CN114019977A - 移动机器人的路径控制方法、装置、存储介质及电子设备 - Google Patents
移动机器人的路径控制方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114019977A CN114019977A CN202111310189.0A CN202111310189A CN114019977A CN 114019977 A CN114019977 A CN 114019977A CN 202111310189 A CN202111310189 A CN 202111310189A CN 114019977 A CN114019977 A CN 114019977A
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- information
- data
- path
- global map
- 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 39
- 239000002245 particle Substances 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000007499 fusion processing Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method 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
- 230000004927 fusion Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种移动机器人的路径控制方法、装置、存储介质及电子设备。其中,该方法包括:获取现实场景中的现场环境信息,其中,上述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描上述现实场景得到;基于上述现场环境信息,计算得到全局地图;控制上述移动机器人沿着上述全局地图自动运行,得到运行数据;基于上述运行数据,优化运行路径。本发明解决了现有技术中需要人工遥控移动机器人进行移动路径的学习,导致增加调试人员劳动强度,且学习到的移动路径不够平滑,造成的定位精度较低的技术问题。
Description
技术领域
本发明涉及机器人移动路径优化技术领域,具体而言,涉及一种移动机器人的路径控制方法、装置、存储介质及电子设备。
背景技术
现有技术中,移动机器人对相对地图学习,均是通过人为布设图像或标签,通过手柄(或遥控手柄)的方式运行移动机器人,通过导航传感器AGV(Automated GuidedVehicle)进行扫描学习图像或标签,AGV系统根据图像或标签信息自动生成坐标及运行路径,构建出相对地图,实现移动机器人的自动导航。
但是,目前相对地图的构建,需要人工学习图像或标签,在现场场地比较大且复杂的情况下,不仅增加了调试人员的工作量,而且也增加了调试周期;采用人工手柄遥控AGV学习图像或标签,对于学习路径的直线度、圆弧度有较高的要求,因此,调试人员运行车辆的技术、专业性也有较高要求;且人工学习的方式得到移动路径不够平滑,对移动机器人的运动姿态及定位精度有较大影响。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种移动机器人的路径控制方法、装置、存储介质及电子设备,以至少解决现有技术中移动机器人学习到的移动路径不够平滑,造成的定位精度较低的技术问题。
根据本发明实施例的一个方面,提供了一种移动机器人的路径控制方法,包括:获取现实场景中的现场环境信息,其中,上述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描上述现实场景得到;基于上述现场环境信息,计算得到全局地图;控制上述移动机器人沿着上述全局地图自动运行,得到运行数据;基于上述运行数据,优化运行路径。
可选的,上述基于上述现场环境信息,计算得到全局地图,包括:将上述现场环境信息中的传感信息进行数据融合处理,得到环境数据,其中,上述传感信息至少包括以下之一:编码器信息和陀螺仪信息;采用粒子滤波算法将上述环境数据转换为栅格地图;基于上述栅格地图构建得到上述全局地图。
可选的,上述控制上述移动机器人沿着上述全局地图自动运行,得到运行数据,包括:基于预定的标签位置在上述全局地图中绘制得到运行路径;控制上述移动机器人沿着上述运行路径自动运行,得到上述运行数据。
可选的,在上述控制上述移动机器人依据上述全局地图自动运行之后,上述方法还包括:获取上述运行路径中的图像标签及坐标信息;基于上述标签位置的标签数据信息生成上述运行数据;基于上述运行数据生成相对地图,得到优化后的上述运行路径。
可选的,基于上述图像标签及坐标信息生成上述运行数据,包括:上述标签数据信息包括以下至少之一:图像信息、磁钉位置信息、二维码位置信息。
