[发明专利]机器人的路径规划和控制方法、装置及机器人

权利要求书

1.一种机器人的路径规划和控制方法，其特征在于，包括：

载入预先保存的所述多个场景的局部地图信息，其中，所述多个场景为不同地理位置场景，和/或，不同时间段对应的同一地理位置场景；

基于第一初始位置建立世界坐标系，在所述第一初始位置所属的第一预定区域范围内执行第一预定动作，在执行所述第一预定动作时通过所述机器人的多目视觉模组获取当前场景的图像数据；

执行重定位操作，根据重定位结果从所述多个场景的局部地图信息中判断是否存在与当前场景相匹配的三维场景地图或二维场景地图；

在确定存在时，载入所述相匹配的三维场景地图或二维场景地图，根据所述相匹配的三维场景地图或二维场景地图执行路径规划操作，在遍历规划好的路径之后，对所述当前场景中的各个障碍物区域分别执行沿边遍历操作。

2.根据权利要求1所述的路径规划和控制方法，其特征在于，根据重定位结果从所述多个场景的局部地图信息中判断是否存在与当前场景相匹配的三维场景地图或二维场景地图之后，还包括：如果不存在与当前场景相匹配的三维场景地图或二维场景地图，则在无地图模式下执行路径规划操作，根据规划好的路径执行当前场景的全局遍历，重新创建当前场景地图。

3.根据权利要求1所述的路径规划和控制方法，其特征在于，还包括：

确定出现需要回桩的情况时，中断执行当前任务，记录中断当前任务的位置信息；

在所述机器人回桩完成相应操作后，返回至所述位置信息对应的位置点，从所述位置点开始重新执行路径规划并按照规划好的路径继续执行所述当前任务。

4.根据权利要求1所述的路径规划和控制方法，其特征在于，在载入预先保存的所述多个场景的局部地图信息之前，还包括：

基于第二初始位置建立世界坐标系，在所述第二初始位置所属的第二预定区域范围内执行第二预定动作，在执行所述第二预定动作时通过所述机器人的多目视觉模组得到的点云数据构建点云地图；

按照预定遍历方式对当前场景执行全局遍历操作，在全局遍历过程中，通过所述机器人的多目视觉模组得到三维稠密点云数据，将所述三维稠密点云数据转换为三维栅格地图和/或二维栅格地图，将得到的所述三维栅格地图和/或二维栅格地图绑定到关键帧上，在发生同时定位与建图SLAM闭环时，对所述关键帧上绑定的所述三维栅格地图和/或二维栅格地图进行位姿优化，其中，机器人执行所述全局遍历过程中遍历的第一主路径间距大于所述机器人执行指定任务时的第二主路径间距，所述第一主路径间距的大小，分别与建图所采用的特征类型以及所述多目视觉模组的视场角范围有关；

在完成建图后，通过路径规划返回至充电桩区域，基于所述充电桩的红外或者标识引导执行上桩操作。

5.根据权利要求4所述的路径规划和控制方法，其特征在于，当所述预定遍历方式为弓形遍历方式时，所述第一主路径间距的大小，通过以下公式与所述多目视觉模组的视场角范围有关：

D＝2L×sin(θ/2)

其中，D为所述第一主路径间距，L为机器人视线距离，θ为所述多目视觉模组的视场角大小。

6.根据权利要求4所述的路径规划和控制方法，其特征在于，按照预定遍历方式对当前场景执行全局遍历操作，在全局遍历过程中，还包括：

通过所述机器人的多目视觉模组得到的图像数据，采用深度学习算法进行物体语义识别，并基于三维栅格地图或者二维栅格地图进行地图区域分割，采用深度学习算法进行各个区域的场景语义识别，并根据识别结果生成语义地图，将得到的语义地图绑定到关键帧上，在发生SLAM闭环时，对所述关键帧上绑定的所述语义地图进行位姿优化。