CN114415659A - 一种机器人安全避障方法、装置、机器人及存储介质 - Google Patents
一种机器人安全避障方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN114415659A CN114415659A CN202111522716.4A CN202111522716A CN114415659A CN 114415659 A CN114415659 A CN 114415659A CN 202111522716 A CN202111522716 A CN 202111522716A CN 114415659 A CN114415659 A CN 114415659A
- Authority
- CN
- China
- Prior art keywords
- information
- obstacle
- change map
- robot
- static change
- 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 64
- 230000008859 change Effects 0.000 claims abstract description 314
- 230000003068 static effect Effects 0.000 claims abstract description 272
- 238000001514 detection method Methods 0.000 claims abstract description 165
- 230000004927 fusion Effects 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 19
- 238000012545 processing Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 7
- 238000009434 installation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method 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
-
- 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
- G05D1/0212—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, 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
- G05D1/0253—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 extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/0257—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, 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及一种机器人安全避障方法、装置、机器人及存储介质,涉及机器人技术领域,该机器人安全避障方法包括:通过机器人的第一检测设备识别第一区域的障碍物信息,若障碍物信息为目标障碍物信息,则依据目标障碍物信息对机器人的静态变化地图进行更新,得到第一静态变化地图,依据第一检测信息和辅助检测信息对第一静态变化地图进行更新,得到第二静态变化地图,第一检测信息为第一检测设备检测到的信息,辅助检测信息为机器人中辅助检测设备检测到的第一地面距离信息,依据辅助检测设备检测到的第二地面距离信息,对第二静态变化地图进行更新,得到第三静态变化地图,依据第三静态变化地图进行路径规划,得到机器人的行驶路径信息。
Description
技术领域
本申请涉及机器人技术领域,尤其涉及一种机器人安全避障方法、装置、机器人及存储介质。
背景技术
目前,室内机器人的导航避障方法主要是通过激光雷达进行障碍物检测,以依据检测到的障碍物进行路径规划,实现导航避障。
在具体实现中,激光雷达主要分为三维(3-dimension,3D)激光雷达和二维(2-dimension,2D)激光雷达;其中,2D激光雷达只能检测到雷达所在平面的障碍物,低于该平面的障碍物则无法检测;3D激光雷达能获取空间障碍物信息,但价格非常昂贵。然而,室内机器人无论使用2D激光雷达,还是使用3D激光雷达,均无法检测到镜面反射物体和透明物体,存在很大的安全隐患。为解决仅使用激光雷达进行障碍物检测所导致的安全问题,现有室内机器人使用深度相机配合2D激光雷达进行导航避障,但由于深度相机受光线影响较大,室内机器人在进入光线暗的环境时通过深度相机难以识别障碍物,且也无法检测到镜面反射物体和透明物体。
可见,现有技术中的室内机器人的导航避障方法存在极大安全隐患。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请提供了一种机器人安全避障方法、装置、机器人及存储介质。
第一方面,本申请提供了一种机器人安全避障方法,其特征在于,包括:
通过机器人的第一检测设备识别第一区域的障碍物信息;
若所述障碍物信息为目标障碍物信息,则依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图;
依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图,所述第一检测信息为所述第一检测设备检测到的信息,所述辅助检测信息为所述机器人中的辅助检测设备检测到的第一地面距离信息;
依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图;
依据所述第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息。
可选的,所述第一检测设备包含测距设备和图像识别设备,所述通过机器人的第一检测设备识别第一区域的障碍物信息,包括:
获取所述测距设备检测到的距离信息和所述图像识别设备检测到的图像信息;
依据所述距离信息和/或所述图像信息进行障碍物识别,得到所述第一区域的障碍物信息。
可选的,所述依据所述距离信息和/或所述图像信息进行障碍物识别,得到所述第一区域的障碍物信息,包括:
基于所述距离信息识别出第一障碍物信息,和/或,基于所述图像信息识别出第二障碍物信息;
确定所述机器人的地图障碍物区域信息是否包含所述第一障碍物信息和/或所述第二障碍物信息,其中,所述地图障碍物区域信息包含所述静态变化地图中的障碍物区域信息和所述机器人的原始地图中的障碍物区域信息;
若所述地图障碍物区域信息不包含所述第一障碍物信息和/或所述第二障碍物信息,则将所述第一障碍物信息和/或所述第二障碍物信息,确定为所述目标障碍物信息;
若所述地图障碍物区域信息包含所述第一障碍物信息和/或所述第二障碍物信息,则将所述第一障碍物信息和/或所述第二障碍物信息,确定为非目标障碍物信息。
可选的,所述依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图,包括:
确定所述目标障碍物信息对应的目标障碍物;
若所述目标障碍物为主动移动障碍物,则将所述目标障碍物信息添加至动态变化地图,得到第一动态变化地图;
若所述目标障碍物为被动移动障碍物,则将所述目标障碍物信息添加至静态变化地图,得到第一静态变化地图。
可选的,所述依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图,包括:
获取所述测距设备检测到的第一距离信息、所述图像识别设备检测到的第一图像信息以及所述辅助检测设备检测到的第一地面距离信息;
基于所述第一距离信息对所述第一静态变化地图中的第一特征障碍物信息进行更新,并基于所述第一图像信息和所述第一地面距离信息对所述第一静态变化地图中的第二特征障碍物信息进行更新,得到更新后的静态变化地图;
将所述更新后的静态变化地图确定为所述第二静态变化地图。
可选的,所述依据所述第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息,包括:
将所述第三静态变化地图与所述原始地图以及第一动态变化地图进行合并,得到融合地图;
基于所述融合地图进行路径规划,得到所述机器人的行驶路径信息。
可选的,所述依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图,包括:
