CN114115293A - 机器人避障方法、装置、设备及存储介质 - Google Patents
机器人避障方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114115293A CN114115293A CN202111572489.6A CN202111572489A CN114115293A CN 114115293 A CN114115293 A CN 114115293A CN 202111572489 A CN202111572489 A CN 202111572489A CN 114115293 A CN114115293 A CN 114115293A
- Authority
- CN
- China
- Prior art keywords
- obstacle avoidance
- road section
- robot
- target road
- level
- 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 93
- 230000008569 process Effects 0.000 claims abstract description 51
- 230000004888 barrier function Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 description 13
- 230000001960 triggered effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 235000012054 meals Nutrition 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 208000004350 Strabismus Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction 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
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
- G05D1/0263—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means using magnetic strips
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
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)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请实施例公开了一种机器人避障方法、装置、设备及存储介质。其中,该方法包括:获取目标路段和所述机器人对应于所述目标路段的避障等级;控制所述机器人在所述目标路段行驶过程中根据所述避障等级进行避障。本申请实施例提高了机器人通行过程中针对通行环境进行避障的自适应能力,进而提高了机器人的工作效率。
Description
技术领域
本申请实施例涉及机器人技术领域,尤其涉及一种机器人避障方法、装置、设备及存储介质。
背景技术
随着机器人技术的不断发展,机器人应用从工业领域逐渐向商用领域扩展,机器人在生活中的应用场景与日俱增,例如,送餐机器人或消毒机器人等。
通常,机器人在已有的地图中运动时,通过避障传感器,如激光雷达探测传感器,探测周围的障碍物或虚拟墙来进行避障。机器人设置有固定不变的避障距离,在狭窄路段或障碍物变化时,机器人容易反复向左偏移或者向右偏移,从而产生左右摇晃,影响机器人运输物品的安全性和机器人的工作效率。
发明内容
本申请实施例提供一种机器人避障方法、装置、设备及存储介质,以提高机器人通行过程中针对通行环境进行避障的自适应能力。
第一方面,本申请实施例提供了一种机器人避障方法,该方法包括:
获取目标路段和所述机器人对应于所述目标路段的避障等级;
控制所述机器人在所述目标路段行驶过程中根据所述避障等级进行避障。
可选的,所述目标路段包括当前路段;
相应的,所述获取目标路段和所述机器人对应于所述目标路段的避障等级,包括:
获取所述机器人的当前位置;
判断所述当前位置是否为预设的路段标注位置;
若是,则根据所述当前位置,确定所述机器人所在的当前路段及对应的避障等级。
可选的,所述方法还包括:
获取所述机器人在所述目标路段行驶产生的避障信息;
根据所述避障信息确定是否需要调整所述目标路段的避障等级;
若是,则调整所述目标路段的避障等级。
可选的,所述避障信息包括预设时间周期内所述目标路段的避障次数;
相应的,所述根据所述避障信息确定是否需要调整所述目标路段的避障等级,包括:
判断所述避障次数是否大于或等于预设避障次数阈值;
若是,则确定需要调整所述目标路段的避障等级。
可选的,所述避障信息还包括预设时间周期内所述机器人在所述目标路段的通行次数;
相应的,在所述若是,则确定需要调整所述目标路段的避障等级之后,还包括:
根据所述避障次数和所述通行次数确定所述机器人在所述目标路段的避障概率;
判断所述避障概率是否大于或等于预设避障概率阈值;
若是,则基于预设等级累加值,调整所述目标路段的避障等级。
可选的,所述避障信息还包括预设时间周期内的触发避障位置,所述目标路段包括多个子路段;
相应的,所述若是,则调整所述目标路段的避障等级,包括:
根据所述触发避障位置确定各个所述子路段的触发避障信息;
根据所述触发避障信息选择性调整各个所述子路段的避障等级。
可选的,所述子路段根据所述目标路段中相邻的定位标签所确定。
第二方面,本申请实施例还提供了一种机器人避障装置,该装置包括:
避障等级获取模块,用于获取目标路段和所述机器人对应于所述目标路段的避障等级;
避障控制模块,用于控制所述机器人在所述目标路段行驶过程中根据所述避障等级进行避障。
第三方面,本申请实施例还提供了一种机器人,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如本申请实施例中任一所述的机器人避障方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如本申请实施例中任一所述的机器人避障方法。
本申请实施例通过获取目标路段和机器人对应于目标路段的避障等级;控制机器人在目标路段行驶过程中根据避障等级进行避障。上述方案通过控制机器人在目标路段行驶过程中根据路段对应的避障等级进行避障,实现了机器人能够在路径通行的过程中,根据不同路段的差别,适应性的进行避障,提高了机器人避障的自适应能力和工作效率,从而减小了机器人在路段通行的过程中产生左右摇晃的情况发生概率,提高了机器人工作过程的安全性。
附图说明
图1是本申请实施例一中的一种机器人避障方法的流程示意图;
图2A是本申请实施例二中的一种机器人避障方法的流程示意图;
图2B是本申请实施例二中的标注点位示意图;
图3是本申请实施例三中的一种机器人避障方法的流程示意图;
图4是本申请实施例四中的一种机器人避障装置的结构框图;
图5是本申请实施例五中的一种机器人的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
实施例一
图1为本申请实施例一提供的一种机器人避障方法的流程示意图,本实施例可适用于机器人运行过程中进行适应性避障的情况,该方法可以由机器人避障装置来执行,该装置可采用软件和/或硬件的方式实现,该装置可以集成在机器人中,如图1所示,该方法具体包括如下步骤:
S110、获取目标路段和机器人对应于目标路段的避障等级。
目标路段可以包括机器人当前所处的路段,也可以包括机器人接下来要行驶到的路段。
避障等级可以是机器人与障碍物之间的安全距离等级。例如,避障等级为1级对应的机器人与障碍物之间的安全距离可以为40厘米;避障等级为2级对应的机器人与障碍物之间的安全距离可以为35厘米。障碍物对机器人行驶的影响越小,避障等级级别越高,机器人与障碍物之间的安全距离越小。其中,障碍物可以是非动态障碍物或虚拟墙等;非动态障碍物可以是长期固定的障碍物,例如,在送餐场景下,长期固定的障碍物可以是餐桌、柜台或静态摆放物等。其中,机器人触发避障行为的条件可以是若机器人探测到有障碍物在预设的安全距离的范围内,则机器人会进行避障。例如,机器人可以根据避障等级确定的安全距离进行障碍物检测,当检测到障碍物与机器人的距离小于等于安全距离,则机器人可以旋转改变行驶方向以避开障碍物。
目标路段的避障等级可以由相关技术人员进行预先配置。示例性的,可以根据机器人的工作场景,为机器人运行环境中的每个路段,也即机器人地图上的每个路段配置相应的避障等级,以供机器人运行过程中,根据规划路径确定要经过的路段为目标路段,并在目标路段行驶过程中根据预先配置的避障等级进行避障。例如,若机器人的工作场景为送餐场景,则可以根据送餐场景下,障碍物的类型、障碍物摆放情况以及各路段的实际宽度等影响因素,预先为该场景下的机器人配置各路段的避障等级。
示例性的,若机器人从当前位置行驶到目标配送位置,根据规划路径需要经过路段A和路段B,则目标路段包括A路段和B路段,预先为机器人配置路段A的避障等级为1级,路段B的避障等级为2级。路段A为机器人当前所在的目标路段,则获取到机器人在当前路段的避障等级为1级,则机器人在A路段行驶过程中按1级避障等级进行避障;路段B为机器人将进入的目标路段,则获取到机器人在B路段的避障等级为2级,当机器人行驶到B路段时,控制机器人按2级避障等级进行避障。
在一个可选的实施例中,目标路段可以包括当前路段,即机器人在规划路径行驶过程中当前所处的行驶路段。相应的,获取目标路段和机器人对应于目标路段的避障等级,包括:获取机器人的当前位置;判断当前位置是否为预设的路段标注位置;若是,则根据当前位置,确定机器人所在的当前路段及对应的避障等级。
路段标注位置可以由相关技术人员进行预先设定,具体可以是由相关技术人员为规划路径中各路段预先设置的路段标注点位。其中,各路段的路段标注位置可以相同,也可以不同,具体可以根据实际需求由相关技术人员进行设定。例如,路段A的路段标注位置可以为路段A的起点位置,路段B的路段标注位置可以为路段B的中点位置,路段C的路段标注位置可以为路段C的起点与中点之间的任何位置,本实施例对此不进行限定。优选地,路段标注位置为路段的起始位置,即机器人在每个路段开始位置获取该路段的避障等级,避免一次性获取多个路段的避障等级信息处理量大,且避免预先获取的话,如果机器人行驶过程中发生绕路等未按预设路径行驶时,导致避障等级与路段不对应,也能够避免行驶到一半才获取当前路段的避障等级,导致前半程的避障等级不合适,容易发生事故或者晃动。
为各行驶路径设置路段标注位置之后,将路段标注位置与各路段之间建立关联关系,从而使得机器人能够根据路段标注位置确定当前所在的目标路段。示例性的,行驶路段A对应的路段标注位置为a点,行驶路段B对应的路段标注位置为b点,将行驶路段A与路段标注位置a点建立关联关系,将行驶路段B与路段标注位置b点建立关联关系;当机器人行驶至路段标注位置a点时,可以获取到机器人所在的当前路段为行驶路段A;当机器人行驶至路段标注位置b点时,可以获取到机器人所在的当前路段为行驶路段B。
示例性的,可以由机器人的定位装置或设备实时获取机器人当前位置,并实时判断当前位置是否为预设的路段标注位置。若当前位置为预设的路段标注位置,则根据当前位置,获取机器人所在的当前路段,并确定当前路段对应的避障等级;即,根据当前的路段标注位置,获取机器人所在的路段标注位置关联的行驶路段,以及机器人对应于行驶路段的避障等级,并将获取的避障等级作为当前路段的避障等级。若当前位置不是预设的路段标注位置,则机器人在当前路段继续行驶。
本可选实施例获取机器人的当前位置,判断当前位置是否为预设的路段标注位置。若是,则根据当前位置,确定机器人所在的当前路段及对应的避障等级。上述方案通过确定机器人当前位置,并判断当前位置是否为路段标注位置的方式,实现了机器人行驶在不同目标路段对应的路段标注位置时,对相应的目标路段的避障等级的获取,提高了机器人在不同目标路段根据不同避障等级进行避障的灵活性。
S120、控制机器人在目标路段行驶过程中根据避障等级进行避障。
机器人获取到目标路段的避障等级之后,根据获取到的避障等级进行避障。示例性的,若目标路段对应的避障等级为1级,且1级对应的机器人与障碍物之间的安全距离为40厘米,则机器人在距离障碍物40厘米处开始触发避障;若目标路段对应的避障等级为2级,且2级对应的机器人与障碍物之间的安全距离为35厘米,则机器人在距离障碍物35厘米处开始触发避障。
本申请实施例通过获取目标路段和机器人对应于目标路段的避障等级;控制机器人在目标路段行驶过程中根据避障等级进行避障。上述方案通过控制机器人在目标路段行驶过程中根据路段对应的避障等级进行避障,实现了机器人能够在路径通行的过程中,根据不同路段的差别,适应性的进行避障,提高了机器人避障的自适应能力和工作效率,从而减小了机器人在路段通行的过程中产生左右摇晃的情况发生概率,提高了机器人工作过程的安全性。
实施例二
图2A为本申请实施例二提供的一种机器人避障方法的流程示意图,本实施例在上述各技术方案的基础上,进行了优化改进。
进一步的,将步骤“获取机器人在所述目标路段行驶产生的避障信息;根据避障信息确定是否需要调整目标路段的避障等级;若是,则调整目标路段的避障等级。”添加至步骤“控制机器人在目标路段行驶过程中根据避障等级进行避障。”之后,以完善对目标路段的避障等级的调整过程。
如图2A所示,该方法包括以下具体步骤:
S210、获取目标路段和机器人对应于目标路段的避障等级。
S220、控制机器人在目标路段行驶过程中根据避障等级进行避障。
S230、获取机器人在目标路段行驶产生的避障信息。
机器人在目标路段行驶产生的避障信息可以在目标路段的预设点位位置处获取;其中,预设点位位置可以由相关技术人员预先确定,例如,可以将目标路段的终点位置作为预设点位位置。示例性的,若目标路段的起点为D1,终点为D2,则可以将终点D2设置为目标路段的预设点位位置。避障信息可以是机器人在目标路段中产生的避障行为信息,例如,避障行为信息可以是机器人在目标路段的避障次数信息,或者,机器人在目标路段发生避障时的具体位置信息等避障信息。也可以,在机器人到达目标配送位置之后,获取机器人在整个规划路径行驶过程中各个路段的记录的避障信息,避免增加机器人执行任务过程中的数据处理压力。
S240、根据避障信息确定是否需要调整目标路段的避障等级。
可以预先为机器人设置避障信息判断条件,若机器人获取的避障信息满足避障信息判断条件,则可以确定需要调整目标路段的避障等级;若机器人获取的避障信息不满足避障信息判断条件,则可以确定不需要调整目标路段的避障等级。其中,避障信息判断条件可以根据避障信息进行预先设定。例如,若避障信息为机器人在目标路段发生避障时的具体位置信息,则对应的避障信息判断条件可以是机器人在目标路段发生避障时的具体位置是否与预设的障碍物摆放位置相符。若相符,则无需调整目标机器人在目标路段的避障等级,若不相符,则可以适应性调整目标机器人在目标路段的避障等级。
示例性的,避障信息还可以包括预设时间周期内目标路段的避障次数,若避障信息为预设时间周期内目标路段的避障次数,则对应的避障信息判断条件可以是预设时间周期内目标路段的避障次数是否大于或等于预设次数阈值。
在一个可选实施例中,避障信息包括预设时间周期内目标路段的避障次数;相应的,根据所述避障信息确定是否需要调整目标路段的避障等级,包括:判断避障次数是否大于或等于预设避障次数阈值;若是,则确定需要调整目标路段的避障等级。
其中,预设时间周期与预设避障次数阈值可以预先设定,预设时间周期可以是24小时,预设次数阈值可以是10次。
需要说明的是,机器人在预设时间周期内,可以行驶通过至少一次目标路段,且每一次行驶通过目标路段时可以不触发避障行为,也可以触发至少一次避障行为;若机器人在当前行驶次数下通过目标路段时未触发避障行为,则可以认为当前行驶次数下的避障次数为0次,若机器人在当前行驶次数下通过目标路段时触发至少一次避障行为,则可以认为当前行驶次数下的避障次数为1次。因此,判断机器人在目标路段是否触发避障行为,根据判断结果,确定机器人在预设时间周期内的目标路段避障次数。机器人在预设时间周期内,每一次行驶通过目标路段时,在目标路段内触发避障行为的次数不影响目标路段避障次数。例如,若机器人在预设时间周期内通过目标路段的次数为20次,其中,有15次通过目标路段时触发了避障行为,且无论在这15次通过目标路段时的当次触发避障次数为多少,机器人在预设时间周期内通过目标路段的次数为15次。
判断避障次数是否大于或等于预设避障次数阈值,若是,则确定需要调整机器人对应于目标路段的避障等级;若否,则无需调整机器人对应于目标路段的避障等级,可以记录并存储机器人在目标路段的避障信息,以供后续能够根据机器人在目标路段的避障行为,对机器人的避障等级或者环境做适应性调整。
其中,机器人对应于目标路段的避障等级可以预先确定。示例性的,预设避障次数阈值为10次,若判断机器人在预设时间周期内的目标路段的避障次数大于或等于10次,则可以基于目标路段的当前避障等级,确定需要调整的目标路段的避障等级,例如,可以在目标路段的当前避障等级基础上加一级。
示例性的,预设避障次数阈值为10次,预设时间周期为24小时,目标路段的当前避障等级为1级;判断24小时内机器人在目标路段的避障次数是否大于或等于10次,若是,则确定需要将目标路段的避障等级调整为2级,若否,则不进行目标路段的避障等级的调整。
需要说明的是,若机器人在预设时间周期内的目标路段的避障次数大于或等于预设次数阈值,则确定需要调整的目标路段的避障等级级数可以结合机器人的应用场景来确定,例如是在酒店还是餐厅运行,环境的客流密度,地面的平整程度等进行设定;例如,若避障次数大于或等于预设次数阈值的倍数,则可以在目标路段的当前避障等级基础上加两级,本实施例对此不进行限制。
本可选实施例通过判断避障次数是否大于或等于预设避障次数阈值;若是,则确定需要调整目标路段的避障等级。上述方案通过判断机器人预设时间周期内在目标路段的避障次数是否大于预设避障次数阈值的方式,对目标路段的避障等级进行适应性调整,使得机器人的避障等级能够适应环境的变化,提高了目标路段的避障等级确定的准确度,以及提高了目标机器人后续在目标路段行驶过程中的行驶效率。
需要说明的是目标路段行驶产生的避障信息还可以包括预设时间周期内机器人在目标路段的通行次数。
在一个可选实施例中,在确定需要调整目标路段的避障等级之后,还包括:根据避障次数和通行次数确定机器人在目标路段的避障概率;判断避障概率是否大于或等于预设避障概率阈值;若是,则基于预设等级累加值,调整目标路段的避障等级。
其中,通行次数可以是预设时间周期内机器人在目标路段的行驶次数。避障概率可以是预设时间周期内机器人在目标路段发生避障行为的概率,避障概率具体可以基于预设时间周期内机器人在目标路段的避障次数和通行次数得到,例如,避障概率P的计算方式如下:
其中,M为预设时间周期内机器人在目标路段的避障次数;N为预设时间周期内机器人在目标路段的通行次数。
例如,若预设时间周期内机器人在目标路段的避障次数为10次,通行次数为8次,则对应的机器人在目标路段的避障概率为80%。
确定预设时间周期内,机器人在目标路段的避障次数和通行次数,基于避障次数和通行次数确定机器人在目标路段的避障概率。判断避障概率是否大于或等于预设避障概率阈值,其中,避障概率阈值可以由相关技术人员预先确定,例如可以是80%。若避障概率大于或等于预设避障概率阈值,则基于预设等级累加值,调整目标路段的避障等级,其中,预设等级累加值可以是1级;若避障概率小于预设避障概率阈值,则无需对目标路段的避障等级进行调整,并记录获取到的机器人避障次数和通行次数,以供后续可以根据实际需求,对机器人的避障次数和通行次数进行查询。
示例性的,若预设时间周期为24小时,预设避障概率阈值为80%,预设等级累加值为1级。若获取到24小时内,机器人在目标路段的避障次数为9次,通行次数为10次,则可以确定机器人在目标路段的避障概率为90%,大于预设避障概率阈值80%,则获取机器人在目标路段的当前的避障等级,基于预设的累加值1级,调整目标路段的当前的避障等级。例如,若机器人在目标路段的当前的避障等级为3级,基于预设的累加值1级,调整后的目标路段的避障等级为4级,等级越高安全距离越小。
可选的,判断避障概率是否大于或等于预设避障概率阈值,若避障概率大于或等于预设避障概率阈值,则可以继续判断机器人对应于目标路段的当前的避障等级是否为避障等级最大值,若机器人对应于目标路段的当前的避障等级为避障等级最大值,则上报至服务器,由服务器通知用户确定是否新增避障等级;若机器人对应于目标路段的当前的避障等级不为避障等级最大值,则可以基于预设等级累加值,调整目标路段的避障等级。若避障概率小于预设避障概率阈值,则可以无需调整机器人对应于目标路段的避障等级。其中,避障等级的最大值可以由相关技术人员预先设定,例如,避障等级最大值可以是7级,且对应的机器人与障碍物之间的安全距离可以为10厘米。
本可选实施例通过根据避障次数和通行次数确定机器人在目标路段的避障概率;判断避障概率是否大于或等于预设避障概率阈值;若是,则基于预设等级累加值,调整目标路段的避障等级。上述方案通过判断避障概率是否大于或等于预设避障概率阈值的方式,确定是否需要对目标路段的避障等级进行调整,以及调整后的目标路段对应的避障等级,实现了对目标路段的避障等级的进一步确定,提高了确定目标路段的避障等级的准确度,进而使得机器人能够在目标路段更加准确的进行避障。
S250、若是,则调整目标路段的避障等级。
若机器人获取的避障信息满足避障信息判断条件,则可以调整目标路段的避障等级。其中,避障信息可以包括预设时间周期内目标路段的避障次数和通行次数;避障信息判断条件可以包括判断避障次数是否大于或等于预设避障次数阈值,以及判断避障概率是否大于或等于预设避障概率阈值等。需要说明的是,避障信息不限于上述提到的避障次数和通行次数等信息,还可以包括其他能够用于进行判断是否需要调整目标路段的避障等级的避障信息,本实施例对此不进行限制。
在一个可选实施例中,避障信息还可以包括预设时间周期内的触发避障位置,目标路段可以包括多个子路段;相应的,调整目标路段的避障等级,包括:根据触发避障位置确定各个子路段的触发避障信息;根据触发避障信息选择性调整各个子路段的避障等级。
子路段可以是目标路段中相邻的两个标注点位之间的路段,标注点位由相关技术人员预先在机器人出行场景所属地图中进行标注。示例性的,标注点位的示意图如图2B所示,规划路径可以是由标注点位1至标注点位12组成,即为路径AB,其中,规划路径中可以包括行驶路段A1、行驶路段A2和行驶路段A3,例如,行驶路段A1可以是标注点位1至标注点位5之间的路段;行驶路段A2可以是标注点位5至标注点位8之间的路段;行驶路段A3可以是标注点位8至标注点位12之间的路段。其中,行驶路段A1中可以包括4个子路段,分别为标注点位1和标注点位2之间的子路段、标注点位2和标注点位3之间的子路段、标注点位3和标注点位4之间的子路段,以及标注点位4和标注点位5之间的子路段。同理,行驶路段A2中可以包括3个子路段,行驶路段A3可以包括4个子路段,本实施例对此不在进行赘述。若机器人使用标签定位,则子路段可以是相邻两个标签之间的路段,便于标注。
示例性的,规划路径可以包括至少一个行驶路段,行驶路段可以包括多个子路段,因此,机器人行驶过程中行驶至目标路段时,目标路段可以对应至少两个子路段。触发避障位置可以是目标路段的任意位置,例如,可以是目标路段中标注点位的位置,还可以是两个标注点位之间的子路段中的任意位置。
获取机器人在目标路段行驶产生的避障信息,其中,避障信息包括预设时间周期内的触发避障位置,其中,预设时间周期可以由相关技术人员预先设定,例如,预设时间周期可以是24小时;根据触发避障位置确定机器人所属子路段,获取子路段的触发避障信息;根据触发避障信息选择性的调整子路段的避障等级。
示例性的,在预设时间周期内,获取机器人触发避障位置,以及机器人触发避障位置对应的子路段,例如,机器人在目标路段的标注点位3和标注点位4之间的子路段中触发了避障,获取触发避障的子路段的触发避障信息,其中,触发避障信息可以包括避障触发次数;若机器人在子路段的避障触发次数大于预设避障次数阈值,则可以基于预设等级累加值,调整该子路段的避障等级。其中,预设避障次数阈值和预设等级累加值可以由相关技术人员进行预先设定,例如,预设避障次数阈值可以是5次,预设等级累加值可以是1级。
可选的,若在预设时间周期内,子路段的所属目标路段已进行避障等级的调整,则可以不再调整该子路段的避障等级;或者,若该子路段的所属目标路段的避障等级仅调整了一级,则可以调整该子路段的避障等级,若该子路段的所属目标路段的避障等级调整了至少两级,则可以不再调整该子路段的避障等级。
本可选实施例通过根据触发避障位置确定各个子路段的触发避障信息;根据触发避障信息选择性调整各个子路段的避障等级。上述方案通过根据机器人在子路段的触发避障信息,选择性的调整子路段的避障等级,使得机器人在目标路段行驶过程中对路段环境的适应性避障能力更强,实现了机器人在目标路段行驶过程中能够更加精确的进行避障,进而更加提升了机器人自适应环境的能力。
本实施例方案通过获取机器人在目标路段行驶产生的避障信息;根据避障信息确定是否需要调整目标路段的避障等级;若是,则调整目标路段的避障等级。本实施例方案通过根据避障信息确定是否需要调整目标路段的避障等级的方式,实现了机器人在行驶过程中可以根据避障信息自适应的改变目标路段对应的避障等级,合理动态的调整机器人的避障等级,提升了机器人自适应环境的能力,提高了机器人对应目标路段的避障等级确定的准确性;同时,实现了机器人能够在路径通行的过程中,基于通行过程的环境变化因素,适应性的调整自身的避障等级,提高了机器人避障的自适应能力和工作效率,同时,减小了机器人在路段通行的过程中产生左右摇晃的情况发生概率,提高了机器人工作过程的安全性。
实施例三
图3是本申请实施例三提供的一种机器人避障方法的流程示意图,本申请实施例在上述各实施例的技术方案的基础上,提供了一种优选实施方式。
S301、获取机器人的当前位置。
S302、判断当前位置是否为预设的路段标注位置,若是,则执行S303A;若否则执行S303B。
S303A、根据机器人当前位置,确定机器人所在的当前路段及对应的避障等级。
S303B、机器人在当前位置所属目标路段继续行驶。
S304、控制机器人在目标路段行驶过程中根据避障等级进行避障。
S305、判断当前位置是否为目标路段的终点位置,若是,则执行S306A;若否,则执行S306B。
S306A、获取预设时间周期内机器人在目标路段的避障次数。
S306B、机器人在当前位置所属目标路段继续行驶。
S307、判断机器人在目标路段的避障次数是否不小于预设次数阈值,若是,则执行S308A;若否,则执行S308B。
S308A、获取预设时间周期内机器人在目标路段的通行次数,基于通行次数和避障次数确定机器人在目标路段的避障概率。
S308B、机器人继续在规划路径的行驶路段行驶。
S309、判断避障概率是否不小于预设避障概率阈值;若是,则执行S310A;若否,则执行S310B。
S310A、判断目标路段当前的避障等级是否为预设的最大避障等级;若是,则执行S311A;若否,则执行S311B。
S310B、机器人继续在规划路径的行驶路段行驶。
S311A、上报至平台进行记录。
S311B、基于预设等级累加值,调整目标路段的避障等级。
实施例四
图4为本申请实施例四提供的一种机器人避障装置的结构示意图。本申请实施例所提供的一种机器人避障装置,该装置可适用于机器人运行过程中进行适应性避障的情况,该装置可采用软件和/或硬件的方式实现。如图4所示,该装置具体包括:避障等级获取模块401和避障控制模块402。其中,
避障等级获取模块401,用于获取目标路段和所述机器人对应于所述目标路段的避障等级;
避障控制模块402,用于控制所述机器人在所述目标路段行驶过程中根据所述避障等级进行避障。
本申请实施例通过获取目标路段和机器人对应于目标路段的避障等级;控制机器人在目标路段行驶过程中根据避障等级进行避障。上述方案通过控制机器人在目标路段行驶过程中根据避障等级进行避障,实现了机器人能够在路径通行的过程中,基于通行过程的环境,适应性的进行避障,提高了机器人避障的自适应能力和工作效率,从而减小了机器人在路段通行的过程中产生左右摇晃的情况发生概率,提高了机器人工作过程的安全性。
可选的,所述目标路段包括当前路段;
相应的,避障等级获取模块401,包括:
当前位置获取单元,用于获取所述机器人的当前位置;
标注位置判断单元,用于判断所述当前位置是否为预设的路段标注位置;
避障等级确定单元,用于若当前位置为预设的路段标注位置,则根据所述当前位置,确定所述机器人所在的当前路段及对应的避障等级。
可选的,所述装置还包括:
避障信息获取模块,用于获取所述机器人在所述目标路段行驶产生的避障信息;
等级调整判断模块,用于根据所述避障信息确定是否调整所述目标路段的避障等级;
避障等级调整模块,用于若需要调整目标路段的避障等级,则调整所述目标路段的避障等级。
可选的,所述避障信息包括预设时间周期内所述目标路段的避障次数;
相应的,等级调整判断模块,包括:
次数阈值判断单元,用于判断所述避障次数是否大于或等于预设避障次数阈值;
避障等级确定单元,用于若避障次数大于或等于预设避障次数阈值,则确定需要调整所述目标路段的避障等级。
可选的,所述避障信息还包括预设时间周期内所述机器人在所述目标路段的通行次数;
相应的,所述装置还包括:
避障概率确定模块,用于确定需要调整所述目标路段的避障等级之后,还包括:根据所述避障次数和所述通行次数确定所述机器人在所述目标路段的避障概率;
避障概率判断模块,用于判断所述避障概率是否大于或等于预设避障概率阈值;
避障等级确定模块,用于若避障概率大于或等于预设避障概率阈值,则基于预设等级累加值,调整所述目标路段的避障等级。
可选的,所述避障信息还包括预设时间周期内的触发避障位置,所述目标路段包括多个子路段;
相应的,避障等级调整模块,包括:
避障信息确定单元,用于根据所述触发避障位置确定各个所述子路段的触发避障信息;
子路段避障等级确定单元,用于根据所述触发避障信息选择性调整各个所述子路段的避障等级。
可选的,所述子路段根据所述目标路段中相邻的定位标签所确定。
上述机器人避障装置可执行本申请任意实施例所提供的机器人避障方法,具备执行各机器人避障方法相应的功能模块和有益效果。
实施例五
图5是本申请实施例五提供的一种机器人的结构示意图。图5示出了适于用来实现本申请实施方式的示例性机器人500的框图。图5显示的机器人500仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,机器人500以通用计算设备的形式表现。机器人500的组件可以包括但不限于:一个或者多个处理器或者处理单元501,系统存储器502,连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
总线503表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
机器人500典型地包括多种计算机系统可读介质。这些介质可以是任何能够被机器人500访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器502可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)504和/或高速缓存存储器505。机器人500可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统506可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线503相连。存储器502可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块507的程序/实用工具508,可以存储在例如存储器502中,这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本申请所描述的实施例中的功能和/或方法。
机器人500也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信,还可与一个或者多个使得用户能与该机器人500交互的设备通信,和/或与使得该机器人500能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口511进行。并且,机器人500还可以通过网络适配器512与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器512通过总线503与机器人500的其它模块通信。应当明白,尽管图5中未示出,可以结合机器人500使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元501通过运行存储在系统存储器502中的程序,从而执行各种功能应用以及数据处理,例如实现本申请实施例所提供的一种机器人避障的方法。
实施例六
本申请实施例六还提供一种包含计算机可执行指令的存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例所提供的机器人避障方法,包括:获取目标路段和所述机器人对应于所述目标路段的避障等级;控制所述机器人在所述目标路段行驶过程中根据所述避障等级进行避障。
本申请实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种机器人避障方法,其特征在于,包括:
获取目标路段和所述机器人对应于所述目标路段的避障等级;
控制所述机器人在所述目标路段行驶过程中根据所述避障等级进行避障。
2.根据权利要求1所述的方法,其特征在于,所述目标路段包括当前路段;
相应的,所述获取目标路段和所述机器人对应于所述目标路段的避障等级,包括:
获取所述机器人的当前位置;
判断所述当前位置是否为预设的路段标注位置;
若是,则根据所述当前位置,确定所述机器人所在的当前路段及对应的避障等级。
3.根据权利要求1所述的方法,其特征在于,还包括:
获取所述机器人在所述目标路段行驶产生的避障信息;
根据所述避障信息确定是否需要调整所述目标路段的避障等级;
若是,则调整所述目标路段的避障等级。
4.根据权利要求3所述的方法,其特征在于,所述避障信息包括预设时间周期内所述目标路段的避障次数;
相应的,所述根据所述避障信息确定是否需要调整所述目标路段的避障等级,包括:
判断所述避障次数是否大于或等于预设避障次数阈值;
若是,则确定需要调整所述目标路段的避障等级。
5.根据权利要求4所述的方法,其特征在于,所述避障信息还包括预设时间周期内所述机器人在所述目标路段的通行次数;
相应的,在所述若是,则确定需要调整所述目标路段的避障等级之后,还包括:
根据所述避障次数和所述通行次数确定所述机器人在所述目标路段的避障概率;
判断所述避障概率是否大于或等于预设避障概率阈值;
若是,则基于预设等级累加值,调整所述目标路段的避障等级。
6.根据权利要求4所述的方法,其特征在于,所述避障信息还包括预设时间周期内的触发避障位置,所述目标路段包括多个子路段;
相应的,所述若是,则调整所述目标路段的避障等级,包括:
根据所述触发避障位置确定各个所述子路段的触发避障信息;
根据所述触发避障信息选择性调整各个所述子路段的避障等级。
7.根据权利要求6所述的方法,其特征在于,所述子路段根据所述目标路段中相邻的定位标签所确定。
8.一种机器人避障装置,其特征在于,包括:
避障等级获取模块,用于获取目标路段和所述机器人对应于所述目标路段的避障等级;
避障控制模块,用于控制所述机器人在所述目标路段行驶过程中根据所述避障等级进行避障。
9.一种机器人,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一项所述的一种机器人避障方法。
10.一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,该程序被处理器执行时实现如权利要求1-7中任一所述的机器人避障方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111572489.6A CN114115293A (zh) | 2021-12-21 | 2021-12-21 | 机器人避障方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111572489.6A CN114115293A (zh) | 2021-12-21 | 2021-12-21 | 机器人避障方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114115293A true CN114115293A (zh) | 2022-03-01 |
Family
ID=80362493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111572489.6A Pending CN114115293A (zh) | 2021-12-21 | 2021-12-21 | 机器人避障方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114115293A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114647248A (zh) * | 2022-05-23 | 2022-06-21 | 风林科技(深圳)有限公司 | 机器人避障方法、电子设备及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5585798A (en) * | 1993-07-07 | 1996-12-17 | Mazda Motor Corporation | Obstacle detection system for automotive vehicle |
CN104221068A (zh) * | 2012-04-12 | 2014-12-17 | 丰田自动车株式会社 | 驾驶辅助装置 |
CN107703948A (zh) * | 2017-11-14 | 2018-02-16 | 上海理工大学 | 基于自适应动态窗口的移动机器人局部动态路径规划方法 |
CN109895766A (zh) * | 2019-03-13 | 2019-06-18 | 刘乐 | 一种电动汽车的主动避障系统 |
CN111572538A (zh) * | 2020-04-27 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 车辆碰撞预警阈值确定方法、装置 |
WO2021070451A1 (ja) * | 2019-10-09 | 2021-04-15 | 株式会社Soken | 車両制御装置、車両制御方法、自動運転装置及び自動運転方法 |
CN113741435A (zh) * | 2021-08-19 | 2021-12-03 | 上海高仙自动化科技发展有限公司 | 障碍物规避方法、装置、决策器、存储介质、芯片及机器人 |
-
2021
- 2021-12-21 CN CN202111572489.6A patent/CN114115293A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5585798A (en) * | 1993-07-07 | 1996-12-17 | Mazda Motor Corporation | Obstacle detection system for automotive vehicle |
CN104221068A (zh) * | 2012-04-12 | 2014-12-17 | 丰田自动车株式会社 | 驾驶辅助装置 |
CN107703948A (zh) * | 2017-11-14 | 2018-02-16 | 上海理工大学 | 基于自适应动态窗口的移动机器人局部动态路径规划方法 |
CN109895766A (zh) * | 2019-03-13 | 2019-06-18 | 刘乐 | 一种电动汽车的主动避障系统 |
WO2021070451A1 (ja) * | 2019-10-09 | 2021-04-15 | 株式会社Soken | 車両制御装置、車両制御方法、自動運転装置及び自動運転方法 |
CN111572538A (zh) * | 2020-04-27 | 2020-08-25 | 腾讯科技(深圳)有限公司 | 车辆碰撞预警阈值确定方法、装置 |
CN113741435A (zh) * | 2021-08-19 | 2021-12-03 | 上海高仙自动化科技发展有限公司 | 障碍物规避方法、装置、决策器、存储介质、芯片及机器人 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114647248A (zh) * | 2022-05-23 | 2022-06-21 | 风林科技(深圳)有限公司 | 机器人避障方法、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110263713B (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
US20200183409A1 (en) | Obstacle detecting method, apparatus, device and computer storage medium | |
CN112572424B (zh) | 基于障碍物识别的车辆控制方法、装置、设备和介质 | |
US11654899B2 (en) | Method and apparatus for avoidance control of vehicle, electronic device and storage medium | |
CN109558854B (zh) | 障碍物感知方法、装置、电子设备及存储介质 | |
CN111862604B (zh) | 无人车的控制方法及装置、计算机存储介质、电子设备 | |
CN109635861B (zh) | 一种数据融合方法、装置、电子设备及存储介质 | |
CN111401779B (zh) | 机器人的定位部署方法、装置、设备及存储介质 | |
CN108646762B (zh) | 机器人的消防控制方法、装置、服务器和存储介质 | |
CN113744565A (zh) | 一种碰撞预警方法、装置、电子设备及自动驾驶车辆 | |
CN112255628A (zh) | 障碍物轨迹预测方法、装置、设备和介质 | |
CN110103932B (zh) | 故障检测方法、装置、设备和介质 | |
CN114475651A (zh) | 基于车路协同的盲区障碍物紧急避让方法和装置 | |
CN114115293A (zh) | 机器人避障方法、装置、设备及存储介质 | |
CN109635868B (zh) | 障碍物类别的确定方法、装置、电子设备及存储介质 | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN112102648B (zh) | 一种空余车位推送方法、装置、设备及存储介质 | |
CN110497906B (zh) | 车辆控制方法、装置、设备和介质 | |
KR101829672B1 (ko) | 자율 주행 차량에 대한 침입 탐지 장치 및 그 동작 방법 | |
CN111401229B (zh) | 视觉小目标自动标注方法、装置及电子设备 | |
CN112327848A (zh) | 机器人避障方法及装置、存储介质和电子设备 | |
CN109885392B (zh) | 分配车载计算资源的方法以及装置 | |
CN116343169A (zh) | 路径规划方法、目标对象运动控制方法、装置及电子设备 | |
CN108944921A (zh) | 一种用于车辆的纵向控制的方法与设备 | |
CN110133624B (zh) | 无人驾驶异常检测方法、装置、设备和介质 |
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 |