CN117055557A - 一种机器人避让方法、装置及电子设备 - Google Patents
一种机器人避让方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117055557A CN117055557A CN202311083295.9A CN202311083295A CN117055557A CN 117055557 A CN117055557 A CN 117055557A CN 202311083295 A CN202311083295 A CN 202311083295A CN 117055557 A CN117055557 A CN 117055557A
- Authority
- CN
- China
- Prior art keywords
- avoidance
- point
- robot
- effective
- avoidance point
- 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 55
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 238000011156 evaluation Methods 0.000 claims description 68
- 238000004364 calculation method Methods 0.000 claims description 37
- 238000001514 detection method Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000013209 evaluation strategy Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 10
- 230000004888 barrier function Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 abstract description 14
- 230000001960 triggered effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本申请提供了一种机器人避让方法、装置及电子设备,方法包括:检测机器人所处的当前行进路段及当前路况;确定当前行进路段及当前路况满足预设避让条件,预设避让条件包括当前行进路段为通道路段、当前路况为堵塞且造成堵塞的为动态障碍物;在预设采样周期内探测机器人所处环境,确定目标避让点;控制机器人运行至目标避让点,以完成主动避让。本申请中引入通道和堵塞场景识别,机器人在堵塞场景触发时主动选取并移动至目标避让点,减少通道堵塞概率。
Description
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避让方法、装置及电子设备。
背景技术
室内存在较长的长直通道场景,例如餐厅过道,机器人在这样的环境下进行流动作业时,经常遇到与动态障碍物,如行人相向运动的情况,此时,如果行人和机器人处于通道中,且机器人未处于靠边运动的情况下,一旦检测到前方出现堵塞场景,则机器人会在相对行人一定距离时触发被动式避让,停止在原地,等待行人方进行避让动作。
由此可见,现有的避让方式属于被动式避让,需要停止在原地,被动的等待通道让出足够空间后,机器人才会结束避让恢复路线和运动,效率较低的同时影响人的正常通行。
发明内容
有鉴于此,本申请的目的在于至少提供一种机器人避让方法、装置及电子设备,通过识别通道和堵塞场景,主动选取避让点并前往避让点进行主动避让,减少了堵塞通道的概率,提高机器人工作效率。
本申请主要包括以下几个方面:
第一方面,本申请实施例提供一种机器人避让方法,方法包括:检测机器人所处的当前行进路段及当前路况;确定当前行进路段及当前路况满足预设避让条件,预设避让条件包括当前行进路段为通道路段、当前路况为堵塞且造成堵塞的为动态障碍物;在预设采样周期内探测机器人所处环境,确定目标避让点;控制机器人运行至目标避让点,以完成主动避让。
在一种可能的实施方式中,行进路段包括通道路段和非通道路段,其中,通过以下方式确定当前行进路段:在预先规划出的从预设起点至预设终点的行进路线上,确定机器人当前行进位置对应的最近路径点,行进路线包括多个路径点;判断最近路径点是否属于通道路径点;若属于通道路径点,则确定当前行进路段为通道路段;若不属于通道路径点,则确定当前行进路段为非通道路段。
在一种可能的实施方式中,通道路径点通过以下方式预先得到:对行进路线进行首次路线规划计算,在首次规划计算的过程中,对规划出的每个路径点:根据行进环境对应的静态地图,若确定该路径点两侧均存在障碍物,则记录该路径点的通道宽度;利用滑动窗口算法对预设窗口范围内的路径点的通道宽度和路径方向作平均处理,以得到该路径点对应的处理后的通道宽度;根据处理后的通道宽度,确定该路径点是否属于通道路径点。
在一种可能的实施方式中,通过以下方式确定目标避让点:在预设采样周期内使用随机采样法探测到的机器人所处环境的多个探测点;基于机器人周围的障碍物,利用膨胀算法对多个探测点进行膨胀计算,以从多个探测点中确定多个候选避让点;按照可通过性评估策略从多个候选避让点中确定目标避让点。
