CN114941990A - 传感器自检方法、装置、电子设备及机器可读存储介质 - Google Patents
传感器自检方法、装置、电子设备及机器可读存储介质 Download PDFInfo
- Publication number
- CN114941990A CN114941990A CN202210613354.8A CN202210613354A CN114941990A CN 114941990 A CN114941990 A CN 114941990A CN 202210613354 A CN202210613354 A CN 202210613354A CN 114941990 A CN114941990 A CN 114941990A
- Authority
- CN
- China
- Prior art keywords
- sensor
- mobile robot
- carrier
- rotation angle
- self
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 claims description 65
- 238000012360 testing method Methods 0.000 claims description 34
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 20
- 238000009434 installation Methods 0.000 claims description 14
- 239000000428 dust Substances 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 2
- 238000005491 wire drawing Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请提供一种传感器自检方法、装置、电子设备及机器可读存储介质,该方法包括:控制移动机器人举起载具,并依据所述移动机器人安装的标识读取设备读取到的所述载具上的位置标识的信息,确定所述载具相对所述移动机器人的初始位姿;控制所述载具相对所述移动机器人旋转,并获取不同旋转角度下的传感器数据;依据所述载具相对所述移动机器人的初始位姿,以及不同旋转角度下的传感器数据,确定传感器的自检结果。该方法可以降低传感器自检对人力物力的消耗。
Description
技术领域
本申请涉及机器人视觉感知领域,尤其涉及一种传感器自检方法、装置、电子设备及机器可读存储介质。
背景技术
在物流和工业领域,移动机器人一般指自动引导运输车(Automated GuidedVehicle,简称AGV),是一种装备有电磁或光学等自动导引装置、能够沿规定的导引路径行驶,并且具有安全保护和移载功能的运输车,可以代替人工完成货架等容器的托举和搬运。
移动机器人移动过程中,可以通过移动机器人上部署的传感器来实现移动避障。若移动机器人上部署的传感器出现工作异常,则可能会导致移动机器人无法及时检测到路线中的故障物,影响移动机器人的正常运行。
发明内容
有鉴于此,本申请提供一种传感器自检方法、装置、电子设备及机器可读存储介质。
根据本申请实施例的第一方面,提供一种传感器自检方法,包括:
控制移动机器人举起载具,并依据所述移动机器人安装的标识读取设备读取到的所述载具上的位置标识的信息,确定所述载具相对所述移动机器人的初始位姿;
控制所述载具相对所述移动机器人旋转,并获取不同旋转角度下的传感器数据;
依据所述载具相对所述移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果。
根据本申请实施例的第二方面,提供一种传感器自检装置,包括:
控制单元,用于控制移动机器人举起载具;
确定单元,用于依据所述移动机器人安装的标识读取设备读取到的所述载具上的位置标识的信息,确定所述载具相对所述移动机器人的初始位姿;
所述控制单元,还用于控制所述载具相对所述移动机器人旋转;
获取单元,用于获取不同旋转角度下的传感器数据;
自检单元,用于依据所述载具相对所述移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果。
根据本申请实施例的第三方面,提供一种电子设备,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器用于执行机器可执行指令,以实现第一方面提供的方法。
根据本申请实施例的第四方面,提供一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现第一方面提供的方法。
根据本申请实施例的第五方面,提供一种计算机程序,该计算机程序存储于机器可读存储介质,并且当处理器执行该计算机程序时,促使处理器执行第一方面提供的方法。
本申请实施例的传感器自检方法,通过控制移动机器人举起贴有位置标识的载具,依据移动机器人安装的标识读取设备读取到的载具上的位置标识的信息,确定载具相对移动机器人的初始位姿,并控制载具相对移动机器人旋转,获取不同旋转角度下的传感器数据,进而,依据载具相对移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果,在不需要人为干预和布置场景的情况下,实现了传感器自检,提高了传感器自检方案的场景适用性,降低了传感器自检对人力物力的消耗。
附图说明
图1是本申请实施例提供的一种传感器自检方法的流程示意图;
图2是本申请实施例提供的一种传感器自检方案的场景示意图;