获取所述辅助检测设备检测到的第二地面距离信息;
若所述第二地面距离信息小于预设的第一距离阈值时,则基于所述第二地面距离信息确定目标特征障碍物信息,并依据所述目标特征障碍物信息对所述第二静态变化地图进行更新,得到所述第三静态变化地图;
若所述第二地面距离信息大于第二距离阈值时,则依据所述第二地面距离信息确定地面状况信息,并依据所述地面状况信息对所述第二静态变化地图进行更新,得到第三静态变化地图,其中,所述第二距离阈值大于所述第一距离阈值。
可选的,还包括:
获取第二图像信息和第二距离信息,所述第二图像信息为所述图像识别设备检测到的第二区域的图像信息,所述第二距离信息为所述测距设备检测到的第二区域的距离信息;
基于所述第二图像信息和所述第二距离信息,确定第二区域的障碍物信息;
确定第二区域的障碍物信息对应的移动属性信息;
若所述移动属性信息为主动属性信息,则基于所述主动属性信息,将所述第二区域的障碍物信息添加至所述机器人的动态变化地图;
若所述移动属性信息为被动属性信息,则基于所述被动属性信息,将所述第二区域的障碍物信息添加至所述机器人的静态变化地图。
第二方面,本申请提供了一种机器人安全避障装置,包括:
第一检测识别模块,用于通过机器人的第一检测设备识别第一区域的障碍物信息;
静态变化地图第一更新模块,用于在所述障碍物信息为目标障碍物信息时,依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图;
静态变化地图第二更新模块,用于依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图,所述第一检测信息为所述第一检测设备检测到的信息,所述辅助检测信息为所述机器人中辅助检测设备检测到的第一地面距离信息;
静态变化地图第三更新模块,用于依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图;
路径规划模块,用于依据所述第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息。
第三方面,本申请提供了一种机器人,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面任一项实施例所述的机器人安全避障方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的机器人安全避障方法的步骤。
综上,本申请通过机器人的第一检测设备识别第一区域的障碍物信息,以在障碍物信息为目标障碍物信息时,依据目标障碍物信息对机器人的静态变化地图进行更新,从而得到第一静态变化地图,随后依据第一检测信息和辅助检测信息对第一静态变化地图进行更新,得到第二静态变化地图,并依据辅助检测设备检测到的第二地面距离信息,对第二静态变化地图进行更新,得到第三静态变化地图,从而依据第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息,使得机器人可以根据行驶路径信息进行安全行驶,实现了机器人的安全避障,解决了现有室内机器人在进入光线暗的环境时通过深度相机难以识别障碍物,且也无法检测到镜面反射物体和透明物体,从而导致的室内机器人在行驶时存在安全隐患的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种机器人安全避障方法的流程示意图;
图2是本申请一个可选实施例提供的一种机器人安全避障方法的步骤流程示意图;
图3是本申请一个可选实施例提供的一种机器人安全避障方法的步骤流程示意图;
图4是本申请实施例提供的一种机器人安全避障装置的结构框图;
图5是本申请实施例提供的一种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的一部分实施例,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的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。
在具体实现中,诸如3D激光雷达、2D激光雷达的激光设备和深度相机均安装在室内机器人的前方区域,导致室内机器人只能检测到前方区域的障碍物信息,而室内机器人左边、右边以及后边障碍物信息则无法被检测到,进而导致室内机器人在行驶过程中无法采集到左边、右边、后边障碍物信息,存在很大的安全隐患。
本申请实施例的核心构思之一在于,提供了一种机器人安全避障方法,通过机器人的第一检测设备和辅助检测设备确定障碍物信息,从而使得机器人可以基于检测到的障碍物信息进行路径规划,得到行驶路径信息,使得机器人可以根据行驶路径信息进行安全行驶路径,实现了机器人安全避障。
在具体实现中,本申请实施例可以将机器人前方周围区域(包括正前方区域、左前方区域、右前方区域)分为远处区域与近处区域,并可将用于检测识别机器人前方区域障碍物的检测设备作为机器人的第一检测设备,即机器人的第一检测设备可以用于检测识别机器人远处区域的障碍物和近处区域的障碍物,而将仅用于检测识别近处区域障碍物的设备作为机器人的辅助检测设备,即机器人的辅助检测设备可以用于检测识别机器人近处区域的障碍物,将辅助检测设备安装分别在机器人的前方、左方、右方以及后方,以使机器人在行驶过程中可以采集到左边、右边、后边障碍物信息,从而可以依据检测到的障碍物信息,进行安全避障。
为便于对本申请实施例的理解,下面将结合附图以具体实施例做进一步的解释说明,实施例并不构成对本申请实施例的限定。
参照图1,示出了本申请实施例提供的一种机器人安全避障方法的步骤流程图。在具体实现中,本申请实施例提供的机器人安全避障方法,具体可以包括如下步骤:
步骤110,通过机器人的第一检测设备识别第一区域的障碍物信息。
具体的,第一区域可以是机器人前方周围区域中的近处区域,可以通过第一检测设备将识别到的近处区域的障碍物,作为第一区域的障碍物信息。具体而言,可以通过激光雷达设备和摄像头设备识别第一区域的障碍物信息,如可以通过激光雷达设备识别机器人与第一区域中各障碍物的距离,以及可以通过摄像头设备获取包含第一区域的障碍物的图像,进而可以根据图像识别检测出第一区域的障碍物信息,随后可以根据激光雷达设备识别到的第一区域障碍物的距离信息和摄像头设备识别到的图像信息,确定第一区域的障碍物信息。因此,在本申请中实施例中,第一检测设备可以包括测距设备和图像识别设备等,其中,测距设备可以是激光雷达设备,图像识别设备可以是摄像头设备,本申请实施例对此不作限制。例如,在机器人安装激光雷达设备和摄像头设备的情况下,可以将激光雷达设备和摄像头设备,作为机器人的第一检测设备,以通过激光雷达设备和摄像头设备识别机器人近处区域的障碍物,产生对应的第一区域的障碍物信息。其中,第一区域的障碍物信息可以用于表示第一区域的障碍物,该第一区域为机器人的近处区域。需要说明的是,激光雷达设备可以包含各种类型的激光雷达设备,如可以是2D激光雷达设备,也可以是3D激光雷达设备等,本申请实施例对此不作限制;摄像头设备可以是指包含有摄像头的设备,如可以是深度相机。
作为本申请的一个示例,激光雷达设备可以安装在机器人前方距离底部高度为15厘米的位置,激光雷达设备所处的水平面的角度范围为180度,摄像头设备可以安装在机器人前方距离底部高度为1米的位置,通过为机器人安装激光雷达设备和摄像头设备,实现对第一区域的障碍物信息的识别。
此外,第一区域可以是机器人前方区域中的近处区域,具体而言,可以为机器人安装辅助传感器,如辅助传感器可以是超声波雷达和/或毫米波雷达等,本申请对此不作限制。可以将辅助传感器作为辅助检测设备,根据辅助传感器到地面的距离,将机器人前方区域分为近处区域和远处区域。
在实际处理中,可以将机器人的前方区域中的近处区域确定为第一区域,将机器人前方区域中的远处区域确定为第二区域。可以将机器人在第一区域中识别到的障碍物,作为第一区域的障碍物信息。
在具体实现中,还可以将机器人的前方区域确定为正前方区域、左前方区域以及右前方区域。具体的,可以在机器人正前方安装两个辅助传感器,如可以是3号传感器和4号传感器,其中,3号传感器和4号传感器都可以是测量角度为30度的辅助传感器,且安装高度都可以是25厘米,本申请对此不作限制。随后可以将这两个辅助传感器作为正前方辅助传感器,并可以通过计算公式:dmax=30/sin((30/2)°)≈120,得到正前方传感器到地面的最大距离dmax为120厘米。
同理,还可以在机器人的左前方安装两个辅助传感器,如可以是1号传感器和2号传感器,其中,1号传感器和2号传感器都可以是测量角度为45度的辅助传感器,且安装高度都可以是35厘米,本申请对此不作限制。随后可以将这两个辅助传感器作为左前方辅助传感器,并可以通过计算公式:dmax=35/sin((45/2)°)≈92,得到左前方辅助传感器到地面的最大距离dmax为92厘米。此外,也可以在机器人的右前方安装两个辅助传感器,如可以是5号传感器和6号传感器,其中,5号传感器和6号传感器都可以是测量角度为45度的辅助传感器,且安装高度都可以是35厘米,本申请对此不作限制。随后可以将这两个辅助传感器作为右前方辅助传感器,并可以通过计算公式:dmax=35/sin((45/2)°)≈92,得到右前方辅助传感器到地面的最大距离dmax为92厘米。
在机器人的左前方、正前方以及右前方分别安装两个辅助传感器后,可以通过辅助传感器对第一区域的障碍物进行检测。在实际处理中,可以根据实际检测情况将2号辅助传感器、3号辅助传感器、4号辅助传感器以及5号辅助传感器识别到的障碍物进行合并。如在3号辅助传感器和4号辅助传感器都检测障碍物的情况下,若3号辅助传感器检测到的障碍物与4号辅助传感器检测到的障碍物之间的距离小于预设距离时,可以确定3号辅助传感器检测到的障碍物和4号辅助传感器检测到的障碍物是同一个障碍物,其中,预设距离可以是15厘米,本申请对此不作限制。即在3号辅助传感器检测到的障碍物与4号辅助传感器检测到的障碍物之间的距离小于15厘米时,可以确定3号辅助传感器检测到的障碍物和4号辅助传感器检测到的障碍物是同一个障碍物。
进一步而言,通过辅助传感器到地面的距离将前方区域分为远处区域与近处区域后,可以通过辅助传感器、激光雷达设备以及摄像头设备对近处区域的障碍物信息进行识别,使得机器人可以更加全面的采集到障碍物信息,通过辅助传感器弥补激光雷达设备和摄像头设备的性能的不足,提高导航的安全性。
在实际处理中,除了可以在机器人的前方区域安装辅助传感器外,还可以在机器人的左方区域、右方区域以及后方区域都安装辅助传感器,以使机器人可以分别检测到左方区域、右方区域以及后方区域的障碍物信息。具体而言,可以在机器人的左方区域安装两个辅助传感器、在右方区域安装两个辅助传感器以及在后方区域安装三个辅助传感器,此时,安装在左方区域的两个辅助传感器、安装在右方区域的两个辅助传感器以及安装在后方区域的三个辅助传感器的测量角度都可以为60度,左方区域、右方区域以及后方区域的辅助传感器的安装高度均可以是50厘米,本申请对此不作限制。随后可以通过计算公式:dmax=45/sin((60/2)°)≈90,确定左方辅助传感器、右方辅助传感器以及后方区域的辅助传感器到地面的最大距离dmax都是90厘米。通过在机器人的左方区域、右方区域以及后方区域安装辅助传感器,使得机器人可以分别检测到左方区域、右方区域以及后方区域的障碍物信息,在后续处理中,可以将检测到的障碍物信息对应的障碍物作为主动移动障碍物,添加至动态变化地图中。
步骤120,若所述障碍物信息为目标障碍物信息,则依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图。
具体的,目标障碍物信息对应的目标障碍物可以是原始地图和静态地图中不包含的障碍物。具体而言,第一检测设备识别到近处区域的障碍物信息后,可以将该障碍物信息与原始地图包含的障碍物信息和静态变化地图包含的障碍物信息进行比对,若确定原始地图和静态变化地图中不存在该障碍物信息,则可以将该障碍物信息确定为目标障碍物信息,并将该障碍物信息对应的障碍物确定为目标障碍物。随后可以依据该目标障碍物信息对静态变化地图进行更新。如可以是在目标障碍物信息对应的障碍物为被动移动障碍物时,将该目标障碍物信息对应的障碍物添加至静态变化地图中,以实现对静态变化地图的更新,并可以将更新后的静态变化地图作为第一静态变化地图。
在具体实现中,机器人行驶的过程中,可以通过建图模块,利用地图制作算法(Cartographer)、G映射(Gmapping)算法以及实时外观映射(Real-Time Appearance-BasedMapping,RTAB-MAP)算法等建图算法,配合预先在机器人中安装的激光雷达设备和深度相机,实现在机器人移动的过程中实时构建机器人所处空间的栅格地图,随后可以将栅格地图作为原始地图。在第一检测设备识别到近处区域的障碍物信息后,可以将识别到的障碍物信息与机器人原始地图包含的障碍物信息和静态变化地图包含的障碍物信息进行比对,进而可以确定原始地图包含的障碍物信息和静态变化地图包含的障碍物信息中是否存在该识别到的近处区域的障碍物信息。若原始地图和静态变化地图中存在该识别到的近处区域的障碍物信息,则可以不对该障碍物信息进行判断。若原始地图和静态变化地图中不存在该识别到的近处区域的障碍物信息,则可以将该障碍物信息确定为目标障碍物信息。随后可以进一步确定该目标障碍物信息对应的目标障碍物是否为被动移动障碍物。若该目标障碍物为被动移动障碍物,则可以将该目标障碍物信息添加到静态变化地图中,得到第一静态变化地图。若该目标障碍物信息对应的目标障碍物为主动移动障碍物,则可以将该目标障碍物信息添加到动态变化地图中。
步骤130,依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图,所述第一检测信息为所述第一检测设备检测到的信息,所述辅助检测信息为所述机器人中辅助检测设备检测到的第一地面距离信息。
具体的,可以通过第一检测设备对近处区域的障碍物进行识别,将识别到的近处区域的障碍物信息作为第一检测信息,并可以通过辅助检测设备中辅助传感器对近处区域的障碍物进行识别,如可以将辅助传感器到地面的距离作为第一地面距离信息,并可以将该第一地面距离信息确定为辅助检测信息,进而可以根据辅助检测信息确定辅助传感器是否检测到障碍物。随后可以根据第一检测信息对应的近处区域的障碍物信息和辅助检测信息对应的近处区域的障碍物信息对第一静态变化地图进行更新,以得到第二静态变化地图。
具体而言,可以将第一检测信息对应的障碍物信息与第一静态变化地图中的障碍物区域信息进行比对,以确定第一静态变化地图中的障碍物区域信息是否与第一检测信息对应的障碍物信息相符合。若第一静态变化地图中的障碍区域物信息中存在与第一检测信息不符合的障碍物信息,则将第一静态变化地图中对应的障碍物信息删除,得到第二静态变化地图。同理,可以将辅助检测设备检测到的障碍物信息与第一静态变化地图中的障碍物信息进行比对,以确定第一静态变化地图中的障碍物信息是否与辅助检测信息对应的障碍物信息相符合。若第一静态变化地图中的障碍物区域信息中存在与辅助检测信息不符合的障碍物信息,则将第一静态变化地图中对应的障碍物信息删除,得到第二静态变化地图。
例如,第一检测设备中的激光雷达设备没有检测到静态变化地图包含的某个障碍物信息时,可以在静态变化地图中删除该障碍物信息,得到第二静态变化地图。同理,第一检测设备中的摄像头设备没有检测到到静态变化地图包含的某个障碍物信息时,也可以在静态变化地图中删除该障碍物信息,得到第二静态变化地图。
此外,辅助检测设备可以根据辅助检测信息中的第一地面距离信息,确定机器人在近处区域是否监测到障碍物信息。具体而言,可以根据安装在机器人前方区域的六个辅助传感器到第一地面距离信息和该辅助传感器到地面的最大距离dmax进行比对,确定机器人正前方是否检测到障碍物。
例如,安装在机器人正前方的辅助传感器到地面的最大距离可以是120厘米,机器人正前方的辅助传感器可以将实时检测到的地面距离,作为第一地面距离信息,以将第一地面距离信息与最大距离做比对,进而可以根据对比结果确定机器人正前方区域是否存在障碍物。具体的,若第一地面距离信息对应的地面距离大于120厘米且小于125厘米,则可以确定辅助传感器在机器人正前方区域没有检测到障碍物,若在原始地图和第一静态变化地图包含的障碍物区域信息中存在位于该位置的障碍物信息,则在第一静态变化地图中删除该障碍物信息,得到第二静态变化地图。
在机器人实时移动过程中,通过激光雷达设备、摄像头设备以及辅助传感器对障碍物进行实时检测,并将检测到的障碍物添加至第一静态变化地图中,不断更新第一静态变化地图中的障碍物信息,提高了地图的精准度,在进行路径规划时,保证规划的路径的实时性和安全性,使得机器人可以实现安全避障。
步骤140,依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图。
具体的,辅助检测设备可以依据检测到近处区域的第二地面距离信息,确定是否检测到障碍物信息,以将检测到的障碍物信息添加至第二静态变化地图中,实现对第二静态变化地图的更新,以得到第三静态变化地图。
在具体实现中,若辅助检测设备中辅助传感器检测到的第二地面距离信息对应的地面距离小于最大距离dmax,则可以确定机器人正前方区域存在障碍物,此时,可以将该障碍物信息与原始地图包含的障碍物区域信息和第一静态变化地图包含的障碍物区域信息进行比对,若在原始地图和第一静态变化地图中均不存在该障碍物信息,则可以将该障碍物信息对应的障碍物确定为镜面反射障碍物或透明障碍物。随后可以依据该镜面反射障碍物信息或透明障碍物信息对第二静态变化地图进行更新,如可以是将该镜面反射障碍物信息或透明障碍物信息添加至第二静态变化地图中,以得到第三静态变化地图。
可见,在本申请实施例中,可以通过辅助检测设备实现对镜面反射物体和透明物体的检测,以将检测到的镜面反射物体和透明物体添加至第二静态地图中,得到第三静态变化地图。使得机器人可以在后续的路径规划中可以依据第三静态变化地图中包含的镜面反射障碍物和透明障碍物进行路径规划,从而使得机器人可以在行驶过程中可以规避镜面反射物体和透明物体,实现安全避障。
步骤150,依据所述第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息。
具体的,在确定第三静态变化地图后,机器人可以依据第三静态变化地图进行路径规划,从而可以确定机器人行驶路径信息,进而可以控制机器人依据行驶路径信息进行安全避障行驶。
在实际处理中,可以将第三静态变化地图、原始地图以及动态变化地图进行合并,得到合并后的地图,机器人可以依据该合并后的地图进行路径规划,得到行驶路径信息。其中,动态变化地图可以包含机器人在行驶过程中识别检测到的主动移动障碍物信息。
在具体实现中,可以通过定位模块确定机器人在地图中的位置,如可以采集机器人安装的惯性测量单元(Inertial Measurement Unit,IMU)、测距法(Odometry)、激光雷达以及深度相机的数据,确定机器人在空间坐标系中的位置,从而可以通过空间坐标系与地图坐标系的转换关系获得机器人在地图坐标系的位置,实现对机器人的实时定位。随后可以通过导航模块,利用构建的地图数据和第一检测设备实时感知障碍物信息,并进行路径规划,在确定机器人的行驶路径后,可以将规划结果发送给控制模块,通过控制模块控制机器人按照要求进行避障行驶。
综上,本申请实施例通过机器人的第一检测设备识别第一区域的障碍物信息,在障碍物信息为目标障碍物信息时,依据目标障碍物信息对机器人的静态变化地图进行更新,得到第一静态变化地图,随后依据第一检测信息和辅助检测信息对第一静态变化地图进行更新,从而得到第二静态变化地图,其中,第一检测信息为第一检测设备检测到的信息,辅助检测信息为机器人中辅助检测设备检测到的第一地面距离信息,随后可以依据辅助检测设备检测到的第二地面距离信息,对第二静态变化地图进行更新,得到第三静态变化地图,并依据第三静态变化地图进行路径规划,得到机器人的行驶路径信息,使得机器人可以根据行驶路径信息进行安全行驶,实现了机器人的安全避障,解决了现有室内机器人在进入光线暗的环境时通过深度相机难以识别障碍物,且也无法检测到镜面反射物体和透明物体,从而导致的室内机器人在行驶时存在安全隐患的问题。
参照图2,示出了本申请一个可选实施例提供的一种机器人安全避障方法的步骤流程示意图。该机器人安全避障方法可以具体可以包括如下步骤:
步骤210,获取所述测距设备检测到的距离信息和所述图像识别设备检测到的图像信息。
步骤220,依据所述距离信息和/或所述图像信息进行障碍物识别,得到所述第一区域的障碍物信息。
具体的,测距设备可以是激光雷达设备,图像识别设备可以是摄像头设备,本申请对此不作限制。通过激光雷达设备可以检测到机器人与第一区域中的障碍物之间的实时距离,可以将检测到的距离作为距离信息,摄像头设备可以检测到第一区域中障碍物的图像信息,并可以根据图像信息识别检测到第一区域中的障碍物。
步骤230,若所述障碍物信息为目标障碍物信息,则依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图。
在本申请一个可选实施例中,上述依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图,具体可以包括以下子步骤
子步骤2301,确定所述目标障碍物信息对应的目标障碍物。
子步骤2302,若所述目标障碍物为主动移动障碍物,则将所述目标障碍物信息添加至动态变化地图,得到第一动态变化地图。
子步骤2303,若所述目标障碍物为被动移动障碍物,则将所述目标障碍物信息添加至静态变化地图,得到第一静态变化地图。
具体的,通过第一检测设备检测到障碍物信息后,若原始地图和静态变化地图中没有包含该障碍物信息,则可以确定该障碍物信息为目标障碍物信息。随后可以确定目标障碍物信息对应的障碍物是否为主动移动障碍物,若该目标障碍物为主动移动障碍物,则可以将该目标障碍物信息添加至动态变化地图中,得到第一动态变化地图。若该目标障碍为被动移动障碍物,则可以将该目标障碍物信息添加至静态变化地图中,得到第一静态变化地图。
步骤240,依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图。
其中,所述第一检测信息为所述第一检测设备检测到的信息,所述辅助检测信息为所述机器人中的辅助检测设备检测到的第一地面距离信息。
步骤250,依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图。
步骤260,将所述第三静态变化地图与所述原始地图以及第一动态变化地图进行合并,得到融合地图。
步骤270,基于所述融合地图进行路径规划,得到所述机器人的行驶路径信息。
具体的,在得到第三静态变化地图后,可以将该第三静态变化地图、原始地图以及第一动态变化地图进行合并,得到包含第三静态变化地图中被动移动障碍物信息、第一动态变化地图中主动移动障碍物信息以及原始地图中障碍物信息的融合地图。随后机器人可以利用融合地图包含的障碍物信息与激光雷达设备和摄像头设备实时感知的障碍信息,确定机器人的行驶路径信息,随后导航模块可以对机器人的行驶路径进行规划,并将规划结果下发至控制模块,使得控制模块可以根据导航模块发出的导航命令,控制机器人安全避障行驶。
在一个可选实施例,上述基于所述融合地图进行路径规划,得到所述机器人的行驶路径信息,具体还包括以下子步骤:
子步骤2701,获取第二图像信息和第二距离信息,所述第二图像信息为所述图像识别设备检测到的第二区域的图像信息,所述第二距离信息为所述测距设备检测到的第二区域的距离信息。
具体的,在将机器人前方区域分为近处区域和远处区域后,可以将远处区域作为第二区域。可以通过测距设备对远处区域的障碍物进行检测,得到机器人与远处区域中的障碍物的实时距离,以作为第二距离信息,并可以根据第二距离信息进行障碍物识别;通过图像识别设备检测远处区域的图像信息,以作为第二图像信息,并可以根据该第二图像信息进行障碍物识别。
子步骤2702,基于所述第二图像信息和所述第二距离信息,确定第二区域的障碍物信息。
具体的,可以将第二图像信息对应的远处区域的障碍物信息与第二距离信息对应的远处区域的障碍物信息进行比对,若第二图像信息对应的某个障碍物信息没有包含在第二距离信息中,则可以将该障碍物信息对应的障碍物确定为远处区域中的小障碍物。若第二图像信息对应的某个障碍物信息包含在第二距离信息中,则可以将该障碍物信息对应的障碍物确定为远处区域中的大障碍物,实现对远处区域大障碍物和小障碍物的分类和识别。随后可以将该远处区域中的大障碍物和/或远处区域中的小障碍物与原始地图中的障碍物进行比对,若该远处区域中的大障碍物和/或远处区域中的小障碍物没有包含在原始地图中,则可以确定该远处区域中的大障碍物和/或远处区域中的小障碍物为第二区域的障碍物信息。
具体而言,第二区域的障碍物信息可以是摄像头设备或激光雷达设备识别到的位于远处区域中,且原始地图中没有的障碍物信息。
子步骤2703,确定第二区域的障碍物信息对应的移动属性信息。
子步骤2704,若所述移动属性信息为主动属性信息,则基于所述主动属性信息,将所述第二区域的障碍物信息添加至所述机器人的动态变化地图。
子步骤2705,若所述移动属性信息为被动属性信息,则基于所述被动属性信息,将所述第二区域的障碍物信息添加至所述机器人的静态变化地图。
具体的,确定第二区域的障碍物信息对应的移动属性信息,可以是确定第二区域的障碍物是主动移动障碍物还是被动移动障碍物。具体而言,障碍物信息对应的移动属性信息可以分为主动属性信息和被动属性信息,其中,主动属性信息可以是指障碍物信息对应的障碍物为主动移动障碍物,被动属性信息可以是指障碍物信息对应的障碍物为被动移动障碍物。若第二区域的障碍物信息对应的移动属性信息为主动属性信息,则可以确定第二区域障碍物信息对应的障碍物为主动移动障碍物,随后可以将该障碍物添加至动态变化地图中。若第二区域的障碍物信息对应的移动属性信息为被动属性信息,则可以确定第二区域障碍物信息对应的障碍物为被动移动障碍物,随后可以将该障碍物添加至静态变化地图中。
在具体实现中,机器人在安全避障行驶的过程中,可以将激光雷达设备和摄像头设备识别到的人员和/或其他移动机器人等作为主动移动障碍物,可以将构建原始地图后识别到的位置更改的静止障碍物,作为被动移动障碍物。具体而言,可以通过摄像头设备对人员和其他移动机器人等主动移动障碍物进行实时识别,并可以通过激光雷达设备确定该主动移动障碍物的位置变化信息,对主动移动障碍物的位置进行修正,确定主动移动障碍物在动态变化地图中位置的变换。可以是将动态变化地图不断设置为空白地图,并将新识别到的主动移动障碍物添加至动态变化地图中,实现对动态变化地图的更新。在机器人移动的过程中,还可以将识别到的被动移动障碍物添加至静态变化地图中,为保证识别到的被动移动障碍物是真实存在的,可以通过多次识别定位的方式确定该被动移动障碍物是否真实存在。具体的,可以设定一个识别定位次数阈值。若某个被动移动障碍物的识别定位次数超过预设的识别定位次数阈值,且识别定位结果均为该被动移动障碍物存在,则可以确定该被动移动障碍物是真实存在的,可以将该被动移动障碍物添加至本次作业的静态变化地图中。随后可以将连续多次作业的静态变化地图中的公共变化部分作为可信变化地图,如该可以将连续3次作业的静态变化地图中的公共变化部分作为可信变化地图。随后可以将该可信变化地图与建图时得到的初始地图作为新的原始地图。同时,在机器人不断行驶的过程中,可以根据实时检测到的主动移动障碍物对动态变化地图进行更新,并可以根据实时检测到的被动移动障碍物对静态变化地图进行更新。若激光雷达设备识别不到静态变化地图中某大障碍物时则从静态变化地图中将该障碍物信息删除。同理,若深度相机、辅助传感器识别不到静态变化地图中某小障碍物时则将该障碍物信息从静态变化地图中删除。若连续多次作业的静态变化地图都删除某障碍物区域,则将可以该障碍物区域从可信变化地图中删除,并可以根据可信变化地图对新的原始地图进行更新。在后续处理中,通过对动态变化地图和静态变化地图的不断更新,并可以将更新后得到的第一动态变化地图、第三静态变化地图以及新的原始地图合并,得到融合地图,使得机器人在行驶过程中可以根据障碍物的实时变化情况,实时更新融合地图,使得地图中障碍物信息更为精确,从而可以根据融合地图中的障碍物信息进行路径规划,实现机器人的安全避障行驶。
在实际处理中,机器人在行驶过程中,若确定当前与某个主动移动障碍物的距离小于指定距离时,可以停止行驶,如该指定距离可以是0.5米,本申请对此不作限制。机器人停止行驶后,可以等待该主动移动障碍物自动远离后再开始行驶,也可以是设定一个时间阈值,如时间阈值可以是3秒钟,当机器人的等待时间超过该时间阈值时,若该主动移动障碍物在地图上的位置没有变化,则机器人可以进行避障行驶,可以绕开该主动移动障碍物。
可见,本申请实施例通过获取测距设备检测到的距离信息和图像识别设备检测到的图像信息,并依据距离信息和/或图像信息进行障碍物识别,以得到第一区域的障碍物信息,以在障碍物信息为目标障碍物信息时,依据目标障碍物信息对机器人的静态变化地图进行更新,从而得到第一静态变化地图,随后可以依据第一检测信息和辅助检测信息对第一静态变化地图进行更新,得到第二静态变化地图,并可以依据辅助检测设备检测到的第二地面距离信息,对第二静态变化地图进行更新,得到第三静态变化地图,进而可以将第三静态变化地图与所述原始地图以及第一动态变化地图进行合并,得到融合地图,从而可以基于融合地图进行路径规划,得到机器人的行驶路径信息,使得机器人可以根据行驶路径信息进行安全行驶,实现了机器人的安全避障,解决了现有室内机器人在进入光线暗的环境时通过深度相机难以识别障碍物,且也无法检测到镜面反射物体和透明物体,从而导致的室内机器人在行驶时存在安全隐患的问题。
参照图3,示出了本申请一个可选实施例提供的一种机器人安全避障方法的步骤流程示意图。该机器人安全避障方法可以具体可以包括如下步骤:
步骤310,获取所述测距设备检测到的距离信息和所述图像识别设备检测到的图像信息。
步骤320,基于所述距离信息识别出第一障碍物信息,和/或,基于所述图像信息识别出第二障碍物信息。
具体的,可以将激光雷达设备作为测距设备,将激光雷达设备检测到机器人与近处区域中障碍物的距离,以作为距离信息,从而可以基于距离信息识别出第一障碍物信息;可以将摄像头设备作为图像识别设备,通过摄像头设备检测到近处区域中障碍物的图像信息,从而可以基于图像信息对障碍物进行识别,并可以确定障碍物是否为主动移动障碍物,实现对障碍物的分类识别。具体而言,可以基于检测到的图像信息,对图像信息包含的障碍物进行实时识别,确定障碍物是主动移动障碍物或被动移动障碍物,并可以利用激光雷达检测到的距离信息确定障碍物中主动移动障碍物的移动位置。
步骤330,确定所述机器人的地图障碍物区域信息是否包含所述第一障碍物信息和/或所述第二障碍物信息。
其中,所述地图障碍物区域信息包含所述静态变化地图中的障碍物区域信息和所述机器人的原始地图中的障碍物区域信息。
步骤340,若所述地图障碍物区域信息不包含所述第一障碍物信息,则将所述第一障碍物信息确定为所述目标障碍物信息。
步骤350,若所述地图障碍物区域信息不包含所述第二障碍物信息,则将所述第二障碍物信息确定为所述目标障碍物信息。
具体的,目标障碍物信息可以是原始地图和静态变化地图中没有包含的障碍物信息。具体而言,通过激光雷达设备检测到近处区域的第一障碍物信息和通过摄像头设备检测到近处区域的第二障碍物信息后,可以将第一障碍物信息与地图障碍物区域信息进行比对,从而确定第一障碍物信息是否包含在地图障碍物区域信息中,进而可以确定第一障碍物信息是否为目标障碍物信息。同理,可以将第二障碍物信息与地图障碍物区域信息进行比对,从而确定第二障碍物信息是否包含在地图障碍物区域信息中,进而可以确定第二障碍物信息是否为目标障碍物信息。
例如,在地图障碍物区域信息不包含第一障碍物信息的情况下,可以将第一障碍物信息确定为目标障碍物信息,在后续处理中可以依据该目标障碍物对静态变化地图进行更新,如可以是在目标障碍物信息对应的障碍物为被动移动障碍物的情况下,将目标障碍物信息添加至静态变化地图中,得到第一静态变化地图。在地图障碍物区域信息包含第一障碍物信息的情况下,可以将第一障碍物信息确定为非目标障碍物信息,可以不对该第一障碍物信息进行处理。同理,在地图障碍物区域信息不包含第二障碍物信息的情况下,可以将第二障碍物信息确定为目标障碍物信息,在后续处理中可以依据该目标障碍物对静态变化地图进行更新,如可以是在目标障碍物信息对应的障碍物为被动移动障碍物的情况下,将目标障碍物信息添加至静态变化地图中,得到第一静态变化地图。在地图障碍物区域信息包含第二障碍物信息的情况下,可以将第二障碍物信息确定为非目标障碍物信息,可以不对该第二障碍物信息进行处理。
在具体实现中,可以使用激光雷达检测设备和摄像头设备识别到近处区域的障碍物,并将识别到的障碍物与原始地图和静态变化地图中的障碍物进行比对,识别出原始地图和静态变化地图中没有的障碍物信息,以将该障碍物信息作为目标障碍物信息。
在实际处理中,在确定第一障碍物信息和/或第二障碍物信息为目标障碍物信息后,可以对目标障碍物信息进行判断,根据判断结果,确定是否将目标障碍物信息添加至静态变化地图或动态变化地图中。具体而言,摄像头设备可以对检测到的障碍物进行识别,若检测到的障碍物为主动移动障碍物,如主动移动障碍物可以是人员或其他机器人等,本申请对此不作限制,则可以在确定原始地图和静态地图都不包含该障碍物的情况下,确定该障碍物为目标障碍物,且该目标障碍物为主动移动障碍物,随后可以将该目标障碍物添加至动态变化地图中,实现对动态变化地图的更新。同理,若摄像头设备检测到的障碍物为被动移动障碍物,则可以在确定原始地图和静态地图都不包含该障碍物的情况下,确定该障碍物为目标障碍物,且该目标障碍物为被动移动障碍物,随后可以将该目标障碍物添加至静态变化地图中,实现对静态变化地图的更新。
步骤360,若所述障碍物信息为目标障碍物信息,则依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图。
步骤370,依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图。
其中,所述第一检测信息为所述第一检测设备检测到的信息,所述辅助检测信息为所述机器人中的辅助检测设备检测到的第一地面距离信息。
步骤380,依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图。
在本申请一个可选实施例中,上述依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图,具体可以包括以下子步骤:
子步骤3801,获取所述辅助检测设备检测到的第二地面距离信息。
子步骤3802,若所述第二地面距离信息小于预设的第一距离阈值时,则基于所述第二地面距离信息确定目标特征障碍物信息,并依据所述目标特征障碍物信息对所述第二静态变化地图进行更新,得到所述第三静态变化地图。
具体的,第二地面距离信息可以是辅助检测设备中的辅助传感器检测到的与近处区域的障碍物的距离,第一距离阈值可以是设定的辅助传感器到近处区域的地面的最大距离。
例如,安装在机器人正前方的两个辅助传感器到地面的最大距离dmax可以是120厘米,此时,第一距离阈值可以是120厘米,而安装在机器人左前方的两个辅助传感器和安装在机器人右前方的两个辅助传感器到地面的最大距离dmax都可以是92厘米,此时,第一距离阈值可以是92厘米,以作本示例对此不作限制。在机器人移动的过程中,可以将辅助传感器实时检测到地面的距离,作为第二地面距离信息,从而可以根据该第二地面距离信息对应的地面距离与设定的最大距离dmax做比对,确定是否检测到障碍物。若第二地面距离信息对应的地面距离小于设定的最大距离dmax,则可以确定辅助传感器检测到障碍物,进而可以确定机器人前方区域存在障碍物。
在实际处理中,若第二地面距离信息对应的地面距离小于设定的最大距离dmax,则可以确定机器人前方区域存在障碍物,可以将检测到的障碍物与静态变化地图和原始地图进行比对,若静态变化地图和原始地图都不包含该障碍物,则可以确定该障碍物为镜面反射障碍物或透明障碍物,如该镜面反射障碍物或透明障碍物可以是玻璃等,本申请对此不作限制。可以将该镜面反射障碍物或透明障碍物添加至第二静态变化地图中,得到第三静态变化地图。随后可以依据该第三静态变化地图进行路径规划,实现对镜面反射物体和透明物体的检测,并可以控制机器人在行驶的过程中避开镜面反射物体和透明物体,进而实现了对镜面反射物体和透明物体的避障。
子步骤3803,若所述第二地面距离信息大于第二距离阈值时,则依据所述第二地面距离信息确定地面状况信息,并依据所述地面状况信息对所述第二静态变化地图进行更新,得到第三静态变化地图。
其中,所述第二距离阈值大于所述第一距离阈值。
具体的,第二距离阈值可以大于第一距离阈值。如第一距离阈值可以是dmax,则第二距离阈值可以是dmax+5厘米,当第二地面距离信息对应的地面距离大于第二距离阈值时,可以确定地面状况信息为前方路面比机器人所在的路面低,或者说,前方路面存在下落的台阶等情况。此时,可以根据路面状况信息对第二静态变化地图进行更新,得到第三静态变化地图。随后通过导航模块依据更新后的第三静态变化地图对机器人的行驶路径进行重新规划,并通过控制模块控制机器人的行驶,使得机器人可以安全行驶。
步骤390,依据所述第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息。
可见,本申请实施例通过获取测距设备检测到的距离信息和图像识别设备检测到的图像信息,并可以基于距离信息识别出第一障碍物信息,和/或,基于图像信息识别出第二障碍物信息,以在确定机器人的地图障碍物区域信息不包含第一障碍物信息时,将第一障碍物信息确定为目标障碍物信息,并在确定机器人的地图障碍物区域信息不包含第二障碍物信息时,将第二障碍物信息确定为目标障碍物信息,随后依据目标障碍物信息对机器人的静态变化地图进行更新,得到第一静态变化地图,并可以第一检测信息和辅助检测信息对第一静态变化地图进行更新,得到第二静态变化地图,进而可以依据辅助检测设备检测到的第二地面距离信息,对第二静态变化地图进行更新,得到第三静态变化地图,随后可以依据第三静态变化地图进行路径规划,得到机器人的行驶路径信息,使得机器人可以根据行驶路径信息进行安全行驶,实现了机器人的安全避障,解决了现有室内机器人在进入光线暗的环境时通过深度相机难以识别障碍物,且也无法检测到镜面反射物体和透明物体,从而导致的室内机器人在行驶时存在安全隐患的问题。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。
如图4所示,本申请实施例提供了一种机器人安全避障装置400,包括:
第一检测识别模块,用于通过机器人的第一检测设备识别第一区域的障碍物信息;
静态变化地图第一更新模块,用于在所述障碍物信息为目标障碍物信息时,依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图;
静态变化地图第二更新模块,用于依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图,所述第一检测信息为所述第一检测设备检测到的信息,所述辅助检测信息为所述机器人中辅助检测设备检测到的第一地面距离信息;
静态变化地图第三更新模块,用于依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图;
路径规划模块,用于依据所述第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息。
可选的,所述第一检测设备包含测距设备和图像识别设备,所述通过机器人的第一检测设备识别第一区域的障碍物信息,包括:
获取所述测距设备检测到的距离信息和所述图像识别设备检测到的图像信息;
依据所述距离信息和/或所述图像信息进行障碍物识别,得到所述第一区域的障碍物信息。
可选的,所述依据所述距离信息和/或所述图像信息进行障碍物识别,得到所述第一区域的障碍物信息,包括:
基于所述距离信息识别出第一障碍物信息,和/或,基于所述图像信息识别出第二障碍物信息;
确定所述机器人的地图障碍物区域信息是否包含所述第一障碍物信息和/或所述第二障碍物信息,其中,所述地图障碍物区域信息包含所述静态变化地图中的障碍物区域信息和所述机器人的原始地图中的障碍物区域信息;
若所述地图障碍物区域信息不包含所述第一障碍物信息和/或所述第二障碍物信息,则将所述第一障碍物信息和/或所述第二障碍物信息,确定为所述目标障碍物信息;
若所述地图障碍物区域信息包含所述第一障碍物信息和/或所述第二障碍物信息,则将所述第一障碍物信息和/或所述第二障碍物信息,确定为非目标障碍物信息。
可选的,所述依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图,包括:
确定所述目标障碍物信息对应的目标障碍物;
若所述目标障碍物为主动移动障碍物,则将所述目标障碍物信息添加至动态变化地图,得到第一动态变化地图;
若所述目标障碍物为被动移动障碍物,则将所述目标障碍物信息添加至静态变化地图,得到第一静态变化地图。
可选的,所述依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图,包括:
获取所述测距设备检测到的第一距离信息、所述图像识别设备检测到的第一图像信息以及所述辅助检测设备检测到的第一地面距离信息;
基于所述第一距离信息对所述第一静态变化地图中的第一特征障碍物信息进行更新,并基于所述第一图像信息和所述第一地面距离信息对所述第一静态变化地图中的第二特征障碍物信息进行更新,得到更新后的静态变化地图;
将所述更新后的静态变化地图确定为所述第二静态变化地图。
可选的,所述依据所述第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息,包括:
将所述第三静态变化地图与所述原始地图以及第一动态变化地图进行合并,得到融合地图;
基于所述融合地图进行路径规划,得到所述机器人的行驶路径信息。
可选的,所述依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图,包括:
获取所述辅助检测设备检测到的第二地面距离信息;
若所述第二地面距离信息小于预设的第一距离阈值时,则基于所述第二地面距离信息确定目标特征障碍物信息,并依据所述目标特征障碍物信息对所述第二静态变化地图进行更新,得到所述第三静态变化地图;
若所述第二地面距离信息大于第二距离阈值时,则依据所述第二地面距离信息确定地面状况信息,并依据所述地面状况信息对所述第二静态变化地图进行更新,得到第三静态变化地图,其中,所述第二距离阈值大于所述第一距离阈值。
可选的,还包括:
获取第二图像信息和第二距离信息,所述第二图像信息为所述图像识别设备检测到的第二区域的图像信息,所述第二距离信息为所述测距设备检测到的第二区域的距离信息;
基于所述第二图像信息和所述第二距离信息,确定第二区域的障碍物信息;
确定第二区域的障碍物信息对应的移动属性信息;
若所述移动属性信息为主动属性信息,则基于所述主动属性信息,将所述第二区域的障碍物信息添加至所述机器人的动态变化地图;
若所述移动属性信息为被动属性信息,则基于所述被动属性信息,将所述第二区域的障碍物信息添加至所述机器人的静态变化地图。
需要说明的是,本申请实施例提供的机器人安全避障装置可执行本申请任意实施例所提供的机器人安全避障方法,具备执行方法相应的功能和有益效果。
在具体实现中,上述机器人安全避障装置可以集成在机器人中,使得该机器人可以依据第一检测设备和辅助检测设备检测到的障碍物信息对进行路径规划,实现机器人安全避障。该机器人可以是由两个或多个物理实体构成,也可以是一个物理实体构成,如设备可以是个人计算机(Personal Computer,PC)、电脑、服务器等,本申请实施例对此不作具体限制。
如图5所示,本申请实施例提供了一种机器人,包括处理器111、通信接口112、存储器113和通信总线114,其中,处理器111,通信接口112,存储器113通过通信总线114完成相互间的通信;存储器113,用于存放计算机程序;处理器111,用于执行存储器113上所存放的程序时,实现前述任意一个方法实施例提供的机器人安全避障方法的步骤。示例性的,机器人安全避障方法的步骤可以包括如下步骤通过机器人的第一检测设备识别第一区域的障碍物信息,若障碍物信息为目标障碍物信息,则依据目标障碍物信息对机器人的静态变化地图进行更新,得到第一静态变化地图,依据第一检测信息和辅助检测信息对第一静态变化地图进行更新,得到第二静态变化地图,第一检测信息为第一检测设备检测到的信息,辅助检测信息为机器人中的辅助检测设备检测到的第一地面距离信息,依据辅助检测设备检测到的第二地面距离信息,对第二静态变化地图进行更新,得到第三静态变化地图,依据第三静态变化地图进行路径规划,得到机器人的行驶路径信息。
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,所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的机器人安全避障方法的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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过程、方法、物品或者设备不仅包括那些要素,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过程、方法、物品或者设备所固有的要素。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过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种机器人安全避障方法,其特征在于,所述方法包括:
通过机器人的第一检测设备识别第一区域的障碍物信息;
若所述障碍物信息为目标障碍物信息,则依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图;
依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图,所述第一检测信息为所述第一检测设备检测到的信息,所述辅助检测信息为所述机器人中的辅助检测设备检测到的第一地面距离信息;
依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图;
依据所述第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息。
2.根据权利要求1所述的方法,其特征在于,所述第一检测设备包含测距设备和图像识别设备,所述通过机器人的第一检测设备识别第一区域的障碍物信息,包括:
获取所述测距设备检测到的距离信息和所述图像识别设备检测到的图像信息;
依据所述距离信息和/或所述图像信息进行障碍物识别,得到所述第一区域的障碍物信息。
3.根据权利要求2所述的方法,其特征在于,所述依据所述距离信息和/或所述图像信息进行障碍物识别,得到所述第一区域的障碍物信息,包括:
基于所述距离信息识别出第一障碍物信息,和/或,基于所述图像信息识别出第二障碍物信息;
确定所述机器人的地图障碍物区域信息是否包含所述第一障碍物信息和/或所述第二障碍物信息,其中,所述地图障碍物区域信息包含所述静态变化地图中的障碍物区域信息和所述机器人的原始地图中的障碍物区域信息;
若所述地图障碍物区域信息不包含所述第一障碍物信息,则将所述第一障碍物信息确定为所述目标障碍物信息;
若所述地图障碍物区域信息不包含所述第二障碍物信息,则将所述第二障碍物信息确定为所述目标障碍物信息。
4.根据权利要求2所述的方法,其特征在于,所述依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图,包括:
确定所述目标障碍物信息对应的目标障碍物;
若所述目标障碍物为主动移动障碍物,则将所述目标障碍物信息添加至所述机器人的动态变化地图,得到第一动态变化地图;
若所述目标障碍物为被动移动障碍物,则将所述目标障碍物信息添加至所述静态变化地图,得到第一静态变化地图。
5.根据权利要求2所述的方法,其特征在于,所述依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图,包括:
获取所述测距设备检测到的第一距离信息、所述图像识别设备检测到的第一图像信息以及所述辅助检测设备检测到的第一地面距离信息;
基于所述第一距离信息对所述第一静态变化地图中的第一特征障碍物信息进行更新,并基于所述第一图像信息和所述第一地面距离信息对所述第一静态变化地图中的第二特征障碍物信息进行更新,得到更新后的静态变化地图;
将所述更新后的静态变化地图确定为所述第二静态变化地图。
6.根据权利要求4所述的方法,其特征在于,所述依据所述第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息,包括:
将所述第三静态变化地图与所述原始地图以及第一动态变化地图进行合并,得到融合地图;
基于所述融合地图进行路径规划,得到所述机器人的行驶路径信息。
7.根据权利要求1所述的方法,其特征在于,所述依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图,包括:
获取所述辅助检测设备检测到的第二地面距离信息;
若所述第二地面距离信息小于预设的第一距离阈值时,则基于所述第二地面距离信息确定目标特征障碍物信息,并依据所述目标特征障碍物信息对所述第二静态变化地图进行更新,得到所述第三静态变化地图;
若所述第二地面距离信息大于第二距离阈值时,则依据所述第二地面距离信息确定地面状况信息,并依据所述地面状况信息对所述第二静态变化地图进行更新,得到第三静态变化地图,其中,所述第二距离阈值大于所述第一距离阈值。
8.根据权利要求2至6任一所述的方法,其特征在于,还包括:
获取第二图像信息和第二距离信息,所述第二图像信息为所述图像识别设备检测到的第二区域的图像信息,所述第二距离信息为所述测距设备检测到的第二区域的距离信息;
基于所述第二图像信息和所述第二距离信息,确定第二区域的障碍物信息;
确定第二区域的障碍物信息对应的移动属性信息;
若所述移动属性信息为主动属性信息,则基于所述主动属性信息,将所述第二区域的障碍物信息添加至所述机器人的动态变化地图;
若所述移动属性信息为被动属性信息,则基于所述被动属性信息,将所述第二区域的障碍物信息添加至所述机器人的静态变化地图。
9.一种机器人安全避障装置,其特征在于,包括:
第一检测识别模块,用于通过机器人的第一检测设备识别第一区域的障碍物信息;
静态变化地图第一更新模块,用于在所述障碍物信息为目标障碍物信息时,依据所述目标障碍物信息对所述机器人的静态变化地图进行更新,得到第一静态变化地图;
静态变化地图第二更新模块,用于依据第一检测信息和辅助检测信息对所述第一静态变化地图进行更新,得到第二静态变化地图,所述第一检测信息为所述第一检测设备检测到的信息,所述辅助检测信息为所述机器人中辅助检测设备检测到的第一地面距离信息;
静态变化地图第三更新模块,用于依据所述辅助检测设备检测到的第二地面距离信息,对所述第二静态变化地图进行更新,得到第三静态变化地图;
路径规划模块,用于依据所述第三静态变化地图进行路径规划,得到所述机器人的行驶路径信息。
10.一种机器人,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-8任一项所述的机器人安全避障方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的机器人安全避障方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111522716.4A CN114415659B (zh) | 2021-12-13 | 2021-12-13 | 一种机器人安全避障方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111522716.4A CN114415659B (zh) | 2021-12-13 | 2021-12-13 | 一种机器人安全避障方法、装置、机器人及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114415659A true CN114415659A (zh) | 2022-04-29 |
CN114415659B CN114415659B (zh) | 2024-05-28 |
Family
ID=81265930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111522716.4A Active CN114415659B (zh) | 2021-12-13 | 2021-12-13 | 一种机器人安全避障方法、装置、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114415659B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05257533A (ja) * | 1992-03-12 | 1993-10-08 | Tokimec Inc | 移動ロボットの床面掃引方法及び装置 |
CN106595631A (zh) * | 2016-10-25 | 2017-04-26 | 纳恩博(北京)科技有限公司 | 一种躲避障碍物的方法及电子设备 |
CN108344414A (zh) * | 2017-12-29 | 2018-07-31 | 中兴通讯股份有限公司 | 一种地图构建、导航方法及装置、系统 |
CN109709945A (zh) * | 2017-10-26 | 2019-05-03 | 深圳市优必选科技有限公司 | 一种基于障碍物分类的路径规划方法、装置及机器人 |
CN112344945A (zh) * | 2020-11-24 | 2021-02-09 | 山东大学 | 室内配送机器人路径规划方法、系统及室内配送机器人 |
CN112629520A (zh) * | 2020-11-25 | 2021-04-09 | 北京集光通达科技股份有限公司 | 一种机器人导航与定位方法、系统、设备及存储介质 |
CN112987728A (zh) * | 2021-02-07 | 2021-06-18 | 科益展智能装备有限公司 | 一种机器人的环境地图更新方法、系统、设备及存储介质 |
CN113146683A (zh) * | 2021-03-18 | 2021-07-23 | 深兰科技(上海)有限公司 | 机器人底盘和机器人 |
-
2021
- 2021-12-13 CN CN202111522716.4A patent/CN114415659B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05257533A (ja) * | 1992-03-12 | 1993-10-08 | Tokimec Inc | 移動ロボットの床面掃引方法及び装置 |
CN106595631A (zh) * | 2016-10-25 | 2017-04-26 | 纳恩博(北京)科技有限公司 | 一种躲避障碍物的方法及电子设备 |
CN109709945A (zh) * | 2017-10-26 | 2019-05-03 | 深圳市优必选科技有限公司 | 一种基于障碍物分类的路径规划方法、装置及机器人 |
CN108344414A (zh) * | 2017-12-29 | 2018-07-31 | 中兴通讯股份有限公司 | 一种地图构建、导航方法及装置、系统 |
CN112344945A (zh) * | 2020-11-24 | 2021-02-09 | 山东大学 | 室内配送机器人路径规划方法、系统及室内配送机器人 |
CN112629520A (zh) * | 2020-11-25 | 2021-04-09 | 北京集光通达科技股份有限公司 | 一种机器人导航与定位方法、系统、设备及存储介质 |
CN112987728A (zh) * | 2021-02-07 | 2021-06-18 | 科益展智能装备有限公司 | 一种机器人的环境地图更新方法、系统、设备及存储介质 |
CN113146683A (zh) * | 2021-03-18 | 2021-07-23 | 深兰科技(上海)有限公司 | 机器人底盘和机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN114415659B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3729226B1 (en) | Semantic obstacle recognition for path planning | |
US11714416B2 (en) | Method of navigating a vehicle and system thereof | |
KR102577785B1 (ko) | 청소 로봇 및 그의 태스크 수행 방법 | |
CN108007452B (zh) | 根据障碍物更新环境地图的方法、装置及机器人 | |
Hata et al. | Road marking detection using LIDAR reflective intensity data and its application to vehicle localization | |
CN111693050B (zh) | 基于建筑信息模型的室内中大型机器人导航方法 | |
US9946266B2 (en) | Classification of environment elements | |
CN108628318B (zh) | 拥堵环境检测方法、装置、机器人及存储介质 | |
Wei et al. | Multi-sensor fusion glass detection for robot navigation and mapping | |
CN113741438A (zh) | 路径规划方法、装置、存储介质、芯片及机器人 | |
JP2020135874A (ja) | ローカルセンシングベースの自律ナビゲーション、並びに関連するシステムおよび方法 | |
RU2744012C1 (ru) | Способы и системы для автоматизированного определения присутствия объектов | |
CN112539749A (zh) | 机器人导航方法、机器人、终端设备及存储介质 | |
KR20220055167A (ko) | 자율주행 로봇, 자율주행 로봇의 충돌 회피 방법 및 월드 맵 관리 방법 | |
CN109375629A (zh) | 一种巡逻车及其导航避障方法 | |
JP2014178789A (ja) | 追跡装置、追跡プログラムおよび追跡方法 | |
US20220348211A1 (en) | Method and Assistance Device for Assisting Driving Operation of a Motor Vehicle, and Motor Vehicle | |
CN114842106A (zh) | 栅格地图的构建方法及构建装置、自行走装置、存储介质 | |
CN115565058A (zh) | 机器人、避障方法、装置和存储介质 | |
KR20230134109A (ko) | 청소 로봇 및 그의 태스크 수행 방법 | |
CN114415659B (zh) | 一种机器人安全避障方法、装置、机器人及存储介质 | |
CN111487984A (zh) | 设备控制方法、装置和电子设备 | |
KR102355426B1 (ko) | 주행 경로 상의 장애물 탐색 및 회피를 위한 방법 및 장치 | |
EP4390313A1 (en) | Navigation method and self-propelled apparatus | |
KR20200080598A (ko) | 이동 로봇의 주행 평가 방법 |
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 |