CN115617053A - 障碍物遍历方法、装置、割草机器人以及存储介质 - Google Patents
障碍物遍历方法、装置、割草机器人以及存储介质 Download PDFInfo
- Publication number
- CN115617053A CN115617053A CN202211634002.7A CN202211634002A CN115617053A CN 115617053 A CN115617053 A CN 115617053A CN 202211634002 A CN202211634002 A CN 202211634002A CN 115617053 A CN115617053 A CN 115617053A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- mowing
- current
- position information
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 244000025254 Cannabis sativa Species 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 241001494496 Leersia Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 208000034656 Contusions Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000009966 trimming 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
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请实施例公开了一种障碍物遍历方法、装置、割草机器人以及存储介质，包括：在当前场景中确定至少一个障碍物对应的位置信息，根据位置信息分别确定至少一个障碍物各自对应的目标点，根据至少一个障碍物分别对应的目标点生成割草路径，并控制割草机器人按照割草路径对至少一个障碍物进行遍历。本申请实施例可以分别确定当前场景中至少一个障碍物对应的目标点，并根据这些目标点生成最优的割草路径，从而对全部障碍物进行遍历，可以提升割草机器人的工作效率以及减少耗电量。
Description
技术领域
本申请涉及割草机器人技术领域，具体涉及一种障碍物遍历方法、装置、割草机器人以及存储介质。
背景技术
随着人们生活水平的不断提高，人们对休闲环境有了越来越高的要求，私人花园、公园、操场等场地成为了人们休闲娱乐的最佳场所，然而私人花园、公园、操场等草地需要不定期的进行修整，以保证美观。目前通常采用割草机器人来代替人工进行修整。
目前，割草机器人所工作的区域内部会有很多大小形状不同的障碍物，为了有较高的割草覆盖率减少漏割，需要专门对这些障碍物进行沿边界割草。一般情况下会按照对这些障碍物标记的先后顺序依次执行沿边割草；然而申请人发现，上述现有技术中的方法虽然可以对障碍物进行沿边割草，但是在执行过程中会走较多不必要的路，这样不仅增加了总体割草时间也会消耗割草机器人的更多电量。
发明内容
本申请实施例提供一种障碍物遍历方法、装置、割草机器人以及存储介质，可以选取最优路线对障碍物进行遍历，从而提升割草机器人的工作效率并且减少耗电量。
第一方面，本申请实施例提供了一种障碍物遍历方法，应用于割草机器人，包括：
在当前场景中确定至少一个障碍物对应的位置信息；
根据所述位置信息分别确定所述至少一个障碍物各自对应的目标点；
根据所述至少一个障碍物分别对应的目标点生成割草路径，并控制所述割草机器人按照所述割草路径对所述至少一个障碍物进行遍历。
在一实施例中，所述根据所述位置信息分别确定所述至少一个障碍物各自对应的目标点，包括：
确定所述至少一个障碍物对应的轮廓信息；
将所述至少一个障碍物的轮廓信息均转换为离散点集合；
根据当前障碍物以及相邻的障碍物对应的位置信息从所述当前障碍物的离散点集合中选取目标点。
在一实施例中，
所述确定所述至少一个障碍物对应的轮廓信息，包括：
获取所述障碍物的初始轮廓信息；
提取所述初始轮廓信息中的轮廓关键点；
基于所述轮廓关键点通过曲线拟合算法对所述初始轮廓信息进行局部优化，以得到优化后的目标轮廓信息。
在一实施例中，在将所述至少一个障碍物的轮廓信息均转换为离散点集合之前，所述方法还包括：
根据所述障碍物的轮廓信息计算所述障碍物的占地面积；
判断所述占地面积是否大于所述割草机器人的占地面积；
若大于，则将所述障碍物的轮廓信息转换为离散点集合；
若不大于，则根据所述障碍物的位置信息确定所述障碍物的目标点。
在一实施例中，在将所述至少一个障碍物的轮廓信息均转换为离散点集合之前，所述方法还包括：
根据所述至少一个障碍物对应的位置信息分别计算每两个障碍物之间的距离；
根据所述距离从割草机器人的起始位置依次确定最临近障碍物，以得到所述至少一个障碍物的遍历顺序。
在一实施例中，所述根据所述至少一个障碍物分别对应的目标点生成割草路径，包括：
按照所述遍历顺序依次连接所述至少一个障碍物分别对应的目标点，以生成割草路径。
在一实施例中，所述将所述至少一个障碍物的轮廓信息均转换为离散点集合，包括：
根据当前障碍物以及相邻的障碍物对应的位置信息计算相邻的障碍物分别针对所述当前障碍物的第一切角范围和第二切角范围；
确定所述第一切角范围和第二切角范围的范围合集，并将所述当前障碍物位于所述范围合集内的轮廓部分转换为离散点集合。
在一实施例中，所述将所述至少一个障碍物的轮廓信息均转换为离散点集合，包括：
根据割草机器人的尺寸信息将所述至少一个障碍物的轮廓向外扩展；
将所述至少一个障碍物扩展后的轮廓转换为离散点集合。
在一实施例中，所述根据当前障碍物以及相邻的障碍物对应的位置信息从所述当前障碍物的离散点集合中选取目标点，包括：
根据所述位置信息计算所述当前障碍物的离散点集合中每个候选点相对于相邻的两个障碍物的角度值；
选取最大角度值所对应的候选点以作为所述当前障碍物的目标点。
在一实施例中，所述根据当前障碍物以及相邻的障碍物对应的位置信息从所述当前障碍物的离散点集合中选取目标点，包括：
根据所述位置信息计算所述当前障碍物的离散点集合中每个候选点与相邻的两个障碍物之间的距离之和；
选取最小距离之和所对应的候选点以作为所述当前障碍物的目标点。
第二方面，本申请实施例提供了一种障碍物遍历装置，应用于割草机器人，包括：
第一确定模块，用于在当前场景中确定至少一个障碍物对应的位置信息；
第二确定模块，用于根据所述位置信息分别确定所述至少一个障碍物各自对应的目标点；
生成模块，用于根据所述至少一个障碍物分别对应的目标点生成割草路径，并控制所述割草机器人按照所述割草路径对所述至少一个障碍物进行遍历。
第三方面，本申请实施例提供了一种割草机器人，包括存储器，处理器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程序时实现如上所述障碍物遍历方法的步骤。
第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述障碍物遍历方法的步骤。
本申请实施例提供的障碍物遍历方法可以在当前场景中确定至少一个障碍物对应的位置信息，根据位置信息分别确定至少一个障碍物各自对应的目标点，根据至少一个障碍物分别对应的目标点生成割草路径，并控制割草机器人按照割草路径对至少一个障碍物进行遍历。本申请实施例可以分别确定当前场景中至少一个障碍物对应的目标点，并根据这些目标点生成最优的割草路径，从而对全部障碍物进行遍历，可以提升割草机器人的工作效率以及减少耗电量。
附图说明
为了更清楚地说明本申请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单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例提供的障碍物遍历方法的场景示意图；
图2是本申请实施例提供的障碍物遍历方法的一种流程示意图；
图3是本申请实施例提供的一种转换离散点集合的示意图；
图4是本申请实施例提供的一种割草路径规划示意图；
图5是本申请实施例提供的障碍物遍历方法的另一种流程示意图；
图6是本申请实施例提供的一种障碍物轮廓优化示意图；
图7是本申请实施例提供的一种障碍物轮廓扩展示意图；
图8是本申请实施例提供的障碍物目标点选取示意图；
图9是本申请实施例提供的障碍物遍历装置的一种结构示意图；
图10是本申请实施例提供的障碍物遍历装置的另一种结构示意图；
图11是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。另外，连接既可以是用于固定作用也可以是用于电路连通作用。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多该特征。在本申请实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
本申请实施例提供一种障碍物遍历方法、装置、割草机器人和存储介质。
其中，该障碍物遍历装置具体可以集成在割草机器人的微控制单元（Microcontroller Unit，MCU）中，还可以集成在智能终端或服务器中，MCU又称单片微型计算机（Single Chip Microcomputer ）或者单片机，是把中央处理器（Central ProcessUnit，CPU）的频率与规格做适当缩减，并将内存（memory）、计数器（Timer）、USB、模数转换/数模转换、UART、PLC、DMA等周边接口，形成芯片级的计算机，为不同的应用场合做不同组合控制。割草机器人可以自动行走，防止碰撞，范围之内自动返回充电，具备安全检测和电池电量检测，具备一定爬坡能力，尤其适合家庭庭院、公共绿地等场所进行草坪修剪维护，其特点是：自动割草、清理草屑、自动避雨、自动充电、自动躲避障碍物、外形小巧、电子虚拟篱笆、网络控制等。
终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器，本申请在此不做限制。
例如，请参阅图1，本申请提供一种割草系统，包括相互之间建立有通信连接的割草机器人10、服务器20以及用户设备30。用户可以通过用户设备30控制割草机器人10进行障碍物检测以及割草路径规划。具体的，在本申请实施例中，割草机器人10当中可以集成视觉传感器，并通过视觉传感器对障碍物进行检测。在其他实施例中上述割草机器人10还可以集成其他传感器，比如在割草机器人10的顶部可以设置雨水传感器以检测当前是否下雨，还可以在割草机器人10的侧边设置侧向超声波传感器和红外线传感器，以及在割草机器人10的四周设置碰撞传感器等，通过多种传感器可以综合对障碍物进行检测。当检测到障碍物后，割草机器人10便可以相应的规划割草路径。
其中，在进行作业的过程中，用户也可以通过用户设备30实时控制调整割草机器人10的行动路径，或者行动速度，或者割草范围等等。在作业完成后，还可以将该次割草作业对应的数据同步至服务器20中，从而方便用户进行查看。
比如，割草机器人10响应用户指令开始作业，其中用户指令可以通过用户设备30进行生成并发送，在作业过程中割草机器人10分别确定当前场景中至少一个障碍物的位置信息，并生成最优路径对这些障碍物依次进行沿边割草。
以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优先顺序的限定。
一种障碍物遍历方法，包括：在当前场景中确定至少一个障碍物对应的位置信息，根据位置信息分别确定至少一个障碍物各自对应的目标点，根据至少一个障碍物分别对应的目标点生成割草路径，并控制割草机器人按照割草路径对至少一个障碍物进行遍历。
请参阅图2，图2为本申请实施例提供的障碍物遍历方法的流程示意图。该障碍物遍历方法的具体流程可以如下：
101、在当前场景中确定至少一个障碍物对应的位置信息。
在一实施例中，上述至少一个障碍物对应的位置信息可以预先存储在割草机器人的存储单元中，比如割草机器人已经在当前区域执行过障碍物遍历的过程，就可以在执行后将割草机器人的行进路线以及障碍物的位置信息均存储在地图当中，以便后续直接进行使用。
在另一实施例中，若割草机器人第一次在当前区域内进行障碍物遍历，也可以在预先圈定好边界的工作区域中进行障碍物检测，然后根据检测结果确认每个障碍物的位置信息并生成割草路径以对检测到的至少一个障碍物全部遍历并完成沿边割草。
具体的，割草机器人可以在当前场景中对障碍物的位置信息进行检测。其中，障碍物的位置信息可以通过割草机器人上集成的视觉传感器进行检测，比如通过多个摄像头针对当前场景进行拍摄，以得到至少一张场景图像，然后通过图像分析来确定障碍物的位置。在其他实施例中，割草机器人上还可以集成其他类型的传感器来对至少一个障碍物的位置进行检测，比如碰撞传感器、深度传感器、超声波传感器以及红外传感器等等。此外，在检测到上述传感器检测结果后还可以配合定位系统来计算检测到障碍物的位置信息。
举例来说，设置于割草机器人的视觉传感器开启之后可以实时或以固定工作频率、每间隔预设时间采集一次初始图像，从而持续的获取针对当前场景的至少一张初始图像。
在一实施例中，上述障碍物的位置可以选取该障碍物轮廓的中心点，比如可以基于初始图像建立空间直角坐标系，上述中心点在图像中的像素位置即为该障碍物在相机坐标系下的x, y值，其z值则可以通过深度值进行表示，具体可以将该点对应的视差值转换为深度值以作为z值。其中，上述x值、 y值以及z值分别代表在空间直角坐标系中的横轴坐标、纵轴坐标以及竖轴坐标。其中，上述中心点的深度值可以基于双目图像的视差信息来进行计算。具体的，上述深度值可以通过焦距与基线的积再除以视差从而计算得到，其中，焦距为双目相机拍摄初始图像的焦距，也即从镜片光学中心到底片、CCD或CMOS等成像平面的距离，基线则为双目相机的两个摄像头光心之间的距离。
在一实施例中，上述场景中的至少一个障碍物可以为通过割草机器人检测到的实体障碍物，也可以为用户预先设置的虚拟障碍物，比如用户可以在当前场景当中设置虚拟禁区，从而避免割草机器人进入。上述虚拟障碍物还可以通过用户手动设定形状、尺寸以及位置，比如圆形或者矩形等等。
102，根据位置信息分别确定至少一个障碍物各自对应的目标点。
在一实施例中，在确定每个障碍物各自对应的目标点时，可以先将该障碍物的轮廓转换为离散点集合，在从该集合中选取目标点，其中障碍物的轮廓信息获取过程可参考上述检测障碍物位置信息对应描述，本实施例对比不做进一步赘述。也即上述根据位置信息分别确定所述至少一个障碍物各自对应的目标点的步骤可以包括：确定至少一个障碍物对应的轮廓信息，将至少一个障碍物的轮廓信息均转换为离散点集合，根据当前障碍物以及相邻的障碍物对应的位置信息从当前障碍物的离散点集合中选取目标点。
在一实施例中，在针对上述每一个障碍物将其轮廓转换为离散点集合时，具体可以先设定离散后两个相邻离散点之间的间距L，比如为0.2米，然后就可以基于障碍物的轮廓每0.2米依次设置离散点，总计可以得到C/L个离散点，其中C为障碍物轮廓的周长。需要说明的是，上述障碍物的轮廓为该障碍物与地面接触部分的平面轮廓，并非三维的立体轮廓。
进一步的，上述两个相邻离散点之间的间距可以根据障碍物轮廓的周长来进行设置，具体可以与该障碍物轮廓的周长正相关，比如可以设置固定的离散点数量，然后根据上述障碍物轮廓的周长来计算离散点的间距，也即当障碍物轮廓周长较长时，该障碍物较大，因此可以设置相对偏大的相邻离散点间距，反之当障碍物轮廓周长较短时，说明该障碍物较小，此时就可以设置相对偏小的相邻离散点间距。
在一实施例中，考虑到不同的障碍物所转换后的离散点数量各不相同，且针对于较小的障碍物，可以直接将其看作为一个点，只有针对较大的障碍物，才有必要进一步将其轮廓信息转换为离散点集合。因此，本实施例可以将割草机器人本身的尺寸或占地面积作为判断依据来确定障碍物是否需要将轮廓转换为离散点集合。也即在将所述至少一个障碍物的轮廓信息均转换为离散点集合之前，上述方法还可以包括：根据障碍物的轮廓信息计算障碍物的占地面积，判断占地面积是否大于割草机器人的占地面积，若大于，则将障碍物的轮廓信息转换为离散点集合；若不大于，则根据障碍物的位置信息确定障碍物的目标点。
在一实施例中，由于在将障碍物的轮廓转换为离散点集合后，还需要进一步从离散点集合中选取目标点，因此为进一步提升后续选取目标点以及路径规划的效率，本申请还可以只将障碍物轮廓的一部分转换为离散点集合，具体来说，在割草机器人按照两个障碍物之间的连线行进过程中无法穿过障碍物本身，也就是障碍物的若干离散点围设的区域，因此当前障碍物的轮廓中只有前后障碍物相对于当前障碍物的切线范围内的轮廓部分才可能被割草机器人进行沿边割草，如图3所示，前障碍物2相对于相邻的前置障碍物1的切角范围为A，前障碍物2相对于相邻的后置障碍物3的切角范围为B，因此当前障碍物2的轮廓中只需将位于切角范围为A和切角范围为B内的部分转换为离散点集合。也即将至少一个障碍物的轮廓信息均转换为离散点集合的步骤可以包括：根据当前障碍物以及相邻的前后障碍物对应的位置信息计算前后障碍物分别针对当前障碍物的第一切角范围和第二切角范围，确定第一切角范围和第二切角范围的范围合集，并将当前障碍物位于范围合集内的轮廓部分转换为离散点集合。
需要说明的是，若当前障碍物为检测到的第一个障碍物，则与其相邻的前一个障碍物可以由割草机器人的起始点代替，若当前障碍物为检测到的最后一个障碍物，则与其相邻的后一个障碍物可以由割草机器人的终点代替，比如割草机器人的充电桩。
在一实施例中，在从当前障碍物的离散点集合中选取目标点时，可以遵循距离最小原则，比如分别计算离散点集合中每个离散点相对于其相邻的两个障碍物之间的距离之和，当该距离之和最小时满足的离散点就可以作为当前障碍物的目标点。其中，在确定当前障碍物的目标点时，其前置相邻障碍物的目标点已经确认，而后置相邻障碍物的目标点还未确认，因此可以通过后置相邻障碍物的中心点位置为依据进行计算。也即上述根据当前障碍物以及相邻的前后障碍物对应的位置信息从当前障碍物的离散点集合中选取目标点的步骤，可以包括：根据位置信息计算当前障碍物的离散点集合中每个候选点与前后障碍物之间的距离之和，选取最小距离之和所对应的候选点以作为当前障碍物的目标点。
在一实施例中，在从当前障碍物的离散点集合中选取目标点时，还可以同时遵循距离最小以及角度最大原则，举例来说，可以先根据所有障碍物的位置信息确定每个障碍物的相邻两个障碍物，比如针对当前障碍物穷举其他所有障碍物作为其相邻的两个障碍物的组合，然后根据当前障碍物与相邻两个障碍物之间距离之和最小的原则确定最优的两个相邻障碍物，然后便可以在当前障碍物的所有离散点当中查找与相邻两个障碍物的线段之间角度最大的点，并将其作为当前障碍物的目标点。
在一实施例中，在从障碍物的离散点集合中选取目标点时也可以通过穷举法、在设置迭代次数限定下使用随机选择法或者遗传算法来进行选择，本实施例对此不做进一步限定。
103、根据至少一个障碍物分别对应的目标点生成割草路径，并控制割草机器人按照割草路径对至少一个障碍物进行遍历。
在一实施例中，在确定每个障碍物各自的目标点之后，便可以基于割草机器人的起始位置以及终点位置依次连接上述多个目标点，从而得到割草路径，并控制割草机器人按照该割草路径对至少一个障碍物进行遍历。比如，割草机器人中的MCU可以在根据至少一个障碍物的目标点生成割草路径后基于割草路径控制割草机器人执行沿边割草作业；再比如，服务器或者用户设备可以根据割草路径控制割草机器人行驶，以此执行割草作业。
在一实施例中，由于割草机器人全程需要遍历多个障碍物并进行沿边割草，因此还可以将该问题看作为TSP（Traveling Salesman Problem，旅行商）问题，再通过模拟退火算法或者遗传算法粒子群算法等求该问题的解，得到一个最优序列。具体的，可以分别计算在每个障碍物中将不同的离散点作为目标点时所对应的最优序列，离散点集合中选出的目标点不同时也会得到不同的最优序列，此时可以从中选取使得最终割草路径的总距离最短的序列，同时也可以确定该序列所对应每个障碍物的离散点集合中选取了的目标点，并得到最优的沿边割草路径。
需要说明的是，在根据至少一个障碍物分别对应的目标点生成割草路径时，还需要结合割草机器人的初始位置以及终点位置，比如图4所示，从起始位置开始依次连接障碍物1、障碍物2、障碍物3、障碍物4以及障碍物5的目标点，直至最终的割草机器人充电桩，完成此次多个障碍物的沿边割草工作。
由上可知，本申请实施例提供的障碍物遍历方法可以在当前场景中确定至少一个障碍物对应的位置信息，根据位置信息分别确定至少一个障碍物各自对应的目标点，根据至少一个障碍物分别对应的目标点生成割草路径，并控制割草机器人按照割草路径对至少一个障碍物进行遍历。本申请实施例可以分别确定当前场景中至少一个障碍物对应的目标点，并根据这些目标点生成最优的割草路径，从而对全部障碍物进行遍历，可以提升割草机器人的工作效率以及减少耗电量。
请参阅图5，图5为本申请实施例提供的障碍物遍历方法的另一流程示意图。该障碍物遍历方法的具体流程可以如下：
201、对当前场景中的障碍物进行检测，以获取至少一个障碍物对应的轮廓信息和位置信息。
在一实施例中，障碍物的轮廓信息可以通过割草机器人上集成的视觉传感器进行检测，比如通过多个摄像头针对当前场景进行拍摄，以得到至少一张场景图像，然后通过图像分析来确定障碍物的轮廓。上述障碍物的位置可以选取该障碍物轮廓的中心点。
在一实施例中，考虑到针对不规则边缘的障碍物，不便于割草机器人进行沿边割草，其中上述不规则边缘的障碍物可以包括障碍物边界起伏的垂直距离不超过10cm的障碍物，此时可以将该障碍物的实际外径进行优化，优化为平滑曲线状。具体的，可以获取障碍物的初始轮廓信息，提取初始轮廓信息中的轮廓关键点，基于轮廓关键点通过曲线拟合算法对初始轮廓信息进行优化，以得到优化后的目标轮廓信息。如图6所示，可以将障碍物中的多个锯齿状凸起点进行优化后得到平滑的曲线，其中轮廓关键点可以为障碍物轮廓的顶点或者在轮廓中角度小于预设值的位置点。
202、根据至少一个障碍物对应的位置信息分别计算每两个障碍物之间的距离。
203、根据距离从割草机器人的起始位置依次确定最临近障碍物，以得到至少一个障碍物的遍历顺序。
在本申请实施例中，可以预先确定至少一个障碍物的遍历顺序，然后再按照该顺序生成最终的割草路径。具体的，可以先不考虑障碍物的半径大小，默认将当前场景中的所有障碍物先看作为一个点，然后基于障碍物当前的位置信息计算每两个障碍物间隔的距离，从割草机器人的初始位置开始依次查找最邻近的障碍物直至割草机器人的终点位置（比如充电桩或当前场景的边界），通过以上方式按照最短距离原则快速得到上述至少一个障碍物中每个障碍物的遍历顺序。
在一实施例中，在确认上述至少一个障碍物的遍历顺序时，还可以通过穷举的方式从割草机器人的起始位置开始列举所有种可以遍历一遍障碍物的路线，然后计算每条路线的总距离，并将总距离最短的路线作为割草机器人最终的遍历路线，同时也确定了该路线中至少一个障碍物的遍历顺序。
204、将至少一个障碍物的轮廓信息均转换为离散点集合。
在一实施例中，考虑到割草机器人以及障碍物都具有一定的碰撞体积，因此可以在障碍物的实际外径基础上将其轮廓向外延展一部分，比如可以延展割草机器人的半个机身半径，以便割草机到达该点时正好与障碍物外径相切，避免无法到达障碍物轮廓上的某一点，如图7所示。也即将至少一个障碍物的轮廓信息均转换为离散点集合的步骤可以包括：根据割草机器人的尺寸信息将至少一个障碍物的轮廓向外扩展，将至少一个障碍物扩展后的轮廓转换为离散点集合。
在一实施例中，针对上述每一个障碍物可以将其轮廓转换为离散点集合，具体可以先设定离散后两个相邻离散点之间的间距，然后就可以基于上述间距依次设置离散点。需要说明的是，上述障碍物的轮廓为该障碍物在地面上投影的平面轮廓。
205、根据位置信息计算当前障碍物的离散点集合中每个候选点相对于前后障碍物的角度值。
206、选取最大角度值所对应的候选点以作为当前障碍物的目标点。
其中，考虑到当割草机器人以垂直障碍物切线的角度进入时，若在前往下一个障碍物时需要调整为切线角度，因此需要进行原地转向以便沿边工作，进而导致草坪伤害。为避免这种情况，本实施例在从当前障碍物的离散点集合中选取目标点时，可以遵循连线角度最大原则，在最大角度时，有利于割草机器人沿边割草时接近障碍物无需较大角度调整位置，减轻割草机器人转向时挫伤草皮。举例来说，请参阅图8，其中障碍物1为当前障碍物2的前置障碍物，障碍物3则为当前障碍物2的后置障碍物，在当前障碍物的离散点集合中选取目标点时，可以分别计算每个离散点与障碍物1和障碍物3连线之间的夹角，然后选取最大的夹角对应的离散点N，并将其作为当前障碍物2的目标点。需要说明的是，在确定当前障碍物2的目标点时，其前置相邻障碍物1的目标点已经确认，而后置相邻障碍物3的目标点还未确认，因此在一实施例中还可以通过后置障碍物3的中心点位置为依据进行计算。
在另一实施例中，还可以遵循距离最小原则在离散点集合中选取目标点，比如分别计算离散点集合中每个离散点相对于前后障碍物之间的距离之和，当该距离之和最小时满足的离散点就可以作为当前障碍物的目标点。
需要说明的是，若当前障碍物为检测到的第一个障碍物，则与其相邻的前置障碍物可以由割草机器人的起始点代替，若当前障碍物为检测到的最后一个障碍物，则与其相邻的后置障碍物可以由割草机器人的终点代替，比如割草机器人的充电桩或是当前场景的某个边界等，本申请对此不作进一步赘述。
207、按照遍历顺序依次连接至少一个障碍物分别对应的目标点，以生成割草路径。
208、控制割草机器人按照割草路径对至少一个障碍物进行遍历。
由于在上述步骤中已经确定了至少一个障碍物的遍历顺序，因此在本实施例中便可以直接按照遍历顺序依次连接每个障碍物所对应的目标点，以得到可以对所有障碍物遍历一遍的割草路径，并完成沿边割草。
在一实施例中，割草机器人按照上述最优的割草路径进行工作，若行进过程中遇到其他障碍物，则可以记录该障碍物为临时障碍物，并获取其轮廓信息以及位置信息，并绕开该临时障碍物继续执行上述割草路径。在割草机器人再次割草时若检测到上述位置仍然存在上述临时障碍物，则可以将该临时障碍物记录在地图中，并更新为固定障碍物，再依据该障碍物的轮廓信息和位置信息重新生成当前场景内的沿边割草路径。
由上可知，本申请实施例提供的障碍物遍历方法可以对当前场景中的障碍物进行检测，以获取至少一个障碍物对应的轮廓信息和位置信息，根据至少一个障碍物对应的位置信息分别计算每两个障碍物之间的距离，根据距离从割草机器人的起始位置依次确定最临近障碍物，以得到至少一个障碍物的遍历顺序，将至少一个障碍物的轮廓信息均转换为离散点集合，根据位置信息计算当前障碍物的离散点集合中每个候选点相对于前后障碍物的角度值，选取最大角度值所对应的候选点以作为当前障碍物的目标点，按照遍历顺序依次连接至少一个障碍物分别对应的目标点，以生成割草路径，控制割草机器人按照割草路径对至少一个障碍物进行遍历。本申请实施例可以将障碍物的轮廓信息转换为离散点集合，并从中选取目标点以生成最优的割草路径，从而对全部障碍物进行遍历，可以提升割草机器人的工作效率以及减少耗电量。
为便于更好的实施本申请实施例的障碍物遍历方法，本申请实施例还提供一种基于上述障碍物遍历装置。其中名词的含义与上述障碍物遍历方法中相同，具体实现细节可以参考方法实施例中的说明。
请参阅图9，图9为本申请实施例提供的障碍物遍历装置的结构示意图，其中该障碍物遍历装置可以包括：
第一确定模块301，用于在当前场景中确定至少一个障碍物对应的位置信息；
第二确定模块302，用于根据所述位置信息分别确定所述至少一个障碍物各自对应的目标点；
生成模块303，用于根据所述至少一个障碍物分别对应的目标点生成割草路径，并控制所述割草机器人按照所述割草路径对所述至少一个障碍物进行遍历。
在一实施例中，请参阅图10，第二确定模块302可以具体包括：
确定子模块3021，用于确定所述至少一个障碍物对应的轮廓信息；
转换子模块3022，用于将所述至少一个障碍物的轮廓信息均转换为离散点集合；
选取子模块3023，用于根据当前障碍物以及相邻的障碍物对应的位置信息从所述当前障碍物的离散点集合中选取目标点.
在一实施例中，选取子模块3023具体用于：根据所述位置信息计算所述当前障碍物的离散点集合中每个候选点相对于相邻的两个障碍物的角度值，选取最大角度值所对应的候选点以作为所述当前障碍物的目标点。
由上可知，本申请实施例通过第一确定模块301在当前场景中确定至少一个障碍物对应的位置信息，第二确定模块302根据位置信息分别确定至少一个障碍物各自对应的目标点，生成模块303根据至少一个障碍物分别对应的目标点生成割草路径，并控制割草机器人按照割草路径对至少一个障碍物进行遍历。本申请实施例可以分别确定当前场景中至少一个障碍物对应的目标点，并根据这些目标点生成最优的割草路径，从而对全部障碍物进行遍历，可以提升割草机器人的工作效率以及减少耗电量。
此外，本申请实施例还提供一种割草机器人，如图11所示，其示出了本申请实施例所涉及的割草机器人的结构示意图，具体来讲：
该割草机器人可以包括控制模块501、行进机构502、切割模块503以及电源504等部件。本领域技术人员可以理解，图11中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
控制模块501是该割草机器人的控制中心，该控制模块501具体可以包括中央处理器（Central Process Unit，CPU）、存储器、输入/输出端口、系统总线、定时器/计数器、数模转换器和模数转换器等组件，CPU通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行割草机器人的各种功能和处理数据；优选的，CPU可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到CPU中。
存储器可用于存储软件程序以及模块，CPU通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供CPU对存储器的访问。
行进机构502与控制模块501电性相连，用于响应控制模块501传递的控制信号，调整割草机器人的行进速度和行进方向，实现割草机器人的自移动功能。
切割模块503与控制模块501电性相连，用于响应控制模块传递的控制信号，调整切割刀盘的高度和转速，实现割草作业。
电源504可以通过电源管理系统与控制模块501逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源504还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出，该割草机器人还可以包括通信模块、传感器模块、提示模块等，在此不再赘述。
通信模块用于收发信息过程中信号的接收和发送，通过与用户设备、基站或服务器建立通信连接，实现与用户设备、基站或服务器之间的信号收发。
传感器模块用于采集内部环境信息或外部环境信息，并将采集到的环境数据反馈给控制模块进行决策，实现割草机器人的精准定位和智能避障功能。可选地，传感器可以包括：超声波传感器、红外传感器、碰撞传感器、雨水感应器、激光雷达传感器、惯性测量单元、轮速计、图像传感器、位置传感器及其他传感器，对此不做限定。
提示模块用于提示用户当前割草机器人的工作状态。本方案中，提示模块包括但不限于指示灯、蜂鸣器等。例如，割草机器人可以通过指示灯提示用户当前的电源状态、电机的工作状态、传感器的工作状态等。又例如，当检测到割草机器人出现故障或被盗时，可以通过蜂鸣器实现告警提示。
具体在本实施例中，控制模块501中的处理器会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器中，并由处理器来运行存储在存储器中的应用程序，从而实现各种功能，如下：
在当前场景中确定至少一个障碍物对应的位置信息；
根据所述位置信息分别确定所述至少一个障碍物各自对应的目标点；
根据所述至少一个障碍物分别对应的目标点生成割草路径，并控制所述割草机器人按照所述割草路径对所述至少一个障碍物进行遍历。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
本申请实施例提供的割草机器人可以对在当前场景中确定至少一个障碍物对应的位置信息，根据位置信息分别确定至少一个障碍物各自对应的目标点，根据至少一个障碍物分别对应的目标点生成割草路径，并控制割草机器人按照割草路径对至少一个障碍物进行遍历。本申请实施例可以分别确定当前场景中至少一个障碍物对应的目标点，并根据这些目标点生成最优的割草路径，从而对全部障碍物进行遍历，可以提升割草机器人的工作效率以及减少耗电量。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种障碍物遍历方法中的步骤。例如，该指令可以执行如下步骤：
在当前场景中确定至少一个障碍物对应的位置信息；
根据所述位置信息分别确定所述至少一个障碍物各自对应的目标点；
根据所述至少一个障碍物分别对应的目标点生成割草路径，并控制所述割草机器人按照所述割草路径对所述至少一个障碍物进行遍历。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取记忆体（RAM，Random Access Memory）、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种障碍物遍历方法中的步骤，因此，可以实现本申请实施例所提供的任一种障碍物遍历方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种障碍物遍历方法、装置、割草机器人以及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (13)
1.一种障碍物遍历方法，应用于割草机器人，其特征在于，包括：
在当前场景中确定至少一个障碍物对应的位置信息；
根据所述位置信息分别确定所述至少一个障碍物各自对应的目标点；
根据所述至少一个障碍物分别对应的目标点生成割草路径，并控制所述割草机器人按照所述割草路径对所述至少一个障碍物进行遍历。
2.根据权利要求1所述的方法，其特征在于，所述根据所述位置信息分别确定所述至少一个障碍物各自对应的目标点，包括：
确定所述至少一个障碍物对应的轮廓信息；
将所述至少一个障碍物的轮廓信息均转换为离散点集合；
根据当前障碍物以及相邻的障碍物对应的位置信息从所述当前障碍物的离散点集合中选取目标点。
3.根据权利要求2所述的方法，其特征在于，所述确定所述至少一个障碍物对应的轮廓信息，包括：
获取所述障碍物的初始轮廓信息；
提取所述初始轮廓信息中的轮廓关键点；
基于所述轮廓关键点通过曲线拟合算法对所述初始轮廓信息进行局部优化，以得到优化后的目标轮廓信息。
4.根据权利要求2所述的方法，其特征在于，在将所述至少一个障碍物的轮廓信息均转换为离散点集合之前，所述方法还包括：
根据所述障碍物的轮廓信息计算所述障碍物的占地面积；
判断所述占地面积是否大于所述割草机器人的占地面积；
若大于，则将所述障碍物的轮廓信息转换为离散点集合；
若不大于，则根据所述障碍物的位置信息确定所述障碍物的目标点。
5.根据权利要求2所述的方法，其特征在于，在将所述至少一个障碍物的轮廓信息均转换为离散点集合之前，所述方法还包括：
根据所述至少一个障碍物对应的位置信息分别计算每两个障碍物之间的距离；
根据所述距离从割草机器人的起始位置依次确定最临近障碍物，以得到所述至少一个障碍物的遍历顺序。
6.根据权利要求5所述的方法，其特征在于，所述根据所述至少一个障碍物分别对应的目标点生成割草路径，包括：
按照所述遍历顺序依次连接所述至少一个障碍物分别对应的目标点，以生成割草路径。
7.根据权利要求2所述的方法，其特征在于，所述将所述至少一个障碍物的轮廓信息均转换为离散点集合，包括：
根据当前障碍物以及相邻的障碍物对应的位置信息计算相邻的障碍物分别针对所述当前障碍物的第一切角范围和第二切角范围；
确定所述第一切角范围和第二切角范围的范围合集，并将所述当前障碍物位于所述范围合集内的轮廓部分转换为离散点集合。
8.根据权利要求2所述的方法，其特征在于，所述将所述至少一个障碍物的轮廓信息均转换为离散点集合，包括：
根据割草机器人的尺寸信息将所述至少一个障碍物的轮廓向外扩展；
将所述至少一个障碍物扩展后的轮廓转换为离散点集合。
9.根据权利要求2所述的方法，其特征在于，所述根据当前障碍物以及相邻的障碍物对应的位置信息从所述当前障碍物的离散点集合中选取目标点，包括：
根据所述位置信息计算所述当前障碍物的离散点集合中每个候选点相对于相邻的两个障碍物的角度值；
选取最大角度值所对应的候选点以作为所述当前障碍物的目标点。
10.根据权利要求2所述的方法，其特征在于，所述根据当前障碍物以及相邻的障碍物对应的位置信息从所述当前障碍物的离散点集合中选取目标点，包括：
根据所述位置信息计算所述当前障碍物的离散点集合中每个候选点与相邻的两个障碍物之间的距离之和；
选取最小距离之和所对应的候选点以作为所述当前障碍物的目标点。
11.一种障碍物遍历装置，应用于割草机器人，其特征在于，包括：
第一确定模块，用于在当前场景中确定至少一个障碍物对应的位置信息；
第二确定模块，用于根据所述位置信息分别确定所述至少一个障碍物各自对应的目标点；
生成模块，用于根据所述至少一个障碍物分别对应的目标点生成割草路径，并控制所述割草机器人按照所述割草路径对所述至少一个障碍物进行遍历。
12.一种割草机器人，其特征在于，包括存储器，处理器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程序时实现如权利要求1-10任一项所述障碍物遍历方法的步骤。
13.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-10任一项所述障碍物遍历方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211634002.7A CN115617053B (zh) | 2022-12-19 | 2022-12-19 | 障碍物遍历方法、装置、割草机器人以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211634002.7A CN115617053B (zh) | 2022-12-19 | 2022-12-19 | 障碍物遍历方法、装置、割草机器人以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115617053A true CN115617053A (zh) | 2023-01-17 |
| CN115617053B CN115617053B (zh) | 2023-03-17 |
Family
ID=84879662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211634002.7A Active CN115617053B (zh) | 2022-12-19 | 2022-12-19 | 障碍物遍历方法、装置、割草机器人以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115617053B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007249632A (ja) * | 2006-03-16 | 2007-09-27 | Fujitsu Ltd | 障害物のある環境下で自律移動する移動ロボットおよび移動ロボットの制御方法。 |
| CN104460666A (zh) * | 2014-10-27 | 2015-03-25 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
| CN104541218A (zh) * | 2012-09-27 | 2015-04-22 | 皇家飞利浦有限公司 | 自主移动机器人和用于操作自主移动机器人的方法 |
| CN107817509A (zh) * | 2017-09-07 | 2018-03-20 | 上海电力学院 | 基于rtk北斗和激光雷达的巡检机器人导航系统及方法 |
| US20190163174A1 (en) * | 2017-11-30 | 2019-05-30 | Lg Electronics Inc. | Mobile robot and method of controlling the same |
| CN110361009A (zh) * | 2019-07-12 | 2019-10-22 | 深圳市银星智能科技股份有限公司 | 一种路径规划方法、路径规划系统以及移动机器人 |
| CN113625721A (zh) * | 2021-08-19 | 2021-11-09 | 东北大学 | 一种未知空间自主探索规划方法 |
| CN114035572A (zh) * | 2021-10-09 | 2022-02-11 | 中电海康慧联科技(杭州)有限公司 | 一种割草机器人的避障巡回方法及系统 |
| CN114764239A (zh) * | 2020-12-31 | 2022-07-19 | 深圳市普渡科技有限公司 | 清扫机器人控制方法、装置、计算机设备及存储介质 |
| CN115167427A (zh) * | 2022-07-18 | 2022-10-11 | 深圳拓邦股份有限公司 | 一种视觉障碍物识别方法、系统及割草机器人 |
| CN115211765A (zh) * | 2022-07-19 | 2022-10-21 | 深圳胡杨智能创新有限公司 | 清洁机器人控制方法、清洁机器人及存储介质 |
| CN115423865A (zh) * | 2022-07-29 | 2022-12-02 | 松灵机器人(深圳)有限公司 | 障碍物检测方法、装置、割草机器人以及存储介质 |
-
2022
- 2022-12-19 CN CN202211634002.7A patent/CN115617053B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007249632A (ja) * | 2006-03-16 | 2007-09-27 | Fujitsu Ltd | 障害物のある環境下で自律移動する移動ロボットおよび移動ロボットの制御方法。 |
| CN104541218A (zh) * | 2012-09-27 | 2015-04-22 | 皇家飞利浦有限公司 | 自主移动机器人和用于操作自主移动机器人的方法 |
| CN104460666A (zh) * | 2014-10-27 | 2015-03-25 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
| CN107817509A (zh) * | 2017-09-07 | 2018-03-20 | 上海电力学院 | 基于rtk北斗和激光雷达的巡检机器人导航系统及方法 |
| US20190163174A1 (en) * | 2017-11-30 | 2019-05-30 | Lg Electronics Inc. | Mobile robot and method of controlling the same |
| CN110361009A (zh) * | 2019-07-12 | 2019-10-22 | 深圳市银星智能科技股份有限公司 | 一种路径规划方法、路径规划系统以及移动机器人 |
| CN114764239A (zh) * | 2020-12-31 | 2022-07-19 | 深圳市普渡科技有限公司 | 清扫机器人控制方法、装置、计算机设备及存储介质 |
| CN113625721A (zh) * | 2021-08-19 | 2021-11-09 | 东北大学 | 一种未知空间自主探索规划方法 |
| CN114035572A (zh) * | 2021-10-09 | 2022-02-11 | 中电海康慧联科技(杭州)有限公司 | 一种割草机器人的避障巡回方法及系统 |
| CN115167427A (zh) * | 2022-07-18 | 2022-10-11 | 深圳拓邦股份有限公司 | 一种视觉障碍物识别方法、系统及割草机器人 |
| CN115211765A (zh) * | 2022-07-19 | 2022-10-21 | 深圳胡杨智能创新有限公司 | 清洁机器人控制方法、清洁机器人及存储介质 |
| CN115423865A (zh) * | 2022-07-29 | 2022-12-02 | 松灵机器人(深圳)有限公司 | 障碍物检测方法、装置、割草机器人以及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115617053B (zh) | 2023-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112584697B (zh) | 使用视觉系统的自主机器导航和训练 | |
| CN115016502A (zh) | 智能避障方法、割草机器人以及存储介质 | |
| US20130238130A1 (en) | Path recording and navigation | |
| US20110153338A1 (en) | System and method for deploying portable landmarks | |
| US11672199B2 (en) | Mapping method of lawn mower robot | |
| WO2024022337A1 (zh) | 障碍物检测方法、装置、割草机器人以及存储介质 | |
| CN102662400A (zh) | 割草机器人的路径规划算法 | |
| CN115053689A (zh) | 智能避障方法、装置、割草机器人以及存储介质 | |
| CN109247118A (zh) | 基于全景摄像头构建电子地图的智能割草机 | |
| CN113191297A (zh) | 一种路面识别方法、装置及电子设备 | |
| US20230042867A1 (en) | Autonomous electric mower system and related methods | |
| CN115617053B (zh) | 障碍物遍历方法、装置、割草机器人以及存储介质 | |
| CN115268438A (zh) | 智能避障方法、装置、割草机器人以及存储介质 | |
| WO2024017034A1 (zh) | 路径规划方法、装置、割草机器人以及存储介质 | |
| WO2023246802A1 (zh) | 割草方法、装置、割草机器人以及存储介质 | |
| WO2024008016A1 (zh) | 作业地图构建方法、装置、割草机器人以及存储介质 | |
| CN115088463A (zh) | 割草方法、装置、割草机器人以及存储介质 | |
| CN115039561A (zh) | 割草方法、装置、割草机器人以及存储介质 | |
| CN115250720A (zh) | 割草方法、装置、割草机器人以及存储介质 | |
| CN115493579A (zh) | 定位修正方法、装置、割草机器人以及存储介质 | |
| CN114937258B (zh) | 割草机器人的控制方法、割草机器人以及计算机存储介质 | |
| CN115053690A (zh) | 割草方法、装置、割草机器人以及存储介质 | |
| WO2021042487A1 (zh) | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 | |
| CN115145283A (zh) | 割草机器人回充方法、割草机器人以及存储介质 | |
| CN115226476A (zh) | 割草方法、装置、割草机器人以及存储介质 |
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 |