CN114474064A - 机器人控制方法及其装置、扫地机器人和存储介质 - Google Patents

机器人控制方法及其装置、扫地机器人和存储介质 Download PDF

Info

Publication number
CN114474064A
CN114474064A CN202210208034.4A CN202210208034A CN114474064A CN 114474064 A CN114474064 A CN 114474064A CN 202210208034 A CN202210208034 A CN 202210208034A CN 114474064 A CN114474064 A CN 114474064A
Authority
CN
China
Prior art keywords
trajectory
scene
line
robot
expansion
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
Application number
CN202210208034.4A
Other languages
English (en)
Other versions
CN114474064B (zh
Inventor
朱骞
程冉
孙涛
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.)
Midea Robozone Technology Co Ltd
Original Assignee
Midea Robozone Technology Co Ltd
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 Midea Robozone Technology Co Ltd filed Critical Midea Robozone Technology Co Ltd
Priority to CN202210208034.4A priority Critical patent/CN114474064B/zh
Publication of CN114474064A publication Critical patent/CN114474064A/zh
Application granted granted Critical
Publication of CN114474064B publication Critical patent/CN114474064B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B25J9/1666—Avoiding collision or forbidden zones
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/24—Floor-sweeping machines, motor-driven
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • B25J11/0085—Cleaning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • 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)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本申请公开了一种机器人控制方法及其装置、扫地机器人和存储介质。该机器人控制方法包括：获取预设场景的场景轨迹线；对场景轨迹线进行融合得到待处理轨迹线；根据预设膨胀半径对待处理轨迹线进行膨胀处理得到膨胀轨迹线；对膨胀轨迹线进行平滑处理得到目标轨迹线；根据目标轨迹线对机器人进行跟踪控制。本申请的机器人控制方法及其装置、扫地机器人和存储介质在机器人导航过程中，先对不同的场景设置不同的场景轨迹线，并对场景轨迹线进行膨胀处理及融合平滑处理，最后进行跟踪控制，由于运用了全局环境信息，可以保证在复杂场景下机器人的避障效率及精准度，能够达到精准高效的导航效果，实现良好的避障功能。

Description

机器人控制方法及其装置、扫地机器人和存储介质
技术领域
本申请涉及移动机器人技术领域，特别涉及一种机器人控制方法及其装置、扫地机器人和存储介质。
背景技术
当前，随着消费需求的个性化以及新技术的突破成熟，带来了智能家居，智慧物流等行业的不断发展，同时移动机器人的市场也日趋扩大。移动机器人主要需要解决定位、规划、导航、控制等问题。其中，避障技术作为导航控制环节的关键技术，对机器人的实际应用效果有重要影响。避障技术的好坏已经成为评价机器人性能的最重要指标之一。
目前移动机器人在全覆盖模式下的导航大多采用应激式控制方式。即直接利用传感器信息进行控制，这种方式简单有效。但是这种应激式控制方式在一些特殊场景下的控制效果会比较差，且存在避障失效的可能。
发明内容
有鉴于此，本发明旨在至少在一定程度上解决相关技术中的问题之一。为此，本申请的目的在于提供一种机器人控制方法及其装置、扫地机器人和存储介质。
本申请提供一种机器人控制方法。所述机器人控制方法包括：获取预设场景的场景轨迹线；对所述场景轨迹线进行融合得到待处理轨迹线；根据预设膨胀半径对所述待处理轨迹线进行膨胀处理得到膨胀轨迹线；对所述膨胀轨迹线进行平滑处理得到目标轨迹线；根据所述目标轨迹线对所述机器人进行跟踪控制。
在某些实施方式中，所述获取预设场景的场景轨迹线，包括：获取用户在禁区和/或虚拟墙体的输入信息；根据所述输入信息确定第一轨迹线以得到所述场景轨迹线，所述第一轨迹线包括至少一条直线段。
在某些实施方式中，所述获取预设场景的场景轨迹线，还包括：获取传感器检测的第一障碍物数据；对所述第一障碍物数据进行轮廓提取确定第二轨迹线以得到所述场景轨迹线，所述第二轨迹线包括至少一条直线段。
在某些实施方式中，获取预设场景的场景轨迹线，还包括：获取传感器检测的第二障碍物数据；对所述第二障碍物数据进行轮廓提取确定第三轨迹线以得到所述场景轨迹线，所述第三轨迹线包括不规则轨迹线。
在某些实施方式中，对所述场景轨迹线进行融合得到待处理轨迹线，包括：在所述场景轨迹线满足相交条件的情况下，确定所述场景轨迹线的相交点；在所述场景轨迹线的相交点进行轨迹切换以得到所述待处理轨迹。
在某些实施方式中，所述相交条件包括：一条所述直线段和另一条所述直线段相交；一条所述直线段的端点到另一条所述直线段的距离小于所述预设膨胀半径；和/或所述不规则轨迹线上的点到所述直线段的距离小于所述预设膨胀半径。
在某些实施方式中，所述对所述膨胀轨迹线进行平滑处理得到目标轨迹线，包括：获取所述膨胀轨迹线上各个轨迹点的曲率；在相邻两个所述轨迹点的差值大于第一设定值，或预设距离内相邻两个所述轨迹点的差值大于第二设定值的次数超过预设次数的情况下，对所述膨胀轨迹线进行平滑处理。
在某些实施方式中，根据所述目标轨迹线对所述机器人进行跟踪控制，包括：根据当前横向位置和目标横向位置确定横向偏差；根据所述目标横向位置确定前馈控制信息；通过纵向控制器根据所述横向偏差和线速度表确定线速度；通过横向控制器根据所述横向偏差、增益调度表和所述前馈控制信息确定角速度；根据所述线速度和所述角速度控制所述机器人。
本申请还提供一种机器人控制装置。所述机器人控制装置包括：获取模块、融合模块、膨胀处理模块、平滑处理模块和跟踪控制模块。所述获取模块用于获取预设场景的场景轨迹线；所述融合模块用于对所述场景轨迹线进行融合得到待处理轨迹线；所述膨胀处理模块用于根据预设膨胀半径对所述待处理轨迹线进行膨胀处理得到膨胀轨迹线；所述平滑处理模块用于对所述膨胀轨迹线进行平滑处理得到目标轨迹线；所述跟踪控制模块用于根据所述目标轨迹线对所述机器人进行跟踪控制。
本申请还提供一种扫地机器人，所述扫地机器人包括处理器和存储器，所述存储器上存储有计算机程序，当所述计算机程序被所述处理器进行执行时，实现上述实施方式中任一项所述的机器人控制方法。
本申请还提供一种包含有计算机程序的非易失性计算机可读存储介质。当所述计算机程序被一个或多个处理器执行时，实现上述实施方式任一项所述的机器人控制方法。
本申请的机器人控制方法及其装置、扫地机器人和存储介质在机器人导航过程中，先对不同的场景设置不同的场景轨迹线，并对场景轨迹线进行膨胀处理及融合平滑处理，最后进行跟踪控制，由于运用了全局环境信息，可以保证在复杂场景下机器人的避障效率及精准度，能够达到精准高效的导航效果，实现良好的避障功能。
本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的机器人控制方法的流程示意图；
图2是本申请某些实施方式的机器人控制装置的结构示意图；
图3是本申请某些实施方式的机器人控制方法的流程示意图；
图4是本申请某些实施方式的机器人控制方法的流程示意图；
图5是本申请某些实施方式的障碍物的轮廓提取的示意图；
图6是本申请某些实施方式的机器人控制方法的流程示意图；
图7是本申请某些实施方式的不规则障碍物的第三轨迹线的示意图；
图8是本申请某些实施方式的机器人控制方法的流程示意图；
图9是本申请某些实施方式的机器人控制方法中两条场景轨迹线的相交点的示意图；
图10是本申请某些实施方式的机器人控制方法的场景示意图；
图11是本申请某些实施方式的机器人控制方法的流程示意图；
图12是本申请某些实施方式的机器人控制方法的场景示意图；
图13是本申请某些实施方式的机器人控制方法的场景示意图；
图14是本申请某些实施方式的机器人控制方法的流程示意图；
图15是本申请某些实施方式的机器人控制方法中机器人根据当前横向位置与目标横向位置确定横向偏差的示意图；