根据本发明实施例的另一方面,还提供了一种移动机器人的路径控制装置,包括:定位模块,用于获取现实场景中的现场环境信息,其中,上述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描上述现实场景得到;计算模块,用于基于上述现场环境信息,计算得到全局地图;控制模块,用于控制上述移动机器人沿着上述全局地图自动运行,得到运行数据;处理模块,用于基于上述运行数据,优化运行路径。
可选的,上述计算模块,包括:处理单元,用于将上述现场环境信息中的传感信息进行数据融合处理,得到环境数据,其中,上述传感信息至少包括以下之一:编码器信息和陀螺仪信息;计算单元,用于采用粒子滤波算法将上述环境数据转换为栅格地图;构建单元,用于基于上述栅格地图构建得到上述全局地图。
可选的,上述控制模块,包括:绘制单元,用于基于预定的标签位置在上述全局地图中绘制得到运行路径;控制单元,用于控制上述移动机器人沿着上述运行路径自动运行,得到上述运行数据。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在上述程序运行时控制上述计算机可读存储介质所在设备执行任意一项上述的移动机器人的路径控制方法。
根据本发明实施例的另一方面,还提供了一种电子设备,包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置为运行上述计算机程序以执行任意一项上述的移动机器人的路径控制方法。
在本发明实施例中,通过获取现实场景中的现场环境信息,其中,上述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描上述现实场景得到;基于上述现场环境信息,计算得到全局地图;控制上述移动机器人沿着上述全局地图自动运行,得到运行数据;基于上述运行数据,优化运行路径,达到了移动机器人根据全局地图自主学习构建相对地图的目的,从而实现了优化移动机器人的运行路径及提高定位精度的技术效果,进而解决了现有技术中需要人工遥控移动机器人进行移动路径的学习,导致增加调试人员劳动强度,且学习到的移动路径不够平滑,造成的定位精度较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的移动机器人的路径控制方法流程图;
图2是根据本发明实施例的一种可选的移动机器人的结构示意图;
图3是根据本发明实施例的一种可选的全局地图的构建流程图;
图4是根据本发明实施例的一种可选的移动机器人的控制流程图;
图5是根据本发明实施例的一种移动机器人的路径控制装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种移动机器人的路径控制方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的移动机器人的路径控制方法,如图1所示,该方法包括如下步骤:
步骤S102,获取现实场景中的现场环境信息,其中,上述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描上述现实场景得到;
步骤S104,基于上述现场环境信息,计算得到全局地图;
步骤S106,控制上述移动机器人沿着上述全局地图自动运行,得到运行数据;
步骤S108,基于上述运行数据,优化运行路径。
在本发明实施例中,移动机器人采用激光雷达传感器扫描现场环境信息,并对获取到的现场环境信息进行计算处理,构建出机器人能够理解的全局地图;控制上述移动机器人在构建的全局地图中自动运行;并且在运行过程中,采用激光雷达传感器自动扫描读取运行路径上图像标签信息或磁钉、二维码坐标信息等信息,得到运行数据信息;移动机器人根据获取到的上述运行数据,自动对地图及路线进行优化,生成相对地图以及路线,以达到使生成的移动路径更加平滑,提高上述移动机器人的运行、停车定位精度。
需要说明的是,上述移动机器人采用激光雷达传感器扫描现场环境信息,包括:采用安装在移动机器人上的激光雷达传感器扫描上述现实场景,以及采用激光雷达传感器和/或图像视觉传感器扫描人为预先设置的标签数据信息;上述标签数据信息,包括:图像信息、磁钉位置信息、二维码位置信息等;上述移动机器人通过将上述现实场景和标签数据进行计算处理得到全局地图。上述移动机器人在沿着上述全局地图自动运行过程中,再次扫描读取运行路径上图像标签信息或磁钉、二维码坐标信息等信息,用于优化移动路径,生成相对地图。
作为一种可选的实施例,如图2所示的移动机器人结构示意图,上述移动机器人主要由车体机构、驱动部分、激光传感器、控制器部分构成;上述驱动部分用于实现移动机器人的移动,因此,上述驱动部分所采用的结构不作具体限定,可以为轮胎、履带等帮助移动机器人实现移动的结构;上述激光传感器用于获取环境信息以及预先设置的标签数据信息,可以采用其他类型的传感器或装置代替;上述控制器用于对获取到的信息或数据进行相应处理,控制器中可以包括:编码器、陀螺仪等传感器,并通过传感器计算获取到的信息、数据;上述车体机构用于连接或固定上述移动机器人的其他结构。上述传感器、控制器、驱动部分的数量不作具体限定,可以根据场景复杂程度进行添加或删除。
