CN117193278A - 动态沿边路径生成的方法、装置、计算机设备和存储介质 - Google Patents
动态沿边路径生成的方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117193278A CN117193278A CN202210606138.0A CN202210606138A CN117193278A CN 117193278 A CN117193278 A CN 117193278A CN 202210606138 A CN202210606138 A CN 202210606138A CN 117193278 A CN117193278 A CN 117193278A
- Authority
- CN
- China
- Prior art keywords
- path
- fitting
- point
- edge
- points
- 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 43
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 180
- 230000003068 static effect Effects 0.000 claims abstract description 86
- 230000008447 perception Effects 0.000 claims abstract description 29
- 238000004590 computer program Methods 0.000 claims abstract description 26
- 230000004888 barrier function Effects 0.000 claims abstract description 15
- 238000006073 displacement reaction Methods 0.000 claims description 35
- 230000007797 corrosion Effects 0.000 claims description 12
- 238000005260 corrosion Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 3
- 238000010408 sweeping Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000005457 optimization Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请涉及一种动态沿边路径生成的方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取静态沿边路径,所述静态沿边路径包括多个路径点;实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;基于所述各目标路径点得到动态沿边路径。解决了设备在复杂场景或者环境变化较大的场景中沿边作业的问题。
Description
技术领域
本申请涉及人工智能领域,特别是涉及一种动态沿边路径生成方法、装置、计算机设备和存储介质。
背景技术
随着人工智能技术的兴起,自动化设备被应用在各行各业,比如清洁、巡航、排雷、收割等,上述行业的自动化设备需要根据作业路径进行全覆盖作业,沿边作业是衡量自动化设备工作效果一个非常重要的指标。
在现有技术中,自动化设备按照规划的沿边路径开展相关工作,无法应对复杂场景或者环境变化较大的场景。
发明内容
基于此,有必要针对上述技术问题,提供一种能够根据动态感知信息生成动态沿边路径的方法、系统、计算机设备、计算机可读存储介质,应对复杂场景或者环境变换较大的场景,减少沿边作业盲区。
本申请提供了一种动态沿边路径生成的方法,所述方法包括:
获取静态沿边路径,所述静态沿边路径包括多个路径点;
实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;
基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;
基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;
将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;
基于所述各目标路径点得到动态沿边路径。
在一个实施例中,所述基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线,包括:
计算所述静态沿边路径中各个路径点至所述设备位置的距离,将距离所述设备位置最近的路径点作为第一待拟合路径点;
基于所述第一待拟合路径点,分别计算相邻两个路径点之间的距离,对所述距离进行累加得到累计长度,所述累计长度为预设长度包含的路径点作为待拟合路径点;
对所述待拟合路径点进行拟合计算得到拟合参数,基于拟合参数得到拟合曲线。
在一个实施例中,所述基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向,包括:
对所述拟合曲线进行预设采样距离的采样,得到多个拟合采样点;
计算所述各拟合采样点到所述设备位置的距离,将距离所述设备位置最近的拟合采样点作为目标拟合采样点;
从所述障碍物边沿中获取距离所述目标拟合采样点最近的边沿点作为参考点;
基于所述目标拟合采样点在所述拟合曲线中切线的垂直方向确定所述参考点相对于所述目标拟合采样点的竖向位移;
基于所述竖向位移确定所述各拟合采样点移动的参考方向;
基于所述参考方向及所述各拟合采样点在所述拟合曲线的切线方向确定所述各拟合采样点对应的移动方向。
在一个实施例中,所述基于所述竖向位移确定所述各拟合采样点移动的参考方向包括,若所述竖向位移大于零,则参考方向为90度,若所述竖向位移小于零,则参考方向为负90度。
在一个实施例中,所述基于所述参考方向及所述各拟合采样点在所述拟合曲线的切线方向确定所述各拟合采样点对应的移动方向,包括:
基于所述拟合曲线,通过方向运算分别确定各拟合采样点在所述拟合曲线的切线方向;
所述各拟合采样点在所述拟合曲线的切向方向融合所述参考方向,得到所述各拟合采样点对应的移动方向。
在一个实施例中,所述动态感知信息还包括障碍物覆盖区域,所述各拟合采样点基于对应的移动方向进行不少于1次的预设移动距离的移动,得到对应的各目标路径点,包括:
所述将各拟合采样点分别基于对应的移动方向进行预设距离的移动,得到对应的参考路径点;
若所述对应的参考路径点的预覆盖区域与所述障碍物覆盖区域不存在重合区域,则所述对应的参考路径点基于对应的移动方向和所述预设距离再次进行移动,直至对应的参考路径点的预覆盖区域与所述障碍物覆盖区域存在重合区域,取前一次移动得到对应的参考路径点作为对应的目标路径点;所述参考路径点的预覆盖区域是基于参考路径点与设备的覆盖区域确定的。
在一个实施例中,所述获取静态沿边路径,包括:
获取作业区域的初始地图;
对所述初始地图进行膨胀处理和腐蚀处理,得到目标图像;
基于所述目标图像获取所述静态沿边路径。
本申请还提供了一种动态沿边路径生成的装置,所述装置包括:
静态沿边路径获取模块,用于获取静态沿边路径,所述静态沿边路径包含多个路径点;
动态感知信息获取模块,用于实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;
拟合模块,用于基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;
移动方向确定模块,用于基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;
移动模块,用于将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;
动态沿边路径生成模块,用于基于所述各目标路径点得到动态沿边路径。
本申请还提供了一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取静态沿边路径,所述静态沿边路径包括多个路径点;
实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;
基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;
基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;
将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;
基于所述各目标路径点得到动态沿边路径。
本申请还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,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以下步骤:
获取静态沿边路径,所述静态沿边路径包括多个路径点;
实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;
基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;
基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;
将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;
基于所述各目标路径点得到动态沿边路径。
上述动态沿边路径生成的方法、装置、计算机设备、存储介质,通过获取静态沿边路径,所述静态沿边路径包括多个路径点;实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;基于所述各目标路径点得到动态沿边路径。根据实时获取的动态感知信息对静态沿边路径进行调整,得到更贴合障碍物边沿的动态沿边路径,解决了设备在复杂场景或者环境变化较大的场景中沿边作业的问题。
附图说明
图1为一个实施例中动态沿边路径生成方法的应用环境图;
图2为一个实施例中动态沿边路径生成方法的流程示意图;
图3为一个实施例中生成拟合路径的流程示意图;
图4为一个实施例中确定移动方向的流程示意图;
图5为一个实施例中竖向位移参考图;
图6为另一个实施例中确定移动方向的流程示意图;
图7为一个实施例中确定目标路径点的流程示意图;
图8为一个实施例中确定静态沿边路径的流程示意图;
图9为一个实施例中扫地机器人获取动态沿边路径的流程示意图;
图10为一个实施例中动态沿边路径生成的结构框图;
图11为一个实施例中设备的内部结构图;
图12A为一个实施例中初始地图的示意图;
图12B为一个实施例中静态沿边路径和动态沿边路经的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的动态沿边路径生成的方法,可以应用于如图1所示的应用环境中。其中,设备102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。设备102从服务器104获取的静态沿边路径,设备102按照静态沿边路径开展作业,将实时获取的动态感知信息发送给服务器104,服务器104获取动态感知信息,基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线,基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向,将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点,基于所述各目标路径点得到动态沿边路径,设备102从服务器104获取动态沿边路径,设备102按照动态沿边路径开展作业。其中,设备102可以但不限于是各种自动化设备、扫地机器人、机器人、自动驾驶汽车以及无人驾驶飞机等中的至少一种。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种动态沿边路径生成的方法,本实施例以该方法应用于设备进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括设备和服务器的系统,并通过设备和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤202,获取静态沿边路径,静态沿边路径包括多个路径点。
其中,路径是指一段开放或者闭合的道路,用于设备通过;静态沿边路径是指根据静态地图生成靠近障碍物边沿的道路;路径点是指组成路径的点的合集,路径点可以用唯一的二维坐标或者三维坐标表示。
在一个实施例中,设备102获取作业区域的初始地图,对初始地图进行处理及轮廓提取,确定最大轮廓作为静态沿边路径。初始地图可以为特征地图、拓扑地图、栅格地图等,处理的方法可以为二值化处理、膨胀处理、腐蚀处理等图像处理方法中的一种方法或者多种处理方法的组合。
步骤204,实时获取动态感知信息,动态感知信息包括设备位置和障碍物边沿。
其中,实时是指在某事发生、发展的时间同步做某事;动态感知信息是指设备在作业的同时获取到关于自身及作业环境的相关信息;设备位置是指设备所在作业区域的具体方位,可以用二维坐标或者三维坐标表示。障碍物是指阻碍设备作业的设施、物品等,比如,墙壁、桌子、其他设备等。
具体的,设备通过辅助器件获取设备位置、障碍物信息。在一个实施例中,所述辅助器件为超声波传感器、红外测距仪等器件。
在一个实施例中,设备位置用设备几何中心点所在作业区域的二维坐标表示,障碍物信息包括障碍物边沿和障碍物覆盖区域,障碍物边沿和障碍物覆盖区域均用二维坐标点的点集表示,障碍物边沿点集为障碍物覆盖区域点集的子集。
步骤206,基于设备位置从静态沿边路径中截取预设长度的路径段,对路径段包含的路径点进行拟合得到拟合曲线。
其中,预设长度是指预先限定的长度。预设长度可以根据用户输入信息、设备的尺寸、设备运行的速度、静态沿边路径的长度等进行设定。拟合曲线是指对多个离散点进行多项式拟合得到的直线或者曲线。
具体的,从静态沿边路径中截取预设长度的路径段,对路径段包含的路径点进行多项式拟合,得到一条拟合曲线。
步骤208,基于拟合曲线及障碍物边沿确定拟合曲线中各拟合采样点对应的移动方向。
其中,障碍物边沿是指障碍物沿边的部分。障碍物边沿可以用曲线、二维坐标点点集等进行表示。
具体的,通过拟合曲线与障碍物边沿的位置关系及各拟合采样点在拟合曲线的切线方向确定各拟合采样点对应的移动方向。
步骤210,将各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点。
其中,预设距离是指预先设定的距离。预设距离可以根据设备的移动速度、设备的形状、设备的尺寸、与障碍物边沿的距离等进行设定。目标路径点是指拟合采样点移动后满足设定条件的对应的点。
具体的,拟合采样点根据移动方向进行预设距离的多次移动,直到满足设定的条件,得到目标路径点。
步骤212,基于各目标路径点得到动态沿边路径。
其中,动态沿边路径是指根据动态感知信息对静态沿边路径进行调整得到的沿边路径。
具体的,目标路径点及相邻路径点间的连线共同组成动态沿边路径。
上述动态沿边路径生成的方法中,实时获取的动态感知信息,基于设备位置从所述静态沿边路径中截取预设长度的路径段,对路径段采样得到的各拟合采样点进行拟合得到拟合曲线,基于拟合曲线及障碍物边沿确定拟合曲线中各拟合采样点对应的移动方向,各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,得到对应的各目标路径点,基于各目标路径点得到动态沿边路径,根据获取的动态感知信息对静态沿边路径进行实时的调整,不仅可以避开障碍物,而且得到的动态沿边路径更贴合障碍物边沿,解决了设备在复杂场景或者环境变化较大的场景中沿边作业的问题。
在一个实施例中,如图3所示,步骤206包括:
步骤302,计算静态沿边路径中各个路径点至设备位置的距离,将距离设备位置最近的路径点作为第一待拟合路径点。
其中,第一待拟合路径点是指从静态沿边路径点中选取的第一个用于求拟合曲线的路径点。
具体的,分别计算静态沿边路径中每个路径点到设备位置的距离,距离最短对应的路径点为第一待拟合路径点。路径点到设备位置的距离,可以使用如下公式(1)进行计算:
其中,Li是指第i个路径点到设备位置的距离,xi是指第i个路径点在作业地图中的横向坐标,yi是指第i个路径点在作业地图中的纵向坐标,x是指设备几何中心在作业地图中的横向坐标,y是指设备几何中心在作业地图中的纵向坐标。
步骤304,基于第一待拟合路径点,分别计算相邻两个路径点之间的距离,对距离进行累加得到累计长度,累计长度为预设长度包含的路径点作为待拟合路径点。
具体的,从第一待拟合路径点开始,分别计算相邻两个路径点的距离,并对得到的距离进行累加得到累计长度,累计长度等于预设距离所包含的路径点作为待拟合路径点。
步骤306,对待拟合路径点进行拟合计算得到拟合参数,基于拟合参数得到拟合曲线。
其中,拟合是指将平面上一系列的点用一条光滑的曲线表示。拟合可以为线性拟合、多项式拟合、指数拟合、高斯拟合等。拟合参数是指拟合曲线表达式的参数。拟合参数可以通过最小二乘法、实验数据拟合方法等方法求解。拟合曲线是指对多个离散点建立的数学模型。拟合曲线可以为指数函数拟合曲线、幂函数拟合曲线、双曲型拟合曲线等。
在一个实施例中,对待拟合路径点进行三项式拟合,首先将三次多项式表示为f(x)=a+b*x+c*x2+d*x3,待拟合路径点点集表示为P=((x1,y1),(x2,y2),……,(xn,yn)),需要求解的参数矩阵表示为表示为Para=[a b c d]T,采用非线性最小二乘法的方式进行参数求解,求解表达式为:
其中,xi,yi分别为第i个拟合路径点在作业区域的横坐标和纵坐标。公式(2)可以通过牛顿高斯迭代法进行求解,或者使用求解器G2O优化库或者Ceres优化库中的求解方法进行求解。其中,Ceres是指谷歌开源的高效的非线性优化库Ceres Solver中用于解决非线性最小二乘问题的工具。G2O是指General Graphic Optimization,是一个图像优化的库,将非线性优化与图论结合起来的理论,可以利用G2O求解任何可以表示为图优化的最小二乘问题。在本实施例中,对筛选的路径点进行拟合得到对应的拟合曲线,为确定拟合采样点及拟合采样点的移动方向提供基础。
在本实施例中,对筛选的路径点进行拟合得到对应的拟合曲线,为确定拟合采样点及拟合采样点的移动方向提供基础,提高了计算拟合采样点移动方向的准确度。
在一个实施例中,如图4所示,步骤208包括:
步骤402,对拟合曲线进行预设采样距离的采样,得到多个拟合采样点。
其中,预设采样距离是指预先设定的采样点之间的间隔距离。预设采样距离可以根据服务器104的计算能力,设备的尺寸、形状、运行速度等进行设定。拟合采样点是指在拟合曲线上采样得到的点。拟合采样点可以用坐标点表示。
具体的,对拟合曲线进行间隔距离为预设采样距离的多次采样,得到多个拟合采样点。
步骤404,计算各拟合采样点到设备位置的距离,将距离设备位置最近的拟合采样点作为目标拟合采样点。
步骤406,从障碍物边沿中获取距离目标拟合采样点最近的边沿点作为参考点。
其中,边沿点是指障碍物边沿点集中的点,可以用二维坐标或者三维坐标点表示。
具体的,分别计算障碍物边沿的每个边沿点到目标拟合采样点的距离,并对距离进行比较,确定距离最短的边沿点为参考点。
步骤408,基于目标拟合采样点在拟合曲线中切线的垂直方向确定参考点相对于目标拟合采样点的竖向位移。
在一个实施例中,如图5所,502为障碍物边沿点点集,504为拟合采样点点集,A点为目标拟合采样点,B点为参考点,B点相对于A点的竖向位移可以表示为B点在到以A点为原点,以A点在拟合曲线的切线为横轴建立的平面坐标系上纵轴的投影,B点相对于A点的竖向位移可以理解为C点的竖向坐标,竖向位移S通过如下表达式得到:
S=(yB-yA)*cosα-(xB-xA)*sinα公式(3)
其中,xB、yB分别为B点的横坐标和竖坐标,xA、yA分别A点的横坐标和竖坐标,α为A点在拟合曲线的切线的斜率对应的方向角。
步骤410,基于竖向位移确定各拟合采样点移动的参考方向。
具体的,根据竖向位移S的正负判断障碍物边沿在拟合采样点的正方向或者负方向,可以理解为,若S>0,则障碍物边沿在以A点为原点,以A点在拟合曲线的切线为横轴建立的坐标系y>0的区域,即为正方向;若S<0,则障碍物边沿在以A点为原点,以A点在拟合曲线的切线为横轴建立的坐标系y<0的区域,即为负方向。
步骤412,基于参考方向及所述各拟合采样点在拟合曲线的切线方向确定所述各拟合采样点对应的移动方向。
在本实施例中,通过运算得到拟合采样点移动的参考方向,基于所述参考方向和各拟合采样点在所述拟合曲线的切线方向确定所述各拟合采样点对应的移动方向,提高了静态沿边路径调整的方向性。
在一个实施例中,步骤412包括:若竖向位移大于零,则参考方向为90度,若竖向位移小于零,则参考方向为负90度。
具体的,若S>0,则障碍物边沿中参考点在以目标拟合点为原点、目标拟合点在拟合曲线的切线为横轴建立的坐标系中y>0的区域,可以理解为拟合采样点向上述坐标系纵轴的正向移动,参考方向为90度,;若S<0,则障碍物边沿中参考点在以目标拟合点为原点、目标拟合点在拟合曲线的切线为横轴建立的坐标系中y<0的区域,可以理解为拟合采样点向上述坐标系纵轴的负方向移动,参考方向为负90度,移动的方向均为靠近障碍物边沿的方向。
在本实施例中,将竖向位移转换为可量化的角度,便于基于参考方向确定各拟合采样点对应的移动方向。
在一个实施例中,如图6所述,步骤208包括:
步骤602,基于拟合曲线,通过方向运算分别确定各拟合采样点在拟合曲线的切线方向。
其中,方向运算是指对拟合曲线进行求导运算和反正切运算。
在一个实施例中,如图5所述,拟合采样点A点的切向方向为α:
α=arctan(df(xA)/dxA)公式(4)
其中,f(x)为拟合曲线,xA为拟合采样点A点的横坐标。
步骤604,各拟合采样点在拟合曲线的切向方向融合参考方向,得到各拟合采样点的移动方向。
其中,移动方向是指各拟合采样点向障碍物边沿移动时移动的角度。融合是指加法运算。
具体的,各拟合采样点的切线方向加上参考方向得到各拟合采样点对应的移动方向,可以理解为移动方向=切向方向+参考方向。在一个实施例中,如图5所示拟合采样点A点的移动方向为α+90°
在本实施例中,通过方向运算得到各拟合采样点的切向方向,各拟合采样点的切线方向加上参考方向得到对应的各拟合采样点的移动方向,量化的移动方向提高了静态沿边路经的调整准确程度。
在一个实施例中,如图7所述,步骤210包括:
步骤702,将各拟合采样点分别基于对应的移动方向进行预设距离的移动,得到对应的参考路径点。
其中,参考路径点是指拟合采样点基于对应的移动方向进行一次或者多次平移后得到的路径点。
步骤704,判断对应的参考路径点的预覆盖区域与障碍物覆盖区域是否存在重合区域。
其中,预覆盖区域是指基于参考路径点与设备的覆盖区域确定的区域,可以理解为以参考路径点为设备的几何中心,设备覆盖的区域。预覆盖区域可以用二维点点集、三维点点集表示。障碍物覆盖区域是指障碍物在作业区域中占据的区域,可以用二维坐标点点集、三维坐标点点集表示。
具体的,对预覆盖区域与障碍物覆盖区域求交集,通过交集的结果判断预覆盖区域与障碍物覆盖区域是否有重合。若预覆盖区域与障碍物覆盖区域没有重合,则执行步骤702,若预覆盖区域与障碍物覆盖区域有重合,则执行步骤706。
在一个实施例中,拟合曲线中的一个拟合采样点的坐标为(xi,yi),对应的方向角为α,参考方向为β(β为90°或者-90°),预设移动距离为L,该拟合路径点基于移动方向和预设移动距离移动一次后的参考路径点为(xi1,yi1),xi1及yi1分别为:
xi1=xi+L*cos(α+β) 公式(5)
yi1=yi+L*sin(α+β) 公式(6)
其中,xi1,yi1分别为拟合采样点(xi,yi)移动一次后的参考路径点的横坐标和纵坐标。
在一个实施例中,设备为四边形,设备在参考路径点的四个点坐标分别表示为vertex11,vertex12,vertex13,vertex14,设备在参考路径点的覆盖区域表示为H1=h(vertex11,vertex12,vertex13,vertex14),障碍物的覆盖区域的点集为H,则:
H1∩H≠Φ,表示设备在参考路径点的预覆盖区域部分存在于障碍物覆盖区域内;
H1∩H=Φ,表示设备在参考路径点的预覆盖区域与障碍物覆盖区域没有重合区域。
步骤706,取前一次移动得到对应的参考路径点作为对应的目标路径点。
具体的,若预覆盖区域与障碍物覆盖区域有重合区域,说明设备无法通过该参考路径点,取前一次移动得到的参考路径点作为目标路径点。
在本实施例中,拟合采样点通过一次或者多次移动得到目标路径点,得到的目标路经点更贴近障碍物边沿且设备可以运行通过,减少了动态沿边路径与障碍物边沿的距离。
在一个实施例中,所述获取静态沿边路径,如图8所述,包括:
步骤802,获取作业区域的初始地图;
其中,初始地图是指设备通过传感器或者红外测距仪获取的作业区域地图,可以为拓扑地图、几何地图、栅格地图等形式的地图。
步骤804,对初始地图进行膨胀处理和腐蚀处理,得到目标图像;
其中,膨胀处理是指在图像的边缘添加像素值,使得整体的像素值扩张,进而达到图像的膨胀效果。腐蚀处理是指出去图像边缘某些部分,达到图像向内收缩的效果。腐蚀处理的方式可以为水平腐蚀、垂直腐蚀、全方向腐蚀。
步骤806,基于目标图像获取静态沿边路径。
其中,轮廓提取是指提取图像的边缘。轮廓提取的方法可以采用内部掏空点发、边界跟踪法、区域增长法、区域分裂合并法等。
具体的,通过对目标图采用轮廓提取方法得到图像轮廓,最大的轮廓为静态沿边路径。
在本实施例中,设备获取作业区域初始地图,对初始地图进行膨胀处理和腐蚀处理得到目标地图,对目标地图进行轮廓提取得到静态沿边路径,得到设备贴近障碍物边沿作业的路径。
在一个具体的实施例中,设备为扫地机器人,扫地机器人获取动态沿边路径的流程如图9所示:
步骤902,获取作业区域的初始地图。具体的,作业区域初始地图为2D栅格地图,如图12A所示。
步骤904,对初始地图进行处理得到静态沿边路径。具体的,对2D栅格地图进行二值化处理,将图像中的像素值表示为0或者254,其中0代表可通行,254代表不可以通行,得到第一目标图像;设定一个3*3的核,用该核与第一目标图像进行求或操作得到第二目标图像;使用上述3*3的核与第二目标图像进行求与操作得到第三目标图像;对第三目标图像进行轮廓提取,确定最大的轮廓为静态沿边路径,静态沿边路径如图12B中的1202所示。
步骤906,基于静态沿边路经开展清扫作业,实时获取动态感知信息。具体的,扫地机器人基于静态沿边路径开展清扫作业,开展清扫工作的同时基于传感器和红外测距仪等辅助器件动态获取周边的障碍物信息,包括墙壁、桌椅等周边的障碍信息,得到障碍物覆盖区域和障碍物边沿,所述障碍物覆盖区域和障碍物边沿用二维坐标点点集进行表示。
步骤908,基于动态感知信息对静态沿边路经进行调整得到动态沿边路径。具体的,基于扫地机器人的定位信息,获取扫地机器人几何中心的坐标,确定静态沿边路径中距离扫地机器人几何中心最近的路径点为待拟合第一路径点,从待拟合第一路径点开始,分别计算相邻两个路径点的距离,并且对计算出的距离进行累加,得到的累计距离等于预设距离包含的路径点为待拟合路径点点集;对待拟合路径点点集进行三项式拟合,采用非线性最小二乘法的方式进行参数镇定,通过牛顿高斯迭代法得到三项式拟合的参数,得到拟合曲线;对拟合曲线进行预设距离采样距离的采样得到拟合采样点,通过对拟合曲线求导和反正切运算得到各拟合采样点的切向方向;分别计算各拟合采样点到扫地机器人几何中心的距离,确定距离最短的采样点为目标拟合采样点,分别计算障碍物边沿各边沿点到目标拟合采样点的距离,确定距离最短的边沿点为参考点,计算参考点相对于目标拟合采样点的纵向位移,若纵向位移小于0,则参考方向为90°,若纵向位移大于0,则参考方向为-90°;各拟合采样点的切向方向加上参考方向得到各拟合采样带点的移动方向。
各拟合采样点基于对应的移动方向,进行预设移动距离的不少于1次的移动得到参考沿边路径点,基于扫地机器人的覆盖区域和参考路径点得到扫地机器人几何中心位于参考路径点的预覆盖区域,预覆盖区域和障碍物覆盖区域求交集,若交集结果为空,则继续基于移动方向和预设移动距离进行移动,直至交集结果不为空,则确定前一次移动得到的参考路径点为目标路径点。各目标路径点组成动态沿边路径,如图12B中1204所示。
步骤910,基于动态沿边路径开展清扫作业。具体的,扫地机器人根据动态沿边路径12B中1204开展清扫作业。
在本实施例中,扫地机器在作业的同时获取周围障碍物信息,根据障碍物信息实时调整静态沿边路径,得到更贴近障碍物边沿的动态沿边路径,减少了作业盲区,提升了障碍物边沿的清扫效果。
应该理解的是,虽然图1-9的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-9中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的动态沿边路径生成的装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个动态沿边路径生成的装置,实施例中的具体限定可以参见上文中对于动态沿边路径生成方法的限定,在此不再赘述。
在一个实施例中,如图10所示,提供了一种动态沿边路径生成的装置,包括静态沿边路径获取模块、动态感知信息获取模块、拟合模块、移动方向确定模块、移动模块、动态沿边路径生成模块,其中:
静态沿边路径获取模块1002,用于获取静态沿边路径,所述静态沿边路径包含多个路径点;
动态感知信息获取模块1004,用于动态感知信息获取模块,用于实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;
拟合模块1006,用于基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;
移动方向确定模块1008,用于基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;
移动模块1010,用于将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;
动态沿边路径生成模块1012,用于基于所述各目标路径点得到动态沿边路径。
在一个实施例中,所述拟合模块1006还用于:计算所述静态沿边路径中各个路径点至所述设备位置的距离,将距离所述设备位置最近的路径点作为第一待拟合路径点;基于所述第一待拟合路径点,分别计算相邻两个路径点之间的距离,对所述距离进行累加得到累计长度,所述累计长度为预设长度包含的路径点作为待拟合路径点;对所述待拟合路径点进行拟合计算得到拟合参数,基于拟合参数得到拟合曲线。
在一个实施例中,所述移动方向确定模块1008还用于:对所述拟合曲线进行预设采样距离的采样,得到多个拟合采样点;计算所述各拟合采样点到所述设备位置的距离,将距离所述设备位置最近的拟合采样点作为目标拟合采样点;从所述障碍物边沿中获取距离所述目标拟合采样点最近的边沿点作为参考点;基于所述目标拟合采样点在所述拟合曲线中切线的垂直方向确定所述参考点相对于所述目标拟合采样点的竖向位移;基于所述竖向位移确定所述各拟合采样点移动的参考方向;基于所述参考方向及所述各拟合采样点在所述拟合曲线的切线方向确定所述各拟合采样点对应的移动方向。
在一个实施例中,所述移动方向确定模块1008还用于:若所述竖向位移大于零,则参考方向为90度,若所述竖向位移小于零,则参考方向为负90度。
在一个实施例中,所述移动方向确定模块1008还用于:基于所述拟合曲线,通过方向运算分别确定各拟合采样点在所述拟合曲线的切线方向;所述各拟合采样点在所述拟合曲线的切向方向融合所述参考方向,得到所述各拟合采样点对应的移动方向。
在一个实施例中,所述移动模块1010还用于:所述将各拟合采样点分别基于对应的移动方向进行预设距离的移动,得到对应的参考路径点;若所述对应的参考路径点的预覆盖区域与所述障碍物覆盖区域不存在重合区域,则所述对应的参考路径点基于对应的移动方向和所述预设距离再次进行移动,直至对应的参考路径点的预覆盖区域与所述障碍物覆盖区域存在重合区域,取前一次移动得到对应的参考路径点作为对应的目标路径点;所述参考路径点的预覆盖区域是基于参考路径点与设备的覆盖区域确定的。
在一个实施例中,所述静态沿边路径获取模块1002还用于:获取作业区域的初始地图;对所述初始地图进行膨胀处理和腐蚀处理,得到目标图像;基于所述目标图像获取所述静态沿边路径。
上述动态沿边路径生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图11示出了一个实施例中计算机设备的内部结构图。该计算机设备既可以是终端,也可以是服务器。如图11所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现视频合成方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行业务单据转换方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取静态沿边路径,所述静态沿边路径包括多个路径点;实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;基于所述各目标路径点得到动态沿边路径。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:计算所述静态沿边路径中各个路径点至所述设备位置的距离,将距离所述设备位置最近的路径点作为第一待拟合路径点;基于所述第一待拟合路径点,分别计算相邻两个路径点之间的距离,对所述距离进行累加得到累计长度,所述累计长度为预设长度包含的路径点作为待拟合路径点;对所述待拟合路径点进行拟合计算得到拟合参数,基于拟合参数得到拟合曲线。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对所述拟合曲线进行预设采样距离的采样,得到多个拟合采样点;计算所述各拟合采样点到所述设备位置的距离,将距离所述设备位置最近的拟合采样点作为目标拟合采样点;从所述障碍物边沿中获取距离所述目标拟合采样点最近的边沿点作为参考点;基于所述目标拟合采样点在所述拟合曲线中切线的垂直方向确定所述参考点相对于所述目标拟合采样点的竖向位移;基于所述竖向位移确定所述各拟合采样点移动的参考方向;基于所述参考方向及所述各拟合采样点在所述拟合曲线的切线方向确定所述各拟合采样点对应的移动方向。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若所述竖向位移大于零,则参考方向为90度,若所述竖向位移小于零,则参考方向为负90度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:基于所述拟合曲线,通过方向运算分别确定各拟合采样点在所述拟合曲线的切线方向;所述各拟合采样点在所述拟合曲线的切向方向融合所述参考方向,得到所述各拟合采样点对应的移动方向。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:所述将各拟合采样点分别基于对应的移动方向进行预设距离的移动,得到对应的参考路径点;若所述对应的参考路径点的预覆盖区域与所述障碍物覆盖区域不存在重合区域,则所述对应的参考路径点基于对应的移动方向和所述预设距离再次进行移动,直至对应的参考路径点的预覆盖区域与所述障碍物覆盖区域存在重合区域,取前一次移动得到对应的参考路径点作为对应的目标路径点;所述参考路径点的预覆盖区域是基于参考路径点与设备的覆盖区域确定的。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取作业区域的初始地图;对所述初始地图进行膨胀处理和腐蚀处理,得到目标图像;基于所述目标图像获取所述静态沿边路径。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取静态沿边路径,所述静态沿边路径包括多个路径点;实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;基于所述各目标路径点得到动态沿边路径。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:计算所述静态沿边路径中各个路径点至所述设备位置的距离,将距离所述设备位置最近的路径点作为第一待拟合路径点;基于所述第一待拟合路径点,分别计算相邻两个路径点之间的距离,对所述距离进行累加得到累计长度,所述累计长度为预设长度包含的路径点作为待拟合路径点;对所述待拟合路径点进行拟合计算得到拟合参数,基于拟合参数得到拟合曲线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对所述拟合曲线进行预设采样距离的采样,得到多个拟合采样点;计算所述各拟合采样点到所述设备位置的距离,将距离所述设备位置最近的拟合采样点作为目标拟合采样点;从所述障碍物边沿中获取距离所述目标拟合采样点最近的边沿点作为参考点;基于所述目标拟合采样点在所述拟合曲线中切线的垂直方向确定所述参考点相对于所述目标拟合采样点的竖向位移;基于所述竖向位移确定所述各拟合采样点移动的参考方向;基于所述参考方向及所述各拟合采样点在所述拟合曲线的切线方向确定所述各拟合采样点对应的移动方向。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若所述竖向位移大于零,则参考方向为90度,若所述竖向位移小于零,则参考方向为负90度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:基于所述拟合曲线,通过方向运算分别确定各拟合采样点在所述拟合曲线的切线方向;所述各拟合采样点在所述拟合曲线的切向方向融合所述参考方向,得到所述各拟合采样点对应的移动方向。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:所述将各拟合采样点分别基于对应的移动方向进行预设距离的移动,得到对应的参考路径点;若所述对应的参考路径点的预覆盖区域与所述障碍物覆盖区域不存在重合区域,则所述对应的参考路径点基于对应的移动方向和所述预设距离再次进行移动,直至对应的参考路径点的预覆盖区域与所述障碍物覆盖区域存在重合区域,取前一次移动得到对应的参考路径点作为对应的目标路径点;所述参考路径点的预覆盖区域是基于参考路径点与设备的覆盖区域确定的。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取作业区域的初始地图;对所述初始地图进行膨胀处理和腐蚀处理,得到目标图像;基于所述目标图像获取所述静态沿边路径。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种动态沿边路径生成的方法,其特征在于,所述方法包括:
获取静态沿边路径,所述静态沿边路径包括多个路径点;
实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;
基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;
基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;
将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;
基于所述各目标路径点得到动态沿边路径。
2.根据权利要求1所述的方法,其特征在于,所述基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线,包括:
计算所述静态沿边路径中各个路径点至所述设备位置的距离,将距离所述设备位置最近的路径点作为第一待拟合路径点;
基于所述第一待拟合路径点,分别计算相邻两个路径点之间的距离,对所述距离进行累加得到累计长度,所述累计长度为预设长度包含的路径点作为待拟合路径点;
对所述待拟合路径点进行拟合计算得到拟合参数,基于拟合参数得到拟合曲线。
3.根据权利要求1所述的方法,其特征在于,所述基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向,包括:
对所述拟合曲线进行预设采样距离的采样,得到多个拟合采样点;
计算所述各拟合采样点到所述设备位置的距离,将距离所述设备位置最近的拟合采样点作为目标拟合采样点;
从所述障碍物边沿中获取距离所述目标拟合采样点最近的边沿点作为参考点;
基于所述目标拟合采样点在所述拟合曲线中切线的垂直方向确定所述参考点相对于所述目标拟合采样点的竖向位移;
基于所述竖向位移确定所述各拟合采样点移动的参考方向;
基于所述参考方向及所述各拟合采样点在所述拟合曲线的切线方向确定所述各拟合采样点对应的移动方向。
4.根据权利要求3所述的方法,其特征在于,所述基于所述竖向位移确定所述各拟合采样点移动的参考方向包括,若所述竖向位移大于零,则参考方向为90度,若所述竖向位移小于零,则参考方向为负90度。
5.根据权利要求3所述的方法,其特征在于,所述基于所述参考方向及所述各拟合采样点在所述拟合曲线的切线方向确定所述各拟合采样点对应的移动方向,包括:
基于所述拟合曲线,通过方向运算分别确定各拟合采样点在所述拟合曲线的切线方向;
所述各拟合采样点在所述拟合曲线的切向方向融合所述参考方向,得到所述各拟合采样点对应的移动方向。
6.根据权利要求1所述方法,其特征在于,所述动态感知信息还包括障碍物覆盖区域,所述将各拟合采样点基于对应的移动方向进行至少一次的预设移动距离的移动,以得到对应的各目标路径点,包括:
所述将各拟合采样点分别基于对应的移动方向进行预设距离的移动,得到对应的参考路径点;
若所述对应的参考路径点的预覆盖区域与所述障碍物覆盖区域不存在重合区域,则所述对应的参考路径点基于对应的移动方向和所述预设距离再次进行移动,直至对应的参考路径点的预覆盖区域与所述障碍物覆盖区域存在重合区域,取前一次移动得到对应的参考路径点作为对应的目标路径点;所述参考路径点的预覆盖区域是基于参考路径点与设备的覆盖区域确定的。
7.根据权利要求1所述的方法,其特征在于,所述获取静态沿边路径,包括:
获取作业区域的初始地图;
对所述初始地图进行膨胀处理和腐蚀处理,得到目标图像;
基于所述目标图像获取所述静态沿边路径。
8.一种沿边路径生成的装置,其特征在于,所述装置包括:
静态沿边路径获取模块,用于获取静态沿边路径,所述静态沿边路径包含多个路径点;
动态感知信息获取模块,用于实时获取动态感知信息,所述动态感知信息包括设备位置和障碍物边沿;
拟合模块,用于基于所述设备位置从所述静态沿边路径中截取预设长度的路径段,对所述路径段包含的路径点进行拟合得到拟合曲线;
移动方向确定模块,用于基于所述拟合曲线及所述障碍物边沿确定所述拟合曲线中各拟合采样点对应的移动方向;
移动模块,用于将所述各拟合采样点基于对应的移动方向进行至少一次的预设距离的移动,以得到对应的各目标路径点;
动态沿边路径生成模块,用于基于所述各目标路径点得到动态沿边路径。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210606138.0A CN117193278A (zh) | 2022-05-31 | 2022-05-31 | 动态沿边路径生成的方法、装置、计算机设备和存储介质 |
PCT/CN2023/089999 WO2023231640A1 (zh) | 2022-05-31 | 2023-04-23 | 动态沿边路径生成方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210606138.0A CN117193278A (zh) | 2022-05-31 | 2022-05-31 | 动态沿边路径生成的方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117193278A true CN117193278A (zh) | 2023-12-08 |
Family
ID=89003948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210606138.0A Pending CN117193278A (zh) | 2022-05-31 | 2022-05-31 | 动态沿边路径生成的方法、装置、计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117193278A (zh) |
WO (1) | WO2023231640A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117553801A (zh) * | 2024-01-08 | 2024-02-13 | 深圳市普渡科技有限公司 | 拓扑路径图生成方法、装置、机器人及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109683619A (zh) * | 2019-02-11 | 2019-04-26 | 山东省科学院海洋仪器仪表研究所 | 一种基于图形参数化的机器人路径规划方法及系统 |
CN111938513A (zh) * | 2020-06-30 | 2020-11-17 | 珠海市一微半导体有限公司 | 一种机器人越障的沿边路径选择方法、芯片及机器人 |
CN112180931A (zh) * | 2020-09-30 | 2021-01-05 | 小狗电器互联网科技(北京)股份有限公司 | 扫地机的清扫路径规划方法、装置及可读存储介质 |
WO2021248845A1 (zh) * | 2020-06-12 | 2021-12-16 | 珠海一微半导体股份有限公司 | 一种机器人沿边行走的清洁分区规划方法、芯片及机器人 |
CN114396945A (zh) * | 2022-03-24 | 2022-04-26 | 陕西欧卡电子智能科技有限公司 | 无人船沿边清扫路径规划方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928320B (zh) * | 2020-02-10 | 2020-08-04 | 上海高仙自动化科技发展有限公司 | 路径生成方法及生成装置、智能机器人及存储介质 |
CN111474946B (zh) * | 2020-05-27 | 2021-04-23 | 苏州高之仙自动化科技有限公司 | 边沿检测方法及装置、机器人沿边清扫的控制方法及装置 |
CN113721608A (zh) * | 2021-08-16 | 2021-11-30 | 河南牧原智能科技有限公司 | 机器人局部路径规划方法、系统和可读存储介质 |
CN114265405A (zh) * | 2021-09-26 | 2022-04-01 | 深圳市商汤科技有限公司 | 一种移动机器人及其沿边移动方法、计算机存储介质 |
-
2022
- 2022-05-31 CN CN202210606138.0A patent/CN117193278A/zh active Pending
-
2023
- 2023-04-23 WO PCT/CN2023/089999 patent/WO2023231640A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109683619A (zh) * | 2019-02-11 | 2019-04-26 | 山东省科学院海洋仪器仪表研究所 | 一种基于图形参数化的机器人路径规划方法及系统 |
WO2021248845A1 (zh) * | 2020-06-12 | 2021-12-16 | 珠海一微半导体股份有限公司 | 一种机器人沿边行走的清洁分区规划方法、芯片及机器人 |
CN111938513A (zh) * | 2020-06-30 | 2020-11-17 | 珠海市一微半导体有限公司 | 一种机器人越障的沿边路径选择方法、芯片及机器人 |
CN112180931A (zh) * | 2020-09-30 | 2021-01-05 | 小狗电器互联网科技(北京)股份有限公司 | 扫地机的清扫路径规划方法、装置及可读存储介质 |
CN114396945A (zh) * | 2022-03-24 | 2022-04-26 | 陕西欧卡电子智能科技有限公司 | 无人船沿边清扫路径规划方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
修彩靖;陈慧;: "基于改进人工势场法的无人驾驶车辆局部路径规划的研究", 汽车工程, no. 09, 25 September 2013 (2013-09-25) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117553801A (zh) * | 2024-01-08 | 2024-02-13 | 深圳市普渡科技有限公司 | 拓扑路径图生成方法、装置、机器人及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023231640A1 (zh) | 2023-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10580204B2 (en) | Method and device for image positioning based on 3D reconstruction of ray model | |
CN109541997B (zh) | 一种面向平面/近似平面工件的喷涂机器人快速智能编程方法 | |
WO2020134082A1 (zh) | 一种路径规划方法、装置和移动设备 | |
US20180081035A1 (en) | Method and device for filtering point cloud data | |
CN110009727A (zh) | 一种具有结构语义的室内三维模型自动重构方法及系统 | |
KR101949609B1 (ko) | 대표 광선 기반의 점유맵 업데이트 방법 및 시스템 | |
Chen et al. | Denoising of point cloud data for computer-aided design, engineering, and manufacturing | |
CN115527036A (zh) | 电网场景点云语义分割方法、装置、计算机设备和介质 | |
CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
Maalek et al. | Towards automatic digital documentation and progress reporting of mechanical construction pipes using smartphones | |
CN117193278A (zh) | 动态沿边路径生成的方法、装置、计算机设备和存储介质 | |
Danilov | Unstructured tetrahedral mesh generation technology | |
Liu et al. | Comparison of 2D image models in segmentation performance for 3D laser point clouds | |
Li et al. | UAV-based SLAM and 3D reconstruction system | |
CN116481517B (zh) | 扩展建图方法、装置、计算机设备和存储介质 | |
KR101107735B1 (ko) | 카메라 포즈 결정 방법 | |
Verykokou et al. | A Comparative analysis of different software packages for 3D Modelling of complex geometries | |
CN114463429B (zh) | 机器人、地图创建方法、定位方法及介质 | |
Liu et al. | A localizability estimation method for mobile robots based on 3d point cloud feature | |
CN110458938A (zh) | 一种散货料堆实时三维重建方法及系统 | |
Dong et al. | Pose estimation of components in 3c products based on point cloud registration | |
CN115096286A (zh) | 地图合并方法、装置、机器人、存储介质和程序产品 | |
Zhang et al. | An improvement algorithm for OctoMap based on RGB-D SLAM | |
Denker et al. | On-line reconstruction of CAD geometry | |
Zieliński et al. | 3d dense mapping with the graph of keyframe-based and view-dependent local maps |
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 |