一种基于多传感器的机器人移动系统及方法与流程

1.本技术涉及机器人系统技术领域，尤其涉及一种基于多传感器的机器人移动系统及方法。


背景技术：

2.随着机器人工作环境的复杂程度提高，不管是机器人的避障功能还是其他功能，都要求机器人更加智能化。
3.现有的机器人移动系统通常只有某一传感器工作，感知能力单一，无法满足复杂情况下的生产要求。单一传感器在弱纹理障碍物或者障碍物结构相似性高的环境下，对障碍物的定位能力较弱，容易出现未识别到障碍物的情况，导致机器人的避障能力较弱；并且，机器人移动系统长时间运行累计的误差，也容易降低机器人系统的导航避障精度。


技术实现要素：

4.本技术实施例提供了一种基于多传感器的机器人移动系统及方法，用以解决如下技术问题：现有的机器人移动系统的导航避障精度较低。
5.一方面，本技术实施例提供了一种基于多传感器的机器人移动系统，包括：红外传感器，用于检测机器人预设范围的障碍物信息；激光雷达传感器，用于根据所述障碍物信息，确定所述机器人与障碍物之间的水平距离；同时，根据激光雷达所处高度确定垂直距离的第一预设阈值；超声波传感器，用于检测所述垂直距离小于第一预设阈值的障碍物以及确定机器人与障碍物之间的水平距离；深度摄像头传感器，用于检测所述垂直距离大于第一预设阈值的障碍物以及确定机器人与障碍物之间的水平距离。
6.本技术实施例提供的机器人移动系统，融合了来自红外传感器、激光雷达传感器、超声波传感器以及深度摄像头传感器的多种传感器数据，不仅可以及时修复机器人系统长时间运行累计的误差，也能够避免单一传感器识别不到障碍物，进而导致障碍物识别精度较低的弊端。同时，根据不同的障碍物距离信息，采用不同的传感器进行识别，保证了障碍物识别的准确性。在能够准确识别到机器人移动路径上存在的障碍物的前提下，整体提高了机器人系统的导航避障精度。
7.在本技术实施例的一种可能实现方式中，所述红外传感器还用于检测所述机器人对应的充电桩位置信息。
8.在本技术实施例的一种可能实现方式中，所述超声波传感器还用于检测所述机器人预设范围内的特殊障碍物；其中，所述特殊障碍物至少包括玻璃障碍物、塑料障碍物以及石头障碍物中的任一项或者多项。
9.本技术实施例中的超声波传感器可以识别特殊障碍物，解决了传统的机器人系统因采用单一传感器，而在弱纹理或者结构相似性高的环境下对障碍物的定位较弱的问题，增加了可识别障碍物的类别，提高了障碍物识别的准确性，从而提高了机器人系统的导航避障精度。
10.在本技术实施例的一种可能实现方式中，所述深度摄像头传感器采用astra mini双目视觉摄像头。
11.在本技术实施例的一种可能实现方式中，所述astra mini双目视觉摄像头用于采集所述机器人预设范围内的点云数据，并将所述点云数据与体素地图相融合，以确定所述垂直距离大于第一预设阈值的障碍物。
12.在本技术实施例的一种可能实现方式中，所述系统还包括控制中心；所述控制中心用于接收所述激光雷达传感器、所述超声波传感器和所述深度摄像头传感器发送的障碍物信息，并基于所述障碍物信息调整所述机器人的移动路径。
13.另一方面，本技术实施例还提供了一种基于多传感器的机器人移动方法，应用如上述的一种基于多传感器的机器人移动系统，所述方法包括：机器人控制中心接收所述红外传感器发送的障碍物信息，并基于所述障碍物信息确定所述机器人的当前移动路径上存在障碍物；接收所述激光雷达传感器、所述超声波传感器以及所述深度摄像头发送的所述障碍物对应的距离信息，其中，所述距离信息包括水平距离与垂直距离。
14.在本技术实施例的一种可能实现方式中，所述机器人控制中心基于所述红外传感器发送的障碍物信息，确定所述机器人的当前移动路径上不存在障碍物；继续接收所述激光雷达传感器、所述超声波传感器以及所述深度摄像头传感器发送的障碍物信息；基于所述障碍物信息，确定所述机器人的当前移动路径上是否存在障碍物；若是，则根据所述障碍物对应的距离信息重新规划移动路径；其中，所述距离信息包括水平距离与垂直距离。
15.在本技术实施例的一种可能实现方式中，所述方法还包括：所述机器人控制中心接收所述红外传感器发送的所述机器人对应的充电桩位置信息；在所述机器人的电量低于第二预设阈值时，调整所述机器人的移动路径，以对其进行充电；其中，第二预设阈值设定为所述机器人总电量的20％。
附图说明
16.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
17.图1为本技术实施例提供的一种基于多传感器的机器人移动系统结构示意图；
18.图2为本技术实施例提供的一种基于多传感器的机器人移动方法流程图。
具体实施方式
19.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
20.本技术实施例提供了一种基于多传感器的机器人移动系统及方法，通过融合多个传感器上传的数据，提高机器人移动路径上障碍物的识别精度，进而解决现有的机器人系统导航避障精度较低的技术问题。
21.下面通过附图对本技术实施例提出的技术方案进行详细的说明。
22.图1为本技术实施例提供的一种基于多传感器的机器人移动系统结构示意图。如
图1所示，系统包括机器人控制中心101、红外传感器102、激光雷达传感器103、超声波传感器104以及深度摄像头传感器105。
23.其中，机器人控制中心101分别与上述红外传感器102、激光雷达传感器103、超声波传感器104以及深度摄像头传感器105连接，用于接收红外传感器102、激光雷达传感器103、超声波传感器104以及深度摄像头传感器105发送的与障碍物有关的数据，并基于接收到的数据控制机器人的移动路径，以实现障碍物的躲避。
24.进一步地，红外传感器102，用于检测机器人预设范围的障碍物信息。需要说明的是，此处的预设范围可以是以机器人为圆心，以预设值为半径确定的圆形区域的一部分(机器人移动方向前方的部分)，也可以是机器人移动路径上的一段距离。
25.激光雷达传感器103，用于根据上述红外传感器102确定的障碍物信息，确定机器人与障碍物之间的距离信息；其中，该距离信息为机器人与障碍物之间的水平距离，同时，根据激光雷达传感器所处高度确定垂直距离的第一预设阈值。在本技术的一个实施例中，红外传感器102确定的障碍物信息至少包括机器人预设范围内或者机器人前方是否存在障碍物。
26.超声波传感器104，用于检测垂直距离小于第一预设阈值的障碍物，辅助激光雷达传感器103实现低处障碍物的避障。
27.深度摄像头波传感器105，用于检测垂直距离小于第一预设阈值的障碍物，辅助激光雷达传感器103实现高处障碍物的避障。
28.本领域技术人员可以明确的是，本技术实施例中的红外传感器102、激光雷达传感器103、超声波传感器104以及深度摄像头传感器105都可以单独实现检测障碍物的功能，但都存在一定的缺陷。本技术中将上述多种传感器融合起来，避免传统的单一传感器工作识别不到障碍物的情况出现，从而提高障碍物的识别精度，进而提高机器人的避障精度，使得机器人能够有效的对前方障碍物进行躲避。
29.机器人在正常的工作过程中，可能存在电量不足的情况出现，这时就需要及时的给机器人进行充电，而机器人的充电桩可能不在机器人当前的移动路径上。因此，在本技术的一个或多个实施例中，上述红外传感器102还用于检测机器人的充电桩位置信息，以便于机器人控制中心101及时根据充电桩位置信息调整机器人的移动路径，完成机器人的充电过程。
30.在本技术的一个或多个实施例中，机器人移动路径上或者机器人的预设范围内，有可能存在纹理感较弱的障碍物或者是与周围环境结构类似的障碍物，此时，红外传感器102和激光雷达传感器103对这类障碍物的检测就存在一定的缺陷，有可能会出现检测不到的情况。因此，本技术实施例中还通过超声波传感器104检测特殊障碍物。此处的特殊障碍物至少包括玻璃障碍物、塑料障碍物以及石头障碍物中的任一项或者多项。通过超声波传感器104对特殊障碍物进行检测识别，保证了机器人移动路径或者预设范围内的障碍物识别全面性，有效降低识别不到障碍物的情况发生。
31.在本技术的一个或多个实施例中，深度摄像头传感器105采用astra mini双目视觉摄像头。该摄像头可以将采集到的机器人周围的环境信息，转换为对应的点云数据，并将该点云数据与体素地图相融合，以此识别距离机器人较远或者在机器人较高位置处的障碍物。需要说明的是，体素地图其实就是一个小的世界地图，可以显示周围的环境信息。可以
明确的是，深度摄像头传感器105将其得到的点云数据与体素地图进行融合、对比分析后，确定出不存在于体素地图上的点云数据对应的物体，即为障碍物。还需要说明的是，将点云数据与体素地图相融合，可以通过现有的软件或者算法实现，本技术实施例对此不作限定。
32.以上为本技术实施例提供的系统实施例，基于同样的发明构思，本技术实施例还提供了一种基于多传感器的机器人移动方法，其实现过程如图2所示。
33.图2为本技术实施例提供的一种基于多传感器的机器人移动方法流程图。如图2所示，本技术实施例提供的机器人移动方法，主要包括以下执行步骤：
34.步骤201、机器人控制中心接收所述红外传感器发送的障碍物信息，并确定机器人当前移动路径上存在障碍物。
35.步骤202、接收激光雷达传感器发送的障碍物对应的水平距离。
36.步骤203、接收超声波传感器发送的障碍物对应的垂直距离小于第一预设阈值的水平距离。
37.步骤204、接收深度摄像头传感器发送的障碍物。
38.本技术实施例提供的机器人移动方法，应用本技术实施例提供的机器人移动系统，或者是基于本技术实施例提供的机器人移动系统实现。具体地，机器人控制中心会持续的接收来自红外传感器、激光雷达传感器、超声波传感器以及深度摄像头传感器上传的障碍物信息。如果机器人控制中心基于红外传感器发送的障碍物信息，确定出机器人的当前移动路径上存在障碍物，则通过接收激光雷达传感器、超声波传感器以及深度摄像头传感器发送的数据确定出该障碍物对应的距离信息。需要说明的是，本技术实施例中的距离信息不仅包括机器人与该障碍物之间的水平距离，还包括机器人与该障碍物之间的垂直距离。
39.进一步地，机器人控制中心根据接收到的距离信息，判断机器人与障碍物之间的垂直距离。如果机器人与障碍物之间的垂直距离小于第一预设阈值，则机器人控制中心接收超声波传感器发送的障碍物信息，并基于该障碍物信息调整机器人的移动路径，以实现避障。而如果机器人与障碍物之间的垂直距离大于第一预设阈值，则机器人控制中心接收深度摄像头传感器发送的障碍物信息，然后基于该障碍物信息调整机器人的移动路径，以躲避障碍物。
40.在本技术的一个或多个实施例中，如果机器人控制中心根据红外传感器发送的障碍物信息，确定机器人的当前移动路径上不存在障碍物，此时机器人也不会直接确定当前移动路径上不存在障碍物。为了保证能够准确的识别出障碍物，此时，机器人控制中心会继续接收激光雷达传感器、超声波传感器以及深度摄像头传感器检测的障碍物信息，并基于该障碍物信息重新确定机器人当前移动路径上是否存在障碍物。
41.进一步地，在机器人控制中心确定出机器人的当前移动路径上存在障碍物之后，调整机器人的移动路径，以躲避障碍物，实现避障。
42.更进一步地，机器人控制中心还会接收红外传感器发送的机器人的充电桩位置信息，并基于该充电桩位置信息调整机器人的移动路径，以及时的为机器人进行充电。
43.本技术实施例提供的一种基于多传感器的机器人移动系统及方法，通过融合多种传感器的优势，可以解决传统的单一传感器在弱纹理障碍物或者障碍物结构相似性高的环境下的定位弱问题，也可以解决单一传感器未识别到障碍物的困难；同时，机器人系统长时
间运行累计的误差也可以通过多传感器融合而及时得到修复，进而整体提高了机器人系统的导航避障精度。
44.本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于方法实施例而言，由于其基本相似于系统实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
45.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
46.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。