CN117950394A - 机器人的控制方法、装置、机器人及存储介质 - Google Patents
机器人的控制方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN117950394A CN117950394A CN202211260560.1A CN202211260560A CN117950394A CN 117950394 A CN117950394 A CN 117950394A CN 202211260560 A CN202211260560 A CN 202211260560A CN 117950394 A CN117950394 A CN 117950394A
- Authority
- CN
- China
- Prior art keywords
- robot
- obstacle
- path
- distance
- detour
- 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 85
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000011065 in-situ storage Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种机器人的控制方法、装置、机器人及存储介质,该方法包括:在机器人按照自主移动路径移动的过程中,响应于所述机器人的避障区域内障碍物与所述机器人之间的距离小于第一预设距离,控制所述机器人进入等待状态,其中,当所述避障区域内存在障碍物时所述机器人需执行避障操作(S101);在所述机器人进入等待状态之后,响应于所述障碍物移出所述避障区域,自动控制所述机器人继续按照所述自主移动路径移动(S102)。
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的控制方法、装置、机器人及存储介质。
背景技术
随着时代发展,服务型机器人例如送餐机器人、送快递机器人等各种类型的机器人都越来越得到广泛应用,为人们日常生活带来了极大便利。机器人在行进的过程中,很有可能会遇到突然出现的近距离障碍物,目前,在机器人距离障碍物较近时,通常是执行紧急制动并等待用户介入,通过用户操控机器人继续移动,机器人的自动化性能不够高。尤其是当障碍物较为密集时,机器人可能会进行频繁的紧急制动从而要求用户频繁的介入来控制机器人继续移动,用户体验差。因此,如何提高机器人遇障刹停后的自动化性能成为亟待解决的问题。
发明内容
基于此,本申请提供了一种机器人的控制方法、装置、机器人及存储介质,以实现提高机器人遇障刹停后的自动化性能,从而提升用户体验。
第一方面,本申请提供了一种机器人的控制方法,包括:
在机器人按照自主移动路径移动的过程中,响应于所述机器人的避障区域内障碍物与所述机器人之间的距离小于第一预设距离,控制所述机器人进入等待状态,其中,当所述避障区域内存在障碍物时所述机器人需执行避障操作;
在所述机器人进入等待状态之后,响应于所述障碍物移出所述避障区域,自动控制所述机器人继续按照所述自主移动路径移动。
第二方面,本申请还提供了一种机器人的控制方法,包括:
获取机器人无法按照自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径;
响应于所述机器人的所述多个规划路径上均存在障碍物,基于所述障碍物的类型和/或所述障碍物的尺寸在所述多个规划路径中确定目标路径;
控制所述机器人按照所述目标路径行进。
第三方面,本申请还提供了一种机器人的控制方法,包括:
机器人当前处于停车场环境时,响应于接收到存在阻碍所述机器人行进的移动中的车辆的信息,控制所述机器人移动至备选点等待,进行车辆避让。
第四方面,本申请还提供了一种机器人的控制方法,包括:
通过无线信号对机器人进行初定位,以获得所述机器人所在楼层的位置;
获得所述机器人所在位置对应的区域环境信息;
根据所述区域环境信息对所述机器人进行重定位,以获得所述机器人位于所在楼层的精确位置。
第五方面,本申请还提供了一种机器人的控制方法,包括:
响应于机器人被围困,控制所述机器人自转,以获取所述机器人搭载的传感模块在所述机器人自转中检测到的所述机器人周围的环境数据,所述传感模块在水平方向上的检测角度小于360°;
基于所述周围的环境数据,确定是否存在出路,所述出路用于表征能够供所述机器人移动至脱离所述围困的路径;
响应于确定存在所述出路,控制所述机器人按照所述出路行进。
第六方面,本申请还提供了一种机器人的控制装置,所述机器人的控制装置包括存储器和处理器;
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,实现如上述的机器人的控制方法。
第七方面,本申请还提供了一种机器人,所述机器人包括机身、以及位于所述机身中的如上述的机器人的控制装置,所述控制装置用于控制所述机器人运行。
第八方面,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机器人的控制方法。
本申请公开的机器人的控制方法、装置、机器人及存储介质,在机器人按照自主移动路径移动的过程中,监测障碍物,一旦确定机器人的避障区域内存在障碍物(避障区域内存在障碍物时机器人需执行避障操作),响应于障碍物与机器人之间的距离小于第一预设距离,控制机器人进入等待状态,并持续对障碍物进行监测,在障碍物移出机器人的避障区域时,自动控制机器人继续按照自主移动路径移动,整个过程不需要用户的介入,因此,提高了机器人遇障刹停后的自动化性能,从而提升了用户体验。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
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机器人的结构示意图;
图2是本申请实施例提供的一种3D激光雷达设于机器人上的示意图;
图3是图2所示的3D激光雷达的视角范围示意图;
图4是本申请实施例提供的一种双目视觉模组设于机器人上的示意图;
图5是本申请实施例提供的一种防撞传感器设于机器人上的示意图;
图6是本申请实施例提供的一种机器人的控制方法的步骤示意流程图;
图7是本申请实施例提供的一种机器人与障碍物的距离小于第一预设距离情况下,机器人响应处理的示意图;
图8是本申请实施例提供的一种机器人与障碍物的距离大于第三预设距离情况下,机器人绕行的示意图;
图9是本申请实施例提供的一种机器人与障碍物的距离大于第二预设距离且小于第三预设距离情况下,机器人绕行的示意图;
图10是本申请实施例提供的一种机器人无法按照自主移动路径直接通行且无法绕行场景的示意图;
图11是本申请实施例提供的一种多个规划路径的示意图;
图12是本申请实施例提供的一种机器人被围困场景的示意图;
图13是本申请实施例提供的一种机器人的控制装置的示意性框图。
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。
还应当进理解,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。
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。
本申请的实施例提供了一种机器人的控制方法、装置、机器人及存储介质,用于实现提高机器人的自动化性能,从而提升用户体验。
其中,该机器人可以包括但不限于是送餐机器人、送快递机器人等服务型机器人,本申请实施例对机器人类型不做限制。
请参阅图1,图1为本申请实施例提供的一种机器人的结构示意图。如图1所示,机器人1000可以包括机身100、以及设置于机身100的机器人的控制装置200。机器人的控制装置200用于控制机器人1000运行,在机器人1000被障碍物阻挡移动、被围困等多种情况下,自动控制机器人1000执行相应响应处理,省去用户的介入,从而提高了机器人的自动化性能,提升了用户体验。
示例性的,机器人1000还包括传感模块300,其中,传感模块300包括但不限于双目视觉模组、结构光视觉模组、超声波传感器、悬崖传感器、防撞传感器、3D激光雷达等,且对于传感模块300的设置位置也没有具体限制,可以设置于机身100,也可以设置于机身100之外。比如通过安装支架进行安装,上述安装支架的一端连接机身100,另一端用于安装传感模块300。
在一实施方式中,在相对于传感模块300的第一方向形成传感模块的第一扫描区域,机器人1000在相对于传感模块300的第二方向设置间隙层,其中,第二方向可以与第一方向相对设置,也可以不与第一方向相对设置,只需使得传感模块300的扫描方向能够同时或不同时地覆盖第一方向和第二方向。通过间隙层可以在第二方向形成传感模块300的第二扫描区域,间隙层在第二方向上至少部分地贯穿机器人1000,第一扫描区域大于第二扫描区域。机器人1000可以通过传感模块300探测第一扫描区域和/或第二扫描区域内的障碍物。
示例性的,传感模块300包括3D激光雷达,如图2所示,3D激光雷达301在机器人1000的机身100前进方向底部朝前设置,在机器人1000的朝前方向形成3D激光雷达301的第一扫描区域,例如,如图3中所示,3D激光雷达301的第一扫描区域为在水平方向上180度范围、竖直方向上相应角度范围的3D视角的扫描范围,实现机器人1000在前水平方向上形成180度的探测范围,并可以在竖直方向上任一合适的角度对应的扫描范围的3D激光探测。同时,在机器人1000底层设置间隙层,间隙层是在3D激光雷达301的后方有一层镂空结构层,该镂空结构层至少部分地贯穿机器人1000,以保证雷达激光射线的通过,在机器人1000的朝后方向形成3D激光雷达301的第二扫描区域,例如,如图3中所示,3D激光雷达301的第二扫描区域为在水平方向上180度范围的2D视角的扫描范围,实现机器人1000后水平方向上180度范围的2D激光探测。机器人1000可以通过3D激光雷301达探测第一扫描区域和/或第二扫描区域内的障碍物。
示例性的,传感模块300包括双目视觉模组、结构光视觉模组,例如,如图4所示,在机身100前侧设置两组双目视觉模组302,一组朝上一定角度(如40°角)设置,一组朝下一定角度(如35°角)设置;在机身100后部朝下一定角度(如40°角)设置一组双目视觉模组302;在机身100底盘设置一组结构光视觉模组303,结构光视觉模组303中的视觉模组水平向下一定角度(如30°角)设置,与之配合的结构光发射端水平朝下一定角度(如5°角)设置。通过双目视觉模组302、结构光视觉模组303,机器人1000能够实现多方向的视觉定位、感知,拍摄录像识别等功能,其中,底盘设置的结构光视觉模组303覆盖机身100底下盲区,可以识别低矮障碍物的具体位置,提高探测准确性。
示例性的,传感模块300包括超声波传感器,例如,在机身100前侧设置两组超声波传感器,在机身100左侧、右侧分别设置一组超声波传感器,在机身100前进方向正面中部设置一组居中的超声波传感器,用于辅助探测3D激光雷达无法识别的透明物体和障碍物,如玻璃墙等,机身100前侧设置的两组超声波传感器用于相互辅助定位障碍物在空间中的具体位置,便于机器人1000实现有方向性的避障动作。
示例性的,传感模块300包括悬崖传感器,例如,悬崖传感器设置在机身100前进方向正面、底盘前上位置,通过悬崖传感器实现路面落差情况的探测。
示例性的,传感模块300包括防撞传感器,例如,如图5所示,在机身100左前侧和右前侧分别设置一组防撞传感器304,防撞传感器304可以实现机身100碰撞信号的反馈,保证机器人1000及时执行动作。
可以理解的是,上述对于机器人1000各部件的命名仅仅出于标识的目的,并不因此对本申请实施例进行限制。
以下将基于机器人1000对本申请的实施例提供的机器人的控制方法进行详细介绍。需知,图1至图5中的机器人1000仅用于解释本申请实施例提供的机器人的控制方法,但并不构成对本申请实施例提供的机器人的控制方法的应用场景的限定。
请参阅图6,图6是本申请的实施例提供的一种机器人的控制方法的示意流程图。该方法可以用于上述实施例提供的机器人中,以实现提高机器人的自动化性能,从而提升用户体验。
如图6所示,该机器人的控制方法具体包括步骤S101和步骤S102。
S101、在机器人按照自主移动路径移动的过程中,响应于所述机器人的避障区域内障碍物与所述机器人之间的距离小于第一预设距离,控制所述机器人进入等待状态,其中,当所述避障区域内存在障碍物时所述机器人需执行避障操作。
示例性的,机器人的自主移动路径为根据地图规划好的机器人移动路径,其中,地图可以是机器人自主建立的地图,或者,地图也可以是其他机器人共享的地图,又或者,地图也可以是从服务器端获得的地图。
机器人的避障区域是相对于机器人而设定的区域,可以将机器人所在位置的相应范围内的区域定为避障区域,比如将以机器人为圆心以合适的半径画圆所得到的区域设定为避障区域,又比如将以机器人为基准规划得到的矩形区域设定为避障区域。当机器人的避障区域内存在障碍物时,机器人需执行避障操作。其中,障碍物包括但不限于静止或移动的各种类型的障碍物,如桌、椅、车辆、行人等;避障操作包括但不限于刹停、绕行等。
在机器人按照自主移动路径移动的过程中,能够获得机器人与障碍物之间的距离,并能够基于该距离判定机器人的避障区域内是否存在障碍物。示例性的,可以通过搭载在机器人上的传感模块检测得到机器人与障碍物之间的距离,也可以是由其他设备比如摄像头或其他机器人发送机器人与障碍物之间的距离的信息给机器人,机器人接收获得其与障碍物之间的距离。或者机器人在按照自主移动路径移动的过程中,仅收到等待的指令,该指令也是响应于机器人的避障区域内障碍物与机器人之间的距离小于第一预设距离而生成的,但该生成过程可以不在机器人上,比如在能够与上述机器人通信连接的其他机器人或监控装置上。
需要说明的是,本申请中对获得机器人与障碍物之间的距离的方式不作具体限制。
在实际应用场景中,一种情况是障碍物在机器人的近距离处,针对这种场景,预先设置第一预设距离,当机器人的避障区域内障碍物与机器人之间的距离小于第一预设距离时,不再控制机器人继续按照自主移动路径移动,而是控制机器人进入等待状态。
需要说明的是,第一预设距离可以根据实际情况进行灵活设置,本申请中不作具体限制。
在一些实施例中,控制所述机器人进入等待状态,包括:控制所述机器人在原地等待或控制所述机器人移动至备选点等待,所述备选点不包括原地。
示例性的,当机器人的避障区域内障碍物与机器人之间的距离小于第一预设距离时,将机器人当前的位置作为原地,控制机器人直接停在当前的位置,进入等待状态。或者,当机器人的避障区域内障碍物与机器人之间的距离小于第一预设距离时,控制机器人降速直至停止,将机器人停止的位置作为原地,控制机器人在原地等待。
在一些实施例中,所述方法还包括:根据所述机器人的位置和所述障碍物的位置,生成所述备选点;或者,根据预设的备选点地图,生成所述备选点;或者,根据预设的备选点地图,以及所述机器人的位置和/或所述障碍物的位置,生成所述备选点。
示例性的,考虑机器人的位置以及障碍物的位置,确定备选点,例如,假设机器人位于位置A,障碍物位于位置B,根据位置A和位置B,确定备选点C,其中,AC连线垂直于AB连线。控制机器人移动至备选点C,进入等待状态。
示例性的,预先设置备选点地图,该备选点地图上包括机器人所在区域的一个或多个用于进行障碍物避让的备选点。通过调用备选点地图,确定备选点。控制机器人移动至备选点,进入等待状态。
示例性的,调用备选点地图,同时结合机器人的位置来确定备选点,例如,通过调用备选点地图获得多个备选点a、备选点b、备选点c、备选点d,考虑机器人的位置,机器人的位置与备选点d的距离最近,则可以确定机器人进入等待状态的位置为备选点d。控制机器人移动至备选点d,进入等待状态,从而使得机器人移动的距离短。
或者,调用备选点地图,同时结合障碍物的位置来确定备选点,又或者,调用备选点地图,同时结合机器人的位置和障碍物的位置,确定备选点。结合机器人的位置和/或障碍物的位置来确定备选点,备选点的选择会更加灵活,在实际应用中也会更贴合应用场景的实际需求。
S102、在所述机器人进入等待状态之后,响应于所述障碍物移出所述避障区域,自动控制所述机器人继续按照所述自主移动路径移动。
在机器人进入等待状态之后,继续对障碍物进行监测,在障碍物移出机器人的避障区域后,自动控制机器人继续按照自主移动路径移动,整个过程不需要用户的介入,因此,提高了机器人遇障刹停后的自动化性能,从而提升了用户体验。同时,由于机器人按照自主移动路径移动,如果是自主移动路径上的静态障碍物,机器人能够较早检测到障碍物并执行相应的避障操作。但如果是在与机器人距离较近的情况下突然出现在机器人避障区域内的障碍物,那么该障碍物较大概率是可移动障碍物如行人、动物等,该类障碍物在一些情况下只会在机器人的自主移动路径上短暂地停留,故本方案只需控制机器人进行等待,并持续检测障碍物,若障碍物移动出机器人的避障区域,则控制机器人按照自主移动路径继续行进,而不是让机器人在较近距离内遇到障碍物时直接进行规划绕行,如此一方面可以防止机器人遇障盲目绕行,从而节约资源;另一方面可以防止机器人在与行人等障碍物较近的情况下贸然绕行导致与移动的行人发生碰撞从而致使机器人或行人受到损伤。
在一些实施例中,所述机器人的控制方法还包括:在所述机器人进入等待状态之后,响应于所述障碍物在预设等待时间内未移出所述避障区域,控制所述机器人绕行。
在机器人进入等待状态之后,继续对障碍物进行监测,当障碍物在预设等待时间内未移出机器人的避障区域,此时,为了避免一直等待下去造成不必要的资源浪费,控制机器人绕行。
例如,如图7所示,图中三角形代表机器人,虚线箭头线代表机器人的移动,人像图形代表行人,也即障碍物。当障碍物(行人)与机器人之间的距离小于第一预设距离时,控制机器人进入等待状态,在机器人进入等待状态之后,一种情况是障碍物移出避障区域,此时,自动控制机器人继续按照自主移动路径移动;另外一种情况是障碍物在预设等待时间内未移出避障区域,此时,控制机器人绕行。
示例性的,根据机器人等待的位置(原地或备选点),以及障碍物的位置,规划一条绕开障碍物的绕行路径,控制机器人按照绕行路径移动。可选地,控制机器人按照绕行路径低速移动,机器人低速绕行可避免以较大速度撞到障碍物从而对机器人或障碍物造成伤害,进一步保证了安全性。
需要说明的是,预设等待时间可以根据实际情况进行灵活设置,本申请中不作具体限制。
在一些实施例中,机器人的控制方法还包括:
响应于所述机器人的避障区域内障碍物与所述机器人之间的距离大于第二预设距离,控制所述机器人绕行,所述第二预设距离大于或等于所述第一预设距离。
在实际应用场景中,另一种情况是障碍物在机器人的稍远距离处,针对这种场景,当机器人的避障区域内障碍物与机器人之间的距离大于第二预设距离时,不再控制机器人继续按照自主移动路径移动,也不是控制机器人进入等待状态,而是控制机器人绕行,也即,控制机器人直接绕开障碍物移动,既避免了碰撞上障碍物,也实现了机器人继续移动。
示例性的,基于相应的绕行参数,控制机器人绕行。其中,绕行参数表征机器人绕行的状态,绕行参数包括但不限于绕行起始距离、绕行速度等,绕行起始距离可以包括机器人开始绕行时与障碍物的距离,绕行速度可以包括机器人从开始绕行到结束绕行时的平均速度。
需要说明的是,该第二预设距离可以是大于第一预设距离的值,也可以是与第一预设距离相等的值。
在一些实施例中,机器人的控制方法还包括:
响应于所述机器人的避障区域内障碍物与所述机器人之间的距离大于第三预设距离,控制所述机器人绕行;其中,所述第三预设距离大于所述第二预设距离,在所述机器人与所述障碍物的距离大于所述第三预设距离的情况下,所述机器人的绕行参数与在所述机器人与所述障碍物的距离大于所述第二预设距离且小于所述第三预设距离的情况下的所述机器人的绕行参数不同,所述绕行参数用于表征所述机器人绕行的状态。
在实际应用场景中,还有另一种情况是障碍物在机器人的远距离处,针对这种场景,预先设置第三预设距离,该第三预设距离大于第二预设距离。需要说明的是,第三预设距离可以根据实际情况进行灵活设置,本申请中不作具体限制。当机器人的避障区域内障碍物与机器人之间的距离大于第三预设距离时,控制机器人绕行。其中,在机器人与障碍物的距离大于第三预设距离的情况下机器人的绕行参数,与在机器人与障碍物的距离大于第二预设距离且小于第三预设距离的情况下机器人的绕行参数不同。例如,两种情况下机器人的绕行起始距离、绕行速度均不同。
示例性的,机器人与障碍物的距离大于第三预设距离情况下,例如,如图8所示,图中三角形代表机器人,虚线箭头线代表机器人绕行,人像图形代表行人,也即障碍物。机器人绕行对应的绕行起始距离D1,大于机器人与障碍物的距离大于第二预设距离且小于第三预设距离情况下机器人绕行对应的绕行起始距离D2,例如,如图9所示,机器人与障碍物的距离远时,相应地,机器人绕行对应的绕行起始距离也远,也即D1>D2。这样可以使得机器人在避障区域内能够在距离障碍物较远时更早地开始绕行,从而进一步降低了与障碍物发生碰撞的风险。
在一些实施例中,根据机器人与障碍物之间的距离,确定机器人绕行对应的绕行速度。例如,机器人与障碍物之间的距离越小,机器人绕行对应的绕行速度越小。
示例性的,机器人与障碍物的距离大于第三预设距离情况下,机器人绕行对应的绕行速度V1,大于机器人与障碍物的距离大于第二预设距离且小于第三预设距离情况下机器人绕行对应的绕行速度V2,也即V1>V2,就是说,机器人与障碍物的距离远时,相应地,机器人绕行对应的绕行速度也大。
例如,在机器人与障碍物的距离大于第三预设距离的情况下,确定机器人绕行的绕行速度为原先速度,控制机器人维持原先速度,以较大绕行起始距离进行绕行,这样,可以大程度保证机器人自主导航的效率。
又如,在机器人与障碍物的距离大于第二预设距离且小于第三预设距离的情况下,确定机器人绕行的绕行速度为原先速度降速后的相应速度,控制机器人降速绕行。由于障碍物的运动无法确保能够准确预估,例如高速运动的行人、车辆等,无法准确预估其运动轨迹,此时机器人降速绕行可保证安全性。
示例性的,根据障碍物的类型,确定降速比率,例如,假设障碍物是行人,则加大降速比率,控制机器人以更小的绕行速度绕行,从而保证导航中人机交互的舒适程度和更大的安全性。
示例性的,响应于机器人的避障区域内存在障碍物,输出相应的报警提示信息。例如,响应于机器人的避障区域内存在障碍物,控制机器人播报语音提示信息,这样当障碍物是行人时,就达到了提醒行人注意安全和避让的效果。
在一些实施例中,在停车场的场景,机器人处于停车场,障碍物为移动中的车辆,由于车辆的体积与抗碰撞能力在一般情况下会强于机器人,为避免车辆驾驶员的疏忽或操作不当导致机器人被车辆碰撞受到损害,出于与车辆交互的安全性考虑,当识别出移动中的车辆后,控制机器人在原地等待或控制机器人移动至备选点等待。而控制机器人在原地等待或控制机器人移动至备选点等待的具体操作方式可参考上述实施例中所述,在此不再赘述。其中,机器人可通过电梯交互的方式或基于预先建好的地图或其他可能的方式确定自己处于停车场的环境中,在此不做具体限制。
在一些实施例中,所述机器人的控制方法还包括:获取所述机器人无法按照所述自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径;响应于所述机器人的所述多个规划路径上均存在障碍物,基于所述障碍物的类型和/或所述障碍物的尺寸在所述多个规划路径中确定目标路径;控制所述机器人按照所述目标路径行进。
在实际应用场景中,由于环境的动态变化,有一种情况是机器人的自主移动路径被阻塞,也即机器人无法按照自主移动路径直接通行且无法绕行,例如,如图10所示,图中三角形代表机器人,星形代表机器人移动的目标位置,虚线箭头线代表自主移动路径,人像图形代表障碍物。由于障碍物的阻挡,机器人无法按照自主移动路径直接通行且无法绕行。其中,无法绕行的原因有多种,例如障碍物的体积太大、包含自主移动路径的通道过于狭窄等,在此不做具体的限制。此时,重规划一个或多个规划路径,规划路径是指有可能通行到目标地点的路径。
示例性的,规划路径可以是包括自主移动路径的路径,也即,重规划路径时将自主移动路径也考虑在内;或者,规划路径也可以是不包括自主移动路径的路径,也即,重规划路径时将自主移动路径排除考虑。
示例性的,所述获取所述机器人无法按照所述自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径,包括:所述机器人在所述自主移动路径上行进时被障碍物阻挡,无法直接通行且无法绕行的情况下,获取所述机器人重规划的多个规划路径。
在一种应用场景中,例如,如图10所示,机器人在自主移动路径上行进时被行人阻挡,机器人无法按照自主移动路径直接通行且无法绕行。此时,获取机器人重规划的包括自主移动路径或不包括自主移动路径的规划路径。
在一些实施例中,机器人在自主移动路径上行进时被行人阻挡,机器人无法按照自主移动路径直接通行且无法绕行,先控制机器人原地等待预设的一段时间,若经过预设的一段时间后自主移动路径通畅了,则控制机器人按照自主移动路径移动。若经过预设的一段时间后机器人仍旧无法按照自主移动路径直接通行且无法绕行,此时,获取机器人重规划的规划路径。
示例性的,所述获取所述机器人无法按照所述自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径,包括:在所述机器人还未开始在所述自主移动路径上行进的情况下,响应于所述自主移动路径被障碍物阻挡,无法直接通行且无法绕行,获取所述机器人重规划的多个规划路径。
在另一种应用场景中,机器人还未开始在自主移动路径上行进,但是,通过相应方式获知自主移动路径被障碍物阻挡,无法直接通行且无法绕行,比如,通过其他机器人共享的信息,获知自主移动路径被障碍物阻挡,无法直接通行且无法绕行,又比如,通过自主移动路径上设置的摄像头的信息获知自主移动路径被障碍物阻挡,无法直接通行且无法绕行。此时,获取机器人重规划的包括自主移动路径或不包括自主移动路径的规划路径。
一种情况是,有某个规划路径是畅通的,此时,控制机器人按照该规划路径移动。例如,若不是自主移动路径的某个规划路径畅通,则控制机器人按照该规划路径移动。又如,若自主移动路径畅通,此时,控机器人按照自主移动路径移动。
另一种情况是,多个规划路径上均存在障碍物,此时,根据每个规划路径上障碍物的类型和/或障碍物的尺寸,在多个规划路径中确定目标路径。
示例性的,预设设置好不同障碍物的类型或障碍物的不同尺寸对应的重规划的多个规划路径的优先级顺序,并依据优先级顺序确定目标路径。比如,可以预先设置障碍物类型为“人”对应的规划路径在被选择为目标路径方面处于第一优先级,预先设置障碍物类型为“自行车”对应的规划路径在被选择为目标路径方面处于第二优先级,障碍物类型为“桌子”对应的规划路径处于第三优先级。若确定第一规划路径上障碍物的类型为“人”,第二规划路径上障碍物的类型为“自行车”,第三规划路径上的障碍物的类型为“桌子”,则将第一规划路径确定为目标路径。基于规划路径上障碍物的不同尺寸确定目标路径的方法和上述类似,不再赘述。
在一些实施例中,预设设置好障碍物的类型和/或障碍物的尺寸与障碍物移除概率的对应关系,根据障碍物的类型和/或障碍物的尺寸与障碍物移除概率的对应关系,确定每个规划路径上障碍物对应的障碍物移除概率,将障碍物移除概率最大的规划路径确定为目标路径。比如,可以预先设置障碍物类型为“人”的障碍物移除概率最大,障碍物类型为“自行车”的障碍物移除概率其次,障碍物类型为“桌子”的障碍物移除概率最小。其余的判断逻辑和上述类似,在此不再赘述。
示例性的,预先构建自学习模型,该自学习模型是基于多种障碍物的类型和/或障碍物的尺寸数据进行模型训练生成的。将每个规划路径对应的障碍物的类型和/或障碍物的尺寸信息输入自学习模型,通过自学习模型输出每个规划路径上障碍物对应的障碍物移除概率。确定了每个规划路径上障碍物对应的障碍物移除概率之后,将障碍物移除概率最大的规划路径确定为目标路径。
例如,如图11所示,机器人重规划的规划路径包括规划路径1和规划路径2,其中,规划路径1上的障碍物是行人,规划路径2上的障碍物是柜子,行人比柜子是更可能移开从而让路径畅通的,也即,规划路径1对应的障碍物移除概率大于规划路径2对应的障碍物移除概率,因此,将规划路径1确定为目标路径。
在一些实施例中,所述基于所述障碍物的类型和/或所述障碍物的尺寸在所述多个规划路径中确定目标路径,包括:基于搭载在所述机器人上的传感模块获得的所述障碍物的类型和/或所述障碍物的尺寸信息,或者基于其他设备发送的所述障碍物的类型和/或所述障碍物的尺寸信息,在所述多个规划路径中确定目标路径,其中,所述其他设备包括其他机器人或服务器。
如前所述,机器人上搭载设有双目视觉模组、结构光视觉模组、超声波传感器、悬崖传感器、防撞传感器、3D激光雷达等各种传感模块,通过传感模块检测获得每个规划路径上障碍物的类型和/或障碍物的尺寸信息。然后,根据每个规划路径上障碍物的类型和/或障碍物的尺寸信息,在多个规划路径中确定目标路径。
另一种实施方式中,机器人与其他机器人或服务器互连,通过其他机器人或服务器将各规划路径上障碍物对应的障碍物的类型和/或障碍物的尺寸信息发送至该机器人。机器人接收到其他机器人或服务器发送的障碍物的类型和/或障碍物的尺寸信息后,根据障碍物的类型和/或障碍物的尺寸信息,确定目标路径。
机器人无法按照自主移动路径直接通行且无法绕行场景下,通过重规划多个规划路径,从多个规划路径中确定目标路径,控制机器人按照目标路径行进,减小了机器人在目标路径中行进时再次被障碍物阻挡的概率,提高了机器人导航任务的完成度和成功率,同时也避免机器人一直等待在原地造成时间浪费,加快了导航任务的完成时间。
在一些实施例中,所述机器人的控制方法还包括:响应于机器人被围困,控制所述机器人自转,以获取所述机器人搭载的传感模块在所述机器人自转中检测到的所述机器人周围的环境数据,所述传感模块在水平方向上的检测角度小于360°;基于所述周围的环境数据,确定是否存在出路,所述出路用于表征能够供所述机器人移动至脱离所述围困的路径;响应于确定存在所述出路,控制所述机器人按照所述出路行进。
示例性的,在机器人移动的过程中,可以通过搭载在机器人上的传感模块检测得到的数据,确定机器人被围困,也可以是由其他设备比如摄像头或其他机器人发送的机器人所在区域环境数据给机器人,机器人接收获得其所在区域环境数据,根据其所在区域环境数据,确定机器人被围困。需要说明的是,本申请中对确定机器人被围困的方式不作具体限制。
例如,如图12所示,图中拱门形代表机器人,人像图形代表行人(障碍物),机器人的四周都被行人包围,为了脱困,监测是否会出现出路,出路是表征能够供机器人移动至脱离围困的路径。由于机器人搭载的传感模块在水平方向上的检测角度小于360°,不能完全检测到机器人周围的环境数据,因此,控制机器人自转。随着机器人自转,通过机器人搭载的传感模块检测获得机器人周围的环境数据。
以传感模块为如图2中所示的3D激光雷达为例,由于是在机器人的机身前进方向底部朝前设置的3D激光雷达,在机器人不转向的情况下,通过该3D激光雷达对位于机器人前方的第一扫描区域和位于机器人后方的第二扫描区域进行探测,由于第二扫描区域在竖直方向上的扫描视角较小,所以无法充分检测到机器人周围的环境数据,因此,需控制机器人自转。随着机器人自转,改变3D激光雷达的扫描范围,实现在水平方向上360°范围、竖直方向上任一合适角度的3D视角探测,从而获得机器人周围的全方位的环境数据。
之后,根据获得的机器人周围的环境数据,确定是否存在出路。例如,若某个方向的障碍物移开了,则可以确定该方向的出路。当确定存在出路时,控制机器人按照所确定的出路行进。整个过程不需要用户的介入,因此,提高了机器人的自动化性能,从而提升了用户体验。
在一些实施例中,所述响应于机器人被围困,控制所述机器人自转,包括:响应于所述机器人被围困,控制所述机器人原地等待;等待预设时长后检测所述机器人是否继续被围困;响应于所述机器人继续被围困,控制所述机器人自转。
与上面实施例的区别在于,当机器人被围困时,并不是立即控制机器人自转,从而确定是否有出路,而是先控制机器人原地等待,当经过预设时长等待之后,检测机器人是否继续被围困,一种情况是,机器人继续被围困,此时,再控制机器人自转,通过传感模块在机器人自转中检测机器人周围的环境数据,基于机器人周围的环境数据,确定是否存在出路。另一种情况是机器人已经没有被围困了,此时,并不需要再去通过自转确定出路,从而降低了机器人的工作消耗。
机器人被围困场景下,通过控制机器人等待和自转,在保证机器人安全的情况下,弥补了机器人各个方向感知能力的不足,通过获得全面的机器人周围的环境数据,增加了机器人脱困的成功率。
在一些实施例中,所述机器人的控制方法还包括:通过无线信号对所述机器人进行初定位,以获得所述机器人所在楼层的位置;获得所述机器人所在位置对应的区域环境信息;根据所述区域环境信息对所述机器人进行重定位,以获得所述机器人位于所在楼层的精确位置。
当机器人在楼宇内行进过程中,需明确机器人自身位置,此位置包括机器人所在楼层和在楼层中的具体精确位置。而目前常用的基于激光、视觉进行定位的方案,难以对机器人所在楼层给出准确的定位,因为大多数楼宇的楼层结构相近,仅通过对周围环境的观测无法获取足以区分不同楼层的特征。因此,在该实施例中,融合无线信号技术,基于机器人在不同楼层接收到的无线信号的强度不同,通过无线信号对机器人先进行楼层的定位,获得机器人所在楼层。然后采用激光雷达、视觉模组等检测获得机器人所在位置对应的区域环境信息,根据获得的区域环境信息对机器人进行精准匹配定位,从而获知机器人所在楼层以及在楼层的具体精确位置。
由于机器人在不同楼层接收到的无线信号的强度不同,在一些实施例中,所述通过无线信号对所述机器人进行初定位之前,包括:基于所述无线信号与目标区域中位置信息的映射关系,生成所述目标区域的无线信号-位置地图,以基于所述无线信号-位置地图对所述机器人进行初定位,所述目标区域包括供所述机器人行进的区域。
为了能够准确对机器人自身位置进行定位,将楼宇内供机器人行进的区域作为目标区域,预先对机器人在目标区域中各个位置时的无线信号进行检测,这样就得到一组无线信号与目标区域中位置信息的映射关系,基于无线信号与目标区域中位置信息的映射关系,生成目标区域的无线信号-位置地图。
当机器人在目标区域内时,根据生成的无线信号-位置地图,以及机器人当前接收的无线信号,确定机器人当前接收的无线信号对应的位置信息,作为机器人初定位的位置,获得机器人所在楼层的位置。
示例性的,无线信号为近距离无线通信信号,其中,近距离无线通信信号至少包括wifi(wireless fidelity,无线保真)信号、蓝牙信号、NFC(Near Field Communication,近场通信)信号、RFID(Radio Frequency Identification,射频识别)信号中的一种。
例如,以wifi信号为例,预先生成wifi信号-位置地图。在该wifi信号-位置地图中,指示了目标区域中各个位置与wifi信号强度的映射关系。当机器人在目标区域内时,根据生成的wifi信号-位置地图,以及机器人当前接收的wifi信号,确定机器人当前接收的wifi信号对应的位置信息,作为机器人初定位的位置,获得机器人所在楼层的位置。
示例性的,机器人在充电桩处启动时,其中,充电桩用于为机器人进行充电,该场景下,可以根据充电桩的位置对机器人进行定位,其中,定位包括定位机器人位于的楼层。
示例性的,可以通过搭载在机器人上的传感模块检测得到机器人所在位置对应的区域环境信息,或者,也可以是由其他设备比如摄像头或其他机器人或服务器发送的机器人所在位置对应的区域环境信息给机器人,机器人接收获得其所在位置对应的区域环境信息。需要说明的是,本申请中对获得机器人所在位置对应的区域环境信息的方式不作具体限制。
获得机器人所在位置对应的区域环境信息后,根据机器人所在位置对应的区域环境信息,对机器人进行重定位,获得机器人位于所在楼层的精确位置。
示例性的,区域环境信息包括但不限于图像信息或点云数据。可以根据机器人所在位置对应的图像信息进行图像匹配对机器人进行重定位,获得机器人位于所在楼层的精确位置。或者,根据机器人所在位置对应的点云数据进行点云匹配对机器人进行重定位,获得机器人位于所在楼层的精确位置。
通过结合初定位以及重定位,获得的机器人的位置,相比于采用现有的方式定位得到的机器人的位置,对机器人的定位结果更加精准。
上述实施例中,在机器人按照自主移动路径移动的过程中,监测障碍物,一旦确定机器人的避障区域内存在障碍物(避障区域内存在障碍物时机器人需执行避障操作),响应于障碍物与机器人之间的距离小于第一预设距离,控制机器人进入等待状态,并持续对障碍物进行监测,在障碍物移出机器人的避障区域时,自动控制机器人继续按照自主移动路径移动,整个过程不需要用户的介入,因此,提高了机器人遇障刹停后的自动化性能,从而提升了用户体验。
请参阅图13,图13是本申请一实施例提供的机器人的控制装置的示意性框图。
如图13所示,该机器人的控制装置200可以包括包括处理器211和存储器212,处理器211和存储器212通过总线连接,该总线比如为I2C(Inter-integrated Circuit)总线。
具体地,处理器211可以是微控制单元(Micro-controller Unit,MCU)、中央处理单元(Central Processing Unit,CPU)或数字信号处理器(Digital Signal Processor,DSP)等。
具体地,存储器212可以是Flash芯片、只读存储器(ROM,Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。存储器212中存储有供处理器211执行的各种计算机程序。
其中,所述处理器用于运行存储在存储器中的计算机程序,并在执行所述计算机程序时实现如下步骤:
在机器人按照自主移动路径移动的过程中,响应于所述机器人的避障区域内障碍物与所述机器人之间的距离小于第一预设距离,控制所述机器人进入等待状态,其中,当所述避障区域内存在障碍物时所述机器人需执行避障操作;
在所述机器人进入等待状态之后,响应于所述障碍物移出所述避障区域,自动控制所述机器人继续按照所述自主移动路径移动。
在一些实施例中,所述处理器还用于实现:
在所述机器人进入等待状态之后,响应于所述障碍物在预设等待时间内未移出所述避障区域,控制所述机器人绕行。
在一些实施例中,所述处理器还用于实现:
响应于所述机器人的避障区域内障碍物与所述机器人之间的距离大于第二预设距离,控制所述机器人绕行,所述第二预设距离大于或等于所述第一预设距离。
在一些实施例中,所述处理器还用于实现:
响应于所述机器人的避障区域内障碍物与所述机器人之间的距离大于第三预设距离,控制所述机器人绕行;其中,所述第三预设距离大于所述第二预设距离,在所述机器人与所述障碍物的距离大于所述第三预设距离的情况下,所述机器人的绕行参数与在所述机器人与所述障碍物的距离大于所述第二预设距离且小于所述第三预设距离的情况下的所述机器人的绕行参数不同,所述绕行参数用于表征所述机器人绕行的状态。
在一些实施例中,所述绕行参数包括绕行起始距离,所述绕行起始距离包括所述机器人开始绕行时与所述障碍物的距离;
其中,所述机器人与所述障碍物的距离大于所述第三预设距离情况下对应的绕行起始距离,大于所述机器人与所述障碍物的距离大于所述第二预设距离且小于所述第三预设距离情况下对应的绕行起始距离。
在一些实施例中,所述绕行参数包括绕行速度,所述绕行速度包括所述机器人从开始绕行到结束绕行时的平均速度;
其中,所述机器人与所述障碍物的距离大于所述第三预设距离情况下对应的绕行速度,大于所述机器人与所述障碍物的距离大于所述第二预设距离且小于所述第三预设距离情况下对应的绕行速度。
在一些实施例中,所述处理器在实现所述控制所述机器人进入等待状态时,用于实现:
控制所述机器人在原地等待或控制所述机器人移动至备选点等待,所述备选点不包括原地。
在一些实施例中,所述处理器还用于实现:
根据所述机器人的位置和所述障碍物的位置,生成所述备选点;或者
根据预设的备选点地图,生成所述备选点;或者
根据预设的备选点地图,以及所述机器人的位置和/或所述障碍物的位置,生成所述备选点。
在一些实施例中,所述机器人处于停车场,所述障碍物为移动中的车辆。
在一些实施例中,所述处理器还用于实现:
获取所述机器人无法按照所述自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径;
响应于所述机器人的所述多个规划路径上均存在障碍物,基于所述障碍物的类型和/或所述障碍物的尺寸在所述多个规划路径中确定目标路径;
控制所述机器人按照所述目标路径行进。
在一些实施例中,所述规划路径包括所述自主移动路径,或所述规划路径不包括所述自主移动路径。
在一些实施例中,所述处理器在实现所述基于所述障碍物的类型和/或所述障碍物的尺寸在所述多个规划路径中确定目标路径时,用于实现:
基于搭载在所述机器人上的传感模块获得的所述障碍物的类型和/或所述障碍物的尺寸信息,或者基于其他设备发送的所述障碍物的类型和/或所述障碍物的尺寸信息,在所述多个规划路径中确定目标路径,其中,所述其他设备包括其他机器人或服务器。
在一些实施例中,所述处理器在实现所述获取所述机器人无法按照所述自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径时,用于实现:
所述机器人在所述自主移动路径上行进时被障碍物阻挡,无法直接通行且无法绕行的情况下,获取所述机器人重规划的多个规划路径。
在一些实施例中,所述处理器在实现所述获取所述机器人无法按照所述自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径时,用于实现:
在所述机器人还未开始在所述自主移动路径上行进的情况下,响应于所述自主移动路径被障碍物阻挡,无法直接通行且无法绕行,获取所述机器人重规划的多个规划路径。
在一些实施例中,所述处理器还用于实现:
通过无线信号对所述机器人进行初定位,以获得所述机器人所在楼层的位置;
获得所述机器人所在位置对应的区域环境信息;
根据所述区域环境信息对所述机器人进行重定位,以获得所述机器人位于所在楼层的精确位置。
在一些实施例中,所述机器人在不同楼层接收的所述无线信号的强度不同。
在一些实施例中,所述处理器在实现所述通过无线信号对所述机器人进行初定位之前,用于实现:
基于所述无线信号与目标区域中位置信息的映射关系,生成所述目标区域的无线信号-位置地图,以基于所述无线信号-位置地图对所述机器人进行初定位,所述目标区域包括供所述机器人行进的区域。
在一些实施例中,所述无线信号为近距离无线通信信号,所述近距离无线通信信号至少包括wifi信号、蓝牙信号、NFC信号、RFID信号中的一种。
在一些实施例中,所述处理器还用于实现:
响应于机器人被围困,控制所述机器人自转,以获取所述机器人搭载的传感模块在所述机器人自转中检测到的所述机器人周围的环境数据,所述传感模块在水平方向上的检测角度小于360°;
基于所述周围的环境数据,确定是否存在出路,所述出路用于表征能够供所述机器人移动至脱离所述围困的路径;
响应于确定存在所述出路,控制所述机器人按照所述出路行进。
在一些实施例中,所述处理器在实现所述响应于机器人被围困,控制所述机器人自转时,用于实现:
响应于所述机器人被围困,控制所述机器人原地等待;
等待预设时长后检测所述机器人是否继续被围困;
响应于所述机器人继续被围困,控制所述机器人自转。
本申请的实施例中还提供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,所述计算机程序中包括程序指令,所述处理器执行所述程序指令,实现本申请实施例提供的机器人的控制方法的步骤。
其中,所述计算机可读存储介质可以是前述实施例所述的机器人或机器人的控制装置的内部存储单元,例如所述机器人或机器人的控制装置的硬盘或内存。所述计算机可读存储介质也可以是所述机器人或机器人的控制装置的外部存储设备,例如所述机器人或机器人的控制装置上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
以上所述,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 (28)
1.一种机器人的控制方法,其特征在于,包括:
在机器人按照自主移动路径移动的过程中,响应于所述机器人的避障区域内障碍物与所述机器人之间的距离小于第一预设距离,控制所述机器人进入等待状态,其中,当所述避障区域内存在障碍物时所述机器人需执行避障操作;
在所述机器人进入等待状态之后,响应于所述障碍物移出所述避障区域,自动控制所述机器人继续按照所述自主移动路径移动。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述机器人进入等待状态之后,响应于所述障碍物在预设等待时间内未移出所述避障区域,控制所述机器人绕行。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于所述机器人的避障区域内障碍物与所述机器人之间的距离大于第二预设距离,控制所述机器人绕行,所述第二预设距离大于或等于所述第一预设距离。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
响应于所述机器人的避障区域内障碍物与所述机器人之间的距离大于第三预设距离,控制所述机器人绕行;其中,所述第三预设距离大于所述第二预设距离,在所述机器人与所述障碍物的距离大于所述第三预设距离的情况下,所述机器人的绕行参数与在所述机器人与所述障碍物的距离大于所述第二预设距离且小于所述第三预设距离的情况下的所述机器人的绕行参数不同,所述绕行参数用于表征所述机器人绕行的状态。
5.根据权利要求4所述的方法,其特征在于,所述绕行参数包括绕行起始距离,所述绕行起始距离包括所述机器人开始绕行时与所述障碍物的距离;
其中,所述机器人与所述障碍物的距离大于所述第三预设距离情况下对应的绕行起始距离,大于所述机器人与所述障碍物的距离大于所述第二预设距离且小于所述第三预设距离情况下对应的绕行起始距离。
6.根据权利要求4所述的方法,其特征在于,所述绕行参数包括绕行速度,所述绕行速度包括所述机器人从开始绕行到结束绕行时的平均速度;
其中,所述机器人与所述障碍物的距离大于所述第三预设距离情况下对应的绕行速度,大于所述机器人与所述障碍物的距离大于所述第二预设距离且小于所述第三预设距离情况下对应的绕行速度。
7.根据权利要求1所述的方法,其特征在于,所述控制所述机器人进入等待状态,包括:
控制所述机器人在原地等待或控制所述机器人移动至备选点等待,所述备选点不包括原地。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
根据所述机器人的位置和所述障碍物的位置,生成所述备选点;或者
根据预设的备选点地图,生成所述备选点;或者
根据预设的备选点地图,以及所述机器人的位置和/或所述障碍物的位置,生成所述备选点。
9.根据权利要求7或8所述的方法,其特征在于,所述机器人处于停车场,所述障碍物为移动中的车辆。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述机器人无法按照所述自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径;
响应于所述机器人的所述多个规划路径上均存在障碍物,基于所述障碍物的类型和/或所述障碍物的尺寸在所述多个规划路径中确定目标路径;
控制所述机器人按照所述目标路径行进。
11.根据权利要求10所述的方法,其特征在于,所述规划路径包括所述自主移动路径,或所述规划路径不包括所述自主移动路径。
12.根据权利要求10所述的方法,其特征在于,所述基于所述障碍物的类型和/或所述障碍物的尺寸在所述多个规划路径中确定目标路径,包括:
基于搭载在所述机器人上的传感模块获得的所述障碍物的类型和/或所述障碍物的尺寸信息,或者基于其他设备发送的所述障碍物的类型和/或所述障碍物的尺寸信息,在所述多个规划路径中确定目标路径,其中,所述其他设备包括其他机器人或服务器。
13.根据权利要求10所述的方法,其特征在于,所述获取所述机器人无法按照所述自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径,包括:
所述机器人在所述自主移动路径上行进时被障碍物阻挡,无法直接通行且无法绕行的情况下,获取所述机器人重规划的多个规划路径。
14.根据权利要求10所述的方法,其特征在于,所述获取所述机器人无法按照所述自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径,包括:
在所述机器人还未开始在所述自主移动路径上行进的情况下,响应于所述自主移动路径被障碍物阻挡,无法直接通行且无法绕行,获取所述机器人重规划的多个规划路径。
15.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过无线信号对所述机器人进行初定位,以获得所述机器人所在楼层的位置;
获得所述机器人所在位置对应的区域环境信息;
根据所述区域环境信息对所述机器人进行重定位,以获得所述机器人位于所在楼层的精确位置。
16.根据权利要求15所述的方法,其特征在于,所述机器人在不同楼层接收的所述无线信号的强度不同。
17.根据权利要求15所述的方法,其特征在于,所述通过无线信号对所述机器人进行初定位之前,包括:
基于所述无线信号与目标区域中位置信息的映射关系,生成所述目标区域的无线信号-位置地图,以基于所述无线信号-位置地图对所述机器人进行初定位,所述目标区域包括供所述机器人行进的区域。
18.根据权利要求15所述的方法,其特征在于,所述无线信号为近距离无线通信信号,所述近距离无线通信信号至少包括wifi信号、蓝牙信号、NFC信号、RFID信号中的一种。
19.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于机器人被围困,控制所述机器人自转,以获取所述机器人搭载的传感模块在所述机器人自转中检测到的所述机器人周围的环境数据,所述传感模块在水平方向上的检测角度小于360°;
基于所述周围的环境数据,确定是否存在出路,所述出路用于表征能够供所述机器人移动至脱离所述围困的路径;
响应于确定存在所述出路,控制所述机器人按照所述出路行进。
20.根据权利要求19所述的方法,其特征在于,所述响应于机器人被围困,控制所述机器人自转,包括:
响应于所述机器人被围困,控制所述机器人原地等待;
等待预设时长后检测所述机器人是否继续被围困;
响应于所述机器人继续被围困,控制所述机器人自转。
21.根据权利要求1所述的方法,其特征在于,所述机器人设有传感模块,在相对于所述传感模块的第一方向形成所述传感模块的第一扫描区域,所述机器人在相对于所述传感模块的第二方向设置间隙层,所述第二方向与所述第一方向相对设置,通过所述间隙层在所述第二方向形成所述传感模块的第二扫描区域,使得所述机器人通过所述传感模块探测所述第一扫描区域和/或所述第二扫描区域内的障碍物,其中,所述间隙层在所述第二方向上至少部分地贯穿所述机器人,所述第一扫描区域大于所述第二扫描区域。
22.一种机器人的控制方法,其特征在于,包括:
获取机器人无法按照自主移动路径直接通行且无法绕行时所述机器人重规划的多个规划路径;
响应于所述机器人的所述多个规划路径上均存在障碍物,基于所述障碍物的类型和/或所述障碍物的尺寸在所述多个规划路径中确定目标路径;
控制所述机器人按照所述目标路径行进。
23.一种机器人的控制方法,其特征在于,包括:
机器人当前处于停车场环境时,响应于接收到存在阻碍所述机器人行进的移动中的车辆的信息,控制所述机器人移动至备选点等待,进行车辆避让。
24.一种机器人的控制方法,其特征在于,包括:
通过无线信号对机器人进行初定位,以获得所述机器人所在楼层的位置;
获得所述机器人所在位置对应的区域环境信息;
根据所述区域环境信息对所述机器人进行重定位,以获得所述机器人位于所在楼层的精确位置。
25.一种机器人的控制方法,其特征在于,包括:
响应于机器人被围困,控制所述机器人自转,以获取所述机器人搭载的传感模块在所述机器人自转中检测到的所述机器人周围的环境数据,所述传感模块在水平方向上的检测角度小于360°;
基于所述周围的环境数据,确定是否存在出路,所述出路用于表征能够供所述机器人移动至脱离所述围困的路径;
响应于确定存在所述出路,控制所述机器人按照所述出路行进。
26.一种机器人的控制装置,其特征在于,所述机器人的控制装置包括存储器和处理器;
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25中任一项所述的机器人的控制方法。
27.一种机器人,其特征在于,所述机器人包括机身、以及位于所述机身中的如权利要求26所述的机器人的控制装置,所述控制装置用于控制所述机器人运行。
28.一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25中任一项所述的机器人的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211260560.1A CN117950394A (zh) | 2022-10-14 | 2022-10-14 | 机器人的控制方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211260560.1A CN117950394A (zh) | 2022-10-14 | 2022-10-14 | 机器人的控制方法、装置、机器人及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117950394A true CN117950394A (zh) | 2024-04-30 |
Family
ID=90801914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211260560.1A Pending CN117950394A (zh) | 2022-10-14 | 2022-10-14 | 机器人的控制方法、装置、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117950394A (zh) |
-
2022
- 2022-10-14 CN CN202211260560.1A patent/CN117950394A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107449434B (zh) | 使用定位估计误差界限进行安全车辆导航 | |
RU2735340C1 (ru) | Способ управления парковкой и устройство управления парковкой | |
EP3604068B1 (en) | Vehicle control method, device and storage medium | |
CN113561963B (zh) | 一种泊车方法、装置及车辆 | |
RU2733300C1 (ru) | Способ управления парковкой и устройство управления парковкой | |
US10580300B1 (en) | Parking management systems and methods | |
JP6614359B2 (ja) | 障害物判定方法、駐車支援方法、出庫支援方法、及び障害物判定装置 | |
RU2744447C1 (ru) | Способ управления парковкой и аппаратура управления парковкой | |
JP7456442B2 (ja) | 情報処理装置、および情報処理方法、並びにプログラム | |
JP2019166856A (ja) | 自動運転車両の駐車制御方法及び駐車制御装置 | |
CN110751336B (zh) | 无人载具的避障方法、避障装置及无人载具 | |
JP7117603B2 (ja) | 走行制御装置、走行制御方法、プログラム | |
RU2738780C1 (ru) | Способ управления парковкой и устройство управления парковкой | |
KR20220081380A (ko) | 자율주행 차량을 위한 신호등 검출 및 분류 | |
CN117950394A (zh) | 机器人的控制方法、装置、机器人及存储介质 | |
CN111157996B (zh) | 一种停车机器人行驶安全检测方法 | |
CN114572243A (zh) | 物标检测装置以及搭载有该物标检测装置的车辆 | |
WO2021048891A1 (ja) | 移動体および移動体制御方法 | |
US11938971B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
JP7329762B2 (ja) | 走行制御方法 | |
US11904847B2 (en) | Automatic parking system, automatic parking method, and storage medium | |
EP3958234A1 (en) | Launchpad for autonomous vehicles | |
EP4071019A1 (en) | Automated valet parking system and control method of automated valet parking system | |
US20240059310A1 (en) | Method for controlling drive-through and apparatus for controlling drive-through | |
JP2022185185A (ja) | ロボット |
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 |