图3是本申请实施例提供的一种传感器自检的整体流程示意图;
图4是本申请实施例提供的一种单个角度的自检处理流程示意图;
图5是本申请实施例提供的一种不同坐标系中的货架腿的示意图;
图6是本申请实施例提供的一种传感器自检装置的结构示意图;
图7是本申请实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,并使本申请实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请实施例中技术方案作进一步详细的说明。
需要说明的是,本申请实施例中各步骤的序号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,而不应对本申请实施例的实施过程构成任何限定。
请参见图1,为本申请实施例提供的一种传感器自检方法的流程示意图,其中,该传感器自检方案可以应用于移动机器人,如图1所示,该传感器自检方法可以包括以下步骤:
步骤S100、控制移动机器人举起载具,并依据移动机器人安装的标识读取设备读取到的载具上的位置标识的信息,确定载具相对移动机器人的初始位姿。
本申请实施例中,为了实现移动机器人的传感器自检,可以控制移动机器人举起一个贴有位置标识的载具,并通过移动机器人安装的标识读取设备读取载具上的位置标识的信息,依据标识读取设备读取到的位置标识的信息,确定载具相对移动机器人的初始位姿。
示例性的,载具可以包括但不限于货架或与货架一样具有存储整箱货物等大宗货物形式的全封闭、半封闭或开放式的容器,本申请对载具的形式不做具体限定。
示例性的,位置标识可以用于确定载具相对移动机器人的位置,其可以包括但不限于二维码或图像标识等。
步骤S110、控制载具相对移动机器人旋转,并获取不同旋转角度下的传感器数据。
步骤S120、依据载具相对移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果。
需要说明的是,本申请实施例中,若未特殊说明,所提及的传感器均指移动机器人上部署的,支持采用本申请实施例提供的方式进行自检的传感器。
本申请实施例中,考虑到在传感器未出现异常的情况下,移动机器人举起载具并控制载具相对移动机器人旋转的情况下,在某些旋转角度下,载具腿会出现在相应传感器的视野内,即传感器可以检测到载具腿,且载具腿在传感器的视野内的位置也可以依据载具相对移动机器人的位姿确定。
因而,在移动机器人举起载具的情况下,可以通过控制载具相对移动机器人旋转,并依据旋转过程中,传感器对载具的检测情况来确定传感器是否存在异常,实现传感器自检。
相应地,在控制移动机器人举起载具的情况下,可以控制载具相对移动机器人旋转,并获取不同旋转角度下的传感器数据,依据载具相对移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果。
可见,在图1所示方法流程中,通过控制移动机器人举起贴有位置标识的载具,依据移动机器人安装的标识读取设备读取到的载具上的位置标识的信息,确定载具相对移动机器人的初始位姿,并控制载具相对移动机器人旋转,获取不同旋转角度下的传感器数据,进而,依据载具相对移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果,在不需要人为干预和布置场景的情况下,实现了传感器自检,提高了传感器自检方案的场景适用性,降低了传感器自检对人力物力的消耗。
在一些实施例中,获取不同旋转角度下的传感器数据,可以包括:
对于任一传感器,获取该传感器的检测数据,并依据该传感器的扫描频率,以及,载具相对移动机器人的旋转角速度,确定该传感器的各检测数据对应的旋转角度。
示例性的,由于各传感器的扫描频率,以及载具相对移动机器人旋转的角速度是已知的,因此,从启动传感器自检的时刻起,在控制载具相对移动机器人旋转的过程中,传感器的每一帧数据对应的旋转角度(即以移动机器人举起载具时的位置为初始位置,载具相对移动机器人旋转的角度)。
举例来说,假设传感器的扫描频率为10HZ,载具相对机器人旋转的角速度为30°/秒,则传感器采集一帧数据的情况下,载具相对机器人旋转3°。若启动传感器自检的时刻,传感器采集第一帧数据,则采集第二帧数据时,载具相对机器人旋转3°;采集第三帧数据时,载具相对机器人旋转6°,以此类推。
需要说明的是,在载具具备旋转角度检测和上报功能的情况下,也可以由载具将传感器采集到的各帧数据对应的旋转角度上报移动机器人。
在一些实施例中,依据载具相对移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果,可以包括:
对于任一旋转角度,依据载具相对所述移动机器人的初始位姿,以及,该旋转角度,确定该旋转角度下载具相对移动机器人的实际位姿;
依据该旋转角度下载具相对移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果。
示例性的,假设载具相对于移动机器人的初始位姿是(x0,y0,θ0),对于原载具上任意一点P(xP,yP),在移动机器人坐标系下坐标(xA,yA)为:
在载具相对所述移动机器人旋转角度Δθ,则此时,点P在移动机器人坐标系下坐标为:
示例性的,对于任一旋转角度,在确定了该旋转角度下所述载具相对移动机器人的实际位姿的情况下,可以依据该实际位姿以及,该旋转角度下传感器的检测数据,确定该旋转角度下该传感器的自检结果。
作为一个示例,上述依据该旋转角度下所述载具相对移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,可以包括:
依据该旋转角度下载具相对所述移动机器人的实际位姿,确定载具的载具腿是否在该传感器的视野中;
若载具的载具腿在该传感器的视野中,但该旋转角度下该传感器未检测到物体,则确定该传感器存在数据缺失。
示例性的,对于任一旋转角度,在确定了该旋转角度下载具相对移动机器人的实际位姿的情况下,可以确定是否存在载具腿在该传感器的视野中。
若依据载具相对移动机器人的实际位姿确定存在载具腿在传感器的视野中,但是依据该旋转角度下的传感器数据,确定传感器未检测到物体,则可以确定传感器存在数据缺失,即传感器缺失了该载具腿实际应处位置对应的扫描范围的扫描数据。
示例性的,对于获取到的任一传感器在任一旋转角度下的传感器数据,可以依据该传感器的点云数据进行去噪和聚类处理,提取障碍物,以确定传感器是否检测到物体。
作为一个示例,上述依据该旋转角度下所述载具相对移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,还可以包括:
若该旋转角度下该传感器检测到物体,则确定该物体是否在移动机器人内部;
若该物体在移动机器人内部,则确定该物体对应的该传感器的检测区域被移动机器人的外壳遮挡。
示例性的,对于任一旋转角度,在依据该旋转角度下的传感器数据,确定传感器检测到物体的情况下,可以确定该物体是否在移动机器人内部。
若该物体在移动机器人内部,则可以确定该物体对应的该传感器的检测区域被移动机器人的外壳遮挡。
作为一种示例,上述确定该物体是否在移动机器人内部之后,还可以包括:
若该物体未在移动机器人内部,且载具的载具腿未在该传感器的视野,则确定该物体对应的该传感器的检测区域存在外部环境遮挡。
示例性的,对于任一旋转角度,在依据该旋转角度下的传感器数据确定传感器检测到物体,且该物体未在移动机器人内部的情况下,若依据载具相对移动机器人的实际位姿,确定不存在载具腿在该传感器的视野内,则可以确定该物体(传感器当前检测到的物体)对应的该传感器的检测区域存在外部环境遮挡。
作为一种示例,上述确定该物体是否在移动机器人内部之后,还可以包括:
若该物体未在移动机器人内部,且载具的载具腿在该传感器的视野中,则依据该传感器测得的检测到的物体的距离,以及,该传感器的视野中的载具腿与传感器的距离,确定该旋转角度下传感器的测距精度。
示例性的,对于任一旋转角度,在依据该旋转角度下的传感器数据确定传感器检测到物体,且该物体未在移动机器人内部的情况下,若依据载具相对移动机器人的实际位姿,确定存在载具腿在该传感器的视野内,则可以依据传感器测到的检测到的物体的距离,以及,依据载具相对移动机器人的实际位姿确定传感器视野中的载具腿与传感器的距离,确定该旋转角度下传感器的测距误差,得到该旋转角度下该传感器的测距精度。
示例性的,对于在传感器视野中的任一载具腿,可以依据载具相对移动机器人的实际位姿,确定该载具腿在移动机器人坐标系下的坐标,并依据移动机器人坐标系与该传感器坐标系之间的映射关系,确定该载具腿在传感器坐标系下的坐标,进而,确定该载具腿与该传感器之间的实际距离,以该实际距离为真值,确定传感器测得的该载具腿与传感器之间的距离的测距误差。
作为一种示例,上述确定该物体是否在移动机器人内部之后,还可以包括:
若该物体未在移动机器人内部,且载具的载具腿在该传感器的视野中,依据该物体对应的该传感器的检测区域内的飞点数量,确定该传感器在该检测区域的灰尘情况。
示例性的,对于任一旋转角度,在依据该旋转角度下的传感器数据确定传感器检测到物体,且该物体未在移动机器人内部的情况下,若依据载具相对移动机器人的实际位姿,确定存在载具腿在该传感器的视野内,则还可以确定该物体对应的该传感器的检测区域内的飞点数量。
示例性的,飞点是指实际环境中不存在的杂乱点,一般出现在物体边缘并且呈拉丝状,传感器表面积累的灰尘越多,飞点出现的概率越大、数量也越多。
示例性的,飞点的检测可以通过点云的几何形状、强度信息等综合判断。
示例性的,可以依据传感器检测到的物体对应的检测区域内的飞点数量,确定该传感器在该检测区域的灰尘情况。
在一些实施例中,上述依据该旋转角度下载具相对移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,可以包括:
对于任一传感器,对不同旋转角度下该传感器的自检结果进行统计分析,得到该传感器的最终自检结果。
示例性的,由于载具相对移动机器人旋转的过程中,载具的不同载具腿会依次经过各传感器的视野,并出现在传感器视野内的不同位置,因此,对于任一传感器,可以对不同旋转角度下该传感器的自检结果进行统计分析,得到该传感器的最终自检结果。
在一个示例中,对不同旋转角度下该传感器的自检结果进行统计分析,可以包括:
对不同旋转角度下确定该传感器的遮挡区域进行遮挡区域合并;
和/或,
对于重复位置的测距误差信息,确定平均误差和波动误差,将平均误差超过预设误差阈值的区域合并为测距异常区域;
若测距异常区域占检测区域的比例超过预设比例阈值,且波动误差在预设波动误差范围内,则确定该传感器安装位置存在偏差或安装参数未标定;
和/或,
对一帧数据中飞点数量和比例均大于预设阈值的区域进行合并,得到合并飞点区域,并统计合并飞点区域中出现飞点的概率,若该概率大于预设概率阈值,则输出灰尘异常信息。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,下面结合具体应用场景对本申请实施例提供的技术方案进行说明。
请参见图2,在该实施例中,以上述载具为货架、位置标识为二维码,标识读取设备为读码相机为例。
如图2所示,可以充分利用移动机器人的运动机构和上视读码相机,一方面,工作场景中的货架一般在货架中心贴有二维码,可以通过移动机器人的上视读码相机获取货架相对于移动机器人的精确位姿;另一方面,移动机器人的托盘在旋转时可以实时输出相对于移动机器人本体的角度,从而得到货架相对于移动机器人本体的精确位姿。
在获取货架的精确位姿和尺寸的情况下,可以对每个传感器的传感器数据进行校验分析,得到传感器的测距精度、数据质量和安装偏差等方面的检测结果。
请参见图3,为该实施例提供的传感器自检的整体流程示意图,如图3所示,在该实施例中,可以发送指令,控制移动机器人举起货架,并启动自检程序。此时,上视读码相机获取到货架中心的二维码信息,从而得到货架相对于移动机器人的初始位姿。
控制托盘带动货架相对于移动机器人进行旋转,旋转过程中会把每个时刻的旋转角度和传感器数据发送给处理器。
对于每个时刻的数据,一方面,处理器根据该时刻的旋转角度和货架的初始位姿,计算出货架相对于移动机器人的实际位姿,从而可以得到货架腿在每个传感器的视野中的情况;另一方面,处理器遍历该时刻每一个传感器的数据,执行感知算法处理(包括点云去噪、点云聚类和障碍物提取等),根据感知输出结果与实际情况的一致性,判断每个传感器对应检测区域的数据是否正确,得到自检结果。
示例性的,可以将各传感器的自检结果写入缓存。
由于一个时刻的数据,只能校验该时刻下每个传感器对应检测区域(例如激光雷达对应的扫射角度范围)的状况,因此,实现完整的自检需要托盘旋转一周。托盘旋转一周后发出旋转结束信号,处理器将缓存中的结果通过统计分析,汇总成完整的自检报告输出,从而完成自检。
请参见图4,为该实施例中单个角度的自检处理流程示意图,如图4所示,该流程可以包括:
根据当前的旋转状态计算货架相对移动机器人的实际位姿。
示例性的,在货架中心沿二维码的方向建立货架坐标系,如图5(a)所示,由于已知货架的真实尺寸,因此,可以得到四个货架腿的顶点Pi(i=1,2,3,4)的坐标信息。假设货架相对于小车(即移动机器人)的初始位姿是(x0,y0,θ0),如图5(b)所示,对于原货架上任意一点P(xP,yP),在移动机器人坐标系(即5(b)中的车体坐标系)下坐标(xA,yA)为:
假设当前托盘的旋转角度是Δθ,如图5(c)所示,则此时移动机器人坐标系下的P点坐标为:
在图5(c)中,假设传感器A的安装位置是(xL,yL,θL),扇形区域为该传感器的检测范围,对于货架上的点P,可以根据该点在移动机器人坐标系下的坐标,计算对应的传感器坐标系下的坐标(xs,ys):
由以上公式计算得到此时货架腿顶点在传感器坐标系下的坐标,则可以得知货架腿是否在传感器A的检测范围中,以及对应的具体检测角度(如图中p1和p2之间的扇形区域对应的扫射角范围)。
在得到货架腿在每个传感器中的实际位置的情况下,对传感器点云进行噪点去除和聚类处理,提取传感器视野中的障碍物,作为感知结果,与真实位置进行校验:
1)、若传感器未检测到物体,但是该传感器的视野中有货架腿,则表明传感器在该角度范围内的数据是缺失的,处于异常工作状态;
2)、若传感器未检测到物体,并且传感器的实际视野中也没有货架腿,则表明传感器在角度范围内的数据是正常的;
3)、若传感器检测到物体,但是物体在移动机器人范围内部,则表明传感器在该角度范围内的数据被外壳遮挡,传感器安装位置和扫射角范围不匹配,处于异常工作状态;
4)、若传感器检测到物体,并且物体在移动机器人外部,但是传感器实际视野中没有货架腿,则表明传感器在该角度范围内的数据被外部环境遮挡(例如激光雷达安装俯仰角太大而扫射到地面),处于异常工作状态;
5)、若传感器检测到物体,并且物体在移动机器人外部,并且该传感器实际视野中有货架腿,则进行如下处理:
5.1)、计算检测到的物体距离与实际货架腿距离的偏差,得到当前角度范围内的测距误差;
5.2)、统计当前角度范围内的飞点数据的数量和比例,得到当前角度范围内的数据质量情况,用于判断传感器表面灰尘情况。
示例性的,飞点是指实际环境中不存在的杂乱点,一般出现在物体边缘并且呈拉丝状,传感器表面积累的灰尘越多,飞点出现的概率越大、数量也越多。
示例性的,飞点的检测可以通过点云的几何形状、强度信息等综合判断。
按照上述方法,控制货架相对移动机器人旋转一周后即可得到所有传感器每个角度的自检结果。最后,统计分析每个角度的自检结果,得到完整的自检报告。统计分析的方法包括:
1)、对于重复位置的角度遮挡信息,合并异常信息,取遮挡的最大区域输出到报告中;
2)、对于重复位置的测距误差信息,计算平均误差和波动误差,并将测距偏差超过预设误差阈值的区域合并,作为测距异常区域输出到报告中;
3)、若测距异常区域大于检测区域的50%,并且波动误差在预期误差范围内,则表明此时该传感器的安装位置可能存在较大偏差或安装参数未标定,将安装偏差异常信息输出到报告中;
4)、对于重复位置的飞点检测结果,将一帧数据中的飞点数量和比例大于一定阈值的区域合并,统计自检过程中该区域飞点出现的频率,大于预设频率阈值则认为灰尘过于严重,将灰尘严重信息输出到报告中。
可见,在该实施例中,不需要预先布置特征场景,在移动机器人生产线和工作现场都可以快速执行自检,能够提高移动机器人的可靠性,实现移动机器人的智能化,降低运营维护成本。
以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述:
请参见图6,为本申请实施例提供的一种传感器自检装置的结构示意图,如图6所示,该传感器自检装置可以包括:
控制单元610,用于控制移动机器人举起载具;
确定单元620,用于依据所述移动机器人安装的标识读取设备读取到的所述载具上的位置标识的信息,确定所述载具相对所述移动机器人的初始位姿;
所述控制单元610,还用于控制所述载具相对所述移动机器人旋转;
获取单元630,用于获取不同旋转角度下的传感器数据;
自检单元640,用于依据所述载具相对所述移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果。
在一些实施例中,所述获取单元630获取不同旋转角度下的传感器数据,包括:
对于任一传感器,获取该传感器的检测数据,并依据该传感器的扫描频率,以及,所述载具相对所述移动机器人的旋转角速度,确定该传感器的各检测数据对应的旋转角度。
在一些实施例中,所述自检单元640依据所述载具相对所述移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果,包括:
对于任一旋转角度,依据所述载具相对所述移动机器人的初始位姿,以及,该旋转角度,确定该旋转角度下所述载具相对所述移动机器人的实际位姿;
依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果。
在一些实施例中,所述自检单元640依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,包括:
依据该旋转角度下所述载具相对所述移动机器人的实际位姿,确定所述载具的载具腿是否在该传感器的视野中;
若所述载具的载具腿在该传感器的视野中,但该旋转角度下该传感器未检测到物体,则确定该传感器存在数据缺失。
在一些实施例中,所述自检单元640依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,还包括:
若该旋转角度下该传感器检测到物体,则确定该物体是否在所述移动机器人内部;
若该物体在所述移动机器人内部,则确定该物体对应的该传感器的检测区域被所述移动机器人的外壳遮挡。
在一些实施例中,所述自检单元640确定该物体是否在所述移动机器人内部之后,还包括:
若该物体未在所述移动机器人内部,且所述载具的载具腿未在该传感器的视野,则确定该物体对应的该传感器的检测区域存在外部环境遮挡。
在一些实施例中,所述自检单元640确定该物体是否在所述移动机器人内部之后,还包括:
若该物体未在所述移动机器人内部,且所述载具的载具腿在该传感器的视野中,则依据该传感器测得的检测到的物体的距离,以及,该传感器的视野中的载具腿与传感器的距离,确定该旋转角度下传感器的测距精度。
在一些实施例中,所述自检单元640确定该物体是否在所述移动机器人内部之后,还包括:
若该物体未在所述移动机器人内部,且所述载具的载具腿在该传感器的视野中,依据该物体对应的该传感器的检测区域内的飞点数量,确定该传感器在该检测区域的灰尘情况。
在一些实施例中,所述自检单元640依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,包括:
对于任一传感器,对不同旋转角度下该传感器的自检结果进行统计分析,得到该传感器的最终自检结果。
在一些实施例中,所述自检单元640对不同旋转角度下该传感器的自检结果进行统计分析,包括:
对不同旋转角度下确定该传感器的遮挡区域进行遮挡区域合并;
和/或,
对于重复位置的测距误差信息,确定平均误差和波动误差,将平均误差超过预设误差阈值的区域合并为测距异常区域;
若测距异常区域占检测区域的比例超过预设比例阈值,且波动误差在预设波动误差范围内,则确定该传感器安装位置存在偏差或安装参数未标定;
和/或,
对一帧数据中飞点数量和比例均大于预设阈值的区域进行合并,得到合并飞点区域,并统计合并飞点区域中出现飞点的概率,若该概率大于预设概率阈值,则输出灰尘异常信息。
请参见图7,为本申请实施例提供的一种电子设备的硬件结构示意图。该电子设备可以包括处理器701、通信接口702、存储器703和通信总线704。处理器701、通信接口702以及存储器703通过通信总线704完成相互间的通信。其中,存储器703上存放有计算机程序;处理器701可以通过执行存储器703上所存放的程序,执行上文描述的传感器自检方法。
本文中提到的存储器703可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,存储器703可以是:RAM(Radom AccessMemory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
本申请实施例还提供了一种存储有计算机程序的计算机可读存储介质,例如图7中的存储器703,该计算机程序可由图7所示电子设备中的处理器701执行以实现上文中描述的传感器自检方法。
本申请实施例还提供了一种计算机程序,存储于计算机可读存储介质,例如图7中的存储器703,并且当处理器执行该计算机程序时,促使处理器701执行上文中描述的传感器自检方法。
需要说明的是,在本文中,诸如目标和目标等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (14)
1.一种传感器自检方法,其特征在于,包括:
控制移动机器人举起载具,并依据所述移动机器人安装的标识读取设备读取到的所述载具上的位置标识的信息,确定所述载具相对所述移动机器人的初始位姿;
控制所述载具相对所述移动机器人旋转,并获取不同旋转角度下的传感器数据;
依据所述载具相对所述移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果。
2.根据权利要求1所述的方法,其特征在于,所述获取不同旋转角度下的传感器数据,包括:
对于任一传感器,获取该传感器的检测数据,并依据该传感器的扫描频率,以及所述载具相对所述移动机器人的旋转角速度,确定该传感器的各检测数据对应的旋转角度。
3.根据权利要求1所述的方法,其特征在于,所述依据所述载具相对所述移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果,包括:
对于任一旋转角度,依据所述载具相对所述移动机器人的初始位姿,以及,该旋转角度,确定该旋转角度下所述载具相对所述移动机器人的实际位姿;
依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果。
4.根据权利要求3所述的方法,其特征在于,所述依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,包括:
依据该旋转角度下所述载具相对所述移动机器人的实际位姿,确定所述载具的载具腿是否在该传感器的视野中;
若所述载具的载具腿在该传感器的视野中,但该旋转角度下该传感器未检测到物体,则确定该传感器存在数据缺失。
5.根据权利要求4所述的方法,其特征在于,所述依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,还包括:
若该旋转角度下该传感器检测到物体,则确定该物体是否在所述移动机器人内部;
若该物体在所述移动机器人内部,则确定该物体对应的该传感器的检测区域被所述移动机器人的外壳遮挡。
6.根据权利要求5所述的方法,其特征在于,所述确定该物体是否在所述移动机器人内部之后,还包括:
若该物体未在所述移动机器人内部,且所述载具的载具腿未在该传感器的视野,则确定该物体对应的该传感器的检测区域存在外部环境遮挡。
7.根据权利要求6所述的方法,其特征在于,所述确定该物体是否在所述移动机器人内部之后,还包括:
若该物体未在所述移动机器人内部,且所述载具的载具腿在该传感器的视野中,则依据该传感器测得的检测到的物体的距离,以及,该传感器的视野中的载具腿与传感器的距离,确定该旋转角度下传感器的测距精度。
8.根据权利要求6所述的方法,其特征在于,所述确定该物体是否在所述移动机器人内部之后,还包括:
若该物体未在所述移动机器人内部,且所述载具的载具腿在该传感器的视野中,依据该物体对应的该传感器的检测区域内的飞点数量,确定该传感器在该检测区域的灰尘情况。
9.根据权利要求3所述的方法,其特征在于,所述依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,包括:
对于任一传感器,对不同旋转角度下该传感器的自检结果进行统计分析,得到该传感器的最终自检结果。
10.根据权利要求9所述的方法,其特征在于,所述对不同旋转角度下该传感器的自检结果进行统计分析,包括:
对不同旋转角度下确定该传感器的遮挡区域进行遮挡区域合并;
和/或,
对于重复位置的测距误差信息,确定平均误差和波动误差,将平均误差超过预设误差阈值的区域合并为测距异常区域;
若测距异常区域占检测区域的比例超过预设比例阈值,且波动误差在预设波动误差范围内,则确定该传感器安装位置存在偏差或安装参数未标定;
和/或,
对一帧数据中飞点数量和比例均大于预设阈值的区域进行合并,得到合并飞点区域,并统计合并飞点区域中出现飞点的概率,若该概率大于预设概率阈值,则输出灰尘异常信息。
11.一种传感器自检装置,其特征在于,包括:
控制单元,用于控制移动机器人举起载具;
确定单元,用于依据所述移动机器人安装的标识读取设备读取到的所述载具上的位置标识的信息,确定所述载具相对所述移动机器人的初始位姿;
所述控制单元,还用于控制所述载具相对所述移动机器人旋转;
获取单元,用于获取不同旋转角度下的传感器数据;
自检单元,用于依据所述载具相对所述移动机器人的初始位姿,以及,不同旋转角度下的传感器数据,确定传感器的自检结果。
12.根据权利要求11所述的装置,其特征在于,所述获取单元获取不同旋转角度下的传感器数据,包括:
对于任一传感器,获取该传感器的检测数据,并依据该传感器的扫描频率,以及,所述载具相对所述移动机器人的旋转角速度,确定该传感器的各检测数据对应的旋转角度;
和/或,
所述自检单元依据所述载具相对所述移动机器人的初始位姿,以及不同旋转角度下的传感器数据,确定传感器的自检结果,包括:
对于任一旋转角度,依据所述载具相对所述移动机器人的初始位姿,以及,该旋转角度,确定该旋转角度下所述载具相对所述移动机器人的实际位姿;
依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果;
其中,所述自检单元依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,包括:
依据该旋转角度下所述载具相对所述移动机器人的实际位姿,确定所述载具的载具腿是否在该传感器的视野中;
若所述载具的载具腿在该传感器的视野中,但该旋转角度下该传感器未检测到物体,则确定该传感器存在数据缺失;
其中,所述自检单元依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,还包括:
若该旋转角度下该传感器检测到物体,则确定该物体是否在所述移动机器人内部;
若该物体在所述移动机器人内部,则确定该物体对应的该传感器的检测区域被所述移动机器人的外壳遮挡;
其中,所述自检单元确定该物体是否在所述移动机器人内部之后,还包括:
若该物体未在所述移动机器人内部,且所述载具的载具腿未在该传感器的视野,则确定该物体对应的该传感器的检测区域存在外部环境遮挡;
其中,所述自检单元确定该物体是否在所述移动机器人内部之后,还包括:
若该物体未在所述移动机器人内部,且所述载具的载具腿在该传感器的视野中,则依据该传感器测得的检测到的物体的距离,以及,该传感器的视野中的载具腿与传感器的距离,确定该旋转角度下传感器的测距精度;
其中,所述自检单元确定该物体是否在所述移动机器人内部之后,还包括:
若该物体未在所述移动机器人内部,且所述载具的载具腿在该传感器的视野中,依据该物体对应的该传感器的检测区域内的飞点数量,确定该传感器在该检测区域的灰尘情况;
其中,所述自检单元依据该旋转角度下所述载具相对所述移动机器人的实际位姿,以及,该旋转角度下该传感器的检测数据,确定该旋转角度下该传感器的自检结果,包括:
对于任一传感器,对不同旋转角度下该传感器的自检结果进行统计分析,得到该传感器的最终自检结果;
其中,所述自检单元对不同旋转角度下该传感器的自检结果进行统计分析,包括:
对不同旋转角度下确定该传感器的遮挡区域进行遮挡区域合并;
和/或,
对于重复位置的测距误差信息,确定平均误差和波动误差,将平均误差超过预设误差阈值的区域合并为测距异常区域;
若测距异常区域占检测区域的比例超过预设比例阈值,且波动误差在预设波动误差范围内,则确定该传感器安装位置存在偏差或安装参数未标定;
和/或,
对一帧数据中飞点数量和比例均大于预设阈值的区域进行合并,得到合并飞点区域,并统计合并飞点区域中出现飞点的概率,若该概率大于预设概率阈值,则输出灰尘异常信息。
13.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-10任一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210613354.8A CN114941990A (zh) | 2022-05-31 | 2022-05-31 | 传感器自检方法、装置、电子设备及机器可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210613354.8A CN114941990A (zh) | 2022-05-31 | 2022-05-31 | 传感器自检方法、装置、电子设备及机器可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114941990A true CN114941990A (zh) | 2022-08-26 |
Family
ID=82908710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210613354.8A Pending CN114941990A (zh) | 2022-05-31 | 2022-05-31 | 传感器自检方法、装置、电子设备及机器可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114941990A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024051054A1 (zh) * | 2022-09-08 | 2024-03-14 | 劢微机器人科技(深圳)有限公司 | Agv车辆的运输避障方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1383482A (zh) * | 2000-07-04 | 2002-12-04 | 本田技研工业株式会社 | 传感器功能的故障诊断方法和装置 |
EP2199999A1 (de) * | 2008-12-19 | 2010-06-23 | Pepperl + Fuchs GmbH | Verfahren zum Testen eines optischen Sensors und testbarer optischer Sensor |
CN108037492A (zh) * | 2017-12-27 | 2018-05-15 | 国家无线电监测中心检测中心 | 雷达性能的测试系统及利用其进行雷达性能测试的方法 |
CN111399080A (zh) * | 2020-03-10 | 2020-07-10 | Oppo(重庆)智能科技有限公司 | 重力传感器测试方法、装置、电子装置及存储介质 |
CN114061645A (zh) * | 2020-07-29 | 2022-02-18 | 丰田自动车株式会社 | 异常检测方法、基础设施传感器设备、系统和可读介质 |
CN114136464A (zh) * | 2021-10-26 | 2022-03-04 | 深圳市思码逻辑技术有限公司 | 红外传感器的性能测试方法、装置、设备和系统 |
CN114252870A (zh) * | 2021-11-30 | 2022-03-29 | 深圳元戎启行科技有限公司 | 激光雷达自检方法及其自检设备、计算机可读存储介质 |
-
2022
- 2022-05-31 CN CN202210613354.8A patent/CN114941990A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1383482A (zh) * | 2000-07-04 | 2002-12-04 | 本田技研工业株式会社 | 传感器功能的故障诊断方法和装置 |
EP2199999A1 (de) * | 2008-12-19 | 2010-06-23 | Pepperl + Fuchs GmbH | Verfahren zum Testen eines optischen Sensors und testbarer optischer Sensor |
CN108037492A (zh) * | 2017-12-27 | 2018-05-15 | 国家无线电监测中心检测中心 | 雷达性能的测试系统及利用其进行雷达性能测试的方法 |
CN111399080A (zh) * | 2020-03-10 | 2020-07-10 | Oppo(重庆)智能科技有限公司 | 重力传感器测试方法、装置、电子装置及存储介质 |
CN114061645A (zh) * | 2020-07-29 | 2022-02-18 | 丰田自动车株式会社 | 异常检测方法、基础设施传感器设备、系统和可读介质 |
CN114136464A (zh) * | 2021-10-26 | 2022-03-04 | 深圳市思码逻辑技术有限公司 | 红外传感器的性能测试方法、装置、设备和系统 |
CN114252870A (zh) * | 2021-11-30 | 2022-03-29 | 深圳元戎启行科技有限公司 | 激光雷达自检方法及其自检设备、计算机可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024051054A1 (zh) * | 2022-09-08 | 2024-03-14 | 劢微机器人科技(深圳)有限公司 | Agv车辆的运输避障方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461107B (zh) | 用于识别感兴趣区的材料搬运方法、装置和系统 | |
KR101362961B1 (ko) | 이동 로봇 환경의 실시간 위치 측정 및 매핑을 위한 방법 및 장치 | |
US20060115113A1 (en) | Method for the recognition and tracking of objects | |
CN110865393A (zh) | 基于激光雷达的定位方法及系统、存储介质和处理器 | |
CN110794406B (zh) | 多源传感器数据融合系统和方法 | |
JP2014078254A5 (zh) | ||
EP3845989A1 (en) | Method for detecting straight side by robot, and method for screening reference wall side by cleaning robot | |
CN110471086B (zh) | 一种雷达测障系统及方法 | |
CN111428859A (zh) | 自动驾驶场景的深度估计网络训练方法、装置和自主车辆 | |
CN114941990A (zh) | 传感器自检方法、装置、电子设备及机器可读存储介质 | |
US7576652B2 (en) | Method and apparatus for estimating a position of detected goods and controlling movement/swinging of an RFID reader in response to the estimated position of the goods | |
CN112415532B (zh) | 灰尘检测方法、距离检测装置以及电子设备 | |
CN110857859B (zh) | 障碍物检测方法及装置 | |
Suetsugu et al. | Proposal of a Method for Obstacle Detection by the Use of Camera and Line Laser | |
CN116342695B (zh) | 无人叉车放货检测方法及装置、无人叉车、存储介质 | |
US11747439B2 (en) | Method and device for calibrating a sensor system of a moving object | |
CN117630961A (zh) | 一种agv视觉检测方法及装置 | |
CN117789155A (zh) | 一种黑色障碍物检测方法及装置、相关产品 | |
KR20220159575A (ko) | 전방위 충돌방지를 위한 차량 avm 카메라 시스템 및 이의 제어방법 | |
CN115631143A (zh) | 激光点云数据检测方法及装置、可读存储介质、终端 | |
CN115144836A (zh) | 一种激光雷达表面灰尘检测方法及装置 | |
CN116128842A (zh) | 基于点云数据的物料取样方法及装置 | |
CN117581274A (zh) | 用于监控货舱的方法 | |
CN117916768A (zh) | 用于监控货物的方法 | |
CN115704908A (zh) | 利用激光雷达传感器的对象检测方法和对象跟踪装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 310051 room 304, B / F, building 2, 399 Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Hikvision Robot Co.,Ltd. Address before: 310051 room 304, B / F, building 2, 399 Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant before: HANGZHOU HIKROBOT TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information |