Nothing Special   »   [go: up one dir, main page]

CN108958263A - 一种机器人避障方法及机器人 - Google Patents

一种机器人避障方法及机器人 Download PDF

Info

Publication number
CN108958263A
CN108958263A CN201810878544.6A CN201810878544A CN108958263A CN 108958263 A CN108958263 A CN 108958263A CN 201810878544 A CN201810878544 A CN 201810878544A CN 108958263 A CN108958263 A CN 108958263A
Authority
CN
China
Prior art keywords
avoidance
barrier
robot
human body
obstacle
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
Application number
CN201810878544.6A
Other languages
English (en)
Inventor
蒋化冰
张干
孙斌
齐鹏举
舒剑
梁兰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Mumeng Intelligent Technology Co Ltd
Original Assignee
Jiangsu Mumeng Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Mumeng Intelligent Technology Co Ltd filed Critical Jiangsu Mumeng Intelligent Technology Co Ltd
Priority to CN201810878544.6A priority Critical patent/CN108958263A/zh
Publication of CN108958263A publication Critical patent/CN108958263A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种机器人避障方法及机器人，其方法包括：机器人检测到有障碍物时，根据采集到的帧图片识别出障碍物，并检测所述障碍物的运动情况；当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人按照第一避障距离进行避障；当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人按照第二避障距离进行避障；当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人按照第三避障距离进行避障；当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人按照第四避障距离进行避障。实现了在遇见不同障碍物的时候能够配置不同的避障距离，使得机器人在避障时更加智能化。

Description

一种机器人避障方法及机器人
技术领域
本发明涉及机器人避障领域，尤指一种机器人避障方法及机器人。
背景技术
随着科技的不断进步，智能机器人领域得到了快速发展，障碍物检测和避让是其智能化水平的重要体现。良好的避障功能是移动机器人安全行走的重要保障。
目前服务机器人的避障功能大多为红外传感避障、超声波雷达避障，在避障时设定一定的避障距离，在检测到有障碍物时，服务器按照障碍物的位置以及避障距离，规划出机器人的避障路线。
但是在实际应用中，若避障距离设置得比较大，在机器人进入门道或者比较拥挤的通道时常常因为避障距离过大导致无法行走；若避障距离设置得比较小，在医院、超市等人员流动性比较大的环境下，又容易与人发生擦碰。
为了为机器人配置更加适宜的避障距离，本发明提供了一种机器人避障方法及机器人。
发明内容
本发明的目的是提供一种机器人避障方法及机器人，实现了在遇见不同障碍物的时候能够配置不同的避障距离，使得机器人在避障时更加智能化。
本发明提供的技术方案如下：
本发明提供了一种机器人避障方法，包括步骤：机器人检测到有障碍物时，根据采集到的帧图片识别出障碍物，并检测所述障碍物的运动情况；当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人按照第一避障距离进行避障；当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人按照第二避障距离进行避障；当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人按照第三避障距离进行避障；当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人按照第四避障距离进行避障。
优选的，还包括步骤：还包括步骤：机器人采集人体图像数据、不同物体的物体图像数据；所述机器人根据所述人体图像数据、不同物体的物体图像数据，进行深度图像学习，使机器人能够识别出人体和物体。
优选的，当机器人识别出所述障碍物为人体且所述人体处于运动状态时，服务器根据所述人体在当前帧的位置，以及所述人体在历史帧的位置，预测出所述人体的运动趋势轨迹；所述服务器根据所述人体的运动趋势轨迹，以及第一避障距离，生成第一障碍区域；所述服务器根据所述第一障碍区域以及导航地图，生成第一避障路线；所述机器人按照所述第一避障路线进行避障；
或；
当机器人识别出所述障碍物为人体且所述人体处于静止状态时，所述服务器根据所述第二避障距离，以及所述人体在当前帧的位置，生成第二障碍区域；所述服务器根据所述第二障碍区域以及导航地图，生成第二避障路线；所述机器人按照所述第二避障路线进行避障；
或；
当所述机器人识别出所述障碍物为物体且所述物体处于运动状态时，所述服务器根据所述物体在当前帧的位置，以及所述物体在历史帧的位置，预测出所述物体的运动趋势轨迹；所述服务器根据所述物体的运动趋势轨迹，以及第三避障距离，生成第三障碍区域；所述服务器根据所述第三障碍区域以及导航地图，生成第三避障路线；所述机器人按照所述第三避障路线进行避障；
或；
当机器人识别出所述障碍物为物体且所述物体处于静止状态时，所述服务器根据所述第四避障距离，以及所述物体在当前帧的位置，生成第四障碍区域；所述服务器根据所述第四障碍区域以及导航地图，生成第四避障路线；所述机器人按照所述第四避障路线进行避障。
优选的，当机器人检测到有障碍物时，通过采集到的图片帧识别出障碍物，此步骤具体包括：当机器人检测到有障碍物时，获取所述障碍物在当前帧的位置；判断所述障碍物在当前帧的位置是否在预设避障范围内；若所述障碍物在当前帧的位置在预设避障范围内，则通过采集到的图片帧识别出障碍物以及所述障碍物的运动情况。
优选的，还包括步骤：当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人以第一移动速度进行避障；当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人以第二移动速度进行避障；当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人以第三移动速度进行避障；当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人以第四移动速度进行避障。
优选的，还包括步骤：当机器人识别到多个障碍物时，所述机器人根据所述多个障碍物的运动情况，按照所述多个障碍物分别对应的第一避障距离或第二避障距离或第三避障距离或第四避障距离中的最大避障距离进行避障。
本发明还提供了一种机器人，包括：障碍物检测模块，用于检测障碍物，以及障碍物的移动情况；图像采集模块，与所述障碍检测模块电连接，用于检测到有障碍物时，采集所述障碍物的当前帧图片；障碍物识别模块，与所述图像采集模块电连接，用于根据采集到的当前帧图片识别出障碍物；避障模块，分别与所述障碍物检测模块、所述障碍物识别模块电连接，用于当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人按照第一避障距离进行避障；当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人按照第二避障距离进行避障；当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人按照第三避障距离进行避障；当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人按照第四避障距离进行避障。
优选的，所述图像采集模块，还用于采集人体图像数据、不同物体的物体图像数据；所述障碍物识别模块，还与所述图像采集模块电连接，用于根据所述人体图像数据、不同物体的物体图像数据，进行深度图像学习，使机器人能够识别出人体和物体。
优选的，所述避障模块，还用于当所述机器人识别出所述障碍物为人体且所述人体处于运动状态时，按照所述服务器生成的第一避障路线进行导航；所述第一避障路线由所述服务器根据所述第一障碍区域以及导航地图生成得到；所述第一避障区域由所述服务器根据所述人体的运动趋势轨迹，以及第一避障距离生成得到；所述人体的运动趋势轨迹由所述服务器根据所述人体在当前帧的位置，以及所述人体在历史帧的位置预测得到；
或；
所述避障模块，还用于当所述机器人识别出所述障碍物为人体且所述人体处于静止状态时，按照所述服务器生成的第二避障路线进行避障；所述第二避障路线由所述服务器根据所述第二障碍区域以及导航地图生成得到；所述第二避障区域由所述服务器根据所述第二避障距离，以及所述人体在当前帧的位置生成得到；
或；
所述避障模块，还用于当所述机器人识别出所述障碍物为物体且所述物体处于运动状态时，按照所述服务器生成的第三避障路线进行导航；所述第三避障路线由所述服务器根据所述第三障碍区域以及导航地图生成得到；所述第三避障区域由所述服务器根据所述物体的运动趋势轨迹，以及第三避障距离生成得到；所述物体的运动趋势轨迹由所述服务器根据所述物体在当前帧的位置，以及所述物体在历史帧的位置预测得到；
或；
所述避障模块，还用于当所述机器人识别出所述障碍物为物体且所述物体处于静止状态时，按照所述服务器生成的第四避障路线进行避障；所述第四避障路线由所述服务器根据所述第四障碍区域以及导航地图生成得到，所述第四障碍区域由所述服务器根据所述第四避障距离，以及所述物体在当前帧的位置生成得到。
优选的，位置获取模块，用于当机器人检测到有障碍物时，获取所述障碍物在当前帧的位置；判断模块，与所述位置获取模块电连接，用于判断所述障碍物在当前帧的位置是否在预设避障范围内；障碍物识别模块，还用于若所述障碍物在当前帧的位置在预设避障范围内，则通过采集到的图片帧识别出障碍物，并通过所述障碍物检测模块检测所述障碍物的运动情况。
优选的，所述避障模块，还用于当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人以第一移动速度进行避障；所述避障模块，还用于当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人以第二移动速度进行避障；所述避障模块，还用于当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人以第三移动速度进行避障；所述避障模块，还用于当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人以第四移动速度进行避障。
优选的，所述避障模块，还用于当机器人识别到多个障碍物时，所述机器人根据所述多个障碍物的运动情况，按照所述多个障碍物分别对应的第一避障距离或第二避障距离或第三避障距离或第四避障距离中的最大避障距离进行避障。
通过本发明提供的一种机器人避障方法及机器人，能够带来以下至少一种有益效果：
1、本发明提供的避障方法能够根据障碍物的不同，以及障碍物的运动情况，为机器人设置相应的避障距离，使机器人的避障距离更加符合障碍物的特性，增强了机器人的避障智能化程度。
2、通过对人体图像数据、物体图像数据的的深度学习，能够使机器人有效分别出障碍物，使得机器人能够实现差异化的避障距离设置。
3、机器人能够根据障碍物在当前帧的位置和历史帧的位置，主动预测出障碍物的运动趋势轨迹，使得机器人的避障具有预见性，提高避障的有效度。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对一种机器人避障方法及机器人的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明一种机器人避障方法的一个实施例的流程图；
图2是本发明一种机器人避障方法的另一个实施例的流程图；
图3是本发明一种机器人避障方法的另一个实施例的流程图；
图4是本发明一种机器人的一个实施例的结构示意图。
附图标号说明：
11-障碍物检测模块、12-图像采集模块、13-障碍物识别模块、14-避障模块、15-位置获取模块、16-判断模块、2-服务器。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
本发明提供了一种机器人避障方法的一个实施例，如图1所示，包括：
S1机器人检测到有障碍物时，根据采集到的帧图片识别出障碍物，并检测所述障碍物的运动情况；
S21当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人按照第一避障距离进行避障；
S22当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人按照第二避障距离进行避障；
S23当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人按照第三避障距离进行避障；
S24当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人按照第四避障距离进行避障。
具体的，本发明提供的避障方法可以应用到服务型机器人上，本实施例以医院中的服务机器人为例，在医院这一场景中的障碍物颇为复杂，例如有：病人、医用推车、移动病床、输液架、垃圾箱、固定病床、座椅、工作台等，而例如病人、医用推车、移动病床等障碍物还不时地处于移动当中。现有技术中，服务型机器人在工作时通常会设置一定的避障距离，使得机器人在运动过程中不至于碰到障碍物。但是若设置的避障距离过大，会导致机器人在通过狭窄门道，或者在人流量较多时无法正常行走，降低机器人的实用性。但是若设置的避障距离过小，机器人在行走时极有可能碰撞到行人或其他运动的障碍物，带来很大的风险。在设置适中的避障距离时，也不能解决上述两种方案的缺陷。因而本发明中设计了一种机器人的避障方法：
机器人在移动的时候，会通过安装在机器人四周的激光雷达，或红外传感器，或超声波雷达等障碍物检测设备检测机器人移动方向上是否有障碍物，若检测到有障碍物时，可通过机器人前部的摄像头采集当前的图片，运用图像识别技术从图片中识别出障碍物的类型，同时机器人还根据摄像头采集的不同帧的图片，以及激光雷达或超声波雷达检测出障碍物的运动情况。
本实施例在设置避障距离时可从通行速度和通行安全性两方面考虑。当识别出障碍物为人体时，需要更多地考虑通行安全性，特别是医院的特殊性，行人大多为病人，为了防止机器人在行走时碰撞到行人，因此可以增加通行安全性的权重，降低通行速度的权重，将机器人的避障距离设置大一点。本实施例中，当障碍物为人体且人体处于静止状态时，将机器人的避障距离设为第二避障距离，例如0.4m～0.5m。而当人体处于运动状态时，其运动的可控性较差，可将避障距离设置得更大，避免机器人碰撞到行人，本实施例中，当障碍物为人体且所述人体处于运动状态时，将机器人的避障距离设为第一避障距离，例如0.5m～0.6m。
而当障碍物为物体时，在通行安全性的权重可以低于人体，同时为了保障机器人的通行速度，可将机器人的避障距离设置为低于当障碍物为人体时的避障距离。本实施例将障碍物为物体且物体处于静止状态时，机器人的的避障距离设为第四避障距离，例如0.2m～0.3m。考虑到物体处于运动状态时的可控性较差，可将障碍物为物体且物体处于运动状态时，机器人的的避障距离设为大于第四避障距离的第三避障距离，例如设为0.3m～0.4m。
根据本实施例提供的避障方式，使得机器人在避障时兼顾障碍物安全性和通行速度，提高了机器人在避障时的智能化程度。
如图2所示，本发明提供了一种机器人避障方法的一个实施例，包括：
S01机器人采集人体图像数据、不同物体的物体图像数据；
S02所述机器人根据所述人体图像数据、不同物体的物体图像数据，进行深度图像学习，使机器人能够识别出人体和物体。
S1机器人检测到有障碍物时，根据采集到的帧图片识别出障碍物，并检测所述障碍物的运动情况；
S211当机器人识别出所述障碍物为人体且所述人体处于运动状态时，服务器根据所述人体在当前帧的位置，以及所述人体在历史帧的位置，预测出所述人体的运动趋势轨迹；
S212所述服务器根据所述人体的运动趋势轨迹，以及第一避障距离，生成第一障碍区域；
S213所述服务器根据所述第一障碍区域以及导航地图，生成第一避障路线；
S214所述机器人按照所述第一避障路线进行避障；
S221当机器人识别出所述障碍物为人体且所述人体处于静止状态时，所述服务器根据所述第二避障距离，以及所述人体在当前帧的位置，生成第二障碍区域；
S222所述服务器根据所述第二障碍区域以及导航地图，生成第二避障路线；
S223所述机器人按照所述第二避障路线进行避障；
S231当所述机器人识别出所述障碍物为物体且所述物体处于运动状态时，所述服务器根据所述物体在当前帧的位置，以及所述物体在历史帧的位置，预测出所述物体的运动趋势轨迹；
S232所述服务器根据所述物体的运动趋势轨迹，以及第三避障距离，生成第三障碍区域；
S233所述服务器根据所述第三障碍区域以及导航地图，生成第三避障路线；
S234所述机器人按照所述第三避障路线进行避障；
S241当机器人识别出所述障碍物为物体且所述物体处于静止状态时，所述服务器根据所述第四避障距离，以及所述物体在当前帧的位置，生成第四障碍区域；
S242所述服务器根据所述第四障碍区域以及导航地图，生成第四避障路线；
S243所述机器人按照所述第四避障路线进行避障。
具体的，为了使得机器人具有识别障碍物的能力，在实施的过程中，需要对机器人进行图像识别训练。首先，可采集大数量的人体图像数据、多种物体的物体图像数据，然后采用通过CNN神经网络算法或faster R-CNN神经网络算法对这些数据进行深度学习，使得机器人具有识别障碍物的能力。
机器人在行走的时候，能够通过摄像头实时采集行走路线上每一帧的图像数据，当从图像数据中有障碍物时，则对障碍物进行识别，同时用激光雷达或者超声波雷达测量出机器人到障碍物的距离。
机器人将上述采集到的数据上传至服务器，服务器根据机器人当前在地图上的坐标位置，以及障碍物到机器人的相对位置，从而对障碍物的位置进行定位。当人体处于运动状态时，服务器可通过相邻多帧的图像中人体的位置，以及在每一帧时，机器人上的激光雷达或超声波雷达检测到的人体相对于机器人的距离，模拟出人体的运动趋势轨迹(例如人若是走的直线，则会模拟出近似直线的运动趋势轨迹)。然后以人体的运动趋势轨迹为中心，以第一避障距离为径，生成第一障碍区域。服务器再根据第一避障区域，以及导航地图上的通道情况(通道宽度、长度)，为机器人重新规划出第一避障路线，并将第一避障路线下发至机器人，使机器人按照第一避障路线进行避障。当人体处于静止状态时，服务器会以人体当前位置为中心，以第二避障距离为径，生成第二避障区域，然后再根据第二避障区域，结合导航地图上的通道情况，为机器人规划第二避障路线，使机器人按照第二避障路线进行避障。
当检测到障碍物为物体时，服务器可通过摄像头采集到的相邻多帧的图像中物体的位置，以及在每一帧时，机器人上的激光雷达或超声波雷达监测到的物体相对于机器人的距离，模拟出物体的运动趋势轨迹。然后以物体的运动趋势轨迹为中心，以第三避障距离为径，生成第三障碍区域。服务器再根据第三避障区域，以及导航地图上的通道情况，为机器人重新规划出第三避障路线，并将第三避障路线下发至机器人，使机器人按照第三避障路线进行避障。
当检测到物体处于静止状态时，则直接以物体的当前位置为中心，以第四避障距离为径，生成第四障碍区域。服务器再根据第四避障区域，以及导航地图上的通道情况，为机器人重新规划出第四避障路线，并将第三避障路线下发至机器人，使机器人按照第四避障路线进行避障。
如图3所示，本发明提供了一种机器人避障方法的一个实施例，包括：
S01机器人采集人体图像数据、不同物体的物体图像数据；
S02所述机器人根据所述人体图像数据、不同物体的物体图像数据，进行深度图像学习，使机器人能够识别出人体和物体。
S11当机器人检测到有障碍物时，获取所述障碍物在当前帧的位置；
S12判断所述障碍物在当前帧的位置是否在预设避障范围内；
S13若所述障碍物在当前帧的位置在预设避障范围内，则通过采集到的图片帧识别出障碍物，以及所述障碍物的运动情况；
S14若所述障碍物在当前帧的位置不在预设避障范围内，则不对障碍物进行识别；
S211当机器人识别出所述障碍物为人体且所述人体处于运动状态时，服务器根据所述人体在当前帧的位置，以及所述人体在历史帧的位置，预测出所述人体的运动趋势轨迹；
S212所述服务器根据所述人体的运动趋势轨迹，以及第一避障距离，生成第一障碍区域；
S213所述服务器根据所述第一障碍区域以及导航地图，生成第一避障路线；
S214所述机器人按照所述第一避障路线进行避障；
S221当机器人识别出所述障碍物为人体且所述人体处于静止状态时，所述服务器根据所述第二避障距离，以及所述人体在当前帧的位置，生成第二障碍区域；
S222所述服务器根据所述第二障碍区域以及导航地图，生成第二避障路线；
S223所述机器人按照所述第二避障路线进行避障；
S231当所述机器人识别出所述障碍物为物体且所述物体处于运动状态时，所述服务器根据所述物体在当前帧的位置，以及所述物体在历史帧的位置，预测出所述物体的运动趋势轨迹；
S232所述服务器根据所述物体的运动趋势轨迹，以及第三避障距离，生成第三障碍区域；
S233所述服务器根据所述第三障碍区域以及导航地图，生成第三避障路线；
S234所述机器人按照所述第三避障路线进行避障；
S241当机器人识别出所述障碍物为物体且所述物体处于静止状态时，所述服务器根据所述第四避障距离，以及所述物体在当前帧的位置，生成第四障碍区域；
S242所述服务器根据所述第四障碍区域以及导航地图，生成第四避障路线；
S243所述机器人按照所述第四避障路线进行避障。
具体的，当机器人在摄像头采集到的图片数据中检测到有障碍物时，会通过激光雷达获取所述障碍物在当前帧的位置；但是考虑到内存容量的问题，机器人并不会立即将位置信息保存下来，而是会判断所述障碍物在当前帧的位置是否在预设避障范围(可设为5M)内。若在预设范围内，则表示障碍物已经达到了需要进行避障的范围，否则，说明障碍物还离机器人较远，可以不进行避障。若所述障碍物在当前帧的位置在预设避障范围内，机器人则将障碍物在当前帧的位置储存下来并发送至服务器，并通过采集到的图片帧识别出障碍物。
服务器在规划机器人的避障路线的方法可参考上一实施例，本实施例不在赘述。当障碍物为人体且人体处于静止状态时，为了保障机器人在行驶的过程时不碰撞到人体，|还可以将机器人的行驶速度调整为第二移动速度(例如2km/h～3km/h)；而当人体处于运动状态时，由于运动的可控性较差，为了避免机器人在于人体相对的运动中不碰撞到人体，可将机器人的行驶速度设为比第二移动速度更低的第一移动速度(例如1.5km/h～2km/h)。而当障碍物为物体，且物体处于静止时，此时物体的可控性校高，为了提高机器人的行驶速度以及工作效率，可将机器人的行驶速度调整为第四移动速度(例如6km/h～8km/h)。而当障碍物为物体，且物体处于运动状态时，为了防止机器人和障碍物发生碰撞，可将机器人的行驶速度调整为第三移动速度(例如3km/h～5km/h)。
另外，当机器人识别到多个障碍物时，所述机器人按照所述多个障碍物分别对应的第一避障距离或第二避障距离或第三避障距离中的最大避障距离进行避障。
例如第一避障距离设为0.5m，第二避障距离可设为0.4m，第三避障距离可设为0.3m，第四避障距离设为0.2m。在机器人行走时，可能同时遇到多类障碍物，如同时遇到运动人体、静止人体和运动物体、静止时，为了保障安全，会按照第一避障距离进行避障行驶。
相同的，当机器人识别到多个障碍物时，所述机器人按照所述多个障碍物分别对应的第一移动速度或第二移动速度或第三移动速度或第四移动速度中的最小移动速度进行避障。
本发明还提供了一种机器人的一个实施例，包括：
障碍物检测模块11，用于检测障碍物，以及障碍物的移动情况
图像采集模块12，与所述障碍检测模块11电连接，用于检测到有障碍物时，采集所述障碍物的当前帧图片；
障碍物识别模块13，与所述图像采集模块12电连接，用于根据采集到的当前帧图片识别出障碍物；
避障模块14，分别与所述障碍物检测模块11、所述障碍物识别模块13电连接，用于当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人按照第一避障距离进行避障；当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人按照第二避障距离进行避障；当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人按照第三避障距离进行避障；当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人按照第四避障距离进行避障。
具体的，本发明提供的避障方法可以应用到服务型机器人上，本实施例以医院中的服务机器人为例，在医院这一场景中的障碍物颇为复杂，例如有：病人、医用推车、移动病床、输液架、垃圾箱、固定病床、座椅、工作台等，而例如病人、医用推车、移动病床等障碍物还不时地处于移动当中。现有技术中，服务型机器人在工作时通常会设置一定的避障距离，使得机器人在运动过程中不至于碰到障碍物。但是若设置的避障距离过大，会导致机器人在通过狭窄门道，或者在人流量较多时无法正常行走，降低机器人的实用性。但是若设置的避障距离过小，机器人在行走时极有可能碰撞到行人或其他运动的障碍物，带来很大的风险。在设置适中的避障距离时，也不能解决上述两种方案的缺陷。因而本发明中设计了一种机器人的避障方法：
机器人在移动的时候，会通过安装在机器人四周的激光雷达，或红外传感器，或超声波雷达等障碍物检测设备检测机器人移动方向上是否有障碍物，若检测到有障碍物时，可通过机器人前部的摄像头采集当前的图片，运用图像识别技术从图片中识别出障碍物的类型，同时机器人还根据摄像头采集的不同帧的图片，以及激光雷达或超声波雷达检测出障碍物的运动情况。
本实施例在设置避障距离时可从通行速度和通行安全性两方面考虑。当识别出障碍物为人体时，需要更多地考虑通行安全性，特别是医院的特殊性，行人大多为病人，为了防止机器人在行走时碰撞到行人，因此可以增加通行安全性的权重，降低通行速度的权重，将机器人的避障距离设置大一点。本实施例中，当障碍物为人体且人体处于静止状态时，将机器人的避障距离设为第二避障距离，例如0.4m～0.5m。而当人体处于运动状态时，其运动的可控性较差，可将避障距离设置得更大，因此本实施例中，当障碍物为人体且所述人体处于运动状态时，将机器人的避障距离设为第一避障距离，例如0.5m～0.6m
而当障碍物为物体时，在通行安全性的权重可以低于人体，同时为了保障机器人的通行速度，可将机器人的避障距离设置为低于当障碍物为人体时的避障距离。本实施例将障碍物为物体且物体处于静止状态时，机器人的的避障距离设为第四避障距离，例如0.2m～0.3m。考虑到物体处于运动状态时的可控性较差，可将障碍物为物体且物体处于运动状态时，机器人的的避障距离设为第三避障距离，可设为0.3m～0.4m。
根据本实施例提供的避障方式，使得机器人在避障时兼顾障碍物安全性和通行速度，提高了机器人在避障时的智能化程度。
本发明提供了一种机器人的另一个实施例，如图4所示，包括：
所述图像采集模块12，还用于采集人体图像数据、不同物体的物体图像数据；
所述障碍物识别模块13，还与所述图像采集模块12电连接，用于根据所述人体图像数据、不同物体的物体图像数据，进行深度图像学习，使机器人能够识别出人体和物体。
障碍物检测模块11，用于检测障碍物，以及障碍物的移动情况；
图像采集模块12，与所述障碍检测模块11电连接，用于检测到有障碍物时，采集所述障碍物的当前帧图片；
位置获取模块15，与所述障碍物检测模块电连接，用于当机器人检测到有障碍物时，获取所述障碍物在当前帧的位置；
判断模块16，与所述位置获取模块15电连接，用于判断所述障碍物在当前帧的位置是否在预设避障范围内；
障碍物识别模块13，还用于若所述障碍物在当前帧的位置在预设避障范围内，则通过采集到的图片帧识别出障碍物。
所述避障模块14，还用于当所述机器人识别出所述障碍物为人体且所述人体处于运动状态时，按照所述服务器生成的第一避障路线进行导航；
所述第一避障路线由所述服务器根据所述第一障碍区域以及导航地图生成得到；所述第一避障区域由所述服务器根据所述人体的运动趋势轨迹，以及第一避障距离生成得到；所述人体的运动趋势轨迹由所述服务器根据所述人体在当前帧的位置，以及所述人体在历史帧的位置预测得到；
或；
所述避障模块14，还用于当所述机器人识别出所述障碍物为人体且所述人体处于静止状态时，按照所述服务器生成的第二避障路线进行避障；
所述第二避障路线由所述服务器根据所述第二障碍区域以及导航地图生成得到；所述第二避障区域由所述服务器根据所述第二避障距离，以及所述人体在当前帧的位置生成得到；
或；
所述避障模块14，还用于当所述机器人识别出所述障碍物为物体且所述物体处于运动状态时，按照所述服务器生成的第三避障路线进行导航；
所述第三避障路线由所述服务器根据所述第三障碍区域以及导航地图生成得到；所述第三避障区域由所述服务器根据所述物体的运动趋势轨迹，以及第三避障距离生成得到；所述物体的运动趋势轨迹由所述服务器根据所述物体在当前帧的位置，以及所述物体在历史帧的位置预测得到；
或；
所述避障模块14，还用于当所述机器人识别出所述障碍物为物体且所述物体处于静止状态时，按照所述服务器生成的第四避障路线进行避障；
所述第四避障路线由所述服务器根据所述第四障碍区域以及导航地图生成得到，所述第四障碍区域由所述服务器根据所述第四避障距离，以及所述物体在当前帧的位置生成得到。
所述避障模块14，还用于当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人以第一移动速度进行避障；
所述避障模块14，还用于当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人以第二移动速度进行避障；
所述避障模块14，还用于当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人以第三移动速度进行避障；
所述避障模块14，还用于当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人以第四移动速度进行避障。
所述避障模块14，还用于当机器人识别到多个障碍物时，所述机器人根据所述多个障碍物的运动情况，按照所述多个障碍物分别对应的第一避障距离或第二避障距离或第三避障距离或第四避障距离中的最大避障距离进行避障。
具体的，为了使得机器人具有识别障碍物的能力，在实施的过程中，需要对机器人进行图像识别训练。首先，可采集大数量的人体图像数据、物体图像数据，然后采用通过CNN神经网络算法或faster R-CNN神经网络算法对这些数据进行深度学习，使得机器人具有识别障碍物的能力。
机器人在行走的时候，能够通过摄像头实时采集行走路线上每一帧的图像数据，当从图像数据中有障碍物时，则对障碍物进行识别，同时用激光雷达或者超声波雷达测量出机器人到障碍物的距离。
机器人将上述采集到的数据上传至服务器，服务器根据机器人当前在地图上的坐标位置，以及障碍物到机器人的相对位置，从而对障碍物的位置进行定位。当人体处于运动状态时，服务器可通过相邻多帧的图像中人体的位置，以及在每一帧时，机器人上的激光雷达或超声波雷达检测到的人体相对于机器人的距离，模拟出人体的运动趋势轨迹(例如人若是走的直线，则会模拟出近似直线的运动趋势轨迹)。然后以人体的运动趋势轨迹为中心，以第一避障距离为径，生成第一障碍区域。服务器再根据第一避障区域，以及导航地图上的通道情况(通道宽度、长度)，为机器人重新规划出第一避障路线，并将第一避障路线下发至机器人，使机器人按照第一避障路线进行避障。当人体处于静止状态时，服务器会以人体当前位置为中心，以第二避障距离为径，生成第二避障区域，然后再根据第二避障区域，结合导航地图上的通道情况，为机器人规划第二避障路线，使机器人按照第二避障路线进行避障。
当检测到障碍物为物体时，服务器可通过摄像头采集到的相邻多帧的图像中物体的位置，以及在每一帧时，机器人上的激光雷达或超声波雷达监测到的物体相对于机器人的距离，模拟出物体的运动趋势轨迹。然后以物体的运动趋势轨迹为中心，以第三避障距离为径，生成第三障碍区域。服务器再根据第三避障区域，以及导航地图上的通道情况，为机器人重新规划出第三避障路线，并将第三避障路线下发至机器人，使机器人按照第三避障路线进行避障。
当检测到物体处于静止状态时，则直接以物体的当前位置为中心，以第四避障距离为径，生成第四障碍区域。服务器再根据第四避障区域，以及导航地图上的通道情况，为机器人重新规划出第四避障路线，并将第三避障路线下发至机器人，使机器人按照第四避障路线进行避障。
当机器人在摄像头采集到的图片数据中检测到有障碍物时，会通过激光雷达获取所述障碍物在当前帧的位置；但是考虑到内存容量的问题，机器人并不会立即将位置信息保存下来，而是会判断所述障碍物在当前帧的位置是否在预设避障范围(可设为5M)内。若在预设范围内，则表示障碍物已经达到了需要进行避障的范围，否则，说明障碍物还离机器人较远，可以不进行避障。若所述障碍物在当前帧的位置在预设避障范围内，机器人则将障碍物在当前帧的位置储存下来并发送至服务器，并通过采集到的图片帧识别出障碍物。
服务器在规划机器人的避障路线的方法可参考上一实施例，本实施例不在赘述。当障碍物为人体且人体处于静止状态时，为了保障机器人在行驶的过程时不碰撞到人体，|还可以将机器人的行驶速度调整为第二移动速度(例如2km/h～3km/h)；而当人体处于运动状态时，由于运动的可控性较差，为了避免机器人在于人体相对的运动中不碰撞到人体，可将机器人的行驶速度设为比第二移动速度更低的第一移动速度(例如1.5km/h～2km/h)。而当障碍物为物体，且物体处于静止时，此时物体的可控性校高，为了提高机器人的行驶速度以及工作效率，可将机器人的行驶速度调整为第四移动速度(例如6km/h～8km/h)。而当障碍物为物体，且物体处于运动状态时，为了防止机器人和障碍物发生碰撞，可将机器人的行驶速度调整为第三移动速度(例如3km/h～5km/h)。
另外，当机器人识别到多个障碍物时，所述机器人按照所述多个障碍物分别对应的第一避障距离或第二避障距离或第三避障距离中的最大避障距离进行避障。
例如第一避障距离设为0.5m，第二避障距离可设为0.4m，第三避障距离可设为0.3m，第四避障距离设为0.2m。在机器人行走时，可能同时遇到多类障碍物，如同时遇到运动人体、静止人体和运动物体、静止时，为了保障安全，会按照第一避障距离进行避障行驶。
相同的，当机器人识别到多个障碍物时，所述机器人按照所述多个障碍物分别对应的第一移动速度或第二移动速度或第三移动速度或第四移动速度中的最小移动速度进行避障。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种机器人避障方法，其特征在于，包括步骤：
机器人检测到有障碍物时，根据采集到的图片识别出障碍物，并检测所述障碍物的运动情况；
当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人按照第一避障距离进行避障；当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人按照第二避障距离进行避障；
当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人按照第三避障距离进行避障；当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人按照第四避障距离进行避障。
2.根据权利要求1所述的一种机器人避障方法，其特征在于，还包括步骤：
机器人采集人体图像数据、不同物体的物体图像数据；
所述机器人根据所述人体图像数据、不同物体的物体图像数据，进行深度图像学习，使机器人能够识别出人体和物体。
3.根据权利要求1所述的一种机器人避障方法，其特征在于：
当机器人识别出所述障碍物为人体且所述人体处于运动状态时，服务器根据所述人体在当前帧的位置，以及所述人体在历史帧的位置，预测出所述人体的运动趋势轨迹；
所述服务器根据所述人体的运动趋势轨迹，以及第一避障距离，生成第一障碍区域；
所述服务器根据所述第一障碍区域以及导航地图，生成第一避障路线；所述机器人按照所述第一避障路线进行避障；
或；
当机器人识别出所述障碍物为人体且所述人体处于静止状态时，所述服务器根据所述第二避障距离，以及所述人体在当前帧的位置，生成第二障碍区域；
所述服务器根据所述第二障碍区域以及导航地图，生成第二避障路线；
所述机器人按照所述第二避障路线进行避障；
或；
当所述机器人识别出所述障碍物为物体且所述物体处于运动状态时，所述服务器根据所述物体在当前帧的位置，以及所述物体在历史帧的位置，预测出所述物体的运动趋势轨迹；
所述服务器根据所述物体的运动趋势轨迹，以及第三避障距离，生成第三障碍区域；
所述服务器根据所述第三障碍区域以及导航地图，生成第三避障路线；
所述机器人按照所述第三避障路线进行避障；
或；
当机器人识别出所述障碍物为物体且所述物体处于静止状态时，所述服务器根据所述第四避障距离，以及所述物体在当前帧的位置，生成第四障碍区域；
所述服务器根据所述第四障碍区域以及导航地图，生成第四避障路线；
所述机器人按照所述第四避障路线进行避障。
4.根据权利要求1所述的一种机器人避障方法，其特征在于，当机器人检测到有障碍物时，通过采集到的图片帧识别出障碍物，此步骤具体包括：
当机器人检测到有障碍物时，获取所述障碍物在当前帧的位置；
判断所述障碍物在当前帧的位置是否在预设避障范围内；
若所述障碍物在当前帧的位置在预设避障范围内，则通过采集到的图片帧识别出障碍物，并检测所述障碍物的运动情况。
5.根据权利要求1-4中任一项所述的一种机器人避障方法，其特征在于，还包括步骤：
当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人以第一移动速度进行避障；
当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人以第二移动速度进行避障；
当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人以第三移动速度进行避障；
当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人以第四移动速度进行避障。
6.根据权利要求1-4中任一项所述的一种机器人避障方法，其特征在于，还包括步骤：
当机器人识别到多个障碍物时，所述机器人根据所述多个障碍物的运动情况，按照所述多个障碍物分别对应的第一避障距离或第二避障距离或第三避障距离或第四避障距离中的最大避障距离进行避障。
7.一种机器人，其特征在于，包括：
障碍物检测模块，用于检测障碍物，以及障碍物的移动情况；
图像采集模块，与所述障碍检测模块电连接，用于检测到有障碍物时，采集所述障碍物的当前帧图片；
障碍物识别模块，与所述图像采集模块电连接，用于根据采集到的当前帧图片识别出障碍物；
避障模块，分别与所述障碍物检测模块、所述障碍物识别模块电连接，用于当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人按照第一避障距离进行避障；当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人按照第二避障距离进行避障；当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人按照第三避障距离进行避障；当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人按照第四避障距离进行避障。
8.根据权利要求7所述的一种机器人，其特征在于：
所述图像采集模块，还用于采集人体图像数据、不同物体的物体图像数据；
所述障碍物识别模块，还与所述图像采集模块电连接，用于根据所述人体图像数据、不同物体的物体图像数据，进行深度图像学习，使机器人能够识别出人体和物体。
9.根据权利要求7所述的一种机器人，其特征在于：
所述避障模块，还用于当所述机器人识别出所述障碍物为人体且所述人体处于运动状态时，按照所述服务器生成的第一避障路线进行导航；
所述第一避障路线由所述服务器根据所述第一障碍区域以及导航地图生成得到；所述第一避障区域由所述服务器根据所述人体的运动趋势轨迹，以及第一避障距离生成得到；所述人体的运动趋势轨迹由所述服务器根据所述人体在当前帧的位置，以及所述人体在历史帧的位置预测得到；
或；
所述避障模块，还用于当所述机器人识别出所述障碍物为人体且所述人体处于静止状态时，按照所述服务器生成的第二避障路线进行避障；
所述第二避障路线由所述服务器根据所述第二障碍区域以及导航地图生成得到；所述第二避障区域由所述服务器根据所述第二避障距离，以及所述人体在当前帧的位置生成得到；
或；
所述避障模块，还用于当所述机器人识别出所述障碍物为物体且所述物体处于运动状态时，按照所述服务器生成的第三避障路线进行导航；
所述第三避障路线由所述服务器根据所述第三障碍区域以及导航地图生成得到；所述第三避障区域由所述服务器根据所述物体的运动趋势轨迹，以及第三避障距离生成得到；所述物体的运动趋势轨迹由所述服务器根据所述物体在当前帧的位置，以及所述物体在历史帧的位置预测得到；
或；
所述避障模块，还用于当所述机器人识别出所述障碍物为物体且所述物体处于静止状态时，按照所述服务器生成的第四避障路线进行避障；
所述第四避障路线由所述服务器根据所述第四障碍区域以及导航地图生成得到，所述第四障碍区域由所述服务器根据所述第四避障距离，以及所述物体在当前帧的位置生成得到。
10.根据权利要求7所述的一种机器人，其特征在于：
位置获取模块，用于当机器人检测到有障碍物时，获取所述障碍物在当前帧的位置；
判断模块，与所述位置获取模块电连接，用于判断所述障碍物在当前帧的位置是否在预设避障范围内；
障碍物识别模块，还用于若所述障碍物在当前帧的位置在预设避障范围内，则通过采集到的图片帧识别出障碍物，并通过所述障碍物检测模块检测所述障碍物的运动情况。
11.根据权利要求7-10中任一项所述的一种机器人，其特征在于：
所述避障模块，还用于当识别出所述障碍物为人体且所述人体处于运动状态时，所述机器人以第一移动速度进行避障；
所述避障模块，还用于当识别出所述障碍物为人体且所述人体处于静止状态时，所述机器人以第二移动速度进行避障；
所述避障模块，还用于当识别出所述障碍物为物体且所述物体处于运动状态时，所述机器人以第三移动速度进行避障；
所述避障模块，还用于当识别出所述障碍物为物体且所述物体处于静止状态时，所述机器人以第四移动速度进行避障。
12.根据权利要求7-10中任一项所述的一种机器人，其特征在于：
所述避障模块，还用于当机器人识别到多个障碍物时，所述机器人根据所述多个障碍物的运动情况，按照所述多个障碍物分别对应的第一避障距离或第二避障距离或第三避障距离或第四避障距离中的最大避障距离进行避障。
CN201810878544.6A 2018-08-03 2018-08-03 一种机器人避障方法及机器人 Pending CN108958263A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810878544.6A CN108958263A (zh) 2018-08-03 2018-08-03 一种机器人避障方法及机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810878544.6A CN108958263A (zh) 2018-08-03 2018-08-03 一种机器人避障方法及机器人

Publications (1)

Publication Number Publication Date
CN108958263A true CN108958263A (zh) 2018-12-07

Family

ID=64467175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810878544.6A Pending CN108958263A (zh) 2018-08-03 2018-08-03 一种机器人避障方法及机器人

Country Status (1)

Country Link
CN (1) CN108958263A (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109445442A (zh) * 2018-12-17 2019-03-08 中新智擎科技有限公司 一种机器人避障控制方法、装置、存储介质及机器人
CN109523574A (zh) * 2018-12-27 2019-03-26 联想(北京)有限公司 一种行走轨迹预测方法和电子设备
CN110175523A (zh) * 2019-04-26 2019-08-27 南京华捷艾米软件科技有限公司 一种自移动机器人动物识别与躲避方法及其存储介质
CN110315538A (zh) * 2019-06-27 2019-10-11 深圳乐动机器人有限公司 一种在电子地图上显示障碍物的方法、装置及机器人
CN110370273A (zh) * 2019-06-27 2019-10-25 华为技术有限公司 一种机器人避障方法、装置和系统
CN110370284A (zh) * 2019-08-07 2019-10-25 北京凌天世纪控股股份有限公司 一种防爆自主巡检机器人的自动化控制系统
CN110658819A (zh) * 2019-09-30 2020-01-07 北京猎户星空科技有限公司 一种避障方法、装置、电子设备和存储介质
CN110653837A (zh) * 2019-10-31 2020-01-07 灵动科技（北京）有限公司 自主移动装置及仓储物流系统
CN111026115A (zh) * 2019-12-13 2020-04-17 华南智能机器人创新研究院 一种基于深度学习的机器人避障控制方法及装置
CN111390909A (zh) * 2020-03-30 2020-07-10 上海应用技术大学 工业机器人的避障方法和系统
CN111427357A (zh) * 2020-04-14 2020-07-17 北京石头世纪科技股份有限公司 一种机器人避障方法、装置和存储介质
WO2020151664A1 (zh) * 2019-01-25 2020-07-30 长城汽车股份有限公司 车载控制装置、场端定位装置及车辆
WO2020218464A1 (ja) * 2019-04-25 2020-10-29 株式会社クボタ 収穫機、障害物判定プログラム、障害物判定プログラムを記録した記録媒体、障害物判定方法、農作業機、制御プログラム、制御プログラムを記録した記録媒体、制御方法
JP2020178618A (ja) * 2019-04-25 2020-11-05 株式会社クボタ 農作業機
CN112034856A (zh) * 2020-09-08 2020-12-04 深圳优地科技有限公司 机器人行进方法、装置、设备及存储介质
CN112405532A (zh) * 2020-11-06 2021-02-26 深圳优地科技有限公司 移动控制方法、装置及机器人
CN112449106A (zh) * 2019-09-03 2021-03-05 东芝泰格有限公司 架板拍摄装置及信息处理装置
CN112975989A (zh) * 2021-04-21 2021-06-18 炬星科技（深圳）有限公司 机器人安全运行方法、设备及存储介质
CN113219969A (zh) * 2021-04-22 2021-08-06 深圳拓邦股份有限公司 洗地机器人避障控制方法、装置及洗地机器人
CN113848871A (zh) * 2020-06-28 2021-12-28 北京极智嘉科技股份有限公司 一种控制机器人避障的方法、装置及系统
CN114363826A (zh) * 2021-12-22 2022-04-15 长沙智能驾驶研究院有限公司 一种信息提示方法、装置、设备及可读存储介质
CN114348022A (zh) * 2022-01-21 2022-04-15 北京三快在线科技有限公司 无人车的控制方法、装置、存储介质及电子设备
CN114415726A (zh) * 2022-01-18 2022-04-29 江苏锐天智能科技股份有限公司 一种基于图像分析的无人机避障控制系统及方法
WO2022127439A1 (zh) * 2020-12-17 2022-06-23 深圳市普渡科技有限公司 机器人遇障处理方法、装置、设备和计算机可读存储介质
CN115185285A (zh) * 2022-09-06 2022-10-14 深圳市信诚创新技术有限公司 吸尘机器人的自动避障方法、装置、设备及存储介质
CN115472039A (zh) * 2021-06-10 2022-12-13 上海博泰悦臻网络技术服务有限公司 信息处理方法及相关产品

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823466A (zh) * 2013-05-23 2014-05-28 电子科技大学 一种动态环境下移动机器人路径规划方法
CN107065880A (zh) * 2017-05-16 2017-08-18 南京农业大学 基于动态引导点的遥操作农业车辆人机合作路径规划方法
CN107092252A (zh) * 2017-04-11 2017-08-25 杭州光珀智能科技有限公司 一种基于机器视觉的机器人主动避障方法及其装置
CN107894773A (zh) * 2017-12-15 2018-04-10 广东工业大学 一种移动机器人的导航方法、系统及相关装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103823466A (zh) * 2013-05-23 2014-05-28 电子科技大学 一种动态环境下移动机器人路径规划方法
CN107092252A (zh) * 2017-04-11 2017-08-25 杭州光珀智能科技有限公司 一种基于机器视觉的机器人主动避障方法及其装置
CN107065880A (zh) * 2017-05-16 2017-08-18 南京农业大学 基于动态引导点的遥操作农业车辆人机合作路径规划方法
CN107894773A (zh) * 2017-12-15 2018-04-10 广东工业大学 一种移动机器人的导航方法、系统及相关装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
石琳: "《智能虚拟环境中的人工情感研究》", 31 July 2015, 武汉大学出版社 *
陈孟元: "《移动机器人SLAM、目标跟踪及路径规划》", 31 May 2018, 北京航空航天大学出版社 *

Cited By (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109445442A (zh) * 2018-12-17 2019-03-08 中新智擎科技有限公司 一种机器人避障控制方法、装置、存储介质及机器人
CN109523574A (zh) * 2018-12-27 2019-03-26 联想(北京)有限公司 一种行走轨迹预测方法和电子设备
WO2020151664A1 (zh) * 2019-01-25 2020-07-30 长城汽车股份有限公司 车载控制装置、场端定位装置及车辆
WO2020218464A1 (ja) * 2019-04-25 2020-10-29 株式会社クボタ 収穫機、障害物判定プログラム、障害物判定プログラムを記録した記録媒体、障害物判定方法、農作業機、制御プログラム、制御プログラムを記録した記録媒体、制御方法
CN113766824B (zh) * 2019-04-25 2023-07-14 株式会社久保田 收割机、障碍物判定程序、记录介质、障碍物判定方法
JP2020178618A (ja) * 2019-04-25 2020-11-05 株式会社クボタ 農作業機
JP7174487B2 (ja) 2019-04-25 2022-11-17 株式会社クボタ 農作業機
CN113766824A (zh) * 2019-04-25 2021-12-07 株式会社久保田 收割机、障碍物判定程序、记录有障碍物判定程序的记录介质、障碍物判定方法、农业机械、控制程序、记录有控制程序的记录介质、控制方法
CN110175523A (zh) * 2019-04-26 2019-08-27 南京华捷艾米软件科技有限公司 一种自移动机器人动物识别与躲避方法及其存储介质
CN110175523B (zh) * 2019-04-26 2021-05-14 南京华捷艾米软件科技有限公司 一种自移动机器人动物识别与躲避方法及其存储介质
CN110315538A (zh) * 2019-06-27 2019-10-11 深圳乐动机器人有限公司 一种在电子地图上显示障碍物的方法、装置及机器人
CN110370273A (zh) * 2019-06-27 2019-10-25 华为技术有限公司 一种机器人避障方法、装置和系统
CN110370273B (zh) * 2019-06-27 2021-04-09 华为技术有限公司 一种机器人避障方法、装置和系统
CN110370284A (zh) * 2019-08-07 2019-10-25 北京凌天世纪控股股份有限公司 一种防爆自主巡检机器人的自动化控制系统
CN112449106B (zh) * 2019-09-03 2022-05-31 东芝泰格有限公司 架板拍摄装置及信息处理装置
CN112449106A (zh) * 2019-09-03 2021-03-05 东芝泰格有限公司 架板拍摄装置及信息处理装置
CN110658819A (zh) * 2019-09-30 2020-01-07 北京猎户星空科技有限公司 一种避障方法、装置、电子设备和存储介质
WO2021063247A1 (zh) * 2019-09-30 2021-04-08 北京猎户星空科技有限公司 一种避障方法、装置、电子设备和存储介质
CN110653837B (zh) * 2019-10-31 2021-08-13 灵动科技（北京）有限公司 自主移动装置及仓储物流系统
CN113580155A (zh) * 2019-10-31 2021-11-02 灵动科技（北京）有限公司 自主移动装置及仓储物流系统
CN110653837A (zh) * 2019-10-31 2020-01-07 灵动科技（北京）有限公司 自主移动装置及仓储物流系统
EP4026666A4 (en) * 2019-10-31 2023-02-08 Lingdong Technology (Beijing) Co. Ltd AUTONOMOUS MOBILE DEVICE AND WAREHOUSE LOGISTICS SYSTEM
US20240103518A1 (en) * 2019-10-31 2024-03-28 Lingdong Technology (Beijing) Co.Ltd. Autonomous mobile device and warehouse logistics system
WO2021082964A1 (zh) * 2019-10-31 2021-05-06 灵动科技（北京）有限公司 自主移动装置及仓储物流系统
CN111026115A (zh) * 2019-12-13 2020-04-17 华南智能机器人创新研究院 一种基于深度学习的机器人避障控制方法及装置
CN111390909A (zh) * 2020-03-30 2020-07-10 上海应用技术大学 工业机器人的避障方法和系统
CN111390909B (zh) * 2020-03-30 2022-06-28 上海应用技术大学 工业机器人的避障方法和系统
CN111427357A (zh) * 2020-04-14 2020-07-17 北京石头世纪科技股份有限公司 一种机器人避障方法、装置和存储介质
CN113848871A (zh) * 2020-06-28 2021-12-28 北京极智嘉科技股份有限公司 一种控制机器人避障的方法、装置及系统
CN112034856A (zh) * 2020-09-08 2020-12-04 深圳优地科技有限公司 机器人行进方法、装置、设备及存储介质
CN112034856B (zh) * 2020-09-08 2024-05-17 深圳优地科技有限公司 机器人行进方法、装置、设备及存储介质
CN112405532B (zh) * 2020-11-06 2021-12-28 深圳优地科技有限公司 移动控制方法、装置及机器人
CN112405532A (zh) * 2020-11-06 2021-02-26 深圳优地科技有限公司 移动控制方法、装置及机器人
WO2022127439A1 (zh) * 2020-12-17 2022-06-23 深圳市普渡科技有限公司 机器人遇障处理方法、装置、设备和计算机可读存储介质
CN112975989B (zh) * 2021-04-21 2021-08-03 炬星科技（深圳）有限公司 机器人安全运行方法、设备及存储介质
CN112975989A (zh) * 2021-04-21 2021-06-18 炬星科技（深圳）有限公司 机器人安全运行方法、设备及存储介质
CN113219969A (zh) * 2021-04-22 2021-08-06 深圳拓邦股份有限公司 洗地机器人避障控制方法、装置及洗地机器人
CN115472039A (zh) * 2021-06-10 2022-12-13 上海博泰悦臻网络技术服务有限公司 信息处理方法及相关产品
CN115472039B (zh) * 2021-06-10 2024-03-01 上海博泰悦臻网络技术服务有限公司 信息处理方法及相关产品
CN114363826A (zh) * 2021-12-22 2022-04-15 长沙智能驾驶研究院有限公司 一种信息提示方法、装置、设备及可读存储介质
CN114415726A (zh) * 2022-01-18 2022-04-29 江苏锐天智能科技股份有限公司 一种基于图像分析的无人机避障控制系统及方法
CN114415726B (zh) * 2022-01-18 2023-01-03 江苏锐天智能科技股份有限公司 一种基于图像分析的无人机避障控制系统及方法
CN114348022A (zh) * 2022-01-21 2022-04-15 北京三快在线科技有限公司 无人车的控制方法、装置、存储介质及电子设备
CN115185285A (zh) * 2022-09-06 2022-10-14 深圳市信诚创新技术有限公司 吸尘机器人的自动避障方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108958263A (zh) 一种机器人避障方法及机器人
US11673269B2 (en) Method of identifying dynamic obstacle and robot implementing same
US8214082B2 (en) Nursing system
US11554495B2 (en) Method of localization using multi sensor and robot implementing same
EP3510986B1 (en) Mobility device and mobility system
KR102615685B1 (ko) 멀티 센서를 동기화시켜 위치를 추정하는 방법 및 이를 구현하는 로봇
CN106808482A (zh) 一种巡检机器人多传感器系统及巡检方法
KR101014531B1 (ko) 거리 센서를 이용한 다리 추출 방법, 이를 이용한 이동 로봇의 사람 추종 주행 방법 및 이동 로봇
CN104718507A (zh) 自主行走装置的行走信息生成装置、方法及程序、以及自主行走装置
CN109344687A (zh) 基于视觉的障碍物检测方法、装置、移动设备
Shi et al. Human-aware robot motion planning with velocity constraints
Raja et al. SPAS: Smart pothole-avoidance strategy for autonomous vehicles
CN112223273A (zh) 一种工业机器人视觉检测及避障系统
KR20190094130A (ko) 사용자 인식 기반의 유모차 로봇 및 그 제어 방법
CN116038684A (zh) 一种基于视觉的机器人碰撞预警方法
CN115416047A (zh) 一种基于多传感器四足机器人的助盲系统和方法
JP2019036192A (ja) 歩行者の歩行行動を模倣する移動ロボット
Ghandour et al. A hybrid collision avoidance system for indoor mobile robots based on human-robot interaction
Ali et al. Smart wheelchair maneuvering among people
Chen et al. A survey on deep-learning methods for pedestrian behavior prediction from the egocentric view
JP7342664B2 (ja) ロボット、制御方法、およびプログラム
Liang et al. Application of human body posture recognition technology in robot platform for nursing empty-nesters
Saegusa et al. Development of a guide-dog robot: Leading and recognizing a visually-handicapped person using a LRF
Skovfoged et al. ” Is it There or Not?” Why Augmented White Canes Do Not Need to Provide Detailed Feedback about Obstacles
Ghandour et al. Interactive collision avoidance system for indoor mobile robots based on human-robot interaction

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181207

RJ01 Rejection of invention patent application after publication