CN113934204A - 路径规划方法、自主行进设备及清洁机器人 - Google Patents
路径规划方法、自主行进设备及清洁机器人 Download PDFInfo
- Publication number
- CN113934204A CN113934204A CN202010671191.XA CN202010671191A CN113934204A CN 113934204 A CN113934204 A CN 113934204A CN 202010671191 A CN202010671191 A CN 202010671191A CN 113934204 A CN113934204 A CN 113934204A
- Authority
- CN
- China
- Prior art keywords
- planned
- path
- reference line
- road section
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000004140 cleaning Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 75
- 230000008569 process Effects 0.000 claims abstract description 35
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000010408 sweeping Methods 0.000 description 9
- 239000000047 product Substances 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000009333 weeding Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G05D1/0231—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
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
Abstract
本申请公开了一种路径规划方法、自主行进设备及清洁机器人。其中,路径规划方法包括:按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;基于所述探测参数,确定第一参考线;根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径。本申请的方案是通过障碍物探测参数去寻找重新回到已知规划路径的第二规划路段的过程,既保证了遇到障碍物时正常的行进,又避免了在遇到障碍物时重新规划路径的时间浪费。
Description
技术领域
本申请属于机器人技术领域,尤其涉及一种路径规划方法、自主行进设备及清洁机器人。
背景技术
目前,随着智能清洁设备的使用越来越普遍,全覆盖路径规划解决方案在智能清洁机器人领域的应用逐渐广泛,主要用于解决清洁机器人在执行全覆盖任务时尽可能覆盖所有待清洁区域的问题。
现有技术中常见的路径规划方法无法实现适配多种环境,在遇到障碍区域时,机器人需要反复多次重新规划路径,机器人工作时间较长,效率较低。
发明内容
为改善现有技术中存在的问题,本申请提供一种路径规划方法、自主行进设备及清洁机器人。
在本申请的一个实施例中,提供了一种路径规划方法。该方法包括:按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;基于所述探测参数,确定第一参考线;根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径。
在本申请的另一个实施例中,提供了一种自主行进设备,包括:
探测装置,用于探测障碍物,得到障碍物的探测参数;
行进装置,用于为自主行进设备提供行进动力;
处理器,用于在按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;基于所述探测参数,确定第一参考线;根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径。
在本申请的又一个实施例中,提供了一种清洁机器人,包括:
探测装置,用于探测障碍物,得到障碍物的探测参数;
行进装置,用于为清洁机器人提供行进动力;
处理器,用于在按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;基于所述探测参数,确定第一参考线;根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径;
清洁装置,用于清洁待清洁面。
本申请实施例提供的方案针对按规划路径行进过程中遇到障碍物的情况,采用获取障碍物的探测参数;基于所述探测参数,确定第一参考线;然后根据所述第一参考线及当前所在的第一规划路段,确定行进至所述规划路径中第二规划路段的路径的方案,以实时地根据障碍物对行进方案进行调整;由于本申请的方案是通过障碍物探测参数去寻找重新回到已知规划路径的第二规划路段的过程,既保证了遇到障碍物时正常的行进,又避免了在遇到障碍物时重新规划路径的时间浪费。本申请的方案适于多种类型的机器人,如清洁机器人、导购机器人、巡检机器人、公共服务机器人、商超盘点机器人等,采用本申请各实施例提供的技术方案,有助于提高机器人,如清洁、巡检等工作的行进效率。
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的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本申请一实施例提供的一路径规划方法的流程示意图;
图2a为本申请一实施例提供的一目标区域的规划路径的示意图;
图2b为本申请一实施例提供的一目标区域内存在障碍物的示意图;
图2c为本申请一实施例提供的在目标区域内存在障碍物时的路径规划结果示意图;
图2d为本申请一实施例提供的在另一目标区域内存在障碍物时的路径规划结果示意图;
图3为本申请一实施例提供的目标区域的规划路径中规划路段的规划过程示意图;
图4a为本申请一实施例提供的一待规划场景的地图信息对应边界轮廓的示意图;
图4b为本申请一实施例提供的一多边形凸分解方法的示意图。
图4c为本申请一实施例提供的一多边形凸分解的分解结果的示意图;
图5为本申请一实施例提供的一路径规划装置的结构示意图;
图6为本申请一实施例提供的一机器人的结构示意图。
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。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
