CN118024262A - 运行状态检测方法、装置、设备和存储介质 - Google Patents
运行状态检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN118024262A CN118024262A CN202410431966.4A CN202410431966A CN118024262A CN 118024262 A CN118024262 A CN 118024262A CN 202410431966 A CN202410431966 A CN 202410431966A CN 118024262 A CN118024262 A CN 118024262A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- sub
- time period
- grid
- determining
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 239000013598 vector Substances 0.000 claims abstract description 95
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims description 19
- 238000006073 displacement reaction Methods 0.000 description 31
- 230000001133 acceleration Effects 0.000 description 30
- 230000008859 change Effects 0.000 description 23
- 238000006243 chemical reaction Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material 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
- 238000007781 pre-processing 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
本申请涉及一种运行状态检测方法、装置、设备和存储介质。所述方法包括:获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图;针对每个子时间段,基于子时间段对应的至少一个运行参数集合和障碍物地图,确定子时间段对应的运行特征向量;基于多个子时间段各自对应的运行特征向量,确定机器人在预设时间段内的运行状态。采用本方法能够确定机器人的运行状态。
Description
技术领域
本申请涉及自动化技术领域,特别是涉及一种运行状态检测方法、装置、设备和存储介质。
背景技术
随着自动化技术的飞速发展,机器人作为一种智能设备,被广泛的应用于生活中。机器人在运行过程中,通过相机、激光雷达等传感器,对周围环境进行重建,使机器人在移动的过程中能避开障碍物完成既定任务。
传统方法中,仅仅关注机器人对于障碍物的避让情况,缺乏对机器人运行状态的检测,从而导致机器人无法根据运行状态调整运行路径或者工作状态,以更好的完成既定任务。
发明内容
基于此,有必要针对上述技术问题,提供一种能够确定机器人运行状态的运行状态检测方法、装置、设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种运行状态检测方法。所述方法包括:
获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图;
针对每个所述子时间段,基于所述子时间段对应的至少一个运行参数集合和障碍物地图,确定所述子时间段对应的运行特征向量;
基于多个所述子时间段各自对应的所述运行特征向量,确定所述机器人在所述预设时间段内的运行状态。
在一个实施例中,一个所述运行参数集合中包括一个运行参数对应的多个运行参数值;所述基于所述子时间段对应的至少一个运行参数集合和障碍物地图,确定所述子时间段对应的运行特征向量,包括:
针对每一个所述运行参数集合,基于所述运行参数集合中的多个运行参数值,确定所述运行参数集合的统计值;
基于所述障碍物地图中各个栅格对应的障碍物标识,确定所述障碍物地图对应的障碍物特征值;
基于所述子时间段对应的至少一个运行参数集合的统计值和所述障碍物特征值,确定所述子时间段对应的运行特征向量。
在一个实施例中,所述基于所述障碍物地图中各个栅格对应的障碍物标识,确定所述障碍物地图对应的障碍物特征值,包括:
基于预设策略,依次获取所述障碍物地图中各个栅格对应的障碍物标识,得到标识序列;
基于所述标识序列,得到所述障碍物地图对应的障碍物特征值。
在一个实施例中,所述至少一个运行参数集合包括速度参数集合和相对位置参数集合;所述基于所述子时间段对应的至少一个运行参数集合的统计值和所述障碍物特征值,确定所述子时间段对应的运行特征向量,包括:
基于所述速度参数集合的统计值、所述相对位置参数集合的统计值和所述障碍物特征值,确定所述子时间段对应的运行特征向量。
在一个实施例中,所述基于多个所述子时间段各自对应的所述运行特征向量,确定所述机器人在所述预设时间段内的运行状态,包括:
基于多个所述子时间段的排列顺序,对多个所述子时间段对应的运行特征向量进行组合,得到所述预设时间段对应的目标特征向量;
将所述目标特征向量输入至状态检测模型,得到各个候选状态对应的发生概率;
基于各个所述候选状态对应的发生概率,确定所述机器人在所述预设时间段内的运行状态。
在一个实施例中,所述获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图,包括:
获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物点集合;所述障碍物点集合中包括多个障碍物点对应的障碍物距离和障碍物方向;
针对每个所述子时间段对应的障碍物点集合中的每个障碍物点,基于所述障碍物点对应的障碍物距离和障碍物方向,确定所述障碍物点对应的第一位置;所述第一位置位于以所述机器人的当前位置为坐标原点建立的坐标系中;
建立以所述当前位置为中心的初始栅格地图;所述初始栅格地图中包括多个栅格;
基于多个所述障碍物点对应的第一位置,确定所述初始栅格地图中每个栅格对应的障碍物标识;
基于所述初始栅格地图和各个所述栅格对应的障碍物标识,得到所述子时间段对应的障碍物地图。
在一个实施例中,所述基于多个所述障碍物点对应的第一位置,确定所述初始栅格地图中每个栅格对应的障碍物标识,包括:
获取所述初始栅格地图中每一个栅格对应的栅格区域;所述栅格区域位于以所述初始栅格地图的预设顶点为坐标原点建立的坐标系中;
对所述障碍物点对应的第一位置进行转换,得到所述障碍物点在所述初始栅格地图中对应的第二位置;
针对每一个所述栅格,若确定存在位于所述栅格对应的栅格区域中的第二位置,则确定所述栅格的障碍物标识为第一标识;若确定不存在位于所述栅格对应的栅格区域中的第二位置,则确定所述栅格的障碍物标识为第二标识。
第二方面,本申请还提供了一种运行状态检测装置。所述装置包括:
获取模块,用于获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图;
确定模块,用于针对每个所述子时间段,基于所述子时间段对应的至少一个运行参数集合和所述障碍物地图,确定所述子时间段对应的运行特征向量;
检测模块,用于基于多个所述子时间段各自对应的所述运行特征向量,确定所述机器人在所述预设时间段内的运行状态。
第三方面,本申请还提供了一种设备,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第一方面中任一项所述方法的步骤。
第四方面,本申请还提供了一种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第一方面中任一项所述方法的步骤。
第五方面,本申请还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面中任一项所述方法的步骤。
上述运行状态检测方法、装置、设备和存储介质,获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图;针对每个子时间段,基于子时间段对应的至少一个运行参数集合和障碍物地图,确定子时间段对应的运行特征向量;基于多个子时间段各自对应的运行特征向量,确定机器人在预设时间段内的运行状态。通过子时间段对应的至少一个运行参数集合和障碍物地图确定该子时间段对应的运行特征向量,即通过子时间段对应的至少一个运行参数集合确定机器人在子时间段内的运行情况,通过子时间段对应的障碍物地图确定机器人在子时间段内的运行环境,根据运行状态和运行环境,确定机器人在子时间段对应的运行特征向量,运行特征向量表征机器人在子时间段内的运行状况,根据机器人在预设时间段内的多个子时间段对应的运行特征向量,确定机器人在目标时间段的运行状态,达到运行状态检测的目的。
附图说明
图1为一个实施例中运行状态检测方法的应用环境图;
图2为一个实施例中运行状态检测方法的流程示意图;
图3为一个实施例中障碍物地图的示意图;
图4为一个实施例中运行特征向量确定步骤的流程示意图;
图5为一个实施例中障碍物特征值确定步骤的流程示意图;
图6为一个实施例中运行状态确定步骤的流程示意图;
图7为一个实施例中状态检测模型的示意图;
图8为一个实施例中障碍物地图确定步骤的流程示意图;
图9为一个实施例中障碍物标识确定步骤的流程示意图;
图10为一个实施例中运行状态检测方法的流程示意图;
图11为一个实施例中运行状态检测装置的结构框图;
图12为一个实施例中设备的内部结构图。
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运行状态检测方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与机器人104进行通信。终端102和机器人104可协同用于执行本申请实施例中提供的运行状态检测方法,机器人104也可以单独用于执行本申请实施例中提供的运行状态检测方法。其中,机器人104可以是各种自移动设备,例如:清洁机器人、配送机器人、导览机器人、自动导向车 ( Automatic Guided Vehicle,AGV)、智能平衡车、智能电动滑板车、自动驾驶汽车以及无人驾驶飞机等。终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能电视和智能车载设备等,便携式可穿戴设备可为智能手表等。
在一个实施例中,如图2所示,提供了一种运行状态检测方法,本实施例以该方法应用于机器人为例进行说明,包括步骤202到步骤206。
步骤202,获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图。
其中,预设时间段是指预设时长的时间段,例如,预设时间段为2秒、5秒或者1分钟等。子时间段是指预设时间段内的其中一个时间段,例如,子时间段为0.1秒、0.5秒或者10秒等。预设时间段内包括多个子时间段,多个子时间段的时长可以相等,也可以不相等。预设时间段内包括的多个子时间段可以为预设时间段内的所有子时间段,例如,预设时间段为2秒,每个子时间段为0.1秒,2秒中包括20个子时间段,预设时间段内包括的多个子时间段可以为20个子时间段或者预设时间段为1分钟,每个子时间段为2秒,1分钟内包括30个子时间段,预设时间段内包括的多个子时间段可以为30个子时间段。预设时间段内包括的多个子时间段可以为预设时间内的部分子时间段,例如,预设时间段为2秒,每个子时间段为0.1秒,2秒中包括20个子时间段,预设时间内包括的多个子时间段可以为其中的10个子时间段。
运行参数集合是指一个运行参数对应的多个运行参数值组成的集合,可以理解为,机器人在子时间段内采集的同一个运行参数对应的多个运行参数值组成的集合,例如,运行参数集合为角速度集合,子时间为2秒,角速度的采集时间间隔为0.2秒,则角速度集合中包括10个角速度,或者运行参数集合为位移集合,子时间段为1秒,位移的采集时间间隔为0.5秒,则位移集合中包括2个位移。
每个子时间段对应至少一个运行参数集合,即每个子时间段对应的运行参数集合的数量可以为一个或者多个,子时间段对应的运行参数集合的数量可以根据实际需求进行设置,至少一个运行参数集合可以为线加速度集合、角速度集合、位移集合和角度变化集合等中的至少一个,例如,子时间段对应的至少一个运行参数集合可以为线加速度集合,或者子时间段对应的至少一个运行参数集合可以为线加速度集合和位移集合,或者子时间段对应的至少一个运行参数集合可以为加速度集合、角速度集合、位移集合和角度变化集合。
障碍物地图是指表征机器人运行环境的栅格地图,障碍物地图以机器人的当前位置为中心,障碍物地图中包括多个栅格和每个栅格对应的障碍物标识,例如,如图3所示的障碍物地图,障碍物地图中的圆形表示机器人,该障碍物地图中包括16个栅格,栅格是边长为0.3米的正方形,栅格中的障碍物标识为1表示该栅格中存在障碍物点,栅格中的障碍物标识为0表示该栅格中不存在障碍物点。
示例性地,机器人在执行任务的过程中,针对每一个运行参数,在子时间段内采集该运行参数对应的多个运行参数值,将多个运行参数值组成该运行参数对应的运行参数集合,得到子时间段对应的至少一个运行参数集合;与此同时,在子时间段内采集障碍物点,基于子时间段内采集的障碍物点生成障碍物地图;在机器人需要进行运行状态检测时,获取预设时间段中的每个子时间段对应的至少一个运行参数集合,以及每个子时间段对应的障碍物地图。
在一个实施例中,机器人在开机状态下,采集至少一个预设运行参数对应的运行参数值,将子时间段内的同一预设运行参数对应的多个运行参数值组成该预设运行参数对应的运行参数集合,得到子时间段对应的至少一个运行参数集合;采集障碍物点,将子时间段内的障碍物点组成障碍物点集合,基于障碍物点集合,确定子时间段对应的障碍物地图;在机器人需要进行运行状态检测时,基于预设时长和当前时刻,确定预设时间段,基于预设时间段确定多个子时间段,获取每个子时间段分别对应的至少一个运行参数集合和障碍物地图。例如,机器人在开机状态下进行补给,此时机器人与工作站对桩处于静止状态,可以通过预设时间段内的每个子时间段对应的至少一个运行参数集合和障碍物地图,判断机器人的运行状态是否为遭遇撞击状态、遭遇摇晃状态和遭遇推动状态等。
在一个实施例中,机器人基于预设第一采集频率,通过惯性测量单元获取线加速度对应的线加速度值和角速度对应的角速度值,将子时间段内采集的多个线加速度值组成线加速度集合,将子时间段内采集的多个角速度值组成角速度集合;机器人基于预设第二采集频率,通过轮式里程计获取位移对应的位移值和角度变化对应的角度变化值,将子时间段内采集的多个位移值组成位移集合,将子时间段内采集的多个角度变化值组成角度变化集合;机器人基于预设第三采集频率,通过相机和激光雷达传感器获取障碍物点对应的障碍物距离和障碍物方向,将子时间段内的多个障碍物点对应的障碍物距离和障碍物方向组成障碍物点集合。其中,预设第一采集频率、预设第二采集频率和预设第三采集频率可以相同,也可以不相同。
步骤204,针对每个子时间段,基于子时间段对应的至少一个运行参数集合和障碍物地图,确定子时间段对应的运行特征向量。
其中,运行特征向量是指表征机器人在子时间段内运行情况的向量,运行特征向量中包括多个元素值,运行特征向量中的元素值包括但不限于速度集合对应的统计值、相对位置集合对应的统计值和障碍物特征值等。运行特征向量中包括线加速度集合对应的统计值、线速度集合对应的统计值、角速度集合对应的统计值、位移集合对应的统计值和角度变化对应的统计值等中的至少一个和障碍物特征值,例如,运行特征向量中包括线加速度集合对应的统计值、线速度集合对应的统计值和障碍物特征值,或者,运行特征向量中包括线加速度集合对应的统计值、角速度集合对应的统计值、位移集合对应的统计值和障碍物特征值。
示例性地,针对每个子时间段对应的至少一个运行参数集合和障碍物地图,机器人分别确定每一个运行参数集合对应的统计值,基于障碍物地图确定障碍物特征值,基于至少一个运行参数集合对应的统计值和障碍物特征值,确定子时间段对应的运行特征向量。
步骤206,基于多个子时间段各自对应的运行特征向量,确定机器人在预设时间段内的运行状态。
其中,多个子时间段可以为预设时间段内的所有子时间段,或者也可以为预设时间内的部分子时间段。运行状态是指机器人在预设时间段内运行的状态,运行状态可以为机器人启动且处于静止时的状态,运行状态也可以为机器人执行任务时的状态。运行状态可以为正常行驶状态、行驶路径异常状态、行驶打滑状态、行驶过坎状态、行驶上下坡状态、遭遇撞击状态、遭遇摇晃状态和遭遇推动状态等中的一种。
示例性地,机器人基于多个子时间段的排列顺序,按照多个子时间段对应的排列顺序,依次将每个子时间段对应的运行特征向量输入至状态检测模型,得到各个候选状态对应的发生概率,基于各个候选状态对应的发生概率,确定机器人在预设时间段内的运行状态。
在一个实施例中,针对预设时间内的每相邻的两个子时间段,确定相邻的两个子时间段分别对应的运行特征向量之间的相似性,在相似性小于相似阈值的情况下,则将上述相邻的两个子时间段确定为两个目标子时间段;基于预设时间内的目标子时间段各自对应的运行特征向量,确定机器人在预设时间段内的运行状态。
在一个实施例中,步骤206之后还包括:机器人在执行任务的过程中,确定机器人在预设时间内的运行状态为遭遇撞击状态时,则停止执行任务。例如,机器人在洗地过程中,确定机器人在预设时间段内的运行状态为遭遇撞击状态,为了避免对机器人造成二次撞击,机器人则停止洗地工作。
在一个实施例中,步骤206之后还包括:获取机器人在执行目标任务过程中的多个预设时间段对应的运行状态,基于多个预设时间段对应的运行状态,对目标任务对应的目标路径进行评估,得到目标路径的评估结果。
得到目标路径对应的评估结果之后,还包括:基于评估结果对目标路径进行优化,得到优化后的目标路径。
本实施例中,通过子时间段对应的至少一个运行参数集合和障碍物地图确定该子时间段对应的运行特征向量,即通过子时间段对应的至少一个运行参数集合确定机器人在子时间段内的运行情况,通过子时间段对应的障碍物地图确定机器人在子时间段内的运行环境,根据运行状态和运行环境,确定机器人在子时间段对应的运行特征向量,运行特征向量表征机器人在子时间段内的运行状况,根据机器人在预设时间段内的多个子时间段对应的运行特征向量,确定机器人在目标时间段的运行状态,达到运行状态检测的目的。
在一个实施例中,如图4所示,一个运行参数集合中包括一个运行参数对应的多个运行参数值;基于子时间段对应的至少一个运行参数集合和障碍物地图,确定子时间段对应的运行特征向量,包括:
步骤402,针对每一个运行参数集合,基于运行参数集合中的多个运行参数值,确定运行参数集合的统计值。
其中,运行参数值是指运行参数对应的数值。统计值是指对运行参数集合中包括的多个运行参数值进行统计得到的数值,统计值包括但不限于平均值、方差、标准差和众数等中的至少一种。平均值是指对运行参数集合中的多个运行参数值进行平均得到的数值;方差是指表征运行参数集合中的多个运行参数值的分散程度的数值;标准差表征运行参数集合中的多个运行参数值的分散程度的统计量;众数是指运行参数集合中的多个运行参数值中出现频率最高的数值。例如,统计值为平均值和标准差,或者统计值为平均值、方差和众数。
示例性地,针对每一个运行参数集合,机器人对运行参数集合中的多个运行参数值进行统计,得到运行参数集合的统计值。
步骤404,基于障碍物地图中各个栅格对应的障碍物标识,确定障碍物地图对应的障碍物特征值。
其中,栅格是指组成障碍物地图的最小单元,栅格可以为矩阵或者正方形等,栅格的形状和尺寸可以根据实际需求进行设置,此处不作限制。障碍物标识是指表征栅格中是否存在障碍物点的标识,障碍物标识可以为数字、字符和符号等,例如,如图3所示的障碍物地图,该障碍物地图中包括16个栅格,栅格是边长为0.3米的正方形,栅格中的障碍物标识为1表示该栅格中存在障碍物点,栅格中的障碍物标识为0表示该栅格中不存在障碍物点。障碍物特征值是指表征障碍物地图中的障碍物特征的数值,可以理解为,表征机器人运行环境特征的数值。
示例性地,机器人获取障碍物地图中每个栅格对应的障碍物标识,基于各个栅格对应的障碍物标识,确定障碍物地图对应的障碍物特征值。
步骤406,基于子时间段对应的至少一个运行参数集合的统计值和障碍物特征值,确定子时间段对应的运行特征向量。
示例性地,机器人按照预设排列顺序对至少一个运行参数集合对应的统计值和障碍物特征值进行组合,得到子时间段对应的运行特征向量。
本实施例中,通过运行参数集合确定机器人在子时间段内的运行情况,通过障碍物地图确定机器人在子时间段内的运行环境,根据运行状态和运行环境,确定机器人在子时间段对应的运行特征向量,运行特征向量表征机器人在子时间段内的运行状况,为后续确定机器人的运行状态提供了丰富的基础数据。
在一个实施例中,基于障碍物地图中各个栅格对应的障碍物标识,确定障碍物地图对应的障碍物特征值,包括:
基于预设策略,依次获取障碍物地图中各个栅格对应的障碍物标识,得到标识序列;基于标识序列,得到障碍物地图对应的障碍物特征值。
其中,预设策略是指预先设定获取障碍物标识的顺序,预设策略可以为每一排从左到右的顺序,也可以为每一列从上到下的顺序,预设顺序可以根据实际需求进行设置。标识序列是指障碍物标识按照获取顺序组成的序列。
示例性地,机器人获取预设顺序,按照预设顺序依次获取障碍物地图中各个栅格对应的障碍物标识,将障碍物标识按照获取顺序进行排列,得到标识序列,对标识序列进行预设进制转换,得到障碍物地图对应的障碍物特征值。其中,预设进制转换是指预先设置的转换关系,预设进制转换可以为十进制转换和十六进制转换等。例如,如图5所示的障碍物地图,标识序列为0001000100010010,将标识序列0001000100010010进行十进制转换,得到的障碍物特征值为4370,或者将标识序列0001000100010010进行十六进制转换,得到的障碍物特征值为1112。
在一个实施例中,基于预设策略,依次获取障碍物地图中各个栅格对应的障碍物标识,得到标识序列;将标识序列确定为障碍物地图对应的障碍物特征值。即直接将标识序列确定为障碍物地图对应的障碍物特征值。
本实施例中,根据障碍物地图中各个栅格对应的障碍物标识得到标识序列,标识序列表征了机器人在子时间段的运行环境,根据标识序列确定障碍物地图对应的障碍物特征值,即将标识序列转换为一个表征障碍物特征的数值,使用障碍物特征值确定运行特征向量,减少了运行特征向量的字节数量。
在一个实施例中,至少一个运行参数集合包括速度参数集合和相对位置参数集合;基于子时间段对应的至少一个运行参数集合的统计值和障碍物特征值,确定子时间段对应的运行特征向量,包括:
基于速度参数集合的统计值、相对位置参数集合的统计值和障碍物特征值,确定子时间段对应的运行特征向量。
其中,速度参数集合是指与机器人运行速度相关的参数集合,速度参数集合可以包括但不限于线加速度集合和速度集合等中的至少一个;线加速度集合中包括多个线加速度,线加速度是指机器人在空间中沿着某一方向的加速度;速度参数集合中包括多个速度,速度是指机器人沿着路径移动的速度。相对位置参数集合是指与机器人位置相关的参数集合,相对位置参数集合可以包括但不限于角速度集合、位置集合和角度变化集合等中的至少一个;角速度集合中包括多个角速度,角速度是指机器人绕其自身坐标系中的某一轴旋转的速度;位移集合中包括多个位移,位移是指机器人在运动中相对于起始点的位移;角速度变化集合中包括多个角速度,角度变化是指机器人在运行中相对于起始点角度的变化。
示例性地,机器人在步骤202中获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图;在步骤204中,针对每个子时间段对应的速度参数集合、相对位置参数集合和障碍物地图,确定速度参数集合对应的统计值、相对位置参数集合对应的统计值,以及确定障碍物地图对应的障碍物特征值;然后基于预设排列顺序,将速度参数集合对应的统计值、相对位置参数集合对应的统计值和障碍物特征值进行组合,得到子时间段对应的运行特征向量。预设排列顺序可以根据实际需求进行设置,预设排列顺序可以为速度参数集合对应的统计值、相对位置参数集合对应的统计值和障碍物特征值,或者,预设排列顺序也可以为障碍物特征值、速度参数集合对应的统计值和相对位置参数集合对应的统计值等。
在一个实施例中,速度参数集合包括线加速度集合,相对位置参数集合包括角速度集合、位移集合和角度变化集合,统计值包括平均值和方差;基于速度参数集合对应的统计值、相对位置参数集合对应的统计值和障碍物特征值,确定子时间段对应的运行特征向量,包括:针对每个子时间段,基于子时间段对应的线加速集合中的多个线加速度值,确定线加速度集合对应的平均值和方差;基于子时间段对应的角速度集合中的多个角速度值,确定角速度集合对应的平均值和方差;基于子时间段对应的位移集合中的多个位移值,确定位移集合对应的平均值和方差;基于子时间段对应的角度变化集合中的多个角度变换值,确定角度变化集合对应的平均值和方差;基于子时间段对应的障碍物点集合确定障碍物地图,基于障碍物地图确定障碍物特征值;然后基于预设排列顺序,将线加速度集合对应的平均值和方差、角速度集合对应的平均值和方差、位移集合对应的平均值和方差、角度变化集合对应的平均值和方差,以及障碍物特征值进行组合,得到子时间段对应的运行特征向量。
本实施例中,明确至少一个运行参数集合中包括速度参数集合和相对位置参数集合,即通过包含速度参数集合的统计值、相对位置参数集合的统计值和障碍物特征值的运行特征向量,表征机器人在子时间的运行状况。
在一个实施例中,如图6所示,基于多个子时间段各自对应的运行特征向量,确定机器人在预设时间段内的运行状态,包括:
步骤602,基于多个子时间段的排列顺序,对多个子时间段对应的运行特征向量进行组合,得到预设时间段对应的目标特征向量。
其中,排列顺序是指多个子时间段的时间先后顺序。目标特征向量是指多个子时间段对应的运行特征向量按照多个子时间段的时间先后顺序进行排列得到向量,目标特征向量中包括预设时间段内的多个子时间段对应的运行特征向量的信息。
示例性地,机器人对多个子时间段按照时间先后顺序进行排序,得到多个子时间段的排列顺序,按照多个子时间段的排列顺序,对多个子时间段对应的运行特征向量进行组合,得到预设时间段对应的目标特征向量。
步骤604,将目标特征向量输入至状态检测模型,得到各个候选状态对应的发生概率。
其中,状态检测模型是指对机器人运行状态进行预测的神经网络模型,状态检测模型的输入为预设时间段对应的目标特征向量,输出为各个候选状态对应的发生概率,状态检测模型为完成训练的神经网络模型。例如,如图7所示的状态检测模型,输入为2秒对应的目标特征向量,目标特征向量由20个0.1秒对应的运行特征向量组成,输出为8个候选状态对应的发生概率。候选状态是指可能的运行状态,候选状态的数量由状态检测模型决定。发生概率是指候选状态发生的概率。
示例性地,机器人将目标特征向量输入至状态检测模型,状态检测模型输出各个候选状态对应的发生概率,机器人得到各个候选状态对应的发生概率。
步骤606,基于各个候选状态对应的发生概率,确定机器人在预设时间段内的运行状态。
示例性地,机器人将大于概率阈值的发生概率对应的候选状态,确定为机器人在预设时间段内的运行状态。其中,概率阈值是指将候选状态确定为运行状态的最小发生概率,例如,概率阈值为50%或者概率阈值为75%。
在一个实施例中,若各个候选状态对应的发生概率均小于或者等于概率阈值,则确定机器人在预设时间段内的运行状态为未知状态。
在一个实施例中,机器人对各个候选状态对应的发生概率进行比较,将最大的发生概率对应的候选状态,确定为机器人在预设时间段内的运行状态。
本实施例中,机器人通过将目标特征向量输入至状态检测模型,得到各个候选状态对应的发生概率,然后根据候选状态的发生概率,确定机器人在预设时间段内对应的运行状态,使用完成训练的状态检测模型对各个候选状态对应的发生概率进行预测,提高了发生概率的准确性,从而提高了运行状态检测的准确性。
在一个实施例中,如图8所示,获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图,包括:
步骤802,获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物点集合;障碍物点集合中包括多个障碍物点对应的障碍物距离和障碍物方向。
其中,障碍物点是指传感器发射的激光在障碍物上发生发射的点。障碍物距离是指障碍物点到机器人的直线距离。障碍物方向是指障碍物点与机器人形成的直线与水平线之间的夹角,可以理解为,以机器人的当前位置为坐标原点,以机器人的运行方向为Y轴,以垂直于机器人运行方向为X轴建立的直角坐标系,障碍物方向是指障碍物点与坐标原点形成的直线与X轴之间的夹角。
示例性地,机器人获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物点集合,障碍物点集合中包括多个障碍物点对应的障碍物距离和障碍物方向。
步骤804,针对每个子时间段对应的障碍物点集合中的每个障碍物点,基于障碍物点对应的障碍物距离和障碍物方向,确定障碍物点对应的第一位置;第一位置位于以机器人的当前位置为坐标原点建立的坐标系中。
其中,第一位置是指障碍物点在第一坐标系中的位置,第一坐标系是指以机器人的当前位置为坐标原点,以机器人的运行方向为Y轴,以垂直于机器人运行方向为X轴建立的直角坐标系。当前位置是指机器人当前在定位地图中的位置,当前是指机器人获取障碍物点对应的障碍物距离和障碍物方向的时刻。
示例性地,针对每个子时间段对应的障碍物点集合中的每个障碍物点,将障碍物点对应的障碍物距离乘以障碍物方向的余弦值,得到障碍物点对应的第一坐标值,将障碍物点对应的障碍物距离乘以障碍物方向的正弦值,得到障碍物点对应的第二坐标值,基于障碍物点对应的第一坐标值和第二坐标值,得到障碍物点对应的第一位置。
步骤806,建立以当前位置为中心的初始栅格地图;初始栅格地图中包括多个栅格。
其中,初始栅格地图是指以机器人当前位置为中心建立的栅格地图,初始栅格地图中包括多个栅格。
示例性地,机器人基于预设长度和预设宽度建立以当前位置为中心的初始地图,基于预设栅格长度和预设栅格宽度将初始地图划分为多个栅格,得到初始栅格地图。其中,预设长度和预设宽度可以相等,也可以不相等,预设长度和预设宽度可以根据实际需求进行设定,例如,预设长度为1.2米,预设宽度为1.2米,或者预设长度为1.2米,预设宽度为1米。预设栅格长度和预设栅格宽度可以相等,也可以不相等,预设栅格长度小于预设长度,预设栅格宽度小于预设宽度,例如,预设栅格长度为0.3米,预设栅格宽度为0.3米,或者预设栅格长度为0.3米,预设栅格宽度为0.25米。
步骤808,基于多个障碍物点对应的第一位置,确定初始栅格地图中每个栅格对应的障碍物标识。
示例性地,机器人获取初始栅格地图中每个栅格在第一坐标系中的栅格区域,针对每一个栅格,确定是否存在障碍物点对应的第一位置位于栅格对应的栅格区域中;若存在障碍物点对应的第一位置位于栅格对应的栅格区域中,则确定栅格对应的障碍物标识为第一标识;若不存在障碍物点对应的第二位置位于栅格对应的栅格区域中,则确定栅格对应的障碍物标识为第二标识。
步骤810,基于初始栅格地图和各个栅格对应的障碍物标识,得到子时间段对应的障碍物地图。
示例性地,机器人根据初始栅格地图和各个栅格对应的障碍物标识,生成子时间段对应的障碍物地图。
本实施例中,机器人根据子时间段对应的障碍物点集合中多个障碍物点对应的障碍物距离和障碍物方向,以及初始栅格地图,确定初始栅格地图中每个栅格的障碍物标识,然后根据初始栅格地图和各个栅格对应的障碍物标识确定障碍物地图,障碍物地图中描述了机器人的运行环境,为运行状态检测提供了准确的基础数据。
在一个实施例中,如图9所示,基于多个障碍物点对应的第一位置,确定初始栅格地图中每个栅格对应的障碍物标识,包括:
步骤902,获取初始栅格地图中每一个栅格对应的栅格区域;栅格区域位于以初始栅格地图的预设顶点为坐标原点建立的坐标系中。
其中,栅格区域是指栅格在第二坐标系中的位置描述,第二坐标系是指以初始栅格地图的预设顶点为坐标原点,以预设顶点所在的初始栅格地图中的其中一条边为X轴,以预设顶点所在的初始栅格地图中的另外一条边为Y轴建立的直角坐标系。预设顶点是指预先设置的顶点,预设顶点可以为左上角顶点、左下角顶点、右上角顶点和右下角顶点中的一个,例如,预设顶点为左上角顶点。栅格区域可以用栅格的四个顶点的坐标表示。
示例性地,机器人基于初始栅格地图的预设顶点建立第二坐标系,获取初始栅格地图中每一个栅格在第二坐标系中的栅格区域。
步骤904,对障碍物点对应的第一位置进行转换,得到障碍物点在初始栅格地图中对应的第二位置。
其中,转换是指将第一坐标系中的坐标位置转换到第二坐标系中的坐标位置的过程。第二位置是指障碍物点在第二坐标系中的位置。
示例性地,机器人获取第一坐标系与第二坐标系之间的转换关系,基于转换关系对第一位置进行转换,得到障碍物点在初始栅格地图中对应的第二位置。
步骤906,针对每一个栅格,若确定存在位于栅格对应的栅格区域中的第二位置,则确定栅格的障碍物标识为第一标识;若确定不存在位于栅格对应的栅格区域中的第二位置,则确定栅格的障碍物标识为第二标识。
其中,第一标识是指表征栅格中存在障碍物的标识,第二标识是指表征栅格中不存在障碍物的标识,例如,第一标识为1,第二标识为0,或者第一标识为A,第二标识为B。
示例性地,针对每一个栅格,机器人确定是否存在位于栅格对应的栅格区域中的第二位置;若确定存在位于栅格对应的栅格区域中的第二位置,则确定栅格的障碍物标识为第一标识;若确定不存在位于栅格对应的栅格区域中的第二位置,则确定栅格的障碍物标识为第二标识。
本实施例中,通过判断栅格中是否存在障碍物点,确定栅格对应的障碍物标识,即通过判断栅格中是否存在障碍物点,确定栅格中是否存在障碍物。
在一个示例性地实施例中,机器人运行状态检测流程如图10所示,包括:
机器人基于预设第一采集频率,通过惯性测量单元获取线加速度对应的线加速度值和角速度对应的角速度值,将子时间段内采集的多个线加速度值组成线加速度集合,将子时间段内采集的多个角速度值组成角速度集合;机器人基于预设第二采集频率,通过轮式里程计获取位移对应的位移值和角度变化对应的角度变化值,将子时间段内采集的多个位移值组成位移集合,将子时间段内采集的多个角度变化值组成角度变化集合;机器人基于预设第三采集频率,通过相机和激光雷达传感器获取障碍物点对应的障碍物距离和障碍物方向,将子时间段内的多个障碍物点对应的障碍物距离和障碍物方向组成障碍物点集合。
针对每个子时间段对应的障碍物点集合中的每个障碍物点,将障碍物点对应的障碍物距离乘以障碍物方向的余弦值,得到障碍物点对应的第一坐标值,将障碍物点对应的障碍物距离乘以障碍物方向的正弦值,得到障碍物点对应的第二坐标值,基于障碍物点对应的第一坐标值和第二坐标值,得到障碍物点对应的第一位置,第一位置是指障碍物点在第一坐标系中的位置,第一坐标系是指以机器人的当前位置为坐标原点,以机器人的运行方向为Y轴,以垂直于机器人运行方向为X轴建立的直角坐标系。
机器人基于预设长度和预设宽度建立以当前位置为中心的初始地图,基于预设栅格长度和预设栅格宽度将初始地图划分为多个栅格,得到初始栅格地图,基于初始栅格地图的预设顶点建立第二坐标系,获取初始栅格地图中每一个栅格在第二坐标系中的栅格区域。获取第一坐标系与第二坐标系之间的转换关系,基于转换关系对第一位置进行转换,得到障碍物点在初始栅格地图中对应的第二位置。针对每一个栅格,机器人确定是否存在位于栅格对应的栅格区域中的第二位置;若确定存在位于栅格对应的栅格区域中的第二位置,则确定栅格的障碍物标识为第一标识;若确定不存在位于栅格对应的栅格区域中的第二位置,则确定栅格的障碍物标识为第二标识。根据初始栅格地图和各个栅格对应的障碍物标识,生成子时间段对应的障碍物地图。
分别对线加速度、角速度、位移、角度变化和障碍物地图进行数据预处理,得到运行特征向量。针对每个子时间段,基于子时间段对应的线加速集合中的多个线加速度值确定线加速度对应的平均值和方差、基于子时间段对应的角速度集合中的多个角速度值确定角速度对应的平均值和方差、基于子时间段对应的位移集合中的多个位移值确定位移对应的平均值和方差,以及基于子时间段对应的角度变化集合中的多个角度变换值确定角度变化对应的平均值和方差。机器人获取预设顺序,按照预设顺序依次获取障碍物地图中各个栅格对应的障碍物标识,将障碍物标识按照获取顺序进行排列,得到标识序列,对标识序列进行预设进制转换,得到障碍物地图对应的障碍物特征值。基于预设排列顺序,将线加速度对应的平均值和方差、角速度对应的平均值和方差、位移对应的平均值和方差、角度变化对应的平均值和方差,以及障碍物特征值进行组合,得到子时间段对应的运行特征向量。
机器人对多个子时间段按照时间先后顺序进行排序,得到多个子时间段的排列顺序,按照多个子时间段的排列顺序,对多个子时间段对应的运行特征向量进行组合,得到预设时间段对应的目标特征向量。
机器人将目标特征向量输入至状态检测模型,状态检测模型输出各个候选状态对应的发生概率,机器人得到各个候选状态对应的发生概率。机器人将大于概率阈值的发生概率对应的候选状态,确定为机器人在预设时间段内的运行状态。
上述运行状态检测方法,通过子时间段对应的至少一个运行参数集合和障碍物地图确定该子时间段对应的运行特征向量,即通过子时间段对应的至少一个运行参数集合确定机器人在子时间段内的运行情况,通过子时间段对应的障碍物地图确定机器人在子时间段内的运行环境,根据运行状态和运行环境,确定机器人在子时间段对应的运行特征向量,运行特征向量表征机器人在子时间段内的运行状况,根据机器人在预设时间段内的多个子时间段对应的运行特征向量,确定机器人在目标时间段的运行状态,达到运行状态检测的目的。
应该理解的是,虽然如上所述的各实施例所涉及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,如上所述的各实施例所涉及的流程图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运行状态检测方法的运行状态检测装置。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运行状态检测装置实施例中的具体限定可以参见上文中对于运行状态检测方法的限定,在此不再赘述。
在一个实施例中,如图11所示,提供了一种运行状态检测装置,包括:获取模块1102、确定模块1104和检测模块1106,其中:
获取模块1102,用于获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图;
确定模块1102,用于针对每个子时间段,基于子时间段对应的至少一个运行参数集合和障碍物地图,确定子时间段对应的运行特征向量;
检测模块1106,用于基于多个子时间段各自对应的运行特征向量,确定机器人在预设时间段内的运行状态。
在一个实施例中,确定模块1104还用于:针对每一个运行参数集合,基于运行参数集合中的多个运行参数值,确定运行参数集合的统计值;基于障碍物地图中各个栅格对应的障碍物标识,确定障碍物地图对应的障碍物特征值;基于子时间段对应的至少一个运行参数集合的统计值和障碍物特征值,确定子时间段对应的运行特征向量。
在一个实施例中,确定模块1104还用于:基于预设策略,依次获取障碍物地图中各个栅格对应的障碍物标识,得到标识序列;基于标识序列,得到障碍物地图对应的障碍物特征值。
在一个实施例中,确定模块1104还用于:基于速度参数集合的统计值、相对位置参数集合的统计值和障碍物特征值,确定子时间段对应的运行特征向量。
在一个实施例中,检测模块1106还用于:基于多个子时间段的排列顺序,对多个子时间段对应的运行特征向量进行组合,得到预设时间段对应的目标特征向量;将目标特征向量输入至状态检测模型,得到各个候选状态对应的发生概率;基于各个候选状态对应的发生概率,确定机器人在预设时间段内的运行状态。
在一个实施例中,获取模块1102还用于:获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物点集合;障碍物点集合中包括多个障碍物点对应的障碍物距离和障碍物方向;针对每个子时间段对应的障碍物点集合中的每个障碍物点,基于障碍物点对应的障碍物距离和障碍物方向,确定障碍物点对应的第一位置;第一位置位于以机器人的当前位置为坐标原点建立的坐标系中;建立以当前位置为中心的初始栅格地图;初始栅格地图中包括多个栅格;基于多个障碍物点对应的第一位置,确定初始栅格地图中每个栅格对应的障碍物标识;基于初始栅格地图和各个栅格对应的障碍物标识,得到子时间段对应的障碍物地图。
在一个实施例中,获取模块1102还用于:获取初始栅格地图中每一个栅格对应的栅格区域;栅格区域位于以初始栅格地图的预设顶点为坐标原点建立的坐标系中;对障碍物点对应的第一位置进行转换,得到障碍物点在初始栅格地图中对应的第二位置;针对每一个栅格,若确定存在位于栅格对应的栅格区域中的第二位置,则确定栅格的障碍物标识为第一标识;若确定不存在位于栅格对应的栅格区域中的第二位置,则确定栅格的障碍物标识为第二标识。
上述运行状态检测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设备中的处理器中,也可以以软件形式存储于设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种设备,该设备可以是机器人,其内部结构图可以如图12所示。该设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该设备的处理器用于提供计算和控制能力。该设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该设备的输入/输出接口用于处理器与外部设备之间交换信息。该设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种运行状态检测方法。该设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该设备的输入装置可以是显示屏上覆盖的触摸层,也可以是设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图12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设备的限定,具体的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上述各方法实施例中的步骤。
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,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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)
1.一种运行状态检测方法,其特征在于,所述方法用于机器人,包括:
获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图;
针对每个所述子时间段,基于所述子时间段对应的至少一个运行参数集合和障碍物地图,确定所述子时间段对应的运行特征向量;
基于多个所述子时间段各自对应的所述运行特征向量,确定所述机器人在所述预设时间段内的运行状态。
2.根据权利要求1所述的方法,其特征在于,一个所述运行参数集合中包括一个运行参数对应的多个运行参数值;所述基于所述子时间段对应的至少一个运行参数集合和障碍物地图,确定所述子时间段对应的运行特征向量,包括:
针对每一个所述运行参数集合,基于所述运行参数集合中的多个运行参数值,确定所述运行参数集合的统计值;
基于所述障碍物地图中各个栅格对应的障碍物标识,确定所述障碍物地图对应的障碍物特征值;
基于所述子时间段对应的至少一个运行参数集合的统计值和所述障碍物特征值,确定所述子时间段对应的运行特征向量。
3.根据权利要求2所述的方法,其特征在于,所述基于所述障碍物地图中各个栅格对应的障碍物标识,确定所述障碍物地图对应的障碍物特征值,包括:
基于预设策略,依次获取所述障碍物地图中各个栅格对应的障碍物标识,得到标识序列;
基于所述标识序列,得到所述障碍物地图对应的障碍物特征值。
4.根据权利要求2所述的方法,其特征在于,所述至少一个运行参数集合包括速度参数集合和相对位置参数集合;所述基于所述子时间段对应的至少一个运行参数集合的统计值和所述障碍物特征值,确定所述子时间段对应的运行特征向量,包括:
基于所述速度参数集合的统计值、所述相对位置参数集合的统计值和所述障碍物特征值,确定所述子时间段对应的运行特征向量。
5.根据权利要求1所述的方法,其特征在于,所述基于多个所述子时间段各自对应的所述运行特征向量,确定所述机器人在所述预设时间段内的运行状态,包括:
基于多个所述子时间段的排列顺序,对多个所述子时间段对应的运行特征向量进行组合,得到所述预设时间段对应的目标特征向量;
将所述目标特征向量输入至状态检测模型,得到各个候选状态对应的发生概率;
基于各个所述候选状态对应的发生概率,确定所述机器人在所述预设时间段内的运行状态。
6.根据权利要求1所述的方法,其特征在于,所述获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图,包括:
获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物点集合;所述障碍物点集合中包括多个障碍物点对应的障碍物距离和障碍物方向;
针对每个所述子时间段对应的障碍物点集合中的每个障碍物点,基于所述障碍物点对应的障碍物距离和障碍物方向,确定所述障碍物点对应的第一位置;所述第一位置位于以所述机器人的当前位置为坐标原点建立的坐标系中;
建立以所述当前位置为中心的初始栅格地图;所述初始栅格地图中包括多个栅格;
基于多个所述障碍物点对应的第一位置,确定所述初始栅格地图中每个栅格对应的障碍物标识;
基于所述初始栅格地图和各个所述栅格对应的障碍物标识,得到所述子时间段对应的障碍物地图。
7.根据权利要求6所述的方法,其特征在于,所述基于多个所述障碍物点对应的第一位置,确定所述初始栅格地图中每个栅格对应的障碍物标识,包括:
获取所述初始栅格地图中每一个栅格对应的栅格区域;所述栅格区域位于以所述初始栅格地图的预设顶点为坐标原点建立的坐标系中;
对所述障碍物点对应的第一位置进行转换,得到所述障碍物点在所述初始栅格地图中对应的第二位置;
针对每一个所述栅格,若确定存在位于所述栅格对应的栅格区域中的第二位置,则确定所述栅格的障碍物标识为第一标识;若确定不存在位于所述栅格对应的栅格区域中的第二位置,则确定所述栅格的障碍物标识为第二标识。
8.一种运行状态检测装置,其特征在于,所述装置用于机器人,包括:
获取模块,用于获取预设时间段内的多个子时间段分别对应的至少一个运行参数集合和障碍物地图;
确定模块,用于针对每个所述子时间段,基于所述子时间段对应的至少一个运行参数集合和所述障碍物地图,确定所述子时间段对应的运行特征向量;
检测模块,用于基于多个所述子时间段各自对应的所述运行特征向量,确定所述机器人在所述预设时间段内的运行状态。
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,其上存储有计算机程序,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 (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410431966.4A CN118024262B (zh) | 2024-04-11 | 2024-04-11 | 运行状态检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410431966.4A CN118024262B (zh) | 2024-04-11 | 2024-04-11 | 运行状态检测方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118024262A true CN118024262A (zh) | 2024-05-14 |
CN118024262B CN118024262B (zh) | 2024-07-26 |
Family
ID=90989782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410431966.4A Active CN118024262B (zh) | 2024-04-11 | 2024-04-11 | 运行状态检测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118024262B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2703129A2 (en) * | 2012-08-31 | 2014-03-05 | Kabushiki Kaisha Yaskawa Denki | Robot System |
CN107351085A (zh) * | 2017-08-21 | 2017-11-17 | 西北工业大学 | 一种基于多个控制点的空间机器人避撞方法 |
CN112540609A (zh) * | 2020-07-30 | 2021-03-23 | 深圳优地科技有限公司 | 路径规划方法、装置、终端设备及存储介质 |
CN112799095A (zh) * | 2020-12-31 | 2021-05-14 | 深圳市普渡科技有限公司 | 静态地图生成方法、装置、计算机设备及存储介质 |
US20210220994A1 (en) * | 2020-01-22 | 2021-07-22 | Realtime Robotics, Inc. | Configuration of robots in multi-robot operational environment |
CN114677588A (zh) * | 2022-03-18 | 2022-06-28 | 深圳市普渡科技有限公司 | 障碍物检测的方法、装置、机器人和存储介质 |
CN115690839A (zh) * | 2022-10-24 | 2023-02-03 | 中国科学院自动化研究所 | 行为决策方法、装置、电子设备及存储介质 |
CN117773911A (zh) * | 2023-11-03 | 2024-03-29 | 广东工业大学 | 一种复杂环境下工业机器人避障方法 |
-
2024
- 2024-04-11 CN CN202410431966.4A patent/CN118024262B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2703129A2 (en) * | 2012-08-31 | 2014-03-05 | Kabushiki Kaisha Yaskawa Denki | Robot System |
CN107351085A (zh) * | 2017-08-21 | 2017-11-17 | 西北工业大学 | 一种基于多个控制点的空间机器人避撞方法 |
US20210220994A1 (en) * | 2020-01-22 | 2021-07-22 | Realtime Robotics, Inc. | Configuration of robots in multi-robot operational environment |
CN112540609A (zh) * | 2020-07-30 | 2021-03-23 | 深圳优地科技有限公司 | 路径规划方法、装置、终端设备及存储介质 |
CN112799095A (zh) * | 2020-12-31 | 2021-05-14 | 深圳市普渡科技有限公司 | 静态地图生成方法、装置、计算机设备及存储介质 |
CN114677588A (zh) * | 2022-03-18 | 2022-06-28 | 深圳市普渡科技有限公司 | 障碍物检测的方法、装置、机器人和存储介质 |
CN115690839A (zh) * | 2022-10-24 | 2023-02-03 | 中国科学院自动化研究所 | 行为决策方法、装置、电子设备及存储介质 |
CN117773911A (zh) * | 2023-11-03 | 2024-03-29 | 广东工业大学 | 一种复杂环境下工业机器人避障方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118024262B (zh) | 2024-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111971574B (zh) | 用于自动驾驶车辆的lidar定位的基于深度学习的特征提取 | |
CN111881239B (zh) | 构建方法、构建装置、智能机器人及可读存储介质 | |
Aider et al. | A model-based method for indoor mobile robot localization using monocular vision and straight-line correspondences | |
CN110501036A (zh) | 传感器参数的标定检查方法及装置 | |
Ioannidis et al. | A path planning method based on cellular automata for cooperative robots | |
CN112284376A (zh) | 一种基于多传感器融合的移动机器人室内定位建图方法 | |
US11527028B2 (en) | Systems and methods for monocular based object detection | |
CN116088503B (zh) | 动态障碍物检测方法和机器人 | |
CN111609846A (zh) | 车辆行驶轨迹预测方法、系统、介质及车载终端 | |
CN114859938A (zh) | 机器人、动态障碍物状态估计方法、装置和计算机设备 | |
CN115307641A (zh) | 机器人定位方法、装置、机器人和存储介质 | |
CN111401190A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
CN116931583B (zh) | 移动对象的确定方法和避让方法、装置、设备及存储介质 | |
Gao et al. | Incomplete road information imputation using parallel interpolation to enhance the safety of autonomous driving | |
CN114241448A (zh) | 障碍物航向角的获取方法、装置、电子设备及车辆 | |
CN118024262B (zh) | 运行状态检测方法、装置、设备和存储介质 | |
CN115345932A (zh) | 一种基于语义信息的激光slam回环检测方法 | |
Wang et al. | Agv navigation based on apriltags2 auxiliary positioning | |
CN112338910A (zh) | 空间地图确定方法、机器人、存储介质及系统 | |
CN115388893B (zh) | 基于遗传的滤波slam算法的移动机器人建图方法 | |
CN118189934B (zh) | 地图更新方法、装置、计算机设备和存储介质 | |
EP3944137A1 (en) | Positioning method and positioning apparatus | |
CN117830991B (zh) | 一种基于多模融合的四足机器人复杂场景感知方法及系统 | |
CN115752476B (zh) | 一种基于语义信息的车辆地库重定位方法、装置、设备和介质 | |
Qin et al. | High‐Precision Motion Compensation for LiDAR Based on LiDAR Odometry |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |