CN113494916A - 地图构建方法及多足式机器人 - Google Patents
地图构建方法及多足式机器人 Download PDFInfo
- Publication number
- CN113494916A CN113494916A CN202010251835.XA CN202010251835A CN113494916A CN 113494916 A CN113494916 A CN 113494916A CN 202010251835 A CN202010251835 A CN 202010251835A CN 113494916 A CN113494916 A CN 113494916A
- Authority
- CN
- China
- Prior art keywords
- foot
- preset
- coordinate system
- legged robot
- obstacle
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 98
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 2
- 235000008694 Humulus lupulus Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 17
- 239000011159 matrix material Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000003068 static effect Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000004888 barrier function Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000001179 sorption measurement Methods 0.000 description 5
- 210000001015 abdomen Anatomy 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000003108 foot joint Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D57/00—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track
- B62D57/02—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members
- B62D57/032—Vehicles characterised by having other propulsion or other ground- engaging means than wheels or endless track, alone or in addition to wheels or endless track with ground-engaging propulsion means, e.g. walking members with alternately or sequentially lifted supporting base and legs; with alternately or sequentially lifted feet or skid
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
Abstract
本申请实施例提供一种地图构建方法及多足式机器人，该方法应用于多足式机器人，所述多足式机器人的足部设有传感器模块，所述方法包括：在所述多足式机器人根据第一轨迹在预设区域内运动时，获取所述多足式机器人的足部的传感器模块采集的检测信号；根据所述检测信号，生成所述预设区域的三维地图。通过传感器模块与多足式机器人的运动构型的结合，能够实现预设区域的三维地图的构建，相对于二维地图，能够更全面的反映预设区域的障碍物信息。
Description
技术领域
本申请实施例涉及人工智能技术领域，尤其涉及一种地图构建方法及多足式机器人。
背景技术
目前，轮式或履带式机器人技术已经开始进入家庭应用，比如各种扫地机器人、拖地机器人及擦窗机器人等。但是轮式或履带式机器人的越障能力有限，特别是面对爬壁应用，而足式机器人具备了良好的越障能力。
目前的障碍物检测方案主要是针对轮式机器人，比如采用立体视觉或激光雷达等，图1为一种轮式机器人示意图，如图1所示，轮式机器人包括机器人本体10和行走足11。将激光雷达5放置在机器人本体10的顶部，可以监测到高凸起障碍1，但低凸起障碍2或凹陷障碍3无法监测到；如果在机器人本体的侧面增加立体视觉模块4，并使得立体视觉模块4形成一定的向下倾角，则可以监测到低凸起障碍2或凹陷障碍3。轮式机器人在设计时就将其应用场景限定在二维平面中，使得其感知方案也为相应的二维平面，应用二维感知方案信息只能构建二维的平面地图。
足式机器人相对于轮式机器人具有更强的地形适应能力以及通过能力，能够通过各种障碍物。而实现越障功能的前提是，机器人必须要获取区域内较详细的三维地图，才能够制定相应的越障策略。因此，现在亟需一种构建三维地图的方法，以助于足式机器人实现越障。
发明内容
本申请实施例提供一种地图构建方法及多足式机器人，以实现三维地图的构建，帮助足式机器人实现越障。
第一方面，本申请实施例提供一种地图构建方法，应用于多足式机器人，所述多足式机器人的足部设有传感器模块，所述方法包括：
在所述多足式机器人根据第一轨迹在预设区域内运动时，获取所述多足式机器人的足部的传感器模块采集的检测信号；
根据所述检测信号，生成所述预设区域的三维地图。
在一种可能的实现方式中，根据所述检测信号，生成所述预设区域的三维地图，包括：
根据所述检测信号，获取所述预设区域内的各个区域点在预设坐标系内的三维坐标；
根据所述预设区域内的各个区域点在预设坐标系内的三维坐标，生成所述预设区域的三维地图。
在一种可能的实现方式中，根据所述检测信号，获取所述预设区域内的各个区域点在预设坐标系内的三维坐标，包括：
根据所述检测信号，获取各个区域点相对所述多足式机器人的足部的高度；
获取所述多足式机器人的足部的第一坐标系相对于所述预设坐标系的第一位姿，所述第一坐标系为以所述足部为原点的坐标系；
根据各个区域点相对所述多足式机器人的足部的高度，以及所述第一位姿，获取所述预设区域内的各个区域点在所述预设坐标系内的三维坐标。
在一种可能的实现方式中，获取所述多足式机器人的足部的第一坐标系相对于所述预设坐标系的第一位姿，包括：
获取所述第一坐标系相对于第二坐标系的第二位姿，所述第二坐标系为以所述多足式机器人的本体为原点的坐标系；
获取所述第二坐标系相对于所述预设坐标系的第三位姿；
根据所述第二位姿和所述第三位姿，得到所述第一位姿。
在一种可能的实现方式中，在所述多足式机器人根据第一轨迹在预设区域内运动时，获取所述多足式机器人的足部的传感器模块采集的检测信号，包括：
在未检测到所述预设区域存在障碍物时，控制所述多足式机器人的本体根据所述第一轨迹运动，并获取所述多足式机器人的足部的传感器模块采集的检测信号；
在检测到所述预设区域存在障碍物时，控制所述多足式机器人的本体暂停运动，并控制所述多足式机器人的至少一个足部在所述障碍物的临近区域运动；获取所述至少一个足部在所述障碍物的临近区域运动时，所述至少一个足部的传感器模块采集的检测信号，其中，所述障碍物的临近区域为与所述障碍物的水平距离小于预设距离的区域。
在一种可能的实现方式中，所述传感器模块包括设置在所述足部的底部的TOF测距传感器和设置在所述足部的碰撞传感器，所述方法还包括：
若所述碰撞传感器的检测信号的强度值发生跳变，则确定存在障碍物；
或者，根据所述TOF测距传感器的检测信号，确定所述TOF测距传感器检测到的距离，若确定所述TOF测距传感器检测到的距离发生跳变，则确定存在障碍物。
在一种可能的实现方式中，确定所述碰撞传感器的检测信号的强度值发生跳变，包括：
若所述碰撞传感器在第一时刻的检测信号的强度值与预设强度值的差值大于第一预设阈值，则确定所述碰撞传感器的检测信号的强度值发生跳变；或，
若所述碰撞传感器在第一时刻与相邻的前一时刻的检测信号的强度值的差值大于第二预设阈值，则确定所述碰撞传感器的检测信号的强度值发生跳变。
在一种可能的实现方式中，确定所述TOF测距传感器检测到的距离发生跳变，包括：
若在第二时刻所述TOF测距传感器检测到的距离与预设距离的差值大于第三预设阈值，则确定所述TOF测距传感器检测到的距离发生跳变；或，
若第二时刻与相邻的前一时刻的距离之间的差值大于第四预设阈值，则确定所述TOF测距传感器检测到的距离发生跳变。
在一种可能的实现方式中，在所述碰撞传感器的检测信号的强度值发生跳变时，控制所述多足式机器人的至少一个足部在所述障碍物的临近区域运动，包括：
控制所述至少一个足部抬高至预设高度；
在所述至少一个足部处于所述预设高度时，控制所述至少一个足部在所述临近区域运动。
第二方面，本申请实施例提供一种多足式机器人，包括机器人本体和多条行走足，其中：
所述机器人本体内设有处理器，各条行走足末端设有传感器模块；
所述处理器配置为实现如第一方面任一项所述的地图构建方法。
第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面任一项所述的地图构建方法。
本申请实施例提供的地图构建方法及多足式机器人，在多足式机器人根据第一轨迹在预设区域内运动时，获取多足式机器人的足部的传感器模块采集的检测信号，然后，根据多足式机器人的足部的传感器模块采集的检测信号，生成预设区域的三维地图。本申请实施例的方案，通过传感器模块与多足式机器人的运动构型的结合，能够实现预设区域的三维地图的构建，相对于二维地图，能够更全面的反映预设区域的障碍物信息。
附图说明
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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，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为一种轮式机器人示意图；
图2为本申请实施例提供的多足式机器人的示意图；
图3为本申请实施例提供的一种多足式机器人行走示意图；
图4为本申请实施例提供的一种应用场景示意图；
图5为本申请实施例提供的地图构建方法的流程示意图；
图6为本申请实施例提供的三维空间地图构建示意图；
图7为本申请实施例提供的测距示意图；
图8为本申请实施例提供的区域点高度检测示意图一；
图9为本申请实施例提供的区域点高度检测示意图二；
图10为本申请实施例提供的数据采集示意图；
图11为本申请实施例提供的轨迹规划示意图；
图12为本申请实施例提供的三维地图构建效果示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
首先对本申请涉及的概念进行解释。
飞行时间(Time of Flight，TOF)测距传感器：测距传感器的一种，TOF测距传感器发出经调制的近红外光，遇到物体后反射回传感器，传感器通过计算光线发射和反射时间差，结合光线传播的速度，来得到被探测的物体与传感器之间的距离，得到相应的深度信息。
碰撞传感器：用于检测发生碰撞时的碰撞信号。本申请实施例中所涉及的多足式机器人中，足部可以设置碰撞传感器，主要用于对高凸起障碍物的检测。当多足式机器人的足部的碰撞传感器检测到碰撞信号，可以控制机器人的足部进行抬高操作，然后进行对高凸起障碍物的检测。若多足式机器人的活动范围内没有高凸起障碍物，也可不设置碰撞传感器，仅采用TOF测距传感器即可达到要求。设置碰撞传感器能够使多足式机器人适应更多样化的环境，尤其是存在高凸起障碍物的环境。
由于本申请的方案是针对于多足式机器人的，因此首先结合图2对多足式机器人的架构进行简要介绍。
图2为本申请实施例提供的多足式机器人的示意图，如图2所示，以四足机器人为例，多足式机器人包括：机器人本体10、连接在机器人本体10上的行走足11、作为足部的吸盘12以及设置在行走足11末端的传感器模块。
在一实施例中，传感器模块包括设置在足部周围的碰撞传感器13，以及设置在足部的底部中心的测距传感器14，其中图中还示出了测距传感器发出的光束15。该TOF测距传感器可以安装在吸盘底面中心位置，使TOF光束与吸盘端面垂直。例如通过测距传感器检测距离，比较不同时刻的距离可以确定是否存在障碍物，或通过碰撞传感器的检测信号的强度值确定是否碰到障碍物。
在其他实施例中，传感器模块例如还可以包括立体视觉模块、激光雷达或毫米波雷达等，但上述模块的实现会稍微复杂一些，成本较大，而且体积较大，设置在足部可能会影响行走足的移动和足部的吸附效果。
在其他实施例中，还可以包括安装在机器人本体10的风机16。风机可通过从腹部抽气或向背部吹气的方式增加机器人的附着力，使机器人在运动时更安全，特别是对于竖直平面行走和越障，能保证行动的可靠性。
在本申请的其他实施例中，多足式机器人还可以是两足、三足或更多足。
在一实施例中，以四足机器人为例进行说明，对机器人运动控制原理进行介绍：
假设每条行走足有4个主动控制关节，则每条行走足有4个可控自由度，在运动规划中，将吸盘端面(即与待吸附平面接触的端面)的中心点作为目标控制点。控制量由目标控制点的XYZ三个空间正交方向的位置坐标和一个吸盘端面相对于机器人本体的腹部平面的夹角构成。通过规划机器人每条行走足末端吸盘的空间位置及与待吸附平面的夹角，机器人可以实现多种运动方式，比如平面行走、平面越障、两平面(成一定角度)之间跨越等。
在通过模型分析时，单行走足可等效为串联机械臂，通过运动学反解可以计算出4个主动控制关节上的控制角度。为了保证吸盘能够可靠吸附在待吸附平面上，行走足末端可设有被动关节，当行走足末端的吸盘即将吸附到平面上时，通过前4个主动控制关节控制吸盘垂直下压，在下压的过程中由于测量或控制误差使得吸盘端面很难与待吸附平面保持平行，被动关节在此时会受力发生一定角度的倾转，使行走足末端可以自适应一定的角度误差确保吸盘能够完成可靠吸附，当行走足悬空(吸盘处于非吸附状态)时，在该被动关节的回正机构的作用下，该被动关节处于复位状态或称为零位。该行走足结构，以及被动关节的结构在后面实施例中进行详述。
由于机器人的每条行走足是欠驱动的(即有一个被动关节)，在做竖直平面运动规划时需要借助多条行走足的配合或利用机器人本体的腹部平面增加额外约束以保证机器人有确定的运动轨迹。
一实施例中，可采用三足支撑的行走方式，具体原理如下：
每次采用三条行走足吸附支撑，一条行走足迈步，四条行走足依次迈完步为一个周期。这种方式无需借助机器人本体的腹部平面作为约束面。因为三条行走足末端的空间位置确定后，机器人的空间位置将被完全约束。所以此种行走方式环境适应性强。
一实施例中，可采用对角双足支撑的行走方式，图3为本申请实施例提供的一种多足式机器人行走示意图，如图3所示，包括机器人本体10、行走足111、行走足112、行走足113和行走足114。多足式机器人在行走时，每次采用对角双足吸附支撑，另外对角两条行走足迈步，两组行走足交替进行。例如行走足111和行走足113先迈步，机器人本体10、行走足111和行走足113支撑在行走平面上。这种方式需要借助机器人本体的腹部平面作为约束面。因为双行走足支撑时，可引出一条穿过双行走足末端的虚拟轴线，机器人整体可绕这条轴线旋转。所以这种方式在行走时需要使机器人本体的腹部平面贴紧行走平面或障碍物表面才能实现稳定行走。相比三足支撑的行走方式，这种方式的行走速度更快，效率更高。
下面对本申请一种适用的应用场景进行介绍。
图4为本申请实施例提供的一种应用场景示意图，如图4所示，多足式机器人在某一区域内运动，多足式机器人包括机器人本体10、行走足111、行走足112、行走足113和行走足114。多足式机器人的足部设置有传感器模块，以行走足111为例，行走足111的末端设置有传感器模块47，例如TOF测距传感器。TOF测距传感器能够发射近红外光信号，近红外光信号的方向为方向48。通过发射的近红外光信号，传感器模块47能够得到方向48所在的预设区域的区域点与传感器模块47之间的距离，即方向48所在的预设区域的区域点A与传感器模块47之间的高度差。
在图4的示例中，预设区域存在多种不同类型的障碍物，例如高凸起障碍41、悬崖障碍42、低凸起障碍43、凹陷障碍44、斜坡障碍45和台阶障碍46。通过多足式机器人足部的传感器模块，能够测量到预设区域的各个区域点与传感器模块9之间的高度差，也能够检测到预设区域存在的障碍物，从而能够根据预设区域的各个区域点与传感器模块47之间的高度差，构建预设区域的三维地图。
图5为本申请实施例提供的地图构建方法的流程示意图，如图5所示，该方法可以包括：
S51，在所述多足式机器人根据第一轨迹在预设区域内运动时，获取所述多足式机器人的足部的传感器模块采集的检测信号。
预设区域为需要构建地图的区域，多足式机器人在预设区域内运动，多足式机器人包括机器人本体和多条行走足，每条行走足的末端设置有传感器模块。多足式机器人主要通过各条行走足之间的配合实现移动，具体的移动方式可参见上述实施例。
当多足式机器人在预设区域内运动时，多足式机器人的各条行走足的末端设置的传感器模块会进行检测信号的采集。如图4所示，其中传感器模块47用于测量预设区域内的某点离传感器模块47的距离，传感器模块47的测距方向为方向48，方向48指向的预设区域的点A即为传感器模块47所测量的预设区域内的某点。
当多足式机器人在预设区域内的不同位置运动时，通过各条行走足末端的传感器模块测量预设区域内的不同点与传感器模块的距离，从而能够得到预设区域内的各个点的三维信息。
S52，根据所述检测信号，生成所述预设区域的三维地图。
根据多足式机器人的足部的传感器模块采集的检测信号，能够得到足部的传感器模块采集检测信号时、预设区域的各个点与相应的传感器模块之间的距离，然后，根据各个传感器模块在采集检测信号时相对于参考点的相对位置，能够得到预设区域的各个点相对于参考点的相对位置，进而能够得到预设区域的三维地图。
本申请实施例提供的地图构建方法，应用于多足式机器人，多足式机器人的足部设有传感器模块，在多足式机器人根据第一轨迹在预设区域内运动时，获取多足式机器人的足部的传感器模块采集的检测信号，然后，根据检测信号，生成预设区域的三维地图。本申请实施例的方案，通过传感器模块与多足式机器人的运动构型的结合，能够实现预设区域的三维地图的构建，相对于二维地图，能够更全面的反映预设区域的障碍物信息。
下面将结合具体的实施例对本申请的方案进行详细说明。
图6为本申请实施例提供的三维空间地图构建示意图，如图6所示，包括预设区域和一个多足式机器人，多足式机器人位于预设区域内，多足式机器人可以在预设区域内运动。
本申请实施例中，构建预设区域的三维地图的方式是，首先根据多足式机器人的足部的传感器模块采集的检测信号，得到预设区域内的各个区域点在预设坐标系内的三维坐标，其中所述区域点为预设区域内的表面上的点。
然后，根据预设区域内的各个区域点在预设坐标系内的三维坐标，得到预设区域的三维地图。
如图6所示，可以在预设区域内选定参考点O，以点O为预设坐标系的原点，建立O-XYZ坐标系，其中，点O的位置，以及坐标轴OX、坐标轴OY和坐标轴OZ的方向是不变的，图6中示例了一种O-XYZ坐标系的可能方式。在建立O-XYZ坐标系时，参考点O可任意选取，坐标轴OX、坐标轴OY和坐标轴OZ的方向也可以任意选取，但是需要保证三个坐标轴里的任意两个坐标轴是相互垂直的。图6中示例的O-XYZ坐标系只是一种可能的实现方式，并不对参考点O的选取以及三个坐标轴的方向构成限定。
多足式机器人在预设区域内运动，通过足部的传感器模块采集的检测信号，得到预设区域内的各个区域点在预设坐标系O-XYZ内的三维坐标，则预设区域内的各个区域点的三维信息能够被确定。由于O-XYZ坐标系是不变的，因此根据每个区域点在预设坐标系O-XYZ内的三维坐标，即能够得到预设区域的三维地图。
下面对如何确定预设区域内的各个区域点在预设坐标系O-XYZ内的三维坐标进行介绍。
多足式机器人在预设区域内运动时，由于每个足部安装有传感器模块，因此根据传感器模块采集的检测信号，可以得到当前时刻检测的区域点与相应的传感器模块之间的距离。
根据当前时刻检测的区域点与相应的传感器模块之间的距离，能够得到当前时刻检测的区域点相对于相应的传感器模块的位置，然后，根据相应的传感器模块在预设坐标系O-XYZ内的三维坐标，即可得到当前时刻检测的区域点在预设坐标系O-XYZ内的三维坐标。
即，根据足部的传感器模块采集的检测信号，得到预设区域内的各个区域点在预设坐标系O-XYZ内的三维坐标的方式可以是：
根据多足式机器人的足部的传感器模块采集的检测信号，得到各个区域点相对多足式机器人的足部的高度；
获取多足式机器人的足部的第一坐标系相对于预设坐标系的第一位姿，第一坐标系为以足部为原点的坐标系；
根据各个区域点相对多足式机器人的足部的高度，以及第一位姿，得到预设区域内的各个区域点在预设坐标系内的三维坐标。
首先对各个区域点相对多足式机器人的足部的高度的获取方法进行介绍。
在传感器模块测量预设区域内的区域点相对于传感器模块的相对位置时，相对位置可以通过一个与多足式机器人的足部相关的坐标系来进行表示。图7为本申请实施例提供的测距示意图，如图7所示，针对多足式机器人的任意一个足部，可以建立一个坐标系OL-XLYLZL，其中，坐标系OL-XLYLZL的的坐标原点位于该足部的传感器模块上，为传感器模块上的任意一点，选定之后不进行更改。坐标轴XL、坐标轴YL和坐标轴ZL的的方向与该足部的传感器模块的相对方向是不变的。
例如，在图6中，示出了多足式机器人的一个足部的坐标系OL-XLYLZL，坐标系OL-XLYLZL的各个坐标轴的方向如图中示意。当该足部的传感器模块不发生转动时，坐标系OL-XLYLZL的各个坐标轴的方向是不变的，本申请实施例中可设定传感器模块不发生转动，只发生移动或平移。当多足式机器人的足部发生平移时，相应的传感器模块上的坐标原点OL也会发生相应的平移。因此，可以获知，以足部的传感器模块上的某点为原点建立的坐标系OL-XLYLZL，其相对于该足部的传感器模块是不变的，但是由于足部的传感器模块会随着足部发生移动，因此坐标系OL-XLYLZL也会发生移动，是一个动态的坐标系。
在图7的示例中，P点为预设区域内的某一点，此时某足部的传感器模块检测的是P点与传感器模块之间的距离。通过传感器校准可以保证坐标系OL-XLYLZL的原点OL与测距模块的测量零点重合，且测量轴线(图中虚线表示)与Z轴同轴，方向与Z轴正方向相反。例如，若传感器模块为TOF测距传感器，则图7中的虚线为TOF测距传感器发射的近红外光的光线方向，其与Z轴同轴，因此得到的P点与OL点的距离即为P点距离OL点的高度，也相当于P点与传感器模块之间的高度。
由于测量轴线与Z轴同轴，因此根据测量得到的高度即可得到P点在此时的坐标系OL-XLYLZL中的坐标。设测量得到的P点距离OL点的高度为h，由于测量轴线与Z轴同轴，因此P点在坐标轴XL方向上的X坐标为0，在坐标轴YL方向上的Y坐标也为0。进而，此时可得到P点在坐标系OL-XLYLZL的坐标为(0，0，-h)。
如上所述，首先要采集多足式机器人在预设区域内运动时各个区域点相对多足式机器人的各足部的传感器模块的高度，然后根据当前时刻传感器模块在预设坐标系O-XYZ的坐标来得到预设区域的各个区域点在预设坐标系O-XYZ的坐标，进而构建预设区域的三维地图。
可选的，获取各个区域点相对多足式机器人的各足部的传感器模块的高度的方式如下：
本申请实施例中，多足式机器人需要在预设区域内运动，因此足部的传感器模块采集检测信号的过程也是一个动态的采集过程。
可选的，多足式机器人有两种运动控制模式，即行走采集模式和静止探测采集模式。当多足式机器人未检测到障碍物时，多足式机器人处于行走采集模式，即一边运动一边进行检测信号的采集；当多足式机器人检测到有障碍物时，多足式机器人从行走采集模式切换到静止探测采集模式，利用多足式机器人机械行走足的灵活可操作性，将机械行走足末端的传感器模块向原先运动的方向探测并采集数据。探测结束后，多足式机器人切换回行走采集模式，继续按照第一轨迹运动并进行检测信号的采集。
具体的，在未检测到预设区域存在障碍物时，控制所述多足式机器人的本体根据第一轨迹运动，并获取多足式机器人的足部的传感器模块采集的检测信号。
在检测到预设区域存在障碍物时，控制多足式机器人的本体暂停运动，并控制多足式机器人的至少一个足部在障碍物的临近区域运动；获取至少一个足部在障碍物的临近区域运动时，至少一个足部的传感器模块采集的检测信号，其中，障碍物的临近区域为与障碍物的水平距离小于预设距离的区域。
在地图的构建过程中，若预设区域中无任何障碍物(即预设区域为一个水平面)，则预设区域的地图构建相对较容易，通过多足式机器人的传感器模块能够测量得到预设区域的每个区域点与传感器模块的距离，然后以此构建三维地图。若预设区域中存在障碍物，由于障碍物可能有各种类型，例如凸起、凹陷、斜坡等等。在存在障碍物的区域，由于表面不平整，因此需要采集更为详细和精确的数据。为了能够获取更为准确的检测结果，因此在检测到障碍物时，多足式机器人的本体先暂停运动，然后由多足式机器人的足部在障碍物的临近区域运动，通过足部的传感器模块来采集检测信号，得到障碍物的三维信息。
在上述实施例的基础上，如图2所示，传感器模块包括：设置在足部的底部的TOF测距传感器14，以及设置在足部的碰撞传感器13。针对不存在障碍物的区域，或者不存在高凸起障碍物的区域，可仅采用TOF测距传感器来测量预设区域上的区域点与TOF测距传感器之间的距离；针对存在高凸起障碍物的区域，可在足部设置碰撞传感器，当碰撞传感器检测到碰撞信号后，可指示TOF测距传感器进行抬高操作，再进行与区域点之间的距离的测量操作。
下面结合附图对障碍物的区域点相对传感器模块的高度的采集过程进行说明。
多足式机器人在预设区域内运动时，若没有遇到障碍物，则机器人处于行走采集的模式，若遇到障碍物，则机器人处于静止探测采集模式。判断是否遇到障碍物的方式为：
根据碰撞传感器的检测信号，确定是否存在障碍物；和/或，
根据TOF测距传感器的检测信号，确定是否存在障碍物。
在一实施例中，根据TOF测距传感器的检测信号，确定TOF测距传感器检测到的距离，若确定TOF测距传感器检测到的距离发生跳变，则确定存在障碍物。
在多足式机器人的足部探测的障碍物为除高凸起障碍外的其他障碍物时，通过设置在足部的底部的TOF测距传感器向预设区域的表面发射近红外光，能够得到预设区域上的某一点与TOF测距传感器之间的距离，即预设区域上的某一点相对于TOF测距传感器之间的高度。
图8为本申请实施例提供的区域点高度检测示意图一，如图8所示，多足式机器人包括机器人本体10、行走足111、行走足112、行走足113和行走足114、传感器模块47，其中，还包括障碍物43，障碍物43为一个凸起障碍物。
如图8所示，在足部移动到前方的障碍物43上方时，根据TOF测距传感器的检测信号检测到的距离，比之前在行走平面上检测到的距离要小，则说明有凸起障碍。如图4所示，在足部移动到前方的凹陷障碍44上方时，根据测距传感器的检测信号检测到的距离，比之前在行走平面上检测到的距离大，则说明有凹陷障碍。
在一实施例中，通过TOF测距传感器确定障碍物的具体方式如下：
若在第二时刻所述TOF测距传感器检测到的距离与预设距离的差值大于第三预设阈值，则确定所述TOF测距传感器检测到的距离发生跳变；或，
若第二时刻与相邻的前一时刻的距离之间的差值大于第四预设阈值，则确定所述TOF测距传感器检测到的距离发生跳变。
具体的，根据TOF检测传感器的检测信号获取距离，该距离为TOF测距传感器与TOF光束反射的物体表面的距离，可以将TOF测距传感器在行走足抬起到预设高度后，与行走平面的距离作为基准距离(即预设距离)，将TOF测距传感器在足部的移动过程中获取到的检测信号的距离与基准距离进行比较，若发生变化，则说明检测到障碍物。
或者，可以对前后相邻时刻获取到的距离进行比较，若前后相邻时刻的距离的差值较大，则也可以说明存在障碍物。例如如图8所示，在足部移动过程中，假设相邻的前一时刻TOF测距传感器位于行走平面的上方，第二时刻TOF测距传感器位于障碍物43上方，则相邻的前一时刻与第二时刻的距离的差值较大，即第二时刻的距离突然变小，则说明有凸起障碍物43。
其中，第三预设阈值和第四预设阈值可以相同或不同。
当检测到障碍物43后，机器人本体10暂停运动，将行走采集模式切换到静止探测采集模式，例如在图8中，控制行走足111运动，带动传感器模块47在障碍物43的临近区域运动，采集障碍物43表面的各个区域点相对于传感器模块47的高度，从而获得了障碍物43的切面的三维信息。
在一实施例中，若确定碰撞传感器的检测信号的强度值发生跳变，则确定存在障碍物。
图9为本申请实施例提供的区域点高度检测示意图二，如图9所示，多足式机器人包括机器人本体10、行走足111、行走足112、行走足113和行走足114，其中，还包括障碍物41，障碍物41为一个高凸起障碍物。
如图9所示，在行走足111向前移动过程中，足部的高度可能低于障碍物的高度，通过测距传感器可能检测不到该障碍物，则可以利用碰撞传感器的检测信号，假设碰撞传感器的检测信号的强度值为预设值，若该检测信号的强度值突然变大，则说明碰到了障碍物。例如在图9中，传感器模块47与障碍物41相撞，此时碰撞传感器的检测信号变大，表明存在障碍物。
在一实施例中，确定所述碰撞传感器的检测信号的强度值发生跳变的具体方式如下：
若碰撞传感器在第一时刻的检测信号的强度值与预设强度值的差值大于第一预设阈值，则确定碰撞传感器的检测信号的强度值发生跳变；或，
若碰撞传感器在第一时刻与相邻的前一时刻的检测信号的强度值的差值大于第二预设阈值，则确定碰撞传感器的检测信号的强度值发生跳变。
具体的，可以将碰撞传感器在未与障碍物碰撞时，获取到的检测信号的强度值作为基准强度值(即预设强度值)，将碰撞传感器在足部的移动过程中获取到的检测信号的强度值与基准强度值进行比较，若发生变化，则说明与障碍物发生了碰撞，从而确定存在障碍物。
或者，可以对前后相邻的时刻获取到的检测信号的强度值进行比较，若前后相邻的时刻的检测信号的强度值的差值较大，则也可以说明与障碍物发生了碰撞，从而确定存在障碍物。为了与下文中的时刻进行区分，此处发生碰撞的时刻记为第一时刻。
其中，第一预设阈值和第二预设阈值可以相同或不同。
在一实施例中，若碰撞传感器的检测信号的强度值发生跳变，表示此时可能检测到一个障碍物，且该障碍物是一个较高的凸起障碍物，此时可以控制多足式机器人的至少一个足部抬高至预设高度，然后在至少一个足部处于预设高度时，控制至少一个足部在临近区域运动，采集检测信号，得到此时该凸起障碍物的表面上的各个点与足部的传感器模块之间的距离。
例如在图9中，碰撞传感器与障碍物41相撞，此时可以控制行走足111抬高，以使得传感器模块47抬高至预设高度H。然后，将行走采集模式切换至静止探测采集模式，机器人本体10暂停运动，行走足111向前运动并带动传感器模块47向前运动，采集障碍物41表面上的各个区域点相对于传感器模块47的高度。
通过如上的方法，能够获取到预设区域表面的各个区域点与传感器模块之间的距离，即通过多足式机器人的足部的传感器模块采集的检测信号，能够得到各个区域点相对于多足式机器人的足部的高度。
图10为本申请实施例提供的数据采集示意图，如图10所示，当多足式机器人在预设区域内开始运动后，也开始进行数据采集。图10中的多个点为进行一组数据采样后采集的各个区域点的三维信息。当多足式机器人在预设区域内的不同区域进行运动时，可以采集到预设区域内的各个区域点的三维信息。
在上述实施例中，详细描述了如何根据多足式机器人足部的传感器模块得到预设区域的各个区域点与当前时刻足部的传感器模块的相对高度，图8和图9的示例是以凸起障碍物为例进行说明，在水平面上，或者是其他类型障碍物上，其检测方法均是类似的。
得到了任意区域点P相对多足式机器人的足部的高度h后，如上述实施例所示，即得到了P点在该足部的传感器模块下的坐标系OL-XLYLZL(即第一坐标系)的坐标(0，0，-h)。
然后，需要进一步得到多足式机器人的足部的第一坐标系相对于预设坐标系O-XYZ的第一位姿，从而能够根据P点在该足部的传感器模块下的坐标系OL-XLYLZL(即第一坐标系)的坐标(0，0，-h)，以及第一位姿，得到预设区域内的各个区域点在预设坐标系内的三维坐标。
可选的，获取第一位姿的方式可以是，获取第一坐标系相对于第二坐标系的第二位姿，第二坐标系为以多足式机器人的本体为原点的坐标系；获取第二坐标系相对于预设坐标系的第三位姿；然后，根据第二位姿和第三位姿，得到第一位姿。
如图6中所示，在多足式机器人的运动空间上建立了一个惯性坐标系O-XYZ，坐标原点O固定在空间某个点后，在机器人本体上建立了一个坐标系OB-XBYBZB，坐标原点固定在机器人本体上。在机器人的足部，还建立了一个坐标系OL-XLYLZL，坐标原点固定在传感器模块上。
可以通过计算得到预设坐标系、第一坐标系和第二坐标系之间的空间关系。用矩阵V描述第二坐标系在预设坐标系中的表示如下：
其中，rx、ry、rz表示第二坐标系OB-XBYBZB坐标轴X、Y、Z在预设坐标系O-XYZ中的方向向量，pB表示第二坐标系OB-XBYBZB坐标原点的位置在预设坐标系O-XYZ中用向量的方式表示。显然，矩阵V是3×4的矩阵。
根据rx、ry、rz可以得到从预设坐标系O-XYZ到第二坐标系OB-XBYBZB的平移量，而被测点P在第二坐标系OB-XBYBZB中的坐标pB已知，因此根据矩阵
能够得到被测点P在预设坐标系O-XYZ中的三维坐标。
获取被测点P在预设坐标系O-XYZ中的坐标的方式如下：
首先，可以计算第一坐标系OL-XLYLZL相对第二坐标系OB-XBYBZB的第二位姿。
具体的，在控制机器人运动时，每个行走足关节的角度是已知的，进而可以通过每个行走足关节的角度结合运动学正解算法，得到安装在行走足末端的传感器模块上的第一坐标系OL-XLYLZL相对机器人本体的第二坐标系OB-XBYBZB的第二位姿，第二位姿可表示为：
其中，θ1,…,θn表示某条机械行走足上每个关节的角度位置，fFk表示运动学正解算法，
为第二位姿。
然后，可以计算第二坐标系OB-XBYBZB相对预设坐标系O-XYZ的第三位姿。
具体的，在多足式机器人开始运动前，机器人相对预设坐标系O-XYZ静止，可以测量出第二坐标系OB-XBYBZB相对预设O-XYZ的初始位姿。为了方便，在起始时刻，将O-XYZ建立在与机器人坐标系OB-XBYBZB重合的空间位姿上。当机器人开始运动，第二坐标系坐标系OB-XBYBZB将跟随机器人本体运动。
可以通过不同的方法得到机器人当前的第二坐标系OB-XBYBZB相对预设坐标系O-XYZ的第三位姿，例如可以通过SLAM算法得到第三位姿，也可以通过惯导模块(IMU)结合每个行走足关节的角度反馈计算得到第三位姿，其中：
其中，fSLAM表示位姿估计算法，
表示第二坐标系OB-XBYBZB相对预设坐标系O-XYZ的第三位姿。
在得到第二位姿和第三位姿后，可以得到被测点P在预设坐标系O-XYZ内的三维坐标。
具体的，为了便于做矩阵运算，将坐标系转换为4×4的齐次矩阵。转换方式为在V矩阵的最后一行(0 0 0 1)，有
其中，
称作坐标变换矩阵。相应的，将
扩展为4维向量，在最后一个元素后增加一个元素“1”，记做
那么根据坐标变换矩阵的链式法则可以得到被测量点P在O-XYZ坐标系中的位置，有
其中，
中的前三个元素分别被测点P在O-XYZ坐标系中的x、y、z坐标值，
rx1、ry1、rz1表示第二坐标系OB-XBYBZB坐标轴X、Y、Z在预设坐标系O-XYZ中的方向向量，pB1表示第二坐标系OB-XBYBZB坐标原点的位置在预设坐标系O-XYZ中用向量的方式表示，rx2、ry2、rz2表示第一坐标系OL-XLYLZL坐标轴X、Y、Z在第二坐标系OB-XBYBZB中的方向向量，pB2表示第一坐标系OL-XLYLZL坐标原点的位置在第二坐标系OB-XBYBZB中用向量的方式表示。
上述实施例详细描述了采集数据以及建立坐标系来构建三维地图的方法。可选的，在采集数据之前，还需要进行轨迹规划，图11为本申请实施例提供的轨迹规划示意图，如图11所示，包括预设区域110，预设区域110中包括4个子区域，分别是子区域1101、子区域1102、子区域1103和子区域1104。
图11中虚线为机器人在区域平面上的行走轨迹。每个子区域之间有障碍阻隔，多足式机器人能够靠多条机械行走足实现不同子区域之间的跨越。规划的第一轨迹使多足式机器人覆盖图11中4个子区域。
第一轨迹的规划方法有多种，本申请实施例中结合第一轨迹的规划和数据采集来实现三维地图构建，每条采样轨迹反映了三维物体的一个切面轮廓。如果机器人的运动轨迹能够覆盖整个预设区域，那么机器人可以获得预设区域上完整的三维地形。
例如，对于子区域1101和子区域1102之间的凸起障碍的三维地图构建，首先机器人在子区域1101中沿轨迹行走，每次转向前都会对该凸起障碍进行一次数据采集。随着子区域1101不断被机器人的轨迹所覆盖，其边框的数据信息也在不断积累，使得边框障碍的轮廓越来越清晰和完整。当机器人跨越到子区域1102后继续按规划的轨迹行走，机器人又会从另外一侧对该凸起障碍进行扫描和数据采集。所以在机器人运动中，障碍的轮廓会被不断完善和细化。图12为本申请实施例提供的三维地图构建效果示意图，如图12所示，当机器人行走完每个子区域并回到起点，可以得到形如图12的3D地图。
本申请实施例中，三维地图的构建是通过多足式机器人在预设区域的不断运动慢慢进行构建和完善的，当多足式机器人不断的采集数据，得到的三维地图会不断进行更新，最后得到预设区域的完整地图。可选的，还可以将构建得到的三维地图的相关数据发送到一个显示器上，从而在显示器上显示三维地图的构建过程和最终得到的效果图，实现三维地图的可视化。
本申请实施例提供的地图构建方法，应用于多足式机器人，多足式机器人的足部设有传感器模块，在多足式机器人根据第一轨迹在预设区域内运动时，获取多足式机器人的足部的传感器模块采集的检测信号，然后，根据检测信号，生成预设区域的三维地图。本申请实施例的方案，采用较为常见的测距传感器与多足式机器人的运动构型的结合，能够实现预设区域的三维地图的构建，相对于二维地图，能够更全面的反映预设区域的障碍物信息，同时本申请的方案成本较低，实现较为简单。
本申请实施例还提供一种多足式机器人，包括机器人本体和多条行走足，其中：
所述机器人本体内设有处理器，各条行走足末端设有传感器模块；
处理器，以及，用于存储处理器的可执行指令的存储器。
可选的，还可以包括：通信接口，用于实现与其他设备的通信。
上述部件可以通过一条或多条总线进行通信。
所述处理器配置为实现如上述实施例中所述的地图构建方法，其具体实施过程可以参见前述方法实施例，此处不再赘述。
应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)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。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的地图构建方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (11)
1.一种地图构建方法，其特征在于，应用于多足式机器人，所述多足式机器人的足部设有传感器模块，所述方法包括：
在所述多足式机器人根据第一轨迹在预设区域内运动时，获取所述多足式机器人的足部的传感器模块采集的检测信号；
根据所述检测信号，生成所述预设区域的三维地图。
2.根据权利要求1所述的方法，其特征在于，根据所述检测信号，生成所述预设区域的三维地图，包括：
根据所述检测信号，获取所述预设区域内的各个区域点在预设坐标系内的三维坐标；
根据所述预设区域内的各个区域点在预设坐标系内的三维坐标，生成所述预设区域的三维地图。
3.根据权利要求2所述的方法，其特征在于，根据所述检测信号，获取所述预设区域内的各个区域点在预设坐标系内的三维坐标，包括：
根据所述检测信号，获取各个区域点相对所述多足式机器人的足部的高度；
获取所述多足式机器人的足部的第一坐标系相对于所述预设坐标系的第一位姿，所述第一坐标系为以所述足部为原点的坐标系；
根据各个区域点相对所述多足式机器人的足部的高度，以及所述第一位姿，获取所述预设区域内的各个区域点在所述预设坐标系内的三维坐标。
4.根据权利要求3所述的方法，其特征在于，获取所述多足式机器人的足部的第一坐标系相对于所述预设坐标系的第一位姿，包括：
获取所述第一坐标系相对于第二坐标系的第二位姿，所述第二坐标系为以所述多足式机器人的本体为原点的坐标系；
获取所述第二坐标系相对于所述预设坐标系的第三位姿；
根据所述第二位姿和所述第三位姿，得到所述第一位姿。
5.根据权利要求1-4任一项所述的方法，其特征在于，在所述多足式机器人根据第一轨迹在预设区域内运动时，获取所述多足式机器人的足部的传感器模块采集的检测信号，包括：
在未检测到所述预设区域存在障碍物时，控制所述多足式机器人的本体根据所述第一轨迹运动，并获取所述多足式机器人的足部的传感器模块采集的检测信号；
在检测到所述预设区域存在障碍物时，控制所述多足式机器人的本体暂停运动，并控制所述多足式机器人的至少一个足部在所述障碍物的临近区域运动；获取所述至少一个足部在所述障碍物的临近区域运动时，所述至少一个足部的传感器模块采集的检测信号，其中，所述障碍物的临近区域为与所述障碍物的水平距离小于预设距离的区域。
6.根据权利要求5所述的方法，其特征在于，所述传感器模块包括设置在所述足部的底部的飞行时间TOF测距传感器和设置在所述足部的碰撞传感器，所述方法还包括：
若所述碰撞传感器的检测信号的强度值发生跳变，则确定存在障碍物；
或者，根据所述TOF测距传感器的检测信号，确定所述TOF测距传感器检测到的距离，若确定所述TOF测距传感器检测到的距离发生跳变，则确定存在障碍物。
7.根据权利要求6所述的方法，其特征在于，确定所述碰撞传感器的检测信号的强度值发生跳变，包括：
若所述碰撞传感器在第一时刻的检测信号的强度值与预设强度值的差值大于第一预设阈值，则确定所述碰撞传感器的检测信号的强度值发生跳变；或，
若所述碰撞传感器在第一时刻与相邻的前一时刻的检测信号的强度值的差值大于第二预设阈值，则确定所述碰撞传感器的检测信号的强度值发生跳变。
8.根据权利要求6所述的方法，其特征在于，确定所述TOF测距传感器检测到的距离发生跳变，包括：
若在第二时刻所述TOF测距传感器检测到的距离与预设距离的差值大于第三预设阈值，则确定所述TOF测距传感器检测到的距离发生跳变；或，
若第二时刻与相邻的前一时刻的距离之间的差值大于第四预设阈值，则确定所述TOF测距传感器检测到的距离发生跳变。
9.根据权利要求6所述的方法，其特征在于，在所述碰撞传感器的检测信号的强度值发生跳变时，控制所述多足式机器人的至少一个足部在所述障碍物的临近区域运动，包括：
控制所述至少一个足部抬高至预设高度；
在所述至少一个足部处于所述预设高度时，控制所述至少一个足部在所述临近区域运动。
10.一种多足式机器人，其特征在于，包括机器人本体和多条行走足，其中：
所述机器人本体内设有处理器，各条行走足末端设有传感器模块；
所述处理器配置为实现如权利要求1-9任一项所述的地图构建方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-9任一项所述的地图构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010251835.XA CN113494916A (zh) | 2020-04-01 | 2020-04-01 | 地图构建方法及多足式机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010251835.XA CN113494916A (zh) | 2020-04-01 | 2020-04-01 | 地图构建方法及多足式机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113494916A true CN113494916A (zh) | 2021-10-12 |
Family
ID=77994245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010251835.XA Pending CN113494916A (zh) | 2020-04-01 | 2020-04-01 | 地图构建方法及多足式机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113494916A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113568003A (zh) * | 2021-07-26 | 2021-10-29 | 奥特酷智能科技(南京)有限公司 | 一种用于机场地勤车的防撞预警系统及方法 |
| CN114326718A (zh) * | 2021-12-14 | 2022-04-12 | 科沃斯商用机器人有限公司 | 地图构建方法、自移动机器人和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009193240A (ja) * | 2008-02-13 | 2009-08-27 | Toyota Motor Corp | 移動ロボット及び環境地図の生成方法 |
| US20100324769A1 (en) * | 2007-02-13 | 2010-12-23 | Yutaka Takaoka | Environment map generating method and mobile robot (as amended) |
| US9939814B1 (en) * | 2017-05-01 | 2018-04-10 | Savioke, Inc. | Computer system and method for automated mapping by robots |
| CN108256430A (zh) * | 2017-12-20 | 2018-07-06 | 北京理工大学 | 障碍物信息获取方法、装置及机器人 |
| CN109872324A (zh) * | 2019-03-20 | 2019-06-11 | 苏州博众机器人有限公司 | 地面障碍物检测方法、装置、设备和存储介质 |
-
2020
- 2020-04-01 CN CN202010251835.XA patent/CN113494916A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100324769A1 (en) * | 2007-02-13 | 2010-12-23 | Yutaka Takaoka | Environment map generating method and mobile robot (as amended) |
| JP2009193240A (ja) * | 2008-02-13 | 2009-08-27 | Toyota Motor Corp | 移動ロボット及び環境地図の生成方法 |
| US9939814B1 (en) * | 2017-05-01 | 2018-04-10 | Savioke, Inc. | Computer system and method for automated mapping by robots |
| CN108256430A (zh) * | 2017-12-20 | 2018-07-06 | 北京理工大学 | 障碍物信息获取方法、装置及机器人 |
| CN109872324A (zh) * | 2019-03-20 | 2019-06-11 | 苏州博众机器人有限公司 | 地面障碍物检测方法、装置、设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 原晨旭: "自主移动服务机器人的平台设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 8, pages 140 - 330 * |
| 赵利军: "面向六足步行机器人的行进区域障碍物视觉检测及应对规划研究", 《中国博士学位论文全文数据库信息科技辑》, no. 2, pages 140 - 32 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113568003A (zh) * | 2021-07-26 | 2021-10-29 | 奥特酷智能科技(南京)有限公司 | 一种用于机场地勤车的防撞预警系统及方法 |
| CN113568003B (zh) * | 2021-07-26 | 2022-11-01 | 奥特酷智能科技(南京)有限公司 | 一种用于机场地勤车的防撞预警系统及方法 |
| CN114326718A (zh) * | 2021-12-14 | 2022-04-12 | 科沃斯商用机器人有限公司 | 地图构建方法、自移动机器人和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11547255B2 (en) | Cleaning robot | |
| CN112739244B (zh) | 移动机器人清洁系统 | |
| JP7484015B2 (ja) | 障害物検出方法および装置、自走式ロボット並びに記憶媒体 | |
| JP6772129B2 (ja) | 移動ロボットにおける光学式走行距離センサの使用のためのシステム及び方法 | |
| Belter et al. | Rough terrain mapping and classification for foothold selection in a walking robot | |
| US9329598B2 (en) | Simultaneous localization and mapping for a mobile robot | |
| JP5946147B2 (ja) | 可動式ヒューマンインターフェースロボット | |
| EP3104194B1 (en) | Robot positioning system | |
| US9969086B1 (en) | Achieving a target gait in a legged robot based on steering commands | |
| CN112004645A (zh) | 智能清洁机器人 | |
| CN106537185B (zh) | 借助于相交平面探测障碍物的装置和使用所述装置的探测方法 | |
| CA3028451A1 (en) | Systems and methods for robotic behavior around moving bodies | |
| CN114947652A (zh) | 导航、划分清洁区域方法及系统、移动及清洁机器人 | |
| CN113494916A (zh) | 地图构建方法及多足式机器人 | |
| US10765284B2 (en) | Cleaning robot | |
| AU2015270607B2 (en) | Device for detection of obstacles in a horizontal plane and detection method implementing such a device | |
| CN112204345A (zh) | 移动设备的室内定位方法、移动设备及控制系统 | |
| CN110471086A (zh) | 一种雷达测障系统及方法 | |
| JP5212939B2 (ja) | 自律移動装置 | |
| CN112423639B (zh) | 自主行走式吸尘器 | |
| CN113552589A (zh) | 障碍检测方法、机器人和存储介质 | |
| KR20180074509A (ko) | 청소 로봇 | |
| CN113848944A (zh) | 一种地图构建方法、装置、机器人及存储介质 | |
| CN114967722B (zh) | 一种摇臂式机动平台自主越台阶障碍方法 | |
| Rosinski et al. | Terrain map building for a walking robot equipped with an active 2D range sensor |
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 |