威尼斯人棋牌-威尼斯欢乐娱人城-首页

避障方法、可移动平台、控制设备和存储介质与流程

文档序号:24941731发布日期:2021-05-04 11:34
避障方法、可移动平台、控制设备和存储介质与流程

本发明涉及避障领域,尤其涉及一种避障方法、可移动平台、控制设备和存储介质。



背景技术:

近年来,如自动驾驶车辆、无人飞行器等的可移动平台已经广泛地应用到工业和日常生活中。为保证可移动平台的正常运行,其往往需要具有全方向的避障功能。

现有技术中,可移动平台通常是使用配置在不同位置上的多个避障传感器来获取全方位的环境信息,从而实现避障。其中,避障传感器可以为视觉传感器、超声波传感器或者雷达传感器等等。但多个避障传感器的使用往往不能使可移动平台具有较好的避障效果,也就使可移动平台在运行过程中存在更大的损毁风险。



技术实现要素:

本发明提供了一种避障方法、可移动平台、控制设备和存储介质,用于保证避障效果。

本发明的第一方面是为了提供一种避障方法,所述方法包括:

控制所述可移动平台配置的雷达旋转,以得到所述可移动平台所处运行环境内全方位的点云数据;

根据所述点云数据确定所述运行环境中是否存在障碍物;

若所述运行环境中存在障碍物,则控制所述可移动平台进行避障。

本发明的第二方面是为了提供一种可移动平台,所述移动平台至少包括:机体、动力系统、雷达以及控制装置;

所述动力系统,设置于所述机体上,用于为所述可移动平台提供动力;

所述雷达,设置于所述机体上,用于采集点云数据;

所述控制装置包含存储器和处理器;

所述存储器,用于存储计算机程序;

所述处理器,用于运行所述存储器中存储的计算机程序以实现:

控制所述可移动平台配置的雷达旋转,以得到所述可移动平台所处运行环境内全方位的所述点云数据;

根据所述点云数据确定所述运行环境中是否存在障碍物;

若所述运行环境中存在障碍物,则控制所述可移动平台进行避障。

本发明的第三方面是为了提供一种控制设备,所述控制设备包括:

存储器,用于存储计算机程序;

处理器,用于运行所述存储器中存储的计算机程序以实现:

控制所述可移动平台配置的雷达旋转,以得到所述可移动平台所处运行环境内全方位的点云数据;

根据所述点云数据确定所述运行环境中是否存在障碍物;

若所述运行环境中存在障碍物,则控制所述可移动平台进行避障。

本发明的第四方面是为了提供一种计算机可读存储介质,所述存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,所述程序指令用于第一方面所述的避障方法。

本发明提供的避障方法、可移动平台、控制设备和存储介质,可移动平台控制自身配置的雷达旋转,雷达在旋转的过程中可以采集点云数据。此时,控制设备即可获取到可移动平台所处运行环境内,全方位的点云数据。接着,再根据此全方位的点云数据确定可移动平台的运行环境内是否存在障碍物。若存在障碍物,则控制可移动平台进行避障。

可见,在上述的避障方法中,可移动平台使用一个雷达采集到的点云数据即可实现自身全方位的避障功能,保证避障效果的同时,也避免了因多个避障传感器之间互相干扰,而导致的避障效果不佳的情况,大大降低可移动平台的损毁风险。

附图说明

此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于说明本申请,并不构成对本申请的不当限定。在附图中:

图1为本发明实施例提供的无人飞行器的结构示意图;

图2为本发明实施例提供的一种避障方法的流程图;

图3a为本发明实施例提供的一种方位的划分示意图;

图3b为本发明实施例提供的另一种方位的划分示意图;

图4为本发明实施例提供的另一种避障方法的流程图;

图5为本发明实施例提供的又一种避障方法的流程图;

图6a为可移动平台的一种第一航迹的示意图;

图6b为可移动平台的一种第二航迹的示意图;

图6c为可移动平台的另一种第一航迹的示意图;

图7为本发明实施例提供的一种控制装置的结构示意图;

图8为本发明实施例提供的一种可移动平台的结构示意图;

图9为本发明实施例提供的一种控制设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。

除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。

在实际应用中,本发明中提及的可移动平台可以是无人飞行器、自动驾驶车辆、无人船又或者是具有移动能力的智能机器人等等。为了设备的正常运动,避障功能是其需要具有的重要功能之一。当可移动平台具体为无人飞行器时,其可以应用于电力、农业、影视娱乐等多种领域。无人飞行器的结构示意图可以如图1所示。

下面结合附图对本发明的一些实施方式作详细说明,下述各实施例中均以可移动平台是无人飞行器为例进行说明。并且在各实施例之间不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。

图2为本发明实施例提供的一种避障方法的流程示意图。该避障方法的实行主体是控制装置。可以理解的是,该控制装置可以实现为App、或者App和硬件的组合。控制装置通过实行该避障方法可以使可移动平台实现避障。本实施例以及下述各实施例中的控制装置具体来说可以是控制设备,此控制设备具体可以是可移动平台上配置的控制器,或者是远端服务器。具体的,该方法可以包括:

s101,控制可移动平台配置的雷达旋转,以得到可移动平台所处运行环境内全方位的点云数据。

可移动平台上配置有雷达,在可移动平台开启后,控制设备可以控制雷达开启,以通过雷达采集点云数据。可选地,可移动平台上配置的雷达可以是毫米波雷达,且雷达的旋转轴可以平行于可移动平台的航向轴。

可选地,一种最常见的方式:雷达可以绕旋转轴旋转360度,从而在连续旋转过程中采集到可移动平台所处运行环境内的、全方位的点云数据。

s102,根据点云数据确定运行环境中是否存在障碍物。

控制设备在获取到全方位的点云数据后,可选地,可以通过自身预设的聚类算法对点云数据进行聚类处理,并根据聚类结果确定可移动平台当前所处的运行环境中是否存在障碍物。其中,聚类结果可以包括至少一个簇,若目标簇中包含的点云数据的数量大于或等于预设数量,则可以确定运行环境即飞行环境中存在障碍物,目标簇可以为至少一个簇中的任意一个,此目标簇对应于障碍物,即目标簇中的点云数据用于描述障碍物。若至少一个簇中,每个簇中包含的点云数据数量都小于预设数量,则可以确定可移动平台当前的运行环境中不包含障碍物。

可选地,上述使用到的聚类算法可以是具有噪声的基于密度聚类(density-basedspatialclusteringofapplicationswithnoise,简称dbscan)算法。当然,预设的聚类算法也可以是现有技术中任一种成熟的算法,比如k均值聚类算法即k-means算法等等。

s103,若运行环境中存在障碍物,则控制可移动平台进行避障。

若根据聚类结果确定出运行环境中存在障碍物,则控制设备可以进一步根据对应于障碍物的目标簇中的点云数据,确定障碍物与可移动平台之间的位置关系。再根据控制设备自身配置的路径规划算法为可移动平台规划运行路径,以使可移动平台按照规划好的路径运行,避开障碍物。

本实施例中,可移动平台控制自身配置的雷达旋转,雷达在旋转的过程中可以采集点云数据。此时,控制设备即可获取到可移动平台所处运行环境内,全方位的点云数据。接着,再根据此全方位的点云数据确定可移动平台的运行环境内是否存在障碍物。若存在障碍物,则控制可移动平台进行避障。可见,在上述的避障方法中,可移动平台使用一个雷达采集到的点云数据即可实现自身全方位的避障功能,保证避障效果的同时,也避免了因多个避障传感器之间互相干扰,而导致的避障效果不佳的情况,大大降低可移动平台的损毁风险。

需要说明的有,上述实施例中说明了雷达可以连续旋转360度,从而连续采集到可移动平台360度的运行环境内对应的点云数据。控制设备可以在获取360度的点云数据后,才开始判定运行环境内是否存在障碍物。

但为了提高障碍物判定的实时性,可选地,雷达可以绕旋转轴间断性旋转,雷达在旋转到预设角度时停留预设时间,并在预设时间内采集点云数据。并根据在预设时间内采集到的点云数据进行障碍物的判定。比如,雷达通过间断性旋转能够依次采集到可移动平台至少一个方位分别对应的点云数据,在得到至少一个方位的点云数据后即进行障碍物的判定。

其中,上述的至少一个方位可以是前、后、左、右中的至少一个,如图3a所示。每一个方位对应于一个90度的区域,并且预设角度和方位之间的对应关系可以认为是前方—45度,右方—135度,后方---225度,左方—275度。当然方位或者说预设角度的划分不限于上述“前后左右”的划分方式,也可以具有更小的划分粒度,如图3b所示。

容易理解地,障碍物可以位于可移动平台的任一方位,而是否存在障碍物的判定依据的又是点云数据。因此,为了保证点云数据的准确、有效,图4为本发明实施例提供的另一种避障方法的流程示意图。如图4所示,该避障方法还可以包括以下步骤:

s201,控制可移动平台配置的雷达旋转,以得到可移动平台所处运行环境内全方位的点云数据。

上述步骤201的实行过程与前述实施例的相应步骤相似,可以参见如图2所示实施例中的相关描述,在此再不赘述。

s202,从点云数据中筛选对应于可移动平台安全运动范围的目标点云数据。

在实际应用中,对于一些距离可移动平台较远的障碍物,其可以认为是位于可移动平台安全运动范围之外的障碍物。而用于描述这些无效障碍物的点云数据也可以认为是无效数据,在聚类处理之前,可以将无效数据进行滤除。滤除后剩余的点云数据即为用于进行障碍物判定的有效点云数据,也即是目标点云数据。

可选地,以无人飞行器为例,无人飞行器的安全运动范围可以是距离机体下方0.5米以及距离机体上方2米所构成的空间范围。

s203,对目标点云数据进行聚类处理,以得到至少一个簇。

s204,确定目标簇中包含的点云数据的数量是否大于或等于预设数量,目标簇是至少一个簇中的任一个,若大于,则实行步骤205~步骤207,否则实行步骤208。

s205,确定运行环境中存在障碍物。

s206,根据目标簇中的点云数据确定障碍物的尺寸信息。

s207,根据障碍物的尺寸信息控制可移动平台进行避障。

s208,确定运行环境中不存在障碍物,可移动平台沿当前运动方向运动。

接着,控制设备可以对目标点云数据进行聚类。其中,聚类算法可以是图2所示实施例中提及的任意一种,并且聚类结果中可以包含至少一个簇。对于其中的任意一个簇a即目标簇来说,若簇a中包含的点云数据的数量大于或等于预设数量,则确定可移动平台的运行环境内存在障碍物,此簇a就用于描述一个障碍物。在对每个簇都进行上述判断即可确定出在可移动平台的运动环境中存在几个障碍物。

然后,可选地,点云数据具体可以表现为三维坐标,因此,还可以根据目标簇中的三维坐标确定出障碍物的尺寸信息,比如障碍物的长、宽、高。

接着,控制设备还可以根据自身配置的路径规划算法,同时结合障碍物的尺寸信息,为可移动平台规划路径,以使可移动平台能够以最短的运行距离避开障碍物。

在聚类结果中包含的至少一个簇中,若每个簇中包含的点云数据的数据量都小于预设数量,则确定运行环境中不存在障碍物。此时,可移动平台可以继续以当前姿态进行运动。

需要说明的有,本实施例步骤203~步骤204中未详细描述还可以参见图2所示实施例中的相关描述,在此不再赘述。

本实施例中,通过对点云数据的滤除处理,可以将对可移动平台的安全运行有紧密关系的目标点云数据保留下来。控制设备再根据保留下的目标点云数据进行障碍物的判定,以实现可移动平台的避障。相比于全部的点云数据,目标点云数据的数量大大降低,从而能够提高控制设备的对障碍物的判定效率,保证避障的准确性和及时性,避免出现可移动平台损毁的情况。

基于上述各实施例的描述可知,雷达采集的点云数据能够反映障碍物的位置。为了使点云数据能够正确的反映障碍物的位置,使其不会被可移动平台的运动姿态所干扰,因此,图5为本发明实施例提供的又一种避障方法的流程示意图。如图5所示,该避障方法还可以包括以下步骤:

s301,控制可移动平台配置的雷达旋转,以得到可移动平台所处运行环境内全方位的点云数据。

上述步骤301的实行过程与前述实施例的相应步骤相似,可以参见如图2所示实施例中的相关描述,在此再不赘述。

s302,将点云数据的三维坐标由球坐标系转换到可移动平台的机体坐标系下。

对获取到的点云数据进行坐标转换,点云数据可以表现为三维坐标,并且可选地,点云数据的三维坐标具体为球坐标,此时则需要先将球坐标转换成直角坐标,以使转换后的点云数据的三维坐标对应于直角坐标系。以可移动平台是无人飞行器为例,此直角坐标系可以是机体坐标系。其中,机体坐标系可以定义为:无人飞行器的质心为坐标原点,x轴的方向为位于无人飞行器参考平面内、平行于机身轴线并指向无人飞行器前方,y轴垂直于无人飞行器参考面并指向无人飞行器右方,z轴在参考面内垂直于xoy平面,指向无人机飞行器上方。

s303,将三维坐标由机体坐标系转换到惯性坐标系下,以根据转换后的点云数据确定运行环境中是否存在障碍物,若存在,则实行步骤304,否则实行步骤306。

进一步可选地,再可以将点云数据的三维坐标由机体坐标系转换到惯性坐标系下。其中,惯性坐标系即为东北地坐标系。通过上述的坐标转换即可抵消无人飞行器飞行姿态对点云数据的准确性的影响。

对于转换后的点云数据,控制设备同样可以通过聚类算法来判定可移动平台的运行环境中是否存在障碍物,具体过程可以参见图1或图4所示实施例中的相关描述,在此不再赘述。

另外,由于雷达采集到的点云数据有可能存在噪点,并且由于噪点的干扰,还会进一步影响障碍物判定结果的准确性。因此,还可以对障碍物的判定结果进行校验。

s304,根据点云数据以及可移动平台的运动速度,对运行环境中是否存在障碍物进行校验,若校验结果表明存在障碍物,则实行步骤305,否则实行步骤306。

s305,控制可移动平台进行避障。

s306,控制可移动平台沿当前运动方向运动。

若校验结果表明可移动平台的运行环境内存在障碍物,则控制可移动平台会根据路径规划算法进行避障。若校验结果表明不存在障碍物,可以认为控制设备对障碍物出现了误检测。此时,控制设备会继续控制可移动平台以当前姿态,沿当前方向继续运动。

对于障碍物判定结果的验证过程,可以采用以下的可选方式:

可移动平台上的雷达可以绕轴旋转采集点云数据,可以认为雷达每旋转预设角度所需的时间就是一个采集周期,预设角度比如可以是360度、180度等等。当可移动平台在t1时刻处于运行状态i时,控制设备可以获取雷达在t0时刻~t1时刻内雷达采集到点云数据。其中,t0时刻~t1时刻对应于雷达第一数目个的采集周期。

此时,控制设备可以依次根据每个采集周期内采集到的点云数据判定可移动平台的运行环境内是否存在障碍物,以及确定障碍物与可移动平台之间的距离。则控制设备可以得到第一数目个距离值,可以将此第一数目个距离值统称为第一距离值。由此第一距离值生成可移动平台在t0时刻~t1时刻内的第一航迹,此第一航迹可以认为一条真实航迹。

可选地,在确定可移动平台与障碍物的距离之前,还可以如图4所示实施例中描述的,还可以对在第一数目个采集周期内采集的点云数据进行筛选,并根据筛选后的点云数据确定障碍物与可移动平台之间的距离。

当可移动平台在t2时刻处于运行状态ii时,控制设备可以获取雷达在t0时刻~t2时刻内雷达采集到点云数据。其中,t0时刻~t2时刻对应于雷达第二数目个采集周期,且t2时刻早于t1时刻也即是第二数目小于第一数目。

此时,控制设备可以依次根据每个采集周期内采集到的点云数据判定可移动平台的运行环境内是否存在障碍物,以及确定障碍物与可移动平台之间的距离,则控制设备可以得到第二数目个距离值。

接着,第一数目与第二数目的差值为m,则控制设备可以根据可移动平台在t2时刻的运行速度,依次预测出在此m个采集周期内,可移动平台与障碍物之间的m个距离值,并由此m个距离值与上述的第二数目个距离值组成第一数目个距离,这两部分的距离值可以统称为第二距离值。由此第二距离值生成可移动平台在t0时刻~t1时刻内的第二航迹。虽然第一航迹与第二航迹都包含第一数目个距离值,但第二航迹中有m个距离值是预测值,因此,此第二航迹可以认为一条预测航迹。

同样可选地,在确定可移动平台与障碍物的距离之前,还可以如图4所示实施例中描述的,还可以对第二数目个采集周期内采集的第一点云数据进行筛选,并根据筛选后的点云数据确定障碍物与可移动平台之间的距离。

进一步的,在得到两条航迹后,可以确定二者之间的相似度。若相似度符合预设范围,则确定可移动平台的运行环境中存在障碍物。否则,则认为运行环境中不存在障碍物,此时,控制设备可以控制可移动平台继续以当前姿态,沿当前运动方向运动。并且由于此时已经无需根据航迹进行避障路径的规划。因此,控制设备还可以删除上述的第一航迹和第二航迹。

对于上述的校验过程,还可以通过具体举例说明:

假设,可移动平台的运行速度为1m/s,雷达的采集周期为1秒,且第一数目为5,第二数目为3。

基于上述假设,一种情况,控制设备可以根据雷达分别在第1秒~第5秒采集到的点云数据依次确定出可移动平台与前方障碍物之间的距离为10米、9米、8米、7米、6米。此时,控制设备可以根据上述的五个实际的距离值绘制出的第一航迹,如图6a所示。

控制设备还可以分别根据第1~3秒雷达采集到的点云数据,依次确定出可移动平台与前方障碍物之间的距离为10米,9米,8米。同时控制设备还可以根据可移动平台的运行速度,预测出在第4秒以及第5秒时,可移动平台与障碍物之间的距离为7米和6米。此时,控制设备可以根据上述的三个实际的距离值以及两个预测的距离值绘制出的第二航迹可以如图6b所示。此时,第一航迹和第二航迹完全重合,可移动平台与障碍物之间的实际距离值与预测距离值相同,二条航迹的相似度符合预设范围表明可移动平台前方的障碍物是真实存在的。

另一种情况,控制设备根据在第1秒~第5秒依次采集到的点云数据,确定出可移动平台与前方障碍物之间的距离为10米,9米,8米,6米,2米。由这5个实际距离值即第一距离值可以得到第一航迹如图6c所示。

控制设备还可以分别根据第1秒~第3秒雷达采集到的点云数据,依次确定出可移动平台与前方障碍物之间的距离为10米,9米,8米。同时控制设备可以根据可移动平台的运行速度,预测出在第4秒以及第5秒时,可移动平台与障碍物之间的距离为6米和5米。可以由三个实际距离值以及两个预测距离值绘制出的第二航迹可以如图6b所示。此时,第一航迹和第二航迹之间的相似度不符合预设范围,表明可移动平台出现对障碍物的误判。

本实施例中,控制设备可以对可移动平台运行环境中是否存在障碍物进行判定。由于判定结果会直接影响可移动平台的运行姿态。因此,为了保证可移动平台的正常运行,还可以对障碍物的判定结果进行校验,并根据校验结果确定可移动平台进一步调整可移动平台的运行姿态,使得可移动平台不会出现因障碍物判定错误而导致的运行失误,甚至是损毁。

图7为本发明实施例提供的一种控制装置的结构示意图;参考附图7所示,本实施例提供了一种控制装置,该控制装置可以实行上述的避障方法;具体的,控制置包括:

控制模块11,用于控制所述可移动平台配置的雷达旋转,以得到所述可移动平台所处运行环境内全方位的点云数据。

确定模块12,用于根据所述点云数据确定所述运行环境中是否存在障碍物。

所述控制模块11,还用于若所述运行环境中存在障碍物,则控制所述可移动平台进行避障。

图7所示装置还可以实行图1~图6c所示实施例的方法,本实施例未详细描述的部分,可参考对图1~图6c所示实施例的相关说明。该技术方案的实行过程和技术效果参见图1~图6c所示实施例中的描述,在此不再赘述。

图8为本发明实施例提供的一种可移动平台的结构示意图;参考附图8所示,本发明实施例的提供了一种可移动平台,该可移动平台为以下至少之一:无人飞行器、自动驾驶车辆、无人轮船、具有移动功能的智能机器人等。具体的,该可移动平台包括:机体21、动力系统22、雷达23以及控制装置24。

所述动力系统22,设置于所述机21体上,用于为所述可移动平台提供动力。

所述雷达23,设置于所述机体21上,用于采集点云数据。

所述控制装置24包括存储器241和处理器242。

所述存储器241,用于存储计算机程序;

处理器242,用于运行所述存储器中存储的计算机程序以实现:

控制所述可移动平台配置的雷达旋转,以得到所述可移动平台所处运行环境内全方位的所述点云数据;

根据所述点云数据确定所述运行环境中是否存在障碍物;

若所述运行环境中存在障碍物,则控制所述可移动平台进行避障。

进一步的,处理器242还用于:控制所述雷达旋转,以依次得到所述可移动平台至少一个方位分别对应的点云数据,所述至少一个方位包括如下任一种:前、后、左、右。

进一步的,处理器242还用于:从所述点云数据中筛选对应于所述可移动平台安全运动范围的目标点云数据;

对所述目标点云数据进行聚类处理,以得到至少一个簇;

若目标簇中包含的点云数据的数量大于或等于预设数量,则确定所述运行环境中存在障碍物,所述目标簇是所述至少一个簇中的任一个。

进一步的,处理器242还用于:根据所述目标簇中的点云数据确定所述障碍物的尺寸信息;

根据所述障碍物的尺寸信息控制所述可移动平台进行避障。

进一步的,所述根据所述点云数据确定所述运行环境中是否存在障碍物之前,处理器242还用于:将所述点云数据的三维坐标由球坐标系转换到所述可移动平台的机体坐标系下;

将所述三维坐标由所述机体坐标系转换到惯性坐标系下,以根据转换后的点云数据确定所述运行环境中是否存在障碍物。

进一步的,所述控制所述可移动平台进行避障之前,处理器242还用于:根据所述点云数据以及所述可移动平台的运动速度对所述运行环境中是否存在障碍物进行校验。

进一步的,处理器242还用于:根据所述雷达在第一数目的采集周期采集到的点云数据,确定在所述第一数目的采集周期内所述障碍物分别与所述可移动平台之间的第一距离值;

根据所述可移动平台的运动速度以及所述雷达在第二数目的采集周期采集到的点云数据,预测在所述第一数目的采集周期内所述障碍物分别与所述可移动平台之间的第二距离值,所述第一数目大于所述第二数目;

根据所述第一距离值和所述第二距离值对所述运行环境中是否存在障碍物进行校验。

进一步的,处理器242还用于:根据所述第一距离值生成第一航迹;

根据所述第二距离值生成第二航迹;

若所述第一航迹和所述第二航迹之间的相似度符合预设范围,则确定所述运行环境中存在障碍物。

进一步的,处理器242还用于:若所述第一航迹和所述第二航迹之间的相似度不符合预设范围,则确定所述运行环境中不存在障碍物;

删除所述第一航迹和所述第二航迹;

控制所述可移动平台沿当前运动方向运动。

进一步的,所述雷达23为毫米波雷达。

进一步的,所述雷达23的旋转轴平行于所述可移动平台的航向轴。

进一步的,所述雷达23能够绕旋转轴连续旋转360度,并在连续旋转过程中采集点云数据。

进一步的,所述雷达23能够绕旋转轴间断性旋转,所述雷达在旋转到预设角度时停留预设时间,并在所述预设时间内采集点云数据。

图8所示的可移动平台可以实行图1~图6c所示实施例的方法,本实施例未详细描述的部分,可参考对图1~图6c所示实施例的相关说明。该技术方案的实行过程和技术效果参见图1~图6c所示实施例中的描述,在此不再赘述。

在一个可能的设计中,图9所示控制设备的结构可实现为一电子设备,该电子设备可以是可移动平台中配置的控制器或者远程服务器等等。如图9所示,该电子设备可以包括:一个或多个处理器31和一个或多个存储器32。其中,存储器32用于存储支撑电子设备实行上述图1~图6c所示实施例中提供的避障方法的程序。处理器31被配置为用于实行存储器32中存储的程序。

具体的,程序包括一条或多条计算机指令,其中,一条或多条计算机指令被处理器31实行时能够实现如下步骤:

控制所述可移动平台配置的雷达旋转,以得到所述可移动平台所处运行环境内全方位的点云数据;

根据所述点云数据确定所述运行环境中是否存在障碍物;

若所述运行环境中存在障碍物,则控制所述可移动平台进行避障。

其中,该控制设备的结构中还可以包括通信接口33,用于电子设备与其他设备或通信网络通信。

进一步的,处理器31可以用于实行:控制所述雷达旋转,以依次得到所述可移动平台至少一个方位分别对应的点云数据,所述至少一个方位包括如下任一种:前、后、左、右。

其中,所述可移动平台包括无人飞行器、自动驾驶车辆、具有移动功能的智能机器人中的任一种。所述雷达为毫米波雷达,所述雷达的旋转轴平行于所述可移动平台的航向轴。所述雷达能够绕旋转轴连续旋转360度,并在连续旋转过程中采集点云数据,或者所述雷达能够绕旋转轴间断性旋转,所述雷达在旋转到预设角度时停留预设时间,并在所述预设时间内采集点云数据。

进一步的,处理器31可以用于实行:从所述点云数据中筛选对应于所述可移动平台安全运动范围的目标点云数据;

对所述目标点云数据进行聚类处理,以得到至少一个簇;

若目标簇中包含的点云数据的数量大于或等于预设数量,则确定所述运行环境中存在障碍物,所述目标簇是所述至少一个簇中的任一个。

进一步的,处理器31可以用于实行:根据所述目标簇中的点云数据确定所述障碍物的尺寸信息;

根据所述障碍物的尺寸信息控制所述可移动平台进行避障。

进一步的,处理器31可以用于实行:将所述点云数据的三维坐标由球坐标系转换到所述可移动平台的机体坐标系下;

将所述三维坐标由所述机体坐标系转换到惯性坐标系下,以根据转换后的点云数据确定所述运行环境中是否存在障碍物。

进一步的,处理器31可以用于实行:根据所述点云数据以及所述可移动平台的运动速度对所述运行环境中是否存在障碍物进行校验。

进一步的,处理器31可以用于实行:根据所述雷达在第一数目的采集周期采集到的点云数据,确定在所述第一数目的采集周期内所述障碍物分别与所述可移动平台之间的第一距离值;

根据所述可移动平台的运动速度以及所述雷达在第二数目的采集周期采集到的点云数据,预测在所述第一数目的采集周期内所述障碍物分别与所述可移动平台之间的第二距离值,所述第一数目大于所述第二数目;

根据所述第一距离值和所述第二距离值对所述运行环境中是否存在障碍物进行校验。

进一步的,处理器31可以用于实行:根据所述第一距离值生成第一航迹;

根据所述第二距离值生成第二航迹;

若所述第一航迹和所述第二航迹之间的相似度符合预设范围,则确定所述运行环境中存在障碍物。

进一步的,处理器31可以用于实行:若所述第一航迹和所述第二航迹之间的相似度不符合预设范围,则确定所述运行环境中不存在障碍物;

删除所述第一航迹和所述第二航迹;

控制所述可移动平台沿当前运动方向运动。

图9所示设备可以实行图1~图6c所示实施例的方法,本实施例未详细描述的部分,可参考对图1~图6c所示实施例的相关说明。该技术方案的实行过程和技术效果参见图1~图6c所示实施例中的描述,在此不再赘述。

另外,本发明实施例提供了一种计算机可读存储介质,存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,程序指令用于实现上述图1~图6c的避障方法。

最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,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,或者对其中部分或者全部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发明各实施例技术方案的范围。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1

威尼斯人棋牌|威尼斯欢乐娱人城

XML 地图 | Sitemap 地图