
本申请还提供一种计算机程序产品、包括计算机程序，该计算机程序被处理器执行时实现上述的机器人避障方法的步骤。
本申请计算机程序产品的具体实施方式与上述机器人避障方法各实施例基本相同，在此不再赘述。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利处理范围内。

Claims (13)

1.一种机器人避障方法，其特征在于，所述机器人避障方法包括：
获取障碍物的特征点，并根据所述特征点确定所述障碍物的类型；
基于所述障碍物的类型，执行对应的避障操作。
2.如权利要求1所述的机器人避障方法，其特征在于，所述根据所述障碍物的特征点确定所述障碍物的类型的步骤，包括：
确定所述特征点的数量和各所述特征点之间的距离；
根据所述特征点的数量和各所述特征点之间的距离，确定所述障碍物是致密障碍物类型或稀疏障碍物类型。
3.如权利要求2所述的机器人避障方法，其特征在于，所述根据所述特征点的数量和各所述特征点之间的距离，确定所述障碍物是致密障碍物类型或稀疏障碍物类型的步骤，包括：
在所述特征点的数量大于等于预设数值时，确定相隔最近的所述特征点之间的第一距离，和相隔最远的所述特征点之间的第二距离；
若所述第一距离小于等于第一预设距离，且所述第二距离大于等于第二预设距离，确定所述障碍物为致密障碍物类型；
若所述第一距离大于第一预设距离，或者所述第二距离大于等于所述第二预设距离，确定所述障碍物为稀疏障碍物类型，其中，所述第一预设距离小于所述第二预设距离。
4.如权利要求2或3所述的机器人避障方法，其特征在于，所述基于所述障碍物的类型，执行对应的避障操作的步骤，包括：
若所述障碍物的类型为致密障碍物类型，确定所述障碍物的致密区间；
执行规避所述致密区间的避障操作；
若所述障碍物的类型为稀疏障碍物类型，不规避所述稀疏障碍物，并基于所述机器人的预设路线继续行进。
5.如权利要求1所述的机器人避障方法，其特征在于，所述机器人避障方法还包括：
若所述机器人正在进行沿边行驶，确定所述机器人的沿边行驶方式；以及确定所述障碍物相对于所述机器人的相对位置；
所述基于所述障碍物的类型，执行对应的避障操作的步骤，包括：
基于所述障碍物的类型、所述沿边行驶方式和所述相对位置，执行对应的避障操作。
6.如权利要求5所述的机器人避障方法，其特征在于，所述基于所述障碍物的类型、所述沿边行驶方式和所述相对位置，执行对应的避障操作的步骤，包括：
若所述障碍物的类型为致密障碍物类型，确定所述障碍物的致密区间；
根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作。
7.如权利要求6所述的机器人避障方法，其特征在于，所述根据所述沿边行驶方式以及所述相对位置从规避所述致密区间的预设退出避障模式中选择目标子退出避障模式对应的避障操作的步骤，包括：
若所述沿边行驶方式为第一沿边行驶方式，所述相对位置为障碍物在机器人左边；或者，若所述沿边行驶方式为第二沿边行驶方式，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先后退，再转向的目标子退出避障模式对应的避障操作；或者，
若所述沿边行驶方式为第二沿边行驶方式，所述相对位置为障碍物在机器人左边；或者，若所述沿边行驶方式为第一沿边行驶方式，所述相对位置为障碍物在机器人右边，从规避所述致密区间的预设退出避障模式中选择先转身，再后退的目标子退出避障模式对应的避障操作。
8.如权利要求1-3任一项所述的机器人避障方法，其特征在于，在所述获取障碍物的特征点之后，还包括：
判断所述特征点是否在预设检测范围内；
若确定所述特征点在预设检测范围内，执行所述根据所述障碍物的特征点确定所述障碍物的类型的步骤。
9.如权利要求8所述的机器人避障方法，其特征在于，
所述预设检测范围处于所述机器人的保险杆的外轮廓的内侧，并以所述机器人的保险杆的外轮廓向内扩。
10.如权利要求1-3任一项所述的机器人避障方法，其特征在于，所述机器人避障方法还包括：
获取所述机器人的历史路径；
基于所述机器人的历史路径执行历史避障操作。
11.一种机器人避障装置，其特征在于，应用于机器人，所述机器人避障装置包括：
第一获取模块，用于获取障碍物的特征点，并根据所述障碍物的特征点确定所述障碍物的类型；
执行模块，用于基于所述障碍物的类型，执行对应的避障操作。
12.一种机器人避障设备，其特征在于，所述机器人避障设备包括：存储器、处理器以及存储在存储器上的用于实现所述机器人避障方法的程序，
所述存储器用于存储实现机器人避障方法的程序；
所述处理器用于执行实现所述机器人避障方法的程序，以实现如权利要求1至10中任一项所述机器人避障方法的步骤。
13.一种可读存储介质，其特征在于，所述可读存储介质上存储有实现机器人避障方法的程序，所述实现机器人避障方法的程序被处理器执行以实现如权利要求1至10中任一项所述机器人避障方法的步骤。
CN202110278658.9A 2021-03-15 2021-03-15 机器人避障方法、装置、设备及存储介质 Active CN113031617B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110278658.9A CN113031617B (zh) 2021-03-15 2021-03-15 机器人避障方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110278658.9A CN113031617B (zh) 2021-03-15 2021-03-15 机器人避障方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113031617A true CN113031617A (zh) 2021-06-25
CN113031617B CN113031617B (zh) 2022-11-01

