CN115981305A - 机器人的路径规划和控制方法、装置及机器人 - Google Patents

Abstract

本发明公开了一种机器人的路径规划和控制方法、装置及机器人。上述机器人路径规划和控制方法包括：载入预先保存的多个场景的局部地图信息；基于第一初始位置建立世界坐标系，在第一初始位置所属的第一预定区域范围内执行第一预定动作，在执行第一预定动作时通过机器人的多目视觉模组获取当前场景的图像数据；执行重定位操作，根据重定位结果从多个场景的局部地图信息中判断是否存在与当前场景相匹配的三维场景地图或二维场景地图；在确定存在时，载入相匹配的地图，根据相匹配的地图执行路径规划操作，在遍历规划好的路径之后，对各个障碍物区域分别执行沿边遍历操作。根据上述技术方案，基于三维场景建图信息实现机器人的路径规划及控制效果。

Description

机器人的路径规划和控制方法、装置及机器人

技术领域

本发明涉及人工智能领域，具体而言，涉及一种机器人的路径规划和控制方法、装置及机器人。

背景技术

随着扫地机器人技术的发展，家庭应用扫地机器人已经逐渐替代人工，执行清扫、吸尘、拖地等任务，但是家庭工作场景环境复杂、多变，机器人地图的建立、更新的效果直接影响机器人执行任务的效果及智能化程度。

目前，市面上机器人主要分为三类：激光扫地机器人、单目视觉扫地机器人及惯性扫地机器人。其中，激光扫地机器人因为Lidar为2D(二维)360°的特点，通常采用先沿边后弓形的规划策略，对于实际场景，无法实现3D(三维)建图；单目视觉扫地机器人因为视觉一般朝天向或斜朝上的安装方式，因其SLAM定位特点，采用直接弓形规划的方式，但是无法复用地图，进而无法实现禁区、虚拟墙以及语义识别等功能，并且无法感知机器人高度障碍物，因此，对于实际场景，该方案无法独立实现3D建图。惯性扫地机器人因为没有绝对定位功能，通常采用无规则随机碰撞方式，也无法实现3D建图。

由此可见，上述三类机器人均无法实现3D建图，因而也无法基于3D场景建图实现路径规划及避障效果。为了实现实际场景的3D建图，通常需要融合TOF、双目立体视觉等其他传感器，来实现定位及3D建图的解决方案。但是，会导致整机系统复杂、并且实现成本较高。

发明内容

本发明的主要目的在于公开了一种机器人的路径规划和控制方法、装置及机器人，以至少解决相关技术中无法基于3D场景建图实现路径规划及控制效果等问题。

根据本发明的一个方面，提供了一种机器人的路径规划和控制方法。

根据本发明的机器人的路径规划和控制方法包括：载入预先保存的所述多个场景的局部地图信息，其中，所述多个场景为不同地理位置场景，和/或，不同时间段对应的同一地理位置场景；基于第一初始位置建立世界坐标系，在所述第一初始位置所属的第一预定区域范围内执行第一预定动作，在执行所述第一预定动作时通过所述机器人的多目视觉模组获取当前场景的图像数据；执行重定位操作，根据重定位结果从所述多个场景的局部地图信息中判断是否存在与当前场景相匹配的三维场景地图或二维场景地图；在确定存在时，载入所述相匹配的三维场景地图或二维场景地图，根据所述相匹配的三维场景地图或二维场景地图执行路径规划操作，在遍历规划好的路径之后，对所述当前场景中的各个障碍物区域分别执行沿边遍历操作。

根据本发明的另一方面，提供了一种机器人的路径规划和控制装置。

根据本发明的机器人的路径规划和控制装置包括：载入模块，用于载入预先保存的所述多个场景的局部地图信息，其中，所述不同场景为不同地理位置场景，和/或，不同时间段对应的同一地理位置场景；执行模块，用于基于第一初始位置建立世界坐标系，在所述第一初始位置所属的第一预定区域范围内执行第一预定动作，在执行所述第一预定动作时通过所述机器人的多目视觉模组获取当前场景的图像数据；重定位模块，用于执行重定位操作，根据重定位结果从所述多个场景的局部地图信息中判断是否存在与当前场景相匹配的地图；路径规划和控制模块，用于在确定存在与当前场景相匹配的地图时，载入所述相匹配的地图，根据所述相匹配的地图执行路径规划操作，在遍历规划好的路径之后，对所述当前场景中的各个障碍物区域分别执行沿边遍历操作。

根据本发明的又一方面，提供了一种机器人。

根据本发明的机器人包括：存储器及处理器，其中，所述存储器，用于存储计算机执行指令；所述处理器，用于执行所述存储器存储的计算机执行指令，使得所述机器人执行上述任一项所述的方法。

根据本发明，提供了机器人的路径规划和控制方法、装置及机器人，基于所述机器人的多目视觉模组得到的三维点云数据，结合机器人位姿数据可以得到三维场景建图信息，基于三维场景建图信息实现机器人的路径规划及控制效果，并且，支持基于不同地理位置场景和/或不同时间段对应的同一地理位置场景建图，并根据重定位结果进行地图的选择，可以减少人工操作，提升机器人智能化程度。

附图说明

图1是根据本发明实施例的机器人的路径规划和控制方法的流程图；

图2是根据本发明实施例的机器人的路径规划和控制装置的结构框图；

图3是根据本发明实施例的机器人的结构框图。

具体实施方式

下面结合说明书附图对本发明的具体实现方式做一详细描述。

根据本发明实施例，提供了一种机器人的路径规划和控制方法。

图1是根据本发明实施例的机器人的路径规划和控制方法的流程图。如图1所示，该机器人的路径规划和控制方法包括：

步骤S101：载入预先保存的多个场景的局部地图信息，其中，上述多个场景为不同地理位置场景，和/或，不同时间段对应的同一地理位置场景；

步骤S102：基于第一初始位置建立世界坐标系，在上述第一初始位置所属的第一预定区域范围内执行第一预定动作，在执行上述第一预定动作时通过上述机器人的多目视觉模组获取当前场景的图像数据；

步骤S103：执行重定位操作，根据重定位结果从上述多个场景的局部地图信息中判断是否存在与当前场景相匹配的三维场景地图或二维场景地图；

步骤S104：在确定存在时，载入上述相匹配的三维场景地图或二维场景地图，根据上述相匹配的三维场景地图或二维场景地图执行路径规划操作，在遍历规划好的路径之后，对上述当前场景中的各个障碍物区域分别执行沿边遍历操作。

采用图1所示的方法，基于上述机器人的多目视觉模组得到的三维点云数据，结合机器人位姿数据可以得到三维场景建图信息，基于三维场景建图信息实现机器人的路径规划及控制效果，并且，支持基于不同地理位置场景和/或不同时间段对应的同一地理位置场景建图，并根据重定位结果进行地图的选择，可以减少人工操作，提升机器人智能化程度。

在机器人启动执行任务时，机器人载入预先保存的上述多个场景的局部地图信息，为支持多个场景的自主选择，机器人可以载入所创建的全部场景的局部地图信息。

其中，上述初始位置，可以是充电桩位置，也可以是其他指定的位置，具体地，机器人从充电桩下桩，从充电桩上启动SLAM，默认充电桩位置为起始点坐标(0，0)，构建世界坐标系。机器人从充电桩上出桩，运行一定距离后，可以执行第一预定动作，例如，按照三角形路径行进、按照方形路径行进、或者在执行原地360°转动的动作等，执行重定位；重定位执行的动作可以与快速建图阶段所采用的预定动作一致，以提升重定位概率。例如，在快速建图阶段，机器人所采用的预定动作是执行原地360°转动的动作，则在机器人启动执行任务的阶段，机器人所采用的预定动作也是执行原地360°转动的动作。

在优选实施过程中，重定位成功则载入重定位成功的三维场景地图或二维场景地图(例如，三维栅格地图、二维栅格地图、语义地图等)，并在有地图的模式下，基于该地图进行路径规划及控制，之后执行全场景的遍历，遍历方式包括但不限于：弓形、回形、十字交叉等方式。

优选地，根据重定位结果从上述多个场景的局部地图信息中判断是否存在与当前场景相匹配的地图之后，还包括：如果不存在与当前场景相匹配的三维场景地图或二维场景地图，则在无地图模式下执行路径规划操作，根据规划好的路径执行当前场景的全局遍历，重新创建当前场景地图。

在优选实施过程中，如果未重定位成功，则默认进入新工作模式，重新构建地图，并在无地图模式下，进行路径规划及控制，执行全场景的遍历，遍历方式包括但不限于：弓形、回形、十字交叉等方式。

在执行当前场景的全局遍历后，对当前场景中的障碍物再执行沿边遍历操作，以提升对全场景的遍历填充率，沿边完成后进行回桩。以扫地机器人为例，在扫地机按照规划好的路径遍历完之后，扫地机会对场景中的障碍物再执行沿边清扫操作，提升对全场景的清扫填充率，在沿边清扫完成后进行回桩。

优选地，上述路径规划和控制方法还可以包括：确定出现需要回桩的情况时，中断执行当前任务，记录中断当前任务的位置信息；在上述机器人回桩完成相应操作后，返回至上述位置信息对应的位置点，从上述位置点开始重新执行路径规划并按照规划好的路径继续执行上述当前任务。

在优选实施过程中，机器人执行任务过程中(例如，扫地机器人清扫过程中)如果出现低电量或其他特殊情况需要回桩的，机器人会中断当前业务，并记录当前的位置点，执行回桩操作，在充电完成或其他情况处理完成后，重新回到该位置点，从该位置点开始重新路径规划并执行任务。

优选地，在载入预先保存的上述多个场景的局部地图信息之前，还可以包括以下处理：基于第二初始位置建立世界坐标系，在上述第二初始位置所属的第二预定区域范围内执行第二预定动作，在执行上述第二预定动作时通过上述机器人的多目视觉模组得到的点云数据构建点云地图；按照预定遍历方式对当前场景执行全局遍历操作，在全局遍历过程中，通过上述机器人的多目视觉模组得到三维稠密点云数据，将上述三维稠密点云数据转换为三维栅格地图和/或二维栅格地图，将得到的上述三维栅格地图和/或二维栅格地图绑定到关键帧上，在发生SLAM闭环时，对上述关键帧上绑定的上述三维栅格地图和/或二维栅格地图进行位姿优化，其中，机器人执行上述全局遍历过程中遍历的第一主路径间距大于上述机器人执行指定任务时的第二主路径间距，上述第一主路径间距的大小与建图所采用的特征类型有关，并与上述多目视觉模组的视场角范围成增函数关系；在完成建图后，通过路径规划返回至充电桩区域，基于上述充电桩的红外或者标识引导执行上桩操作。

其中，当上述预定遍历方式为弓形遍历方式时，上述第一主路径间距的大小，通过以下公式与上述多目视觉模组的视场角范围有关：

D＝2L×sin(θ/2)

其中，D为上述第一主路径间距，L为机器人视线距离，θ为上述多目视觉模组的视场角大小。

优选地，按照预定遍历方式对当前场景执行全局遍历操作，在全局遍历过程中，还可以包括以下处理：通过上述机器人的多目视觉模组得到的图像数据，采用深度学习算法进行物体语义识别，并基于三维栅格地图或者二维栅格地图进行地图区域分割，采用深度学习算法进行各个区域的场景语义识别，并根据识别结果生成语义地图，将得到的语义地图绑定到关键帧上，在发生SLAM闭环时，对上述关键帧上绑定的上述语义地图进行位姿优化。

优选实施过程中，机器人在执行任务之前，需要进行建图操作。为提升后续工作效率，需要对工作场景进行快速建图，下面以扫地机器人为例，描述快速建图流程：

(1)扫地机器人置于充电桩上，从充电桩上启动SLAM，默认充电桩位置为起始点坐标(0，0)，构建世界坐标系。对于无充电桩启动方式，默认起始点为起始点坐标(0，0)，构建世界坐标系。

(2)机器人从充电桩上出桩，运行一定距离后，执行预定动作，例如，按照三角形路径行进、按照方形路径行进、或者在执行原地360°转动的动作等，通过扫地机器人的多目视觉模组得到的点云数据构建点云地图，辅助实现初始位置重定位，提升重定位概率。

(3)扫地机器人执行弓形遍历操作，为实现快速建图，建图阶段弓形遍历的主路径之间的间距可以大于扫地机器人清扫阶段弓形遍历的主路径之间的间距，弓形遍历的主路径间距的大小与建图所采用的特征类型(例如，特征点、线、面)有关，并与上述多目视觉模组的视场角范围有关。

D＝2L×sin(θ/2)

其中，D为上述第一主路径间距，L为机器人视线距离，θ为上述多目视觉模组的视场角大小。

(4)快速建图过程中，基于双目立体视觉输出的三维稠密点云信息构建场景的三维建图信息、三维栅格地图及二维栅格地图，并将上述地图绑定到SLAM关键帧上，在发生SLAM闭环时，对上述关键帧上绑定的上述三维栅格地图和/或二维栅格地图进行位姿优化。

快速建图过程中，基于深度学习输出的物体识别信息及场景识别信息还可以构建场景的语义地图，并将语义地图绑定到SLAM关键帧上，在发生SLAM闭环时，对上述关键帧上绑定的语义地图进行位姿优化。

(5)建图完成后，机器人通过全局规划回到充电桩附近，并基于充电桩的红外或marker引导执行上桩操作，完成上桩，进行充电，开始充电后，机器人进入充电状态，快速建图完成。

优选地，在执行上述第二预定动作时通过上述机器人的多目视觉模组得到的点云数据构建点云地图之后，还可以包括以下处理：

基于上述点云地图对当前区域的正方向进行解算，获取上述当前区域的正方向；提取上述多目视觉模组任意两目采集到的多张图像的边缘特征，根据上述任意两目的视差获取图像的深度信息，其中，d＝(F×B)/(x_i-x_q)，d为上述深度信息，F为焦距、B为基线，x_i和x_q分别为上述任意两目在同一时刻的x轴坐标；根据上述边缘特征和上述深度信息，得到多张三维边缘矩形图，对上述三维边缘矩形图进行矩形识别，获取机器人的正方向；根据上述当前区域的正方向和上述机器人的正方向，修正上述机器人的姿态角。

优选实施过程中，在当前区域建图完成后，可以基于所建地图信息进行房屋正方向解算，得到房屋正方向，并获取机器人的正方向，可以使得机器人的正方向与房屋正方向同方向，从而提升建图效率。

优选地，在完成建图后，还可以包括以下处理：将三维建图信息、三维栅格地图、二维栅格地图，或者语义地图输出并呈现至用户端；接收来自于用户端的用户输入信息，并将上述用户输入信息对应的地图与上述用户输入信息进行绑定，其中，上述用户输入信息包括以下至少之一：禁区信息、虚拟墙信息。

在优选实施过程中，快速建图获得的场景三维建图信息、三维栅格地图或二维栅格地图可以在用户端(例如，应用APP端)进行场景的三维或二维地图展示，用户可以基于应用APP端绘制虚拟墙、禁区等信息，将用户输入的信息下发到机器人，该信息与地图信息绑定。

优选地，上述路径规划和控制方法还可以包括以下处理：接收来自于用户端的任务执行指示以及该任务执行指示对应区域的信息，其中，上述对应区域包括以下至少之一：指定物体的周围区域信息(例如，指定垃圾桶的周围区域)、指定物体所属区域范围内区域(例如，指定餐桌区域，包括餐桌周围区域以及餐桌下方区域)、在执行地图区域分割后的多个区域中指定的区域(对分割出的某个区域进行指定，例如，指定客厅区域)；载入上述任务执行指示对应的三维栅格地图、二维栅格地图或者语义地图；上述机器人基于第三初始位置建立世界坐标系，在上述第三初始位置所属的第三预定区域范围内执行第三预定动作，在执行上述第三预定动作时通过上述机器人的多目视觉模组获取当前场景的图像数据；当上述机器人执行重定位成功时，在上述区域信息对应的区域内执行任务。

在优选实施过程中，以扫地机器人为例，扫地机器人可以执行指定区域清扫功能，指定区域清扫的输入可以包括但不限于以下几种：

第一种：在执行物体语义识别后，对识别到的物体，可以对该物体的周围区域指定遍历清扫，例如，指定垃圾桶周围区域执行遍历清扫。

第二种：在执行场景语义识别后，对识别到的场景区域，可以对该场景区域指定遍历清扫，例如，指定餐桌区域进行遍历清扫。

第三种：对于房间分割后的区域，可以对该场景区域指定遍历清扫，例如，指定厨房区域进行遍历清扫。

其中，指定区域清扫的业务流程如下：

(1)用户端响应用户操作，选择场景地图，并发送指定区域清扫的需求(即上述任务执行指示)及该需求对应的指定区域给机器人设备端；

(2)机器人设备端接收到上述信息后，载入该需求对应的场景地图(例如，三维栅格地图、二维栅格地图或者语义地图等)及指定区域信息，启动指定区域清扫业务；

(3)机器人从充电桩下桩，从充电桩上启动SLAM，默认充电桩位置为起始点坐标(0，0)，构建世界坐标系，从充电桩上出桩，运行一定距离后，执行预定动作，例如，按照三角形路径行进、按照方形路径行进、或者在执行原地360°转动的动作等，执行重定位；重定位执行的动作可以与快速建图阶段所采用的预定动作一致，以提升重定位概率。

(4)重定位成功，则继续执行指定区域清扫，首先，引导机器人到指定区域中距离充电桩最近或通行最便利点，以该点为区域遍历的起点，执行指定区域的遍历，遍历方式包括但不限于：弓形、回形、十字交叉等方式，工作完成后回桩。

(5)重定位失败，则认为场景变化导致重定位失败，本次指定区域清扫任务结束。

优选地，上述路径规划和控制方法还可以包括以下至少之一：

基于阵列麦从获取到的声音信号中提取目标的方向信息，根据上述方向信息进行移动，基于上述多目视觉模组采集的图像数据，对上述目标进行识别，在上述目标的位置点所属的预定区域内，执行任务；例如，基于阵列麦进行声音方向识别，机器人根据该方向信息进行移动，使用该机器人的多目视觉模组进行对目标(例如，行人等)识别，识别后运行到相应区域，以行人位置为中心点，以R为半径，进行指定区域清扫。

基于阵列麦从所获取到的声音信号中提取目标的位置及方向信息，根据上述位置及方向信息进行移动，基于上述多目视觉模组采集的图像数据，对上述目标进行识别并跟踪，按照上述目标的移动路径执行任务；例如，基于阵列麦进行方向识别，扫地机器人运行到指定方向，对目标行人进行识别，然后持续跟踪行人，在跟踪行人的过程中执行清扫任务。

根据上述多目视觉模组采集的图像数据，搜索并识别指定类别的目标，在识别到上述指定类别的目标后，跟踪上述识别的目标并按照该目标的移动路径执行任务。例如，自主搜索行人或宠物，在识别到行人或宠物后，跟踪识别到的行人或宠物，在跟踪行人或宠物的过程中执行清扫任务。

优选地，上述路径规划和控制方法还可以包括以下处理：接收来自于用户端的指定区域信息，在上述指定区域信息对应的指定区域内按照预定移动方式移动，在移动过程中将上述多目视觉模组采集的图像数据实时传输至上述用户端并呈现。由此可见，上述机器人还可以实现巡逻功能，例如，对房屋进行全屋巡逻，或者对机器人指定巡逻区域实现巡逻。

优选地，上述路径规划和控制方法还可以包括：将上述机器人的多目视觉模组得到的图像数据，采用深度学习算法进行物体语义识别，并结合上述多目视觉模组得到的三维稠密点云数据，构建当前场景的三维障碍物信息；根据上述三维障碍物信息实时更新当前创建的点云地图和/或语义地图，并根据更新后的点云地图和/或语义地图执行路径规划操作，以实现实时避障。

在优选实施过程中，机器人采用无碰撞策略，避障信息来源包括但不限于：双目三维立体视觉点云信息及物体语义信息；通过多目立体视觉(例如，双目立体视觉)构建场景地图并实时更新，物体语义信息根据深度学习识别构建的语义地图实时更新，路径规划算法基于场景地图及语义地图进行路径规划，并根据障碍物信息进行实时避障。通过双目立体视觉获取的三维点云信息，可以构建场景的三维障碍物信息。

根据本发明实施例，提供了一种机器人的路径规划和控制装置。

图2是根据本发明实施例的机器人的路径规划和控制装置的结构框图。如图2所示，该机器人的路径规划和控制装置包括：载入模块20，用于载入预先保存的上述多个场景的局部地图信息，其中，上述多个场景为不同地理位置场景，和/或，不同时间段对应的同一地理位置场景；执行模块22，用于基于第一初始位置建立世界坐标系，在上述第一初始位置所属的第一预定区域范围内执行第一预定动作，在执行上述第一预定动作时通过上述机器人的多目视觉模组获取当前场景的图像数据；重定位模块24，用于执行重定位操作，根据重定位结果从上述多个场景的局部地图信息中判断是否存在与当前场景相匹配的三维场景地图或二维场景地图；路径规划和控制模块26，用于在确定存在时，载入上述相匹配的三维场景地图或二维场景地图，根据上述相匹配的三维场景地图或二维场景地图执行路径规划操作，在遍历规划好的路径之后，对上述当前场景中的各个障碍物区域分别执行沿边遍历操作。

图2所示的装置，基于上述机器人的多目视觉模组得到的三维点云数据，结合机器人位姿数据可以得到三维场景建图信息，基于三维场景建图信息实现机器人的路径规划及控制效果，并且，该装置支持基于不同地理位置场景和/或不同时间段对应的同一地理位置场景建图，并根据重定位结果进行地图的选择，可以减少人工操作，提升机器人智能化程度。

需要说明的是，上述机器人的路径规划和控制装置中的各模块相互结合的优选实施方式，具体可以参见图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

根据本发明实施例，提供了一种机器人。

图3是根据本发明实施例的机器人的结构框图。如图3所示，根据本发明的机器人包括：存储器30及处理器32，上述存储器30，用于存储计算机执行指令；上述处理器32，用于执行上述存储器存储的计算机执行指令，使得上述机器人执行如上述实施例提供的机器人的路径规划和控制方法。处理器32可以为中央处理器(Central Processing Unit，CPU)。处理器32还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器30作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的机器人的路径规划和控制对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理。

存储器30可以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、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器40可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

上述一个或者多个模块存储在上述存储器40中，当被上述处理器42执行时，执行如图1所示实施例中的机器人的路径规划和控制方法。

上述机器人的具体细节可以对应参阅图1和图2所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。

综上所述，借助本发明提供的上述实施例，基于所述机器人的多目视觉模组得到的三维点云数据，结合机器人位姿数据可以得到三维场景建图信息，基于三维场景建图信息实现机器人的路径规划及控制效果，支持基于不同地理位置场景和/或不同时间段对应的同一地理位置场景建图，并根据重定位结果进行地图的选择，可以减少人工操作，提升机器人智能化程度。在快速建图过程中，通过执行多次闭环时的位姿优化，进而提建图的精度和稳健性。此外，根据本发明实施例的机器人，还支持指定区域执行任务功能，跟踪执行任务功能，巡逻功能，无碰撞策略功能等，实现机器人全流程的一站式解决方案。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (13)

1.一种机器人的路径规划和控制方法，其特征在于，包括：

载入预先保存的所述多个场景的局部地图信息，其中，所述多个场景为不同地理位置场景，和/或，不同时间段对应的同一地理位置场景；

基于第一初始位置建立世界坐标系，在所述第一初始位置所属的第一预定区域范围内执行第一预定动作，在执行所述第一预定动作时通过所述机器人的多目视觉模组获取当前场景的图像数据；

执行重定位操作，根据重定位结果从所述多个场景的局部地图信息中判断是否存在与当前场景相匹配的三维场景地图或二维场景地图；

在确定存在时，载入所述相匹配的三维场景地图或二维场景地图，根据所述相匹配的三维场景地图或二维场景地图执行路径规划操作，在遍历规划好的路径之后，对所述当前场景中的各个障碍物区域分别执行沿边遍历操作。

2.根据权利要求1所述的路径规划和控制方法，其特征在于，根据重定位结果从所述多个场景的局部地图信息中判断是否存在与当前场景相匹配的三维场景地图或二维场景地图之后，还包括：如果不存在与当前场景相匹配的三维场景地图或二维场景地图，则在无地图模式下执行路径规划操作，根据规划好的路径执行当前场景的全局遍历，重新创建当前场景地图。

3.根据权利要求1所述的路径规划和控制方法，其特征在于，还包括：

确定出现需要回桩的情况时，中断执行当前任务，记录中断当前任务的位置信息；

在所述机器人回桩完成相应操作后，返回至所述位置信息对应的位置点，从所述位置点开始重新执行路径规划并按照规划好的路径继续执行所述当前任务。

4.根据权利要求1所述的路径规划和控制方法，其特征在于，在载入预先保存的所述多个场景的局部地图信息之前，还包括：

基于第二初始位置建立世界坐标系，在所述第二初始位置所属的第二预定区域范围内执行第二预定动作，在执行所述第二预定动作时通过所述机器人的多目视觉模组得到的点云数据构建点云地图；

按照预定遍历方式对当前场景执行全局遍历操作，在全局遍历过程中，通过所述机器人的多目视觉模组得到三维稠密点云数据，将所述三维稠密点云数据转换为三维栅格地图和/或二维栅格地图，将得到的所述三维栅格地图和/或二维栅格地图绑定到关键帧上，在发生同时定位与建图SLAM闭环时，对所述关键帧上绑定的所述三维栅格地图和/或二维栅格地图进行位姿优化，其中，机器人执行所述全局遍历过程中遍历的第一主路径间距大于所述机器人执行指定任务时的第二主路径间距，所述第一主路径间距的大小，分别与建图所采用的特征类型以及所述多目视觉模组的视场角范围有关；

在完成建图后，通过路径规划返回至充电桩区域，基于所述充电桩的红外或者标识引导执行上桩操作。

5.根据权利要求4所述的路径规划和控制方法，其特征在于，当所述预定遍历方式为弓形遍历方式时，所述第一主路径间距的大小，通过以下公式与所述多目视觉模组的视场角范围有关：

D＝2L×sin(θ/2)

其中，D为所述第一主路径间距，L为机器人视线距离，θ为所述多目视觉模组的视场角大小。

6.根据权利要求4所述的路径规划和控制方法，其特征在于，按照预定遍历方式对当前场景执行全局遍历操作，在全局遍历过程中，还包括：

通过所述机器人的多目视觉模组得到的图像数据，采用深度学习算法进行物体语义识别，并基于三维栅格地图或者二维栅格地图进行地图区域分割，采用深度学习算法进行各个区域的场景语义识别，并根据识别结果生成语义地图，将得到的语义地图绑定到关键帧上，在发生SLAM闭环时，对所述关键帧上绑定的所述语义地图进行位姿优化。

7.根据权利要求4所述的路径规划和控制方法，其特征在于，在执行所述第二预定动作时通过所述机器人的多目视觉模组得到的点云数据构建点云地图之后，还包括：

基于所述点云地图对当前区域的正方向进行解算，获取所述当前区域的正方向；

提取所述多目视觉模组任意两目采集到的多张图像的边缘特征，根据所述任意两目的视差获取图像的深度信息，其中，d＝(F×B)/(x_i-x_q)，d为所述深度信息，F为焦距、B为基线，x_i和x_q分别为所述任意两目在同一时刻的x轴坐标；

根据所述边缘特征和所述深度信息，得到多张三维边缘矩形图，对所述三维边缘矩形图进行矩形识别，获取机器人的正方向；

根据所述当前区域的正方向和所述机器人的正方向，修正所述机器人的姿态角。

8.根据权利要求4所述的路径规划和控制方法，其特征在于，在完成建图后，还包括：

将三维建图信息、三维栅格地图、二维栅格地图，或者语义地图输出并呈现至用户端；

接收来自于用户端的用户输入信息，并将所述用户输入信息对应的地图与所述用户输入信息进行绑定，其中，所述用户输入信息包括以下至少之一：禁区信息、虚拟墙信息。

9.根据权利要求1所述的路径规划和控制方法，其特征在于，还包括：

接收来自于用户端的任务执行指示以及该任务执行指示对应区域的信息，其中，所述对应区域包括以下至少之一：指定物体的周围区域信息、指定物体所属区域范围内区域信息、在执行地图区域分割后的多个区域中指定的区域；

载入所述任务执行指示对应的三维栅格地图、二维栅格地图或者语义地图，以及所述对应区域的信息；

所述机器人基于第三初始位置建立世界坐标系，在所述第三初始位置所属的第三预定区域范围内执行第三预定动作，在执行所述第三预定动作时通过所述机器人的多目视觉模组获取当前场景的图像数据；

当所述机器人执行重定位成功时，在所述对应区域内执行任务。

10.根据权利要求1所述的路径规划和控制方法，其特征在于，还包括以下至少之一：

基于阵列麦从获取到的声音信号中提取目标的方向信息，根据所述方向信息进行移动，基于所述多目视觉模组采集的图像数据，对所述目标进行识别，在所述目标的位置点所属的预定区域内，执行任务；

基于阵列麦从所获取到的声音信号中提取目标的位置及方向信息，根据所述位置及方向信息进行移动，基于所述多目视觉模组采集的图像数据，对所述目标进行识别并跟踪，按照所述目标的移动路径执行任务；

根据所述多目视觉模组采集的图像数据，搜索并识别指定类别的目标，在识别到所述指定类别的目标后，跟踪所述识别的目标并按照该目标的移动路径执行任务；

接收来自于用户端的指定区域信息，在所述指定区域信息对应的指定区域内按照预定移动方式移动，在移动过程中将所述多目视觉模组采集的图像数据实时传输至所述用户端并呈现。

11.根据权利要求1所述的路径规划和控制方法，其特征在于，还包括：

将所述机器人的多目视觉模组得到的图像数据，采用深度学习算法进行物体语义识别，并结合所述多目视觉模组得到的三维稠密点云数据，构建当前场景的三维障碍物信息；

根据所述三维障碍物信息实时更新当前创建的点云地图和/或语义地图，并根据更新后的点云地图和/或语义地图执行路径规划操作，以实现实时避障。

12.一种机器人的路径规划和控制装置，其特征在于，包括：

载入模块，用于载入预先保存的所述多个场景的局部地图信息，其中，所述多个场景为不同地理位置场景，和/或，不同时间段对应的同一地理位置场景；

执行模块，用于基于第一初始位置建立世界坐标系，在所述第一初始位置所属的第一预定区域范围内执行第一预定动作，在执行所述第一预定动作时通过所述机器人的多目视觉模组获取当前场景的图像数据；

重定位模块，用于执行重定位操作，根据重定位结果从所述多个场景的局部地图信息中判断是否存在与当前场景相匹配的三维场景地图或二维场景地图；

路径规划和控制模块，用于在确定存在时，载入所述相匹配的三维场景地图或二维场景地图，根据所述相匹配的三维场景地图或二维场景地图执行路径规划操作，在遍历规划好的路径之后，对所述当前场景中的各个障碍物区域分别执行沿边遍历操作。

13.一种机器人，包括：存储器及处理器，其特征在于，

所述存储器，用于存储计算机执行指令；

所述处理器，用于执行所述存储器存储的计算机执行指令，使得所述机器人执行如权利要求1至11中任一项所述的方法。

Images