在一种可能的实施方式中,通过以下方式确定目标避让点:在预设采样周期内探测机器人所处环境,按照可通过性评估策略对多个候选避让点进行有效避让点搜索;若多个候选避让点中存在有效避让点,则停止搜索,得到至少一个有效避让点;按照多个弱约束条件对至少一个有效避让点进行评估,以从至少一个有效避让点中确定目标避让点;若多个候选避让点中不存在有效避让点,则下发减速指令,并执行下一采样周期,重新确定多个候选避让点。
在一种可能的实施方式中,按照可通过性评估策略从多个候选避让点中,确定目标避让点的步骤包括:针对每个候选避让点,执行以下处理:将机器人投影至该候选避让点并获取动态障碍物位置;规划动态障碍物到该候选避让点左右两侧的路线;若该候选避让点左右两侧中的任一侧路线规划成功,则将该候选避让点确定为有效避让点;若该候选避让点左右两侧对应的路线均规划失败,则确定该候选避让点为无效避让点。可选地,采用Dijkstra算法评估通过性,确保避让出足够行人通过宽度。
在一种可能的实施方式中,按照多个弱约束条件对至少一个有效避让点进行评估,以从至少一个有效避让点中确定目标避让点的步骤包括:针对每个弱约束条件,执行以下处理:获取该弱约束条件对应的评估参数;根据评估参数和该弱约束条件,确定该有效避让点在该弱约束条件下的评估指数,弱约束条件定义了评估参数与评估指数之间的计算函数;针对每个有效避让点,对该有效避让点对应的评估指数之间进行加权求和,确定该有效避让点对应的有效避让指数;将有效避让指数最小的有效避让点,确定为目标避让点。
在一种可能的实施方式中,多个弱约束条件包括速度约束条件、通道宽度约束条件、有效避让点与两侧障碍物之间的第一距离约束条件和有效避让点与动态障碍物之间的第二距离约束条件,其中,通过以下方式确定每个有效避让点的有效避让指数:将该有效避让点处机器人的行进速度带入速度约束条件所指示的计算函数,得到该有效避让点在速度约束条件的第一评估指数;将该有效避让点对应的通道宽度带入通道宽度约束条件所指示的计算函数,得到该有效避让点在通道宽度约束条件的第二评估指数;将该有效避让点与两侧障碍物之间的距离值带入第一距离约束条件所指示的计算函数,得到该有效避让点在第一距离约束条件下的第三评估指数;将该有效避让点与动态障碍物之间的距离值带入第二距离约束条件所指示的计算函数,得到该有效避让点在第二距离约束条件下的第四评估指数;对该有效避让点对应的第一评估指数、第二评估指数、第三评估指数和第四评估指数之间进行加权求和,确定该有效避让点对应的有效避让指数。
第二方面,本申请实施例还提供一种机器人避让装置,装置包括:检测模块,用于检测机器人所处的当前行进路段及当前路况;判断模块,用于确定当前行进路段及当前路况满足预设避让条件,预设避让条件包括当前行进路段为通道路段、当前路况为堵塞且造成堵塞的为动态障碍物;确定模块,用于在预设采样周期内探测机器人所处环境,确定目标避让点;避让模块,用于控制机器人运行至目标避让点,以完成主动避让。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,存储器存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储器之间通过总线进行通信,机器可读指令被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中提供的机器人避让方法的步骤。
本申请实施例提供的一种机器人避障让方法、装置及电子设备,方法包括:检测机器人所处的当前行进路段及当前路况;确定当前行进路段及当前路况满足预设避让条件,预设避让条件包括当前行进路段为通道路段、当前路况为堵塞且造成堵塞的为动态障碍物;在预设采样周期内探测机器人所处环境,确定目标避让点;控制机器人运行至目标避让点,以完成主动避让。本申请中,在机器人运行过程中引入通道路段识别和堵塞识别,在堵塞场景触发,且造成堵塞的障碍物为动态障碍物时,主动选取并移动至目标避让点,控制机器人进行主动避让,进而减少通道堵塞概率,提高机器人工作效率。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为示出了本申请实施例所提供的一种机器人避让方法的流程图;
图2示出了本申请实施例提供的一种机器人行进线路的示意图;
图3示出了本申请实施例提供的一种机器人行进线路的局部示意图;
图4示出了本申请实施例提供的一种机器人行进线路的首次规划路径局部示意图;
图5示出了本申请实施例提供的一种机器人识别的探测点的示意图;
图6示出了本申请实施例提供的一种确定有效避让点的示意图;
图7示出了本申请实施例提供的一种机器人避让装置的功能模块示意图;
图8示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,应当理解,本申请中的附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例,都属于本申请保护的范围。
室内存在较长的长直通道场景,例如餐厅过道,机器人在这样的环境下进行流动作业时,经常遇到与行人相向运动的情况,此时,如果行人和机器人处于通道中,且机器人未处于靠边运动的情况下,一旦检测到前方出现堵塞场景,则机器人会在相对行人一定距离时触发被动式避让,停止在原地,等待行人方进行避让动作,由此可见,现有的避让方式属于被动式避让,在感知通道和堵塞场景下,需要停止在原地,被动的等待通道让出足够空间后,机器人才会结束避让,恢复路线和运动,效率较低的同时影响人的正常通行。
若机器人为送餐或清扫机器人,被动式避让增加堵塞通道场景概率的同时,还会降低其工作效率。
基于此,本申请实施例提供了一种机器人避让方法、装置及电子设备,通过识别通道和堵塞场景,主动选取避让点并前往避让点进行主动避让,减少了堵塞通道的概率,具体如下:
请参阅图1,图1为示出了本申请实施例所提供的一种机器人避让方法的流程图。如图1所示,本申请实施例提供的机器人避让方法,包括以下步骤:
S100、检测机器人所处的当前行进路段及当前路况。
S200、确定当前行进路段及当前路况满足预设避让条件。
预设避让条件包括当前行进路段为通道路段、当前路况为堵塞且造成堵塞的为动态障碍物。
S300、在预设采样周期内探测机器人所处环境,确定目标避让点。
S400、控制机器人运行至目标避让点,以完成主动避让。
在本申请中,机器人可以为送餐机器人等。
在步骤S100中,机器人可以按照全局规划器输出的行进路线从起点向目标位置运动,行进路线可以包括多个行进路段,每个行进路段可以包括多个路径点,行进路段可以包括通道路段和非通道路段,机器人沿着行进路线上的路径点运动,以达到目标位置。
在步骤S200中,示例性的,可以通过定位装置如激光雷达确定机器人当前所处的位置,并进一步确定当前行进路段。可以通过环境检测装置,如立体视觉、激光雷达确定当前路况是否堵塞,以及造成堵塞的是否为动态障碍物,尤其是行人。进而通过当前行进路段及当前路况确定机器人满足相应避让条件。可以理解的是,对于非通道路段,一般比较宽敞,即使机器人不进行主动避让,行人也较容易通过。而对于静态障碍物而言,机器人主动避让也无法解决通行问题。因此,本申请通过通道路段、堵塞且造成堵塞的为动态障碍物这一精准的场景识别,确定出机器人主动避让能够高效解决通行问题的情况,以便机器人进行主动避让,提升通行效率和机器人运行效率。可以理解的是,通过增加动态障碍物检测,可以缩短主动避让功能触发的时间约束,让避让动作更灵敏。例如,在不存在动态障碍物检测时,主动避让功能的触发时间约束可以是持续检测到堵塞5s,则增加动态障碍物检测后,主动避让功能的触发时间约束可以是持续检测到堵塞2s,且为动态障碍物。
在S300中,可以根据机器人所处环境情况,确定目标避让点。例如可以选择靠边点作为目标避让点。
在步骤S100~S400中,通过对机器人周围环境进行识别,确定当前行进路段以及当前路况,在机器人感知其处于通道路段且处于堵塞场景的情况下,做出主动避障行为,例如,机器人在运行期间,检测到当前进入通道路段,且在机器人前方预设距离范围内出现动态障碍物堵塞通道场景,则确定满足避让条件,更具体的,在进行堵塞场景检测时,可以通过图像传感器等同时对造成堵塞场景的障碍物进行识别,确定其为动态障碍物的情况下,触发避障机制,通过行进路段、路况以及障碍物类型的约束,可以缩短避障机制触发的时间约束,使避让动作更加灵敏,避障机制的触发,即检测周围环境信息,从周围环境中搜索符合当前场景的目标避障点(例如斜前方靠近墙体的避障点)并移动至目标避障点。
通过上述S100~S400,机器人可以不必被动等待通道被让出足够空间,而是主动创造利于动态障碍物通行的通行条件来主动完成避障,从而恢复路线和运动,可以提高机器人的通行效率同时不影响动态障碍物的正常通行。
请参阅图2,图2示出了本申请实施例提供的一种机器人行进线路的示意图。如图2所示,M表示机器人所处环境的静态地图,在静态地图M中,机器人会按照全局规划器输出的行进路线L从起点A运动至目标位置B,行进路线L包括行进路段line1~line5,机器人沿着行进路线上的路径点运动,以达到目标位置,在图2中,行进路段line1和行进路段line3为非通道路段,行进路段line2、行进路段line4和行进路段line5为通道路段。
在一优选实施例中,步骤S100中,通过以下方式确定当前行进路段:
在预先规划出的从预设起点至预设终点的行进路线上,确定机器人当前行进位置对应的最近路径点,判断最近路径点是否属于通道路径点,若属于通道路径点,则确定当前行进路段为通道路段,若不属于通道路径点,则确定当前行进路段为非通道路段。
请参阅图3,图3示出了本申请实施例提供的一种机器人行进线路的局部示意图。在图3中,机器人移动至如图3所示位置,其在行进路线L上对应的最近路径点为P1,在确定最近路径点为P1后,会获取最近路径点P1所携带的路段属性,根据其所携带的路段属性可确定路径点P1属于通道路段line4,路段属性指示了路径点所属路段以及路段类型。
在本申请中,机器人在执行相应任务,如物品配送之前,可以结合机器人所处环境对应的静态地图,同时使用全局规划器对行进路线进行首次规划计算,以计算出从预设起点到预设终点的行进路线,后续机器人在运动时,则只需要按照首次规划计算出的行进路线进行运动即可,无需重新规划。
本申请中,在首次规划中已经识别出的各路径点所属的路段属性,在机器人实际运行过程中,直接基于首次规划结果可快速检索确定机器人当前行进路段,无需再次进行识别确认,提高机器人当前位置的识别效率,且对于本申请中,不同的通道类型会倾向于不同的避让策略(即选择不同的避让方向或目标避让点),锁定机器人所处通道以及通道类型(包括宽通道或窄通道等),便于后续避障机制的快速触发,可以提升后续避让合理性。
在一种可能的实施方式中,通道路径点通过以下方式预先得到:
对行进路线进行首次路线规划计算,在首次规划计算的过程中,对规划出的每个路径点:根据行进环境对应的静态地图,若确定该路径点两侧均存在障碍物,则记录该路径点的通道宽度;利用滑动窗口算法对预设窗口范围内的路径点的通道宽度和路径方向作平均处理,以得到该路径点对应的处理后的通道宽度;根据处理后的通道宽度,确定该路径点是否属于通道路径点。
具体的,请参阅图4,图4示出了本申请实施例提供的一种机器人行进线路的首次规划路径局部示意图。如图4所示,包括行进路线L的局部规划路线,该局部规划路线由全局规划器输出,此时机器人处于行进路段line4中(行进路段line4为通道路段),滑动窗口的大小可以是预先设定的,示例性的,可以是根据机器人运行的角速度预先设置好的,假设机器人运行至路径点P2,然后利用滑动窗口可得到路径点P2处的通道宽度,具体的,对路径点P2对应的滑动窗口内的多个路径点对应的通道宽度和路径方向分别平均,得到的结果,作为路径点P2对应的通道宽度和路径方向。
在本申请中,在首次进行路径规划过程中,通过滑动窗口法在通道宽度和路径方向两个维度完成通道内路径规划,一方面使规划出的行进路径更加平滑,另一方面在对不规则通道进行路径规划时,利用滑动窗口对通道宽度进行平均处理,使确定出的通道宽度能更具合理性,以便于使后续应用通道宽度执行的避让动作更加准确。
步骤S100还包括,通过以下方式确定当前路况:
检测全局规划器输出的路线规划结果,当检测到全局规划器丧失路线规划时,执行以下处理:判断丧失路线规划的持续时长是否大于或等于预设时长,若丧失路线规划的持续时长大于或等于预设时长,则确定当前路况存在堵塞,若丧失路线规划的持续时长小于预设时长,则确定当前路况不存在堵塞。
在本申请中,当全局规划器无法输出预先规划好的行进路线并持续预设时长,则表示机器人识别到静态地图存在可通过路线,但实际全局规划器无法输出规划路线的情况下,说明存在动态障碍物(可以是行人)阻碍了通道。
由于全局规划器记录的是首次规划路径,因此机器人在完成首次规划后,在实际运行过程中,全局规划器会始终输出首次规划路径,一旦全局规划器无法输出首次规划路径且静态地图指示首次规划路径仍旧可通行的情况下,说明首次规划路径上存在障碍,本申请中,直接利用全局规划器的输出确定堵塞场景,相比与运用图像传感器识别(图像处理会耗时较久),缩短了堵塞场景识别时间,进一步缩短后续避障机制的触发时间,使机器人避障反应动作更加灵敏。
在步骤S300中,可以通过以下方式确定目标避让点:
在预设采样周期内使用随机采样法探测到的机器人所处环境的多个探测点,基于机器人周围的障碍物,利用膨胀算法对多个探测点进行膨胀计算,以从多个探测点中确定多个候选避让点,按照可通过性评估策略从多个候选避让点中确定目标避让点。
在一种可能的实施方式中,机器人进行首次规划时,已经对其所处作业环境内部的障碍物信息(包括不同障碍物位置等)进行了整体采集。
可选地,即使在机器人所处位置对应的当前行进路段、当前路况和障碍物满足预设避让条件的情况下,机器人也始终处于行进状态,然后在维持行进状态的情况下,在预设采样周期内,采用随机采样法(RRT*Smart)在机器人感知范围内进行不间断采样,得到多个探测点,采样得到的探测点数量与机器人周围环境有关,若机器人周围障碍物较多,则探测点数量较少,若机器人周围比较空旷,则探测点数量就会比较多。
本申请中,全局规划器可以输出机器人所在位置到每个探测点之间的避让路线,碰撞检测计算的过程就是从多个避让路线中排除与障碍物存在碰撞的避让路线,剩下的多条避让路线对应的探测点就是候选避让点。碰撞检测可以通过膨胀算法配合Breseham插值算法实现,提高避让点的搜索效率。
请参阅图5,图5示出了本申请实施例提供的一种机器人识别的探测点的示意图。如图5所示,通过传感器获取到的处于不同位置的多个探测点P,黑色长方体为识别到的障碍物,虚线为探测点与机器人所在位置连线形成的避让路线,整体呈现树状。
在本申请中机器人为全向运动机器人,使用RRT*Smart算法进行探测点采集,优势在于速度快,且RRT*Smart算法符合全向运动学约束,与本申请提供的全向运动机器人正好匹配,可以实现不需要平滑轨迹的快速平移,提高整体搜索采样效率。
综上,本申请中,采用随机采样法结合机器人的全向运动,可以快速获取多个探测点,然后结合膨胀算法和可通过性评估策略对多个探测点进行评价筛选,可以逐层索索出目标避让点,保证搜索效率的同时,确保确定出的目标避让点的有效性。
在另一可选实施方式中,在步骤S300中,包括:
在预设采样周期内探测机器人所处环境,按照可通过性评估策略对多个候选避让点进行有效避让点搜索,若多个候选避让点中存在有效避让点,则停止搜索,得到至少一个有效避让点,按照多个弱约束条件对至少一个有效避让点进行评估,以从至少一个有效避让点中确定目标避让点,若多个候选避让点中不存在有效避让点,则下发减速指令,并执行下一采样周期,重新确定多个候选避让点。
具体的,由于随机采样法存在采样周期,在一个预设采样周期内,需要进行不间断采样并获取候选避让点并进行有效避让点搜索,如果搜索到有效避让点则维持机器人原始行进速度并确定出目标避让点,若未搜索到有效避让点,先控制机器人减速,目的在于延长动态障碍物与机器人相遇时间,在保证搜索效率的同时为下次搜索尽量留出足够时间。
本申请中,采样周期内的循环计算,每个采样周期内,通过对确定出的多个候选避让点进行有效评估,可以以强约束条件(可通过性评估策略)筛除掉一大批不具备有效性的候选避让点,可以进一步提高后续对有效避让点进行评估的工作计算量,且通过不同的弱约束条件对有效避让点进行再评估,进一步筛选出最利于避让的目标避让点,提高目标避让点确定效率的同时,满足目标避让点实现避障的合理性,且周期性搜索与行进速度配合。
在一优选实施例中,按照可通过性评估策略对多个候选避让点进行有效避让点搜索的步骤包括:
针对每个候选避让点,执行以下处理:将机器人投影至该候选避让点,利用全局规划器分别规划动态障碍物到该候选避让点左右两侧的路线,若该候选避让点左右两侧中的任一侧路线规划成功,则将该候选避让点确定为有效避让点,若该候选避让点左右两侧对应的路线均规划失败,则确定该候选避让点为无效避让点。
在了解动态障碍物位置后,在机器人当前位置处,控制机器人按照候选避让点对应的避让路线指示方向投影至候选避让点,并在候选避让点处向两侧障碍物进行投影计算,分别确定候选避让点与其左侧障碍物之间的第一距离以及候选避让点与其右侧障碍物之间的第二距离,对于候选避让点左侧,若第一距离小于预设活动半径,则左侧路线规划成功,预设活动半径为动态障碍物半径与机器人半径之间的和值,若第一距离大于或等于预设活动半径,则左侧路线规划失败。
对于候选避让点右侧的规划方式与左侧相同,在此不做赘述。
本申请中,请参阅图6,图6示出了本申请实施例提供的一种确定有效避让点的示意图。如图6所示,以动态障碍物为行人为例,候选避让点对应的第一距离为width1要大于(行人半径r1+机器人半径r2),则此时对于右侧预测通过点对应的路径规划成功,成功输出行人避让路线lineA,候选避让点对应的第二距离为width2小于(行人半径r1+机器人半径r2),则此时对于左侧预测通过点对应的路径规划失败,由于候选避让点右侧规划成功,故将该候选避让点确认为有效避让点。
具体的,上述实施例中,可通过性评估策略的筛选方式,以通道富裕宽度作为行人通过或实现避让的硬性指标,即保证候选避让点能够实现避障的重要指标就是机器人前往避障点后,动态障碍物能顺利通过通道,将满足这样条件的避让点确定为有效避让点,通过这样的方式可以筛除大量候选避让点,进一步提高避让点确定效率。
在另一优选实施例中,按照多个弱约束条件对至少一个有效避让点进行评估,以从至少一个有效避让点中确定目标避让点的步骤包括:
针对每个弱约束条件,执行以下处理:获取该弱约束条件对应的评估参数,根据评估参数和该弱约束条件,确定该有效避让点在该弱约束条件下的评估指数,弱约束条件定义了评估参数与评估指数之间的计算函数,针对每个有效避让点,对该有效避让点对应的评估指数之间进行加权求和,确定该有效避让点对应的有效避让指数,将有效避让指数最小的有效避让点,确定为目标避让点。评估指数指示机器人前往避让点进行避让的代价,评估指数越小,避让效果越好。
在本申请中,结合实际情况设置弱约束条件并计算每个有效避让点在每个弱约束下的评估指数,对评估指数进行加权,即可得到每个有效避让点对应的有效避让指数,通过定义不同弱约束对应的权重,使得到的目标避让点更具备合理性。
具体的,可以通过以下公式确定每个有效避让点对应的有效避让指数:
在该公式中,Ctotal(Fi)表示第i个有效避让点Fi对应的有效避让指数,Cj(Fi)表示有效避让点Fi在第j个弱约束条件所指示的计算函数下对应的评估指数,Wj表示第j个弱约束条件对应的权重值,其中,j=1,2,......,n。
多个弱约束条件可以包括速度约束条件、通道宽度约束条件、有效避让点与两侧障碍物之间的第一距离约束条件和有效避让点与动态障碍物之间的第二距离约束条件。
在另一优选实施例中,通过以下方式确定每个有效避让点的有效避让指数:将该有效避让点处机器人的行进速度带入速度约束条件所指示的计算函数,得到该有效避让点在速度约束条件的第一评估指数,将该有效避让点对应的通道宽度带入通道宽度约束条件所指示的计算函数,得到该有效避让点在通道宽度约束条件的第二评估指数,将该有效避让点与两侧障碍物之间的距离值带入第一距离约束条件所指示的计算函数,得到该有效避让点在第一距离约束条件下的第三评估指数,将该有效避让点与动态障碍物之间的距离值带入第二距离约束条件所指示的计算函数,得到该有效避让点在第二距离约束条件下的第四评估指数,对该有效避让点对应的第一评估指数、第二评估指数、第三评估指数和第四评估指数之间进行加权求和,确定该有效避让点对应的有效避让指数。
具体的,当机器人当前行进速度超过预设速度值时(行进速度较大时),倾向于选择机器人侧前方的有效避让点进行避让,也就是说,对于速度约束条件,在机器人行进速度超过预设速度值时,若有效避让点位于机器人侧前方,则第一评估指数会比较小。
当有效避让点处对应的通道宽度小于预设通道宽度值,则当前机器人所处通道被认定为窄通道,此时,倾向于选择机器人侧后方的有效避让点进行避让,也就是说,对于通道宽度约束条件,在当前机器人所处通道为窄通道时,若有效避让点位于机器人侧后方,则第一评估指数会比较小(即若机器人所处通道为窄通道,此时机器人更倾向于斜向后退或直接退出通道,若机器人所处通道为宽通道,此时机器人更倾向于左右横移避让方式),也就是说,通过添加宽度约束条件,对于不同宽度的通道,会偏好不同的方向进行避让,提升避让合理性。
对于第一距离约束条件,有效避让点与两侧障碍物之间的距离值越大(说明越空旷,供行人通过的空间更充分),则第一评估指数会比较小。
对于第二距离约束条件,有效避让点与动态障碍物之间的距离值越小(说明距离动态障碍物越近),此时倾向于选择距离两侧障碍物较近的点贴边停靠,即有效避让点越贴边,则第一评估指数越小。
本申请通过多个弱约束条件对有效避让点进行评分排序,基于不同约束条件对应的不同权重侧重,可以从多个有效避让点中筛选出最符合当下环境的避让点(也就是最有利于完成主动避障的避让点),使确定出的避让点更符合实际机器人的运行条件,也就是说,更具备合理性。
基于同一申请构思,本申请实施例中还提供了与上述实施例提供的机器人避让方法对应的机器人避让装置,由于本申请实施例中的装置解决问题的原理与本申请上述实施例的机器人避让方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图7,图7示出了本申请实施例提供的一种机器人避让装置的功能模块示意图。如图7所示,装置包括:
检测模块500,用于检测机器人所处的当前行进路段及当前路况。
判断模块510,用于确定当前行进路段及当前路况满足预设避让条件,预设避让条件包括当前行进路段为通道路段、当前路况为堵塞且造成堵塞的为动态障碍物。
确定模块520,用于在预设采样周期内探测机器人所处环境,确定目标避让点。
避让模块530,用于控制机器人运行至目标避让点,以完成主动避让。
优选的,行进路段包括通道路段和非通道路段,检测模块500还用于通过以下方式确定当前行进路段:在预先规划出的从预设起点至预设终点的行进路线上,确定机器人当前行进位置对应的最近路径点,行进路线包括多个行进路段,每个行进路段包括多个路径点;判断最近路径点是否属于通道路径点;若属于通道路径点,则确定当前行进路段为通道路段;若不属于通道路径点,则确定当前行进路段为非通道路段。
优选的,装置还包括通道路径点获取模块(图中未示出),用于:对行进路线进行首次路线规划计算,在首次规划计算的过程中,对规划出的每个路径点:根据行进环境对应的静态地图,若确定该路径点两侧均存在障碍物,则记录该路径点的通道宽度;利用滑动窗口算法对预设窗口范围内的路径点的通道宽度和路径方向作平均处理,以得到该路径点对应的处理后的通道宽度;根据处理后的通道宽度,确定该路径点是否属于通道路径点。
优选的,确定模块520还用于:在预设采样周期内使用随机采样法探测到的机器人所处环境的多个探测点;基于机器人周围的障碍物,利用膨胀算法对多个探测点进行膨胀计算,以从多个探测点中确定多个候选避让点;按照可通过性评估策略从多个候选避让点中确定目标避让点。
优选的,确定模块520还用于:在预设采样周期内探测机器人所处环境,按照可通过性评估策略对多个候选避让点进行有效避让点搜索;若多个候选避让点中存在有效避让点,则停止搜索,得到至少一个有效避让点;按照多个弱约束条件对至少一个有效避让点进行评估,以从至少一个有效避让点中确定目标避让点;若多个候选避让点中不存在有效避让点,则下发减速指令,并执行下一采样周期,重新确定多个候选避让点。
优选的,确定模块520还用于:针对每个候选避让点,执行以下处理:将机器人投影至该候选避让点并获取动态障碍物位置;规划动态障碍物到该候选避让点左右两侧的路线;若该候选避让点左右两侧中的任一侧路线规划成功,则将该候选避让点确定为有效避让点;若该候选避让点左右两侧对应的路线均规划失败,则确定该候选避让点为无效避让点。
优选的,确定模块520还用于:针对每个弱约束条件,执行以下处理:获取该弱约束条件对应的评估参数;根据评估参数和该弱约束条件,确定该有效避让点在该弱约束条件下的评估指数,弱约束条件定义了评估参数与评估指数之间的计算函数;针对每个有效避让点,对该有效避让点对应的评估指数之间进行加权求和,确定该有效避让点对应的有效避让指数;将有效避让指数最小的有效避让点,确定为目标避让点。
优选的,多个弱约束条件包括速度约束条件、通道宽度约束条件、有效避让点与两侧障碍物之间的第一距离约束条件和有效避让点与动态障碍物之间的第二距离约束条件,其中,确定模块520还用于:将该有效避让点处机器人的行进速度带入速度约束条件所指示的计算函数,得到该有效避让点在速度约束条件的第一评估指数;将该有效避让点对应的通道宽度带入通道宽度约束条件所指示的计算函数,得到该有效避让点在通道宽度约束条件的第二评估指数;将该有效避让点与两侧障碍物之间的距离值带入第一距离约束条件所指示的计算函数,得到该有效避让点在第一距离约束条件下的第三评估指数;将该有效避让点与动态障碍物之间的距离值带入第二距离约束条件所指示的计算函数,得到该有效避让点在第二距离约束条件下的第四评估指数;对该有效避让点对应的第一评估指数、第二评估指数、第三评估指数和第四评估指数之间进行加权求和,确定该有效避让点对应的有效避让指数。
基于同一申请构思,请参阅图8,图8示出了本申请实施例提供的一种电子设备的结构示意图。如图8所示,电子设备600包括:处理器610、存储器620和总线630,存储器620存储有处理器610可执行的机器可读指令,当电子设备600运行时,处理器610与存储器620之间通过总线630进行通信,机器可读指令被处理器610运行时执行如上述实施例中任一提供的机器人避让方法的步骤。
基于同一申请构思,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例提供的机器人避让方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本申请所提供的几个实施例中,应所述理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种机器人避让方法,其特征在于,所述方法包括:
检测机器人所处的当前行进路段及当前路况;
确定所述当前行进路段及所述当前路况满足预设避让条件,所述预设避让条件包括所述当前行进路段为通道路段、当前路况为堵塞且造成堵塞的为动态障碍物;
在预设采样周期内探测机器人所处环境,确定目标避让点;
控制机器人运行至所述目标避让点,以完成主动避让。
2.根据权利要求1所述的方法,其特征在于,所述行进路段包括通道路段和非通道路段,
其中,通过以下方式确定当前行进路段:
在预先规划出的从预设起点至预设终点的行进路线上,确定机器人当前行进位置对应的最近路径点,所述行进路线包括多个行进路段,每个行进路段包括多个路径点;
判断所述最近路径点是否属于通道路径点;
若属于通道路径点,则确定当前行进路段为通道路段;
若不属于通道路径点,则确定当前行进路段为非通道路段。
3.根据权利要求2所述的方法,其特征在于,所述通道路径点通过以下方式预先得到:
对行进路线进行首次路线规划计算,在首次规划计算的过程中,对规划出的每个路径点:
根据行进环境对应的静态地图,若确定该路径点两侧均存在障碍物,则记录该路径点的通道宽度;
利用滑动窗口算法对预设窗口范围内的路径点的通道宽度和路径方向作平均处理,以得到该路径点对应的处理后的通道宽度;
根据处理后的通道宽度,确定该路径点是否属于通道路径点。
4.根据权利要求1所述的方法,其特征在于,通过以下方式确定所述目标避让点:
在预设采样周期内使用随机采样法探测到的机器人所处环境的多个探测点;
基于所述机器人周围的障碍物,利用膨胀算法对所述多个探测点进行膨胀计算,以从所述多个探测点中确定多个候选避让点;
按照可通过性评估策略从所述多个候选避让点中确定目标避让点。
5.根据权利要求1所述的方法,其特征在于,通过以下方式确定所述目标避让点:
在预设采样周期内探测机器人所处环境,按照可通过性评估策略对多个候选避让点进行有效避让点搜索;
若所述多个候选避让点中存在有效避让点,则停止搜索,得到至少一个有效避让点;
按照多个弱约束条件对所述至少一个有效避让点进行评估,以从所述至少一个有效避让点中确定目标避让点;
若所述多个候选避让点中不存在有效避让点,则下发减速指令,并执行下一采样周期,重新确定多个候选避让点。
6.根据权利要求5所述的方法,其特征在于,按照可通过性评估策略对多个候选避让点进行有效避让点搜索的步骤包括:
针对每个候选避让点,执行以下处理:
将机器人投影至该候选避让点并获取动态障碍物位置;
规划动态障碍物到该候选避让点左右两侧的路线;
若该候选避让点左右两侧中的任一侧路线规划成功,则将该候选避让点确定为有效避让点;
若该候选避让点左右两侧对应的路线均规划失败,则确定该候选避让点为无效避让点。
7.根据权利要求6所述的方法,其特征在于,按照多个弱约束条件对所述至少一个有效避让点进行评估,以从所述至少一个有效避让点中确定目标避让点的步骤包括:
针对每个弱约束条件,执行以下处理:
获取该弱约束条件对应的评估参数;
根据所述评估参数和该弱约束条件,确定该有效避让点在该弱约束条件下的评估指数,弱约束条件定义了评估参数与评估指数之间的计算函数;
针对每个有效避让点,对该有效避让点对应的评估指数之间进行加权求和,确定该有效避让点对应的有效避让指数;
将有效避让指数最小的有效避让点,确定为所述目标避让点。
8.根据权利要求7所述的方法,其特征在于,所述多个弱约束条件包括速度约束条件、通道宽度约束条件、有效避让点与两侧障碍物之间的第一距离约束条件和有效避让点与动态障碍物之间的第二距离约束条件,
其中,通过以下方式确定每个有效避让点的有效避让指数:
将该有效避让点处机器人的行进速度带入速度约束条件所指示的计算函数,得到该有效避让点在速度约束条件的第一评估指数;
将该有效避让点对应的通道宽度带入通道宽度约束条件所指示的计算函数,得到该有效避让点在通道宽度约束条件的第二评估指数;
将该有效避让点与两侧障碍物之间的距离值带入第一距离约束条件所指示的计算函数,得到该有效避让点在第一距离约束条件下的第三评估指数;
将该有效避让点与动态障碍物之间的距离值带入第二距离约束条件所指示的计算函数,得到该有效避让点在第二距离约束条件下的第四评估指数;
对该有效避让点对应的第一评估指数、第二评估指数、第三评估指数和第四评估指数之间进行加权求和,确定该有效避让点对应的有效避让指数。
9.一种机器人避让装置,其特征在于,所述装置包括:
检测模块,用于检测机器人所处的当前行进路段及当前路况;
判断模块,用于确定所述当前行进路段及当前路况满足预设避让条件,所述预设避让条件包括所述当前行进路段为通道路段、当前路况为堵塞且造成堵塞的为动态障碍物;
确定模块,用于在预设采样周期内探测机器人所处环境,确定目标避让点;
避让模块,用于控制机器人运行至所述目标避让点,以完成主动避让。
10.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至8任一所述的机器人避让方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311083295.9A CN117055557A (zh) | 2023-08-25 | 2023-08-25 | 一种机器人避让方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311083295.9A CN117055557A (zh) | 2023-08-25 | 2023-08-25 | 一种机器人避让方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117055557A true CN117055557A (zh) | 2023-11-14 |
Family
ID=88662420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311083295.9A Pending CN117055557A (zh) | 2023-08-25 | 2023-08-25 | 一种机器人避让方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117055557A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117325185A (zh) * | 2023-11-27 | 2024-01-02 | 成都越凡创新科技有限公司 | 移动机器人解死锁的方法及调度设备 |
-
2023
- 2023-08-25 CN CN202311083295.9A patent/CN117055557A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117325185A (zh) * | 2023-11-27 | 2024-01-02 | 成都越凡创新科技有限公司 | 移动机器人解死锁的方法及调度设备 |
CN117325185B (zh) * | 2023-11-27 | 2024-04-09 | 成都越凡创新科技有限公司 | 移动机器人解死锁的方法及调度设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7079943B2 (en) | Point-to-point path planning | |
JP5112666B2 (ja) | 移動装置 | |
Von Hundelshausen et al. | Driving with tentacles: Integral structures for sensing and motion | |
EP1504277B1 (en) | Real-time target tracking of an unpredictable target amid unknown obstacles | |
JP5746347B2 (ja) | 自律移動装置 | |
CN110834631A (zh) | 一种行人避让方法、装置、车辆及存储介质 | |
CN111694356B (zh) | 一种行驶控制方法、装置、电子设备及存储介质 | |
CN111788102A (zh) | 用于跟踪交通灯的里程计系统和方法 | |
CN113190010B (zh) | 一种沿边绕障路径规划方法、芯片及机器人 | |
CN113156956B (zh) | 机器人的导航方法、芯片及机器人 | |
CN117055557A (zh) | 一种机器人避让方法、装置及电子设备 | |
KR20190095622A (ko) | 회피경로 생성방법 및 그를 위한 장치 | |
JP2011054082A (ja) | 自律移動装置 | |
CN113741435A (zh) | 障碍物规避方法、装置、决策器、存储介质、芯片及机器人 | |
CN113110497A (zh) | 基于导航路径的沿边绕障路径选择方法、芯片及机器人 | |
JP2018063476A (ja) | 運転支援装置、運転支援方法及び運転支援用コンピュータプログラム | |
US11814072B2 (en) | Method and system for conditional operation of an autonomous agent | |
JP2013225253A (ja) | 自律移動装置、自律移動方法及び自律移動装置用のプログラム | |
Cremean et al. | Model-based estimation of off-highway road geometry using single-axis ladar and inertial sensing | |
Márquez-Gámez et al. | Active visual-based detection and tracking of moving objects from clustering and classification methods | |
CN116225007A (zh) | 一种基于新型蚁群优化算法的自主路径规划及避障系统 | |
JP2658056B2 (ja) | 自律走行車両制御装置 | |
Schröter et al. | Detection and classification of gateways for the acquisition of structured robot maps | |
CN114019972A (zh) | 无人清扫车避障方法、装置、电子设备及存储介质 | |
CN117928545A (zh) | 一种机器人室内导航系统自适应狭窄环境的方法 |
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 |