CN113485337A - 避障碍物路径的搜索方法、装置、移动机器人 - Google Patents

Abstract

本发明适用于移动机器人技术领域，提供一种避障碍物路径的搜索方法，该方法包括：通过移动机器人上的激光雷达和传感器获取障碍物地图；根据预设的移动机器人的机身信息和障碍物地图确定出代价地图；在代价地图中获取移动机器人开始行驶的起点和待到达的终点；判断根据预设的搜索次数与代价值对应关系是否可以在代价地图中搜索出由起点到所述终点的避障碍物路径；当判断结果为是时，控制移动机器人按避障碍物路径行驶。本发明实施例还提供一种避障碍物路径的搜索装置、移动机器人及计算机可读存储介质。本发明提供的避障碍物路径的搜索方法，可以优先搜索出空旷的路径，即距离障碍物比较远的路径，有效减少了移动机器人行径过程中碰撞的发生。

Description

避障碍物路径的搜索方法、装置、移动机器人

技术领域

本发明属于移动机器人技术领域，尤其涉及一种避障碍物路径的搜索方法、装置、移动机器人及计算机可读存储介质。

背景技术

随着科技的发展，机器人开始被应用于越来越的领域中，例如医疗、军事、工业、农业、交通运输等。移动机器人的工作顾名思义，经常需要从一个地点移动到另一个地点以完成相应的工作，但在实际运行中，两个地点之间通常均会有障碍物，因此需要控制移动机器人在移动过程中尽量避开障碍物，以防发生碰撞。

现在技术中的移动机器人为了躲避移动过程中的障碍物，通常采用A*算法规划出一条躲避障碍物的路径来供移动机器人行驶，但通过A*算法规划出的路径，仅仅兼顾了耗时和路径长度信息，经常会搜索出距离障碍物很近的路径，无法保证移动机器人顺利到达目标点。

发明内容

本发明实施例提供的避障碍物路径的搜索方法，旨在解决现有技术中采用A*算法搜索出的躲避障碍物的路径，经常会搜索出距离障碍物很近的路径，无法保证移动机器人顺利通过到达目标点的问题。

本发明实施例是这样实现的，一种避障碍物路径的搜索方法，所述方法包括以下步骤：

通过移动机器人上的激光雷达和传感器获取障碍物地图；

根据预设的移动机器人的机身信息和所述障碍物地图确定出代价地图；

在所述代价地图中获取所述移动机器人开始行驶的起点和待到达的终点；

判断根据预设的搜索次数与代价值对应关系是否可以在所述代价地图中搜索出由所述起点到所述终点的避障碍物路径；

当判断结果为是时，控制所述移动机器人按所述避障碍物路径行驶。

本发明实施例还提供一种避障碍物路径的搜索装置，所述装置包括：

障碍物地图获取单元，用于通过移动机器人上的激光雷达和传感器获取障碍物地图；

代价地图确定单元，用于根据预设的移动机器人的机身信息和所述障碍物地图确定出代价地图；

起点和终点获取单元，用于在所述代价地图中获取所述移动机器人开始行驶的起点和待到达的终点；

判断单元，用于判断根据预设的搜索次数与代价值对应关系是否可以在所述代价地图中搜索出由所述起点到所述终点的避障碍物路径；

控制单元，用于当判断结果为是时，控制所述移动机器人按所述避障碍物路径行驶。

本发明实施例还提供一种移动机器人，所述移动机器人包括：

移动机器人本体；

设置在所述移动机器人本体上的激光雷达，用于获取障碍物地图；以及

设置在所述移动机器人本体内的处理器，所述处理器包括上述的避障碍物路径的搜索方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的避障碍物路径的搜索方法。

本发明实施例提供的避障碍物路径的搜索方法，通过先移获取障碍物地图；再根据预设的移动机器人的机身信息和障碍物地图确定出代价地图；再在代价地图中获取移动机器人开始行驶的起点和待到达的终点；最后当判断根据预设的搜索次数与代价值对应关系可以在代价地图中搜索出出空旷的路径，即距离障碍物比较远的路径时，控制移动机器人按避障碍物路径行驶，有效减少了移动机器人行径过程中碰撞的发生。

附图说明

图1是本发明实施例一提供的一种避障碍物路径的搜索方法的实现流程图；

图2是本发明实施例提供的一种从A点到B点的利用本发明避障碍物路径的搜索方法和现有技术路径搜索方法的比对图；

图3是本发明实施例二提供的一种根据预设的移动机器人的机身信息和障碍物地图确定出代价地图的步骤的实现流程图；

图4是本发明实施例二提供的一种根据预设的移动机器人的机身信息、预设的代价值标注规则标注栅格地图，以将栅格地图转化成代价地图的步骤的实现流程图；

图5是本发明实施例提供的一种利用本发明避障碍物路径的搜索方法从a点到b点的避障碍物路径示意图；

图6是本发明实施例提供的一种利用本发明避障碍物路径的搜索方法从c点到d点的避障碍物路径示意图；

图7是本发明实施例三提供的一种判断根据预设的搜索次数与代价值对应关系是否可以在代价地图中搜索出避开障碍物路径的步骤的实现流程图；

图8是本发明实施例四提供的一种避障碍物路径的搜索装置的结构示意图；

图9是本发明实施例五提供的一种避障碍物路径的搜索装置的代价地图确定单元的结构示意图；

图10是本发明实施例五提供的一种避障碍物路径的搜索装置的代价地图转化模块的结构示意图；

图11是本发明实施例六提供的一种避障碍物路径的搜索装置的判断单元的结构示意图；

图12是本发明实施例七提供的一种终端的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供的避障碍物路径的搜索方法，通过先移获取障碍物地图；再根据预设的移动机器人的机身信息和障碍物地图确定出代价地图；再在代价地图中获取移动机器人开始行驶的起点和待到达的终点；最后当判断根据预设的搜索次数与代价值对应关系可以在代价地图中搜索出出空旷的路径，即距离障碍物比较远的路径时，控制移动机器人按避障碍物路径行驶，有效减少了移动机器人行径过程中碰撞的发生。

实施例一

图1示出了本发明实施例一提供的一种避障碍物路径的搜索方法的实现流程图，该方法包括以下步骤：

在步骤S101中，通过移动机器人上的激光雷达和传感器获取障碍物地图。

在本发明实施例中，移动机器人包括但不限于扫地机、洗地机等。

在本发明的一个实施例中，传感器包括但不于安装在移动机器人两侧或一侧的沿边传感器、悬崖传感器、碰撞传感器等。

在步骤S102中，根据预设的移动机器人的机身信息和障碍物地图确定出代价地图。

在本发明实施例中，预设的移动机器人的机身信息包括移动机器人的机身宽度(方形移动机器人)或移动机器人机身的直径(圆形移动机器人)。

例如，移动机器人的机身宽度为37厘米，预设单位栅格为5厘米，则将障碍物地图先转换为栅格地图，再通过栅格地图便可以得到障碍物的代价值为5，以障碍物为中心代价值依次递减的代价地图(具体参见实施例二)。

例如，移动机器人的机身宽度为100厘米，预设单位栅格为5厘米，则将障碍物地图先转换为栅格地图，再通过栅格地图便可以得到障碍物的代价值为11，以障碍物为中心代价值依次递减的代价地图(具体参见实施例二)。

在步骤S103中，在代价地图中获取移动机器人开始行驶的起点和待到达的终点。

作为本发明的一个实施例，移动机器人开始行驶的起点以及待到达的终点可以是用户手动设定的，还可以是移动机器人根据工作环境自行计算后确定的，具体不做限定。

在步骤S104中，判断根据预设的搜索次数与代价值对应关系是否可以在代价地图中搜索出由起点到终点的避障碍物路径；当判断结果为是时，执行步骤S105；当判读结果为否时，执行步骤S106。

在本发明的一个示例，预设的搜索次数与代价值对应关系为搜索次数对应的允许移动机器人通过的代价值，根据具体的机器人工作环境进行设定。例如，预设的搜索次数为3，则允许移动机器人通过的代价值为0、1；预设的搜索次数为2，则允许移动机器人通过的代价值为0、1、2；预设的搜索次数为1，则允许移动机器人通过的代价值为0、1、2、3等。可以理解，预设的搜索次数与允许移动机器人通过的代价值取值成反比，因此，例如在搜索次数为1时，为了保证可以最大限度的搜索出避障碍物的路径，则对应的允许移动机器人通过的代价值中的最大代价值设置为3。

作为本发明的一个实施，避障碍物路径表示移动机器人在由起点移动到终点的过程中不会碰撞到障碍物的路径，其包括空旷的路径、窄通道路径。

在本发明实施例中，避障碍物路径通过预设的A*算法或优化的A*算法搜索获得。

在本发明实施例中，优选的没通过优化的A*算法获得避障碍物路径，通过优化的A*算法不但可以有效获得避障碍物的路径，还可以精准的在避障碍物路径中优选出空旷的路径来。

作为本发明的一个示例，优化的A*算法为：F＝(G+H)×(1+costValue)，其中costValue为代价地图中每个栅格的代价值。

在步骤S105中，控制移动机器人按避障碍物路径行驶。

在步骤S106中，向用户发出无可到达路径的提醒。

在本发明实施例中，可以通过文字和/或音频的方式向用户发出无可到达路径的提醒。

作为本发明的一个实际应用，同时参见图2，预设的搜索次数与代价值对应关系为：搜索次数为3，对应的允许扫地机器人通过的代价值为0、1，机身直径为30的扫地机器人需要搜索出一条由A点到达B点的避障碍物路径，利用本发明的技术方案(在代价地图中，利用优化的A*算法)，则可以先搜索出图2中实线部分的空旷路径的避障碍物路径，而通过现有技术的直接通过障碍物地图进行避障碍物路径的搜索，则只可以搜索出图2中虚线部分所示的避障碍物的路径来，通过比对可以明显看出，通过本发明技术方案搜索出来的避障碍物的路径更加空旷，发生碰撞的概率明显会更小。

本发明实施例提供的避障碍物路径的搜索方法，通过先移获取障碍物地图；再根据预设的移动机器人的机身信息和障碍物地图确定出代价地图；再在代价地图中获取移动机器人开始行驶的起点和待到达的终点；最后当判断根据预设的搜索次数与代价值对应关系可以在代价地图中搜索出空旷的路径，即距离障碍物比较远的路径时，控制移动机器人按避障碍物路径行驶，有效减少了移动机器人行径过程中碰撞的发生。

实施例二

同时参见图3，上述步骤S102，具体包括：

在步骤S201中，根据预设的单个栅格长度将障碍物地图转化成栅格地图。

作为本发明的一个示例，预设的单个栅格长度可以根据设定，如3厘米、5厘米、6厘米、10厘米、12厘米、15厘米等，本发明实施例中优选的为5厘米。

例如，预设的单个栅格长度为5厘米，则可以将障碍物地图转化为每个栅格长度为5厘米的栅格地图。

例如，预设的单个栅格长度为10厘米，则可以将障碍物地图转化为每个栅格长度为10厘米的栅格地图。

在步骤S202中，根据预设的移动机器人的机身信息、预设的代价值标注规则标注栅格地图，以将栅格地图转化成代价地图。

同时参见图4，上述栅格地图包括预设的移动机器人的机身信息占有的栅格数，上述步骤S202，具体包括：

在步骤S301中，根据栅格数(即预设的移动机器人的机身信息占有的栅格数)、预设数值确定障碍物的障碍物代价值。

在本发明实施例中，障碍物的代价值通过以下公式确定：

Q＝S/2+B；其中，Q表示障碍物代价值，S表示预设的移动机器人的机身信息占有的栅格数，B表示预设数值。

在本发明实施例中，预设数值B的取值为大于等于1的整数，优选为1。

例如，同时参见图5，洗地机的机身宽度为40厘米，预设的单个栅格长度为5厘米，在栅格地图中预设的移动机器人的机身信息占有的栅格数为8个栅格，预设的数值为1，则根据上述公式可以计算出代价地图中每个障碍物的代价值Q＝8/2+1＝5。

例如，洗地机的机身宽度为80厘米，预设的单个栅格长度为4厘米，在栅格地图中预设的移动机器人的机身信息占有的栅格数为20个栅格，预设的数值为2，则根据上述公式可以计算出代价地图中每个障碍物的代价值均为Q＝20/2+2＝12。

在步骤S302中，以障碍物为中心点，将与障碍物相邻的邻域栅格依次递减1的规律标注代价值，以将栅格地图转化成代价地图。

在本发明实施例中，与障碍物相邻的邻域栅格可以是4邻域栅格、8邻域栅格(即图5、图6中的栅格)、24邻域栅格等，具体不做限定。以下以8邻域栅格为例进行举例。

同时参见图5，例如，障碍物的代价值为5，则以障碍物为中心点，将与障碍物相邻的8邻域栅格依次递减1的规律标注代价值，就可以将栅格地图转化成如图5所示的代价地图。

本发明实施例提供的避障碍物路径的搜索方法，先通过预设的单个栅格长度将障碍物地图转化成栅格地图；再根据预设的移动机器人的机身信息占有的栅格数和预设数值确定障碍物的障碍物代价值；最后以障碍物为中心点，将与障碍物相邻的邻域栅格依次递减1的规律标注代价值，以将栅格地图转化成代价地图，在考虑了移动机器人机身信息的情况下进行将栅格地图转化为代价地图，进而可以更加精准的优先搜索出空旷的避障碍物路径。

实施例三

同时参见图7，上述预设的移动机器人机身信息包括移动机器人的机身宽度，上述步骤S104，具体包括：

在步骤S401中，获取代价地图中的障碍物代价值与代价值的差值。

在本发明实施例中，代价值即为预设的搜索次数对应的允许移动机器人通过的代价值。

作为本发明的一个实施例，上述的差值为障碍物代价值与预设的搜索次数对应的允许移动机器人通过的代价值中的最大代价值的差值。

例如，障碍物代价值为5，预设的搜索次数为1，则对应的允许移动机器人通过的代价值为0、1、2、3，则可以计算出差值为5-3＝2。

例如，障碍物代价值为5，预设的搜索次数为2，则对应的允许移动机器人通过的代价值为0、1、2，则可以计算出差值为5-2＝3。

在步骤S402中，判断差值与预设的移动机器人的机身信息占有的栅格数的比值是否大于预设百分比。

在本发明的一个示例中，预设百分比取值范围为24％-50％，可以理解，当预设百分比为24％时，对应上述预设的搜索次数对应的允许移动机器人通过的代价值中的最大代价值。

作为本发明的一个实际应用，参见图5，扫地机需要从a点到b点，障碍物的代价值为5，预设的搜索次数为2，则对应的允许移动机器人通过的代价值为0、1、2，则可以计算出障碍物代价值与预设的搜索次数对应的允许移动机器人通过的代价值中的最大代价值的差值为5-2＝3，预设的移动机器人的机身信息占有的栅格数为8，预设百分比为30％，则可以计算出3/8＝37.5％，大于预设百分比30％，因此可以通过优化的A*算法搜索出一条最佳(路径最短且发生碰撞概率最小)的由a点到b点的避障碍物的路径。

作为本发明的一个实际应用，参见图6，扫地机需要从c点到d点，障碍物的代价值为5，预设的搜索次数为1，则对应的允许移动机器人通过的代价值为0、1、2、3，则可以计算出障碍物代价值与预设的搜索次数对应的允许移动机器人通过的代价值中的最大代价值的差值为5-3＝2，预设的移动机器人的机身信息占有的栅格数为8，预设百分比为25％，则可以计算出2/8＝25％，大于预设百分比24％，因此可以通过优化的A*算法搜索出一条最佳(路径最短且发生碰撞概率最小)的由c点到d点的避障碍物的路径。

本发明实施例提供的避障碍物路径的搜索方法，通过先获取代价地图中的障碍物代价值与代价值的差值，再判断上述差值与预设的移动机器人的机身信息占有的栅格数的比值是否大于预设百分比，当大于预设百分比时，则控制移动机器人按搜索出的避障碍物路径行驶，有效保证了可以搜索出允许移动机器人机身通过的路径，同时用户根据机器人实际应用的环境，可以设定预设百分比值相对大一些，以保证可以搜索到相对空旷的避障碍物最佳路径。

实施例四

图8示出了本发明实施例四提供的一种避障碍物路径的搜索装置500的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。该装置500包括：

障碍物地图获取单元510，用于通过移动机器人上的激光雷达和传感器获取障碍物地图。

在本发明实施例中，移动机器人包括但不限于扫地机、洗地机等。

在本发明的一个实施例中，传感器包括但不于安装在移动机器人两侧或一侧的沿边传感器、悬崖传感器、碰撞传感器等。

代价地图确定单元520，用于根据预设的移动机器人的机身信息和障碍物地图确定出代价地图。

在本发明实施例中，预设的移动机器人的机身信息包括移动机器人的机身宽度(方形移动机器人)或移动机器人机身的直径(圆形移动机器人)。

例如，移动机器人的机身宽度为37厘米，预设单位栅格为5厘米，则将障碍物地图先转换为栅格地图，再通过栅格地图便可以得到障碍物的代价值为5，以障碍物为中心代价值依次递减的代价地图(具体参见实施例二)。

例如，移动机器人的机身宽度为100厘米，预设单位栅格为5厘米，则将障碍物地图先转换为栅格地图，再通过栅格地图便可以得到障碍物的代价值为11，以障碍物为中心代价值依次递减的代价地图(具体参见实施例二)。

起点和终点获取单元530，用于在代价地图中获取移动机器人开始行驶的起点和待到达的终点。

作为本发明的一个实施例，移动机器人开始行驶的起点以及待到达的终点可以是用户手动设定的，还可以是移动机器人根据工作环境自行计算后确定的，具体不做限定。

判断单元540，用于判断根据预设的搜索次数与代价值对应关系是否可以在代价地图中搜索出由起点到终点的避障碍物路径。

在本发明的一个示例，预设的搜索次数与代价值对应关系为搜索次数对应的允许移动机器人通过的代价值，根据具体的机器人工作环境进行设定。例如，预设的搜索次数为3，则允许移动机器人通过的代价值为0、1；预设的搜索次数为2，则允许移动机器人通过的代价值为0、1、2；预设的搜索次数为1，则允许移动机器人通过的代价值为0、1、2、3等。可以理解，预设的搜索次数与允许移动机器人通过的代价值取值成反比，因此，例如在搜索次数为1时，为了保证可以最大限度的搜索出避障碍物的路径，则对应的允许移动机器人通过的代价值中的最大代价值设置为3。

作为本发明的一个实施，避障碍物路径表示移动机器人在由起点移动到终点的过程中不会碰撞到障碍物的路径，其包括空旷的路径、窄通道路径。

在本发明实施例中，避障碍物路径通过预设的A*算法或优化的A*算法搜索获得。

在本发明实施例中，优选的没通过优化的A*算法获得避障碍物路径，通过优化的A*算法不但可以有效获得避障碍物的路径，还可以精准的在避障碍物路径中优选出空旷的路径来。

作为本发明的一个示例，优化的A*算法为：F＝(G+H)×(1+costValue)，其中costValue为代价地图中每个栅格的代价值。

控制单元550，用于当判断结果为是时，控制移动机器人按避障碍物路径行驶。

作为本发明的一个实际应用，同时参见图2，预设的搜索次数与代价值对应关系为：搜索次数为3，对应的允许扫地机器人通过的代价值为0、1，机身直径为30的扫地机器人需要搜索出一条由A点到达B点的避障碍物路径，利用本发明的技术方案(在代价地图中，利用优化的A*算法)，则可以先搜索出图2中实线部分的空旷路径的避障碍物路径，而通过现有技术的直接通过障碍物地图进行避障碍物路径的搜索，则只可以搜索出图2中虚线部分所示的避障碍物的路径来，通过比对可以明显看出，通过本发明技术方案搜索出来的避障碍物的路径更加空旷，发生碰撞的概率明显会更小。

在本发明实施例中，上述装置500，还包括：

提醒单元，用于向用户发出无可到达路径的提醒。

本发明实施例提供的避障碍物路径的搜索装置，通过先移获取障碍物地图；再根据预设的移动机器人的机身信息和障碍物地图确定出代价地图；再在代价地图中获取移动机器人开始行驶的起点和待到达的终点；最后当判断根据预设的搜索次数与代价值对应关系可以在代价地图中搜索出空旷的路径，即距离障碍物比较远的路径时，控制移动机器人按避障碍物路径行驶，有效减少了移动机器人行径过程中碰撞的发生。

实施例五

同时参见图9，上述代价地图确定单元520，具体包括：

栅格地图转化模块521，用于根据预设的单个栅格长度将障碍物地图转化成栅格地图。

作为本发明的一个示例，预设的单个栅格长度可以根据设定，如3厘米、5厘米、6厘米、10厘米、12厘米、15厘米等，本发明实施例中优选的为5厘米。

例如，预设的单个栅格长度为5厘米，则可以将障碍物地图转化为每个栅格长度为5厘米的栅格地图。

例如，预设的单个栅格长度为10厘米，则可以将障碍物地图转化为每个栅格长度为10厘米的栅格地图。

代价地图转化模块522，用于根据预设的移动机器人的机身信息、预设的代价值标注规则标注栅格地图，以将栅格地图转化成代价地图。

同时参见图10，上述栅格地图包括所述预设的移动机器人的机身信息占有的栅格数，上述代价地图转化模块522，具体包括：

障碍物代价值确定子模块5221，用于根据栅格数、预设数值确定障碍物的障碍物代价值。

在本发明实施例中，障碍物的代价值通过以下公式确定：

Q＝S/2+B；其中，Q表示障碍物代价值，S表示预设的移动机器人的机身信息占有的栅格数，B表示预设数值。

在本发明实施例中，预设数值B的取值为大于等于1的整数，优选为1。

例如，同时参见图5，洗地机的机身宽度为40厘米，预设的单个栅格长度为5厘米，在栅格地图中预设的移动机器人的机身信息占有的栅格数为8个栅格，预设的数值为1，则根据上述公式可以计算出代价地图中每个障碍物的代价值Q＝8/2+1＝5。

例如，洗地机的机身宽度为80厘米，预设的单个栅格长度为4厘米，在栅格地图中预设的移动机器人的机身信息占有的栅格数为20个栅格，预设的数值为2，则根据上述公式可以计算出代价地图中每个障碍物的代价值均为Q＝20/2+2＝12。

代价地图转化子模块5222，用于以障碍物为中心点，将与障碍物相邻的邻域栅格依次递减1的规律标注代价值，以将栅格地图转化成代价地图。

在本发明实施例中，与障碍物相邻的邻域栅格可以是4邻域栅格、8邻域栅格(即图5、图6中的栅格)、24邻域栅格等，具体不做限定。以下以8邻域栅格为例进行举例。

同时参见图5，例如，障碍物的代价值为5，则以障碍物为中心点，将与障碍物相邻的8邻域栅格依次递减1的规律标注代价值，就可以将栅格地图转化成如图5所示的代价地图。

本发明实施例提供的避障碍物路径的搜索装置，先通过预设的单个栅格长度将障碍物地图转化成栅格地图；再根据预设的移动机器人的机身信息占有的栅格数和预设数值确定障碍物的障碍物代价值；最后以障碍物为中心点，将与障碍物相邻的邻域栅格依次递减1的规律标注代价值，以将栅格地图转化成代价地图，在考虑了移动机器人机身信息的情况下进行将栅格地图转化为代价地图，进而可以更加精准的优先搜索出空旷的避障碍物路径。

实施例六

同时参见图11，上述判断单元540，具体包括：

差值获取模块541，用于获取代价地图中的障碍物代价值与代价值的差值。

在本发明实施例中，代价值即为预设的搜索次数对应的允许移动机器人通过的代价值。

作为本发明的一个实施例，上述的差值为障碍物代价值与预设的搜索次数对应的允许移动机器人通过的代价值中的最大代价值的差值。

例如，障碍物代价值为5，预设的搜索次数为1，则对应的允许移动机器人通过的代价值为0、1、2、3，则可以计算出差值为5-3＝2。

例如，障碍物代价值为5，预设的搜索次数为2，则对应的允许移动机器人通过的代价值为0、1、2，则可以计算出差值为5-2＝3。

判断模块542，用于判断差值与预设的移动机器人的机身信息占有的栅格数的比值是否大于预设百分比。

在本发明的一个示例中，预设百分比取值范围为24％-50％，可以理解，当预设百分比为24％时，对应上述预设的搜索次数对应的允许移动机器人通过的代价值中的最大代价值。

作为本发明的一个实际应用，参见图5，扫地机需要从a点到b点，障碍物的代价值为5，预设的搜索次数为2，则对应的允许移动机器人通过的代价值为0、1、2，则可以计算出障碍物代价值与预设的搜索次数对应的允许移动机器人通过的代价值中的最大代价值的差值为5-2＝3，预设的移动机器人的机身信息占有的栅格数为8，预设百分比为30％，则可以计算出3/8＝37.5％，大于预设百分比30％，因此可以通过优化的A*算法搜索出一条最佳(路径最短且发生碰撞概率最小)的由a点到b点的避障碍物的路径。

作为本发明的一个实际应用，参见图6，扫地机需要从c点到d点，障碍物的代价值为5，预设的搜索次数为1，则对应的允许移动机器人通过的代价值为0、1、2、3，则可以计算出障碍物代价值与预设的搜索次数对应的允许移动机器人通过的代价值中的最大代价值的差值为5-3＝2，预设的移动机器人的机身信息占有的栅格数为8，预设百分比为25％，则可以计算出2/8＝25％，大于预设百分比24％，因此可以通过优化的A*算法搜索出一条最佳(路径最短且发生碰撞概率最小)的由c点到d点的避障碍物的路径。

本发明实施例提供的避障碍物路径的搜索装置，通过先获取代价地图中的障碍物代价值与代价值的差值，再判断上述差值与预设的移动机器人的机身信息占有的栅格数的比值是否大于预设百分比，当大于预设百分比时，则控制移动机器人按搜索出的避障碍物路径行驶，有效保证了可以搜索出允许移动机器人机身通过的路径，同时用户根据机器人实际应用的环境，可以设定预设百分比值相对大一些，以保证可以搜索到相对空旷的避障碍物最佳路径。

实施例七

图12示出了本发明实施例七提供的一种移动机器人的结构示意图，为了便于说明，仅示出于本发明实施例相关的部分。该移动机器人包括：

移动机器人本体1；

设置在移动机器人本体1上的激光雷达2以及传感器3，用于获取障碍物地图；以及

设置在移动机器人本体1内的处理器(未标注)，该处理器包括如上的避障碍物路径的搜索方法。

本发明实施例提供的移动机器人还包括存储器。示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在移动机器人中的执行过程。

本领域技术人员可以理解，上述移动机器人的描述仅仅是示例，并不构成对移动机器人的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、微控制单元(Microcontroller Unit，MCU)、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是上述移动机器人的控制中心，利用各种接口和线路连接整个移动机器人的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述移动机器人的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

上述移动机器人集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例中的全部或部分单元功能，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的功能。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种避障碍物路径的搜索方法，其特征在于，所述方法包括以下步骤：

通过移动机器人上的激光雷达和传感器获取障碍物地图；

根据预设的移动机器人的机身信息和所述障碍物地图确定出代价地图；

在所述代价地图中获取所述移动机器人开始行驶的起点和待到达的终点；

判断根据预设的搜索次数与代价值对应关系是否可以在所述代价地图中搜索出由所述起点到所述终点的避障碍物路径；

当判断结果为是时，控制所述移动机器人按所述避障碍物路径行驶。

2.如权利要求1所述的避障碍物路径的搜索方法，其特征在于，所述根据预设的移动机器人的机身信息和所述障碍物地图确定出代价地图的步骤，具体包括：

根据预设的单个栅格长度将所述障碍物地图转化成栅格地图；

根据所述预设的移动机器人的机身信息、预设的代价值标注规则标注所述栅格地图，以将所述栅格地图转化成代价地图。

3.如权利要求2所述的避障碍物路径的搜索方法，其特征在于，所述栅格地图包括所述预设的移动机器人的机身信息占有的栅格数，所述根据预设的移动机器人的机身信息、预设的代价值标注规则标注所述栅格地图，以将所述栅格地图转化成代价地图的步骤，具体包括：

根据所述栅格数、预设数值确定所述障碍物的障碍物代价值；

以所述障碍物为中心点，将与所述障碍物相邻的邻域栅格依次递减1的规律标注代价值，以将所述栅格地图转化成代价地图。

4.如权利要求3所述的避障碍物路径的搜索方法，其特征在于，所述障碍物的代价值通过以下公式确定：

Q＝S/2+B；其中，

Q表示所述障碍物代价值，S表示所述预设的移动机器人的机身信息占有的栅格数，B表示所述预设数值。

5.如权利要求3所述的避障碍物路径的搜索方法，其特征在于，所述预设的移动机器人机身信息包括移动机器人的机身宽度，所述判断根据预设的搜索次数与代价值对应关系是否可以在所述代价地图中搜索出避开障碍物路径的步骤，具体包括：

获取所述代价地图中的障碍物代价值与所述代价值的差值；

判断所述差值与所述预设的移动机器人的机身信息占有的栅格数的比值是否大于预设百分比。

6.如权利要求1所述的避障碍物路径的搜索方法，其特征在于，所述判断根据预设的搜索次数与代价值对应关系是否可以在所述代价地图中搜索出避开障碍物路径的步骤之后，还包括：

当判断结果为否时，向用户发出无可到达路径的提醒。

7.如权利要求1所述的避障碍物路径的搜索方法，其特征在于，所述避障碍物路径通过预设的A*算法或优化的A*算法搜索获得。

8.一种避障碍物路径的搜索装置，其特征在于，所述装置包括：

障碍物地图获取单元，用于通过移动机器人上的激光雷达和传感器获取障碍物地图；

代价地图确定单元，用于根据预设的移动机器人的机身信息和所述障碍物地图确定出代价地图；

起点和终点获取单元，用于在所述代价地图中获取所述移动机器人开始行驶的起点和待到达的终点；

判断单元，用于判断根据预设的搜索次数与代价值对应关系是否可以在所述代价地图中搜索出由所述起点到所述终点的避障碍物路径；

控制单元，用于当判断结果为是时，控制所述移动机器人按所述避障碍物路径行驶。

9.如权利要求8所述的避障碍物路径的搜索装置，其特征在于，所述代价地图确定单元，具体包括：

栅格地图转化模块，用于根据预设的单个栅格长度将所述障碍物地图转化成栅格地图；

代价地图转化模块，用于根据所述预设的移动机器人的机身信息、预设的代价值标注规则标注所述栅格地图，以将所述栅格地图转化成代价地图。

10.如权利要求9所述的避障碍物路径的搜索装置，其特征在于，所述栅格地图包括所述预设的移动机器人的机身信息占有的栅格数，所述代价地图转化模块，具体包括：

障碍物代价值确定子模块，用于根据所述栅格数、预设数值确定所述障碍物的障碍物代价值；

代价地图转化子模块，用于以所述障碍物为中心点，将与所述障碍物相邻的邻域栅格依次递减1的规律标注代价值，以将所述栅格地图转化成代价地图。

11.一种移动机器人，其特征在于，所述移动机器人包括：

移动机器人本体；

设置在所述移动机器人本体上的激光雷达以及传感器，用于获取障碍物地图；以及

设置在所述移动机器人本体内的处理器，所述处理器包括如权利要求1-7任一权利要求所述的避障碍物路径的搜索方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一权利要求所述的避障碍物路径的搜索方法。

Images