CN112161622A - 一种机器人足迹规划方法、装置、可读存储介质及机器人 - Google Patents
一种机器人足迹规划方法、装置、可读存储介质及机器人 Download PDFInfo
- Publication number
- CN112161622A CN112161622A CN202010887219.3A CN202010887219A CN112161622A CN 112161622 A CN112161622 A CN 112161622A CN 202010887219 A CN202010887219 A CN 202010887219A CN 112161622 A CN112161622 A CN 112161622A
- Authority
- CN
- China
- Prior art keywords
- robot
- target space
- footprint
- planning
- walkable
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 21
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 239000011800 void material Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
Abstract
本申请属于机器人技术领域，尤其涉及一种机器人足迹规划方法、装置、计算机可读存储介质及机器人。所述方法使用预设的3D视觉传感器对指定的目标空间进行全局扫描，得到所述目标空间的深度信息；根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图；在所述地形环境表面图中分别划分出各个可行走区域；对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格；根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划。通过本申请实施例，可以精确估计复杂地形表面几何属性，并在足迹规划时加入对机器人的双足关节运动学约束的考虑，能够直接适用于人形机器人。
Description
技术领域
本申请属于机器人技术领域，尤其涉及一种机器人足迹规划方法、装置、计算机可读存储介质及机器人。
背景技术
现有技术在进行机器人足迹规划时，一般会将三维点云转换为如图1所示的八叉树地图(OctoMap)，并基于寻路算法进行规划。但是，OctoMap的空间表示力度无法满足复杂地形地图表面几何属性的精确重建，导致精确度较低，而且这种方式也并未考虑人形机器人的运动特点，难以直接适用于人形机器人。
发明内容
有鉴于此，本申请实施例提供了一种机器人足迹规划方法、装置、计算机可读存储介质及机器人，以解决现有的机器人足迹规划方法精确度较低，且难以直接适用于人形机器人的问题。
本申请实施例的第一方面提供了一种机器人足迹规划方法，可以包括：
使用预设的3D视觉传感器对指定的目标空间进行全局扫描，得到所述目标空间的深度信息；
根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图；
在所述地形环境表面图中分别划分出各个可行走区域；
对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格；
根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划。
进一步地，所述根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图，包括：
对所述目标空间进行体素化处理，得到体素化的目标空间；
将所述深度信息映射到所述体素化的目标空间中，并计算所述体素化的目标空间中各个体素立方体的TSDF值；
将TSDF值为0的体素立方体构造为所述目标空间的体素化的地形环境表面图。
进一步地，所述在所述地形环境表面图中分别划分出各个可行走区域，包括：
在所述地形环境表面图中分别划分出各个初步可行走区域，所述初步可行走区域为由连续的满足预设高度误差范围的体素立方体构成的区域；
对存在空洞的初步可行走区域进行拆分，并对为凹多边形的可行走区域进行拆分，得到各个无空洞且为凸多边形的可行走区域。
进一步地，所述对存在空洞的初步可行走区域进行拆分，包括：
对存在空洞的初步可行走区域，将相邻的空洞进行连接，并将每个空洞与距离最近的边缘体素立方体进行连接，从而拆分出新的区域。
进一步地，所述对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格，包括：
提取各个可行走区域的轮廓多边形；
对于每个轮廓多边形，分别以轮廓多边形的各个顶点为起点，在朝向轮廓多边形中心点的方向上依次添加新的点，相邻点之间的间距为所述机器人的最大步幅；
相互连接各个点，得到各个分解多边形；
确定各个分解多边形的外接圆的圆心，并连接各个圆心，得到所述三维导航网格。
进一步地，所述根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划，包括：
使用预设的导航网格算法在所述三维导航网格中进行路径规划，得到所述机器人的目标路径；
在所述目标路径上进行满足所述双足关节运动学约束的足迹规划。
进一步地，所述双足关节运动学约束为双足关节的抬高幅度、前抬角度幅度、以及足迹间距之间的约束关系。
本申请实施例的第二方面提供了一种机器人足迹规划装置，可以包括：
视觉扫描模块，用于使用预设的3D视觉传感器对指定的目标空间进行全局扫描，得到所述目标空间的深度信息；
三维重建模块，用于根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图；
可行走区域划分模块，用于在所述地形环境表面图中分别划分出各个可行走区域；
导航网格生成模块，用于对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格；
