CN101093503B - 在移动机器人中建立网格地图的方法和设备 - Google Patents

Abstract

提供一种在移动机器人中建立网格地图的方法、设备和介质以及使用所述网格地图建立方法和设备的用于基元分解的方法、设备和介质。一种用于建立网格地图的机器人，包括：网格地图建立单元，通过感测与外部空间或障碍物的距离来获得网格点，并建立网格地图；特征点提取单元，从网格点提取特征点；特征点更新单元，使用同步定位与地图创建(SLAM)算法来估计机器人运动之后机器人的姿态，并获得更新的特征点；变换公式计算单元，计算变换公式，该变换公式将由特征点提取单元提取的特征点变换为由特征点更新单元更新的特征点；网格地图更新单元，根据获得的公式来更新网格地图。

Description

在移动机器人中建立网格地图的方法和设备

本申请要求于2006年6月20日在韩国知识产权局提交的第10-2006-0055483号韩国专利申请的利益，该申请公开于此以资参考。

技术领域

本发明涉及一种在移动机器人中建立网格地图的方法、设备和介质以及使用所述网格地图建立方法、设备和介质的用于基元(cell)分解的方法、设备和介质，更具体地讲，涉及一种在机器人行进时建立宽区域的网格地图的方法、设备和介质以及将建立的网格地图分解为一个或多个基元的方法、设备和介质。

背景技术

通常，已开发机器人作为与工厂或工业场所中的过程自动化有关的方法。随着自动控制技术和远程控制技术的发展，通常使用机器人来在诸如极高温或极低温的极端环境下工作，在诸如太空或海底环境的危险环境下工作，或者执行简单重复的工作。

近来，除了工业场所中使用的工业机器人之外，机器人已被商业化从而用作普通家庭中的家务助理或办公室中的办公助理。这些机器人中主要的例子可包括清洁机器人、引导机器人和安全机器人。

在诸如清洁机器人的移动机器人的情况下，为了指定机器人行进的路线或者机器人将在其中工作的区域，首先需要机器人识别的地图。通常，为了建立机器人识别的地图，用户预先准备的地图被输入，或者通过使用地板或天花板上的机器人可识别的标记来使机器人识别关于周围环境或机器人的姿态的信息，或者机器人自己通过自动在机器人将在其中工作的区域中行进来建立该区域的地图。

尽管已进行了各种尝试以开发在机器人自动行进时利用机器人来建立地图的方法，但是大多方法采用多个传感器，因此这些方法具有由于传感器的误差而引起的不确定性和误差。此外，由于机器人用传感器识别的区域通常 是机器人正为其建立地图的区域的有限部分，所以即使为该有限部分获得了高质量的网格地图，当地图完成时，网格地图的整体结构仍不同于实际地图。

图1是示出根据传统技术由机器人建立网格地图的示意图。

例如，如果如图1中所示，原始地图近似为正方形的房间，则机器人可通过在该房间内四处走动来建立网格地图。然而，即使机器人所建立的网格地图的每一条边都可对应于直线，仍不能将整个网格地图识别为具有正方形形状。因此，存在这样的问题：由于不精确的网格地图，机器人不能以特定的姿态执行期望的任务。

此外，关于作为网格地图的对象的空间，最好有将该空间分解为多个基元(cell)的方法。例如，在清洁机器人的情况下，代替一次清洁一个宽的空间，每一房间或客厅的每一部分被分解为基元，并使机器人清洁每一基元。这样，可使清洁机器人均匀地清洁整个区域，并且可减小随着机器人行进而增加的位置或方向误差。应该考虑机器人清洁空间所沿的方向来执行这种基元分解。因此，存在这样的问题：不能简单地基于区域或距离来执行基元分解，并且即使对于同样的区域也应该执行基元分解以使得机器人能够有效地清洁空间。

此外，当利用不精确的传感器建立网格地图时，边缘不规则性太大，以至于不能容易地利用临界点根据传统的基元分解方法来将空间分解为基元。

发明内容

本发明的另外的方面和/或优点将在下面的描述中被部分地阐述，并且部分地根据描述将变得明显，或者可通过实施本发明而了解。

本发明提供一种在移动机器人中建立网格地图的方法、设备和介质以及使用所述网格地图建立方法、设备和介质的用于基元分解的方法、设备和介质，其中，使特征点匹配网格地图，从而可获得相对精确的网格地图，然后通过将特征点认作临界点，执行基元分解。

根据本发明的一方面，提供一种建立移动机器人的网格地图的方法，该方法包括：通过感测与外部空间或障碍物的距离来获得网格点，并建立网格地图；从网格点提取特征点；使用SLAM算法来估计机器人运动之后机器人的姿态，并获得更新的特征点；获得变换公式，该变换公式将从网格点提取的特征点变换为更新的特征点；根据获得的公式来更新网格地图。

根据本发明的另一方面，提供一种建立网格地图的移动机器人，该移动机器人包括：网格地图建立单元，通过感测与外部空间或障碍物的距离来获得网格点，并建立网格地图；特征点提取单元，从网格点提取特征点；特征点更新单元，使用SLAM算法来估计机器人运动之后机器人的姿态，并获得更新的特征点；变换公式计算单元，计算变换公式，该变换公式将由特征点提取单元提取的特征点变换为由特征点更新单元更新的特征点；网格地图更新单元，根据获得的公式来更新网格地图。

根据本发明的另一方面，提供一种建立移动机器人的网格地图的方法，包括：通过感测与外部空间的边界和外部空间的边界内的障碍物中的至少一个的距离来获得网格点，并建立网格地图；从网格点提取特征点；使用同步定位与地图创建(SLAM)算法来估计机器人运动之后机器人的姿态，并更新特征点；确定变换，该变换将从网格点提取的特征点变换为更新的特征点；根据所述变换来更新网格地图。

根据本发明的另一方面，提供一种建立网格地图的移动机器人，包括：网格地图建立器，通过感测与外部空间的边界和外部空间的边界内的障碍物中的至少一个的距离来获得网格点，并建立网格地图；特征点提取器，从网格点提取特征点；特征点更新器，使用同步定位与地图创建(SLAM)算法来估计机器人运动之后机器人的姿态，并更新特征点；变换确定器，确定变换，该变换将由特征点提取器提取的特征点变换为由特征点更新器更新的特征点；网格地图更新器，根据所述变换来更新网格地图。

根据本发明的另一方面，提供一种建立移动机器人的网格地图的方法，包括：基于通过感测从机器人到物体的距离而获得的网格点来建立网格地图；从网格点提取特征点；使用同步定位与地图创建(SLAM)算法来估计机器人运动之后的机器人的姿态，并更新特征点；确定变换，该变换将从网格点提取的特征点变换为更新的特征点；根据所述变换来更新网格地图。

根据本发明的另一方面，提供一种建立网格地图的移动机器人，包括：网格地图建立器，基于通过感测从机器人到物体的距离而获得的网格点来建立网格地图；特征点提取器，从网格点提取特征点；特征点更新器，使用同步定位与地图创建(SLAM)算法来估计机器人运动之后机器人的姿态，并更新特征点；变换确定器，确定变换，该变换将由特征点提取器提取的特征点变换为由特征点更新器更新的特征点；网格地图更新器，根据所述变换来 更新网格地图。

根据本发明的另一方面，提供存储用于实施本发明的方法的计算机可读指令的一种计算机可读介质。

附图说明

从下面结合附图对示例性实施例的描述，本发明的这些和/或其他方面、特征和优点将变得清楚并更容易理解，其中：

图1是示出根据传统技术的由机器人建立网格地图的示意图；

图2是示出根据本发明示例性实施例的使用移动机器人的网格地图的基元分解方法的流程图；

图3是示出在根据本发明示例性实施例的建立移动机器人的网格地图的方法中的特征点的位置的示意图；

图4A示出在根据本发明示例性实施例的建立移动机器人的网格地图的方法中的变换之前建立的网格地图；

图4B示出在根据本发明示例性实施例的建立移动机器人的网格地图的方法中根据仿射变换更新的网格地图；

图5A是示出根据本发明示例性实施例的在具有障碍物的平面空间中根据临界点的定义获得的临界点的示意图；

图5B是示出由机器人感测的右手侧墙壁表面的网格地图的示意图；

图6是根据本发明示例性实施例的根据使用移动机器人的网格地图的基元分解方法从具有障碍物的平面空间获得特征点的示意图；

图7示出在根据本发明示例性实施例的使用移动机器人的网格地图的基元分解方法中使用扫描线来分解基元；

图8A示出根据本发明示例性实施例的根据使用移动机器人的网格地图的基元分解方法的移动机器人在每一基元中的行进路径；

图8B示出在根据本发明示例性实施例的使用移动机器人的网格地图的基元分解方法中的基元的组合；

图9是根据本发明示例性实施例的使用网格地图来执行基元分解的移动机器人的框图。

具体实施方式

现在，将详细描述本发明的示例性实施例，其示例表示在附图中，其中，相同的标号始终表示相同的部件。下面，将参照附图描述示例性实施例以解释本发明。

图2是示出根据本发明示例性实施例的使用移动机器人300的网格地图的基元(cell)分解方法的流程图。

根据本发明示例性实施例的使用移动机器人300的网格地图的基元分解方法包括：(a)通过感测与外部空间或障碍物的距离来获得网格点，并建立网格地图；(b)从网格点提取特征点；(c)通过SLAM算法估计在机器人300移动后机器人300的姿态，并更新特征点；(d)获得变换公式，该变换公式将在操作(b)中提取的特征点变换为在操作(c)中更新的特征点；(e)根据获得的公式更新网格地图；(f)提取在更新的网格地图中最频繁出现的扫描线(sweep-line)的角度；(g)根据提取的扫描线角度扫描网格地图，并在扫描线遇到特征点的位置处通过扫描线来执行基元分解。

首先，移动机器人300自动在期望搜索的区域中行进。移动机器人300具有安装在其上的一个或多个传感器，所述传感器可感测距离，从而移动机器人300能够感测其前方的障碍物。此外，移动机器人300可利用距离感测传感器(如超声传感器、红外线传感器或激光传感器)相对于移动机器人来识别障碍物或者建筑物的内壁的结构。内壁可以是外部空间的边界类型。在操作S205中，通过这种识别结构的方法，感测从机器人到所述结构或墙壁表面的距离，从而可获得多个网格点。网格地图是通过将机器人300行进时识别的多个网格点连接而完成的空间信息。因此，在操作S205中，机器人300获得网格点，并将网格点作为数据存储，从而可建立网格地图。在操作S210中，可从感测到的多个网格点中提取特征点310和320。特征点指的是可确定形状(如对象的边缘或拐角)的点。

为了提取特征点310和320，提取拐角或边缘(如建筑物的边缘部分)的点，为此，可使用随机抽样一致性(RANSAC)算法或分合(split and merge)算法。根据RANSAC算法，基于通过距离数据获得的网格点，获得的网格点的一致集(consensus set)被随机提取，从而检测到满足容许误差范围的多条直线。通过从检测到的多条直线识别直线彼此相交的点，检测到拐角或边缘，并且这些点被认作特征点。根据分合算法，寻找极值点并将其连为线。对于没有包括在线上并具有大于预定误差值的值的点，所述线可被拆分为细节线 (detail line)。在相邻的线之间，如果相邻的线可被识别为一条线，则所述线被合并从而可提取整个形状的线。这样，拐角或边缘被检测并可被认作特征点。

在机器人300连续行进并识别其姿态的同时，机器人300建立周围环境的地图。机器人300的姿态指的是机器人300的位置和定向。为此，可使用同步定位与地图创建(SLAM)算法，SLAM算法是追踪机器人300的姿态并同时建立地图的方法。根据SLAM算法，以预定姿态建立周围环境的地图，并基于建立的地图，识别机器人300移动之后的姿态。通过重复这一过程，SLAM算法同时估计机器人300的姿态和周围环境的地图。因此，在操作S215中，在机器人300连续行进的同时，可根据SLAM算法更新特征点。

例如，可使用基于扩展卡尔曼滤波(EKF)的SLAM算法，如下面的等式1和2所示：

x(k+1)＝F(k)x(k)+[u(k+1)+v(k+1)]  ......(1)

zi(k)＝Hix(k)+wi(k)               ......(2)

等式1显示机器人300的行进模型。这里，x(k)是时间步长k处的机器人300的姿态以及特征点的位置，u(k+1)是控制矢量，v(k+1)是噪声矢量，F(k)是时间步长k处的状态转移矩阵。等式2是在机器人行进时感测与第i个特征点的距离的观测模型等式。这里，w(k)是测量值的噪声，H是在机器人行进期间通过距离传感器所作的观测矩阵。

根据SLAM算法，首先，从控制矢量估计机器人300的姿态。然后，通过使用相对于特征点由传感器测量的值，可计算协方差矩阵。基于该协方差矩阵，计算卡尔曼增益，并且更新机器人300的姿态和特征点的位置，然后，更新协方差矩阵。由于在“IEEE transactions on Robotics and Automation(机器人及自动化IEEE学报)”2001年6月第17卷第3期中的文章“A Solutionto the Simultaneous Localization and Map Building Problem(同步定位与地图创建问题的解决方案)”中解释了SLAM算法，所以这里将省略SLAM的详细解释。

在执行SLAM算法之后，在操作S220中，可找到能够变换每一特征点的变换矩阵(T)。假设执行SLAM之前特征点的位置为(x，y)，执行SLAM之后每一特征点的位置为(x’，y’)。执行SLAM之后的位置(x’，y’)可被认作特征点的校正位置。即，通过更新特征点的位置，可识别特征点的相对精 确的位置。

因此，可获得用于将校正之前的特征点的位置(x，y)变换为校正的特征点的位置(x’，y’)的变换矩阵(T)。为了获得变换矩阵(T)，可使用各种变换方法。例如，可使用将校正之前的特征点的位置一对一地映射到校正的特征点的位置的仿射变换或线性保角变换。如果使用仿射变换作为变换方法，则根据下面的等式3获得变换矩阵(T)：

$\left[\begin{array}{c}x\′\\ y\′\end{array}\right]=\left[\begin{array}{ccc}{T}_{11}& T_{12}& T_{13}\\ T_{21}& T_{22}& T_{23}\end{array}\right]\left[\begin{array}{c}x\\ y\\ 1\end{array}\right]......\left(3\right)$

如果基于根据等式3获得的变换矩阵(T)，则相对于网格地图的整个区域执行变换，并且可更新整个网格地图。因此，更新的网格地图能够被更新，以适合已经校正的特征点，以使得网格地图与特征点地图匹配。

图3是示出在根据本发明示例性实施例的建立移动机器人300的网格地图的方法中的特征点的位置的示意图。图4A示出在根据本发明示例性实施例的建立移动机器人300的网格地图的方法中在变换之前建立的网格地图，图4B示出在根据本发明示例性实施例的建立移动机器人300的网格地图的方法中根据仿射变换更新的网格地图。

例如，假设在移动机器人300行进之后获得等式3中所示的网格地图。图4A显示在移动机器人300行进时在执行SLAM校正之前从机器人300的传感器获得的网格地图。在该网格地图中，空间中的区域被粗糙地显示，并且从空间中的区域提取每一特征点。例如，如果如图4A中所示提取7个特征点，则移动机器人300可在行进的同时连续更新每一特征点。在特征点被更新的同时，可获得能够将更新之前的特征点一对一地映射到更新之后的特征点的变换公式。例如，如果利用等式3的变换公式获得变换矩阵(T)，则在操作S225中，可利用变换矩阵(T)通过变换整个网格地图来获得如图4B中所示的更新的网格地图。与更新之前的网格地图相比，当更新完成时，更新的网格地图中的区域的边界变形较少，并且更新的网格地图具有相对优良的质量。

通过这样更新网格地图，在操作S225中，可执行网格地图的建立。例如，当机器人300建立公寓内部的网格地图时，首先，机器人300完成房间内部的网格地图，然后机器人300继续移动到另一房间或客厅，以提取特征点， 获得变换矩阵，并更新网格地图。这样，公寓内部所有区域的网格地图被更新。只有在所有区域的网格地图都被更新之后，才能完成整个网格地图。然而，当需要时，机器人300可根据上述方法建立一个房间或客厅的部分网格地图。

图5A是示出根据本发明示例性实施例的在具有障碍物550的平面空间500中根据临界点的定义获得的临界点的示意图，图5B是示出由机器人300感测的右手侧墙壁表面的网格地图的示意图。图6是根据本发明示例性实施例的根据使用移动机器人300的网格地图的基元分解方法从具有障碍物的平面空间获得特征点的示意图。图7示出在根据本发明示例性实施例的使用移动机器人300的网格地图的基元分解方法中使用扫描线来分解基元。

在建立网格地图之后，基于该网格地图，将空间分解为一个或多个基元。通常，机器人300确定扫描线700的方向，然后，通过参考扫描线700所遇到的临界点510，机器人300可将空间分解为基元710。在2000年IEEE机器人及自动化国际会议(IEEE International Conference on Robotics andAutomation)上发表的H.Chset、E.Acar、A.Rizzi和J.Luntz的文章“ExactCellular Decompositions in Terms of Critical Points of Morse Functions”中解释了临界点的细节。

通常，临界点510是当扫描线在空间中沿预定方向移动时，扫描线遇到障碍物并且障碍物上方和下方没有障碍物的位置。例如，如果如图5A中所示，障碍物550被置于正方形房间500中，则可提取8个临界点510。同时，如图6中所示，可如上所述提取10个特征点，从而包括空间中的边缘和拐角。然而，在如图5B中所示的传统的网格地图中，如果图5A的右手侧部分520被放大观察，则可以看出，由于传感器误差所引起的不规则性，产生不必要的更多的临界点570，产生比图5A中的8个临界点更多的临界点570。

在本发明中，在上述建立网格地图的方法中提取的特征点可被认作临界点，而不是试图寻找临界点。因此，不考虑由于传感器误差而产生的不必要的临界点570，仅使用基元分解所需的特征点310和320(图6)来执行基元分解。因此，通过在网格地图中扫描所述扫描线，可将空间分解为一个或多个基元。

在操作S235中确定扫描线相对于整个网格地图的角度。在网格地图的基元中可通过使用各种方法获得在整个基元中最频繁出现的线的角度。例如， 可检测基元中存在的一条或多条线，然后，所述线可分别分为具有相同角度的组。在所述组中具有最高权重的线组的角度可被确定为扫描线的角度。为了寻找具有最高权重的组的角度，可使用哈夫(Hough)变换、雷顿(Radon)变换或直方图方法。计算出的角度可用作网格地图分解时的扫描线的角度。

通过使用这样获得的扫描线和特征点，在操作S240中，网格地图可被分解为基元。例如，当如图7中所示，获得的扫描线的角度为90度时，通过扫描所述扫描线，可在特征点遇到扫描线的位置分解网格地图。当具有90度角的扫描线从左手侧向右手侧扫描网格地图内部时，基元可被分解为5个基元。在扫描网格地图内部的同时，扫描线可遇到一个或多个特征点，因此网格地图可被分解为一个或多个基元。然而，如果在扫描基元时扫描线同时遇到一个或多个特征点，则可认为是遇到一个特征点，以便可执行一个基元分解操作。

图8A示出根据本发明示例性实施例的根据使用移动机器人300的网格地图的基元分解方法在每一基元中的移动机器人300行进的方向。图8B示出在根据本发明示例性实施例的使用移动机器人300的网格地图的基元分解方法中组合基元。

在分解基元之后，在操作S245中，可在每一基元中确定机器人300行进的方向。例如，当清洁机器人300确定清洁的方向时，并且如果在本示例性实施例中期望以基元为单位执行清洁，则可相对于每一基元确定清洁的方向。通常，确定清洁的方向以使得机器人300可如图8A所示来回走动。因此，可确定每一基元中的清洁方向以使得机器人300可沿直线行进并且使得机器人300的转动最少。

基本上，为了确定基元中的清洁方向，可选择基元中具有最高出现可能性的线。为此，可使用哈夫变换、雷顿变换或直方图方法，这些方法用于确定在基元中最频繁出现的扫描线的角度。例如，如图8A中所示，基元I至V中的清洁方向可分别确定为90度、90度、0度、90度和0度。

此外，如果相邻基元中的清洁方向与当前基元中的清洁方向相同，则即使这些基元分离，机器人300也认为两个基元中的清洁图案和方向相同。因此，如果相邻基元中清洁方向相同，则在操作S250中，这些基元可被认作一个基元，并被合并(精减)。即，由于图8A中的基元I和基元II彼此相邻并且具有相同的清洁方向，所以基元I和II被合并，并可被认作一个基元。因 此，如图8B中所示，整个基元最终可分解为4个基元。

图9是根据本发明示例性实施例的利用网格地图执行基元分解的移动机器人300的框图。

为了建立在其中执行机器人300的功能的空间的网格地图，并且为了将建立的网格地图分解为一个或多个基元，根据发明示例性实施例的建立网格地图的移动机器人300可包括网格地图建立单元900、特征点提取单元910、特征点更新单元920、变换公式计算单元930和网格地图更新单元940。

网格地图建立单元900通过安装在机器人300上的一个或多个距离传感器来测量与机器人300所处空间的内壁的距离或与障碍物的距离从而获得网格点，并通过将网格点作为数据处理来建立网格地图。为了建立网格地图，机器人300可通过在机器人300期望建立网格地图的区域内行进的同时测量距离数据来获得网格点。

当机器人300通过测量相对于周围环境的距离数据建立了多个网格点330时，可形成具有一种轮廓的网格地图。结果，可从所述多个网格点中提取能够确定形状(如物体的边缘和拐角)的特征点310和320。为了提取特征点，可使用RANSAC或分合算法，其中，基于从距离数据获得的网格点，识别多条直线，并且识别直线的交点，从而可检测到拐角或边缘。

在移动机器人300行进的同时，特征点更新单元910可根据SLAM算法更新机器人300的姿态以及特征点的位置。例如，可利用基于EKF的SLAM算法校正特征点的位置。

相应地，变换公式计算单元920计算变换公式，该变换公式对特征点的校正的位置和校正以前的特征点的位置进行一对一的映射。可使用仿射变换或线性保角变换作为用于所述映射的变换。例如，当使用仿射变换时，可获得满足等式3的变换矩阵(T)。

在获得变换矩阵(T)之后，网格地图更新单元930通过对网格地图的所有基元执行变换来更新整个网格地图。通过将变换矩阵(T)应用于整个网格地图的校正的特征点，并使特征点与网格地图匹配，网格地图更新单元930可更新网格地图。因此，如果更新的网格地图集中于预定的基元，则更新的网格地图可以是机器人300将在其中执行工作的空间的网格地图。

利用上述部件，移动机器人300可建立网格地图。为了将建立的网格地图分解为一个或多个基元，根据本发明示例性实施例的利用网格地图来分解 基元的移动机器人300可包括网格地图建立单元900、特征点提取单元910、特征点更新单元920、变换公式计算单元930、网格地图更新单元940、扫描线角度提取单元950、基元分解单元960、行进方向确定单元970和基元组合单元980。

为了将网格地图分解为基元，扫描线角度提取单元950确定扫描网格地图的扫描线的方向。因此，扫描线角度提取单元950可确定在建立的网格地图中最频繁出现的线的角度。为此，通过将网格地图中最频繁出现的线确定为扫描线方向线，可方便地将网格地图分解为基元。为了确定扫描线角度，通过哈夫变换、雷顿变换或直方图方法从网格地图提取多条线，并且提取的线中最频繁出现的线的方向可被选为扫描线角度方向线。

基元分解单元960通过利用扫描线和特征点来将网格地图分解为基元。通过用扫描线以从扫描线角度提取单元950提取的角度扫描网格地图，基元分解单元960检测扫描线遇到特征点的位置。在扫描线遇到特征点的位置，网格地图可被分解为一个或多个基元。因此，如果扫描线遇到多个特征点，则可产生多个基元。

行进方向确定单元970确定移动机器人300在网格地图中所分解的每一个基元中的行进方向。例如，如果移动机器人300是清洁机器人300，则行进方向确定单元970可确定执行清洁的方向。

因此，为了使机器人300在分解的基元中执行有效的清洁，机器人300需要选择需要较少转动的清洁方向。为此，行进方向确定单元970通过哈夫变换、雷顿变换或直方图方法提取分解的基元中的线，并可将提取的线中最频繁出现的线的方向确定为行进方向。在这种情况下，确定分解的基元的边界也可被认为是线，从而所述边界可用于确定行进方向。

基元组合单元980根据预定的标准组合两个或更多分解的基元。作为组合分解的基元(精减)的标准，由行进方向确定单元970确定的各个基元的行进方向可被比较，并且如果所述方向彼此匹配，则相邻的基元可被组合为一个基元。这是因为：如果行进方向匹配，则使机器人300将相邻基元认作一个基元并执行清洁将更有效。

除了上述示例性实施例之外，本发明的示例性实施例还可通过执行在介质(例如，计算机可读介质)上的计算机可读代码/指令来实现。所述介质可对应于允许存储和/或传输计算机可读代码/指令的任何介质。所述介质还可包 括计算机可读代码/指令、数据文件、数据结构等(单独或组合)。代码/指令的例子包括如由编译器生成的机器代码或者包含可由计算装置等利用解释器执行的更高级别代码的文件。

计算机可读代码/指令可以以各种方式在介质上记录传送，所述介质的例子包括可包含计算机可读代码/指令、数据文件、数据结构等的磁存储介质(例如，软盘、硬盘、磁带等)、光学介质(例如，CD-ROM、DVD等)、磁光介质(例如，可光读盘)、硬件存储装置(例如，只读存储介质、随机存取存储介质、闪存等)以及存储/传输介质，如传输信号的载波。存储/传输介质的例子可包括有线和/或无线传输介质。例如，存储/传输介质可包括包含载波的无线传输介质，所述载波从连接到计算装置或网络的访问点发送指定指令、数据结构、数据文件等的信号。所述介质可以是分布式网络，从而计算机可读代码/指令被存储/传送并以分布式方式执行。所述介质还可以是互联网。所述计算机可读代码/指令可由一个或多个处理器执行。所述计算机可读代码/指令还可在至少一个专用集成电路(ASIC)或现场可编程门阵列(FPGA)中执行和/或实现。

此外，可配置一个或多个软件模块或者一个或多个硬件模块，以执行上述示例性实施例的操作。

这里所使用的术语“模块”指的是(但不限于)执行特定任务的软件组件、硬件组件或软件组件和硬件组件的组合。模块最好可被配置为驻留于可寻址存储介质上，并被配置为运行一个或多个处理器。因此，作为示例，所述模块可包括：诸如软件组件、专用软件组件、面向对象的软件组件、类组件和任务组件的组件、进程、函数、操作、执行线程、属性、过程、子程序、程序代码段、驱动程序、固件、微码、电路、数据、数据库、数据结构、表、数组和变量。组件或模块中提供的功能可被组合为更少的组件或模块，或者可被进一步分为另外的组件或模块。此外，组件或模块可操作装置中提供的至少一个处理器(例如，中央处理单元(CPU))。此外，硬件组件的例子包括专用集成电路(ASIC)和现场可编程门阵列(FPGA)。如上所述，模块还可表示软件组件和硬件组件的组合。

计算机可读代码/指令和计算机可读介质可以是为本发明专门设计并构建的代码/指令和介质，或者他们可以是本领域技术人员可用并公知的计算机硬件和/或计算机软件。

本发明的上述示例性实施例具有以下效果。

首先，通过使网格地图与特征点地图匹配，可建立接近于实际形状的网格地图。

其次，通过相对于特征点和扫描线将基元分解为多个基元，可分解基元从而使基元适合于执行机器人300的功能。

第三，通过在每一基元中适当地确定行进方向，机器人300可在分解基元后有效地在基元中执行工作。

尽管已示出和描述了本发明的几个示例性实施例，但是本领域技术人员应该理解，在不脱离由权利要求及其等同物限定其范围的本发明的原理和精神的情况下，可对这些示例性实施例进行改变。

Claims (21)

1.一种建立移动机器人的网格地图的方法，包括：

通过感测与外部空间的边界和外部空间的边界内的障碍物中的至少一个的距离来获得网格点，并建立网格地图；

从网格点提取特征点，其中，所述特征点指的是确定形状的点；

使用同步定位与地图创建算法来估计机器人运动之后机器人的位置和定向，并更新特征点；

确定变换，该变换将从网格点提取的特征点变换为更新的特征点；

根据所述变换来更新网格地图。

2.如权利要求1所述的方法，其中，使用距离测量传感器来执行距离的感测。

3.如权利要求1所述的方法，其中，使用随机抽样一致性算法或分合算法来执行特征点的提取。

4.如权利要求1所述的方法，其中，所述同步定位与地图创建算法基于卡尔曼滤波。

5.如权利要求1所述的方法，其中，使用仿射变换或线性保角变换方法来确定所述变换。

6.如权利要求1所述的方法，还包括：

提取更新的网格地图中最频繁出现的扫描线的角度；

根据提取的扫描线角度来扫描网格地图；

在扫描线遇到特征点的位置通过扫描线来将网格地图分解为基元。

7.如权利要求6所述的方法，其中，在提取扫描线的角度的步骤中，使用哈夫变换、雷顿变换和直方图中的任一个来提取更新的网格地图中最频繁出现的扫描线的角度。

8.如权利要求6所述的方法，还包括：将在分解的基元中提取的最频繁出现的扫描线的方向确定为机器人的行进方向。

9.如权利要求8所述的方法，还包括：将其中机器人具有相同的行进方向的相邻的分解的基元组合为一个基元。

10.如权利要求2所述的方法，其中，所述传感器是超声传感器、红外线传感器或激光传感器之一。

11.一种建立网格地图的移动机器人，包括：

网格地图建立器，通过感测与外部空间的边界和外部空间的边界内的障碍物中的至少一个的距离来获得网格点，并建立网格地图；

特征点提取器，从网格点提取特征点，其中，所述特征点指的是确定形状的点；

特征点更新器，使用同步定位与地图创建算法来估计机器人运动之后机器人的位置和定向，并更新特征点；

变换确定器，确定变换，该变换将由特征点提取器提取的特征点变换为由特征点更新器更新的特征点；

网格地图更新器，根据所述变换来更新网格地图。

12.如权利要求11所述的机器人，其中，所述网格地图建立器通过使用超声传感器、红外线传感器或激光传感器之一感测距离来获得网格点。

13.如权利要求11所述的机器人，其中，所述特征点提取器使用随机抽样一致性算法或分合算法来提取特征点。

14.如权利要求11所述的机器人，其中，所述同步定位与地图创建算法基于卡尔曼滤波。

15.如权利要求11所述的机器人，其中，所述变换确定器使用仿射变换或线性保角变换来确定所述变换。

16.如权利要求11所述的机器人，还包括：

扫描线角度提取器，提取更新的网格地图中最频繁出现的扫描线的角度；

基元分解器，根据提取的扫描线角度来扫描网格地图，并在扫描线遇到特征点的位置通过扫描线来将网格地图分解为基元。

17.如权利要求16所述的机器人，其中，所述扫描线角度提取器使用哈夫变换、雷顿变换和直方图之一来提取更新的网格地图中最频繁出现的扫描线的角度。

18.如权利要求16所述的机器人，还包括：行进方向确定器，将在分解的基元中提取的最频繁出现的扫描线的方向确定为机器人的行进方向。

19.如权利要求18所述的机器人，还包括：基元组合器，将分解的基元中机器人具有相同的行进方向的相邻基元组合为一个基元。

20.一种建立移动机器人的网格地图的方法，包括：

基于通过感测从机器人到外部空间或障碍物的距离而获得的网格点来建立网格地图；

从网格点提取特征点，其中，所述特征点指的是确定形状的点；

使用同步定位与地图创建算法来估计机器人运动之后的机器人的位置和定向，并更新特征点；

确定变换，该变换将从网格点提取的特征点变换为更新的特征点；

根据所述变换来更新网格地图。

21.一种建立网格地图的移动机器人，包括：

网格地图建立器，基于通过感测从机器人到外部空间或障碍物的距离而获得的网格点来建立网格地图；

特征点提取器，从网格点提取特征点，其中，所述特征点指的是确定形状的点；

特征点更新器，使用同步定位与地图创建算法来估计机器人运动之后机器人的位置和定向，并更新特征点；

变换确定器，确定变换，该变换将由特征点提取器提取的特征点变换为由特征点更新器更新的特征点；

网格地图更新器，根据所述变换来更新网格地图。

Images