CN103472823B - 一种智能机器人用的栅格地图创建方法 - Google Patents
一种智能机器人用的栅格地图创建方法 Download PDFInfo
- Publication number
- CN103472823B CN103472823B CN201310363428.8A CN201310363428A CN103472823B CN 103472823 B CN103472823 B CN 103472823B CN 201310363428 A CN201310363428 A CN 201310363428A CN 103472823 B CN103472823 B CN 103472823B
- Authority
- CN
- China
- Prior art keywords
- map
- robot
- point
- auxiliary
- coordinate system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000001133 acceleration Effects 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 9
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 14
- 230000008447 perception Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种智能机器人用的栅格地图创建方法,包括绘制工作区域边界线步骤、边界特征点标注步骤和SLAM地图构建步骤。本发明提供的智能机器人用的栅格地图创建方法,能够直观第表示出机器人在某个时刻对整体环境的理解,而且容易存储和管理,因此适用于机器人在运行过程中对区域的记忆;同时能够对机器人的路径规划、自主返回充电等技术研究提供基础。
Description
技术领域
本发明涉及智能机器人技术,尤其涉及一种智能机器人用的栅格地图创建方法。
背景技术
信息感知与多信息融合技术
信息感知来源于传感器,这是智能移动机器人决策规划和运动控制的基础。移动机器人在行驶时,必须持续不断地感知周围环境信息及自身状态信息,由于移动机器人工作环境的复杂性,机器人自身状态的不确定性,只靠单一的传感器获取的环境信息,往往是局部的、片面的,而高精度和高可靠性的传感器往往价格较高,且会增加系统的复杂性。
机器人通常都需要安装多种传感器来感知环境信息。通过多种传感器获得同类或不同类的坏境,利用相关的算法进行多传感器信息融合,比如割草机器人可获得环境的真实、可靠信息,也即多传感器集成和融合(Multi-sensorintegrationandFusion),多传感器信息融合的优点在于提供了信息冗余、互补和适时(Timelines),从而提高了信息的可靠性。
智能机器人内部最常使用的传感器类型有接触式传感器和非接触式传感器。接触式传感器可以测出受动器端与其他物体间的实际接触;非接触传感器则主要是通过传感器对外部信息的理解和感知,从而进行环境信息的提取。一般对于非接触式的传感器根据其采集信息种类以和采集方式的不同,可以分成外部传感器和内部传感器两类:外部传感器主要用来采集机器人外界环境信息(主要是距离信息),包括超声波测距仪、激光测距仪、视觉传感器等;内部传感器负责采集机器人系统内部状态的信息(主要是自身的方位角等信息),包括陀螺仪、罗盘等。
移动机器人的导航与自主定位技术
移动机器人的准确定位是保证其正确完成导航、控制任务的关键之一。定位技术可以分为绝对定位技术和相对定位技术。
相对定位技术通常包括测距法和惯导法。测距法采用随时间累积路程增量的原理,在短期、短距离内具有良好的精度,系统较为简单,成本低廉,并且具有较高的数据采样率;最常用的有里程仪和光电编码器。惯导法包括陀螺仪和加速度计,是用测量值的一次、二次积分计算向对其实位置的偏移量;惯导法具有自包含的优点。相对定位技术成本低、可靠性较高、对外部环境无特殊要求,可在一段时间内获得较高定位精度,但其定位误差往往会随时间不断积累而导致测量结果失效,定位误差主要来源于初始位姿误差、模型不确定性以及运动过程中的扰动等,通常可以利用多个内部传感器信息融合的方法来获得较为精确的位姿。
绝对定位的技术一般包括磁罗盘定位、GPS卫星定位、路标导航法、地图模型的匹配等。绝对定位不存在累积误差问题,但是绝对定位技术的定位算法如路标识别、地图匹配等通常都比较复杂、费时、实时性差。
根据绝对定位技术和相对定位技术的优缺点,通常在定位系统中综合使用相对定位技术和绝对定位技术,对其数据进行融合以达到实时、准确的定位。
工作区域边界识别
对于智能移动机器人的边界识别研究可分成两种,一种是基于有信标的边界识别,另一种是基于无信标的边界识别。
对于第一种方法,国外的专利中给出了一些方法和观点:预先使用电缆包围整个工作区域,然后在电缆中通上电流,机器人工作过程中通过探测通电电缆所形成的磁场来获取边界信息。
对于第二种方法,先由人工推着机器人在整个工作区域内无遗漏的行走一遍,机器人记录下所有的轨迹,然后机器人在以后的工作中重复先前记录的路径。
地图的表示方式
移动机器人在运动过程中需要获知传感器对环境的感知信息,而后通过处理这些数据,计算机器人周围的环境信息以及机器人当前的位置,同时创建环境地图。目前使用的比较多的地图表示方法有很多,可以大致分成如下三类:栅格地图、几何特征地图以及拓扑地图。
栅格地图是是将环境分解成一系列离散的栅格,每个栅格有一个值,用每一个栅格被占据的概率值来表示环境信息,一般标识为是否是障碍物,每个地图栅格都与实际环境中的一个小块区域对应,反映出环境的信息,易于机器人进行地图信息的存储。栅格地图可以详细地描述环境信息,并且很容易创建和维护。
几何特征地图对于真实场景中机器人的位姿的判定,有着较高的精度,一般对这种地图进行抽象描述,从而大量减少计算上的耗费。几何特征地图能够精确的表示出机器人当前的位置信息以及障碍物信息,很完整的表示出实际的室内环境,方便角点的提取以及数据关联计算,但是同时也有一系列的问题,由于精度比较高,因此在计算上带来了一系列的问题,计算复杂度比较高,硬件的要求也就同样比较高了,对于家用机器人很显然是不太符合条件的;另外对于室内清扫机器人来说要避免多次重复的清扫则是十分重要的,因此这就要求对地图有一个记忆的功能,然而如果通过几何地图进行地图存储,势必会大量增加了时间以及空间上的复杂度。
拓扑地图是将环境中的特殊的位置用节点表示,然后通过连线表示环境中的路径。节点对应着环境中的关键特征点,连线表示的是环境中各个节点彼此之间的连接关系。拓扑地图将环境中的信息用一些特定的环境信息来描述,根据拓扑地图的特点,拓扑地图常常用于结构化的环境下,而拓扑地图应用在非结构化环境中,其结构将变得十分复杂,节点的描述也会非常困难,往往不利于处理。拓扑地图表示法使环境具有紧凑性与连贯性。相对于上述的两种地图表示方法,拓扑地图具有占用内存较小的优点,但是同时也带来了严重的问题:即环境的信息量的大量缺乏,使得对清扫机器人对自身的定位产生了困难;如果存在环境中两个节点相似的时候,通过传统的处理算法,机器人很难对这两个节点进行区分,同时若传感器存在有较大的误差的时候,机器人将很难根据扑地图对自身的位置实现实时的定位。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种智能机器人用的栅格地图创建方法,能够全区域覆盖移动机器人活动范围,并自动创建一种低成本、高精度的全局栅格地图。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种智能机器人用的栅格地图创建方法,包括如下步骤:
(1)在X-Y平面坐标系的第一象限内绘制机器人的工作区域边界线;
(2)标记出工作区域边界线上的所有边界特征点在X-Y平面坐标系上的坐标位置,并将边界特征点记录到地图节点特征点数组中;
(3)在X-Y平面坐标系中构建SLAM地图,包括如下步骤:
(31)设计栅格的宽度为d,作表达式为Xi=i×d的直线,i=0,1,2,3…;然后求得直线Xi与工作区域边界线的交点的集合N={Ni},Ni={Nij}={(xi,yij)},j=1,2,3…,其中xi=i×d,yij<yi(j+1);
(32)设计候选内部特征点的集合M={Mi},Mi={Mik}={(xi,yik)},k=1,2,3…,其中yik=m×d,m=0,1,2,3…;yijmin≤yik≤yijmax;
(33)判断出候选内部特征点的集合M中实际存在于工作区域内部的点,将实际存在与工作区域内部的点记录到地图节点特征点数组中;候选内部特征点的集合M中实际存在于工作区域内部的点的判断条件为:点(xi,yik)中yik的值必须位于yij和yi(j+1)之间,且j为奇数;
(34)判断Xi=i×d的值大小,若Xi=i×d>Xmax成立,则跳转至步骤(35),否则跳转至步骤(32);其中Xmax为所有边界特征点中的最大X值;
(35)构建栅格地图数据库,遍历地图特征数组,并将其记录纸存储单元中。
优选的,所述步骤(35)中,在构建栅格地图数据库时,地图节点特征数组中的元素按照X由小到大插入,遍历地图节点特征数组中的节点时,建立多维地图数组,以二维地图坐标Map[a][b]的格式保存节点坐标信息,且Map[a][b]满足如下要求:Map[a][b]的X值小于Map[a][b+1]的X值;Map[a][b]的Y值小于Map[a+1][b]的Y值;a=0,1,2,3…,b=0,1,2,3…;所述多维地图数组中同时包含节点坐标位置处的环境信息,比如相应位置处的地貌特征、是否含有假山、河流或其他可能的信息等。
优选的,所述步骤(1)的具体实现方法包括如下步骤:
(11)为机器人装载加速度传感器、陀螺仪和电子罗盘;
(12)在机器人工作区域内任取一点,记该点为辅助原点(0,0),任取一经过辅助原点(0,0)的直线L,以直线L为辅助Y轴,以与辅助Y轴垂直并交与辅助原点的直线为辅助X轴,建立辅助X-Y平面坐标系;
(13)让机器人从原点出发,沿着直线L行走至工作区域边界,并按照逆时针方向沿着工作区域边界线行走一圈;在机器人沿着工作区域边界线行走一圈的过程中,通过加速度传感器、陀螺仪和电子罗盘采集数据并定位计算出行走过程中出现的边界特征点在辅助X-Y平面坐标系上的相对位置坐标;
(14)将辅助X-Y平面坐标系向辅助X轴负方向平移、向辅助Y轴负方向平移,将平移后的辅助X-Y平面坐标系记为X-Y平面坐标系,使得所有边界特征点均位于X-Y平面坐标系的第一象限内。
需要说明的是,对于所有边界特征点的确定,可以通过人工绘制也可以通过上述提供的方法进行确定;当然,在使用上述方法进行确定的时候,所使用的机器人可以不是最终所要工作的机器人,即相关传感器(加速度传感器、陀螺仪和电子罗盘)并不一定装载在最终工作的机器人上。
地图创建的目的是对机器人当前的位姿进行准确的估计,智能机器人利用传感器传送的数据作为对环境的感知信息,对实际中的环境进行模型的建立,同时创建地图。机器人在创建地图的时候,需要从传感器接收环境信息,从而进行分析以及地图的创建工作,用以对外界环境和当前位姿做出正确的理解,进行正确的分析决策。对传感器数据的关键分析就是特征点的确定,通过传感器传送的数据,特征点比较容易确定,且不受外界干扰。因此在SLAM的时候,一般都是通过特征点行进相对定位,特征点理解为边界线上的的拐点,这些点有一个共同的特征,即可以近似为两条直线直接相交的点。
有益效果:本发明提供的智能机器人用的栅格地图创建方法,能够直观第表示出机器人在某个时刻对整体环境的理解,而且容易存储和管理,因此适用于机器人在运行过程中对区域的记忆;同时能够对机器人的路径规划、自主返回充电等技术研究提供基础。
附图说明
图1为工作区域示意图;
图2为工作区域在辅助X-Y平面坐标系上的示意图;
图3为工作区域在X-Y平面坐标系上的示意图;
图4为地图节点特征点提取示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
栅格地图创建的关键就是栅格大小的选取,过大的栅格会导致相对定位计算精度降低;而过小的栅格会导致运算的复杂度增加,对处理器的要求比较高,增加成本。本发明中,选择的栅格的宽度,考虑机器人每秒行走的距离与实际工作区域尺寸做动态调整,更具有适应性。这样智能机器人每在一个位置,就能在栅格地图中找到一个栅格与之对应,从而满足了区域覆盖问题。由于智能机器人无法在工作之前得知地理环境,因此必须在工作的时候必须拥有对栅格地图的映射表示。本发明中,机器人在工作之前,首先获得边界特征点,获取边界特征点方法不限,如人工手动绘制边界特征点(需注意精度、比例问题)、携带设备(安装有加速度传感器、陀螺仪、电子罗盘等传感器)绕边界行走记录特征点等方法,这样就能知道栅格地图的边界区域。随后通过栅格划分算法,创建栅格地图。以下,举例通过这种携带设备(安装有加速度传感器、陀螺仪、电子罗盘等传感器)绕边界行走的方法来获取特征点后,介绍SLAM地图构建过程。
智能机器人安装有加速度传感器、陀螺仪、电子罗盘。加速度传感器的强项在于测量设备的受力情况。对但用来测量设备相对于地面的摆放姿势,则精确度不高。加速度传感器可用于有固定的重力参考坐标系、存在线性或倾斜运动但旋转运动被限制在一定范围内的应用。对加速度传感器进行一次积分,就变成了单位时间里的速度变化量,从而测出在死区内物体的移动。同时处理直线运动和旋转运动时,就需要把加速度传感器和陀螺仪传感器结合起来使用。如果还想设备在运动时不至于迷失方向,就再加上磁传感器,陀螺仪、磁传感器和加速度传感器常常是相互配合使用的有一种相互补偿的关系。应用磁传感器的电子罗盘是通过测量磁通量的大小来确定方向的。当磁传感器发生倾斜时,通过磁传感器的地磁通量将发生变化,从而使方向指向产生误差。利用加速度传感器可以测量倾角的这一原理,可以对电子罗盘的倾斜进行补偿。
基于上述分析,下面给出本案提供的智能机器人用的栅格地图创建方法,包括如下步骤:
(1)在X-Y平面坐标系的第一象限内绘制机器人的工作区域边界线;如图1、图2、图3所示,具体包括如下步骤:
(11)为机器人装载加速度传感器、陀螺仪和电子罗盘;
(12)在机器人工作区域内任取一点,记该点为辅助原点(0,0),任取一经过辅助原点(0,0)的直线L,以直线L为辅助Y轴,以与辅助Y轴垂直并交与辅助原点的直线为辅助X轴,建立辅助X-Y平面坐标系;
(13)让机器人从原点出发,沿着直线L行走至工作区域边界,并按照逆时针方向沿着工作区域边界线行走一圈;在机器人沿着工作区域边界线行走一圈的过程中,通过加速度传感器、陀螺仪和电子罗盘采集数据并定位计算出行走过程中出现的边界特征点在辅助X-Y平面坐标系上的相对位置坐标;
(14)将辅助X-Y平面坐标系向辅助X轴负方向平移、向辅助Y轴负方向平移,将平移后的辅助X-Y平面坐标系记为X-Y平面坐标系,使得所有边界特征点均位于X-Y平面坐标系的第一象限内;
(2)标记出工作区域边界线上的所有边界特征点在X-Y平面坐标系上的坐标位置,并将边界特征点记录到地图节点特征点数组中;
(3)在X-Y平面坐标系中构建SLAM地图,包括如下步骤:
(31)设计栅格的宽度为d,作表达式为Xi=i×d的直线,i=0,1,2,3…;然后求得直线Xi与工作区域边界线的交点的集合N={Ni},Ni={Nij}={(xi,yij)},j=1,2,3…,其中xi=i×d,yij<yi(j+1);
(32)设计候选内部特征点的集合M={Mi},Mi={Mik}={(xi,yik)},k=1,2,3…,其中yik=m×d,xi=i×d,m=0,1,2,3…;yijmin≤yik≤yijmax;
(33)判断出候选内部特征点的集合M中实际存在于工作区域内部的点,将实际存在与工作区域内部的点记录到地图节点特征点数组中;候选内部特征点的集合M中实际存在于工作区域内部的点的判断条件为:点(xi,yik)中yik的值必须位于yij和yi(j+1)之间,且j为奇数;
(34)判断Xi=i×d的值大小,若Xi=i×d>Xmax成立,则跳转至步骤(35),否则跳转至步骤(32);其中Xmax为所有边界特征点中的最大X值;
(35)构建栅格地图数据库,遍历地图特征数组,并将其记录纸存储单元中;本步骤中,在构建栅格地图数据库时,地图节点特征数组中的元素按照X由小到大插入,遍历地图节点特征数组中的节点时,建立多维地图数组,以二维地图坐标Map[a][b]的格式保存节点坐标信息,且Map[a][b]满足如下要求:Map[a][b]的X值小于Map[a][b+1]的X值;Map[a][b]的Y值小于Map[a+1][b]的Y值;a=0,1,2,3…,b=0,1,2,3…;所述多维地图数组中同时包含节点坐标位置处的环境信息
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种智能机器人用的栅格地图创建方法,其特征在于:包括如下步骤:
(1)在X-Y平面坐标系的第一象限内绘制机器人的工作区域边界线;
(2)标记出工作区域边界线上的所有边界特征点在X-Y平面坐标系上的坐标位置,并将边界特征点记录到地图节点特征点数组中;
(3)在X-Y平面坐标系中构建SLAM地图,包括如下步骤:
(31)设计栅格的宽度为d,作表达式为Xi=i×d的直线,i=0,1,2,3…;然后求得直线Xi与工作区域边界线的交点的集合N={Ni},Ni={Nij}={(xi,yij)},j=1,2,3…,其中xi=i×d,yij<yi(j+1);
(32)设计候选内部特征点的集合M={Mi},Mi={Mik}={(xi,yik)},k=1,2,3…,其中yik=m×d,m=0,1,2,3…;yijmin≤yik≤yijmax;
(33)判断出候选内部特征点的集合M中实际存在于工作区域内部的点,将实际存在于工作区域内部的点记录到地图节点特征点数组中;候选内部特征点的集合M中实际存在于工作区域内部的点的判断条件为:点(xi,yik)中yik的值必须位于yij和yi(j+1)之间,且j为奇数;
(34)判断Xi=i×d的值大小,若Xi=i×d>Xmax成立,则跳转至步骤(35),否则跳转至步骤(32);其中Xmax为所有边界特征点中的最大X值;
(35)构建栅格地图数据库,遍历地图特征数组,并将其记录至存储单元中。
2.根据权利要求1所述的智能机器人用的栅格地图创建方法,其特征在于:所述步骤(35)中,在构建栅格地图数据库时,地图节点特征数组中的元素按照X由小到大插入,遍历地图节点特征数组中的节点时,建立多维地图数组,以二维地图坐标Map[a][b]的格式保存节点坐标信息,且Map[a][b]满足如下要求:Map[a][b]的X值小于Map[a][b+1]的X值;Map[a][b]的Y值小于Map[a+1][b]的Y值;a=0,1,2,3…,b=0,1,2,3…;所述多维地图数组中同时包含节点坐标位置处的环境信息。
3.根据权利要求1所述的智能机器人用的栅格地图创建方法,其特征在于:所述步骤(1)的具体实现方法包括如下步骤:
(11)为机器人装载加速度传感器、陀螺仪和电子罗盘;
(12)在机器人工作区域内任取一点,记该点为辅助原点(0,0),任取一经过辅助原点(0,0)的直线L,以直线L为辅助Y轴,以与辅助Y轴垂直并交与辅助原点的直线为辅助X轴,建立辅助X-Y平面坐标系;
(13)让机器人从原点出发,沿着直线L行走至工作区域边界,并按照逆时针方向沿着工作区域边界线行走一圈;在机器人沿着工作区域边界线行走一圈的过程中,通过加速度传感器、陀螺仪和电子罗盘采集数据并定位计算出行走过程中出现的边界特征点在辅助X-Y平面坐标系上的相对位置坐标;
(14)将辅助X-Y平面坐标系向辅助X轴负方向平移、向辅助Y轴负方向平移,将平移后的辅助X-Y平面坐标系记为X-Y平面坐标系,使得所有边界特征点均位于X-Y平面坐标系的第一象限内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310363428.8A CN103472823B (zh) | 2013-08-20 | 2013-08-20 | 一种智能机器人用的栅格地图创建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310363428.8A CN103472823B (zh) | 2013-08-20 | 2013-08-20 | 一种智能机器人用的栅格地图创建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103472823A CN103472823A (zh) | 2013-12-25 |
CN103472823B true CN103472823B (zh) | 2015-11-18 |
Family
ID=49797713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310363428.8A Expired - Fee Related CN103472823B (zh) | 2013-08-20 | 2013-08-20 | 一种智能机器人用的栅格地图创建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103472823B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11589503B2 (en) | 2014-12-22 | 2023-02-28 | Irobot Corporation | Robotic mowing of separated lawn areas |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104049635A (zh) * | 2014-07-07 | 2014-09-17 | 浙江海曼机器人有限公司 | 一种基于电子罗盘的智能小车行走定位方法 |
CN105511485B (zh) * | 2014-09-25 | 2018-07-06 | 科沃斯机器人股份有限公司 | 用于自移动机器人栅格地图的创建方法 |
US9630319B2 (en) * | 2015-03-18 | 2017-04-25 | Irobot Corporation | Localization and mapping using physical features |
CN106573372B (zh) * | 2015-03-31 | 2018-12-21 | 广州艾若博机器人科技有限公司 | 充电器、基于地图构建寻找充电器的方法、装置及系统 |
CN104850615A (zh) * | 2015-05-14 | 2015-08-19 | 西安电子科技大学 | 一种基于g2o的SLAM后端优化算法方法 |
CN106292654B (zh) * | 2015-06-03 | 2021-05-25 | 北京京东尚科信息技术有限公司 | 一种绘制区域地图的方法和装置 |
CN105136144A (zh) * | 2015-08-05 | 2015-12-09 | 中科新松有限公司 | 商场导航系统以及商场导航方法 |
CN105203094B (zh) * | 2015-09-10 | 2019-03-08 | 联想(北京)有限公司 | 构建地图的方法和设备 |
CN112904862A (zh) * | 2016-04-15 | 2021-06-04 | 苏州宝时得电动工具有限公司 | 导航装置、设备及自移动机器人 |
CN105869512B (zh) * | 2016-05-31 | 2019-07-09 | 北京云迹科技有限公司 | 多信息的混杂度量地图建图方法和装置 |
CN107463168A (zh) * | 2016-06-06 | 2017-12-12 | 苏州宝时得电动工具有限公司 | 定位方法及系统、地图构建方法和系统、自动行走设备 |
CN106647765B (zh) * | 2017-01-13 | 2021-08-06 | 深圳拓邦股份有限公司 | 一种基于割草机器人的规划平台 |
CN107065872B (zh) * | 2017-04-11 | 2020-06-05 | 珠海市一微半导体有限公司 | 智能机器人的栅格地图创建方法 |
US20200125105A1 (en) * | 2017-04-11 | 2020-04-23 | Amicro Semiconductor Co., Ltd. | Method for Creating Grid Map of Intelligent Robot |
CN107024208A (zh) * | 2017-05-18 | 2017-08-08 | 上海逍森自动化科技有限公司 | 一种定位方法及其定位装置 |
WO2018214825A1 (zh) * | 2017-05-26 | 2018-11-29 | 杭州海康机器人技术有限公司 | 一种检测未知位置的障碍物存在概率的方法和装置 |
WO2018224678A1 (de) * | 2017-06-09 | 2018-12-13 | Andreas Stihl Ag & Co. Kg | Grünflächenbearbeitungssystem, verfahren zum erfassen mindestens eines abschnitts eines begrenzungsrands einer zu bearbeitenden fläche und verfahren zum betreiben eines autonomen mobilen grünflächenbearbeitungsroboters |
CN107168331B (zh) * | 2017-06-20 | 2021-04-02 | 南京阿凡达机器人科技有限公司 | 基于光电鼠标传感器位移检测的机器人室内地图创建方法 |
JP7051045B2 (ja) * | 2017-11-08 | 2022-04-11 | オムロン株式会社 | 移動式マニピュレータ、移動式マニピュレータの制御方法及びプログラム |
CN109744945B (zh) | 2017-11-08 | 2020-12-04 | 杭州萤石网络有限公司 | 一种区域属性确定方法、装置、系统及电子设备 |
CN107837044B (zh) * | 2017-11-17 | 2021-01-08 | 北京奇虎科技有限公司 | 清洁机器人的分区清洁方法、装置及机器人 |
CN107831772A (zh) * | 2017-11-17 | 2018-03-23 | 北京奇虎科技有限公司 | 清洁路线的排布方法、装置及机器人 |
CN108009624A (zh) * | 2017-12-14 | 2018-05-08 | 深圳狗尾草智能科技有限公司 | 机器人的记忆构建方法及装置 |
CN108444484B (zh) * | 2018-03-12 | 2020-09-15 | 珠海市一微半导体有限公司 | 一种构建栅格地图的控制方法和芯片及机器人 |
JP7123656B2 (ja) * | 2018-06-22 | 2022-08-23 | 東芝ライフスタイル株式会社 | 自律型電気掃除機 |
US10976746B2 (en) | 2018-12-28 | 2021-04-13 | Caterpillar Paving Products Inc. | System and method to mark autonomous work area |
CN109946715B (zh) * | 2019-04-09 | 2021-06-25 | 云鲸智能科技(东莞)有限公司 | 探测方法、装置、移动机器人及存储介质 |
CN109901594A (zh) * | 2019-04-11 | 2019-06-18 | 清华大学深圳研究生院 | 一种除草机器人的定位方法及系统 |
CN110347152B (zh) * | 2019-06-11 | 2022-08-16 | 深圳拓邦股份有限公司 | 虚拟墙设置方法、系统及装置 |
CN112212863A (zh) * | 2019-07-09 | 2021-01-12 | 苏州科瓴精密机械科技有限公司 | 栅格地图的创建方法及创建系统 |
WO2021031441A1 (zh) * | 2019-08-16 | 2021-02-25 | 苏州科瓴精密机械科技有限公司 | 路径规划方法、系统,机器人及可读存储介质 |
CN112393737B (zh) * | 2019-08-16 | 2024-03-08 | 苏州科瓴精密机械科技有限公司 | 障碍地图的创建方法、系统,机器人及可读存储介质 |
CN110370847A (zh) * | 2019-08-20 | 2019-10-25 | 李骏宜 | 一种自动擦黑板机器人及导航定位方法 |
CN111168678B (zh) * | 2020-01-09 | 2023-07-07 | 上海山科机器人有限公司 | 行走机器人、控制行走机器人的方法和行走机器人系统 |
CN111168679B (zh) * | 2020-01-09 | 2023-08-22 | 上海山科机器人有限公司 | 行走机器人、控制行走机器人的方法和行走机器人系统 |
CN111461245B (zh) * | 2020-04-09 | 2022-11-04 | 武汉大学 | 一种融合点云和图像的轮式机器人语义建图方法及系统 |
CN111631639B (zh) * | 2020-05-26 | 2021-07-06 | 珠海市一微半导体有限公司 | 全局栅格地图的地图遍历块建立方法、芯片及移动机器人 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101413806A (zh) * | 2008-11-07 | 2009-04-22 | 湖南大学 | 一种实时数据融合的移动机器人栅格地图创建方法 |
CN102138769A (zh) * | 2010-01-28 | 2011-08-03 | 深圳先进技术研究院 | 清洁机器人及其清扫方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL113913A (en) * | 1995-05-30 | 2000-02-29 | Friendly Machines Ltd | Navigation method and system |
KR100843085B1 (ko) * | 2006-06-20 | 2008-07-02 | 삼성전자주식회사 | 이동 로봇의 격자지도 작성 방법 및 장치와 이를 이용한영역 분리 방법 및 장치 |
KR101581415B1 (ko) * | 2009-02-23 | 2015-12-30 | 삼성전자주식회사 | 맵 빌딩 장치 및 방법 |
-
2013
- 2013-08-20 CN CN201310363428.8A patent/CN103472823B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101413806A (zh) * | 2008-11-07 | 2009-04-22 | 湖南大学 | 一种实时数据融合的移动机器人栅格地图创建方法 |
CN102138769A (zh) * | 2010-01-28 | 2011-08-03 | 深圳先进技术研究院 | 清洁机器人及其清扫方法 |
Non-Patent Citations (2)
Title |
---|
在未知环境下完全遍历算法——等单元分解法;刘奎等;《系统仿真技术》;20051031;第1卷(第3期);第136-140页 * |
基于低成本移动机器人设计的超声SLAM;金世俊等;《测控技术》;20101231;第29卷(第1期);第68-72页 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11589503B2 (en) | 2014-12-22 | 2023-02-28 | Irobot Corporation | Robotic mowing of separated lawn areas |
Also Published As
Publication number | Publication date |
---|---|
CN103472823A (zh) | 2013-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103472823B (zh) | 一种智能机器人用的栅格地图创建方法 | |
Chen et al. | A data-driven inertial navigation/Bluetooth fusion algorithm for indoor localization | |
WO2022105024A1 (zh) | 机器人位姿的确定方法、装置、机器人及存储介质 | |
CN103674015B (zh) | 一种无轨化定位导航方法及装置 | |
US20200233085A1 (en) | Methods and systems for geo-referencing mapping systems | |
CN106168805A (zh) | 基于云计算的机器人自主行走的方法 | |
CN102128625B (zh) | 重力辅助惯性导航系统中重力图匹配的初始匹配方法 | |
CN109282808B (zh) | 用于桥梁三维巡航检测的无人机与多传感器融合定位方法 | |
CN111149072A (zh) | 用于机器人导航的磁力计 | |
CN104062973A (zh) | 一种基于图像标志物识别的移动机器人slam方法 | |
CN109752725A (zh) | 一种低速商用机器人、定位导航方法及定位导航系统 | |
CN107014375B (zh) | 超低部署的室内定位系统及方法 | |
CN105004336A (zh) | 一种机器人的定位方法 | |
CN108549376A (zh) | 一种基于信标的导航定位方法及系统 | |
CN110412596A (zh) | 一种基于图像信息和激光点云的机器人定位方法 | |
CN109975817A (zh) | 一种变电站巡检机器人定位导航方法及系统 | |
Ghosh et al. | Multi sensor data fusion for 6D pose estimation and 3D underground mine mapping using autonomous mobile robot | |
CN112967392A (zh) | 一种基于多传感器触合的大规模园区建图定位方法 | |
Yu et al. | AZUPT: Adaptive zero velocity update based on neural networks for pedestrian tracking | |
CN115183762A (zh) | 一种机场仓库内外建图方法、系统、电子设备及介质 | |
Dai | Research on robot positioning and navigation algorithm based on SLAM | |
Zhang et al. | Design of dual-LiDAR high precision natural navigation system | |
Hu et al. | A small and lightweight autonomous laser mapping system without GPS | |
CA2894863A1 (en) | Indoor localization using crowdsourced data | |
Shaheer et al. | Robot localization using situational graphs and building architectural plans |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151118 Termination date: 20160820 |