机器人自动避撞系统及方法

摘要

本发明公开了一种机器人自动避撞系统及方法，系统包括机器人态势感知模块和机器人线路决策模块；所述机器人态势感知模块用于通过机器人搭载的传感器采集机器人周围区域内的障碍物信息；所述机器人线路决策模块用于根据障碍物信息，调整机器人的行进速度。本发明通过传感器采集机器人周围的障碍物信息，并对障碍物信息进行处理，当机器人即将与障碍物发生撞击时，自主降低机器人行进速度，甚至完全停止，能够避免机器人与障碍物发生碰撞；并且本申请的速度调控系统还能与机器人自主导航系统相融合，进一步提高机器人行驶安全的水平。

说明书

技术领域

本发明属于地面交通智能化技术领域，特别涉及一种机器人自动避撞系统及方法。

背景技术

随着机器人技术的飞速发展，机器人在民用领域的用途不断拓展，机器人的活动场景不断拓展，人机共存、人机协作已是必然趋势。但同时，机器人与人类的安全问题日益突出，而机器人自动避撞系统正是解决该问题的关键所在。

机器人在遥控期间，操作人员拥有运动控制权，但如果操作人员疏忽，那将有可能导致机器人发生碰撞或者跌落。

机器人在自主导航期间，其速度控制目标是路径跟随和抵达目标，只要障碍物不阻挡机器人行径，那就不会主动调整速度，理论上在可感知范围内也不会发生碰撞,但如果周边存在行人，较大的运行速度，和无法被人预测的行走都会给人带来不安。

发明内容

本发明的目的在于克服现有技术的不足，提供一种通过对障碍物信息进行处理，自主调整机器人行进速度，能够避免机器人与障碍物发生碰撞，能够提高机器人行驶安全的水平的机器人自动避撞系统及方法。

本发明的目的是通过以下技术方案来实现的：机器人自动避撞系统，包括机器人态势感知模块和机器人避撞决策模块；所述机器人态势感知模块用于通过机器人搭载的传感器采集机器人周围区域内的障碍物信息；所述机器人避撞决策模块用于根据障碍物信息，调整机器人的行进方向和速度。

进一步地，所述传感器包括激光雷达、超声波测距传感器、深度摄像头、红外测距传感器、接触传感器中的一种或多种。

所述机器人线路决策模块包括点云数据转换子模块、障碍物滤除子模块、障碍物融合子模块和运动约束子模块。

本发明的另一个目的在于提供一种机器人自动避撞方法，包括以下步骤：

S1、采集机器人周围区域内的障碍物信息；

S2、将机器人周围区域划分为十二个子区域；

S3、点云数据转换子模块通过配置信息得到传感器数量、类型和传感器采集到的数据，将传感器采集到的障碍物数据转换为机器人坐标系下的点云数据，将机器人在XoY平面的投影的边界组成的封闭曲线表示为机器人的轮廓；

S4、障碍物滤除子模块接收各传感器的点云数据，得到12个临近区域内该传感器采集到的最近障碍物；

S5、障碍物融合子模块收集所有经过滤除的障碍物数据，并计算12个临近区域内所有传感器采集到的全局最近障碍物；

S6、运动约束子模块接收全局最近12个临近区域内的障碍物，并根据减速参数计算约束速度阈值。

所述步骤S2具体实现方法为：将机器人及其周围区域投影到同一平面上，以机器人几何中心作为坐标原点，机器人正前方的方向作为横坐标正方向，建立平面坐标系；从坐标系第一象限开始沿逆时针方向将机器人周围的区域划分为A～L十二个区域：将机器人前方的区域划分为A和L两个区域，A区域位于第一象限内，L区域位于第四象限内；将机器人左右两侧的空间划分为C、D、I、J四个区域，C区域位于第一象限内，D区域位于第二象限内，I区域位于第三象限内，J区域位于第四象限内；将机器人后方的区域划分为F和G两个区域，F区域位于第二象限内，G区域位于第三象限内；A和C之间的区域为B区域，D和F之间的区域为区域，G和I之间的区域为H区域，J和L之间的区域为K区域；所有区域的边界形成一个矩形。

进一步地，所述步骤S6具体实现方法为：结合12个区域内的最近障碍物信息，分别计算x,y,yaw轴方向的速度；

对于+x轴向速度约束，结合ABCJKL六个区域内的最近障碍物信息进行计算；

对于-x轴向速度约束：结合DEFGHI六个区域内的最近障碍物信息进行计算；

对于+y轴向速度约束：结合ABCDEF六个区域内的最近障碍物信息进行计算；

对于-y轴向速度约束：结合GHIJKL六个区域内的最近障碍物信息进行计算；

对于+yaw轴向速度约束：结合LCFI四个区域的最近障碍物信息进行计算；

对于-yaw轴向速度约束：结合ADGJ四个区域的最近障碍物信息进行计算；

分别计算每个方向所关联的区域内，机器人与障碍物的最近距离s，然后得到每个方向速度为：

v_restrict＝0，s<0

v_restrict＝v

其中，v_restrict为机器人在x,y,yaw轴方向的速度，v

接收自主导航模块传入的运动控制指令，根据计算得到的速度和传入的运动控制指令，得到最终的机器人运行速度v_output：v_output＝min(v_input,v_restrict)，v_input表示自主导航模块传入的运动运动控制指令。

本发明的有益效果是：

通过传感器采集机器人周围的障碍物信息，并对障碍物信息进行处理，当机器人即将与障碍物发生撞击时，自主降低机器人行进速度，甚至完全停止，能够避免机器人与障碍物发生碰撞；并且本申请的速度调控系统还能与机器人自主导航系统相融合，进一步提高机器人行驶安全的水平。

附图说明

图1为本发明的自动避撞的流程图；

图2为本发明的机器人周围区域划分示意图。

具体实施方式

下面结合附图进一步说明本发明的技术方案。

本发明的机器人自动避撞系统，包括机器人态势感知模块和机器人避撞决策模块；所述机器人态势感知模块用于通过机器人搭载的传感器采集机器人周围区域内的障碍物信息；所述机器人避撞决策模块用于根据障碍物信息，调整机器人的行进方向和速度。

所述传感器包括激光雷达、超声波测距传感器、深度摄像头、红外测距传感器、接触传感器中的一种或多种。

所述机器人线路决策模块包括点云数据转换子模块、障碍物滤除子模块、障碍物融合子模块和运动约束子模块；

如图1所示，本发明还公开了一种机器人自动避撞方法，包括以下步骤：

S1、采集机器人周围区域内的障碍物信息；

S2、将机器人周围区域划分为十二个子区域；如图2所示，具体实现方法为：将机器人及其周围区域投影到同一平面上，以机器人几何中心作为坐标原点，机器人正前方的方向作为横坐标正方向，建立平面坐标系；从坐标系第一象限开始沿逆时针方向将机器人周围的区域划分为A～L十二个区域：将机器人前方的区域划分为A和L两个区域，A区域位于第一象限内，L区域位于第四象限内；将机器人左右两侧的空间划分为C、D、I、J四个区域，C区域位于第一象限内，D区域位于第二象限内，I区域位于第三象限内，J区域位于第四象限内；将机器人后方的区域划分为F和G两个区域，F区域位于第二象限内，G区域位于第三象限内；A和C之间的区域为B区域，D和F之间的区域为区域，G和I之间的区域为H区域，J和L之间的区域为K区域；所有区域的边界形成一个矩形。

本发明将机器人周围区域划分为满足全向运动控制的8个基本感知区域和缓和突兀感的4个补充感知区域(非必须)。对于全向机器人而言，在X轴上，以轮廓极左，极右为宽度的正前方和正后方的两个区域没有障碍物存在，则不影响其前后运行。在Y轴上，以轮廓极前，极后为长度的正左方和正右方的两个区域没有障碍物存在，则不影响其左右运行。在Yaw轴上，以轮廓极前，极后为长度的正左方和正右方的两个区域，轮廓极左，极右为宽度的正前方和正后方的两个区域，总共4个区域。按照顺时针方向，将4个区域分别划分为0,1两个半区。四个0半区不存在障碍物，则不影响其逆时针旋转运行，四个1半区不存在障碍物，则不影响其顺时针运行。将上述区域取并集，可以划分为8个独立区域，分别位于机器人正前，正后，正左，正右。在此基础上，增加对角的4个区域，能够更加全面的检测周围区域内的障碍物信息。

S3、通过配置信息得到传感器数量、类型和传感器采集到的数据，将传感器采集到的障碍物数据转换为机器人坐标系下的点云数据，将机器人在XoY平面的投影的边界组成的封闭曲线表示为机器人的轮廓；

S4、障碍物滤除子模块接收各传感器的点云数据，得到12个临近区域内该传感器采集到的最近障碍物；

本发明中，将机器人轮廓拟合为多条圆弧进行计算。由于轮式机器人轮廓一般为圆形或者圆角矩形，当轮廓为圆形时，无需拟合，直接计算障碍物与圆或者矩形边的距离。对于圆角矩形的机器人，大部分轮廓线段对应于同一个圆，分别以机器人的八个圆角边进行拟合，用8个圆即可满足轮廓的描述(也可认为圆形机器人拟合的8个圆是半径相同的同心圆)。

设障碍物点P1(x1,y1)，机器人轮廓上线段端点为P2(x2,y2),P3(x3,y3)(假定P1不在P2到P3间，且P1在P2P3上的投影在P2到P3间)。当采用线段表示轮廓时，障碍物点与轮廓距离计算方法为：

Distance＝2*(x1y2-x1y3+x2y3-x2y1+x3y1-x2y2)/sqrt((x2-x3)*(x2-x3)+(y2-y3)*(y2-y3))。

整个计算过程需要用到9次乘法，8次加减法，1次除法，1次开方运算

如果使用圆弧表示轮廓，将P2,P3拟合成圆，其圆心为(xo,yo,ro)，则障碍物距离为

Distance＝sqrt((x1-xo)*(x1-xo)+(y1-yo)*(y1-yo))–ro

需要用到2次乘法，4次加减法，1次开方，可以大大减少计算量。

S5、障碍物融合子模块收集所有经过滤除的障碍物数据，并计算12个临近区域内所有传感器采集到的全局最近障碍物；每一个传感器都会采集到一帧一帧的障碍物数据。从一个时间切片角度看，假设有10传感器，那么对应10片点云数据，每片点云都可以找出12区域对应的障碍物点。那么总共有10组最近障碍物点数据(对应不同传感器)。综合10组最近障碍物点，即可得到全局的最近障碍物点。

S6、接收全局最近12个临近区域内的障碍物，并根据减速参数计算约束速度阈值；具体实现方法为：结合12个区域内的最近障碍物信息，分别计算x,y,yaw轴方向的速度；

对于+x轴向速度约束，结合ABCJKL六个区域内的最近障碍物信息进行计算；

对于-x轴向速度约束：结合DEFGHI六个区域内的最近障碍物信息进行计算；

对于+y轴向速度约束：结合ABCDEF六个区域内的最近障碍物信息进行计算；

对于-y轴向速度约束：结合GHIJKL六个区域内的最近障碍物信息进行计算；

对于+yaw轴向速度约束：结合LCFI四个区域的最近障碍物信息进行计算；

对于-yaw轴向速度约束：结合ADGJ四个区域的最近障碍物信息进行计算；

分别计算每个方向所关联的区域内，机器人与障碍物的最近距离s，然后得到每个方向速度为：

v_restrict＝0，s<0

v_restrict＝v

其中，v_restrict为机器人在x,y,yaw轴方向的速度，v

接收自主导航模块传入的运动控制指令，根据计算得到的速度和传入的运动控制指令，得到最终的机器人运行速度v_output：v_output＝min(v_input,v_restrict)，v_input表示自主导航模块传入的运动运动控制指令。其中，v_output_x＝min(v_input_x,v_restrict_x)，v_output_y＝min(v_input_y,v_restrict_y)，v_output_yaw＝min(v_input_yaw,v_restrict_yaw)，分别得到x,y,yaw轴方向的速度，然后再合成机器人的运行速度。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。