一种路径规划避障系统及机器人的制作方法

摘要: 本发明属于机器人路径规划与避障,具体涉及一种路径规划避障系统及机器人。背景技术:1、机器人技术在工业自动化、物流仓储、智能巡检等领域的应用日益广泛。路径规划与避...
一种路径规划避障系统及机器人的制作方法

本发明属于机器人路径规划与避障,具体涉及一种路径规划避障系统及机器人。

背景技术:

1、机器人技术在工业自动化、物流仓储、智能巡检等领域的应用日益广泛。路径规划与避障系统是移动机器人的核心技术,直接影响机器人的自主导航能力和运行安全性。

2、在现有技术中,机器人路径规划主要基于激光雷达、深度相机、超声波传感器等多种传感器进行感知,并采用dijkstra算法、rrt(rapidly-exploring random tree,快速扩展随机树)算法以及其它方法生成路径。然而这种传统路径规划算法中,感知层采集的数据通常需要经过完整的多传感器融合模块处理后才能发送至碰撞检测单元,导致碰撞检测存在较长的时间延迟,难以满足高速移动机器人的实时避障需求。另外,当机器人处于算力受限、传感器故障或电量不足等异常状态时,路径规划系统无法自适应调整工作策略,可能导致机器人无法正常完成导航任务,甚至引发安全事故。

技术实现思路

1、本发明旨在至少解决现有技术中存在的上述技术问题,为此,本发明提供了一种路径规划避障系统及机器人。

2、本发明第一方面提出一种路径规划避障系统,应用于机器人,所述系统包括:

3、感知层,所述感知层包括3d激光雷达和深度相机,用于采集环境的原始点云数据和原始深度图像;所述感知层分别与多传感器融合模块以及决策层连接;所述感知层还与所述决策层中的碰撞检测单元直接连接,用于将所述原始点云数据发送至所述碰撞检测单元,形成独立于所述多传感器融合模块的数据通路;

4、多传感器融合模块,所述多传感器融合模块用于基于所述原始点云数据和所述原始深度图像输出融合障碍物列表;所述融合障碍物列表包括障碍物位置及速度向量;所述多传感器融合模块与决策层连接,用于将所述融合障碍物列表发送至决策层;

5、决策层,所述决策层用于基于所述原始点云数据和所述融合障碍物列表生成全局最优路径和障碍物信息,根据所述全局最优路径和所述障碍物信息获得局部避障指令,并基于所述局部避障指令生成电机控制信号。

6、可选地,所述决策层包括全局路径规划单元;所述全局路径规划单元用于:

7、基于所述融合障碍物列表,并采用t-rrt算法,生成当前位置到目标位置的全局最优路径;所述t-rrt算法的代价函数基于避障安全性代价、路径长度代价、运动平滑代价、能量效率代价和算力消耗代价确定。

8、可选地,所述碰撞检测单元用于基于所述原始点云数据实时估计障碍物信息,并将所述障碍物信息输出至局部动态避障单元;所述障碍物信息包括障碍物的目标位置、尺寸和速度。

9、可选地,所述决策层还包括局部动态避障单元;所述局部动态避障单元用于基于所述全局最优路径和所述障碍物信息生成局部避障指令;所述局部避障指令包括线速度和角速度。

10、可选地,所述决策层还包括运动控制单元;所述运动控制单元用于接收所述局部避障指令并生成电机控制信号以控制电机。

11、可选地,所述决策层还包括多级降级单元;所述多级降级单元包括:

12、多维触发指标采集单元,用于采集多维触发指标;所述多维触发指标包括cpu占用率、传感器健康状态和电池剩余电量;

13、降级触发判定单元,用于根据所述多维触发指标判断是否满足至少一个预设触发条件;所述预设触发条件包括cpu占用率大于或等于预设cpu占用率阈值、传感器健康状态为不健康状态、电池剩余电量与到达最近充电点所需电量的差值小于预设安全裕度或电池剩余电量小于预设电量阈值;

14、切换单元,用于在满足至少一个预设触发条件时,执行对应多级降级策略。

15、可选地,所述多级降级策略包括一级降级策略、二级降级策略和三级降级策略;所述系统还包括:

16、若执行一级降级策略,则降低所述全局路径规划单元中的路径优化迭代次数;

17、若执行二级降级策略,则降低所述碰撞检测单元的感兴趣区域范围,并保留所述避障安全性代价和所述路径长度代价,取消所述运动平滑代价、所述能量效率代价和所述算力消耗代价;

18、若执行三级降级策略,则降低所述多传感器融合模块的融合频率以及所述碰撞检测单元的降采样分辨率。

19、可选地,所述在满足至少一个预设触发条件时,执行对应多级降级策略,包括:

20、当仅所述cpu占用率大于或等于所述cpu占用率阈值时,执行所述一级降级策略;

21、当仅所述传感器健康状态为不健康状态时,执行所述三级降级策略;

22、当仅所述电池剩余电量满足低电量条件时,执行所述一级降级策略;所述低电量条件为电池剩余电量与到达最近充电点所需电量的差值小于所述安全裕度或电池剩余电量小于所述电量阈值。

23、可选地,所述在满足至少一个预设触发条件时,执行对应多级降级策略,还包括:

24、当所述cpu占用率大于或等于所述cpu占用率阈值,且所述传感器健康状态为不健康状态时,执行所述三级降级策略;

25、当所述cpu占用率大于或等于所述cpu占用率阈值,且所述电池剩余电量满足低电量条件时,执行所述二级降级策略;

26、当所述传感器健康状态为不健康状态,且所述电池剩余电量满足低电量条件时,执行所述三级降级策略;

27、当所述cpu占用率大于或等于所述cpu占用率阈值、所述传感器健康状态为不健康状态,且所述电池剩余电量满足低电量条件时,执行所述三级降级策略。

28、本发明第二方面提出一种机器人,所述机器人包括第一方面所述的路径规划避障系统。

29、本发明至少具有如下有益效果:

30、1、本发明在感知层与碰撞检测单元之间建立了独立于多传感器融合模块的数据通路,可直接将原始点云数据发送至碰撞检测单元,无需等待多传感器融合完成,显著降低了碰撞检测的延迟,提高了机器人对动态障碍物的响应速度;

31、2、本发明设计了多级降级单元,通过采集cpu占用率、传感器健康状态和电池剩余电量等多维触发指标,根据不同的异常状态执行对应的多级降级策略,使机器人在异常状态下仍能保持基本功能,提高系统的可靠性和容错能力;

32、3、本发明能够根据机器人的实际资源状态动态调整路径规划策略,在算力、传感器和电量等资源不足时自动降级,保证机器人能够安全返回或完成当前任务,避免因资源耗尽导致的系统失效。

1.一种路径规划避障系统,其特征在于,应用于机器人,所述系统包括:

2.根据权利要求1所述的路径规划避障系统,其特征在于,所述决策层包括全局路径规划单元;所述全局路径规划单元用于:

3.根据权利要求2所述的路径规划避障系统,其特征在于,所述碰撞检测单元用于基于所述原始点云数据实时估计障碍物信息,并将所述障碍物信息输出至局部动态避障单元;所述障碍物信息包括障碍物的目标位置、尺寸和速度。

4.根据权利要求3所述的路径规划避障系统,其特征在于,所述决策层还包括局部动态避障单元;所述局部动态避障单元用于基于所述全局最优路径和所述障碍物信息生成局部避障指令;所述局部避障指令包括线速度和角速度。

5.根据权利要求4所述的路径规划避障系统,其特征在于,所述决策层还包括运动控制单元;所述运动控制单元用于接收所述局部避障指令并生成电机控制信号以控制电机。

6.根据权利要求2所述的路径规划避障系统,其特征在于,所述决策层还包括多级降级单元;所述多级降级单元包括:

7.根据权利要求6所述的路径规划避障系统,其特征在于,所述多级降级策略包括一级降级策略、二级降级策略和三级降级策略;所述系统还包括:

8.根据权利要求7所述的路径规划避障系统,其特征在于,所述在满足至少一个预设触发条件时,执行对应多级降级策略,包括:

9.根据权利要求8所述的路径规划避障系统,其特征在于,所述在满足至少一个预设触发条件时,执行对应多级降级策略,还包括:

10.一种机器人,其特征在于,包括权利要求1-9任一项所述的路径规划避障系统。