一种伴随运输机器人的动态平衡方法和系统与流程

1.本技术涉及机器人技术领域，特别是涉及一种伴随运输机器人的动态平衡方法和系统。


背景技术：

2.随着科技的发展，人工智能机器人被越来越多的应用于各行各业当中，以替代传统的劳动力。
3.伴随机器人顾名思义是一种可陪伴在人的一侧，并随着人的运动而运动的机器人。而现在应用更多的是跟随机器人，即机器人以一定的距离跟随在人的身后，一般跟随机器人多处于人的视野之后。
4.尤其是，在山地跟随场景下，机器人在运动时需要车体在坑洼路段保持车体平衡，现有伴随运输机器人的动态平衡方案主要为：通过模仿车辆悬挂方式或硬接触方式来传递动力，模仿车辆悬挂方式是通过减震器来吸收平衡车辆姿态和平稳性，比如现在的汽车悬挂，弹簧板、液压悬挂、空气悬挂等。硬接触方式是直接输出到轮胎，通过轮胎自身的弹性形变来吸收震动和平衡姿态。
5.现有伴随运输机器人的动态平衡方案都是通过车体被动适应来调节车辆稳定，现有被动适应来调节车辆稳定的方案存在车体的平衡完全依靠减震器质量或轮胎形变强度保持，稳定性不可靠的问题。


技术实现要素：

6.基于此，针对上述技术问题，提供一种伴随运输机器人的动态平衡方法和系统，能够解决现有被动适应来调节车辆稳定的方案存在车体的平衡完全依靠减震器质量或轮胎形变强度保持，稳定性不可靠的问题。
7.第一方面，一种伴随运输机器人的动态平衡方法，所述方法包括：
8.实时获取多个车载采集装置相应采集到的多组数据，根据所述多组数据生成作业区域数字表面模型数据；其中，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据；
9.实时获取的第一车体姿态数据；其中，所述车体姿态数据包括:罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据；
10.根据所述第一车体姿态数据、所述作业区域数字表面模型数据及和预先建立的车体姿态动力学模型计算得到第二车体姿态数据；
11.根据所述第一车体姿态数据和所述第二车体姿态数据控制车体动态平衡。
12.上述方案中，可选的，所述车载采集装置包括车载镜头和车载激光测距仪；
13.所述获取多个车载采集装置相应采集到的多组数据，包括：针对每个所述车载采集装置，获取每个所述车载采集装置中车载镜头采集到的图像数据；
14.获取每个所述车载采集装置中车载激光测距仪采集到的距离数据。
15.上述方案中，进一步可选的，所述根据所述多组数据生成作业区域数字表面模型数据，包括：根据所述图像数据和距离数据生成作业区域数字表面模型数据。
16.上述方案中，进一步可选的，所述预先建立的车体姿态动力学模型为：通过车体三维数据及自由度关节的框架，来建立车体姿态动力学模型；车体姿态动力学模型是通过悬挂减震、驱动电机来驱动悬挂调整车体达到平衡状态，同时通过姿态传感器、转速传感器、扭力传感器等反馈车体实时状态。
17.上述方案中，进一步可选的，所述根据所述第一车体姿态数据、所述作业区域数字表面模型数据及和预先建立的车体姿态动力学模型计算得到所述第二车体姿态数据，包括：“根据所述第一车体姿态数据、所述作业区域数字表面模型数据及和预先建立的车体姿态动力学模型，通过姿态算法、动力学算法、图像识别算法、ai视觉算法和多目摄像计算算法等控制算法计算得到所述第二车体姿态数据”。
18.上述方案中，进一步可选的，所述第二车体姿态数据为：车体到达所述作业区域数字表面模型数据中对应预设位置时的罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据。
19.上述方案中，进一步可选的，所述根据所述第一车体姿态数据和所述第二车体姿态数据控制车体动态平衡，包括：根据所述实时获取的第一车体姿态数据中的车体罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据和车体到达所述作业区域数字表面模型数据中对应预设位置时的罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据，计算得到车体待行进数据，根据车体待行进数据控制车体动态平衡。
20.第二方面，一种伴随运输机器人的动态平衡系统，所述系统包括：
21.实时获取多个车载采集装置相应采集到的多组数据，根据所述多组数据生成作业区域数字表面模型数据；其中，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据；
22.实时获取的第一车体姿态数据；其中，所述车体姿态数据包括:罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据；
23.根据所述第一车体姿态数据、所述作业区域数字表面模型数据及和预先建立的车体姿态动力学模型计算得到第二车体姿态数据；
24.根据所述第一车体姿态数据和所述第二车体姿态数据控制车体动态平衡。
25.第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
26.实时获取多个车载采集装置相应采集到的多组数据，根据所述多组数据生成作业区域数字表面模型数据；其中，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据；
27.实时获取的第一车体姿态数据；其中，所述车体姿态数据包括:罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据；
28.根据所述第一车体姿态数据、所述作业区域数字表面模型数据及和预先建立的车体姿态动力学模型计算得到第二车体姿态数据；
29.根据所述第一车体姿态数据和所述第二车体姿态数据控制车体动态平衡。
30.第四方面，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
处理器执行时实现以下步骤：
31.实时获取多个车载采集装置相应采集到的多组数据，根据所述多组数据生成作业区域数字表面模型数据；其中，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据；
32.实时获取的第一车体姿态数据；其中，所述车体姿态数据包括:罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据；
33.根据所述第一车体姿态数据、所述作业区域数字表面模型数据及和预先建立的车体姿态动力学模型计算得到第二车体姿态数据；
34.根据所述第一车体姿态数据和所述第二车体姿态数据控制车体动态平衡。
35.本发明至少具有以下有益效果：
36.本发明基于对现有技术问题的进一步分析和研究，认识到现有伴随运输机器人的动态平衡方案都是通过车体被动适应来调节车辆稳定，现有被动适应来调节车辆稳定的方案存在车体的平衡完全依靠减震器质量或轮胎形变强度保持，稳定性不可靠的问题，本发明通过实时获取多个车载采集装置相应采集到的多组数据，并生成作业区域数字表面模型数据，实时获取当前车体姿态数据，车体姿态数据包括罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据。根据第一车体姿态数据、作业区域数字表面模型数据及和预先建立的车体姿态动力学模型计算得到第二车体姿态数据，进而根据所述第一车体姿态数据和所述第二车体姿态数据控制车体动态平衡。本发明通过获取将要行进的路况信息，进而主动采取应对来实现车辆的动态平衡，并不完全依靠减震器质量或轮胎形变强度保持，稳定性可靠。
附图说明
37.图1为本发明一个实施例提供的伴随运输机器人的动态平衡方法的流程示意图；
38.图2为本发明一个实施例提供的伴随运输机器人的动态平衡系统的模块架构框图；
39.图3为一个实施例中计算机设备的内部结构图。
具体实施方式
40.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
41.在一个实施例中，如图1所示，提供了一种伴随运输机器人的动态平衡方法，包括以下步骤：
42.实时获取多个车载采集装置相应采集到的多组数据，根据所述多组数据生成作业区域数字表面模型数据；其中，所述多个车载采集装置面向车体周围不同方位，每一组数据包括图像数据和距离数据；
43.例如：在山地跟随场景下，机器人在运动时需要车体在坑洼路段保持车体平衡，具体可以通过车体周围安装的各个摄像头以及测距单元测出障碍物图像数据以及距离数据。通过车体周围安装的各个摄像头得到的多组图像数据进行空间对比和位置对比，并按照预
设顺序对所述多组图像数据进行排列组合，得到第一图像数据集合。其中，第一图像数据包括每个摄像头实时拍摄的所有张图片，通过ai算法去除所述第一图像数据集合中的无效图像数据，得到第二图像数据集合，其中，第二图像数据包括能够表征车体周围全景影像的图像数据。对所述第二图像数据集合进行空间数据计算，将所述多个距离数据与所述空间数据进行数据对比，以建立空间三维立体模型，所述空间三维立体模型为作业区域数字表面模型数据。
44.实时获取的第一车体姿态数据；其中，所述车体姿态数据包括:罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据；
45.根据所述第一车体姿态数据、所述作业区域数字表面模型数据及和预先建立的车体姿态动力学模型计算得到第二车体姿态数据；
46.根据所述第一车体姿态数据和所述第二车体姿态数据控制车体动态平衡。
47.例如：当机器人行进速度5、罗盘角度数据3、悬挂角度数据3、行走转速数据300和扭矩数据为10时，获取到的作业区域数字表面模型数据为坑洼路段距离500米，计算得到第二车体姿态数据为进速度3、罗盘角度数据5、悬挂角度数据5、行走转速数据100和扭矩数据为20，通过距离逐步改变机器人行进速度、罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据为计算数据，使得机器人在作业区域数字表面模型数据对应的预设路面位置的行进速度、罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据达到第二车体姿态数据，进而保持车体平衡。
48.在一个实施例中，所述车载采集装置包括车载镜头和车载激光测距仪；
49.所述获取多个车载采集装置相应采集到的多组数据，包括：
50.针对每个所述车载采集装置，获取每个所述车载采集装置中车载镜头采集到的图像数据；
51.获取每个所述车载采集装置中车载激光测距仪采集到的距离数据。
52.在一个实施例中，所述根据所述多组数据生成作业区域数字表面模型数据，包括：根据所述图像数据和距离数据生成作业区域数字表面模型数据。
53.在一个实施例中，所述预先建立的车体姿态动力学模型为：通过车体三维数据及自由度关节的框架，来建立车体姿态动力学模型；车体姿态动力学模型是通过悬挂减震、驱动电机来驱动悬挂调整车体达到平衡状态，同时通过姿态传感器、转速传感器和扭力传感器反馈车体实时状态。
54.在一个实施例中，所述根据所述第一车体姿态数据、所述作业区域数字表面模型数据及和预先建立的车体姿态动力学模型计算得到所述第二车体姿态数据，包括：“根据所述第一车体姿态数据、所述作业区域数字表面模型数据及和预先建立的车体姿态动力学模型，通过姿态算法、动力学算法、图像识别算法、ai视觉算法和多目摄像计算算法等控制算法计算得到所述第二车体姿态数据”。
55.在一个实施例中，所述第二车体姿态数据为：车体到达所述作业区域数字表面模型数据中对应预设位置时的罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据。
56.在一个实施例中，所述根据所述第一车体姿态数据和所述第二车体姿态数据控制车体动态平衡，包括：根据所述实时获取的第一车体姿态数据中的车体罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据和车体到达所述作业区域数字表面模型数据中对应预
设位置时的罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据，计算得到车体待行进数据，根据车体待行进数据控制车体动态平衡。具体为：车体速度、车体倾斜角度、车体输出扭矩和车体悬挂角度。
57.本实施例基于对现有技术问题的进一步分析和研究，认识到现有伴随运输机器人的动态平衡方案都是通过车体被动适应来调节车辆稳定，现有被动适应来调节车辆稳定的方案存在车体的平衡完全依靠减震器质量或轮胎形变强度保持，稳定性不可靠的问题，本发明通过实时获取多个车载采集装置相应采集到的多组数据，并生成作业区域数字表面模型数据，实时获取当前车体姿态数据，车体姿态数据包括罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据。根据第一车体姿态数据、作业区域数字表面模型数据及和预先建立的车体姿态动力学模型计算得到第二车体姿态数据，进而根据所述第一车体姿态数据和所述第二车体姿态数据控制车体动态平衡。本实施例通过获取将要行进的路况信息，进而主动采取应对来实现车辆的动态平衡，并不完全依靠减震器质量或轮胎形变强度保持，稳定性可靠。
58.在一个实施例中，伴随运输机器人搭载全景系统通过在车身周围前后左右安装4个鱼眼镜头，运用图像矫正和图像拼接技术，最终生成机器人周围360度鸟瞰图，指定跟随目标后，通过图像机器学习ai算法辅助跟随，其中，所述ai算法为将全景影像得到的多张照片进行空间比对位置比对，并进行按序排列组合优化，同时筛选有用的照片，进行空间数据计算；将激光测距的距离数据与图像对比后的数据进行数据对比，进行空间三维立体建模，弥补图片建模距离误差，根据所述三维立体建模计算得到机器人运动参数。根据所述机器人运动参数控制所述机器人运动。
59.在一个实施例中，如图2所示，提供了一种伴随运输机器人的动态平衡系统的模块架构框图，包括：
60.作业区域数字表面模型模块：用于实时获取多个车载采集装置相应采集到的多组数据，根据所述多组数据生成作业区域数字表面模型数据，并将所述作业区域数字表面模型数据发送给动态面控制器。
61.姿态采集模块：用于实时获取的第一车体姿态数据；其中，所述车体姿态数据包括:罗盘角度数据、悬挂角度数据、行走转速数据和扭矩数据；并将所述第一车体姿态数据发送给动态面控制器。
62.动态面控制器：用于接收作业区域数字表面模型数据和第一车体姿态数据，并根据作业区域数字表面模型数据和第一车体姿态数据以及预设的车体姿态动力学模型计算得到第二车体姿态数据，所述第二车体姿态数据为车体到达作业区域数字表面模型数据中预设位置能够保持平衡的车体姿态数据。根据所述第一车体姿态数据和所述第二车体姿态数据生成车体控制命令并发送给车体控制模块。
63.车体控制模块：用于接收动态面控制器发送的车体控制命令并控制车体行进。
64.应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是
onlymemory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random accessmemory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(staticrandomaccessmemory，sram)或动态随机存取存储器(dynamicrandomaccessmemory，dram)等。
76.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
77.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。