CN114859942A - 一种机器人运动控制方法、装置、电子设备及存储介质 - Google Patents
一种机器人运动控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114859942A CN114859942A CN202210785824.9A CN202210785824A CN114859942A CN 114859942 A CN114859942 A CN 114859942A CN 202210785824 A CN202210785824 A CN 202210785824A CN 114859942 A CN114859942 A CN 114859942A
- Authority
- CN
- China
- Prior art keywords
- terrain
- mobile robot
- area
- characteristic information
- image
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 71
- 230000002093 peripheral effect Effects 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 230000004888 barrier function Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer 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
- G05D1/0212—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
-
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本公开涉及机器人技术领域,提供了一种机器人运动控制方法、装置、电子设备及存储介质。该方法包括:采集移动机器人的作业区域的工作环境图像,根据工作环境图像,构建三维环境地图;对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型;若地形类型为平坦无障地形,则控制移动机器人使用滚轮移动模式进行运动;若地形类型为无障斜坡地形,则控制移动机器人使用履带移动模式进行运动;若地形类型为有障地形,则控制移动机器人使用避障移动模式进行运动。本公开可实现移动机器人在室外等复杂环境下的稳定和灵活运动控制,并可提高移动机器人在复杂环境下的工作能力。
Description
技术领域
本公开涉及机器人技术领域,尤其涉及一种机器人运动控制方法、装置、电子设备及存储介质。
背景技术
随机科学技术的飞速发展,移动机器人已经开始逐渐从室内环境扩展到复杂、不规则的室外环境,如户外巡逻机器人、空间自主移动探测机器人等,极大地拓展了人类在复杂、空间探测等极限环境下的工作能力。
与室内环境相比,因室外环境通常具有未知、复杂多变等特点,所以移动机器人在室外环境下的运动控制相较于其在室内环境下的运动控制往往会更加复杂,且难度更大。在此情况下,传统的室内移动机器人的运动控制方法难以满足移动机器人在室外复杂环境下的稳定和灵活运动控制的需求。
发明内容
有鉴于此,本公开实施例提供了一种机器人运动控制方法、装置、电子设备及存储介质,以解决现有的室内移动机器人的运动控制方法难以满足移动机器人在室外复杂环境下的稳定和灵活运动控制的需求的问题。
本公开实施例的第一方面,提供了一种机器人运动控制方法,包括:
采集移动机器人的作业区域的工作环境图像,根据工作环境图像,构建三维环境地图;
对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;
提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型,地形类型包括平坦无障地形、无障斜坡地形和有障地形;
若地形类型为平坦无障地形,则控制移动机器人使用滚轮移动模式进行运动;
若地形类型为无障斜坡地形,则控制移动机器人使用履带移动模式进行运动;
若地形类型为有障地形,则控制移动机器人使用避障移动模式进行运动。
本公开实施例的第二方面,提供了一种机器人运动控制装置,包括:
采集模块,被配置为采集移动机器人的作业区域的工作环境图像,根据工作环境图像,构建三维环境地图;
划分模块,被配置为对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;
提取模块,被配置为提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型,地形类型包括无障地形和有障地形;
第一控制模块,被配置为若地形类型为平坦无障地形,则控制移动机器人使用滚轮移动模式进行运动;
第二控制模块,被配置为若地形类型为无障斜坡地形,则控制移动机器人使用履带移动模式进行运动;
第三控制模块,被配置为若地形类型为有障地形,则控制移动机器人使用避障移动模式进行运动。
本公开实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比,其有益效果至少包括:本公开实施例通过采集移动机器人的作业区域的工作环境图像,根据工作环境图像,构建三维环境地图;对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型,地形类型包括平坦无障地形、无障斜坡地形和有障地形;若地形类型为平坦无障地形,则控制移动机器人使用滚轮移动模式进行运动;若地形类型为无障斜坡地形,则控制移动机器人使用履带移动模式进行运动;若地形类型为有障地形,则控制移动机器人使用避障移动模式进行运动,从而实现了移动机器人在室外等复杂环境下的稳定和灵活运动控制,有利于提高移动机器人在复杂环境下的工作能力。
附图说明
为了更清楚地说明本公开实施例中的技术方案,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,下面描述中的附图仅仅是本公开的一些实施例,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它的附图。
图1是本公开实施例的一种应用场景的场景示意图;
图2是本公开实施例提供的一种机器人运动控制方法的流程示意图;
图3是本公开实施例提供的机器人运动控制中的一种感兴趣区域与非感兴趣区域的划分示意图;
图4是本公开实施例提供的一种机器人运动控制装置的结构示意图;
图5是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
下面将结合附图详细说明根据本公开实施例的一种机器人运动控制方法和装置。
图1是本公开实施例的一种应用场景的场景示意图。该应用场景可以包括移动机器人101、服务器102以及网络103。
在本公开实施例中,移动机器人101可以是配备有视觉系统(如单目摄像机、双目摄像机等)、激光测距仪(如激光雷达等)、声纳传感器、红外传感器、电子罗盘、惯性测量单元、GPS(全球定位系统)等各类传感器,具备串行、无线网络等通信接口,以及根据实际需求配备的控制器(如单片机、MCU(微控制单元)等)的服务机器人、搬运机器人、清洁机器人、探测机器人等。
优选的,本公开实施例的移动机器人101的移动机构可包括移动滚轮和移动履带。
服务器102可以是提供各种服务的服务器,例如,对与其建立通信连接的移动机器人发送的请求进行接收的后台服务器,该后台服务器可以对移动机器人发送的请求进行接收和分析等处理,并生成处理结果。服务器102可以是一台服务器,也可以是由若干台服务器组成的服务器集群,或者还可以是一个云计算服务中心,本公开实施例对此不作限制。
需要说明的是,服务器102可以是硬件,也可以是软件。当服务器102为硬件时,其可以是为移动机器人101提供各种服务的各种电子设备。当服务器102为软件时,其可以是为移动机器人101提供各种服务的多个软件或软件模块,也可以是为移动机器人101提供各种服务的单个软件或软件模块,本公开实施例对此不作限制。
网络103可以是采用同轴电缆、双绞线和光纤连接的有线网络,也可以是无需布线就能实现各种通信设备互联的无线网络,例如,蓝牙(Bluetooth)、近场通信(Near FieldCommunication,NFC)、红外(Infrared)等,本公开实施例对此不作限制。
在一示例性实施例中,本公开实施例提供的机器人运动控制方法的执行主体可以是移动机器人101中配置的控制器。其中,控制器可经由网络103与移动机器人的视觉系统建立通信连接。在实际应用中,可通过移动机器人的视觉系统采集的移动机器人的作业区域的工作环境图像并发送给控制器,然后,控制器可根据该工作环境图像,构建三维环境地图;再对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;然后,提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型;若地形类型为平坦无障地形,控制器则控制移动机器人使用滚轮移动模式进行运动;若地形类型为无障斜坡地形,控制器则控制移动机器人使用履带移动模式进行运动;若地形类型为有障地形,控制器则控制移动机器人使用避障移动模式进行运动。通过上述方法可实现移动机器人在室外等复杂环境下的稳定和灵活运动控制,有利于提高移动机器人在复杂环境下的工作能力。
在另一示例性实施例中,本公开实施例提供的机器人运动控制方法的执行主体可以是服务器102。服务器102可经由网络103与移动机器人101建立通信连接。在实际应用中,可通过移动机器人101的视觉系统采集的移动机器人的作业区域的工作环境图像并发送给服务器102,然后,服务器102可根据该工作环境图像,构建三维环境地图;再对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;然后,提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型;若地形类型为平坦无障地形,服务器则控制移动机器人使用滚轮移动模式进行运动;若地形类型为无障斜坡地形,服务器则控制移动机器人使用履带移动模式进行运动;若地形类型为有障地形,服务器则控制移动机器人使用避障移动模式进行运动。通过上述方法可实现移动机器人在室外等复杂环境下的稳定和灵活运动控制,有利于提高移动机器人在复杂环境下的工作能力。
需要说明的是,移动机器人101、服务器102以及网络103的具体类型、数量和组合可以根据应用场景的实际需求进行调整,本公开实施例对此不作限制。
图2是本公开实施例提供的一种机器人运动控制方法的流程示意图。图2的机器人运动控制方法可以由图1的移动机器人101的控制器执行。如图2所示,该机器人运动控制方法包括:
步骤S201,采集移动机器人的作业区域的工作环境图像,根据工作环境图像,构建三维环境地图。
作业区域,可以是指移动机器人即将要执行或者正在执行的某任务(如搬运货物)的运动区域。例如,移动机器人即将要执行的任务是在某小区内进行货物运送,那么某小区即为移动机器人的作业区域。
工作环境图像,可以是通过移动机器人上的视觉传感器(如单目摄像头)采集到其执行任务时的作业区域的二维图像信息。也可以使通过基于TOF(Time-of-flight)原理的3D摄像机采集到其执行任务时的作业区域的三维图像信息。这些工作环境图像可以是作业区域内的一系列彩色图像。
移动机器人在复杂多变的室外环境下作业,其自身定位精度与环境地图相辅相成,缺一不可,是移动机器人实现精确导航的关键技术之一。环境地图的准确性依赖于定位精度,而定位的实现又不可离开环境地图。因此,本公开通过获取到的工作环境图像进行建模,构建得到三维环境地图。该三维环境地图相较于原始的工作环境图像,涵盖了更加丰富的环境信息,能够更加客观地反映现实环境,有利于实现更加精确的机器人运动控制。
步骤S202,对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域。
感兴趣区域,通常是指移动机器人在执行任务的作业区域内移动经过的部分区域。
非感兴趣区域则是相对于上述感兴趣区域之外的区域,包括移动机器人在执行任务的作业区域内不移动经过的其他部分区域。
步骤S203,提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型,地形类型包括平坦无障地形、无障斜坡地形和有障地形。
环境特征信息,可以包括感兴趣区域的物体的几何特征、颜色特征、纹理特征等。
平坦无障地形,一般是指作业区域中地面较为平整,没有明显的坡度,没有障碍物的路段。障碍物可以是指路面上的石头、树木、灯塔或者地图上原来没有的其他物体(如动物、行人等)等。
无障斜坡地形,一般是指作业区域中没有障碍物,路面倾斜,具有一定坡度(如作业路面的高度大于预设的地平线的高度)的路段。
有障地形,一般是指作业区域中有障碍物的区域。例如,可以是有障碍物的平坦路段,也可以是有障碍物的斜坡路段,还可以是有障碍物的平坦路段和斜坡路段的复合路段。
通过对三位环境地图进行划分,得到感兴趣区域和非感兴趣区域,并进一步提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型,可以减少对非感兴趣区域的信息提取的计算量,有利于提高移动机器人处理三维环境地图的效率。
