CN115373407A - 机器人自动避开安全警戒线的方法及装置 - Google Patents
机器人自动避开安全警戒线的方法及装置 Download PDFInfo
- Publication number
- CN115373407A CN115373407A CN202211315014.3A CN202211315014A CN115373407A CN 115373407 A CN115373407 A CN 115373407A CN 202211315014 A CN202211315014 A CN 202211315014A CN 115373407 A CN115373407 A CN 115373407A
- Authority
- CN
- China
- Prior art keywords
- robot
- warning line
- determining
- safety warning
- image acquisition
- 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 48
- 230000011218 segmentation Effects 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 238000011176 pooling Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping 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
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本公开涉及机器人技术领域，提供了机器人自动避开安全警戒线的方法及装置。该方法包括：通过机器人上设置的图像获取设备获取关于机器人周围环境的目标图像；利用图像处理模型从目标图像中提取机器人周围环境的环境信息；基于环境信息，利用场景分割算法确定出安全警戒线的第一位置；基于第一位置，在机器人的内置地图上标记安全警戒线的第二位置；根据第二位置，计算机器人与安全警戒线之间的最短距离；根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线。采用上述技术手段，解决现有技术中，机器人自动避开禁行区域的方法存在安全隐患的问题。
Description
技术领域
本公开涉及机器人技术领域，尤其涉及一种机器人自动避开安全警戒线的方法及装置。
背景技术
在机器人执行任务的过程中，机器人不可避免的会遇到施工地段、人为设定、路面损坏、危险地带、紧急故障等机器人不能通行的地带或者禁行区域。目前机器人避开禁行区域的方法往往是基于SLAM（Simultaneous localization and mapping，同步定位与建图），这种方法一旦发生定位失败或者定位偏移的情况，则机器人可能会进入禁行区域，便会给周遭人群和设施以及机器人带来极大的危险。
在实现本公开构思的过程中，发明人发现相关技术中至少存在如下技术问题：机器人自动避开禁行区域的方法存在安全隐患的问题。
发明内容
有鉴于此，本公开实施例提供了一种机器人自动避开安全警戒线的方法、装置、电子设备和计算机可读的存储介质，以解决现有技术中，机器人自动避开禁行区域的方法存在安全隐患的问题。
本公开实施例的第一方面，提供了一种机器人自动避开安全警戒线的方法，包括：通过机器人上设置的图像获取设备获取关于机器人周围环境的目标图像；利用图像处理模型从目标图像中提取机器人周围环境的环境信息；基于环境信息，利用场景分割算法确定出安全警戒线的第一位置；基于第一位置，在机器人的内置地图上标记安全警戒线的第二位置；根据第二位置，计算机器人与安全警戒线之间的最短距离；根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线。
本公开实施例的第二方面，提供了一种机器人自动避开安全警戒线的装置，包括：获取模块，被配置为通过机器人上设置的图像获取设备获取关于机器人周围环境的目标图像；提取模块，被配置为利用图像处理模型从目标图像中提取机器人周围环境的环境信息；确定模块，被配置为基于环境信息，利用场景分割算法确定出安全警戒线的第一位置；标记模块，被配置为基于第一位置，在机器人的内置地图上标记安全警戒线的第二位置；计算模块，被配置为根据第二位置，计算机器人与安全警戒线之间的最短距离；控制模块，被配置为根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线。
本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例与现有技术相比存在的有益效果是：通过机器人上设置的图像获取设备获取关于机器人周围环境的目标图像；利用图像处理模型从目标图像中提取机器人周围环境的环境信息；基于环境信息，利用场景分割算法确定出安全警戒线的第一位置；基于第一位置，在机器人的内置地图上标记安全警戒线的第二位置；根据第二位置，计算机器人与安全警戒线之间的最短距离；根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线。采用上述技术手段，可以解决现有技术中，机器人自动避开禁行区域的方法存在安全隐患的问题，进而为机器人自动避开禁行区域提供更大的安全保障。
附图说明
为了更清楚地说明本公开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公开的一些实施例，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是本公开实施例的应用场景的场景示意图；
图2是本公开实施例提供的一种机器人自动避开安全警戒线的方法的流程示意图；
图3是本公开实施例提供的一种机器人自动避开安全警戒线的场景示意图；
图4是本公开实施例提供的一种机器人自动避开安全警戒线的装置的结构示意图；
图5是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
下面将结合附图详细说明根据本公开实施例的一种机器人自动避开安全警戒线的方法和装置。
图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备101、102和103、服务器104以及网络105。
终端设备101、102和103可以是硬件，也可以是软件。当终端设备101、102和103为硬件时，其可以是具有显示屏且支持与服务器104通信的各种电子设备，包括但不限于智能手机、机器人、膝上型便携计算机和台式计算机等（比如102可以为机器人）；当终端设备101、102和103为软件时，其可以安装在如上的电子设备中。终端设备101、102和103可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，终端设备101、102和103上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
服务器104可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器104可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。
需要说明的是，服务器104可以是硬件，也可以是软件。当服务器104为硬件时，其可以是为终端设备101、102和103提供各种服务的各种电子设备。当服务器104为软件时，其可以是为终端设备101、102和103提供各种服务的多个软件或软件模块，也可以是为终端设备101、102和103提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。
网络105可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙（Bluetooth）、近场通信（Near FieldCommunication，NFC）、红外（Infrared）等，本公开实施例对此不作限制。
目标用户可以通过终端设备101、102和103经由网络105与服务器104建立通信连接，以接收或发送信息等。需要说明的是，终端设备101、102和103、服务器104以及网络105的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。
图2是本公开实施例提供的一种机器人自动避开安全警戒线的方法的流程示意图。图2的机器人自动避开安全警戒线的方法可以由图1的终端设备或服务器执行。如图2所示，该机器人自动避开安全警戒线的方法包括：
S201，通过机器人上设置的图像获取设备获取关于机器人周围环境的目标图像；
S202，利用图像处理模型从目标图像中提取机器人周围环境的环境信息；
S203，基于环境信息，利用场景分割算法确定出安全警戒线的第一位置；
S204，基于第一位置，在机器人的内置地图上标记安全警戒线的第二位置；
S205，根据第二位置，计算机器人与安全警戒线之间的最短距离；
S206，根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线。
图像获取设备可以是成本低廉的设备，如普通彩色摄像头；目标图像拍摄的是机器人周围环境；图像处理模型是训练好的神经网络模型，学习并保存有图像和环境信息之间的对应关系；安全警戒线内是机器人不能通行的区域，安全警戒线是机器人不能通行的区域的周边的警戒线。
根据本公开实施例提供的技术方案，通过机器人上设置的图像获取设备获取关于机器人周围环境的目标图像；利用图像处理模型从目标图像中提取机器人周围环境的环境信息；基于环境信息，利用场景分割算法确定出安全警戒线的第一位置；基于第一位置，在机器人的内置地图上标记安全警戒线的第二位置；根据第二位置，计算机器人与安全警戒线之间的最短距离；根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线。采用上述技术手段，可以解决现有技术中，机器人自动避开禁行区域的方法存在安全隐患的问题，进而为机器人自动避开禁行区域提供更大的安全保障。
本公开实施例比现有技术机器人避开禁行区域的准确率更高，所以本公开实施例为机器人自动避开禁行区域提供更大的安全保障。
在步骤S203中，基于环境信息，利用场景分割算法确定出安全警戒线的第一位置，包括：场景分割算法通过场景分割模型实现，场景分割模型包括多层卷积层、池化层和反卷积层；将环境信息输入多层卷积层和池化层，输出语义特征图，其中，语义特征图中有多个位置，每个位置对应环境信息中的一个像素点的信息；将语义特征图输入多层反卷积层，输出语义特征图中每个位置的类别置信度；根据语义特征图中每个位置的类别置信度确定出第一位置。
目标图像中有大量的像素点，环境信息中有大量像素点的信息，语义特征图中有大量表示像素点的信息的位置。语义特征图中每个位置的类别置信度，可以表明语义特征图中每个位置的类别的概率，相当于确定了语义特征图中每个位置的类别，进而确定环境信息中内个像素点的信息的类别，进而确定目标图像每个像素点的类别，最终确定出安全警戒线。安全警戒线是一条线段，第一位置是该线段的位置。
在步骤S203中，基于环境信息，利用场景分割算法确定出安全警戒线的第一位置，包括：基于环境信息，利用场景分割算法确定出机器人不能通行的区域；基于环境信息和机器人不能通行的区域，确定出安全警戒线的第一位置。
利用场景分割算法确定出机器人不能通行的区域和利用场景分割算法确定出安全警戒线的过程类似。基于环境信息和机器人不能通行的区域，可以确定出机器人不能通行的区域周边的线段，也就是安全警戒线。
在步骤S204中，基于第一位置，在机器人的内置地图上标记安全警戒线的第二位置，包括：获取图像获取设备的内参矩阵；根据内参矩阵确定在图像获取设备的坐标系下机器人所处地面的平面方程，目标图像含有机器人所处地面；基于地面的平面方程和第一位置，确定在图像获取设备的坐标系下安全警戒线的第二位置，并将第二位置标记在内置地图上。
内参矩阵是表示图像获取设备各种参数的矩阵，可以根据内参矩阵表示出图像获取设备的坐标系下机器人所处地面的平面方程。
基于地面的平面方程和第一位置，确定在图像获取设备的坐标系下安全警戒线的第二位置，包括：基于第一位置和内参矩阵，计算安全警戒线的方向向量；基于地面的平面方程和方向向量，确定在图像获取设备的坐标系下安全警戒线的第二位置。
基于第一位置和内参矩阵，计算安全警戒线的方向向量，可以理解为根据内参矩阵表示出图像获取设备的坐标系下安全警戒线的方向向量。地面的平面方程和方向向量产生的交线，为在图像获取设备的坐标系下安全警戒线。
在步骤S205中，根据第二位置，计算机器人与安全警戒线之间的最短距离，包括：确定在图像获取设备的坐标系下第二位置的直线方程；根据直线方程以及在图像获取设备的坐标系下机器人的位置，利用点线距离公式计算最短距离。
图像获取设备的坐标系下图像获取设备的位置一般为原点，图像获取设备设置在机器人上，可以将图像获取设备和机器人的位置看做一样的。
在步骤S206中，根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线，包括：实时更新安全警戒线的第一位置；通过比较第一位置和机器人的内置地图上标记安全警戒线的第二位置之间的对应关系，判断是否需要更新为机器人规划的路径。
如果安全警戒线的第一位置没有发生变化，那么第一位置和第二位置之间的对应关系不变，否则，会发生变化，此时需要更新为机器人规划的路径（如果发生变化，说明安全警戒线发生变化了）。
可选地，根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线，包括：实时更新安全警戒线的第二位置；当第二位置发生变化，也就是存在更新第二位置的动作，则更新为机器人规划的路径。
图3是本公开实施例提供的一种机器人自动避开安全警戒线的场景示意图，如图3所示：机器人在A点朝着禁行区域行进，禁行区域周边设置有警戒线，机器人在接近警戒线时右拐弯以避免机器人碰到警戒线，机器人右拐弯到达B点。
需要说明的是，警戒线从颜色上分，包括但不仅限于单色和双色交替，双色交替，包括：黄黑相间、红白相间、绿白相间等纹理。目标图像可以获取到警戒线的颜色或者纹理方面的信息，利用图像处理模型从目标图像中提取机器人周围环境的环境信息，同理环境信息也包括警戒线的颜色或者纹理方面的信息。基于环境信息中的警戒线的颜色或者纹理方面的信息，可以利用场景分割算法确定出安全警戒线的第一位置。
上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图4是本公开实施例提供的一种机器人自动避开安全警戒线的装置的示意图。如图4所示，该机器人自动避开安全警戒线的装置包括：
获取模块401，被配置为通过机器人上设置的图像获取设备获取关于机器人周围环境的目标图像；
提取模块402，被配置为利用图像处理模型从目标图像中提取机器人周围环境的环境信息；
确定模块403，被配置为基于环境信息，利用场景分割算法确定出安全警戒线的第一位置；
标记模块404，被配置为基于第一位置，在机器人的内置地图上标记安全警戒线的第二位置；
计算模块405，被配置为根据第二位置，计算机器人与安全警戒线之间的最短距离；
控制模块406，被配置为根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线。
图像获取设备可以是成本低廉的设备，如普通彩色摄像头；目标图像拍摄的是机器人周围环境；图像处理模型是训练好的神经网络模型，学习并保存有图像和环境信息之间的对应关系；安全警戒线内是机器人不能通行的区域，安全警戒线是机器人不能通行的区域的周边的警戒线。
根据本公开实施例提供的技术方案，通过机器人上设置的图像获取设备获取关于机器人周围环境的目标图像；利用图像处理模型从目标图像中提取机器人周围环境的环境信息；基于环境信息，利用场景分割算法确定出安全警戒线的第一位置；基于第一位置，在机器人的内置地图上标记安全警戒线的第二位置；根据第二位置，计算机器人与安全警戒线之间的最短距离；根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线。采用上述技术手段，可以解决现有技术中，机器人自动避开禁行区域的方法存在安全隐患的问题，进而为机器人自动避开禁行区域提供更大的安全保障。
本公开实施例比现有技术机器人避开禁行区域的准确率更高，所以本公开实施例为机器人自动避开禁行区域提供更大的安全保障。
可选地，确定模块403还被配置为场景分割算法通过场景分割模型实现，场景分割模型包括多层卷积层、池化层和反卷积层；将环境信息输入多层卷积层和池化层，输出语义特征图，其中，语义特征图中有多个位置，每个位置对应环境信息中的一个像素点的信息；将语义特征图输入多层反卷积层，输出语义特征图中每个位置的类别置信度；根据语义特征图中每个位置的类别置信度确定出第一位置。
目标图像中有大量的像素点，环境信息中有大量像素点的信息，语义特征图中有大量表示像素点的信息的位置。语义特征图中每个位置的类别置信度，可以表明语义特征图中每个位置的类别的概率，相当于确定了语义特征图中每个位置的类别，进而确定环境信息中内个像素点的信息的类别，进而确定目标图像每个像素点的类别，最终确定出安全警戒线。安全警戒线是一条线段，第一位置是该线段的位置。
可选地，确定模块403还被配置为基于环境信息，利用场景分割算法确定出机器人不能通行的区域；基于环境信息和机器人不能通行的区域，确定出安全警戒线的第一位置。
利用场景分割算法确定出机器人不能通行的区域和利用场景分割算法确定出安全警戒线的过程类似。基于环境信息和机器人不能通行的区域，可以确定出机器人不能通行的区域周边的线段，也就是安全警戒线。
可选地，标记模块404还被配置为获取图像获取设备的内参矩阵；根据内参矩阵确定在图像获取设备的坐标系下机器人所处地面的平面方程，目标图像含有机器人所处地面；基于地面的平面方程和第一位置，确定在图像获取设备的坐标系下安全警戒线的第二位置，并将第二位置标记在内置地图上。
内参矩阵是表示图像获取设备各种参数的矩阵，可以根据内参矩阵表示出图像获取设备的坐标系下机器人所处地面的平面方程。
可选地，标记模块404还被配置为基于第一位置和内参矩阵，计算安全警戒线的方向向量；基于地面的平面方程和方向向量，确定在图像获取设备的坐标系下安全警戒线的第二位置。
基于第一位置和内参矩阵，计算安全警戒线的方向向量，可以理解为根据内参矩阵表示出图像获取设备的坐标系下安全警戒线的方向向量。地面的平面方程和方向向量产生的交线，为在图像获取设备的坐标系下安全警戒线。
可选地，计算模块405还被配置为确定在图像获取设备的坐标系下第二位置的直线方程；根据直线方程以及在图像获取设备的坐标系下机器人的位置，利用点线距离公式计算最短距离。
图像获取设备的坐标系下图像获取设备的位置一般为原点，图像获取设备设置在机器人上，可以将图像获取设备和机器人的位置看做一样的。
可选地，控制模块406还被配置为实时更新安全警戒线的第一位置；通过比较第一位置和机器人的内置地图上标记安全警戒线的第二位置之间的对应关系，判断是否需要更新为机器人规划的路径。
如果安全警戒线的第一位置没有发生变化，那么第一位置和第二位置之间的对应关系不变，否则，会发生变化，此时需要更新为机器人规划的路径（如果发生变化，说明安全警戒线发生变化了）。
可选地，根据最短距离，为机器人规划路径，以控制机器人及时避开安全警戒线，包括：实时更新安全警戒线的第二位置；当第二位置发生变化，也就是存在更新第二位置的动作，则更新为机器人规划的路径。
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，而不应对本公开实施例的实施过程构成任何限定。
图5是本公开实施例提供的电子设备5的示意图。如图5所示，该实施例的电子设备5包括：处理器501、存储器502以及存储在该存储器502中并且可在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者，处理器501执行计算机程序503时实现上述各装置实施例中各模块/单元的功能。
示例性地，计算机程序503可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器502中，并由处理器501执行，以完成本公开。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，该指令段用于描述计算机程序503在电子设备5中的执行过程。
电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解，图5仅仅是电子设备5的示例，并不构成对电子设备5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，电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器501可以是中央处理单元（Central Processing Unit，CPU），也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。
存储器502可以是电子设备5的内部存储单元，例如，电子设备5的硬盘或内存。存储器502也可以是电子设备5的外部存储设备，例如，电子设备5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502还可以既包括电子设备5的内部存储单元也包括外部存储设备。存储器502用于存储计算机程序以及电子设备所需的其它程序和数据。存储器502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公开的范围。
在本公开所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，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，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。
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，在本公开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。
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，本公开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，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，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。计算机可读介质可以包括：能够携带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（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读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，计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，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公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。
Claims (10)
1.一种机器人自动避开安全警戒线的方法，其特征在于，包括：
通过机器人上设置的图像获取设备获取关于所述机器人周围环境的目标图像；
利用图像处理模型从所述目标图像中提取所述机器人周围环境的环境信息；
基于所述环境信息，利用场景分割算法确定出安全警戒线的第一位置；
基于所述第一位置，在所述机器人的内置地图上标记所述安全警戒线的第二位置；
根据所述第二位置，计算所述机器人与所述安全警戒线之间的最短距离；
根据所述最短距离，为所述机器人规划路径，以控制所述机器人及时避开所述安全警戒线。
2.根据权利要求1所述的方法，其特征在于，所述基于所述环境信息，利用场景分割算法确定出安全警戒线的第一位置，包括：
所述场景分割算法通过场景分割模型实现，所述场景分割模型包括多层卷积层、池化层和反卷积层；
将所述环境信息输入多层所述卷积层和所述池化层，输出语义特征图，其中，所述语义特征图中有多个位置，每个位置对应所述环境信息中的一个像素点的信息；
将所述语义特征图输入多层所述反卷积层，输出所述语义特征图中每个位置的类别置信度；
根据所述语义特征图中每个位置的类别置信度确定出所述第一位置。
3.根据权利要求1所述的方法，其特征在于，所述基于所述环境信息，利用场景分割算法确定出安全警戒线的第一位置，包括：
基于所述环境信息，利用所述场景分割算法确定出所述机器人不能通行的区域；
基于所述环境信息和所述机器人不能通行的区域，确定出所述安全警戒线的第一位置。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第一位置，在所述机器人的内置地图上标记所述安全警戒线的第二位置，包括：
获取所述图像获取设备的内参矩阵；
根据所述内参矩阵确定在所述图像获取设备的坐标系下所述机器人所处地面的平面方程，所述目标图像含有所述机器人所处地面；
基于所述地面的平面方程和所述第一位置，确定在所述图像获取设备的坐标系下所述安全警戒线的第二位置，并将所述第二位置标记在所述内置地图上。
5.根据权利要求4所述的方法，其特征在于，所述基于所述地面的平面方程和所述第一位置，确定在所述图像获取设备的坐标系下所述安全警戒线的第二位置，包括：
基于所述第一位置和所述内参矩阵，计算所述安全警戒线的方向向量；
基于所述地面的平面方程和所述方向向量，确定在所述图像获取设备的坐标系下所述安全警戒线的第二位置。
6.根据权利要求1所述的方法，其特征在于，所述根据所述第二位置，计算所述机器人与所述安全警戒线之间的最短距离，包括：
确定在所述图像获取设备的坐标系下所述第二位置的直线方程；
根据所述直线方程以及在所述图像获取设备的坐标系下所述机器人的位置，利用点线距离公式计算所述最短距离。
7.根据权利要求1所述的方法，其特征在于，所述根据所述最短距离，为所述机器人规划路径，以控制所述机器人及时避开所述安全警戒线，包括：
实时更新所述安全警戒线的第一位置；
通过比较所述第一位置和所述机器人的内置地图上标记所述安全警戒线的第二位置之间的对应关系，判断是否需要更新为所述机器人规划的路径。
8.一种机器人自动避开安全警戒线的装置，其特征在于，包括：
获取模块，被配置为通过机器人上设置的图像获取设备获取关于所述机器人周围环境的目标图像；
提取模块，被配置为利用图像处理模型从所述目标图像中提取所述机器人周围环境的环境信息；
确定模块，被配置为基于所述环境信息，利用场景分割算法确定出安全警戒线的第一位置；
标记模块，被配置为基于所述第一位置，在所述机器人的内置地图上标记所述安全警戒线的第二位置；
计算模块，被配置为根据所述第二位置，计算所述机器人与所述安全警戒线之间的最短距离；
控制模块，被配置为根据所述最短距离，为所述机器人规划路径，以控制所述机器人及时避开所述安全警戒线。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且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中任一项所述方法的步骤。
10.一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中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211315014.3A CN115373407A (zh) | 2022-10-26 | 2022-10-26 | 机器人自动避开安全警戒线的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211315014.3A CN115373407A (zh) | 2022-10-26 | 2022-10-26 | 机器人自动避开安全警戒线的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115373407A true CN115373407A (zh) | 2022-11-22 |
Family
ID=84073790
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211315014.3A Pending CN115373407A (zh) | 2022-10-26 | 2022-10-26 | 机器人自动避开安全警戒线的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115373407A (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008198124A (ja) * | 2007-02-15 | 2008-08-28 | Matsushita Electric Works Ltd | 警戒センサ |
| CN103076802A (zh) * | 2012-10-09 | 2013-05-01 | 江苏大学 | 机器人虚拟边界建立与识别方法及系统 |
| CN109829926A (zh) * | 2019-01-30 | 2019-05-31 | 杭州鸿泉物联网技术股份有限公司 | 道路场景语义分割方法及装置 |
| CN109919135A (zh) * | 2019-03-27 | 2019-06-21 | 华瑞新智科技（北京）有限公司 | 基于深度学习的行为检测方法、装置 |
| CN109949313A (zh) * | 2019-05-17 | 2019-06-28 | 中科院—南京宽带无线移动通信研发中心 | 一种图像实时语义分割方法 |
| CN110084173A (zh) * | 2019-04-23 | 2019-08-02 | 精伦电子股份有限公司 | 人头检测方法及装置 |
| CN110390254A (zh) * | 2019-05-24 | 2019-10-29 | 平安科技（深圳）有限公司 | 基于人脸的性格分析方法、装置、计算机设备及存储介质 |
| CN110647816A (zh) * | 2019-08-26 | 2020-01-03 | 合肥工业大学 | 一种用于货架药品实时监测的目标检测方法 |
| CN111045017A (zh) * | 2019-12-20 | 2020-04-21 | 成都理工大学 | 一种激光和视觉融合的巡检机器人变电站地图构建方法 |
| CN111096138A (zh) * | 2019-12-30 | 2020-05-05 | 中电海康集团有限公司 | 一种基于uwb的割草机器人工作边界建立与识别系统和方法 |
| CN111582060A (zh) * | 2020-04-20 | 2020-08-25 | 浙江大华技术股份有限公司 | 自动划线周界报警方法、计算机设备及存储装置 |
| CN112711263A (zh) * | 2021-01-19 | 2021-04-27 | 未来机器人（深圳）有限公司 | 仓储自动导引车避障方法、装置、计算机设备和存储介质 |
| CN113034490A (zh) * | 2021-04-16 | 2021-06-25 | 北京石油化工学院 | 化学品库房的堆垛安全距离监测方法 |
| CN113657331A (zh) * | 2021-08-23 | 2021-11-16 | 深圳科卫机器人科技有限公司 | 警戒线红外感应识别方法、装置、计算机设备及存储介质 |
| CN114067219A (zh) * | 2021-11-11 | 2022-02-18 | 华东师范大学 | 一种基于语义分割与超像素分割融合的农田作物识别方法 |
| CN114090905A (zh) * | 2021-09-30 | 2022-02-25 | 深圳中智永浩机器人有限公司 | 警戒线位置识别方法、装置、计算机设备及存储介质 |
| CN115131821A (zh) * | 2022-06-29 | 2022-09-30 | 大连理工大学 | 一种基于改进YOLOv5+DeepSort的校园人员穿越警戒线检测方法 |
| CN115223039A (zh) * | 2022-05-13 | 2022-10-21 | 南通河海大学海洋与近海工程研究院 | 一种面向复杂环境的机器人半自主控制方法及系统 |
-
2022
- 2022-10-26 CN CN202211315014.3A patent/CN115373407A/zh active Pending
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008198124A (ja) * | 2007-02-15 | 2008-08-28 | Matsushita Electric Works Ltd | 警戒センサ |
| CN103076802A (zh) * | 2012-10-09 | 2013-05-01 | 江苏大学 | 机器人虚拟边界建立与识别方法及系统 |
| CN109829926A (zh) * | 2019-01-30 | 2019-05-31 | 杭州鸿泉物联网技术股份有限公司 | 道路场景语义分割方法及装置 |
| CN109919135A (zh) * | 2019-03-27 | 2019-06-21 | 华瑞新智科技（北京）有限公司 | 基于深度学习的行为检测方法、装置 |
| CN110084173A (zh) * | 2019-04-23 | 2019-08-02 | 精伦电子股份有限公司 | 人头检测方法及装置 |
| CN109949313A (zh) * | 2019-05-17 | 2019-06-28 | 中科院—南京宽带无线移动通信研发中心 | 一种图像实时语义分割方法 |
| CN110390254A (zh) * | 2019-05-24 | 2019-10-29 | 平安科技（深圳）有限公司 | 基于人脸的性格分析方法、装置、计算机设备及存储介质 |
| CN110647816A (zh) * | 2019-08-26 | 2020-01-03 | 合肥工业大学 | 一种用于货架药品实时监测的目标检测方法 |
| CN111045017A (zh) * | 2019-12-20 | 2020-04-21 | 成都理工大学 | 一种激光和视觉融合的巡检机器人变电站地图构建方法 |
| CN111096138A (zh) * | 2019-12-30 | 2020-05-05 | 中电海康集团有限公司 | 一种基于uwb的割草机器人工作边界建立与识别系统和方法 |
| CN111582060A (zh) * | 2020-04-20 | 2020-08-25 | 浙江大华技术股份有限公司 | 自动划线周界报警方法、计算机设备及存储装置 |
| CN112711263A (zh) * | 2021-01-19 | 2021-04-27 | 未来机器人（深圳）有限公司 | 仓储自动导引车避障方法、装置、计算机设备和存储介质 |
| CN113034490A (zh) * | 2021-04-16 | 2021-06-25 | 北京石油化工学院 | 化学品库房的堆垛安全距离监测方法 |
| CN113657331A (zh) * | 2021-08-23 | 2021-11-16 | 深圳科卫机器人科技有限公司 | 警戒线红外感应识别方法、装置、计算机设备及存储介质 |
| CN114090905A (zh) * | 2021-09-30 | 2022-02-25 | 深圳中智永浩机器人有限公司 | 警戒线位置识别方法、装置、计算机设备及存储介质 |
| CN114067219A (zh) * | 2021-11-11 | 2022-02-18 | 华东师范大学 | 一种基于语义分割与超像素分割融合的农田作物识别方法 |
| CN115223039A (zh) * | 2022-05-13 | 2022-10-21 | 南通河海大学海洋与近海工程研究院 | 一种面向复杂环境的机器人半自主控制方法及系统 |
| CN115131821A (zh) * | 2022-06-29 | 2022-09-30 | 大连理工大学 | 一种基于改进YOLOv5+DeepSort的校园人员穿越警戒线检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张蕊 等: "基于深度学习的场景分割算法研究综述", 《计算机研究与发展》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020207190A1 (zh) | 一种三维信息确定方法、三维信息确定装置及终端设备 | |
| US11842446B2 (en) | VR scene and interaction method thereof, and terminal device | |
| CN108876857A (zh) | 无人驾驶车辆的定位方法、系统、设备及存储介质 | |
| CN109118456A (zh) | 图像处理方法和装置 | |
| CN113762272A (zh) | 道路信息的确定方法、装置和电子设备 | |
| CN111854751B (zh) | 导航目标位置确定方法、装置、可读存储介质及机器人 | |
| CN115661592A (zh) | 焊缝识别方法、装置、计算机设备及存储介质 | |
| CN108036774B (zh) | 一种测绘方法、系统及终端设备 | |
| AU2020221180B2 (en) | Augmented reality model orientation alignment | |
| CN114581871B (zh) | 一种目标物体的检测方法和装置 | |
| CN110673607B (zh) | 动态场景下的特征点提取方法、装置、及终端设备 | |
| CN117914912A (zh) | 基于物联网的智慧车站管理方法及系统 | |
| CN114363161B (zh) | 异常设备的定位方法、装置、设备及介质 | |
| CN115373407A (zh) | 机器人自动避开安全警戒线的方法及装置 | |
| CN108564076B (zh) | 一种智能建筑物内电力布线中可视化控制系统 | |
| CN113298044B (zh) | 基于定位补偿的障碍物检测方法、系统、设备及存储介质 | |
| CN111612851B (zh) | 用于标定相机的方法、装置、设备以及存储介质 | |
| CN114494399A (zh) | 车载环视参数的验证方法及装置、电子设备和存储介质 | |
| CN113869147B (zh) | 目标检测方法及装置 | |
| CN114168774B (zh) | 道路限速信息处理方法、相关装置及计算机程序产品 | |
| CN118313524A (zh) | 室内导览方法、装置、服务器以及计算机可读存储介质 | |
| CN111724442B (zh) | 图像处理方法及装置、电子设备及存储介质 | |
| CN116152776A (zh) | 一种可行驶区域的识别方法、装置、设备和存储介质 | |
| CN112614181A (zh) | 一种基于高亮目标的机器人定位方法及装置 | |
| CN113554882A (zh) | 用于输出信息的方法、装置、设备以及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221122 |
|
| RJ01 | Rejection of invention patent application after publication |