承载结构轮廓提取方法、机器人及计算机可读存储介质与流程

1.本发明大致涉及智能设备控制技术领域，尤其是一种承载结构轮廓提取方法、机器人及计算机可读存储介质。


背景技术：

2.对于承担配送或运输作用的机器人，承载结构用于放置物体，但目前机器人中承载结构的当前状态需要人工进行判断，并且需要根据承载结构的当前状态调整机器人的运动状态，导致降低机器人的运行效率，影响用户的使用体验。
3.例如餐厅中的配送机器人，在执行菜品递送任务时，需要实时感知承载结构，例如托盘，内是否仍有菜品，以此作为机器人下一步运动状态的依据。现有的配送机器人通常由人工进行判断，否则机器人可能会长时间在某一位置持续等待，或在人工干预，以及等待预设时间后继续运动，操作过程繁琐，影响机器人的运行效率，智能化程度有限。根据本技术人的其他申请，能够通过传感器获取承载结构的图像，进而判断承载结构的当前状态，执行此方法需要传感器能够获取承载结构的位置以及边界轮廓，以减少判断过程的计算量，并提高准确性。目前提取承载结构轮廓的方法主要是制作与承载结构的形状大小一致的标定板，在服务机器人出厂时应用该标定板覆盖承载结构，并提取图像，应用常规的边缘提取方法在图像中提取标定板轮廓，用于替换为承载结构的轮廓。但当机器人在应用场景下发生硬件或者软件故障导致承载结构的标定数据丢失，需要重新对承载结构进行标定时，仍然需要将机器人返厂，重新标定，或者由技术人员携带与承载结构对应的标定板在现场重新标定，此两种方法在具体的实施过程中成本较高，过程繁琐。
4.背景技术部分的内容仅仅是发明人所知晓的技术，并不当然代表本领域的现有技术。


技术实现要素：

5.针对现有技术中的一个或多个缺陷，本发明提供一种承载结构轮廓提取方法，所述承载结构具有预设形状，所述承载结构轮廓提取方法包括：
6.获取承载结构的图像；
7.计算获得承载结构的边界，获取边界图像；
8.将承载结构的预设形状代入所述边界图像；
9.调整预设形状的位置和预设形状的形状特征，获得模拟形状，以使模拟形状趋近于所述承载结构的边界；
10.根据模拟形状获取承载结构的边界轮廓。
11.根据本发明的一个方面，其中所述根据模拟形状获取承载结构的边界轮廓的步骤包括：
12.判断模拟形状与承载结构的边界之间的误差是否大于阈值；
13.当模拟形状与承载结构的边界之间的误差不大于阈值时，以当前的模拟形状作为
承载结构的边界。其中模拟形状与承载结构的边界之间的误差通过在所述边界图像中的像素块的间距和重合比例表征。
14.根据本发明的一个方面，其中所述预设形状的形状特征至少包括两个在边界图像内相互垂直的线段的长度值。
15.根据本发明的一个方面，其中所述预设形状为圆形或椭圆形，所述预设形状的形状特征包括圆形中相互垂直的直径的长度或椭圆形中的长轴和短轴的长度；在所述获得模拟形状的步骤中，分别调整圆形或椭圆形的中心点的位置，长轴的长度，和短轴的长度，以使模拟形状趋近于所述承载结构的边界。
16.根据本发明的一个方面，其中所述预设形状为矩形或正方形，所述预设形状的形状特征包括矩形或正方形的两组对边的中点连线的长度；在所述获得模拟形状的步骤中，分别调整矩形或正方形的中心点的位置，以及两组对边的中点连线的长度，以使模拟形状趋近于所述承载结构的边界。
17.根据本发明的一个方面，其中所述预设形状的形状特征具有预设范围，所述获取模拟形状的步骤包括：判断形状特征是否超出所述预设范围；当形状特征超出预设范围，舍弃超出预设范围的形状特征。
18.根据本发明的一个方面，所述承载结构轮廓提取方法还包括对模拟形状进行越界裁剪。
19.根据本发明的一个方面，其中所述获取边界图像的步骤中，利用sobe l算子对承载结构的图像进行边界处理，获得承载结构图像的边缘二值图。
20.根据本发明的一个方面，本发明还包括一种机器人，所述机器人包括：
21.主体；
22.承载结构，所述承载结构设置于所述主体上；
23.传感器，所述传感器设置于所述主体上，且所述传感器配置成能够获取所述承载结构的图像；
24.控制系统，所述控制系统与所述传感器通讯，并配置成能够执行如前所述的承载结构轮廓提取方法。
25.根据本发明的一个方面，本发明还包括一种计算机可读存储介质，包括存储于其上的计算机可执行命令，所述可执行命令在被处理器执行时实施如前所述的承载结构轮廓提取方法。
26.与现有技术相比，本发明的实施例提供了一种承载结构轮廓提取方法，利用承载结构的预设形状获取模拟形状，并靠近贴合图像中承载结构的边界，最终获得准确的模拟形状作为承载结构的边界轮廓，能够用于承载结构的状态检测。本发明还包括一种机器人以及一种计算机可读存储介质的实施例，用于实施前述承载结构轮廓提取方法。
附图说明
27.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
28.图1是本发明的一个实施例中承载结构轮廓提取方法的流程示意图；
29.图2是本发明的一个实施例中包括判断形状特征是否超出预设范围的承载结构轮
廓提取方法的流程示意图；
30.图3是本发明的一个实施例中包括越界裁剪过程的承载结构轮廓提取方法的流程示意图；
31.图4是本发明的一个实施例中承载结构的图像的示意图；
32.图5a和图5b是本发明的一个实施例中感兴趣区域的示意图；
33.图6是本发明的一个实施例中调整模拟形状的示意图；
34.图7是本发明的一个实施例中机器人的结构框图；
35.图8是本发明的一个实施例中机器人的结构示意图。
具体实施方式
36.在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
37.在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。
38.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语"安装"、"相连"、"连接"应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接:可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
39.在本发明中，除非另有明确的规定和限定，第一特征在第二特征之"上"或之"下"可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征"之上"、"上方"和"上面"包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征"之下"、"下方"和"下面"包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。
40.下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
41.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实
施例仅用于说明和解释本发明，并不用于限定本发明。
42.图1示出了根据本发明的实施例中承载结构轮廓提取方法100的具体流程，下面结合图1详细描述。
43.在本实施例中，承载结构安装在机器人的主体结构上，用于放置待配送转运的物体，例如是托盘或货箱等形式，承载结构具有预设的形状，由待配送的物体类型，以及机器人的工业设计风格等多种因素确定，随机器人共同设计，常见的承载结构一般是圆形、椭圆形、矩形、圆角矩形等形状。
44.如图1所示，在步骤s101，获取承载结构的图像，例如通过设置在机器人上的摄像头等传感器，拍摄承载结构获得图像，根据本发明的优选实施例，承载结构中用于放置物体的承载平面靠近传感器视野范围的中心位置，以防止承载结构的部分位置图像缺失。进一步的，传感器的光轴与承载结构的承载平面相垂直，或始终具有一预设角度，以保证承载结构在图像内的角度、位置以及形状统一。
45.在步骤s102，计算获得承载结构的边界，获取边界图像。在承载结构的图片中不仅包括承载结构本身，还包括承载结构的周边环境，例如通过摄像头获取承载结构的图像，摄像头的视野范围大于承载结构占用的面积，如图4所示，图像内也包括承载结构周边环境的信息。优选的，利用sobe l算子对承载结构的图像进行边界处理，获得承载结构图像的边缘二值图，对承载结构与周边环境进行区分，获得承载结构的边界图像。但由于承载结构变形缺失、光线影响、传感器偏离预设位置等因素影响，承载结构的边界图像可能会存在偏差，甚至部分缺失，利用本实施例中承载结构轮廓提取方法100确定准确的承载结构边界轮廓，为承载结构当前状态判断等后续步骤提供支持和依据。
46.在步骤s103，将承载结构的预设形状代入边界图像，其中承载结构的预设形状表示承载结构在位于标准位置的传感器下的预设形状，例如当传感器的光轴与承载结构的承载平面相垂直时，在承载结构的图像中反映承载平面的真实形状，例如图4所示。当传感器的光轴与承载结构的承载平面存在非90
°
的夹角时，在图像中承载结构的形状，以及边界图像中承载结构的边界会发生改变。在本步骤中，承载结构的预设形状与位于标准位置的承载结构在位于标准位置的传感器视野内的形状相对应。
47.在步骤s104，调整预设形状的位置和预设形状的形状特征，获得模拟形状，以使模拟形状趋近于承载结构的边界，其中预设形状的位置可以使用预设形状的中心点的位置代替，预设形状的形状特征根据承载结构的不同预设形状设置，具体的，在后续实施例中详细描述。在本步骤中，通过调节预设形状的位置，和预设形状的形状特征，改变预设形状，获得模拟形状，并使模拟形状尽量与承载结构的边界重合。
48.在步骤s105，根据模拟形状获取承载结构的边界轮廓。具体的，通过改变模拟形状的位置和形状特征，直至模拟形状接近边界图像中承载结构的边界，以模拟形状全部或部分代替承载结构的边界，最终确定承载结构的边界轮廓。
49.根据本发明的优选实施例，如图1所示，在步骤s105-1，判断模拟形状与承载结构的边界之间的误差是否大于阈值，当模拟形状与承载结构的边界之间的误差不大于阈值时，在步骤s105-2，以当前的模拟形状作为承载结构的边界，完成提取承载结构轮廓的过程。当模拟形状与承载结构的边界之间的误差大于阈值时，返回步骤s104，重新调整预设形状的位置和预设形状的形状特征，直至模拟形状与承载结构的边界之间的误差不大于阈
值。在本实施例中，模拟形状与承载结构的边界之间的误差通过在边界图像中的像素块的间距和重合比例表征，例如通过对边界图像和模拟形状进行像素化处理，根据模拟形状中与边界图像重合的像素块的数量占比确定模拟形状与承载结构的边界之间的误差，优选的，通过调整预设形状的位置和预设形状的形状特征，直至模拟形状与承载结构的边界重合的像素块数量达到最大，并且误差不大于阈值，以当前重合的像素块数量最大的模拟形状作为承载结构的边界。在不同的实施例中，模拟形状与预设形状可能相同，即仅通过改变预设形状的位置，不改变预设形状的形状特征即可使模拟形状与承载结构的边界之间的误差不大于阈值，出现这种情况可能是承载结构或传感器横向偏离了预设位置，而未发生角度变化。当对预设形状的形状特征进行调整后，模拟形状与预设形状不同，例如调整矩形的长和宽的长度，例如传感器光轴和承载结构的夹角发生变化，在边界图像中，承载结构的边界形状与预设形状相比发生了一定程度的畸变，因此需要调整预设形状的形状特征。
50.本实施例中的承载结构轮廓提取方法100用于确定承载结构的边界轮廓，目前，传统的机器人通常不额外设置传感器，用于获取承载结构的图像。在其他应用领域，例如机械加工、物料转运中，对于承载结构的轮廓提取主要通过标定板进行，制作出与承载结构的形状相同的标定板，对位平铺在承载结构上，然后利用传感器获取标定板的边界，代替承载结构的轮廓，为提高边界计算的准确度，标定板通常设置成与周边环境相比具有较为明显的颜色的平板，例如白板，通过获取白板与图像中周边环境的边界，用于代替承载结构的边界轮廓。但这一现有方法仍然存在缺陷。
51.首先，在机器人装配完成出厂时，会对承载结构及对应的传感器进行检验标定过程，但在机器人运行过程中，由于碰撞、震动等影响，会出现承载结构或传感器偏离的情况，导致需要重新提取承载结构的边界轮廓，采用白板替代的方法需要人工操作配合，由机器人生产制造方前往机器人的使用地进行提取标定，过程繁琐，成本高昂。其次，在人机混杂的空间内，例如餐厅、宾馆等场景中，机器人受到碰撞的可能性较大，而且由于机器人结构框架的强度限制，传感器和承载结构更容易偏离移位，因此对于承载结构的轮廓提取需要以更频繁的频率进行，采用白板替代承载结构的方法影响机器人的运行效率。
52.本发明中的承载结构轮廓提取方法能够作为判断承载结构当前状态的前置步骤，提高承载结构当前状态的判断精度。具体的，例如承载结构为圆形托盘，在传感器的视野范围内，可以设定略大于承载结构图像的感兴趣区域，例如将传感器获取的图像按比例截取圆形托盘的外接矩形范围，如图5a所示，传感器和承载结构均位于预设位置，承载结构在传感器视野范围的中心位置，其中虚线框为按照传感器视野范围截取的感兴趣区域，不考虑感兴趣区域外的图像，以降低计算量，并减少传感器视野范围内其他因素干扰。当然，感兴趣区域的划分也可以是其他形状，例如圆形托盘的外接正方形。
53.在正常情况下，传感器与承载结构的相对位置固定，承载结构始终位于感兴趣区域内，但在机器人运动过程中，出现颠簸，甚至传感器或承载结构的位置偏离，可能会导致承载结构的部分区域超出感兴趣区域，例如传感器偏离预设位置，如图5b所示，其中虚线框为传感器的感兴趣区域和视野范围，随传感器移位同时移位，导致承载结构的部分区域位于感兴趣区域外侧，影响对承载结构当前状态的判断结果，因此需要重新承载结构的边界轮廓。现有技术中利用标定板提取承载结构的边界轮廓，即通过标定板重新确定承载结构的位置，并根据标定板重新划定感兴趣区域。而利用本发明实施例中的承载结构轮廓提取
方法无需进行人为干预，在机器人正常运行的过程中可以实时获取承载结构的边界轮廓，具体的，例如在判断承载结构当前状态前执行承载结构轮廓提取方法，或间隔预设时间执行承载结构轮廓提取方法，或在机器人运动过程中持续不断地获取承载结构的边界轮廓，并保持更新，提升效率的同时保证了承载结构边界轮廓的实时准确。
54.根据本发明的优选实施例，预设形状的形状特征根据承载结构的预设形状确定，其中形状特征至少包括两个在边界图像内相互垂直的线段的长度值，在本发明的不同实施例中，根据预设形状的不同，形状特征可以包括多条线段的长度值，以及线段之间的角度值，承载结构的预设形状(垂直于承载平面的方向主视形状)与承载结构在传感器中的形状可能并不对应，即使在传感器的光轴与承载平面相垂直的预设情况下，在传感器或承载结构偏离预设位置后，承载结构在传感器中的形状也会发生相应的变化。以传感器偏离预设位置为例，传感器的角度位置变化可能会导致承载结构在图像中变形，偏离承载结构的预设形状，导致承载结构的边界图像出现一定程度的畸变，例如承载结构的形状为圆形，承载结构本身并未发生变形，但传感器光轴的角度变化可能导致承载结构的边界轮廓在边界图像内表现为椭圆形，因此在提取承载结构的边界时，需要考虑到承载结构在传感器中的形状变化，并结合承载结构的预设形状分析。下面以承载结构的预设形状为圆形、椭圆形和矩形为例，分别说明。
55.在本发明的部分实施例中，承载结构的预设形状为圆形，预设形状的形状特征选择圆形中相互垂直的直径的长度，预设形状的位置通过圆心的位置调整，改变圆心的位置能够改变模拟形状的位置，改变直径的长度能够改变圆形的大小，当调整两条相互垂直的直径的长度不相等时，模拟形状改变为椭圆形，能够当传感器光轴与承载结构的角度变化而产生的偏差时，使模拟形状趋近于承载结构的边界。承载结构的预设形状为椭圆形时，形状特征可以选择椭圆形中的长轴和短轴的长度值，预设形状的位置通过椭圆形的中心调整，椭圆形的形状通过长轴和短轴的长度进行控制，以改变模拟形状的具体形状，使模拟形状趋近承载结构的边界，直至模拟形状与承载结构的边界之间的误差不大于阈值，以当前的模拟形状作为承载结构的边界，完成提取承载结构轮廓的过程。承载结构的预设形状(垂直于承载平面的主视形状)为圆形时，如果承载结构或传感器发生角度偏差，获取的承载结构的图像会发生变形，由圆形变为椭圆形，因此在本发明的优选实施例中，对于圆形的承载结构，同样可以选择长轴和短轴的长度值作为形状特征，例如图6所示，其中虚线表示模拟形状，通过改变长轴和短轴的长度值，能够改变模拟形状的具体形状，以尽可能使模拟形状趋近承载结构的边界图像。对于承载结构的边界形状为圆形的情况，调整长轴和短轴的长度值相等，并改变中心的位置，使模拟形状靠近承载结构的边界。对于承载结构的边界为椭圆形的情况，分别调整长轴和短轴的长度值，并改变中心的位置，即可使模拟形状靠近承载结构的边界，进一步的，由于承载结构或传感器的偏离方向未知，因此在调整模拟形状时，长轴和短轴始终保持垂直，同时模拟形状的整体可以以中心位置为轴旋转一定角度，以进一步靠近承载结构椭圆形的边界。
56.在本发明的另一些实施例中，承载结构的预设形状为矩形或正方向，相应的，预设形状的形状特征包括矩形或正方形中两组对边的中点连线的长度，预设形状的位置通过矩形或正方形的对角线交点的位置调整。通过两组对边的中点连线可以改变矩形或正方形的大小和形状，通过调整和比较，使模拟形状更接近承载结构的边界，获得承载结构的轮廓。
当承载结构的预设形状不是简单图形时，例如图4中所示的圆角矩形，预设形状的形状特征可以根据矩形的形状特征选择两侧对边的中点连线，并限定四角位置的半径数值，组合成圆角矩形，并与承载结构的边界图像比较误差。
57.图2示出了根据本发明的优选实施例中承载结构轮廓提取方法200的具体流程，其中包括了判断形状特征是否超出预设范围的过程。具体的，承载结构轮廓提取方法200中的步骤s201、s202、s203、s204、s207和s208分别和承载结构轮廓提取方法100中的步骤s101、s102、s103、s104、s105-1和s105-2基本相同，在此不再赘述。
58.在步骤s205，判断形状特征是否超出预设范围，在本实施例中，根据预设形状的形状特征设置了预设范围，形状特征包括线段的长度，以预设形状为椭圆形为例，其中形状特征为椭圆形的长轴和短轴的长度值，在调整形状特征，即长轴和短轴的长度时，以预设形状的椭圆形的长轴和短轴长度作为基准，设定预设范围为一定的缩放比例或缩放长度。具体的，长轴和短轴的预设范围可以分别设定为不同值，也可以设定为相同的缩放比例或缩放长度。通过调整形状特征，使模拟形状趋近于承载结构的边界的过程中，判断对形状特征进行延长或缩短后，是否超出预设范围，如果超出了预设范围，在步骤s209，舍弃超出预设范围的形状特征，并返回步骤s204，重新调整形状特征，以使模拟形状趋近于承载结构的边界。如果没有超出预设范围，继续进行后续步骤。在获得模拟形状的过程中，形状特征的预设范围表示对承载结构或传感器偏移调整的极限值，当形状特征超出预设范围时，在现实场景中，可能是承载结构或传感器与预设位置的偏差过大，存在安全隐患，因此在本实施例中舍弃超出预设范围的形状特征。如果在预设范围内的形状特征无法获得与承载结构的边界的误差不大于阈值的模拟形状，表示承载结构或传感器与预设位置的偏差过大，或承载结构的边界存在较大的缺失，无法利用本实施例中的承载结构轮廓提取方法200获取承载结构准确的边界轮廓。
59.如果形状特征未超出预设范围，在后续步骤s206，计算模拟形状与承载结构的边界之间的误差，例如前述实施例中所述的对边界图像和模拟形状进行像素化处理，利用像素块的重合比例计算模拟形状与承载结构的边界之间的误差。在本发明的不同实施例中，步骤s205可以在步骤s206或步骤s207后进行，并不限制为图2中所示的顺序。
60.图3示出了根据本发明的优选实施例中承载结构轮廓提取方法300的具体流程，其中包括了对模拟形状进行越界裁剪的过程。在承载结构轮廓提取方法300中，步骤s301、s302、s303、s304、s305和s306分别和承载结构轮廓提取方法200中的步骤s201、s202、s203、s204、s206和s207基本相同，在此不再赘述。
61.在步骤s307，对模拟形状进行越界裁剪，并利用边界图像进行补充。在实际执行承载结构轮廓提取方法300的过程中，调整形状特征获得的模拟形状可能会超出承载结构的边界，在本实施例中，对超出承载结构的边界的模拟形状进行越界裁剪，避免利用模拟形状作为承载结构的边界时，出现覆盖了超出承载机构实际范围的情况。进一步的，利用承载结构的边界图像进行补充，并在步骤s308，以补充后的模拟形状作为承载结构的边界。本实施例中的承载结构轮廓提取方法300能够针对承载结构的边角变形、小范围缺失等情况对承载结构的边界进行修正，获得承载结构的准确边界轮廓。
62.如图7和图8所示，本发明还包括一种机器人1的实施例，其中机器人1包括主体10、承载结构20、传感器30和控制系统40。其中主体10是机器人1的主要结构框架，机器人1中各
部组件均通过主体固定，例如图8中所示。主体10可以采用合金材料或有机材料制成固定性状，机器人1中各部分组件安装在主体10中的对应位置上，以实现具体的功能。
63.如图8所示，承载结构20设置在主体10上，承载结构20用于承载放置物体，例如承载结构20设置成托盘形状，具体的待转运物体放置在托盘上方，并随机器人运动。当然，在本发明的不同实施例中，承载结构20也可以设置为具有一定深度的箱型。
64.传感器30设置在主体10上，并且承载结构20位于传感器30的视野范围内，传感器30能够获取承载结构20的图像。如图8所示，根据机器人1的具体设计，以及承载结构20的安装位置，传感器30可以设置在承载结构20的正上方或斜上方，优选的，传感器30设置在承载结构20的正上方，承载结构20位于传感器30视野范围的中心，并且承载结构20中用于放置物体的平面与传感器30的光轴垂直，以尽量减少因倾斜角度产生的图像失真。
65.如图7所示，控制系统40和传感器30通讯，并能够执行如前述实施例中所述的承载结构轮廓提取方法，获取承载结构20的准确边界轮廓。为后续确定承载结构的当前状态等过程提供依据。
66.根据本发明的其他实施例，机器人还包括：移动底盘、提供用户操作的功能控制器、地图生成和路径规划的底层控制器、以及控制移动单元和环境检测单元的元件控制器。
67.其中移动单元设置有至少两组驱动轮，每组驱动轮分别位于移动底盘的一侧，利用驱动轮带动机器人运动。元件控制器用于控制驱动轮的转速，进而带动机器人运动，优选的，移动底盘不同侧的驱动轮分别控制，通过控制驱动轮以不同转速转动，实现机器人转向。
68.具体的，移动单元设置有两组驱动轮，其中一组驱动轮用作左驱动轮，同时，另一组驱动轮用作右驱动轮，左驱动轮和右驱动轮位于底盘的相对相侧，在机器人需要转向时，控制左驱动轮和右驱动轮以不同的转速旋转，实现机器人转向。可选的，移动单元还可以包括至少两组从动轮，一组驱动轮对应一组从动轮，其中，至少一组从动轮用作左从动轮，同时，至少一组从动轮用作右从动轮，左从动轮和右从动轮用于协助左驱动轮和右驱动轮带动机器人的壳体和移动底盘运动，减轻驱动轮的负载压力，同时提高机器人的稳定性。从动轮还可以设置在左驱动轮和右驱动轮的中线上，尽量均匀地分散机器人的重量。
69.移动底盘的底部设有至少一个转向灯单元，每个转向灯单元中包括至少一个转向灯。元件控制器还能够控制转向灯单元内的转向灯在机器人转向的时候按照预设方式点亮。本发明实施例提供的机器人，通过在机器人转向时，元件控制器控制控制转向灯点亮，以提醒行人注意，提高机器人的运动安全性。
70.结合前述的实施例，可选的，元件控制器在移动底盘两侧的驱动轮的速度差大于预设值时，控制转向灯单元内的转向灯按照预设方式点亮。进一步的，机器人还包括语音模块，语音模块与元件控制器电连接，当机器人转向时，控制语音模块发出语音提示信息。
71.激光雷达系统可以设置于主体上，激光雷达系统可沿设定平面进行旋转，使得激光雷达系统的光电接收阵列形成扫描柱面。
72.具体的，激光雷达系统可以设置于机器人壳体开缝处，发出激光信号以对周围物体进行探测，上述激光雷达系统包括光电接收阵列和激光发射单元阵列，从而在激光雷达系统沿设定平面进行旋转时，光电接收阵列能够形成扫描柱面，获得较大的扫描范围，便于获取物体形态的细节，避免对机器人设备磕碰障碍物的情况。可选的，上述设定平面可以为
水平面，以便于机器人设备在行进过程中进行物体探测，此外，还可以根据具体的用户需求选取其他设定平面，例如垂直平面等，本实施例对此不进行限定。
73.根据本发明的实施例，还包括一种机器人的路径规划方法，可以应用于任意一个机器人，需要说明的是，其中各个步骤在运行的时候可以是按照顺序先后进行，也可以是根据实际情况多个步骤同时进行，在此并不做限定。本技术提供的机器人路径规划方法包括如下步骤：
74.首先，构建机器人活动范围内的地图，确定当前工作区域的定位地图，其中，所述定位地图为所述机器人对其所处环境进行的建图所形成的地图。具体地，机器人配置采集传感器和建模处理器，建模处理器通过采集传感器采集的环境数据进行建模以构建环境地图。在本实施例中，采集传感器包括激光雷达、超声波传感器和红外传感器，通过激光雷达、超声波传感器和红外传感器对机器人所处的工作区域数据进行采集，建模处理器利用这些传感器采集的数据进行创建地图，在创建地图的过程中通过不同的传感器生成不同的地图图层，例如，静态图层、动态障碍物图层、超声波图层图、视觉图层等，通过将这些图层进行融合以得到供对机器人进行定位导航的定位地图。
75.其次，根据所述定位地图规划路径。
76.进一步的，根据所述定位地图确定所述机器人的当前位置和目标位置，根据定位地图确定障碍物的位置，或根据所述当前位置、所述目标位置和所述障碍物位置规划路径。
77.具体地，目标位置为使用者设定的位置，或是由机器人的处理系统确定的需要移动至的位置，其中，该目标位置可以是在移动过程中确定的接下来需要移动到的位置，也可以是机器人最终需要达到的位置。当前位置为机器人通过位置传感器确定的机器人的实时位置信息。
78.通过述定位地图进行，以确定定位地图上的障碍物的位置。通过此种实施方式，使得机器人可以在不改变导航精度的前提下，确定障碍物的位置并规划路线。
79.最后，根据规划的路径控制机器人移动。
80.根据本发明的一个优选实施例，还包括一种计算机可读存储介质，包括存储于其上的计算机可执行命令，所述可执行命令在被处理器执行时实施如前所述的承载结构轮廓提取方法。
81.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。