一种伴随运输机器人行进控制方法及系统与流程

1.本技术涉及机器人技术领域，特别是涉及一种伴随运输机器人行进控制方法及系统。


背景技术：

2.随着科技的发展，人工智能机器人被越来越多的应用于各行各业当中，以替代传统的劳动力。
3.伴随机器人顾名思义是一种可陪伴在人的一侧，并随着人的运动而运动的机器人。而现在应用更多的是跟随机器人，即机器人以一定的距离跟随在人的身后，一般跟随机器人多处于人的视野之后。
4.尤其是，在山地跟随场景下，现有伴随运输机器人行进控制方案主要为：拉线控制、uwb控制和激光控制，其中，拉线控制是通过拉线的方式来实现跟随控制；uwb控制是通过非正弦波窄脉冲传输数据控制；激光控制是通过激光扫描方式确定目标点进行跟踪控制。然而，现有的机器人伴随方案，存在以下问题：单纯uwb控制方法不稳定容易跟丢；拉线控制方法在密集障碍区难以实现；激光控制方法代价高，且算法复杂。


技术实现要素：

5.基于此，针对上述技术问题，提供一种伴随运输机器人行进控制方法、系统、计算机设备和存储介质，能够解决现有机器人不稳定容易跟丢且代价高的问题。
6.第一方面，一种伴随运输机器人行进控制方法，所述方法包括：
7.实时获取uwb信标与车载uwb基站的位置信息；
8.实时获取多个车载采集装置相应采集到的多组数据，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据；
9.在接收到所述位置信息的情况下，根据所述位置信息计算得到机器人的第一运动参数，并根据所述第一运动参数控制所述机器人运动；
10.在未接收到所述位置信息的情况下，根据所述多组数据计算得到跟随目标位置，根据跟随目标位置计算得到所述机器人的第二运动参数，并根据所述第二运动参数控制所述机器人运动。
11.上述方案中，可选的，所述车载uwb基站包括第一车载uwb基站和第二车载uwb基站；
12.所述获取uwb信标与车载uwb基站之间的位置信息，包括：
13.获取所述uwb信标与所述第一车载uwb基站之间的第一距离数据；
14.获取所述uwb信标与所述第二车载uwb基站之间的第二距离数据；
15.根据所述第一距离数据、所述第二距离数据和第三距离数据，计算得到所述获取uwb信标与车载uwb基站之间的位置信息；
16.其中，所述第三距离数据为所述第一车载uwb基站和所述第二车载uwb基站之间的
距离数据。
17.上述方案中，进一步可选的，根据所述第一距离数据、所述第二距离数据和第三距离数据，计算得到所述获取uwb信标与车载uwb基站之间的位置信息，包括：
18.根据卡尔曼滤波算法和三角函数计算方法，对所述第一距离数据、所述第二距离数据和所述第三距离数据进行计算，得到所述获取uwb信标与车载uwb基站之间的位置信息。
19.上述方案中，进一步可选的，所述位置信息包括第四距离数据和偏转角度数据；
20.所述第四距离数据为所述uwb信标与目标点之间的距离数据；
21.所述偏转角度数据为第一方向与第二方向之间的夹角数据；
22.其中，所述目标点为所述第一车载uwb基站与所述第二车载uwb的连线的中点；
23.所述第一方向为所述uwb信标与目标点的连线所在的方向；
24.所述第二方向为所述第一车载uwb基站与所述第二车载uwb的连线所在的方向。
25.上述方案中，进一步可选的，所述根据所述位置信息计算得到机器人的第一运动参数，包括：
26.根据foc控制算法，对所述第四距离数据和所述偏转角度数据进行计算，得到所述机器人的第一转向数据和第一电机转速数据。
27.上述方案中，进一步可选的，所述车载采集装置包括车载镜头和车载激光测距仪；
28.所述获取多个车载采集装置相应采集到的多组数据，包括：
29.针对每个所述车载采集装置，获取每个所述车载采集装置中车载镜头采集到的图像数据；
30.获取每个所述车载采集装置中车载激光测距仪采集到的距离数据。
31.上述方案中，进一步可选的，根据所述多组数据计算得到跟随目标位置，根据跟随目标位置计算得到所述机器人的第二运动参数，包括:
32.将所述多组数据内图像数据进行空间对比和位置对比，并按照预设顺序对所述多组数据内图像数据进行排列组合，得到第一图像数据集合；
33.通过ai算法去除所述第一图像数据集合中的无效图像数据，得到第二图像数据集合；
34.对所述第二图像数据集合进行空间数据计算；
35.将所述多个距离数据与所述空间数据进行数据对比，以建立空间三维立体模型；
36.根据所述空间三维立体模型，得到跟随目标位置，进而根据跟随目标位置计算得到所述机器人第二转向数据和第二电机转速数据。
37.第二方面，一种伴随运输机器人行进控制系统，所述系统包括：
38.第一获取模块：用于实时获取uwb信标与车载uwb基站的位置信息；
39.第二获取模块：用于实时获取多个车载采集装置相应采集到的多组数据，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据；
40.第一处理模块：用于在接收到所述位置信息的情况下，根据所述位置信息计算得到机器人的第一运动参数，并根据所述第一运动参数控制所述机器人运动；
41.第二处理模块：用于在未接收到所述位置信息的情况下，根据所述多组数据计算得到跟随目标位置，根据跟随目标位置计算得到所述机器人的第二运动参数，并根据所述
第二运动参数控制所述机器人运动。
42.第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
43.实时获取uwb信标与车载uwb基站的位置信息；
44.实时获取多个车载采集装置相应采集到的多组数据，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据；
45.在接收到所述位置信息的情况下，根据所述位置信息计算得到机器人的第一运动参数，并根据所述第一运动参数控制所述机器人运动；
46.在未接收到所述位置信息的情况下，根据所述多组数据计算得到跟随目标位置，根据跟随目标位置计算得到所述机器人的第二运动参数，并根据所述第二运动参数控制所述机器人运动。
47.第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
48.实时获取uwb信标与车载uwb基站的位置信息；
49.实时获取多个车载采集装置相应采集到的多组数据，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据；
50.在接收到所述位置信息的情况下，根据所述位置信息计算得到机器人的第一运动参数，并根据所述第一运动参数控制所述机器人运动；
51.在未接收到所述位置信息的情况下，根据所述多组数据计算得到跟随目标位置，根据跟随目标位置计算得到所述机器人的第二运动参数，并根据所述第二运动参数控制所述机器人运动。
52.本发明至少具有以下有益效果：
53.本发明基于对现有技术问题的进一步分析和研究，认识到现有伴随运输机器人行进控制不稳定容易跟丢且代价高的问题，本发明通过获取uwb信标与车载uwb基站的位置信息以及多个车载采集装置相应采集到的多组数据。在接收到所述位置信息的情况下，根据所述位置信息计算得到机器人的第一运动参数，并根据所述第一运动参数控制所述机器人运动，在未接收到所述位置信息的情况下，根据所述多组数据计算得到跟随目标位置，根据跟随目标位置计算得到所述机器人的第二运动参数，并根据所述第二运动参数控制所述机器人运动。从而有效避免uwb跟随方式的不足。强大的冗余控制算法，保证系统长时间稳定运行，代价便宜且适合长时间使用。
附图说明
54.图1为本发明一个实施例提供的伴随运输机器人行进控制方法的流程示意图；
55.图2为本发明一个实施例提供的伴随运输机器人行进控制系统的模块架构框图；
56.图3为一个实施例中计算机设备的内部结构图。
具体实施方式
57.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不
用于限定本技术。
58.在一个实施例中，如图1所示，提供了一种伴随运输机器人行进控制方法，包括以下步骤：
59.实时获取uwb信标与车载uwb基站的位置信息；
60.其中，所述车载uwb基站包括第一车载uwb基站和第二车载uwb基站，所述获取uwb信标与车载uwb基站之间的位置信息，包括：
61.获取所述uwb信标与所述第一车载uwb基站之间的第一距离数据；
62.获取所述uwb信标与所述第二车载uwb基站之间的第二距离数据；
63.根据所述第一距离数据、所述第二距离数据和第三距离数据，计算得到所述获取uwb信标与车载uwb基站之间的位置信息。其中，所述第三距离数据为所述第一车载uwb基站和所述第二车载uwb基站之间的距离数据。
64.根据所述第一距离数据、所述第二距离数据和第三距离数据，计算得到所述获取uwb信标与车载uwb基站之间的位置信息，包括：
65.根据卡尔曼滤波算法和三角函数计算方法，对所述第一距离数据、所述第二距离数据和所述第三距离数据进行计算，得到所述获取uwb信标与车载uwb基站之间的位置信息。
66.所述第四距离数据为所述uwb信标与目标点之间的距离数据，所述偏转角度数据为第一方向与第二方向之间的夹角数据，其中，所述目标点为所述第一车载uwb基站与所述第二车载uwb的连线的中点，所述第一方向为所述uwb信标与目标点的连线所在的方向，所述第二方向为所述第一车载uwb基站与所述第二车载uwb的连线所在的方向。
67.根据foc控制算法，对所述第四距离数据和所述偏转角度数据进行计算，得到所述机器人的第一转向数据和第一电机转速数据。
68.在接收到所述位置信息的情况下，根据所述位置信息计算得到机器人的第一运动参数，并根据所述第一运动参数控制所述机器人运动。
69.实时获取多个车载采集装置相应采集到的多组数据，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据。
70.在一个实施例中，获取多个车载采集装置采集到的多组图像数据和多个距离数据，具体为：针对每个所述车载采集装置，获取每个所述车载采集装置中车载镜头采集到的图像数据，获取每个所述车载采集装置中车载激光测距仪采集到的距离数据。
71.例如：在山地跟随场景下，机器人在运动时需要避开车体周围的障碍物，如周围树木、杂草以及石块等，具体可以通过车体周围安装的各个摄像头以及测距单元测出障碍物图像数据以及距离数据。通过车体周围安装的各个摄像头得到的多组图像数据进行空间对比和位置对比，并按照预设顺序对所述多组图像数据进行排列组合，得到第一图像数据集合。其中，第一图像数据包括每个摄像头实时拍摄的所有张图片，通过ai算法去除所述第一图像数据集合中的无效图像数据，得到第二图像数据集合，其中，第二图像数据包括能够表征车体周围全景影像的图像数据。对所述第二图像数据集合进行空间数据计算，将所述多个距离数据与所述空间数据进行数据对比，以建立空间三维立体模型。根据所述空间三维立体模型，得到所述机器人第二转向数据和第二电机转速数据。
72.在未接收到所述位置信息的情况下，根据所述多组数据计算得到跟随目标位置，
根据跟随目标位置计算得到所述机器人的第二运动参数，并根据所述第二运动参数控制所述机器人运动。其中，所述跟随目标可以为人，也可以为车，在此不做限定。
73.例如：在机器人未接收到所述uwb信标位置信息的情况下，通过获取多个车载采集装置采集到的同一时刻多帧图像数据，通过ai算法去除同一时刻多帧图像数据中的无效图像数据，得到最清晰的各个方位的图像数据集合构成该车体的全景影像图像。对该车体的全景影像图像进行空间数据计算，再将获取到的多个车载采集装置采集到的多个距离数据与所述空间数据进行数据对比，以建立空间三维立体模型，其中，多个距离数据为20、60或200米，其中，所述多组激光测距单元测距用于在全景图像内标定距离。在此不做限定。根据所述空间三维立体模型，得到所述机器人第二转向数据和第二电机转速数据。其中，所述空间三维立体模型内有包括目标障碍物清楚的图像信息以及与机器人车体的对应位置信息，根据目标障碍物清楚的图像信息以及与机器人车体的对应位置信息，得到所述机器人转向数据和电机转速数据。
74.本实施例基于对现有技术问题的进一步分析和研究，认识到现有伴随运输机器人行进控制方案稳定性差、在密集障碍区难以实现且代价高的问题，本发明通过同时获取uwb信标与车载uwb基站的位置信息和多个车载采集装置采集到的多组图像数据和多个距离数据，在未接收到所述位置信息的情况下，根据所述多组图像数据和所述多个距离数据计算得到所述机器人的第二运动参数，并根据所述第二运动参数控制所述机器人运动。从而有效避免uwb跟随方式的不足。强大的冗余控制算法，保证系统长时间稳定运行，代价便宜且适合长时间使用。
75.在一个实施例中，伴随运输机器人搭载全景系统通过在车身周围前后左右安装4个鱼眼镜头，运用图像矫正和图像拼接技术，最终生成机器人周围360度鸟瞰图，指定跟随目标后，通过图像机器学习ai算法辅助跟随，其中，所述ai算法为将全景影像得到的多张照片进行空间比对位置比对，并进行按序排列组合优化，同时筛选有用的照片，进行空间数据计算；将激光测距的距离数据与图像对比后的数据进行数据对比，进行空间三维立体建模，弥补图片建模距离误差，根据所述三维立体建模计算得到第二运动参数。根据所述第二运动参数控制所述机器人运动。
76.从而有效避免uwb跟随方式的不足。强大的冗余控制算法，保证系统长时间稳定运行。
77.在一个实施例中，所述根据所述位置信息计算得到机器人的第一运动参数，并根据所述第一运动参数控制所述机器人运动以及根据所述多组数据计算得到跟随目标位置，根据跟随目标位置计算得到所述机器人的第二运动参数，并根据所述第二运动参数控制所述机器人运动可以同时进行，例如：在能接收到uwb信标与车载uwb基站的位置信息的情况下，且机器人车体遇到障碍物，根据所述多组数据计算得到跟随目标位置，根据跟随目标位置计算得到所述机器人的第二运动参数，并根据所述第二运动参数控制所述机器人运动，在避开障碍物后，继续根据所述位置信息计算得到机器人的第一运动参数，并根据所述第一运动参数控制所述机器人运动。
78.通过本实施例，不仅可以实现机器人长时间稳定跟随目标运行，也可实现机器人避障。
79.在一个实施例中，如图2所示，提供了一种伴随运输机器人行进控制系统的模块架
构框图，包括：在接收到uwb定位模块发送的uwb数据的情况下，数据融合模块用于接收uwb定位模块发送的uwb数据，并通过uwb导航定位及滤波算法计算机器人运动数据，根据机器人运动数据控制机器人行走控制模块控制机器人车体运动。在不能接收到uwb定位模块发送的uwb数据的情况下，数据融合模块用于接收全景影像系统发送的机器人车体全景影像数据以及激光测距单元发送的多组固定距离数据，并运用图像矫正和图像拼接技术，最终生成机器人周围360度鸟瞰图，指定跟随目标后，通过图像机器学习ai算法辅助跟随，从而有效避免uwb跟随方式的不足。强大的冗余控制算法，保证系统长时间稳定运行。该系统还包括，车体状态反馈模块用于实时向数据融合模块反馈机器人车体实时运行状态，其中，车体实时运行状态可以包括，车体运行方向以及车体运行速度等。
80.应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
81.在一个实施例中，提供了一种伴随运输机器人行进控制系统，包括以下程序模块：
82.第一获取模块：用于实时获取uwb信标与车载uwb基站的位置信息；
83.第二获取模块：用于实时获取多个车载采集装置相应采集到的多组数据，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据；
84.第一处理模块：用于在接收到所述位置信息的情况下，根据所述位置信息计算得到机器人的第一运动参数，并根据所述第一运动参数控制所述机器人运动；
85.第二处理模块：用于在未接收到所述位置信息的情况下，根据所述多组数据计算得到跟随目标位置，根据跟随目标位置计算得到所述机器人的第二运动参数，并根据所述第二运动参数控制所述机器人运动。
86.关于伴随运输机器人行进控制系统的具体限定可以参见上文中对于伴随运输机器人行进控制方法的限定，在此不再赘述。上述伴随运输机器人行进控制系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
87.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入系统。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种伴随运输机器人行进控制方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入系统可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
88.本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
89.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，涉及上述实施例方法中的全部或部分流程。
90.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，涉及上述实施例方法中的全部或部分流程。
91.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
92.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
93.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。