应当理解,尽管在本申请实施例中可能采用术语第一、第二、第三等来描述XXX,但这些XXX不应限于这些术语。这些术语仅用来将XXX彼此区分开。例如,在不脱离本申请实施例范围的情况下,第一XXX也可以被称为第二XXX,类似地,第二XXX也可以被称为第一XXX。取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于监测”。类似地,取决于语境,短语“如果确定”或“如果监测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当监测(陈述的条件或事件)时”或“响应于监测(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1为本申请一示例性实施例提供的一种路径规划方法的流程示意图,该方法的执行主体可以为自主行进设备,该自主行进设备可以为各种自主移动机器人,例如:清洁机器人、公共服务机器人、巡检机器人、商超盘点机器人等;还可以为无人驾驶汽车等自主移动设备。该方法至少包括以下步骤101至步骤103:
101、按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;
102、基于所述探测参数,确定第一参考线;
103、根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径。
其中,上述规划路径为根据目标区域的区域信息规划完成得到的路径。如图2a所示的示例,图2a为目标区域S1的规划路径的示意图,其中,Qi-2、Qi-1、Qi、Qj、Qj+1为目标区域S1各条区域边的顶点,规划路径具体可包括多个首尾相连规划路段及路径方向;或者可包括多个首尾相连的规划路段、起始点及终点。目标区域S1可以是中大型商场区域、银行大厅、医院区域等,也可以为一个房间的地面、或者是房间内地面的某一块小区域。
上述101中,所述障碍物的探测参数可由自主行进设备上的探测装置测量得到。该探测装置可包括激光雷达,激光雷达的工作原理是向目标发射探测信号(如激光束),然后将接收到的从目标反射回来的信号(即目标回波)与发射信号进行比较,作适当处理后,就可获得目标的有关信息,如距离、方位、高度、速度、姿态、形状等参数。
由于自主行进设备在第一规划路段上行进时是需要一定行进宽度的,因此,上述步骤101中在第一规划路段上遇到的障碍物可能截断了第一规划路段;也可能未截断第一规划路段,但因为自主行进设备自身宽度的存在被阻挡无法按照第一规划路段行进。通过探测装置得到的探测参数,确定在当前行进规划路段(即第一规划路段)上存在障碍物时,自主行进设备无法按照第一规划路段继续行进。
参见图2b所示的实例,假设自主行进设备当前行进在图中L3对应的第一规划路段上,障碍物虽未截断L3,但因自主行进设备自身宽度的原因还是无法继续沿L3行进。图2b中,L1和L2对应的规划路段被障碍物截断。
上述步骤102中,所述探测参数可包括:多个探测方向上探测到的障碍物距离自主行进设备的距离。在具体实施时,可按照障碍物的朝向自主行进设备的一条轮廓边作为参照,来确定第一参考线;或者是:基于探测到的障碍物上的至少两个点,来确定第一参考线。
在一具体的可实现的方案中,上述步骤102“基于所述探测参数,确定第一参考线”,可包括以下步骤1021至1023;其中:
1021、基于所述探测参数,确定与所述障碍物相关的第一点和第二点;
1022、确定第一距离参数;
1023、根据所述第一距离参数,生成一平行于所述第一点和所述第二点连线的所述第一参考线。
上述1021中,探测参数可以包括障碍物的多个边缘点的探测距离信息。假设自主行进设备上设置的探测装置为激光雷达,此处障碍物的边缘点即反射回信号的点,该边缘点的探测距离即该边缘点到激光雷达的距离。所述第一点可以是多个边缘点中探测距离最短的一个点,简单理解即第一点为多个边缘点中距离自主行进设备最近的边缘点。第二点可以是多个边缘点中除第一点外的其他点。具体的,上述步骤1021中“基于所述探测参数,确定与所述障碍物相关的第一点和第二点”可包括:
10211、基于所述探测参数,获取探测距离最短的点作为所述第一点;
10212、基于所述探测参数,确定所述障碍物在一参考方向上的一点作为所述第二点;
其中,所述参考方向与所述第一规划路段所在方向呈角度。
为方便描述,参见图2a所示,规划路径中含有长边规划路段以及连接两相邻长边规划路段的短边规划路段。以在长边规划路段上遇到障碍物为例,如图2b和2c的情况,上述参考方向可以基于短边规划路段行进方向来确定。为了进一步提高自主行进设备对目标区域的非障碍区域的覆盖范围,可尽量选取距离第二规划路段最近的障碍物的边缘点作为第二点。其中,该处的参考方向为沿着障碍物边缘与第一规划路段指向第二规划路段的方向夹角最小的方向。第二规划路段可以是规划路径中与所述第一规划路段平行且相邻的路段。参见图2c所示,假设第一规划路段为rd1,相应的,第二规划路段可以是图2c中的rd2。
上述1022中的第一距离参数可根据自主行进设备的行进参数来确定,比如,自主行进设备在行进时因自身外轮廓的尺寸需留出所述第一距离参数,以避免与障碍物碰撞,还保证自主行进设备行进时不存在未覆盖到的地方。具体实施时,所述第一距离参数可基于自主行进设备在垂直于行进方向上的宽度来确定,比如等于或大于所述宽度的一半。
上述103中,根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径的目的实质上是为了:确定出一能绕开障碍物,又能回归至规划路径中的另一已知规划路段上,以避免重新规划路径。具体的,上述103中的“根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径”,可采用如下步骤实现:
1031、将所述第一参考线与所述第一规划路段的交点,作为第一起点;
1032、以所述第一参考线与所述第二规划路段的交点,作为第一终点;
1033、从所述第一起点沿所述第一参考线的方向至所述第一终点,得到所述路径。
该路径为在遇到障碍物时基于已知的第一规划路段与第二规划路段确定的转向路径,也就是调整路径。当自主行进设备确定该路径后,则沿该路径继续行进,当行进至该路径与第二规划路段的交点时,继续沿已知的规划路径行进。
具体可参见图2c所示,第一规划路段rd1与第一参考线LineO1交于第一起点b1,第一参考线LineO1与第二规划路段rd2交于第一终点e1,b1e1则为所述路径。也就是说,自主行进设备在遇到障碍物时,在遇到障碍物的一侧实际行进路径为图2c中用“......”表示的路径,如:实际行进路径包括:r1、b1e1、r2。第一规划路段rd1实际与路段r1共线,此处为了便于说明,将第一规划路段rd1的位置进行了平移显示,同理,第二规划路段rd2实际与路段r2共线,此处为了便于说明,将第二规划路段rd2的位置进行了平移显示。
当自主行进设备遇到障碍物后,采用上述方案不断顺利回归到下一规划路段,直至自主行进设备越过障碍物区域,即不再检测到障碍物,此时,自主行进设备可沿当前规划路段行进至该规划路段的终点。由于障碍物的阻碍,障碍物的另一侧并未行进覆盖,因此,需要执行行进覆盖回补。在执行行进覆盖回补之前,本申请提供的路径规划方法还包括以下步骤:
104、按规划路径行进在第一规划路段的过程中遇障碍物时,将所述第一规划路段标记为初始截断路段;
105、按照规划路径行进至第三规划路段并走完所述第三规划路段时,将所述第三规划路段标记为结束截断路段。
这里需要说明的是:所述初始截断路段为自主行进设备在目标区域内首次检测到障碍物时当前所在的路段,所述第三规划路段为所述规划路径中与所述第一规划路段平行的路段。假设所述规划路径如图2c中所示的路线图,包含有长边规划路段及连接两个相邻长边规划路段的短边规划路段,若所述第一规划路段为长边规划路段,相应的,所述第三规划路段也为长边规划路段,且与所述第一规划路段平行。
另外,还需要补充的是,当障碍物为图2c中所示的情况时,障碍物阻碍了自主行进设备在三条长边规划路段上的行进。自主行进设备通过转向路径(即图2c中虚线段所示的路径)至规划路段Line1(即到达Line1上的点e3)后,该自主行进设备会按照规划的行进方向(即图2c中箭头所指的方向)行进以通过短边规划路段进入长边规划路段Line2。从图2c中可以看出,长边规划路段Line1上虽无障碍物阻挡,但自主行进设备需按照规划的行进方向行进,无法走完长边规划路段Line1;自主行进设备进入长边规划路段Line2后可走完至该Line2的终点e2;因此,图2c中的长边规划路段Line2即上文中提及的结束截断路段,而非长边规划路段Line1。
图2d所示规划路径中,L1可作为初始截断路段;因采用上述方法提供的方案可行进至L2的起始点,且能从起始点行走至终点a,未被障碍物阻断,所以L2可作为结束截断路段。反观,上述图2c中的Line1通过转向路段至路段中的一个点,而非该Line1的起始点,所以按照规划路径的行进方向行走,是无法走完Line1的,也就无法将Line1标记为结束截断路段。
对初始截断路段以及结束截断路段进行标记,是为了便于自主行进设备进行覆盖回补。针对于自主行进设备在走完第三规划路段时,如何行进至回补起始点,本申请提供的路径规划方法还包括以下步骤106至108:
106、获取所述结束截断路段的第二终点与所述初始截断路段的终点;
107、从所述第二终点,导航至所述初始截断路段的终点;
108,自所述初始截断路段的终点沿所述初始截断路段反向行进,以确定第二起点;
109,从所述第二起点启动行进覆盖回补模式。
如图2c所示,假设初始截断路段为图2c中的LineLb;结束截断路段为Line2。结束截断路段Line2的终点e2为第二终点,初始截断路段LineLb的终点为pe1,第二起点为pe2。图2d所示的实例中,结束截断路段L2的终点a为第二终点,初始截断路段L1的终点为b,第二起点为c。
在自主行进装置沿初始截断路段反向行进过程中,自主行进装置基于探测装置(如激光雷达)的探测参数,确定所述第二起点。第二起点即所述自主行进装置在检测到障碍物后,能行进至最靠近所述障碍物,而不与障碍物发生碰撞的位置,参见图2c所示,第二起点pe2的确定方式可参见前述b1的确定方式,如基于第二起点pe2对应的参考线Lineo1’确定,此处不再赘述。
上述107从所述第二终点,导航至所述初始截断路段的终点的过程,可采用现有技术中的导航算法,如A*算法来实现,相关内容可参见现有技术中的描述,本实施例对此不作赘述。
从所述第二起点启动行进覆盖回补模式的过程,同上述步骤101~103的过程。完成行进覆盖回补后,本申请的路径规划方法还包括以下步骤:
110、基于所述规划路径,获取与所述结束截断路段连续的未行进的下游规划路段;
111、自所述结束截断路段的第二终点起,按照所述下游规划路段继续行进。
其中,下游规划路段可理解为:规划路径中起始点与结束截断路段的第二终点连接的规划路段。例如,图2c所示的第一实例,所述结束截断路段的下游路段为re。图2b所示的第二实例,所述结束截断路段的下游路段为L3。
本实施例提供的方案针对按规划路径行进过程中遇到障碍物的情况,采用获取障碍物的探测参数;基于所述探测参数,确定第一参考线;然后根据所述第一参考线及当前所在的第一规划路段,确定行进至所述规划路径中第二规划路段的路径的方案,以实时地根据障碍物对行进方案进行调整;由于本申请的方案是通过障碍物探测参数去寻找重新回到已知规划路径的第二规划路段的过程,既保证了遇到障碍物时正常的行进,又避免了在遇到障碍物时重新规划路径的时间浪费。本实施例提供的方案适于多种类型的机器人,如清洁机器人、导购机器人、巡检机器人、公共服务机器人、商超盘点机器人等,采用本实施例提供的技术方案,有助于提高机器人,如清洁、巡检等工作的行进效率。
前述的规划路径是在自主行进设备对目标区域进行路径规划后得到的。路径规划好后,自主行进设备便可按照规划路径在目标区域内行进。即,本实施例提供的所述方法还可包括如下步骤:
基于所述目标区域的区域信息,对所述目标区域进行路径规划得到所述规划路径。
其中,所述规划路径中的一规划路段的规划过程,包括:
01、基于目标区域的区域信息,确定第二参考线;
02、获取所述目标区域的与所述第二参考线相交的区域边,作为第三参考线;
03、根据所述第三参考线,确定第四参考线;
04、利用所述第二参考线及所述第四参考线,生成规划路径中的一规划路段。
具体地,上述步骤01中,“基于目标区域的区域信息,确定第二参考线”包括以下步骤:
011、基于所述目标区域的区域信息,获取所述目标区域的一条区域边作为基准边;
012、确定第二距离参数;
013、根据所述第二距离参数,确定与所述基准边平行的平行线为所述第二参考线。
其中,第二距离参数可根据自主行进设备的行进参数得到。比如,基于自主行进设备的垂直于其行进方向上的宽度来确定所述第二距离参数。具体的,如将宽度的一半或直接将宽度作为所述第二距离参数。
上述步骤011中,“基于所述目标区域的区域信息,获取所述目标区域的一条区域边作为基准边”,包括:
基于所述目标区域的区域信息,得到所述目标区域的多条区域边的长度;
将长度最长的一条区域边作为所述基准边。
参见图3所示,Qi-2、Qi-1、Qi、Qj、Qj+1分别为目标区域S1对应的各个顶点,Qi-2Qi-1,Qi- 1Qi、QiQj、QjQj+1、以及Qj+1Qi-2为目标区域S1的各个区域边。假设目标区域S1的区域边中QiQj的长度最长,则将QiQj作为目标区域S1的基准边。
第二距离参数如图3中的距离d;将平行于所述基准边QiQj,距基准边QiQj的距离为d的直线LineL1作为第二参考线。LineL1与Qi-1Qi以及QjQj+1相交,则Qi-1Qi所在的直线以及QjQj+1所在的直线为第三参考线。
上述步骤03中,“根据所述第三参考线,确定第四参考线”,包括以下步骤:
031、确定第三距离参数;
032、根据所述第三距离参数,确定与所述第三参考线平行的平行线为所述第四参考线。
其中,第三距离参数可以与第二距离参数相同,也可不同,本实施例对此不作具体限定。同样的,在具体实施时,可基于自主行进设备的行进参数来确定。图3中,将第三距离参数设定为与第二距离参数相等,即均为d。将平行于所述第三参考线(即Qi-1Qi),且距所述Qi-1Qi的距离为d的直线作为第四参考线;将平行于所述第三参考线(QjQj+1),且距所述QjQj+1的距离为d的直线作为另一条第四参考线。
相应的,上述步骤04中,“利用所述第二参考线及所述第四参考线,生成规划路径中的一规划路段”,包括以下步骤:
041、获取所述第二参考线与两条所述第四参考线的两个交点,分别作为所述规划路段的起点和终点;
042、自所述起点起,沿所述第二参考线至所述终点,得到所述规划路段。
例如,图3所示的实例,LineL1与第四参考线LineS1以及第四参考线LineS2的两个交点分别为p1与p2,p1p2则为规划路段,由于p1p2对应目标区域S1的长边,也可称p1p2为长边规划路段。
为了确定p1p2的下游规划路段,上述方法还包括以下步骤05至07;其中:
05、基于所述第二参考线,确定第五参考线;
06、根据所述规划路段的行进方向,获取在所述行进方向上的与所述第五参考线相交的所述目标区域的一区域边,作为第六参考线;
07、根据所述第六参考线及预设距离参数,生成所述规划路径中的与所述规划路段连续的下游的规划路段。
继续参见图3所示实例,同样的,将平行于所述第二参考线(即图中LineL1),且距LineL1的距离为d的直线作为第五参考线LineL2。由于在上述步骤01~04中,已确定出了规划路径的行进方向,即从p1至p2;因此,获取区域边QjQj+1作为第六参考线。
上述07中,由于下游的规划路段的起点为p2,所述预设距离参数应与上述的第二距离参数相同,即距离参数d。平行于所述第六参考线,且距所述第六参考线的距离为d的位置处,生成一与所述第五参考线LineL2相交的LineS2。LineL2与LineS2的交点为p3。自所述p2沿所述第五参考线LineL2至p3,即得到了规划路段p1p2的下游规划路段p2p3。
具体地,每个已确定的规划路段的终点可作为与该规划路段连续的下游规划路段的起点。得到上述下游规划路段p2p3后,所述方法还包括:设LineL2与边Qi-1Qi的平行线LineS1交点为p4,连接p3 p4,p3 p4为另一条长边规划路段。
考虑Qi-1Qi、QjQj+1的长度,若LineL1的平行线LineLk与线段Qi-1Qi不相交,与Qi-1Qi-2相交,则作Qi-1Qi-2在S1对应的多边形内的平行线LineSk,平移距离为d,设LineLk与LineSk交点为pk;同理,若LineLk与Qj+1Qj+2相交,作Qj+1Qj+2在目标区域S1对应的凸多边形内的平行线LineSk+1,设LineLk与LineSk+1交点为pk+1;则pk、pk+1为第k条长规划路段的端点。
重复上述过程,直至完成该目标区域S1内的路径规划。当对目标区域S1的路径规划完成后,则得到规划结果,上述图2a为目标区域S1的路径规划的规划结果示意图。
上述目标区域可以为大型商场对应的商场内部或外部区域、银行大厅、医院区域等大型区域,也可以为一房间、一草坪或一大厅内的一小块区域。即本实施例提供的所述方法还可包括:
001、获取待规划场景的地图信息;
002、对所述地图信息进行边界提取,得到边界信息;
003、对所述边界信息进行多边形凸分解,得到多个凸多边形区域;
其中,所述目标区域为所述多个凸多边形区域中的一个。
其中,上述地图信息可以基于激光雷达创建的栅格地图。待规划场景在不同应用场景中会有所不同。比如,自主行进设备若为清洁机器人、公共服务机器人、巡检机器人、商超盘点机器人等,则待规划场景为待清洁的商场、银行、医院等。若自主行进设备为除草机器人,则待规划场景为待除草的草坪。
上述步骤002中,“对所述地图信息进行边界提取,得到边界信息”可具体为:
S1、提取所述地图信息中边界线的轮廓点,得到点集;
实际应用中,若待规划场景为超市,超市内布设由货架。有些货架是靠墙布置的,有些是不是靠墙布置。或者,待待规划场景为医院门诊大厅,大厅内布置有休息椅;等等。因此,通过激光雷达创建出的地图信息中,就会包含有该超市或医院大厅最外轮廓的边界线,以及处于该最外轮廓边界线内的一个内轮廓边界线(如货架或休息椅的轮廓边界线);这些均属于地图信息中的边界线。最外围轮廓边界线对应的点集,与内轮廓边界线的点集,可分别在不同的集合内。
其中,所述边界信息可包含所述点集。
承接上述步骤S1,上述003中,“对所述边界信息进行多边形凸分解,得到多个凸多边形区域”,可具体为:
S2、基于所述点集,确定多个顶点。
S3、从所述多个顶点中,确定凸点;
S4、根据所述凸点,对所述地图信息对应的边界轮廓进行剖分解,得到所述多个凸多边形区域。
具体地,参见图4a所示,所述点集中地图坐标中含有xmax、xmin、ymax,ymin的点,必为多边形的顶点。如图4a所示,Pi+2点的x坐标最小;Pi+3点的y坐标最小;Pi-2点的x坐标最大;Pi-1点的y坐标最大。Pi-2、Pi+2、Pi-1、Pi+3这几个点均为顶点。然后,再从所述点集的除所述Pi-2、Pi+2、Pi-1、Pi+3点外的剩余点中,确定顶点。其中,基于边界轮廓对应的点集,确定边界轮廓的所有顶点的方法,可参见现有技术中的相关内容,本文不作赘述。
进一步的,上述Pi-2、Pi+2、Pi-1、Pi+3这些顶点,也必定是凸点。因此,在从多个顶点中确定凸点时,可将Pi-2、Pi+2、Pi-1、Pi+3从已确定出的多个顶点中去除,从剩余的顶点中再寻找凸点。其中,寻找凸点的过程可具体为:任选一顶点,计算基于该顶点的相邻向量的叉积。若基于该顶点的相邻向量的叉积大于0,则表示该顶点为凸点,若叉积小于0,则表示该顶点为凹点。假如,选取的顶点为图4a中Pi,基于顶点的Pi的相邻向量分别为:计算与的叉积;计算得知该叉积小于0,得出Pi为凹点。
当Pi为凹点时,将Pi与除相邻点Pi-1、Pi+1以外的其他顶点Pi+2、Pi+3、Pi+4、Pi-2连接,参见图4b所示,得到连接线Pi Pi+2、Pi Pi+3、Pi Pi+4、Pi Pi-2;记录各连接线在如图4b所示多边形内的点。确定Pi Pi+1的反向延长线PiP′i+1与Pi Pi-1的反向延长线PiP′i-1的角平分线PiPi′;计算各顶点Pi+2、Pi+3、Pi+4、Pi-2分别到角平分线PiPi′的距离;将距离最近的点作为凹点Pi的剖分点。从图4b所示的实例中可以得出Pi+4为距离角平分线PiPi′最近的点,因此Pi+4为凹点Pi的剖分点。
重复上述步骤,直至找出所有凹点以及凹点对应剖分点。将各凹点与其对应的剖分点连接,原多边形便可分成多个凸多边形区域K1、K2、…、Km。这里需要补充的是:在具体实施时,若某一顶点(如Pi+4)确定为某一凹点(如Pi)的剖分点,则在进入下一循环查找下一凹点时,可将该剖分点从多个顶点中去除。
图4a所示的实例中,该待规划场景S的边界轮廓共有两个凹点,分别为Pi与Pi+4。其中,Pi+4为凹点Pi的剖分点,则基于前面记录的连接线Pi Pi+4在如图4b所示多边形内的点,可得到分割线,以将该待规划场景S可分为图4c所示的两个凸多边形区域,S1和S4。
经过多边形凸分解后,边界多边形被分解为多个凸多边形区域。上述实施例中提及的目标区域可以是所述多个凸多边形区域中的一个区域。在采用上述方法完成目标区域的行进覆盖后,可转移至下一个凸多边形区域,以对下一凸多边形区域进行路径规划,然后按照路径规划行进,以覆盖整个凸多边形区域;直至多个凸多边形区域全部覆盖。即本实施例提供的所述方法还可包括如下步骤:
在完成所述目标区域的行进覆盖后,从所述多个凸变形区域中确定一未行进覆盖的凸多边形区域作为下一目标区域;
获取下一目标区域的起始点;
导航至下一目标区域的起始点。
具体实施时,在导航至下一目标区域的起始点后,可继续采用上文中提及的方案进行路径规划及行进覆盖。
上述从当前所在位置导航至下一目标区域的起始点的算法可采用A*算法实现。有关A*算法的内容,可参见现有技术,本文对此不作赘述。
本申请使用多边形凸分解算法将全部覆盖区域划分为若干凸边形子区域,并以最长边的平行方向为扫描方向的参考基准,执行边界平移策略规划子区域扫描路径,可减少机器覆盖过程中的转弯次数,节省扫描时间;使用截断扫描回补策略可及时记录、回补原策略无法直接覆盖的区域,减少区域切换的路径长度;使用计算最短路径的经典A*算法计算子区域切换的扫描路径,减少了区域切换过程中不必要的路线长度。
在具体实施本方案时,可将全覆盖路径规划优化方案存至自主行进设备,优化方案主要采用多边形凸分解算法以及平行覆盖策略,使规划出的路径更简洁,机器全覆盖运动时间、转弯次数等有效减少,提高了自主行进设备执行全覆盖任务的效率。
图5为本申请一示例性实施例提供的一种路径规划装置的结构示意图,该路径规划装置包括:获取模块61、第一确定模块62、第二确定模块63,其中:
获取模块61,用于按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;
第一确定模块62,用于基于所述探测参数,确定第一参考线;
第二确定模块63,用于根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径。
第一确定模块62在用于基于所述探测参数,确定第一参考线时,具体用于:
基于所述探测参数,确定与所述障碍物相关的第一点和第二点;
确定第一距离参数;
根据所述第一距离参数,生成一平行于所述第一点和所述第二点连线的所述第一参考线。
第一确定模块62在用于基于所述探测参数,确定与所述障碍物相关的第一点和第二点时,具体用于:
基于所述探测参数,获取探测距离最短的点作为所述第一点;
基于所述探测参数,确定所述障碍物在一参考方向上的一点作为所述第二点;
其中,所述参考方向与所述第一规划路段所在方向呈角度。
第二确定模块63在用于根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径时,具体用于:
将所述第一参考线与所述第一规划路段的交点,作为第一起点;
以所述第一参考线与所述第二规划路段的交点,作为第一终点;
从所述第一起点沿所述第一参考线的方向至所述第一终点,得到所述路径。
可选地,上述路径规划装置还包括标记模块,该标记模块用于:按规划路径行进在第一规划路段的过程中遇障碍物时,将所述第一规划路段标记为初始截断路段;按照规划路径行进至第三规划路段并走完所述第三规划路段时,将所述第三规划路段标记为结束截断路段。
进一步的,所述获取模块61还可用于:获取所述结束截断路段的第二终点与所述初始截断路段的终点。以及,本实施例提供的所述装置还可包括导航模块,用于从第二终点,导航至所述初始截断路段的终点;所述装置还包括行进模块,该行进模块用于自所述初始截断路段的终点沿所述初始截断路段反向行进,以便于所述第一确定模块62确定第二起点。具体的,所述第一确定模块62用于:采集自所述初始截断路段的终点沿所述初始截断路段反向行进过程中的环境参数,基于采集到的环境参数,确定所述第二起点,以便于从所述第二起点启动行进覆盖回补模式。
再进一步的,上述获取模块61还用于:完成行进覆盖回补模式后,基于所述规划路径,获取与所述结束截断路段连续的未行进的下游规划路段;
所述行进模块,还用于:自所述结束截断路段的第二终点起,按照所述下游规划路段继续行进。
进一步的,本实施例提供的所述装置还可包括规划模块。该规划模块用于:基于所述目标区域的区域信息,对所述目标区域进行路径规划得到所述规划路径。其中,所述规划模块在规划所述规划路径中的一规划路段时,具体用于:
基于目标区域的区域信息,确定第二参考线;
获取所述目标区域的与所述第二参考线相交的区域边,作为第三参考线;
根据所述第三参考线,确定第四参考线;
利用所述第二参考线及所述第四参考线,生成规划路径中的一规划路段。
进一步的,在上述规划模块用于基于目标区域的区域信息,确定第二参考线时,具体用于:
基于所述目标区域的区域信息,获取所述目标区域的一条区域边作为基准边;
确定第二距离参数;
根据所述第二距离参数,确定与所述基准边平行的平行线为所述第二参考线。
再进一步的,上述规划模块在用于基于所述目标区域的区域信息,获取所述目标区域的一条区域边作为基准时,具体用于:
基于所述目标区域的区域信息,得到所述目标区域的多条区域边的长度;
将长度最长的一条区域边作为所述基准边。
再进一步的,所述规划模块在确定第二距离参数时,具体用于:
基于自主行进设备的行进参数,确定所述第二距离参数。
再进一步的,所述规划模块在用于根据所述第三参考线,确定第四参考线时,具体用于:
确定第三距离参数;
根据所述第三距离参数,确定与所述第三参考线平行的平行线为所述第四参考线。
进一步的,当所述第四参考线为两条时,所述规划模块在利用所述第二参考线及所述第四参考线,生成规划路径中的一规划路段时,可具体用于:
获取所述第二参考线与两条所述第四参考线的两个交点,分别作为所述规划路段的起点和终点;
自所述起点起,沿所述第一参考线至所述终点,得到所述规划路段。
再进一步的,所述规划模块还用于:
基于所述第二参考线,确定第五参考线;
再进一步的,所述规划模块还用于:根据所述规划路段的行进方向,获取在所述行进方向上的与所述第五参考线相交的所述目标区域的一区域边,作为第六参考线;
根据所述第六参考线及预设距离参数,生成所述规划路径中的与所述规划路段连续的下游的规划路段。
进一步的,上述装置还包括第三确定模块,用于:
获取待规划区域的地图信息;
对所述地图信息进行边界提取,得到边界信息;
对所述边界信息进行多边形凸分解,得到多个凸多边形区域;
其中,所述目标区域为所述多个凸多边形区域中的一个。
进一步的,本实施例提供的所述装置还可包括区域切换模块;该区域切换模块用于:在完成所述目标区域的行进覆盖后,从所述多个凸变形区域中确定一未行进覆盖的凸多边形区域作为下一目标区域;
获取下一目标区域的起始点;
导航至下一目标区域的起始点。
这里需要说明的是:本实施例提供的路径规划装置可实现上述路径规划方法实施例中描述的技术方案,上述各模块或单元具体实现的原理可参见上述路径规划方法实施例中的相应内容,此处不再赘述。
图6示出了本申请一实施例提供的自主行进设备的结构示意图。如图6所示,所述自主行进设备包括:
探测装置76,用于探测障碍物,得到障碍物的探测参数;
行进装置73,用于为自主行进设备提供行进动力;
处理器72,用于在按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;基于所述探测参数,确定第一参考线;根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径。
进一步的,本实施例提供的所述自主行进设备还包括有存储器71。所述存储器71,用于存储程序;所述处理器72,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现上述路径规划方法中的各步骤。
上述存储器71可被配置为存储其它各种数据以支持在自主行进设备上的操作。这些数据的示例包括用于在自主行进设备上操作的任何应用程序或方法的指令。存储器71可以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。
进一步的,所述处理器72还用于基于所述目标区域的区域信息,对所述目标区域进行路径规划得到所述规划路径;
其中,所述规划路径中的一规划路段的规划过程,包括:
基于目标区域的区域信息,确定第二参考线;
获取所述目标区域的与所述第二参考线相交的区域边,作为第三参考线;
根据所述第三参考线,确定第四参考线;
利用所述第二参考线及所述第四参考线,生成所述规划路径中的一规划路段。
再进一步的,所述处理器72还可用于:
获取待规划场景的地图信息;
对所述地图信息进行边界提取,得到边界信息;
对所述边界信息进行多边形凸分解,得到多个凸多边形区域;
其中,所述目标区域为所述多个凸多边形区域中的一个。
上述处理器72在执行存储器71中的程序时,除了上面的功能之外,还可实现其它功能,具体可参见前面各实施例的描述。
进一步,如图6所示,自主行进设备还包括:电源组件74、通讯组件75等其它组件。图6中仅示意性给出部分组件,并不意味着该自主行进设备只包括图6所示组件。
相应的,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,所述计算机程序被计算机执行时能够实现上述各实施例提供的路径规划方法的步骤或功能。
具体实施时,所述自主行进设备可以是清洁机器人、除草机器人、公共服务机器人、巡检机器人、商超盘点机器人等;还可以为无人驾驶汽车等自主移动设备等等,本实施例对此不作具体限定。
本申请又一实施例提供一种清洁机器人,该清洁机器人可以是适用于中大型区域,例如:商场、银行、医院、餐厅的扫地机器人、扫拖一体机器人等等。该清洁机器人包括:
探测装置,用于探测障碍物,得到障碍物的探测参数;
行进装置,用于为清洁机器人提供行进动力;
处理器,用于在按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;基于所述探测参数,确定第一参考线;根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径;
清洁装置,用于清洁待清洁面。
对应不同类型的清洁机器人,该清洁装置的具体实现会有所不同。比如,所述清洁机器人为扫地机器人,相应的,清洁装置可包括:滚刷、边刷等。所述清洁机器人为扫拖一体机器人,相应的,清洁装置可包括:滚刷、边刷、抹布、水箱等。
下面结合具体应用场景,对本申请各实施例提供的技术方案进行说明。
应用场景一
以自主行进设备为扫地机器人为例,用户在开启扫地机器人对商场大厅进行清扫时,扫地机器人将按照该区域对应的规划好的规划路径行进并清扫地面。当在行进过程中遇到障碍物,如展台、吉祥物、广告牌、促销陈列等临时摆放的物体时,扫地机器人将根据探测到的障碍物的探测参数,确定出沿障碍物边缘行进至已规划好路段的路径,然后按照该路径顺着障碍物的边缘行进至已规划好的路段,以便按照已规划好的路段继续清扫;在障碍物的一侧清扫完后,再转回到障碍物的另一侧,采用同样的方式沿着已规划好的路段清扫,同时确定从一个规划路段至另一个规划路段的路径,直至回补清扫完成;整个过程,都是尽量保留已有规划好的路段,按照障碍物的探测参数,去规划从一个规划路段到达另一规划路段的路径,避免了在遇到障碍物时整个目标区域的整体重新规划的时间浪费,提高了扫地机器人的清扫效率。
应用场景二
以自主行进设备为酒店清洁机器人为例。清洁机器人利用激光雷达完成地图创建后,基于创建好的地图信息,将大厅划分为多个凸多边形。为每个凸多边形规划各自对应的规划路径。清洁机器人先驶入一个凸多边形区域内按照其对应的规划路径进行清洁,若在清洁过程中遇到障碍物(如花盆、舞会餐台等,假设在地图创建时酒店大厅内没有放置花盆、餐台等,花盆、餐台为临时摆放的物体)时,清洁机器人将根据探测到的餐台的探测参数,确定出沿餐台边缘行进至已规划好路段的路径,然后按照该路径顺着餐台的边缘行进至已规划好的路段,以便按照已规划好的路段继续清洁;在餐台的一侧清洁完后,再转回到餐台的另一侧,采用同样的方式沿着已规划好的路段清洁,同时确定从一个规划路段至另一个规划路段的路径,直至回补清洁完成;整个过程,都是尽量保留已有规划好的路段,按照障碍物的探测参数,去规划从一个规划路段到达另一规划路段的路径,避免了在遇到障碍物时整个目标区域的整体重新规划的时间浪费,提高了清洁机器人的清洁效率。当前凸多边形区域清洁完成后,获取相邻的第二凸多边形区域的起始点;然后导航至该起始点,从该起始点按照该第二凸多边形区域对应的规划路径进行清洁;直至该客厅内的所有凸多边形区域均被清洁覆盖。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是: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。
Claims (15)
1.一种路径规划方法,其特征在于,包括:
按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;
基于所述探测参数,确定第一参考线;
根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径。
2.根据权利要求1所述的方法,其特征在于,基于所述探测参数,确定第一参考线,包括:
基于所述探测参数,确定与所述障碍物相关的第一点和第二点;
确定第一距离参数;
根据所述第一距离参数,生成一平行于所述第一点和所述第二点连线的所述第一参考线。
3.根据权利要求2所述的方法,其特征在于,基于所述探测参数,确定与所述障碍物相关的第一点和第二点,包括:
基于所述探测参数,获取探测距离最短的点作为所述第一点;
基于所述探测参数,确定所述障碍物在一参考方向上的一点作为所述第二点;
其中,所述参考方向与所述第一规划路段所在方向呈角度。
4.根据权利要求1所述的方法,其特征在于,根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径,包括:
将所述第一参考线与所述第一规划路段的交点,作为第一起点;
以所述第一参考线与所述第二规划路段的交点,作为第一终点;
从所述第一起点沿所述第一参考线的方向至所述第一终点,得到所述路径。
5.根据权利要求1至4中任一项所述的方法,其特征在于,还包括:
按规划路径行进在第一规划路段的过程中遇障碍物时,将所述第一规划路段标记为初始截断路段;
按照规划路径行进至第三规划路段并走完所述第三规划路段时,将所述第三规划路段标记为结束截断路段。
6.根据权利要求5所述的方法,其特征在于,还包括:
获取所述结束截断路段的第二终点与所述初始截断路段的终点;
从所述第二终点,导航至所述初始截断路段的终点;
自所述初始截断路段的终点沿所述初始截断路段反向行进,以确定第二起点,从所述第二起点启动行进覆盖回补模式。
7.根据权利要求6所述的方法,其特征在于,还包括:
完成行进覆盖回补模式后,基于所述规划路径,获取与所述结束截断路段连续的未行进的下游规划路段;
自所述结束截断路段的第二终点起,按照所述下游规划路段继续行进。
8.根据权利要求1至4中任一项所述的方法,其特征在于,还包括:
基于目标区域的区域信息,对所述目标区域进行路径规划得到所述规划路径;
其中,所述规划路径中的一规划路段的规划过程,包括:
基于所述目标区域的区域信息,确定第二参考线;
获取所述目标区域的与所述第二参考线相交的区域边,作为第三参考线;
根据所述第三参考线,确定第四参考线;
利用所述第二参考线及所述第四参考线,生成所述规划路径中的一规划路段。
9.根据权利要求8所述的方法,其特征在于,基于目标区域的区域信息,确定第二参考线,包括:
基于所述目标区域的区域信息,获取所述目标区域的一条区域边作为基准边;
确定第二距离参数;
根据所述第二距离参数,确定与所述基准边平行的平行线为所述第二参考线。
10.根据权利要求8所述的方法,其特征在于,所述方法还包括:
获取待规划场景的地图信息;
对所述地图信息进行边界提取,得到边界信息;
对所述边界信息进行多边形凸分解,得到多个凸多边形区域;
其中,所述目标区域为所述多个凸多边形区域中的一个。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
在完成所述目标区域的行进覆盖后,从所述多个凸变形区域中确定一未行进覆盖的凸多边形区域作为下一目标区域;
获取下一目标区域的起始点;
导航至下一目标区域的起始点。
12.一种自主行进设备,其特征在于,包括:
探测装置,用于探测障碍物,得到障碍物的探测参数;
行进装置,用于为自主行进设备提供行进动力;
处理器,用于在按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;基于所述探测参数,确定第一参考线;根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径。
13.根据权利要求12所述的自主行进设备,其特征在于,所述处理器,还用于基于目标区域的区域信息,对所述目标区域进行路径规划得到所述规划路径;
其中,所述规划路径中的一规划路段的规划过程,包括:
基于目标区域的区域信息,确定第二参考线;
获取所述目标区域的与所述第二参考线相交的区域边,作为第三参考线;
根据所述第三参考线,确定第四参考线;
利用所述第二参考线及所述第四参考线,生成所述规划路径中的一规划路段。
14.根据权利要求13所述的自主行进设备,其特征在于,所述处理器,还用于:
获取待规划场景的地图信息;
对所述地图信息进行边界提取,得到边界信息;
对所述边界信息进行多边形凸分解,得到多个凸多边形区域;
其中,所述目标区域为所述多个凸多边形区域中的一个。
15.一种清洁机器人,其特征在于,包括:
探测装置,用于探测障碍物,得到障碍物的探测参数;
行进装置,用于为清洁机器人提供行进动力;
处理器,用于在按规划路径行进在第一规划路段的过程中遇障碍物时,获取所述障碍物的探测参数;基于所述探测参数,确定第一参考线;根据所述第一参考线及所述第一规划路段,确定行进至所述规划路径中第二规划路段的路径;
清洁装置,用于清洁待清洁面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010671191.XA CN113934204A (zh) | 2020-07-13 | 2020-07-13 | 路径规划方法、自主行进设备及清洁机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010671191.XA CN113934204A (zh) | 2020-07-13 | 2020-07-13 | 路径规划方法、自主行进设备及清洁机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113934204A true CN113934204A (zh) | 2022-01-14 |
Family
ID=79273483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010671191.XA Pending CN113934204A (zh) | 2020-07-13 | 2020-07-13 | 路径规划方法、自主行进设备及清洁机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113934204A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116048069A (zh) * | 2022-12-19 | 2023-05-02 | 香港中文大学(深圳) | 一种基于gps定位的室外全覆盖路径规划方法及机器人 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106155056A (zh) * | 2016-07-26 | 2016-11-23 | 广东宝乐机器人股份有限公司 | 自移动机器人行走方法与装置 |
CN107807644A (zh) * | 2017-10-30 | 2018-03-16 | 洛阳中科龙网创新科技有限公司 | 一种农用机械最低油耗运动路径规划方法 |
CN108663063A (zh) * | 2018-05-09 | 2018-10-16 | 宁波拓邦智能控制有限公司 | 覆盖路径规划方法、装置、设备、计算机装置及存储介质 |
CN108873889A (zh) * | 2018-05-14 | 2018-11-23 | 北京石头世纪科技有限公司 | 智能移动设备及其路径控制方法、计算机可读存储介质 |
US20190129433A1 (en) * | 2016-12-29 | 2019-05-02 | Amicro Semiconductor Corporation | A path planning method of intelligent robot |
CN110579213A (zh) * | 2019-09-30 | 2019-12-17 | 湖南格兰博智能科技有限责任公司 | 一种应用于低成本芯片的扫地机器人清扫路径规划导航算法 |
US20200077860A1 (en) * | 2016-11-23 | 2020-03-12 | Cleanfix Reinigungssysteme Ag | Floor treatment machine and method for treating floor surfaces |
CN111123932A (zh) * | 2019-12-24 | 2020-05-08 | 深圳乐动机器人有限公司 | 一种机器人清洁的方法及机器人 |
-
2020
- 2020-07-13 CN CN202010671191.XA patent/CN113934204A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106155056A (zh) * | 2016-07-26 | 2016-11-23 | 广东宝乐机器人股份有限公司 | 自移动机器人行走方法与装置 |
US20200077860A1 (en) * | 2016-11-23 | 2020-03-12 | Cleanfix Reinigungssysteme Ag | Floor treatment machine and method for treating floor surfaces |
US20190129433A1 (en) * | 2016-12-29 | 2019-05-02 | Amicro Semiconductor Corporation | A path planning method of intelligent robot |
CN107807644A (zh) * | 2017-10-30 | 2018-03-16 | 洛阳中科龙网创新科技有限公司 | 一种农用机械最低油耗运动路径规划方法 |
CN108663063A (zh) * | 2018-05-09 | 2018-10-16 | 宁波拓邦智能控制有限公司 | 覆盖路径规划方法、装置、设备、计算机装置及存储介质 |
CN108873889A (zh) * | 2018-05-14 | 2018-11-23 | 北京石头世纪科技有限公司 | 智能移动设备及其路径控制方法、计算机可读存储介质 |
CN110579213A (zh) * | 2019-09-30 | 2019-12-17 | 湖南格兰博智能科技有限责任公司 | 一种应用于低成本芯片的扫地机器人清扫路径规划导航算法 |
CN111123932A (zh) * | 2019-12-24 | 2020-05-08 | 深圳乐动机器人有限公司 | 一种机器人清洁的方法及机器人 |
Non-Patent Citations (1)
Title |
---|
邓韶斌;栾迪;: "基于AVR单片机的清洁机器人控制系统设计", 佳木斯大学学报(自然科学版), no. 05, pages 19 - 22 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116048069A (zh) * | 2022-12-19 | 2023-05-02 | 香港中文大学(深圳) | 一种基于gps定位的室外全覆盖路径规划方法及机器人 |
CN116048069B (zh) * | 2022-12-19 | 2023-12-26 | 香港中文大学(深圳) | 一种基于gps定位的室外全覆盖路径规划方法及机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108209741B (zh) | 清洁机器人控制方法和清洁机器人 | |
US11914391B2 (en) | Cleaning partition planning method for robot walking along boundry, chip and robot | |
US11175670B2 (en) | Robot-assisted processing of a surface using a robot | |
CN110362079B (zh) | 机器人的遍历控制方法和芯片以及清洁机器人 | |
WO2020082947A1 (zh) | 行进控制的方法、设备及存储介质 | |
EP4043988A1 (en) | Robot edge treading areal sweep planning method, chip, and robot | |
JP7374547B2 (ja) | 探測方法、装置、移動ロボット及び記憶媒体 | |
US11554488B2 (en) | Robot navigation using 2D and 3D path planning | |
CN111694356B (zh) | 一种行驶控制方法、装置、电子设备及存储介质 | |
EP2870513B1 (en) | Autonomous mobile robot and method for operating the same | |
WO2010124056A1 (en) | Detection of topological structure from sensor data with application to autonomous driving in semi-structured environments | |
CN108106616A (zh) | 一种自建导航地图的方法、系统及智能设备 | |
CN111381590A (zh) | 一种扫地机器人及其路线规划方法 | |
US20230123512A1 (en) | Robotic cleaning device with dynamic area coverage | |
CN111679664A (zh) | 基于深度相机的三维地图构建方法及扫地机器人 | |
CN113934204A (zh) | 路径规划方法、自主行进设备及清洁机器人 | |
CN114431771B (zh) | 一种扫地机器人清扫方法及相关装置 | |
CN113317733B (zh) | 一种路径规划方法及清洁机器人 | |
US11238594B2 (en) | Sidewalk edge finder system and method | |
CN114690753A (zh) | 基于混合策略的路径规划方法、自主行进设备及机器人 | |
JP2016091086A (ja) | 移動体 | |
CN112987735B (zh) | 一种基于Delaunay三角形的移动机器人安全路径规划方法 | |
CN116149314A (zh) | 机器人全覆盖作业方法、装置及机器人 | |
KR102286656B1 (ko) | 어라운드 맵을 이용하여 경로를 변경하는 방법 및 이를 구현하는 로봇 | |
CN112393719B (zh) | 一种栅格语义地图生成方法、装置以及存储设备 |
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 |