CN104536445B - 移动导航方法和系统 - Google Patents
移动导航方法和系统 Download PDFInfo
- Publication number
- CN104536445B CN104536445B CN201410803053.7A CN201410803053A CN104536445B CN 104536445 B CN104536445 B CN 104536445B CN 201410803053 A CN201410803053 A CN 201410803053A CN 104536445 B CN104536445 B CN 104536445B
- Authority
- CN
- China
- Prior art keywords
- point
- mobile navigation
- navigation system
- path
- map
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 29
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 10
- 230000006978 adaptation Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 239000003638 chemical reducing agent Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 230000004888 barrier function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 208000030984 MIRAGE syndrome Diseases 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- TVLSRXXIMLFWEO-UHFFFAOYSA-N prochloraz Chemical compound C1=CN=CN1C(=O)N(CCC)CCOC1=C(Cl)C=C(Cl)C=C1Cl TVLSRXXIMLFWEO-UHFFFAOYSA-N 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000009333 weeding 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
Abstract
一种移动导航系统，包括：传感器，用于采集环境数据；计算处理单元，用于根据所述传感器所采集的数据，对所述数据进行计算，以构建三维地图；并根据所构建的三维地图，提供由起始点至目的点之间的路径规划；驱动机构，用于根据所述计算处理单元所提供的所述路径，驱动所述移动导航系统移动。本发明还提供一种利用该移动导航系统进行地图构建的方法和路径规划的方法。
Description
【技术领域】
本发明涉及一种移动导航方法和移动导航系统。具体地，本发明涉及一种在未知室内环境下，机器人通过实时同步环境地图构建和定位，实现导航的功能的方法和系统。
【背景技术】
近年来，移动机器人技术不断发展成熟，工厂、展会、机场和博物馆等室内场景中经常出现一些室内移动机器人。这些机器人有各式各样的功能，如迎宾、领路、巡逻、安防等。室内移动机器人的一个非常重要的基本功能是导航。在导航技术中，环境地图信息和机器人定位技术是机器人自主移动的前提，有了这些先验信息，路径规划和避障技术才能在驱动机器人到达目的地的过程中发挥作用。
计算机硬件技术的发展，包括计算机处理器的运算能力不断提高，存储能力不断加强，都为搭建机器人系统以及机器人技术的成熟做了很好的支撑。近年来，微软公司发布的幻象(Kinect)体感传感器是一种深度-彩色传感器，为机器人系统提供了一个很好的选择，相比于传统的激光传感器，其价格大幅度降低。在避障技术方面，出现了很多理论上的突破，其中一些避障技术能很好的应用在机器人系统中。例如，用SLAM(SimultaneousLocation And Mapping，同步定位和地图创建)直接做栅格地图的创建，进而避障和导航。
构建三维地图的一种经典方法是迭代最近点(ICP,Iterative Closest Point)。利用迭代最近点方法配准点云来构建三维地图时，需要实时计算构图，计算量很大，对机器人系统硬件设备的计算能力要求很高。
在移动机器人导航和避障领域，提出了许多路径规划方法，但是大部分解决方案是基于二维平面地图的。由于传感器用于机器人室内构图时，往往只检测某一高度的障碍，当遇到桌角等突出边缘时，机器人时常无法有效避障。因而，二维平面地图避障方法中边缘检测容易失效。
传统室内移动机器人通常采用激光设备导航，激光设备虽然精度高，但是设备的动辄上万的价格极其昂贵，令人望而却步。
一些通过电磁技术、无线传感技术等实现定位与导航功能的室内导航系统，往往需要在环境中安装辅助传感器，这在陌生环境下是不方便实现的。
【发明内容】
基于此，有必要提供一种低成本的在未知室内环境下实时构建地图并导航的方法和系统。
一种移动导航系统，包括：
传感器，用于采集环境数据；
计算处理单元，用于根据所述传感器所采集的数据，对所述数据进行计算，以构建三维地图；并根据所构建的三维地图，提供由起始点至目的点之间的路径规划；
驱动机构，用于根据所述计算处理单元所提供的所述路径，驱动所述移动导航系统移动。
一种利用前述的移动导航系统进行地图构建的方法，包括：
对点集数据进行滤波处理，生成滤波点集数据；
利用kd树数据结构在点集X中寻找离点集P最近的对应数据点，并记录寻得的数据点；
检测所建立的数据点的对应联系，并去除新采集点集P中预定的点和点集X中对应点的联系；
计算矩阵Q(Σpy)的特征向量；
基于以上所得的特征向量qr，通过计算点集P0到点集Pk的转化关系，计算得出Pk；
根据点到点或者点到平面的距离法则求出点集Pk到点集Yk的误差e；
检测是否已满足预设的终止条件；
若检测到迭代已经满足了预设的终止条件，则终止迭代。
一种利用前述的移动导航系统进行移动导航的方法，包括：
绘制环境二维地图；
基于所绘制的二维地图区分地图中的可行域与障碍域；
随机散布路径点；
剔除不可行路径点；
搜索下一步的路径点；
基于所搜索的路径点，驱动移动导航系统向下一路径点移动。
基于本发明，移动导航系统利用迭代最近点集的方法来构建位置室内环境地图，并利用投影的方法建立导航系统和二维环境模型，结合撒路径点的方法进行避障和路径规划。与直接建立二维地图相比，本发明的二维地图构建方法由三维地图映射而来，对立体实物的障碍边缘等能有效的检测，避免了因边缘检测失效而造成在行走过程中机器人与障碍物碰撞的问题。与直接在三维地图里做避障和路径规划过程相比，本发明由于在二维平面内做路径规划和避障，能有效降低三维地图内做相同工作的复杂性，增加了机器人的实时性和工作效率。
【附图说明】
图1为本发明一种实施方式的移动导航系统的结构示意图；
图2为本发明一种实施方式的计算处理单元的结构示意图；
图3为本发明一种实施方式的移动导航系统的结构示意图；
图4为本发明一种实施方式的移动导航方法的地图构建流程；
图5为本发明一种实施方式的移动导航方法的导航流程；
图6为本发明一种实施方式中区分地图中可行域与障碍域的示意图；
图7为在整个地图空间上随机散布移动导航系统可能经过的所有路径点的示意图；
图8为剔除掉所有可行域之外的路径点之后，得到的剩余路径点的示意图；
图9为本发明一种实施方式中规划可能的下一路径点及可能路径的示意图；
图10为图9中排除了经过障碍域的剩余可能路径的示意图；
图11为本发明一种实施方式中搜索半径与搜索方向的示意图；
图12为利用本发明实施方式的移动导航方法进行的路径规划的示意图；
图13为本发明一种实施方式的移动导航系统的结构示意图；
图14为本发明一种实施方式的移动导航系统和移动导航方法构建三维地图模型的模拟结果图；
图15为本发明一种实施方式的移动导航系统和移动导航方法进行路径规划的模拟结果图；
图16为本发明一种实施方式的移动导航系统和移动导航方法进行路径规划的模拟结果图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
可以理解，本发明所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本发明的范围的情况下，可以将第一客户端称为第二客户端，且类似地，可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端，但其不是同一客户端。
请参考图1，其为本发明一种实施方式的移动导航系统的结构示意图。该移动导航系统100包括传感器102、计算处理单元104、驱动机构106。
传感器102用于采集环境数据，并将采集的数据发送到计算处理单元104。在本实施方式中，该传感器102可以采用深度-彩色传感器。进一步地，在可选的实施方式中，该传感器102为幻象(Kinect)传感器。
计算处理单元104用于根据传感器102所采集的数据，对于所述数据进行计算，以构建三维地图，并为驱动机构106提供服务。在本实施方式中，该计算处理单元104可以是工业控制计算机。
驱动机构106用于在导航的过程中，驱动该移动导航系统100的移动。在本发明的一种实施方式中，该驱动机构106可以根据计算处理单元104的指令而实现对于移动导航系统100的驱动。在本发明的其他实施方式中，驱动机构106可以响应于底层的嵌入式系统来控制移动导航系统100的移动。其中底层的嵌入式系统收集来自其与计算处理单元104的接口处的控制信号，并据以驱动移动导航系统100的移动。
根据本发明的实施方式，计算处理单元104根据传感器102所采集的数据，基于迭代最近点方法进行地图的构图。当移动导航系统进入未知室内环境后，利用传感器102来采集周围环境深度和色彩信息。可选地，传感器102所采集的周围环境深度信息和色彩信息由点集表示。计算处理单元104利用所述点集，通过迭代最近点方法配准融合在一起，形成周围环境较完整的三维地图。
根据本发明的实施方式，计算处理单元104基于传感器102所采集的数据进行计算而得到三维地图模型，移动导航系统100在进行导航时，将所述三维地图模型向地面投影，保留移动导航系统100为模型中边界最大的部分，从而形成经投影的二维地图模型，并将该二维地图模型简化为一个以移动导航系统100的转轴为圆心的圆。类似地，在本发明实施方式的移动导航系统100在进行导航时，计算处理单元104所构建的三维地图模型中高度高于移动导航系统100的部分被忽略，而剩余部分则被投影到二维平面，以三维模型中离移动导航系统100最近的边缘部分为界，然后在二维平面上进行导航避障。
如图2所示，其为本发明一种实施方式的计算处理单元的结构示意图。在本发明的实施方式中，该计算处理单元可以是图1中所示的实施方式中的计算处理单元104。图2中的计算处理单元200包括驱动模块202、计算操作模块204、导航操作模块206以及导航功能模块208。
驱动模块202用于适应于计算处理单元200所需要控制和驱动的移动导航系统，而提供相应的驱动信号。计算操作模块204用于提供该计算处理单元200为进行所述运算所需要的计算功能和计算操作。导航操作模块206用于基于所构建的地图数据进行为移动导航系统进行导航所需的操作与运算。导航功能模块208用于提供导航操作模块206进行操作与运算所需要的数据支持。
