CN114489082A - 机器人的移动控制方法、装置、设备及存储介质 - Google Patents
机器人的移动控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114489082A CN114489082A CN202210118014.8A CN202210118014A CN114489082A CN 114489082 A CN114489082 A CN 114489082A CN 202210118014 A CN202210118014 A CN 202210118014A CN 114489082 A CN114489082 A CN 114489082A
- Authority
- CN
- China
- Prior art keywords
- target
- robot
- environment
- obstacle
- target robot
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000004888 barrier function Effects 0.000 claims abstract description 19
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 13
- 230000003068 static effect Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G05D1/0231—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
- G05D1/0257—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
-
- 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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供一种机器人的移动控制方法、装置、设备及存储介质,属于机器人导航技术领域。该方法包括:获取目标区域中的环境图像信息;根据环境图像信息,确定当前环境的类型,当前环境的类型包括:开阔环境或狭小环境;基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物;若是,且当前环境的类型为狭小环境,则根据目标机器人的预设路线以及目标障碍物的运动状态,控制目标机器人移动,运动状态包括:移动状态或静止状态。本申请可以避免机器人在流动人群中与人群发生碰撞,提高物流运输的安全性。
Description
技术领域
本申请涉及机器人导航技术领域,具体而言,涉及一种机器人的移动控制方法、装置、设备及存储介质。
背景技术
物流机器人在人流量较大的场所进行物件配送的过程中,通常会出现预先规划的路线被人群所挡住,从而不能按照原定路线行走。
现有技术中,采用的技术方案为当原定路线被挡住时,绕过障碍物,并重新回到原定路线上实现避障。
然而,物流机器人在绕过障碍物时,由于障碍物通常是流动的人群,机器人与人群容易发生抢道的情况,这就导致了物流机器人在避障的过程中可能会与人群发生碰撞,降低了物流运输过程的安全性。
发明内容
本申请的目的在于提供一种机器人的移动控制方法、装置、设备及存储介质,可以避免在流动人群中与人群发生碰撞,提高物流运输的安全性。
本申请的实施例是这样实现的:
本申请实施例的一方面,提供一种机器人的移动控制方法,包括:
获取目标区域中的环境图像信息;
根据环境图像信息,确定当前环境的类型,当前环境的类型包括:开阔环境或狭小环境;
基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物;
若是,且当前环境的类型为狭小环境,则根据目标机器人的预设路线以及目标障碍物的运动状态,控制目标机器人移动,运动状态包括:移动状态或静止状态。
可选地,根据目标机器人的预设路线以及目标障碍物的运动状态,控制目标机器人移动,包括:
若目标障碍物处于移动状态,则根据目标障碍物的移动路径以及目标机器人的预设路线控制目标机器人移动;
若目标障碍物处于静止状态,在目标障碍物的预设距离处保持静止。
可选地,根据目标障碍物的移动路径以及目标机器人的预设路线控制目标机器人移动,包括:
若目标障碍物的移动路径与目标机器人的预设路线的误差小于预设误差阈值,则控制目标机器人沿目标障碍物的移动路径移动。
可选地,基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物之后,该方法还包括:
若是,且当前环境的类型为开阔环境,则以预设避障路线绕开目标障碍物,并控制目标机器人沿预设路线行走。
可选地,获取目标区域中的环境图像信息以及当前环境的类型之前,该方法还包括:
获取待检测区域的区域帧图像,区域帧图像中包括至少两个相邻帧图像;
基于至少两个相邻帧图像判定目标机器人所在的待检测区域是否为运动区域,运动区域为在目标机器人的预设范围内存在运动物体的区域;
若是,将待检测区域作为目标区域。
可选地,获取待检测区域的区域帧图像之前,该方法还包括:
分别获取目标机器人所在的环境地图以及目标机器人的当前位置;
根据目标机器人的当前位置确定目标机器人是否在环境地图中;
若是,确定目标机器人当前所在的区域为待检测区域。
可选地,基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物,包括:
根据环境图像信息判定目标机器人预设路线上是否存在障碍物;
若是,基于目标机器人的环境数据信息判定目标区域中是否存在处于目标机器人预设路线上的目标障碍物,环境数据信息包括:激光雷达扫描数据以及深度摄像数据。
本申请实施例的另一方面,提供一种机器人的移动控制装置,包括:获取模块、确定模块以及控制模块;
获取模块,用于获取目标区域中的环境图像信息;
确定模块,用于根据环境图像信息,确定当前环境的类型,当前环境的类型包括:开阔环境或狭小环境;
确定模块,还用于基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物;
若是,且当前环境的类型为狭小环境,控制模块用于根据目标机器人的预设路线以及目标障碍物的运动状态,控制目标机器人移动,运动状态包括:移动状态或静止状态。
可选地,控制模块,具体用于若目标障碍物处于移动状态,则根据目标障碍物的移动路径以及目标机器人的预设路线控制目标机器人移动;若目标障碍物处于静止状态,在目标障碍物的预设距离处保持静止。
可选地,控制模块,具体用于若目标障碍物的移动路径与目标机器人的预设路线的误差小于预设误差阈值,则控制目标机器人沿目标障碍物的移动路径移动。
可选地,确定模块,还用于若是,且当前环境的类型为开阔环境,则以预设避障路线绕开目标障碍物,并控制目标机器人沿预设路线行走。
可选地,获取模块,还用于获取待检测区域的区域帧图像,区域帧图像中包括至少两个相邻帧图像;基于至少两个相邻帧图像判定目标机器人所在的待检测区域是否为运动区域,运动区域为在目标机器人的预设范围内存在运动物体的区域;若是,将待检测区域作为目标区域。
可选地,获取模块,还用于分别获取目标机器人所在的环境地图以及目标机器人的当前位置;根据目标机器人的当前位置确定目标机器人是否在环境地图中;若是,确定目标机器人当前所在的区域为待检测区域。
可选地,确定模块,具体用于根据环境图像信息判定目标机器人预设路线上是否存在障碍物;若是,基于目标机器人的环境数据信息判定目标区域中是否存在处于目标机器人预设路线上的目标障碍物,环境数据信息包括:激光雷达扫描数据以及深度摄像数据。
本申请实施例的另一方面,提供一种计算机设备,包括:存储器、处理器,存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时,实现上述机器人的移动控制方法的步骤。
本申请实施例的另一方面,提供一种计算机可读存储介质,存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现上述机器人的移动控制方法的步骤。
本申请实施例的有益效果包括:
本申请实施例提供的一种机器人的移动控制方法、装置、设备及存储介质中,可以获取目标区域中的环境图像信息;根据环境图像信息,确定当前环境的类型;基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物;若是,且当前环境的类型为狭小环境,则根据目标机器人的预设路线以及目标障碍物的运动状态,控制目标机器人移动。其中,目标机器人可以通过对目标障碍物位置的判定,确定该目标障碍物是否在目标机器人的预设路线上,从而可以在狭小环境中根据目标机器人的预设路线以及目标障碍物的运动状态控制目标机器人移动,可以避免目标机器人因避让目标障碍物而导致的和其他障碍物相撞的情况发生,进而可以提升运输的安全性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的机器人的机器人的实体应用场景;
图2为本申请实施例提供的机器人的移动控制方法的流程示意图一;
图3为本申请实施例提供的机器人的移动控制方法的流程示意图二;
图4为本申请实施例提供的机器人的移动控制方法的流程示意图三;
图5为本申请实施例提供的机器人的移动控制方法的流程示意图四;
图6为本申请实施例提供的机器人的移动控制方法的流程示意图五;
图7为本申请实施例提供的机器人的移动控制装置的结构示意图;
图8为本申请实施例提供的计算机设备的结构示意图。
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一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
下面首先对本申请实施例所应用的场景进行介绍。