足迹规划模块，用于根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划。
进一步地，所述三维重建模块可以包括：
体素化处理单元，用于对所述目标空间进行体素化处理，得到体素化的目标空间；
深度信息映射单元，用于将所述深度信息映射到所述体素化的目标空间中，并计算所述体素化的目标空间中各个体素立方体的TSDF值；
地形环境表面图构建单元，用于将TSDF值为0的体素立方体构造为所述目标空间的体素化的地形环境表面图。
进一步地，所述可行走区域划分模块可以包括：
初步可行走区域划分单元，用于在所述地形环境表面图中分别划分出各个初步可行走区域，所述初步可行走区域为由连续的满足预设高度误差范围的体素立方体构成的区域；
可行走区域优化处理单元，用于对存在空洞的初步可行走区域进行拆分，并对为凹多边形的可行走区域进行拆分，得到各个无空洞且为凸多边形的可行走区域。
进一步地，所述可行走区域优化处理单元可以包括：
空洞处理子单元，用于对存在空洞的初步可行走区域，将相邻的空洞进行连接，并将每个空洞与距离最近的边缘体素立方体进行连接，从而拆分出新的区域。
进一步地，所述导航网格生成模块可以包括：
轮廓多边形提取单元，用于提取各个可行走区域的轮廓多边形；
新点添加单元，用于对于每个轮廓多边形，分别以轮廓多边形的各个顶点为起点，在朝向轮廓多边形中心点的方向上依次添加新的点，相邻点之间的间距为所述机器人的最大步幅；
分解多边形构造单元，用于相互连接各个点，得到各个分解多边形；
导航网格生成单元，用于确定各个分解多边形的外接圆的圆心，并连接各个圆心，得到所述三维导航网格。
进一步地，所述足迹规划模块可以包括：
目标路径确定单元，用于使用预设的导航网格算法在所述三维导航网格中进行路径规划，得到所述机器人的目标路径；
足迹规划单元，用于在所述目标路径上进行满足所述双足关节运动学约束的足迹规划。
进一步地，所述双足关节运动学约束为双足关节的抬高幅度、前抬角度幅度、以及足迹间距之间的约束关系。
本申请实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种机器人足迹规划方法的步骤。
本申请实施例的第四方面提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种机器人足迹规划方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在机器人上运行时，使得机器人执行上述任一种机器人足迹规划方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：本申请实施例使用预设的3D视觉传感器对指定的目标空间进行全局扫描，得到所述目标空间的深度信息；根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图；在所述地形环境表面图中分别划分出各个可行走区域；对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格；根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划。通过本申请实施例，使用3D视觉传感器进行全局稠密建图，并生成三维网格化地图，可以精确估计复杂地形表面几何属性，并在足迹规划时加入对机器人的双足关节运动学约束的考虑，能够直接适用于人形机器人。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为OctoMap的示意图；
图2为本申请实施例中一种机器人足迹规划方法的一个实施例流程图；
图3为体素化的地形环境表面图的示意图；
图4为AABB包围框的示意图；
图5为初步可行走区域的示意图；
图6为对存在空洞的初步可行走区域进行拆分的示意图；
图7为提取轮廓多边形的示意图；
图8为三角化过程的示意图；
图9为三维导航网格的示意图；
图10为机器人的双足关节运动学约束
图11申请实施例中一种机器人足迹规划装置的一个实施例结构图；
图12申请实施例中一种机器人的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参阅图2，本申请实施例中一种机器人足迹规划方法的一个实施例可以包括：
步骤S201、使用预设的3D视觉传感器对指定的目标空间进行全局扫描，得到所述目标空间的深度信息。
在本申请实施例中，可以在人形机器人上预先配置3D视觉传感器，以便对指定的目标空间进行全局扫描，所述3D视觉传感器可以包括但不限于RGB-D相机和TOF相机。为了保证完整重建整个目标空间的地形环境，可以对所述目标空间进行多次的来回扫描。
步骤S202、根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图。
在本申请实施例中，可以采用现有技术中的任意一种三维重建算法来进行所述目标空间的三维重建，这些三维重建算法可以包括但不限于InfiniTAM v3和KinectFusion等稠密三维重建算法。
具体地，可以首先对所述目标空间进行体素化处理，得到体素化的目标空间；然后，将所述深度信息映射到所述体素化的目标空间中，并计算所述体素化的目标空间中各个体素立方体(Voxel)的TSDF(Truncated Signed Distance Function)值；最后，只保留了属于地形环境表面的体素立方体，也即将TSDF值为0的体素立方体构造为所述目标空间的体素化的地形环境表面图，如图3所示。
步骤S203、在所述地形环境表面图中分别划分出各个可行走区域。
具体地，可以首先在所述地形环境表面图中分别划分出各个初步可行走区域。所述初步可行走区域为由连续的满足预设高度误差范围的体素立方体构成的区域。如图4所示，可以生成整个目标空间的AABB包围框，将AABB包围框Z轴刻度设为体素立方体的尺寸(如1厘米)，并预留一定的高度误差范围(如±0.2厘米)，则处于同一刻度且连续的体素立方体可以划分为同一区域，也即如图5所示的初步可行走区域。
然后，对存在空洞的初步可行走区域进行拆分，并对为凹多边形的可行走区域进行拆分，得到各个无空洞且为凸多边形的可行走区域，各个可行走区域之间互不重叠。
