CN110347153A - 一种边界识别方法、系统及移动机器人 - Google Patents
一种边界识别方法、系统及移动机器人 Download PDFInfo
- Publication number
- CN110347153A CN110347153A CN201910562284.6A CN201910562284A CN110347153A CN 110347153 A CN110347153 A CN 110347153A CN 201910562284 A CN201910562284 A CN 201910562284A CN 110347153 A CN110347153 A CN 110347153A
- Authority
- CN
- China
- Prior art keywords
- boundary
- mobile robot
- work
- map
- characteristic parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 7
- 230000007246 mechanism Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0272—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising means for registering the travel distance, e.g. revolutions of wheels
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于机器人导航技术领域，提供了一种边界识别方法、系统及移动机器人，该方法包括：控制移动机器人在工作边界上移动，记录多个坐标点信息，并通过预设的图像拍摄装置获取边界特征参数；根据坐标点信息以及边界特征参数，建立地图；当移动机器人工作时，通过地图、边界特征参数以及移动机器人当前的地理位置信息，判断移动机器人是否处于工作边界；若是，则控制移动机器人驶离工作边界，以使移动机器人在工作边界的范围内工作。本发明中的边界识别方法，通过创建地图并配合图像处理技术来实现移动机器人对边界的识别，摆脱了移动机器人对边界导线的依赖，使移动机器人在未埋设边界导线或边界导线损坏的场景下也能正常进行边界识别。
Description
技术领域
本发明属于机器人导航技术领域，尤其涉及一种边界识别方法、系统及移动机器人。
背景技术
移动机器人(Robot)是自动执行工作的机器装置。它既可以接受人类指挥，又可以运行预先编排的程序，以按人工智能技术制定的原则纲领来行动。它的任务是协助或取代人类工作的工作。常见的移动机器人有：割草机器人、扫地机器人、探测机器人等等。
对于一些移动机器人通常要求其在指定区域内工作，例如一般会要求割草机器人在指定的草坪区域内移动，而不要移动到草坪外，因此这就要求移动机器人能够对工作区域的边界进行识别。
现有技术当中，目前一般通过预埋边界导线，导线中接入交流电，以产生电磁信号，移动机器人通过识别该电磁信号来确定边界，以保证在边界内工作。然而，这些边界识别的方法存在的缺陷在于：由于需要预埋边界导线，因此需要提前施工，导致人工成本较高，并且边界导线容易损坏，由于边界导线需要在移动机器人工作时一直存在，当边界导线损坏后，移动机器人则无法继续保证在指定的工作区域内工作。
发明内容
本发明实施例提供一种边界识别方法，旨在解决现有技术移动机器人依赖边界导线来识别边界的技术问题。
本发明实施例是这样实现的，一种边界识别方法，所述方法包括：
控制移动机器人在工作边界上移动，记录多个坐标点信息，并通过预设的图像拍摄装置获取边界特征参数；
根据所述坐标点信息以及所述边界特征参数，建立地图；
当所述移动机器人工作时，通过所述地图、所述边界特征参数以及所述移动机器人当前的地理位置信息，判断所述移动机器人是否处于工作边界；
当判断结果为是，则控制所述移动机器人驶离所述工作边界，以使所述移动机器人在所述工作边界的范围内工作。
本发明实施例还提供一种边界识别系统，包括：
移动控制模块，用于控制移动机器人在工作边界上移动，记录多个坐标点信息，并通过预设的图像拍摄装置获取边界特征参数；
地图建立模块，用于根据所述坐标点信息以及所述边界特征参数，建立地图；
边界识别模块，用于当所述移动机器人工作时，通过所述地图、所述边界特征参数以及所述移动机器人当前的地理位置信息，判断所述移动机器人是否处于工作边界；
当判断结果为是，所述移动控制模块控制所述移动机器人驶离所述工作边界，以使所述移动机器人在所述工作边界的范围内工作。
本发明实施例还提供一种移动机器人，包括图像拍摄装置、处理器、存储器、以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器运行所述计算机程序时，所述移动机器人执行上述的边界识别方法。
本发明实施例还提供一种存储介质，其存储有上述的移动机器人中所使用的计算机程序，该计算机程序被处理器执行时实现上述的边界识别方法。
本发明所达到的有益效果：通过预先采集工作区域的边界坐标点信息及边界特征参数，并根据这些坐标点信息以及边界特征参数来建立该工作区域的地图，当移动机器人工作时，通过该地图、边界特征参数以及移动机器人当前的地理位置信息即可判断出移动机器人是否处于工作边界上，若判断结果为是，则控制移动机器人驶离工作边界，以保证移动机器人始终在工作区域内工作。因此本边界识别方法不依赖边界导线来识别边界，在未埋设边界导线或边界导线损坏的场景下也能正常进行边界识别。
附图说明
图1是本发明实施例当中的移动机器人的结构框图；
图2是本发明实施例一当中的边界识别方法的流程图；
图3是本发明实施例二当中的边界识别方法的流程图；
图4是本发明一实施例中的边界图像经二值化处理后的效果图；
图5是本发明一实施例中的边界图像经区域填充后的效果图；
图6是本发明一实施例中的相对位置编码图；
图7是本发明一实施例中的计算边界线的几何特征的示例图；
图8是本发明实施例三当中的边界识别系统的结构框图；
图9是本发明实施例四当中的移动机器人的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
现有移动机器人依赖边界导线来识别边界，需要预埋边界导线，人工成本较高，并且边界导线容易损坏，损坏后移动机器人则无法继续保证在指定的工作区域内工作。因此，本发明的目的在于，提供一种边界识别方法、系统及移动机器人，以摆脱移动机器人对边界导线的依赖。
以下各实施例均可应用于图1所示的移动机器人当中，图1示出的移动机器人包括行走机构1、避障传感模块2、任务执行机构3、以及电路管理模块4，其中：
所述行走机构1主要用于实现移动机器人的移动、避障等功能，通常布置于移动机器人的底部，并接触地面。具体地，所述行走机构1包括但不限于轮式移动机构、步行移动机构(如单腿式、双腿式和多腿式)、履带式移动机构、爬行机构等等。
所述避障传感模块2主要用于感应障碍，以作为所述行走机构1执行避障动作的信号发起者，通常布置于移动机器人的机身上。具体地，所述避障传感模块2包括但不限于距离传感器、雷达传感器、热释电传感器、红外传感器等等。
所述任务执行机构3主要用于完成移动机器人所需要完成的任务，可以根据需要布置在移动机器人的任何部位上。具体地，不同类型的移动机器人上设置的任务执行机构3存在差异，例如扫地机器人上的任务执行机构3为清扫机构(如吸尘器、毛刷等)，割草机器人上的任务执行机构3为割草机构(如割草刀具等)。
电路管理模块4主要用于对移动机器人进行供电及对电量进行管理，通常布置在移动机器人的机身内部。在移动机器人工作时，所述行走机构1、所述避障传感模块2、所述任务执行机构3、以及所述电路管理模块4可以单独或相互协同工作，以完成移动机器人的任务。
本领域技术人员可以理解的，图1中示出的移动机器人的结构并不构成对移动机器人的限定，在实际实施时，移动机器人还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
实施例一
请参阅图2，所示为本发明第一实施例当中的边界识别方法，所述边界识别方法包括步骤S01至步骤S04。
步骤S01，控制移动机器人在工作边界上移动，记录多个坐标点信息，并通过预设的图像拍摄装置获取边界特征参数。
其中，所述坐标点信息可以通过惯性测量单元、里程计或者GPS中的一种或者多种来获取，这些用于获取坐标点信息的器件可以设置在移动机器人的任意部位上，只需满足使器件能够获取到坐标点信息即可。同时，所要获取并记录的坐标点信息可以为工作边界的所有边界点或部分边界点的坐标信息，所述的部分边界点可以为起点、中点、工作边界的顶点(如四边形的四个顶点)等等。
此外，所述图像拍摄装置可以为摄像头，所述图像拍摄装置可以根据需要设置在移动机器人的任意部位上，只需满足使所述图像拍摄装置能够拍摄到移动机器人当前经过的边界图像即可。所要获取的边界特征参数可以通过边界提取算法对该图像拍摄装置拍摄的边界图像进行分析，以提取出工作边界的边界特征参数。
在具体实施时，可以利用遥控或牵引的方式驱使移动机器人沿着所指定的工作区域的工作边界行走，例如驱使割草机器人沿着指定草坪的边缘行走，从而获取到所述工作边界的坐标点信息以及边界特征参数。
步骤S02，根据所述坐标点信息以及所述边界特征参数，建立地图。
具体地，可以根据记录的坐标点信息建立工作区域的空间坐标系，并以获取的边界特征参数定制出该工作区域的区域环境图，该空间坐标系与该区域环境图相对应，从而建立出所述工作区域的地图。
步骤S03，当所述移动机器人工作时，通过所述地图、所述边界特征参数以及所述移动机器人当前的地理位置信息，判断所述移动机器人是否处于工作边界。
其中，当判断到移动机器人是处于工作边界上时，则执行步骤S04，当判断到移动机器人未处于工作边界上时，则返回执行步骤S03，以继续监测。
具体地，所述移动机器人当前的地理位置信息依然可以由惯性测量单元、里程计或者GPS中的一种或者多种来获取。在移动机器人工作时，可以实时监控移动机器人的当前地理位置信息，当监控到移动机器人的当前地理位置信息接近工作边界时，再判断所述图像拍摄装置当前捕捉的图像当中是否包含所述边界特征参数，若包含则代表移动机器人即将越过该工作边界，则执行步骤S04，以控制机器人后退；若不包含，则代表移动机器人还可以再靠近工作边界移动，则不动作继续监测，直到该图像拍摄装置当前捕捉的图像当中包含所述边界特征参数为止。因此本边界识别方法采用坐标+图像的双重分析来监控工作边界，精度更高，可以避免出现离边界还有一段距离但被误判断为在边界上而提前控制机器人返回的现象。
步骤S04，控制所述移动机器人驶离所述工作边界，以使所述移动机器人在所述工作边界的范围内工作。
具体地，可以通过控制移动机器人的行走机构执行预设动作(如后退、转弯等)来实现使移动机器人驶离工作边界。
综上，本实施例当中的边界识别方法，通过预先采集工作区域的边界坐标点信息及边界特征参数，并根据这些坐标点信息以及边界特征参数来建立该工作区域的地图，当移动机器人工作时，通过该地图、边界特征参数以及移动机器人当前的地理位置信息即可判断出移动机器人是否处于工作边界上，若判断结果为是，则控制移动机器人驶离工作边界，以保证移动机器人始终在工作区域内工作。因此本边界识别方法不依赖边界导线来识别边界，在未埋设边界导线或边界导线损坏的场景下也能正常进行边界识别。
实施例二
请参阅图3，所示为本发明第二实施例当中的边界识别方法，所述边界识别方法包括步骤S11至步骤S17。
步骤S11，控制移动机器人在工作边界上移动，记录多个坐标点信息，并通过预设的图像拍摄装置获取边界特征参数。
其中，所述坐标点信息可以通过惯性测量单元、里程计或者GPS中的一种或者多种来获取，这些用于获取坐标点信息的器件可以设置在移动机器人的任意部位上，只需满足使器件能够获取到坐标点信息即可。同时，所述图像拍摄装置可以为摄像头，所述图像拍摄装置也可以根据需要设置在移动机器人的任意部位上，只需满足使所述图像拍摄装置能够拍摄到移动机器人当前经过的边界图像即可。
在具体实施时，可以利用遥控或牵引的方式驱使移动机器人沿着所指定的工作区域的工作边界行走，例如驱使割草机器人沿着指定草坪的边缘行走，从而获取到所述工作边界的坐标点信息以及边界特征参数。
步骤S12，根据所述坐标点信息以及所述边界特征参数，建立地图。
步骤S13，向用户输出并显示所述地图。
具体地，所述地图可以显示在移动机器人的显示器件上，该显示器件优选为设置在机器人机身上的触摸屏幕，以便于用户与移动机器人进行人机交互。
步骤S14，判断是否接受到用户发送的确定指令。
其中，当判断结果为接收到所述用户发送的确定指令时，代表地图创建成功，则执行步骤S15，当判断结果为未接收到所述用户发送的确定指令时，则代表接收到所述用户发送的建图失败的指令，代表地图创建失败，则返回执行步骤S11至步骤S12，以重新建立地图。
步骤S15，将所述地图进行存储。
步骤S16，当所述移动机器人工作时，通过所述地图、所述边界特征参数以及所述移动机器人当前的地理位置信息，判断所述移动机器人是否处于工作边界。
其中，当判断结果为移动机器人是处于工作边界上时，则执行步骤S17，当判断结果为移动机器人未处于工作边界上时，则返回执行步骤S16，以继续监测。
步骤S17，控制所述移动机器人驶离所述工作边界，以使所述移动机器人在所述工作边界的范围内工作。
在一实施例当中，所述边界特征参数可以为边界线几何特征参数，所述通过预设的图像拍摄装置获取边界特征参数的步骤可以按以下子步骤来进行实施：
通过所述图像拍摄装置拍摄边界图片；
通过图像分割算法对所述边界图像进行分割，以获取所述边界线几何特征参数。
其中，所述的图像分割算法的过程可以为：
第一步、首先进行图像的二值化，以将RGB图像彩图转换为黑白图。摄像头拍摄到的图像为RGB图像，计算绿色通道占红、绿、蓝三通道颜色数字和的比值，若比值大于阈值A(如0.5)，则将该相素灰度值设为0，反之设为255，若RGB三色通道总和小于一个阈值B(如10)，也将该相素灰度值设为255，即对于任意像素点Pij，其灰度值计算为：
其中，ij表示图像第i行第j列像素点，R表示红色，G表示绿色，B表示蓝色。
第二步、进行图像的二值化处理，包括腐蚀化和膨胀化，腐蚀和膨胀处理后效果如图4所示。
第三步、对于连通区域的处理，提取图像中最大连通区域，对于最大连通区域内连通区域面积小于一定阈值的区域进行填充，经过本步骤后的效果如图5所示。
第四步、提取边界线的几何特征，比如图5中左边黑色区域为草坪区域，右边白色区域为非草坪区域，中间为草坪边界线，边界线的几何特征可以为草坪边界线的草坪像素的相对位置关系，相对位置编码如图6所示，计算方法可以为根据从上到下或者从左到右像素的相对位置计算，以得到边界线的几何特征，比如图7的边界线，其边界特征计算为一个数组[3 3 4 5 4 3 2 4 3 4 3 2 4 4 5 4 4 5 4 4 6 5]。
在另一实施例当中，所述边界特征参数为特征点参数，所述通过预设的图像拍摄装置获取边界特征参数的步骤可以按以下子步骤来进行实施：
通过所述图像拍摄装置拍摄边界图片；
提取所述边界图片中的特征点参数。
其中，图像边界特征点由关键点和描述子两部分组成，关键点是指特征点在图像中的位置；描述子通常为一个向量，描述了该关键点周围像素的信息。本专利中的特征点可以为SIFT(尺度不变特征变换)、SURF(加速稳健特征)或者ORB特征点。下面示例性的说明在检测到边界线时提取ORB特征点参数的过程：
第一步，将图像转换成灰度图，转换公式可以为：
像素灰度值＝(R+G+B)/3，R、G、B分别表示像素点的R分量、G分量、B分量的取值，该公式的原理为将所有像素点的像素值设置为该像素点自身R分量、G分量及B分量的平均值，从而实现灰度化。
第二步，计算图像的FAST角点，计算过程如下：
a.在图像中选取像素p，假设其亮度为Ip，并设置一个阈值T(如Ip的20％)；
b.以像素p为中心，选取半径为3的圆上的16个像素点；
c.假如选取的圆上有连续N个点的亮度大于Ip+T或小于Ip–T，那么像素p可以认为是一个特征点(N可以取值12)；
d.循环以上三步，对每个像素执行相同的操作。
e.计算所有FAST角点的Harris响应值，对一定区域内，仅保留响应极大值的角点，然后对整个图像的响应值进行排序，选取前N个具有最大响应值的角点作为最终的角点集合；
f.计算上述FAST角点的尺度和旋转的描述，尺度的描述通过构建图像金字塔，并在金字塔的每一层检测角点来实现，旋转的描述通过灰度质心法来实现。
第三步、计算关键点的BRIEF描述子，计算方法为旋转关键点附近的两个像素(如p和q)，如果p>q，则描述向量记为1，反之记为0，选择多组(如128)p和q，计算得到多维(如128)向量，利用第二步中关键点的方向信息，计算旋转后的描述子特征。
实施例三
本发明另一方面还提出一种边界识别系统，请参阅图8，所示为本发明第三实施例当的边界识别系统，所述边界识别系统包括移动控制模块11、地图建立模块12以及边界识别模块13，其中：
移动控制模块11，用于控制移动机器人在工作边界上移动，记录多个坐标点信息，并通过预设的图像拍摄装置获取边界特征参数。
其中，所述坐标点信息可以通过惯性测量单元、里程计或者GPS中的一种或者多种来获取，这些用于获取坐标点信息的器件可以设置在移动机器人的任意部位上，只需满足使器件能够获取到坐标点信息即可。同时，所要获取并记录的坐标点信息可以为工作边界的所有边界点或部分边界点的坐标信息，所述的部分边界点可以为起点、中点、工作边界的顶点(如四边形的四个顶点)等等。
此外，所述图像拍摄装置可以为摄像头，所述图像拍摄装置可以根据需要设置在移动机器人的任意部位上，只需满足使所述图像拍摄装置能够拍摄到移动机器人当前经过的边界图像即可。所要获取的边界特征参数可以通过边界提取算法对该图像拍摄装置拍摄的边界图像进行分析，以提取出工作边界的边界特征参数。
在具体实施时，可以利用遥控或牵引的方式驱使移动机器人沿着所指定的工作区域的工作边界行走，例如驱使割草机器人沿着指定草坪的边缘行走，从而获取到所述工作边界的坐标点信息以及边界特征参数。
地图建立模块12，用于根据所述坐标点信息以及所述边界特征参数，建立地图。
具体地，可以根据记录的坐标点信息建立工作区域的空间坐标系，并以获取的边界特征参数定制出该工作区域的区域环境图，该空间坐标系与该区域环境图相对应，从而建立出所述工作区域的地图。
边界识别模块13，用于当所述移动机器人工作时，通过所述地图、所述边界特征参数以及所述移动机器人当前的地理位置信息，判断所述移动机器人是否处于工作边界。
并且，当判断结果为所述移动机器人是处于工作边界上，所述移动控制模块11控制所述移动机器人驶离所述工作边界，以使所述移动机器人在所述工作边界的范围内工作。
具体地，所述移动机器人当前的地理位置信息依然可以由惯性测量单元、里程计或者GPS中的一种或者多种来获取。在移动机器人工作时，可以实时监控移动机器人的当前地理位置信息，当监控到移动机器人的当前地理位置信息接近工作边界时，再判断所述图像拍摄装置当前捕捉的图像当中是否包含所述边界特征参数，若包含则代表移动机器人即将越过该工作边界，则执行步骤S04，以控制机器人后退；若不包含，则代表移动机器人还可以再靠近工作边界移动，则不动作继续监测，直到该图像拍摄装置当前捕捉的图像当中包含所述边界特征参数为止。因此本边界识别方法采用坐标+图像的双重分析来监控工作边界，精度更高，可以避免出现离边界还有一段距离但被误判断为在边界上而提前控制机器人返回的现象。
此外，具体地，可以通过控制移动机器人的行走机构执行预设动作(如后退、转弯等)来实现使移动机器人驶离工作边界。
更进一步地，所述边界特征参数为边界线几何特征参数，所述移动控制模块11还可以用于通过所述图像拍摄装置拍摄边界图片，并通过图像分割算法对所述边界图像进行分割，以获取所述边界线几何特征参数。
更进一步地，所述边界特征参数为特征点参数，所述移动控制模块11还可以用于通过所述图像拍摄装置拍摄边界图片，并提取所述边界图片中的特征点参数。
更进一步地，所述地图建立模块12还可以用于向用户输出并显示所述地图，且当接收到所述用户发送的确定指令时，将所述地图进行存储；并且
当接收到所述用户发送的建图失败的指令时，所述边界识别系统重新建立地图。
综上，本实施例当中的边界识别系统，通过预先采集工作区域的边界坐标点信息及边界特征参数，并根据这些坐标点信息以及边界特征参数来建立该工作区域的地图，当移动机器人工作时，通过该地图、边界特征参数以及移动机器人当前的地理位置信息即可判断出移动机器人是否处于工作边界上，若判断结果为是，则控制移动机器人驶离工作边界，以保证移动机器人始终在工作区域内工作。因此本边界识别方法不依赖边界导线来识别边界，在未埋设边界导线或边界导线损坏的场景下也能正常进行边界识别。
实施例四
本发明另一方面还提出一种移动机器人，请参阅图9，所示为本发明第四实施例当的移动机器人，包括处理器10、存储器20、图像拍摄装置30、以及存储在存储器上并可在处理器上运行的计算机程序40，所述处理器10运行所述计算机程序40时，所述移动机器人执行上述的边界识别方法。
其中，处理器10在一些实施例中可以是一中央处理器(Central ProcessingUnit,CPU)、上位机、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器20中存储的程序代码或处理数据。
其中，存储器20至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器20在一些实施例中可以是移动机器人的内部存储单元，例如该移动机器人的硬盘。存储器20在另一些实施例中也可以是移动机器人的外部存储设备，例如移动机器人上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器20还可以既包括移动机器人的内部存储单元也包括外部存储设备。存储器20不仅可以用于存储安装于移动机器人的应用软件及各类数据，还可以用于暂时地存储已经输出或者将要输出的数据。
可选地，该移动机器人还可以包括用户接口、网络接口、通信总线等，用户接口可以包括显示器(Display)、输入单元比如遥控器、实体按键等，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在移动机器人中处理的信息以及用于显示可视化的用户界面。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该装置与其他电子设备之间建立通信连接。通信总线用于实现移动机器人中各个组件之间的连接通信。
需要指出的是，图9示出的结构并不构成对移动机器人的限定，在其它实施例当中，该移动机器人可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
综上，本实施例当中的移动机器人，通过预先采集工作区域的边界坐标点信息及边界特征参数，并根据这些坐标点信息以及边界特征参数来建立该工作区域的地图，当移动机器人工作时，通过该地图、边界特征参数以及移动机器人当前的地理位置信息即可判断出移动机器人是否处于工作边界上，若判断结果为是，则控制移动机器人驶离工作边界，以保证移动机器人始终在工作区域内工作。因此本边界识别方法不依赖边界导线来识别边界，在未埋设边界导线或边界导线损坏的场景下也能正常进行边界识别。
本实施例还提供了一种存储介质，其上存储有上述移动机器人中所使用的计算机程序40，该程序在被处理器执行时实现上述的边界识别方法。
其中，所述的存储介质可以为但不限于ROM/RAM、磁碟、光盘等可读的存储介质。
本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种边界识别方法，其特征在于，所述方法包括：
控制移动机器人在工作边界上移动，记录多个坐标点信息，并通过预设的图像拍摄装置获取边界特征参数；
根据所述坐标点信息以及所述边界特征参数，建立地图；
当所述移动机器人工作时，通过所述地图、所述边界特征参数以及所述移动机器人当前的地理位置信息，判断所述移动机器人是否处于工作边界；
当判断结果为是，则控制所述移动机器人驶离所述工作边界，以使所述移动机器人在所述工作边界的范围内工作。
2.如权利要求1所述的边界识别方法，其特征在于，所述坐标点信息通过惯性测量单元、里程计或者GPS中的一种或者多种来获取。
3.如权利要求1所述的边界识别方法，其特征在于，所述边界特征参数为边界线几何特征参数，所述通过预设的图像拍摄装置获取边界特征参数，包括：
通过所述图像拍摄装置拍摄边界图片；
通过图像分割算法对所述边界图像进行分割，以获取所述边界线几何特征参数。
4.如权利要求1所述的边界识别方法，其特征在于，所述边界特征参数为特征点参数，所述通过预设的图像拍摄装置获取边界特征参数，包括：
通过所述图像拍摄装置拍摄边界图片；
提取所述边界图片中的特征点参数。
5.如权利要求1所述的边界识别方法，其特征在于，所述根据所述坐标点信息以及所述边界特征参数，建立地图之后，还包括：
向用户输出并显示所述地图；
当接收到所述用户发送的确定指令时，将所述地图进行存储；
当接收到所述用户发送的建图失败的指令时，重新建立地图。
6.一种边界识别系统，其特征在于，包括：
移动控制模块，用于控制移动机器人在工作边界上移动，记录多个坐标点信息，并通过预设的图像拍摄装置获取边界特征参数；
地图建立模块，用于根据所述坐标点信息以及所述边界特征参数，建立地图；
边界识别模块，用于当所述移动机器人工作时，通过所述地图、所述边界特征参数以及所述移动机器人当前的地理位置信息，判断所述移动机器人是否处于工作边界；
当判断结果为是，所述移动控制模块控制所述移动机器人驶离所述工作边界，以使所述移动机器人在所述工作边界的范围内工作。
7.如权利要求6所述的边界识别系统，其特征在于，所述坐标点信息通过惯性测量单元、里程计或者GPS中的一种或者多种来获取。
8.如权利要求1所述的边界识别系统，其特征在于，所述地图建立模块还用于向用户输出并显示所述地图，且当接收到所述用户发送的确定指令时，将所述地图进行存储；
当接收到所述用户发送的建图失败的指令时，所述边界识别系统重新建立地图。
9.一种移动机器人，其特征在于，包括图像拍摄装置、处理器、存储器、以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器运行所述计算机程序时，所述移动机器人执行权利要求1至5任一项所述的边界识别方法。
10.一种存储介质，其特征在于，其存储有权利要求9所述的移动机器人中所使用的计算机程序，该计算机程序被处理器执行时实现权利要求1至5任一项所述的边界识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910562284.6A CN110347153A (zh) | 2019-06-26 | 2019-06-26 | 一种边界识别方法、系统及移动机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910562284.6A CN110347153A (zh) | 2019-06-26 | 2019-06-26 | 一种边界识别方法、系统及移动机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110347153A true CN110347153A (zh) | 2019-10-18 |
Family
ID=68183234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910562284.6A Pending CN110347153A (zh) | 2019-06-26 | 2019-06-26 | 一种边界识别方法、系统及移动机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110347153A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111168678A (zh) * | 2020-01-09 | 2020-05-19 | 上海丛远机械有限公司 | 行走机器人、控制行走机器人的方法和行走机器人系统 |
| CN111399502A (zh) * | 2020-03-09 | 2020-07-10 | 惠州拓邦电气技术有限公司 | 移动机器人的建图方法、装置及移动机器人 |
| CN111563416A (zh) * | 2020-04-08 | 2020-08-21 | 安徽舒州农业科技有限责任公司 | 一种基于插秧机的自动转向方法及系统 |
| CN113156929A (zh) * | 2020-01-06 | 2021-07-23 | 苏州宝时得电动工具有限公司 | 自移动设备 |
| CN113296495A (zh) * | 2020-02-19 | 2021-08-24 | 苏州宝时得电动工具有限公司 | 自移动设备的路径形成方法、装置和自动工作系统 |
| CN113807118A (zh) * | 2020-05-29 | 2021-12-17 | 苏州科瓴精密机械科技有限公司 | 机器人沿边工作方法、系统，机器人及可读存储介质 |
| CN113885495A (zh) * | 2021-09-29 | 2022-01-04 | 邦鼓思电子科技（上海）有限公司 | 一种基于机器视觉的室外自动工作控制系统、方法及设备 |
| WO2022095170A1 (zh) * | 2020-11-09 | 2022-05-12 | 苏州科瓴精密机械科技有限公司 | 一种障碍物识别方法、装置、设备、介质及除草机器人 |
| CN114489083A (zh) * | 2022-02-11 | 2022-05-13 | 松灵机器人(深圳)有限公司 | 一种工作区域构建方法及相关装置 |
| CN116088533A (zh) * | 2022-03-24 | 2023-05-09 | 未岚大陆(北京)科技有限公司 | 信息确定方法、远程终端、设备、割草机及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060293810A1 (en) * | 2005-06-13 | 2006-12-28 | Kabushiki Kaisha Toshiba | Mobile robot and a method for calculating position and posture thereof |
| US20160100522A1 (en) * | 2014-10-10 | 2016-04-14 | Irobot Corporation | Robotic Lawn Mowing Boundary Determination |
| US20170364088A1 (en) * | 2014-12-17 | 2017-12-21 | Husqvarna Ab | Robotic vehicle learning site boundary |
| WO2018074903A1 (ko) * | 2016-10-20 | 2018-04-26 | 엘지전자 주식회사 | 이동 로봇의 제어방법 |
| CN108227705A (zh) * | 2016-12-15 | 2018-06-29 | 苏州宝时得电动工具有限公司 | 自移动设备的回归方法、自移动设备、存储介质和服务器 |
| CN109491397A (zh) * | 2019-01-14 | 2019-03-19 | 深圳市傲基电子商务股份有限公司 | 割草机器人及其割草区域划定方法 |
-
2019
- 2019-06-26 CN CN201910562284.6A patent/CN110347153A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060293810A1 (en) * | 2005-06-13 | 2006-12-28 | Kabushiki Kaisha Toshiba | Mobile robot and a method for calculating position and posture thereof |
| US20160100522A1 (en) * | 2014-10-10 | 2016-04-14 | Irobot Corporation | Robotic Lawn Mowing Boundary Determination |
| US20170364088A1 (en) * | 2014-12-17 | 2017-12-21 | Husqvarna Ab | Robotic vehicle learning site boundary |
| WO2018074903A1 (ko) * | 2016-10-20 | 2018-04-26 | 엘지전자 주식회사 | 이동 로봇의 제어방법 |
| CN108227705A (zh) * | 2016-12-15 | 2018-06-29 | 苏州宝时得电动工具有限公司 | 自移动设备的回归方法、自移动设备、存储介质和服务器 |
| CN109491397A (zh) * | 2019-01-14 | 2019-03-19 | 深圳市傲基电子商务股份有限公司 | 割草机器人及其割草区域划定方法 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113156929A (zh) * | 2020-01-06 | 2021-07-23 | 苏州宝时得电动工具有限公司 | 自移动设备 |
| CN113156929B (zh) * | 2020-01-06 | 2024-02-23 | 苏州宝时得电动工具有限公司 | 自移动设备 |
| CN111168678A (zh) * | 2020-01-09 | 2020-05-19 | 上海丛远机械有限公司 | 行走机器人、控制行走机器人的方法和行走机器人系统 |
| CN111168678B (zh) * | 2020-01-09 | 2023-07-07 | 上海山科机器人有限公司 | 行走机器人、控制行走机器人的方法和行走机器人系统 |
| CN113296495B (zh) * | 2020-02-19 | 2023-10-20 | 苏州宝时得电动工具有限公司 | 自移动设备的路径形成方法、装置和自动工作系统 |
| CN113296495A (zh) * | 2020-02-19 | 2021-08-24 | 苏州宝时得电动工具有限公司 | 自移动设备的路径形成方法、装置和自动工作系统 |
| CN111399502A (zh) * | 2020-03-09 | 2020-07-10 | 惠州拓邦电气技术有限公司 | 移动机器人的建图方法、装置及移动机器人 |
| CN111563416A (zh) * | 2020-04-08 | 2020-08-21 | 安徽舒州农业科技有限责任公司 | 一种基于插秧机的自动转向方法及系统 |
| CN113807118A (zh) * | 2020-05-29 | 2021-12-17 | 苏州科瓴精密机械科技有限公司 | 机器人沿边工作方法、系统，机器人及可读存储介质 |
| CN113807118B (zh) * | 2020-05-29 | 2024-03-08 | 苏州科瓴精密机械科技有限公司 | 机器人沿边工作方法、系统，机器人及可读存储介质 |
| WO2022095170A1 (zh) * | 2020-11-09 | 2022-05-12 | 苏州科瓴精密机械科技有限公司 | 一种障碍物识别方法、装置、设备、介质及除草机器人 |
| CN113885495A (zh) * | 2021-09-29 | 2022-01-04 | 邦鼓思电子科技（上海）有限公司 | 一种基于机器视觉的室外自动工作控制系统、方法及设备 |
| CN114489083A (zh) * | 2022-02-11 | 2022-05-13 | 松灵机器人(深圳)有限公司 | 一种工作区域构建方法及相关装置 |
| CN116088533A (zh) * | 2022-03-24 | 2023-05-09 | 未岚大陆(北京)科技有限公司 | 信息确定方法、远程终端、设备、割草机及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110347153A (zh) | 一种边界识别方法、系统及移动机器人 | |
| US10839530B1 (en) | Moving point detection | |
| Li et al. | Springrobot: A prototype autonomous vehicle and its algorithms for lane detection | |
| Blas et al. | Fast color/texture segmentation for outdoor robots | |
| CN110084243B (zh) | 一种基于二维码和单目相机的档案识别与定位方法 | |
| US11688081B2 (en) | Method of performing simultaneous localization and mapping with respect to a salient object in an image | |
| CN103459099A (zh) | 与一个可移动的远程机器人相互交流 | |
| CN111856963A (zh) | 一种基于车载环视系统的泊车仿真方法及装置 | |
| CN108303096A (zh) | 一种视觉辅助激光定位系统及方法 | |
| Maier et al. | Self-supervised obstacle detection for humanoid navigation using monocular vision and sparse laser data | |
| Maier et al. | Vision-based humanoid navigation using self-supervised obstacle detection | |
| CN104850219A (zh) | 估计附着物体的人体姿势的设备和方法 | |
| CN114683290B (zh) | 一种足式机器人位姿优化的方法，装置以及存储介质 | |
| CN111767831B (zh) | 用于处理图像的方法、装置、设备及存储介质 | |
| CN111008993A (zh) | 一种行人跨镜追踪的方法及装置 | |
| CN110986945A (zh) | 基于语义高度地图的局部导航方法和系统 | |
| CN113696180A (zh) | 机器人自动回充方法、装置、存储介质及机器人系统 | |
| WO2024087962A1 (zh) | 车厢姿态识别系统、方法、电子设备及存储介质 | |
| Batista et al. | Lane detection and estimation using perspective image | |
| CN111191557B (zh) | 一种标志识别定位方法、标志识别定位装置及智能设备 | |
| Hong et al. | Fusing ladar and color image information for mobile robot feature detection and tracking | |
| Markelic et al. | The driving school system: Learning basic driving skills from a teacher in a real car | |
| Maier et al. | Appearance-based traversability classification in monocular images using iterative ground plane estimation | |
| CN108549877B (zh) | 一种基于神经网络的循迹机器人轨迹识别方法 | |
| CN113515143A (zh) | 机器人导航方法、机器人及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |