CN113156933B - 一种机器人行进控制系统和方法 - Google Patents
一种机器人行进控制系统和方法 Download PDFInfo
- Publication number
- CN113156933B CN113156933B CN202011644101.4A CN202011644101A CN113156933B CN 113156933 B CN113156933 B CN 113156933B CN 202011644101 A CN202011644101 A CN 202011644101A CN 113156933 B CN113156933 B CN 113156933B
- Authority
- CN
- China
- Prior art keywords
- robot
- peripheral
- target
- alternative
- influence degree
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000002093 peripheral effect Effects 0.000 claims abstract description 181
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 230000008447 perception Effects 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 6
- 238000006073 displacement reaction Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 5
- 239000002985 plastic film Substances 0.000 description 4
- 229920006255 plastic film Polymers 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process 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, 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
- G05D1/0221—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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Optics & Photonics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开的一种机器人行进控制系统和方法,系统包括周边感知模块、周边目标识别模块、综合判断模块;周边感知模块用于对机器人为中心一定距离范围内空间中的周边目标进行全面的感知监测;周边目标识别模块用于根据目标特征,识别周边目标的类型,并且确定机器人的备选行进路径;综合判断模块综合每个备选行进路径的第一影响度和第二影响度,从备选行进路径中确定机器人的实际行进路径。本发明对机器人行进过程中的周边目标进行了准确的分析识别,根据周边目标对机器人行进的影响程度,综合考虑以上因素最终设定最优化的实际行进路径,避免了行进路径选择与机器人周边目标实际影响及机器人自身状态不匹配所带来的安全性风险。
Description
技术领域
本发明涉及机器人技术领域,具体是一种机器人行进控制系统和方法。
背景技术
当前,机器人在生产生活的各个方面得到了越来越广泛的应用,特别是具有自主行进功能的机器人,在环境清洁、运输物流等方面能够取代人力劳动,节约成本并提高效率。
机器人的自主行进,结合了环境感知、目标识别、行进路径自主规划、机械自动控制等多个方面的技术,是一个复杂的综合性系统。其中,安全性是首要的考虑因素,这里包括机器人周边目标安全和机器人自身安全;机器人周边目标安全是为了避免机器人与其周边的人、物等目标发生碰撞,给周边目标造成损害;机器人自身安全则是避免机器人自身发生碰撞、歪斜、晃动、倾覆等情况,导致机器人自身或者其内部承载物的损失;这里的碰撞、歪斜、晃动、倾覆等情况有可能是与周边目标的接触而发生的,也有可能是因为路面不平、内部负重失衡导致的。
目前,实现上述安全性的主要技术手段是给机器人安装避障相关的硬件,例如激光雷达、测距仪等,一旦监测到周边目标与行进路径产生冲突即命令机器人暂停行进,有的机器人还设置了重新规划行进路径绕行的功能。但是,现有的技术手段较为单一,不能适应周边目标的不同特点,例如有的周边目标虽然与行进路径存在冲突,但其实不影响机器人的通行,比如物流运输场景中的一些塑料膜、软包装等。现有技术手段中重新规划行进路径也没有充分考虑各种因素,比如在相对较小或者拥挤的空间中机器人的绕行动作往往增大与其它周边目标发生碰撞的风险,而且动作过程也容易加剧负重失衡、晃动歪斜等情况。
