CN113515132A - 机器人路径规划方法、机器人和计算机可读存储介质 - Google Patents
机器人路径规划方法、机器人和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113515132A CN113515132A CN202111070029.3A CN202111070029A CN113515132A CN 113515132 A CN113515132 A CN 113515132A CN 202111070029 A CN202111070029 A CN 202111070029A CN 113515132 A CN113515132 A CN 113515132A
- Authority
- CN
- China
- Prior art keywords
- path
- robot
- weight
- current
- length
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 106
- 230000008569 process Effects 0.000 claims abstract description 70
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000003068 static effect Effects 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
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000001931 thermography 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
-
- 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
- G05D1/0223—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, 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
Abstract
本申请涉及机器人领域,提供了机器人路径规划方法、机器人和计算机可读存储介质,以提升移动机器人在动态场景下的作业效率。所述方法包括:获取机器人在当前移动过程中路径段的权重影响因子;根据权重影响因子计算路径段的路径权重;将路径权重替代对应的路径段的历史路径权重,以用于下一次的路径规划。本申请能够提升移动机器人在动态场景下的作业效率。
Description
技术领域
本发明涉及机器人领域,特别涉及一种机器人路径规划方法、机器人和计算机可读存储介质。
背景技术
移动机器人的全局规划(Global Planning)是指在已知的环境中,为移动机器人规划出一条从起始点到目标点的路径。为了缩小搜索空间,减少计算量,加快解算速度,在实际的应用场景中,通常会预设一些节点和节点之间的连线作为进行全局规划可供选择的路径。目前,一种比较典型的路径规划方法是基于Dijkstra算法的全局规划算法,其基本思想是初始化两个集合,其中一个是已知的最短路径集合,另一个是包含未知的路径集合,通过迭代,将未知的路径集合中的路径不断添加至已知的最短路径集合,直至找到从出发节点到目标节点的最短路径。然而,由于移动机器人所在的场景可能是动态变化的,因此,上述基于原始Dijkstra算法所规划出的最短路径未必会就是最优路径,导致移动机器人的作业效率不高。
发明内容
本申请提供一种机器人路径规划方法、机器人和计算机可读存储介质,以提升移动机器人在动态场景下的作业效率。
一方面,本申请提供了一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如下步骤:
在所述机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中路径段的权重影响因子;
根据所述权重影响因子计算所述路径段的当前路径权重;
将所述路径权重替代对应的所述路径段的历史路径权重,以用于下一次的路径规划。
另一方面,本申请提供了一种机器人路径规划方法,包括:
在所述机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中路径段的权重影响因子;
根据所述权重影响因子计算所述路径段的当前路径权重;
将所述路径权重替代对应的所述路径段的历史路径权重,以用于下一次的路径规划。
第三方面,本申请提供了一种机器人路径规划装置,所述装置包括:
获取模块,用于在所述机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中的路径段的权重影响因子;
计算模块,用于根据所述权重影响因子计算所述路径段的当前路径权重;
替代模块,用于将所述当前路径权重替代对应的所述路径段的历史路径权重,以用于下一次的路径规划。
第四方面,本申请提供了一种机器人,所述机器人包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述机器人路径规划方法的技术方案的步骤。
第五方面,本申请提供了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述机器人路径规划方法的技术方案的步骤。
从上述本申请提供的技术方案可知,由于每次根据机器人在当前移动过程中路径段的权重影响因子计算路径段的当前路径权重,并且将当前路径权重替代对应的路径段的历史路径权重,以用于下一次的路径规划,即,当路径段的路况发生变化时,这种变化能够由该路径段的权重反映,因此,以该路径的权重作为预设算法中路径段的权重,对机器人在下一次移动过程中进行路径规划,实现动态场景下该机器人的最优路径规划,从而提升了机器人在动态场景下的作业效率。
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简单地介绍,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的机器人的结构示意图;
图2是本申请实施例提供的机器人路径规划方法的流程图;
图3是本申请实施例提供的机器人路径规划装置的结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
在本说明书中,诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分,而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下,参照元素或部件或步骤(等)不应解释为局限于仅元素、部件、或步骤中的一个,而可以是元素、部件、或步骤中的一个或多个等。
在本说明书中,为了便于描述,附图中所示的各个部分的尺寸并不是按照实际的比例关系绘制的。
请参阅附图1,是本申请实施例提供的一种机器人,该机器人包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机可读指令,处理器执行计算机可读指令时实现如下步骤:在机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中路径段的权重影响因子;根据权重影响因子计算路径段的当前路径权重;将路径权重替代对应的路径段的历史路径权重,以用于下一次的路径规划。
在本申请一个实施例中,上述获取机器人在当前移动过程中路径段的权重影响因子可以是:获取机器人在路径段的平均移动速率,将平均移动速率作为所述权重影响因子。根据权重影响因子计算路径段的路径权重可以是:将路径段的路径长度除以平均移动速率得到移动时间,将移动时间作为路径段的路径权重。
在本申请一个实施例中,上述获取机器人在当前移动过程中路径段的权重影响因子可以是:通过采集机器人在当前移动过程中周围环境的图像,识别路径段存在的动态障碍物;计算路径段存在的动态障碍物的密度,以该密度作为机器人在当前移动过程中路径段的权重影响因子。
在本申请一个实施例中,上述密度为路径段单位长度内动态障碍物的个数;所述根据权重影响因子计算路径段的当前路径权重可以是:求取两者之和,其中,两者之和为长度加上长度的修正值,将两者之和作为机器人在当前移动过程中路径段的权重,长度为机器人在历史移动过程中路径段的长度,长度的修正值为路径段单位长度内动态障碍物的个数与该长度的乘积。
在本申请一个实施例中,上述通过采集机器人在当前移动过程中周围环境的图像,识别路径段存在的动态障碍物可以是:通过采集机器人在当前移动过程中路径段存在的障碍物的图像,获取周围环境中障碍物的当前位置;根据障碍物的当前位置,预测障碍物在第一时刻处于周围环境中的第一位置;根据障碍物的图像,获取障碍物在第二时刻处于所述周围环境中的第二位置;对第一位置和第二位置进行匹配;若第一位置和所述第二位置不相符,则确定路径段存在动态障碍物;或者通过采集机器人在当前移动过程中周围环境的图像,识别路径段存在的动态障碍物可以是:通过采集机器人在当前移动过程中路径段存在的障碍物的图像,获取障碍物的点云数据;根据所述障碍物的点云数据,判断在相邻时刻的障碍物是否为同一障碍物;若在相邻时刻的障碍物为同一障碍物,则判断同一障碍物的质心位置是否发生改变;若判断同一障碍物的质心位置发生改变,则将同一障碍物识别为动态障碍物。
在本申请一个实施例中,获取机器人在当前移动过程中路径段的权重影响因子之前,还包括:在机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中的路径段的权重影响因子之前,接收路径规划请求,路径规划请求包括路径起点和路径终点;获取从路径起点至路径终点之间每两个路径节点之间的当前路径权重;根据当前路径权重采用预设算法规划路径。
在本申请一个实施例中,上述获取路径起点至路径终点之间每个路径段的当前路径权重可以是:判断路径规划是否为首次路径规划,若是,则将路径段的路径长度作为当前路径权重用于路径规划,否则,将机器人在上一次按照已规划好的路径进行移动时替代后的当前路径权重作为本次路径规划中路径段的当前路径权重。
在本申请一个实施例中,上述方法还包括每隔预设时间进行初始化,以将每个路径段的路径长度作为当前路径权重用于路径规划。
从附图1示例的技术方案可知,由于每次根据机器人在当前移动过程中路径段的权重影响因子计算路径段的当前路径权重,并且将当前路径权重替代对应的路径段的历史路径权重,以用于下一次的路径规划,即,当路径段的路况发生变化时,这种变化能够由该路径段的权重反映,因此,以该路径的权重作为预设算法中路径段的权重,对机器人在下一次移动过程中进行路径规划,实现动态场景下该机器人的最优路径规划,从而提升了机器人在动态场景下的作业效率。
本申请还提出了一种机器人路径规划方法,可应用于机器人,该机器人可以是在餐饮、医疗等特殊公共场所中应用,例如医院作业的消毒杀菌机器人、餐厅、酒店等作业的送餐机器人。如附图2所示,机器人路径规划方法主要包括步骤S201至S203,详述如下:
步骤S201:获取机器人在当前移动过程中路径段的权重影响因子。
在本申请实施例中,机器人从当前位置至目标位置包括多个节点,连接任意两个节点之间的部分即为路径段,路径段的权重决定了路径规划中是否选择该路径段。本申请实施例假设当前机器人移动时,其路径规划采用的是前一次移动时获取的路径段的权重,而经步骤S201至步骤S202获取的路径段的路径权重将用于机器人在下一次移动过程中的路径规划。可以理解的是,当机器人在路径段的移动速率较高,或者,在该路径段的障碍物较少,则该路径段将是下一次路径规划中的优选路径,因此,本申请实施例中的路径权重影响因子可以是机器人在当前移动过程中路径段的平均移动速率或机器人在当前移动过程中任意路径段的障碍物信息。在本申请一个实施例中,获取机器人在当前移动过程中路径段的权重影响因子可以是:获取机器人在路径段的平均移动速率,将该平均移动速率作为权重影响因子。
在本申请另一实施例中,获取机器人在当前移动过程中路径段的权重影响因子可以是:通过采集机器人在当前移动过程中周围环境的图像,识别路径段存在的动态障碍物,计算路径段存在的动态障碍物的密度,以该密度作为机器人在当前移动过程中路径段的权重影响因子。需要说明的是,当路径段存在的障碍物为静态障碍物即在不同时刻该障碍物不增、不减且不动时,则该障碍物并不构成路径权重影响因子,因此,本申请实施例需要识别的是路径段存在的动态障碍物而非静态障碍物。至于通过采集机器人在当前移动过程中周围环境的图像,识别路径段存在的动态障碍物,本申请的一个实施例可以通过步骤S2011至步骤S2015实现,说明如下:
步骤S2011:通过采集机器人在当前移动过程中路径段存在的障碍物的图像,获取周围环境中障碍物的当前位置。
在本申请实施例中,可以采用机器人搭载的图像采集装置,例如,双目相机等,拍摄机器人在当前移动过程中路径段存在的物体图像,识别其中的障碍物,然后,利用机器人搭载的测距装置,将机器人本体作为参考点,检测该障碍物的当前位置。此处对障碍物的识别可以是现有技术中的任何一种识别方法,例如,热成像技术或者计算机图形学技术,等等。
步骤S2012:根据障碍物的当前位置,预测障碍物在第一时刻处于周围环境中的第一位置。
需要说明的是,本申请实施例中,预测障碍物在第一时刻处于周围环境中的第一位置是假定该障碍物是静止不动的即该障碍物是静态障碍物。因此,在预测那一刻即第一时刻,若机器人没有移动,则障碍物在第一时刻处于周围环境中的第一位置也就是经步骤S2013获取的障碍物的当前位置,若机器人正在移动,则根据机器人当前的移动速度、方位等运动参数以及障碍物的当前位置,预测障碍物在第一时刻处于周围环境中的第一位置。
步骤S2013:根据障碍物的图像,获取障碍物在第二时刻处于周围环境中的第二位置。
步骤2013的实现方案与步骤S2011的实现方案相同,只是获取的是障碍物在第二时刻处于周围环境中的第二位置。
步骤S2014:对第一位置和第二位置进行匹配。
此处的对第一位置和第二位置进行匹配也即将第一位置和第二位置进行对比。
步骤S2015:若第一位置和第二位置不相符,则确定路径段存在动态障碍物。
如前所述,由于对障碍物在第一时刻处于周围环境中的第一位置的预测是基于该障碍物是静态障碍物这一假设,因此,若障碍物在第一时刻处于周围环境中的第一位置与障碍物在第二时刻处于周围环境中的第二位置不相符,则说明该障碍物在移动即该障碍物是动态障碍物,即确定路径段存在动态障碍物。需要说明的是,在本申请实施例中,第一位置与第二位置的不相符不是绝对的不相符即绝对不同,而是当第一位置与第二位置的误差超过预设阈值时,即认为第一位置与第二位置不相符。
作为本申请另一实施例,通过采集机器人在当前移动过程中周围环境的图像,识别路径段存在的动态障碍物可以通过步骤S’2011至步骤S’2014实现,说明如下:
步骤S’2011:通过采集机器人在当前移动过程中路径段存在的障碍物的图像,获取障碍物的点云数据。
在本申请实施例中,可以通过机器人搭载的激光雷达,采集在当前移动过程中路径段存在的障碍物的图像,从而获取障碍物的点云数据。
步骤S’2012:根据障碍物的点云数据,判断在相邻时刻的障碍物是否为同一障碍物。
按照点云数据的获取原理,当得到一个障碍物的点云数据,意味着可以获取到该障碍物的质心、轮廓和点云密度等特征。假设以这些特征构成特征向量,可以通过计算相邻时刻获取的两个障碍物这些特征向量之间的相似度,来判断在相邻时刻的障碍物是否为同一障碍物。
步骤S’2013:若在相邻时刻的障碍物为同一障碍物,则判断同一障碍物的质心位置是否发生改变。
具体而言,可以设定一个相似度阈值,若在相邻时刻,所获取的两个障碍物的质心、轮廓和点云密度等特征构成的特征向量的相似度大于设定的相似度阈值,则可以确定在相邻时刻的障碍物为同一障碍物。进一步地,判断同一障碍物的质心位置是否发生改变。
步骤S’2014:若判断同一障碍物的质心位置发生改变,则将同一障碍物识别为动态障碍物。
由于在相邻时刻,路径段获取的障碍物为同一障碍物,而且该障碍物在不同时刻的质心位置发生了改变,说明该障碍物正在运动,因此,确定路径段存在的障碍物为动态障碍物。
上述实施例中,在机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中的路径段的权重影响因子之前,还包括接收路径规划请求,该路径规划请求包括路径起点和路径终点;获取从路径起点至路径终点之间每个路径段的当前路径权重;根据当前路径权重采用预设算法规划路径,其中,获取从路径起点至路径终点之间每个路径段的当前路径权重可以是:判断路径规划是否为首次路径规划,若是,则将路径段的路径长度作为当前路径权重用于路径规划,否则,将机器人在上一次按照已规划好的路径进行移动时替代后的当前路径权重作为本次路径规划中路径段的当前路径权重。
骤S202:根据权重影响因子计算路径段的当前路径权重。
相应于获取机器人在路径段的平均移动速率,将平均移动速率作为权重影响因子,作为本申请一实施例,根据权重影响因子计算路径段的当前路径权重可以是:将路径段的路径长度除以平均移动速率得到移动时间,将移动时间作为路径段的路径权重。对于固定的两个节点,它们之间的长度也是固定的,因此,当机器人当前在路径段的平均移动速率越大,时间越小,该路径段的权重越小,在路径规划时,应当优先选择该路径。
在本申请一个实施例中,密度为路径段单位长度内动态障碍物的个数。相应于通过采集机器人在当前移动过程中周围环境的图像,识别路径段存在的动态障碍物,计算路径段存在的动态障碍物的密度,以密度作为机器人在当前移动过程中路径段的权重影响因子的实施例,作为本申请另一实施例,根据权重影响因子计算路径段的当前路径权重可以是:求取两者之和,两者之和为长度加上长度的修正值,将两者之和作为机器人在当前移动过程中路径段的权重,长度为机器人在历史移动过程中路径段的长度,长度的修正值为路径段单位长度内动态障碍物的个数与长度的乘积。由于路径段的长度一定,因此,当密度越大,即路径段单位长度内障碍物的个数越多,则使得路径段的权重变大,该路径段的路径权重变大,在路径规划时应当放弃选择该路径段构成的路径,反之,当密度越大越小,即路径段单位长度内障碍物的个数越少,则使得路径段的权重变小,该路径段的权重变小,在路径规划时应当优先选择该路径段构成的路径。
步骤S203:将当前路径权重替代对应的路径段的历史路径权重,以用于下一次的路径规划。
在本申请实施例中,将机器人当前路径权重替代对应的路径段的历史路径权重,除了意味着在做路径规划时,直接将当前路径权重作为路径段的权重,还意味着将机器人在当前移动过程中当前路径权重保存下来。在下一次更新路径段的权重时,当前路径权重将取代机器人在历史移动过程中路径段的权重。由于总是将机器人在当前移动过程中当前路径权重替代机器人在历史移动过程中历史路径权重,因此,当路径段的路况发生变化(例如,路径段的障碍物减少),导致路径段的权重减小,则有可能将路径段纳入规划的路径。
通过预设算法,例如Dijkstra算法进行路径规划为现有技术,不做赘述,不同的是,在本申请实施例中,是以路径权重作为预设算法中路径段的权重。由于路径的权重总是处于更新状态,因此,不同时期的路径规划,预设算法中路径段的权重可能不同,意味着在不同时期,路径段可能被选中,也可能被弃用。
从上述附图2示例的机器人路径规划方法可知,由于每次根据机器人在当前移动过程中路径段的权重影响因子计算路径段的当前路径权重,并且将当前路径权重替代对应的路径段的历史路径权重,以用于下一次的路径规划,即,当路径段的路况发生变化时,这种变化能够由该路径段的权重反映,因此,以该路径的权重作为预设算法中路径段的权重,对机器人在下一次移动过程中进行路径规划,实现动态场景下该机器人的最优路径规划,从而提升了机器人在动态场景下的作业效率。
图3是本申请实施例提供的一种机器人路径规划装置,该规划装置包括获取模块301、计算模块302和替代模块303,详细说明如下:
获取模块301,用于在机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中路径段的权重影响因子;
计算模块302,用于根据权重影响因子计算路径段的当前路径权重;
替代模块303,用于将当前路径权重替代对应的路径段的历史路径权重,以用于下一次的路径规划。
从上述附图3示例的机器人路径规划装置可知,由于每次根据机器人在当前移动过程中路径段的权重影响因子计算路径段的当前路径权重,并且将当前路径权重替代对应的路径段的历史路径权重,以用于下一次的路径规划,即,当路径段的路况发生变化时,这种变化能够由该路径段的权重反映,因此,以该路径的权重作为预设算法中路径段的权重,对机器人在下一次移动过程中进行路径规划,实现动态场景下该机器人的最优路径规划,从而提升了机器人在动态场景下的作业效率。
图1是本申请一实施例提供的机器人的结构示意图。如图1所示,该实施例的机器人主要包括:处理器10、存储器11以及存储在存储器11中并可在处理器10上运行的计算机程序12,例如机器人路径规划方法的程序。处理器10执行计算机程序12时实现上述机器人路径规划方法实施例中的步骤,例如图2所示的步骤S201至S203。
示例性地,机器人路径规划方法的计算机程序12主要包括:在机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中路径段的权重影响因子;根据权重影响因子计算路径段的当前路径权重;将当前路径权重替代对应的路径段的历史路径权重,以用于下一次的路径规划。计算机程序12可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器11中,并由处理器10执行,以完成本申请。一个或多个模块/单元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12在机器人1中的执行过程。
机器人1可包括但不仅限于处理器10、存储器11。本领域技术人员可以理解,图1仅仅是机器人1的示例,并不构成对机器人1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
所称处理器10可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,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。
存储器11可以是机器人1的内部存储单元,例如机器人1的硬盘或内存。存储器11也可以是机器人1的外部存储机器人,例如机器人1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括机器人1的内部存储单元也包括外部存储机器人。存储器11用于存储计算机程序以及机器人所需的其他程序和数据。存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即,将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的机器人和方法,可以通过其它的方式实现。例如,以上所描述的机器人实施例仅仅是示意性的,例如,模块或单元的划分,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装置,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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,可以存储在一个非临时性计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,机器人路径规划方法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步骤,即,在机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中路径段的权重影响因子;根据权重影响因子计算路径段的当前路径权重;将当前路径权重替代对应的路径段的历史路径权重,以用于下一次的路径规划。其中,计算机程序包括计算机程序代码,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。非临时性计算机可读介质可以包括:能够携带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、只读内存(ROM,Read-Only Memory)、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。需要说明的是,非临时性计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,非临时性计算机可读介质不包括电载波信号和电信信号。以上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精神和范围,均应包含在本申请的保护范围之内。以上所述的具体实施方式,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施方式而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如下步骤:
在所述机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中路径段的权重影响因子;
根据所述权重影响因子计算所述路径段的当前路径权重;
将所述当前路径权重替代对应的所述路径段的历史路径权重,以用于下一次的路径规划。
2.根据权利要求1所述的机器人,其特征在于,所述获取机器人在当前移动过程中路径段的权重影响因子,包括:获取所述机器人在所述路径段的平均移动速率,将所述平均移动速率作为所述权重影响因子;
所述根据所述权重影响因子计算所述路径段的当前路径权重,包括:将所述路径段的路径长度除以所述平均移动速率得到移动时间,将所述移动时间作为所述路径段的当前路径权重。
3.如权利要求1所述机器人,其特征在于,所述获取机器人在当前移动过程中路径段的权重影响因子,包括:
通过采集所述机器人在当前移动过程中周围环境的图像,识别所述路径段存在的动态障碍物;
计算所述路径段存在的动态障碍物的密度,以所述密度作为所述机器人在当前移动过程中路径段的权重影响因子。
4.如权利要求3所述的机器人,其特征在于,所述密度为所述路径段单位长度内动态障碍物的个数;所述根据所述权重影响因子计算所述路径段的当前路径权重,包括:求取两者之和,所述两者之和为长度加上所述长度的修正值,将所述两者之和作为所述机器人在当前移动过程中路径段的权重,所述长度为所述机器人在历史移动过程中路径段的长度,所述长度的修正值为所述路径段单位长度内动态障碍物的个数与所述长度的乘积。
5.如权利要求3所述的机器人,其特征在于,所述通过采集所述机器人在当前移动过程中周围环境的图像,识别所述路径段存在的动态障碍物,包括:通过采集所述机器人在当前移动过程中所述路径段存在的障碍物的图像,获取所述周围环境中障碍物的当前位置;根据所述障碍物的当前位置,预测所述障碍物在第一时刻处于所述周围环境中的第一位置;根据所述障碍物的图像,获取所述障碍物在第二时刻处于所述周围环境中的第二位置;对所述第一位置和所述第二位置进行匹配;若所述第一位置和所述第二位置不相符,则确定所述路径段存在所述动态障碍物;或者
所述通过采集所述机器人在当前移动过程中周围环境的图像,识别所述路径段存在的动态障碍物,包括:通过采集所述机器人在当前移动过程中所述路径段存在的障碍物的图像,获取所述障碍物的点云数据;根据所述障碍物的点云数据,判断在相邻时刻的障碍物是否为同一障碍物;若在相邻时刻的障碍物为同一障碍物,则判断所述同一障碍物的质心位置是否发生改变;若判断所述同一障碍物的质心位置发生改变,则将所述同一障碍物识别为所述动态障碍物。
6.如权利要求1至5任意一项所述的机器人,其特征在于,所述处理器执行所述计算机可读指令时还实现如下步骤:
在所述机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中的路径段的权重影响因子之前,接收路径规划请求,所述路径规划请求包括路径起点和路径终点;
获取从所述路径起点至所述路径终点之间每个路径段的当前路径权重;
根据所述当前路径权重采用预设算法规划路径。
7.如权利要求6所述的机器人,其特征在于,所述获取从所述路径起点至所述路径终点之间每个路径段的当前路径权重,包括:
判断所述路径规划是否为首次路径规划,若是,则将所述路径段的路径长度作为所述当前路径权重用于路径规划,否则,将所述机器人在上一次按照所述已规划好的路径进行移动时替代后的当前路径权重作为本次路径规划中所述路径段的当前路径权重。
8.如权利要求7所述的机器人,其特征在于,所述处理器执行所述计算机可读指令时还实现如下步骤:每隔预设时间进行初始化,以将每个路径段的路径长度作为当前路径权重用于路径规划。
9.一种机器人路径规划方法,其特征在于,所述方法包括:
在所述机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中的路径段的权重影响因子;
根据所述权重影响因子计算所述路径段的当前路径权重;
将所述当前路径权重替代对应的所述路径段的历史路径权重,以用于下一次的路径规划。
10.如权利要求9所述机器人路径规划方法,其特征在于,所述获取机器人在当前移动过程中路径段的权重影响因子,包括:获取所述机器人在所述路径段的平均移动速率,将所述平均移动速率作为所述权重影响因子;
所述根据所述权重影响因子计算所述路径段的当前路径权重,包括:将所述路径段的路径长度除以所述平均移动速率得到移动时间,将所述移动时间作为所述路径段的当前路径权重。
11.如权利要求9所述机器人路径规划方法,其特征在于,所述获取机器人在当前移动过程中路径段的权重影响因子,包括:
通过采集所述机器人在当前移动过程中周围环境的图像,识别所述路径段存在的动态障碍物;
计算所述路径段存在的动态障碍物的密度,以所述密度作为所述机器人在当前移动过程中路径段的权重影响因子。
12.如权利要求11所述机器人路径规划方法,其特征在于,所述密度为所述路径段单位长度内动态障碍物的个数;所述根据所述权重影响因子计算所述路径段的当前路径权重,包括:求取两者之和,所述两者之和为长度加上所述长度的修正值,将所述两者之和作为所述机器人在当前移动过程中路径段的权重,所述长度为所述机器人在历史移动过程中路径段的长度,所述长度的修正值为所述路径段单位长度内动态障碍物的个数与所述长度的乘积。
13.一种机器人路径规划装置,其特征在于,所述装置包括:
获取模块,用于在所述机器人按照已规划好的路径进行移动时,获取机器人在当前移动过程中的路径段的权重影响因子;
计算模块,用于根据所述权重影响因子计算所述路径段的当前路径权重;
替代模块,用于将所述当前路径权重替代对应的所述路径段的历史路径权重,以用于下一次的路径规划。
14.一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,其特征在于,所述计算机程序被处理器执行时实现如权利要求9至12任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111070029.3A CN113515132B (zh) | 2021-09-13 | 2021-09-13 | 机器人路径规划方法、机器人和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111070029.3A CN113515132B (zh) | 2021-09-13 | 2021-09-13 | 机器人路径规划方法、机器人和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113515132A true CN113515132A (zh) | 2021-10-19 |
CN113515132B CN113515132B (zh) | 2021-12-28 |
Family
ID=78062956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111070029.3A Active CN113515132B (zh) | 2021-09-13 | 2021-09-13 | 机器人路径规划方法、机器人和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113515132B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114371690A (zh) * | 2021-10-25 | 2022-04-19 | 深圳越登智能技术有限公司 | 消毒机器人的控制方法及控制装置 |
CN116059424A (zh) * | 2023-03-06 | 2023-05-05 | 合肥泷睿机器人有限责任公司 | 一种移动式病毒消杀机器人用导航定位消杀系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010160735A (ja) * | 2009-01-09 | 2010-07-22 | Toyota Motor Corp | 移動ロボット、走行計画マップ生成方法、管理システム |
CN102830702A (zh) * | 2012-09-07 | 2012-12-19 | 无锡普智联科高新技术有限公司 | 一种用于密集存储区域的移动机器人路径规划方法 |
CN109901580A (zh) * | 2019-03-13 | 2019-06-18 | 华南理工大学 | 一种无人机与无人地面机器人协作循径避障系统及其方法 |
CN110244711A (zh) * | 2019-05-16 | 2019-09-17 | 芜湖智久机器人有限公司 | 机器人路径规划系统及方法、计算机可读存储介质、装置 |
CN110421556A (zh) * | 2019-06-14 | 2019-11-08 | 河北工业大学 | 一种冗余双臂服务机器人实时避碰的轨迹规划方法及平稳运行方法 |
CN111309027A (zh) * | 2020-03-18 | 2020-06-19 | 远景能源有限公司 | 一种移动机器人的行走避障系统及方法 |
EP3695783A1 (en) * | 2019-02-15 | 2020-08-19 | Origin Wireless, Inc. | Method, apparatus, and system for wireless gait recognition |
CN112223301A (zh) * | 2020-12-17 | 2021-01-15 | 广州赛特智能科技有限公司 | 一种机器人路径规划及调度方法 |
US20210060780A1 (en) * | 2018-03-27 | 2021-03-04 | Zhongqian You | Robot avoidance control method and related device |
CN112965471A (zh) * | 2021-02-10 | 2021-06-15 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
US20210229279A1 (en) * | 2020-01-24 | 2021-07-29 | The Cleveland Clinic Foundation | Hybrid control of a robotic system |
-
2021
- 2021-09-13 CN CN202111070029.3A patent/CN113515132B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010160735A (ja) * | 2009-01-09 | 2010-07-22 | Toyota Motor Corp | 移動ロボット、走行計画マップ生成方法、管理システム |
CN102830702A (zh) * | 2012-09-07 | 2012-12-19 | 无锡普智联科高新技术有限公司 | 一种用于密集存储区域的移动机器人路径规划方法 |
US20210060780A1 (en) * | 2018-03-27 | 2021-03-04 | Zhongqian You | Robot avoidance control method and related device |
EP3695783A1 (en) * | 2019-02-15 | 2020-08-19 | Origin Wireless, Inc. | Method, apparatus, and system for wireless gait recognition |
CN109901580A (zh) * | 2019-03-13 | 2019-06-18 | 华南理工大学 | 一种无人机与无人地面机器人协作循径避障系统及其方法 |
CN110244711A (zh) * | 2019-05-16 | 2019-09-17 | 芜湖智久机器人有限公司 | 机器人路径规划系统及方法、计算机可读存储介质、装置 |
CN110421556A (zh) * | 2019-06-14 | 2019-11-08 | 河北工业大学 | 一种冗余双臂服务机器人实时避碰的轨迹规划方法及平稳运行方法 |
US20210229279A1 (en) * | 2020-01-24 | 2021-07-29 | The Cleveland Clinic Foundation | Hybrid control of a robotic system |
CN111309027A (zh) * | 2020-03-18 | 2020-06-19 | 远景能源有限公司 | 一种移动机器人的行走避障系统及方法 |
CN112223301A (zh) * | 2020-12-17 | 2021-01-15 | 广州赛特智能科技有限公司 | 一种机器人路径规划及调度方法 |
CN112965471A (zh) * | 2021-02-10 | 2021-06-15 | 大连理工大学 | 一种考虑角速度约束和改进斥力场的人工势场路径规划方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114371690A (zh) * | 2021-10-25 | 2022-04-19 | 深圳越登智能技术有限公司 | 消毒机器人的控制方法及控制装置 |
CN116059424A (zh) * | 2023-03-06 | 2023-05-05 | 合肥泷睿机器人有限责任公司 | 一种移动式病毒消杀机器人用导航定位消杀系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113515132B (zh) | 2021-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113515132B (zh) | 机器人路径规划方法、机器人和计算机可读存储介质 | |
KR102459853B1 (ko) | 디스패리티 추정 장치 및 방법 | |
US11086016B2 (en) | Method and apparatus for tracking obstacle | |
US20190050994A1 (en) | Control method, non-transitory computer-readable storage medium, and control apparatus | |
CN109117825B (zh) | 车道线处理方法和装置 | |
CN111158365B (zh) | 一种路径规划方法、装置、机器人及存储介质 | |
JP6645051B2 (ja) | 自己位置推定装置、自己位置推定方法及びプログラム | |
WO2021016854A1 (zh) | 一种标定方法、设备、可移动平台及存储介质 | |
CN110827202A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
JP2020537140A (ja) | 逆センサモデルを生成する方法および装置、ならびに障害物を検出するための方法 | |
CN111094895A (zh) | 用于在预构建的视觉地图中进行鲁棒自重新定位的系统和方法 | |
CN112526545A (zh) | 一种激光雷达点云处理方法、装置、存储介质及终端设备 | |
JP6265499B2 (ja) | 特徴量抽出装置及び場所推定装置 | |
KR101280392B1 (ko) | Slam 기술 기반 이동 로봇의 지도를 관리하기 위한 장치 및 그 방법 | |
CN113256539B (zh) | 深度图像的去混叠方法、装置、设备及计算机存储介质 | |
KR20180089417A (ko) | 스토캐스틱 맵 인식 입체 시각 센서 모델 | |
JP2016071874A (ja) | 視差画像生成方法及び視差画像生成装置 | |
CN114080626A (zh) | 确定第一图像区域在对应图像中的位置的方法、执行该方法的SoC和控制设备和系统以及计算机程序 | |
CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
JP2018041431A (ja) | 対応関係を考慮した点群マッチング方法、対応関係を考慮した点群マッチング装置及びプログラム | |
EP3629289A1 (en) | Method for fitting a first data set to a second data set | |
CN111113405A (zh) | 一种机器人获得位置服务的方法及机器人 | |
EP3147820B1 (en) | Object tracking method, device, and system as well as relevant program and non-transitory computer-readable medium | |
WO2018220824A1 (ja) | 画像識別装置 | |
CN105447885A (zh) | 计算视差的方法和装置 |
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 |