(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210923334.0 (22)申请日 2022.08.02 (65)同一申请的已公布的文献号 申请公布号 CN 114986523 A (43)申请公布日 2022.09.02 (73)专利权人 北京歌锐科技有限公司 地址 100015 北京市朝阳区酒仙桥路6号院 5号楼1至19层101内4层419室 专利权人 苏州歌锐医疗科技有限公司 (72)发明人 刘建勋　 (74)专利代理 机构 北京曼威知识产权代理有限 公司 11709 专利代理师 王宏财 (51)Int.Cl. B25J 9/16(2006.01)(56)对比文件 CN 112775971 A,2021.0 5.11 CN 111191600 A,2020.0 5.22 CN 106249756 A,2016.12.21 US 20162 99509 A1,2016.10.13 审查员 陈显梧 (54)发明名称 一种机器人速度控制方法、 装置、 存储介质 及电子设备 (57)摘要 本说明书公开了一种机器人速度控制方法、 装置、 存储介质及电子设备， 通过预先基于测试 设备在各测试位置采集的各历史点云数据， 以及 测试设备在各测试位置分别对应的碰撞情况训 练好的碰撞检测模型， 根据机器人按照规划路径 移动过程中采集的环境点云数据， 得到规划路径 中各待预测的位置的碰撞概率， 再确定各位置分 别对应的目标速度， 并基于各目标速度对机器人 进行速度控制。 本方法基于各位置的碰撞概率确 定各位置的目标速度， 即使是在机器人和障碍物 发生碰撞的场景中， 也会避免机器人速度过快、 动能过高而导致的安全隐患， 提高了机器人运动 时的安全性。 权利要求书2页 说明书15页 附图3页 CN 114986523 B 2022.10.28 CN 114986523 B 1.一种机器人速度控制方法， 其特 征在于， 包括： 确定机器人按照规划路径运动过程中， 所述机器人采集的环境 点云数据； 针对所述规划路径中待预测的每个位置， 将该位置在所述环境点云数据的坐标系下的 坐标和所述环境 点云数据， 输入预 先训练好的碰撞检测模型， 得到该位置的碰撞概 率； 根据各位置分别对应的碰撞概率， 确定所述各位置分别对应的目标速度， 并根据各目 标速度对所述机器人进行速度控制； 其中， 所述碰撞概率与所述目标速度负相关， 所述碰撞检测模型采用下述方法训练得 到： 确定测试设备在历史上 各测试位置采集的历史点云数据； 针对每帧历史点云数据， 根据 该帧历史点云数据的测试位置在该帧历史点云数据的坐 标系下的坐标以及该帧历史点云数据， 确定预训练样本， 并根据所述测试设备在所述测试 位置的碰撞情况， 确定所述预训练样本的标注； 根据各预训练样本及其标注， 对所述碰撞检测模型进行训练。 2.如权利要求1所述的方法， 其特征在于， 根据该帧历史点云数据的测试位置在该帧历 史点云数据的坐标系下的坐标以及该帧历史点云数据， 确定预训练样本， 具体包括： 确定该帧历史点云数据的测试位置， 并根据 所述测试设备在所述测试位置的姿态和所 述测试设备对应的三维建模， 确定所述测试设备在所述测试位置的设备点云数据； 根据所述设备点云数据、 该帧历史点云数据以及所述测试位置在该帧历史点云数据的 坐标系下的坐标， 确定预训练样本 。 3.如权利要求2所述的方法， 其特征在于， 将该位置在所述环境点云数据的坐标系下的 坐标和所述环境 点云数据， 输入预 先训练好的碰撞检测模型， 具体包括： 根据所述机器人的控制指令， 确定所述机器人在该位置的姿态； 根据所述姿态和所述机器人的三维建模， 确定所述机器人在该位置的机器点云数据； 将该位置在所述环境点云数据的坐标系下的坐标、 所述环境点云数据和所述机器点云 数据， 输入预 先训练好的碰撞检测模型。 4.如权利要求1所述的方法， 其特征在于， 根据所述测试设备在所述测试位置的碰撞情 况， 确定所述预训练样本的标注， 具体包括： 判断所述测试设备在所述测试位置是否发生碰撞； 若否， 确定所述测试设备与障碍物之间的距离， 并根据所述距离确定所述测试设备在 所述测试位置的碰撞概 率， 以及将所述碰撞概 率作为所述预训练样本的标注。 5.如权利要求1所述的方法， 其特征在于， 根据各位置分别对应的碰撞概率， 确定所述 各位置分别对应的目标速度， 具体包括： 针对每个位置， 根据该位置的碰撞概率， 确定该位置不发生碰撞的概率， 作为目标概 率； 根据所述目标概率和预设的指定速度， 确定所述机器人在该位置的目标速度， 其中， 所 述指定速度为预设的所述机器人移动过程中的最大速度。 6.如权利要求1所述的方法， 其特征在于， 确定机器人按照规划路径运动过程中， 所述 机器人采集的环境 点云数据， 具体包括： 从设置在所述机器人上的采集设备采集到的连续帧点云数据中， 确定指定数量的初始权　利　要　求　书 1/2 页 2 CN 114986523 B 2点云数据； 将各初始点云数据进行融合， 得到环境点云数据， 其中， 所述环境点云数据的分辨率高 于所述初始点云数据的分辨 率。 7.如权利要求1所述的方法， 其特征在于， 确定机器人按照规划路径运动过程中， 所述 机器人采集的环境 点云数据， 具体包括： 在机器人按照规划路径运动过程中， 通过设置在所述机器人上的深度采集设备， 确定 指定数量的初始深度图像； 针对每个初始深度图像， 确定该初始深度图像对应的初始点云数据； 将各初始点云数据进行融合， 得到环境点云数据， 其中， 所述环境点云数据的分辨率高 于所述初始点云数据的分辨 率。 8.如权利要求3所述的方法， 其特 征在于， 所述方法还 包括： 根据所述机器人执行的任务， 确定所述任务对应的参考速度， 所述参考速度为所述机 器人执行所述任务过程中的最大速度； 当确定出的目标速度高于所述参考速度时， 将所述参考速度作为重新确定出的所述机 器人在该位置的目标速度。 9.一种机器人速度控制装置， 其特 征在于， 所述装置包括： 获取模块， 用于确定机器人按照规划路径运动过程中， 所述机器人采集的环境点云数 据； 预测模块， 用于针对所述规划路径中待预测的每个位置， 将该位置在所述环境点云数 据的坐标系 下的坐标和所述环境点云数据， 输入预先训练好的碰撞检测模型， 得到该位置 的碰撞概 率； 控制模块， 用于根据各位置分别对应的碰撞概率， 确定所述各位置分别对应的目标速 度， 并根据各目标速度对所述机器人进行速度控制； 其中， 所述碰撞概率与所述目标速度负相关， 所述碰撞检测模型采用下述方法训练得 到： 确定测试设备在历史上 各测试位置采集的历史点云数据； 针对每帧历史点云数据， 根据 该帧历史点云数据的测试位置在该帧历史点云数据的坐 标系下的坐标以及该帧历史点云数据， 确定预训练样本， 并根据所述测试设备在所述测试 位置的碰撞情况， 确定所述预训练样本的标注； 根据各预训练样本及其标注， 对所述碰撞检测模型进行训练。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有计算机程序， 所述计 算机程序被处 理器执行时实现上述权利要求1~8任一项所述的方法。 11.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现上述权利要求1~8任一项所述的方 法。权　利　要　求　书 2/2 页 3 CN 114986523 B 3