CN113050626B - 服务机器人物理禁区检测和全局重定位方法 - Google Patents
服务机器人物理禁区检测和全局重定位方法 Download PDFInfo
- Publication number
- CN113050626B CN113050626B CN202110225310.3A CN202110225310A CN113050626B CN 113050626 B CN113050626 B CN 113050626B CN 202110225310 A CN202110225310 A CN 202110225310A CN 113050626 B CN113050626 B CN 113050626B
- Authority
- CN
- China
- Prior art keywords
- service robot
- global
- physical
- identification
- time frame
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000033001 locomotion Effects 0.000 claims abstract description 15
- 230000007717 exclusion Effects 0.000 claims description 30
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 239000003086 colorant Substances 0.000 claims description 7
- 230000004807 localization Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 238000010408 sweeping Methods 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
- G05D1/0212—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 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
- G05D1/0259—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 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
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- 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
-
- 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
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
-
- 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
- G05D1/0231—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 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
- G05D1/0253—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 relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
- G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
-
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- 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
- G05D1/028—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本公开提供一种服务机器人物理禁区检测和全局重定位方法,其包括:人工标识被预先设置在工作场景中服务机器人不能进入的物理禁区边缘;服务机器人运行中不断地检测工作场景中是否存在人工标识;当在工作场景中存在人工标识信息时,识别人工标识,并确认服务机器人相对于人工标识的位置和航向角信息;根据服务机器人相对于人工标识的位置和航向角信息,控制服务机器人的运动轨迹,禁止进入相应物理禁区;以及根据人工标识在全局地图中的绝对位置,获得服务机器人在工作场景全局地图中可能的位置和航向角范围,应用全局定位算法实现服务机器人的准确的全局重定位。
Description
技术领域
本公开涉及一种服务机器人物理禁区检测和全局重定位方法,属于智能控制技术领域。
背景技术
目前服务机器人已经在商用场景中得到了广泛的应用,如商用促销机器人、商用清洁机器人、导购导览机器人和商超配送机器人等,主要实现用场景中服务于消费者的智能应用。随着技术的发展,服务机器人由于其智能性和性价比越来越高,且对于用户的品牌形象提升很高,也受到消费者的喜爱和欢迎,也越来越多地应用于各处商用场景。
