CN116533240A - 机器人的防跌落方法、装置、机器人和存储介质 - Google Patents

Abstract

本申请公开了一种机器人的防跌落方法、装置、机器人和存储介质。具体包括：获取机器人的全局地形地图；其中，全局地形地图包括至少两种地形属性，全局地形地图还包括特殊地形区域对应的标定检测数据；根据机器人的定位信息和全局地形地图，确定机器人在全局地形地图中的目标区域；确定目标区域属于特殊地形区域，则根据机器人的当前检测数据和目标区域的标定检测数据，确定机器人是否触发防跌落机制。本申请实施例的技术方案中，通过预先获取具有标定检测数据的全局地形地图，使机器人在运行过程中能够快速的进行地形数据比对，防止误触发防跌落机制，提高了机器人的适应性、鲁棒性和安全性，保证机器人的稳定运行。

Description

机器人的防跌落方法、装置、机器人和存储介质

技术领域

本申请涉及机器人技术领域，尤其涉及一种机器人的防跌落方法、装置、机器人和存储介质。

背景技术

随着机器人技术的大力发展和广泛普及，越来越多的实用场景下都可以见到机器人的身影。机器人在运行过程中，为了检测障碍物或避免在楼梯等位置跌落，一般均会设置有相应的传感器对地面进行检测，以判断是否存在危险。

对于防止机器人在运行中跌落，相关人员为机器人安装测距传感器，对机器人行驶方向进行检测，基于测距传感器获得的距离数据与机器人结构高度进行比较，如果偏差过大则认为有跌落风险，会限制机器人通过，及时控制机器人绕行或刹车报警等，防止机器人跌落。但是，这种方式无法对一些特殊的地形区域进行识别，例如具有透明材质的地形区域。对于特殊地形区域而言，机器人测距传感器实际检测到的地形数据并非真实的地面数据。例如，由于测距传感器无法测量透明材质距离，若机器人正常行走在透明地形区域上，此时测距显示的落差大于实际落差，容易误触发机器人的防跌落机制，从而导致机器人的适应性较差，若关闭防跌落机制则影响机器人的安全性。

发明内容

本申请提供了一种机器人的防跌落方法、装置、机器人和存储介质，以防止机器人的防跌落机制被误触发，提高了机器人的适应性、鲁棒性和安全性。

根据本申请的一方面，提供了一种机器人的防跌落方法，所述方法包括：

获取机器人的全局地形地图；其中，全局地形地图包括至少两种地形属性，全局地形地图还包括特殊地形区域对应的标定检测数据；

根据机器人的定位信息和全局地形地图，确定机器人在全局地形地图中的目标区域；

确定目标区域属于特殊地形区域，则根据机器人的当前检测数据和目标区域的标定检测数据，确定机器人是否触发防跌落机制。

根据本申请的另一方面，提供了一种机器人的防跌落装置，所述装置包括：

全局地图获取模块，用于获取机器人的全局地形地图；其中，全局地形地图包括至少两种地形属性，全局地形地图还包括特殊地形区域对应的标定检测数据；

目标区域确定模块，用于根据机器人的定位信息和全局地形地图，确定机器人在全局地形地图中的目标区域；

防跌落触发模块，用于确定目标区域属于特殊地形区域，则根据机器人的当前检测数据和目标区域的标定检测数据，确定机器人是否触发防跌落机制。

根据本申请的另一方面，提供了一种机器人，所述机器人包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任一实施例所述的机器人的防跌落方法。

根据本申请的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本申请任一实施例所述的机器人的防跌落方法。

本申请实施例的技术方案中，获取包括至少两种地形属性、以及特殊地形区域的标定检测数据的全局地形地图，将该全局地形地图作为检测依据，根据机器人在目标区域中的当前检测数据结合全局地形地图，对可能存在的特殊地形区域进行识别，从而确定是否需要机器人触发防跌落机制。这样能够使机器人在运行过程中快速的进行地形数据的检测与对比，从而高效的判断当前行驶环境是否有异常，帮助机器人合理的选择是否触发防跌落机制，也进一步防止了误触发防跌落机制，提高了机器人的鲁棒性和安全性，从而保证稳定运行。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

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是根据本申请实施例一提供的一种机器人的防跌落方法的流程图；

图2A是根据本申请实施例二提供的一种机器人的防跌落方法的流程图；

图2B是根据本申请实施例二所适用的透明材质地形检测的示意图；

图2C是根据本申请实施例二所适用的透明坡面的标定示意图；

图3A是根据本申请实施例三提供的一种栅格地图的示意图；

图3B是根据本申请实施例三提供的一种栅格地图标记的示意图；

图3C是根据本申请实施例三所适用场景的地形剖面图；

图4是根据本申请实施例四提供的一种机器人的防跌落装置的结构示意图；

图5是实现本申请实施例的机器人的防跌落方法的机器人的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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的实施例，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他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本申请实施例一提供了一种机器人的防跌落方法的流程图，本实施例可适用于机器人在复杂环境中运行的情况，该方法可以由机器人的防跌落装置来执行，该机器人的防跌落装置可以采用硬件和/或软件的形式实现，该机器人的防跌落装置可配置于一种机器人中。如图1所示，该方法包括：

S110、获取机器人的全局地形地图；其中，全局地形地图包括至少两种地形属性，全局地形地图还包括特殊地形区域对应的标定检测数据。

其中，机器人可以是任意一种可编程自主移动设备，例如平面移动机器人，可以在物流、配送、清洁等服务场景中发挥相应作用。全局地形地图可以是包括了目标空间中所有地形信息的地图数据，例如，可以是一家餐厅的地图，也可以是酒店某层的地图等，该全局地形地图可以为栅格形式。本申请实施例中所述机器人可以用于使用全局地形地图，当然也可以用于构建或生成全局地形地图，也即生成全局地形地图和使用该地图行驶的机器人可以为同一台机器人，本申请实施例对所述机器人的用途不作限定。

地形属性可以是目标空间中存在的地形的类别信息，例如可以包括但不限于平坦地面、凸起障碍和下凹陷坑甚至透明地形等，还可以包括机器人的行驶方向上的上坡和下坡等地形。在实际情况中，机器人行驶的区域中不止是平坦地面，常会出现较为复杂的地形，因此全局地形地图中可以存在这些多种不同的地形信息以帮助机器人避障或者防止跌倒等。可以理解的是，特殊地形区域是相对于常规地面而言的。在特殊地形区域上，机器人正常行驶时，传感器检测到的距离数值偏离机器人在常规地面上正常行驶时的检测数据，进而影响防跌落触发的准确性。示例性的，特殊地形区域可以是透明坡道、透明水平地面区域等。在透明地形区域上，机器人行驶时是在透明材质地面上行驶，但传感器检测时会检测到透明区域下面的非透明材质地面的数据，从而容易误触发防跌落。可以理解的是，只要机器人正常行驶时，传感器检测到的距离数值偏离机器人在常规地面上正常行驶时的检测数据的地形区域，均可以定义为本申请中的特殊地形区域。

相应的，标定检测数据可以对特殊地形区域中的地形进行检测和标定得到的量化数据。全局地形地图中可以包括特殊地形区域对应的标定检测数据，也就是说全局地形地图中可以预先存储这些不同的特殊地形区域的地形的量化数据，以帮助机器人在行驶过程中准确识别不同的特殊地形。由于全局地形地图可以预先存储于机器人的本地或者服务器和云端中，可以由行驶的机器人直接进行调用。

在一种可选实施方式中，所述特殊地形区域可以包括透明材质地形区域，所述标定检测数据根据机器人的激光雷达，和/或，机器人的立体视觉传感器检测得到。

其中，透明材质地形区域可以是由透明材质构成的各类地形区域，例如透明材质构成的上坡、下坡，当然，透明材质构成的平地也属于透明材质地形，在实际情况中可以包括但不限于玻璃材质、可透光的塑料材质等构造而成的平地、上下坡和桥梁等。需要说明的是，机器人用于进行空间识别、障碍识别的硬件设备一般有激光雷达和视觉传感器等。通过激光雷达和/或视觉传感器，对空间中存在的地形进行识别，不但可以帮助建图的机器人生成相应的标定检测数据，还可以帮助行驶在目标空间中的机器人进行环境的识别，从而保证该机器人安全的运行。

S120、根据机器人的定位信息和全局地形地图，确定机器人在全局地形地图中的目标区域。

其中，定位信息可以是机器人在目标空间中的位置信息，例如可以通过导航定位系统确认机器人实际的物理位置，然后匹配至前述步骤获取的全局地形地图中，即可确定机器人在全局地形地图中所在的区域，也即目标区域。示例性的，可以根据机器人激光雷达检测的激光数据与激光地图匹配，确定机器人的定位信息，以及所在的区域，即目标区域。可以理解的是，确定机器人在全局地形地图中的所在，有助于后续在全局地形地图中确定目标区域中的是否有特殊地形存在。

S130、确定目标区域属于特殊地形区域，则根据机器人的当前检测数据和目标区域的标定检测数据，确定机器人是否触发防跌落机制。

当机器人在目标区域中通过自身设置的激光雷达和/或视觉传感器等识别到目标区域中存在不同于正常地面的环境，例如透明的地面情况，则目标区域属于特殊地形区域，机器人的当前检测数据可以是机器人在目标区域行驶前，通过自身激光雷达和/或视觉传感器识别到的地形数据。当然，识别地形数据的方法可以是根据激光雷达的激光测距原理，和/或视觉的图像处理算法等进行确定的，本申请实施例对此不作具体限定。通过将当前检测数据和标定检测数据进行对比，确定机器人是否需要启动防跌落机制。可以理解的是，若当前检测数据和标定检测数据相差甚远，那么也就意味着该目标区域内的地形检测出现了某些问题(地形发生变化或者检测故障等)，则需要机器人判断是否进行防跌落的保护。

在一种可选实施方式中，所述根据机器人的当前检测数据和目标区域的标定检测数据，确定机器人是否触发防跌落机制，可以包括：若当前检测数据与标定检测数据的差异值符合预设阈值范围，则控制机器人不触发防跌落机制。

其中，预设阈值范围可以是当前检测数据和标定检测数据之间的评价值标准。防跌落机制可以是机器人的功能之一，防跌落机制在检测到障碍、凹坑、断崖等异常时可控制机器人做出相应防跌落动作(例如绕行、停止前进或报警等)。

若当前检测数据和标定检测数据之间的差值在预设阈值范围内，则无须控制机器人启动防跌落机制，也就是说，当前检测数据和标定检测数据相差较轻微时，说明这一区域内当前检测到的地形和标定期间检测到的地形相同(或相近)，那么可以控制机器人不启动防跌落的机制；同理，若当前检测数据和标定检测数据之间的差值超出预设阈值范围，则控制机器人启动防跌落机制，也就是说，当前检测数据和标定检测数据相差严重时，说明这一区域内当前检测到的地形和标定期间检测到的定性严重不符，也即地形存在未知或检测错误等情况，那么可以控制机器人启动防跌落机制，以防止机器人在行进路径上发生摔倒，保证机器人的稳定运行。

延续前例，以透明材质地形为例，在标定期间，相关技术人员可以通过人工标定的方式，将识别出的透明材质地形相关的地形数据预先存储为标定检测数据。机器人在自行进行运动时，途径该区域，实时识别到的当前检测数据与标定的检测数据非常接近，那么认为这次识别的地形数据与该区域已知的透明材质地形的地形数据基本一致，则可以确定当前所在区域是透明材质地形，继续运动不会导致机器人倾倒，因此控制机器人不进行防跌落机制的触发。反之，若机器人在自行进行运动途径该区域时，实时识别到的当前检测数据与标定的检测数据相差较大，那么认为这次识别的地形数据与该区域已知的透明材质地形的地形数据不符，则可以确定当前所在区域存在其他风险情况，例如定位异常或环境变化等，通行情况不清晰，可以暂停前进并进行相应的声光报警。上述实施方式中，计算当前检测数据与标定检测数据之间的差值，从而帮助判断地形是否有特殊或变化之处，也即可以防止遇到透明地形时触发的防跌落机制。

本申请实施例的技术方案中，获取包括至少两种地形属性、以及特殊地形区域的标定检测数据的全局地形地图，将该全局地形地图作为检测依据，根据机器人在目标区域中的当前检测数据结合全局地形地图，对可能存在的特殊地形区域进行识别，从而确定是否需要机器人触发防跌落机制。这样能够使机器人在运行过程中快速的进行地形数据的检测与对比，从而高效的判断当前行驶环境是否有异常，帮助机器人合理的选择是否触发防跌落机制，也进一步防止了误触发防跌落机制，提高了机器人的鲁棒性和安全性，从而保证稳定运行。

实施例二

图2A为本申请实施例二提供的一种机器人的防跌落方法的流程图，本申请实施例是在上述各实施方式的基础上，对全局地形地图的确定方式进行的进一步细化。

如图2A所示，所述全局地形地图的确定方法包括：

S210、获取机器人的全局地图。

其中，所述机器人可以是专门用于探索空间和构建地图的机器人，也可以是如实施例一所述的在目标空间中自行运动的机器人。全局地图可以是经过初始化的地图数据。该全局地图可以通过预先扫描目标空间获取，当然，该全局地图可以不包括地图中的某些细节，例如地形数据等，仍需进一步的探索和标定。

S220、从全局地图中确定特殊地形区域，在特殊地形区域生成栅格地图。

其中，从全局地图中识别出前述实施例中所述的特殊地形区域进行确定，并将该特殊地形区域进行栅格的划分。确定特殊地形区域的方法可以是采用建图机器人预先进行建图或试运行时通过激光雷达和/或视觉传感器等进行确定的，例如在某些区域传感器数据一直偏离正常范围；当然也可以是由相关技术人员根据实际情况和人工经验进行划分的，本申请实施例对此不做限定。栅格的划分可以依据预先设定的规则，例如预先设定栅格的尺寸(长和宽)，被定义为特殊地形栅格的栅格中可以包括平坦地面区域，例如，特殊地形区域的邻接区域，以使得机器人后续可以及时感知自身可能运动至特殊地形区域附近。但是被定义为普通栅格的栅格中不可以包括特殊地形区域。当然，具体的预设规则可以由相关人员根据具体情况进行适应性调整。本实施例中，全局地图可以是栅格地图，特殊地形区域是其中的某些栅格。也可以仅在特殊地形区域生成栅格地图，减少计算量。还可以是特殊地形区域的栅格尺寸与其它区域的栅格尺寸不同。

在一种可选实施方式中，所述从全局地图中确定特殊地形区域，在特殊地形区域生成栅格地图，可以包括：在全局地图中确定特殊地形区域；根据特殊地形区域的面积和机器人的外形参数，确定待加载的栅格的尺寸；将栅格加载至特殊地形区域，得到栅格地图。

其中，机器人的外形参数可以是需要自主移动的机器人的尺寸数据，例如可以包括但不限于机器人的高度、机器人底盘的长和宽(也可能是半径)、机器人的轮胎半径和宽度等，此处不做穷举。可以理解的是，机器人的外形参数和特殊地形区域的面积，决定了该特殊地形区域对于机器人来说是否存在较大的通行影响。以此两种因素来确定栅格的尺寸，可以使用栅格将特殊地形区域进行较为细致的划分，以便于机器人在通过这些区域时按照栅格进行地形的识别。将确定的栅格信息加载到已经获取的栅格地图当中，即可得到栅格地图，该栅格地图也将成为机器人标定或自主探索的依据。

这种实施方式中，根据特殊地形区域的面积大小和机器人自身的各项外形参数，确定栅格的尺寸，使得栅格相对于机器人既不会过大，也不会过小，有助于机器人识别栅格中的地形。

S230、控制机器人遍历栅格地图并获取各栅格的检测数据，作为标定检测数据。

其中，各栅格的检测数据即为机器人位于各栅格时检测到的地形数据。机器人在进行全局地形地图的确定过程时还可以用于地形信息的标定获取。在前述步骤中获取得到栅格地图的基础上，控制机器人遍历栅格地图中的所有栅格，得到每个栅格对应的检测地形数据，并作为标定检测数据供后续使用。

在一种可选实施方式中，所述控制机器人遍历栅格地图并获取各栅格的检测数据，作为标定检测数据，可以包括：根据机器人所在的当前栅格，确定当前栅格的中心点所在地形高度，以及机器人所在当前平面与地面之间的夹角；根据中心点所在地形高度和夹角，确定地形信息作为标定检测数据；将遍历过的栅格进行区别标识，至机器人遍历完栅格地图。

其中，当前栅格可以是机器人正所处的栅格，也可以是机器人即将进入的栅格(具体可以根据实际情况进行配置)。地形高度则可以是当前栅格的中心点在竖直方向上的高度值，也即该地形在当前栅格中心点的高度值。需要进一步说明的是，在透明材质地形的应用场景下，如图2B所示，以透明坡道为例，机器人行驶通过透明坡道时，用于检测距离的传感器检测到传感器和行驶地面(也就是透明坡道)的距离为L1，但此时穿过透明材质，传感器检测到的距离值为L2，L2>L1。可以理解的是，如果按照现有方式进行机器人的防跌落，机器人势必认为前方存在深度为L2-L1的凹坑或断崖，可能导致机器人急停或避障。

在本申请实施例中，如图2C所示，机器人在当前栅格的中心点所在位置并不是平坦地面，而是一个透明材质的坡面，那么机器人所在当前栅格的中心点的地形高度，则可以是该中心点所在位置对应的高度值H。

在同一场景下，机器人所在当前平面与地面之间的夹角，则可以是机器人所在这个透明坡面与地面之间的坡度角。高度值和坡度角可以作为当前栅格的地形信息并存储为标定检测数据。在遍历栅格的过程中对标定过地形信息的栅格进行标记，也即所述区别表示，从而能直观的确定哪些栅格还未进行标定。最终使全局地图中的所有栅格均被遍历和标定过，标定过程结束。这种实施方式为标定地形数据提供了两种具体的指标，分别是地形高度和地形夹角，从而帮助机器人进行透明地形的识别。

进一步的，所述根据机器人所在的当前栅格，确定机器人所在当前平面与地面之间的夹角，可以包括：根据当前栅格中当前机器人所在平面，确定当前机器人所在平面的法向量；根据法向量和地面的法向量，确定当前机器人所在当前平面和地面之间的夹角。

其中，可以通过机器人设置的激光雷达和/或视觉传感器对机器人当前所在平面进行测量，对获取到的距离信息进行滤波和平面提取等相关处理，从而确定所在平面的信息，进而可以根据相关技术中的法向量提取方法确定机器人所在平面的法向量。延续前例，如图2B所示，机器人位于透明坡面上，地面的法向量可以直接获取竖直方向的任意法向量，该坡面的法向量和地面的法向量之间夹角为A，根据几何原理，夹角A也就是该坡面与地面之间的夹角。当然，对于夹角A和高度值H的计算先后顺序可以先确定A再确定H。可以理解的是，由于直接进行平面和地面之间的夹角确定较为繁琐，通过二者法向量之间的夹角，间接的计算两平面之间的夹角，为机器人节省了测量资源和计算资源，也提高了计算识别的效率。

S240、将标定检测数据加载至全局地图，得到全局地形地图。

将前述各步骤中标定完成的地形数据加载至全局地图(或栅格地图)中，即可得到拥有地形信息的全局地形地图。

本申请实施例的技术方案，对全局地形地图的构建进行了进一步的阐述。通过预先标定地形数据加载至栅格地图中，为后续机器人运行时的防跌落触发提供判断依据，提高防止误触发的准确性。

实施例三

本申请实施例是在前述各实施方式的基础上提供的一种优选实施例。相关机器人场景中，如果在运行场景中存在透明材质的地面/坡道时，由于机器人的测距传感器无法测量透明材质距离，因此跌落风险的检测系统会将正常地形误识别为异常，如存在断崖，从而导致机器人无法运行在该场景中；存在有行驶在透明材质的平面/坡道上的情况时，因测距传感器无法测量透明材质距离，导致跌落风险预警系统在无法应用于存在透明地面材质的环境。在该种场景中只能关闭预警系统，影响适应性和机器人安全性。本申请实施例以特殊地形为透明材质地形的场景中进行说明。具体如下：

首先，在机器人的全局地图中划定指定区域为特殊地形区域，当然，本实施例中该指定区域即为透明材质地形的区域。根据透明材质地形区域的面积大小和所述机器人的体积大小等，设定一个合适的栅格边长L对全局地图进行栅格划分。初始的栅格状态为每个栅格都为未记录过的状态，如图3A所示为全局地图中一部分栅格地图的俯视图，栅格边长为L，未被记录过的栅格状态为-1。遍历栅格的过程中，将普通栅格标记为0，将发现特殊地形的栅格标记为1，如图3B所示，栅格(a1，b1)、(a1，b2)和(a1，b3)发现有透明坡面，则将这三个栅格标记为1。

其中，在设置栅格大小时要注意，若栅格设置过小会导致地图过于复杂，栅格数量大容易出现漏扫描现象，重复行驶进行补扫使得效率下降；同时，若栅格设置过大，会导致记录的地面和坡度的地形数据过于稀疏，在边界处(例如(a1，b0)和(a1，b1)的交界处，如图3C所示)容易出现数据差异过大的情况。每个栅格采集一次地形数据，记录过后以当前采集数据为准。为了保证采集标定地形数据的效率，可以令相关技术人员监督机器人行驶通过栅格地图中的各个位置，直至所有栅格均被记录。

在标定过程中，启动机器人固有的激光雷达和/或视觉传感器，对获取到的距离信息进行滤波以及平面提取，得到当前测量平面的法向量。以机器人所处的透明坡面为基础构建机器人坐标系，机器人坐标系的z轴相当于该透明坡面的法向量。计算获取地面法向量与机器人z轴之间的夹角A，和栅格中心点在竖直方向上距离地面的高度值H(相当于当前机器人坐标系原点与获取到的平面之间的距离)。将此夹角和高度值作为该栅格中的标记检测数据。将这些标记检测数据加载至栅格地图中，就得到了具有地形信息的全局地形地图。

在机器人依据全局地形地图进行自动行驶过程中，如果机器人定位至全局地形地图的某个栅格中，提取该栅格中的地形信息(包括上述地面法向量与机器人z轴之间的夹角和栅格中心点在竖直方向距离地面的高度值)，并与标记检测数据进行对比，若差值在预设的阈值范围内，则认为此栅格内地形符合该栅格的安全运行状况，不会进行跌落风险报警，可以安全通过；相反，若差值超过预设的阈值范围，则认为该栅格内存在其他的风险情况(如定位异常和/或环境变化导致通行情况未知等)，则可以控制机器人急停并触发报警。

例如，如果当前正在运行中的机器人定位属于地图的某个栅格中，则提取该栅格的标定检测数据(可以包括夹角A和高度值H)，重复前述对于夹角A和高度值H的测量和计算，将测量计算的结果与标定检测数据中的A和H进行比对，如在预先设定的误差阈值范围内，则认为符合该点的安全运行标准，机器人不会进行跌落风险报警。如果超过误差阈值范围，则认为该点存在其他风险情况，例如定位异常和/或环境变化导致通行情况未知等，则控制机器人进行报警。

此外，在透明地形处出现障碍物并不会影响对于透明地形的检测；且透明地形的平面与地面相处的角度也不会影响机器人对于透明地形的检测，均可以按照上述方式防止误触发防跌落机制。举例来说，如果透明坡道上出现了临时堆放的物品，此时机器人传感器的检测数据会检测到该物品，与已经标定的检测数据比较，可以确定该处存在障碍物，正确触发避障。

本优选实施例的方案，通过在部署时使得机器人行驶过透明材质地形区域，同时建立栅格，记录机器人在透明材质平面运行的标定检测数据，在后续机器人自主运行时，行驶至该透明材质地形区域时，会读取预存在栅格地图内的地形数据并与当前检测数据进行比对，符合该栅格内地形状况时即为可以通行，而不会触发跌落风险报警，进一步提高了机器人的通用性和鲁棒性。不需要完全关闭防跌落机制，也就保证了机器人的安全性。

实施例四

图4为本申请实施例四提供的一种机器人的防跌落装置的结构示意图。如图4所示，该装置400包括：

全局地图获取模块410，用于获取机器人的全局地形地图；其中，全局地形地图包括至少两种地形属性，全局地形地图还包括特殊地形区域对应的标定检测数据；

目标区域确定模块420，用于根据机器人的定位信息和全局地形地图，确定机器人在全局地形地图中的目标区域；

防跌落触发模块430，用于确定目标区域属于特殊地形区域，则根据机器人的当前检测数据和目标区域的标定检测数据，确定机器人是否触发防跌落机制。

本申请实施例的技术方案中，获取包括至少两种地形属性、以及特殊地形区域的标定检测数据的全局地形地图，将该全局地形地图作为检测依据，根据机器人在目标区域中的当前检测数据结合全局地形地图，对可能存在的特殊地形区域进行识别，从而确定是否需要机器人触发防跌落机制。这样能够使机器人在运行过程中快速的进行地形数据的检测与对比，从而高效的判断当前行驶环境是否有异常，帮助机器人合理的选择是否触发防跌落机制，也进一步防止了误触发防跌落机制，提高了机器人的鲁棒性和安全性，从而保证稳定运行。

在一种可选实施方式中，所述装置400包括全局地形地图确定模块，所述全局地形地图确定模块可以包括：

地图获取单元，用于获取机器人的全局地图；

栅格地图生成单元，用于从全局地图中确定特殊地形区域，在特殊地形区域生成栅格地图；

标定数据确定单元，用于控制机器人遍历栅格地图并获取各栅格的检测数据，作为标定检测数据；

地形地图确定单元，用于将标定检测数据加载至全局地图，得到全局地形地图。

在一种可选实施方式中，所述栅格地图生成单元可以包括：

特殊地形获取子单元，用于在全局地图中确定特殊地形区域；

栅格尺寸确定子单元，用于根据特殊地形区域的面积和机器人的外形参数，确定待加载的栅格的尺寸；

栅格地区确定子单元，用于将栅格加载至特殊地形区域，得到栅格地图。

在一种可选实施方式中，所述标定数据确定单元可以包括：

夹角确定子单元，用于根据机器人所在的当前栅格，确定当前栅格的中心点所在地形高度，以及机器人所在当前平面与地面之间的夹角；

标定数据确定子单元，用于根据中心点所在地形高度和夹角，确定地形信息作为标定检测数据；

栅格遍历子单元，用于将遍历过的栅格进行区别标识，至机器人遍历完栅格地图。

在一种可选实施方式中，所述夹角确定子单元可以包括：

法向量确定从单元，用于根据当前栅格中当前机器人所在平面，确定当前机器人所在平面的法向量；

夹角确定从单元，用于根据法向量和地面的法向量，确定当前机器人所在当前平面和地面之间的夹角。

在一种可选实施方式中，所述特殊地形区域可以包括透明材质地形区域，所述标定检测数据根据机器人的激光雷达，和/或，机器人的立体视觉传感器检测得到。

在一种可选实施方式中，所述防跌落触发模块430可以具体用于：若当前检测数据与标定检测数据的差异值符合预设阈值范围，则控制机器人不触发防跌落机制。

本申请实施例所提供的机器人的防跌落装置可执行本申请任意实施例所提供的机器人的防跌落方法，具备执行各机器人的防跌落方法相应的功能模块和有益效果。

实施例五

图5示出了可以用来实施本申请的实施例的机器人10的结构示意图。机器人旨在表示各种形式的可自主移动设备。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，机器人10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储机器人10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

机器人10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许机器人10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如机器人的防跌落方法。

在一些实施例中，机器人的防跌落方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到机器人10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的机器人的防跌落方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行机器人的防跌落方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本申请的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在机器人上实施此处描述的系统和技术，该机器人具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给机器人。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种机器人的防跌落方法，其特征在于，所述方法包括：

获取机器人的全局地形地图；其中，所述全局地形地图包括至少两种地形属性，所述全局地形地图还包括特殊地形区域对应的标定检测数据；

根据所述机器人的定位信息和所述全局地形地图，确定所述机器人在所述全局地形地图中的目标区域；

确定所述目标区域属于所述特殊地形区域，则根据所述机器人的当前检测数据和所述目标区域的标定检测数据，确定所述机器人是否触发防跌落机制。

2.根据权利要求1所述的方法，其特征在于，所述全局地形地图的确定方法包括：

获取所述机器人的全局地图；

从所述全局地图中确定所述特殊地形区域，在所述特殊地形区域生成栅格地图；

控制所述机器人遍历所述栅格地图并获取各栅格的检测数据，作为标定检测数据；

将所述标定检测数据加载至所述全局地图，得到所述全局地形地图。

3.根据权利要求2所述的方法，其特征在于，所述从所述全局地图中确定所述特殊地形区域，在所述特殊地形区域生成栅格地图，包括：

在所述全局地图中确定所述特殊地形区域；

根据所述特殊地形区域的面积和所述机器人的外形参数，确定待加载的栅格的尺寸；

将所述栅格加载至所述特殊地形区域，得到所述栅格地图。

4.根据权利要求2所述的方法，其特征在于，所述控制所述机器人遍历所述栅格地图并获取各栅格的检测数据，作为标定检测数据，包括：

根据所述机器人所在的当前栅格，确定所述当前栅格的中心点所在地形高度，以及所述机器人所在当前平面与地面之间的夹角；

根据所述中心点所在地形高度和所述夹角，确定所述地形信息作为所述标定检测数据；

将遍历过的栅格进行区别标识，至所述机器人遍历完所述栅格地图。

5.根据权利要求4所述的方法，其特征在于，所述根据所述机器人所在的当前栅格，确定所述机器人所在当前平面与地面之间的夹角，包括：

根据所述当前栅格中所述当前机器人所在平面，确定所述当前机器人所在平面的法向量；

根据所述法向量和所述地面的法向量，确定所述当前机器人所在当前平面和地面之间的夹角。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述特殊地形区域包括透明材质地形区域，所述标定检测数据根据所述机器人的激光雷达，和/或，所述机器人的立体视觉传感器检测得到。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述机器人的当前检测数据和所述目标区域的标定检测数据，确定所述机器人是否触发防跌落机制，包括：

若所述当前检测数据与标定检测数据的差异值符合预设阈值范围，则控制所述机器人不触发防跌落机制。

8.一种机器人的防跌落装置，其特征在于，所述装置包括：

全局地图获取模块，用于获取机器人的全局地形地图；其中，所述全局地形地图包括至少两种地形属性，所述全局地形地图还包括特殊地形区域对应的标定检测数据；

目标区域确定模块，用于根据所述机器人的定位信息和所述全局地形地图，确定所述机器人在所述全局地形地图中的目标区域；

防跌落触发模块，用于确定所述目标区域属于所述特殊地形区域，则根据所述机器人的当前检测数据和所述目标区域的标定检测数据，确定所述机器人是否触发防跌落机制。

9.一种机器人，其特征在于，所述机器人包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的机器人的防跌落方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的机器人的防跌落方法。