CN114440882B - 一种多智能家居移动设备及其协作寻路防撞方法 - Google Patents

一种多智能家居移动设备及其协作寻路防撞方法 Download PDF

Info

Publication number
CN114440882B
CN114440882B CN202210116401.8A CN202210116401A CN114440882B CN 114440882 B CN114440882 B CN 114440882B CN 202210116401 A CN202210116401 A CN 202210116401A CN 114440882 B CN114440882 B CN 114440882B
Authority
CN
China
Prior art keywords
equipment
mobile equipment
path
computing unit
intelligent home
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.)
Active
Application number
CN202210116401.8A
Other languages
English (en)
Other versions
CN114440882A (zh
Inventor
谭泓旻
赵志为
张林元齐
闵革勇
刘佩奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202210116401.8A priority Critical patent/CN114440882B/zh
Publication of CN114440882A publication Critical patent/CN114440882A/zh
Application granted granted Critical
Publication of CN114440882B publication Critical patent/CN114440882B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G01C21/1656—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with passive imaging devices, e.g. cameras
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/0013—Methods or arrangements for sensing record carriers, e.g. for reading patterns by galvanic contacts, e.g. card connectors for ISO-7816 compliant smart cards or memory cards, e.g. SD card readers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Electromagnetism (AREA)
  • Data Mining & Analysis (AREA)
  • Acoustics & Sound (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种多智能家居移动设备及其协作寻路防撞方法，其特征在于，包括可移动物联设备本体，所述可移动物联设备本体上搭载有计算单元、与计算单元相连的图像获取设备、与计算单元相连的距离检测设备、能够与云计算端进行通讯的通讯模块、与所述计算单元相连的IC卡以及IC卡读取器。基于本发明的技术方案，通过本地计算进行路径和运动的修正，避免了数据传输的时延。使防撞反应时间缩短，保障了防撞的能力。对摄像头拍摄的图像数据和雷达设备探测的数据以及IC卡读取器获得的其他设备移动信息采用了卡尔曼滤波模型进行融合修正，以得到更为精确的行进路径，为本设备避撞提供了更有效的信息。

Description

一种多智能家居移动设备及其协作寻路防撞方法
技术领域
本发明涉及智能家居技术领域，特别地涉及一种多智能家居移动设备及其协作寻路防撞方法。
背景技术
智能家居是通过人工智能和物联网技术将用户家中的各种设备连接到一起，，如家电、照明、防盗等设备，形成以住宅为平台的家居生态体系，使各项家居设备拥有全方位的信息交互功能，包括监控、操作、分析等等。而智能家居移动设备是智能家居中一大必不可少的种类，如扫地机器人、洗地机等。但移动设备的应用中需要如目标检测、自助寻路、避障和防撞等功能，上述功能具备时延敏感、计算量密集的特性。云计算虽然具备强大的算力，但在数据传输过程中难免会有一定的延迟，而防撞、避障功能对时延十分敏感，云计算无法满足其极低时延需求
二维网格化是微型计算中心内用以保存环境信息的一种手段，一般通过将网格数量增大来实现离散网格近似连续化来模拟真实环境，通过在二维网格图上使用由荷兰计算机科学家艾兹赫尔·戴克斯特拉在1956年发现的Djkstra算法来进行最优路径的选择。但是由于算法自身的局限性，在进行计算前需要得到所处环境的所有信息，这对智能家居移动设备而言是很难实现的，因此需要一种动态寻路算法。
发明内容
针对上述现有技术中的问题，本申请提出了一种多智能家居移动设备，包括可移动物联设备本体，所述可移动物联设备本体上搭载有计算单元、与计算单元相连的图像获取设备、与计算单元相连的距离检测设备、能够与云计算端进行通讯的通讯模块、与所述计算单元相连的IC卡以及IC卡读取器；
计算单元能够根据现有桌面环境的网格图计算出由当前位置前往目的地的路径；
图像获取设备与距离检测设备能够持续获取当前位置附近环境图像与距离信息，并将所述环境图像与距离信息传输至计算单元，进行桌面环境网格图更新，若网格图更新部分包含上一次生成路径则计算单元重新根据现有图计算新路径并传输给移动设备；
所述可移动物联设备本体能够按照计算单元规划的路径移动，如果遇见其他智能家居移动设备则通过协作防撞算法进行躲避；
IC卡读取器能够获得其他设备上IC卡内数据，读取的数据以字典形式保存至所述移动设备的计算单元中。
优选地，所述计算单元是单片机或微型芯片，能够通过卡尔曼滤波模型来估计得到所述智能家居移动设备下一时刻位置。
优选地，IC卡内数据包含所述智能家居移动设备的唯一ID号、当前设备移动速度、当前设备角度、当前设备角速度、当前设备角动量、当前加速度和当前时间。
本申请还涉及一种智能家居移动设备协作寻路方法，包括以下步骤：
S1：服务端预先获取目的地图像信息；
S2：移动设备行进过程中通过图像获取设备和距离检测设备获取当前位置附近环境图像与距离信息；
S3：将采集数据通过传输协议传输至计算单元进行规划路线；
S4：计算单元根据现有桌面环境网格图计算出由当前位置前往目的地路径；
S5：移动设备接受由计算单元产生的路径并按照路径进行移动，如果遇见其他智能家居移动设备则通过协作防撞算法进行躲避；
S6：在移动过程中移动设备持续拍摄周围环境照片、测定物品距离并上传至计算单元进行桌面环境网格图更新，若网格图更新部分包含上一次生成路径则计算单元重新根据现有图计算新路径并传输给移动设备；
S7：移动设备持续接受路径并按照路径前进；
S8：移动设备到达目的地，向计算单元发送到达信息；
S9：计算单元根据移动设备发送的图片与目的地图像信息比较结果确定移动设备是否到达目的地，若是，则结束寻路；若否，则重复S2至S9过程直到结束。
优选地，所述协作防撞算法包括以下步骤：
S51：移动设备在行进过程中持续拍摄照片并上传至计算单元；
S52：计算单元识别图中物品类型并将结果反馈给移动设备本地；
S53：若返回结果中包含其他智能家居移动设备，移动设备则打开IC卡读取器；
S54：当IC卡读取器能够获得其他设备上IC卡内数据时，读取数据并以字典形式保存至该移动设备单片机中；
S55：在本地通过防撞算法计算路径修正以避免多设备相撞；
S56：按修正后路径前进，根据本时刻数据计算下一时刻路线。
优选地，所述防撞算法包括以下步骤：
S61：IC卡内数据包含该设备唯一ID号、当前设备移动速度、当前设备角度、当前设备角速度、当前设备角动量；
S62：对距本设备在IC卡读取器范围内的设备，由计算单元通过卡尔曼滤波模型来估计得到该设备下一时刻位置，若下一时刻位置与本设备下一时刻位置无重叠区域，则对路径不做修正；若下一时刻位置与本设备下一时刻位置有重叠区域，则将该设备ID号与本设备ID号比较，由ID号较小的设备进行减速以避免同一时刻出现在同一位置；
S63：对已经识别出为移动设备但仍未进入IC卡读取器范围内设备，则采取贝叶斯朴素估计预判该设备下一时刻出现位置，由于该设备距离本设备较远，无需修改本机路径；
S64：通过多个时刻的设备位置图估计设备轨迹，若其他设备轨迹与本设备轨迹重叠且出现在同一位置且同一时刻，则进行减速；
S65：若雷达检测其余设备进入指定距离阈值，本设备立即制动。
优选地，所述卡尔曼滤波模型包括以下计算方法：
卡尔曼滤波核心公式：xt＝Atxt-1+Btut+εt；zt＝Ctxt+δt；
变量解释如下：
xt为设备在t时刻状态分量，xt-1为设备在t-1时刻状态分量；
At为设备状态转移矩阵，Bt为设备控制矩阵，ut为控制输入矩阵；
εt为高斯噪声，zt为设备观测数据，Ct为观测转移矩阵，δt为观测过程的高斯噪声；
ut由IC卡保存并通过IC卡读取器得到，zt、Ct、δt由本设备对其余设备进行观测得到，结合卡尔曼滤波核心公式求解该设备在t时刻状态分量。
优选地，求解卡尔曼滤波模型包括以下步骤：
S81：设定xt为其协方差矩阵Pk为/>
S82：由牛顿运动学公式得状态转移矩阵，因为得/>△t由IC卡记录，由IC卡读取器得到；
S83：由S1、S2得xt＝Atxt-1，Pk＝APk-1AT，
S84：假定设备加速度为a可得ut＝at，其中at由IC卡记录，由IC卡读取器得到；
S85：卡尔曼滤波模型认为所有模型中噪声均为高斯噪声，当E(εt)＝0时，认为预测的期望没有误差；
S86：将所有数据按S81-S85获取并代入求解得到下一时刻其他设备的预计位置。
上述技术特征可以各种适合的方式组合或由等效的技术特征来替代，只要能够达到本发明的目的。
本发明提供的一种多智能家居移动设备及其协作寻路防撞方法，与现有技术相比，至少具备有以下有益效果：
1、通过本地计算进行路径和运动的修正，避免了数据传输的时延。使防撞反应时间缩短，保障了防撞的能力。
2、对摄像头拍摄的图像数据和雷达设备探测的数据以及IC卡读取器获得的其他设备移动信息采用了卡尔曼滤波模型进行融合修正，以得到更为精确的行进路径，为本设备避撞提供了更有效的信息。
3、采用了IC卡和IC卡读取器的方式来进行多设备之间的协作方式，可以让任意智能家居移动设备进行相互得知信息而无需进行其他无线通信，也避免了不同类型设备直接通讯协议的不同导致的无法通讯。
4、与传统智能家居移动设备的寻路避障方法不同，在桌面这种小型非复杂环境下采用了不同设备之间的直接通信而不需要网关统一安排避障方法以及路线，可以简化计算过程，缓解网关云计算端压力。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：
图1显示了本发明的智能家居移动设备协作寻路方法流程图。
具体实施方式
下面将结合附图对本发明作进一步说明。
实施例1：
本发明提供了一种能够实现进行多智能家居移动设备共同协作桌面寻路和防撞方法的可移动物联设备本体结构。其具体结构如下所述：
包括智能家居移动设备本体、可适应多情况车轮、车载设备、转向舵机、智能电机、电源设备以及供电导线等。
车载设备包括与esp主板相连接的摄像头、加速度仪、侧面中部双目超声波测距传感器、侧面底部红外雷达传感器、车体底部防跌落传感器、智能IC卡数据读取器。
Arduino Uno开发板作为通信、数据传输与设备控制的主板，esp主板作为摄像头数据采集与传输的主板，Jetson-nano开发板作为本地大量计算资源的主板。
实施例2：
本实例为通过运用卡尔曼滤波模型对其他可移动物联设备进行轨迹预测，并避免相撞。具体如下：
采集与获取数据阶段：
通过小车车载摄像头观测周围环境，即通过jetson-nano主板进行使用目标检测算法来得到当前状态下小车附近范围内所有障碍物和其他可移动物联设备的相对位置和速度关系同时小车中部超声波测距传感器对其余物体进行测距以辅助摄像头得到目标位置关系和速度关系。
通过小车侧面红外雷达传感器获取物体与小车相对位置关系，并通过多普勒效应计算得到目标速度。由于雷达数据为极坐标形式，为了比较雷达测量值和预测值的差异，要先把预测值的状态向量转换到极坐标下，转换函数为：
为了使转换后的结果依然满足高斯分布，我们用转换函数h(x)的一阶泰勒展开式代替h(x)
因此可以用一个雅可比矩阵表示偏导数来进行卡尔曼滤波模型的计算。
通过智能IC卡读取器对读取范围内所有可读设备数据进行一一读取设备id、记录的加速度仪数值，并传递给jetson-nano主板以字典形式进行保存。
基于卡尔曼滤波模型进行轨迹预测和更新：
1.1、根据卡尔曼假设的两个公式进行计算来得到下一时刻的预测值，计算方法如下：
xt＝Atxt-1+Btut+εt
zt＝Ctxt+δt
该假设由两部分组成：xt经过△t时间后的时刻预测值以及zt误差分析，其中a为目标设备加速度。
1.2、对由摄像头与双目超声波测距雷达得到速度与位置关系信息和由红外雷达加多普勒计算得到的速度与位置关系信息经过坐标转换后而言，均可以认为是噪声符合高斯分布的观测结果，由协方差公式可以得知：
这个公式反应了两个高斯信号相乘的话，会得到一个方差更小的高斯分布，直观上的理解就是我们的信息更多了,那么我们的不确定性也就减少了，这实际上也是卡尔曼滤波的更新过程。
1.3、进入卡尔曼滤波测量更新阶段，这时卡尔曼滤波算法得到△t，时间后的测量值，用这组测量值更新预测值得到由1.1所求得估计值xt、zt，更新后的zt降低，即更新后的特征向量更准确。
1.4、持续以上过程一直更新特征向量并使用预测值xt进行防撞算法的计算。
实施例3：
本实例为通过利用实例2的基于卡尔曼滤波模型进行轨迹预测方法及多智能家居移动设备共同协作方法来实现桌面寻路与避障功能的具体实施。具体如下：
步骤1、寻找目的地；
通信主板Arduino Uno通过蓝牙模块从用户处下载得到目的地图像信息，通过连接装置将信息传递给计算主板jetson-nano。
由计算主板生成寻找目的地策略：若当前摄像头传回图像内有目的地，即找到目的地；若当前图像内无目的地图像则向控制主板Aduino Uno传递小车原地旋转一周指令。
若旋转一周所得图像中识别出目的地，则寻找目的地成功；若仍未识别出目的地，则计算主板向控制主板传递移动至最近障碍物指令，移动到最近障碍物后应该重新原地旋转一周进行图像采集，采集后判断有无目的地，如无目的地，继续前往未采集过图像的障碍物附近；如有目的地，则进行寻路。
成功寻找到目的地
步骤2、计算前往目的地路径；
2.1、在陌生环境，在计算主板本地构建平面二维网格图，初始化为无任何障碍物；
2.2、当执行步骤1寻找目的地时识别出障碍物则在网格图中标记为阴影区域；
2.3、根据规划路径时本地平面二维网格图，计算主板与云计算中心使用Dijkstra算法进行最优路径的规划；
2.4、若寻路过程中出现网格图中未标记障碍物，则更新平面二维网格图并使用Dijksta算法重新计算路径；
2.5、重复2.1至2.4直至到达目的地。
步骤3、根据寻路路径进行前进和避障、防撞；
3.1、持续打开智能IC卡读取器，沿路径正常匀速前进；
3.2、当读取器获取到其余智能家居移动设备时，根据实例2模式对该设备进行轨迹预测；
3.3、若出现某一特定时刻本车会与某其他可移动物联设备预测位置xt重合，则将该重合位置视为障碍物，由步骤2方法重新生成路径继续前进；其他情况不对路线进行修正；
3.4、重复3.1至3.3直到到达目的地。
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

Claims (5)

1.一种多智能家居移动设备，其特征在于，包括可移动物联设备本体，所述可移动物联设备本体上搭载有计算单元、与计算单元相连的图像获取设备、与计算单元相连的距离检测设备、能够与云计算端进行通讯的通讯模块、与所述计算单元相连的IC卡以及IC卡读取器；
计算单元能够根据现有桌面环境的网格图，计算出由当前位置前往目的地的路径；
图像获取设备与距离检测设备能够持续获取当前位置附近环境图像与距离信息，并将所述环境图像与距离信息传输至计算单元，进行桌面环境网格图更新，若网格图更新部分包含上一次生成路径，则计算单元重新根据现有图计算新路径，并传输给移动设备；
所述可移动物联设备本体能够按照计算单元规划的路径移动，如果遇见其他智能家居移动设备，则通过协作防撞算法进行躲避；
IC卡读取器能够获得其他设备上IC卡内数据，IC卡内数据包括设备id、记录的加速度仪数值；读取的数据以字典形式保存至所述移动设备的计算单元中；
所述协作防撞算法包括以下步骤：
S51：移动设备在行进过程中持续拍摄照片，并上传至计算单元；
S52：计算单元识别图中物品类型，并将结果反馈给移动设备本地；
S53：若返回结果中包含其他智能家居移动设备，移动设备则打开IC卡读取器；
S54：当IC卡读取器能够获得其他设备上IC卡内数据时，读取数据并以字典形式保存至该移动设备单片机中；
S55：在本地通过防撞算法计算路径修正以避免多设备相撞；
S56：按修正后路径前进，根据本时刻数据计算下一时刻路线；
所述防撞算法包括：
S61：IC卡内数据包含所述智能家居移动设备唯一ID号、当前设备移动速度、当前设备角度、当前设备角速度、当前设备角动量、当前加速度和当前时间；
S62：智能家居移动设备通过IC卡读取器读取其他智能家居移动设备的信息，由计算单元通过卡尔曼滤波模型来估计得到其他智能家居移动设备下一时刻位置，若下一时刻位置其他智能家居移动设备与本智能家居移动设备下一时刻位置无重叠区域，则对路径不做修正；若下一时刻位置其他智能家居移动设备与本智能家居移动设备下一时刻位置有重叠区域，则将该智能家居移动设备ID号与本智能家居移动设备ID号比较，由ID号较小的智能家居移动设备进行减速以避免同一时刻出现在同一位置；
S63：对已经识别出为移动设备但仍未进入IC卡读取器范围内的智能家居移动设备，则采取贝叶斯朴素估计预判该设备下一时刻出现位置，由于该智能家居移动设备距离本智能家居移动设备较远，无需修改本机路径；
S64：通过多个时刻的设备位置图估计设备轨迹，若其他智能家居移动设备轨迹与本智能家居移动设备轨迹重叠且出现在同一位置且同一时刻，判断ID号大小，若本智能家居移动设备ID号较小，则进行减速；
S65：若雷达检测其余设备进入指定距离阈值，本智能家居移动设备立即制动。
2.根据权利要求1所述的多智能家居移动设备，其特征在于，所述计算单元是单片机或微型芯片，能够通过卡尔曼滤波模型来估计得到所述智能家居移动设备下一时刻的位置。
3.一种多智能家居移动设备协作寻路防撞方法，其特征在于，包括以下步骤：
S1：服务端预先获取目的地图像信息；
S2：移动设备行进过程中通过图像获取设备和距离检测设备获取当前位置附近环境图像与距离信息；
S3：将采集数据通过传输协议传输至计算单元，进行规划路线；
S4：计算单元根据现有桌面环境网格图，计算出由当前位置前往目的地路径；
S5：移动设备接受由计算单元产生的路径，并按照所述路径进行移动，如果遇见其他智能家居移动设备，则通过协作防撞算法进行躲避；
S6：在移动过程中，移动设备持续拍摄周围环境照片，测定物品距离，并上传至计算单元，进行桌面环境网格图更新；若网格图更新部分包含上一次生成路径，则计算单元重新根据现有网格图计算新的路径，并传输给移动设备；
S7：移动设备持续接受路径信息，并按照所述路径信息前进；
S8：移动设备到达目的地，向计算单元发送到达信息；
S9：计算单元根据移动设备发送的图片与目的地图像信息比较结果，确定移动设备是否到达目的地；若是，则结束寻路；若否，则重复S2至S9过程直到结束；
所述协作防撞算法包括以下步骤：
S51：移动设备在行进过程中持续拍摄照片，并上传至计算单元；
S52：计算单元识别图中物品类型，并将结果反馈给移动设备本地；
S53：若返回结果中包含其他智能家居移动设备，移动设备则打开IC卡读取器；
S54：当IC卡读取器能够获得其他设备上IC卡内数据时，读取数据并以字典形式保存至该移动设备单片机中；
S55：在本地通过防撞算法计算路径修正以避免多设备相撞；
S56：按修正后路径前进，根据本时刻数据计算下一时刻路线；
所述防撞算法包括：
S61：IC卡内数据包含所述智能家居移动设备唯一ID号、当前设备移动速度、当前设备角度、当前设备角速度、当前设备角动量、当前加速度和当前时间；
S62：智能家居移动设备通过IC卡读取器读取其他智能家居移动设备的信息，由计算单元通过卡尔曼滤波模型来估计得到其他智能家居移动设备下一时刻位置，若下一时刻位置其他智能家居移动设备与本智能家居移动设备下一时刻位置无重叠区域，则对路径不做修正；若下一时刻位置其他智能家居移动设备与本智能家居移动设备下一时刻位置有重叠区域，则将该智能家居移动设备ID号与本智能家居移动设备ID号比较，由ID号较小的智能家居移动设备进行减速以避免同一时刻出现在同一位置；
S63：对已经识别出为移动设备但仍未进入IC卡读取器范围内的智能家居移动设备，则采取贝叶斯朴素估计预判该设备下一时刻出现位置，由于该智能家居移动设备距离本智能家居移动设备较远，无需修改本机路径；
S64：通过多个时刻的设备位置图估计设备轨迹，若其他智能家居移动设备轨迹与本智能家居移动设备轨迹重叠且出现在同一位置且同一时刻，判断ID号大小，若本智能家居移动设备ID号较小，则进行减速；
S65：若雷达检测其余设备进入指定距离阈值，本智能家居移动设备立即制动。
4.根据权利要求3所述的多智能家居移动设备协作寻路防撞方法，其特征在于，所述卡尔曼滤波模型包括以下计算方法：
卡尔曼滤波核心公式：xt＝Atxt-1+Btut+εt；zt＝Ctxt+δt；
变量解释如下：
xt为设备在t时刻状态分量，xt-1为设备在t-1时刻状态分量；
At为设备状态转移矩阵，Bt为设备控制矩阵，ut为控制输入矩阵；
εt为高斯噪声，zt为设备观测数据，Ct为观测转移矩阵，δt为观测过程的高斯噪声；
ut由IC卡保存并通过IC卡读取器得到，zt、Ct、δt由本智能家居移动设备对其余智能家居移动设备进行观测得到，结合卡尔曼滤波核心公式求解该设备在t时刻状态分量。
5.根据权利要求3或4所述的多智能家居移动设备协作寻路防撞方法，其特征在于，求解卡尔曼滤波模型包括以下步骤：
S81：设定xt为其协方差矩阵Pk为/>
S82：由牛顿运动学公式得状态转移矩阵，因为得/>△t由IC卡记录，由IC卡读取器得到；
S83：由S1、S2得xt＝Atxt-1，Pk＝APk-1AT，
S84：假定智能家居移动设备加速度为a可得ut＝at，/>其中at由IC卡记录，由IC卡读取器得到；
S85：卡尔曼滤波模型认为所有模型中噪声均为高斯噪声，
当E(εt)＝0时，认为预测的期望没有误差；
S86：将所有数据按S81-S85获取并代入求解得到下一时刻其他智能家居移动设备的预计位置。
CN202210116401.8A 2022-02-07 2022-02-07 一种多智能家居移动设备及其协作寻路防撞方法 Active CN114440882B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210116401.8A CN114440882B (zh) 2022-02-07 2022-02-07 一种多智能家居移动设备及其协作寻路防撞方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210116401.8A CN114440882B (zh) 2022-02-07 2022-02-07 一种多智能家居移动设备及其协作寻路防撞方法

Publications (2)

Publication Number Publication Date
CN114440882A CN114440882A (zh) 2022-05-06
CN114440882B true CN114440882B (zh) 2023-10-31

Family

ID=81372403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210116401.8A Active CN114440882B (zh) 2022-02-07 2022-02-07 一种多智能家居移动设备及其协作寻路防撞方法

Country Status (1)

Country Link
CN (1) CN114440882B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003266345A (ja) * 2002-03-18 2003-09-24 Sony Corp 経路計画装置、経路計画方法及び経路計画プログラム並びに移動型ロボット装置
CN107185242A (zh) * 2017-04-27 2017-09-22 腾讯科技（深圳）有限公司 多单位寻路方法及装置
CN108981711A (zh) * 2018-08-10 2018-12-11 深圳市广和通无线股份有限公司 智能贴纸以及智能贴纸系统
JP2019008431A (ja) * 2017-06-22 2019-01-17 株式会社日立製作所 経路探索装置および経路探索方法
CN110531749A (zh) * 2018-05-24 2019-12-03 百度（美国）有限责任公司 确定避开移动障碍物的自动驾驶的驾驶路径
CN111721279A (zh) * 2019-03-21 2020-09-29 国网陕西省电力公司商洛供电公司 一种适用于输电巡检工作的末端路径导航方法
CN111913484A (zh) * 2020-07-30 2020-11-10 杭州电子科技大学 一种变电站巡检机器人在未知环境下的路径规划方法
CN112445222A (zh) * 2019-09-05 2021-03-05 阿里巴巴集团控股有限公司 导航方法、装置、存储介质以及终端
CN113535877A (zh) * 2021-07-16 2021-10-22 上海高仙自动化科技发展有限公司 智能机器人地图的更新方法、装置、设备、介质及芯片

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11530921B2 (en) * 2018-09-28 2022-12-20 Intel Corporation Method of generating a collision free path of travel and computing system
US11474203B2 (en) * 2019-09-27 2022-10-18 Wipro Limited Method and system for determining correctness of Lidar sensor data used for localizing autonomous vehicle

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003266345A (ja) * 2002-03-18 2003-09-24 Sony Corp 経路計画装置、経路計画方法及び経路計画プログラム並びに移動型ロボット装置
CN107185242A (zh) * 2017-04-27 2017-09-22 腾讯科技（深圳）有限公司 多单位寻路方法及装置
JP2019008431A (ja) * 2017-06-22 2019-01-17 株式会社日立製作所 経路探索装置および経路探索方法
CN110531749A (zh) * 2018-05-24 2019-12-03 百度（美国）有限责任公司 确定避开移动障碍物的自动驾驶的驾驶路径
CN108981711A (zh) * 2018-08-10 2018-12-11 深圳市广和通无线股份有限公司 智能贴纸以及智能贴纸系统
CN111721279A (zh) * 2019-03-21 2020-09-29 国网陕西省电力公司商洛供电公司 一种适用于输电巡检工作的末端路径导航方法
CN112445222A (zh) * 2019-09-05 2021-03-05 阿里巴巴集团控股有限公司 导航方法、装置、存储介质以及终端
CN111913484A (zh) * 2020-07-30 2020-11-10 杭州电子科技大学 一种变电站巡检机器人在未知环境下的路径规划方法
CN113535877A (zh) * 2021-07-16 2021-10-22 上海高仙自动化科技发展有限公司 智能机器人地图的更新方法、装置、设备、介质及芯片

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Alpha-N-V2: Shortest Path Finder Automated Delivery Robot with Obstacle Detection and Avoiding System;Asif Ahmed Neloy 等;《Vietnam Journal of Computer Science》;第7卷(第4期);373-389 *
移动机器人定位与导航的研究;包壁祯;《中国优秀硕士学位论文全文数据库 信息科技辑》(第12期);I140-166 *

Also Published As

Publication number Publication date
CN114440882A (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
JP6896077B2 (ja) 車両自動パーキングシステム及び方法
KR101948728B1 (ko) 데이터 수집 방법 및 시스템
CN108051002B (zh) 基于惯性测量辅助视觉的运输车空间定位方法及系统
JP6849330B2 (ja) 地図生成方法、自己位置推定方法、ロボットシステム、およびロボット
US9058521B2 (en) Mobile robot and simultaneous localization and map building method thereof
TWI827649B (zh) 用於ｖｓｌａｍ比例估計的設備、系統和方法
JP4672175B2 (ja) 位置検出装置、位置検出方法、及び位置検出プログラム
JP2021514885A (ja) 自動運転車のｌｉｄａｒ測位に用いられるディープラーニングに基づく特徴抽出方法
Huang et al. Robot localization: An introduction
CN106708037A (zh) 自主移动式设备定位的方法、装置及自主移动式设备
CN112540609A (zh) 路径规划方法、装置、终端设备及存储介质
JP5168134B2 (ja) 環境地図生成プログラム、環境地図生成方法及び移動ロボット
US11561553B1 (en) System and method of providing a multi-modal localization for an object
CN114440882B (zh) 一种多智能家居移动设备及其协作寻路防撞方法
Leung et al. Intelligent space with time sensitive applications
CN116358525A (zh) 基于激光雷达的建图与定位方法、系统及工程车辆
WO2022227632A1 (zh) 基于图像的轨迹规划方法和运动控制方法以及使用该些方法的移动机器
Youssefi et al. Visual and light detection and ranging-based simultaneous localization and mapping for self-driving cars
CN117015719A (zh) 用于确定刚体的运动状态的方法
Jametoni et al. A Study on Autonomous Drone Positioning Method
Fox et al. Efficient multi-robot localization based on monte carlo approximation
KR20200043329A (ko) 데이터 수집 방법 및 시스템
Zheng et al. Indoor localization and trajectory correction with point cloud-derived backbone map
Wu A Low-cost SLAM Fusion Algorithm for Robot Localization
Mahadevaswamy et al. Robotic mapping using autonomous vehicle

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