图16是本申请某些实施方式的轨迹跟踪控制器作用原理的流程示意图；
图17是本申请某些实施方式的扫地机器人的结构示意图；
图18是本申请某些实施方式的计算机可读存储介质的结构示意图。
具体实施方式
下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
在本申请的描述中，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体地限定。
本申请可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。
下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
请参阅图1，本申请提供一种机器人控制方法。机器人控制方法包括：
01：获取预设场景的场景轨迹线；
02：对场景轨迹线进行融合得到待处理轨迹线；
03：根据预设膨胀半径对待处理轨迹线进行膨胀处理得到膨胀轨迹线；
04：对膨胀轨迹线进行平滑处理得到目标轨迹线；
05：根据目标轨迹线对机器人进行跟踪控制。
请结合图2，本申请还提供一种机器人控制装置10。机器人控制装置10包括获取模块11、融合模块12、膨胀处理模块13、平滑处理模块14和跟踪控制模块15。
步骤11可以由获取模块11实现，步骤12可以由融合模块12实现，步骤13可以由膨胀处理模块13实现，步骤14可以由平滑处理模块14实现，步骤15可以由跟踪控制模块15实现。
也即是说，获取模块11用于获取预设场景的场景轨迹线；融合模块12用于对场景轨迹线进行融合得到待处理轨迹线；膨胀处理模块13用于根据预设膨胀半径对待处理轨迹线进行膨胀处理得到膨胀轨迹线；平滑处理模块14用于对膨胀轨迹线进行平滑处理得到目标轨迹线；跟踪控制模块15用于根据目标轨迹线对机器人进行跟踪控制。
具体地，本申请的机器人可以指的是扫地机器人，也可以是其他移动机器人，在此不作限制。本申请以扫地机器人为例进行说明。
预设场景包括但不限于机器人碰到禁区、虚拟墙、规则的障碍物或其他不规则墙体以及需要精准避障的不规则障碍物时的多个场景。
场景轨迹线指的是机器人碰到每个预设场景下生成的对应的轨迹线。当预设场景为禁区和虚拟墙时，可以用直线表示禁区或虚拟墙的场景轨迹线。当预设场景为障碍物时，可以用矩形线段表示规则障碍物的场景轨迹线，可以用曲线线段表示不规则障碍物的场景轨迹线。也即是，根据不同的场景设置不同的场景轨迹线，
然后，对机器人在不同场景下各自生成场景轨迹线进行判断是否相交，相交的场景轨迹线进行融合处理，得到最终的待处理轨迹线。
预设膨胀半径可以指的是机器人机身半径，也可以是用户自行设置大于机器人机身半径的半径，从而保证扫地机器人经过预设场景时不发生碰撞。例如，当机器人为扫地机器人时，即，可以根据扫地机器人机身半径对待处理轨迹线进行膨胀处理，得到膨胀轨迹线，进而保证扫地机器人不发生碰撞，达到良好的避障功能。
最后，将膨胀轨迹线平滑处理为目标轨迹线，依据目标轨迹线对机器人进行跟踪控制，能够达到精准高效的导航效果，实现良好的避障功能。
本申请的机器人控制方法及其装置10在机器人导航过程中，先对不同的场景设置不同的场景轨迹线，并对场景轨迹线进行膨胀处理及融合平滑处理，最后进行跟踪控制，由于运用了全局环境信息，可以保证在复杂场景下机器人的避障效率及精准度，能够达到精准高效的导航效果，实现良好的避障功能。
请参阅图3，步骤01包括：
011：获取用户在禁区和/或虚拟墙体的输入信息；
012：根据输入信息确定第一轨迹线以得到场景轨迹线，第一轨迹线包括至少一条直线段。
请结合图2，步骤011和步骤012可以由获取模块11实现。也即是，获取模块11用于获取用户在禁区和/或虚拟墙体的输入信息；根据输入信息确定第一轨迹线以得到场景轨迹线，第一轨迹线包括至少一条直线段。
具体地，用户在虚拟墙体和/或禁区的输入信息指的是用户在所属移动终端的APP端设置的相应的图形标识。
第一轨迹线包括一条直线段或多条直线段。
详细地，禁区指的是用户不允许机器人跨入的区域，禁区由用户在与机器人连接的移动终端的APP端进行设置。禁区对应可选则的图形标识一般为矩形，根据用户设置的矩形形状设置相应的4条直线段作为场景轨迹线设置在导航地图中，也即是根据用户输入的矩形确定4条第直线段作为第一轨迹线，从而将该第一轨迹线作为场景轨迹线。可以理解地，由于导航地图的内部以直线段形式进行存储设置，所以对于禁区，用户设置的图形形状包括但不限于矩形，只要设置为由直线段组成的图形都可以形成禁区的图像标识。
虚拟墙体也由用户在与机器人连接的移动终端的APP端进行设置，虚拟墙体可以选择的图形一般为直线段。虚拟墙体指的是用户在与机器人连接的移动终端的APP端的导航地图中设置的直线段，表示机器人不能跨越该直线段。机器人可以根据用户设置的一条或多条直线段确定虚拟墙体对应的一条或多条第一轨迹线，并将一条或多条第一轨迹线作为场景轨迹线。
请参阅图4，步骤01还包括：
013：获取传感器检测的第一障碍物数据；
014：对第一障碍物数据进行轮廓提取确定第二轨迹线以得到场景轨迹线，第二轨迹线包括至少一条直线段。
请结合图2，步骤013和步骤014可以由获取模块11实现。也即是，获取模块11用于获取传感器检测的第一障碍物数据；对第一障碍物数据进行轮廓提取确定第二轨迹线以得到轨迹线，第二轨迹线包括至少一条直线段。
具体地，传感器包括但不限于红外传感器、接近传感器或图像传感器。
第一障碍物数据包括障碍物在栅格地图中的坐标数据。
然后，利用传感器中的识别模块进行轮廓提取得到第二轨迹线，障碍物的轮廓一般按照(OOBB，Object Oriented Bounding Box)的方式(如图5所示)提取得到，并将障碍物的轮廓设置为矩形轨迹线，矩形轨迹线即为第二轨迹线。例如，图5中的障碍物的第二轨迹线具有4条直线段。也即是，可以将矩形轨迹线作为导航地图中表示障碍物的场景轨迹线。
请参阅图6，步骤01还包括：
015：获取传感器检测的第二障碍物数据；
016：对第二障碍物数据进行轮廓提取确定第三轨迹线以得到场景轨迹线，第三轨迹线包括不规则轨迹线。
请结合图2，步骤015和步骤016可以由获取模块11实现。也即是，获取模块11用于获取传感器检测的第二障碍物数据；对第二障碍物数据进行轮廓提取确定第三轨迹线以得到轨迹线，第三轨迹线包括不规则轨迹线。
可以理解地，其他诸如不规则墙体以及需要精准避障的不规则障碍物等可以按照提取的轮廓作为轨迹线，设置为不规则轨迹线，即为第三轨迹线。不规则轨迹线可以包括如图7所示的轨迹线，也可以为由多段弧线或多段直线段构成的不规则轨迹线，即将不能用规则线段进行表示的轨迹线都归为不规则轨迹线。
如此，本申请的机器人控制方法不仅可以对规则或较为规则的障碍物进行规避，也可以对不规则障碍物进行规避，可以保证在具有规则的障碍物、不规则障碍物或同时具有规则的障碍物及不规则障碍物时的复杂场景下的避障效率及精准度，从而达到精准高效的导航效果，实现良好的避障功能。
请参阅图8，步骤02包括：
021：在场景轨迹线满足相交条件的情况下，确定场景轨迹线的相交点；
022：在场景轨迹线的相交点进行轨迹切换以得到待处理轨迹。
请结合图2，步骤021和步骤022可以由融合模块12实现。也即是，融合模块12用于在场景轨迹线满足相交条件的情况下，确定场景轨迹线的相交点；在场景轨迹线的相交点进行轨迹切换以得到待处理轨迹。
具体地，场景轨迹线包括直线段和曲线段。在场景轨迹线满足相交条件的情况下，确定场景轨迹线的相交点，其中，相交条件可以是判断两条直线段是否相交的条件，也可以是判断直线段与曲线段是否相交的条件。轨迹融合后的场景轨迹线的示意图可以为如图9所示的示意图。
本申请的机器人控制方法通过确定场景轨迹线的相交点，并在场景轨迹线的相交点进行轨迹切换得到待处理轨迹，可以有效避免机器人与障碍物之间发生碰撞，从而达到机器人的精准高效的导航效果，实现机器人的良好的避障功能。
在某些实施例中，相交条件包括：一条直线段和另一条直线段相交；一条直线段的端点到另一条直线段的距离小于预设膨胀半径；和/或不规则轨迹线上的点到直线段的距离小于预设膨胀半径。
具体地，判断一条直线段和另一条直线段是否相交时，可以根据超平面定理进行判断两条直线段是否相交。详细地，假设直线段1的顶点坐标为A1(xa1，ya1)，B1(xb1，yb1)，直线段2的顶点坐标为A2(xa2，ya2)，B2(xb2，yb2)，当max(xa1，xb1)<min(xa2，xb2)或min(xa1，xb1)>max(xa2，xb2)或max(ya1，yb1)<min(ya2，yb2)或may(ya1，yb1)<min(ya2，yb2)都不满足时，则判断两直线段相交。
当应用上述超平面定理无法判断两直线段是否相交或判断两直线段不相交时，本申请的机器控制方法还可以通过判断膨胀处理后的两直线段的膨胀轨迹线是否相交，进一步判断两直线段是否相交，如此，可以提高两直线段相交判断的精确度，保证在复杂场景下机器人的避障效率及精准度。
详细地，判断膨胀处理后的膨胀轨迹线是否相交的方法具体可以为：例如，如图10所示，计算两条直线段各自的两个顶点到另一条直线段的距离a，若出现某条直线段的某个顶点到另一条直线段的距离a小于预设膨胀半径r，则判断两条直线段相交。若每条直线段的各个顶点到另一条直线段的距离a均大于预设膨胀半径r，则判断两条直线段不相交。
另外，由于提取不规则轨迹线时一般通过类聚等方法最大化进行提取，所以不存在不规则轨迹线与不规则轨迹线相交叉的情况，所以不规则轨迹线相交的情况不需要判断两条不规则轨迹线是否相交。
如此，本申请的机器人控制方法可以通过计算两条直线段各自的两个顶点到另一条直线段的距离，若该距离小于
请参阅图11，步骤04包括：
041：获取膨胀轨迹线上各个轨迹点的曲率；
042：在相邻两个轨迹点的差值大于第一设定值，或预设距离内相邻两个轨迹点的差值大于第二设定值的次数超过预设次数的情况下，对膨胀轨迹线进行平滑处理。
请参阅图2，步骤041和步骤042可以由平滑处理模块14实现。也即是，平滑处理模块14用于获取膨胀轨迹线上各个轨迹点的曲率；在相邻两个轨迹点的差值大于第一设定值，或预设距离内相邻两个轨迹点的差值大于第二设定值的次数超过预设次数的情况下，对膨胀轨迹线进行平滑处理。
具体地，获取膨胀轨迹线上各个轨迹点的曲率，也即是，计算轨迹线各个轨迹点的曲率。
在相邻两个轨迹点的差值大于第一设定值指的是，整段膨胀轨迹线上的任意相邻两个轨迹点的曲率的差值大于第一设定值(如图12所示)，则需要对膨胀轨迹线进行平滑处理。第一设定值可以是机器人出厂时默认设置的数值，也可以是用户自定义设置的数值，在此不作限制，第一设定值例如可以为曲率差值(默认为绝对值)为1、1.5、2、2.5、2.8、3、3.2、3.5、3.6或3.8等数值。
此外，预设距离内相邻两个轨迹点的差值大于第二设定值的次数超过预设次数的情况即为在膨胀轨迹线上以预设距离为单位进行计算相邻两个轨迹点的曲率差值，分为多个以预设距离为单位的多段膨胀轨迹线，例如，预设距离可以为3cm、4cm、5cm、6cm、7cm、8cm、9cm、10cm、11cm、12cm等数值，在此不作限制。
具体地，例如，当膨胀轨迹线的总长为25cm时，可以以5cm为预设距离，则25cm的膨胀轨迹线则可以分为5小段膨胀轨迹线，则5小段膨胀轨迹线的相邻两个轨迹点有5对相邻两个轨迹点(如图13所示)，若某小段膨胀轨迹线之间的相邻两个轨迹点的差值大于第二设定值，第二设定值例如可以为曲率差值(默认为绝对值)为1、1.5、2、2.5、2.8、3、3.2、3.5、4或5等数值。也即是说，第二设定值可以与第一设定值相同，也可以比第一设定值的大。
当5小段膨胀轨迹线之间的相邻两个轨迹点的差值大于第二设定值的次数大于预设次数，例如预设次数为1，则判定为可以对该膨胀轨迹线进行平滑处理，其中，预设次数可以为1、2、3、4或5其中的任意一个数值。
也即是，当多段膨胀轨迹线中相邻两个轨迹点的差值大于第二设定值的次数超过预设次数，表示膨胀轨迹线上存在多处曲率凸出的轨迹点，因此，也需要对膨胀轨迹线进行平滑处理。预设次数可以为大于或等于1的任意自然数值。
第二设定值可以与第一设定值相同，也可以与第一设定值不同。在此不作限制。第二设定值可以是机器人出厂时默认设置的数值，也可以是用户自定义设置的数值，在此不作限制。
通过预设距离内相邻两个轨迹点的差值大于第二设定值的次数超过预设次数进行判断是否需要对两条膨胀轨迹线进行平滑处理的方式相较于通过相邻两个轨迹点的差值大于第一设定值进行判断是否需要对两条膨胀轨迹线进行平滑处理的方式计算量更少，方法更简单。
另一方面而言，通过相邻两个轨迹点的差值大于第一设定值进行判断是否需要对两条膨胀轨迹线进行平滑处理的方式计算量更大，所得到的轨迹点之间的曲率差值数据量更多，能够更为准确判断是否需要对两条膨胀轨迹线进行平滑处理，更为精确。
本申请的轨迹平滑处理过程可以通过多项式曲线或贝塞尔曲线进行，也可以通过其他方式进行平滑处理得到目标轨迹线，在此不作限制。
如此，本申请的机器控制方法通过获取膨胀轨迹线上各个轨迹点的曲率，并可以通过判断在相邻两个轨迹点的差值是否大于第一设定值，或预设距离内相邻两个轨迹点的差值大于第二设定值的次数是否超过预设次数，从而判断膨胀轨迹线是否需要进行平滑处理，从而使得得到的膨胀轨迹线为锯齿状或其他不规则线段可以进行平滑处理，使得得到的轨迹线更为精确，能够为机器人的良好避障效果奠定基础。
请参阅图14，步骤05包括：
051：根据当前横向位置和目标横向位置确定横向偏差；
052：根据目标横向位置确定前馈控制信息；
053：通过纵向控制器根据横向偏差和线速度表确定线速度；
054：通过横向控制器根据横向偏差、增益调度表和前馈控制信息确定角速度；
055：根据线速度和角速度控制机器人。
请参阅图2，步骤051、步骤052、步骤053、步骤054和步骤055可以由跟踪控制模块15实现。也即是，跟踪控制模块15用于根据当前横向位置和目标横向位置确定横向偏差；根据目标横向位置确定前馈控制信息；通过纵向控制器根据横向偏差和线速度表确定线速度；通过横向控制器根据横向偏差、增益调度表和前馈控制信息确定角速度；根据线速度和角速度控制机器人。
具体地，请参阅图15，若当前横向位置为b点，目标横向位置为c点，则可以根据两者之间的距离d及此时当前机器人的朝向(如图14所示)，确定当前机器人所对应的横向偏差S。
然后，再根据目标横向位置确定前馈控制信息，前馈控制(英文名：feedforwardcontrol)是指通过观察情况、收集整理信息、掌握规律、预测趋势，正确预计未来可能出现的问题，提前采取措施，将可能发生的偏差消除在萌芽状态中的控制方式。
前馈控制信息指的是机器人收集整理的横向位置及机器人周围的环境中各障碍物或其他物体的位置信息。
接着，通过纵向控制器根据横向偏差S和线速度表确定线速度。其中，线速度表记录了横向偏差与线速度偏差的对应关系。纵向控制器为机器人控制技术领域中控制机器人按指定的速度行驶的装置。如此，对机器人的纵向速度跟踪控制可以减小速度偏差，同时保证机器人的行驶稳定性。
通过横向控制器根据横向偏差S、增益调度表和前馈控制信息确定角速度。增益调度表表示的是目前机器人常用的模糊增益调度的数据。也即是，横向控制器采用前馈控制+反馈控制+增益调度的方式确定机器人的角速度。本申请的轨迹跟踪控制器作用原理的流程示意图如图16所示。
如此，本申请的轨迹跟踪控制器采用横纵向解耦的控制方式确定机器人的线速度和角速度，并根据线速度和角速度控制机器人进行运动，由于运用了全局环境信息，可以保证在复杂场景下机器人的避障效率及精准度，能够达到精准高效的导航效果，实现良好的避障功能。
请参阅图17，本申请还提供一种扫地机器人100，扫地机器人备100包括计算机程序110和处理器120。当处理器120执行计算机程序110的时候，能够实现上述实施方式中任一项所述的机器人控制方法。
本申请的扫地机器人100通过在预设场景下对机器人进行场景轨迹线规划，并对规划的场景轨迹线进行融合得到待处理轨迹线，再对对待处理轨迹线进行膨胀处理得到膨胀轨迹线，对膨胀轨迹线进行平滑处理得到目标轨迹线，再根据目标轨迹线对机器人进行跟踪控制，能够达到精准高效的导航效果，实现良好的避障功能。
请参阅图18，本申请还提供一种计算机可读存储介质200，计算机可读存储介质200包括计算机程序210和处理器220。当计算机程序210被一个或多个处理器220执行时，实现上述实施方式任一项所述的机器人控制方法。例如，计算机程序210被处理器220执行时实现以下机器人控制方法的步骤：
01：获取预设场景的场景轨迹线；
02：对场景轨迹线进行融合得到待处理轨迹线；
03：根据预设膨胀半径对待处理轨迹线进行膨胀处理得到膨胀轨迹线；
04：对膨胀轨迹线进行平滑处理得到目标轨迹线；
05：根据目标轨迹线对机器人进行跟踪控制。
本申请的计算机可读存储介质200通过在预设场景下对机器人进行场景轨迹线规划，并对规划的场景轨迹线进行融合得到待处理轨迹线，再对对待处理轨迹线进行膨胀处理得到膨胀轨迹线，对膨胀轨迹线进行平滑处理得到目标轨迹线，再根据目标轨迹线对机器人进行跟踪控制，能够达到精准高效的导航效果，实现良好的避障功能。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种机器人控制方法，其特征在于，包括：
获取预设场景的场景轨迹线；
对所述场景轨迹线进行融合得到待处理轨迹线；
根据预设膨胀半径对所述待处理轨迹线进行膨胀处理得到膨胀轨迹线；
对所述膨胀轨迹线进行平滑处理得到目标轨迹线；
根据所述目标轨迹线对所述机器人进行跟踪控制。
2.根据权利要求1所述的机器人控制方法，其特征在于，所述获取预设场景的场景轨迹线，包括：
获取用户在禁区和/或虚拟墙体的输入信息；
根据所述输入信息确定第一轨迹线以得到所述场景轨迹线，所述第一轨迹线包括至少一条直线段。
3.根据权利要求2所述的机器人控制方法，其特征在于，所述获取预设场景的场景轨迹线，还包括：
获取传感器检测的第一障碍物数据；
对所述第一障碍物数据进行轮廓提取确定第二轨迹线以得到所述场景轨迹线，所述第二轨迹线包括至少一条直线段。
4.根据权利要求3所述的机器人控制方法，其特征在于，获取预设场景的场景轨迹线，还包括：
获取传感器检测的第二障碍物数据；
对所述第二障碍物数据进行轮廓提取确定第三轨迹线以得到所述场景轨迹线，所述第三轨迹线包括不规则轨迹线。
5.根据权利要求4所述的机器人控制方法，其特征在于，对所述场景轨迹线进行融合得到待处理轨迹线，包括：
在所述场景轨迹线满足相交条件的情况下，确定所述场景轨迹线的相交点；
在所述场景轨迹线的相交点进行轨迹切换以得到所述待处理轨迹。
6.根据权利要求5所述的机器人控制方法，其特征在于，所述相交条件包括：
一条所述直线段和另一条所述直线段相交；
一条所述直线段的端点到另一条所述直线段的距离小于所述预设膨胀半径；和/或
所述不规则轨迹线上的点到所述直线段的距离小于所述预设膨胀半径。
7.根据权利要求1所述的机器人控制方法，其特征在于，所述对所述膨胀轨迹线进行平滑处理得到目标轨迹线，包括：
获取所述膨胀轨迹线上各个轨迹点的曲率；
在相邻两个所述轨迹点的差值大于第一设定值，或预设距离内相邻两个所述轨迹点的差值大于第二设定值的次数超过预设次数的情况下，对所述膨胀轨迹线进行平滑处理。
8.根据权利要求1所述的机器人控制方法，其特征在于，根据所述目标轨迹线对所述机器人进行跟踪控制，包括：
根据当前横向位置和目标横向位置确定横向偏差；
根据所述目标横向位置确定前馈控制信息；
通过纵向控制器根据所述横向偏差和线速度表确定线速度；
通过横向控制器根据所述横向偏差、增益调度表和所述前馈控制信息确定角速度；
根据所述线速度和所述角速度控制所述机器人。
9.一种机器人控制装置，其特征在于，包括：
获取模块，所述获取模块用于获取预设场景的场景轨迹线；
融合模块，所述融合模块用于对所述场景轨迹线进行融合得到待处理轨迹线；
膨胀处理模块，所述膨胀处理模块用于根据预设膨胀半径对所述待处理轨迹线进行膨胀处理得到膨胀轨迹线；
平滑处理模块，所述平滑处理模块用于对所述膨胀轨迹线进行平滑处理得到目标轨迹线；
跟踪控制模块，所述跟踪控制模块用于根据所述目标轨迹线对所述机器人进行跟踪控制。
10.一种扫地机器人，其特征在于，包括处理器和存储器，所述存储器上存储有计算机程序，当所述计算机程序被所述处理器进行执行时，实现权利要求1至8任一项所述的机器人控制方法。
11.一种包含有计算机程序的非易失性计算机可读存储介质，其特征在于，当所述计算机程序被一个或多个处理器执行时，实现权利要求1至8任一项所述的机器人控制方法。
CN202210208034.4A 2022-03-04 2022-03-04 机器人控制方法及其装置、扫地机器人和存储介质 Active CN114474064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210208034.4A CN114474064B (zh) 2022-03-04 2022-03-04 机器人控制方法及其装置、扫地机器人和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210208034.4A CN114474064B (zh) 2022-03-04 2022-03-04 机器人控制方法及其装置、扫地机器人和存储介质

Publications (2)

Publication Number Publication Date
CN114474064A true CN114474064A (zh) 2022-05-13
CN114474064B CN114474064B (zh) 2024-01-09

Family

ID=81486713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210208034.4A Active CN114474064B (zh) 2022-03-04 2022-03-04 机器人控制方法及其装置、扫地机器人和存储介质

Country Status (1)

Country Link
CN (1) CN114474064B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101738195A (zh) * 2009-12-24 2010-06-16 厦门大学 基于环境建模与自适应窗口的移动机器人路径规划方法
CN108205318A (zh) * 2017-11-30 2018-06-26 香港中文大学（深圳） 机器人轨迹规划方法及装置
CN111726591A (zh) * 2020-06-22 2020-09-29 珠海格力电器股份有限公司 地图更新方法、装置、存储介质及电子设备
EP3742125A1 (en) * 2019-05-20 2020-11-25 Tata Consultancy Services Limited Method and system for path planning
CN112230634A (zh) * 2019-06-26 2021-01-15 北京海益同展信息科技有限公司 一种机器人避障方法和装置
CN112486184A (zh) * 2020-12-10 2021-03-12 北京小狗吸尘器集团股份有限公司 一种扫地机器人及其避障路径确定方法
CN112987760A (zh) * 2021-05-10 2021-06-18 北京三快在线科技有限公司 一种轨迹规划方法、装置、存储介质及电子设备
WO2021189863A1 (zh) * 2020-03-27 2021-09-30 珠海格力电器股份有限公司 一种清洁机器人运行控制方法、装置、系统及计算机可读存储介质
CN113703439A (zh) * 2021-07-23 2021-11-26 科沃斯机器人股份有限公司 自主移动设备控制方法、装置、设备及可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101738195A (zh) * 2009-12-24 2010-06-16 厦门大学 基于环境建模与自适应窗口的移动机器人路径规划方法
CN108205318A (zh) * 2017-11-30 2018-06-26 香港中文大学（深圳） 机器人轨迹规划方法及装置
EP3742125A1 (en) * 2019-05-20 2020-11-25 Tata Consultancy Services Limited Method and system for path planning
CN112230634A (zh) * 2019-06-26 2021-01-15 北京海益同展信息科技有限公司 一种机器人避障方法和装置
WO2021189863A1 (zh) * 2020-03-27 2021-09-30 珠海格力电器股份有限公司 一种清洁机器人运行控制方法、装置、系统及计算机可读存储介质
CN111726591A (zh) * 2020-06-22 2020-09-29 珠海格力电器股份有限公司 地图更新方法、装置、存储介质及电子设备
CN112486184A (zh) * 2020-12-10 2021-03-12 北京小狗吸尘器集团股份有限公司 一种扫地机器人及其避障路径确定方法
CN112987760A (zh) * 2021-05-10 2021-06-18 北京三快在线科技有限公司 一种轨迹规划方法、装置、存储介质及电子设备
CN113703439A (zh) * 2021-07-23 2021-11-26 科沃斯机器人股份有限公司 自主移动设备控制方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN114474064B (zh) 2024-01-09

Similar Documents

Publication Publication Date Title
CN107990903B (zh) 一种基于改进a*算法的室内agv路径规划方法
CN107898393B (zh) 用于清洁机器人的区块调整方法、装置及机器人
CN102520718B (zh) 一种基于物理建模的机器人避障路径规划方法
CN108052102B (zh) 机器人行进路线的确定方法、装置及机器人
CN113741426B (zh) 一种基于局部点云曲线拟合的机器人加工路径规划方法
US10884390B2 (en) Optimized control of a metal-cutting machine tool
CN104898660A (zh) 一种提高机器人路径规划效率的室内地图构建方法
WO2019141223A1 (zh) 移动机器人的路径规划方法及系统
CN112683290B (zh) 一种车辆轨迹规划方法、电子设备及计算机可读存储介质
Mohamed et al. Autonomous navigation of agvs in unknown cluttered environments: log-mppi control strategy
CN110597261B (zh) 一种预防碰撞冲突的方法及装置
Portugal et al. Applying Bayesian learning to multi-robot patrol
CN106020202A (zh) 一种基于卡尔曼滤波的模糊pid控制方法
CN114764239B (zh) 清扫机器人控制方法、装置、计算机设备及存储介质
CN115993845B (zh) 一种集群智能系统协同运动规划与编队控制方法
Ying et al. Path planning of mobile robot based on Improved RRT Algorithm
Magid et al. Combining Voronoi graph and spline-based approaches for a mobile robot path planning
CN114474064A (zh) 机器人控制方法及其装置、扫地机器人和存储介质
CN108961353B (zh) 道路模型的构建
CN114755373A (zh) 一种基于多机器人编队的空气污染源预警定位方法
Zhao et al. A multi-robot cooperative exploration algorithm considering working efficiency and working load
Martins et al. An improved robot path planning model using cellular automata
CN114103938A (zh) 控制车辆纵向运动的方法、装置及存储介质
CN115183793B (zh) 一种障碍物膨胀的规划方法、系统、电子设备及存储介质
Martinez-Alfaro et al. Collision-free path planning for mobile robots and/or AGVs using simulated annealing

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