图3所示的是根据本发明一种实施方式的移动导航系统的结构示意图。结合图1、图2所示，该移动导航系统300用于根据传感器102所采集的点集数据，经由计算处理单元104进行三维地图的构建。其中，该移动导航系统300进一步包括数据点滤波器302、304，kd树匹配器306、外层滤波器308、误差缩小器310以及条件检测器312。
深度-彩色传感器采集图像的速率为30帧/秒，本发明实施方式的移动导航系统通过迭代最近点方法把新采集帧的点集数据不断配准到已经建立的点集地图中，配准的方法是一个迭代的过程。
数据点滤波器302、304用于把传感器所采集生成的点集作为输入，并处理后输出另一点集。在本发明的一种实施方式中，数据点滤波器302、304对数据点集的处理方式包括增加描述符、通过采样减少数据点数量等。应当注意的是，在本实施方式中，移动导航系统300包括两个数据点滤波器302、304；而在可选的其他实施方式中，可以根据需要选择更多或更少的数据点滤波器同时使用。
经过数据点滤波器302、304处理后输出的点集数据进入迭代过程，在该实施方式中，为方便说明，假设N个点的新采集点集P将与参考点集X进行配准。
kd树匹配器306用于利用kd树数据结构在点集X中寻找离点集P最近的对应数据点，其表示为下式(1)：
Yk＝C(Pk,X)………………(1)
kd树匹配器306将所寻得的数据点进行记录。
外层滤波器308用于检测kd树匹配器306所建立的数据点的对应联系，并去除新采集点集P中某些点和点集X中对应点的联系。如两个几何之间对应点的距离超过某个阈值，这两个点都将在接下来的计算过程中去除。
接下来，可以通过计算矩阵Q(Σpy)的特征向量qr＝[q0 q1 q2 q3]来进行点集配准，其中：
在式(2)中，Σpy是点集Po和点集Yk的协互方差矩阵，I3是3阶单位阵，Δ＝[A23A31A12]T，其中：
基于以上所得的特征向量qr，可以利用下式(4)来计算旋转矩阵R：
进一步地，可以根据下式(5)计算得到平移向量qT：
qT＝μy-R(qR)μp…………(5)
在上式(5)中，μy和μp是点集Y和点集P的质心。
利用点集P0到点集Pk的转化关系，就能求出Pk。进而，误差缩小器310用于根据点到点或者点到平面的距离法则求出点集Pk到点集Yk的误差e。
条件检测器312用于根据预设的终止条件而检测迭代是否满足该预设的终止条件，并在满足该预设的终止条件时终止迭代。通常而言，迭代应该根据某些条件终止，在每次迭代结束的时候，条件检测器312用于检测其是否已满足预设的终止条件。在可行的实施方式中，该预设的终止条件可以是：迭代次数达到一定值；或者相邻两次迭代的误差e变化小于某个设定值等。
图4所示的是根据本发明一种实施方式的移动导航方法的地图构建流程。结合图1、图2所示，该移动导航方法通过传感器102所采集的点集数据，经由计算处理单元104进行三维地图的构建。
步骤402，对点集数据进行滤波处理，生成滤波点集数据。结合图3所述的实施方式，在本实施方式中，对所述点集数据进行滤波处理的步骤可以包括增加描述符、通过采样减少数据点数量。在可选的实施方式中，根据需要，该移动导航方法可以同时进行一个或多个该步骤的滤波处理，亦即包括多个同时进行的滤波处理。
经过步骤402的滤波处理后输出的点集数据进入迭代过程，在该实施方式中，为方便说明，假设N个点的新采集点集P将与参考点集X进行配准。
步骤404，利用kd树数据结构在点集X中寻找离点集P最近的对应数据点，并记录寻得的数据点。该寻找过程可以参考前述图3的实施方式中式(1)的过程。
步骤406，检测kd树匹配器306所建立的数据点的对应联系，并去除新采集点集P中某些点和点集X中对应点的联系。如两个几何之间对应点的距离超过某个阈值，这两个点都将在接下来的计算过程中去除。
步骤408，计算矩阵Q(Σpy)的特征向量qr＝[q0 q1 q2 q3]，其中，矩阵Q(Σpy)可以参考图3所示的实施方式中前述式(2)所示。
步骤410，基于以上所得的特征向量qr，通过计算点集P0到点集Pk的转化关系，计算得出Pk。该步骤的过程参考图3所示的实施方式中前述的式(2)至式(5)的过程。
步骤412，根据点到点或者点到平面的距离法则求出点集Pk到点集Yk的误差e。
步骤414，检测是否已满足预设的终止条件。若未满足，则继续进行步骤404至步骤412的迭代过程。
步骤416，若在步骤414中检测到迭代已经满足了预设的终止条件，则终止迭代。在可行的实施方式中，该预设的终止条件可以是：迭代次数达到一定值；或者相邻两次迭代的误差e变化小于某个设定值等。
请参考图5，其为本发明一种实施方式的移动导航方法的导航流程。
步骤502，绘制环境二维地图。可选地，可以根据图3、图4所示的实施方式中所构建的三维地图来绘制二维地图。在可选的实施方式中，可以利用同步定位和地图创建(SLAM)算法来绘制二维地图。
步骤504，基于所绘制的二维地图区分地图中的可行域与障碍域。参考图6所示，将地图中可行域与障碍域进行区别。
步骤506，随机散布路径点。具体地，在整个地图空间上随机散布标记点，用来表示移动导航系统可能经过的所有路径点。参考图7所示，在整个地图空间上随机散布移动导航系统可能经过的所有路径点。
步骤508，剔除不可行路径点。在步骤506中，散布于障碍域部分的标记点为不可行路径点，在本步骤中予以剔除。剔除掉所有可行域之外的路径点之后，得到的剩余路径点如图8所示。
步骤510，搜索下一步的路径点。在起始点和目的地确定之后，每移动一步便开始搜索下一步的路径点。其中，由以下原则确定下一步应当行进的路径点：
原则一：当前点与下一个路径点之间的直线连线不能经过障碍物(障碍物应包括一定的富余半径，防止碰撞)。参考图9所示，其中规划了4个可能的下一个路径点，并由当前路径点至各个可能的下一路径点之间绘制出可能的路径，在本实施方式中，该可能路径为当前路径点与可能的下一路径点之间的直线连线。参考图10所示，由于其中2条可能路径经过了障碍域，因而被排除。
原则二：下一个路径点应该在当前点附近(即需要根据地图大小先确定搜索半径)并且不能是当前点。该原则能够避免逻辑上不可能实现的情况，比如下一个路径点离当前点太远，移动导航系统不可能一步到位，并且已经经过的或者当前的路径点不能再次作为候选搜索路径点(否则导致无法前进)。如图11所示的，s是当前路径点，g是目的地，其中的圆圈画出了搜索半径，箭头表示正确的搜索方向。
原则三：根据三点连线线段长度之和较小原则，确定最佳的路径方向，即当前路径点到下一个路径点的线段长度加上下一个路径点到目的地的线段长度之和，应该最接近当前路径点到目的地的线段长度。该原则是最重要的路径搜索条件，能保证整条可行路径最短，并且可避免移动导航系统走回头路。
步骤512，基于所搜索的路径点，驱动移动导航系统向下一路径点移动。
步骤514，判断是否已经到达目的地，若未到达目的地，则继续步骤510、步骤512的搜索-移动步骤。若已到达目的地，则导航结束。
如图12中粗线条所示，由起点s到目的地g之间，通过以上所述的三个原则所进行的路径规划，可以保证准确地搜索出一条可避开障碍物的最优路径。
如图13所示，其为本发明一种实施方式的移动导航系统的结构示意图。该移动导航系统1300包括地图绘制模块1302、识别模块1304、路径点分布模块1306、路径点搜索模块1308、检测模块1310。
地图绘制模块1302用于绘制环境二维地图。可选地，地图绘制模块1302可以根据图3、图4所示的实施方式中所构建的三维地图来绘制二维地图。在可选的实施方式中，地图绘制模块1302可以利用同步定位和地图创建(SLAM)算法来绘制二维地图。
识别模块1304用于基于地图绘制模块1302所绘制的二维地图区分地图中的可行域与障碍域。参考图6所示，识别模块1304将地图中可行域与障碍域进行区别。
路径点分布模块1306用于在地图空间上随机散布路径点，并剔除不可行路径点。具体地，路径点分布模块1306在整个地图空间上随机散布标记点，用来表示移动导航系统1300可能经过的所有路径点。参考图7所示，路径点分布模块1306在整个地图空间上随机散布移动导航系统1300可能经过的所有路径点。其中，散布于障碍域部分的标记点为不可行路径点，路径点分布模块1306将其予以剔除。在路径点分布模块1306剔除掉所有可行域之外的路径点之后，得到的剩余路径点如图8所示。
路径点搜索模块1308用于搜索移动导航系统1300的下一步路径点。在起始点和目的地确定之后，路径点搜索模块1308在移动导航系统1300每移动一步便开始搜索下一步的路径点。其中，由以下原则确定下一步应当行进的路径点：
原则一：当前点与下一个路径点之间的直线连线不能经过障碍物(障碍物应包括一定的富余半径，防止碰撞)。参考图9所示，其中规划了4个可能的下一个路径点，并由当前路径点至各个可能的下一路径点之间绘制出可能的路径，在本实施方式中，该可能路径为当前路径点与可能的下一路径点之间的直线连线。参考图10所示，由于其中2条可能路径经过了障碍域，因而被排除。
原则二：下一个路径点应该在当前点附近(即需要根据地图大小先确定搜索半径)并且不能是当前点。该原则能够避免逻辑上不可能实现的情况，比如下一个路径点离当前点太远，移动导航系统1300不可能一步到位，并且已经经过的或者当前的路径点不能再次作为候选搜索路径点(否则导致无法前进)。如图11所示的，s是当前路径点，g是目的地，其中的圆圈画出了搜索半径，箭头表示正确的搜索方向。
原则三：根据三点连线线段长度之和较小原则，确定最佳的路径方向，即当前路径点到下一个路径点的线段长度加上下一个路径点到目的地的线段长度之和，应该最接近当前路径点到目的地的线段长度。该原则是最重要的路径搜索条件，能保证整条可行路径最短，并且可避免移动导航系统1300走回头路。
在路径点搜索模块1308搜索得到下一路径点之后，如图1中实施方式所示的驱动机构106便可以驱动移动导航系统1300向该搜索得到的下一路径点移动。
检测模块1310用于判断移动导航系统1300是否已经到达目的地，若未到达目的地，则继续由路径点搜索模块1308进行下一路径点的搜索，并在搜索完成后由驱动机构驱动移动导航系统1300移动。若已到达目的地，则导航结束。
如图12所示，由起点s到目的地g之间，通过以上所述的三个原则所进行的路径规划，可以保证准确地搜索出一条可避开障碍物的最优路径。
基于本发明的实施方式，移动导航系统利用迭代最近点集的方法来构建位置室内环境地图，并利用投影的方法建立导航系统和二维环境模型，结合撒路径点的方法进行避障和路径规划。与直接建立二维地图相比，本发明的二维地图构建方法由三维地图映射而来，对立体实物的障碍边缘等能有效的检测，避免了因边缘检测失效而造成在行走过程中机器人与障碍物碰撞的问题。与直接在三维地图里做避障和路径规划过程相比，本发明由于在二维平面内做路径规划和避障，能有效降低三维地图内做相同工作的复杂性，增加了机器人的实时性和工作效率。
图14为本发明的移动导航系统和移动导航方法在Linux 12.04系统下经过实验，建立某办公室环境的区域图的模拟结果。可以看出，构建的三维地图模型模拟有效。
图15、图16为本发明的移动导航系统和移动导航方法在VS平台下采用C++语言编程进行实验仿真验证的效果图。其中实心圆点是通过FASTSLAM算法获得的二维环境特征地图，空心圆点是随机散布在地图上的可能路径点，阴影圆圈是采用本发明提出的路径规划算法搜索出的最优可行路径点，连线部分则是连通起点和终点的机器人运动轨迹。由图15、图16可以看出，本发明的移动导航系统和移动导航方法的模拟结果简单可靠。
