[发明专利]机器人避障方法、装置、机器人及计算机可读存储介质

权利要求书

1.一种机器人避障方法，包括：

沿机器人前进方向拍摄图像；

对所述图像中的目标障碍进行检测，得到所述目标障碍在图像坐标系下的检测坐标；

利用所述检测坐标对所述目标障碍进行跟踪，得到所述目标障碍在图像坐标系下的连续多个跟踪坐标；

根据所述跟踪坐标，控制机器人躲避所述目标障碍。

2.如权利要求1所述的机器人避障方法，其中，所述根据所述跟踪坐标，控制机器人躲避所述目标障碍包括：

利用所述跟踪坐标构建所述目标障碍的运动轨迹；

利用所述运动轨迹，确定所述目标障碍在图像坐标系下的至少一个预测坐标；

根据图像坐标系与世界坐标系之间的映射关系，将所述至少一个预测坐标映射为所述目标障碍在世界坐标系下的至少一个地面预测坐标；

根据所述至少一个地面预测坐标，控制机器人躲避所述目标障碍。

3.如权利要求2所述的机器人避障方法，其中，所述利用所述跟踪坐标构建所述目标障碍的运动轨迹包括：

利用三次样条插值算法对所述跟踪坐标进行处理，得到所述目标障碍的运动轨迹。

4.如权利要求2所述的机器人避障方法，其中，所述根据所述至少一个地面预测坐标，控制机器人躲避所述目标障碍包括：

采用方格的形式对世界坐标系下的所有地面坐标进行划分；

将所述至少一个地面预测坐标所属的方格标记为目标障碍区域，将其余方格标记为可通行区域；

控制机器人在可通行区域内运动。

5.如权利要求4所述的机器人避障方法，其中，所述控制机器人在可通行区域内运动包括：

在可通行区域内，为机器人规划从起点至终点的运动路径；

控制机器人沿所述运动路径运动。

6.如权利要求1所述的机器人避障方法，其中，所述对所述图像中的目标障碍进行检测包括：

利用预先训练的卷积神经网络对所述图像中的目标障碍进行检测，其中，所述卷积神经网络采用深度可分离卷积的方式提取所述目标障碍的特征。

7.如权利要求6所述的机器人避障方法，还包括：

将YOLOv3神经网络中的Darknet卷积层替换为MobileNetv2神经网络中的深度可分离卷积层，以构建所述卷积神经网络。

8.如权利要求1所述的机器人避障方法，其中，所述对所述图像中的目标障碍进行检测，得到所述目标障碍在图像坐标系下的检测坐标包括：

对所述图像中的目标障碍进行检测，得到所述目标障碍的检测框；

将所述检测框的中心点在图像坐标系下的坐标作为所述检测坐标。

9.一种机器人避障装置，包括：

图像拍摄模块，被配置为沿机器人前进方向拍摄图像；

障碍检测模块，被配置为对所述图像中的目标障碍进行检测，得到所述目标障碍在图像坐标系下的检测坐标；

障碍跟踪模块，被配置为利用所述检测坐标对所述目标障碍进行跟踪，得到所述目标障碍在图像坐标系下的连续多个跟踪坐标；

机器人控制模块，被配置为根据所述跟踪坐标，控制机器人躲避所述目标障碍。

10.如权利要求9所述的机器人避障装置，其中，所述机器人控制模块被配置为：

利用所述跟踪坐标构建所述目标障碍的运动轨迹；

利用所述运动轨迹，确定所述目标障碍在图像坐标系下的至少一个预测坐标；

根据图像坐标系与世界坐标系之间的映射关系，将所述至少一个预测坐标映射为所述目标障碍在世界坐标系下的至少一个地面预测坐标；

根据所述至少一个地面预测坐标，控制机器人躲避所述目标障碍。

11.如权利要求10所述的机器人避障装置，其中，所述机器人控制模块被配置为：

利用三次样条插值算法对所述跟踪坐标进行处理，得到所述目标障碍的运动轨迹。