一种人形机器人导航方法与流程

1.本发明涉及机器人技术领域，具体涉及一种人形机器人导航方法。


背景技术：

2.对传统机器人而言，测距传感器一般是固定在机器人结构上的，较难更换，使得机器人不利于多场景使用。由于传感器的类别、位置会决定机器人可实现的任务，固定的传感器不利于机器人在任务或者场景的切换，如果利用slam来定位，在不同场景下，不同传感器的效果完全不同。例如在强光环境下，基于相机的slam效果较差，而激光slam效果较好，而在室内场景下，相机能提取更多特征，所以在定位准确性上又会明显高于激光。
3.目前现有的机器人导航方法主要是针对轮式机器人，它们依赖于轮式机器人的运动模型和轮式编码器提供的里程计信息来计算生成导航路线，最后转换成机器人所需的速度发送给下位机。然而人形机器人的运动模型相对复杂，也没有轮式里程计作为辅助，所以很难通过类似的方式来生成机器人导航所需的路径。人形机器人需要一套在不基于轮式里程计和不考虑运动模型的情况下的导航方法。


技术实现要素：

4.有鉴于此，本发明提供了一种人形机器人导航方法，用于解决现有技术中的机器人的测距传感器一般是固定在机器人结构上的，较难更换，使得机器人不利于多场景使用，以及人形机器人的运动模型相对复杂无法通过轮式编码器提供的里程计信息来计算生成导航路线的问题。
5.为达上述之一或部分或全部目的或是其他目的，本发明提出一种人形机器人导航方法，基于机器人系统，机器人系统包括机器人以及若干种可手持移动的测距设备，机器人上设置机械手和若干位置固定的传感器；
6.所述人形机器人导航方法包括抓取测距设备流程和路径规划流程，当发生事件a时，机器人进入抓取测距设备流程，事件a发生于路径规划流程之前、之中、之后的任一时间点；
7.路径规划流程包括以下步骤：
8.s1：机器人加载已有地图；
9.s2：机器人加载目标点位置信息和机器人的实时位置信息；
10.s3：机器人结合地图、传感器和/或测距设备获取的周围障碍物信息、机器人的实时位置信息、目标点位置信息，基于slam算法生成到达目标点的路径；
11.s4：机器人根据已生成的路径行进；
12.抓取测距设备流程包括以下步骤：
13.t1：机器人的机械手接收抓取命令；
14.t2：机器人的机械手对命令所指定种类的测距设备进行抓取。
15.进一步地，所述抓取测距设备流程在t2这一步骤之后，还具有以下步骤：
16.t3：机器人根据测距设备种类匹配相对应slam算法；
17.t4：机器人自适应调整测距设备位置。
18.进一步地，所述事件a包括以下事件之中的至少一个：
19.事件一：机器人接收到人为指令，人为指定机械手所需抓取的测距设备种类；
20.事件二：机器人进行自行场景检测来判断所需抓取测距设备种类；
21.事件三：机器人在路径规划流程中，无法生成到达目标点的路径；
22.事件四：机器人上位置固定的传感器出现异常。
23.进一步地，所述事件二中自行场景检测出的场景包括两种，第一种为室内环境，第二种为室外环境，
24.进一步地，所述室内环境下，机器人选择抓取的测距设备为单目摄像头或双目摄像头，室外环境下，机器人选择抓取的测距设备为激光雷达。
25.进一步地，当所述机器人已完成抓取测距设备流程、且无法生成到达目标点的路径时，机器人执行以下步骤：
26.s5：机器人移动所抓取的测距设备，读取机器人周围不同高度和角度的数据，更新周围障碍物信息；
27.s6：机器人根据s5中周围障碍物信息重新进行路径规划。
28.进一步地，当所述机器人监测到传感器发生异常、且机器人已完成抓取测距设备流程时，机器人进行以下步骤：
29.s7：机器人判断自身是否停止移动；
30.判断为是时，进入s7.1～s7.3步骤，
31.s7.1：机器人暂停当前slam定位；
32.s7.2：机器人移动所抓取的测距设备，探测异常传感器的探测范围，更新周围障碍物信息；
33.s7.3：机器人重启slam定位；
34.s7.4：机器人继续执行导航；
35.判断为否时，重新进入s7步骤，机器人重新判断自身是否停止移动。
36.进一步地，所述机器人上位置固定的传感器返回数据的同时会提供数据可信数值，如果该参数超出设定数值，就认为此刻该传感器数据不可靠，并判断为该传感器异常。
37.进一步地，所述机器人在s4步骤中周期性判断是否发生移动，若是无移动，判断传感器是否异常。
38.进一步地，每一种所述测距设备预设有相对应的移动路径，当机器人进入t2步骤时，机器人根据测距设备种类所对应的移动路径来移动所抓取的测距设备。
39.进一步地，所述机器人在s4步骤中接收来自传感器和/或测距设备实时监测的周围障碍物信息，结合已规划的路径来判断该路径上是否存在障碍物，如果存在，重新规划路线。
40.进一步地，所述机器人在s4步骤中根据实时位置信息与目标点位置信息判断是否到达终点，如果实时位置在目标点的预设可接受范围内，机器人移动完成，如果不在预设可接受范围内，则判断是否偏离路径，偏离时重新规划路径，非偏离时，判断传感器是否异常。
41.进一步地，所述机器人上设置有测距设备放置位点，为储物格形式，每个储物格具
有独立id，测距设备可发送所在储物格id和测距设备型号信息到机器人。
42.进一步地，所述t2步骤中，机器人解析接收到的命令中测距设备型号和所在储物格id，机械手移动到指定储物格抓取测距设备；
43.t2步骤之后还包括以下步骤：
44.机械人发送启动命令到测距设备；
45.机械人将所抓取的测距设备移动到设定位置；
46.机械人通过测距设备内配置的imu对测距设备的位置和角度进行微调。
47.实施本发明实施例，将具有如下有益效果：
48.本发明提供了一种新的人形机器人导航方法，充分利用了人形机器人具有机械手可进行物体抓取的优势，突破机器人在结构上的限制，当机器人需要在不同场景工作或任务过程中切换测距设备时，不需要考虑对机器人结构的重新设计制造加工或更换固定传感器，利用机械手的灵活性将测距设备当成一个可随时调换的工具，实现可随时随地更换测距设备以适配于不同的工作场景，来完成相同的任务，扩大机器人的应用范围及提高机器人系统的鲁棒性；同时，可以在一定程度上弥补机器人初期设计的缺陷，提高容错率和降低成本；此外，当机器人上固定传感器发生异常或不精准情况下，可通过持有不同种类测距设备来更新环境信息和实现slam定位，进行辅助导航，可实时有效地检测避障传感器的可靠性；本发明可以在不依赖机器人运动模型和里程计的情况下，实现路径的规划。
49.解决现有技术中的机器人的测距传感器一般是固定在机器人结构上的，较难更换，使得机器人不利于多场景使用，以及人形机器人的运动模型相对复杂无法通过轮式编码器提供的里程计信息来计算生成导航路线的问题。
附图说明
50.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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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。
51.其中：
52.图1为人形机器人导航方法一个实施例的流程示意图。
具体实施方式
53.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
54.如图1中所示，为本发明一种人形机器人导航方法的较佳实施例，本方法基于机器人系统，机器人系统包括机器人以及若干种可手持移动的测距设备，所述的测距设备包括但不限于双目摄像头、单目摄像头、2d激光雷达和3d激光雷达。机器人上设置机械手和若干位置固定的传感器，此处传感器可以包括有声纳传感器、深度摄像头和激光雷达等等；
55.所述人形机器人导航方法包括抓取测距设备流程和路径规划流程，当发生事件a
时，机器人进入抓取测距设备流程，事件a发生于路径规划流程之前、之中、之后的任一时间点；
56.路径规划流程包括以下步骤：
57.s1：机器人加载已有地图；
58.s2：机器人加载目标点位置信息和机器人的实时位置信息；
59.s2：机器人结合地图、传感器和/或测距设备获取的周围障碍物信息、机器人的实时位置信息、目标点位置信息，生成到达目标点的路径，基于slam(同步定位及建图，simultaneouslocalization and mapping)算法生成到达目标点的路径，以使移动机器人能够自动定位并创建路径地图，从而达到导航的目的；
60.s4：机器人根据已生成的路径行进；
61.抓取测距设备流程包括以下步骤：
62.t1：机器人的机械手接收抓取命令；
63.t2：机器人的机械手对命令所指定种类的测距设备进行抓取。
64.需要说明的是，上述抓取测距设备流程和路径规划流程无严格的先后执行顺序，可先后执行，也可在机器人路径规划流程中、导航行进过程中进行抓取测距设备流程，等等。
65.由于传感器的类别，位置会决定机器人可实现的任务，固定的传感器非常不利于机器人在任务或者场景的切换。传统方法如果想要将机器人放在复杂多变的场景应用，可能需要对结构的重新设计制造加工，而此方案利用了机械手的灵活性，将测距设备当成一个可随时调换的工具，非常好地突破了机器人结构上的限制，以及可以在一定程度上弥补初期设计的缺陷，提高容错率和降低成本。
66.作为优选方案，所述抓取测距设备流程在t2这一步骤之后，还具有以下步骤：
67.t3：机器人根据测距设备种类匹配相对应slam算法；
68.t4：机器人自适应调整测距设备位置。
69.更进一步地，所述事件a包括以下事件之中的至少一个：
70.事件一：机器人接收到人为指令，人为指定机械手所需抓取的测距设备种类；
71.事件二：机器人进行自行场景检测来判断所需抓取测距设备种类；
72.事件三：机器人在路径规划流程中，无法生成到达目标点的路径；
73.事件四：机器人上位置固定的传感器出现异常。
74.更具体地，所述抓取测距设备流程中，机器人通过接收人为指令或自行场景检测来判断所需抓取测距设备种类。第一种人为指令是人为设定，即通过上位机(人机交互层，例如平板或语音)来控制机器人选择哪一种传感器。第二种自行场景检测，通过固定的传感器或/和手持的测距设备，例如安装在机器人头部的摄像头，通过环境特征提取和深度学习模型，来实时检测当前环境场景，场景可以设定，包括但不限于室内场景和室外场景。当检测到场景切换时，且并没有得到人为指令，机器人可根据场景模式自动切换所持的测距设备种类。
75.在不同场景下，不同传感器的效果完全不同。例如在强光环境下，基于相机的slam效果较差，而激光slam效果较好，而在室内场景下，相机能提取更多特征，所以在定位准确性上又会明显高于激光，又例如，当如摄像头等传感器朝向白墙或白天花板时，由于大面积
为无变化特点的白色，很难检测到特征点，从而难以定位，或者容易跟丢特征点，机器人时朝向窗口时，窗外射进来明亮的阳光，此时摄像头逆光拍摄，光照变化大，导致特征点不易匹配继而跟踪失败等等场景。
76.作为优选方案，所述时间二中场景包括两种，第一种为室内环境，机器人选择抓取的测距设备为单目摄像头或者双目摄像头；第二种为室外环境，机器人选择抓取的测距设备为激光雷达。当没有接收到人为指令时，机器人自行进行场景检测判断，根据判断抓取相应的测距设备，来进行定位和导航。
77.作为优选方案，当所述机器人已完成抓取测距设备流程、且无法生成到达目标点的路径时，机器人执行以下步骤：
78.s5：机器人移动所抓取的测距设备，读取机器人周围不同高度和角度的数据，更新周围障碍物信息；
79.s6：机器人根据s5中周围障碍物信息重新进行路径规划。
80.该方案可获取更为精确到周围障碍物信息，解决一些例如固定传感器探测不精确或存在探测死角的问题，提高路径规划的成功率。更进一步地，每一种所述测距设备预设有相对应的移动路径，即事先设计一个移动轨迹，当机器人无法根据现有信息生成到达目标点的路径时，机器人根据测距设备种类所对应的移动路径来移动所抓取的测距设备。
81.作为优选方案，所述机器人上位置固定的传感器返回数据的同时会提供数据可信数值，如果该参数超出设定数值，此处“超出”可以为高于或低于，根据可信数值的设计进行人为定义，就认为此刻该传感器数据不可靠，并判断为该传感器异常。每个固定位置的传感器在返回距离数值时会携带协方差矩阵，即数据的可信度，一般传感器都会包含该信息，当协方差大于某个设定值时，就将其判定为潜在报错，例如，该传感器平时可信度为1，在运行过程中达到了5，就认为其传感器存在问题。本方案可以有效筛查固定传感器中探测不精确或出现故障的个体，以便机器人调整路径规划。
82.所述机器人在s4步骤中周期性判断是否发生移动，若是无移动，判断传感器是否异常。
83.当所述机器人监测到传感器发生异常、且机器人已完成抓取测距设备流程时，机器人进行以下步骤：
84.s7：机器人判断自身是否停止移动；
85.判断为是时，进入s7.1～s7.3步骤，
86.s7.1：机器人暂停当前slam定位；
87.s7.2：机器人移动所抓取的测距设备，探测异常传感器的探测范围，更新周围障碍物信息；
88.s7.3：机器人重启slam定位；
89.s7.4：机器人继续执行导航；
90.判断为否时，重新进入s7步骤，机器人重新判断自身是否停止移动。形成周期性判断，监控机器人是否移动。同样地，每一种所述测距设备预设有相对应的移动路径，即事先设计一个移动轨迹，当机器人固定传感器被判断为异常时，机器人根据测距设备种类所对应的移动路径来移动所抓取的测距设备。
91.更进一步地，所述机器人在s4步骤中接收来自传感器和/或测距设备实时监测的
周围障碍物信息，结合已规划的路径来判断该路径上是否存在障碍物，如果存在，重新规划路线，进行避障。该路线规划可以为局部路径规划亦可为全局路径规划。
92.更进一步地，所述机器人在s4步骤中根据实时位置信息与目标点位置信息判断是否到达终点，如果实时位置在目标点的预设可接受范围内，机器人移动完成，如果不在预设可接受范围内，则判断是否偏离路径，偏离时重新规划路径，非偏离时，判断传感器是否异常。
93.所述机器人上设置有测距设备放置位点，为储物格形式，每个储物格具有独立id，测距设备可发送所在储物格id和测距设备型号信息到机器人。
94.所述t2步骤中，机器人解析接收到的命令中测距设备型号和所在储物格id，机械手移动到指定储物格抓取测距设备。
95.进一步地，t2步骤之后还包括以下步骤：
96.机械人发送启动命令到测距设备，可通过wi-fi等信号传输，控制测距设备开启
97.机械人将所抓取的测距设备移动到设定位置，该设定位置根据测距设备所需种类设定，不同种类的测距设备具有不同的工作高度和角度；
98.机械人通过测距设备内配置的imu对测距设备的位置和角度进行微调。
99.导航过程中保持测距设备相对于机器人的位置。
100.每一个储物格放置一种测距设备，测距设备的型号信息与储物格的id进行对应，便于机器人识别匹配抓取所需测距设备，提高可操作性和效率。例如，机器人身体结构设计有3个小型储物格(30cm*30cm*30cm)，可以放置测距设备，测距设备需要预先通过人为安置到储物格内再被机械手抓取，每个测距设备可优选配备为树莓派组件，树莓派组件包括测距传感器、树莓派主控板、imu(集成在树莓派上)，可通过wi-fi等信号连接至机器人主机，并会向机器人发送相关数据，数据包括所在储物格id、传感器型号等等。机器人主机和测距设备通过wi-fi信号连接，可以控制测距设备的开启和关闭。
101.更进一步地，测距设备发送当前储物格id和测距设备型号信息到机器人，机器人等待接收抓取命令；该抓取命令可为人为指令或机器人自行场景检测后自行判断抓取。抓取测距设备流程中，机械手自适应调整测距设备位置。
102.根据不同的测距设备，需要有不同放置角度和高度。激光传感器需要水平放置在较低的位置，例如，水平放置在机器人髋关节前10cm处，双目摄像头则需要放置在较高的位置，例如，机器人头部前10cm处。自适应调整指的是机械手通过预设方案，抓取测距设备后将测距设备调整至正确的工作位置。自适应调整的过程可以包括设备定位和微调，同时在机器人行进过程中保持测距设备的位置相对机器人中心位置固定。设备定位的执行即机器人抓取测距设备后移动到指定位置，微调的执行即机械手通过测距设备内配置的imu对测距设备的位置和角度进行微调，通过测距设备组件的imu数据，机器人主机可以通过该数据矫传感器角度。判断测距设备是否水平、测距设备的发射和接收口是否朝着正确方向。
103.slam方法过程为，机器人通过测距设备获得周围环境特征，计算特征到当前机器人的位置，根据位置差别计算机器人移动的距离。例如，把激光雷达和imu(惯性测量单元inertial measurement unit)当成输入，使用cartographer激光slam算法，来实时获得当前机器人位置。
104.路径规划时，根据机器人当前位置，和目标点位置，以及栅格地图(储存了静态障
碍物信息)，规划出一条路径。例如，获取目标点和机器人在栅格地图的位置，通过a*(a-star)算法，规划出一条从当前位置到目标点的路径。a-star算法是一种静态路网中求解最短路径最有效的直接搜索方法。机器人对环境地图的描述的方式最常见的为栅格地图(grid map)或者称为occupancy map。栅格地图就是把环境划分成一系列栅格，其中每一栅格给定一个可能值，表示该栅格被占据的概率。一般来说，采用激光雷达、深度摄像头、超声波传感器等可以直接测量距离数据的传感器进行slam时，可以使用该地图。这种地图也可以通过距离测量传感器、超声波(早期)、激光雷达(现在)绘制出来。
105.本优选实施例的具体工作流程步骤如下：
106.步骤1：开始任务。将机器人启动，并开启机器人身上的各个传感器，包括声纳，深度摄像头，激光雷达等，确保他们可接收到数据。
107.步骤2：使用机械手抓取测距设备。这里的测距设备可以是双目摄像头，单目摄像头，主要用于室内slam定位。也可以是2d/3d激光雷达，用于室内/外slam定位和障碍物检测。可根据不同场景选择不同测距设备。
108.步骤3：根据设备信号，判断测距设备类型和型号，并选择与之匹配的slam算法。
109.步骤4：自适应调节测距设备位置。根据不同设备类型和型号，用机械手将测距设备固定在某个位置，并记录该位置为初始位置。之后在slam定位时，保持测距设备位置相对固定。
110.步骤5：载入地图，加载已有地图，以及加载目标点位置和当前机器人实时位置。
111.步骤6：路径规划。结合地图和机器人周围障碍物信息来生成一条可到达目标点的路径。如果规划成功，则进入步骤7。如果规划失败，进入步骤6.1。
112.步骤6.1：移动机械手，使测距设备读取机器人身边不同高度和/或角度的数据，并根据数据来更新周边障碍物信息。
113.步骤6.2：重新路径规划。如果成功则进入步骤7，失败则进入步骤6.3。
114.步骤6.3：任务失败。两次规划失败，无法规划出一条可行路线。
115.步骤7：将路径发送给下位机，下位机可根据路径控制机器人电机进行移动。
116.步骤8：获取当前定位。使用测距设备结合相对应slam算法计算出当前机器人的位置。
117.步骤9：探测周围环境。监听各传感器数据，可包括声纳，激光雷达，深度摄像头等等。对读取到的数据进行融合。
118.步骤10：判断传感器是否异常。每个传感器返回数据的同时会提供数据可信数值，如果该参数超过设定数值，就认为此刻传感器数据不可靠，并将其判断为传感器异常。如果出现异常进入步骤10.1，否则进入步骤11。
119.步骤10.1：给下位机发送停止指令。
120.步骤10.2：获取当前定位，同步骤8。
121.步骤10.3：对比步骤10.2及步骤10.1前的定位信息，判断机器人是否停止移动。如果是则进入步骤10.4，否则回到步骤10.2。
122.步骤10.4：暂停当前slam定位，移动手持测距设备，探测异常传感器探测范围，来获得更精准的障碍物信息，以此来更新该传感器状态。
123.步骤10.5：将机械手持测距设备放回初始位置，并重启slam定位。
124.步骤11：障碍物信息发送给机器人。将融合后的数据发送给下位机，下位机可以通过此信息做局部路径规划和运动控制。
125.步骤12：判断规划路径上是否存在障碍物。根据实时障碍物信息，结合步骤6规划出来的路径，来判断路径上是否存在障碍物。如果存在，则回到步骤6重新规划，不存在则进入步骤13。
126.步骤13：判断机器人是否移动。根据机器人实时定位，与之前定位进行比较，来判断机器人是否移动。如果移动进入步骤14，如果没有移动则返回步骤8。
127.步骤14：判断机器人是否到达终点。根据机器人实时定位，与步骤5获得的目标点进行比较。如果当前位置在目标点的可接受范围内，则进入步骤14.1，否则进入步骤15。
128.步骤14.1：任务完成。当前任务的终结。给下位机发送任务完成指令。
129.步骤15：判断机器人是否偏离路径。根据步骤8获得的定位，结合已规划路径，判断机器人是否偏离了路径。如果是则进入步骤6重新规划，否则回到步骤8。
130.需要说明的是，上述实施例的具体工作流程步骤顺序为较优方案，描述了人形机器人路径规划并导航的架构，通过主控层的合理流程设计，展现了双足机器人导航逻辑和上下位机之间的联动关系。非必须固定顺序执行步骤，实际中可根据需求进行步骤调整，为了方便表示，图1中对部分步骤进行合并同框表示，不代表一定是同时进行。
131.综上所述，本发明提供了一种新的人形机器人导航方法，充分利用了人形机器人具有机械手可进行物体抓取的优势，突破机器人在结构上的限制，当机器人需要在不同场景工作或任务过程中切换测距设备时，不需要考虑对机器人结构的重新设计制造加工或更换固定传感器，利用机械手的灵活性将测距设备当成一个可随时调换的工具，同时预设了不同场景，给场景配置合适种类的测距设备，实现可随时随地更换测距设备以适配于不同的工作场景，来完成相同的任务，扩大机器人的应用范围及提高机器人系统的鲁棒性；同时，可以在一定程度上弥补机器人初期设计的缺陷，提高容错率和降低成本；此外，当机器人上固定传感器发生异常或不精准情况下，可通过持有不同种类测距设备来更新环境信息和实现slam定位，进行辅助导航，可实时有效地检测避障传感器的可靠性；本发明可以在不依赖机器人运动模型和里程计的情况下，实现路径的规划。
132.以上所述仅是本技术的较佳实施方式而已，并非对本技术做任何形式上的限制，虽然本技术已以较佳实施方式揭露如上，然而并非用以限定本技术，任何熟悉本专业的技术人员，在不脱离本技术技术方案的范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施方式，但凡是未脱离本技术技术方案的内容，依据本技术的技术实质对以上实施方式所作的任何简单修改、等同变化与修饰，均仍属于本技术技术方案的范围内。