在定位失败的情况下控制移动机器人移动的方法与流程

1.本发明特别涉及，但不限于，在定位失败的情况下控制移动机器人移动的改进方法，以及涉及在定位失败的情况下被配置为沿着优选路径移动的移动机器人。


背景技术：

2.同时定位和地图构建(simultaneous localization and mapping，slam)操作在移动机器人技术中具有重要意义。它指的是至少从机器人传感器数据中逐步构建本地即周围环境的地图的过程，同时保持对移动机器人在任何时间点的当前位置/姿态的估计。然而，slam定位失败的发生可能有多种原因。定位失败是移动机器人在某个时间点和/或一段时间内无法使用来自移动机器人的传感器和/或图像数据确定其相对于本地环境地图的当前位置/姿态的事件。发生slam定位失败，可能是由于传感器数据的异常值、不完整的地图数据和/或可能由slam算法的限制造成的不准确的地图数据所构建的本地环境地图的失真。由于移动机器人周围环境中存在动态物体，slam定位失败也可能发生。人类等动态物体对slam系统的运行构成了最大的挑战之一。另外，由于本地环境地图数据中存在几乎相同的重复模式，例如办公空间中几乎相同的隔间，以及走廊上几乎相同的墙壁和门(这两种情况在办公环境中很常见)，可能会进一步发生slam定位失败。
3.解决slam定位失败问题的一个方法是控制移动机器人在发生定位失败时停止并旋转，并使用旋转过程中获得的机器人传感器/图像数据来重新定位机器人相对于本地环境地图的位置。但是，使用此方法来尝试从定位失败中恢复，成功的概率很低，因为它是在已经发生定位失败的位置尝试的。在本地环境地图数据有重复模式的办公环境中尤其如此。该解决方案不仅成功概率低，而且会大大降低移动机器人在本地环境中的导航速度。
4.另一个解决slam定位失败问题的方法是从移动机器人的摄像头或图像传感器获得的二维图像数据中构建全部或部分三维图像，以使移动机器人能够在安全的方向上行进，同时避开障碍物。然而，这在计算上不是一个简单任务，通常需要使用一个或多个深度神经网络。除了昂贵的计算资源之外，该解决方案还很耗时，需要对一个或多个深度神经网络进行训练和调参。
5.另外一个解决slam定位失败问题的方法是采用启发式方法，尝试重建移动机器人周围的整个三维场景。这通常涉及根据从二维图像数据中提取的选定数量的三维几何环境特征来对移动机器人周围的环境进行判断。该解决方案最适合具有精确和规则几何特性的静态环境。它在有动态障碍物(例如人类)的环境中很难发挥作用。
6.cn112767373a公开了一种基于单目相机的机器人室内复杂场景避障方法。该单目避障导航网络由环境感知阶段和控制决策阶段组成，具体包括深度预测模块、语义掩膜模块、深度切片模块、特征提取指导模块、强化学习模块和数据增强。该网络以单目rgb图像作为输入，在得到语义深度图后，进行动态最小池化操作，得到伪激光数据；然后将伪激光数据作为强化学习的状态输入，生成最终的机器人决策动作。在这里，rgb图像包括一个由3个数据阵列组成的图像，这些数据阵列为每个图像像素定义了“红”、“绿”和“蓝”颜色分量。
7.cn106092104b公开了一种室内机器人导航系统。如果机器人迷路，系统将根据激光点云数据进行激光重定位，根据视觉图像数据进行视觉重定位。根据激光和视觉数据的重定位结果，系统将确定是否有熟悉的区域。当没有熟悉区域时，控制机器人进行避障运动，直到确定有熟悉的区域。
8.us9,984,467b公开了一种车辆导航系统。当系统确定车辆迷路时，将采集一组后续的图像。将图像中的特征与工业设施地图的特征相关联，形成特征对。车辆位置可以根据这些特征对进行计算和重新定位。
9.综上，需要一种改进的方法，在定位失败的情况下控制移动机器人的移动，并对移动机器人进行配置，以在定位失败的情况下沿着优选路径移动。
10.发明目的
11.本发明的一个目的是在一定程度上减轻或消除与已知的在定位失败的情况下控制移动机器人移动的方法有关的一个或多个问题。
12.上述目的是通过主权利要求的特征组合来实现；从属权利要求公开了本发明的进一步有利实施例。
13.本发明的另一个目的是提供一种移动机器人，其被配置为在定位失败的情况下沿优选路径移动。
14.本领域技术人员将从以下描述中得出本发明的其他目的。因此，上述目的陈述不是详尽无遗的，只是为了说明本发明的许多目的中的一些目的。


技术实现要素：

15.本发明涉及一种从移动机器人，尤其是室内移动机器人的定位失败中恢复的方法。本发明提供了一种当移动机器人面临间歇性定位失败时的导航恢复算法。在定位失败的情况下，用于移动机器人导航的算法尤其适用于具有单目视觉slam系统的移动机器人，但不限于此。单目视觉slam算法是一种用于具有slam系统和单目视觉或单目相机或图像传感器的移动机器人的算法。单目视觉slam系统可以称为视觉slam系统，包括一个或一组算法，使用相机观测(例如图像)作为定位确定和地图构建的主要数据源。视觉slam系统通常分两个阶段运行，即：(i)地图构建阶段，在该阶段，当移动机器人在本地环境中移动时，根据实时相机图像构建本地环境的地图；(ii)定位阶段，包括移动机器人通过比较来自相机的最后拍摄或最新图像与在地图构建阶段构建的地图，来确定其在本地环境中的当前位置，即定位。
16.在第一主要方面，本发明提供了一种在定位失败的情况下控制移动机器人的移动的方法。该方法包括，在发生定位失败时，从移动机器人的图像传感器接收图像。该方法包括将接收到的图像分成至少两个垂直部分，并确定所述至少两个垂直部分之一是否指示了可通行路径。该方法包括控制移动机器人沿着由所述至少两个垂直部分中选定的一个指示的可通行路径行进。
17.本发明的一个优点是认识到，如果移动机器人被控制在一个相对于其先前行进方向上继续向前移动，则移动机器人从定位失败中恢复的概率就会增加。
18.另一个优点是，本发明的方法不需要昂贵的计算资源。
19.在第二主要方面，本发明提供一种移动机器人，包括存储机器可读指令的存储器
和用于执行机器可读指令的控制器，使得当控制器执行机器可读指令时，它配置移动机器人以实施本发明第一主要方面的步骤。
20.在第三主要方面，本发明提供了一种存储机器可读指令的非暂时性计算机可读介质，该指令在由处理器执行时使移动机器人执行本发明的第一主要方面的步骤。
21.本发明的摘要不一定公开定义本发明所必需的所有特征；本发明可以存在于所公开特征的子组合中。
22.前面已经大致概述了本发明的特征，以便可以更好地理解下面对本发明的详细描述。下文将描述本发明的其他特征和优点，它们构成本发明权利要求的主题。本领域技术人员将理解，所公开的概念和具体实施例可以容易地用作修改或设计其他结构的基础，以实现本发明相同目的。
附图说明
23.本发明的上述和进一步的特征将从以下优选实施例的描述中显而易见，所述优选实施例仅以举例的方式结合附图来提供，其中：
24.图1是本发明的移动机器人的示意框图；
25.图2是本发明移动机器人的控制器的软件组件的示意框图；
26.图3是定位失败时移动机器人的相机在前进方向上拍摄的图像(原图是彩色的)；
27.图4是与图3相同的拍摄图像，但被分割以减弱局部物体图像的色调差异；
28.图5是与图3-4相同的拍摄图像，在分割后，图像被转换为二值图像；
29.图6是与图3-5相同的拍摄图像，被分成两个宽度相等的垂直部分；
30.图7比较了虚拟机器人采用的全局路径与移动机器人采用的实际路径；
31.图8显示用于控制移动机器人运动的控制变量的推导；
32.图9示意性地显示本发明的方法的第一部分；
33.图10显示本发明的方法的进一步步骤；
34.图11示意性地显示定位失败恢复软件组件包括对齐控制器和导航控制器；
35.图12示意性地显示对齐控制器的功能；
36.图13示意性地显示导航控制器的功能；以及
37.图14显示导航控制器包括两个比例控制器。
具体实施方式
38.以下描述只是以举例的方式对优选实施例进行描述，并不限制将本发明付诸实施的必要特征的组合。
39.本说明书中提到的“一个实施例”或“一实施例”是指与该实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。说明书中各处出现的短语“在一个实施例中”不一定都是指同一实施例，也不是与其他实施例相互排斥的单独或替代实施例。此外，所描述的各种特征可能由一些实施例展示，而不是由其他实施例展示。同样，描述了各种要求，这些要求可能是一些实施例的要求，而不是其他实施例的要求。
40.应当理解，图中所示的元件可以以各种形式的硬件、软件或其组合来实施。这些元件可以在一个或多个适当编程的通用设备上以硬件和软件的组合来实施，这些设备可以包
括处理器、存储器和输入/输出接口。
41.本说明书说明了本发明的原理。因此应当理解，本领域技术人员将能够设计出各种安排，尽管在本文中没有明确描述或示出，但是体现了本发明的原理并包括在其精神和范围内。
42.此外，本文叙述了本发明的原理、方面和实施例及其具体示例，旨在涵盖其结构和功能等效物。此外，这种等效物还包括当前已知的等效物以及将来开发的等效物，即任何开发的、执行相同功能的元件，无论其结构如何。
43.因此，例如，本领域技术人员将理解，这里呈现的框图代表了体现本发明原理的系统和设备的概念图。
44.图中所示各种元件的功能可以通过使用专用硬件以及能够与适当的软件一起执行软件的硬件来提供。当由处理器提供时，这些功能可以由单个专用处理器、单个共享处理器或多个单独的处理器提供，其中一些可以共享。此外，术语“处理器”或“控制器”的明确使用不应被解释为仅指能够执行软件的硬件，可以隐含地包括但不限于数字信号处理器(“dsp”)硬件、用于存储软件的只读存储器(“rom”)、随机存取存储器(“ram”)和非易失性存储器。
45.在权利要求中，任何表示为执行特定功能的装置的元件旨在涵盖执行该功能的任何方式，包括，例如，a)执行该功能的电路元件的组合或b)任何形式的软件，因此，包括固件、微代码等，与执行该软件的适当电路相结合以执行功能。由这些权利要求定义的本发明在于，由各种被提及的装置提供的功能，以权利要求所要求的方式被组合和汇集在一起。因此认为任何提供这些功能的装置均等同于本文所示的装置。
46.图1包括本发明一个实施例的移动机器人10的组件示意框图。移动机器人10具有用于存储一种或多种控制算法的存储器12，该一种或多种控制算法包括机器可读指令。该一种或多种控制算法优选地包括一种或多种slam算法。移动机器人10具有处理器/控制器14，其执行机器可读指令以控制本发明的移动机器人10。移动机器人10具有至少一个图像传感器或相机16。在优选实施例中，移动机器人10具有一个单一的单目相机16。提供一个里程计18，以提供距离数据，指示移动机器人10从例如起始位置已移动了多远。移动机器人10可以具有一些其他传感器20，例如，包括为移动机器人10提供方位数据的罗盘和提供比力(specific force)和角速率数据的惯性测量单元(inertial measurement unit，imu)。机器人10包括一个或多个电机22，其连接到驱动系统24，用于根据来自控制器14的控制信号移动机器人10。驱动系统24可以包括任何合适的用于移动机器人的驱动系统，例如，一组轮子、一组滚轮、一组连续轨道或一组腿。
47.图2是根据本发明的用于移动机器人10的控制器14的软件组件的示意框图。控制器14包括控制调度器26。控制调度器26可以包括有限状态机(finite state machine，fsm)或行为树。控制调度器26的一个功能是，当移动机器人10遭受定位失败时，调用定位失败恢复软件组件30。根据本发明的定位失败恢复软件组件30的功能如下文所述。否则，控制调度器26通过视觉slam软件组件28控制移动机器人10。全局规划软件组件32用于确定从移动机器人10的起始位置到本地环境地图中的期望位置的路径。局部规划软件组件34用于避开移动机器人10所走路径中的本地障碍物，并使移动机器人10接近确定的全局路径。运动控制软件组件36向驱动系统24提供运动控制信号，以驱动移动机器人10沿着起始位置和期望位
置之间的路径行进。
48.可以看出，控制器14包括多个软件组件或功能块，用于执行控制移动机器人10的各种功能，包括移动机器人10沿着接近所确定的全局路径的运动。构成控制器14的多个软件组件或功能块优选地通过存储在存储器12中的机器可读指令来实现，这些指令在使用中由控制器14执行。机器可读指令可以存储在一个或多个存储器12(例如，随机存取存储器(ram)、只读存储器(rom)、闪存、磁存储器、光存储器等)中，适合于存储一个或多个指令集(例如，应用软件、固件、操作系统、小程序等)、数据(例如，配置参数、操作参数和/或阈值、收集的数据、处理的数据等)等。一个或多个存储器12可以包括处理器可读存储器，用于与包括可执行机器可读指令的控制器14的一个或多个处理器一起使用。控制器14可以包括一个或多个专用处理器(例如，专用集成电路(asic)、现场可编程门阵列(fpga)、图形处理单元(gpu))。
49.本发明特别涉及配备单目相机16并具有定位失败恢复软件组件30的移动机器人10，该定位失败恢复软件组件30包括一种或多种算法，以使移动机器人10在视觉slam软件组件28识别到定位失败事件时继续移动。本发明的方法可以包括为室内环境设计的启发式机器人导航方法，该室内环境在可通行区域方面受到物理限制，然而可以理解，本发明方法可以应用于在可通行区域方面受到物理限制的任何环境中的移动机器人。本发明方法特别适用于基于“均值漂移”(mean shift)分割的图像分割或其他合适的图像分割方法的地面检测。“均值漂移”分割包括一种局部均匀化技术，可有效地用于抑制或遮盖局部物体图像中的色调差异。本发明的方法被配置为在没有定位的情况下，即在定位失败的情况下，控制移动机器人10沿着最可能通行的路径，同时避开静态和动态障碍物。“动态障碍物”是指那些通过自身或其他方式改变其位置的障碍物。
50.根据本发明控制移动机器人10的优选方法包括：从相机16接收图像，将接收到的图像分成至少两个垂直部分，确定所述至少两个垂直部分之一是否指示了可通行路径，以及控制移动机器人10沿着由所述至少两个垂直部分中选定的一个指示的可通行路径(被确定为指示可通行路径)行进。当移动机器人10失去定位时，即在定位失败的情况下，优选地调用该方法。
51.在一些实施例中，该方法包括不断地尝试恢复定位，同时控制移动机器人按照优选方法沿着可通行路径行进。
52.在一些实施例中，该方法包括周期性地尝试恢复定位，同时控制移动机器人按照优选方法沿着可通行路径行进。
53.优选地，一旦定位恢复，则终止定位失败恢复，并将移动机器人10的运动控制返回给视觉slam软件组件28。
54.优选地，从相机16接收的图像是在发生定位失败时在移动机器人10的行进方向上拍摄的图像。
55.优选地，接收到的图像被分成至少两个宽度相等的垂直部分，优选地包括左侧垂直图像部分和右侧垂直图像部分。可以通过确定左侧垂直图像部分和右侧垂直图像部分中的哪一个指示可通行路径来选择可通行路径。在左侧垂直图像部分和右侧垂直图像部分中的每一个都被确定为指示各自的可通行路径的情况下，该方法优选地包括控制移动机器人10沿着所述各自的可通行路径中的优选的一个行进。
56.优选地，将接收到的图像转换成包括两种颜色的二值图像(binary image)，其中两种颜色中的一种像素表示移动机器人10正在行进的地面或表面，两种颜色中的另一种像素表示移动机器人10所在位置的背景环境。表示移动机器人10正在行进的地面或表面的像素代表一条或多条可能的可通行路径。优选地，至少二值图像的下部被分成至少两个垂直部分。然后，确定一个优选可通行路径，该优选可通行路径包括所述至少两个垂直部分中的一个，该垂直部分具有指示移动机器人10正在行进的地面或表面的颜色的最大数量的像素。
57.参考图3，图3是移动机器人10的相机16在发生定位失败时在前进方向上拍摄的照片图像(原图是彩色的)。为了便于参考，拍摄图像用矩形框标记以突出地面的一部分，即移动机器人10正在沿其行进的地面或表面。还可以看出，包括人的动态障碍物位于图像的左侧，挡住了移动机器人10向前运动方向上部分地面的视线。
58.与图3相比，图4显示了相同的摄影图像，但被分割了以减弱局部物体图像的色调差异。本例中的分割使用“均值漂移”分割方法。“均值漂移”分割方法和类似的此类其他图像分割方法能够将图像中代表地面或地板的部分被划定或提取出来。“均值漂移”分割方法首次提出于[1]fukunaga,keinosuke；larry d.hostetler：“the estimation of the gradient of a density function,with applications in pattern recognition”.ieee transactions on information theory.21(1):32
–
40,jan.1975。“均值漂移”分割方法的现代版本公开在[2]d.comanicu,p.meer:“mean shift:a robust approach toward feature space analysis”.ieee transactions on pattern analysis and machine intelligence,vol.24,no.5,may 2002.。公开资料[1]或[2]中的任何一个都可以用于本发明的方法中。此外，由于本发明的方法侧重于从拍摄图像中划定或提取移动机器人10正在行进的地面或地板，该因素可用于加速“均值漂移”分割方法，因为本发明的方法只需要将地面/地板与非地面/地板物体分开。这种“均值漂移”分割方法的加速出现在[3]andr
é
m.santana,kelson r.t.aires,rodrigo m.s.veras,adelardo a.d.medeiros,“an approach for 2d visual occupancy grid map using monocular vision”,electronic notes in theoretical computer science,vol.281:175-191,2011。
[0059]
图5显示分割后的同一拍摄图像，该图像已被转换为二值图像。使用的首选二值颜色是“黑色”，代表地面或地板，“白色”代表非地面物体。然而，可以理解，在将图4的分割图像转换为图5的二值图像时，可以使用任何两种对比色。因此，在优选实施例中，二值图像的黑色像素表示移动机器人10正在行进的地面或表面。
[0060]
在图6中，图5的二值灰度图像优选地被分割成两个相等宽度的垂直部分，包括左侧垂直部分和右侧垂直部分。从图6中可以看出，二值灰度图像的右侧垂直部分具有更多的黑色像素。因此，图像的右侧垂直部分表示沿着地面或地板的更多可通行路径。
[0061]
如果将p作为图6的二值灰度图像中的像素总数，那么ps可以认为是可通行区域的像素总数，ps包括图像的黑色部分的像素总数。在此示例中，像素总数p＝600像素宽度
×
800像素高度＝480,000像素。可通行区域的总像素数ps＝231,151。图像左侧部分和图像右侧部分之间的可通行区域像素数的划分可以分别表示为p
l
和pr。在此示例中，p
l
＝102,671像素，而pr＝128,480像素。因此，pr》p
l
。在本发明的方法中，该示例中的图像右侧表示移动机器人10的优选可通行路径。将整个拍摄图像转换为二值图像不是必需的。只需要提取包
含图像的所有被分割的地面部分的图像的下部，然后将其分成至少两个等宽的垂直部分。然而，在实践中，考虑到处理拍摄图像的低计算复杂性，将整个分割的图像转换为二值图像可能同样有效，这一点在图3至图6中已经讨论。
[0062]
在优选实施例中，提供一个虚拟机器人作为移动机器人10的参考机器人。根据来自移动机器人10的传感器20的传感器输入，虚拟机器人被控制为沿着全局路径进行虚拟行进。
[0063]
参考图7，该图将虚拟机器人所采用的全局路径40与移动机器人10所采用的实际路径42进行比较。应当理解，移动机器人10所采用的实际路径42可能偏离全局路径40，以响应来自局部规划软件组件34的控制输入，该局部规划软件组件34控制移动机器人10避开移动机器人10采用的实际路径42中的本地障碍物，同时试图使移动机器人10接近确定的全局路径40。箭头线44表示虚拟机器人在某一时间点和在全局路径40的某一位置处(如星形装置46所示)相对于全局路径40的移动方向，移动机器人10在实际路径42上遭遇了定位失败。角度表示虚拟机器人在星形装置42处(即在发生定位失败时)相对于全局路径40的方位。箭头线48表示移动机器人10在发生定位失败时相对于实际路径42的移动方向，角度θ表示移动机器人10在发生定位失败时相对于实际路径42的方位。
[0064]
图8显示用于控制移动机器人10运动的控制变量ω、v的推导，其中是移动机器人10的期望角速度，而移动机器人10的期望直线速度。相机16向控制器14提供图像数据。变量s、θ、来自其他传感器20，包括imu、里程计18和虚拟机器人沿全局路径40行进的距离及其在发生定位失败时相对于全局路径40的方位。
[0065]
发生定位失败时，虚拟机器人将处于全局路径40上离移动机器人10在实际路径42上的位置最近的点46。定位失败发生后，虚拟机器人被控制沿着全局路径40行进一段距离，等于移动机器人10沿着一个选定的可通行路径行进的距离，该选定的可通行路径现在构成了实际路径42。
[0066]
在图8中：
[0067]
s表示全局路径40的路径长度。当一个新的定位失败阶段开始时，s被设置为零。时间t也设置为零。在发生新的定位失败时，虚拟机器人的位姿在全局路径40上最近的点46处确定，其中s＝0。变量s在全局路径的末端饱和。
[0068]
θ表示在发生新的定位失败时移动机器人10相对于实际路径42的方位。
[0069]
表示在发生新的定位失败时虚拟机器人相对于全局路径40的方位。
[0070]
分别是在实际路径42上移动机器人10的角速度和移动机器人10的直线速度。
[0071]
图9示意性地显示本发明方法50的第一部分。方法50从起始处52开始，在判断步骤54确定是否发生了一个(新的)定位事件。如果没有，那么方法50在步骤56继续在视觉slam导航下正常控制移动机器人10的运动。方法50可以包括定期返回到起始处52，以在判断步骤54重新检查是否发生了定位失败，和/或在由控制器14检测到新的定位失败事件时，可以触发返回到起始处52。然而，如果在判断步骤54处判断为是，则方法50继续到步骤58，更新移动机器人传感器输入，包括从相机16获得或接收至少一个图像。来自相机16的图像数据如上文关于图3-6的描述那样被处理。
[0072]
图10示意性地显示步骤58之后的方法50的进一步步骤。一旦在步骤58更新了移动机器人传感器输入，就在判断步骤60确定移动机器人10是否与虚拟机器人对齐。对齐可以由公式确定，即，在发生定位失败时，移动机器人10相对于实际路径42的方位θ与虚拟机器人10相对于全局路径40的方位之间的差异等于或几乎为零，其中在这个例子中s是移动机器人10自t＝0以来已经行进的长度，t是当前物理时间。如果否，则方法50继续到步骤62，相对于虚拟机器人的方位重新对齐移动机器人10。步骤62包括方法50的对齐控制器分支，将在下文中解释。如果是，则控制移动机器人10沿最可能通行区域或路径移动，即，优选可通行路径是从处理来自相机16的图像数据而确定的。步骤64包括方法50的导航控制器分支，将在下文中解释。在步骤62和64之后，方法50返回到起始处52，并在判断步骤54处对是否发生或仍然存在定位失败做出新的判断。
[0073]
图11示意性地显示定位失败恢复软件组件30优选地包括对齐控制器30a和导航控制器30b。应当理解，对齐控制器30a和导航控制器30b中的每一个也优选地实施为控制器14的软件组件。
[0074]
图12更详细地显示了方法50的一些步骤，更具体地显示了对齐控制器30a的功能。如果在判断步骤60确定移动机器人10没有与虚拟机器人对齐，即不等于或不接近于零，那么在判断步骤66，由控制器14的控制器调度软件组件26确定是否调用对齐控制器30a，相对于虚拟机器人重新对齐移动机器人10，如步骤62(图10)，或调用导航控制器30b，使移动机器人10沿着最可能通行路径/区域移动，如步骤64(图10)。如果确定存在两个条件中的任何一个，则步骤66处的判断将是“是”，这两个条件包括(i)确定移动机器人10的速度低于最小预定阈值速度或(ii)移动机器人10相对于虚拟机器人的方位为90
°
或更大如果确定不存在两个条件(i)和(ii)中的任何一个，则判断步骤66确定将是“否”，导致步骤64，控制器调度软件组件26据此调用导航控制器30b以使移动机器人10沿着最可能通行的路径/区域移动。在判断步骤66确定为“是”的情况下，对齐控制器30a将发出控制信号v、ω以使移动机器人10的直线速度为零，并控制移动机器人10的角速度使移动机器人10与虚拟机器人对齐。在判断步骤66确定为“否”的情况下，导航控制器30b将发出控制信号v、ω以控制移动机器人10的直线速度和角速度以使移动机器人10沿着最可能通行的路径/区域移动。
[0075]
在一些实施例中，对齐控制器30a包括具有饱和度的比例控制器。饱和度包括一个预先指定或预定的角速度值，可以防止移动机器人10旋转过快。如上所述，当对齐控制器30a被调用时，它控制移动机器人10的直线速度即移动机器人在移动方向上停止。对齐控制器30a控制移动机器人10的角速度以使移动机器人10与虚拟机器人对齐，优选地根据以下方式进行：
[0076]
其中：k1是一个可调控制参数；
[0077]
ω
max
是角速度控制变量的(正)饱和值；
[0078]
θ是移动机器人10相对于实际路径42的方位；
[0079]
是虚拟机器人相对于全局路径40的方位，其中变量s在全局路径40的末端饱和；以及
[0080]
(ω,v)是移动机器人10的控制输出。
[0081]
对齐控制器30a使移动机器人10相对于虚拟机器人对齐，使得当移动机器人10的方位θ与虚拟机器人10的方位之间的差值较大时，移动机器人10的角速度(旋转)较大。比例控制器将虚拟机器人的方位与移动机器人10的方位之间的差值乘以一个恒定系数，优选地乘以一个恒定的正系数。
[0082]
因此可以看出，虚拟机器人在全局路径40上的方位被用作对齐控制器30a的输入，以控制移动机器人10在所选的可通行路径上的对齐。还可以看出，如果移动机器人的直线速度低于预定的、选定的或计算的阈值速度v
min
和/或当移动机器人10相对于虚拟机器人的对齐处于或大于90
°
，对齐控制器30a被调用。
[0083]
图13更详细地显示了方法50的一些步骤，更具体地显示了导航控制器30b的功能。假设在判断步骤60确定移动机器人10与虚拟机器人对齐，则控制器14的调度软件组件26将调用导航控制器30b，以尝试使移动机器人10沿着优选路径移动。
[0084]
在对齐控制器30a已经将移动机器人10相对于虚拟机器人对齐并在调用导航控制器30b之前，在判断步骤70确定移动机器人10的直线速度是否等于零。如果判断步骤70的确定为“是”，则启动定时器72。每当对齐控制器30a将移动机器人10与虚拟机器人重新对齐，并且在判断步骤70确定移动机器人10的直线速度等于0时，定时器72就被重置。然而，如果判断步骤70的确定为“否”，则在步骤74重置定时器72，并且调用导航控制器30b以控制移动机器人10沿优选可通行路径的移动。
[0085]
如果在判断步骤70的确定为“是”之后启动了定时器72，在判断步骤76确定定时器是活动的，然后调用导航控制器30b以控制移动机器人10沿优选可通行路径的移动。在该上下文中，“定时器是活动的”是指自移动机器人10停止移动以来经过的时间段，即自移动机器人10的直线速度变为零以来经过的时间段超过预定时间段。如果在判断步骤70确定为“是”之后已经启动了定时器72，在判断步骤76确定定时器是不活动的，则返回错误条件78。
[0086]
如图14所示，在一些实施例中，导航控制器30b包括两个比例控制器，第一比例控制器80控制移动机器人10的直线速度第二比例控制器82控制移动机器人10的角速度或旋转速度第一比例控制器80优选地根据以下控制：
[0087][0088]
第二比例控制器82优选地根据以下控制：
[0089][0090]
其中k2、k3为可调控制参数；
[0091]
c》0是可由用户调整的常数；
[0092]vmax
是移动机器人10的角速度控制的(正)饱和值；
[0093]
p是接收到的图像中的像素总数；
[0094]
ps是(优选)可通行路径/区域的像素总数；
[0095]
p
l
是在接收到的图像的左侧垂直部分中可通行区域的像素数；
[0096]
pr是在接收到的图像的右侧垂直部分中可通行区域的像素数；以及
[0097]
ω
max
是移动机器人10的角速度控制的(正)饱和值。
[0098]
ps的值越大，移动机器人10的直线速度控制v就越快。实际上，可通行路径或可通行区域越大，移动机器人10的直线速度控制v就越大。右侧或左侧的可通行路径或可通行区域越大，就会导致移动机器人10分别被控制向右或向左转。确定或选定ω的控制值，以将移动机器人10转向可通行路径或区域中限制较少的方向。
[0099]
可以调整各种控制参数以改善对移动机器人10的运动控制。在一些实施例中，控制参数的调整可以包括以下内容：
[0100]
首先，通过确保移动机器人10在其撞到墙壁之前停止并适当设置其他参数值来确定移位系数c。可以使用v
max
的固定值来确定移位系数c；
[0101]
第二，通过确保移动机器人10可以避开动态障碍物，例如在开阔区域中行走的人，并适当设置其他参数值，来确定导航控制器30b的角速度控制的比例参数k3。这可以使用v＝0.5*v
max
的固定值和ω
max
的固定值来确定；
[0102]
第三，通过确保移动机器人10可以避开动态障碍物，例如在物理限制区域中行走的人(这在办公环境中是典型的)，来确定导航控制器30b的速度控制的比例参数k2。这可以使用v
max
的固定值和ω
max
的固定值来确定；
[0103]
第四，确定对齐控制器30a的比例参数k1，该参数控制移动机器人10在进行方位对齐时的旋转速度，确保不会太快。这可以使用v＝0的值和ω
max
的固定值来确定。
[0104]
因此可以看出，当移动机器人10与虚拟机器人对齐时，导航控制器30b就控制移动机器人10沿选择的或优选的可通行路径的直线速度和角速度当移动机器人10的直线速度为零时，启动定时器72，并反复调用导航控制器30b，直到定时器72过期和/或确定移动机器人10被确定为正沿着优选可通行路径行进。
[0105]
在一些实施例中，指示确定的优选可通行路径的图像部分的像素数(其被接收图像中的总像素数归一化)，被用于至少控制移动机器人10沿确定的优选可通行路径的初始直线速度
[0106]
在一些实施例中，指示左侧垂直部分中的可通行路径的像素数量与指示右侧垂直部分中的可通行路径的像素数量之间的差值，被用于至少控制移动机器人10沿确定的优选可通行路径的初始角速度
[0107]
本发明还提供一种移动机器人，包括存储机器可读指令的存储器和用于执行机器可读指令的控制器，使得当控制器执行机器可读指令时，其配置移动机器人以实施本发明方法的步骤。
[0108]
本发明还提供一种存储机器可读指令的非暂时性计算机可读介质，其中，当机器可读指令由处理器或控制器14执行时，它们将配置处理器或控制器14以实施本发明上述方法。
[0109]
上述装置可以至少部分地用软件实现。本领域技术人员将理解，上述装置可以至少部分地使用通用计算机设备或使用定制设备来实现。
[0110]
在此，本文所述的方法和装置的各个方面可以在包括通信系统的任何装置上执
行。该技术的程序方面可以被认为是“产品”或“制品”，通常是以可执行代码和/或相关数据的形式，承载或体现在一种机器可读介质中。“存储”型介质包括移动站、计算机、处理器或类似设备的任何或所有存储器，或其相关模块，如各种半导体存储器、磁带驱动器、磁盘驱动器等，其可在任何时候为软件编程提供存储。软件的全部或部分有时可以通过互联网或各种其他电信网络进行通信。例如，这种通信可以使软件从一台计算机或处理器加载到另一台计算机或处理器。因此，另一种类型的可以承载软件元素的媒体包括光波、电波和电磁波，例如在本地设备之间的物理接口上、通过有线和光学陆线网络以及通过各种空中链路使用。承载这种波的物理元件，如有线或无线链路、光链路等，也可以被认为是承载软件的介质。如本文所用，除非限于有形的非暂时性“存储”介质，否则计算机或机器“可读介质”等术语是指参与向处理器提供指令以供执行的任何介质。
[0111]
虽然已在附图和前面的描述中详细地说明和描述了本发明，但应将其视为说明性的而不是限制性的，应当理解的是，仅示出和描述了示例性实施例并且不以任何方式限制本发明的范围。可以理解，这里描述的任何特征可以用于任何实施例。说明性的实施例不排斥彼此或本文未述及的其他实施例。因此，本发明还提供了包括上述一个或多个说明性实施例的组合的实施例。在不脱离本发明的精神和范围的情况下，可以对本发明进行修改和变化，因此，仅应施加如所附权利要求书中所示的限制。
[0112]
在所附权利要求书和本发明的前述描述中，除非上下文由于明确的语言或必要的暗示而另有要求，否则“包括”一词或诸如“包含”等变体是以包容的意义使用，即指定所述特征的存在，但不排除本发明的各种实施例中存在或添加进一步的特征。
[0113]
应当理解，如果在本文中提到任何现有技术出版物，这种参考不构成承认该出版物构成本领域公知常识的一部分。