基于移动机器人的贴边控制方法、装置、设备及介质与流程

本技术涉及到机器人控制，具体而言，涉及到一种基于移动机器人的贴边控制方法、装置、设备及介质。

背景技术：

1、移动机器人在现代社会的许多领域中都扮演着关键角色，它们协助人们完成各种任务，如自动导航、环境监测、物流配送等。然而，尽管这些机器人已经取得了显著的进步，但在贴边控制方面仍然面临着一些挑战。

2、传统的移动机器人贴边控制方法主要依赖于传感器数据或预先构建的地图信息。然而，这些方法在实际应用中存在一定的局限性。首先，基于传感器数据的方法虽然能够提供实时的环境信息，但传感器的精度和延迟问题可能会导致移动机器人的运动轨迹不稳定，甚至增加碰撞的风险。其次，基于预先构建的地图信息的方法虽然能够避免传感器精度和延迟的问题，但地图的实时更新却是一个难题。一旦环境发生变化，如障碍物移动或新增，预先构建的地图就无法准确反映实际情况，从而导致移动机器人难以准确贴边移动。此外，在动态环境中，障碍物可能会不断移动，这就需要移动机器人能够实时调整路径以避免碰撞。然而，由于参数偏移和预测不准确的问题，机器人在面对这种情况时可能会变得困惑，甚至无法做出正确的决策。

3、因此，亟需一种新型的控制方法解决上述问题。

技术实现思路

1、本技术的主要目的为提供一种基于移动机器人的贴边控制方法，旨在解决现有的机器人贴边控制方法存在一定局限性的技术问题。

2、为了实现上述发明目的，本技术提取一种基于移动机器人的贴边控制方法，包括：

3、获取当前环境的实时图像数据，并基于所述实时图像数据构建roi压缩地图；

4、提取所述roi压缩地图中障碍物的边界矢量，将所述边界矢量进行贴边参数偏移，得到控制矢量；

5、基于移动机器人的位姿和所述控制矢量，对移动机器人的运动轨迹进行预测，得到预测轨迹；

6、将所述预测轨迹与所述roi压缩地图进行碰撞检测，并对所述碰撞检测的结果进行修正，得到修正后的运动轨迹；

7、根据所述运动轨迹实时调整移动机器人的控制参数，并控制移动机器人沿着所述运动轨迹进行贴边移动。

8、进一步地，所述获取当前环境的实时图像数据，并基于所述实时图像数据构建roi压缩地图的步骤，包括：

9、基于移动机器人上的传感器获取当前环境的实时图像数据；

10、对所述实时图像数据按照不同的层次进行压缩，并将各个层次压缩后的实时图像数据整合至局部栅格地图中；

11、提取所述局部栅格地图中的roi区域，得到所述roi压缩地图。

12、进一步地，所述提取所述roi压缩地图中障碍物的边界矢量，将所述边界矢量进行贴边参数偏移，得到控制矢量的步骤，包括：

13、基于边缘检测算法提取所述roi压缩地图中障碍物的边界像素点；

14、对提取到的所述边界像素点进行拟合，得到障碍物的边界矢量；

15、根据预设的贴边参数对所述边界矢量进行偏移，得到所述控制矢量，所述贴边参数至少包括移动机器人与障碍物的贴边距离和移动机器人的物理参数。

16、进一步地，所述基于移动机器人的位姿和所述控制矢量，对移动机器人的运动轨迹进行预测，得到预测轨迹的步骤，包括：

17、基于移动机器人上的传感器获取移动机器人的位姿，所述位姿包括位置和方向；

18、根据所述边界矢量和所述位姿之间的相对关系，计算得到所述控制矢量和机器人的位姿的控制误差；

19、基于pid控制器计算所述控制误差得到控制信号，其中，所述控制信号包括角速度信号和规划速度信号；

20、将所述控制信号进行运动学转换得到移动机器人的运动速度信息，根据所述运动速度信息预测移动机器人的运动轨迹，得到预测轨迹。

21、进一步地，所述将所述预测轨迹与所述roi压缩地图进行碰撞检测，并对所述碰撞检测的结果进行修正，得到修正后的运动轨迹的步骤，包括：

22、将所述预测轨迹与所述roi压缩地图进行碰撞检测，判断预测轨迹是否与所述roi压缩地图中的障碍物发生碰撞；

23、若所述预测轨迹与所述障碍物发生碰撞，基于lattice采样算法对所述控制矢量进行修正，得到修正后的控制矢量；

24、基于修正后的所述控制矢量和移动机器人的位姿，重新预测移动机器人的运动轨迹；

25、重复进行碰撞检测和修正过程，直到预测轨迹不再与障碍物发生碰撞，得到修正后的运动轨迹。

26、进一步地，所述根据所述运动轨迹实时调整移动机器人的控制参数，并控制移动机器人沿着所述运动轨迹进行贴边移动的步骤，包括：

27、根据修正后的所述运动轨迹，计算移动机器人在每个时刻的速度和角速度；

28、将计算得到的所述速度和角速度作为移动机器人的控制参数，控制移动机器人沿着修正后的所述运动轨迹进行贴边移动；

29、在移动过程中，实时获取移动机器人的位姿信息和环境图像数据，对运动轨迹进行实时更新和调整，并控制移动机器人按照更新和调整后的所述运动轨迹进行贴边移动。

30、进一步地，所述基于pid控制器计算所述控制误差得到控制信号的步骤，包括：

31、基于预设计算公式得到所述控制信号，其中，所述预设计算公式为：

32、w＝kp*err+kd*derr；

33、其中，所述pid控制器由比例项、积分项和微分项组成，kp和kd分别是比例项和微分项的调节系数，err表示当前的控制误差，derr表示控制误差的变化率。

34、本技术还提取一种基于移动机器人的贴边控制装置，包括：

35、获取模块，用于获取当前环境的实时图像数据，并基于所述实时图像数据构建roi压缩地图；

36、提取模块，用于提取所述roi压缩地图中障碍物的边界矢量，将所述边界矢量进行贴边参数偏移，得到控制矢量；

37、预测模块，用于基于移动机器人的位姿和所述控制矢量，对移动机器人的运动轨迹进行预测，得到预测轨迹；

38、检测模块，用于将所述预测轨迹与所述roi压缩地图进行碰撞检测，并对所述碰撞检测的结果进行修正，得到修正后的运动轨迹；

39、控制模块，用于根据所述运动轨迹实时调整移动机器人的控制参数，并控制移动机器人沿着所述运动轨迹进行贴边移动。

40、本技术还提取一种计算机设备，其包括处理器、存储器及存储于所述存储器上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的方法。

41、本技术还提取一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

42、有益效果：

43、本技术通过获取当前环境的实时图像数据并构建roi压缩地图，有效地提高了移动机器人在复杂环境中的感知能力和环境理解能力，相比传统方法只依赖静态地图或传感器数据，通过实时图像数据构建地图可以更加准确地反映出环境的实时变化，为后续的贴边控制提供了更可靠的基础。其次，本技术在提取roi压缩地图中障碍物的边界矢量后，对边界矢量进行贴边参数偏移，得到控制矢量，从而实现了对障碍物边界的灵活处理，使得移动机器人能够更加智能地贴边移动，避免了直接跟随边界导致的碰撞风险，提高了贴边控制的精度和稳定性。再者，基于移动机器人的位姿和控制矢量，预测移动机器人的运动轨迹并与roi压缩地图进行碰撞检测，进而修正运动轨迹。通过预测和修正运动轨迹，可有效避免碰撞风险，保障移动机器人在贴边过程中的安全性，同时确保移动轨迹的稳定性和高效性。此外，本方法实时调整移动机器人的控制参数，并控制移动机器人沿着修正后的运动轨迹进行贴边移动，实现了对移动机器人的精准控制。通过实时调整参数并根据最新的情况调整移动轨迹，移动机器人能够更好地适应复杂环境的变化，确保贴边移动的准确性和高效性。