CN115390571A - 一种绕障行驶方法和移动机器人 - Google Patents

Abstract

本发明涉及一种绕障行驶方法和移动机器人，包括：步骤S1，若检测到障碍物，则向服务器发送绕障请求；步骤S2，接收服务器下发的包含绕障区域的坐标的反馈信息，并基于坐标，获取绕障区域对应的局部地图；步骤S3，获取多个传感器中每个传感器的最新采集数据，并利用每个传感器的最新采集数据，对其对应的图层的数据集合中存储的历史采集数据进行筛选处理，以及将每个传感器的最新采集数据存储到对应的图层的数据集合中；步骤S4，对局部地图和所有图层进行融合处理，得到目标地图，并基于目标地图，控制移动机器人进行局部路径规划和移动；重复执行步骤S3至步骤S4，直至离开绕障区域，则停止循环。本申请能够提高绕障效率和绕障成功率。

Description

一种绕障行驶方法和移动机器人

技术领域

本发明涉及移动机器人运动控制技术领域，尤其涉及一种绕障行驶方法和移动机器人。

背景技术

在移动机器人的日常作业过程中，为了提升作业效率和安全性因素，通常会规划移动机器人的预定移动路径。在移动机器人沿预定移动路径进行移动的过程中，会出现无法预料的障碍，此时可将移动机器人上安装的传感器的当前采集数据映射到栅格地图中，并直接以当前采集数据去进行避障路径的规划。

在实现本发明的过程中，发明人发现现有技术至少存在如下问题：由于上述方法中移动机器人并不会存储传感器的历史采集数据，故其可能会引起反复规划到同一不可行区域的问题。例如，由于移动机器人在进行路径规划时，没有存储历史数据，从而可能会引起移动机器人反复规划到同一个不可行路口的问题。

发明内容

（一）要解决的技术问题

鉴于现有技术的上述缺点、不足，本发明提供一种绕障行驶方法和移动机器人，其解决了现有技术中存在的绕障成功率比较低的技术问题。

（二）技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

第一方面，本发明实施例提供一种绕障行驶方法，绕障行驶方法应用于移动机器人调度系统中的移动机器人，移动机器人调度系统包括服务器和移动机器人，并且移动机器人上安装有多个传感器；绕障行驶方法包括：步骤S1，在沿预定移动路径进行移动时，若检测到障碍物，则向服务器发送绕障请求；其中，绕障请求用于申请绕障区域；步骤S2，接收服务器下发的包含绕障区域的坐标的反馈信息，并基于坐标，从其所处环境的地图中获取绕障区域对应的局部地图；步骤S3，获取多个传感器中每个传感器的最新采集数据，并利用每个传感器的最新采集数据，对其对应的图层的数据集合中存储的历史采集数据进行筛选处理，以及将每个传感器的最新采集数据存储到对应的图层的数据集合中；其中，图层是基于多个传感器的传感器种类和传感器位姿确定的；步骤S4，对局部地图和所有图层进行融合处理，得到目标地图，并基于目标地图，控制移动机器人进行局部路径规划和移动；重复执行步骤S3至步骤S4，直至离开绕障区域，则停止循环。

在一个可能的实施例中，图层的确定方法包括：基于传感器种类对多个传感器进行第一次划分，得到第一次划分结果；基于传感器位姿对第一次划分结果进行第二次划分，得到第二次划分结果；其中，第二次划分结果包括多个传感器划分类别；为多个传感器划分类别中每个传感器划分类别赋予一个图层。

在一个可能的实施例中，第一次划分结果包括点传感器、平面传感器和深度传感器中的至少两种。

在一个可能的实施例中，第一次划分结果包括位于同一水平面的点传感器和平面传感器；基于传感器位姿对第一次划分结果进行第二次划分，得到第二次划分结果，包括：将位于同一水平面的点传感器和平面传感器划分为同一类。

在一个可能的实施例中，利用每个传感器的最新采集数据，对其对应的图层的数据集合中存储的历史采集数据进行筛选处理，包括：基于当前传感器的分辨率和当前传感器的最新采集数据，构建指定形状的图形；判断当前历史采集数据是否处于图形的覆盖范围内；其中，若当前历史采集数据处于图形的覆盖范围内，则从当前图层中删除当前历史采集数据；若当前历史采集数据未处于图形的覆盖范围内，则在当前图层中保留当前历史采集数据。

在一个可能的实施例中，在当前传感器的种类为深度传感器的情况下，指定形状为圆锥体。

在一个可能的实施例中，圆锥体的顶点为深度传感器的中心，并且圆锥体的底面的圆心为任意一个最新采集数据，以及圆锥体的圆锥角的大小是深度传感器的分辨率的第一预设倍数。

在一个可能的实施例中，在当前传感器的种类为点传感器或者平面传感器的情况下，指定形状为三角形。

在一个可能的实施例中，三角形的一个顶点为点传感器的中心或者平面传感器的中心，并且三角形与顶点相对的底边的中心为任意一个最新采集数据，以及三角形的顶角的大小是点传感器的分辨率的第二预设倍数，或者三角形的顶角的大小是平面传感器的分辨率的第三预设倍数。

第二方面，本发明实施例提供一种移动机器人，包括存储器、处理器以及存储在存储器上并可在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上述第一方面中任一所述绕障行驶方法的步骤。

（三）有益效果

本发明的有益效果是：

本发明公开了一种绕障行驶方法和移动机器人，从而可提供一个可靠的绕障用目标地图，解决了绕障过程中动态障碍物的干扰问题，支持各类传感器的融合建图，提高绕障效率和成功率。

为使本申请实施例所要实现的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请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示出了本申请实施例提供的一种移动机器人调度系统的示意图；

图2示出了本申请实施例提供的一种绕障行驶方法的流程图；

图3示出了本申请实施例提供的一种确定绕障区域的示意图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

目前，现有的移动机器人规划避障路径的方法包括：

一种是可将移动机器人上安装的传感器的当前采集数据映射到栅格地图中，并直接以当前采集数据去进行避障路径的规划。但是，由于该方法中移动机器人并不会存储传感器的历史采集数据，故其可能会引起规划后的路径为不可行路径的问题。例如，由于该方法中的移动机器人并不会存储传感器的历史采集数据，其可能会导致移动机器人反复移动到一个无法通行的路口；

另外一种是移动机器人会保存所有的传感器数据，即移动机器人会保存当前的传感器数据和历史传感器数据。但是，由于该方法无法应对移动障碍物，从而会导致很多可行的绕障轨迹无法成功规划。例如，当移动机器人移动到一个路口时，由于发现前方有障碍物，其可向后退，并且移动机器人在后退的过程中，通过传感器数据确定前方的移动障碍物又已经离开了。

基于此，本申请公开了一种绕障行驶方法和移动机器人，通过在触发绕障模式后，其可将有效的传感器采集数据保存在对应的图层中，以进行避障路径的规划，从而可有效防止移动机器人多次走入同一个无法成功绕障的区域，提高绕障的效率。

为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

请参见图1，图1示出了本申请实施例提供的一种移动机器人调度系统的示意图。如图1所示的移动机器人调度系统包括服务器和移动机器人。

应理解，服务器的具体装置和移动机器人的具体装置均可根据实际需求来进行设置，本申请实施例并不局限于此。

例如，服务器可以是单个服务器，也可以是集群等。

再例如，移动机器人可以是AGV小车等。

这里需要说明的是，虽然图1中仅示出了一个移动机器人，但本领域的技术人员应当理解，该移动机器人调度系统可包括更多的移动机器人，本申请实施例并不局限于此。

请参见图2，图2示出了本申请实施例提供的一种绕障行驶方法的流程图。如图2所示的绕障行驶方法应用于移动机器人调度系统中的移动机器人，移动机器人调度系统包括服务器和移动机器人，并且移动机器人上安装有多个传感器；该绕障行驶方法包括：

步骤S210，移动机器人在沿预定移动路径进行移动时，若检测到障碍物，则向服务器发送绕障请求。对应地，服务器可接收移动机器人发送的绕障请求。其中，绕障请求用于申请绕障区域。

具体地，在沿预定移动路径进行移动时，若移动机器人通过传感器采集的数据，确定移动机器人前方出现障碍物，则可触发绕障模式。在触发绕障模式后，移动机器人可获取移动机器人的当前位置和移动机器人所处的直线段路径的末端（即此时移动机器人前进方向为末端方向）的坐标，并生成携带有当前位置和末端的坐标的绕障请求，以及向服务器发送该绕障请求。其中，直线段路径可以是预定移动路径的部分路径（例如，在预定移动路径为L型路径的情况下，该直线段路径可为构成L型路径的一条直线段路径），也可以是预定移动路径的全部路径（例如，在预定移动路径为直线型路径的情况下，该直线段路径则是整个预定移动路径）。

应理解，障碍物的具体形式可根据实际需求来进行定义，只要保证障碍物不受机器人调度系统控制即可，本申请实施例并不局限于此。

例如，障碍物可以是货物，也可以是坏了的移动机器人，也可以是人等。

步骤S220，服务器根据绕障请求，为移动机器人分配绕障区域。

具体地，服务器在接收到绕障请求后，服务器可进行绕障区域的规划，在服务器为当前移动机器人分配绕障区域后，就不会再其他移动机器人分配该绕障区域了，从而能够避免其他移动机器人再挡住当前移动机器人的情况。

以及，由于该服务器和移动机器人可共享同一份地图，故该服务器可基于移动机器人所处的当前位置和末端的坐标，确定移动机器人当前运行在目标直线段路径上。随后，服务器可基于目标直线段路径，确定包括整个目标直线段路径的绕障区域。

例如，如图3所示，在该预定移动路径为L型路径，并且该L型路径的三个端点分别为A点、B点和C点的情况下，服务器可基于移动机器人F的当前位置和移动机器人F所处的直线段路径的末端B点的坐标，确定移动机器人F当前运行在目标直线段路径AB上。随后，服务器可向目标直线段路径AB的两侧延伸一定的距离，从而将延伸后的区域确定为绕障区域D。

应理解，延伸的具体距离可根据实际环境确定的，也可以是预设的距离，本申请实施例并不局限于此。

例如，在移动机器人位于走廊的中间，并且走廊的左右宽度可以是3m的情况下，那么其左右延伸的距离可以分别是1.5m；

再例如，在移动机器人处于比较空旷的地区的情况下，其延伸的距离可以是移动机器人的宽度的5-6倍。

这里需要说明的是，考虑到移动机器人距离障碍物的距离比较近，从而可能会出现移动机器人倒退的情况，故服务器基于目标直线段路径确定绕障区域。

步骤S230，服务器向移动机器人发送携带有绕障区域的坐标的反馈信息。对应地，移动机器人接收服务器下发的反馈信息。

步骤S240，移动机器人基于坐标，从移动机器人所处环境的地图中获取绕障区域对应的局部地图。

具体地，由于移动机器人和服务器共享有同一份地图，故在服务器下发反馈消息后，移动机器人可基于绕障区域的坐标，从当前移动机器人所处环境的地图中获取服务器分配的绕障区域的局部地图，从而可通过获取局部地图来提高计算效率。例如，可从当前移动机器人所处环境的地图中截取服务器分配的绕障区域的局部地图。

这里需要说明的是，在后续移动机器人走出该绕障区域后，移动机器人可删除该局部地图。

步骤S250，移动机器人获取多个传感器中每个传感器的最新采集数据，并利用每个传感器的最新采集数据，对其对应的图层的数据集合中存储的历史采集数据进行筛选处理，以及将每个传感器的最新采集数据存储到对应的图层的数据集合中。其中，图层是基于多个传感器的传感器种类和传感器位姿确定的。

具体地，移动机器人可先划分图层，在划分图层后，移动机器人可获取多个传感器中每个传感器的最新采集数据，并利用每个传感器的最新采集数据，对其对应的图层的数据集合中存储的历史采集数据进行筛选处理，以将对应的图层的数据集合中无效的历史采集数据进行删除，以及将每个传感器的最新采集数据存储到对应的图层的数据集合中。其中，无效的历史采集数据可以是移动障碍物相关的采集数据。

应理解，移动机器人划分图层的具体方法可根据实际需求来进行设置，本申请实施例并不局限于此。

可选地，由于移动机器人可安装有多个传感器，故移动机器人可基于传感器种类对多个传感器进行第一次划分，得到第一次划分结果。其中，第一次划分结果可包括点传感器、平面传感器和深度传感器中的至少两种。以及，移动机器人可基于传感器位姿对第一次划分结果进行第二次划分，得到第二次划分结果；其中，第二次划分结果包括多个传感器划分类别。以及，移动机器人可为多个传感器划分类别中每个传感器划分类别赋予一个图层，即移动机器人为一个传感器划分类别赋予一个图层。

应理解，移动机器人可基于传感器位姿对第一次划分结果进行第二次划分，得到第二次划分结果的具体方法可根据实际需求来进行设置。

可选地，在第一次划分结果包括至少一个深度传感器的情况下，移动机器人可将所有的深度传感器划分为同一类传感器划分类别。

可选地，在第一次划分结果包括位于同一水平面的点传感器和平面传感器（即点传感器和平面传感器位于同一高度）的情况下，可将位于同一水平面的点传感器和平面传感器划分为同一类传感器划分类别。

可选地，在第一次划分结果包括位于同一水平面的点传感器和平面传感器和未处于同一水平面的点传感器和平面传感器的情况下，可基于未处于同一水平面的点传感器的数量，将未处于同一水平面的点传感器划分为与其数量对应的传感器划分类别，以及还可基于未处于同一水平面的平面传感器的数量，将未处于同一水平面的平面传感器划分为与其数量对应的传感器划分类别。

例如，在第一次划分结果包括处于0.5米的点传感器和处于1.5米的点传感器的情况下，服务器可将上述两个点传感器划分为两类。

还应理解，移动机器人利用每个传感器的最新采集数据，对其对应的图层的数据集合中存储的历史采集数据进行筛选处理的具体过程可根据实际需求来进行设置，本申请实施例并不局限于此。

可选地，移动机器人可基于当前传感器的分辨率和当前传感器的最新采集数据，构建指定形状的图形，以及移动机器人可判断当前历史采集数据是否处于图形的覆盖范围内，以及若当前历史采集数据处于图形的覆盖范围内，则从当前图层中删除当前历史采集数据；若当前历史采集数据未处于图形的覆盖范围内，则在当前图层中保留当前历史采集数据。

例如，在当前传感器的种类为深度传感器的情况下，移动机器人可将深度传感器的中心作为圆锥体的顶点，并可将深度传感器采集的当前点云数据作为圆锥体的底面的圆心，以及可将深度传感器的相机分辨率的第一预设倍数作为圆锥体的圆锥角，并以此构建当前点云数据对应的三维圆锥体。以及，移动机器人可基于每个历史采集数据（即深度传感器对应的图层中的历史点云数据）的坐标来确定每个历史采集数据是否处于圆锥体内。若处于圆锥体内，则将其删除，从而使得对应的图层中的历史采集数据均为有效的历史采集数据；若处于圆锥体外，则将其保留。其中，当前点云数据可以是深度传感器采集的点云中的任意一个点云数据。

还应理解，第一预设倍数的具体倍数可根据实际需求来进行设置，本申请实施例并不局限于此。

例如，第一预设倍数可以是2倍，也可以是4倍等。

这里需要说明的是，深度传感器获取的当前点云数据都是有效的，并且深度传感器的点云中的每个点云数据和深度传感器的中心点的连线中间应该是没有障碍物的，故通过计算内存中的数据是位于连线的中间的，那么其是动态的障碍物的相关数据，故需要将其删除。

对应地，后续其他传感器的原理是类似的，后续不再一一说明。

再例如，在当前传感器的种类为点传感器的情况下，移动机器人可将点传感器的中心作为三角形的一个顶点，并可将点传感器采集的点数据作为顶点对应的底边的中心，以及可将点传感器的相机分辨率的第二预设倍数作为三角形的顶点处的顶角，并以此构建当前点数据对应的二维三角形。以及，移动机器人可基于每个历史采集数据（即点传感器对应的图层中的历史点数据）的坐标来确定每个历史采集数据是否处于三角形内。若处于三角形内，则将其删除，从而使得对应的图层中的历史采集数据均为有效的历史采集数据；若处于三角形外，则将其保留。

还应理解，第二预设倍数的具体倍数可根据实际需求来进行设置，本申请实施例并不局限于此。

再例如，在当前传感器的种类为平面传感器的情况下，移动机器人可将平面传感器的中心作为三角形的一个顶点，并可将平面传感器采集的当前传感器数据作为顶点对应的底边的中心，以及可将平面传感器的相机分辨率的第三预设倍数作为三角形的顶点处的顶角，并以此构建当前传感器数据对应的二维三角形。以及，移动机器人可基于每个历史采集数据（即平面传感器对应的图层中的历史传感器数据）的坐标来确定每个历史采集数据是否处于三角形内。若处于三角形内，则将其删除，从而使得对应的图层中的历史采集数据均为有效的历史采集数据；若处于三角形外，则将其保留。

还应理解，第三预设倍数的具体倍数可根据实际需求来进行设置，本申请实施例并不局限于此。

还应理解，移动机器人将每个传感器的最新采集数据存储到对应的图层的数据集合中的具体过程可根据实际需求来进行设置，本申请实施例并不局限于此。

可选地，传感器数据可通过该传感器的外参（例如，预先标定的外参）和此时移动机器人的定位值，进行坐标变换以后就可以转换成地图坐标系下的坐标值，将变换后所有处于局部地图范围内的数据录入对应图层数据集合内。

这里需要说明的是，各个图层之间的上下顺序可根据实际需求来进行设置，本申请实施例并不局限于此。

步骤S260，移动机器人对局部地图和所有图层进行融合处理，得到目标地图，并基于目标地图，控制移动机器人进行局部路径规划和移动。其中，目标地图既充分利用了历史传感信息防止来回绕路，又避免了移动物体对绕障能力的干扰，同时由于目标地图范围有限，可以保证计算量不过大确保在线计算。

应理解，目标地图也可以称为绕障地图。

可选地，移动机器人可基于各个图层的数据集合，构建各个图层。以及，移动机器人还可将局部地图作为背景图，并可将各个图层的数据投影到背景图上，从而可获得目标地图。以及，移动机器人可基于目标地图，控制移动机器人进行局部路径规划和移动。

例如，在获取到第n时刻的目标地图后，移动机器人可基于第n时刻的目标地图，进行局部路径规划和移动。以及，后续在获取到第n+m时刻的更新后的目标地图，移动机器人可基于更新后的目标地图，进行局部路径规划和移动。其中，n和m均为正整数，并且m可表示更新的频率。

可选地，由于各个图层的数据集合中的数据均包括X坐标值和Y坐标值，故可通过将各个图层中的各个数据描绘到局部地图中，从而可获得目标地图。以及，移动机器人可基于目标地图，控制移动机器人进行局部路径规划和移动。

这里需要说明的是，由于移动机器人是不断移动的，并且随着机器人的移动，每个图层的数据集合都是不断更新的，故移动机器人可基于预设的频率不断重复执行步骤S250至步骤S260，直至离开绕障区域，则停止循环。

这里还需要说明的是，虽然图2是以一个移动机器人为例来进行描述的，但本领域的技术人员应当理解，其他的移动机器人同样适用于图2所示的方法。

因此，借助于上述技术方案，本申请实施例提供了一个可靠的绕障用目标地图，解决了绕障过程中动态障碍物的干扰问题，支持各类传感器的融合建图，提高绕障效率和成功率。

应理解，上述绕障行驶方法仅是示例性的，本领域技术人员根据上述的方法可以进行各种变形，该变形之后的方案也属于本申请的保护范围。

本申请提供一种移动机器人，包括存储器、处理器以及存储在存储器上并可在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上述图2所示的所述绕障行驶方法的步骤。

由于本发明上述实施例所描述的移动机器人，为实施本发明上述实施例的方法所采用的移动机器人，故而基于本发明上述实施例所描述的方法，本领域所属技术人员能够了解该移动机器人的具体结构及变形，因而在此不再赘述。凡是本发明上述实施例的方法所采用的移动机器人都属于本发明所欲保护的范围。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备（系统）和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。

应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。

此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。

Claims (10)

1.一种绕障行驶方法，其特征在于，所述绕障行驶方法应用于移动机器人调度系统中的移动机器人，所述移动机器人调度系统包括服务器和所述移动机器人，并且所述移动机器人上安装有多个传感器；所述绕障行驶方法包括：

步骤S1，在沿预定移动路径进行移动时，若检测到障碍物，则向所述服务器发送绕障请求；其中，所述绕障请求用于申请绕障区域；

步骤S2，接收所述服务器下发的包含绕障区域的坐标的反馈信息，并基于所述坐标，从其所处环境的地图中获取所述绕障区域对应的局部地图；

步骤S3，获取所述多个传感器中每个传感器的最新采集数据，并利用所述每个传感器的最新采集数据，对其对应的图层的数据集合中存储的历史采集数据进行筛选处理，以及将所述每个传感器的最新采集数据存储到对应的图层的数据集合中；其中，所述图层是基于所述多个传感器的传感器种类和传感器位姿确定的；

步骤S4，对所述局部地图和所有图层进行融合处理，得到目标地图，并基于所述目标地图，控制所述移动机器人进行局部路径规划和移动；

重复执行所述步骤S3至所述步骤S4，直至离开所述绕障区域，则停止循环。

2.根据权利要求1所述的绕障行驶方法，其特征在于，所述图层的确定方法包括：

基于所述传感器种类对所述多个传感器进行第一次划分，得到第一次划分结果；

基于所述传感器位姿对所述第一次划分结果进行第二次划分，得到第二次划分结果；其中，所述第二次划分结果包括多个传感器划分类别；

为所述多个传感器划分类别中每个传感器划分类别赋予一个图层。

3.根据权利要求2所述的绕障行驶方法，其特征在于，所述第一次划分结果包括点传感器、平面传感器和深度传感器中的至少两种。

4.根据权利要求2所述的绕障行驶方法，其特征在于，所述第一次划分结果包括位于同一水平面的点传感器和平面传感器；

其中，所述基于所述传感器位姿对所述第一次划分结果进行第二次划分，得到第二次划分结果，包括：

将所述位于同一水平面的点传感器和平面传感器划分为同一类。

5.根据权利要求1所述的绕障行驶方法，其特征在于，所述利用所述每个传感器的最新采集数据，对其对应的图层的数据集合中存储的历史采集数据进行筛选处理，包括：

基于当前传感器的分辨率和所述当前传感器的最新采集数据，构建指定形状的图形；

判断所述当前历史采集数据是否处于所述图形的覆盖范围内；其中，

若所述当前历史采集数据处于所述图形的覆盖范围内，则从当前图层中删除所述当前历史采集数据；

若所述当前历史采集数据未处于所述图形的覆盖范围内，则在所述当前图层中保留所述当前历史采集数据。

6.根据权利要求5所述的绕障行驶方法，其特征在于，在所述当前传感器的种类为深度传感器的情况下，所述指定形状为圆锥体。

7.根据权利要求6所述的绕障行驶方法，其特征在于，所述圆锥体的顶点为所述深度传感器的中心，并且所述圆锥体的底面的圆心为任意一个最新采集数据，以及所述圆锥体的圆锥角的大小是所述深度传感器的分辨率的第一预设倍数。

8.根据权利要求5所述的绕障行驶方法，其特征在于，在所述当前传感器的种类为点传感器或者平面传感器的情况下，所述指定形状为三角形。

9.根据权利要求8所述的绕障行驶方法，其特征在于，所述三角形的一个顶点为所述点传感器的中心或者平面传感器的中心，并且所述三角形与顶点相对的底边的中心为任意一个最新采集数据，以及所述三角形的顶角的大小是所述点传感器的分辨率的第二预设倍数，或者所述三角形的顶角的大小是平面传感器的分辨率的第三预设倍数。

10.一种移动机器人，其特征在于，包括存储器、处理器以及存储在存储器上并可在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上述权利要求1至9中任一所述绕障行驶方法的步骤。

Images