发明内容
鉴于上述问题,本发明的目的是提供一种机器人行进控制系统和方法,其旨在解决现有技术中的机器人行进控制不能适应全部周边目标的不同特点、不能综合考虑机器人外部周边目标和自身内部状态实现优化的问题。
本发明提供了一种机器人行进控制系统,其特征在于,包括周边感知模块、周边目标识别模块、综合判断模块;
所述周边感知模块用于对机器人为中心一定距离范围内空间中的周边目标进行全面的感知监测,提取每个所感知的周边目标的目标特征,以及对该空间进行空间划分,形成子空间;
所述周边目标识别模块用于根据所述目标特征,识别周边目标的类型,并且根据周边目标的类型,从子空间中确定机器人的备选行进路径;
所述综合判断模块对于每个备选行进路径,根据其对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;综合每个备选行进路径的以上第一影响度和第二影响度,从备选行进路径中确定机器人的实际行进路径。
优选的是,所述周边感知模块包括:信号处理单元、周边目标提取单元、空间划分单元;
所述信号处理单元,用于采集机器人为中心一定距离范围内空间中的感知数据,并对所述感知数据进行预处理,将预处理后的感知数据传输给所述周边目标提取单元和所述空间划分单元;
所述周边目标提取单元,用于基于所述预处理后的感知数据,利用预设算法,对机器人为中心一定距离范围内空间中的所述周边目标及其目标特征进行提取;
所述空间划分单元,用于基于所述预处理后的感知数据,对机器人为中心一定距离范围内的空间进行划分,形成若干个子空间。
优选的是,所述周边目标识别模块,包括:周边目标类别识别单元、路径识别单元;
所述周边目标类别识别单元连接所述周边目标提取单元,用于基于所述目标特征,对周边目标的类别进行判断;
所述路径识别单元,连接所述周边目标类别识别单元以及所述空间划分单元,根据划分后每个子空间内的周边目标的类别,在所述子空间中确定至少一个备选行进路径。
优选的是,所述周边目标的类别,包括移动性目标、非障碍目标以及障碍目标;所述移动性目标是可移动的周边目标;所述非障碍目标是对机器人行进不构成障碍的周边目标;所述障碍目标是导致机器人无法行进的周边目标。
优选的是,所述综合判断模块,包括:影响度计算单元、权重综合单元、评估单元;
所述影响度计算单元用于根据每个备选行进路径对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;
所述权重综合单元用于将每个备选行进路径的所述第一影响度与所述第二影响度按照权重进行累加,形成综合影响度;
评估单元用于根据所述综合影响度,按照最优化标准从备选行进路径中确定机器人的实际行进路径。
基于上述目的,在本申请的第二个方面,还提出了提供了一种机器人行进控制方法,其特征在于,包括以下步骤;
对机器人为中心一定距离范围内空间中的周边目标进行全面的感知监测,提取每个所感知的周边目标的目标特征,以及对该空间进行空间划分,形成子空间;
根据所述目标特征,识别周边目标的类型,并且根据周边目标的类型,从子空间中确定机器人的备选行进路径;
对于每个备选行进路径,根据其对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;综合每个备选行进路径的以上第一影响度和第二影响度,从备选行进路径中确定机器人的实际行进路径。
优选的是,对机器人为中心一定距离范围内空间中的周边目标进行全面的感知监测,提取每个所感知的周边目标的目标特征,以及对该空间进行空间划分,形成子空间的步骤,具体包括:
采集机器人为中心一定距离范围内空间中的感知数据,并对所述感知数据进行预处理;
基于所述预处理后的感知数据,利用预设算法,对机器人为中心一定距离范围内空间中的所述周边目标及其目标特征进行提取;
基于所述预处理后的感知数据,对机器人为中心一定距离范围内的空间进行划分,形成若干个子空间。
优选的是,根据所述目标特征,识别周边目标的类型,并且根据周边目标的类型,从子空间中确定机器人的备选行进路径的步骤,具体包括:
基于所述目标特征,对周边目标的类别进行判断;
根据划分后每个子空间内的周边目标的类别,在所述子空间中确定至少一个备选行进路径。
优选的是,所述周边目标的类别,包括移动性目标、非障碍目标以及障碍目标;所述移动性目标是可移动的周边目标;所述非障碍目标是对机器人行进不构成障碍的周边目标;所述障碍目标是导致机器人无法行进的周边目标。
优选的是,对于每个备选行进路径,根据其对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;综合每个备选行进路径的以上第一影响度和第二影响度,从备选行进路径中确定机器人的实际行进路径的步骤,具体包括:
根据每个备选行进路径对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;