图1为本申请实施例提供的机器人的移动控制方法的实体应用场景,请参照图1,在该场景中可以包括:目标机器人210以及目标障碍物220,以及其他障碍物(可以设置在场景中的任意位置,图1中未画出)。
其中,目标机器人210即为本申请实施例中的机器人,例如:物流机器人、送餐机器人等,目标障碍物220即为在目标机器人预设路线上的障碍物。
目标机器人210和目标障碍物220位于同一区域内,例如同一货仓中。当目标机器人210移动时,目标障碍物220可能会对目标机器人210造成障碍,影响目标机器人210的正常移动。具体的,目标机器人210在工作时,通常是沿预设路线从当前位置移动至目标位置,若预设路线上存在目标障碍物220则可能会与目标障碍物发生碰撞。因此,可以利用本申请实施例所提供的方法使得目标机器人210可以避开该目标障碍物以正常进行移动。
下面来具体解释本申请实施例中提供的机器人的移动控制方法的具体实施过程。
图2为本申请实施例提供的机器人的移动控制方法的流程示意图一,请参照图2,机器人的移动控制方法,包括:
S110:获取目标区域中的环境图像信息。
可选地,该方法的执行主体可以是上述目标机器人或者可以控制目标机器人的服务器,具体可以是设置在机器人上的控制器或者与机器人通信连接的控制服务器,在此不作具体限制,凡是可以实现对机器人进行控制的设备即可。
其中,机器人具体可以是进行物流运输的机器人,例如:轮式机器人,可以用于将某一运输物品从初始位置运输到目标位置,或者从某一位置出发到取货位置取货等工作。
机器人上可以设置有摄像头、激光雷达、深度相机等传感器,用于获取周围的环境信息,其中,具体可以通过摄像头(也可以是其他传感器,在此以摄像头为例)获取目标区域中的环境图像信息,环境图像信息具体可以是通过摄像头对周围环境进行拍照从而获取到的图像信息。
可选地,目标区域可以是目标机器人当前位置下摄像头可以进行拍摄的区域,目标机器人即为上述机器人。
S120:根据环境图像信息,确定当前环境的类型。
其中,当前环境的类型包括:开阔环境或狭小环境。
可选地,获取环境图像信息之后,可以判定该环境图像信息中,障碍物的数量和障碍物所在的位置,若障碍物数量少于目标阈值且障碍物的分布较为松散,可以确定当前环境的类型为开阔环境;相对的,若障碍物数量大于或者等于目标阈值或者障碍物的分布较为集中,可以确定当前环境的类型为狭小环境。
需要说明的是,目标阈值可以是预先设定的阈值、分布的松散或者集中可以根据障碍物之间的平均间距进行计算确定,平均间距大于距离阈值为松散,平均间距小于或者等于距离阈值为集中。目标阈值与距离阈值均可以是基于实际需求进行设定的阈值,并不以具体数值作限制。
S130:基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物。
可选地,还可以根据环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物。其中,目标机器人的预设路线可以是机器人预先规划的待行驶路线,目标机器人可以沿该预设路线行走到达目标位置。
通过环境图像信息可以确定预设路线在该图像中的位置,例如:若机器人的摄像头获取的是正前方的图像,则在图像中心的中线即为预设路线所在的位置,可以判定在预设路线的位置上是否存在目标障碍物。
S140:若是,且当前环境的类型为狭小环境,则根据目标机器人的预设路线以及目标障碍物的运动状态,控制目标机器人移动。
其中,运动状态包括:移动状态或静止状态。
可选地,当确定预设路线上存在障碍物,且当前环境的类型为狭小环境时,可以对路线进行重新规划,也即是不按照预设路线继续行进,具体可以根据目标机器人的预设路线以及目标障碍物的运动状态,控制目标机器人移动。
目标障碍物的运动状态可以包括移动状态或者静止状态,其中,移动状态也即是目标障碍物在目标机器人的预设路线上移动或者在其他路线上移动;静止状态也即是目标障碍物在目标机器人的预设路线上保持静止。
基于目标障碍物的不同运动状态可以采用不同的方式控制目标机器人移动,从而避免与目标障碍物以及其他障碍物发生碰撞。
相对地,若预设路线上不存在障碍物,则可以控制目标机器人继续按照预设路线移动。
本申请实施例提供的一种机器人的移动控制方法中,可以获取目标区域中的环境图像信息;根据环境图像信息,确定当前环境的类型;基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物;若是,且当前环境的类型为狭小环境,则根据目标机器人的预设路线以及目标障碍物的运动状态,控制目标机器人移动。其中,目标机器人可以通过对目标障碍物位置的判定,确定该目标障碍物是否在目标机器人的预设路线上,从而可以在狭小环境中根据目标机器人的预设路线以及目标障碍物的运动状态控制目标机器人移动,可以避免目标机器人因避让目标障碍物而导致的和其他障碍物相撞的情况发生,进而可以提升物流运输的安全性。
下面来具体解释本申请实施例中提供的机器人的移动控制方法的另一具体实施过程。
图3为本申请实施例提供的机器人的移动控制方法的流程示意图二,请参照图3,根据目标机器人的预设路线以及目标障碍物的运动状态,控制目标机器人移动,包括:
S310:获取目标障碍物的运动状态。
可选地,可以通过比较获取的相邻两帧环境图像信息中目标障碍物的位置,若位置发生了改变,则为移动状态;若位置未发生改变,则为静止状态。
S320:若目标障碍物处于移动状态,则根据目标障碍物的移动路径以及目标机器人的预设路线控制目标机器人移动。
可选地,当确定目标障碍物处于移动状态时,可以根据目标障碍物的移动路径以及目标机器人的预设路线重新规划目标机器人的移动路线;其中,目标障碍物的移动路径可以根据每帧环境图像信息中目标障碍物的位置计算得到。
可选地,根据目标障碍物的移动路径以及目标机器人的预设路线控制目标机器人移动,包括:若目标障碍物的移动路径与目标机器人的预设路线的误差小于预设误差阈值,则控制目标机器人沿目标障碍物的移动路径移动。
其中,当确定目标障碍物的移动路径可以比对每一帧下目标障碍物的位置和对应帧下目标机器人的预设路线的位置之差,并计算平均的位置之差的值,得到的计算结果即为目标障碍物的移动路径与目标机器人的预设路线的误差,确定该误差是否小于预设误差阈值,若小于,则可以控制目标机器人沿目标障碍物的移动路径移动,也即是跟随目标障碍物移动,可以与目标障碍物保持预设的安全距离。
相对地,若该误差不小于预设误差阈值,则可以确定目标障碍物在行进的过程中偏移的目标机器人的预设路线,则目标机器人可以保持按照预设路线进行移动。
其中,预设误差阈值可以根据目标机器人的大小来确定,并不作具体数值限制。
S330:若目标障碍物处于静止状态,在目标障碍物的预设距离处保持静止。
可选地,当确定目标障碍物处于静止状态时,可以控制目标机器人在目标障碍物的预设距离处保持静止,也即是在目标障碍物后面排队,待目标障碍物脱离静止状态后,再重新进行路径规划。
可选地,基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物之后,该方法还包括:若是,且当前环境的类型为开阔环境,则以预设避障路线绕开目标障碍物,并控制目标机器人沿预设路线行走。
其中,当确定预设路线上存在障碍物,且当前环境的类型为开阔环境时,则可以确定环境空间足够大,可以进行避障,则可以格局预设避障路线绕开目标障碍物,并在绕开目标障碍物之后,回到机器人的预设路线继续移动。
下面来及具体解释本申请实施例中提供的机器人的移动控制方法的又一具体实施过程。
图4为本申请实施例提供的机器人的移动控制方法的流程示意图三,请参照图4,获取目标区域中的环境图像信息以及当前环境的类型之前,该方法还包括:
S410:获取待检测区域的区域帧图像。
其中,区域帧图像中包括至少两个相邻帧图像。
可选地,待检测区域的区域帧图像也可以是目标机器人在当前位置通过摄像头获取的图像,区别在于该图像可以是目标机器人通过多个摄像头分别获取到的多个区域图像组成的一个整体图像,例如:若目标机器人包括3个相机,则可以获取三个相机拍摄到的环境图像,并进行拼接,得到待检测区域的区域帧图像。
待检测区域可以是目标机器人的所有摄像头获取到的拼接图像所对应的可视区域。
需要说明的是,区域帧图像可以是连续的多个帧图像,最少为两个相邻的帧图像。
S420:基于至少两个相邻帧图像判定目标机器人所在的待检测区域是否为运动区域。
其中,运动区域为在目标机器人的预设范围内存在运动物体的区域。
可选地,获取到至少两个相邻帧图像之后,可以判定这两个帧图像中的障碍物的位置是否发生了变化,若发生了变化,则可以确定该待检测区域为运动区域,相对地,若为发生变化,则可以确定该待检测区域为非运动区域,当确定为非运动区域时,即是周围环境中不存在动态的障碍物,可以基于当前的环境规划处机器人的路线移动。
S430:若是,将待检测区域作为目标区域。
可选地,若确定待检测区域为固定区域,则可以将该区域作为目标区域,从而实现前述S110-S140的具体实施过程。
下面来及具体解释本申请实施例中提供的机器人的移动控制方法的再一具体实施过程。
图5为本申请实施例提供的机器人的移动控制方法的流程示意图四,请参照图5,获取待检测区域的区域帧图像之前,该方法还包括:
S510:分别获取目标机器人所在的环境地图以及目标机器人的当前位置。
可选地,在确定待检测区域之前,目标机器人可以通过激光雷达以及深度相机建立目标机器人所在环境的环境地图,具体可以是基于机器人的SLAM(simultaneouslocalization and mapping,同步定位与建图)技术建立的地图并确定机器人的当前位置。
S520:根据目标机器人的当前位置确定目标机器人是否在环境地图中。
可选地,可以基于机器人的当前位置确定目标机器人当前是否在已经建立了环境地图的环境中。若机器人所在的当前位置存在环境地图,则目标机器人在环境地图中;相对地,若目标机器人所在的当前位置不存在环境地图,则可以确定目标机器人不在环境地图中。
需要说明的是,目标机器人在需要进行路径规划的路线上建立环境地图,若当前位置不需要进行路径规划,如:电梯中,汽车上等位置时,不需要进行路径规划,则可以不建立对应的环境地图。
S530:若是,确定目标机器人当前所在的区域为待检测区域。
可选地,当确定目标机器人的当前位置确定目标机器人在环境地图中后,可以将目标机器人当前所在位置可以拍摄到的周围的环境作为待检测区域,从而实现前述S410-S430的步骤。
下面来及具体解释本申请实施例中提供的机器人的移动控制方法的还一具体实施过程。
图6为本申请实施例提供的机器人的移动控制方法的流程示意图五,请参照图6,基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物,包括:
S610:根据环境图像信息判定目标机器人预设路线上是否存在障碍物。
可选地,在进行障碍物判定的过程中,可以基于预先配置的人体识别模型对环境图像信息中的人体进行识别,具体可以采用对单一物体(也即是仅仅针对人体)进行检测和识别,不需要支持多类的物体识别能力的tiny-yolo模型,对图像信息进行一次识别处理,可以得到所有的人体信息,从而确定目标机器人的预设路线上是否存在障碍物。
S620:若是,基于目标机器人的环境数据信息判定目标区域中是否存在处于目标机器人预设路线上的目标障碍物。
其中,环境数据信息包括:激光雷达扫描数据以及深度摄像数据。
可选地,为了避免模型的识别存在假阳性特征,也即是存在识别错误的情况,可以进一步基于环境数据信息判定处于目标机器人预设路线上的目标障碍物是否存在,其中具体可以是基于机器人的激光雷达获取的激光雷达扫描数据以及机器人的深度相机获取到的深度摄像数据进行校准判定,若判定不存在目标障碍物,则可以确定为假阳性特征;相对地,若存在目标障碍物,则可以确定目标区域中确实存在处于目标机器人预设路线上的目标障碍物。
本申请实施例中提供的一种机器人的移动控制方法中,可以基于目标机器人的环境数据信息进一步进行目标障碍物的判定,从而实现假阳性特征的滤除,提高判定的准确性,降低识别出错的可能性,相应地,也就可以提高目标障碍物识别的效率。
下述对用以执行的本申请所提供的机器人的移动控制方法对应的装置、设备及存储介质等进行说明,其具体的实现过程以及技术效果参见上述,下述不再赘述。
图7为本申请实施例提供的机器人的移动控制装置的结构示意图,请参照图7,机器人的移动控制装置,包括:获取模块710、确定模块720以及控制模块730;
获取模块710,用于获取目标区域中的环境图像信息;
确定模块720,用于根据环境图像信息,确定当前环境的类型,当前环境的类型包括:开阔环境或狭小环境;
确定模块720,还用于基于环境图像信息确定目标区域中是否存在处于目标机器人预设路线上的目标障碍物;
若是,且当前环境的类型为狭小环境,控制模块730用于根据目标机器人的预设路线以及目标障碍物的运动状态,控制目标机器人移动,运动状态包括:移动状态或静止状态。
可选地,控制模块730,具体用于若目标障碍物处于移动状态,则根据目标障碍物的移动路径以及目标机器人的预设路线控制目标机器人移动;若目标障碍物处于静止状态,在目标障碍物的预设距离处保持静止。
可选地,控制模块730,具体用于若目标障碍物的移动路径与目标机器人的预设路线的误差小于预设误差阈值,则控制目标机器人沿目标障碍物的移动路径移动。
可选地,确定模块720,还用于若是,且当前环境的类型为开阔环境,则以预设避障路线绕开目标障碍物,并控制目标机器人沿预设路线行走。
可选地,获取模块710,还用于获取待检测区域的区域帧图像,区域帧图像中包括至少两个相邻帧图像;基于至少两个相邻帧图像判定目标机器人所在的待检测区域是否为运动区域,运动区域为在目标机器人的预设范围内存在运动物体的区域;若是,将待检测区域作为目标区域。
可选地,获取模块710,还用于分别获取目标机器人所在的环境地图以及目标机器人的当前位置;根据目标机器人的当前位置确定目标机器人是否在环境地图中;若是,确定目标机器人当前所在的区域为待检测区域。
可选地,确定模块720,具体用于根据环境图像信息判定目标机器人预设路线上是否存在障碍物;若是,基于目标机器人的环境数据信息判定目标区域中是否存在处于目标机器人预设路线上的目标障碍物,环境数据信息包括:激光雷达扫描数据以及深度摄像数据。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器,或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图8为本申请实施例提供的计算机设备的结构示意图,请参照图8,计算机设备,包括:存储器810、处理器820,存储器810中存储有可在处理器820上运行的计算机程序,处理器820执行计算机程序时,实现上述机器人的移动控制方法的步骤。
可选地,该计算机设备具体可以是目标机器人的控制器,可以设置在目标机器人上,也可以与目标机器人通信连接,设置于目标机器人外。
本申请实施例的另一方面,提供一种计算机可读存储介质,存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现上述机器人的移动控制方法的步骤。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种机器人的移动控制方法,其特征在于,包括:
获取目标区域中的环境图像信息;
根据所述环境图像信息,确定当前环境的类型,所述当前环境的类型包括:开阔环境或狭小环境;
基于所述环境图像信息确定所述目标区域中是否存在处于目标机器人预设路线上的目标障碍物;
若是,且当前环境的类型为所述狭小环境,则根据目标机器人的预设路线以及所述目标障碍物的运动状态,控制所述目标机器人移动,所述运动状态包括:移动状态或静止状态。
2.如权利要求1所述的方法,其特征在于,所述根据目标机器人的预设路线以及所述目标障碍物的运动状态,控制所述目标机器人移动,包括:
若所述目标障碍物处于所述移动状态,则根据目标障碍物的移动路径以及所述目标机器人的预设路线控制所述目标机器人移动;
若所述目标障碍物处于所述静止状态,在所述目标障碍物的预设距离处保持静止。
3.如权利要求2所述的方法,其特征在于,根据目标障碍物的移动路径以及所述目标机器人的预设路线控制所述目标机器人移动,包括:
若所述目标障碍物的移动路径与所述目标机器人的预设路线的误差小于预设误差阈值,则控制所述目标机器人沿所述目标障碍物的移动路径移动。
4.如权利要求1所述的方法,其特征在于,所述基于所述环境图像信息确定所述目标区域中是否存在处于目标机器人预设路线上的目标障碍物之后,所述方法还包括:
若是,且当前环境的类型为所述开阔环境,则以预设避障路线绕开所述目标障碍物,并控制所述目标机器人沿所述预设路线行走。
5.如权利要求1所述的方法,其特征在于,所述获取目标区域中的环境图像信息以及当前环境的类型之前,所述方法还包括:
获取待检测区域的区域帧图像,所述区域帧图像中包括至少两个相邻帧图像;
基于所述至少两个相邻帧图像判定所述目标机器人所在的待检测区域是否为运动区域,所述运动区域为在所述目标机器人的预设范围内存在运动物体的区域;
若是,将所述待检测区域作为所述目标区域。
6.如权利要求5所述的方法,其特征在于,所述获取待检测区域的区域帧图像之前,所述方法还包括:
分别获取所述目标机器人所在的环境地图以及所述目标机器人的当前位置;
根据所述目标机器人的当前位置确定所述目标机器人是否在所述环境地图中;
若是,确定所述目标机器人当前所在的区域为所述待检测区域。
7.如权利要求1所述的方法,其特征在于,所述基于所述环境图像信息确定所述目标区域中是否存在处于目标机器人预设路线上的目标障碍物,包括:
根据所述环境图像信息判定所述目标机器人预设路线上是否存在障碍物;
若是,基于所述目标机器人的环境数据信息判定所述目标区域中是否存在处于目标机器人预设路线上的目标障碍物,所述环境数据信息包括:激光雷达扫描数据以及深度摄像数据。
8.一种机器人的移动控制装置,其特征在于,包括:获取模块、确定模块以及控制模块;
所述获取模块,用于获取目标区域中的环境图像信息;
所述确定模块,用于根据所述环境图像信息,确定当前环境的类型,所述当前环境的类型包括:开阔环境或狭小环境;
所述确定模块,还用于基于所述环境图像信息确定所述目标区域中是否存在处于目标机器人预设路线上的目标障碍物;
若是,且当前环境的类型为所述狭小环境,所述控制模块用于根据目标机器人的预设路线以及所述目标障碍物的运动状态,控制所述目标机器人移动,所述运动状态包括:移动状态或静止状态。
9.一种计算机设备,其特征在于,包括:存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210118014.8A CN114489082A (zh) | 2022-02-08 | 2022-02-08 | 机器人的移动控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210118014.8A CN114489082A (zh) | 2022-02-08 | 2022-02-08 | 机器人的移动控制方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114489082A true CN114489082A (zh) | 2022-05-13 |
Family
ID=81478023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210118014.8A Pending CN114489082A (zh) | 2022-02-08 | 2022-02-08 | 机器人的移动控制方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114489082A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115043277A (zh) * | 2022-05-20 | 2022-09-13 | 浙江孚宝智能科技有限公司 | 一种机器人乘梯的控制方法、系统及存储介质 |
CN115154080A (zh) * | 2022-07-07 | 2022-10-11 | 广东职业技术学院 | 一种电动轮椅防碰撞系统及方法 |
-
2022
- 2022-02-08 CN CN202210118014.8A patent/CN114489082A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115043277A (zh) * | 2022-05-20 | 2022-09-13 | 浙江孚宝智能科技有限公司 | 一种机器人乘梯的控制方法、系统及存储介质 |
CN115154080A (zh) * | 2022-07-07 | 2022-10-11 | 广东职业技术学院 | 一种电动轮椅防碰撞系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3101978C (en) | Tracking vehicles in a warehouse environment | |
EP3434626B1 (en) | Projection instruction device, parcel sorting system, and projection instruction method | |
CN114489082A (zh) | 机器人的移动控制方法、装置、设备及存储介质 | |
JP2020534617A (ja) | 二次元画像および点群データからの三次元境界ボックス | |
US11756211B2 (en) | Topview object tracking using a sensor array | |
JP6722348B2 (ja) | 一体型の障害物検出及びペイロードセンタリングセンサシステム | |
JP2004171165A (ja) | 移動装置 | |
EP3434621B1 (en) | Instruction projecting device, parcel sorting system and instruction projecting method | |
EP3434622A1 (en) | Instruction projecting device, package sorting system and instruction projecting method | |
US11875570B1 (en) | Updating agent position information | |
CN113657565A (zh) | 机器人跨楼层移动方法、装置、机器人及云端服务器 | |
EP3434623B1 (en) | Projection indicator, cargo assortment system, and projection indicating method | |
US11835960B2 (en) | System and method for semantically identifying one or more of an object and a location in a robotic environment | |
CN110470308A (zh) | 一种避障系统及方法 | |
JP2022548009A (ja) | 物体移動システム | |
Popov et al. | Development of mobile robot target recognition and following behaviour using deep convolutional neural network and 2D range data | |
CN111591284A (zh) | 基于单目识别的视野盲区避障方法及装置 | |
EP3434625B1 (en) | Projection instruction device, parcel sorting system, and projection instruction method | |
CN112105485B (zh) | 为移动机器人提供危险检测和控制的装置、系统和方法 | |
CN112037259A (zh) | 动态目标的跟踪系统及方法 | |
CN112291701A (zh) | 定位验证方法、装置、机器人、外部设备和存储介质 | |
Rozsa et al. | Localization of map changes by exploiting SLAM residuals | |
CN117719500B (zh) | 车辆碰撞检测方法、装置、电子设备及存储介质 | |
EP3434624B1 (en) | Projection instruction device, parcel sorting system, and projection instruction method | |
EP4246464A1 (en) | Static privacy masking |
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 |