CN115494882A - 基于电磁定位的移动机器人跟随方法、装置及可读介质 - Google Patents
基于电磁定位的移动机器人跟随方法、装置及可读介质 Download PDFInfo
- Publication number
- CN115494882A CN115494882A CN202211285737.3A CN202211285737A CN115494882A CN 115494882 A CN115494882 A CN 115494882A CN 202211285737 A CN202211285737 A CN 202211285737A CN 115494882 A CN115494882 A CN 115494882A
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- following
- pedestrian
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 89
- 230000001133 acceleration Effects 0.000 claims abstract description 52
- 230000004044 response Effects 0.000 claims abstract description 6
- 230000006698 induction Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013016 damping Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 230000002787 reinforcement Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000003068 static 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
- G05D1/12—Target-seeking control
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
本发明公开了一种基于电磁定位的移动机器人跟随方法、装置及可读介质,涉及移动跟随领域,通过获取发射模块发送至接收模块的电磁信号,根据电磁信号通过电磁定位算法计算得到接收模块相对发射模块的位姿信息;根据与发射模块连接的接收模块的连接信号数量确定移动机器人为单人跟随模式或多人跟随模式;响应于确定移动机器人为单人跟随模式,根据接收模块相对发射模块的位姿信息通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现单个行人目标的跟随;响应于确定移动机器人为多人跟随模式,通过多人跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现多个行人目标的跟随,解决难以稳定可靠地跟踪人体目标等问题。
Description
技术领域
本发明涉及移动跟随领域,具体涉及一种基于电磁定位的移动机器人跟随方法、装置及可读介质。
背景技术
在面向老年人/儿童/特殊人群的行动陪护、展览馆/博物馆等场所的迎宾引导、物流分拣搬运、餐厅送菜等人机共融与协作场景,需要实现移动机器人对人体目标的跟随任务等人机交互动作。特别地,需要在多人、动态、非结构化环境下对特定人体目标的检测、锁定和跟踪。
移动机器人依赖传感器识别和跟随行人目标,包含被跟踪人体佩戴收发模块和被跟踪人体无佩戴收发模块两种模式。被跟踪人体无佩戴收发模块模式主要包含相机和激光雷达。其中,相机传感器依赖环境的光线强度,在强光弱光下丢失跟随目标;激光雷达传感器输入的特征稀少,难以在多人和障碍物复杂的场景下实现稳定的目标识别。被跟踪人体佩戴收发模块模式主要包含蓝牙、UWB传感器和电磁传感器,收发模块分别放置于移动机器人和被跟踪人体,二者通过无线连接为最佳方式。其中,蓝牙和UWB传感器通信距离短且穿越障碍物时衰减较大,在多人场景下丢失信号。电磁传感器可以实现无光学遮挡地360°精准位姿跟踪,并且可以通过调节磁场强度实现较大跟踪范围,通过多个收发模块可以同时跟踪2人或者多人。
使用电磁定位的移动机器人跟随方法及系统有难点:
(1)基于永磁体作为信号源的无线电磁跟踪方式跟踪距离受限于静磁场强度的快速衰减;
(2)交变电磁跟踪方式受限于收发端的有线连接,收发端无线连接的交变电磁跟踪方式在跟随机器人方面还没有有效应用。
发明内容
针对上述提到的现有跟随机器人在感知和跟踪方面均存在不足,特别是户外和多人环境下难以稳定可靠地跟踪人体目标等问题。本申请的实施例的目的在于提出了一种基于电磁定位的移动机器人跟随方法、装置及可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本发明提供了一种基于电磁定位的移动机器人跟随方法,包括以下步骤:
S1,获取位于移动机器人上的发射模块发送至位于行人目标上的接收模块的电磁信号,根据电磁信号通过电磁定位算法计算得到接收模块相对发射模块的位姿信息;
S2,根据与发射模块连接的接收模块的连接信号数量确定移动机器人为单人跟随模式或多人跟随模式;
S3,响应于确定移动机器人为单人跟随模式,根据接收模块相对发射模块的位姿信息通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现单个行人目标的跟随;
S4,响应于确定移动机器人为多人跟随模式,求取多个接收模块相对发射模块的位姿信息的平均值,根据平均值通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现多个行人目标的跟随。
作为优选,步骤S1具体包括:
定义发射模块的中心为坐标系原点,通过接收模块测量得到三个正交磁感应强度分量 (B x , B y , B z ),接收模块的坐标系与发射模块的坐标系三个坐标轴分别平行,将目标坐标系 (x, y, z)依次分别绕x轴、y轴、z轴旋转欧拉角α、β、γ后得到目标坐标系 (u, v,w),旋转方向为从各轴方向自上向下看逆时针旋转;
根据磁偶极子模型,计算正交磁感应强度分量 (B x , B y , B z ):
式中,B T 为常量,B T =μIR 2/4,μ为空气的磁导率,I为电流大小,R为发射模块的线圈
半径;(m, n, p)为发射模块的单位方向向量,m 2+n 2+p 2=1;r为接收模块到发射模块的距离,;
根据正交磁感应强度分量 (B x , B y , B z )计算得到接收模块在目标坐标系 (u, v,w)感应到的磁感应强度分量 (B u , B v , B w ):
式中,R为欧拉角,旋转过程描述为:
式中,Rot(z, γ)为绕z轴旋转γ角度;Rot(y, β)为绕y轴旋转β角度;Rot(x, α)为绕x轴旋转α角度;
根据接收模块在目标坐标系 (u, v, w)感应到的磁感应强度分量 (B u , B v , B w )通过电磁定位算法计算得到接收模块相对于发射模块的位姿信息。
作为优选,电磁定位算法包括优化算法、解析法或者基于神经网络的无线跟踪算法。
作为优选,步骤S2具体包括:
通过检查与发射模块连接的接收模块的连接信号数量,判断移动机器人为单人跟随模式或多人跟随模式;
若连接信号数量为1,则确定移动机器人为单人跟随模式,执行步骤S3;若连接信号数量大于1,判断确定移动机器人为多人跟随模式,执行步骤S4。
作为优选,步骤S3具体包括:
S31,移动机器人在世界坐标系下的状态向量为:
行人目标在世界坐标系下的状态向量为:
移动机器人在行人坐标系中的状态向量表示为:
移动机器人从世界坐标系转换到行人坐标系下的夹角的计算公式如下:
其中,转换矩阵F表示为:
根据移动机器人在行人坐标系中的状态向量通过跟随机器人运动控制算法计算接收模块和发射模块之间的距离d和夹角Φ;
S32,根据接收模块和发射模块之间的夹角Φ判断行人目标相对于移动机器人的象限信息,通过象限信息判断跟随模式:
当Φ=[π/4, 3π/4],判断移动机器人在行人目标的后方,触发后跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于π/2;
当Φ=[3π/4, π]∪[-π, -3π/4],判断移动机器人在行人目标的右侧,触发右侧跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于π;
当Φ=[-3π/4, -π/4],判断移动机器人在行人目标的前方,触发前跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于-π/2;
当Φ=[-π/4, 0]∪[0, π/4],判断移动机器人在行人目标的左侧,触发左侧跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于0;
S33;基于移动机器人与行人目标之间的相对位姿、环境感知信息及人机交互策略,通过跟随机器人运动控制算法计算得到线性加速度a v 和角加速度a w ,跟随机器人运动控制算法包括虚拟弹簧力控制算法、社会力模型/阻抗控制算法、模型预测控制算法或强化学习算法。
作为优选,当跟随机器人运动控制算法采用虚拟弹簧力控制算法时,
将移动机器人和行人目标的跟随关系描述为虚拟弹簧力,计算虚拟伸缩形变弹力F 1和虚拟弯曲形变弹力F 2;
其中,k 1为虚拟弹簧的弹性系数,单位为N/m;k 2为虚拟弹簧的曲度系数,单位为N/rad;l 0为虚拟弹簧的原长,单位为m;
跟随运动控制的动力学方程表示如下:
其中,M为移动机器人的质量,单位为kg;k 3为平移相关的阻尼系数,单位为 Ns/m;k 4为旋转相关的阻尼系数,单位为 Ns/rad;
跟随运动控制器表示为:
其中,I为移动机器人的转动惯量;θ e 为移动机器人在行人坐标系中夹角;跟随运动控制器通过控制移动机器人和行人目标之间的实时夹角Φ趋向于θ e ,使得机器人实现单个行人目标的前跟随、后跟随和侧跟随功能。
作为优选,步骤S4具体包括:
重复步骤S31分别计算多个行人目标中的每个行人目标的接收模块和发射模块之间的距离d和夹角Φ,并求取其平均值得到平均夹角,再根据平均夹角重复步骤S32-S33,实现多个行人目标的前跟随、后跟随、侧跟随功能。
第二方面,本发明提供了一种基于电磁定位的移动机器人跟随装置,包括:
位姿信息获取模块,被配置为获取位于移动机器人上的发射模块发送至位于行人目标上的接收模块的电磁信号,根据电磁信号通过电磁定位算法计算得到接收模块相对发射模块的位姿信息;
跟随模式确定模块,被配置为根据与发射模块连接的接收模块的连接信号数量确定移动机器人为单人跟随模式或多人跟随模式;
单人跟随控制模块,被配置为响应于确定移动机器人为单人跟随模式,根据接收模块相对发射模块的位姿信息通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现单个行人目标的跟随;
多人跟随控制模块,被配置为响应于确定移动机器人为多人跟随模式,求取多个接收模块相对发射模块的位姿信息的平均值,根据平均值通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现多个行人目标的跟随。
第三方面,本发明提供了一种电子设备,包括一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
相比于现有技术,本发明具有以下有益效果:
(1)本发明采用无线交变电磁跟踪技术实现无光学遮挡地360°精准位姿跟踪,并且可以同时跟踪单人、2人或者多人,实现更加精准和稳定的人体跟踪;同时通过无线交变电磁跟踪融合惯性传感,可以实现机器人和被跟踪人体运动状态更完整感知和行动预测。在控制策略方面,通过虚拟弹簧力控制算法、社会力模型/阻抗控制算法、模型预测控制算法或强化学习算法等智能控制算法相结合,实现面向行走路径和人机协作场景的自适应运动模式。
(2)本发明通过行人目标佩戴电磁传感器的接收模块,移动机器人安装电磁传感器的发射模块,实现识别更准、距离更远、稳定性更好的移动机器人跟随行人目标功能,并能够实现移动机器人在多人和复杂障碍物的场景对某一个或多个行人目标识别和跟随。
(3)本发明大幅度地提高了跟随机器人的实用性和智能化水平,有望实现其在日常生活中的广泛应用,并为进一步的人机共融环境下人机交互创造了良好条件。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,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,对于本领域的普通技术人员来讲,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的附图。
图1是本申请的一个实施例可以应用于其中的示例性装置架构图;
图2为本申请的实施例的基于电磁定位的移动机器人跟随方法的流程示意图;
图3为本申请的实施例的基于电磁定位的移动机器人跟随方法的电磁定位的发射模块和接收模块的工作流程图;
图4为本申请的实施例的基于电磁定位的移动机器人跟随方法的功能演示图;
图5为本申请的实施例的基于电磁定位的移动机器人跟随方法的(x, y, z)坐标系通过欧拉角转换为(u, v, w)坐标系的示意图;
图6为本申请的实施例的基于电磁定位的移动机器人跟随方法的针对单人目标的四种跟随模式的示意图;
图7为本申请的实施例的基于电磁定位的移动机器人跟随方法的针对双轮差分式移动机器人跟随运动控制的示意图;
图8为本申请的实施例的基于电磁定位的移动机器人跟随方法的针对双人目标的四种跟随模式的示意图;
图9为本申请的实施例的基于电磁定位的移动机器人跟随装置的示意图;
图10是适于用来实现本申请实施例的电子设备的计算机装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,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在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1示出了可以应用本申请实施例的基于电磁定位的移动机器人跟随方法或基于电磁定位的移动机器人跟随装置的示例性装置架构100。
如图1所示,装置架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种应用,例如数据处理类应用、文件处理类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上传的文件或数据进行处理的后台数据处理服务器。后台数据处理服务器可以对获取的文件或数据进行处理,生成处理结果。
需要说明的是,本申请实施例所提供的基于电磁定位的移动机器人跟随方法可以由服务器105执行,也可以由终端设备101、102、103执行,相应地,基于电磁定位的移动机器人跟随装置可以设置于服务器105中,也可以设置于终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。在所处理的数据不需要从远程获取的情况下,上述装置架构可以不包括网络,而只需服务器或终端设备。
图2示出了本申请的实施例提供的一种基于电磁定位的移动机器人跟随方法,包括以下步骤:
S1,获取位于移动机器人上的发射模块发送至位于行人目标上的接收模块的电磁信号,根据电磁信号通过电磁定位算法计算得到接收模块相对发射模块的位姿信息。
在具体的实施例中,步骤S1具体包括:
定义发射模块的中心为坐标系原点,通过接收模块测量得到三个正交磁感应强度分量 (B x , B y , B z ),接收模块的坐标系与发射模块的坐标系三个坐标轴分别平行,将目标坐标系 (x, y, z)依次分别绕x轴、y轴、z轴旋转欧拉角α、β、γ后得到目标坐标系 (u, v,w),旋转方向为从各轴方向自上向下看逆时针旋转;
根据磁偶极子模型,计算正交磁感应强度分量 (B x , B y , B z ):
式中,B T 为常量,B T =μIR 2/4,μ为空气的磁导率,I为电流大小,R为发射模块的线圈
半径;(m, n, p)为发射模块的单位方向向量,m 2+n 2+p 2=1;r为接收模块到发射模块的距离,;
根据正交磁感应强度分量 (B x , B y , B z )计算得到接收模块在目标坐标系 (u, v,w)感应到的磁感应强度分量 (B u , B v , B w ):
式中,R为欧拉角,旋转过程描述为:
式中,Rot(z, γ)为绕z轴旋转γ角度;Rot(y, β)为绕y轴旋转β角度;Rot(x, α)为绕x轴旋转α角度;
根据接收模块在目标坐标系 (u, v, w)感应到的磁感应强度分量 (B u , B v , B w )通过电磁定位算法计算得到接收模块相对于发射模块的位姿信息。
在具体的实施例中,电磁定位算法包括优化算法、解析法或者基于神经网络的无线跟踪算法。
具体的,参考图3和图4,在移动机器人上放置用于电磁定位的发射模块,跟随的行人目标佩戴用于电磁定位的接收模块。发射模块可以采用单轴至多轴线圈模式,接收模块采用相应的多轴至单轴线圈模式,发射模块放置在机器人中心。受益于电磁传感器的360度全方位范围扫描、远距离检测和检测电磁波信号穿透障碍物的能力,接收模块可放置于行人目标任何部位。参考图5,机器人跟随行人目标运动过程中,接收模块常常是非正交的姿态,接收模块在坐标系 (u, v, w)感应到的磁感应强度分量为 (B u , B v , B w ),通过行人目标的电磁定位算法,计算接收模块 t 时刻的位置和姿态(x h , y h , z h ,α h , β h , γ h )。由于有两个或者多个发射线圈(不同的发射频率),每个发射线圈均相当于一个磁偶极子,接收信号为这些不同频率磁偶极子信号的叠加,接收信号的总轴数大于5个。通过解析法、优化算法或者基于神经网络的无线跟踪算法可以得到接收模块相对于发射模块的位姿信息;通过锁相环歧义(XY轴)和半球歧义(Z轴)的消除实现接收模块位姿的符号求解。通过标定算法实现位姿跟踪精度和性能的提升。需要说明的是,解析法、优化算法或者基于神经网络的无线跟踪算法为现有的成熟算法,在此不在赘述。
此外,无线电磁跟踪技术可以通过与可见光相机、红外热成像、激光雷达、毫米波雷达、超声阵列等融合的方式实现更好的跟踪、避障和路径规划等任务。
S2,根据与发射模块连接的接收模块的连接信号数量确定移动机器人为单人跟随模式或多人跟随模式。
在具体的实施例中,步骤S2具体包括:
通过检查与发射模块连接的接收模块的连接信号数量,判断移动机器人为单人跟随模式或多人跟随模式;
若连接信号数量为1,则确定移动机器人为单人跟随模式,执行步骤S3;若连接信号数量大于1,判断确定移动机器人为多人跟随模式,执行步骤S4。
具体的,一个移动机器人可跟随至少一个行人目标,也就是一个发射模块可发送电磁信号至至少一个接收模块,根据与发射模块连接的接收模块的连接信号数量可判断移动机器人所跟随的行人目标是单人还是多人,根据人数不同其跟随机器人运动控制步骤有所不同。
S3,响应于确定移动机器人为单人跟随模式,根据接收模块相对发射模块的位姿信息通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现单个行人目标的跟随。
在具体的实施例中,步骤S3具体包括:
S31,移动机器人在世界坐标系下的状态向量为:
行人目标在世界坐标系下的状态向量为:
移动机器人在行人坐标系中的状态向量表示为:
移动机器人从世界坐标系转换到行人坐标系下的夹角的计算公式如下:
其中,转换矩阵F表示为:
根据移动机器人在行人坐标系中的状态向量通过跟随机器人运动控制算法计算接收模块和发射模块之间的距离d和夹角Φ;
S32,根据接收模块和发射模块之间的夹角Φ判断行人目标相对于移动机器人的象限信息,通过象限信息判断跟随模式:
当Φ=[π/4, 3π/4],判断移动机器人在行人目标的后方,触发后跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于π/2;
当Φ=[3π/4, π]∪[-π, -3π/4],判断移动机器人在行人目标的右侧,触发右侧跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于π;
当Φ=[-3π/4, -π/4],判断移动机器人在行人目标的前方,触发前跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于-π/2;
当Φ=[-π/4, 0]∪[0, π/4],判断移动机器人在行人目标的左侧,触发左侧跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于0;
S33;基于移动机器人与行人目标之间的相对位姿、环境感知信息及人机交互策略,通过跟随机器人运动控制算法计算得到线性加速度a v 和角加速度a w ,跟随机器人运动控制算法包括虚拟弹簧力控制算法、社会力模型/阻抗控制算法、模型预测控制算法或强化学习算法。
具体的,通过电磁定位算法可以估算得到接收模块(行人目标)相对于发射模块的六维相对位姿(x h , y h , z h ,α h , β h , γ h ),此时发射模块的中心位于坐标零点 (0, 0, 0,0, 0, 0)。对于移动机器人在平面区域移动等场景,只需要三维位姿信息(x h , y h , γ h )就可以实现跟随引导。
移动机器人可以采用双足、双轮差分式、三轮或者多轮差速、三足或多足式移动平台,具备基本的能量管理、运动控制和避障等移动机器人功能。进一步,根据接收模块(行人目标)的位姿信息,判断行人目标相对于移动机器人的象限信息(即前方、后方、左侧方、右侧方),判断跟随模式。参考图6,针对单人目标具有四种跟随模式,分别是前跟随模式、后跟随模式、左跟随模式和右跟随模式。根据移动机器人与行人目标的位置关系构建人机跟随模型,通过行人目标的位姿信息(x h , y h , θ h )和移动机器人的位姿信息(x r , y r , θ r )设计移动机器人跟随运动控制算法。如图7所示为针对双轮差分式移动机器人跟随运动控制示意图。对应四轮及其他驱动方式,运动控制方式需要做相应调整。
在其中一个实施例中,当跟随机器人运动控制算法采用虚拟弹簧力控制算法时,
假设移动机器人和行人目标之间存在连接行人坐标系原点E和机器人坐标,虚
拟弹簧的松弛长度为所述移动机器人和行人目标之间的距离d,所述移动机器人和行人目
标的夹角为Φ,表示为:
将移动机器人和行人目标的跟随关系描述为虚拟弹簧力,计算虚拟伸缩形变弹力F 1和虚拟弯曲形变弹力F 2;
其中,k 1为虚拟弹簧的弹性系数,单位为N/m;k 2为虚拟弹簧的曲度系数,单位为N/rad;l 0为虚拟弹簧的原长,单位为m;
跟随运动控制的动力学方程表示如下:
其中,M为移动机器人的质量,单位为kg;k 3为平移相关的阻尼系数,单位为 Ns/m;k 4为旋转相关的阻尼系数,单位为 Ns/rad;
跟随运动控制器表示为:
其中,I为移动机器人的转动惯量;θ e 为移动机器人在行人坐标系中夹角;跟随运动控制器通过控制移动机器人和行人目标之间的实时夹角Φ趋向于θ e ,使得机器人实现单个行人目标的前跟随、后跟随和侧跟随功能。
具体的,该移动机器人可具有自主导航、人机交互操控、自动充电和一键回位等功能模块。无线电磁跟踪技术可以通过与可见光相机、红外热成像、激光雷达、毫米波雷达、超声阵列等融合的方式实现更好的跟踪、避障和路径规划等任务。移动机器人可以通过感知信息,通过马尔科夫等算法对行人目标的行动方向进行预测,以提高跟随稳定性和可靠性。
S4,响应于确定移动机器人为多人跟随模式,求取多个接收模块相对发射模块的位姿信息的平均值,根据平均值通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现多个行人目标的跟随。
在具体的实施例中,步骤S4具体包括:
重复步骤S31分别计算多个行人目标中的每个行人目标的接收模块和发射模块之间的距离d和夹角Φ,并求取其平均值得到平均夹角,再根据平均夹角重复步骤S32-S33,实现多个行人目标的前跟随、后跟随、侧跟随功能。
具体的,每位行人目标佩戴一个接收模块。多个行人目标佩戴的接收模块的数量为1,2,…,N;
S41,移动机器人在世界坐标系下的状态向量为:
第1个行人目标在世界坐标系下的状态向量为:
第N个行人目标在世界坐标系下的状态向量为:
移动机器人在行人坐标系中的状态向量表示为:
移动机器人从世界坐标系转换到第一个行人坐标系下的夹角的计算公式如下:
移动机器人从世界坐标系转换到第N个行人坐标系下的夹角的计算公式如下:
其中,转换矩阵F表示为:
根据移动机器人在行人坐标系中的状态向量通过跟随机器人运动控制算法计算接收模块和发射模块之间的距离d和夹角Φ;
移动机器人的跟随运动控制算法通过虚拟弹簧算法描述移动机器人和行人目标
的位姿关系。虚拟弹簧算法是假设移动机器人和行人目标之间存在连接行人坐标系原点E
和机器人坐标。对于第N个行人目标,虚拟弹簧的松弛长度为机器人和行
人目标之间的距离d,机器人和行人的夹角为Φ,表示为:
S42,根据接收模块和发射模块之间的夹角Φ判断行人目标相对于移动机器人的象限信息,通过象限信息判断跟随模式:
当Φ=[π/4, 3π/4],判断移动机器人在行人目标的后方,触发后跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于π/2;
当Φ=[3π/4, π]∪[-π, -3π/4],判断移动机器人在行人目标的右侧,触发右侧跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于π;
当Φ=[-3π/4, -π/4],判断移动机器人在行人目标的前方,触发前跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于-π/2;
当Φ=[-π/4, 0]∪[0, π/4],判断移动机器人在行人目标的左侧,触发左侧跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于0;
S43,基于移动机器人与行人目标之间的相对位姿、环境感知信息及人机交互策略,通过跟随机器人运动控制算法计算得到线性加速度a v 和角加速度a w ,跟随机器人运动控制算法包括虚拟弹簧力控制算法、社会力模型/阻抗控制算法、模型预测控制算法或强化学习算法。
具体的,如图8所示为针对双人目标的四种跟随模式。对于针对多人的跟随模式,行人目标中最左边和最右边的两个人之间坐标的中心点恰好被调节位于移动机器人的轴线上。
本申请的实施例提出的基于电磁定位的移动机器人跟随方法可以通过无线电磁定位跟踪装置实现移动机器人和行人目标之间的跟随,无线电磁跟踪技术可以克服光学成像模块受光学遮挡的影响以及UWB在精度和非360度跟踪方面的不足,实现360°、毫米级和大范围的位姿跟踪;进而通过环境感知和运动控制算法执行前跟随、后跟随、侧跟随、单人跟随模式和多人跟随模式及其自适应切换,可以实现不同应用场景的智能化跟随应用。
进一步参考图9,作为对上述各图所示方法的实现,本申请提供了一种基于电磁定位的移动机器人跟随装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
本申请实施例提供了一种基于电磁定位的移动机器人跟随装置,其特征在于,包括:
位姿信息获取模块1,被配置为获取位于移动机器人上的发射模块发送至位于行人目标上的接收模块的电磁信号,根据电磁信号通过电磁定位算法计算得到接收模块相对发射模块的位姿信息;
跟随模式确定模块2,被配置为根据与发射模块连接的接收模块的连接信号数量确定移动机器人为单人跟随模式或多人跟随模式;
单人跟随控制模块3,被配置为响应于确定移动机器人为单人跟随模式,根据接收模块相对发射模块的位姿信息通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现单个行人目标的跟随;
多人跟随控制模块4,被配置为响应于确定移动机器人为多人跟随模式,求取多个接收模块相对发射模块的位姿信息的平均值,根据平均值通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现多个行人目标的跟随。
进一步的,本申请的实施例还提出了一种基于电磁定位的移动机器人跟随系统包括如下模块:发射模块、接收模块、机器人控制模块。其中,发射模块包括电磁发射器、发射线圈组;接收模块包括接收线圈组;机器人控制模块包括:控制开发板、伺服电机、电机驱动器。该控制开发板设有上述基于电磁定位的移动机器人跟随装置,以执行上述基于电磁定位的移动机器人跟随方法的具体步骤。
进一步的,该发射模块、接收模块和机器人控制模块之间通过蓝牙、Zigbee和WiFi等无线通讯模式。
下面参考图10,其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器或终端设备)的计算机装置1000的结构示意图。图10示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示,计算机装置1000包括中央处理单元(CPU)1001和图形处理器(GPU)1002,其可以根据存储在只读存储器(ROM)1003中的程序或者从存储部分1009加载到随机访问存储器(RAM)1004中的程序而执行各种适当的动作和处理。在RAM 1004中,还存储有装置1000操作所需的各种程序和数据。CPU 1001、GPU1002、ROM 1003以及RAM 1004通过总线1005彼此相连。输入/输出(I/O)接口1006也连接至总线1005。
以下部件连接至I/O接口1006:包括键盘、鼠标等的输入部分1007;包括诸如、液晶显示器(LCD)等以及扬声器等的输出部分1008;包括硬盘等的存储部分1009;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1010。通信部分1010经由诸如因特网的网络执行通信处理。驱动器1011也可以根据需要连接至I/O接口1006。可拆卸介质1012,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1011上,以便于从其上读出的计算机程序根据需要被安装入存储部分1009。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1010从网络上被下载和安装,和/或从可拆卸介质1012被安装。在该计算机程序被中央处理单元(CPU)1001和图形处理器(GPU)1002执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的装置、装置或器件,或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意合适的组合。在本申请中,计算机可读介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行装置、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,也可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,该模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的装置来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取位于移动机器人上的发射模块发送至位于行人目标上的接收模块的电磁信号,根据电磁信号通过电磁定位算法计算得到接收模块相对发射模块的位姿信息;根据与发射模块连接的接收模块的连接信号数量确定移动机器人为单人跟随模式或多人跟随模式;响应于确定移动机器人为单人跟随模式,根据接收模块相对发射模块的位姿信息通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现单个行人目标的跟随;响应于确定移动机器人为多人跟随模式,求取多个接收模块相对发射模块的位姿信息的平均值,根据平均值通过跟随机器人运动控制算法计算移动机器人的线性加速度和角加速度实现多个行人目标的跟随。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种基于电磁定位的移动机器人跟随方法,其特征在于,包括以下步骤:
S1,获取位于移动机器人上的发射模块发送至位于行人目标上的接收模块的电磁信号,根据所述电磁信号通过电磁定位算法计算得到所述接收模块相对所述发射模块的位姿信息;
S2,根据与所述发射模块连接的所述接收模块的连接信号数量确定所述移动机器人为单人跟随模式或多人跟随模式;
S3,响应于所述确定移动机器人为单人跟随模式,根据所述接收模块相对所述发射模块的位姿信息通过跟随机器人运动控制算法计算所述移动机器人的线性加速度和角加速度实现单个行人目标的跟随;
S4,响应于所述确定移动机器人为多人跟随模式,求取多个所述接收模块相对所述发射模块的位姿信息的平均值,根据所述平均值通过跟随机器人运动控制算法计算所述移动机器人的线性加速度和角加速度实现多个行人目标的跟随。
2.根据权利要求1所述的基于电磁定位的移动机器人跟随方法,其特征在于,所述步骤S1具体包括:
定义所述发射模块的中心为坐标系原点,通过所述接收模块测量得到三个正交磁感应强度分量 (B x , B y , B z ),所述接收模块的坐标系与所述发射模块的坐标系三个坐标轴分别平行,将目标坐标系 (x, y, z)依次分别绕x轴、y轴、z轴旋转欧拉角α、β、γ后得到目标坐标系 (u, v, w),旋转方向为从各轴方向自上向下看逆时针旋转;
根据磁偶极子模型,计算正交磁感应强度分量 (B x , B y , B z ):
式中,B T 为常量,B T =μIR 2/4,μ为空气的磁导率,I为电流大小,R为所述发射模块的线圈
半径;(m, n, p)为所述发射模块的单位方向向量,m 2+n 2+p 2=1;r为所述接收模块到所述发
射模块的距离,;
根据所述正交磁感应强度分量 (B x , B y , B z )计算得到所述接收模块在目标坐标系(u, v, w)感应到的磁感应强度分量 (B u , B v , B w ):
式中,R为欧拉角,旋转过程描述为:
式中,Rot(z, γ)为绕z轴旋转γ角度;Rot(y, β)为绕y轴旋转β角度;Rot(x, α)为绕x轴旋转α角度;
根据所述接收模块在目标坐标系 (u, v, w)感应到的磁感应强度分量 (B u , B v , B w )通过所述电磁定位算法计算得到所述接收模块相对于所述发射模块的位姿信息。
3.根据权利要求1所述的基于电磁定位的移动机器人跟随方法,其特征在于,所述电磁定位算法包括优化算法、解析法或者基于神经网络的无线跟踪算法。
4.根据权利要求1所述的基于电磁定位的移动机器人跟随方法,其特征在于,所述步骤S2具体包括:
通过检查与所述发射模块连接的所述接收模块的连接信号数量,判断所述移动机器人为单人跟随模式或多人跟随模式;
若所述连接信号数量为1,则确定所述移动机器人为单人跟随模式,执行步骤S3;若所述连接信号数量大于1,判断确定所述移动机器人为多人跟随模式,执行步骤S4。
5.根据权利要求1所述的基于电磁定位的移动机器人跟随方法,其特征在于,所述步骤S3具体包括:
S31,所述移动机器人在世界坐标系下的状态向量为:
所述行人目标在世界坐标系下的状态向量为:
所述移动机器人在行人坐标系中的状态向量表示为:
所述移动机器人从世界坐标系转换到行人坐标系下的夹角的计算公式如下:
其中,转换矩阵F表示为:
根据所述移动机器人在行人坐标系中的状态向量通过跟随机器人运动控制算法计算所述接收模块和所述发射模块之间的距离d和夹角Φ;
S32,根据所述接收模块和所述发射模块之间的夹角Φ判断所述行人目标相对于所述移动机器人的象限信息,通过所述象限信息判断跟随模式:
当Φ=[π/4, 3π/4],判断所述移动机器人在所述行人目标的后方,触发后跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于π/2;
当Φ=[3π/4, π]∪[-π, -3π/4],判断所述移动机器人在所述行人目标的右侧,触发右侧跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于π;
当Φ=[-3π/4, -π/4],判断所述移动机器人在所述行人目标的前方,触发前跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于-π/2;
当Φ=[-π/4, 0]∪[0, π/4],判断所述移动机器人在所述行人目标的左侧,触发左侧跟随模式:通过步骤S33控制输入的线性加速度a v 和角加速度a w ,使得Φ趋向于0;
S33;基于所述移动机器人与行人目标之间的相对位姿、环境感知信息及人机交互策略,通过所述跟随机器人运动控制算法计算得到线性加速度a v 和角加速度a w ,所述跟随机器人运动控制算法包括虚拟弹簧力控制算法、社会力模型/阻抗控制算法、模型预测控制算法或强化学习算法。
6.根据权利要求5所述的基于电磁定位的移动机器人跟随方法,其特征在于,当所述跟随机器人运动控制算法采用虚拟弹簧力控制算法时,
将所述移动机器人和行人目标的跟随关系描述为虚拟弹簧力,计算虚拟伸缩形变弹力F 1和虚拟弯曲形变弹力F 2;
其中,k 1为虚拟弹簧的弹性系数,单位为N/m;k 2为虚拟弹簧的曲度系数,单位为N/rad;l 0为虚拟弹簧的原长,单位为m;
跟随运动控制的动力学方程表示如下:
其中,M为移动机器人的质量,单位为kg;k 3为平移相关的阻尼系数,单位为 Ns/m;k 4为旋转相关的阻尼系数,单位为 Ns/rad;
跟随运动控制器表示为:
其中,I为移动机器人的转动惯量;θ e 为移动机器人在行人坐标系中夹角;跟随运动控制器通过控制所述移动机器人和行人目标之间的实时夹角Φ趋向于θ e ,使得机器人实现单个行人目标的前跟随、后跟随和侧跟随功能。
7.根据权利要求5所述的基于电磁定位的移动机器人跟随方法,其特征在于,所述步骤S4具体包括:
重复步骤S31分别计算多个所述行人目标中的每个行人目标的接收模块和所述发射模块之间的距离d和夹角Φ,并求取其平均值得到平均夹角,再根据所述平均夹角重复步骤S32-S33,实现多个所述行人目标的前跟随、后跟随、侧跟随功能。
8.一种基于电磁定位的移动机器人跟随装置,其特征在于,包括:
位姿信息获取模块,被配置为获取位于移动机器人上的发射模块发送至位于行人目标上的接收模块的电磁信号,根据所述电磁信号通过电磁定位算法计算得到所述接收模块相对所述发射模块的位姿信息;
跟随模式确定模块,被配置为根据与所述发射模块连接的所述接收模块的连接信号数量确定所述移动机器人为单人跟随模式或多人跟随模式;
单人跟随控制模块,被配置为响应于所述确定移动机器人为单人跟随模式,根据所述接收模块相对所述发射模块的位姿信息通过跟随机器人运动控制算法计算所述移动机器人的线性加速度和角加速度实现单个行人目标的跟随;
多人跟随控制模块,被配置为响应于所述确定移动机器人为多人跟随模式,求取多个所述接收模块相对所述发射模块的位姿信息的平均值,根据所述平均值通过跟随机器人运动控制算法计算所述移动机器人的线性加速度和角加速度实现多个行人目标的跟随。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211285737.3A CN115494882A (zh) | 2022-10-20 | 2022-10-20 | 基于电磁定位的移动机器人跟随方法、装置及可读介质 |
PCT/CN2023/085383 WO2024082558A1 (zh) | 2022-10-20 | 2023-03-31 | 基于电磁定位的移动机器人跟随方法、装置及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211285737.3A CN115494882A (zh) | 2022-10-20 | 2022-10-20 | 基于电磁定位的移动机器人跟随方法、装置及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115494882A true CN115494882A (zh) | 2022-12-20 |
Family
ID=84474659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211285737.3A Pending CN115494882A (zh) | 2022-10-20 | 2022-10-20 | 基于电磁定位的移动机器人跟随方法、装置及可读介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115494882A (zh) |
WO (1) | WO2024082558A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024082558A1 (zh) * | 2022-10-20 | 2024-04-25 | 泉州装备制造研究所 | 基于电磁定位的移动机器人跟随方法、装置及可读介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120316680A1 (en) * | 2011-06-13 | 2012-12-13 | Microsoft Corporation | Tracking and following of moving objects by a mobile robot |
CN105929362B (zh) * | 2016-04-17 | 2018-09-21 | 吉林大学 | 一种多目标六自由度电磁定位装置和方法 |
CN113741550B (zh) * | 2020-05-15 | 2024-02-02 | 北京机械设备研究所 | 移动机器人跟随方法和系统 |
US11965944B2 (en) * | 2020-08-27 | 2024-04-23 | Apple Inc. | Compact, multi-user, multi-level, multi-target magnetic tracking system |
CN113447913A (zh) * | 2021-06-11 | 2021-09-28 | 南方科技大学 | 一种姿态确定方法、装置、设备和介质 |
CN114604763B (zh) * | 2022-01-24 | 2023-06-02 | 杭州大杰智能传动科技有限公司 | 用于智能塔吊吊钩导向的电磁定位装置及方法 |
CN115494882A (zh) * | 2022-10-20 | 2022-12-20 | 泉州装备制造研究所 | 基于电磁定位的移动机器人跟随方法、装置及可读介质 |
-
2022
- 2022-10-20 CN CN202211285737.3A patent/CN115494882A/zh active Pending
-
2023
- 2023-03-31 WO PCT/CN2023/085383 patent/WO2024082558A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024082558A1 (zh) * | 2022-10-20 | 2024-04-25 | 泉州装备制造研究所 | 基于电磁定位的移动机器人跟随方法、装置及可读介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2024082558A1 (zh) | 2024-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | Navigation control design of a mobile robot by integrating obstacle avoidance and LiDAR SLAM | |
CN109676602A (zh) | 行走机器人的自适应标定方法、系统、设备及存储介质 | |
Xu | Path planning of mobile robot based on multi-sensor information fusion | |
CN111949027A (zh) | 自适应的机器人导航方法和装置 | |
US20190095711A1 (en) | Systems and methods for generating three dimensional skeleton representations | |
WO2024082558A1 (zh) | 基于电磁定位的移动机器人跟随方法、装置及可读介质 | |
CN110780325B (zh) | 运动对象的定位方法及装置、电子设备 | |
US11548166B2 (en) | Collaborative task execution with humans and robotic vehicles | |
Liu et al. | An autonomous positioning method for fire robots with multi-source sensors | |
CN110901384B (zh) | 无人车控制方法、装置、介质及电子设备 | |
CN116576847A (zh) | 一种移动机器人的自动导航系统、导航方法、设备及介质 | |
Kondaxakis et al. | Robot–robot gesturing for anchoring representations | |
Adinandra et al. | A low cost indoor localization system for mobile robot experimental setup | |
Faria et al. | Implementation of an autonomous ROS-based mobile robot with AI depth estimation | |
Lv et al. | FVO: floor vision aided odometry | |
Sinha et al. | A∗ WRBAS: Space Mobile Robotics Control Conceptual Model Using IoRT Reinforcement Learning and Tracking with Noise Estimation Using EKF | |
Zhang et al. | A robot navigation system in complex terrain based on statistical features of point clouds | |
Zhang et al. | Recent Advances in Mobile Robot Localization in Complex Scenarios | |
Raj et al. | Designing and Analysis of an Architecture of Motion Control for a Mobile Robot Using Simulation | |
Chen et al. | Research on Door‐Opening Strategy Design of Mobile Manipulators Based on Visual Information and Azimuth | |
Sermanet et al. | Speed-range dilemmas for vision-based navigation in unstructured terrain | |
Santoro | Design and implementation of a Sensory System for an Autonomous Mobile Robot in a Connected Industrial Environment | |
Meng et al. | System integration: Application towards autonomous navigation in cluttered environments | |
US20230347923A1 (en) | Location-based autonomous navigation using a virtual world system | |
Imesha et al. | A review on vision-based obstacle avoidance and assistant systems for visually impaired people |
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 |