将每个备选行进路径的所述第一影响度与所述第二影响度按照权重进行累加,形成综合影响度;
根据所述综合影响度,按照最优化标准从备选行进路径中确定机器人的实际行进路径。
本发明实施例提供的上述技术方案的有益效果至少包括:对机器人行进过程中的周边目标进行了准确的分析识别,根据周边目标对机器人行进的影响程度,以及根据机器人为中心一定范围内的全部周边目标情况以及机器人自身状态的监测情况,综合考虑以上因素最终设定最优化的实际行进路径,避免了行进路径选择与机器人周边目标实际影响及机器人自身状态不匹配所带来的安全性风险。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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为本发明实施例提供的一种机器人行进控制系统的结构示意图;
图2为本发明实施例提供的一种机器人行进控制方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1所示,本发明实施例提供的一种机器人行进控制系统,包括:周边感知模块1、周边目标识别模块2、综合判断模块3;
所述周边感知模块1用于对机器人为中心一定距离范围内空间中的周边目标进行全面的感知监测,提取每个所感知的周边目标的目标特征,以及对该空间进行空间划分,形成子空间。
所述周边感知模块1包括:信号处理单元101、周边目标提取单元102、空间划分单元103;所述信号处理单元101,用于采集机器人为中心一定距离范围内空间中的感知数据,并对所述感知数据进行预处理,将预处理后的感知数据传输给所述周边目标提取单元102和所述空间划分单元103;所述周边目标提取单元102,用于基于所述预处理后的感知数据,利用预设算法,对机器人为中心一定距离范围内空间中的所述周边目标及其目标特征进行提取;所述空间划分单元103,用于基于所述预处理后的感知数据,对机器人为中心一定距离范围内的空间进行划分,形成若干个子空间。
其中,信号处理单元101可以包括在机器人的前、后、左、右等多个方向上安装的激光雷达、超声波、摄像机等感知装备的一种或者多种,从而能够采集到点云数据、声波反射数据、图像数据等感知数据,实现了对机器人为中心一定距离范围内空间(例如半径范围R的空间)的感知数据进行采集。以点云数据作为感知数据为例,采集的点云数据每一个点包含有三维坐标、颜色信息和反射强度信息。信号处理单元101对所述点云数据进行预处理,预处理包括对所述点云数据进行去噪和简化。去噪可以用点云数据过滤实现,对点云数据去噪后,可以将点云数据划分为若干个单位,计算每个单位的重心点,将重心点作为各个单元内的点云数据。
所述周边目标提取单元102用于基于所述预处理后的感知数据,利用预设算法,对机器人为中心一定距离范围内空间中的所述周边目标及其目标特征进行提取。所述周边目标提取单元102对空间中的各个物体进行分割,提取出每个物体的点云作为周边目标,进而提取周边目标的目标特征。对各个物体进行分割的步骤如下:选取局部领域内法线间夹角最小的点作为种子点,利用法线夹角与颜色差异进行区域增长,计算区域增长结果中各聚类点的数目,将各聚类点的数目与最小聚类点数量阈值进行比较,若聚类点的数目小于最小聚类点数量阈值,则将该聚类点划分至相邻颜色均值与其差异最小的点云聚类中;若聚类点的数目大于最小聚类点数量阈值时,则设置新的角度阈值与色差阈值,并对聚类内的点重新按照法线夹角与颜色差异进行区域增长,直至点云数据中的各聚类点符合预设阈值为止。具体的,提取周边目标的目标特征包括:将点云模型与参考物体进行特征匹配,直至参考物体与点云模型上的特征点完全匹配为止,选取任意分割物体的某一点作为参考点,计算点云模型上各个特征点到参考点的向量,将该向量坐标转换至参考物体的特征点上,在参考物体上生成参考向量,对测试物体上的特征点进行投票,若投票均在物体表面同一区域或表面附近同一区域,且该区域投票数量满足预设阈值,则将所述参考物体的特征作为分割物体的特征。
空间划分单元103对机器人为中心一定距离范围内的空间进行划分,形成若干个子空间。首先,对于机器人为中心一定距离范围内的空间中感测的全部点云数据,先利用随机采样一致性算法将各个子空间中的物体与背景进行划分,剔除背景点云,再对各个物体进行分割,提取出每个物体的点云;明确物体与子空间的对应关系;以机器人为中心、半径为R的空间,按照一定的圆心角划分为若干个子空间,划分子空间时候应避免将一个物体的点云切分到不同的子空间。其中,利用随机采样一致性算法剔除背景的具体步骤为:设置距离阈值,随机选取任意3个不共线的点生成平面,计算点云数据中各点到该平面的距离并与距离阈值进行比较,将小于距离阈值的点作为内点进行模型拟合,计算周围点和模型距离(周围点至平面之间的距离)确定是否将其归入模型内点,重新在点云数据中随机选取模型参数不同的最小数量点,重复迭代执行上述过程,直至估计出迭代次数内的最优模型为止。对物体进行分割的具体方法与上文介绍相同。
所述周边目标识别模块2用于根据所述目标特征,识别周边目标的类型,并且根据周边目标的类型,从子空间中确定机器人的备选行进路径。所述周边目标识别模块2包括:周边目标类别识别单元201和路径识别单元202。所述周边目标类别识别单元201连接所述周边目标提取单元102,用于基于所述目标特征,对周边目标的类别进行判断。所述路径识别单元202连接所述周边目标类别识别单元201以及所述空间划分单元103,根据划分后每个子空间内的周边目标的类别,在所述子空间中确定至少一个备选行进路径。
周边目标类别识别单元201基于周边目标的目标特征,对周边目标的物品类别(例如,人体、动物、塑料膜、路面突起、家具、水泥路障、隔离带等)进行判断。具体来说,将周边目标的目标特征(反映周边目标的大小、尺寸、形状等方面的特征)输入至训练后的支持向量机中,输出其物品类别。支持向量机的训练过程为:将数据库中的物体特征作为输入向量输入至支持向量机中,将输出结果(即物体类别)与数据库中该物体特征对应的物体类别进行匹配,若匹配结果在预设范围内,则表示支持向量机训练完成,若匹配结果不在预设范围内,则改变支持向量机的匹配参数,直至输出结果与物品类别相匹配。进一步地,再根据周边目标的物品类别,将其归类于以下类别的其中一种:移动性目标、非障碍目标以及障碍目标;所述移动性目标是可移动的周边目标,例如上文谈及的人体、动物;所述非障碍目标是对机器人行进不构成障碍的周边目标,例如塑料膜、路面突起;所述障碍目标是导致机器人无法行进的周边目标,例如家具、水泥路障、隔离带等。
所述路径识别单元202,根据划分后每个子空间内的周边目标的类别,在所述子空间中确定至少一个备选行进路径。具体来说,对于划分后子空间内没有周边目标存在(即空旷的子空间)的情况,则在该子空间内规划一条备选行进路径;对于划分后子空间内存在移动性目标或者非障碍目标的子空间,则在该子空间内规划一条备选行进路径;对于划分后子空间内存在障碍目标的情况,则不在该子空间内规划备选行进路径。
所述综合判断模块3,包括:影响度计算单元301、权重综合单元302、评估单元303。所述影响度计算单元301用于根据每个备选行进路径对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;所述权重综合单元302用于将每个备选行进路径的所述第一影响度与所述第二影响度按照权重进行累加,形成综合影响度;评估单元303用于根据所述综合影响度,按照最优化标准从备选行进路径中确定机器人的实际行进路径。
所述影响度计算单元301用于根据每个备选行进路径对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度。举例来说,设置第一影响度的取值范围为1-100,对于机器人所在的空间,排除存在障碍目标的子空间后,假设四个子空间具有备选行进路径,子空间一的备选行进路径没有任何周边目标,则可设置第一影响度在40以内,子空间二的备选行进路径存在人体,但人在机器人驶近时,绝大部分情况下可以避让错开,属于移动性目标,因此可以设置第一影响度在40-80,子空间三的备选行进路径存在塑料膜或者非平坦路面突起,属于非障碍目标,但是其影响程度大于人体,因为有可能造成机器人的颠簸,也存在一定的倾覆风险,因此第一影响度的取值范围在80以上。在每个取值范围内,又可以根据周边目标的具体尺寸、物品类型等,获得第一影响度的具体值。影响度计算单元301还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度。其中,首先根据机器人目前的位置和朝向,获得机器人进入备选行进路径所需的位移和偏转角度;第二影响度与位移量和偏转角度成正比,也就是位移量越大、偏转角度越大则第二影响度越大。进而,根据机器人自身状态,考虑每单位位移量和每单位偏转角度所对应的第二影响度数值;可以考虑机器人的体积、负重等因素,机器人体积越大、负重越大则可以认为每单位位移量和每单位偏转角度所对应的第二影响度数值越大。而且,机器人的位移和偏转显然有可能增大与周边目标发生碰撞的几率,因此,可以根据机器人全部周边目标的数量,数量越多则对应的第二影响度数值越大。
所述权重综合单元302用于将每个备选行进路径的所述第一影响度与所述第二影响度按照权重进行累加,形成综合影响度。
评估单元303用于根据所述综合影响度,按照最优化标准从备选行进路径中确定机器人的实际行进路径。具体来说,上例中根据子空间一至四的备选行进路径所对应的综合影响度,选取综合影响度最小的备选行进路径。
基于以上系统,本发明实施例还提供了一种机器人行进控制方法,如图2所示,包括以下步骤:
S1:对机器人为中心一定距离范围内空间中的周边目标进行全面的感知监测,提取每个所感知的周边目标的目标特征,以及对该空间进行空间划分,形成子空间。具体包括:采集机器人为中心一定距离范围内空间中的感知数据,并对所述感知数据进行预处理;基于所述预处理后的感知数据,利用预设算法,对机器人为中心一定距离范围内空间中的所述周边目标及其目标特征进行提取;基于所述预处理后的感知数据,对机器人为中心一定距离范围内的空间进行划分,形成若干个子空间。
S2:根据所述目标特征,识别周边目标的类型,并且根据周边目标的类型,从子空间中确定机器人的备选行进路径。具体包括:基于所述目标特征,对周边目标的类别进行判断;根据划分后每个子空间内的周边目标的类别,在所述子空间中确定至少一个备选行进路径。所述周边目标的类别,包括移动性目标、非障碍目标以及障碍目标;所述移动性目标是可移动的周边目标;所述非障碍目标是对机器人行进不构成障碍的周边目标;所述障碍目标是导致机器人无法行进的周边目标。
S3:对于每个备选行进路径,根据其对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;综合每个备选行进路径的以上第一影响度和第二影响度,从备选行进路径中确定机器人的实际行进路径。具体包括:根据每个备选行进路径对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;将每个备选行进路径的所述第一影响度与所述第二影响度按照权重进行累加,形成综合影响度;根据所述综合影响度,按照最优化标准从备选行进路径中确定机器人的实际行进路径。
本发明实施例提供的上述技术方案的有益效果至少包括:对机器人行进过程中的周边目标进行了准确的分析识别,根据周边目标对机器人行进的影响程度,以及根据机器人为中心一定范围内的全部周边目标情况以及机器人自身状态的监测情况,综合考虑以上因素最终设定最优化的实际行进路径,避免了行进路径选择与机器人周边目标实际影响及机器人自身状态不匹配所带来的安全性风险。
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 (7)
1.一种机器人行进控制系统,其特征在于,包括周边感知模块、周边目标识别模块、综合判断模块;
所述周边感知模块用于对机器人为中心一定距离范围内空间中的周边目标进行全面的感知监测,提取每个所感知的周边目标的目标特征,以及对该空间进行空间划分,形成子空间;
所述周边目标识别模块用于根据所述目标特征,识别周边目标的类型,并且根据周边目标的类型,从子空间中确定机器人的备选行进路径;
所述综合判断模块对于每个备选行进路径,根据其对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;综合每个备选行进路径的以上第一影响度和第二影响度,从备选行进路径中确定机器人的实际行进路径;
其中,所述周边感知模块包括:信号处理单元、周边目标提取单元、空间划分单元;
所述信号处理单元包括,在机器人的四周多个方向上安装的感知装备,用于采集机器人为中心一定距离范围内空间中的感知数据,并对所述感知数据进行预处理,将预处理后的感知数据传输给所述周边目标提取单元和所述空间划分单元;
所述周边目标提取单元,用于基于所述预处理后的感知数据,利用预设算法,对机器人为中心一定距离范围内空间中的所述周边目标及其目标特征进行提取;
其中,所述周边目标提取单元对空间中的各个物体进行分割,提取出每个物体的点云作为周边目标,进而提取周边目标的目标特征;对各个物体进行分割的步骤如下:选取局部领域内法线间夹角最小的点作为种子点,利用法线夹角与颜色差异进行区域增长,计算区域增长结果中各聚类点的数目,将各聚类点的数目与最小聚类点数量阈值进行比较,若聚类点的数目小于最小聚类点数量阈值,则将该聚类点划分至相邻颜色均值与其差异最小的点云聚类中;若聚类点的数目大于最小聚类点数量阈值时,则设置新的角度阈值与色差阈值,并对聚类内的点重新按照法线夹角与颜色差异进行区域增长,直至点云数据中的各聚类点符合预设阈值为止;提取周边目标的目标特征包括:将点云模型与参考物体进行特征匹配,直至参考物体与点云模型上的特征点完全匹配为止,选取任意分割物体的某一点作为参考点,计算点云模型上各个特征点到参考点的向量,将向量坐标转换至参考物体的特征点上,在参考物体上生成参考向量,对测试物体上的特征点进行投票,若投票均在物体表面同一区域或表面附近同一区域,且该区域投票数量满足预设阈值,则将所述参考物体的特征作为分割物体的特征;
所述空间划分单元,用于基于所述预处理后的感知数据,对机器人为中心一定距离范围内的空间进行划分,形成若干个子空间;
所述周边目标类别识别单元连接所述周边目标提取单元,用于基于所述目标特征,对周边目标的类别进行判断;
路径识别单元,连接所述周边目标类别识别单元以及所述空间划分单元,根据划分后每个子空间内的周边目标的类别,在所述子空间中确定至少一个备选行进路径;
其中,所述周边目标的类别,包括移动性目标、非障碍目标以及障碍目标;所述移动性目标是可移动的周边目标;所述非障碍目标是对机器人行进不构成障碍的周边目标;所述障碍目标是导致机器人无法行进的周边目标。
2.如权利要求1所述的一种机器人行进控制系统,其特征在于,所述综合判断模块,包括:影响度计算单元、权重综合单元、评估单元;
所述影响度计算单元用于根据每个备选行进路径对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;
所述权重综合单元用于将每个备选行进路径的所述第一影响度与所述第二影响度按照权重进行累加,形成综合影响度;
所述评估单元用于根据所述综合影响度,按照最优化标准从备选行进路径中确定机器人的实际行进路径。
3.一种基于权利要求1至2任意一项权利要求所述的机器人行进控制系统的机器人行进控制方法,其特征在于,包括以下步骤;
对机器人为中心一定距离范围内空间中的周边目标进行全面的感知监测,提取每个所感知的周边目标的目标特征,以及对该空间进行空间划分,形成子空间;
根据所述目标特征,识别周边目标的类型,并且根据周边目标的类型,从子空间中确定机器人的备选行进路径;
对于每个备选行进路径,根据其对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;综合每个备选行进路径的以上第一影响度和第二影响度,从备选行进路径中确定机器人的实际行进路径。
4.如权利要求3所述的一种机器人行进控制方法,其特征在于,对机器人为中心一定距离范围内空间中的周边目标进行全面的感知监测,提取每个所感知的周边目标的目标特征,以及对该空间进行空间划分,形成子空间的步骤,具体包括:
采集以机器人为中心一定距离范围内空间中的感知数据,并对所述感知数据进行预处理;
基于所述预处理后的感知数据,利用预设算法,对机器人为中心一定距离范围内空间中的所述周边目标及其目标特征进行提取;
基于所述预处理后的感知数据,对机器人为中心一定距离范围内的空间进行划分,形成若干个子空间。
5.如权利要求4所述的一种机器人行进控制方法,其特征在于,根据所述目标特征,识别周边目标的类型,并且根据周边目标的类型,从子空间中确定机器人的备选行进路径的步骤,具体包括:
基于所述目标特征,对周边目标的类别进行判断;
根据划分后每个子空间内的周边目标的类别,在所述子空间中确定至少一个备选行进路径。
6.如权利要求5所述的一种机器人行进控制方法,其特征在于,所述周边目标的类别,包括移动性目标、非障碍目标以及障碍目标;所述移动性目标是可移动的周边目标;所述非障碍目标是对机器人行进不构成障碍的周边目标;所述障碍目标是导致机器人无法行进的周边目标。
7.如权利要求6所述的一种机器人行进控制方法,其特征在于,对于每个备选行进路径,根据其对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;综合每个备选行进路径的以上第一影响度和第二影响度,从备选行进路径中确定机器人的实际行进路径的步骤,具体包括:
根据每个备选行进路径对应子空间中的周边目标类型,判断其对行进的第一影响度;还基于对机器人全部周边目标的识别以及对机器人自身状态的监测,判断该备选行进路径的第二影响度;
将每个备选行进路径的所述第一影响度与所述第二影响度按照权重进行累加,形成综合影响度;
根据所述综合影响度,按照最优化标准从备选行进路径中确定机器人的实际行进路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011644101.4A CN113156933B (zh) | 2020-12-30 | 2020-12-30 | 一种机器人行进控制系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011644101.4A CN113156933B (zh) | 2020-12-30 | 2020-12-30 | 一种机器人行进控制系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113156933A CN113156933A (zh) | 2021-07-23 |
CN113156933B true CN113156933B (zh) | 2022-05-03 |
Family
ID=76878333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011644101.4A Active CN113156933B (zh) | 2020-12-30 | 2020-12-30 | 一种机器人行进控制系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113156933B (zh) |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4506016B2 (ja) * | 2000-09-19 | 2010-07-21 | トヨタ自動車株式会社 | 移動体搭載用ロボット及びこれを搭載した移動体 |
CN103605368A (zh) * | 2013-12-04 | 2014-02-26 | 苏州大学张家港工业技术研究院 | 一种动态未知环境中路径规划方法及装置 |
CN104298239B (zh) * | 2014-09-29 | 2016-08-24 | 湖南大学 | 一种室内移动机器人增强地图学习路径规划方法 |
US9630318B2 (en) * | 2014-10-02 | 2017-04-25 | Brain Corporation | Feature detection apparatus and methods for training of robotic navigation |
CN105844614B (zh) * | 2016-03-15 | 2019-08-23 | 广东工业大学 | 一种基于校对机器人角度的视觉指北方法 |
JP6558393B2 (ja) * | 2017-04-06 | 2019-08-14 | トヨタ自動車株式会社 | 進路設定装置及び進路設定方法 |
CN107677285B (zh) * | 2017-04-11 | 2019-05-28 | 平安科技(深圳)有限公司 | 机器人的路径规划系统及方法 |
CN107168319B (zh) * | 2017-06-01 | 2020-07-28 | 同济大学 | 一种基于模型预测控制的无人车避障方法 |
US10429847B2 (en) * | 2017-09-22 | 2019-10-01 | Locus Robotics Corp. | Dynamic window approach using optimal reciprocal collision avoidance cost-critic |
CN107992052B (zh) * | 2017-12-27 | 2020-10-16 | 纳恩博(北京)科技有限公司 | 目标跟踪方法及装置、移动设备及存储介质 |
CN108257173A (zh) * | 2017-12-29 | 2018-07-06 | 上海物景智能科技有限公司 | 一种图像信息中的物体分离方法及装置及系统 |
CN108469827A (zh) * | 2018-05-16 | 2018-08-31 | 江苏华章物流科技股份有限公司 | 一种适用于物流仓储系统的自动导引车全局路径规划方法 |
WO2019232803A1 (zh) * | 2018-06-08 | 2019-12-12 | 珊口(深圳)智能科技有限公司 | 移动控制方法、移动机器人及计算机存储介质 |
CN109765903B (zh) * | 2019-02-28 | 2022-03-08 | 北京智行者科技有限公司 | 一种自动驾驶规划方法 |
KR102668070B1 (ko) * | 2019-03-15 | 2024-05-29 | 삼성전자주식회사 | 로봇 청소기 및 이의 제어 방법 |
CN109984684B (zh) * | 2019-04-11 | 2021-04-27 | 云鲸智能科技(东莞)有限公司 | 清洁控制方法、装置、清洁机器人和存储介质 |
CN109947119B (zh) * | 2019-04-23 | 2021-06-29 | 东北大学 | 一种基于多传感器融合的移动机器人自主跟随方法 |
CN110400322B (zh) * | 2019-07-30 | 2021-03-16 | 江南大学 | 基于颜色和三维几何信息的水果点云分割方法 |
CN110866934B (zh) * | 2019-10-14 | 2022-09-09 | 中国科学院自动化研究所 | 基于规范性编码的复杂点云分割方法及系统 |
CN110727272B (zh) * | 2019-11-11 | 2023-04-18 | 广州赛特智能科技有限公司 | 一种多台机器人的路径规划调度系统及方法 |
CN111067440A (zh) * | 2019-12-31 | 2020-04-28 | 深圳飞科机器人有限公司 | 一种清洁机器人控制方法以及清洁机器人 |
CN111067439B (zh) * | 2019-12-31 | 2022-03-01 | 深圳飞科机器人有限公司 | 障碍物处理方法以及清洁机器人 |
CN111474925B (zh) * | 2020-03-09 | 2021-09-10 | 江苏大学 | 一种非规则形状移动机器人的路径规划方法 |
CN111665844B (zh) * | 2020-06-23 | 2023-10-24 | 北京三快在线科技有限公司 | 一种路径规划方法及装置 |
CN111897333B (zh) * | 2020-07-31 | 2022-12-20 | 常州码库数据科技有限公司 | 一种机器人行走路径规划方法 |
-
2020
- 2020-12-30 CN CN202011644101.4A patent/CN113156933B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113156933A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10366310B2 (en) | Enhanced camera object detection for automated vehicles | |
Röhling et al. | A fast histogram-based similarity measure for detecting loop closures in 3-d lidar data | |
Moras et al. | Credibilist occupancy grids for vehicle perception in dynamic environments | |
O'Callaghan et al. | Contextual occupancy maps using Gaussian processes | |
EP2131328A2 (en) | Method for automatic detection and tracking of multiple objects | |
Yan et al. | Multisensor online transfer learning for 3d lidar-based human detection with a mobile robot | |
Schindler et al. | Automatic detection and tracking of pedestrians from a moving stereo rig | |
Zhou et al. | Detection of parking spots using 2D range data | |
CN110824495B (zh) | 基于激光雷达的果蝇视觉启发的三维运动目标检测方法 | |
CN114454875A (zh) | 一种基于强化学习的城市道路自动泊车方法及系统 | |
US11734883B2 (en) | Generating mappings of physical spaces from point cloud data | |
Shinzato et al. | Road estimation with sparse 3D points from stereo data | |
Santana et al. | An approach for 2d visual occupancy grid map using monocular vision | |
Cardarelli et al. | Multisensor data fusion for obstacle detection in automated factory logistics | |
CN112528781A (zh) | 一种障碍物检测方法、装置、设备和计算机可读存储介质 | |
Navarro-Serment et al. | LADAR-based pedestrian detection and tracking | |
Lee et al. | An incremental nonparametric Bayesian clustering-based traversable region detection method | |
CN113835428A (zh) | 一种用于餐厅的机器人路径规划方法 | |
CN113156933B (zh) | 一种机器人行进控制系统和方法 | |
An et al. | Ceiling vision-based active SLAM framework for dynamic and wide-open environments | |
Stambler et al. | Building modeling through enclosure reasoning | |
CN116206286A (zh) | 高速路况下的障碍物检测方法、装置、设备和介质 | |
Laible et al. | Building local terrain maps using spatio-temporal classification for semantic robot localization | |
CN112733923A (zh) | 一种确定禁行区域的系统及机器人 | |
Lourenço et al. | A volumetric representation for obstacle detection in vegetated terrain |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40046863 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |