CN117742351A - 自移动设备的控制方法、自移动设备和可读存储介质 - Google Patents

Abstract

本申请公开了一种自移动设备的控制方法、自移动设备和可读存储介质，该方法包括：确定自移动设备基于当前环境空间划分的危险区域；连续获取当前环境空间中的环境点云数据；若根据环境点云数据确定危险区域内存在目标障碍物，则根据目标障碍物对应的目标点云数据以及自移动设备的运动参数，对目标障碍物与自移动设备进行碰撞预测，得到碰撞预测结果；根据碰撞预测结果控制自移动设备移动。上述控制方法，可以实现快速对危险区域内的动态障碍物进行碰撞检测，避免了自移动设备在行驶过程中与突然出现的动态障碍物发生碰撞，提高了自移动设备安全性。

Description

自移动设备的控制方法、自移动设备和可读存储介质

技术领域

本申请涉及人工智能领域，尤其涉及一种自移动设备的控制方法、自移动设备和计算机可读存储介质。

背景技术

随着自移动设备（如可移动的机器人）的快速发展，自移动设备的应用范围越来越广泛。在实际生产和生活中，自移动设备已经广泛应用于酒店、商超、楼宇、机场等商业场景中。在自移动设备执行导航任务过程中，为了防止自移动设备与外部的障碍物发生碰撞，需要检测自移动设备的行进方向上是否有障碍物。目前，相关技术通常是在路径规划时，检测是否有障碍物并基于检测结果制定最终的行驶路径，自移动设备按照既定行驶路径行驶时容易与突然出现的障碍物发生碰撞，降低了自移动设备的安全性。

发明内容

本申请提供了一种自移动设备的控制方法、自移动设备和计算机可读存储介质，解决了相关技术中自移动设备按照既定行驶路径行驶时容易与突然出现的障碍物发生碰撞的问题。

第一方面，本申请提供了一种自移动设备的控制方法，所述方法包括：确定所述自移动设备基于当前环境空间划分的危险区域；连续获取所述当前环境空间中的环境点云数据；若根据所述环境点云数据确定所述危险区域内存在目标障碍物，则根据所述目标障碍物对应的目标点云数据以及所述自移动设备的运动参数，对所述目标障碍物与所述自移动设备进行碰撞预测，得到碰撞预测结果；根据所述碰撞预测结果控制所述自移动设备移动。

第二方面，本申请还提供了一种自移动设备，所述自移动设备包括存储器、处理器以及雷达；

所述雷达，用于采集环境点云数据；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的自移动设备的控制方法。

第三方面，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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的自移动设备的控制方法。

本申请公开了一种自移动设备的控制方法、自移动设备和计算机可读存储介质，该控制方法包括：确定自移动设备基于当前环境空间划分的危险区域；连续获取当前环境空间中的环境点云数据；若根据环境点云数据确定危险区域内存在目标障碍物，则根据目标障碍物对应的目标点云数据以及自移动设备的运动参数，对目标障碍物与自移动设备进行碰撞预测，得到碰撞预测结果；根据碰撞预测结果控制自移动设备移动。本申请实施例提供的自移动设备的控制方法，通过基于当前环境空间划分危险区域，并在根据环境点云数据确定危险区域内存在目标障碍物时，对目标障碍物与自移动设备进行碰撞预测，可以实现快速对危险区域内的动态障碍物进行碰撞检测，避免了自移动设备在行驶过程中与突然出现的动态障碍物发生碰撞，提高了自移动设备安全性。

附图说明

为了更清楚地说明本申请实施例技术方案，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是本申请实施例提供的一种自移动设备的结构示意图；

图2是本申请实施例提供的一种自移动设备的控制方法的示意性流程图；

图3是本申请实施例提供的一种划分危险区域的子步骤的示意性流程图；

图4是本申请实施例提供的一种划分危险区域的示意图；

图5是本申请实施例提供的一种确定危险区域内是否存在目标障碍物的子步骤的示意性流程图；

图6是本申请实施例提供的一种碰撞预测的子步骤的示意性流程图；

图7是本申请实施例提供的一种碰撞预测的场景示意图；

图8是本申请实施例提供的另一种碰撞预测的场景示意图；

图9是本申请实施例提供的第一种控制自移动设备恢复行驶速度的场景示意图；

图10是本申请实施例提供的第二种控制自移动设备恢复行驶速度的场景示意图；

图11是本申请实施例提供的第三种控制自移动设备恢复行驶速度的场景示意图。

具体实施方式

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，所描述的实施例是本申请一部分实施例，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，都属于本申请保护的范围。

附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。

应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

在实际应用中，在自移动设备执行导航任务过程中，为了防止自移动设备与外部的障碍物发生碰撞，需要检测自移动设备的行进方向上是否有障碍物。目前，相关技术通常是在路径规划时，检测是否有障碍物并基于检测结果制定最终的行驶路径，自移动设备按照既定行驶路径行驶时容易与突然出现的障碍物发生碰撞，降低了自移动设备的安全性。

为此，本申请的实施例提供一种自移动设备的控制方法、自移动设备和计算机可读存储介质，通过基于当前环境空间划分危险区域，并在根据环境点云数据确定危险区域内存在目标障碍物时，对目标障碍物与自移动设备进行碰撞预测，可以实现快速对危险区域内的动态障碍物进行碰撞检测，避免了自移动设备在行驶过程中与突然出现的动态障碍物发生碰撞，提高了自移动设备安全性。以下将对如何控制自移动设备作详细说明。

请参阅图1，图1是本申请实施例提供的一种自移动设备100的结构示意图。自移动设备100可以包括处理器1001、存储器1002和雷达1003，其中处理器1001、存储器1002和雷达1003可以通过总线连接，该总线可以为集成电路（Inter-integrated Circuit，I2C）总线等任意适用的总线。

示例性的，自移动设备100可以是扫地机器人、送餐机器人、扫雪机器人以及迎宾机器人等移动机器人。

其中，存储器1002可以包括存储介质和内存储器。存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器1001执行任意一实施例所描述的自移动设备的控制方法。

雷达1003，用于采集环境点云数据，环境点云数据用于检测自移动设备100周围是否存在障碍物。

处理器1001用于提供计算和控制能力，支撑整个自移动设备100的运行。

其中，处理器1001可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是通用处理器、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 Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等类型的处理器。通用处理器可以是微处理器，或者，通用处理器也可以是任何常规的处理器等。

其中，在一个实施例中，处理器1001用于运行存储在存储器1002中的计算机程序，以实现如下步骤：

确定自移动设备基于当前环境空间划分的危险区域；连续获取当前环境空间中的环境点云数据；若根据环境点云数据确定危险区域内存在目标障碍物，则根据目标障碍物对应的目标点云数据以及自移动设备的运动参数，对目标障碍物与自移动设备进行碰撞预测，得到碰撞预测结果；根据碰撞预测结果控制自移动设备移动。

在一个实施例中，处理器1001在实现确定自移动设备基于当前环境空间划分的危险区域时，用于实现：

确定基于自移动设备行进方向的中轴线；获取中轴线的轴线角；基于轴线角从中轴线处进行两侧偏移，以在当前环境空间中规划出危险区域。

在一个实施例中，处理器1001在实现获取中轴线的轴线角时，用于实现：

获取自移动设备的最小刹车距离和最大检测距离，最小刹车距离和最大检测距离垂直；根据最小刹车距离与最大检测距离，确定轴线角。

在一个实施例中，处理器1001在实现获取自移动设备的最大检测距离时，用于实现：

获取自移动设备的最大行驶速度；获取垂直于自移动设备行进方向上的预设动态障碍物的最大移动速度；根据最小刹车距离、最大行驶速度以及最大移动速度，确定最大检测距离。

在一个实施例中，处理器1001在实现根据环境点云数据确定危险区域内存在目标障碍物时，用于实现：

根据环境点云数据，确定处于危险区域内的动态障碍物；从危险区域中确定出平行于自移动设备行进方向的关键区域；确定动态障碍物至关键区域的垂直距离；根据垂直距离，从动态障碍物中确定出目标障碍物，目标障碍物为垂直距离最小的动态障碍物或至垂直距离小于预设距离阈值的动态障碍物。

在一个实施例中，处理器1001在实现根据环境点云数据，确定处于危险区域内的动态障碍物时，用于实现：

从环境点云数据中筛选出处于危险区域内的候选点云数据；确定候选点云数据的各候选聚类中心；根据连续帧的候选点云数据，确定各候选聚类中心的运动趋势；从候选聚类中心中确定出运动趋势指示朝向自移动设备移动的目标聚类中心，并以目标聚类中心指示动态障碍物。

在一个实施例中，处理器1001在实现从环境点云数据中筛选出处于危险区域内的候选点云数据时，用于实现：

从环境点云数据中剔除与预设静态地图点云数据重合的重合点云数据，得到剩余点云数据；从剩余点云数据中筛选出处于危险区域内的候选点云数据。

在一个实施例中，处理器1001在实现根据连续帧的候选点云数据，确定各候选聚类中心的运动趋势时，用于实现：

根据连续帧的候选点云数据，确定各候选聚类中心的位移；根据各候选聚类中心的位移，确定各候选聚类中心相对于自移动设备的相对移动速度；根据相对移动速度与预设速度阈值，确定各候选聚类中心的运动趋势；其中，将相对移动速度大于预设速度阈值的候选聚类中心，确定为目标聚类中心。

在一个实施例中，自移动设备的运动参数包括当前行驶速度；处理器1001在实现根据目标障碍物对应的目标点云数据以及自移动设备的运动参数，对目标障碍物与自移动设备进行碰撞预测，得到碰撞预测结果时，用于实现：

根据目标障碍物对应的目标点云数据，获取目标障碍物相对于自移动设备的当前移动速度；根据当前移动速度，确定目标障碍物垂直于自移动设备行进方向上的当前垂直分速度；确定目标障碍物与关键区域的垂直交汇区域；根据垂直交汇区域和当前垂直分速度，确定目标障碍物移动至垂直交汇区域的交汇时间；根据自移动设备的当前行驶速度与交汇时间，计算自移动设备在交汇时间内到达的水平交汇区域；若垂直交汇区域与水平交汇区域重叠，则确定碰撞预测结果为目标障碍物将与自移动设备发生碰撞；若垂直交汇区域未与水平交汇区域重叠，则确定碰撞预测结果为目标障碍物将不与自移动设备发生碰撞。

在一个实施例中，处理器1001在实现根据碰撞预测结果控制自移动设备移动时，用于实现：

若根据碰撞预测结果预测到目标障碍物将与自移动设备发生碰撞，则执行防碰撞操作；若根据碰撞预测结果预测到目标障碍物不会与自移动设备发生碰撞，则控制自移动设备继续移动。

在一个实施例中，处理器1001在实现执行防碰撞操作时，用于实现：

控制自移动设备减速行驶；或输出碰撞提示信息。

在一个实施例中，处理器1001在实现控制自移动设备减速行驶之后，还用于实现：

在目标障碍物离开自移动设备的关键区域后，控制自移动设备恢复行驶速度，关键区域为危险区域中平行于自移动设备行进方向的区域；或在目标障碍物离开危险区域后，控制自移动设备恢复行驶速度；或在检测到目标障碍物停止移动时，控制自移动设备恢复行驶速度。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。请参阅图2，图2是本申请实施例提供的一种自移动设备的控制方法的示意性流程图。如图2所示，该自移动设备的控制方法包括步骤S10至步骤S40。

步骤S10、确定自移动设备基于当前环境空间划分的危险区域。

需要说明的是，在本申请实施例中，自移动设备在执行行驶任务过程中，可以实时检测自移动设备周围是否存在动态障碍物，若存在动态障碍物，则对动态障碍物与自移动设备进行碰撞预测，并基于碰撞预测结果控制自移动设备移动。其中，动态障碍物是指正在移动的障碍物，例如，其它自移动设备、人、宠物或其它可移动物体等等。

示例性的，自移动设备可以确定自移动设备基于当前环境空间划分的危险区域。其中，危险区域是指平行于自移动设备行进方向上的区域以及两侧区域。需要说明的是，在自移动设备行进过程中，行进方向上的区域以及两侧区域内的动态障碍物有可能会与自移动设备发生碰撞，因此需要划分出危险区域，并检测危险区域内是否存在动态障碍物。以下将对如何确定自移动设备基于当前环境空间划分的危险区域作详细说明。

请参阅图3，图3是本申请实施例提供的一种划分危险区域的子步骤的示意性流程图。如图3所示，步骤S10中确定自移动设备基于当前环境空间划分的危险区域可以包括以下步骤S101至步骤S103。

步骤S101、确定基于自移动设备行进方向的中轴线。

示例性的，可以以自移动设备的中心点为起始点，将平行于自移动设备行进方向的直线确定为自移动设备的中轴线。还可以以自移动设备上配置的雷达为中心点，并根据雷达数量来确定每一雷达对应的中轴线。当然地，自移动设备上配置的雷达也可以使用视觉传感器等其它设备替换，此处不再具体列举。

步骤S102、获取中轴线的轴线角。

示例性的，在确定基于自移动设备行进方向的中轴线之后，可以获取中轴线的轴线角。需要说明的是，轴线角是指中轴线两侧的夹角，用于确定危险区域的范围大小。轴线角可以表示为。

在一些实施例中，获取中轴线的轴线角，可以包括：获取自移动设备的最小刹车距离和最大检测距离，最小刹车距离和最大检测距离垂直；根据最小刹车距离与最大检测距离，确定轴线角。

示例性的，可以获取自移动设备的最小刹车距离和最大检测距离。

请参阅图4，图4是本申请实施例提供的一种划分危险区域的示意图。如图4所示，最小刹车距离是指当自移动设备正前方突然出现障碍物，自移动设备能及时刹车或者避开的最小距离，最小刹车距离可以表示为，其中，最小刹车距离是由自移动设备的刹车性能、额定最大行驶速度、机器运行环境等因素决定的，此处可以为经验值或者实验值，具体数值可根据实际情况设定，此处并不进行限定。最大检测距离是指自移动设备能够检测到的、垂直于自移动设备行进方向上的障碍物的最大距离，最大检测距离可以表示为/>，其中，最大检测距离是由自移动设备的当前行驶速度、垂直于自移动设备行进方向上可能出现的障碍物的移动速度、当前行驶环境等因素决定的，此处最大检测距离可以为经验值或者实验值，具体数值可根据实际情况设定，此处并不进行限定。其中，最小刹车距离和最大检测距离垂直。

示例性的，在获取自移动设备的最小刹车距离和最大检测距离之后，可以根据最小刹车距离与最大检测距离/>，确定轴线角/>。轴线角/>的计算公式如下：

。

上述实施例，通过获取自移动设备的最小刹车距离和最大检测距离，并根据最小刹车距离与最大检测距离，确定轴线角，后续可以基于轴线角从中轴线处进行两侧偏移，以在当前环境空间中规划出危险区域，实现根据最小刹车距离与最大检测距离来合理划分危险区域。

在一些实施例中，获取自移动设备的最大检测距离，可以包括：获取自移动设备的最大行驶速度；获取垂直于自移动设备行进方向上的预设动态障碍物的最大移动速度；根据最小刹车距离、最大行驶速度以及最大移动速度，确定最大检测距离。

示例性的，从自移动设备的设备属性参数中获取自移动设备的最大行驶速度。其中，自移动设备的设备属性参数可以在出厂时设置好的，例如，在自移动设备出厂时可以设置自移动设备的最大行驶速度。最大行驶速度可以表示为。

示例性的，预设动态障碍物可以为当前的自移动设备所检测到的历史动态障碍物，还可以为其它同类型的自移动设备所检测到的历史动态障碍物，还可以为一个虚拟动态障碍物。其中，最大移动速度可以是历史检测的动态障碍物的最大速度，比如，检测某一历史时间区间内的历史动态障碍物的历史移动速度，并通过对这些历史动态障碍物的历史移动速度进行数学统计，以得到一个最大移动速度。其中，历史时间区间可以指示任意一个时间段，也可以指示当前时刻之前的时间段，具体划分方式此处并不进行限定，数学统计的方式也可以包括选取最大值、求较大历史移动速度的平均值、求较大历史移动速度的中值等。可以理解地，在自移动设备运行过程中，历史动态障碍物是动态递增的，还可以新增的历史移动速度来更新最大移动速度，以使得最大移动速度能够根据实际运行情况实时更新，符合当前场景所需。此外，最大移动速度还可以是一个预设的先验值。最大移动速度可以表示为。

示例性的，在获取自移动设备的最大行驶速度以及获取垂直于自移动设备行进方向上的预设动态障碍物的最大移动速度/>之后，可以根据最小刹车距离/>、最大行驶速度/>以及最大移动速度/>进行距离计算，得到最大检测距离/>。其中，最大检测距离/>的计算公式如下：

。

上述实施例，通过根据自移动设备的最小刹车距离、最大行驶速度以及预设动态障碍物的最大移动速度共同确定最大检测距离，可以提高确定最大检测距离的准确性。

步骤S103、基于轴线角从中轴线处进行两侧偏移，以在当前环境空间中规划出危险区域。

示例性的，在获取中轴线的轴线角之后，可以基于轴线角/>从中轴线处进行两侧偏移，以在当前环境空间中规划出危险区域。例如，如图4所示，可以将自移动设备正前方的区域（1）以及区域（1）两侧的区域（2）和区域（3）共同作为危险区域。

上述实施例，通过基于轴线角从中轴线处进行两侧偏移，可以实现在当前环境空间中规划出危险区域，后续可以重点检测危险区域内是否存在动态障碍物，避免将自移动设备四周均作为危险区域，提升了对动态障碍物的防范等级，也降低了数据处理量，从而可以提高检测动态障碍物的效率。

步骤S20、连续获取当前环境空间中的环境点云数据。

在本申请实施例中，自移动设备设置有雷达，可以通过雷达采集当前环境空间中的环境点云数据。其中，雷达可以是激光雷达，也可以是其它类型的雷达，在此不作限定。当然地，雷达也可以使用其它如深度相机、光电探测装置等替代，并通过替代后的装置也能够获得当前环境空间中的环境点云数据。

示例性的，自移动设备可以通过雷达连续获取当前环境空间中的环境点云数据。其中，环境点云数据用于确定危险区域内是否存在静态障碍物以及动态障碍物。

步骤S30、若根据环境点云数据确定危险区域内存在目标障碍物，则根据目标障碍物对应的目标点云数据以及自移动设备的运动参数，对目标障碍物与自移动设备进行碰撞预测，得到碰撞预测结果。

在本申请实施例中，在获取当前环境空间中的环境点云数据之后，可以根据环境点云数据确定危险区域内存在目标障碍物。其中，目标障碍物是指距离自移动设备最近或较近的动态障碍物。以下将对如何确定危险区域内是否存在目标障碍物作详细说明。

请参阅图5，图5是本申请实施例提供的一种确定危险区域内是否存在目标障碍物的子步骤的示意性流程图，可以包括以下步骤S301至步骤S304。

步骤S301、根据环境点云数据，确定处于危险区域内的动态障碍物。

在本申请实施例中，自移动设备可以根据环境点云数据检测处于危险区域内的动态障碍物，然后再从检测到的动态障碍物中确定目标障碍物。

在一些实施例中，根据环境点云数据，确定处于危险区域内的动态障碍物，可以包括：从环境点云数据中筛选出处于危险区域内的候选点云数据；确定候选点云数据的各候选聚类中心；根据连续帧的候选点云数据，确定各候选聚类中心的运动趋势；从候选聚类中心中确定出运动趋势指示朝向自移动设备移动的目标聚类中心，并以目标聚类中心指示动态障碍物。

示例性的，可以根据中轴线的轴线角，从环境点云数据中筛选出处于危险区域内的候选点云数据。例如，可以将环境点云数据中角度小于或等于轴线角/>的点云数据，作为处于危险区域内的候选点云数据。需要说明的是，环境点云数据中的点云数据可以包括角度。

在一些实施例中，从环境点云数据中筛选出处于危险区域内的候选点云数据，可以包括：从环境点云数据中剔除与预设静态地图点云数据重合的重合点云数据，得到剩余点云数据；从剩余点云数据中筛选出处于危险区域内的候选点云数据。

需要说明的是，为了减小误差和提高确定动态障碍物的效率，在根据轴线角筛选候选点云数据时，还需要将环境点云数据中静止的点云数据剔除。

示例性的，可以从环境点云数据中剔除与预设静态地图点云数据重合的重合点云数据，得到剩余点云数据，剩余点云数据可以指示当前环境空间中的动态点云数据。需要说明的是，预设静态地图可以是拓扑地图或栅格地图，还可以是其它类型的地图，在此不作限定。其中，预设静态地图可以包括一些静止的点云。可以理解的是，预设静态地图中的点云为静态障碍物。

示例性的，在得到剩余点云数据之后，根据中轴线的轴线角，从剩余点云数据中筛选出处于危险区域内的候选点云数据。例如，可以将环境点云数据中角度小于或等于轴线角/>的点云数据，作为处于危险区域内的候选点云数据。

上述实施例，通过先从环境点云数据中剔除与预设静态地图点云数据重合的重合点云数据，再从剩余点云数据中筛选出处于危险区域内的候选点云数据，可以避免将环境点云数据中静止的点云数据作为候选点云数据，可以有效提高确定动态障碍物的准确性，同时还可以减少后续的计算量，从而提高确定动态障碍物的效率。

示例性的，在从环境点云数据中筛选出处于危险区域内的候选点云数据之后，可以确定候选点云数据的各候选聚类中心。例如，可以基于聚类算法，对候选点云数据进行聚类，得到至少一个候选聚类中心。聚类算法可以包括但不限于聚合聚类、分解聚类、基于密度的聚类、人工神经网络、子空间聚类以及联合聚类等算法。例如，可以基于密度的聚类算法，对候选点云数据进行聚类，得到至少一个候选聚类中心。其中，具体的聚类过程，可以参见相关技术，在此不作赘述。

在本申请实施例中，在确定候选点云数据的各候选聚类中心之后，可以确定各候选聚类中心的运动趋势，根据各候选聚类中心的运动趋势确定动态障碍物。以下将对如何确定各候选聚类中心的运动趋势作详细说明。

在一些实施例中，根据连续帧的候选点云数据，确定各候选聚类中心的运动趋势，可以包括：根据连续帧的候选点云数据，确定各候选聚类中心的位移；根据各候选聚类中心的位移，确定各候选聚类中心相对于自移动设备的相对移动速度；根据相对移动速度与预设速度阈值，确定各候选聚类中心的运动趋势。

示例性的，获取连续帧的候选点云数据时帧率是已知的，连续帧包括的候选点云数据可以为两帧、三帧、四帧等，在计算相对移动速度时，连续帧的数量和帧间间隔是同步递增的，比如，帧率为a秒，三帧连续的候选点云数据的帧间间隔为2a秒，四帧连续的候选点云数据的帧间间隔为3a秒，其余数量的连续帧对应的帧间间隔以此类推，此处不再赘述。其中。连续帧可以包括当前候选点云数据帧。比如，以两帧连续的候选点云数据为例，可以统计相邻两帧候选点云数据中的各候选聚类中心的距离差和运动方向，得到各候选聚类中心的位移。然后，根据各候选聚类中心的位移与对应的帧间间隔，计算出各候选聚类中心相对于自移动设备的相对移动速度。最后，根据相对移动速度与预设速度阈值，确定各候选聚类中心的运动趋势。例如，当相对运动速度大于或等于预设速度阈值时，确定候选聚类中心的运动趋势是朝向自移动设备；当相对运动速度小于预设速度阈值时，确定候选聚类中心的运动趋势是不朝向自移动设备。

其中，预设速度阈值可以根据实际情况设定，具体数值在此不作限定。帧率可以根据实际情况设定，具体数值在此不作限定。

示例性的，在确定各候选聚类中心的运动趋势之后，可以从候选聚类中心中确定出运动趋势指示朝向自移动设备移动的目标聚类中心，并以目标聚类中心指示动态障碍物。其中，可以将相对移动速度大于预设速度阈值的候选聚类中心，确定为目标聚类中心。

步骤S302、从危险区域中确定出平行于自移动设备行进方向的关键区域。

示例性的，为及时避障以及减小数据处理量，可以从危险区域中确定出平行于自移动设备行进方向的关键区域。如图4所示，区域1为关键区域。需要说明的是，在自移动设备行进时，危险区域内的动态障碍物在关键区域与自移动设备发生碰撞的可能性极大，因此需要确定平行于自移动设备行进方向的关键区域。

步骤S303、确定动态障碍物至关键区域的垂直距离。

示例性的，在从危险区域中确定出平行于自移动设备行进方向的关键区域之后，可以确定处于危险区域内的动态障碍物至关键区域的垂直距离。例如，可以根据动态障碍物的当前位置，计算出动态障碍物至关键区域的垂直距离。

步骤S304、根据垂直距离，从动态障碍物中确定出目标障碍物，目标障碍物为垂直距离最小的动态障碍物或至垂直距离小于预设距离阈值的动态障碍物。

示例性的，在确定动态障碍物至关键区域的垂直距离之后，可以根据垂直距离，从动态障碍物中确定出目标障碍物。例如，可以将垂直距离最小的动态障碍物或至垂直距离小于预设距离阈值的动态障碍物，确定为目标障碍物。其中，预设距离阈值可以根据实际情况设定，具体数值在此不作限定。

需要说明的是，当危险区域内的动态障碍物有多个时，为了避免自移动设备与动态障碍物发生碰撞，可以优先将垂直距离最小的动态障碍物或至垂直距离小于预设距离阈值的动态障碍物确定为目标障碍物。

上述实施例，通过将垂直距离最小的动态障碍物或至垂直距离小于预设距离阈值的动态障碍物确定为目标障碍物，后续可以只对危险区域内的目标障碍物进行碰撞预测，避免对所有的动态障碍物进行碰撞预测，可以有效提高对目标障碍物进行碰撞预测的速度，极大程度地降低目标障碍物与自移动设备发生碰撞的可能性，提升自移动设备的运行安全性。

在一些实施例中，在根据环境点云数据确定危险区域内存在目标障碍物时，可以根据目标障碍物对应的目标点云数据以及自移动设备的运动参数，对目标障碍物与自移动设备进行碰撞预测，得到碰撞预测结果。其中，自移动设备的运动参数可以包括当前行驶速度。以下将对如何进行碰撞预测作详细说明。

请参阅图6，图6是本申请实施例提供的一种碰撞预测的子步骤的示意性流程图，步骤S30可以包括以下步骤S305至步骤S311。

步骤S305、根据目标障碍物对应的目标点云数据，获取目标障碍物相对于自移动设备的当前移动速度。

示例性的，可以从当前环境空间中的环境点云数据提取出目标障碍物对应的目标点云数据，根据目标点云数据的位移，确定目标障碍物相对于自移动设备的当前移动速度。例如，可以根据目标点云数据的位移与预设的帧间间隔，计算出目标障碍物相对于自移动设备的当前移动速度。

步骤S306、根据当前移动速度，确定目标障碍物垂直于自移动设备行进方向上的当前垂直分速度。

示例性的，在获取目标障碍物相对于自移动设备的当前移动速度之后，可以根据当前移动速度，确定目标障碍物垂直于自移动设备行进方向上的当前垂直分速度。其中，可以基于自移动设备所在的坐标系，对当前移动速度进行速度分解，得到平行于自移动设备行进方向的平行分速度和垂直于自移动设备行进方向的垂直分速度。

步骤S307、确定目标障碍物与关键区域的垂直交汇区域。

示例性的，可以根据目标障碍物的占用空间，确定目标障碍物与关键区域的垂直交汇区域。其中，垂直交汇区域是指目标障碍物以垂直于关键区域的移动方向经过关键区域所形成的区域。

需要说明的是，通过确定目标障碍物与关键区域的垂直交汇区域，后续可以根据垂直交汇区域和当前垂直分速度，确定目标障碍物移动至垂直交汇区域的交汇时间。

步骤S308、根据垂直交汇区域和当前垂直分速度，确定目标障碍物移动至垂直交汇区域的交汇时间。

示例性的，可以计算目标障碍物的当前位置到垂直交汇区域之间的距离值，根据距离值与当前垂直分速度，计算出目标障碍物移动至垂直交汇区域的交汇时间。其中，具体的计算过程，在此不作赘述。

步骤S309、根据自移动设备的当前行驶速度与交汇时间，计算自移动设备在交汇时间内到达的水平交汇区域。

在本申请实施例中，在确定目标障碍物移动至垂直交汇区域的交汇时间之后，还需要确定自移动设备在交汇时间内到达的水平交汇区域，从而可以根据垂直交汇区域与水平交汇区域是否重叠判断自移动设备是否会与自移动设备发生碰撞。

示例性的，可以将自移动设备的当前行驶速度与交汇时间相乘，计算出自移动设备在交汇时间内到达的水平交汇区域。

步骤S310、若垂直交汇区域与水平交汇区域重叠，则确定碰撞预测结果为目标障碍物将与自移动设备发生碰撞。

示例性的，在计算自移动设备在交汇时间内到达的水平交汇区域之后，可以判断垂直交汇区域与水平交汇区域是否重叠。

请参阅图7，图7是本申请实施例提供的一种碰撞预测的场景示意图，如图7所示，在十字路口场景中，当目标障碍物在交汇时间内移动至的垂直交汇区域与自移动设备在交汇时间内到达的水平交汇区域重叠时，可以确定目标障碍物将与自移动设备发生碰撞。

需要说明的是，本申请实施例提供的自移动设备的控制方法可以应用于多动态场景，目标障碍物也可以是自移动设备。例如，自移动设备A与自移动设备B在行进过程中，可以分别预测是否将会与对方发生碰撞。

步骤S311、若垂直交汇区域未与水平交汇区域重叠，则确定碰撞预测结果为目标障碍物将不与自移动设备发生碰撞。

示例性的，当垂直交汇区域未与水平交汇区域重叠时，可以确定目标障碍物将不与自移动设备发生碰撞。

请参阅图8，图8是本申请实施例提供的另一种碰撞预测的场景示意图，如图8所示，在十字路口场景中，当目标障碍物在交汇时间内移动至的垂直交汇区域与自移动设备在交汇时间内到达的水平交汇区域不重叠时，可以确定目标障碍物将不与自移动设备发生碰撞。

上述实施例，通过确定目标障碍物垂直于自移动设备行进方向上的当前垂直分速度以及目标障碍物与关键区域的垂直交汇区域，并确定目标障碍物移动至垂直交汇区域的交汇时间，可以实现检测在交汇时间内自移动设备是否会与目标障碍物发生碰撞，提高了检测的准确性。

步骤S40、根据碰撞预测结果控制自移动设备移动。

示例性的，在根据目标障碍物对应的目标点云数据以及自移动设备的运动参数，对目标障碍物与自移动设备进行碰撞预测，得到碰撞预测结果之后，可以根据碰撞预测结果控制自移动设备移动。

在一些实施例中，根据碰撞预测结果控制自移动设备移动，可以包括：若根据碰撞预测结果预测到目标障碍物将与自移动设备发生碰撞，则执行防碰撞操作；若根据碰撞预测结果预测到目标障碍物不会与自移动设备发生碰撞，则控制自移动设备继续移动。

上述实施例，通过根据碰撞预测结果预测到目标障碍物将与自移动设备发生碰撞，则执行防碰撞操作，可以实现控制自移动设备减速行驶，避免了自移动设备在行驶过程中与突然出现的动态障碍物发生碰撞，提高了自移动设备安全性。

在一些实施例中，执行防碰撞操作，可以包括：控制自移动设备减速行驶。需要说明的是，在本申请实施例中，在预测到目标障碍物将与自移动设备发生碰撞时，控制自移动设备减速行驶，可以使得自移动设备保持行驶状态，避免直接控制自移动设备停止行驶，提高了自移动设备的工作效率。

示例性的，在控制自移动设备减速行驶时，可以控制自移动设备降为固定速度行驶，或者，按照自移动设备距离目标障碍物与自移动设备将会发生碰撞的交汇点距离成比例来减速。

上述实施例，通过按照自移动设备距离目标障碍物与自移动设备将会发生碰撞的交汇点距离成比例来减速，可以实现根据距离来动态控制自移动设备减速的幅度，可以有效避免目标障碍物与自移动设备发生碰撞，还可以提升自移动设备在减速过程中的行驶稳定性。

在一些实施例中，执行防碰撞操作，可以包括：输出碰撞提示信息。

其中，自移动设备通过输出碰撞提示信息可以提醒目标障碍物，以在目标障碍物为生命体时可以根据提示信息避开自移动设备，从而避免自移动设备与目标障碍物发生碰撞。

其中，碰撞提示信息可以为提示音，还可以为一段语音，比如“注意避让”、“注意碰撞”等。

在一些实施例中，控制自移动设备减速行驶之后，还包括：在目标障碍物离开自移动设备的关键区域后，控制自移动设备恢复行驶速度，关键区域为危险区域中平行于自移动设备行进方向的区域。

请参阅图9，图9是本申请实施例提供的第一种控制自移动设备恢复行驶速度的场景示意图，当在目标障碍物离开自移动设备的关键区域（即区域（1））后，可以控制自移动设备恢复行驶速度。

通过在目标障碍物离开平行于自移动设备行进方向的区域后，控制自移动设备恢复行驶速度，可以实现在确认自移动设备与目标障碍物无碰撞风险时及时控制自移动设备恢复行驶速度，可以有效提高了自移动设备的行驶效率。

在另一些实施例中，控制自移动设备减速行驶之后，还包括：在目标障碍物离开危险区域后，控制自移动设备恢复行驶速度。

请参阅图10，图10是本申请实施例提供的第二种控制自移动设备恢复行驶速度的场景示意图，目标障碍物可以是行人，当行人离开危险区域后，控制自移动设备恢复行驶速度。

通过在目标障碍物离开危险区域后，控制自移动设备恢复行驶速度，可以实现在确认自移动设备与目标障碍物无碰撞风险时控制自移动设备恢复行驶速度，可以有效提高了自移动设备的行驶效率。

在另一些实施例中，控制自移动设备减速行驶之后，还包括：在检测到目标障碍物停止移动时，控制自移动设备恢复行驶速度。

示例性的，当检测到目标障碍物的位置在预设时间内未变化时，可以确定目标障碍物停止移动。例如，预设时间可以根据实际情况设定，具体数值在此不作限定。例如，预设时间可以是5s，当检测到目标障碍物的位置在5s内未变化时，可以确定目标障碍物停止移动，此时可以控制自移动设备恢复行驶速度。

请参阅图11，图11是本申请实施例提供的第三种控制自移动设备恢复行驶速度的场景示意图，目标障碍物可以是行人，当检测到行人停止移动时，控制自移动设备恢复行驶速度。

通过在检测到目标障碍物停止移动时，控制自移动设备恢复行驶速度，可以实现在确认自移动设备与目标障碍物无碰撞风险时及时控制自移动设备恢复行驶速度，可以有效提高了自移动设备的行驶效率。

本申请的实施例中还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序中包括程序指令，处理器执行上述程序指令，以实现本申请实施例提供的任一项自移动设备的控制方法。

例如，该程序被处理器加载，可以执行如下步骤：

确定自移动设备基于当前环境空间划分的危险区域；连续获取当前环境空间中的环境点云数据；若根据环境点云数据确定危险区域内存在目标障碍物，则根据目标障碍物对应的目标点云数据以及自移动设备的运动参数，对目标障碍物与自移动设备进行碰撞预测，得到碰撞预测结果；根据碰撞预测结果控制自移动设备移动。

其中，计算机可读存储介质可以是前述实施例的自移动设备的内部存储单元，例如自移动设备的硬盘或内存。计算机可读存储介质也可以是自移动设备的外部存储设备，例如自移动设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字卡(Secure Digital Card，SD Card)，闪存卡(Flash Card)等。

进一步地，计算机可读存储介质可主要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、至少一个功能所需的程序等；存储数据区可存储根据各程序所创建的数据等。

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，可轻易想到各种等效的修改或替换，这些修改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 (14)

1.一种自移动设备的控制方法，其特征在于，所述方法包括：

确定所述自移动设备基于当前环境空间划分的危险区域；

连续获取所述当前环境空间中的环境点云数据；

若根据所述环境点云数据确定所述危险区域内存在目标障碍物，则根据所述目标障碍物对应的目标点云数据以及所述自移动设备的运动参数，对所述目标障碍物与所述自移动设备进行碰撞预测，得到碰撞预测结果；

根据所述碰撞预测结果控制所述自移动设备移动。

2.根据权利要求1所述的自移动设备的控制方法，其特征在于，所述确定所述自移动设备基于当前环境空间划分的危险区域，包括：

确定基于所述自移动设备行进方向的中轴线；

获取所述中轴线的轴线角；

基于所述轴线角从所述中轴线处进行两侧偏移，以在所述当前环境空间中规划出所述危险区域。

3.根据权利要求2所述的自移动设备的控制方法，其特征在于，所述获取所述中轴线的轴线角，包括：

获取所述自移动设备的最小刹车距离和最大检测距离，所述最小刹车距离和所述最大检测距离垂直；

根据所述最小刹车距离与所述最大检测距离，确定所述轴线角。

4.根据权利要求3所述的自移动设备的控制方法，其特征在于，所述获取所述自移动设备的最大检测距离，包括：

获取所述自移动设备的最大行驶速度；

获取垂直于所述自移动设备行进方向上的预设动态障碍物的最大移动速度；

根据所述最小刹车距离、所述最大行驶速度以及所述最大移动速度，确定所述最大检测距离。

5.根据权利要求1所述的自移动设备的控制方法，其特征在于，所述根据所述环境点云数据确定所述危险区域内存在目标障碍物，包括：

根据所述环境点云数据，确定处于所述危险区域内的动态障碍物；

从所述危险区域中确定出平行于所述自移动设备行进方向的关键区域；

确定所述动态障碍物至所述关键区域的垂直距离；

根据所述垂直距离，从所述动态障碍物中确定出所述目标障碍物，所述目标障碍物为垂直距离最小的动态障碍物或至垂直距离小于预设距离阈值的动态障碍物。

6.根据权利要求5所述的自移动设备的控制方法，其特征在于，所述根据所述环境点云数据，确定处于所述危险区域内的动态障碍物，包括：

从所述环境点云数据中筛选出处于所述危险区域内的候选点云数据；

确定所述候选点云数据的各候选聚类中心；

根据连续帧的候选点云数据，确定各所述候选聚类中心的运动趋势；

从所述候选聚类中心中确定出运动趋势指示朝向所述自移动设备移动的目标聚类中心，并以所述目标聚类中心指示所述动态障碍物。

7.根据权利要求6所述的自移动设备的控制方法，其特征在于，所述从所述环境点云数据中筛选出处于所述危险区域内的候选点云数据，包括：

从所述环境点云数据中剔除与预设静态地图点云数据重合的重合点云数据，得到剩余点云数据；

从所述剩余点云数据中筛选出处于所述危险区域内的候选点云数据。

8.根据权利要求6所述的自移动设备的控制方法，其特征在于，所述根据连续帧的候选点云数据，确定各所述候选聚类中心的运动趋势，包括：

根据连续帧的候选点云数据，确定各所述候选聚类中心的位移；

根据各所述候选聚类中心的位移，确定各所述候选聚类中心相对于所述自移动设备的相对移动速度；

根据所述相对移动速度与预设速度阈值，确定各所述候选聚类中心的运动趋势；其中，

将相对移动速度大于所述预设速度阈值的候选聚类中心，确定为所述目标聚类中心。

9.根据权利要求5所述的自移动设备的控制方法，其特征在于，所述自移动设备的运动参数包括当前行驶速度；所述根据所述目标障碍物对应的目标点云数据以及所述自移动设备的运动参数，对所述目标障碍物与所述自移动设备进行碰撞预测，得到碰撞预测结果，包括：

根据所述目标障碍物对应的目标点云数据，获取所述目标障碍物相对于所述自移动设备的当前移动速度；

根据所述当前移动速度，确定所述目标障碍物垂直于所述自移动设备行进方向上的当前垂直分速度；

确定所述目标障碍物与所述关键区域的垂直交汇区域；

根据所述垂直交汇区域和所述当前垂直分速度，确定所述目标障碍物移动至所述垂直交汇区域的交汇时间；

根据所述自移动设备的当前行驶速度与所述交汇时间，计算所述自移动设备在所述交汇时间内到达的水平交汇区域；

若所述垂直交汇区域与所述水平交汇区域重叠，则确定所述碰撞预测结果为所述目标障碍物将与所述自移动设备发生碰撞；

若所述垂直交汇区域未与所述水平交汇区域重叠，则确定所述碰撞预测结果为所述目标障碍物将不与所述自移动设备发生碰撞。

10.根据权利要求1所述的自移动设备的控制方法，其特征在于，所述根据所述碰撞预测结果控制所述自移动设备移动，包括：

若根据所述碰撞预测结果预测到所述目标障碍物将与所述自移动设备发生碰撞，则执行防碰撞操作；

若根据所述碰撞预测结果预测到所述目标障碍物不会与所述自移动设备发生碰撞，则控制所述自移动设备继续移动。

11.根据权利要求10所述的自移动设备的控制方法，其特征在于，所述执行防碰撞操作，包括：

控制所述自移动设备减速行驶；或

输出碰撞提示信息。

12.根据权利要求11所述的自移动设备的控制方法，其特征在于，所述控制所述自移动设备减速行驶之后，所述方法还包括：

在所述目标障碍物离开所述自移动设备的关键区域后，控制所述自移动设备恢复行驶速度，所述关键区域为所述危险区域中平行于所述自移动设备行进方向的区域；或

在所述目标障碍物离开所述危险区域后，控制所述自移动设备恢复行驶速度；或

在检测到所述目标障碍物停止移动时，控制所述自移动设备恢复行驶速度。

13.一种自移动设备，其特征在于，所述自移动设备包括存储器、处理器、以及雷达；

所述雷达，用于采集环境点云数据；

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至12任一项所述的自移动设备的控制方法。

14.一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程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至12任一项所述的自移动设备的控制方法。