机器人自主爬楼控制方法、机器人及存储介质技术

本申请提供一种机器人自主爬楼控制方法、机器人及存储介质。方法包括：基于预先创建的与目标楼栋中的楼梯对应的地图序列、先验楼层数据和实时激光点云数据，确定机器人在地图序列中的当前位置；通过预设的路径规划算法，在地图序列的二维栅格地图中确定从当前位置至终点位置的全局路径规划；根据全局路径规划、实时激光点云数据和预设避障算法，控制机器人的行驶机构行驶，以使机器人行驶至终点位置，其中，当机器人未移动且俯仰角大于等于预设角度时，机器人上的表征原地旋转的开关处于关闭的锁定状态。如此，有利于避免机器人的电机因扭矩过大而损坏，提高机器人自主爬楼的可靠性与安全性。与安全性。与安全性。

【技术实现步骤摘要】
机器人自主爬楼控制方法、机器人及存储介质


[0001]本专利技术涉及机器人控制
，具体而言，涉及一种机器人自主爬楼控制方法、机器人及存储介质。

技术介绍

[0002]随着机器人技术的快速发展，自主移动机器人在生活中的应用越来越广泛。例如，无人送餐机器人、无人消毒机器人等，可以替换人工操作。目前，具备爬楼梯功能的机器人，在爬楼期间存在电机易损坏的安全风险。

技术实现思路

[0003]有鉴于此，本申请实施例的目的在于提供一种机器人自主爬楼控制方法、机器人及存储介质，能够改善机器人在爬楼期间存在电机易损坏的问题。
[0004]为实现上述技术目的，本申请采用的技术方案如下：
[0005]第一方面，本申请实施例提供了一种机器人自主爬楼控制方法，应用于机器人，所述机器人包括用于爬楼梯的行驶机构、激光雷达和惯性测量单元，所述方法包括：
[0006]A10，获取所述激光雷达当前采集的实时激光点云数据；
[0007]A20，基于预先创建的与目标楼栋中的楼梯对应的地图序列、先验楼层数据和所述实时激光点云数据，确定所述机器人在所述地图序列中的当前位置，所述当前位置包括所述机器人所在当前楼梯段的二维栅格地图的第一标签信息、所述机器人在所述当前楼梯段的相对位置，所述地图序列包括与所述目标楼栋的每层楼中的每段楼梯对应的二维栅格地图；
[0008]A30，通过预设的路径规划算法，在所述地图序列的二维栅格地图中确定从所述当前位置至终点位置的全局路径规划；
[0009]A40，根据所述全局路径规划、所述实时激光点云数据和预设避障算法，控制所述机器人的所述行驶机构行驶，以使所述机器人行驶至所述终点位置，其中，当所述机器人未移动且俯仰角大于等于预设角度时，所述机器人上的表征原地旋转的开关处于关闭的锁定状态。
[0010]结合第一方面，在一些可选的实施方式中，所述A40包括：
[0011]A41，当所述机器人的俯仰角小于所述预设角度时，从所述地图序列中选择目标二维栅格地图，其中，所述目标二维栅格地图为所述地图序列中与所述第一标签信息的位置相邻且靠近所述终点位置的二维栅格地图；
[0012]A42，根据所述实时激光点云数据和DWA算法，从所述目标二维栅格地图中确定最优行驶轨迹，以作为所述全局路径规划在所述目标二维栅格地图中的路径；
[0013]A43，控制所述行驶机构沿所述最优行驶轨迹行驶；
[0014]A44，当所述机器人的俯仰角大于等于所述预设角度时，根据所述实时激光点云数据和DWA算法，从所述第一标签信息对应的二维栅格地图中确定最优行驶轨迹，并控制所述
行驶机构沿所述第一标签信息对应的二维栅格地图中的最优行驶轨迹行驶；
[0015]重复执行步骤A41至步骤A44，直至所述机器人行驶至所述终点位置。
[0016]结合第一方面，在一些可选的实施方式中，所述A42包括：
[0017]根据所述DWA算法模拟所述机器人在所述目标二维栅格地图中行驶的多条轨迹；
[0018]根据所述实时激光点云数据和所述DWA算法的轨迹评价函数，从所述多条轨迹中确定最优行驶轨迹行驶，所述轨迹评价函数G(v,w)为：
[0019]G(v,w)＝σ(α*heading(v,w)+β*dist(v,w)+γ*vel(v,w))
[0020]其中，(v,w)指速度空间参数，heading(v,w)为方位角评价函数，用于评价所述机器人在当前的预设速度下，轨迹末端朝向与目标点之间的角度差距；dist(v,w)为所述机器人处于预测轨迹末端点位置时与所述目标二维栅格地图上最近障碍物的距离；vel(v,w)为所述机器人的当前线速度；σ、α、β、γ均为预设的权重。
[0021]结合第一方面，在一些可选的实施方式中，所述A10包括：
[0022]获取所述激光雷达当前采集的2D激光点云数据作为所述实时激光点云数据；
[0023]或者，获取所述激光雷达当前采集的3D激光点云数据，并将所述3D激光点云数据转换为2D激光点云数据，以作为所述实时激光点云数据。
[0024]结合第一方面，在一些可选的实施方式中，所述路径规划算法包括A*算法，所述A30包括：
[0025]从所述地图序列中选择所述标签信息的二维栅格地图至所述终点位置的二维栅格地图，以作为地图序列组合；
[0026]根据所述A*算法，在所述地图序列组合中进行所述当前位置至所述终点位置的路径规划，得到所述全局路径规划。
[0027]结合第一方面，在一些可选的实施方式中，在所述A10之前，方法还包括：
[0028]A01，通过预设标定策略，对所述激光雷达和所述惯性测量单元进行联合标定，得到经过标定的所述激光雷达和所述惯性测量单元；
[0029]A02，在所述机器人行驶在目标楼栋的最底楼和顶楼的楼梯期间，根据所述激光雷达采集的激光点云数据和所述惯性测量单元采集的姿态数据，构建与每层楼中的每段楼梯对应的二维栅格地图，得到所有楼层楼梯的地图序列。
[0030]结合第一方面，在一些可选的实施方式中，所述A02包括：
[0031]在所述机器人行驶在目标楼栋的最底楼和顶楼的楼梯期间，通过SLAM算法对所述激光雷达采集的激光点云数据和所述惯性测量单元采集的姿态数据进行预处理，所述预处理包括滤波及降噪；
[0032]根据经过预处理后的每层楼中的每段楼梯的激光点云数据和姿态数据，生成与每段楼梯对应的二维栅格地图，以得到所有楼层楼梯的地图序列，其中，每段楼梯的二维栅格地图设置有标签信息，所述标签信息包括与楼梯段对应的编号、楼层号及姿态信息。
[0033]结合第一方面，在一些可选的实施方式中，所述预设标定策略包括手眼标定策略。
[0034]第二方面，本申请还提供一种机器人，所述机器人包括用于爬楼梯的行驶机构、激光雷达、惯性测量单元、相互耦合的处理器及存储器，所述存储器内存储计算机程序，当所述计算机程序被所述处理器执行时，使得所述机器人执行上述的方法。
[0035]第三方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中
存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
[0036]采用上述技术方案的专利技术，具有如下优点：
[0037]在本申请提供的技术方案中，基于预先创建的与目标楼栋中的楼梯对应的地图序列、先验楼层数据和实时激光点云数据，确定机器人在地图序列中的当前位置，当前位置包括机器人所在当前楼梯段的二维栅格地图的第一标签信息、机器人在当前楼梯段的相对位置；通过预设的路径规划算法，在地图序列的二维栅格地图中确定从当前位置至终点位置的全局路径规划；根据全局路径规划、实时激光点云数据和预设避障算法，控制机器人的行驶机构行驶，以使机器人行驶至终点位置，其中，当机器人未移动且俯仰角大于等于预设角度时，机器人上的表征原地旋转的开关处于关闭的锁定状态。如此，机器人在楼梯上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人自主爬楼控制方法，其特征在于，应用于机器人，所述机器人包括用于爬楼梯的行驶机构、激光雷达和惯性测量单元，所述方法包括：A10，获取所述激光雷达当前采集的实时激光点云数据；A20，基于预先创建的与目标楼栋中的楼梯对应的地图序列、先验楼层数据和所述实时激光点云数据，确定所述机器人在所述地图序列中的当前位置，所述当前位置包括所述机器人所在当前楼梯段的二维栅格地图的第一标签信息、所述机器人在所述当前楼梯段的相对位置，所述地图序列包括与所述目标楼栋的每层楼中的每段楼梯对应的二维栅格地图；A30，通过预设的路径规划算法，在所述地图序列的二维栅格地图中确定从所述当前位置至终点位置的全局路径规划；A40，根据所述全局路径规划、所述实时激光点云数据和预设避障算法，控制所述机器人的所述行驶机构行驶，以使所述机器人行驶至所述终点位置，其中，当所述机器人未移动且俯仰角大于等于预设角度时，所述机器人上的表征原地旋转的开关处于关闭的锁定状态。2.根据权利要求1所述的方法，其特征在于，所述A40包括：A41，当所述机器人的俯仰角小于所述预设角度时，从所述地图序列中选择目标二维栅格地图，其中，所述目标二维栅格地图为所述地图序列中与所述第一标签信息的位置相邻且靠近所述终点位置的二维栅格地图；A42，根据所述实时激光点云数据和DWA算法，从所述目标二维栅格地图中确定最优行驶轨迹，以作为所述全局路径规划在所述目标二维栅格地图中的路径；A43，控制所述行驶机构沿所述最优行驶轨迹行驶；A44，当所述机器人的俯仰角大于等于所述预设角度时，根据所述实时激光点云数据和DWA算法，从所述第一标签信息对应的二维栅格地图中确定最优行驶轨迹，并控制所述行驶机构沿所述第一标签信息对应的二维栅格地图中的最优行驶轨迹行驶；重复执行步骤A41至步骤A44，直至所述机器人行驶至所述终点位置。3.根据权利要求2所述的方法，其特征在于，所述A42包括：根据所述DWA算法模拟所述机器人在所述目标二维栅格地图中行驶的多条轨迹；根据所述实时激光点云数据和所述DWA算法的轨迹评价函数，从所述多条轨迹中确定最优行驶轨迹行驶，所述轨迹评价函数G(v,w)为：G(v,w)＝σ(α*heading(v,w)+β*dist(v,w)+γ*vel(v,w))其中，(v,w)指速度空间参数，heading(v,w)为方位角评价函数，用于评价所述机器人在当前的预设速度下，轨迹末端朝向与目标点之间的角度差距；dist(v,w)为所述机器人处于预测轨迹末...

【专利技术属性】
技术研发人员：李睿，周振生，刘雅楠，马铁东，
申请(专利权)人：重庆大学，
类型：发明
国别省市：