CN115855068B - 一种基于bim的机器人路径自主导航方法及系统 - Google Patents
一种基于bim的机器人路径自主导航方法及系统 Download PDFInfo
- Publication number
- CN115855068B CN115855068B CN202310163935.0A CN202310163935A CN115855068B CN 115855068 B CN115855068 B CN 115855068B CN 202310163935 A CN202310163935 A CN 202310163935A CN 115855068 B CN115855068 B CN 115855068B
- Authority
- CN
- China
- Prior art keywords
- robot
- obstacle
- navigation
- navigation image
- 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.)
- Active
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Navigation (AREA)
Abstract
本发明涉及智能导航技术领域,提供了一种基于BIM的机器人路径自主导航方法及系统,将建筑物的BIM模型与机器人的点云模型进行双向空间对照,确定机器人有效活动范围以及有效活动范围内的路径连接网络,生成有效导航图像,将BIM模型包含的3D数据转换成稳定的准确性高的导航地图,减少地图构建成本;根据任务数据在BIM模型上确定机器人的起始点以及目的地,基于有效导航图像确定机器人的最佳路径,生成目标导航图像,提升路径规划的可视化深度,将二维构建向三维迭代升级,并在机器人按照最佳路径移动地过程中,根据机器人的实时障碍检测结果对机器人的运动路径进行实时调整,确保最佳路径的可通行性实现机器人的自主导航,大大降低机器人导航运营成本。
Description
技术领域
本发明涉及智能导航技术领域,特别涉及一种基于BIM的机器人路径自主导航方法及系统。
背景技术
目前移动平台构建地图的方式主要还是依靠传感器(雷达、超声波、红外等)在人工的控制下采集完成的,然后在采用离线的学习算法来找到与数据匹配的最好的地图来。在这个方向研究上主要还是集中在机器人的自定位和信息融合等方面,在很多环境中机器人不能利用全局定位系统进行定位,事先获取机器人工作环境的地图很困难。
而且,机器人移动平台都是通过雷达扫描勾勒出锚点ID和对应的高度信息,机器人移动平台响应请求开始构建地图实施路径规划。机器人会在构图过程中和请求完成构图后的一段时间进行地图优化与回环检测;根据构图场景大小、构图时间的不同,优化过程可能会持续几秒到几十分钟,每到一个新的工作环境中就需要重新进行构建新地图的工作,该方法费时又费力。
因此,本发明提出一种基于BIM的机器人路径自主导航方法及系统。
发明内容
本发明提供一种基于BIM的机器人路径自主导航方法及系统,将BIM模型包含的3D数据转换成稳定的、准确性高的导航地图,减少地图构建成本,并根据该导航地图确定机器人到达目的地最佳路径,在机器人按照该最佳路径移动地过程中,根据机器人的实时障碍检测结果对机器人的运动路径进行实时调整,确保最佳路径的可通行性,大大降低机器人导航运营成本,同时也能缩短地图构建时间。
本发明提供一种基于BIM的机器人路径自主导航方法,包括:
步骤1:将建筑物的BIM模型与机器人的点云模型进行双向空间对照,确定机器人有效活动范围,以及所述有效活动范围内的路径连接网络,生成有效导航图像;
步骤2:根据任务数据在BIM模型上确定所述机器人的起始点以及目的地,基于所述有效导航图像确定所述机器人的最佳路径,生成目标导航图像;
步骤3:在所述机器人根据所述目标导航图像的导航指向进行移动的过程中,获取所述机器人的实时障碍检测结果,并根据所述实时障碍检测结果对所述最佳路径进行调整。
在一种可能实现的方式中,所述步骤1,包括:
步骤101:基于建筑物的BIM模型,确定所述建筑物的全部通行区域,以及各个通行区域之间的空间关系;
步骤102:根据空间关系生成立体导航图像,所述立体导航图像包含所述建筑物单个楼层内的通行路径连接网络以及各个楼层之间的通行关系;
步骤103:获取导航申请对应的机器人的行动权限和所述机器人的点云模型,确定所述机器人的有效活动范围;
步骤104:根据所述有效活动范围,在所述立体导航图像中截取有效导航图像。
在一种可能实现的方式中,所述步骤2,包括:
步骤201:根据机器人的任务数据,确定机器人的目的地,并在建筑物BIM模型上进行第一标记;
步骤202:获取所述机器人的当前位置,将所述当前位置作为起始点在所述建筑物BIM模型上进行第二标记;
步骤203:基于所述第一标记以及第二标记,确定所述起始点以及目的地的空间位置,根据所述空间位置,确定有效导航图像的显示模式。
在一种可能实现的方式中,有效导航图像的显示模式包括平面显示模式和立体显示模式;
其中,当所述第一标记和第二标记处于同一楼层时,所述目标导航图像选用平面显示模式;
当所述第一标记和第二标记处于不同楼层时,所述目标导航图像选用立体显示模式。
在一种可能实现的方式中,所述步骤2,还包括:
步骤204:基于有效导航图像获取机器人的全部待选路径,并基于各个待选路径上的监控摄像获得所述建筑物内的实时通行数据;
根据所述实时通行数据,预测所述机器人在各个待选路径上的消耗成本,基于所述消耗成本,确定最佳路径,生成目标导航图像。
在一种可能实现的方式中,所述步骤3,包括:
步骤301:控制机器人根据目标导航图像上的导航指向进行移动,同时,开启激光雷达和深度相机同步探测,获取实时障碍检测数据;
步骤302:根据所述实时障碍物监测数据,确定第一障碍物与所述机器人之间的位置关系;
步骤303:根据所述位置关系确定所述最佳路径的通行状态,并根据所述通行状态机器人最佳路径进行重新规划。
在一种可能实现的方式中,所述步骤301,还包括:
基于机器人在目标导航地图上对应的当前位置,确定所述机器人激光雷达和深度相机监测范围内的第二障碍物,并在所述目标导航图上进行标记所述第二障碍物,基于建筑物的BIM模型获取所述第二障碍物的第二障碍物信息;
将所述实时障碍物监测数据与第二障碍物信息进行对应,确定所述机器人实时检测到的第一障碍物的障碍物类型,并根据障碍物类型对障碍物进行颜色标记,同步更新目标导航地图上的环境标记结果,并对所述环境标记结果进行存储,当一同环境结果重复多次时,更新立体导航图像。
在一种可能实现的方式中,所述步骤302,包括:
获取机器人的当前位置,并根据目标导航图像的预设坐标系,确定所述当前位置的位置坐标,基于所述位置坐标以及实时障碍检测数据生成点云图像;
基于所述点云图像确定机器人与第一障碍物之间的几何关系,所述几何关系包括第一障碍物与机器人之间的角度关系以及相对面积;
根据所述几何关系确定所述第一障碍物的位置方位,同时,获取机器人的当前导航移动方向,以及机器人移动辐射面积;
根据所述移动辐射面积以及当前导航移动方向,确定机器人的移动辐射范围,所述位置方位在所述移动辐射范围内时,判定所述第一障碍物与机器人为第一位置关系;
否则,判定所述第一障碍物与机器人为第二位置关系。
在一种可能实现的方式中,所述步骤303,包括:
当第一障碍物与机器人处于第一位置关系时,将所述第一障碍物作为目标障碍物,获取所述目标障碍物的实际尺寸以及所述目标障碍物所处位置对应的路径宽度,根据所述路径宽度与所述实际尺寸,获得障碍物路径占比;
当所述障碍物路径占比大于等于预设值时,判定所述机器人处于无法通行状态,基于步骤2对所述机器人的最佳路径进行重新规划;
当所述路径占比小于预设值时,获取所述目标障碍物的所处位置的空置尺寸,基于所述空置尺寸确定机器人调整方向以及调整角度,对所述最佳路径的导航指向进行修正;
当所述第一障碍物与机器人处于第二位置关系时,判定所述机器人在当前激光雷达检测范围内为继续通行状态,所述机器人根据所述最佳路径继续移动。
本发明提供一种基于BIM的机器人路径自主导航系统,包括:
地图生成模块,用于将建筑物的BIM模型与机器人的点云模型进行双向空间对照,确定机器人有效活动范围,以及所述有效活动范围内的路径连接网络,生成有效导航图像;
路径选择模块,用于根据任务数据在BIM模型上确定所述机器人的起始点以及目的地,基于所述有效导航图像确定所述机器人的最佳路径,生成目标导航图像;
导航跟踪模块,用于在所述机器人根据所述目标导航图像的导航指向进行移动的过程中,获取所述机器人的实时障碍检测结果,并根据所述实时障碍检测结果对所述最佳路径进行调整。
本发明的其它特征和优点将在随后的说明书中阐述。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于BIM的机器人路径自主导航方法的流程图;
图2为本发明实施例中一种基于BIM的机器人路径自主导航方法步骤1的流程图;
图3为本发明实施例中一种基于BIM的机器人路径自主导航方法步骤2的流程图;
图4为本发明实施例中一种基于BIM的机器人路径自主导航方法步骤3的流程图;
图5为本发明实施例中一种基于BIM的机器人路径自主导航系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本发明提供一种基于BIM的机器人路径自主导航方法,如图1所示,包括:
步骤1:将建筑物的BIM模型与机器人的点云模型进行双向空间对照,确定机器人有效活动范围,以及所述有效活动范围内的路径连接网络,生成有效导航图像;
步骤2:根据任务数据在BIM模型上确定所述机器人的起始点以及目的地,基于所述有效导航图像确定所述机器人的最佳路径,生成目标导航图像;
步骤3:在所述机器人根据所述目标导航图像的导航指向进行移动的过程中,获取所述机器人的实时障碍检测结果,并根据所述实时障碍检测结果对所述最佳路径进行调整。
优选的,步骤三还包括:记录机器人的既往路径,并将过去导航后机器人的实际行动路径存储下来。
该实施例中,机器人是指向移动平台的导航系统提出导航申请正在进行导航的机器人。
该实施例中,有效活动范围是指进行导航的机器人的活动权限内包括的机器人可以移动到达的全部位置。
该实施例中,路径连接网络是指有效活动范围内机器人可以通过的全部路径连接形成的Mesh网络结构。
该实施例中,有效导航图像是根据BIM模型生成的整个建筑物内部的立体导航图像上机器人有效活动范围对应的部分。
该实施例中,最佳路径是指机器人从起始点到达目的地使用时间最短、能量消耗最少的路径,在机器人移动的过程中,根据机器人的实时障碍检测结果最佳路径可能会发生变化,每次路径规划确定的路径都是最佳路径。
该实施例中,目标导航图像是指只显示最佳路径的有效导航图像。
该实施例中,实时障碍检测结果是指在机器人的按照目标导航图像指示的最佳路径向目的地移动的过程中,机器人的自带激光雷达和深度相机检测一定范围内的障碍物分布情况。
上述技术方案的有益效果是:本发明将建筑物的BIM模型与机器人的点云模型进行双向空间对照,确定机器人有效活动范围以及所述有效活动范围内的路径连接网络,生成有效导航图像将BIM模型包含的3D数据转换成稳定的、准确性高的导航地图,减少地图构建成本,缩短地图构建时间;根据任务数据在BIM模型上确定所述机器人的起始点以及目的地,基于所述有效导航图像确定所述机器人的最佳路径,生成目标导航图像,提升路径规划的可视化深度,将二维构建向三维迭代升级,相比平面信息构建的地图,扩大了多面多维的不规则错位信息,避免了因为缺少立体信息引发导航数据疏漏从而导致规划路径无效的情况,智能化的完成机器人的导航路径规划,并在机器人按照该最佳路径移动地过程中,根据机器人的实时障碍检测结果对机器人的运动路径进行实时调整,确保最佳路径的可通行性实现机器人的自主导航,大大降低机器人导航运营成本。
实施例2
在实施例1的基础上,所述步骤1,如图2所示,包括:
步骤101:基于建筑物的BIM模型,确定所述建筑物的全部通行区域,以及各个通行区域之间的空间关系;
步骤102:根据空间关系生成立体导航图像,所述立体导航图像包含所述建筑物单个楼层内的通行路径连接网络以及各个楼层之间的通行关系;
步骤103:获取导航申请对应的机器人的行动权限和所述机器人的点云模型,确定所述机器人的有效活动范围;
步骤104:根据活动有效活动范围,在所述立体导航图像中截取有效导航图像。
该实施例中,通行区域是指建筑物内部可以行走的区域。
该实施例中,空间关系是指机器人的通行区域之间的关系,例如在同一楼层或在不同楼层。
该实施例中,立体导航图像是指整个建筑内部的导航图像,包含了建筑物BIM模型中包含的全部物体,在该立体导航图像中这些物品都可以看作机器人移动过程中的障碍物。
该实施例中,各个楼层之间的通行关系是指楼层之间采用电梯通行;
机器人采用电梯同行时,电梯上方的监控摄像头在检测到机器人后,根据机器人编号获取机器人任务数据,按照任务数据,确定机器人的目标楼层,将机器人运送至所述目标楼层。
该实施例中,行动权限是指在建筑物内机器人能够前往的楼层以及每个楼层对应的工作区域。
上述技术方案的有益效果是:本发明基于建筑物的BIM模型,确定所述建筑物的全部通行区域,以及各个通行区域之间的空间关系,并根据空间关系生成立体导航图像,获得了整个建筑物的导航图像,方便满足不同机器人的导航需求,提升导航系统适用范围;并根据当前导航机器人获取导航申请对应的机器人的行动权限和所述机器人的点云模型,确定所述机器人的有效活动范围,在所述立体导航图像中截取有效导航图像,精准确定每个机器人的导航图像需求范围,减小导航调用图像,降低导航系统运行的硬件压力。
实施例3
在实施例1的基础上,所述步骤2,如图3所示,包括:
步骤201:根据机器人的任务数据,确定机器人的目的地,并在建筑物BIM模型上进行第一标记;
步骤202:获取所述机器人的当前位置,将所述当前位置作为起始点在所述建筑物BIM模型上进行第二标记;
步骤203:基于所述第一标记以及第二标记,确定所述起始点以及目的地的空间位置,根据所述空间位置,确定目标导航图像的显示模式。
该实施例中,第一标记是指机器人的目的地在建筑物BIM模型上进行标记。
该实施例中,第二标记是指对机器人的当前位置在建筑物BIM模型上进行标记。
该实施例中,空间位置是指机器人的起始点与目的地相对位置,两者可能处于同一楼层也可能处于不同楼层。
上述技术方案的有益效果是:本发明在建筑物BIM模型上对机器人的起始点以及目的地进行标记确定两者的空间位置,为目标导航图像显示模式的选择提供基础,确保机器人导航的准确性。
实施例4
在实施例3的基础上,有效导航图像的显示模式包括平面显示模式和立体显示模式;
其中,当所述第一标记和第二标记处于同一楼层时,所述目标导航图像选用平面显示模式;
当所述第一标记和第二标记处于不同楼层时,所述目标导航图像选用立体显示模式。
该实施例中,平面显示模式是指由于机器人的出发点以及目的地处于同一跨楼层无跨楼层移动采用平面图对目标导航图像进行显示,该图像中包含了该楼层全部已知的固定建筑以及其他物体(例如,固定装饰摆放物品、休息座椅等)。
该实施例中,立体显示模式平面显示模式是指由于机器人的出发点以及目的地处于不同跨楼层存在跨楼层移动采用立体图像对目标导航图像进行显示,该图像中不仅包含了机器人前往的两个楼层的全部已知的固定建筑以及其他物体(例如,固定装饰摆放物品、休息座椅等),还包括了两个楼层之间的电梯位置,其中,两个楼层如果不相邻,中间楼层的图像进行模糊化显影处理,只显示电梯运送距离。
上述技术方案的有益效果是:本发明根据起始点以及目的地的空间位置关系对目标导航图像的模型进行选择在保证导航图像精准的同时减少图像显示使空间,降低导航系统运行硬件压力,有效增强路径规划的可视化深度,将二维构建向三维迭代升级,相比平面信息构建的地图,扩大了多面多维的不规则错位信息,避免了因为缺少立体信息引发导航数据疏漏从而导致规划路径无效的情况。
实施例5
在实施例1的基础上,所述步骤2,如图3所示,还包括:
步骤204:基于有效导航图像获取机器人的全部待选路径,并基于各个待选路径上的监控摄像获得所述建筑物内的实时通行数据;
根据所述实时通行数据,预测所述机器人在各个待选路径上的消耗成本,基于所述消耗成本,确定最佳路径,生成目标导航图像。
该实施例中,根据所述实时通行数据,预测所述机器人在各个待选路径上的消耗成本,基于所述消耗成本,确定最佳路径,包括:
基于建筑物内的监测系统,获取各个第一待选路径的实时通行数据,获取预设时间段内的第一实时通行数据;
同时,根据所述第一实时通行数据分别绘制每个第一待选路径的第一人流量变化曲线图,确定预设时间段内的人流变化特征,预测所述机器人的通行概率;
当所述通行概率大于预设值时,确定所述第一待选路径为第二待选路径;
同时,获取所述预设时段对应的多个不同日期的历史时段内各个第二待选路径的第二实时通行数据,根据所述第二实时通行数据绘制第二人流量变化曲线图,对多个第二人流量变化曲线图进行对比确定历史时段内各个第二待选路径的人流量变化趋势,生成人流预测图;
将所述第一人流量变化曲线图与所述人流预测图进行比较,判断所述预设时间段内的人流变化特征是否与历史时段内的人流变化特征相同;
若相同,获取历史时段内机器人的历史运动数据,基于所述历史运动数据,获得机器人的参考运动参数,其中所述参考运动参数包括机器人的运动速度以及所述运动速度对应的能量消耗;
若不同,将机器人的默认运动参数,作为参考运动参数;
根据所述参考运动参数,计算所述机器人在各个第二待选路径上消耗成本,并对消耗成本进行排序,确定最佳路径。
该实施例中,第一待选路径是指机器人有效导航图像内可以从起始点位置达到目的地的全部路径。
该实施例中,实时通行数据包括第一实时通行数据以及第二实时通行数据,该实时通行数据是指各个监控摄像头下的人流变化数据。其中,第一实时通行数据是指预设时间段内的通行数据,该预设时间段的选取时长是固定的,是在当前时间的基础上向时间轴的反方向截取一段预设时间段对应时长的时间内的通行数据;第二实际通行数据是指对当前截取的预设时间段时间相同但日期不同的通行数据。
该实施例中,消耗成本包括机器人移动时间以及移动的能量消耗(电量消耗)。
该实施例中,第一人流量变化曲线图是指在预设时间段内,在各个第一待选路径上随着时间改变通行人数的变化图像。
该实施例中,人流变化特征是指预设时间段内各个第一待选路径上的人流量变化规律,例如,某一待选路径上的通行人数越来越多或者由多变少等情况。
该实施例中,通行概率是指机器人在某一待选路径上畅通无阻的概率,此处只考虑人流量造成的拥堵情况,不考虑由于突发障碍物无法绕行的情况,其中,突发障碍物是指由于建筑物内举办某种活动而造成的室内装饰的变化,出现建筑物BIM模型上没有的物品或固定建筑。
该实施例中,第二待选路径是指通行概率大于预设值的第一待选路径,表明该路径上的人流不会造成机器人无法通行。
该实施例中,历史时段是指与预设时段相同的其他日期的时段。
该实施例中,第二人流量变化曲线图是指在历史时段内,在各个第二待选路径上随着时间改变通行人数的变化图像,每一个日期的历史时段对应一个第二人流量变化曲线图。
该实施例中,人流量变化趋势是指在历史时段内第二待选路径的人流量的变化情况。
该实施例中,人流量预测图是指根据历史时段内的人流量变化趋势预测的预设时间段内人流量变化图像。
该实施例中,历史运动运动数据是指在历史时段内在第二待选路径上通行的机器人的运动速度以及该运动速度对应的能量消耗。
该实施例中,参考运动参数是指用于估计机器人在对应第二待选路径消耗成本的参考运动参数,该运动参数包括运动速度以及运动速度对应的能量消耗(如电量消耗等)。
该实施例中,默认运动参数是指机器人上设置的机器人的默认运动速度以及该运动速度对应能量消耗。
该实施例中,生成目标导航图像是指只保留最佳路径,隐藏有效导航图像上的剩余待选路径,并用突出颜色显示所述最佳路径,生成目标导航图像。
上述技术方案的有益效果是:本发明基于有效导航图像获取机器人的全部待选路径,并基于各个待选路径上的监控摄像获得所述建筑物内的实时通行数据;根据所述实时通行数据,预测所述机器人在各个待选路径上的消耗成本,基于所述消耗成本,确定最佳路径,生成目标导航图像,完成机器人人的自主导航的同时实现生态行驶,尽可能在完成机器人导航任务的同时,减少机器人的能源损耗,快速到达目的地。
实施例6
在实施例1的基础上,所述步骤3,如图4所示,包括:
步骤301:控制机器人根据目标导航图像上的导航指向进行移动,同时,开启激光雷达和深度相机同步探测,获取实时障碍检测数据;
步骤302:根据所述实时障碍物监测数据,确定第一障碍物与所述机器人之间的位置关系;
步骤303:根据所述位置关系确定所述最佳路径的通行状态,并根据所述通行状态机器人最佳路径进行重新规划。
该实施例中,导航指向是指目标导航图像上指示的机器人在最佳路径上的行驶方向。
该实施例中,第一障碍物是指机器人激光雷达和深度相机可探测范围内检测到的障碍物。
该实施例中,通行状态包括继续通行和无法通行以及绕行三种状态。
上述技术方案的有益效果是:本发明控制机器人根据目标导航图像上的导航指向进行移动,同时,开启激光雷达和深度相机同步探测,获取实时障碍检测数据,确定第一障碍物与所述机器人之间的位置关系,根据所述位置关系确定所述最佳路径的通行状态,并根据所述通行状态机器人最佳路径进行重新规划,实现机器人导航路线的实时调整,实现只能导航,提高导航系统的导航准确率。
实施例7
在实施例6的基础上,所述步骤301,还包括:
基于机器人在目标导航地图上对应的当前位置,确定所述机器人激光雷达和深度相机监测范围内的第二障碍物,并在所述目标导航图上进行标记所述第二障碍物,基于建筑物的BIM模型获取所述第二障碍物的第二障碍物信息;
将所述实时障碍物监测数据与第二障碍物信息进行对应,确定所述机器人实时检测到的第一障碍物的障碍物类型,并根据障碍物类型对障碍物进行颜色标记,同步更新目标导航地图上的环境标记结果,并对所述环境标记结果进行存储,根据所述环境标记结果,更新立体导航图像。
该实施例中,第二障碍物是指目标导航图像上在机器人当前位置的激光雷达和深度相机监测范围内的障碍物,该障碍物是预先知道的。
该实施例中,第二障碍物信息包括障碍物的名称、尺寸以及障碍物位置。
该实施例中,障碍物类型包括已知障碍物和未知障碍物,其中已知障碍物包括机器人当前探测到的障碍物以及机器人当前未探测到的障碍物。
未知障碍物是指目标导航图像上没有的第一障碍物;已知图像是指目标导航图像包含的障碍物。
该实施例中,颜色标记是指根据障碍物类型对目标导航凸显内的障碍物进行颜色标记。其中,机器人当前探测到的障碍物用黑色标记,及机器人当前未探测到的障碍物用灰色标记。
该实施例中,同步更新目标导航地图上的环境标记结果不仅包括多目标导航图形上的原有障碍物根据颜色标记结构进行显示还包括在目标导航图像上对未知障碍物进行颜色(红色)标记显示。
该实施例中,对所述环境标记结果进行存储,根据所述环境标记结果,更新立体导航图像,包括:
导航系统获取机器人的每一次环境标记结果后,获取已知障碍物的与机器人的位置关系,并根据机器人的位置坐标确定障碍物的第一位置坐标,与目标导航图像上对应的已知障碍物的第二位置坐标进行对比,若所述第一位置坐标与所述第二位置坐标一致,判定目标导航图像准确;
否则,将所述已知障碍物进行修正标记,获得不同机器人在所述障碍物的第三位置坐标,根据所述第三位置坐标,确定所述已知障碍物的修正坐标,根据所述修正坐标对所述目标导航图像上的所述已知障碍物的坐标进行修正,并同步更新立体导航图像;
同时,导航系统获取机器人的每一次环境标记结果后,对未知障碍物的标记次数进行计算,当所述标记次数达到预设次数时,判定所述未知障碍物为待显示障碍物,根据实时障碍物监测数据获取所述待显示障碍物的第四位置坐标,并在所述立体导航图像上显示所述待显示障碍物。
该实施例中,第一位置坐标是指根据机器人的位置坐标以及机器人与已知障碍物的位置关系确定的已知障碍物的在目标导航图像上的位置坐标。
该实施例中,第二位置坐标是指目标导航图像上显示的已知障碍的位置坐标。
该实施例中,修正标记是指由于人为的后期改造导致已知障碍物的位置与建筑物BIM模型中显示的位置不一致即目标导航图像上对应的已知障碍物的第二位置坐标与第一位置坐标不一致,导致导航图像不准确,需要对导航图像上某处进行修正的标记。
该实施例中,第三位置坐标是指不同机器人在修正标记处对应的已知障碍物的位置坐标,该位置坐标是由不同机器人在移动过程中的行对位置测量得到的。
该实施例中,修正坐标是指根据第三位置坐标确定的已知障碍物的实际位置坐标。
该实施例中,标记次数是指未知障碍物被机器人检测到的次数。
该实施例中,待显示障碍物是指多次出现在不同机器人的环境标记结果中的未知障碍物。
该实施例中,第四位置坐标是指未知障碍物的位置坐标。
上述技术方案的有益效果是:本发明在机器人根据最佳路径移动的过程中利用激光雷达和深度相机对移动过程中的检测范围内的障碍物进行检测,获得实时障碍物监测数据,并根据实时障碍物监测数据识别各个障碍物的类型,对障碍物进行颜色标记,并同步更新目标导航地图上的环境标记结果,有效的解决由于人为的后期改造导致障碍物的位置与建筑物BIM模型中显示的位置不一样的情况,同时还可以通过机器人的实际移动对导航地图进行更新,确保导航地图与时间环境一致,保证导航准确,实现了导航地图的更新运营,大大降低了导航运营成本。
实施例8
在实施例6的基础上,所述步骤302,包括:
获取机器人的当前位置,并根据目标导航图像的预设坐标系,确定所述当前位置的位置坐标,基于所述位置坐标以及实时障碍检测数据生成点云图像;
基于所述点云图像确定机器人与第一障碍物之间的几何关系,所述几何关系包括第一障碍物与机器人之间的角度关系以及相对面积;
根据所述几何关系确定所述第一障碍物的位置方位,同时,获取机器人的当前导航移动方向,以及机器人的移动辐射面积;
根据所述移动辐射面积以及当前导航移动方向,确定机器人的移动辐射范围,所述位置方位在所述移动辐射范围内时,判定所述第一障碍物与机器人为第一位置关系;
否则,判定所述第一障碍物与机器人为第二位置关系。
该实施例中,预设坐标系是指在立体导航图像生成的同时就已经确定好的三维坐标系。
该实施例中,位置方位是指以机器人的当前位置为基准的第一障碍物的所处的位置方向。
该实施例中,当前导航方向是指机器人的移动方向。
该实施例中,移动辐射面积是指机器人辐射角度内可以检测到的面积;移动辐射范围是指在机器人到达第一障碍物所处位置的过程中机器人移动估计辐射的面积,机器人在移动的过程中的辐射角度为270°。
该实施例中,第一位置关系是指机器人沿当前最佳路径继续前进会与第一障碍物相撞。
该实施例中,第二位置关系是指机器人沿当前最佳路径继续前进不会与第一障碍物接触。
上述技术方案的有益效果是:本发明对根据机器人的激光雷达和深度相机同步检测的实时障碍检测数据以及机器人的当前位置的位置坐标生成点云图像,并根据该点云图像对机器人和第一障碍物之间的位置关系进行判断,为机器人当前通行状态的判定提供基础。
实施例9
在实施例6的基础上,所述步骤303,包括:
当第一障碍物与机器人处于第一位置关系时,将所述第一障碍物作为目标障碍物,获取所述目标障碍物的实际尺寸以及所述目标障碍物所处位置对应的路径宽度,根据所述路径宽度与所述实际尺寸,获得障碍物路径占比;
当所述障碍物路径占比大于等于预设比值时,判定所述机器人处于无法通行状态,基于步骤2对所述机器人的最佳路径进行重新规划;
当所述路径占比小于预设值时,判定所述机器人处于绕行状态,获取所述目标障碍物的所处位置的空置尺寸,基于所述空置尺寸确定机器人调整方向以及调整角度,对所述最佳路径的导航指向进行修正;
当所述第一障碍物与机器人处于第二位置关系时,判定所述机器人在当前激光雷达检测范围内为继续通行状态,所述机器人根据所述最佳路径继续移动。
该实施例中,目标障碍物是指在机器人移动辐射范围内的第一障碍物。
该实施例中,实际尺寸是指目标账务的宽度。路径宽度是指目标障碍气瓶位置出的路径的宽度。
该实施例中,障碍物路径占比是指目标障碍物的实际尺寸与目标障碍物所处位置对应的路径宽度的比值。
该实施例中,绕行状态是指机器人通过改变导航指向角度可能可以沿当前最佳路径继续移动。
该实施例中,无法通行是指机器人沿当前道路无法到达目的地。
该实施例中,空置尺寸是指目标障碍物在两侧的空余路径宽度。
该实施例中,基于所述空置尺寸确定机器人调整方向以及调整角度,对所述最佳路径的导航指向进行修正,包括:
将目标障碍物两侧的空置尺寸进行对比,将最大的空置尺寸对应侧作为目标转向位置;
将所述目标转向位置对应的空置尺寸与所述机器人的实际宽度进行比较,当所述空置尺寸大于实际宽度时,获取所述目标转向位置的坐标集,基于所述坐标集确定所述目标转向位置的中心点,基于所述中心的对应坐标与机器人当前位置坐标,确定导航指向的调整角度;
基于所述导航指向的调整角度对机器人移动方向进行调整;
当所述空置尺寸小于等于实际宽度时,基于步骤2对所述机器人的最佳路径进行重新规划。
该实施例中,继续通行状态是指机器人检测到的第一障碍物不影响机器人的移动,机器人可继续沿着目标导航图像的导航指向继续向目的地移动。
上述技术方案的有益效果是:本发明对根据当第一障碍物与机器人的位置关系(包括第一位置关系和第二位置关系)对机器人的通行状态进行判定,根据通行状态判定结果,确定机器人是否需要调整最佳路径,并根据实际情况对最佳路径进行分类调整,包括对导航指向角度的调整以及重新规划最佳路径两种情况,实现机器人导航的自主性以及智能化,确保机器人可以精准到达目的地。
实施例10:
本发明提供一种基于BIM的机器人路径自主导航系统,如图5所示,包括:
地图生成模块,用于建筑物的BIM模型与机器人的点云模型进行双向空间对照,确定机器人有效活动范围,以及所述有效活动范围内的路径连接网络,生成有效导航图像;
路径选择模块,用于根据任务数据在BIM模型上确定所述机器人的起始点以及目的地,基于所述有效导航图像确定所述机器人的最佳路径,生成目标导航图像;
导航跟踪模块,用于在所述机器人根据所述目标导航图像的导航指向进行移动的过程中,获取所述机器人的实时障碍检测结果,并根据所述实时障碍检测结果对所述最佳路径进行调整。
优选的,导航跟踪模块能够记录机器人的既往路径,并将过去导航后机器人的实际行动路径存储下来。
上述技术方案的有益效果是:本发明通过地图生成模块,建筑物的BIM模型与机器人的点云模型进行双向空间对照,确定机器人有效活动范围以及所述有效活动范围内的路径连接网络,生成有效导航图像,将BIM模型包含的3D数据转换成稳定的、准确性高的导航地图,减少地图构建成本,缩短地图构建时间;路径选择模块,根据任务数据在BIM模型上确定所述机器人的起始点以及目的地,基于所述有效导航图像确定所述机器人的最佳路径,生成目标导航图像,智能化的完成机器人的导航路径规划;导航跟踪模块,在机器人按照该最佳路径移动地过程中,根据机器人的实时障碍检测结果对机器人的运动路径进行实时调整,确保最佳路径的可通行性实现机器人的自主导航,大大降低机器人导航运营成本。
显然,本领域的技术人员可以对本发明进行各种改动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,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种基于BIM的机器人路径自主导航方法,其特征在于,包括:
步骤1:将建筑物的BIM模型与机器人的点云模型进行双向空间对照,确定机器人有效活动范围,以及所述有效活动范围内的路径连接网络,生成有效导航图像;
步骤2:根据任务数据在BIM模型上确定所述机器人的起始点以及目的地,基于所述有效导航图像确定所述机器人的最佳路径,生成目标导航图像;
步骤3:在所述机器人根据所述目标导航图像的导航指向进行移动的过程中,获取所述机器人的实时障碍检测结果,并根据所述实时障碍检测结果对所述最佳路径进行调整;
其中,所述步骤1,包括:
步骤101:基于建筑物的BIM模型,确定所述建筑物的全部通行区域,以及各个通行区域之间的空间关系;
步骤102:根据空间关系生成立体导航图像,所述立体导航图像包含所述建筑物单个楼层内的通行路径连接网络以及各个楼层之间的通行关系;
步骤103:获取导航申请对应的机器人的行动权限和所述机器人的点云模型,确定所述机器人的有效活动范围;
步骤104:根据所述有效活动范围,在所述立体导航图像中截取有效导航图像;
其中,所述步骤3,包括:
步骤301:控制机器人根据目标导航图像上的导航指向进行移动,同时,开启激光雷达和深度相机同步探测,双向获取实时障碍检测数据;
步骤302:根据实时障碍物监测数据,确定第一障碍物与所述机器人之间的位置关系;
步骤303:根据所述位置关系确定所述最佳路径的通行状态,并根据所述通行状态机器人最佳路径进行重新规划;
所述步骤301,还包括:
基于机器人在目标导航地图上对应的当前位置,确定所述机器人激光雷达和深度相机监测范围内的第二障碍物,并在所述目标导航图像上进行标记所述第二障碍物,基于建筑物的BIM模型获取所述第二障碍物的第二障碍物信息;
将所述实时障碍物监测数据与第二障碍物信息进行对应,确定所述机器人实时检测到的第一障碍物的障碍物类型,并根据障碍物类型对障碍物进行颜色标记,同步更新目标导航地图上的环境标记结果,并对所述环境标记结果进行存储,当一同环境结果重复多次时,更新立体导航图像;
其中,对所述环境标记结果进行存储,根据所述环境标记结果,更新立体导航图像,包括:
导航系统获取机器人的每一次环境标记结果后,获取已知障碍物的与机器人的位置关系,并根据机器人的位置坐标确定障碍物的第一位置坐标,与目标导航图像上对应的已知障碍物的第二位置坐标进行对比,若所述第一位置坐标与所述第二位置坐标一致,判定目标导航图像准确;
否则,将所述已知障碍物进行修正标记,获得不同机器人在所述障碍物的第三位置坐标,根据所述第三位置坐标,确定所述已知障碍物的修正坐标,根据所述修正坐标对所述目标导航图像上的所述已知障碍物的坐标进行修正,并同步更新立体导航图像;
同时,导航系统获取机器人的每一次环境标记结果后,对未知障碍物的标记次数进行计算,当所述标记次数达到预设次数时,判定所述未知障碍物为待显示障碍物,根据实时障碍物监测数据获取所述待显示障碍物的第四位置坐标,并在所述立体导航图像上显示所述待显示障碍物。
2.如权利要求1所述的一种基于BIM的机器人路径自主导航方法,其特征在于,所述步骤2,包括:
步骤201:根据机器人的任务数据,确定机器人的目的地,并在建筑物BIM模型上进行第一标记;
步骤202:获取所述机器人的当前位置,将所述当前位置作为起始点在所述建筑物BIM模型上进行第二标记;
步骤203:基于所述第一标记以及第二标记,确定所述起始点以及目的地的空间位置,根据所述空间位置,确定有效导航图像的显示模式。
3.如权利要求2所述的一种基于BIM的机器人路径自主导航方法,其特征在于,有效导航图像的显示模式包括平面显示模式和立体显示模式;
其中,当所述第一标记和第二标记处于同一楼层时,所述目标导航图像选用平面显示模式;
当所述第一标记和第二标记处于不同楼层时,所述目标导航图像选用立体显示模式。
4.如权利要求1所述的一种基于BIM的机器人路径自主导航方法,其特征在于,所述步骤2,还包括:
步骤204:基于有效导航图像获取机器人的全部待选路径,并基于各个待选路径上的监控摄像获得所述建筑物内的实时通行数据;
根据所述实时通行数据,预测所述机器人在各个待选路径上的消耗成本,基于所述消耗成本,确定最佳路径,生成目标导航图像。
5.如权利要求1所述的一种基于BIM的机器人路径自主导航方法,其特征在于,所述步骤302,包括:
获取机器人的当前位置,并根据目标导航图像的预设坐标系,确定所述当前位置的位置坐标,基于所述位置坐标以及实时障碍检测数据生成点云图像;
基于所述点云图像确定机器人与第一障碍物之间的几何关系,所述几何关系包括第一障碍物与机器人之间的角度关系以及相对面积;
根据所述几何关系确定所述第一障碍物的位置方位,同时,获取机器人的当前导航移动方向,以及机器人的移动辐射面积;
根据所述移动辐射面积以及当前导航移动方向,确定机器人的移动辐射范围,所述位置方位在所述移动辐射范围内时,判定所述第一障碍物与机器人为第一位置关系;
否则,判定所述第一障碍物与机器人为第二位置关系。
6.如权利要求1所述的一种基于BIM的机器人路径自主导航方法,其特征在于,所述步骤303,包括:
当第一障碍物与机器人处于第一位置关系时,将所述第一障碍物作为目标障碍物,获取所述目标障碍物的实际尺寸以及所述目标障碍物所处位置对应的路径宽度,根据所述路径宽度与所述实际尺寸,获得障碍物路径占比;
当所述障碍物路径占比大于等于预设比值时,判定所述机器人处于无法通行状态,基于步骤2对所述机器人的最佳路径进行重新规划;
当所述路径占比小于预设值时,获取所述目标障碍物的所处位置的空置尺寸,基于所述空置尺寸确定机器人调整方向以及调整角度,对所述最佳路径的导航指向进行修正;
当所述第一障碍物与机器人处于第二位置关系时,判定所述机器人在当前激光雷达检测范围内为继续通行状态,所述机器人根据所述最佳路径继续移动。
7.一种基于BIM的机器人路径自主导航系统,其特征在于,包括:
地图生成模块,用于将建筑物的BIM模型与机器人的点云模型进行双向空间对照,确定机器人有效活动范围,以及所述有效活动范围内的路径连接网络,生成有效导航图像;
路径选择模块,用于根据任务数据在BIM模型上确定所述机器人的起始点以及目的地,基于所述有效导航图像确定所述机器人的最佳路径,生成目标导航图像;
导航跟踪模块,用于在所述机器人根据所述目标导航图像的导航指向进行移动的过程中,获取所述机器人的实时障碍检测结果,并根据所述实时障碍检测结果对所述最佳路径进行调整;
其中,所述导航跟踪模块用于在所述机器人根据所述目标导航图像的导航指向进行移动的过程中,获取所述机器人的实时障碍检测结果,并根据所述实时障碍检测结果对所述最佳路径进行调整的方法,包括:
步骤301:控制机器人根据目标导航图像上的导航指向进行移动,同时,开启激光雷达和深度相机同步探测,双向获取实时障碍检测数据;
步骤302:根据实时障碍物监测数据,确定第一障碍物与所述机器人之间的位置关系;
步骤303:根据所述位置关系确定所述最佳路径的通行状态,并根据所述通行状态机器人最佳路径进行重新规划;
所述步骤301,还包括:
基于机器人在目标导航地图上对应的当前位置,确定所述机器人激光雷达和深度相机监测范围内的第二障碍物,并在所述目标导航图像上进行标记所述第二障碍物,基于建筑物的BIM模型获取所述第二障碍物的第二障碍物信息;
将所述实时障碍物监测数据与第二障碍物信息进行对应,确定所述机器人实时检测到的第一障碍物的障碍物类型,并根据障碍物类型对障碍物进行颜色标记,同步更新目标导航地图上的环境标记结果,并对所述环境标记结果进行存储,当一同环境结果重复多次时,更新立体导航图像;
其中,对所述环境标记结果进行存储,根据所述环境标记结果,更新立体导航图像,包括:
导航系统获取机器人的每一次环境标记结果后,获取已知障碍物的与机器人的位置关系,并根据机器人的位置坐标确定障碍物的第一位置坐标,与目标导航图像上对应的已知障碍物的第二位置坐标进行对比,若所述第一位置坐标与所述第二位置坐标一致,判定目标导航图像准确;
否则,将所述已知障碍物进行修正标记,获得不同机器人在所述障碍物的第三位置坐标,根据所述第三位置坐标,确定所述已知障碍物的修正坐标,根据所述修正坐标对所述目标导航图像上的所述已知障碍物的坐标进行修正,并同步更新立体导航图像;
同时,导航系统获取机器人的每一次环境标记结果后,对未知障碍物的标记次数进行计算,当所述标记次数达到预设次数时,判定所述未知障碍物为待显示障碍物,根据实时障碍物监测数据获取所述待显示障碍物的第四位置坐标,并在所述立体导航图像上显示所述待显示障碍物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310163935.0A CN115855068B (zh) | 2023-02-24 | 2023-02-24 | 一种基于bim的机器人路径自主导航方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310163935.0A CN115855068B (zh) | 2023-02-24 | 2023-02-24 | 一种基于bim的机器人路径自主导航方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115855068A CN115855068A (zh) | 2023-03-28 |
CN115855068B true CN115855068B (zh) | 2023-05-23 |
Family
ID=85658875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310163935.0A Active CN115855068B (zh) | 2023-02-24 | 2023-02-24 | 一种基于bim的机器人路径自主导航方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115855068B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206862369U (zh) * | 2017-03-14 | 2018-01-09 | 北京大合创新科技发展有限公司 | 一种基于bim的机器人区域导航系统 |
CN109540142B (zh) * | 2018-11-27 | 2021-04-06 | 达闼科技(北京)有限公司 | 一种机器人定位导航的方法、装置、计算设备 |
CN111366147A (zh) * | 2018-12-26 | 2020-07-03 | 阿里巴巴集团控股有限公司 | 地图生成方法、室内导航方法、装置及设备 |
CN109916393B (zh) * | 2019-03-29 | 2023-03-31 | 电子科技大学 | 一种基于机器人位姿的多重栅格值导航方法及其应用 |
CN111693050B (zh) * | 2020-05-25 | 2023-04-18 | 电子科技大学 | 基于建筑信息模型的室内中大型机器人导航方法 |
CN112284389B (zh) * | 2020-09-28 | 2023-02-03 | 深圳优地科技有限公司 | 移动机器人路径规划方法、装置、移动机器人和存储介质 |
CN112304318B (zh) * | 2020-11-10 | 2022-07-29 | 河北工业大学 | 一种虚实耦合约束环境下的机器人自主导航方法 |
CN112698653A (zh) * | 2020-12-23 | 2021-04-23 | 南京中朗智能技术有限公司 | 基于深度学习的机器人自主导航控制方法及系统 |
-
2023
- 2023-02-24 CN CN202310163935.0A patent/CN115855068B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115855068A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113870343B (zh) | 相对位姿标定方法、装置、计算机设备和存储介质 | |
WO2017028653A1 (zh) | 一种移动机器人室内自建地图的方法和系统 | |
CN110032180A (zh) | 激光雷达定位 | |
JP5018458B2 (ja) | 座標補正方法、座標補正プログラム、及び自律移動ロボット | |
EP3676561B1 (en) | Systems and methods to apply markings | |
CN110621449B (zh) | 移动机器人 | |
CN111123949A (zh) | 机器人的避障方法、装置、机器人及存储介质 | |
CN112904358B (zh) | 基于几何信息的激光定位方法 | |
KR101864949B1 (ko) | 이동 로봇을 통한 격자 지도 작성 방법 | |
RU2740229C1 (ru) | Способ локализации и построения навигационных карт мобильного сервисного робота | |
CN110764110B (zh) | 路径导航方法、装置及计算机可读存储介质 | |
CN114442621A (zh) | 一种基于四足机器人的自主探索和建图系统 | |
CN112629520A (zh) | 一种机器人导航与定位方法、系统、设备及存储介质 | |
CN109375629A (zh) | 一种巡逻车及其导航避障方法 | |
Li et al. | Hybrid filtering framework based robust localization for industrial vehicles | |
CN113566808A (zh) | 一种导航路径规划方法、装置、设备以及可读存储介质 | |
CN113096190A (zh) | 基于视觉建图的全向移动机器人导航方法 | |
Hu et al. | Path planning of UGV based on Bézier curves | |
CN115855068B (zh) | 一种基于bim的机器人路径自主导航方法及系统 | |
CN112182122A (zh) | 一种移动机器人工作环境导航地图的获取方法及装置 | |
CN116007623A (zh) | 机器人导航方法、装置和计算机可读存储介质 | |
RU2619542C1 (ru) | Способ управления подвижным роботом | |
CN114625122A (zh) | 一种基于uwb与激光雷达的机器人跟随和避障方法及系统 | |
CN115167414A (zh) | 未知环境下无人船集群自主探索及环境重构方法 | |
CN114740869A (zh) | 多传感器融合估计与迭代预搜索的机器人避障方法及系统 |
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 |