用于控制引导机器人的方法、装置、设备以及存储介质制造方法及图纸

本申请实施例公开了用于控制引导机器人的方法、装置、设备以及存储介质，涉及人工智能、机器人和多传感器融合技术领域。该方法的一具体实施方式包括：获取引导机器人的状态、用户的状态和障碍物的位置；基于引导机器人的状态和用户的状态，生成引导机器人与用户的组合系统的状态更新方程；基于障碍物的位置，生成无碰撞全局路径；基于组合系统的状态更新方程和无碰撞全局路径，生成控制命令；基于控制命令驱动引导机器人运动。命令驱动引导机器人运动。命令驱动引导机器人运动。

【技术实现步骤摘要】
用于控制引导机器人的方法、装置、设备以及存储介质


[0001]本申请实施例涉及计算机
，具体涉及人工智能、机器人和多传感器融合
，尤其涉及用于控制引导机器人的方法、装置、设备以及存储介质。

技术介绍

[0002]导盲犬可以在避障的情况下引导视力障碍者到达目的地，极大地提高了他们的日常生活质量。然而，我国导盲犬的普及率严重不足。主要原因在于导盲犬的训练耗时长，费用高，合格率低。现代导航辅助技术在帮助视力障碍者并提高他们的生活质量方面具有巨大的潜力。许多研究人员已经研究了潜在的解决方案。一般分为可穿戴设备、智能手杖和机器导盲犬。
[0003]针对机器导盲犬，现有技术通常假设视力障碍者会完全跟随机器导盲犬，与机器导盲犬所走的路径重合。因此，现有技术主要侧重于机器导盲犬自身的感知、规划和控制。

技术实现思路

[0004]本申请实施例提出了用于控制引导机器人的方法、装置、设备以及存储介质。
[0005]第一方面，本申请实施例提出了一种用于控制引导机器人的方法，包括：获取引导机器人的状态、用户的状态和障碍物的位置，其中，引导机器人与用户通过刚性物连接；基于引导机器人的状态和用户的状态，生成引导机器人与用户的组合系统的状态更新方程；基于障碍物的位置，生成无碰撞全局路径；基于组合系统的状态更新方程和无碰撞全局路径，生成控制命令；基于控制命令驱动引导机器人运动。
[0006]第二方面，本申请实施例提出了一种用于控制引导机器人的装置，包括：信息获取模块，被配置成获取引导机器人的状态、用户的状态和障碍物的位置，其中，引导机器人与用户通过刚性物连接；方程生成模块，被配置成基于引导机器人的状态和用户的状态，生成引导机器人与用户的组合系统的状态更新方程；路径生成模块，被配置成基于障碍物的位置，生成无碰撞全局路径；命令生成模块，被配置成基于组合系统的状态更新方程和无碰撞全局路径，生成控制命令；运动驱动模块，被配置成基于控制命令驱动引导机器人运动。
[0007]第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
[0008]第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
[0009]第五方面，本申请实施例提供了另一种服务器，包括：接口；存储器，其上存储有一个或多个程序；以及一个或多个处理器，在操作上连接到上述接口和上述存储器，用于：获取引导机器人的状态、用户的状态和障碍物的位置，其中，引导机器人与用户通过刚性物连接；基于引导机器人的状态和用户的状态，生成引导机器人与用户的组合系统的状态更新
方程；基于障碍物的位置，生成无碰撞全局路径；基于组合系统的状态更新方程和无碰撞全局路径，生成控制命令；基于控制命令驱动引导机器人运动。
[0010]第六方面，本申请实施例提供了一种计算机程序产品，其上存储有计算机程序，其中，当上述计算机程序被一个或多个处理器执行时，使得上述一个或多个处理器：获取引导机器人的状态、用户的状态和障碍物的位置，其中，引导机器人与用户通过刚性物连接；基于引导机器人的状态和用户的状态，生成引导机器人与用户的组合系统的状态更新方程；基于障碍物的位置，生成无碰撞全局路径；基于组合系统的状态更新方程和无碰撞全局路径，生成控制命令；基于控制命令驱动引导机器人运动。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0012]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：
[0013]图1是根据本申请的用于控制引导机器人的方法的一个实施例的流程图；
[0014]图2是根据本申请的用于控制引导机器人的方法的又一个实施例的流程图；
[0015]图3是用户位置推断过程的示意图；
[0016]图4是可行区域确定过程的示意图；
[0017]图5是人机系统的结构框图；
[0018]图6是根据本申请的用于检测障碍物的方法的一个实施例的流程图；
[0019]图7是障碍物检测过程的示意图；
[0020]图8是根据本申请的用于定位引导机器人的方法的一个实施例的流程图；
[0021]图9是根据本申请的用于定位用户的方法的一个实施例的流程图；
[0022]图10是根据本申请的用于规划路径的方法的一个实施例的流程图；
[0023]图11根据本申请的用于控制引导机器人的装置的一个实施例的结构示意图；
[0024]图12用来实现本申请实施例的用于控制引导机器人的方法的电子设备的框图。
具体实施方式
[0025]以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0026]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0027]图1示出了根据本申请的用于控制引导机器人的方法的一个实施例的流程100。该用于控制引导机器人的方法包括以下步骤：
[0028]步骤101，获取引导机器人的状态、用户的状态和障碍物的位置。
[0029]在本实施例中，引导机器人上可以安装有传感器，用于获取引导机器人的状态、用
户的状态和障碍物的位置。
[0030]通常，用户可以是视力障碍者，例如盲人。引导机器人可以是机器导盲犬。引导机器人与用户通过刚性物连接，以使用户与引导机器人保持与刚性物长度大致相同的距离。其中，刚性物的形状通常是条状，包括但不限于刚性杆、刚性绳等等。这样，用户无需携带额外的传感器，而仅需使用安装在机器人上的传感器来确定用户的位置。
[0031]其中，安装在引导机器人上的传感器可以包括但不限于IMU(Inertial measurement unit，惯性测量单元)、Lidar(Light Detection And Ranging，激光雷达)和车轮里程表等等。引导机器人的状态可以包括引导机器人的位置和航向角。用户的状态可以包括用户的位置。
[0032]步骤102，基于引导机器人的状态和用户的状态，生成引导机器人与用户的组合系统的状态更新方程。
[0033]在本实施例中，基于引导机器人的状态和用户的状态，可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于控制引导机器人的方法，包括：获取引导机器人的状态、用户的状态和障碍物的位置，其中，所述引导机器人与所述用户通过刚性物连接；基于所述引导机器人的状态和所述用户的状态，生成所述引导机器人与所述用户的组合系统的状态更新方程；基于所述障碍物的位置，生成无碰撞全局路径；基于所述组合系统的状态更新方程和所述无碰撞全局路径，生成控制命令；基于所述控制命令驱动所述引导机器人运动。2.根据权利要求1所述的方法，其中，所述基于所述引导机器人的状态和所述用户的状态，生成所述引导机器人与所述用户的组合系统的状态更新方程，包括：基于所述引导机器人的状态，生成所述引导机器人的状态更新方程；基于所述引导机器人的状态、所述用户的状态和所述刚性物的长度，生成所述用户的状态更新方程；结合所述引导机器人的状态更新方程和所述用户的状态更新方程，生成状态更新矩阵；基于所述状态更新矩阵，生成所述组合系统的状态更新方程。3.根据权利要求1所述的方法，其中，所述基于所述障碍物的位置，生成无碰撞全局路径，包括：将地图区域化，生成全局网格地图；基于所述障碍物的位置，对所述全局网格地图中的网格进行占用标记，确定可用网格；利用图搜索技术查找所述可用网格中从起始位置对应的网格到目标位置对应的网格的最短路径；在所述最短路径上的相邻点之间进行插值，生成所述无碰撞全局路径。4.根据权利要求2所述的方法，其中，所述基于所述障碍物的位置，生成无碰撞全局路径，包括：将地图区域化，生成全局网格地图；基于所述障碍物的位置，对所述全局网格地图中的网格进行占用标记，确定可用网格；利用图搜索技术查找所述可用网格中从起始位置对应的网格到目标位置对应的网格的最短路径；在所述最短路径上的相邻点之间进行插值，生成所述无碰撞全局路径。5.根据权利要求1所述的方法，其中，所述基于所述组合系统的状态更新方程和所述无碰撞全局路径，生成控制命令，包括：利用模型预测控制技术设计成本函数和无碰撞约束条件，计算无碰撞局部运动控制量，其中，所述成本函数用于惩罚状态和控制效果的错误，所述无碰撞约束条件采用序列凸优化在每次迭代时被线性化。6.根据权利要求2所述的方法，其中，所述基于所述组合系统的状态更新方程和所述无碰撞全局路径，生成控制命令，包括：利用模型预测控制技术设计成本函数和无碰撞约束条件，计算无碰撞局部运动控制量，其中，所述成本函数用于惩罚状态和控制效果的错误，所述无碰撞约束条件采用序列凸
优化在每次迭代时被线性化。7.根据权利要求5所述的方法，其中，所述利用模型预测控制技术设计成本函数和无碰撞约束条件，计算无碰撞局部运动控制量，包括：从所述引导机器人和所述用户中选择检查点；以所述检查点为中心构建局部网格地图；基于所述障碍物的位置，对所述局部网格地图中的网格进行占用标记，确定所述检查点的可行区域；基于所述无碰撞全局路径，确定局部目标状态；基于所述可行区域与所述局部目标状态，生成所述无碰撞局部运动控制量。8.根据权利要求1所述的方法，其中，所述获取引导机器人的状态，包括：获取安装在所述引导机器人上的激光雷达扫描到的扫描点；结合所述扫描点和占用地图，利用粒子滤波技术对所述引导机器人定位。9.根据权利要求2所述的方法，其中，所述获取引导机器人的状态，包括：获取安装在所述引导机器人上的激光雷达扫描到的扫描点；结合所述扫描点和占用地图，利用粒子滤波技术对所述引导机器人定位。10.根据权利要求1所述的方法，其中，所述获取用户的状态，包括：将以所述引导机器人为圆心，所述刚性物的长度为半径的环形区域确定为所述用户的候选位置区域；利用k均值聚类算法对所述候选位置区域中的扫描点进行聚类，得到所述用户的位置。11.根据权利要求2所述的方法，其中，所述获取用户的状态，包括：将以所述引导机器人为圆心，所述刚性物的长度为半径的环形区域确定为所述用户的候选位置区域；利用k均值聚类算法对所述候选位置区域中的扫描点进行聚类，得到所述用户的位置。12.根据权利要求1所述的方法，其中，所述获取障碍物的位置，包括：获取安装在所述引导机器人上的激光雷达扫描到的扫描点；将所述扫描点与占用地图进行比对，得到障碍物的位置。13.根据权利要求2所述的方...

【专利技术属性】
技术研发人员：王励扬，赵金鑫，张良俊，
申请(专利权)人：百度美国有限责任公司，
类型：发明
国别省市：