基于语义认知与能耗约束的移动机器人路径规划方法及控制器与流程
本申请涉及移动机器人自主导航与路径规划,具体涉及一种融合环境语义理解与能耗自适应调节的路径规划方法及控制器。
背景技术:
1、随着智能机器人技术的快速发展,移动机器人在工业园区、仓储物流、医院、商场等场景中的应用日益广泛。在大型工业园区中,无人叉车、巡检机器人等移动设备需跨室内外环境运行,承担物料装卸、安防巡查等任务。这类场景通常面积广阔、环境复杂,机器人在运行过程中需要频繁应对动态障碍物、坡道路段以及人机混行区域,对其自主导航能力提出了较高要求。
2、然而,现有路径规划方法在实际应用中面临挑战。在感知层面,现有导航系统多基于占据栅格地图进行环境建模,难以区分环境中不同对象的类型与运动特征,面对静态障碍物与动态行人时通常采用相同的避障响应方式。这种无差别的处理机制在人流密集或环境动态变化的区域中,容易导致机器人频繁减速、路径震荡甚至局部卡死,影响作业效率与通行流畅性。部分方案尝试引入语义分割以区分障碍物类别,但受限于处理器算力与多传感器数据处理链路的时间开销,语义推理的实时性不足,使得机器人在面对快速移动对象时难以及时作出响应,存在安全隐患。
3、在决策层面,现有路径规划多以路径几何长度最短为优化目标,对机器人运行过程中的能量消耗与续航约束关注有限。当机器人在大范围、含坡道的场景中长时间连续作业时,规划策略缺乏对环境条件与自身能量状态变化的适应能力,难以在通行效率与持续运行时间之间实现有效平衡。
4、综上,亟需一种适用于工业园区、仓储物流等大范围跨室内外场景的移动机器人路径规划方法,以兼顾感知实时性与能耗自适应。
技术实现思路
1、为至少在一定程度上克服相关技术中存在的问题,本申请中提出了一种基于语义认知与能耗约束的移动机器人路径规划方法及控制器,基于对环境语义信息的实时感知与对自身能量状态的动态响应,以有助于在复杂动态环境中兼顾感知实时性与能耗自适应。
2、第一方面
3、本申请提供了一种基于语义认知与能耗约束的移动机器人路径规划方法,该方法包括:
4、由硬件同步电路将基准时间信号同步分发至多路视觉传感器与位姿传感器,使各传感器在同一采样时刻启动数据采集,输出加盖有基于同一时钟源的硬件时间戳的传感器数据帧;
5、由主处理器利用其fp4精度的矩阵运算硬件单元,对所述加盖有硬件时间戳的视觉传感器数据帧执行语义推理,生成语义代价地图,所述语义代价地图中,各障碍物依据其动态属性被赋予差异化危险等级值;
6、由安全微控制器通过其模数转换通道获取动力系统的实时电压信号与实时电流信号,计算实时能耗代价值,当所述实时电压信号低于预设电压阈值时,增大路径规划中能耗权重因子的取值;
7、由所述主处理器以第一频率执行所述语义推理并更新所述语义代价地图,以高于所述第一频率的第二频率执行路径搜索,其中,所述语义推理与所述路径搜索分别通过相互独立的存储区域进行数据读写。
8、第二方面
9、本申请提供了一种移动机器人控制器,用于执行上述第一方面所述的方法,该移动机器人控制器包括:
10、硬件同步电路,其输入端连接基准时间信号源,输出端分别连接至多路视觉传感器的同步触发引脚与位姿传感器的同步触发引脚,用于将所述基准时间信号同步分发,使各传感器在同一采样时刻启动数据采集并输出加盖有基于同一时钟源的硬件时间戳的传感器数据帧;
11、主处理器,包括fp4精度的矩阵运算硬件单元、第一存储区域和第二存储区域;所述主处理器被配置为:利用所述fp4精度的矩阵运算硬件单元对所述加盖有硬件时间戳的视觉传感器数据帧执行语义推理,生成语义代价地图,所述语义代价地图包含各障碍物在预设分类体系下的动态属性标签与危险等级值;
12、安全微控制器,包括模数转换通道,所述模数转换通道与动力系统的电压采样点和电流采样点电性连接;所述安全微控制器被配置为:获取动力系统的实时电压信号和实时电流信号,计算实时能耗代价值,并在所述实时电压信号低于预设电压阈值时,输出能耗权重因子增大指令;
13、所述主处理器还被配置为:以第一频率执行所述语义推理并更新所述语义代价地图,以高于所述第一频率的第二频率执行路径搜索;其中,所述语义推理与所述路径搜索分别通过相互独立的存储区域进行数据读写,所述相互独立的存储区域包括所述第一存储区域和所述第二存储区域。
14、本申请提供的技术方案中,通过硬件同步电路将基准时间信号分发至各传感器,使得多路视觉传感器与位姿传感器在同一时刻采集数据并加盖统一时钟源的硬件时间戳,从源头上确保了各传感器数据在时间维度上的严格对齐,为动态障碍物的运动估计提供了精确的时序基准。主处理器利用fp4精度的矩阵运算硬件单元对视觉数据执行语义推理,生成携带障碍物动态属性与危险等级信息的语义代价地图,让路径搜索能够根据障碍物的类型与风险程度形成差异化的避障策略。安全微控制器独立于主处理器,基于采集动力系统的电压与电流信号来计算能耗代价值,当电压低于预设阈值时自动增大路径规划中能耗权重因子的取值,使规划结果在低电量状态下偏向于低能耗路径。此外,主处理器以高于语义推理的频率执行路径搜索,且两项任务通过相互独立的存储区域进行数据读写,使得路径搜索无需等待语义推理完成即可按固定周期输出控制指令,保障了机器人在动态环境中的响应及时性。上述手段协同配合,使得本方法能够有效应对大范围跨室内外场景下移动机器人的自主路径规划需求。
1.一种基于语义认知与能耗约束的移动机器人路径规划方法,其特征在于,包括:
2.根据权利要求1所述的移动机器人路径规划方法,其特征在于,所述路径搜索采用以下代价函数:
3.根据权利要求2所述的移动机器人路径规划方法,其特征在于,所述energy基于以下方式计算:对各段路径的实时电压、实时电流、预计耗时以及地形因子的乘积进行累加求和;所述地形因子根据所述位姿传感器中imu的俯仰角数据确定。
4.根据权利要求2所述的移动机器人路径规划方法,其特征在于,所述代价函数中,当所述实时电压信号低于预设电压阈值时,所述能耗权重因子β的取值增大,所述几何长度权重因子α的取值减小。
5.根据权利要求1所述的移动机器人路径规划方法,其特征在于,所述语义代价地图中,动态障碍物的膨胀半径随其运动速度的增大而增大,所述运动速度根据多帧视觉传感器数据帧之间的光流跟踪结果确定。
6.根据权利要求1所述的移动机器人路径规划方法,其特征在于,所述相互独立的存储区域构成双缓冲结构;所述语义推理向当前处于写入状态的缓冲区写入语义代价地图,写入完成后通过原子操作翻转数据就绪标志位;所述路径搜索查询所述数据就绪标志位,从另一已完成写入的缓冲区读取语义代价地图。
7.一种移动机器人控制器,用于执行权利要求1至6任一项所述的方法,其特征在于,包括:
8.根据权利要求7所述的移动机器人控制器,其特征在于,所述主处理器为nvidiajetson thor系列计算平台,其gpu采用blackwell架构并集成第五代tensor core。
9.根据权利要求7所述的移动机器人控制器,其特征在于,所述安全微控制器为符合iso 26262 asil-d功能安全等级的infineon tc397芯片;所述电压采样点设置于电池组分压电路的输出端,所述电流采样点设置于电机驱动母线上串联的电流传感器输出端。
10.根据权利要求7所述的移动机器人控制器,其特征在于,所述多模态传感器接口支持16路gmsl2摄像头接入,所述位姿传感器包括6轴imu及l1/l5双频gnss接收机;所述基准时间信号源为所述gnss接收机输出的pps秒脉冲信号。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com