作为一种可选的实施例,采用激光雷达进行室内非结构化环境扫描(即SLAM)或者扫描反射板等方式,根据扫描到的信息,构建全局地图轮廓,使得移动机器人在全局地图中获取自身的坐标位置,实现定位。利用AGV自动导引功能(Automated Guided Vehicle)在全局地图定位,绘制自动导引路径,实现自动学习图像信息、磁钉、二维码等相对坐标信息的采集,利用采集到的信息构建出相对地图,实现移动机器人学习的路径线路直线度、圆弧度更加平滑,提高定位精确程度。
在一种可选的实施例中,上述基于上述现场环境信息,计算得到全局地图,包括:
步骤S202,将上述现场环境信息中的传感信息进行数据融合处理,得到环境数据,其中,上述传感信息至少包括以下之一:编码器信息和陀螺仪信息;
步骤S204,采用粒子滤波算法将上述环境数据转换为栅格地图;
步骤S206,基于上述栅格地图构建得到上述全局地图。
在本发明实施例中,如图3所示的全局地图的构建流程图,上述移动机器人采用激光雷达传感器扫描现场环境信息之后,将上述传感信息传输至上述控制器中,上述控制器采用编码器、陀螺仪等传感器将上述传感信息进行数据融合处理,通过控制器核心运动算法将现实环境转化成机器人能够理解的环境,构建出机器人全局地图。
需要说明的是,上述控制器核心运动算法即粒子滤波算法,上述控制器采用粒子滤波器的粒子滤波跟踪算法将上述激光传感器测距数据转换为移动机器人能够理解的栅格地图,上述栅格地图将环境划分为一系列栅格,根据扫描到的环境信息,给定每个栅格一个值,表示栅格被占据的概率,完成每个栅格的值的给定后,得到上述全局地图。
还需要说明的是,占据栅格地图的构建主要采取粒子滤波的方法,粒子滤波是目前一种可以代替高斯滤波器的广为流行的滤波器是非参数化滤波器。非参数化滤波器不需要满足扩展卡尔曼滤波算法所要求的非线性滤波随机量必须满足高斯分布的条件,它也不依赖于一个固定的后验方程去估计后验状态,而是从后验概率中抽取随机状态粒子来表达其分布。粒子滤波就是一种非参数化滤波器的实现算法,粒子滤波的关键是从后验分布中产生一组随机状态样本来表示后验概率分布。
在一种可选的实施例中,上述控制上述移动机器人沿着上述全局地图自动运行,得到运行数据,包括:
步骤S302,基于预定的标签位置在上述全局地图中绘制得到运行路径;
步骤S304,控制上述移动机器人沿着上述运行路径自动运行,得到上述运行数据。
在本发明实施例中,根据现场已布设完成的二维码、磁钉或图像标签等标签位置信息,移动机器人在所构建的全局地图中,绘制所需运行路径,并控制移动机器人根据该路径自动运行;在自动运行的过程中再次扫描读取图像标签信息或磁钉、二维码坐标信息;移动机器人根据读取到的图像或坐标信息,进行融合、计算等处理,得到上述运行数据。
在一种可选的实施例中,在上述控制上述移动机器人依据上述全局地图自动运行之后,上述方法还包括:
步骤S402,获取上述运行路径中的图像标签及坐标信息;
步骤S404,基于上述标签位置的标签数据信息生成上述运行数据;
步骤S406,基于上述运行数据生成相对地图,得到优化后的上述运行路径。
在本发明实施例中,在自动运行的过程中再次扫描读取图像标签及坐标信息;移动机器人根据读取到的图像标签及坐标信息,发送至上述控制器进行融合、计算等处理,得到上述运行数据;基于上述运行数据生成相对地图,得到优化后的上述运行路径。
需要说明的是,上述图像标签信息或磁钉、二维码坐标信息不仅仅只包括坐标信息、位置信息等,还可以读取上述标签信息的内容,例如:扫描图像得到的方向信息、扫描二维码得到的移动指令信息等;根据标签信息的内容完善上述运行数据。而现有技术中上述图像标签信息或磁钉、二维码坐标信息还需要人工手动驾驶移动机器人进行扫描获取,导致构建地图的精度降低,并且增加了人工工作强度以及调试周期。
在一种可选的实施例中,基于上述图像标签及坐标信息生成上述运行数据,包括:上述标签数据信息包括以下至少之一:图像信息、磁钉位置信息、二维码位置信息。
通过本发明实施例,如图4所示的移动机器人的控制流程图,通过控制器将激光雷达传感器扫描获取现实场景中的现场环境信息进行融合计算处理,计算得到全局地图,控制上述移动机器人沿着上述全局地图自动运行,扫描并处理上述标签信息得到运行数据;基于上述运行数据,移动机器人自动学习相对地图,生成优化后的运行路径,并返回至控制器;实现移动机器人学习的运行路径直线度、圆弧度更加平滑,提高移动机器人运行及定位的精确度,避免了人工遥控移动机器人学习移动路径,极大程度上减轻了调试人员的劳动强度。
根据本发明实施例,还提供了一种用于实施上述移动机器人的路径控制装置实施例,图5是根据本发明实施例的一种移动机器人的路径控制装置的结构示意图,如图5所示,上述装置包括:定位模块50、计算模块52、控制模块54和处理模块56,其中:
定位模块50,用于获取现实场景中的现场环境信息,其中,上述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描上述现实场景得到;
计算模块52,用于基于上述现场环境信息,计算得到全局地图;
控制模块54,用于控制上述移动机器人沿着上述全局地图自动运行,得到运行数据;
处理模块56,用于基于上述运行数据,优化运行路径。
此处需要说明的是,上述获取模块50、计算模块52、控制模块54和处理模块56对应于实施例1中的步骤S102至步骤S108,四个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。
需要说明的是,本实施例的优选实施方式可以参见实施例1中的相关描述,此处不再赘述。
可选的,上述计算模块,包括:处理单元,用于将上述现场环境信息中的传感信息进行数据融合处理,得到环境数据,其中,上述传感信息至少包括以下之一:编码器信息和陀螺仪信息;计算单元,用于采用粒子滤波算法将上述环境数据转换为栅格地图;构建单元,用于基于上述栅格地图构建得到上述全局地图。
可选的,上述控制模块,包括:绘制单元,用于基于预定的标签位置在上述全局地图中绘制得到运行路径;控制单元,用于控制上述移动机器人沿着上述运行路径自动运行,得到上述运行数据。
根据本发明的实施例,还提供了一种计算机可读存储介质的实施例。可选地,在本实施例中,上述计算机可读存储介质可以用于保存上述实施例1所提供的移动机器人的路径控制方法所执行的程序代码。
可选地,在本实施例中,上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:获取现实场景中的现场环境信息,其中,上述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描上述现实场景得到;基于上述现场环境信息,计算得到全局地图;控制上述移动机器人沿着上述全局地图自动运行,得到运行数据;基于上述运行数据,优化运行路径。
可选的,在本实施例中,上述计算机可读存储介质还可以执行如下步骤的程序代码:将上述现场环境信息中的传感信息进行数据融合处理,得到环境数据,其中,上述传感信息至少包括以下之一:编码器信息和陀螺仪信息;采用粒子滤波算法将上述环境数据转换为栅格地图;基于上述栅格地图构建得到上述全局地图。
可选的,在本实施例中,上述计算机可读存储介质还可以执行如下步骤的程序代码:基于预定的标签位置在上述全局地图中绘制得到运行路径;控制上述移动机器人沿着上述运行路径自动运行,得到上述运行数据。
可选的,在本实施例中,上述计算机可读存储介质还可以执行如下步骤的程序代码:获取上述运行路径中的图像标签及坐标信息;基于上述标签位置的标签数据信息生成上述运行数据;基于上述运行数据生成相对地图,得到优化后的上述运行路径。
根据本发明的实施例,还提供了一种处理器的实施例。可选地,在本实施例中,上述计算机可读存储介质可以用于保存上述实施例1所提供的移动机器人的路径控制方法所执行的程序代码。
本申请实施例提供了一种电子设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取现实场景中的现场环境信息,其中,上述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描上述现实场景得到;基于上述现场环境信息,计算得到全局地图;控制上述移动机器人沿着上述全局地图自动运行,得到运行数据;基于上述运行数据,优化运行路径。
可选的,处理器执行程序时实现以下步骤:将上述现场环境信息中的传感信息进行数据融合处理,得到环境数据,其中,上述传感信息至少包括以下之一:编码器信息和陀螺仪信息;采用粒子滤波算法将上述环境数据转换为栅格地图;基于上述栅格地图构建得到上述全局地图。
可选的,处理器执行程序时实现以下步骤:基于预定的标签位置在上述全局地图中绘制得到运行路径;控制上述移动机器人沿着上述运行路径自动运行,得到上述运行数据。
可选的,处理器执行程序时实现以下步骤:获取上述运行路径中的图像标签及坐标信息;基于上述标签位置的标签数据信息生成上述运行数据;基于上述运行数据生成相对地图,得到优化后的上述运行路径。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取现实场景中的现场环境信息,其中,上述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描上述现实场景得到;基于上述现场环境信息,计算得到全局地图;控制上述移动机器人沿着上述全局地图自动运行,得到运行数据;基于上述运行数据,优化运行路径。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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,在本发明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。
所述集成的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全部或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(可为个人计算机、服务器或者网络设备等)执行本发明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、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种移动机器人的路径控制方法,其特征在于,应用于具有自动导引功能的移动机器人中,包括:
获取现实场景中的现场环境信息,其中,所述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描所述现实场景得到;
基于所述现场环境信息,计算得到全局地图;
控制所述移动机器人沿着所述全局地图自动运行,得到运行数据;
基于所述运行数据,优化运行路径。
2.根据权利要求1所述的方法,其特征在于,所述基于所述现场环境信息,计算得到全局地图,包括:
将所述现场环境信息中的传感信息进行数据融合处理,得到环境数据,其中,所述传感信息至少包括以下之一:编码器信息和陀螺仪信息;
采用粒子滤波算法将所述环境数据转换为栅格地图;
基于所述栅格地图构建得到所述全局地图。
3.根据权利要求1所述的方法,其特征在于,所述控制所述移动机器人沿着所述全局地图自动运行,得到运行数据,包括:
基于预定的标签位置在所述全局地图中绘制得到运行路径;
控制所述移动机器人沿着所述运行路径自动运行,得到所述运行数据。
4.根据权利要求3所述的方法,其特征在于,在所述控制所述移动机器人依据所述全局地图自动运行之后,所述方法还包括:
获取所述运行路径中的图像标签及坐标信息;
基于所述标签位置的标签数据信息生成所述运行数据;
基于所述运行数据生成相对地图,得到优化后的所述运行路径。
5.根据权利要求4所述的方法,其特征在于,基于所述图像标签及坐标信息生成所述运行数据,包括:
所述标签数据信息包括以下至少之一:图像信息、磁钉位置信息、二维码位置信息。
6.一种移动机器人的路径控制装置,其特征在于,包括:
定位模块,用于获取现实场景中的现场环境信息,其中,所述现场环境信息为采用安装在移动机器人上的激光雷达传感器扫描所述现实场景得到;
计算模块,用于基于所述现场环境信息,计算得到全局地图;
控制模块,用于控制所述移动机器人沿着所述全局地图自动运行,得到运行数据;
处理模块,用于基于所述运行数据,优化运行路径。
7.根据权利要求6所述的装置,其特征在于,所述计算模块,包括:
处理单元,用于将所述现场环境信息中的传感信息进行数据融合处理,得到环境数据,其中,所述传感信息至少包括以下之一:编码器信息和陀螺仪信息;
计算单元,用于采用粒子滤波算法将所述环境数据转换为栅格地图;
构建单元,用于基于所述栅格地图构建得到所述全局地图。
8.根据权利要求6所述的装置,其特征在于,所述控制模块,包括:
绘制单元,用于基于预定的标签位置在所述全局地图中绘制得到运行路径;
控制单元,用于控制所述移动机器人沿着所述运行路径自动运行,得到所述运行数据。
9.一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包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至5中任意一项所述的移动机器人的路径控制方法。
10.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至5中任意一项所述的移动机器人的路径控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111310189.0A CN114019977A (zh) | 2021-11-03 | 2021-11-03 | 移动机器人的路径控制方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111310189.0A CN114019977A (zh) | 2021-11-03 | 2021-11-03 | 移动机器人的路径控制方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114019977A true CN114019977A (zh) | 2022-02-08 |
Family
ID=80061812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111310189.0A Pending CN114019977A (zh) | 2021-11-03 | 2021-11-03 | 移动机器人的路径控制方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114019977A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120230550A1 (en) * | 2011-03-10 | 2012-09-13 | Jacob Kraut | Method and Apparatus for Generating a Map from Landmarks |
CN105425807A (zh) * | 2016-01-07 | 2016-03-23 | 朱明� | 一种基于人工路标的室内机器人导航方法及装置 |
CN108705536A (zh) * | 2018-06-05 | 2018-10-26 | 雅客智慧(北京)科技有限公司 | 一种基于视觉导航的牙科机器人路径规划系统及方法 |
CN109115204A (zh) * | 2018-09-30 | 2019-01-01 | 四川福德机器人股份有限公司 | 一种用于导航车的精定位系统和方法 |
CN109374069A (zh) * | 2018-12-18 | 2019-02-22 | 华南农业大学 | 畜禽养殖场即时环境信息的空间分布监测系统及监测方法 |
CN109612477A (zh) * | 2018-12-18 | 2019-04-12 | 盐城工学院 | 一种综合应用人工路标和栅格地图的移动机器人自主导航方法 |
CN109900272A (zh) * | 2019-02-25 | 2019-06-18 | 浙江大学 | 视觉定位与建图方法、装置及电子设备 |
WO2019232806A1 (zh) * | 2018-06-08 | 2019-12-12 | 珊口(深圳)智能科技有限公司 | 导航方法、导航系统、移动控制系统及移动机器人 |
CN110887493A (zh) * | 2019-11-29 | 2020-03-17 | 上海有个机器人有限公司 | 基于局部地图匹配的轨迹推算方法、介质、终端和装置 |
CN110908377A (zh) * | 2019-11-26 | 2020-03-24 | 南京大学 | 一种机器人导航空间约简方法 |
WO2020125686A1 (zh) * | 2018-12-19 | 2020-06-25 | 长沙智能驾驶研究院有限公司 | 实时相对地图的生成方法,智能驾驶设备以及计算机存储介质 |
CN112363495A (zh) * | 2020-09-28 | 2021-02-12 | 华南农业大学 | 一种畜禽养殖场巡检机器人的导航方法 |
CN112631290A (zh) * | 2020-12-14 | 2021-04-09 | 云南昆船智能装备有限公司 | 自动标定和设置导航标记物的移动机器人及方法 |
CN113405544A (zh) * | 2021-05-08 | 2021-09-17 | 中电海康集团有限公司 | 一种移动机器人的建图与定位方法及系统 |
-
2021
- 2021-11-03 CN CN202111310189.0A patent/CN114019977A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120230550A1 (en) * | 2011-03-10 | 2012-09-13 | Jacob Kraut | Method and Apparatus for Generating a Map from Landmarks |
CN105425807A (zh) * | 2016-01-07 | 2016-03-23 | 朱明� | 一种基于人工路标的室内机器人导航方法及装置 |
CN108705536A (zh) * | 2018-06-05 | 2018-10-26 | 雅客智慧(北京)科技有限公司 | 一种基于视觉导航的牙科机器人路径规划系统及方法 |
WO2019232806A1 (zh) * | 2018-06-08 | 2019-12-12 | 珊口(深圳)智能科技有限公司 | 导航方法、导航系统、移动控制系统及移动机器人 |
CN109115204A (zh) * | 2018-09-30 | 2019-01-01 | 四川福德机器人股份有限公司 | 一种用于导航车的精定位系统和方法 |
CN109374069A (zh) * | 2018-12-18 | 2019-02-22 | 华南农业大学 | 畜禽养殖场即时环境信息的空间分布监测系统及监测方法 |
CN109612477A (zh) * | 2018-12-18 | 2019-04-12 | 盐城工学院 | 一种综合应用人工路标和栅格地图的移动机器人自主导航方法 |
WO2020125686A1 (zh) * | 2018-12-19 | 2020-06-25 | 长沙智能驾驶研究院有限公司 | 实时相对地图的生成方法,智能驾驶设备以及计算机存储介质 |
CN109900272A (zh) * | 2019-02-25 | 2019-06-18 | 浙江大学 | 视觉定位与建图方法、装置及电子设备 |
CN110908377A (zh) * | 2019-11-26 | 2020-03-24 | 南京大学 | 一种机器人导航空间约简方法 |
CN110887493A (zh) * | 2019-11-29 | 2020-03-17 | 上海有个机器人有限公司 | 基于局部地图匹配的轨迹推算方法、介质、终端和装置 |
CN112363495A (zh) * | 2020-09-28 | 2021-02-12 | 华南农业大学 | 一种畜禽养殖场巡检机器人的导航方法 |
CN112631290A (zh) * | 2020-12-14 | 2021-04-09 | 云南昆船智能装备有限公司 | 自动标定和设置导航标记物的移动机器人及方法 |
CN113405544A (zh) * | 2021-05-08 | 2021-09-17 | 中电海康集团有限公司 | 一种移动机器人的建图与定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108550318B (zh) | 一种构建地图的方法及装置 | |
Arras et al. | Multisensor on-the-fly localization:: Precision and reliability for applications | |
CN113110457B (zh) | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 | |
Tovar et al. | Planning exploration strategies for simultaneous localization and mapping | |
CN110009718B (zh) | 一种三维高精度地图生成方法及装置 | |
Bogdan Rusu et al. | Leaving Flatland: Efficient real‐time three‐dimensional perception and motion planning | |
Beinschob et al. | Semi-automated map creation for fast deployment of AGV fleets in modern logistics | |
KR101341204B1 (ko) | 레이저 스캐너 및 구조물을 이용한 모바일 로봇의 위치추정장치 및 방법 | |
CN110986945B (zh) | 基于语义高度地图的局部导航方法和系统 | |
Chen et al. | Robot navigation with map-based deep reinforcement learning | |
An et al. | Development of mobile robot SLAM based on ROS | |
CN103901891A (zh) | 一种基于层次结构的动态粒子树slam算法 | |
Morisset et al. | Leaving flatland: Toward real-time 3d navigation | |
CN111679664A (zh) | 基于深度相机的三维地图构建方法及扫地机器人 | |
CN110376605A (zh) | 地图构建方法、导航方法和装置 | |
Beinschob et al. | Advances in 3d data acquisition, mapping and localization in modern large-scale warehouses | |
CN112894758A (zh) | 机器人清洗控制系统、方法、装置和计算机设备 | |
CN118020038A (zh) | 两轮自平衡机器人 | |
CN110705385B (zh) | 一种障碍物角度的检测方法、装置、设备及介质 | |
CN114460939A (zh) | 复杂环境下智能行走机器人自主导航改进方法 | |
Valente et al. | Evidential SLAM fusing 2D laser scanner and stereo camera | |
Son et al. | The practice of mapping-based navigation system for indoor robot with RPLIDAR and Raspberry Pi | |
CN115805595B (zh) | 机器人导航方法、装置及杂物清理机器人 | |
CN114019977A (zh) | 移动机器人的路径控制方法、装置、存储介质及电子设备 | |
CN114571460A (zh) | 机器人控制方法、装置及存储介质 |
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 |