Family

ID=76470597

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110278658.9A Active CN113031617B (zh) 2021-03-15 2021-03-15 机器人避障方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113031617B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114227694A (zh) * 2022-01-10 2022-03-25 珠海一微半导体股份有限公司 一种基于地插检测的机器人控制方法、芯片及机器人
CN115359411A (zh) * 2022-10-21 2022-11-18 成都工业学院 一种基于改进DeepLab V3+网络的变电站环境理解方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110502014A (zh) * 2019-08-22 2019-11-26 深圳乐动机器人有限公司 一种机器人避障的方法及机器人
CN110515386A (zh) * 2019-09-19 2019-11-29 小狗电器互联网科技（北京）股份有限公司 一种智能机器人
CN110622085A (zh) * 2019-08-14 2019-12-27 珊口（深圳）智能科技有限公司 移动机器人及其控制方法和控制系统
CN110974088A (zh) * 2019-11-29 2020-04-10 深圳市杉川机器人有限公司 扫地机器人控制方法、扫地机器人及存储介质
CN112155487A (zh) * 2019-08-21 2021-01-01 追创科技(苏州)有限公司 扫地机器人、扫地机器人的控制方法及存储介质
CN112327878A (zh) * 2020-11-25 2021-02-05 珠海市一微半导体有限公司 一种基于tof摄像头的障碍物分类避障控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110622085A (zh) * 2019-08-14 2019-12-27 珊口（深圳）智能科技有限公司 移动机器人及其控制方法和控制系统
CN112155487A (zh) * 2019-08-21 2021-01-01 追创科技(苏州)有限公司 扫地机器人、扫地机器人的控制方法及存储介质
CN110502014A (zh) * 2019-08-22 2019-11-26 深圳乐动机器人有限公司 一种机器人避障的方法及机器人
CN110515386A (zh) * 2019-09-19 2019-11-29 小狗电器互联网科技（北京）股份有限公司 一种智能机器人
CN110974088A (zh) * 2019-11-29 2020-04-10 深圳市杉川机器人有限公司 扫地机器人控制方法、扫地机器人及存储介质
CN112327878A (zh) * 2020-11-25 2021-02-05 珠海市一微半导体有限公司 一种基于tof摄像头的障碍物分类避障控制方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114227694A (zh) * 2022-01-10 2022-03-25 珠海一微半导体股份有限公司 一种基于地插检测的机器人控制方法、芯片及机器人
CN114227694B (zh) * 2022-01-10 2024-05-03 珠海一微半导体股份有限公司 一种基于地插检测的机器人控制方法、芯片及机器人
CN115359411A (zh) * 2022-10-21 2022-11-18 成都工业学院 一种基于改进DeepLab V3+网络的变电站环境理解方法

Also Published As

Publication number Publication date
CN113031617B (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN111208811B (zh) 扫地机器人的窄缝脱困方法、装置、设备及可读存储介质
CN113031617B (zh) 机器人避障方法、装置、设备及存储介质
US11718318B2 (en) Method and apparatus for planning speed of autonomous vehicle, and storage medium
CN111665852B (zh) 一种障碍物避让方法、装置、车辆及存储介质
CN113359742B (zh) 机器人及其越障方法、装置、计算机可读存储介质
CN111337022B (zh) 一种目标障碍物的检测方法、装置和机器人
JP2015022759A (ja) 車両におけるレーン割り付けについての方法
CN113093725B (zh) 扫地机器人及其目标障碍物的跨越方法、计算机可读存储介质
CN108873882B (zh) 智能移动设备及其移动路径规划方法、装置、程序、介质
CN112298168B (zh) 一种车位检测方法及装置、自动泊车方法及装置
CN114019951A (zh) 机器人的控制方法、装置、机器人及可读存储介质
CN114564022A (zh) 一种机器人碰撞处理方法及装置
CN114518744A (zh) 机器人的脱困方法、装置、机器人及存储介质
CN117184050A (zh) 一种泊车路径的规划方法、装置、计算机设备及存储介质
KR101734726B1 (ko) 주차공간 탐지 방법 및 이를 실행하는 장치
CN111443692B (zh) 机器人避障处理方法、电子设备及计算机可读存储介质
CN114847809B (zh) 清洁机器人的环境探索方法、装置、清洁机器人及介质
CN111736580A (zh) 扫地设备的避障脱困方法、装置、电子设备及存储介质
CN115951355A (zh) 一种预警信息生成方法、装置、存储介质及电子设备
CN115027457A (zh) 碰撞检测方法、装置、车辆及存储介质
CN115097826A (zh) 一种车辆掉头轨迹规划方法及装置
JP2021063725A (ja) 物体追跡装置
CN111166237A (zh) 扫地机器人及其多向碰撞检测装置和方法
CN115909811A (zh) 避让区域的识别方法、行进控制方法、装置、自移动设备
CN116195914A (zh) 清洁机器人行走驱动方法、装置、清洁机器人以及介质

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