CN115016485A - 一种机器人移动方法、装置及移动机器人 - Google Patents

一种机器人移动方法、装置及移动机器人 Download PDF

Info

Publication number
CN115016485A
CN115016485A CN202210704895.1A CN202210704895A CN115016485A CN 115016485 A CN115016485 A CN 115016485A CN 202210704895 A CN202210704895 A CN 202210704895A CN 115016485 A CN115016485 A CN 115016485A
Authority
CN
China
Prior art keywords
path
point
mobile robot
target
local
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
Application number
CN202210704895.1A
Other languages
English (en)
Inventor
吴昊禹
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.)
Hangzhou Ezviz Network Co Ltd
Original Assignee
Hangzhou Ezviz Network 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 Hangzhou Ezviz Network Co Ltd filed Critical Hangzhou Ezviz Network Co Ltd
Priority to CN202210704895.1A priority Critical patent/CN115016485A/zh
Publication of CN115016485A publication Critical patent/CN115016485A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明实施例提供了一种机器人移动方法、装置及移动机器人，应用于机器人路径规划技术领域。该方法包括：获取移动机器人的全局路径；从全局路径包含的各路径点中，选取一路径点，作为局部目标点；检测移动机器人当前位置点对应的目标直线路径中是否存在障碍物；若不存在障碍物，则按照当前位置点对应的目标直线路径，控制移动机器人进行移动；在移动机器人移动至邻近局部目标点的位置点时，从全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点；返回执行检测移动机器人当前位置点对应的目标直线路径中是否存在障碍物的步骤。通过本方案，可以减少移动机器人在移动过程中的计算量。

Description

一种机器人移动方法、装置及移动机器人
技术领域
本发明涉及机器人路径规划技术领域，特别是涉及一种机器人移动方法、装置及移动机器人。
背景技术
机器人移动路径规划算法主要包括两种：全局路径规划算法和局部路径规划算法。其中，全局路径规划算法用于利用预先已知的全局静态信息，如全局栅格地图，规划移动机器人的全局路径；局部路径规划算法用于利用实时环境数据，如摄像头、激光雷达等传感器所采集的数据，周期性地规划移动机器人在局部区域内的移动路径。
实际应用中，移动机器人的路径规划，往往需要同时用到全局路径规划算法和局部路径规划算法。具体的，首先利用全局路径规划算法进行全局路径规划，得到全局路径，进而实时利用局部路径规划算法，控制移动机器人沿着全局路径中各路径点进行移动。
上述过程中，由于需要实时利用局部路径规划算法进行局部路径规定，导致移动机器人在移动过程中，计算量较大。
发明内容
本发明实施例的目的在于提供一种机器人移动方法、装置及移动机器人，以减少移动机器人在移动过程中的计算量。具体技术方案如下：
第一方面，本发明实施例提供一种机器人移动方法，所述方法包括：
获取移动机器人的全局路径；
从所述全局路径包含的各路径点中，选取一路径点，作为局部目标点；
检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物；其中，每一位置点对应的目标直线路径为：该位置点与所述局部目标点之间的直线路径；
若不存在障碍物，则按照所述当前位置点对应的目标直线路径，控制所述移动机器人进行移动；
在所述移动机器人移动至邻近所述局部目标点的位置点时，从所述全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点；其中，所述邻近所述局部目标点的位置点为：与所述局部目标点的间距不大于指定间距的位置点；
返回执行所述检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物的步骤。
可选的，在所述检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物之后，所述方法还包括：
若所述当前位置点对应的目标直线路径中存在障碍物，则利用局部路径规划算法，控制所述移动机器人向所述局部目标点进行移动。
可选的，所述方法还包括：
在利用所述局部路径规划算法控制所述移动机器人向所述局部目标点进行移动的过程中，若检测到所述移动机器人已移动至的新位置点对应的目标直线路径中，不存在障碍物，则按照所述新位置点对应的目标直线路径，控制所述移动机器人进行移动。
可选的，所述方法还包括：
在利用所述局部路径规划算法控制所述移动机器人向所述局部目标点进行移动的过程中，且在每一次利用所述局部路径规划算法进行路径规划之前，检测所述移动机器人已移动至的新位置点对应的目标直线路径中是否存在障碍物。
可选的，所述利用局部路径规划算法，控制所述移动机器人向所述局部目标点进行移动，包括：
基于所述移动机器人的运动学模型以及所述移动机器人的当前速度，确定所述移动机器人在下一指定时长内的速度范围；
从所述速度范围内选取至少一备选速度；
从所述至少一备选速度中，确定所述移动机器人在所述下一指定时长内向所述局部目标点进行移动的目标速度；
控制所述移动机器人在所述下一指定时长内，按照所述目标速度进行移动，并在移动结束之后，返回执行所述基于所述移动机器人的运动学模型以及所述移动机器人的当前速度，确定所述移动机器人在下一指定时长内的速度范围的步骤。
可选的，所述至少一备选速度为多个；
所述从所述至少一备选速度中，确定所述移动机器人在所述下一指定时长内向所述局部目标点进行移动的目标速度，包括：
针对每一备选速度，基于该备选速度，预测所述移动机器人在所述下一指定时长内的模拟轨迹，作为该备选速度对应的模拟轨迹；
从预测的各模拟轨迹中，筛选向所述局部目标点进行移动最优的模拟轨迹，并将所确定的模拟轨迹对应的备选速度，作为目标速度。
可选的，所述方法还包括：
在按照所述当前位置点对应的目标直线路径控制所述移动机器人进行移动的过程中，若识别到所述移动机器人已移动至的新位置点与所述局部目标点之间出现新的障碍物，则利用局部路径规划算法，控制所述移动机器人向所述局部目标点进行移动。
可选的，所述从所述全局路径包含的各路径点中，选取一路径点，包括：
基于所述移动机器人当前位置点，从所述全局路径包含的各路径点中，选取一路径点。
可选的，所述基于所述移动机器人当前位置点，从所述全局路径包含的各路径点中，选取一路径点，包括：
基于所述移动机器人当前位置点，从所述全局路径中，确定目标路径段；
从所述目标路径段包含的各路径点中，选取一路径点。
可选的，所述目标路径段包含的各路径点与所述当前位置点的距离大于第一指定距离，且小于第二指定距离；
其中，所述第一指定距离小于所述第二指定距离，所述第二指定距离小于局部路径规划算法所规划的局部路径的最大有效距离。
可选的，所述从所述目标路径段包含的各路径点中，选取一路径点，包括：
从所述目标路径段包含的各路径点中，选取一所处位置点不存在障碍物的路径点。
可选的，所述按照所述当前位置点对应的目标直线路径，控制所述移动机器人进行移动，包括：
确定所述当前位置点对应的目标直线路径指向所述局部目标点的方向，作为目标方向；
控制所述移动机器人朝向所述目标方向进行移动。
可选的，所述控制所述移动机器人面向所述目标方向进行移动，包括：
控制所述移动机器人，以最大移动速度朝向所述目标方向进行移动。
第二方面，本发明实施例提供一种机器人移动装置，所述装置包括：
全局路径获取模块，用于获取移动机器人的全局路径；
第一选取模块，用于从所述全局路径包含的各路径点中，选取一路径点，作为局部目标点；
障碍物检测模块，用于检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物；其中，每一位置点对应的目标直线路径为：该位置点与所述局部目标点之间的直线路径；
移动控制模块，用于若不存在障碍物，则按照所述目标直线路径，控制所述移动机器人进行移动；
第二选取模块，用于在所述移动机器人移动至邻近所述局部目标点的位置点时，从所述全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点；调用所述障碍物检测模块执行所述检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物的步骤；其中，所述邻近所述局部目标点的位置点为：与所述局部目标点的间距不大于指定间距的位置点。
第三方面，本发明实施例提供一种移动机器人，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，所述处理器被所述机器可执行指令促使：实现第一方面任一所述的方法步骤。
第四方面，本发明实施例提供一种计算机可读存储介质，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第一方面任一所述的方法步骤。
本发明实施例有益效果：
本发明实施例提供的一种机器人移动方法、装置及移动机器人，可以获取移动机器人的全局路径；从全局路径包含的各路径点中，选取一路径点，作为局部目标点；检测移动机器人当前位置点对应的目标直线路径中是否存在障碍物；若不存在障碍物，则按照当前位置点对应的目标直线路径，控制移动机器人进行移动；在移动机器人移动至邻近局部目标点的位置点时，从全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点；返回执行检测移动机器人当前位置点对应的目标直线路径中是否存在障碍物的步骤，其中，每一位置点对应的目标直线路径为：该位置点与局部目标点之间的直线路径，由于在移动机器人当前位置点对应的目标直线路径中不存在障碍物时，可以按照当前位置点对应的目标直线路径，控制移动机器人进行移动，而不需要利用局部路径规划算法进行局部路径的规划，从而节省了进行局部路径规划的算力。可见，通过本方案，可以减少移动机器人在移动过程中的计算量。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1为本发明实施例所提供的机器人移动方法的流程图；
图2为本发明实施例所提供的机器人移动方法的另一流程图；
图3为本发明实施例所提供的机器人移动方法的另一流程图；
图4为本发明实施例所提供的机器人移动方法的另一流程图；
图5为本发明实施例所提供的机器人移动装置的结构示意图；
图6为本发明实施例所提供的移动机器人的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本发明保护的范围。
为了减少移动机器人在移动过程中的计算量，本发明实施例提供了机器人移动方法、装置及移动机器人。
需要说明的，在具体应用中，本发明实施例所提供的行进方向调整方法可以应用于移动机器人，例如扫地机器人、迎宾机器人、水下机器人或飞行机器人等。或者，本发明实施例所提供的机器人移动方法还可以应用于其他各类电子设备，例如，智能手机、个人电脑、服务器以及其他具有数据处理能力的设备，当应用于其他各类电子设备时，该电子设备可以与移动机器人相互通信。另外，可以理解的是，本发明实施例提供的机器人移动方法可以通过软件、硬件或软硬件结合的方式实现。
其中，本发明实施例所提供的机器人移动方法，可以包括：
获取移动机器人的全局路径；
从全局路径包含的各路径点中，选取一路径点，作为局部目标点；
检测移动机器人当前位置点对应的目标直线路径中是否存在障碍物；其中，每一位置点对应的目标直线路径为：该位置点与局部目标点之间的直线路径；
若不存在障碍物，则按照当前位置点对应的目标直线路径，控制移动机器人进行移动；
在移动机器人移动至邻近局部目标点的位置点时，从全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点；其中，邻近局部目标点的位置点为：与局部目标点的间距不大于指定间距的位置点；
返回执行检测移动机器人当前位置点对应的目标直线路径中是否存在障碍物的步骤。
本发明实施例上述方案中，可以在移动机器人当前位置点对应的目标直线路径中不存在障碍物时，可以按照当前位置点对应的目标直线路径，控制移动机器人进行移动，而不需要利用局部路径规划算法进行局部路径的规划，从而节省了进行局部路径规划的算力。可见，通过本方案，可以减少移动机器人在移动过程中的计算量。
下面将结合说明书附图，对本发明实施例所提供的机器人移动方法进行详尽的阐述。
如图1所示，本发明实施例提供一种机器人移动方法，包括步骤S101-S105，其中：
S101，获取移动机器人的全局路径；
其中，全局路径可以为将移动机器人从初始位置点移动至目标位置点的全局路径，该初始位置点可以为移动机器人当前所处的位置点，目标位置点可以为移动机器人最终所需到达的位置点。
本步骤中，可以采用全局路径规划算法，确定将移动机器人从初始位置点移动至目标位置点的全局路径。其中，本发明实施例中，全局路径规划算法可以为A*算法、Dijkstra(迪杰斯特拉)算法、双向搜索算法、蚁群算法等算法中的至少一种，本发明实施例对全局路径算法不做具体限定。
所确定的全局路径包括从初始位置点到目标位置点各路径点，因此，全局路径也可以理解为路径点的集合，该路径点的集合中各路径点按照移动机器人的移动顺序进行排列。示例性的，全局路径可以：{路径点1、路径点2、路径点3、…、路径点n-1、路径点n}，n为正整数。上述全局路径中路径点可以用该路径点在全局坐标系中的坐标表示，例如路径点1：(X1，Y1)，其中，X1为路径点1在全局坐标系中的横坐标，Y1为路径点1在全局坐标系中的纵坐标。需要说明的是，全局路径包含的各路径点中最后一个路径点一般为目标位置点。
示例性的，如图2所示，本发明实施例提供一种全局路径示意图，图2中路径点A为移动机器人的初始位置点，F点为移动机器人的目标位置点，曲线AF为确定的全局路径。
S102，从全局路径包含的各路径点中，选取一路径点，作为局部目标点；
由于全局路径是基于预先已知的全局静态信息规划所得到的，而实际应用中，由于场景中可能存在移动对象，如桌椅、垃圾桶、宠物等，导致实际环境往往与预先已知的全局静态信息已不匹配，使得移动机器人若直接按照全局路径进行移动，很可能会发生碰撞，因此，为了避免移动机器人发生碰撞，本发明实施例中，移动机器人并不直接按照全局路径进行移动，而是从全局路径包含的各路径点中，选取至一路径点，作为局部路径点。
示例性的，全局路径包括路径点1、路径点2、路径点3、路径点4以及路径点5共5个路径点(仅示例说明，实际全局路径包含的路径点的数量远远不止)，因此，本发明实施例中可以选取路径点2路径点，或者选取路径点3作为路径点，这也是可以的。
本发明实施例中，路径点可以采取多种方式进行选择，示例性的，可以采取如下方式中的至少一种：
第一种路径点选取方式，可以采取随机选择的方式，从全局路径包含的各路径点中一路径点，作为局部路径点。
第二种路径点选取方式，由于当所选取的路径点与当前位置点的间距过大时，将导致后续所确定的目标直线路径中存在障碍物的概率大大增加，且不易判断后续目标直线路径中是否存在障碍物，而当所选取的路径点与当前位置点的间距过小时，需要频繁选取路径点，因此，所选择的路径点需要与当前所处位置点的间距适中，从而可以基于移动机器人当前位置点，从全局路径包含的各路径点中，选取一路径点。
可选的，可以基于移动机器人当前位置点，从全局路径中，确定目标路径段，进而从目标路径段包含的各路径点中，选取一路径点。
为了确保所选择的路径点与当前所处位置点间距适中，上述目标路径段包含的各路径点与当前位置点的距离大于第一指定距离，且小于第二指定距离；其中，第一指定距离小于第二指定距离，第二指定距离小于局部路径规划算法所规划的局部路径的最大有效距离。该最大有效距离可以为移动机器人中传感器采集环境数据的有效距离，例如1m，其意味着移动机器人可以准确感知在1m范围内的周围环境，此时，上述第二指定距离可以小于1m，如0.8m。可选的，上述第一指定距离和第二指定距离还可以基于移动机器人当前的移动速度所确定，例如在移动机器人当前移动速度大于0的情况下，上述第一指定距离＝当前移动速度×Δt1，第二指定距离＝当前移动速度×Δt2，Δt1＜Δt2。本实施例中，通过第一指定距离和第二指定距离可以保证所确的目标路径段包含的各路径点与移动机器人当前所处位置点之间的间距适中。
示例性的，当前位置点为A，第一指定距离小于曲线AB的弧长，第二指定距离大于曲线AB的弧长，且小于曲线AD的弧长，则所确定的目标路径段可以为曲线BC，包括路径点B和路径点C。进而从路径点B和路径点C中选择一路径点，作为局部路径点，如选择路径点B作为局部路径点。
其中，从目标路径段包含的各路径点中，选取一路径点的方式，可以采用多种方式，示例性的，可以选取与当前所处位置点间距最小的路径点，或随机选取一路径点等。
可选的，为了避免所选择的局部位置点存在障碍物，从而使得后续的判断是否存在障碍物时，始终存在障碍物，一种实现方式中，可以从目标路径段包含的各路径点中，选取一所处位置点不存在障碍物的路径点。示例性的，目标路径段包括路径点B和路径点C，路径点B处不存在障碍物，路径点C处存在障碍物，则可以选择路径点B，作为局部路径点。
S103，检测移动机器人当前位置点对应的目标直线路径中是否存在障碍物；其中，每一位置点对应的目标直线路径为：该位置点与局部目标点之间的直线路径；
其中，以图2进行说明，图2中路径点B为所选取的局部目标点。当移动机器人处于初始位置点，即路径点A时，则虚直线AB为路径点A对应的目标直线路径。
在确定目标直线路径之后，可以检测目标直线路径中是否存在障碍物。可选的，可以获取移动机器人在当前位置点所采集的环境数据，进而基于环境数据，确定从当前位置点至局部目标点的位置是否存在障碍物。可选的，还可以进行Oneshot操作来确定当前位置点至局部目标点的位置是否存在障碍物，其中Oneshot操作是一种路径规划的技巧，将移动机器人当前位置点与路径点相连，检查是否可以通行。如果可以通行，则说明目标直线路径中不存在障碍物，从而则采用该直连方式控制移动机器人进行移动。本步骤中，若Oneshot操作通过，则说明移动机器人当前位置点对应的目标直线路径中不存在障碍物，若Oneshot操作未通过，则说明移动机器人当前位置点对应的目标直线路径存在障碍物。
S104，若不存在障碍物，则按照当前位置点对应的目标直线路径，控制移动机器人进行移动；
其中，若移动机器人当前位置点对应的目标直线路径中不存在障碍物，则说明按照目标直线路径控制移动机器人进行移动不会发生碰撞，因此，可以按照目标直线路径，控制移动机器人进行移动。若采用Oneshot操作来确定当前位置点至局部目标点的位置是否存在障碍物，则可以直接执行Oneshot操作执行直连方式控制移动机器人进行移动。
示例性的，以图2示例进行说明，若移动机器人当前位置点为路径点A，路径点A对应的目标直线路径为虚直线AB，且检测到虚直线AB中不存在障碍物，则可以按照虚直线AB，控制移动机器人进行移动，即让移动机器人沿着虚直线AB进行移动。
按照当前位置点对应的目标直线路径，控制移动机器人进行移动的方式可以有多种，示例性的，至少包括以下两种方式中的一种方式：
第一种控制方式，可以先确定当前位置点对应的目标直线路径中各路径点的坐标，进而控制移动机器人沿着各路径点的坐标进行移动。
第二种控制方式，为了提高进一步减少计算量，可以先确定当前位置点对应的目标直线路径指向局部目标点的方向，作为目标方向，进而控制移动机器人朝向目标方向进行移动。此时，可以先将移动机器人的行进方向调整至目标方向，即面向局部目标点的方向，并沿着该方向进行移动。可选的，为了提高移动机器人的移动效率，可以控制移动机器人，以最大移动速度朝向目标方向进行移动。示例性的，以图2示例进行说明，虚直线AB为目标直线路径，则可以将移动机器人的行进方向调整至朝向点B的方向，进而控制移动机器人，以最大移动速度朝向点B进行移动。
S105，在移动机器人移动至邻近局部目标点的位置点时，从全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点，并返回执行S103。
其中，邻近局部目标点的位置点为：与局部目标点的间距不大于指定间距的位置点。上述指定间距可以根据需求确定，一种方式中，上述指定间距可以为0，此时，在移动机器人移动至局部目标点的位置点时，从全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点。而为了避免移动至局部目标点后才选取新的局部目标点所造成的卡顿，上述指定间距可以大于0，使得移动机器人在移动至局部目标点前，即开始确定下一新的局部目标点，在确定之后，返回执行步骤S103。
其中，上述从全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点的方式，与步骤S102相同或相似，仅移动机器人从全局路径的起始位置点移动至当前所处位置点，因此，本发明实施例在此不再赘述。
本步骤中，在从全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点后，可以返回执行S103，直至移动机器人已移动至全局路径的重点，即目标位置点。
示例性的，以图2为例进行说明，在移动机器人移动至路径点B之后，可以将路径点B作为当前位置点，路径点C作为新的局部目标点，虚直线BC作为目标直线路径，继续执行检测移动机器人当前位置点对应的目标直线路径中是否存在障碍物，以此类推，直至移动机器人到达F点，完成移动机器人的移动过程。
本发明实施例上述方案中，可以在移动机器人当前位置点对应的目标直线路径中不存在障碍物时，可以按照当前位置点对应的目标直线路径，控制移动机器人进行移动，而不需要利用局部路径规划算法进行局部路径的规划，从而节省了进行局部路径规划的算力。可见，通过本方案，可以减少移动机器人在移动过程中的计算量。
如图3所示，本发明实施例提供一种机器人移动方法，包括步骤S301-S306，其中：
S301，获取移动机器人的全局路径；
与步骤S101相同或相似，本步骤具体实现方式，可以参考步骤S101的相关描述，在此不再赘述。
S302，从全局路径包含的各路径点中，选取一路径点，作为局部目标点；
与步骤S102相同或相似，本步骤具体实现方式，可以参考步骤S102的相关描述，在此不再赘述。
S303，检测移动机器人当前位置点对应的目标直线路径中是否存在障碍物；若不存在，则执行步骤S304，若存在，则执行步骤S305；
在确定目标直线路径之后，可以检测目标直线路径中是否存在障碍物，若不存在障碍物，可以执行步骤S304；若存在障碍物，此时，若移动机器人仍按照目标直线路径进行移动，将导致移动机器人与障碍物发生碰撞，因此，为了避免移动机器人发生碰撞，在检测到移动机器人当前位置点对应的目标直线路径中存在障碍物时，可以执行步骤S305。
S304，按照当前位置点对应的目标直线路径，控制移动机器人进行移动；
与步骤S104相同或相似，本步骤具体实现方式，可以参考步骤S104的相关描述，在此不再赘述。
S305，利用局部路径规划算法，控制移动机器人向局部目标点进行移动；
为了避免移动机器人发生碰撞，在检测到移动机器人当前位置点对应的目标直线路径中存在障碍物时，可以利用局部路径规划算法，控制移动机器人向局部目标点进行移动。
其中，局部路径规划算法可以为DWA(Dynamic Window Approach，动态窗口方法)算法、TEB(Time Elastic Band，时间弹性带)算法、MPC(Model Predictive Control，算法模型预测控制)算法等算法中的一种。
下面以DWA算法为例，对利用局部路径规划算法，控制移动机器人向局部目标点进行移动介绍。
一种实现方式中，如图4所示，上述步骤S305可以包括步骤S3051-步骤S3054，其中：
S3051，基于移动机器人的运动学模型以及移动机器人的当前速度，确定移动机器人在下一指定时长内的速度范围；
其中，移动机器人的运动学模型可以有多种，可以根据实际需求和场景选择，例如全向移动机器人的运动学模型、非全向移动机器人的运动学模型等，本发明实施例以最简单的非全向移动机器人进行介绍。其中，非全向移动机器人指只能前进和旋转的移动机器人。
在非全向移动机器人的运动学模型下，移动机器人的速度可以包括移动机器人的行进速度和/或旋转角速度。在移动机器人的速度包括行进速度和旋转角速度的情况下，速度范围行进速度的取值范围和旋转角速度的取值范围，此时，移动机器人的当前速度可以表示为(Vt,Wt)，其中，Vt为当前时刻的行进速度，Wt为当前时刻的旋转角速度。上述指定时长可以根据实际需求确定，例如50ms。
对于移动机器人而言，移动机器人的速度受自身的最大速度和最小速度的限制，具体而言V∈[Vmin,Vmax],W∈[Wmin,Wmax]，其表示移动机器人的行进速度最大为Vmax，最小为Vmin，移动机器人的旋转角速度最大为Wmax，最小为Wmin。进一步的，移动机器人受电机扭矩等影响，存在行进速度的最大加速度为amax,和旋转角速度的最大角加速度为αmax，，此时，有速度范围：V∈[Vt-amax·Δt,Vt+amax·Δt],W∈[Wt-αmax·Δt,Wt+αmax·Δt]，其中，Δt为指定时长。
可选的，进一步考虑移动机器人的碰撞，由于移动机器人需要在碰到障碍物前停下，在(amax，αmax)条件下，假设最大制动距离为d，此时，移动机器人的速度范围需要进一步加上限定条件：
Figure BDA0003704951820000111
S3052，从速度范围内选取至少一备选速度；
在确定出移动机器人的速度范围之后，可以从速度范围中进行采样，得到至少一备选速度。例如，采样得到(V1,W1)、(V2,W2)、(V3,W3)三组备选速度。
S3053，从至少一备选速度中，确定移动机器人在下一指定时长内向局部目标点进行移动的目标速度；
一种实现方式中，可以针对每一备选速度，基于该备选速度，预测移动机器人在下一指定时长内的模拟轨迹，作为该备选速度对应的模拟轨迹，并从预测的各模拟轨迹中，筛选向局部目标点进行移动最优的模拟轨迹，并将所确定的模拟轨迹对应的备选速度，作为目标速度。
其中，筛选向局部目标点进行移动最优的模拟轨迹，可以采用评价函数的方式，即基于预设的评价函数为每一模拟轨迹打分，将分数最高的模拟轨迹作为向局部目标点进行移动最优的模拟轨迹。具体的评价函数本发明实施例不做具体限定。可选的，一种实现方式中，在对各模拟轨迹进行打分之前，需要先确定模拟轨迹是否符合向局部目标点进行移动的条件，若不符合则提出该模拟轨迹，从而将筛选出的符合向局部目标点进行移动的条件，且分数最高的模拟轨迹作为向局部目标点进行移动最优的模拟轨迹。
S3054，控制移动机器人在下一指定时长内，按照目标速度进行移动，并在移动结束之后，返回执行步骤S3051。
在确定出目标速度之后，即可在控制移动机器人在下一指定时长内，按照目标速度进行移动，并移动结束之后，返回执行步骤S3051。
S306，在移动机器人移动至邻近局部目标点的位置点时，从全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点，并返回执行步骤S303。
与步骤S105相同或相似，本步骤具体实现方式，可以参考步骤S105的相关描述，在此不再赘述。
本发明实施例上述方案中，可以减少移动机器人在移动过程中的计算量，同时，在目标直线路段中存在障碍物时，可以利用局部路径规划算法，控制移动机器人向局部目标点进行移动，从而可以避免移动机器人发碰撞。
一种实施例中，在检测到移动机器人当前位置点对应的目标直线路径中存在障碍物，此时需要利用局部路径规划算法控制移动机器人向局部目标点进行移动，为了能够进一步的减少移动机器人在移动过程中的计算量，在利用局部路径规划算法控制移动机器人向局部目标点进行移动的过程中，可以检测移动机器人已移动至的新位置点对应的目标直线路径中是否存在障碍物，若检测到移动机器人已移动至的新位置点对应的目标直线路径中，不存在障碍物，则可以按照新位置点对应的目标直线路径，控制移动机器人进行移动。
其中，一种实现方式中，可以在利用局部路径规划算法控制移动机器人向局部目标点进行移动的过程中，且在每一次利用局部路径规划算法进行路径规划之前，检测移动机器人已移动至的新位置点对应的目标直线路径中是否存在障碍物。
以DWA算法为例，由前述内容可知，DWA算法需要先预测多条模拟路径，进而从多条模拟路径中选取最佳路径，并将该最佳路径对应的备选速度作为下一指定时长内移动家人的移动速度。因此，当移动机器人采用DWA算法控制移动机器人向局部目标点进行移动，其将周期性的确定下一周期(指定时长)内的目标速度，对于本发明实施例而言，可以在每一周期的目标速度被确定之前，检测检测移动机器人已移动至的新位置点对应的目标直线路径中是否存在障碍物，例如，可以在每一次从模拟路径中选取最佳路径之前，即DWA算法利用DWA评价函数对多条模拟路径进行评价之前，检测移动机器人已移动至的新位置点对应的目标直线路径中是否存在障碍物。
示例性的，以图2为例进行说明，首先利用局部路径规划算法控制移动机器人向局部目标点进行移动，当移动机器人移动至路径点a时，检测移动机器人已移动至的新位置点(即路径点a)对应的目标直线路径中不存在障碍物，确定出虚直线aB中不存在障碍物，则可以按照虚直线aB，控制移动机器人进行移动。
本发明实施例上述方案中，可以减少移动机器人在移动过程中的计算量。同时，可以实时检测目标直线路径是否存在障碍物，且在移动机器人已移动至的新位置点对应的目标直线路径中不存在障碍物时，直接按照新位置点对应的目标直线路径，控制移动机器人进行移动，从而进一步的减少移动机器人在移动过程中的计算量。
一种实施例中，在未检测到移动机器人当前位置点对应的目标直线路径中存在障碍物时，本发明实施例将按照当前位置点对应的目标直线路径控制移动机器人进行移动，然而，在实际应用中，在按照当前位置点对应的目标直线路径控制移动机器人进行移动的过程中，移动机器人当前所处位置点与局部目标点之间可能出现新的障碍物，此时，若继续按照当前位置点对应的目标直线路径控制移动机器人进行移动，则可能导致移动机器人与新出现的障碍物发生碰撞，为了避免出现此类情况，本发明实施例中，在按照目标直线路径控制移动机器人进行移动的过程中，若识别到移动机器人已移动至的新位置点与局部目标点之间出现新的障碍物，则可以利用局部路径规划算法，控制移动机器人向局部目标点进行移动。
本发明实施例上述方案中，可以减少移动机器人在移动过程中的计算量。同时，在出现新的障碍物时，可以及时利用局部路径规划算法，控制移动机器人向局部目标点进行移动，从而可以避免移动机器人与障碍物发生碰撞。
相应于本发明上述实施例所提供的机器人移动方法，如图5所示，本发明实施例还提供了一种机器人移动装置，所述装置包括：
全局路径获取模块501，用于获取移动机器人的全局路径；
第一选取模块502，用于从所述全局路径包含的各路径点中，选取一路径点，作为局部目标点；
障碍物检测模块503，用于检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物；其中，每一位置点对应的目标直线路径为：该位置点与所述局部目标点之间的直线路径；
移动控制模块504，用于若不存在障碍物，则按照所述目标直线路径，控制所述移动机器人进行移动；
第二选取模块505，用于在所述移动机器人移动至邻近所述局部目标点的位置点时，从所述全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点；调用所述障碍物检测模块执行所述检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物的步骤；其中，所述邻近所述局部目标点的位置点为：与所述局部目标点的间距不大于指定间距的位置点。
可选的，所述移动控制模块，还用于在所述障碍物检测模块执行所述检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物之后，若所述当前位置点对应的目标直线路径中存在障碍物，则利用局部路径规划算法，控制所述移动机器人向所述局部目标点进行移动。
可选的，所述移动控制模块，还用于在利用所述局部路径规划算法控制所述移动机器人向所述局部目标点进行移动的过程中，若检测到所述移动机器人已移动至的新位置点对应的目标直线路径中，不存在障碍物，则按照所述新位置点对应的目标直线路径，控制所述移动机器人进行移动。
可选的，所述障碍物检测模块，还用于在所述移动控制模块利用所述局部路径规划算法控制所述移动机器人向所述局部目标点进行移动的过程中，且在所述移动控制模块每一次利用所述局部路径规划算法进行路径规划之前，检测所述移动机器人已移动至的新位置点对应的目标直线路径中是否存在障碍物。
可选的，所述移动控制模块，包括：
速度范围确定子模块，用于基于所述移动机器人的运动学模型以及所述移动机器人的当前速度，确定所述移动机器人在下一指定时长内的速度范围；
备选速度选取子模块，用于从所述速度范围内选取至少一备选速度；
目标速度选取子模块，用于从所述至少一备选速度中，确定所述移动机器人在所述下一指定时长内向所述局部目标点进行移动的目标速度；
第一移动子模块，用于控制所述移动机器人在所述下一指定时长内，按照所述目标速度进行移动，并在移动结束之后，调用所述速度范围确定子模块执行所述基于所述移动机器人的运动学模型以及所述移动机器人的当前速度，确定所述移动机器人在下一指定时长内的速度范围的步骤。
可选的，所述至少一备选速度为多个；
所述目标速度选取子模块，具体用于针对每一备选速度，基于该备选速度，预测所述移动机器人在所述下一指定时长内的模拟轨迹，作为该备选速度对应的模拟轨迹；从预测的各模拟轨迹中，筛选向所述局部目标点进行移动最优的模拟轨迹，并将所确定的模拟轨迹对应的备选速度，作为目标速度。
可选的，所述移动控制模块，还用于在按照所述当前位置点对应的目标直线路径控制所述移动机器人进行移动的过程中，若识别到所述移动机器人已移动至的新位置点与所述局部目标点之间出现新的障碍物，则利用局部路径规划算法，控制所述移动机器人向所述局部目标点进行移动。
可选的，所述第一选取模块，具体用于基于所述移动机器人当前位置点，从所述全局路径包含的各路径点中，选取一路径点。
可选的，所述第一选取模块，具体用于基于所述移动机器人当前位置点，从所述全局路径中，确定目标路径段；从所述目标路径段包含的各路径点中，选取一路径点。
可选的，所述目标路径段包含的各路径点与所述当前位置点的距离大于第一指定距离，且小于第二指定距离；其中，所述第一指定距离小于所述第二指定距离，所述第二指定距离小于局部路径规划算法所规划的局部路径的最大有效距离。
可选的，所述第一选取模块，包括：
路径点选择子模块，用于从所述目标路径段包含的各路径点中，选取一所处位置点不存在障碍物的路径点。
可选的，所述移动控制模块，包括：
方向确定子模块，用于确定所述当前位置点对应的目标直线路径指向所述局部目标点的方向，作为目标方向；
第二移动子模块，用于控制所述移动机器人朝向所述目标方向进行移动。
可选的，所述第二移动子模块，具体用于控制所述移动机器人，以最大移动速度朝向所述目标方向进行移动。
本发明实施例上述方案中，可以在移动机器人当前位置点对应的目标直线路径中不存在障碍物时，可以按照目标直线路径，控制所述移动机器人进行移动，而不需要利用局部路径规划算法进行局部路径的规划，从而节省了进行局部路径规划的算力。可见，通过本方案，可以减少移动机器人在移动过程中的计算量。
本发明实施例还提供了一种移动机器人，如图6所示，包括处理器601和机器可读存储介质602，所述机器可读存储介质602存储有能够被所述处理器601执行的机器可执行指令，所述处理器601被所述机器可执行指令促使：实现如下步骤：
获取移动机器人的全局路径；
从所述全局路径包含的各路径点中，选取一路径点，作为局部目标点；
检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物；其中，每一位置点对应的目标直线路径为：该位置点与所述局部目标点之间的直线路径；
若不存在障碍物，则按照所述当前位置点对应的目标直线路径，控制所述移动机器人进行移动；
在所述移动机器人移动至邻近所述局部目标点的位置点时，从所述全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点；其中，所述邻近所述局部目标点的位置点为：与所述局部目标点的间距不大于指定间距的位置点；
返回执行所述检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物的步骤。
本发明实施例所提供的移动机器人，可以在移动机器人当前位置点对应的目标直线路径中不存在障碍物时，可以按照目标直线路径，控制所述移动机器人进行移动，而不需要利用局部路径规划算法进行局部路径的规划，从而节省了进行局部路径规划的算力。可见，通过本方案，可以减少移动机器人在移动过程中的计算量。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，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)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该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上述任一机器人移动方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一机器人移动方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、移动机器人、计算机可读存储介质、计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (16)

1.一种机器人移动方法，其特征在于，所述方法包括：
获取移动机器人的全局路径；
从所述全局路径包含的各路径点中，选取一路径点，作为局部目标点；
检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物；其中，每一位置点对应的目标直线路径为：该位置点与所述局部目标点之间的直线路径；
若不存在障碍物，则按照所述当前位置点对应的目标直线路径，控制所述移动机器人进行移动；
在所述移动机器人移动至邻近所述局部目标点的位置点时，从所述全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点；其中，所述邻近所述局部目标点的位置点为：与所述局部目标点的间距不大于指定间距的位置点；
返回执行所述检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物的步骤。
2.根据权利要求1所述的方法，其特征在于，在所述检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物之后，所述方法还包括：
若所述当前位置点对应的目标直线路径中存在障碍物，则利用局部路径规划算法，控制所述移动机器人向所述局部目标点进行移动。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在利用所述局部路径规划算法控制所述移动机器人向所述局部目标点进行移动的过程中，若检测到所述移动机器人已移动至的新位置点对应的目标直线路径中，不存在障碍物，则按照所述新位置点对应的目标直线路径，控制所述移动机器人进行移动。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
在利用所述局部路径规划算法控制所述移动机器人向所述局部目标点进行移动的过程中，且在每一次利用所述局部路径规划算法进行路径规划之前，检测所述移动机器人已移动至的新位置点对应的目标直线路径中是否存在障碍物。
5.根据权利要求2-4任一项所述的方法，其特征在于，所述利用局部路径规划算法，控制所述移动机器人向所述局部目标点进行移动，包括：
基于所述移动机器人的运动学模型以及所述移动机器人的当前速度，确定所述移动机器人在下一指定时长内的速度范围；
从所述速度范围内选取至少一备选速度；
从所述至少一备选速度中，确定所述移动机器人在所述下一指定时长内向所述局部目标点进行移动的目标速度；
控制所述移动机器人在所述下一指定时长内，按照所述目标速度进行移动，并在移动结束之后，返回执行所述基于所述移动机器人的运动学模型以及所述移动机器人的当前速度，确定所述移动机器人在下一指定时长内的速度范围的步骤。
6.根据权利要求5所述的方法，其特征在于，所述至少一备选速度为多个；
所述从所述至少一备选速度中，确定所述移动机器人在所述下一指定时长内向所述局部目标点进行移动的目标速度，包括：
针对每一备选速度，基于该备选速度，预测所述移动机器人在所述下一指定时长内的模拟轨迹，作为该备选速度对应的模拟轨迹；
从预测的各模拟轨迹中，筛选向所述局部目标点进行移动最优的模拟轨迹，并将所确定的模拟轨迹对应的备选速度，作为目标速度。
7.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
在按照所述当前位置点对应的目标直线路径控制所述移动机器人进行移动的过程中，若识别到所述移动机器人已移动至的新位置点与所述局部目标点之间出现新的障碍物，则利用局部路径规划算法，控制所述移动机器人向所述局部目标点进行移动。
8.根据权利要求1-4任一项所述的方法，其特征在于，所述从所述全局路径包含的各路径点中，选取一路径点，包括：
基于所述移动机器人当前位置点，从所述全局路径包含的各路径点中，选取一路径点。
9.根据权利要求8所述的方法，其特征在于，所述基于所述移动机器人当前位置点，从所述全局路径包含的各路径点中，选取一路径点，包括：
基于所述移动机器人当前位置点，从所述全局路径中，确定目标路径段；
从所述目标路径段包含的各路径点中，选取一路径点。
10.根据权利要求9所述的方法，其特征在于，所述目标路径段包含的各路径点与所述当前位置点的距离大于第一指定距离，且小于第二指定距离；
其中，所述第一指定距离小于所述第二指定距离，所述第二指定距离小于局部路径规划算法所规划的局部路径的最大有效距离。
11.根据权利要求9或10所述的方法，其特征在于，所述从所述目标路径段包含的各路径点中，选取一路径点，包括：
从所述目标路径段包含的各路径点中，选取一所处位置点不存在障碍物的路径点。
12.根据权利要求1-4任一项所述的方法，其特征在于，所述按照所述当前位置点对应的目标直线路径，控制所述移动机器人进行移动，包括：
确定所述当前位置点对应的目标直线路径指向所述局部目标点的方向，作为目标方向；
控制所述移动机器人朝向所述目标方向进行移动。
13.根据权利要求12所述的方法，其特征在于，所述控制所述移动机器人面向所述目标方向进行移动，包括：
控制所述移动机器人，以最大移动速度朝向所述目标方向进行移动。
14.一种机器人移动装置，其特征在于，所述装置包括：
全局路径获取模块，用于获取移动机器人的全局路径；
第一选取模块，用于从所述全局路径包含的各路径点中，选取一路径点，作为局部目标点；
障碍物检测模块，用于检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物；其中，每一位置点对应的目标直线路径为：该位置点与所述局部目标点之间的直线路径；
移动控制模块，用于若不存在障碍物，则按照所述目标直线路径，控制所述移动机器人进行移动；
第二选取模块，用于在所述移动机器人移动至邻近所述局部目标点的位置点时，从所述全局路径包含的各路径点中，选取下一路径点，作为新的局部目标点；调用所述障碍物检测模块执行所述检测所述移动机器人当前位置点对应的目标直线路径中是否存在障碍物的步骤；其中，所述邻近所述局部目标点的位置点为：与所述局部目标点的间距不大于指定间距的位置点。
15.一种移动机器人，其特征在于，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，所述处理器被所述机器可执行指令促使：实现权利要求1-13任一所述的方法步骤。
16.一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1-13任一所述的方法步骤。
CN202210704895.1A 2022-06-21 2022-06-21 一种机器人移动方法、装置及移动机器人 Pending CN115016485A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210704895.1A CN115016485A (zh) 2022-06-21 2022-06-21 一种机器人移动方法、装置及移动机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210704895.1A CN115016485A (zh) 2022-06-21 2022-06-21 一种机器人移动方法、装置及移动机器人

Publications (1)

Publication Number Publication Date
CN115016485A true CN115016485A (zh) 2022-09-06

Family

ID=83076662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210704895.1A Pending CN115016485A (zh) 2022-06-21 2022-06-21 一种机器人移动方法、装置及移动机器人

Country Status (1)

Country Link
CN (1) CN115016485A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115857515A (zh) * 2023-02-22 2023-03-28 成都瑞华康源科技有限公司 一种agv机器人路线规划方法、系统及存储介质
WO2024174128A1 (zh) * 2023-02-22 2024-08-29 深圳市欧拉智造科技有限公司 机器人以及障碍物避让控制方法的装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115857515A (zh) * 2023-02-22 2023-03-28 成都瑞华康源科技有限公司 一种agv机器人路线规划方法、系统及存储介质
CN115857515B (zh) * 2023-02-22 2023-05-16 成都瑞华康源科技有限公司 一种agv机器人路线规划方法、系统及存储介质
WO2024174128A1 (zh) * 2023-02-22 2024-08-29 深圳市欧拉智造科技有限公司 机器人以及障碍物避让控制方法的装置

Similar Documents

Publication Publication Date Title
CN109782763B (zh) 一种动态环境下的移动机器人路径规划方法
CN115016485A (zh) 一种机器人移动方法、装置及移动机器人
JP6207723B2 (ja) 衝突防止装置
JP6800989B2 (ja) ロボットの経路計画システム、方法、ロボット及び媒体
US11415992B2 (en) Resource prioritization based on travel path relevance
US11507092B2 (en) Sequential clustering
CN107894773A (zh) 一种移动机器人的导航方法、系统及相关装置
US11269327B2 (en) Picking up and dropping off passengers at an airport using an autonomous vehicle
CN112540609B (zh) 路径规划方法、装置、终端设备及存储介质
CN109753074A (zh) 一种机器人巡航控制方法、装置、控制设备和存储介质
JP2015152991A (ja) 自己位置推定装置及び自己位置推定方法
CN110168312A (zh) 基于目标预测动态物体的方法和装置
JP6951728B2 (ja) 物体追跡装置
KR20200067506A (ko) 전방위 센서퓨전 장치 및 그의 센서퓨전 방법과 그를 포함하는 차량
JP2011054082A (ja) 自律移動装置
CN111103875B (zh) 避让的方法、设备及存储介质
CN112677993A (zh) 一种模型训练的方法及装置
Kobayashi et al. Robot navigation based on predicting of human interaction and its reproducible evaluation in a densely crowded environment
Peng et al. Tracking control of human-following robot with sonar sensors
CN105446605A (zh) 信息处理方法及电子设备
CN112327848B (zh) 机器人避障方法及装置、存储介质和电子设备
CN112925313A (zh) 机器人的避让处理方法、装置、电子设备和介质
CN109141450A (zh) 目标速度确定方法和系统、计算机设备、计算机存储介质
CN112585616A (zh) 用于预测行人的至少一个将来的速度矢量和或将来的姿态的方法
JP2019197241A (ja) 通行人追従型の移動ロボットの誘導

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