步骤S204,若地形类型为平坦无障地形,则控制移动机器人使用滚轮移动模式进行运动。
滚轮移动模式,可以是指移动机器人使用其滚动机构在平坦无障地形区域内移动的模式。
步骤S205,若地形类型为无障斜坡地形,则控制移动机器人使用履带移动模式进行运动。
履带移动模式,可以是指移动机器人使用其履带机构在斜坡无障地形区域内移动的模式。
步骤S206,若地形类型为有障地形,则控制移动机器人使用避障移动模式进行运动。
避障移动模式,可以是指移动机器人使用其滚轮和/或履带绕开障碍物行驶的模式。
本公开实施例提供的技术方案,通过采集移动机器人的作业区域的工作环境图像,根据工作环境图像,构建三维环境地图;对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型,地形类型包括平坦无障地形、无障斜坡地形和有障地形;若地形类型为平坦无障地形,则控制移动机器人使用滚轮移动模式进行运动;若地形类型为无障斜坡地形,则控制移动机器人使用履带移动模式进行运动;若地形类型为有障地形,则控制移动机器人使用避障移动模式进行运动,从而实现了移动机器人在室外等复杂环境下的稳定和灵活运动控制,有利于提高移动机器人在复杂环境下的工作能力。
在一些实施例中,根据工作环境图像,构建三维环境地图,可以包括如下步骤:
将工作环境图像发送给周边处理设备,以使周边处理设备对工作环境图像进行处理,并向移动机器人返回图像处理结果,图像处理结果包括工作环境图像的几何信息;
对工作环境图像进行栅格化处理,得到栅格地图;
根据图像处理结果和栅格地图,构建三维环境地图。
在一示例性实施例中,将工作环境图像发送给周边处理设备,以使周边处理设备对工作环境图像进行处理,并向移动机器人返回图像处理结果,可以包括如下步骤:
建立移动机器人与周边处理设备之间的局域通信链路;
对工作环境图像进行加密,得到加密图像,加密图像包括移动机器人的标识信息;
通过局域通信链路将加密图像发送给周边处理设备,以使周边处理设备对加密图像进行解密处理,得到解密图像,并对解密图像进行特征提取,得到图像处理结果并返回移动机器人。
周边处理设备,可以是移动机器人在作业区域内执行任务的附近范围内,例如,与移动机器人的距离在100米以内的手机、电脑等终端设备,或者是边缘计算设备等。
在本实施例中,可以先建立起移动机器人与周边处理设备之间的局域通信链路。示例性的,可建立起移动机器人与周边处理设备之间的局域网络,使得移动机器人与周边处理设备之间可以通过局域网络进行通信,以收发信息等。
在本实施例中,可以预先在移动机器人将要执行任务的作业区域内安装局域网络,在移动机器人在执行任务进入该局域网络的无线信号覆盖区域内时,即可扫描查询并接入该局域网络,并可以在该局域网络的无线信号覆盖区域内与预先建立了数据处理协议等关联关系的边缘计算设备或者终端设备建立起局域通信链路,并使用该局域通信链路进行数据传输和处理等。
本公开实施例,在移动机器人进入到作业区域的局域网络信号覆盖范围内时,可以通过局域网络与周边处理设备进行通信,从而保证了数据传输的质量和可靠性,同时提高了数据的传输速率,有利于实现移动机器人在作业区域内的精确和快速的定位,提高移动机器人的导航准确性。
作为一优选实施例,可以预先在移动机器人将要执行任务的作业区域附近的边缘计算设备A上(或者边缘计算设备的所在位置处)安装路由器,并将相关的路由器账号和密码提前发送给移动机器人,移动机器人在接收到路由器的账号和密码后可以将其存储在预设的存储位置中。当检测到移动机器人进入作业区域的范围内时,可以从该预设的存储位置中调取出路由器的账号和密码,并使用该账号和密码连接上该路由器,从而建立起移动机器人与边缘计算设备A之间的局域通信链路。之后,移动机器人可通过该局域通信链路将其采集到的工作环境图像传输给边缘计算设备,由边缘计算设备对该工作环境图像进行处理,并将图像处理结果返回给移动机器人,使得移动机器人能够使用该图像处理结果进行下一步的构建三维环境地图的相关操作。
通过将移动机器人采集到的工作环境图像发送给边缘计算设备进行处理,可以减少工作环境图像处理对移动机器人的算力依赖,减轻移动机器人的计算任务量,同时可充分利用边缘计算设备提高对工作环境图像的处理效率。
在一优选实施例中,移动机器人在向周边处理设备发送工作环境图像之前,可以对工作环境图像进行加密,得到加密图像。例如,可以采用AES算法(Advanced EncryptionStandard,高级加密标准)对工作环境图像进行加密,得到加密图像。
在一些情况下,周边处理设备可能会需要处理多个数据计算任务,因此,为了更好地识别移动机器人发送过来的工作环境图像,并避免后续处理完之后准确将图像处理结果返回给移动机器人,可以在加密图像的传输数据包中添加移动机器人的标识信息(如,移动机器人的唯一标识编码信息等)。
在一示例性实施例中,当周边处理设备接收到移动机器人发送过来的工作环境图像时,可以将工作环境图像输入至预设的图像处理模型,以提取出工作环境图像中的几何信息,获得图像处理结果。该几何信息通常是指工作环境图像中的物体的形状、大小(如长、宽、高)、体积等特征信息。该图像处理结果还可包括工作环境图像中的物体的类别及其对应的概率值,例如,某物体的类别为石头的概率值为90%。
在本实施例中,移动机器人可将工作环境图像发送至其内部的数据处理装置(如控制器),以对工作环境图像进行栅格化处理,得到栅格地图。具体的,可以将工作环境图像划分为一系列大小相同的栅格区域,得到栅格地图。示例性的,假设工作环境图像为一副100*100的地图,将该100*100的工作环境图像划分为一系列10*10的栅格区域(共100个格栅),即可得到栅格地图。
在一优选实施例中,移动机器人在接收到周边处理设备返回的图像处理结果时,可以进一步将该图像处理结果和栅格地图输入预先经神经网络训练得到的三维环境地图构建模型中,以构建得到与工作环境图像对应的三维环境地图。构建得到的三维环境地图相较于原始的工作环境图像,包含了更加丰富的环境特征信息,更能客观、真实地反映作业区域的环境条件。
在一些实施例中,上述步骤S202,可以具体包括如下步骤:
获取与作业区域对应的移动规划路线;
提取出移动规划路线中的各个路径节点;
以每一个路径节点为中心,在三维环境地图中划出具有预设半径的球状区域;
将三维环境地图中的各个球状区域确定为感兴趣区域,其余区域确定为非感兴趣区域。
在一示例性实施例中,结合图3,假设获取到移动机器人在作业区域B内的移动规划路线(如图3中由路径节点a、b、c、d串联形成的路线),提取出该移动规划路线中的各个路径节点a、b、c和d。接着,分别以路径节点a、b、c和d为中心,在三维环境地图中划出具有预设半径的球状区域。
以路径节点a为中心在三维环境地图中划区域为例,具体的,以路径节点a点为中心,在三维环境地图中划出具有预设半径的球状区域S1。其中,预设半径通常是指移动机器人行走至路径节点a时,移动机器人的视觉系统所能扫描到的局部区域,可以理解为移动机器人能够“看”到的局部区域。将这些移动机器人在作业区域内按照预设的移动规划路线运动执行任务时所能“看”到的局部区域确定为感兴趣区域,其余区域,比如,一些远景(理解为超出视野范围内)、天空(移动机器人不可能到达的高度)等区域可理解为移动机器人不能到达或者不能看到的区域,则可确定为非感兴趣区域。
通过对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域,后续仅针对感兴趣区域进行分析和处理,可以大大减少移动机器人的计算量,从而提高计算效率,减小数据占用的内存。
在一些情况下,移动机器人可能会因为自身的设备发生故障,如导航设备的精度下降等原因而导致在作业区域内偏离了原来预先规划好的移动规划路线。为了及时纠正移动机器人的运动偏离异常,提高移动机器人的导航灵活性,可以通过获取移动机器人的当前位置坐标点;查找出移动规划路线中与当前位置坐标点的距离最近的目标路径节点,以及与目标路径节点对应的目标球状区域;判断当前位置坐标点是否在目标路径节点对应的球状区域范围内;若当前位置坐标点在目标路径节点对应的目标球状区域内,则不修改目标球状区域;若当前位置坐标点不在目标路径节点对应的球状区域范围内,则对目标路径节点对应的目标球状区域进行扩大,得到扩大球状区域,并使用扩大球状区域覆盖目标球状区域。
在一示例性实施例中,结合图3,假设移动机器人当前移动至点a′,那么可以获取点a′的坐标点(即当前位置坐标点),然后,通过分别解算点a′与移动规划路线中的各路径节点a、b、c和d之间的距离值,从而查找出述移动规划路线中与当前位置坐标点的距离最近的目标路径节点(假设为路径节点a)。接着,进一步判断点a′是否在目标路径节点对应的球状区域范围内,即判断点a′是否被球状区域S1覆盖。若点a′被球状区域S1覆盖,则表明当前位置坐标点在目标路径节点对应的目标球状区域内,则不修改目标球状区域,即不对该目标球状区域做任何处理。若点a′没有被球状区域S1覆盖,则表明当前位置坐标点不在目标路径节点对应的目标球状区域内,则可对目标路径节点对应的目标球状区域进行扩大,得到扩大球状区域S1′,以使得该扩大球状区域能够覆盖点a′。同时,使用扩大球状区域S1′覆盖目标球状区域S1。也即,将路径节点a对应的目标球状区域S1替换为扩大球状区域S1′,更改后的路径节点a对应的球状区域为S1′。
移动机器人可通过分析球状区域为S1′内的环境特征信息,重新移动回路径节点a,或者是重新规划路线,从点a′移动至下一路径节点b。
在一些实施例中,上述步骤S203,具体可包括如下步骤:
提取感兴趣区域的开放度特征信息、粗糙度特征信息、平整度特征信息、颜色特征信息和纹理特征信息;
获取与开放度特征信息对应的第一权重值,与粗糙度特征信息对应的第二权重值,与平整度特征信息对应的第三权重值,与颜色特征信息对应的第四权重值,与纹理特征信息的第五权重值;
根据开放度特征信息、粗糙度特征信息、平整度特征信息、颜色特征信息、纹理特征信息、第一权重值、第二权重值、第三权重值、第四权重值和第五权重值,确定作业区域的地形类型。
开放度特征信息,通常是指感兴趣区域为封闭空间(或围绕空间)还是广阔空间(或者开放空间)及其对应的概率值。封闭空间一般是指森林、山、城市中心等。广阔空间一般是指海岸、高速公路等。
粗糙度特征信息,主要指主要构成成分的颗粒大小。这取决于每个空间中元素的尺寸,它们构建更加复杂的元素的可能性,以及构建的元素之间的结构关系等等。粗糙度与场景的分形维度有关,也可以称为复杂度。
平整度特征信息,主要是指感兴趣区域内的路面的坡度信息。
颜色特征信息,主要是指感兴趣区域内的各物体的颜色(或者是像素值)。
纹理特征信息,主要是一些用于表征感兴趣区域内的各物体的物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性的信息。
在一示例性实施例中,可以通过分析各种场景的特点,为开放度特征信息、粗糙度特征信息、平整度特征信息、颜色特征信息和纹理特征信息分别配置一个权重值,以更好地识别各种地形类型(或场景类型)。
然后,根据提取得到的开放度特征信息、粗糙度特征信息、平整度特征信息、颜色特征信息和纹理特征信息,以及它们分别对应的第一、第二、第三、第四和第五权重值,计算得到每一个感兴趣区域对应的地形类型的类别概率值。
作为一示例,结合图3,假设提取到感兴趣区域为路径节点a球状区域S1,从球状区域S1中提取到特征信息分别为开放度特征信息a1、粗糙度特征信息a2、平整度特征信息a3、颜色特征信息a4和纹理特征信息a5。若预设的与开放度特征信息对应的第一权重值为W1,与粗糙度特征信息对应的第二权重值W2,与平整度特征信息对应的第三权重值W3,与颜色特征信息对应的第四权重值W4,与纹理特征信息的第五权重值W5。那么,可以进一步根据a1~a5,W1~W5,计算出球状区域S1对应的地形类型的各类别的概率值。例如,地形类型分为平坦无障地形、无障斜坡地形和有障地形三个类别,若根据上述a1~a5,W1~W5计算出球状区域S1对应的地形类型的各类别的概率值分别为平坦无障地形0%、无障斜坡地形15%和有障地形85%,则可确定球状区域S1对应的地形类型为有障地形。
在一些实施例中,若地形类型为无障斜坡地形,则控制移动机器人使用履带移动模式进行运动,具体可包括如下步骤:
若地形类型为无障斜坡地形,则计算无障斜坡地形的坡度值;
根据坡度值的大小,调整移动机器人的履带与斜坡坡面的接触面积。
在一示例性实施例中,若确定移动机器人在作业区域内的路径节点a的球状区域S1的地形类型为无障碍斜坡地形,那么可以进一步获取该球状区域S1内的斜坡区域的坡度值。例如,可以通过获取球状区域S1内的斜坡区域的梯度线,然后根据该梯度线计算出斜坡区域的坡度值。又或者是通过安装在移动机器人上的陀螺仪、角度传感器等仪器检测计算得到无障斜坡地形的坡度值。
一般地,坡度越大,移动机器人发生下滑等不稳定性的可能性越大。本实施例中,根据坡度值的大小,调整移动机器人的履带与斜坡坡面的接触面积,可以提高移动机器人在斜坡区域上的运动稳定性,有效防止移动机器人倾翻。示例性的,在坡度值增大时,可适当调整增加移动机器人的履带与斜坡坡面的接触面积,以提高移动机器人在斜坡坡面上运动的稳定性。
在实际应用中,可以预先设置坡度值变化范围与履带和斜坡坡面的接触面积之间的映射关系,以便于后续根据坡度值的变化来确定调整移动机器人的履带与斜坡坡面的接触面积。例如,坡度值在p1~p2度之间对应履带与斜坡坡面的接触面积为x1平方米;坡度值在p3~p4度之间对应履带与斜坡坡面的接触面积为x2平方米等。具体的坡度值范围与履带和斜坡坡面的接触面积的数值可以根据实际情况设置,在本实施例中不做具体限制。
在一些实施例中,上述移动机器人包括移动滚轮和移动履带,用于驱动移动滚轮的第一电机,用于驱动移动履带的第二电机。
若地形类型为有障地形,则控制移动机器人使用避障移动模式进行运动,具体可包括如下步骤:
确定移动机器人在有障地形下,第一电机和第二电机的电机使用时序;
根据电机使用时序,切换使用第一电机和/或第二电机,以驱动移动机器人使用移动滚轮和/或移动履带进行移动。
在本实施例中,移动机器人为包括移动滚轮和移动履带的混合移动机构的机器人。其中,移动滚轮可由第一电机提供驱动动力源,履带则由第二电机提供驱动动力源。
作为一示例,假设移动机器人在作业区域内的路径节点a的球状区域S1的地形类型为有障地形,那么可以先分析球状区域S1中的障碍物的特征信息,确定障碍物的所在位置、大小、形状等;然后,再根据上述分析确定的障碍物的所在位置、大小、形状等进行移动机器人的运动方案决策,即决策确定在什么时候、什么位置采用移动滚轮还是移动履带,或者是两者结合的运动方式通过该球状区域S1。比如,决策的结果是:在y1时刻下,采用移动滚轮通过路段h1,在y2时刻下,采用移动履带通过路段h2,在y3时刻下,采用移动滚轮和移动履带的复合运动方式通过路段h3……在yi时刻下,采用移动履带通过路段hi。其中,i表示将球状区域S1划分为多少个路段区域。如将球状区域S1划分为5个路段区域,那么i=5。
若是球状区域S1划分为3个路段区域,决策的结果是:在y1时刻下,采用移动滚轮通过路段h1,在y2时刻下,采用移动履带通过路段h2,在y3时刻下,采用移动滚轮和移动履带的复合运动方式通过路段h3,那么,第一电机和第二电机的电机使用时序为[(y1,e1),(y2,e2),(y3,e1+e2)]。之后,根据[(y1,e1),(y2,e2),(y3,e1+e2)],切换使用第一电机(y1时刻),第二电机(y2时刻),第一和第二电机(y3时刻),驱动移动机器人在球状区域S1内使用移动滚轮和/或移动履带进行移动。
本公开实施例,当移动机器人需要移动通过有障地形时,可通过先确定第一电机和第二电机的电机使用时序,然后,根据电机使用时序,切换使用第一电机和/或第二电机,以驱动移动机器人使用移动滚轮和/或移动履带进行移动,可节省移动机器人的能耗,延长其续航时间。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图4是本公开实施例提供的一种机器人运动控制装置的示意图。如图4所示,该机器人运动控制装置包括:
采集模块401,被配置为采集移动机器人的作业区域的工作环境图像,根据工作环境图像,构建三维环境地图;
划分模块402,被配置为对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;
提取模块403,被配置为提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型,地形类型包括无障地形和有障地形;
第一控制模块404,被配置为若地形类型为平坦无障地形,则控制移动机器人使用滚轮移动模式进行运动;
第二控制模块405,被配置为若地形类型为无障斜坡地形,则控制移动机器人使用履带移动模式进行运动;
第三控制模块406,被配置为若地形类型为有障地形,则控制移动机器人使用避障移动模式进行运动。
本公开实施例提供的技术方案,通过采集模块401采集移动机器人的作业区域的工作环境图像,根据工作环境图像,构建三维环境地图;划分模块402对三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;提取模块403提取感兴趣区域的环境特征信息,根据环境特征信息确定作业区域的地形类型,地形类型包括平坦无障地形、无障斜坡地形和有障地形;第一控制模块404若地形类型为平坦无障地形,则控制移动机器人使用滚轮移动模式进行运动;第二控制模块405若地形类型为无障斜坡地形,则控制移动机器人使用履带移动模式进行运动;第三控制模块406若地形类型为有障地形,则控制移动机器人使用避障移动模式进行运动,从而实现了移动机器人在室外等复杂环境下的稳定和灵活运动控制,有利于提高移动机器人在复杂环境下的工作能力。
在一些实施例中,根据工作环境图像,构建三维环境地图,包括:
将工作环境图像发送给周边处理设备,以使周边处理设备对工作环境图像进行处理,并向移动机器人返回图像处理结果,图像处理结果包括工作环境图像的几何信息;
对工作环境图像进行栅格化处理,得到栅格地图;
根据图像处理结果和栅格地图,构建三维环境地图。
在一些实施例中,将工作环境图像发送给周边处理设备,以使周边处理设备对工作环境图像进行处理,并向移动机器人返回图像处理结果,包括:
建立移动机器人与周边处理设备之间的局域通信链路;
对工作环境图像进行加密,得到加密图像,加密图像包括移动机器人的标识信息;
通过局域通信链路将加密图像发送给周边处理设备,以使周边处理设备对加密图像进行解密处理,得到解密图像,并对解密图像进行特征提取,得到图像处理结果并返回移动机器人。
在一些实施例中,上述划分模块402,包括:
路线获取单元,被配置为获取与作业区域对应的移动规划路线;
节点提取单元,被配置为提取出移动规划路线中的各个路径节点;
区域划分单元,被配置为以每一个路径节点为中心,在三维环境地图中划出具有预设半径的球状区域;
区域确定单元,被配置为将三维环境地图中的各个球状区域确定为感兴趣区域,其余区域确定为非感兴趣区域。
在一些实施例中,上述装置还包括:
坐标获取模块,被配置为获取移动机器人的当前位置坐标点;
查找模块,被配置为查找出移动规划路线中与当前位置坐标点的距离最近的目标路径节点,以及与目标路径节点对应的目标球状区域;
判断模块,被配置为判断当前位置坐标点是否在目标路径节点对应的球状区域范围内;
第一处理模块,被配置为若当前位置坐标点在目标路径节点对应的目标球状区域内,则不修改目标球状区域;
第二处理模块,被配置为若当前位置坐标点不在目标路径节点对应的球状区域范围内,则对目标路径节点对应的目标球状区域进行扩大,得到扩大球状区域,并使用扩大球状区域覆盖目标球状区域。
在一些实施例中,上述提取模块403包括:
信息提取单元,被配置为提取感兴趣区域的开放度特征信息、粗糙度特征信息、平整度特征信息、颜色特征信息和纹理特征信息;
权重获取单元,被配置为获取与开放度特征信息对应的第一权重值,与粗糙度特征信息对应的第二权重值,与平整度特征信息对应的第三权重值,与颜色特征信息对应的第四权重值,与纹理特征信息的第五权重值;
类型确定单元,被配置为根据开放度特征信息、粗糙度特征信息、平整度特征信息、颜色特征信息、纹理特征信息、第一权重值、第二权重值、第三权重值、第四权重值和第五权重值,确定作业区域的地形类型。
在一些实施例中,上述第二控制模块405包括:
计算单元,被配置为若地形类型为无障斜坡地形,则计算无障斜坡地形的坡度值;
调整单元,被配置为根据坡度值的大小,调整移动机器人的履带与斜坡坡面的接触面积。
在一些实施例中,上述移动机器人包括移动滚轮和移动履带,用于驱动移动滚轮的第一电机,用于驱动移动履带的第二电机。
上述第三控制模块406包括:
时序确定单元,被配置为确定移动机器人在有障地形下,第一电机和第二电机的电机使用时序;
切换单元,被配置为根据电机使用时序,切换使用第一电机和/或第二电机,以驱动移动机器人使用移动滚轮和/或移动履带进行移动。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图5是本公开实施例提供的电子设备5的示意图。如图5所示,该实施例的电子设备5包括:处理器501、存储器502以及存储在该存储器502中并且可在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者,处理器501执行计算机程序503时实现上述各装置实施例中各模块/单元的功能。
电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解,图5仅仅是电子设备5的示例,并不构成对电子设备5的限定,可以包括比图示更多或更少的部件,或者不同的部件。
处理器501可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
存储器502可以是电子设备5的内部存储单元,例如,电子设备5的硬盘或内存。存储器502也可以是电子设备5的外部存储设备,例如,电子设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。存储器502还可以既包括电子设备5的内部存储单元也包括外部存储设备。存储器502用于存储计算机程序以及电子设备所需的其它程序和数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (11)
1.一种机器人运动控制方法,其特征在于,包括:
采集移动机器人的作业区域的工作环境图像,根据所述工作环境图像,构建三维环境地图;
对所述三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;
提取所述感兴趣区域的环境特征信息,根据所述环境特征信息确定所述作业区域的地形类型,所述地形类型包括平坦无障地形、无障斜坡地形和有障地形;
若所述地形类型为平坦无障地形,则控制所述移动机器人使用滚轮移动模式进行运动;
若所述地形类型为无障斜坡地形,则控制所述移动机器人使用履带移动模式进行运动;
若所述地形类型为有障地形,则控制所述移动机器人使用避障移动模式进行运动。
2.根据权利要求1所述的方法,其特征在于,根据所述工作环境图像,构建三维环境地图,包括:
将所述工作环境图像发送给周边处理设备,以使所述周边处理设备对所述工作环境图像进行处理,并向所述移动机器人返回图像处理结果,所述图像处理结果包括所述工作环境图像的几何信息;
对所述工作环境图像进行栅格化处理,得到栅格地图;
根据所述图像处理结果和所述栅格地图,构建三维环境地图。
3.根据权利要求2所述的方法,其特征在于,将所述工作环境图像发送给周边处理设备,以使所述周边处理设备对所述工作环境图像进行处理,并向所述移动机器人返回图像处理结果,包括:
建立所述移动机器人与所述周边处理设备之间的局域通信链路;
对所述工作环境图像进行加密,得到加密图像,所述加密图像包括所述移动机器人的标识信息;
通过所述局域通信链路将所述加密图像发送给所述周边处理设备,以使所述周边处理设备对所述加密图像进行解密处理,得到解密图像,并对所述解密图像进行特征提取,得到图像处理结果并返回所述移动机器人。
4.根据权利要求1所述的方法,其特征在于,对所述三维环境地图进行划分,得到感兴趣区域和非感兴趣区域,包括:
获取与所述作业区域对应的移动规划路线;
提取出所述移动规划路线中的各个路径节点;
以每一个路径节点为中心,在所述三维环境地图中划出具有预设半径的球状区域;
将所述三维环境地图中的各个球状区域确定为感兴趣区域,其余区域确定为非感兴趣区域。
5.根据权利要求4所述的方法,其特征在于,将所述三维环境地图中的各个球状区域确定为感兴趣区域,其余区域确定为非感兴趣区域之后,还包括:
获取所述移动机器人的当前位置坐标点;
查找出所述移动规划路线中与所述当前位置坐标点的距离最近的目标路径节点,以及与所述目标路径节点对应的目标球状区域;
判断所述当前位置坐标点是否在所述目标路径节点对应的球状区域范围内;
若所述当前位置坐标点在所述目标路径节点对应的目标球状区域内,则不修改所述目标球状区域;
若所述当前位置坐标点不在所述目标路径节点对应的球状区域范围内,则对所述目标路径节点对应的目标球状区域进行扩大,得到扩大球状区域,并使用所述扩大球状区域覆盖所述目标球状区域。
6.根据权利要求1所述的方法,其特征在于,提取所述感兴趣区域的环境特征信息,根据所述环境特征信息确定所述作业区域的地形类型,包括:
提取所述感兴趣区域的开放度特征信息、粗糙度特征信息、平整度特征信息、颜色特征信息和纹理特征信息;
获取与所述开放度特征信息对应的第一权重值,与所述粗糙度特征信息对应的第二权重值,与所述平整度特征信息对应的第三权重值,与所述颜色特征信息对应的第四权重值,与所述纹理特征信息的第五权重值;
根据所述开放度特征信息、粗糙度特征信息、平整度特征信息、颜色特征信息、纹理特征信息、第一权重值、第二权重值、第三权重值、第四权重值和第五权重值,确定所述作业区域的地形类型。
7.根据权利要求1所述的方法,其特征在于,若所述地形类型为无障斜坡地形,则控制所述移动机器人使用履带移动模式进行运动,包括:
若所述地形类型为无障斜坡地形,则计算所述无障斜坡地形的坡度值;
根据所述坡度值的大小,调整所述移动机器人的履带与斜坡坡面的接触面积。
8.根据权利要求1所述的方法,其特征在于,所述移动机器人包括移动滚轮和移动履带,用于驱动所述移动滚轮的第一电机,用于驱动所述移动履带的第二电机;
若所述地形类型为有障地形,则控制所述移动机器人使用避障移动模式进行运动,包括:
确定所述移动机器人在所述有障地形下,所述第一电机和第二电机的电机使用时序;
根据所述电机使用时序,切换使用所述第一电机和/或第二电机,以驱动所述移动机器人使用移动滚轮和/或移动履带进行移动。
9.一种机器人运动控制装置,其特征在于,包括:
采集模块,被配置为采集移动机器人的作业区域的工作环境图像,根据所述工作环境图像,构建三维环境地图;
划分模块,被配置为对所述三维环境地图进行划分,得到感兴趣区域和非感兴趣区域;
提取模块,被配置为提取所述感兴趣区域的环境特征信息,根据所述环境特征信息确定所述作业区域的地形类型,所述地形类型包括无障地形和有障地形;
第一控制模块,被配置为若所述地形类型为平坦无障地形,则控制所述移动机器人使用滚轮移动模式进行运动;
第二控制模块,被配置为若所述地形类型为无障斜坡地形,则控制所述移动机器人使用履带移动模式进行运动;
第三控制模块,被配置为若所述地形类型为有障地形,则控制所述移动机器人使用避障移动模式进行运动。
10.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210785824.9A CN114859942B (zh) | 2022-07-06 | 2022-07-06 | 一种机器人运动控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210785824.9A CN114859942B (zh) | 2022-07-06 | 2022-07-06 | 一种机器人运动控制方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114859942A true CN114859942A (zh) | 2022-08-05 |
CN114859942B CN114859942B (zh) | 2022-10-04 |
Family
ID=82626980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210785824.9A Active CN114859942B (zh) | 2022-07-06 | 2022-07-06 | 一种机器人运动控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114859942B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115464645A (zh) * | 2022-09-13 | 2022-12-13 | 达闼机器人股份有限公司 | 任务执行方法、装置、设备和存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02172000A (ja) * | 1988-12-26 | 1990-07-03 | Toyota Central Res & Dev Lab Inc | 最短経路探索装置 |
CN201800804U (zh) * | 2010-07-07 | 2011-04-20 | 中国科学院沈阳自动化研究所 | 一种具有自适应能力的轮-履复合变形移动机器人 |
US20140025201A1 (en) * | 2012-07-19 | 2014-01-23 | Center Of Human-Centered Interaction For Coexistence | Method for planning path for autonomous walking humanoid robot |
CN107526360A (zh) * | 2017-09-26 | 2017-12-29 | 河南科技学院 | 一种未知环境下排爆机器人多阶自主导航探测系统及方法 |
CN108917770A (zh) * | 2018-07-25 | 2018-11-30 | 重庆交通大学 | 一种工业机器人路径搜索优化方法 |
CN108958282A (zh) * | 2018-06-21 | 2018-12-07 | 浙江大学 | 基于动态球形窗口的三维空间路径规划方法 |
CN110031007A (zh) * | 2019-03-22 | 2019-07-19 | 深圳先进技术研究院 | 一种航迹规划方法、装置及计算机可读存储介质 |
CN110148217A (zh) * | 2019-05-24 | 2019-08-20 | 北京华捷艾米科技有限公司 | 一种实时三维重建方法、装置及设备 |
CN210551173U (zh) * | 2019-05-05 | 2020-05-19 | 蔡晓红 | 一种机器人平台 |
CN111999744A (zh) * | 2020-07-30 | 2020-11-27 | 国网浙江嘉善县供电有限公司 | 一种无人机多方位探测、多角度智能避障方法 |
WO2021002911A1 (en) * | 2019-04-06 | 2021-01-07 | Electric Sheep Robotics, Inc. | System, devices and methods for tele-operated robotics |
CN113985894A (zh) * | 2021-11-29 | 2022-01-28 | 中国人民解放军火箭军工程大学 | 一种自主避障路径规划方法、装置、设备及存储介质 |
CN114675651A (zh) * | 2022-04-01 | 2022-06-28 | 中电科(宁波)海洋电子研究院有限公司 | 船舶智能航控系统及其运行控制方法 |
-
2022
- 2022-07-06 CN CN202210785824.9A patent/CN114859942B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02172000A (ja) * | 1988-12-26 | 1990-07-03 | Toyota Central Res & Dev Lab Inc | 最短経路探索装置 |
CN201800804U (zh) * | 2010-07-07 | 2011-04-20 | 中国科学院沈阳自动化研究所 | 一种具有自适应能力的轮-履复合变形移动机器人 |
US20140025201A1 (en) * | 2012-07-19 | 2014-01-23 | Center Of Human-Centered Interaction For Coexistence | Method for planning path for autonomous walking humanoid robot |
CN107526360A (zh) * | 2017-09-26 | 2017-12-29 | 河南科技学院 | 一种未知环境下排爆机器人多阶自主导航探测系统及方法 |
CN108958282A (zh) * | 2018-06-21 | 2018-12-07 | 浙江大学 | 基于动态球形窗口的三维空间路径规划方法 |
CN108917770A (zh) * | 2018-07-25 | 2018-11-30 | 重庆交通大学 | 一种工业机器人路径搜索优化方法 |
CN110031007A (zh) * | 2019-03-22 | 2019-07-19 | 深圳先进技术研究院 | 一种航迹规划方法、装置及计算机可读存储介质 |
WO2021002911A1 (en) * | 2019-04-06 | 2021-01-07 | Electric Sheep Robotics, Inc. | System, devices and methods for tele-operated robotics |
CN210551173U (zh) * | 2019-05-05 | 2020-05-19 | 蔡晓红 | 一种机器人平台 |
CN110148217A (zh) * | 2019-05-24 | 2019-08-20 | 北京华捷艾米科技有限公司 | 一种实时三维重建方法、装置及设备 |
CN111999744A (zh) * | 2020-07-30 | 2020-11-27 | 国网浙江嘉善县供电有限公司 | 一种无人机多方位探测、多角度智能避障方法 |
CN113985894A (zh) * | 2021-11-29 | 2022-01-28 | 中国人民解放军火箭军工程大学 | 一种自主避障路径规划方法、装置、设备及存储介质 |
CN114675651A (zh) * | 2022-04-01 | 2022-06-28 | 中电科(宁波)海洋电子研究院有限公司 | 船舶智能航控系统及其运行控制方法 |
Non-Patent Citations (4)
Title |
---|
孙曼晖 等: "基于GIS和SLAM的机器人大范围环境自主导航", 《仪器仪表学报》 * |
梁玮 等: "《计算机视觉》", 31 January 2021 * |
王小涛 等: "极端地形绳系机器人研究进展", 《科学技术与工程》 * |
赵兴东 等: "《矿用三维激光数字测量原理及其工程应用》", 31 January 2016 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115464645A (zh) * | 2022-09-13 | 2022-12-13 | 达闼机器人股份有限公司 | 任务执行方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114859942B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108319655B (zh) | 用于生成栅格地图的方法和装置 | |
CN207117844U (zh) | 多vr/ar设备协同系统 | |
RU2756439C1 (ru) | Определение локализации для работы транспортного средства | |
CN107544501A (zh) | 一种智能机器人智慧行走控制系统及其方法 | |
CN108369420A (zh) | 用于自主定位的设备和方法 | |
US11735045B2 (en) | Systems and methods for computational resource allocation for autonomous vehicles | |
US12044535B2 (en) | Map selection for vehicle pose system | |
Kealy et al. | Collaborative navigation as a solution for PNT applications in GNSS challenged environments–report on field trials of a joint FIG/IAG working group | |
KR102414307B1 (ko) | 3d 맵의 변경 구역 업데이트 시스템 및 그 방법 | |
CN112305559A (zh) | 基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备 | |
de Paula Veronese et al. | Evaluating the limits of a LiDAR for an autonomous driving localization | |
CN114859942B (zh) | 一种机器人运动控制方法、装置、电子设备及存储介质 | |
CN116740127A (zh) | 障碍物轨迹预测方法、装置、计算机设备和存储介质 | |
CN114167866B (zh) | 一种智能物流机器人及控制方法 | |
Liu et al. | Uav intelligent coverage navigation based on drl in complex geometrical environments | |
CN112651991B (zh) | 视觉定位方法、装置及计算机系统 | |
Zhang et al. | Real time obstacle detection method based on lidar and wireless sensor | |
Hu et al. | A small and lightweight autonomous laser mapping system without GPS | |
XuanYuan et al. | Online cooperative 3D mapping for autonomous driving | |
CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 | |
CN114942639A (zh) | 一种移动机器人自适应路径规划方法及装置 | |
CN112074871B (zh) | 高清地图管理系统和方法 | |
CN115752476B (zh) | 一种基于语义信息的车辆地库重定位方法、装置、设备和介质 | |
CN114821543B (zh) | 障碍物检测方法、装置、车辆和存储介质 | |
EP4258766A1 (en) | Data processing method and apparatus |
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 |