一种移动机器人复杂路口防碰撞方法及系统技术方案

本发明专利技术涉及一种移动机器人复杂路口防碰撞方法及系统，其方法包括步骤：S1、移动机器人向服务器提交路口通过检测请求，发送路口信息；S2、服务器通过调用路口左右通道监控图像，获取移动目标存在情况；S3、若存在移动目标，则识别该移动目标类型为移动机器人或行人；若移动目标类型为移动机器人，则进入步骤S4，否则进入步骤S5；S4、服务器将获取移动机器人的信息，利用运动学公式计算移动机器人到达路口的时间；S5、利用图卷积神经网络对行人的轨迹进行预测；S6、根据移动目标的类型和运动信息，给予移动机器人相应的指令。本发明专利技术使移动机器人有效躲避路口通过的移动目标，降低了移动机器人发生碰撞的可能性，提高了移动机器人的工作效率。效率。效率。

【技术实现步骤摘要】
一种移动机器人复杂路口防碰撞方法及系统


[0001]本专利技术涉及机器人
，尤其涉及一种移动机器人复杂路口防碰撞方法及系统。

技术介绍

[0002]近年来，移动机器人技术发展较为迅速，应用场合也越来越多。而面对人员较多的复杂路口环境，避免机器人与路口其他移动目标碰撞成为需要解决的问题，目前市场上多数移动机器人采用语音播报的方式提醒行人避让，但这显然不是最佳处理方案。
[0003]移动机器人一般是具有感知和决策能力的个体，能够基于从环境中接收到的信息来执行相应的动作。而现有的智能机器人多数只能从自身的雷达和摄像头等传感器来获取周围环境的信息，然而很多路口环境存在建筑物阻碍移动机器人通过自身获取路口环境信息，这使得移动机器人防碰撞面临极大困难。

技术实现思路

[0004]为解决现有技术所存在的技术问题，本专利技术提供一种移动机器人复杂路口防碰撞方法及系统，根据移动目标的类型和运动信息，给予移动机器人相应的指令，使移动机器人有效躲避路口通过的移动目标，降低了移动机器人发生碰撞的可能性，使得移动机器人工作期间的移动速度进一步提升，提高了移动机器人的工作效率。
[0005]本专利技术方法采用以下技术方案来实现：一种移动机器人复杂路口防碰撞方法，包括以下步骤：
[0006]S1、移动机器人通过摄像头检测到前方路口后，向服务器提交路口通过检测请求，并发送路口信息；
[0007]S2、服务器根据移动机器人发送的路口信息，调用该路口左右通道监控图像，通过相邻帧间差分法获取移动目标存在情况；
[0008]S3、若存在移动目标，则识别该移动目标类型为移动机器人或行人；若移动目标类型为移动机器人，则进入步骤S4，否则进入步骤S5；
[0009]S4、服务器将获取移动机器人的速度、加速度、位姿、移动机器人与路口之间的距离信息，并利用运动学公式计算移动机器人到达路口的时间；
[0010]S5、利用图卷积神经网络对行人的轨迹进行预测；
[0011]S6、通过确定移动目标的预测轨迹，当预测到移动目标到达路口与移动机器人到达路口的时间差小于设定的阈值，则存在碰撞；若存在碰撞可能，则根据移动目标的类型和运动信息，给予移动机器人相应的指令。
[0012]本专利技术系统采用以下技术方案来实现：一种移动机器人复杂路口防碰撞系统，包括：
[0013]移动机器人：通过摄像头检测到前方路口后，向服务器提交路口通过检测请求，并发送路口信息；
[0014]服务器：根据移动机器人发送的路口信息，调用该路口左右通道监控图像，通过相邻帧间差分法获取移动目标存在情况；
[0015]移动目标类型识别模块：用于识别移动目标为移动机器人或行人；
[0016]时间计算模块：若移动目标类型为移动机器人，服务器将获取移动机器人的速度、加速度、位姿、移动机器人与路口之间的距离信息，并利用运动学公式计算移动机器人到达路口的时间；
[0017]轨迹预测模块：若移动目标类型为行人，将利用图卷积神经网络对行人的轨迹进行预测；
[0018]指令模块：若存在碰撞，则根据移动目标的类型和运动信息，给予移动机器人相应的指令。
[0019]本专利技术与现有技术相比，具有如下优点和有益效果：
[0020]1、本专利技术根据移动目标的类型和运动信息，给予移动机器人相应的指令，使移动机器人有效躲避路口通过的移动目标，降低了移动机器人发生碰撞的可能性，使得移动机器人工作期间的移动速度进一步提升，提高了移动机器人的工作效率。
[0021]2、本专利技术所使用的图卷积神经网络的图结构引入了新的参数，并结合图卷积神经网络特征提取的优化方法，提高了移动机器人对移动目标轨迹预测的水平。
附图说明
[0022]图1是本专利技术方法的流程图；
[0023]图2是本专利技术方法的结构示意图；
[0024]图3是本专利技术图卷积神经网络轨迹预测模型示意图；
[0025]图4是移动机器人任务优先级方案示意图。
具体实施方式
[0026]下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。
[0027]实施例
[0028]本实施例中的移动机器人即为拥有运算能力以及可以通过各种传感器获取环境数据的智能机器人。但由于路口的左右通道通常有墙壁遮挡，这使得移动机器人无法自主判断路口环境。因此，移动机器人要实时检测前方道路情况，在未检测到路口时，移动机器人根据自身传感器寻迹和避障。
[0029]如图1
‑
2所示，本实施例一种移动机器人复杂路口防碰撞方法，包括以下步骤：
[0030]S1、移动机器人通过摄像头检测到前方路口后，向服务器提交路口通过检测请求，并发送路口信息；
[0031]S2、服务器根据移动机器人发送的路口信息，调用该路口左右通道监控图像，通过相邻帧间差分法获取移动目标存在情况；
[0032]S3、若存在移动目标，则识别该移动目标类型为移动机器人或行人；若移动目标类型为移动机器人，则进入步骤S4，否则进入步骤S5；
[0033]S4、服务器将获取移动机器人的速度、加速度、位姿、移动机器人与路口之间的距
离信息，并利用运动学公式计算移动机器人到达路口的时间；
[0034]S5、利用图卷积神经网络对行人的轨迹进行预测；
[0035]S6、通过确定移动目标未来一段时间的预测轨迹，当预测到移动目标到达路口与移动机器人到达路口的时间差小于规定的阈值，则存在碰撞可能；若存在碰撞可能，则根据移动目标的类型和运动信息，给予移动机器人相应的指令。
[0036]如图3所示，本实施例中，步骤S5的具体过程如下：
[0037]S511、利用公开轨迹预测数据集ETH和UCY，进行图卷积神经网络的训练与验证；利用t＝1,2,
……
,T1时的观测轨迹预测未来时间t＝T1+1,
……
,T2的轨迹；该轨迹预测图卷积神经网络的图结构为：
[0038]G＝(v,e,U)
[0039]其中，v表示以行人作为顶点的集合；e表示行人间的交互关系为边的集合；U表示边的关系的个数；其中，边的关系包括距离、相对位移；
[0040]S512、获取运动向量：
[0041][0042]其中，为编码函数，ΔY为行人前后两帧之间的相对位置变化，W1为相对位置编码权重；
[0043]S513、获取运动轨迹特征：
[0044]M
t
＝F1(M
t
‑1,Q
t
,W2)
[0045]其中，F1为MLSTM编码函数，M
t
‑1为MLSTM编码器在t
‑
1时刻的隐藏状态，W2为MLSTM的编码权重；
[0046]S514、为了应对移动目标可能是多个行人的场景，将行人设为图的顶点V，同时，利用双层图卷积神经网络获取输出特征：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动机器人复杂路口防碰撞方法，其特征在于，包括以下步骤：S1、移动机器人通过摄像头检测到前方路口后，向服务器提交路口通过检测请求，并发送路口信息；S2、服务器根据移动机器人发送的路口信息，调用该路口左右通道监控图像，通过相邻帧间差分法获取移动目标存在情况；S3、若存在移动目标，则识别该移动目标类型为移动机器人或行人；若移动目标类型为移动机器人，则进入步骤S4，否则进入步骤S5；S4、服务器将获取移动机器人的速度、加速度、位姿、移动机器人与路口之间的距离信息，并利用运动学公式计算移动机器人到达路口的时间；S5、利用图卷积神经网络对行人的轨迹进行预测；S6、通过确定移动目标的预测轨迹，当预测到移动目标到达路口与移动机器人到达路口的时间差小于设定的阈值，则存在碰撞；若存在碰撞可能，则根据移动目标的类型和运动信息，给予移动机器人相应的指令。2.根据权利要求1所述的一种移动机器人复杂路口防碰撞方法，其特征在于，步骤S5的具体过程如下：S511、利用公开轨迹预测数据集ETH和UCY，进行图卷积神经网络的训练与验证；利用t＝1,2,
……
,T1时的观测轨迹预测未来时间t＝T1+1,
……
,T2的轨迹；该轨迹预测图卷积神经网络的图结构为：G＝(v,e,U)其中，v表示以行人作为顶点的集合；e表示行人间的交互关系为边的集合；U表示边的关系的个数；其中，边的关系包括距离、相对位移；S512、获取运动向量：其中，为编码函数，ΔY为行人前后两帧之间的相对位置变化，W1为相对位置编码权重；S513、获取运动轨迹特征：M
t
＝F1(M
t
‑1,Q
t
,W2)其中，F1为MLSTM编码函数，M
t
‑1为MLSTM编码器在t
‑
1时刻的隐藏状态，W2为MLSTM的编码权重；S514、将行人设为图的顶点V，利用双层图卷积神经网络获取输出特征：其中，σ为激活函数PReLU，A
tu
为t时刻对应关系下的邻接矩阵，V
t
为t时刻的顶点，W
au
为对应关系下的第一层图卷积神经网络的权重，W
bu
为对应关系下的第二层图卷积神经网络的权重；S515、获取轨道交互特征：S
t
＝F2(S
t
‑1,O
t
,W3)其中，F2为SLSTM编码函数，S
t
‑1为SLSTM编码器在t
‑...

【专利技术属性】
技术研发人员：卢旭，高翔，刘军，赖志林，
申请(专利权)人：广州赛特智能科技有限公司，
类型：发明
国别省市：