商用场景中由于存在着台阶、扶梯、电梯以及各种娱乐设备,人比较多甚至是到处乱跑的孩子,环境往往比较复杂,有时会造成服务机器人可行驶的通道很窄,甚至无路可走。而服务机器人在商用场景中在执行各项设定好的服务任务时,首先要保证运行的安全性不发生安全事故,不能够主动碰撞行人,尤其是老人和孩子,不能够从台阶上跌落,不能够运行到自动扶梯上而导致跌落。尤其是针对商超中自动扶梯等设施,因为是不断运动的设备,台阶中有相对的高度差,服务机器人一般无法静止在自动扶梯上,传统的在服务机器人向下安装的防跌落传感器或悬崖传感器也不能有效预防。
而传统的通过软件设置禁区和禁线的方式,只有当服务机器人定位准确时才能发挥作用。当由于环境动态变化比较大时,服务机器人很容易定位丢失导致迷路,从而无法通过软件禁区和禁线的方法来限制服务机器人运行越过台阶和行至扶梯等危险禁止区域。
所以一种新的有效的能够防止服务机器人在复杂场景执行任务运行时进入危险区域保证作业安全,并同时帮助服务机器人恢复准确定位的方法,对于提高服务机器人运行的安全性、智能性以及环境适应性至关重要而且不可或缺。
发明内容
为了解决上述技术问题之一,本公开提供了一种服务机器人物理禁区检测和全局重定位方法。
根据本公开的一个方面,提供了一种服务机器人物理禁区检测和全局重定位方法,其包括:
将人工标识被预先设置在工作场景中服务机器人不能进入的物理禁区边缘;
服务机器人运行中不断地检测工作场景中是否存在人工标识;
当在工作场景中存在人工标识信息时,识别人工标识,并确认服务机器人相对于人工标识的位置和航向角信息;
根据服务机器人相对于人工标识的位置和航向角信息,控制服务机器人的运动轨迹,禁止进入相应物理禁区;以及
根据人工标识在全局地图中的绝对位置,获得服务机器人在工作场景全局地图中可能的位置和航向角范围,应用全局定位算法实现服务机器人的准确的全局重定位。
根据本公开的至少一个实施方式的服务机器人物理禁区检测和全局重定位方法,所述人工标识被预先设置在工作场景中服务机器人不能进入的物理禁区边缘,当所述服务机器人与所述人工标识的距离在预设范围内时,通过所述服务机器人的检测装置检测该人工标识。
根据本公开的至少一个实施方式的服务机器人物理禁区检测和全局重定位方法,所述人工标识包括:RFID标签、UWB标签、磁条、二维码或者颜色相间的特殊识别卡任意一种或者多种的组合;所述检测装置包括:RFID读卡器、UWB基站、霍尔传感器、摄像头和图像处理模组中的一种或多种;
其中,当所述人工标识包括RFID标签时,所述检测装置包括RFID读卡器;
当所述人工标识包括UWB标签时,所述检测装置包括UWB基站;
当所述人工标识包括磁条时,所述检测装置包括霍尔传感器;
当所述人工标识包括二维码或者颜色识别卡时,所述检测装置包括摄像头和图像处理模组。
根据本公开的至少一个实施方式的服务机器人物理禁区检测和全局重定位方法,所述RFID标签安装于物理禁区的边缘,并且该RFID标签存储有当前RFID标签在工作场景中的绝对全局位置信息;所述服务机器人的RFID读卡器距离该RFID标签一定范围时,获取该RFID标签所存储的当前RFID标签在工作场景中的绝对全局位置信息;并且根据当前RFID标签中的绝对全局位置信息确认服务机器人在工作场景全局地图中的可能位置和航向角范围。
根据本公开的至少一个实施方式的服务机器人物理禁区检测和全局重定位方法,所述UWB标签安装于工作场景中物理禁区的边缘,并且该UWB标签存储有当前UWB标签在工作场景中的绝对全局位置信息;所述服务机器人的UWB基站用于接收每个UWB标签以一定频率发送的UWB标签的ID号以及与UWB基站的距离,所述UWB基站根据至少一个UWB标签与UWB基站的距离值,从而根据三角测量方法获得服务机器人在工作场景全局地图中的可能位置和航向角范围。
根据本公开的至少一个实施方式的服务机器人物理禁区检测和全局重定位方法,所述磁条安装于工作场景中物理禁区的地面边缘,所述服务机器人的霍尔传感器检测到地面设置有磁条时,控制所述服务机器人停止前行,并且控制服务机器人沿接近所述磁条的运动轨迹反向运动,以远离物理禁区,从而防止服务机器人进入危险区域。
根据本公开的至少一个实施方式的服务机器人物理禁区检测和全局重定位方法,所述磁条距离物理禁区的边缘存在预设安全有效距离,所述安全有效距离的大小根据服务机器人减速距离和检测装置的响应速度而决定。
根据本公开的至少一个实施方式的服务机器人物理禁区检测和全局重定位方法,所述二维码或者颜色识别卡设置于工作场景中物理禁区的地面边缘或者竖直面上,所述服务机器人的摄像头所采集的图像中包括二维码或者颜色相间的特殊识别卡时,所述服务机器人根据所述摄像头所采集的图像,图像处理模组提取二维码或者颜色相间特殊识别卡的图像坐标,由图像坐标系到服务机器人坐标系的转换矩阵进行转换,从而获得服务机器人在工作场景全局地图中的可能位置和航向角范围。
根据本公开的至少一个实施方式的服务机器人物理禁区检测和全局重定位方法,根据服务机器人相对于人工标识的位置和航向角信息,控制服务机器人的运动轨迹,禁止进入相应物理禁区包括:
根据服务机器人相对于人工标识的相对位置和航向角信息,控制服务机器人的运动速度和方向,避免驶入工作场景中物理禁区发生危险事故。
根据本公开的至少一个实施方式的服务机器人物理禁区检测和全局重定位方法,所述服务机器人的准确的全局重定位包括:
S1、获取服务机器人的当前时间帧的导航传感器的数据,基于已经构建的全局地图和当前时间帧的导航传感器数据,应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计;
S2、根据当前时间帧k的最佳位姿估计Pk=[pk qk θk]T,计算当前时间帧k全局定位得分Ψk;以及
S3、当前时间帧的全局定位得分大于一定的阈值,表明服务机器人基于人工标识物理禁区的重定位准确,服务机器人从异常状态中得到恢复。
附图说明
附图示出了本公开的示例性实施方式,并与其说明一起用于解释本公开的原理,其中包括了这些附图以提供对本公开的进一步理解,并且附图包括在本说明书中并构成本说明书的一部分。
图1是根据本公开的一个实施方式的服务机器人物理禁区检测和全局重定位方法的流程图。
图2是根据本公开的一个实施方式的服务机器人的示意图。
具体实施方式
下面结合附图和实施方式对本公开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方式仅用于解释相关内容,而非对本公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本公开相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开的技术方案。
除非另有说明,否则示出的示例性实施方式/实施例将被理解为提供可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特征。因此,除非另有说明,否则在不脱离本公开的技术构思的情况下,各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。
在附图中使用交叉影线和/或阴影通常用于使相邻部件之间的边界变得清晰。如此,除非说明,否则交叉影线或阴影的存在与否均不传达或表示对部件的具体材料、材料性质、尺寸、比例、示出的部件之间的共性和/或部件的任何其它特性、属性、性质等的任何偏好或者要求。此外,在附图中,为了清楚和/或描述性的目的,可以夸大部件的尺寸和相对尺寸。当可以不同地实施示例性实施例时,可以以不同于所描述的顺序来执行具体的工艺顺序。例如,可以基本同时执行或者以与所描述的顺序相反的顺序执行两个连续描述的工艺。此外,同样的附图标记表示同样的部件。
当一个部件被称作“在”另一部件“上”或“之上”、“连接到”或“结合到”另一部件时,该部件可以直接在所述另一部件上、直接连接到或直接结合到所述另一部件,或者可以存在中间部件。然而,当部件被称作“直接在”另一部件“上”、“直接连接到”或“直接结合到”另一部件时,不存在中间部件。为此,术语“连接”可以指物理连接、电气连接等,并且具有或不具有中间部件。
为了描述性目的,本公开可使用诸如“在……之下”、“在……下方”、“在……下”、“下”、“在……上方”、“上”、“在……之上”、“较高的”和“侧(例如,如在“侧壁”中)”等的空间相对术语,从而来描述如附图中示出的一个部件与另一(其它)部件的关系。除了附图中描绘的方位之外,空间相对术语还意图包含设备在使用、操作和/或制造中的不同方位。例如,如果附图中的设备被翻转,则被描述为“在”其它部件或特征“下方”或“之下”的部件将随后被定位为“在”所述其它部件或特征“上方”。因此,示例性术语“在……下方”可以包含“上方”和“下方”两种方位。此外,设备可被另外定位(例如,旋转90度或者在其它方位处),如此,相应地解释这里使用的空间相对描述语。
这里使用的术语是为了描述具体实施例的目的,而不意图是限制性的。如这里所使用的,除非上下文另外清楚地指出,否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外,当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时,说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组,但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是,如这里使用的,术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语,如此,它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。
图1是根据本公开的一个实施方式的服务机器人物理禁区检测和全局重定位方法的流程图。
如图1所示的服务机器人物理禁区检测和全局重定位方法,其包括:
202、将人工标识被预先设置在工作场景中服务机器人不能进入的物理禁区边缘;
204、服务机器人运行中不断地检测工作场景中是否存在人工标识;
206、当在工作场景中存在人工标识信息时,识别人工标识,并确认服务机器人相对于人工标识的位置和航向角信息;
208、根据服务机器人相对于人工标识的位置和航向角信息,控制服务机器人的运动轨迹,禁止进入相应物理禁区;以及
210、根据人工标识在全局地图中的绝对位置,获得服务机器人在工作场景全局地图中可能的位置和航向角范围,应用全局定位算法实现服务机器人的准确的全局重定位。
本公开中,服务机器人在场景中运行,由于存在着台阶、扶梯、电梯以及各种娱乐设备,针对这些固定的机器人不能进入的危险区域,一般可以通过在服务机器人全局地图编辑软件设置虚拟禁区或禁线的方式,禁止服务机器人进入这些危险区域,这种设置策略在家庭用的扫地机器人比较常用。
而考虑到在商超和办公楼等公区区域中,人比较多,环境比较复杂且对于服务机器人的传感器经常受行走的客人等遮挡,而造成服务机器人全局定位不是很准确,有时甚至完全迷路,尤其是针对商超和办公楼内环境比较对称和相似,服务机器人更容易迷路。
这种情况出现时,服务机器人地图中所设置的虚拟禁区或禁线就不会起作用,此时服务机器人就可能驶入台阶、扶梯和电梯等危险区域,发生安全事故。
本公开通过实体的人工标识,能够将服务机器人的工作区域划分出物理禁区,并能够有效地防止服务机器人进入这些物理禁区,避免了安全事故的发生。
尤其是,由于人工标识在全局地图中的绝对位置已知,可以进一步获得服务机器人在工作场景全局地图中可能的位置和航向角范围,从而应用全局定位算法,实现服务机器人的准确全局重定位。
优选地,所述人工标识被预先设置在工作场景中服务机器人不能进入的危险区域边缘,如物理禁区的地面边缘或者竖直面上,当所述服务机器人与所述人工标识的距离在预设范围内时,即在服务机器人物理禁区检测装置的有效工作范围内时,通过所述服务机器人的检测装置检测该人工标识。
所述人工标识包括:RFID标签、UWB标签、磁条、二维码或者颜色相间的特殊识别卡任意一种或者多种的组合;所述检测装置包括:RFID读卡器、UWB基站、霍尔传感器、摄像头和图像处理模组中的一种或多种;
其中,当所述人工标识包括RFID标签时,所述检测装置包括RFID读卡器;
当所述人工标识包括UWB标签时,所述检测装置包括UWB基站;
当所述人工标识包括磁条时,所述检测装置包括霍尔传感器;
当所述人工标识包括二维码或者颜色识别卡时,所述检测装置包括摄像头和图像处理模组。
也就是说,当选择不同的人工标识,需要选择与该人工标识对应的检测装置。
以下结合具体的人工标识说明:206、当在工作场景中存在人工标识信息时,识别人工标识,并确认服务机器人相对于人工标识的位置和航向角信息。
本公开中,服务机器人相对于人工标识的可能位置和航向角信息表征为:
Ωk={[xk yk αk]T|xk∈[xmin xmax] yk∈[ymin ymax] αk∈[αmin αmax]}
其中[xmin xmax]、[ymin ymax]、[αmin αmax]为通过人工标识检测装置所计算确定的对应的服务机器人前向、侧向等可能位置范围和航向角范围。
作为一种实现形式,所述RFID标签安装于工作场景中物理禁区的边缘,并且该RFID标签存储有当前RFID标签在空间中的位置信息;所述服务机器人的RFID读卡器距离该RFID标签一定范围时,获取该RFID标签所存储的当前RFID标签在工作场景中的绝对位置信息;并且根据当前RFID标签中的位置信息获取服务机器人在工作场景全局地图中的位置和航向角范围。
也就是说,所述RFID读卡器可以安装于服务机器人的端部,如前底部,其有效检测距离为几十厘米,响应时间在1s以内。
当RFID标签在有效检测范围内,RFID读卡器检测到有RFID标签信息时,即意味着服务机器人马上要驶入物理禁区范围内。
当然,可以通过调整RFID标签的位置和服务机器人RFID读卡器的安装位置和方向,来限制RFID标签信息的检测方向和作用范围。
另一方面,所述UWB标签安装于工作场景中物理禁区的边缘,并且该UWB标签存储有当前UWB标签在工作场景中的绝对位置信息;所述服务机器人的UWB基站用于接收每个UWB标签以一定频率发送的UWB标签的ID号以及与UWB基站的距离,所述UWB基站根据至少一个UWB标签与UWB基站的距离值,从而根据三角测量等方法获得服务机器人在工作场景全局地图中可能的位置和航向角范围。
也就是说,考虑到UWB标签需要供电,为了提高续航能力,一般将UWB标签设定工作在低功耗模式,例如设置数据发送频率为1Hz。
所述服务机器人的UWB基站,实时接收UWB标签所发送的数据,获得UWB标签相对于UWB基站,也就是服务机器人的相对距离和UWB标签的ID号信息,服务机器人综合多个UWB标签所发送的数据,即从而根据三角测量等方法可判断服务机器人在工作场景全局地图中可能的位置和航向角范围;并且可以基于此可能的位置和航向角范围,使服务机器人执行全局定位算法,如蒙特卡罗全局定位算法等,实现服务机器人的准确全局重定位,使服务机器人从迷路等异常状态中恢复。
另一方面,所述磁条安装于物理禁区的地面边缘,所述服务机器人的霍尔传感器检测到地面设置有磁条时,控制所述服务机器人禁止前行,并且控制服务机器人沿接近所述磁条的运动轨迹反向运动,以远离物理禁区。
优选地,考虑到有效检测距离和响应时间,所述霍尔传感器一般安装于服务机器人前底部脚轮的前面位置,其距离脚轮的远近需要综合考虑服务机器人的紧急制动距离。
优选地,所述磁条距离物理禁区的边缘存在预设距离,以保证服务机器人完全不驶入物理禁区。
本公开中,所述二维码或者颜色相间特殊识别卡设置于工作场景中物理禁区的地面边缘或者竖直面上,所述服务机器人的摄像头所采集的图像中包括二维码或者颜色相间的特殊识别卡时,所述服务机器人根据所述摄像头所采集的图像,图像处理模组提取二维码或者颜色相间特殊识别卡的图像坐标,由图像坐标系到服务机器人坐标系的转换矩阵进行转换,从而获得服务机器人的可能位置和航向角范围,并且基于所述服务机器人的可能位置和航向角范围,应用全局定位算法,基于工作场景全局地图获得服务机器人的全局最佳位姿估计。
优选地,根据服务机器人相对于人工标识的位置和航向角信息,控制服务机器人的运动轨迹,禁止进入相应物理禁区包括:
根据服务机器人相对于人工标识的相对位置和航向角信息,控制服务机器人的运动速度和方向,避免驶入工作场景中物理禁区发生危险事故。
根据本公开的另一方面,提供一种服务机器人,服务机器人主要在商超、办公楼等商用场景中执行促销、导购导览和清洁任务。所述服务机器人包括机器人本体100和检测装置101,检测装置101不限于安装在服务机器人本体的下部或前端,主要进行人工标识的检测、识别和相对服务机器人的定位。
控制器102安装内服务机器人本体100内部,控制服务机器人本体的前后左右等相对运动,通过实时接收检测装置101的信息,根据其中的人工标识相对于服务机器人100的位置,控制服务机器人100做出相应的规避运动策略。
服务机器人的控制器102可以基于检测装置101的信息,使服务机器人在迷路等状态后重新计算服务机器人的全局最佳位姿估计,找回自己的准确位姿。
人工标识103表示物理禁区104的区域,不限于安装于所需设物理禁区104前的地面或者旁边竖直面。物理禁区104主要用以表征服务机器人100绝对不能驶入的危险区域。
本公开中,当获得服务机器人在工作场景全局地图中的位置和航向角范围后,基于服务机器人可能的位置和航向角范围,应用全局定位算法,如蒙特卡罗全局定位算法等,实现服务机器人的准确全局重定位,使服务机器人从迷路等异常状态中恢复。
具体地,所述服务机器人的准确的全局重定位包括:
S1、获取服务机器人的当前时间帧的导航传感器的数据,如激光数据,基于已经构建的全局地图和当前时间帧的激光数据,应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计;
S2、根据当前时间帧k的最佳位姿估计Pk=[pk qk θk]T,计算当前时间帧k全局定位得分Ψk;
S3、当前时间帧的全局定位得分大于一定的阈值,即Ψk>Ψthreshold,表明服务机器人基于人工标识物理禁区的重定位准确,服务机器人从迷路等异常状态中得到恢复。
由此,本公开的服务机器人能够实现服务机器人在检测装置检测到物理禁区边缘的人工标识后,获得服务机器人在场景全局地图的可能位置和航向解范围后,获得准确的全局定位,并进一步地能使服务机器人从迷路等异常状态中恢复。
以下结合具体的示例,详细说明本公开的各个步骤。
S1、获取服务机器人的当前时间帧的导航传感器的数据,如激光数据,基于已经构建的全局地图和当前时间帧的激光数据,应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计。
通过服务机器人的导航2D激光传感器不断地扫描周围工作场景,获取每个时间帧的激光数据,其表征为{LD|{λk,n,n},n=1...N},其中λk,n为对应的激光点n极坐标距离,n为k时间帧激光点的序号,N为时间帧k激光点的总数,其每个离散点对应的角度为n·Δδ,Δδ为激光角分辨率,这些离散的激光数据点一般为2D扇面。
而已经存储的场景全局地图中χu,v表示场景2D全局地图中的栅格点[u,v]T的值,为二维地图栅格点集,考虑一般激光传感器所构建的是2D栅格地图,即把场景中的固定路标(障碍物区域)、可行驶区域(无障碍物区域)等离散成一定尺寸大小的栅格集,投射在激光扫描平面。通常用1表示有障碍物,0表示无障碍物,考虑到激光的有效扫描范围,对于未确定的区域用-1来表征,其表达式为:
服务机器人在工作场景中通过物理禁区检测装置,不断地检测人工标识,计算服务机器人相对于人工标识的位置和航向角信息,并根据人工标识在工作场景中的全局绝对位置,获得服务机器人在全局地图中的可能位置和航向角。
服务机器人依据当前时间帧的导航传感器的数据,如激光数据、已经构建的全局地图和在全局地图中的可能位置和航向角Ωk={[xk yk αk]T|xk∈[xmin xmax] yk∈[yminymax] αk∈[αmin αmax]},应用蒙特卡罗定位算法确定相对于给定场景地图的服务机器人的当前时间帧全局最佳位姿估计,从而实现准确的全局定位,其表征为Pk=[pk qk θk]T。其中pk和qk表示时间帧k服务机器人在全局坐标系的坐标位置,θk表示时间帧k服务机器人在全局坐标系的航向角。
S2、根据当前时间帧k的最佳位姿估计Pk=[pk qk θk]T,计算当前时间帧k全局定位得分Ψk。
为了评估当前时间帧k的最佳位姿估计是否准确可信的,需要定义一个判断标准和方法。本公开依据是基于当前时间帧k的最佳位姿估计Pk=[pk qk θk]T,对当前时间帧k的激光数据{LD|{λk,n,n},n=1...N}投影到已经构建的场景全局地图中,并计算与地图栅格点重合的激光数据点的个数。
首先,将激光数据点基于当前时间帧的全局最佳位姿估计投影到全局坐标系,当前时间帧k激光数据的每个激光离散点对应的全局坐标系位置为:
其中Δw为场景全局地图中栅格的物理宽度,Δδ为激光角分辨率,λk,n为对应的激光极坐标距离,Pk=[pk qk θk]T为当前时间帧k全局最佳位姿估计。
其次,统计与场景全局地图栅格点重合的激光数据点的个数:
理论上,对于绝对静态的场景,如果服务机器人全局定位准确,每个时间帧所获得的每个激光点应与地图中的某个栅格点会对应重合χu,v=1,即统计的全局定位得分Ψk=N。但是考虑到两个方面的影响因素,一是服务机器人的全局定位并不绝对准确,二是工作场景并不是绝对静态的,例如有些动态的行人等,所以一般来说Ψk<N。当然,Ψk越大说明时间帧k的最佳位姿估计越是准确可信的。
S3、当前时间帧的全局定位得分大于一定的阈值,即Ψk>Ψthreshold,表明服务机器人基于人工标识物理禁区的重定位准确,服务机器人从迷路等异常状态中得到恢复。
在通常情况下,服务机器人在工作场景中执行任务运行时,是实时执行全局定位的过程,也就是说服务机器人不断的实时获得当前时间帧的准确全局位姿估计Pk=[pk qkθk]T,并实时计算当前时间帧k的全局定位得分Ψk。当Ψk>Ψthreshold时,可以判断服务机器人的全局定位是准确可信的,而通过软件在工作场景全局地图中所预先设置的禁区和禁线,也会限制服务机器人进入这些物理禁区。同时,考虑到服务机器人运动的连续性,其当前时间帧k的位姿估计Pk=[pk qk θk]T可以为下一时间帧k+1提供相应的可能位置和航向角限制,从而不断地执行全局定位算法,获得不同时间帧的最佳位姿估计。但是当Ψk<Ψthreshold时,可以判断服务机器人处于异常如迷路等状态。在这种情况下,服务机器人当前时间帧k的位姿估计Pk=[pk qk θk]T可能是不准确的,那么在地图中所预先设置的禁区和禁线也会失去限制和约束能力,这时服务机器人可能会试图驶入工作场景中的物理禁区。这种情况下,服务机器人可以通过其检测装置来检测人工标识的存在,从而判断是否在靠近物理禁区,以及相对物理禁区的可能的位置和航向角信息。又因为这些人工标识在工作场景全局地图的绝对位置已知且不会发生改变,所以可以依据服务机器人可能的位置和航向角信息,再进一步基于已经构建的全局地图和当前时间帧的激光数据,应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计,并由此实现服务机器人的准确全局定位。
在本说明书的描述中,参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本领域的技术人员应当理解,上述实施方式仅仅是为了清楚地说明本公开,而并非是对本公开的范围进行限定。对于所属领域的技术人员而言,在上述公开的基础上还可以做出其它变化或变型,并且这些变化或变型仍处于本公开的范围内。
Claims (8)
1.一种服务机器人物理禁区检测和全局重定位方法,其特征在于,包括:
人工标识被预先设置在工作场景中服务机器人不能进入的物理禁区边缘;
服务机器人运行中不断地检测工作场景中是否存在人工标识;其中,当所述服务机器人与所述人工标识的距离在预设范围内时,通过所述服务机器人的检测装置检测该人工标识;所述人工标识包括:RFID标签、UWB标签、磁条、二维码或者颜色相间的特殊识别卡任意一种或者多种的组合;
当在工作场景中存在人工标识信息时,识别人工标识,并确认服务机器人相对于人工标识的位置和航向角信息;
根据服务机器人相对于人工标识的位置和航向角信息,控制服务机器人的运动轨迹,禁止进入相应物理禁区;以及
根据人工标识在全局地图中的绝对位置,获得服务机器人在工作场景全局地图中可能的位置和航向角范围,应用全局定位算法实现服务机器人的准确的全局重定位;
所述服务机器人的准确的全局重定位包括:S1、获取服务机器人的当前时间帧的导航传感器的数据,基于已经构建的全局地图和当前时间帧的导航传感器数据,应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计;服务机器人在工作场景中通过物理禁区检测装置,不断地检测人工标识,计算服务机器人相对于人工标识的位置和航向角信息,并根据人工标识在工作场景中的全局绝对位置,获得服务机器人在全局地图中的可能位置和航向角;S2、根据当前时间帧k的最佳位姿估计Pk=[pkqkθk]T,计算当前时间帧k全局定位得分Ψk;以及S3、当前时间帧的全局定位得分大于一定的阈值,表明服务机器人基于人工标识物理禁区的重定位准确,服务机器人从异常状态中得到恢复;
“获取服务机器人的当前时间帧的导航传感器的数据,基于已经构建的全局地图和当前时间帧的导航传感器数据,应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计”包括:通过服务机器人的导航2D激光传感器不断地扫描周围工作场景,获取每个时间帧的激光数据,其表征为{LD|{λk,n,n},n=1...N},其中λk,n为对应的激光点n极坐标距离,n为k时间帧激光点的序号,N为时间帧k激光点的总数,其每个离散点对应的角度为n·△δ,△δ为激光角分辨率,这些离散的激光数据点为2D扇面;已经存储的场景全局地图中χu,v表示场景2D全局地图中的栅格点[u,v]T的值,为二维地图栅格点集,导航2D激光传感器所构建的2D栅格地图的表达式为:
服务机器人在工作场景中通过物理禁区检测装置,不断地检测人工标识,计算服务机器人相对于人工标识的位置和航向角信息,并根据人工标识在工作场景中的全局绝对位置,获得服务机器人在全局地图中的可能位置和航向角;
其中,“根据当前时间帧k的最佳位姿估计Pk=[pk qk θk]T,计算当前时间帧k全局定位得分Ψk”包括:将激光数据点基于当前时间帧的全局最佳位姿估计投影到全局坐标系,当前时间帧k激光数据的每个激光离散点对应的全局坐标系位置为:
其中△w为场景全局地图中栅格的物理宽度,△δ为激光角分辨率,λk,n为对应的激光极坐标距离,Pk=[pk qk θk]T为当前时间帧k全局最佳位姿估计;
统计与场景全局地图栅格点重合的激光数据点的个数:
Ψk越大说明时间帧k的最佳位姿估计越是准确可信的。
2.如权利要求1所述的服务机器人物理禁区检测和全局重定位方法,其特征在于,所述检测装置包括:RFID读卡器、UWB基站、霍尔传感器、摄像头和图像处理模组中的一种或多种;
其中,当所述人工标识包括RFID标签时,所述检测装置包括RFID读卡器;
当所述人工标识包括UWB标签时,所述检测装置包括UWB基站;
当所述人工标识包括磁条时,所述检测装置包括霍尔传感器;
当所述人工标识包括二维码或者颜色识别卡时,所述检测装置包括摄像头和图像处理模组。
3.如权利要求2所述的服务机器人物理禁区检测和全局重定位方法,其特征在于,所述RFID标签安装于物理禁区的边缘,并且该RFID标签存储有当前RFID标签在工作场景中的绝对全局位置信息;所述服务机器人的RFID读卡器距离该RFID标签一定范围时,获取该RFID标签所存储的当前RFID标签在工作场景中的绝对全局位置信息;并且根据当前RFID标签中的绝对全局位置信息确认服务机器人在工作场景全局地图中的可能位置和航向角范围。
4.如权利要求2所述的服务机器人物理禁区检测和全局重定位方法,其特征在于,所述UWB标签安装于工作场景中物理禁区的边缘,并且该UWB标签存储有当前UWB标签在工作场景中的绝对全局位置信息;所述服务机器人的UWB基站用于接收每个UWB标签以一定频率发送的UWB标签的ID号以及与UWB基站的距离,所述UWB基站根据至少一个UWB标签与UWB基站的距离值,从而根据三角测量方法获得服务机器人在工作场景全局地图中的可能位置和航向角范围。
5.如权利要求2所述的服务机器人物理禁区检测和全局重定位方法,其特征在于,所述磁条安装于工作场景中物理禁区的地面边缘,所述服务机器人的霍尔传感器检测到地面设置有磁条时,控制所述服务机器人停止前行,并且控制服务机器人沿接近所述磁条的运动轨迹反向运动,以远离物理禁区,从而防止服务机器人进入危险区域。
6.如权利要求5所述的服务机器人物理禁区检测和全局重定位方法,其特征在于,所述磁条距离物理禁区的边缘存在预设安全有效距离,所述安全有效距离的大小根据服务机器人减速距离和检测装置的响应速度而决定。
7.如权利要求2所述的服务机器人物理禁区检测和全局重定位方法,其特征在于,所述二维码或者颜色识别卡设置于工作场景中物理禁区的地面边缘或者竖直面上,所述服务机器人的摄像头所采集的图像中包括二维码或者颜色相间的特殊识别卡时,所述服务机器人根据所述摄像头所采集的图像,图像处理模组提取二维码或者颜色相间特殊识别卡的图像坐标,由图像坐标系到服务机器人坐标系的转换矩阵进行转换,从而获得服务机器人在工作场景全局地图中的可能位置和航向角范围。
8.如权利要求1所述的服务机器人物理禁区检测和全局重定位方法,其特征在于,根据服务机器人相对于人工标识的位置和航向角信息,控制服务机器人的运动轨迹,禁止进入相应物理禁区包括:
根据服务机器人相对于人工标识的相对位置和航向角信息,控制服务机器人的运动速度和方向,避免驶入工作场景中物理禁区发生危险事故。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110225310.3A CN113050626B (zh) | 2021-03-01 | 2021-03-01 | 服务机器人物理禁区检测和全局重定位方法 |
PCT/CN2021/118027 WO2022183709A1 (zh) | 2021-03-01 | 2021-09-13 | 服务机器人物理禁区检测和全局重定位方法 |
US18/130,701 US20230244239A1 (en) | 2021-03-01 | 2023-04-04 | Method for Detecting Physical Forbidden Zone and Global Relocating of Service Robot |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110225310.3A CN113050626B (zh) | 2021-03-01 | 2021-03-01 | 服务机器人物理禁区检测和全局重定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113050626A CN113050626A (zh) | 2021-06-29 |
CN113050626B true CN113050626B (zh) | 2023-04-11 |
Family
ID=76509412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110225310.3A Active CN113050626B (zh) | 2021-03-01 | 2021-03-01 | 服务机器人物理禁区检测和全局重定位方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230244239A1 (zh) |
CN (1) | CN113050626B (zh) |
WO (1) | WO2022183709A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113050626B (zh) * | 2021-03-01 | 2023-04-11 | 苏州澜途科技有限公司 | 服务机器人物理禁区检测和全局重定位方法 |
CN113879288B (zh) * | 2021-09-14 | 2023-07-21 | 中汽创智科技有限公司 | 一种采集传感器的控制方法、装置、存储介质及车辆 |
CN114211487A (zh) * | 2021-12-14 | 2022-03-22 | 珠海一微半导体股份有限公司 | 机器人禁区的设置方法、机器人控制方法、芯片及机器人 |
CN114310876A (zh) * | 2021-12-20 | 2022-04-12 | 达闼机器人有限公司 | 机器人定位方法、系统、处理设备及介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060020370A1 (en) * | 2004-07-22 | 2006-01-26 | Shai Abramson | System and method for confining a robot |
CN103558856A (zh) * | 2013-11-21 | 2014-02-05 | 东南大学 | 动态环境下服务动机器人导航方法 |
US9420741B2 (en) * | 2014-12-15 | 2016-08-23 | Irobot Corporation | Robot lawnmower mapping |
CN106155049A (zh) * | 2015-04-15 | 2016-11-23 | 小米科技有限责任公司 | 智能清洁设备及其引导方法、引导桩、智能清洁系统 |
CN207224024U (zh) * | 2017-09-05 | 2018-04-13 | 杭州亚美利嘉科技有限公司 | 用磁作为方向定位的机器人 |
CN110319834B (zh) * | 2018-03-30 | 2021-04-23 | 深圳市神州云海智能科技有限公司 | 一种室内机器人定位的方法及机器人 |
CN110986956B (zh) * | 2019-12-23 | 2023-06-30 | 苏州寻迹智行机器人技术有限公司 | 一种基于改进的蒙特卡洛算法的自主学习全局定位方法 |
CN111443713B (zh) * | 2020-04-14 | 2023-07-18 | 三一机器人科技有限公司 | 融合定位导航系统和方法 |
CN112013841B (zh) * | 2020-08-26 | 2021-08-06 | 南京工业大学 | 一种室内动态环境下的语义slam服务机器人导航方法 |
CN113050626B (zh) * | 2021-03-01 | 2023-04-11 | 苏州澜途科技有限公司 | 服务机器人物理禁区检测和全局重定位方法 |
-
2021
- 2021-03-01 CN CN202110225310.3A patent/CN113050626B/zh active Active
- 2021-09-13 WO PCT/CN2021/118027 patent/WO2022183709A1/zh unknown
-
2023
- 2023-04-04 US US18/130,701 patent/US20230244239A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022183709A1 (zh) | 2022-09-09 |
US20230244239A1 (en) | 2023-08-03 |
CN113050626A (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113050626B (zh) | 服务机器人物理禁区检测和全局重定位方法 | |
Lenser et al. | Visual sonar: Fast obstacle avoidance using monocular vision | |
Yoo et al. | A robust lane detection method based on vanishing point estimation using the relevance of line segments | |
Ulrich et al. | Appearance-based obstacle detection with monocular color vision | |
JP5909486B2 (ja) | 自己位置姿勢推定システム | |
CN112004645A (zh) | 智能清洁机器人 | |
WO2019026761A1 (ja) | 移動体およびコンピュータプログラム | |
Taipalus et al. | Human detection and tracking with knee-high mobile 2D LIDAR | |
CN216454808U (zh) | 用于接收移动清洁机器人并为其充电的坞站 | |
Matsushita et al. | On-line road boundary modeling with multiple sensory features, flexible road model, and particle filter | |
JPWO2019187816A1 (ja) | 移動体および移動体システム | |
JP2011059905A (ja) | ロボット、制御プログラム、及び記録媒体 | |
Rieken et al. | Toward perception-driven urban environment modeling for automated road vehicles | |
JPWO2019054209A1 (ja) | 地図作成システムおよび地図作成装置 | |
CN113034579A (zh) | 一种移动机器人基于激光数据的动态障碍物轨迹预测方法 | |
Rasmussen et al. | Appearance contrast for fast, robust trail-following | |
CN112477533A (zh) | 设施农业路轨两用运输机器人 | |
JP7164094B2 (ja) | 自動運転システム用のインテリジェント倉庫保管技術 | |
US20240085916A1 (en) | Systems and methods for robotic detection of escalators and moving walkways | |
CN104252180B (zh) | 自动工作系统及其对接方法 | |
US20220221879A1 (en) | Moving body, control method, and program | |
CA2957380C (en) | Vision-based system for navigating a robot through an indoor space | |
Sato et al. | Self-driving system for electric wheelchair using smartphone to estimate travelable areas | |
Nabbe et al. | Opportunistic use of vision to push back the path-planning horizon | |
CN115195602A (zh) | 显示控制系统、显示控制方法以及非临时性存储介质 |
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 |