本发明通过一系列算法滤波器，有效减少了传感器采集的数据，使得计算量和机器人系统的计算能力之间达到一个平衡。通过构建环境的三维地图，将桌沿等障碍统一投影到二维平面上，能解决传统方法中的边缘检测失效问题。在可选的实施方式中，本发明的移动导航系统和移动导航方法采用深度-彩色传感器收集环境数据，这种传感器的市面价格一般在千元左右，从而可以有效降低移动导航系统和移动导航方法的成本。此外，通过在机器人系统上安装深度-彩色传感器，可通过盲走实现环境地图的构建，而不需要环境辅助传感器。
通过本发明的移动导航系统和移动导航方法，在现有的室内导航基础上做改进，实现在未知室内环境下的低成本实时地图构建和导航技术。在构建三维地图时降低计算量，避免避障时物体边缘检测失效问题，同时采用深度-彩色传感器降低导航系统成本，在没有环境中辅助传感器帮助的情况下，实现室内移动机器人的导航技术。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序控制相关的硬件来完成的，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (20)
1.一种移动导航系统，其特征在于，所述移动导航系统包括：
传感器，用于采集环境数据；
计算处理单元，用于根据所述传感器所采集的数据，对所述数据进行计算，以构建三维地图；并根据所构建的三维地图，提供由起始点至目的点之间的路径规划；
驱动机构，用于根据所述计算处理单元所提供的所述路径，驱动所述移动导航系统移动；
所述移动导航系统进一步包括：
数据点滤波器，用于把所述传感器所采集生成的点集作为输入，并处理后输出另一点集；
kd树匹配器，用于利用kd树数据结构在点集X中寻找离点集P最近的对应数据点；
外层滤波器，用于检测kd树匹配器所建立的数据点的对应联系，并去除新采集点集P中预定的点和点集X中对应点的联系；
误差缩小器，用于根据点到点或者点到平面的距离法则求出点集Pk到点集Yk的误差e；
条件检测器，用于根据预设的终止条件而检测迭代是否满足该预设的终止条件，并在满足该预设的终止条件时终止迭代；
所述移动导航系统进一步包括：
地图绘制模块，用于根据所述三维地图利用同步定位和地图创建算法绘制环境二维地图；
识别模块，用于基于地图绘制模块所绘制的二维地图区分地图中的可行域与障碍域；
路径点分布模块，用于在地图空间上随机散布路径点，并剔除不可行路径点；
路径点搜索模块，用于搜索移动导航系统的下一个路径点；
检测模块，用于判断移动导航系统是否已经到达目的地。
2.如权利要求1所述的移动导航系统，其特征在于：所述传感器为深度-彩色传感器，所述传感器用于采集周围环境深度信息和色彩信息，并由点集表示所述周围环境深度信息和色彩信息。
3.如权利要求1所述的移动导航系统，其特征在于：所述计算处理单元根据所述传感器所采集的数据，基于迭代最近点方法进行三维地图的构建。
4.如权利要求1所述的移动导航系统，其特征在于：所述计算处理单元包括：
驱动模块，用于适应于计算处理单元所需要控制和驱动的移动导航系统，而提供相应的驱动信号；
计算操作模块，用于提供该计算处理单元为进行所述计算所需要的计算功能和计算操作；
导航操作模块，用于基于所构建的地图数据进行为移动导航系统进行导航所需的操作与运算；
导航功能模块，用于提供导航操作模块进行操作与运算所需要的数据。
5.如权利要求4所述的移动导航系统，其特征在于：该预设的终止条件为：迭代次数达到一定值；或者相邻两次迭代的误差e变化小于某个设定值。
6.如权利要求5所述的移动导航系统，其特征在于：所述路径点搜索模块所搜索的当前点与下一个路径点之间的直线连线不经过所述障碍域。
7.如权利要求6所述的移动导航系统，其特征在于：所述路径点搜索模块所搜索的下一个路径点在当前点附近预定范围之内。
8.如权利要求6所述的移动导航系统，其特征在于：所述路径点搜索模块所搜索的当前路径点到下一个路径点的线段长度加上下一个路径点到目的地的线段长度之和，最接近当前路径点到目的地的线段长度。
9.一种利用权利要求1所述的移动导航系统进行地图构建的方法，其特征在于，所述方法包括：
对点集数据进行滤波处理，生成滤波点集数据；
利用kd树数据结构在点集X中寻找离点集P最近的对应数据点，并记录寻得的数据点；
检测所建立的数据点的对应联系，并去除新采集点集P中预定的点和点集X中对应点的联系；
计算矩阵Q(Σpy)的特征向量；
基于以上所得的特征向量qr，通过计算点集P0到点集Pk的转化关系，计算得出Pk；
根据点到点或者点到平面的距离法则求出点集Pk到点集Yk的误差e；
检测是否已满足预设的终止条件；
若检测到迭代已经满足了预设的终止条件，则终止迭代。
10.如权利要求9所述的进行地图构建的方法，其特征在于：
其中，Σpy是点集Po和点集Yk的协互方差矩阵，I3是3阶单位阵，Δ＝[A23 A31 A12]T，其中：
11.如权利要求10所述的进行地图构建的方法，其特征在于：所述地图构建的方法包括多个同时进行的所述滤波处理。
12.如权利要求10所述的进行地图构建的方法，其特征在于：所述去除新采集点集P中预定的点和点集X中对应点的联系包括：当两个几何之间对应点的距离超过某个阈值，去除该两个点。
13.如权利要求10所述的进行地图构建的方法，其特征在于：该预设的终止条件为：迭代次数达到一定值；或者相邻两次迭代的误差e变化小于某个设定值。
14.一种利用权利要求1所述的移动导航系统进行移动导航的方法，其特征在于，所述方法包括：
绘制环境二维地图；
基于所绘制的二维地图区分地图中的可行域与障碍域；
随机散布路径点；
剔除不可行路径点；
搜索下一步的路径点；
基于所搜索的路径点，驱动移动导航系统向下一路径点移动。
15.如权利要求14所述的进行移动导航的方法，其特征在于：利用同步定位和地图创建(SLAM)算法来绘制二维地图。
16.如权利要求15所述的进行移动导航的方法，其特征在于：根据所构建的三维地图来绘制所述二维地图。
17.如权利要求15所述的进行移动导航的方法，其特征在于：所述搜索下一步的路径点的步骤所搜索的当前点与下一个路径点之间的直线连线不经过所述障碍域。
18.如权利要求15所述的进行移动导航的方法，其特征在于：所述搜索下一步的路径点的步骤所搜索的下一个路径点在当前点附近预定范围之内。
19.如权利要求15所述的进行移动导航的方法，其特征在于：所述搜索下一步的路径点的步骤所搜索的当前路径点到下一个路径点的线段长度加上下一个路径点到目的地的线段长度之和，最接近当前路径点到目的地的线段长度。
20.如权利要求15所述的进行移动导航的方法，其特征在于，所述方法进一步包括：判断是否已经到达目的地，若未到达目的地，则继续进行下一路径点的搜索，并在搜索完成后由驱动机构驱动移动导航系统移动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410803053.7A CN104536445B (zh) | 2014-12-19 | 2014-12-19 | 移动导航方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410803053.7A CN104536445B (zh) | 2014-12-19 | 2014-12-19 | 移动导航方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104536445A CN104536445A (zh) | 2015-04-22 |
| CN104536445B true CN104536445B (zh) | 2018-07-03 |
Family
ID=52851987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410803053.7A Active CN104536445B (zh) | 2014-12-19 | 2014-12-19 | 移动导航方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104536445B (zh) |
Families Citing this family (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104897161B (zh) * | 2015-06-02 | 2018-12-14 | 武汉大学 | 基于激光测距的室内平面地图制图方法 |
| CN106325268A (zh) * | 2015-06-30 | 2017-01-11 | 芋头科技（杭州）有限公司 | 一种移动控制装置及移动控制方法 |
| CN105372664A (zh) * | 2015-07-14 | 2016-03-02 | 南京航空航天大学 | 一种分布式超声波避障系统及其避障方法 |
| 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 |
| CN105354875B (zh) * | 2015-09-25 | 2018-01-23 | 厦门大学 | 一种室内环境二维与三维联合模型的构建方法和系统 |
| CN105424026B (zh) * | 2015-11-04 | 2017-07-07 | 中国人民解放军国防科学技术大学 | 一种基于点云轨迹的室内导航定位方法与系统 |
| KR102403504B1 (ko) * | 2015-11-26 | 2022-05-31 | 삼성전자주식회사 | 이동 로봇 및 그 제어 방법 |
| CN105955258B (zh) * | 2016-04-01 | 2018-10-30 | 沈阳工业大学 | 基于Kinect传感器信息融合的机器人全局栅格地图构建方法 |
| CN107305380A (zh) * | 2016-04-20 | 2017-10-31 | 上海慧流云计算科技有限公司 | 一种自动避障方法和装置 |
| CN105955267A (zh) * | 2016-05-11 | 2016-09-21 | 上海慧流云计算科技有限公司 | 一种移动控制方法及系统 |
| CN105955275B (zh) * | 2016-05-26 | 2021-07-13 | 华讯方舟科技有限公司 | 一种机器人路径规划方法及系统 |
| 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 |
| CN105904468A (zh) * | 2016-06-13 | 2016-08-31 | 北京科技大学 | 一种具有自主地图构建和无线充电的多功能巡逻机器人 |
| CN105919517B (zh) * | 2016-06-15 | 2019-04-23 | 上海未来伙伴机器人有限公司 | 自动清扫机器人装置 |
| CN105974928B (zh) * | 2016-07-29 | 2018-12-07 | 哈尔滨工大服务机器人有限公司 | 一种机器人导航路径规划方法 |
| CN106054900B (zh) * | 2016-08-08 | 2018-11-09 | 电子科技大学 | 基于深度摄像头的机器人临时避障方法 |
| CN106227218A (zh) * | 2016-09-27 | 2016-12-14 | 深圳乐行天下科技有限公司 | 一种智能移动设备的导航避障方法及装置 |
| JP6831210B2 (ja) | 2016-11-02 | 2021-02-17 | 東芝ライフスタイル株式会社 | 電気掃除機 |
| CN106767750B (zh) * | 2016-11-18 | 2020-12-18 | 北京光年无限科技有限公司 | 一种用于智能机器人的导航方法及系统 |
| CN106482739B (zh) * | 2016-11-30 | 2020-07-17 | 英华达（上海）科技有限公司 | 自动导引运输车导航方法 |
| CN106598052A (zh) * | 2016-12-14 | 2017-04-26 | 南京阿凡达机器人科技有限公司 | 一种基于环境地图的机器人安防巡检方法及其机器人 |
| CN108268031A (zh) * | 2016-12-30 | 2018-07-10 | 深圳光启合众科技有限公司 | 路径规划方法、装置及机器人 |
| CN106933227B (zh) * | 2017-03-31 | 2020-12-18 | 联想(北京)有限公司 | 一种引导智能机器人的方法以及电子设备 |
| CN107491070A (zh) * | 2017-08-31 | 2017-12-19 | 成都通甲优博科技有限责任公司 | 一种移动机器人路径规划方法及装置 |
| CN107808123B (zh) * | 2017-09-30 | 2021-11-05 | 杭州迦智科技有限公司 | 图像可行域检测方法、电子设备、存储介质、检测系统 |
| JP2019109845A (ja) * | 2017-12-20 | 2019-07-04 | 東芝ライフスタイル株式会社 | 自律型電気掃除機 |
| CN108919814A (zh) * | 2018-08-15 | 2018-11-30 | 杭州慧慧科技有限公司 | 割草机工作区域生成方法、装置及系统 |
| CN109079855A (zh) * | 2018-07-25 | 2018-12-25 | 安徽信息工程学院 | 机器人数据采集层 |
| CN108838998A (zh) * | 2018-07-25 | 2018-11-20 | 安徽信息工程学院 | 新型机器人数据采集层结构 |
| CN109176605A (zh) * | 2018-07-25 | 2019-01-11 | 安徽信息工程学院 | 机器人数据采集层结构 |
| CN108965812A (zh) * | 2018-07-25 | 2018-12-07 | 安徽信息工程学院 | 机器人全景数据采集层结构 |
| US11747825B2 (en) * | 2018-10-12 | 2023-09-05 | Boston Dynamics, Inc. | Autonomous map traversal with waypoint matching |
| CN112257889A (zh) * | 2019-07-21 | 2021-01-22 | 长沙智能驾驶研究院有限公司 | 智慧工地中工地移动对象的路径规划方法、装置 |
| CN110260867B (zh) * | 2019-07-29 | 2021-06-15 | 浙江华睿科技有限公司 | 一种机器人导航中位姿确定、纠正的方法、设备及装置 |
| CN111121795B (zh) * | 2020-03-26 | 2020-07-07 | 腾讯科技（深圳）有限公司 | 生成路网的方法、导航方法、装置、设备和存储介质 |
| CN114199264A (zh) * | 2021-10-29 | 2022-03-18 | 沈阳美行科技有限公司 | 一种导航路线规划方法及装置和设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520718A (zh) * | 2011-12-02 | 2012-06-27 | 上海大学 | 一种基于物理建模的机器人避障路径规划方法 |
| CN103048996A (zh) * | 2012-12-27 | 2013-04-17 | 深圳先进技术研究院 | 基于激光扫描测距仪的自动引导车、系统及导航方法 |
| CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
| CN103487059A (zh) * | 2013-09-25 | 2014-01-01 | 中国科学院深圳先进技术研究院 | 一种定位导航系统、装置及方法 |
| CN103533449A (zh) * | 2012-12-20 | 2014-01-22 | Tcl集团股份有限公司 | 一种基于智能3d电视的3d试衣的实现方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007286740A (ja) * | 2006-04-13 | 2007-11-01 | Toyota Motor Corp | 自律移動体 |
| US8473141B2 (en) * | 2008-12-11 | 2013-06-25 | Kabushiki Kaisha Yaskawa Denki | Robot system |
-
2014
- 2014-12-19 CN CN201410803053.7A patent/CN104536445B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520718A (zh) * | 2011-12-02 | 2012-06-27 | 上海大学 | 一种基于物理建模的机器人避障路径规划方法 |
| CN103533449A (zh) * | 2012-12-20 | 2014-01-22 | Tcl集团股份有限公司 | 一种基于智能3d电视的3d试衣的实现方法及系统 |
| CN103048996A (zh) * | 2012-12-27 | 2013-04-17 | 深圳先进技术研究院 | 基于激光扫描测距仪的自动引导车、系统及导航方法 |
| CN103092204A (zh) * | 2013-01-18 | 2013-05-08 | 浙江大学 | 一种混合的机器人动态路径规划方法 |
| CN103487059A (zh) * | 2013-09-25 | 2014-01-01 | 中国科学院深圳先进技术研究院 | 一种定位导航系统、装置及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 一个基于全景视觉的移动机器人导航系统的设计与实现;张尧等;《机器人》;20050331;第27卷(第2期);第173-177、182页 * |
| 给予不确定网格的移动机器人导航;段勇等;《控制理论与应用》;20061231;第23卷(第6期);第1009-1013页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104536445A (zh) | 2015-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104536445B (zh) | 移动导航方法和系统 | |
| US10939791B2 (en) | Mobile robot and mobile robot control method | |
| CN110874100A (zh) | 用于使用视觉稀疏地图进行自主导航的系统和方法 | |
| CN108983781A (zh) | 一种无人车目标搜索系统中的环境探测方法 | |
| US11703334B2 (en) | Mobile robots to generate reference maps for localization | |
| US11688081B2 (en) | Method of performing simultaneous localization and mapping with respect to a salient object in an image | |
| Prieto et al. | As-is building-structure reconstruction from a probabilistic next best scan approach | |
| Chatterjee et al. | Mobile robot navigation | |
| US11348276B2 (en) | Mobile robot control method | |
| Sales et al. | Adaptive finite state machine based visual autonomous navigation system | |
| Tomono | 3-d object map building using dense object models with sift-based recognition features | |
| Maier et al. | Self-supervised obstacle detection for humanoid navigation using monocular vision and sparse laser data | |
| Maier et al. | Vision-based humanoid navigation using self-supervised obstacle detection | |
| CN108481327A (zh) | 一种增强视觉的定位装置、定位方法及机器人 | |
| Hähnel | Mapping with mobile robots. | |
| CN111679664A (zh) | 基于深度相机的三维地图构建方法及扫地机器人 | |
| Tomono et al. | Mobile robot navigation in indoor environments using object and character recognition | |
| Sinha et al. | A staircase detection method for 3D point clouds | |
| CN112182122A (zh) | 一种移动机器人工作环境导航地图的获取方法及装置 | |
| Nabbe et al. | Opportunistic use of vision to push back the path-planning horizon | |
| Frontoni | Vision based mobile robotics: mobile robot localization using vision sensors and active probabilistic approaches | |
| Choi et al. | Autonomous homing based on laser-camera fusion system | |
| Rusu et al. | Leaving flatland: Realtime 3D stereo semantic reconstruction | |
| Fu et al. | Uncalibrated monocular based simultaneous localization and mapping for indoor autonomous mobile robot navigation | |
| Marginean et al. | A Distributed Processing Architecture for Vision Based Domestic Robot Navigation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |