一种机器人避障控制方法、系统及机器人与流程

1.本发明涉及机器人运动控制领域，特别是涉及一种机器人避障控制方法、系统及机器人。


背景技术：

2.随着技术的不断发展，服务机器人，可以承担巡检、配送、迎宾、问询、引导等功能，可以有效节省人力物力，提高服务质量。因此，服务机器人，在诸如银行大堂、服务大厅等场所，物流、电力等行业，得到了越来越多的应用。
3.通过构建场所地图，结合路径规划算法，服务机器人可以进行自主导航和自主避障，在场所内进行移动、工作。但是，在实际使用时，服务机器人经常会遇到很多不确定因素，比如移动的障碍物、死角、悬空的障碍物等。现有的避障方法，经常使用单一的障碍物检测、判断方案，不能准确识别出可能影响服务机器人移动的所有形态的障碍物，比如透明的障碍物、悬空的障碍物、绳子等。同时，现有避障方案，只能获取前方固定角度范围内的障碍物信息，如果障碍物的尺寸非常大，那么就很可能导致在前方固定角度范围内，找不到规避的路径，进而导致服务机器人无法前进，避障失败。
4.因此，现有的避障方案，不能灵活、有效的应对不同形态的障碍物，有待改进。


技术实现要素：

5.基于此，有必要针对现有机器人的避障方法单一，不能有效应对不同形态的障碍物的问题，提供一种机器人避障控制方法、系统及机器人。
6.本申请一实施例提供了一种机器人避障控制方法，包括：获取障碍物检测信息，判断行进方向上是否有障碍物；当判断行进方向上存在障碍物时，获取机器人的当前位置，以及当前位置图像信息，当前位置图像信息包括目标角度范围内图像；结合障碍物检测信息和当前位置图像信息，确定障碍物的影响区域；根据障碍物的影响区域和机器人的当前位置、目的位置，规划机器人的新行进路径；根据规划的新行进路径进行驱动控制。
7.在一些实施例中，所述障碍物包括静止障碍物和移动障碍物，所述获取障碍物检测信息，判断行进方向上是否有障碍物的步骤，具体包括：利用传感器，获取前方预设范围内的障碍物检测信息；所述障碍物检测信息包括障碍物的位置、大小、移动速度和移动方向；根据障碍物的位置、移动速度和移动方向，判断行进方向上是否有障碍物。
8.在一些实施例中，所述根据障碍物的位置、移动速度和移动方向，判断行进方向上是否有障碍物的步骤，具体包括；当所述障碍物为静止障碍物时，根据所述障碍物的位置，来判断行进方向上是否
有障碍物；当所述障碍物为移动障碍物时，根据所述障碍物的位置、移动速度和移动方向，计算所述障碍物的移动轨迹；当所述移动轨迹与所述机器人的规划路径存在交汇点时，判断行进方向上存在障碍物。
9.在一些实施例中，所述障碍物检测信息包括障碍物的大小，所述目标角度根据所述障碍物的大小、所述障碍物与机器人的位置确定。
10.在一些实施例中，所述障碍物分为静止障碍物、不可交互的移动障碍物和可交互的移动障碍物，所述结合障碍物检测信息和当前位置图像信息，确定障碍物的影响区域步骤，具体包括：对当前位置图像信息进行图像识别，得到所述障碍物在不同高度下占据的区域；根据障碍物检测信息，判断障碍物的类型；当判断障碍物为静止障碍物时，综合所有高度下的占据的区域，得到所述障碍物的影响区域。
11.在一些实施例中，所述结合障碍物检测信息和当前位置图像信息，确定障碍物的影响区域步骤，还包括：当判断所述障碍物为不可交互的移动障碍物时，根据所述障碍物的移动速度、移动方向、大小，以及机器人的规划路径、移动速度和大小，确定所述障碍物的影响区域。
12.在一些实施例中，所述根据障碍物的影响区域和机器人的当前位置、目的位置，规划机器人的新行进路径步骤，具体为：根据障碍物的影响区域和机器人的当前位置、目的位置，采用切线路径算法，规划机器人的新行进路径。
13.本申请一实施例还提供了一种机器人避障控制系统，包括：障碍物判断单元，用于获取障碍物检测信息，判断行进方向上是否有障碍物；图像获取单元，用于当判断行进方向上存在障碍物时，获取机器人的当前位置，以及当前位置图像信息，当前位置图像信息包括目标角度范围内图像；影响区域判定单元，用于结合障碍物检测信息和当前位置图像信息，确定障碍物的影响区域；路径修订单元，用于根据障碍物的影响区域和机器人的当前位置、目的位置，规划机器人的新行进路径；移动行进单元，用于根据规划的新行进路径进行驱动控制。
14.本申请一实施例还提供了一种机器人，包括运动控制部件、存储器和处理器，所述存储器，用于存储程序；所述处理器，用于执行所述存储器中的程序，控制所述运动控制部件，实现前述任一项实施例所述的机器人避障控制方法；所述运动控制部件，用于根据所述处理器的控制，驱动机器人进行移动。
15.本申请另一实施例还提供了一种机器可读存储介质，其上存储有计算机程序，其特征在于，其中所述计算机程序在由处理器执行时实现前述任一项实施例所述的机器人避障控制方法。
16.本申请实施例提供的机器人避障控制方案，在检测到行进方向上存在障碍物时，
会采集目标角度范围内的图像信息，通过对图像进行识别，来确定障碍物的影响区域，然后根据障碍物的影响区域，重新规划机器人的行进路径。相对于现有的方案，本方法利用图像识别结合传感器检测障碍物的方式，可以识别不同高度的障碍物，并针对不用类别的障碍物，确定了各自的影响区域，可以有效应对不同形态的障碍物，提升了避障的灵活性；并且，用于识别的图像是在相当的旋转角度范围内获取的，可以避免死角的问题，有效提高了避障的准确性。
17.附图说明
18.图1为本申请一实施例的机器人避障控制方法的流程示意图；图2为切线路径算法的应用示意图；图3为本申请一实施例的机器人避障控制系统的框架结构示意图；图4为本申请一实施例的机器人的框架结构示意图。
19.具体实施方式
20.为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施方式对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。
21.除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本申请。
22.如图1所示，本申请一实施例公开了一种机器人避障控制方法，包括：步骤s100，获取障碍物检测信息，判断行进方向上是否有障碍物；机器人可以存储有场景地图和规划路径，机器人根据规划路径进行移动。
23.可以利用传感器，获取障碍物检测信息；根据障碍物检测信息，来判断行进方向上是否有障碍物。传感器可以是激光雷达、红外传感器、超声波传感器、深度相机中的一种或多种。
24.为了能够识别出玻璃等透明障碍物，在一些实施例中，至少使用超声波传感器，来判断行进方向上的障碍物。
25.为了提升障碍物检测的准确性，避免遗漏细小障碍物，在使用超声波传感器的基础上，还可以结合激光雷达、红外传感器、深度相机中的一种或者多种。
26.在一些实施例中，可以同时使用深度相机、激光雷达和超声波传感器来获取障碍物检测信息。示例的，深度相机可以设置在机器人的前方顶部位置，以检测出不同高度上的障碍物；激光雷达和超声波传感器可以设置在机器人的底部位置或者中部位置。超声波传感器可以设置有2个或者更多数量，围绕机器人的前方分布设置。激光雷达可以设置1个，位于机器人的前方。可以理解的是，根据实际需要，也可以在其他位置，设置深度相机、激光雷达和超声波传感器。深度相机、激光雷达和超声波传感器的数量，也可根据需要进行增加或者减少。
27.在一些实施例中，使用传感器检测障碍物时，可以获得前方预设范围内的障碍物检测信息。前方预设范围，不仅可以包括行进方向，还可以包括行进方向两侧的区域。障碍物检测信息，不仅可以包括障碍物的位置和大小，还可以包括障碍物的移动速度和移动方向。根据障碍物是否可以移动，可以将障碍物划分为静止障碍物和移动障碍物。对于移动障碍物，根据位置、移动速度和移动方向，计算出移动障碍物的移动轨迹，判断移动障碍物的移动轨迹是否与机器人的规划路径存在交汇点。
28.如此，判断行进方向上存在障碍物时，不仅包括在行进方向上检测到静止障碍物，还可以包括移动轨迹与规划路径存在交汇点的移动障碍物。
29.进一步的，为了更加准确的判断移动障碍物是否属于行进方向上的障碍物时，还可以获取机器人的移动速度，判断机器人与移动障碍物是否同时到达交汇点。只有判断机器人与移动障碍物同时到达交汇点时，才能判断行进方向上存在障碍物。
30.在判断机器人与移动障碍物是否同时到达交汇点，可以将机器人和移动障碍物作为一个质点，也可以同时考虑机器人和移动障碍物的大小。
31.步骤s300，当判断行进方向上存在障碍物时，获取机器人的当前位置，以及当前位置图像信息，当前位置图像信息包括目标角度范围内图像；目标角度，可以设置为固定值。比如，可以将目标角度设置为机器人行进方向上的180
°
，即机器人的整个前方。也可以将目标角度设置为270
°
，以机器人的行进方向为中线，两侧各135
°
。可以理解的是，目标角度，可以根据实际情况自由确定。
32.目标角度，也可以根据判断出的障碍物进行确定，比如根据传感器初步检测出的障碍物大小，根据障碍物与机器人之间的距离，确定障碍物相对机器人的覆盖角度，然后，根据覆盖角度，确定出目标角度。
33.示例的，可以在障碍物的覆盖角度基础上，增加余量角度，以得到目标角度。增加余量角度，是为了提供可能存在新行进路径的区域的图像，以有助于规划出新行进路。余量角度，可以设置为固定值，也可以根据机器人的大小来确定。在后一种方案中，可以根据障碍物的大小以及障碍物与机器人之间的距离，确定可供机器人通行的最小通行宽度对应的最小通行角度。余量角度，可以是n个最小通行角度，n为正整数。最小通行宽度，可以是机器人的宽度，也可以是比机器人的宽度大一点的宽度，比如机器人的宽度加上运动时允许的偏移值。
34.目标角度越大，当前位置图像信息包含的信息越多，就有可能对后续的处理提供更多的帮助，比如，在规划新的行进路径时，就不单可以向前走，还可以规划出后退、绕行的方案，避障方式更加灵活。
35.获取当前位置图像信息时，可以控制机器人旋转目标角度，如此来获取目标角度范围内图像。
36.步骤s500，结合障碍物检测信息和当前位置图像信息，确定障碍物的影响区域；根据障碍物是否可以交互，可以将移动障碍物划分为可交互的移动障碍物、不可交互的移动障碍物。交互，是指机器人可以与障碍物之间进行通信交互，比如通过无线通信方式，交互规划路径、目的位置等路径信息以及其他信息。
37.检测到的移动障碍物，可能是人或动物、被推动的家具以及扫地机器人等其他不可交互的机器人，也可以其他同类的机器人。对于机器人而言，与人、动物、被推动的家具、
扫地机器人等之间，不能进行通信交互，因而，人、动物、被推动的家具、扫地机器人等，即为不可交互的移动障碍物。对于同类的机器人，它们之间可以交互规划路径、目的位置等路径信息，还可以通过交互，控制其中一个的移动速度、移动方向。因此，同类机器人，可以为可交互的移动障碍物。当然，可交互的移动障碍物，还可以包括其他种类的机器人，只要二者之间能够进行通信交互即可。
38.因此，障碍物可以分为静止障碍物、可交互的移动障碍物和不可交互的移动障碍物。
39.根据障碍物检测信息，即可确定障碍物属于静止障碍物、移动障碍物中的种类。对于可交互的移动障碍物的判定，可以通过对当前位置图像信息进行图像识别来判定，比如，通过图像识别的方式，判断移动障碍物与机器人的相似度，如果相似度超过预设判定阈值，即可认定移动障碍物为可交互的移动障碍物。在一些实施例中，也可以让机器人向移动障碍物发出交互的请求，如果移动障碍物返回了对应的反馈信息，则判断移动障碍物为可交互的移动障碍物，反之，则判定为不可交互的移动障碍物。
40.不同种类的障碍物，确定其影响区域的方式可能存在不同。对于静止障碍物，可以直接依据静止障碍物的占据的区域，确定其影响区域。在确定静止障碍物的占据的区域，可以结合障碍物检测信息和当前位置图像信息进行。通过对当前位置图像信息进行图像识别，可以识别出障碍物在不同高度下占据的区域，综合静止障碍物所有高度下的占据的区域，得到静止障碍物的影响区域。如此，可以有效识别出下窄上宽的静止的障碍物的影响区域。
41.对当前位置图像信息进行图像识别时，可以先进行预处理。预处理，可以包括滤波处理、填充处理。滤波处理，是为了减小噪声，平滑曲线。滤波处理，包括线性滤波和非线性滤波两大类方案。线性滤波，可以采用领域平均滤波算法加权平均滤波算法等，非线性滤波可以采用中值滤波算法、高斯地图滤波算法等。填充处理，主要利用数学形态学算法，比如膨胀、腐蚀、开运算、闭运算等算法，可以填补空洞、缝隙，有利于后续识别出图像中的障碍物。
42.可以理解的是，因为机器人也具有自己的高度，其要求通行的区域，只要在机器人高度内没有障碍物即可。因此，在确定静止障碍物的影响区域时，也可以仅综合机器人高度以内的、静止障碍物的占据的区域。
43.可以理解的是，当前位置图像信息可以是视频，包含有若干连续帧的图像帧。也可以使用光流算法，来对当前位置图像信息进行图像识别。
44.在一些实施例中，可能会检测到多个障碍物。在确定多个障碍物的影响区域时，还需要考虑多个障碍物的占据的区域之间的间隔，是否大于机器人的最小通行宽度。如果两个障碍物的占据的区域之间的间隔小于机器人的最小通行宽度，则将两个障碍物视为一个虚拟的障碍物，将两个障碍物的占据的区域融合在一起，形成虚拟的障碍物的影响区域，用于后续步骤的使用。
45.对于不可交互的移动障碍物，可以根据不可交互的移动障碍物的移动速度、移动方向、大小，以及机器人的规划路径、移动速度和大小，确定不可交互的移动障碍物的影响区域。
46.示例的，可以按照如下方法确定不可交互的移动障碍物的影响区域。
47.根据不可交互的移动障碍物的大小、移动速度和移动方向，计算不可交互的移动障碍物的移动轨迹，并结合机器人的规划路径，确定移动轨迹与规划路径的交汇区域；根据机器人的规划路径以及移动速度，计算机器人开始进入交汇区域的第一预测时刻和离开交汇区域的第二预测时刻；计算不可交互的移动障碍物在第一预测时刻和第二预测时刻之间的移动轨迹范围，作为不可交互的移动障碍物的影响区域。
48.在计算不可交互的移动障碍物的移动轨迹时，可以利用当前位置图像信息进行图像识别，确定不可交互的移动障碍物的类别。根据其移动轨迹的可预测程度，不可交互的移动障碍物的类别，可以划分为可预测类别、低偏差类别和高偏差类别。高偏差类别主要是人类、动物，其移动轨迹，相对于在历时数据上预测的移动轨迹，可能会存在较高的偏移。低偏差类别，可以是带有一定驱动能力，但会遵循自身的计划或规则，进行移动的物体，诸如扫地机器人等执行特定任务的、不可交互的机器人，因为自身具有驱动能力，可能会在历史的移动轨迹上，产生一定的偏移。可预测类别，一般是指不带有驱动能力的物体，比如被推动的座椅等，其移动规避一般是高度可预测的。对于高偏差类别，在预测其移动轨迹时，需要添加较大的偏移量，因此得到的移动轨迹是一个较大的区域。对于低偏差类别，在预测其移动轨迹时，添加较小的偏移量，得到的移动轨迹是一个相对较大的区域。而可预测类别，则直接使用检测障碍物信息中的历史移动数据，来预测移动轨迹。
49.对于可交互的移动障碍物，可以由机器人与可交互的移动障碍物交互，获取可交互的移动障碍物的规划路径；根据机器人的规划路径和可交互的移动障碍物的规划路径，确定交汇区域；根据机器人的规划路径以及移动速度，计算机器人开始进入交汇区域的第一预测时刻和离开交汇区域的第二预测时刻；计算可交互的移动障碍物在第一预测时刻和第二预测时刻之间的移动轨迹范围，作为可交互的移动障碍物的影响区域。
50.为了减小避障时新行进路径的变化量，机器人与可交互的移动障碍物交互时，还可以向可交互的移动障碍物发出请求，要求降低可交互的移动障碍物的移动速度。如此，可以减小可交互的移动障碍物在第一预测时刻和第二预测时刻之间的移动轨迹范围，进而减小了可交互的移动障碍物的影响区域。
51.可以理解的是，在一些情况下，通过减小可交互的移动障碍物的移动速度，机器人与可交互的移动障碍物可能就不会同时到达交汇点，可交互的移动障碍物就可能不再构成行进方向上的障碍物。
52.在一些实施例中，机器人与可交互的移动障碍物交互时，还可以交互任务优先级，任务优先级高的一方，可以优先通过，而任务优先级低的一方，需要进行避障。此时，如果机器人的任务优先级高于可交互的移动障碍物，那么，可交互的移动障碍物的影响区域为0。反之，则可以按照前面确定可交互的移动障碍物的影响区域的方法，来确定。可以理解的是，在确定优先通过的一方时，也可以根据机器人与交汇区域的距离、可交互的移动障碍物与交汇区域的距离，选择距离小的一方，作为优先通过的一方。
53.步骤s700，根据障碍物的影响区域和机器人的当前位置、目的位置，规划机器人的新行进路径。
54.获取障碍物的影响区域、机器人的当前位置、目的位置之后，可以根据切线路径算法，来规划机器人的新行进路径。
55.示例的，如图所示，记机器人处于位置a，障碍物s的影响区域为rs的圆形区域，目的位置为b，那么根据切线路径算法，从位置a出发，与rs圆形区域的相切的路线，即可作为机器人避开障碍物s的切线路径，比如从位置a到位置c1的a
‑
c1（或者，也可以是另一条切线路径a
‑
c2）。然后，再从位置c1，规划到目的位置b的预测路径，即c1
‑
b。前后两个路径——切线路径a
‑
c1和预测路径c1
‑
b，可以共同组成一条新行进路径a
‑
c1
‑
b。
56.当障碍物s的影响区域不为圆形时，可能会存在两条或者更多切线路径。此时，可以选择长度最小的切线路径，然后根据目标位置，规划预测路径，得到机器人的新行进路径。
57.可以理解的是，当存在多条切线路径时，也可以对每条切线路径均计算到达目的位置的预测路径，然后选择切线路径和预测路径之和最小的一个，确认为机器人的新行进路径。
58.步骤s900，根据规划的新行进路径进行驱动控制。
59.确定新行进路径之后，机器人即可据此进行移动。在后续移动过程中，可以不断重复本方法，针对新遇到的障碍物，再次规划新行进路径。
60.本申请实施例提供的机器人避障控制方法，在检测到行进方向上存在障碍物时，会采集目标角度范围内的图像信息，通过对图像进行识别，来确定障碍物的影响区域，然后根据障碍物的影响区域，重新规划机器人的行进路径。相对于现有的方案，本方法利用图像识别结合传感器检测障碍物的方式，可以识别不同高度的障碍物，并针对不用类别的障碍物，确定了各自的影响区域，可以有效应对不同形态的障碍物，提升了避障的灵活性；并且，用于识别的图像是在相当的旋转角度范围内获取的，可以避免死角的问题，有效提高了避障的准确性。
61.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
62.本申请一实施例还提供了一种机器人避障控制系统，如图3所示，包括：障碍物判断单元100，用于获取障碍物检测信息，判断行进方向上是否有障碍物；图像获取单元300，用于当判断行进方向上存在障碍物时，获取机器人的当前位置，以及当前位置图像信息，当前位置图像信息包括目标角度范围内图像；影响区域判定单元500，用于结合障碍物检测信息和当前位置图像信息，确定障碍物的影响区域；路径修订单元700，用于根据障碍物的影响区域和机器人的当前位置、目的位置，规划机器人的新行进路径；移动行进单元900，用于根据规划的新行进路径进行驱动控制。
63.障碍物判断单元100、图像获取单元300、影响区域判定单元500、路径修订单元700及移动行进单元900的具体工作方式，可以参见前面方法实施例中的描述，在此不再赘述。
64.本申请实施例提供的机器人避障控制系统，在检测到行进方向上存在障碍物时，会采集目标角度范围内的图像信息，通过对图像进行识别，来确定障碍物的影响区域，然后根据障碍物的影响区域，重新规划机器人的行进路径。相对于现有的方案，本方案利用图像识别结合传感器检测障碍物的方式，可以识别不同高度的障碍物，并针对不用类别的障碍物，确定了各自的影响区域，可以有效应对不同形态的障碍物，提升了避障的灵活性；并且，用于识别的图像是在相当的旋转角度范围内获取的，可以避免死角的问题，有效提高了避障的准确性。
65.本申请一实施例还提供了一种机器人，如图4所示，包括运动控制部件10、存储器20和处理器30，存储器20用于存储程序；处理器30，用于执行存储器中的程序，控制运动控制部件10，实现上述任一实施例所述的机器人避障控制方法；运动控制部件10，用于根据处理器300的控制，驱动机器人进行移动。
66.本申请一实施例还提供一种机器可读存储介质，其上存储有计算机程序，其中所述计算机程序在由处理器执行时实现上述任一实施例所述的机器人避障控制方法。
67.所述系统/计算机装置集成的部件/模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也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计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施方式的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器 (rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
68.在本申请各个实施例中的各功能模块/部件，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。它们可以集成在相同处理模块/部件中，也可以是各个模块/部件单独物理存在，也可以两个或两个以上模块/部件集成在相同模块/部件中。上述集成的模块/部件既可以采用硬件的形式实现，也可以采用硬件加软件功能模块/部件的形式实现。
69.对于本领域技术人员而言，显然本申请实施例不限于上述示范性实施例的细节，而且在不背离本申请实施例的精神或基本特征的情况下，能够以其他的具体形式实现本申请实施例。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请实施例的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统、装置或终端权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。