The invention discloses a device and a method of robot path planning, human identification by moving target tracking, the relative position and velocity of the robot moving targets, which position and velocity of the robot according to the motion target relative to the moving target forecast the next position; and the relative position and movement cost map movement speed, robot moving target according to the next position and the first Gauss function of moving target; the target obtained by static cost map movement cost map and obtained the obstacle cost map are fused to get the main cost map; according to the main cost map and the default rules of path robot planning. Therefore, it can not only predict the next position of the moving target, and can be carried out according to the path planning of robot trajectory of moving target, so that the robot can carry out activities without affecting the activity of the people.
【技术实现步骤摘要】
一种机器人路径规划方法及装置
本专利技术涉及机器人领域,尤其涉及一种机器人路径规划方法及装置。
技术介绍
随着机器人技术的发展,机器人以直接或者间接的方式参与人类生活已不可避免,当人和机器人同时在空间中行动时,机器人只有了解人的行动轨迹才可以避开人,使得机器人可以在不影响人活动的前提下活动。但是人的运行轨迹不定,很难对人的行动轨迹进行预测,现有技术中提供的方法,无法使得机器人依据人的运行轨迹规划自身的运动路径,从而使得机器人可以在不影响人活动的前提下进行活动。
技术实现思路
有鉴于此,本专利技术公开了一种机器人路径规划方法及装置,解决了现有技术中无法依据人的运动轨迹规划机器人的运动路径的问题,从而使得机器人可以在不影响人活动的前提下进行活动。本专利技术实施例公开的一种机器人路径规划方法,包括:对运动目标的身体和腿部进行追踪,分别将追踪得到的身体数据和腿部数据输入到预设的机器学习模型中,得到身体的第一位置和腿部的第二位置;所述机器学习模型是已基于人体站立和走路的数据进行了训练;将得到的身体的第一位置和腿部的第二位置进行融合得到运动目标的位置;所述运动运动目标的位置是运动目标相对于机器人的位置;依据所述运动目标的位置和通过对身体追踪获得的运动目标的运动速度预测运动目标下一步的位置;依据所述运动目标的位置、运动速度、下一步的位置以及第一高斯函数,生成运动目标的运动成本地图;所述第一高斯函数为移动方向上峰值递增的函数;依据对运动目标追踪时得到的运动目标静止时的数据以及第二高斯函数生成运动目标的静态成本地图;所述第二高斯函数为圆形的高斯函数;将所述运动目标的静态成本地图 ...
【技术保护点】
一种机器人路径规划方法,其特征在于,所述方法包括:对运动目标的身体和腿部进行追踪,分别将追踪得到的身体数据和腿部数据输入到预设的机器学习模型中,得到身体的第一位置和腿部的第二位置;所述机器学习模型是已基于人体站立和走路的数据进行了训练;将得到的身体的第一位置和腿部的第二位置进行融合得到运动目标的位置;所述运动运动目标的位置是运动目标相对于机器人的位置;依据所述运动目标的位置和通过对身体追踪获得的运动目标的运动速度预测运动目标下一步的位置;依据所述运动目标的位置、运动速度、下一步的位置以及第一高斯函数,生成运动目标的运动成本地图;所述第一高斯函数为移动方向上峰值递增的函数;依据对运动目标追踪时得到的运动目标静止时的数据以及第二高斯函数生成运动目标的静态成本地图;所述第二高斯函数为圆形的高斯函数;将所述运动目标的静态成本地图、运动成本地图和已获得的障碍物的成本地图进行融合得到主成本地图;依据所述主成本地图和预设的规则,对机器人的路径进行规划。
【技术特征摘要】
1.一种机器人路径规划方法,其特征在于,所述方法包括:对运动目标的身体和腿部进行追踪,分别将追踪得到的身体数据和腿部数据输入到预设的机器学习模型中,得到身体的第一位置和腿部的第二位置;所述机器学习模型是已基于人体站立和走路的数据进行了训练;将得到的身体的第一位置和腿部的第二位置进行融合得到运动目标的位置;所述运动运动目标的位置是运动目标相对于机器人的位置;依据所述运动目标的位置和通过对身体追踪获得的运动目标的运动速度预测运动目标下一步的位置;依据所述运动目标的位置、运动速度、下一步的位置以及第一高斯函数,生成运动目标的运动成本地图;所述第一高斯函数为移动方向上峰值递增的函数;依据对运动目标追踪时得到的运动目标静止时的数据以及第二高斯函数生成运动目标的静态成本地图;所述第二高斯函数为圆形的高斯函数;将所述运动目标的静态成本地图、运动成本地图和已获得的障碍物的成本地图进行融合得到主成本地图;依据所述主成本地图和预设的规则,对机器人的路径进行规划。2.根据权利要求1所述的方法,其特征在于,将得到的身体的第一位置和腿部的第二位置进行融合得到运动目标的位置,包括:依据身体和腿部的权重,将得到的身体的第一位置和腿部的第二位置进行融合得到运动目标的位置。3.根据权利要求1所述的方法,其特征在于,依据所述主成本地图和预设的规则,对机器人进行路径规划,包括:获取所述主成本地图中的道路情况;当道路通畅时,命令机器人常速通过;当道路成本较低时,命令机器人减速通过;当道路成本为中等时,命令机器人停止活动;当道路成本较高时,命令机器人选择所述运动目标的反方向通过。4.根据权利要求1所述的方法,其特征在于,对运动目标的身体和腿部进行追踪,包括:通过安装在机器人上的摄像头对运动目标的身体进行追踪;通过安装在机器人上的激光雷达传感器对运动目标的腿部进行追踪。5.根据权利要求1所述的方法,其特征在于,所述机器学习模型为卷积神经网络学习模型。6.一种机器人路径规划装置,其特征在于,所述装置包括:追踪单元,用于对运动...
【专利技术属性】
技术研发人员:黄巍伟,陈汶骅,黄勇何,
申请(专利权)人:中新智擎有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。