用于机器人动态调整避障灵敏度方法及机器人与流程

1.本发明大致涉及机器人技术领域，尤其涉及一种用于机器人动态调整避障灵敏度的方法以及一种机器人。


背景技术：

2.随着机器人技术的发展，机器人广泛应用于各个领域，为人们的工作和生活提供了便利。机器人的工作环境复杂，避障性能对于机器人而言至关重要。
3.现有的机器人通常采用各种传感器进行障碍物探测，不论周围环境是否拥挤，往往都使用相同的避障灵敏度，而不能根据实际情况而调整，致使机器人在需要较低的避障灵敏度时，浪费存储和计算资源，影响工作效率；在需要较高避障灵敏度时，易发生碰撞，危害安全。
4.背景技术部分的内容仅仅是发明人所知晓的技术，并不当然代表本领域的现有技术。


技术实现要素：

5.针对现有技术存在问题中的一个或多个，本发明提供一种用于机器人动态调整避障灵敏度的方法，所述方法包括：
6.获取机器人在栅格地图中的目标移动路径；
7.在所述目标移动路径上选择多个位置；
8.确定所述机器人在所述多个位置处与障碍物的距离；
9.基于所述距离调整所述机器人的避障灵敏度；和
10.控制所述机器人基于调整后的避障灵敏度执行避障操作。
11.根据本发明的一个方面，其中所述获取机器人在栅格地图中的目标移动路径的步骤包括：确定所述机器人在栅格地图中的当前位置以及目标位置，基于所述当前位置以及目标位置获取目标移动路径。
12.根据本发明的一个方面，其中所述确定机器人在多个位置处与障碍物的距离的步骤包括：控制所述机器人在所述多个位置处测量障碍物的距离。
13.根据本发明的一个方面，其中所述基于距离调整所述机器人的避障灵敏度的步骤包括：基于所述距离与阈值的大小关系确定所述目标移动路径的通畅性级别，根据所述目标移动路径的通畅性级别调整所述机器人的避障灵敏度。
14.根据本发明的一个方面，其中所述基于距离与阈值的大小关系确定所述目标移动路径的通畅性级别的步骤包括：确定所述距离的平均值和最小值，基于所述平均值和最小值与阈值的大小关系，确定所述目标移动路径的通畅性级别。
15.根据本发明的一个方面，所述阈值包括第一阈值和第二阈值；所述通畅性级别包括高级别、中级别以及低级别。
16.根据本发明的一个方面，其中所述避障灵敏度包括第一灵敏度、第二灵敏度以及
第三灵敏度，所述第一灵敏度＜第二灵敏度＜第三灵敏度。
17.根据本发明的一个方面，所述基于平均值和最小值与阈值的大小关系，确定所述目标移动路径的通畅性级别的步骤包括：当所述平均值大于第一阈值、且所述最小值大于第二阈值时，确定所述目标移动路径的通畅性级别为高级别；
18.所述根据目标移动路径的通畅性级别调整所述机器人的避障灵敏度的步骤包括：当确定所述目标移动路径的通畅性级别为高级别时，将所述机器人当前的避障灵敏度调整为第一灵敏度。
19.根据本发明的一个方面，所述基于平均值和最小值与阈值的大小关系，确定所述目标移动路径的通畅性级别的步骤还包括：当所述平均值大于第一阈值，并且所述最小值小于第二阈值时，确定所述目标移动路径的通畅性级别为中级别；
20.所述根据目标移动路径的通畅性级别调整所述机器人的避障灵敏度的步骤包括：当确定所述目标移动路径的通畅性级别为中级别时，将所述机器人当前的避障灵敏度调整为第二灵敏度。
21.根据本发明的一个方面，所述基于平均值和最小值与阈值的大小关系，确定所述目标移动路径的通畅性级别的步骤还包括：当所述平均值小于第一阈值，并且所述最小值小于第二阈值时，确定所述目标移动路径的通畅性级别为低级别；
22.所述根据目标移动路径的通畅性级别调整所述机器人的避障灵敏度的步骤包括：当确定所述目标移动路径的通畅性级别为低级别时，将所述机器人当前的避障灵敏度调整为第三灵敏度。
23.根据本发明的一个方面，其中所述避障灵敏度为栅格地图分辨率所述根据目标移动路径的通畅性级别调整所述机器人的避障灵敏度的步骤还包括：更新栅格地图的栅格状态，所述栅格状态包括占据和空闲两种状态。
24.根据本发明的一个方面，其中所述控制机器人基于调整后的避障灵敏度执行避障操作的步骤包括：控制所述机器人以一定移动步长绕开障碍物，所述一定移动步长与调整后的栅格尺寸的大小相同。
25.本发明还提供一种机器人，包括：
26.壳体；
27.移动底盘，具有行走机构；
28.传感器，安装于所述机器人，配置成探测机器人的周围环境；
29.控制器，与所述行走机构以及传感器耦合，配置成可执行如上所述的方法。
30.根据本发明的一个方面，所述传感器包括激光雷达、双目视觉摄像头、里程计、立体视觉传感器以及红外传感器中的一种或多种。
31.本发明还提供一种计算机可读存储介质,包括存储于其上的计算机可执行指令以及栅格地图，所述可执行指令在被处理器执行时实施如上所述的方法。
32.采用本发明的技术方案，相比于现有技术中单一的避障灵敏度，极大提高了机器人的自适应能力，增强了机器人系统的稳定性和灵活性，有利于机器人更好地平衡计算量和工作效率之间的关系，极大地降低了机器人系统的维护成本和使用成本，使机器人能够更加安全高效地工作，有利于提高机器人的鲁棒性和使用寿命。
附图说明
33.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
34.图1示出了根据本发明的一个实施例的用于机器人动态调整避障灵敏度的方法的流程图；
35.图2a示出了根据本发明的一个优选实施例的确定目标移动路径的通畅性级别的示意图；
36.图2b示出了图2a中点a周围区域的放大图；
37.图2c示出了根据本发明的一个优选实施例的确定目标移动路径的通畅性级别的示意图；
38.图3示出了根据本发明的一个优选实施例的第一灵敏度的示意图；
39.图4示出了根据本发明的一个优选实施例的第二灵敏度的示意图；
40.图5示出了根据本发明的一个优选实施例的第三灵敏度的示意图；
41.图6示出了根据本发明的另一优选实施例的调整避障灵敏度的示意图；和
42.图7示出了根据本发明的一个实施例的机器人的示意图。
具体实施方式
43.在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
44.在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"坚直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。
45.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语"安装"、"相连"、"连接"应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接:可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
46.在本发明中，除非另有明确的规定和限定，第一特征在第二特征之"上"或之"下"可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征"之上"、"上方"和"上面"包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征"之下"、"下方"和"下面"包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。
47.下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
48.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
49.本发明提供一种方法，采用所述方法，机器人能够根据周围环境的实际情况动态调整避障灵敏度，下面结合附图具体描述。
50.图1示出了根据本发明的一个实施例的用于机器人动态调整避障灵敏度的方法100的流程图，如图1所示，所述方法100包括步骤s101-s105，下面结合附图具体描述所述方法100的各个步骤。
51.在步骤s101，获取机器人在栅格地图中的目标移动路径。
52.其中，所述栅格地图为所述机器人对其所处环境进行的建图所形成的地图。具体地，机器人配置采集传感器和建模处理器，建模处理器通过采集传感器采集的环境数据进行建模以构建环境地图。在本实施方式中，采集传感器包括激光雷达、双目视觉传感器、超声波传感器和红外传感器，通过激光雷达、双目视觉传感器、超声波传感器和红外传感器对机器人所处的工作区域数据进行采集，建模处理器利用这些传感器采集的数据进行创建地图，在创建地图的过程中通过不同的传感器生成不同的地图图层，例如，静态图层、动态障碍物图层、超声波图层图、视觉图层等，通过将这些图层进行融合以得到供对机器人进行定位导航的地图。
53.根据本发明的一个优选实施例，所述获取机器人在栅格地图中的目标移动路径的步骤包括：确定所述机器人在栅格地图中的当前位置以及目标位置，基于所述当前位置以及目标位置获取目标移动路径。所述目标位置为使用者设定的位置，或是由机器人的处理系统确定的需要移动至的位置，其中，该目标位置可以是在移动过程中确定的接下来需要移动到的位置，也可以是机器人最终需要达到的位置。当前位置为机器人通过位置传感器确定的机器人的实时位置信息。通过栅格地图可确定障碍物的位置，以便更好地规划目标移动路径。
54.图2a示出了根据本发明的一个优选实施例的确定目标移动路径的通畅性级别的示意图。如图2a所示，p1表示所述当前位置，p2表示所述目标位置，l表示所述目标移动路径。所述栅格地图可由所述机器人通过slam技术创建并存储于存储介质中，并且，根据所述栅格地图可规划所述机器人从各个起点到各个终点的移动路径，并将所述移动路径存储于所述存储介质中。当确定所述机器人的当前位置p1以及目标位置p2之后，可在所述移动路径中获取对应所述当前位置p1以及目标位置p2的最优移动路径(例如距离最短等)作为所述目标移动路径l，当然如果环境发生改变，需要在获取的移动路径的基础上进行适当调整。需要说明的是，关于规划移动路径的具体方法，本发明不进行限制，所述方法例如可以为dijikstra算法、a*算法、rrt算法、蚁群算法以及遗传算法等，具体可根据实际情况而定。
55.在步骤s102，在所述目标移动路径上选择多个位置。
56.继续参考图2a，获取所述目标移动路径l之后，可控制所述机器人从所述当前位置p1出发，沿所述目标移动路径l向所述目标位置p2移动。在所述目标移动路径l上选择多个位置，其中所述多个位置可参考图2a示例性示出的点a、b、c、d、e。需要说明的是，所述多个位置可以为所述目标移动路径l上的多个路径点。关于所述多个位置的具体数量，本发明不进行限制，在实际应用中，可根据所述目标移动路径l的长度适当增加或减少所述多个位置的具体数量。具体的，例如当所述目标移动路径l的长度大于预设长度l0时，所述多个位置的数量可以多一些(例如10个)，反之，当所述目标移动路径l的长度不大于所述预设长度l0时，所述多个位置的数量可以少一些(例如4个)。为了后续能够获得更加符合实际情况的数据(例如通畅性)，所述多个位置的数量应至少为3个。此外，本发明亦不限制所述多个位置中相邻位置的间距，所述相邻位置的间距既可以相等也可以各不相同，具体可根据实际情况而定。
57.在步骤s103，确定所述机器人在所述多个位置处与障碍物的距离。
58.应理解，机器人沿着所述目标移动路径l向所述目标位置p2行进的过程中，较远的障碍物对所述机器人的影响较小，较近的障碍物对机器人的影响较大，因此为了降低计算量，提高工作效率，可忽略较远的障碍物，可以只关注较近的障碍物。需要说明的是，所述较远或者较近指的是障碍物相对于所述多个位置或者机器人而言的。所述障碍物可以是静态障碍物，也可以是动态障碍物，关于障碍物的类型，本发明不进行限制。在一些实施例中，当障碍物为动态障碍物时，可以根据机器人和/或障碍物的当前速度来确定所述多个位置的具体数量，例如当机器人和/或障碍物的速度较大时，所述多个位置可适当加密，也就是说，所述多个位置的数量可适当增加，并且相邻位置之间的距离可适当减小；反之，如果机器人和/或障碍物的当前速度较小，所述多个位置可适当稀疏化，也就是说，所述多个位置的数量可适当减少，并且相邻位置之间的距离可适当增大。在另一些实施例中，也可以根据机器人与动态障碍物的相对速度来确定所述多个位置的数量及间距，以用来确定目标移动路径l的通畅性级别(将在后文描述)。需要说明的是，所述多个位置实际上是所述目标移动路径l上的多个路径点。
59.根据本发明的一个优选实施例，其中所述确定机器人在多个位置处与障碍物的距离的步骤包括：控制所述机器人在多个位置处分别测量机器人与障碍物的距离。根据本发明的一个实施例，在探测障碍物并计算障碍物距离时，可以设置一定的距离阈值；当障碍物与机器人之间距离低于该距离阈值时，将该障碍物计算在内；当障碍物与机器人之间距离大于该距离阈值时，无需考虑该障碍物。图2a中点a、b、c、d、e出的圆代表该距离阈值。
60.继续参考图2a，例如所述机器人在点a处测量障碍物的距离，得到多个距离(参考图2a示例性示出的d1、d2、d3、d4和d5，图2b示意性地示出了图2a中点a周围的放大图)。需要说明的是，所述多个距离可能是机器人周围不同障碍物的距离，也可能是同一障碍物的多个距离(例如由于障碍物形状不规则等因素)，本发明不限制所述多个距离的具体数量和来源。所述多个距离可通过安装于所述机器人上的传感器测得，所述传感器包括但不限于激光雷达、双目视觉摄像头、里程计、立体视觉传感器以及红外传感器等等，可采用其中任意一种或几种进行测距。应理解，每个传感器的探测范围有限，存在一定的盲区，因此，为了减小测量盲区，获得更加真实准确的测量结果，并提高测量效率，在对障碍物测距时，优选的，可采用位于所述机器人的不同位置的多个传感器并行测量，将并行测量的数据进行融合之
后的数据作为障碍物的测距结果。关于融合的具体方法，本发明不进行限制。
61.上述实施例以点a为例，描述了机器人在所述多个位置测量障碍物的距离的情形，在所述多个位置中的其他位置(例如点b、c、d、e等)测量障碍物的距离的方法与之类似，此处不再赘述。
62.在步骤s104，基于所述距离调整所述机器人的避障灵敏度。
63.根据本发明的一个优选实施例，所述步骤s104包括：基于所述距离与阈值的大小关系确定所述目标移动路径l的通畅性级别，根据所述目标移动路径的通畅性级别调整所述机器人的避障灵敏度。下面先介绍基于距离与阈值的关系确定所述目标移动路径l的通畅性级别的情形。
64.根据本发明的一个优选实施例，确定所述距离的平均值d
ave
和最小值d
min
，基于所述平均值d
ave
和最小值d
min
与阈值的大小关系，确定所述目标移动路径l的通畅性级别。其中所述阈值包括第一阈值d1和第二阈值d2，所述通畅性级别包括高级别、中级别以及低级别。需要说明的是，其中所述确定所述距离的平均值d
ave
和最小值d
min
指的是：确定所述机器人在所述目标移动路径l上的多个位置或者其中一个位置测得的障碍物的距离的平均值d
ave
和最小值d
min
。具体的，可继续参考图2a或图2b，例如在点a测得障碍物的距离，得到多个距离，例如为d1、d2、d3、d4和d5，可采用如下公式计算所述多个距离的平均值：
[0065][0066]
其中d1、d2
……
dn表示所述多个距离，所述n表示所述多个距离的数量。
[0067]
当确定所述多个距离的平均值d
ave
和最小值d
min
后，可将所述平均值d
ave
和最小值d
min
分别与所述第一阈值d1和第二阈值d2比较，根据比较的结果确定所述目标移动路径l的通畅性级别(点a处的通畅性级别)。
[0068]
根据本发明的一个优选实施例，当所述平均值d
ave
大于第一阈值d1、并且所述最小值d
min
大于第二阈值d2时，确定所述目标移动路径l的通畅性级别为高级别。当所述平均值d
ave
大于第一阈值d1，并且所述最小值d
min
小于第二阈值d2时，确定所述目标移动路径l的通畅性级别为中级别。当所述平均值d
ave
小于第一阈值d1，并且所述最小值d
min
小于第二阈值d2时，确定所述目标移动路径l的通畅性级别为低级别。应理解，所述通畅性级别越高，表示障碍物越远，所述目标移动路径l越通畅。上述实施例描述了确定局部目标移动路径l通畅性级别的情形，即确定机器人在当前预设范围内或机器人附近、并且未来将行走的部分目标移动路径l(可参考图2a或图2b中虚线矩形框圈出的部分路径)的通畅性级别，下面简称目标移动路径l(部分)。
[0069]
应理解，确定所述目标移动路径l(部分)的通畅性级别的方式不限于此，也可以采取其他方式确定，例如，可以所述多个位置中的其中一个位置为中心划定预设范围(例如圆、扇形、矩形或其他形状)，如果障碍物完全位于所述预设范围内，确定所述目标移动路径l(部分)的通畅性级别为低级别；如果障碍物完全未位于所述预设范围内，确定所述目标移动路径l(部分)的通畅性级别为高级别；如果障碍物部分位于所述预设范围内，部分位于所述预设范围外，确定所述目标移动路径l(部分)的通畅性级别为中级别。
[0070]
此外，还可以确定整个目标移动路径l的通畅性级别，接下来具体描述。
[0071]
图2c示出了根据本发明的一个优选实施例的确定目标移动路径的通畅性级别的
示意图。如图2c所示，目标移动路径l上有多个位置(例如点a、b、c、d、e)，分别确定与所述多个位置(例如点a、b、c、d、e)距离最近的障碍物的距离(可以通过该地图上这些点与其周围最接近的障碍物之间的坐标确定所述距离)，参考图2b示例性示出的da、db、dc、dd以及de,计算这些最近的距离的平均值d
ave’以及最小值d
min’,并比较所述平均值d
ave’与第一阈值d1的大小关系，比较所述最小值d
min’与第二阈值d2的关系，通过所述大小关系可确定整个目标移动路径l的通畅性级别。具体的，当所述平均值d
ave’大于第一阈值d1、并且所述最小值d
min’大于第二阈值d2时，确定所述目标移动路径l的通畅性级别为高级别。当所述平均值d
ave’大于第一阈值d1，并且所述最小值d
min’小于第二阈值d2时，确定所述目标移动路径l的通畅性级别为中级别。当所述平均值d
ave’小于第一阈值d1，并且所述最小值d
min’小于第二阈值d2时，确定所述目标移动路径l的通畅性级别为低级别。应理解，所述通畅性级别越高，表示障碍物越远，所述整个目标移动路径l越通畅。
[0072]
在图2c的实施例中，机器人并非是在到达每个点时测量障碍物的距离，而是在路径规划之后，在驶入这些点之前，先行确定点a、b、c、d、e处的最接近的障碍物的距离，然后确定整条路径的通畅性级别。
[0073]
应理解，确定所述目标移动路径l(整体)的通畅性级别的方式不限于此，也可以采取其他方式确定，例如，可以所述多个位置中的中点为中心划定预设范围(例如圆、矩形或其他形状)，并确定所述预设范围内的障碍物的数量(例如图像识别等方式)，如果障碍物的数量大于阈值，确定所述目标移动路径l(整体)的通畅性级别为低级别；如果障碍物的数量大于阈值的50％且小于阈值，确定所述目标移动路径l(整体)的通畅性级别为中级别；如果障碍物的数量小于阈值的50％，确定所述目标移动路径l(整体)的通畅性级别为高级别。应理解，上述阈值的具体大小以及百分百只用于说明，具体视实际情况而定。
[0074]
上述实施例描述了基于距离与阈值的关系确定目标移动路径l(部分或整体)的通畅性级别的情形，当确定了目标移动路径l(部分或整体)的通畅性级别之后，可根据目标移动路径l(部分或整体)的通畅性级别调整所述机器人的避障灵敏度，接下来具体描述。
[0075]
根据本发明的一个优选实施例，所述避障灵敏度包括第一灵敏度、第二灵敏度以及第三灵敏度，其中所述第一灵敏度＜第二灵敏度＜第三灵敏度。其中所述避障灵敏度指的是机器人的移动步长，所述移动步长与栅格地图的栅格大小相等。因此，避障灵敏度可用栅格大小表征，并且，避障灵敏度与栅格大小成负相关，即栅格越大，避障灵敏度越低；栅格越小，避障灵敏度越高。应理解，避障灵敏度对机器人的安全性、计算量、工作效率均有重大影响，为了机器人能够更加安全高效地工作，根据通常性级别，可适应性动态调整避障灵敏度。需要说明的是，调整避障灵敏度实际上是调整机器人的移动步长，鉴于移动步长与栅格大小相等，因此，可通过调整栅格大小进而调整避障灵敏度。接下来继续描述。
[0076]
图3示出了根据本发明的一个优选实施例的第一灵敏度的示意图。如图3所示，第一灵敏度对应的栅格较大(例如栅格边长可以为5厘米)。当确定所述目标移动路径l(整体或部分)的通畅性级别为高级别时，说明机器人的前方路况较为通畅，几乎不存在碰撞风险，可将所述机器人当前的避障灵敏度调整为第一灵敏度，以便降低存储量和计算量，有利于提高机器人的工作效率。
[0077]
图4示出了根据本发明的一个优选实施例的第二灵敏度的示意图。如图4所示，第二灵敏度对应的栅格大小适中(例如栅格边长可以为3厘米)。当确定所述目标移动路径l
(整体或部分)的通畅性级别为中级别时，说明机器人的前方路况有些堵塞，存在一定碰撞风险，可将所述机器人当前的避障灵敏度调整为第二灵敏度，便于机器人计算障碍物占用栅格的精度，以使机器人能减小移动步长，降低碰撞风险。
[0078]
图5示出了根据本发明的一个优选实施例的第三灵敏度的示意图。如图5所示，第三灵敏度对应的栅格较小(例如栅格边长可以为1厘米)。当确定所述目标移动路径l(整体或部分)的通畅性级别为低级别时，说明机器人的前方路况较为堵塞，可将所述机器人当前的避障灵敏度调整为第三灵敏度，便于机器人进行精细化计算，进一步提高障碍物占用栅格的精度，以进一步减小移动步长，降低碰撞风险。
[0079]
需要说明的是，图3、图4和图5示出的不同灵敏度针对于同一区域，机器人默认的避障灵敏度为第二灵敏度，根据本发明的一个优选实施例，当机器人走出一个预设范围时，可将当前的避障灵敏度恢复调整为第二灵敏度，以获得计算量与效率之间的一个平衡。应理解，障碍物占用栅格的数量及栅格大小较大程度影响更新地图时的计算复杂度和效率，同时也影响机器人行走的精度。例如当栅格边长为5cm时，直径为50cm的机器人在通过宽为60cm左右的窄通道时，会比栅格边长为1cm的情况下卡住的几率大很多，还容易损坏机器人设备。因此，基于机器人与障碍物的距离，动态反馈调整机器人的避障灵敏度，能够更好地平衡计算复杂度、工作效率以及行走精度之间的关系，有利于提高机器人的鲁棒性。根据本发明的一个优选实施例，当避障灵敏度需要调整时，可只在当前预设范围内或预设范围附近进行灵敏度的调整，以便降低计算量，提高工作效率。当然，也可以全部调整，视具体情况而定。
[0080]
根据本发明的一个优选实施例，所述步骤s104进一步包括：更新栅格地图的栅格状态，所述栅格状态包括占据和空闲两种状态。
[0081]
继续参考图3～图5，在栅格地图中，机器人的工作区域(例如餐厅)被划分为若干个栅格，每个栅格至少包括空闲和占据两种状态，空闲状态用白色栅格表示，占据状态用黑色栅格表示。并且每种状态具有相应的状态值，例如空闲的状态值为0，占据的状态值为1。应理解，黑色栅格可表示障碍物占用的区域，白色栅格可表示机器人可自由行走的区域。当避障灵敏度调整之后，涉及栅格的颜色和状态应适应性更新。也就是说，对于同一障碍物，原来可能占据的栅格，调整灵敏度之后，栅格状态变为空闲。当然，也可能原来空闲的栅格，调整灵敏度之后，栅格状态变为占据，具体根据机器人传感器的探测结果动态更新。
[0082]
上述实施例以三种避障灵敏度为例进行了介绍，应理解，本发明不限于以上所述的三种避障灵敏度，在实际应用中，可设计更多的避障灵敏度，以适应各种避障需求。
[0083]
图6示出了根据本发明的另一优选实施例的调整避障灵敏度的示意图。如图6所示，l1和l2表示障碍物，l3表示移动路径，q1、q2和q3示例性地表示移动路径l3上的多个位置(路径点)。与前面实施例描述的方法类似，可基于机器人和障碍物的距离与阈值的大小关系确定所述移动路径l3的通畅性级别，此处不再赘述。经确定，q1附近通畅性级别为低级别，q2附近的通畅性级别为中级别，q3附近的通畅性级别为高级别。因此，基于障碍物的距离与阈值的大小关系，当机器人位于q1时，可反馈调整避障灵敏度为第三灵敏度；当机器人位于q2时，可反馈调整避障灵敏度为第二灵敏度；当机器人位于q3时，可反馈调整避障灵敏度为第一灵敏度。并且，根据传感器的探测结果更新栅格状态。由此可见，这种反馈动态调整避障灵敏度的方式非常适用于当机器人工作于宽窄不同的狭长区域(例如长廊等)时的
场景。当然，机器人位于其他场景也都适用。
[0084]
在步骤s105，控制所述机器人基于调整后的避障灵敏度执行避障操作。
[0085]
控制所述机器人以一定移动步长绕开障碍物，所述一定移动步长与调整后的栅格尺寸的大小相同。应理解，避障操作不限于绕开障碍物，所述障碍物的类型可以是静态障碍物，也可以是动态障碍物。优选的，如果所述障碍物是静态障碍物，所述机器人可以所述一定步长绕开所述障碍物，如果所述障碍物为动态障碍物，所述机器人可基于传感器的探测结果采取减速或者先移动至与所述障碍物运动方向相反的位置等措施，以防与障碍物发生碰撞。可选的，所述位置可由里程计确定。
[0086]
以上对所述方法100进行了具体介绍，所述方法提供了多种避障灵敏度可供机器人选择，机器人基于障碍物的距离与阈值的关系可确定移动路径的通畅性级别，根据所述通畅性级别可反馈动态调整合适的避障灵敏度。需要说明的是，各个步骤在运行的时候可以是按照如流程图中的顺序先后进行，也可以是根据实际情况多个步骤同时进行，在此并不做限定。此外，本发明亦不限制机器人的工作环境，机器人可工作于包括但不限于商场、餐厅、图书馆、写字楼、仓库以及家庭等等各种场景中。
[0087]
采用本发明的技术方案，相比于现有技术中单一的避障灵敏度，极大提高了机器人的自适应能力，增强了机器人系统的稳定性和灵活性，有利于机器人更好地平衡计算量和工作效率之间的关系，并且降低了机器人系统的维护成本和使用成本，使机器人能够更加安全高效地工作，有利于提高机器人的鲁棒性和延长使用寿命。
[0088]
本发明还提供一种机器人200，图7示出了根据本发明的一个实施例的机器人的示意图。如图7所示，所述机器人200包括：
[0089]
移动底盘10，具有行走机构；
[0090]
壳体20；
[0091]
传感器，安装于所述机器人200，配置成探测机器人200的周围环境；
[0092]
控制器，与所述行走机构以及传感器耦合，配置成可执行如上所述的方法100。
[0093]
根据本发明的一个优选实施例，所述传感器包括激光雷达30、双目视觉摄像头、里程计、立体视觉传感器以及红外传感器中的一种或多种。
[0094]
根据本发明的一个优选实施例，激光雷达30可以设置于所述壳体20开缝处，从而使得所述激光雷达30容易发出激光信号以对周围环境进行探测。
[0095]
所述激光雷达30可以为多线激光雷达，也可以为单线激光雷达，在实际应用中，可根据具体情况进行选择。当所述激光雷达30为多线激光雷达时，所述激光雷达30包括光电接收阵列和激光发射单元阵列，从而在激光雷达30沿设定平面进行旋转时，光电接收阵列能够形成扫描柱面，从而增大扫描面积，便于识别障碍物的形态细节，减少磕碰情况发生。当所述激光雷达301为单线激光雷达时，所述激光雷达30仅包含单个光电接收单元和单个激光发射单元，所述激光雷达30沿设定平面旋转后仅能测量一个圆周的物体形态，而不能及时获取复杂物体的形态，容易产生碰撞，危害人身和财产安全，因此，可配合其他传感器例如双目视觉摄像头、里程计、立体视觉传感器以及红外传感器中的一种或多种探测周围环境。需要说明的是，上述设定平面可以为水平面，便于机器人在行进过程中进行物体探测，当然，也可以根据需求选取垂直平面等其他设定平面，本发明对此不进行限定。
[0096]
根据本发明的一个优选实施例，所述移动底盘10的底部设有至少一个转向灯单元
110，每个转向灯单元110中包括至少一个转向灯111；所述行走机构设置至少两组驱动轮120，每组驱动轮120分别位于移动底盘10一侧；元件控制器控制驱动轮120的行进速度；并且，控制转向灯单元110内的转向灯111在机器人转向的时候按照预设方式点亮，以提醒行人注意。。
[0097]
驱动轮120中，至少一组驱动轮120用作左驱动轮，同时，至少一组驱动轮120用作右驱动轮，左驱动轮和右驱动轮位于移动底盘10的相对两侧。可选的，行走机构还可以包括至少两组从动轮，一组驱动轮对应一组从动轮，其中，至少一组从动轮用作左从动轮，同时，至少一组从动轮轮用作右从动轮，左从动轮和右从动轮用于协助左驱动轮和右驱动轮带动机器人的壳体20和移动底盘10运动，以减轻驱动轮120的负载压力。
[0098]
在上述技术方案的基础上，可选的，元件控制器在移动底盘10两侧的驱动轮120的速度差大于预设值时，控制转向灯单元110内的转向灯111按照预设方式点亮。
[0099]
可选的，机器人200还包括语音模块，语音模块与元件控制器电连接；元件控制器在机器人转向时，控制语音模块发出语音提示信息，以提醒行人或其他机器人注意。
[0100]
上述对所述机器人200进行了介绍，此外，本发明还提供一种计算机可读存储介质,包括存储于其上的计算机可执行指令以及栅格地图，所述可执行指令在被处理器执行时实施如上所述的方法100。所述存储介质包括但不限于软盘、光盘、dvd、硬盘、闪存、u盘、cf卡、sd卡、mmc卡、sm卡、记忆棒(memory stick)、xd卡等。流行的存储介质是基于闪存(nand flash)的，比如u盘、cf卡、sd卡、sdhc卡、mmc卡、sm卡、记忆棒、xd卡等。
[0101]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。