如图6所示，对存在空洞的初步可行走区域，将相邻的空洞进行连接，并将每个空洞与距离最近的边缘体素立方体进行连接，从而拆分出新的区域，所述边缘体素立方体为处于初步可行走区域边缘的体素立方体。特殊地，如左图中所示，若连接空洞的边超出了区域边界，则需在交叉处补充新的连接顶点。
步骤S204、对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格。
具体地，可以首先提取各个可行走区域的轮廓多边形，从而将庞大的体素化数据转为极小的多边形数据(顶点、边、顶点的高度值等)，轮廓提取可以采用现有技术中的任意一种多边形拟合方法，本申请实施例对此不作具体限定。如图7所示，每个轮廓多边形均为凸多边形，这样可以保证各个顶点间均可直线到达。
本申请实施例在三角化的过程中综合考虑了机器人的步幅以及各个方向的移动规划轨迹。如图8所示，对于每个轮廓多边形，分别以轮廓多边形的各个顶点为起点，在朝向轮廓多边形中心点(在图中用五星标记)的方向上依次添加新的点(在图中用黑点标记)，相邻点之间的间距为所述机器人的最大步幅；相互连接各个点，得到各个分解多边形；确定各个分解多边形的外接圆的圆心(在图中用三角标记)，并连接各个圆心，得到三角剖分结果，也即所述三维导航网格。图9所示即为所述目标空间完整的三维导航网格的示意图；
步骤S205、根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划。
具体地，可以首先使用预设的导航网格算法在所述三维导航网格中进行路径规划，得到所述机器人的目标路径。在本申请实施例中，可以使用现有技术中的任意一种导航网格算法，本申请实施例对此不作具体限定。在这一过程中，综合考虑地形及障碍物的影响，在所述三维导航网格中寻找出一条从起始点运动到目标点的全局最优路径，也即所述目标路径。
在得到所述目标路径之后，即可在所述目标路径上进行满足所述双足关节运动学约束的足迹规划。如图10所示，所述双足关节运动学约束为双足关节的抬高幅度、前抬角度幅度、以及足迹间距之间的约束关系。将双足关节运动学约束加入规划优化目标方程，采用常规的关节运动学方程即可求解。
综上所述，本申请实施例使用预设的3D视觉传感器对指定的目标空间进行全局扫描，得到所述目标空间的深度信息；根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图；在所述地形环境表面图中分别划分出各个可行走区域；对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格；根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划。通过本申请实施例，使用3D视觉传感器进行全局稠密建图，并生成三维网格化地图，可以精确估计复杂地形表面几何属性，并在足迹规划时加入对机器人的双足关节运动学约束的考虑，能够直接适用于人形机器人。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种机器人足迹规划方法，图11示出了本申请实施例提供的一种机器人足迹规划装置的一个实施例结构图。
本实施例中，一种机器人足迹规划装置可以包括：
视觉扫描模块1101，用于使用预设的3D视觉传感器对指定的目标空间进行全局扫描，得到所述目标空间的深度信息；
三维重建模块1102，用于根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图；
可行走区域划分模块1103，用于在所述地形环境表面图中分别划分出各个可行走区域；
导航网格生成模块1104，用于对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格；
足迹规划模块1105，用于根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划。
进一步地，所述三维重建模块可以包括：
体素化处理单元，用于对所述目标空间进行体素化处理，得到体素化的目标空间；
深度信息映射单元，用于将所述深度信息映射到所述体素化的目标空间中，并计算所述体素化的目标空间中各个体素立方体的TSDF值；
地形环境表面图构建单元，用于将TSDF值为0的体素立方体构造为所述目标空间的体素化的地形环境表面图。
进一步地，所述可行走区域划分模块可以包括：
初步可行走区域划分单元，用于在所述地形环境表面图中分别划分出各个初步可行走区域，所述初步可行走区域为由连续的满足预设高度误差范围的体素立方体构成的区域；
可行走区域优化处理单元，用于对存在空洞的初步可行走区域进行拆分，并对为凹多边形的可行走区域进行拆分，得到各个无空洞且为凸多边形的可行走区域。
进一步地，所述可行走区域优化处理单元可以包括：
空洞处理子单元，用于对存在空洞的初步可行走区域，将相邻的空洞进行连接，并将每个空洞与距离最近的边缘体素立方体进行连接，从而拆分出新的区域。
进一步地，所述导航网格生成模块可以包括：
轮廓多边形提取单元，用于提取各个可行走区域的轮廓多边形；
新点添加单元，用于对于每个轮廓多边形，分别以轮廓多边形的各个顶点为起点，在朝向轮廓多边形中心点的方向上依次添加新的点，相邻点之间的间距为所述机器人的最大步幅；
分解多边形构造单元，用于相互连接各个点，得到各个分解多边形；
导航网格生成单元，用于确定各个分解多边形的外接圆的圆心，并连接各个圆心，得到所述三维导航网格。
进一步地，所述足迹规划模块可以包括：
目标路径确定单元，用于使用预设的导航网格算法在所述三维导航网格中进行路径规划，得到所述机器人的目标路径；
足迹规划单元，用于在所述目标路径上进行满足所述双足关节运动学约束的足迹规划。
进一步地，所述双足关节运动学约束为双足关节的抬高幅度、前抬角度幅度、以及足迹间距之间的约束关系。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
图12示出了本申请实施例提供的一种机器人的示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。
如图12所示，该实施例的机器人12包括：处理器120、存储器121以及存储在所述存储器121中并可在所述处理器120上运行的计算机程序122。所述处理器120执行所述计算机程序122时实现上述各个机器人足迹规划方法实施例中的步骤，例如图2所示的步骤S201至步骤S205。或者，所述处理器120执行所述计算机程序122时实现上述各装置实施例中各模块/单元的功能，例如图11所示模块1101至模块1105的功能。
示例性的，所述计算机程序122可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器121中，并由所述处理器120执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序122在所述机器人12中的执行过程。
本领域技术人员可以理解，图12仅仅是机器人12的示例，并不构成对机器人12的限定，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，例如所述机器人12还可以包括输入输出设备、网络接入设备、总线等。
所述处理器120可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器121可以是所述机器人12的内部存储单元，例如机器人12的硬盘或内存。所述存储器121也可以是所述机器人12的外部存储设备，例如所述机器人12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，所述存储器121还可以既包括所述机器人12的内部存储单元也包括外部存储设备。所述存储器121用于存储所述计算机程序以及所述机器人12所需的其它程序和数据。所述存储器121还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/机器人和方法，可以通过其它的方式实现。例如，以上所描述的装置/机器人实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种机器人足迹规划方法，其特征在于，包括：
使用预设的3D视觉传感器对指定的目标空间进行全局扫描，得到所述目标空间的深度信息；
根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图；
在所述地形环境表面图中分别划分出各个可行走区域；
对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格；
根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划。
2.根据权利要求1所述的机器人足迹规划方法，其特征在于，所述根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图，包括：
对所述目标空间进行体素化处理，得到体素化的目标空间；
将所述深度信息映射到所述体素化的目标空间中，并计算所述体素化的目标空间中各个体素立方体的TSDF值；
将TSDF值为0的体素立方体构造为所述目标空间的体素化的地形环境表面图。
3.根据权利要求1所述的机器人足迹规划方法，其特征在于，所述在所述地形环境表面图中分别划分出各个可行走区域，包括：
在所述地形环境表面图中分别划分出各个初步可行走区域，所述初步可行走区域为由连续的满足预设高度误差范围的体素立方体构成的区域；
对存在空洞的初步可行走区域进行拆分，并对为凹多边形的可行走区域进行拆分，得到各个无空洞且为凸多边形的可行走区域。
4.根据权利要求3所述的机器人足迹规划方法，其特征在于，所述对存在空洞的初步可行走区域进行拆分，包括：
对存在空洞的初步可行走区域，将相邻的空洞进行连接，并将每个空洞与距离最近的边缘体素立方体进行连接，从而拆分出新的区域。
5.根据权利要求1所述的机器人足迹规划方法，其特征在于，所述对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格，包括：
提取各个可行走区域的轮廓多边形；
对于每个轮廓多边形，分别以轮廓多边形的各个顶点为起点，在朝向轮廓多边形中心点的方向上依次添加新的点，相邻点之间的间距为所述机器人的最大步幅；
相互连接各个点，得到各个分解多边形；
确定各个分解多边形的外接圆的圆心，并连接各个圆心，得到所述三维导航网格。
6.根据权利要求1至5中任一项所述的机器人足迹规划方法，其特征在于，所述根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划，包括：
使用预设的导航网格算法在所述三维导航网格中进行路径规划，得到所述机器人的目标路径；
在所述目标路径上进行满足所述双足关节运动学约束的足迹规划。
7.根据权利要求6所述的机器人足迹规划方法，其特征在于，所述双足关节运动学约束为双足关节的抬高幅度、前抬角度幅度、以及足迹间距之间的约束关系。
8.一种机器人足迹规划装置，其特征在于，包括：
视觉扫描模块，用于使用预设的3D视觉传感器对指定的目标空间进行全局扫描，得到所述目标空间的深度信息；
三维重建模块，用于根据所述深度信息进行所述目标空间的三维重建，得到所述目标空间的体素化的地形环境表面图；
可行走区域划分模块，用于在所述地形环境表面图中分别划分出各个可行走区域；
导航网格生成模块，用于对各个可行走区域分别进行三角化处理，得到所述目标空间的三维导航网格；
足迹规划模块，用于根据所述三维导航网格和机器人的双足关节运动学约束进行所述机器人的足迹规划。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的机器人足迹规划方法的步骤。
10.一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的机器人足迹规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010887219.3A CN112161622B (zh) | 2020-08-28 | 2020-08-28 | 一种机器人足迹规划方法、装置、可读存储介质及机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010887219.3A CN112161622B (zh) | 2020-08-28 | 2020-08-28 | 一种机器人足迹规划方法、装置、可读存储介质及机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112161622A true CN112161622A (zh) | 2021-01-01 |
| CN112161622B CN112161622B (zh) | 2022-07-19 |
Family
ID=73859380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010887219.3A Active CN112161622B (zh) | 2020-08-28 | 2020-08-28 | 一种机器人足迹规划方法、装置、可读存储介质及机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112161622B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112987724A (zh) * | 2021-02-04 | 2021-06-18 | 京东数科海益信息科技有限公司 | 路径优化方法、装置、机器人及存储介质 |
| CN113741414A (zh) * | 2021-06-08 | 2021-12-03 | 北京理工大学 | 一种基于移动机器人轮廓的安全运动规划方法和装置 |
| WO2022226720A1 (zh) * | 2021-04-26 | 2022-11-03 | 深圳市大疆创新科技有限公司 | 路径规划方法、路径规划装置和介质 |
| CN115774452A (zh) * | 2023-02-13 | 2023-03-10 | 南京航空航天大学 | 一种基于形状约束的三维模型表面覆盖路径规划方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170178388A1 (en) * | 2015-12-18 | 2017-06-22 | Autodesk, Inc. | Voxelization of mesh representations |
| US20170368679A1 (en) * | 2016-06-27 | 2017-12-28 | Massachusetts Institute Of Technology | Bipedal Isotropic Lattice Locomoting Explorer: Robotic Platform for Locomotion and Manipulation of Discrete Lattice Structures and Lightweight Space Structures |
| CN107610212A (zh) * | 2017-07-25 | 2018-01-19 | 深圳大学 | 场景重建方法、装置、计算机设备以及计算机存储介质 |
| CN109387204A (zh) * | 2018-09-26 | 2019-02-26 | 东北大学 | 面向室内动态环境的移动机器人同步定位与构图方法 |
| CN109432776A (zh) * | 2018-09-21 | 2019-03-08 | 苏州蜗牛数字科技股份有限公司 | 一种空间自由寻路方法 |
| US20190318484A1 (en) * | 2018-04-12 | 2019-10-17 | Veran Medical Technologies, Inc. | Apparatuses and methods for navigation in and local segmentation extension of anatomical treelike structures |
-
2020
- 2020-08-28 CN CN202010887219.3A patent/CN112161622B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170178388A1 (en) * | 2015-12-18 | 2017-06-22 | Autodesk, Inc. | Voxelization of mesh representations |
| US20170368679A1 (en) * | 2016-06-27 | 2017-12-28 | Massachusetts Institute Of Technology | Bipedal Isotropic Lattice Locomoting Explorer: Robotic Platform for Locomotion and Manipulation of Discrete Lattice Structures and Lightweight Space Structures |
| CN107610212A (zh) * | 2017-07-25 | 2018-01-19 | 深圳大学 | 场景重建方法、装置、计算机设备以及计算机存储介质 |
| US20190318484A1 (en) * | 2018-04-12 | 2019-10-17 | Veran Medical Technologies, Inc. | Apparatuses and methods for navigation in and local segmentation extension of anatomical treelike structures |
| CN109432776A (zh) * | 2018-09-21 | 2019-03-08 | 苏州蜗牛数字科技股份有限公司 | 一种空间自由寻路方法 |
| CN109387204A (zh) * | 2018-09-26 | 2019-02-26 | 东北大学 | 面向室内动态环境的移动机器人同步定位与构图方法 |
Non-Patent Citations (1)
| Title |
|---|
| 朱昌龙等: "面向大型三维场景的优化分层A~*寻路算法研究", 《软件导刊》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112987724A (zh) * | 2021-02-04 | 2021-06-18 | 京东数科海益信息科技有限公司 | 路径优化方法、装置、机器人及存储介质 |
| CN112987724B (zh) * | 2021-02-04 | 2023-05-02 | 京东科技信息技术有限公司 | 路径优化方法、装置、机器人及存储介质 |
| WO2022226720A1 (zh) * | 2021-04-26 | 2022-11-03 | 深圳市大疆创新科技有限公司 | 路径规划方法、路径规划装置和介质 |
| CN113741414A (zh) * | 2021-06-08 | 2021-12-03 | 北京理工大学 | 一种基于移动机器人轮廓的安全运动规划方法和装置 |
| CN115774452A (zh) * | 2023-02-13 | 2023-03-10 | 南京航空航天大学 | 一种基于形状约束的三维模型表面覆盖路径规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112161622B (zh) | 2022-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112161622B (zh) | 一种机器人足迹规划方法、装置、可读存储介质及机器人 | |
| CN109948189B (zh) | 一种挖掘机铲斗物料体积与重量测量系统 | |
| CN109509210B (zh) | 障碍物跟踪方法和装置 | |
| Lee et al. | Skeleton-based 3D reconstruction of as-built pipelines from laser-scan data | |
| Wei et al. | A non-contact measurement method of ship block using image-based 3D reconstruction technology | |
| JP5430456B2 (ja) | 幾何特徴抽出装置、幾何特徴抽出方法、及びプログラム、三次元計測装置、物体認識装置 | |
| Xu et al. | Robust segmentation and localization of structural planes from photogrammetric point clouds in construction sites | |
| Holenstein et al. | Watertight surface reconstruction of caves from 3D laser data | |
| CN104809759A (zh) | 基于小型无人直升机的大面积非结构化场景三维建模方法 | |
| CN107657659A (zh) | 基于长方体拟合扫描三维点云的曼哈顿结构建筑物自动建模方法 | |
| US20240153123A1 (en) | Isogeometric Analysis Method Based on a Geometric Reconstruction Model | |
| CN107622530B (zh) | 一种高效鲁棒的三角网切割方法 | |
| Park et al. | Reverse engineering with a structured light system | |
| CN117422884A (zh) | 三维目标检测方法、系统、电子设备及存储介质 | |
| Garrote et al. | 3D point cloud downsampling for 2D indoor scene modelling in mobile robotics | |
| CN113763529B (zh) | 一种基于三维扫描的变电站建模方法 | |
| F Laefer et al. | Processing of terrestrial laser scanning point cloud data for computational modelling of building facades | |
| EP3825956B1 (en) | Processing a 3d signal of a shape attribute over a real object | |
| CN116012613B (zh) | 一种基于激光点云的露天矿的土方量变化测算方法和系统 | |
| US6208939B1 (en) | Topography information data processing method and apparatus based on manifold corresponding thereto | |
| Guo et al. | Improved marching tetrahedra algorithm based on hierarchical signed distance field and multi-scale depth map fusion for 3D reconstruction | |
| Sappa et al. | Incremental multiview integration of range images | |
| CN116823942A (zh) | 三维点云的目标标注方法和点云连续帧中目标跟踪方法 | |
| CN113066188A (zh) | 一种用于室外施工作业的三维仿真方法及设备 | |
| Johnson et al. | Probabilistic 3D Data Fusion for Adaptive Resolution Surface Generation. |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |