CN112346445A - 一种配送机器人及其避障方法、计算机存储介质 - Google Patents

Abstract

本申请公开了一种配送机器人及其避障方法、计算机存储介质，该配送机器人的避障方法包括：获取配送机器人周围的环境信息；基于环境信息确定配送机器人的当前行驶路径中的障碍物；基于障碍物，确定配送机器人的运动状态，以避开障碍物。通过上述方式，能够防止配送机器人撞击到障碍物，提高了配送机器人的安全性能。

Description

一种配送机器人及其避障方法、计算机存储介质

技术领域

本申请涉及智能配送技术领域，特别是涉及一种配送机器人及其避障方法、计算机存储介质。

背景技术

在智能配送领域中，成本最昂贵和效率最低的环节是在前后两端，也就是最接近发件人与收件人的两端，由于前后两端的用户比较分散，为提高效率，快递公司需要配更多的快递员才能满足，现有技术中，为了减少人力成本，开始采用机器人进行配送。

机器人按照预先规划的路径行驶，由于机器人无人操控，在行驶路径中遇到障碍则难以继续行驶，或者与障碍发生撞击时造成经济损失和人生安全的隐患，因此，如何实现机器人的避障显得十分重要。

发明内容

为解决上述问题，本申请提供了一种配送机器人及其避障方法、计算机存储介质，能够防止配送机器人撞击到障碍物，提高了配送机器人的安全性能。

本申请采用的一个技术方案是：提供一种配送机器人的避障方法，该方法包括：获取配送机器人周围的环境信息；基于环境信息确定配送机器人的当前行驶路径中的障碍物；基于障碍物，确定配送机器人的运动状态，以避开障碍物。

其中，获取配送机器人周围的环境信息，包括：利用配送机器人上安装的顶部激光雷达、前部激光雷达、后部激光雷达和超声波传感器组件，采集深度信息，以及利用配送机器人上安装的摄像头组件，采集图像信息；根据深度信息和图像信息生成配送机器周围的第一环境信息；基于环境信息确定配送机器人的当前行驶路径中的障碍物，包括：获取预存的与当前行驶路径对应的第二环境信息；将第一环境信息和第二环境信息进行比对，以确定配送机器人的当前行驶路径中的障碍物。

其中，基于障碍物，确定配送机器人的运动状态，以避开障碍物，包括：确定障碍物与配送机器人之间的位置信息和/或相对速度信息；基于位置信息和/或相对速度信息，改变配送机器人的运动状态，以避开障碍物。

其中，确定障碍物与配送机器人之间的位置信息和/或相对速度信息，包括：在第一时刻获取障碍物与配送机器人之间的第一距离以及第一方位角；在第二时刻获取障碍物与配送机器人之间的第二距离以及第二方位角；基于第一距离、第一方位角、第二距离、第二方位角以及第一时刻和第二时刻之间的时间差，确定障碍物与配送机器人之间相对速度信息。

其中，基于障碍物，确定配送机器人的运动状态，以避开障碍物，包括：判断障碍物与配送机器人之间的距离是否大于预设的第一距离阈值；若是，则将当前行驶路径切换为预设的另一行驶路径；若否，则控制配送机器人对当前路径进行重新规划。

其中，控制配送机器人对当前路径进行重新规划，包括：判断障碍物与配送机器人之间的距离是否大于预设的第二距离阈值；若是，则控制配送机器人暂停或减速；若否，则控制配送机器人按照当前行驶路径倒退。

其中，该方法还包括：基于环境信息，确定配送机器人周围的特殊区域；其中，特殊区域包括凹陷区域、非法车道区域、水域、草坪区域中的至少一个；在对当前路径进行重新规划时，禁止将路径规划在特殊区域上。

其中，该方法还包括：判断是否检测到撞击信息；其中，撞击信息由配送机器人上安装的防撞机构发生撞击生成；若是，则控制配送机器人暂停。

本申请采用的另一个技术方案是：提供一种配送机器人，该配送机器人包括处理器以及与处理器连接的存储器，存储器用于存储程序数据，处理器用于执行程序数据以实现如上述的方法。

本申请采用的另一个技术方案是：提供一种计算机存储介质，该计算机存储介质中存储有程序数据，程序数据在被处理器执行时，用以实现如上述的方法。

本申请提供的配送机器人的避障方法包括：获取配送机器人周围的环境信息；基于环境信息确定配送机器人的当前行驶路径中的障碍物；基于障碍物，确定配送机器人的运动状态，以避开障碍物。通过上述方式，能够通过分析周围的环境信息来确定障碍物，并根据障碍物来确定相对应的避障方案，一方面可以防止配送机器人撞击到硬物造成机器人或者运载的配送柜的损坏，另一方面也可以防止配送机器人撞击到人带来的人生安全隐患。

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他的附图。其中：

图1是本申请实施例提供的配送机器人的结构示意图；

图2是本申请实施例提供的配送机器人的避障方法的流程示意图；

图3是本申请实施例提供的第一环境信息和第二环境信息的对比示意图；

图4是本申请实施例提供的障碍物的位置和速度检测示意图；

图5是本申请实施例提供的行驶路径的调整的流程示意图；

图6是本申请实施例提供的静止障碍物示意图；

图7是本申请实施例提供的配送机器人的另一结构示意图；

图8是本申请实施例提供的计算机存储介质的结构示意图。

具体实施方式

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。可以理解的是，此处所描述的具体实施例仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

参阅图1，图1是本申请实施例提供的配送机器人的结构示意图，该配送机器人10具体可以用于对配送柜进行配送，该配送机器人10可以为室外机器人，用于在室外对配送柜进行配送，也可以是楼宇机器人，用于在楼宇内对配送柜进行配送。

以室外机器人为例，该配送机器人10包括了主体100，驱动机构200，传感器组件300以及控制器(图未示)。

驱动机构200设置于主体100上，从而可以驱动主体100进行移动。传感器组件300也设置于主体100上，并用于探测配送机器人10在移动或者停止过程中的周边障碍物，从而获得障碍物信息。具体地，该障碍物不仅仅限于台阶，阻挡物等，还包括红绿灯等交通信息。

控制器则可以接收障碍信息，并根据障碍信息生成控制指令以控制驱动机构200，进而使得驱动机构200驱动主体100避开障碍物。

具体地，主体100包括承载部110与板体部120，板体部120垂直设置于承载部110的一端，即板体部120自承载部110一端向上延伸并可以与承载部110相互垂直。

在具体实施例中，承载部110主要用于对配送柜进行承载，其类似于一个板状结构，驱动机构200设置于承载部110上。具体地，驱动机构200具体包括底盘、驱动件以及驱动轮，底盘设置于承载部110的底部，驱动轮优选为四个，并分别安装于底盘的四个角。驱动件用于驱动驱动轮进行转动或者转向。

传感器组件300则设置于承载部110与板体部120上。

上述实施例中，通过在承载部110上设置板体部120，一方面可以作为阻挡版，以使得配送柜能够更加良好的承载于承载部110上，另一方面，由于承载部110的高度与安装位置有限，通过设置板体部120用于安装传感器组件300，能够更好的对环境进行全方位的探测，以达到更好的探测效果。

具体地，传感器组件300包括激光雷达组件310，激光雷达组件310包括前部激光雷达311，后部激光雷达312以及顶部激光雷达313；其中，前部激光雷达311设置于承载部110靠近板体部120的一端，后部激光雷达312设置于承载部110远离前部激光雷达311的另一端，顶部激光雷达313设置于板体部120远离承载部110的一端。

当激光雷达组件310检测到障碍物时，则向控制器发生相关的障碍物信息，具体如大小，方位等信息。然后控制器根据障碍物信息生成相关的指令信息，并通过驱动机构200控制主体100停止、转向或者移动等等，以避开障碍物。

在具体实施例中，传感器组件300还包括超声波传感器组件(图未示)，超声波传感器组件设置于板体部120和/或承载部110上，超声波传感器组件用于辅助激光雷达组件310进行环境检测。可选地，激光雷达组件310的检测区域和超声波传感器组件的检测区域可以至少部分不重合。

具体地，激光雷达组件310的探测区域可能存在有盲区，如后部激光雷达312与顶部激光雷达313由于高度的关系，可能对中间区域无法进行扫描，则可以在板体部120中间位置设置有超声波传感器组件，从而进行扫描补偿。

同时，超声波传感器组件可以用于检测玻璃，当检测到多个条状障碍，或超声波传感器检测到面状障碍，可以判断障碍物为玻璃。

进一步，承载部110的两端分别设置有避让斜面111，前部激光雷达311与后部激光雷达312设置于避让斜面111上。从而使得在配送机器人10发生撞击时，前部激光雷达311与后部激光雷达312不会受到撞击的伤害。

具体地，避让斜面111具体朝外斜上方，因此还可以用于设置超声波传感器组件，因此超声波传感器组件还可以对斜上方进行检测。

在具体实施例中，承载部110的两端分别设置有缓冲件112，用于配送机器人10撞击时起到缓冲作用，以防止撞击的力直接伤害到配送机器人10的本体部分。

顶部激光雷达313上设置有防护罩314，防护罩314用于对顶部激光雷达313进行防护，且防护罩314的大小倾斜角度与顶部激光雷达313的扫描角度相吻合。以使防护罩314不影响激光雷达313的工作；防护罩314采用透明材料制作，以避免影响测试效果。

下面通过几种实施例对上述配送机器人10的避障方法进行介绍。

参阅图2，图2是本申请实施例提供的配送机器人的避障方法的流程示意图，该方法包括：

步骤21：获取配送机器人周围的环境信息。

可选地，可以具体采用配送机器人上安装的顶部激光雷达、前部激光雷达、后部激光雷达和超声波组件，采集深度信息，以及利用配送机器人上安装的摄像头组件，采集图像信息；根据深度信息和图像信息生成配送机器周围的第一环境信息。

激光雷达是以发射激光束探测目标的位置、速度等特征量的传感器，可选地，激光雷达按照设定的频率旋转，向360°的范围内发射激光束，或者向指定的扇形区域内发射激光束，并接收反射的激光束，通过时间差计算出障碍物的深度。

超声波(指频率20kHz以上机械波)是一种特殊的声波，具有声波折射、反射、干涉等基本物理特性。超声波发射器向外面某一个方向发射出超声波信号，在发射超声波时刻的同时开始进行计时，超声波通过空气进行传播，传播途中遇到障碍物就会立即返射传播回来，超声波接收器在收到反射波的时刻就立即停止计时。在空气中超声波的传播速度是340m/s，计时器通过记录时间t，就可以测算出从发射点到障碍物之间的距离长度(s)，即：s＝340t/2。

摄像头组件可以具体包括双目摄像头、长焦摄像头、行车记录仪等，其中，双目摄像头可以用于获取深度图像，长焦摄像头可以用于获取较远距离的图像，例如可以拍摄红绿灯。

进一步，处理器对各个传感器检测的深度信息和图像信息进行整合，形成环境图层。可选地，该图层中可以用不同的颜色对不同的深度进行标注，例如深度值越大，对应的颜色的像素值越大。

可选地，在一实施例中，可以采用上述的传感器再进一步配合摄像头进行环境信息的获取，摄像头可以安装于配送机器人的前后左右各侧以采集环境图像，处理器在获取到环境图像后通过语义分割对该图像进行处理。

语义分割的任务是为图像中的每个像素分类，属于经典的密集预测算法，核心技术在于特征层的准确提取和细节信息的精确恢复。全卷积网络(FCN，Fully ConvolutionalNetworks)的应用大大提高了语义分割算法的准确度。卷积层通过卷积核和原始特征的线性结合得到输出特征，为增大感受野和获取长距离的语义信息，往往采取堆叠卷积层的方式。

通过语义分割的结果可以对环境图像中的不同区域进行不同的划分，并对不同区域采用不同的颜色进行标注。例如建筑物、道路、草坪、水池等。

进一步，通过激光雷达、超声波传感器获取的深度信息得到的深度图像，以及摄像头采集的彩色图像并进一步得到的语义分割图像，两者进行结合，可以获取更为精确的环境信息。

步骤22：基于环境信息确定配送机器人的当前行驶路径中的障碍物。

可选地，由于环境信息包含了深度信息和图像信息，可以通过深度学习来获取障碍物的信息(包括障碍物的类型、位置、速度)。具体地，可以预先建立一神经网络模型，将样本数据(包括深度信息和图像信息)输入至该神经网络模型进行训练，然后通过训练得到的神经网络模型来对新输入的深度信息和图像信息进行学习，以确定障碍物信息。

可选地，获取预存的与当前行驶路径对应的第二环境信息；将第一环境信息和第二环境信息进行比对，以确定配送机器人的当前行驶路径中的障碍物。

其中，该第二环境信息为预先采集的在没有障碍物情况下的环境信息。例如，可以通过人为的方式采集，如人工拿着摄像机进行路径周围环境信息的采集，或者认为清除路径上的障碍物后，由配送机器人进行周围环境信息的采集。

在第一环境信息和第二环境信息的比对时，主要是通过与第一环境信息对应的第一图层，和与第二环境信息对应的第二图层的对比，通过比较两个图层中各个区域的相似度，来确定是否有障碍物。

如图3所示，图3是本申请实施例提供的第一环境信息和第二环境信息的对比示意图，其中左侧为第二环境信息对应的第二图层，右侧为第一环境信息对应的第一图层，阴影部分表示配送机器人，箭头表示配送机器人的行驶路径方向。

通过第一图层和第二图层的对比，若检测到障碍物A，可以确定障碍物A在配送机器人的行驶路径上，为需要考虑的障碍物；若检测到障碍物B，可以确定障碍物B没有在配送机器人的行驶路径上，无需考虑。

步骤23：基于障碍物，确定配送机器人的运动状态，以避开障碍物。

可选地，配送机器人可以根据对输入的深度信息和图像信息进行学习，以预测障碍物的轨迹，进而确定配送机器人的运送轨迹以避开该障碍物。例如，可以根据障碍物的类型、运动方向和运动速度，来判断在将来的某个时刻，配送机器人和障碍物之间是否会撞击。

其中，可以根据障碍物与配送机器人之间的位置信息和相对速度信息来确定不同的运动状态。

例如，在障碍物距离配送机器人较远时，可以控制配送机器人减速或暂停，在障碍物距离配送机器人较近时，可以控制配送机器人暂停或倒退。

具体地，在第一时刻获取障碍物与配送机器人之间的第一距离以及第一方位角；在第二时刻获取障碍物与配送机器人之间的第二距离以及第二方位角；基于第一距离、第一方位角、第二距离、第二方位角以及第一时刻和第二时刻之间的时间差，确定障碍物与配送机器人之间相对速度信息。

如图4所示，图4是本申请实施例提供的障碍物的位置和速度检测示意图。其中，在第一时刻检测到障碍物在C点，距离为OC(O点为传感器位置)，第二时刻检测到障碍物在C’点，距离为OC’，OC和OC’之间的夹角为θ，这样，通过一定的函数关系可以计算出CC’的距离，进一步结合第一时刻和第二时刻之间的时间差，可以计算出障碍物的移动速度。

参阅图5，图5是本申请实施例提供的行驶路径的调整的流程示意图，步骤23可以具体包括：

步骤231：判断障碍物与配送机器人之间的距离是否大于预设的第一距离阈值。

步骤232：将当前行驶路径切换为预设的另一行驶路径。

可选地，配送机器人与服务器实现网络连接，一个服务器对多个配送机器人进行调度。在服务器中预先存储了多个从起始位置到终点位置之间的行驶路径，并为多个配送机器人分配各自的行驶路径以进行调度，并实时获取配送机器人发送的位置信息，以确定每个配送机器人当前在路径中的位置。例如，如下表所示：

路径	配送机器人
		路径1	机器人A
路径2	机器人B
		路径3	(空闲)

在一实施例中，机器人A运行在路径1，机器人B运行在路径2，若在路径1上检测到障碍物，可以根据服务器的调度，将机器人A的路径切换成路径3。

在另一实施例中，也可以判断机器人B的运行方向和机器人A的运行方向是否一致(是否均是从初始位置运行至终点位置，或者从终点位置运行至初始位置)，若一致，也可以将机器人A的路径切换至路径2。另外，也可以预先设置每一条路径上的机器人运行的最大数量，若目标路径上运行的机器人数量小于设定的最大数量，可以将其他配送机器人的路径切换至该目标路径。

可选地，每个配送机器人中也可以预先存储多个行驶路径信息，在其中的一个路径中遇到障碍物，可以自己灵活的切换至其他路径。

步骤233：控制配送机器人对当前路径进行重新规划。

路径的重新规划是指通过机器人的暂停、变速、转弯等方式来避开障碍物，可短暂的脱离当前路径，避开障碍物后，再回到原来的行驶路径。

可选地，在对当前路径进行重新规划时，可以判断障碍物与配送机器人之间的距离是否大于预设的第二距离阈值；若是，则控制配送机器人暂停或减速；若否，则控制配送机器人按照当前行驶路径倒退。

在一实施例中，可以根据配送机器人与障碍物之间的距离来确定配送机器人的运动状态。

若障碍物与配送机器人之间的距离大于预设的第二距离阈值，说明障碍物较远，配送机器人可以缓慢减速，如果障碍物一段时间后脱离路径，配送机器人可以恢复初始速度继续运行。例如，路径前方有用户出现，此时机器人检测到障碍物(人)较远时，主动减速，一般情况下，用户看到有配送机器人经过会主动避让，脱离机器人的运行路径，机器人再次检测到障碍物消失，恢复初始速度。

若障碍物与配送机器人之间的距离小于预设的第二距离阈值，说明障碍物较近，配送机器人立刻暂停或后退，如果障碍物一段时间后脱离路径，配送机器人可以恢复初始速度继续运行。例如，突然从侧边经过的宠物、小孩等，为了避免造成伤害，配送机器人立即暂停或后退。

可选地，在对当前路径进行重新规划时，可以根据障碍物与配送机器人之间的相对速度来进行速度、方向等的调节。

例如，障碍物为静止物体，若石头等物体，配送机器人可以确定该障碍物的体积，并判断是否可以绕行。

如图6所示，图6是本申请实施例提供的静止障碍物示意图，具体地，可以确定障碍物与可运行路径边缘(如墙体)之间的距离L，判断配送机器人的宽度是否可以通过距离L的路径。若可以，则通过配送机器人的驱动机构不断的调节配送机器人的姿态，以使该配送机器人通过该区域。

在另外实施例中，若配送机器人不能通过绕行的方式避开该障碍物，可以通过倒退重新选择其他路径的方式，也可以通过上报服务器，申请消除该障碍物。

可以理解地，在配送机器人进行路径规划时，需要注意新的路径不能到达一些特殊区域，例如凹陷区域、非法车道区域、水域、草坪区域等。对于这些区域，在对当前路径进行重新规划时，禁止将路径规划在特殊区域上。

另外，还可以利用配送机器人的防撞机构来检测是否受到外力撞击，若有撞击，则立刻控制配送机器人暂停或者倒退，并发出警报。

区别于现有技术，本实施例提供的配送机器人的避障方法包括：获取配送机器人周围的环境信息；基于环境信息确定配送机器人的当前行驶路径中的障碍物；基于障碍物，确定配送机器人的运动状态，以避开障碍物。通过上述方式，能够通过分析周围的环境信息来确定障碍物，并根据障碍物来确定相对应的避障方案，一方面可以防止配送机器人撞击到硬物造成机器人或者运载的配送柜的损坏，另一方面也可以防止配送机器人撞击到人带来的人生安全隐患。

参阅图7，图7是本申请实施例提供的配送机器人的另一结构示意图，该配送机器人70包括处理器71以及与处理器71连接的存储器72，存储器72用于存储程序数据，处理器71用于执行程序数据以实现如下的方法：获取配送机器人周围的环境信息；基于环境信息确定配送机器人的当前行驶路径中的障碍物；基于障碍物，确定配送机器人的运动状态，以避开障碍物。

可选地，在一实施例中，处理器71还用于执行程序数据以实现如下的方法：利用配送机器人上安装的顶部激光雷达、前部激光雷达、后部激光雷达和超声波传感器组件，采集深度信息，以及利用配送机器人上安装的摄像头组件，采集图像信息；根据深度信息和图像信息生成配送机器周围的第一环境信息；获取预存的与当前行驶路径对应的第二环境信息；将第一环境信息和第二环境信息进行比对，以确定配送机器人的当前行驶路径中的障碍物。

可选地，在一实施例中，处理器71还用于执行程序数据以实现如下的方法：确定障碍物与配送机器人之间的位置信息和/或相对速度信息；基于位置信息和/或相对速度信息，改变配送机器人的运动状态，以避开障碍物。

可选地，在一实施例中，处理器71还用于执行程序数据以实现如下的方法：在第一时刻获取障碍物与配送机器人之间的第一距离以及第一方位角；在第二时刻获取障碍物与配送机器人之间的第二距离以及第二方位角；基于第一距离、第一方位角、第二距离、第二方位角以及第一时刻和第二时刻之间的时间差，确定障碍物与配送机器人之间相对速度信息。

可选地，在一实施例中，处理器71还用于执行程序数据以实现如下的方法：判断障碍物与配送机器人之间的距离是否大于预设的第一距离阈值；若是，则将当前行驶路径切换为预设的另一行驶路径；若否，则控制配送机器人对当前路径进行重新规划。

可选地，在一实施例中，处理器71还用于执行程序数据以实现如下的方法：判断障碍物与配送机器人之间的距离是否大于预设的第二距离阈值；若是，则控制配送机器人暂停或减速；若否，则控制配送机器人按照当前行驶路径倒退。

可选地，在一实施例中，处理器71还用于执行程序数据以实现如下的方法：基于环境信息，确定配送机器人周围的特殊区域；其中，特殊区域包括凹陷区域、非法车道区域、水域、草坪区域中的至少一个；在对当前路径进行重新规划时，禁止将路径规划在特殊区域上。

另外，该配送机器人70还可以包括驱动机构、传感器组件等，这里不再赘述。

参阅图8，图8是本申请实施例提供的计算机存储介质的结构示意图，该计算机存储介质80中存储有程序数据81，该程序数据81在被处理器执行时，用以实现如下的方法：

获取配送机器人周围的环境信息；基于环境信息确定配送机器人的当前行驶路径中的障碍物；基于障碍物，确定配送机器人的运动状态，以避开障碍物。

在本申请所提供的几个实施方式中，应该理解到，所揭露的方法以及设备，可以通过其它的方式实现。例如，以上所描述的设备实施方式仅仅是示意性的，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。

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方式方案的目的。

另外，在本申请各个实施方式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。

上述其他实施方式中的集成的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取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是根据本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种配送机器人的避障方法，其特征在于，所述方法包括：

获取所述配送机器人周围的环境信息；

基于所述环境信息确定所述配送机器人的当前行驶路径中的障碍物；

基于所述障碍物，确定所述配送机器人的运动状态，以避开所述障碍物。

2.根据权利要求1所述的方法，其特征在于，

所述获取所述配送机器人周围的环境信息，包括：

利用所述配送机器人上安装的顶部激光雷达、前部激光雷达、后部激光雷达和超声波传感器组件，采集深度信息，以及利用所述配送机器人上安装的摄像头组件，采集图像信息；

根据所述深度信息和所述图像信息生成所述配送机器周围的第一环境信息；

所述基于所述环境信息确定所述配送机器人的当前行驶路径中的障碍物，包括：

获取预存的与当前行驶路径对应的第二环境信息；

将所述第一环境信息和所述第二环境信息进行比对，以确定所述配送机器人的当前行驶路径中的障碍物。

3.根据权利要求1所述的方法，其特征在于，

所述基于所述障碍物，确定所述配送机器人的运动状态，以避开所述障碍物，包括：

确定所述障碍物与所述配送机器人之间的位置信息和/或相对速度信息；

基于所述位置信息和/或所述相对速度信息，改变所述配送机器人的运动状态，以避开所述障碍物。

4.根据权利要求3所述的方法，其特征在于，

所述确定所述障碍物与所述配送机器人之间的位置信息和/或相对速度信息，包括：

在第一时刻获取所述障碍物与所述配送机器人之间的第一距离以及第一方位角；

在第二时刻获取所述障碍物与所述配送机器人之间的第二距离以及第二方位角；

基于所述第一距离、所述第一方位角、所述第二距离、所述第二方位角以及所述第一时刻和所述第二时刻之间的时间差，确定所述障碍物与所述配送机器人之间相对速度信息。

5.根据权利要求1所述的方法，其特征在于，

所述基于所述障碍物，确定所述配送机器人的运动状态，以避开所述障碍物，包括：

判断所述障碍物与所述配送机器人之间的距离是否大于预设的第一距离阈值；

若是，则将所述当前行驶路径切换为预设的另一行驶路径；

若否，则控制所述配送机器人对所述当前路径进行重新规划。

6.根据权利要求5所述的方法，其特征在于，

所述控制所述配送机器人对所述当前路径进行重新规划，包括：

判断所述障碍物与所述配送机器人之间的距离是否大于预设的第二距离阈值；

若是，则控制所述配送机器人暂停或减速；

若否，则控制所述配送机器人按照所述当前行驶路径倒退。

7.根据权利要求5所述的方法，其特征在于，

所述方法还包括：

基于所述环境信息，确定所述配送机器人周围的特殊区域；其中，所述特殊区域包括凹陷区域、非法车道区域、水域、草坪区域中的至少一个；

在对所述当前路径进行重新规划时，禁止将路径规划在所述特殊区域上。

8.根据权利要求5所述的方法，其特征在于，

所述方法还包括：

判断是否检测到撞击信息；其中，所述撞击信息由所述配送机器人上安装的防撞机构发生撞击生成；

若是，则控制所述配送机器人暂停。

9.一种配送机器人，其特征在于，所述配送机器人包括处理器以及与所述处理器连接的存储器，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1-8任一项所述的方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有程序数据，所述程序数据在被所述处理器执行时，用以实现如权利要求1-8任一项所述的方法。

Images