CN105869512B - 多信息的混杂度量地图建图方法和装置 - Google Patents

多信息的混杂度量地图建图方法和装置 Download PDF

Info

Publication number
CN105869512B
CN105869512B CN201610377669.1A CN201610377669A CN105869512B CN 105869512 B CN105869512 B CN 105869512B CN 201610377669 A CN201610377669 A CN 201610377669A CN 105869512 B CN105869512 B CN 105869512B
Authority
CN
China
Prior art keywords
node
information
map
grid region
variety
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
Application number
CN201610377669.1A
Other languages
English (en)
Other versions
CN105869512A (zh
Inventor
汪雅楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yunji Technology Co Ltd
Original Assignee
Beijing Yunji Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Yunji Technology Co Ltd filed Critical Beijing Yunji Technology Co Ltd
Priority to CN201610377669.1A priority Critical patent/CN105869512B/zh
Publication of CN105869512A publication Critical patent/CN105869512A/zh
Application granted granted Critical
Publication of CN105869512B publication Critical patent/CN105869512B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003Maps
    • G09B29/005Map projections or methods associated specifically therewith
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/10Map spot or coordinate position indicators; Map reading aids

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及机器人定位导航领域,具体公开了多信息的混杂度量地图建图方法和装置。该方法包括:获取多种环境信息,所述多种环境信息包括激光扫描信息,还包括下列中的一者或多者:磁场分布信息、气压分布信息、无线信号强度分布信息、视觉特征;以局部栅格区域为单位存储所述多种环境信息以得到栅格地图,所述局部栅格区域是沿着机器人的行进路线设置的。应用本发明,既能构建含有多种环境信息的地图,同时仍能保持很高的地图构建效率。

Description

多信息的混杂度量地图建图方法和装置
技术领域
本发明涉及机器人定位导航领域,更具体地,涉及一种多信息的混杂度量地图建图方法和一种多信息的混杂度量地图建图装置。
背景技术
SLAM(simultaneous localization and mapping,即同时定位与建图)系统被很多学者认为是实现真正全自主移动机器人的关键。当前的SLAM系统通常生成针对工区的全局地图。但随着技术和应用的不断发展,机器人需要存储越来越多的环境信息,其不仅需要存储常规的激光扫描信息以确定地图尺寸等距离信息,还可能需要存储其他环境信息,例如存储气压分布信息以确定所处高度等等,导致构建地图的过程中需要缓存大量的数据,并且后续每次载入地图就意味着需要载入巨大的数据量,严重影响了机器人的地图构建和加载速度以及机器人的响应速度,既浪费计算量和内存,也带来非常不好的客户体验。
发明内容
本发明提出了一种能够显著提高地图构建速度的方法,且应用该地图还便于提高后续加载速度,基于该地图能够改善定位和导航效率、降低定位丢失的风险,本发明还提出了一种能够显著提高地图构建速度的装置。
根据本发明的一方面,提出了一种多信息的混杂度量地图建图方法,该方法包括:获取多种环境信息,所述多种环境信息包括激光扫描信息,还包括下列中的一者或多者:磁场分布信息、气压分布信息、无线信号强度分布信息、视觉特征;以局部栅格区域为单位存储所述多种环境信息以得到栅格地图,所述局部栅格区域是沿着机器人的行进路线设置的。
根据本发明的另一方面,提出了一种多信息的混杂度量地图建图装置,该装置包括:信息获取单元,用于获取多种环境信息,所述信息获取单元包括用于获取激光扫描信息的激光传感器,还包括下列中的一者或多者:用于获取磁场分布信息的传感器、用于获取气压分布信息的传感器、用于获取无线信号强度分布信息的传感器、用于获取视觉特征的传感器;存储器,用于以局部栅格区域为单位存储所述多种环境信息以得到栅格地图,所述局部栅格区域是沿着机器人的行进路线设置的。
本发明的各方面通过以局部栅格区域为单位存储地图,以便于在构建、加载地图和基于地图定位导航时仅关注所需的局部栅格区域对应的地图而不需关注整张地图,从而能够实现在构建和获取含有多种环境信息的地图的同时仍保持很高的效率。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的多信息的混杂度量地图建图方法的流程图。
图2示出了根据本发明的一个实施例的混杂度量地图的示意图。
图3示出了根据本发明的一个实施例的多信息的混杂度量地图建图装置的结构框图。
具体实施方式
下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
实施例1
图1示出了根据本发明的一个实施例的多信息的混杂度量地图建图方法的流程图。该方法包括:
步骤101,获取多种环境信息,所述多种环境信息包括激光扫描信息,还包括下列中的一者或多者(例如全部):磁场分布信息、气压分布信息、无线信号强度分布信息、视觉特征;
步骤102,以局部栅格区域为单位存储所述多种环境信息以得到栅格地图,所述局部栅格区域是沿着机器人的行进路线设置的。
本实施例中,通过以局部栅格区域为单位存储地图,即针对每个局部栅格区域,将该区域对应的地图单独存储,以便于在构建、加载地图和基于地图定位导航时仅关注所需的局部栅格区域而不需关注整张地图,同时根据本实施例在地图中存储了多种环境信息,从而既能够构建和获取多信息地图又能保持很高的地图加载效率。
在一个示例中,该方法还可以包括:可以存储节点信息,所述节点可以是在机器人的行进路线上按照预订间隔设置的,所述节点信息可以包括该节点的位置信息以及用于指示该节点所在的局部栅格区域的索引。如本领域人员所公知的,在建图初始阶段,通常由人推动机器人遍历主要路径。因此,可在机器人的行进路线上以预定间隔设置节点,并将节点信息存储在地图中。在本示例中,存储的节点信息可以包括该节点所在的局部栅格区域的索引,因此,只要确定目标节点,就可通过该节点的节点信息中的索引获取该节点所在的局部栅格区域的地图,大大提高了数据匹配和搜索的效率。该索引可以是该局部栅格区域的编号,也可以是指向存储该局部栅格区域的地图的存储空间的指针。本领域技术人员可根据需要设置节点信息的内容。
在一个示例中,在地图中,可以将机器人依次通过的相邻两个节点间标记为直接可达,以及可以将彼此距离不超过预设距离的两个节点间标记为直接可达,并且可以存储被标记为直接可达的两个节点间的直达路径的距离度量值。根据该示例,能够得到很全面的路径网络图,从而在后续路径规划中,可以非常方便地确定最优路径。例如,可以根据路径网络图规划出多种可达路径,然后选择距离度量值之和最小的路径作为最优路径。例如,可以将与节点A直接可达的各个节点以及相应的距离度量值存储在节点A的节点信息中。
进一步地,上述预设距离可以为0.4米~0.6米,例如0.5米。发明人经深入研究后发现,如果A、B两个节点间的距离小于该预设距离(例如0.5米),即便A、B间存在障碍物,机器人也可在行走时通过局部避障方法实现实质可直达。
在SLAM系统中,通常可通过SLAM约束来对地图进行修正。为施加SLAM约束,通常需要遍历整张地图以寻找匹配的、可施加SLAM约束的点对,其计算量非常大。根据本发明的一个示例,可以在上文中描述的节点间搜索匹配的节点对,然后可以对该节点对施加SLAM约束以修正该栅格地图。由于只需在设置的节点间进行匹配,从而显著减少了搜索节点对所耗费的计算量。
在一个示例中,可以基于相邻局部栅格区域的重叠部分来修正该栅格地图。其原理如下:不同局部栅格区域的重叠部分的地图信息应当是相同的,因此若相邻局部网格区域中重叠部分的地图信息不吻合,则可以以使重叠部分的地图信息保持一致为标准对栅格地图进行修正。
在一个示例中,可基于相同的局部栅格区域划分来存储各种环境信息,即针对每种环境信息(例如激光扫描信息、磁场分布信息、气压分布信息、无线信号强度分布信息和/或视觉特征等),其均可采用相同的局部栅格区域划分,例如,可以仅构建一张栅格地图,其中针对每个局部栅格区域地图信息,不仅包括其激光扫描信息,还包括磁场分布信息、气压分布信息、无线信号强度分布信息和视觉特征等中的一者或多者(例如,全部)。在本发明的另一示例中,针对不同的环境信息,可采用不同的局部栅格区域划分,即特定的一种或多种环境信息可采用某种局部栅格区域划分,而另一种或多种环境信息可采用其他局部栅格区域划分。本领域技术人员可根据需要进行选择针对不同种环境信息是否采用相同的局部栅格划分。
图2示出了根据本发明的一个实施例的混杂度量地图的示意图。如图2所示,每个大方格表示一个局部栅格区域,圆点表示设置的节点,距离较近的节点间的连线通常表示直接可达,距离较远的节点间的连线通常表示施加的SLAM约束。
实施例2
图3示出了根据本发明的一个实施例的多信息的混杂度量地图建图装置的结构框图。在本实施例中,该装置包括信息获取单元201和存储器203。信息获取单元201用于获取多种环境信息,所述信息获取单元包括用于获取激光扫描信息的激光传感器,还包括下列中的一者或多者:用于获取磁场分布信息的传感器、用于获取气压分布信息的传感器、用于获取无线信号强度分布信息的传感器、用于获取视觉特征的传感器。存储器203用于以局部栅格区域为单位存储所述多种环境信息以得到栅格地图,所述局部栅格区域是沿着机器人的行进路线设置的。
在一个示例中,存储器203还可以用于存储节点信息,所述节点可以是在机器人的行进路线上按照预订间隔设置的,所述节点信息可以包括该节点的位置信息以及用于指示该节点所在的局部栅格区域的索引;存储器203还可以存储彼此直接可达的两个节点以及该两个节点间的直达路径的距离度量值,其中,机器人依次经过的相邻两个节点间可以被标记为直接可达,以及彼此距离不超过预设距离的两个节点间可以被标记为直接可达。该预设距离可以为0.4m~0.6m,例如0.5米。
在一个示例中,该装置还可以包括地图修正单元(未示出)。地图修正单元可以用于在所述节点间搜索匹配的节点对并对该节点对施加SLAM约束以修正所述栅格地图,和/或基于相邻局部栅格区域的重叠部分修正所述栅格地图。
针对不同种环境信息设置的局部栅格区域可以是相同的或者不同的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (8)

1.一种多信息的混杂度量地图建图方法,该方法包括:
获取多种环境信息,所述多种环境信息包括激光扫描信息,还包括下列中的一者或多者:磁场分布信息、气压分布信息、无线信号强度分布信息、视觉特征;
以局部栅格区域为单位存储所述多种环境信息以得到栅格地图,所述局部栅格区域是沿着机器人的行进路线设置的;
存储节点信息,所述节点是在机器人的行进路线上按照预订间隔设置的,所述节点信息包括该节点的位置信息以及用于指示该节点所在的局部栅格区域的索引。
2.根据权利要求1所述的方法,其中,机器人依次经过的相邻两个节点间被标记为直接可达,以及彼此距离不超过预设距离的两个节点间被标记为直接可达,并存储被标记为直接可达的两个节点间的直达路径的距离度量值。
3.根据权利要求2所述的方法,该方法还包括:
所述预设距离为0.4米~0.6米。
4.根据权利要求1所述的方法,该方法还包括:
在所述节点间搜索匹配的节点对并对该节点对施加SLAM约束,以修正所述栅格地图。
5.根据权利要求1所述的方法,其中,基于相邻局部栅格区域的重叠部分修正所述栅格地图。
6.根据权利要求1所述的方法,其中,针对不同种环境信息设置的局部栅格区域是相同的或者不同的。
7.一种多信息的混杂度量地图建图装置,该装置包括:
信息获取单元,用于获取多种环境信息,所述信息获取单元包括用于获取激光扫描信息的激光传感器,还包括下列中的一者或多者:用于获取磁场分布信息的传感器、用于获取气压分布信息的传感器、用于获取无线信号强度分布信息的传感器、用于获取视觉特征的传感器;
存储器,用于以局部栅格区域为单位存储所述多种环境信息以得到栅格地图,所述局部栅格区域是沿着机器人的行进路线设置的;所述存储器还用于存储节点信息,所述节点是在机器人的行进路线上按照预订间隔设置的,所述节点信息包括该节点的位置信息以及用于指示该节点所在的局部栅格区域的索引;
所述存储器还存储彼此直接可达的两个节点以及该两个节点间的直达路径的距离度量值,其中,机器人依次经过的相邻两个节点间被标记为直接可达,以及彼此距离不超过预设距离的两个节点间被标记为直接可达。
8.根据权利要求7所述的装置,该装置还包括:
地图修正单元,用于在所述节点间搜索匹配的节点对并对该节点对施加SLAM约束以修正所述栅格地图,和/或基于相邻局部栅格区域的重叠部分修正所述栅格地图。
CN201610377669.1A 2016-05-31 2016-05-31 多信息的混杂度量地图建图方法和装置 Active CN105869512B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610377669.1A CN105869512B (zh) 2016-05-31 2016-05-31 多信息的混杂度量地图建图方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610377669.1A CN105869512B (zh) 2016-05-31 2016-05-31 多信息的混杂度量地图建图方法和装置

Publications (2)

Publication Number Publication Date
CN105869512A CN105869512A (zh) 2016-08-17
CN105869512B true CN105869512B (zh) 2019-07-09

Family

ID=56643174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610377669.1A Active CN105869512B (zh) 2016-05-31 2016-05-31 多信息的混杂度量地图建图方法和装置

Country Status (1)

Country Link
CN (1) CN105869512B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106681320A (zh) * 2016-12-15 2017-05-17 浙江大学 一种基于激光数据的移动机器人导航控制方法
WO2018113451A1 (zh) * 2016-12-22 2018-06-28 沈阳美行科技有限公司 一种地图数据系统、其生成和使用方法及应用
CN108334062B (zh) * 2017-01-18 2020-12-04 华为技术有限公司 路径规划方法和装置
US11307049B2 (en) 2018-07-19 2022-04-19 Uisee Technologies (Beijing) Co., Ltd Methods, apparatuses, systems, and storage media for storing and loading visual localization maps
CN109360255B (zh) * 2018-11-29 2022-12-09 南开大学 采用激光器自定义环境特征的交叉式分区建图与质量评估方法
CN110487264B (zh) * 2019-09-02 2020-08-07 上海图聚智能科技股份有限公司 修正地图的方法、装置、电子设备、及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472823A (zh) * 2013-08-20 2013-12-25 苏州两江科技有限公司 一种智能机器人用的栅格地图创建方法
CN104536445A (zh) * 2014-12-19 2015-04-22 深圳先进技术研究院 移动导航方法和系统
US9020752B2 (en) * 2011-02-09 2015-04-28 SenionLab AB Method and device for indoor positioning using magnetic field properties
CN105225604A (zh) * 2015-10-30 2016-01-06 汕头大学 一种移动机器人导航的混合地图的构建方法
CN105607071A (zh) * 2015-12-24 2016-05-25 百度在线网络技术(北京)有限公司 一种室内定位方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9020752B2 (en) * 2011-02-09 2015-04-28 SenionLab AB Method and device for indoor positioning using magnetic field properties
CN103472823A (zh) * 2013-08-20 2013-12-25 苏州两江科技有限公司 一种智能机器人用的栅格地图创建方法
CN104536445A (zh) * 2014-12-19 2015-04-22 深圳先进技术研究院 移动导航方法和系统
CN105225604A (zh) * 2015-10-30 2016-01-06 汕头大学 一种移动机器人导航的混合地图的构建方法
CN105607071A (zh) * 2015-12-24 2016-05-25 百度在线网络技术(北京)有限公司 一种室内定位方法及装置

Also Published As

Publication number Publication date
CN105869512A (zh) 2016-08-17

Similar Documents

Publication Publication Date Title
CN105869512B (zh) 多信息的混杂度量地图建图方法和装置
KR102066902B1 (ko) 경로 이탈 인식 방법, 단말 및 저장 매체
CN106525047B (zh) 一种基于floyd算法的无人机路径规划方法
CN104900059B (zh) 一种增强手机基站定位精度的方法
US20170276499A1 (en) Driving route matching method and apparatus, and storage medium
US8935096B2 (en) Apparatus for fast path search by learning heuristic function and method thereof
Storandt Route planning for bicycles—exact constrained shortest paths made practical via contraction hierarchy
EP2735846B1 (en) Method and device for generating intersection guidance information
US20120254153A1 (en) Shortest path determination in databases
US20130030690A1 (en) Probe Data Processing
CN106574975A (zh) 使用外围信号的轨迹匹配
US20130144524A1 (en) Double-hub indexing in location services
CN108204819B (zh) 一种地图数据自动检测方法和装置、及混合导航系统
Nutanong et al. Continuous detour queries in spatial networks
CN105628044A (zh) 基于位置实时更新与路段属性的车载导航装置与导航方法
CN105547308A (zh) 基于数字路网地图与深度优先遍历的导航方法与装置
CN108562296B (zh) 一种基于车辆卫星定位数据的道路匹配方法及装置
US20200209001A1 (en) Route planning algorithm for efficiently searching through meaningful links within a defined topology
Chen et al. Local path searching based map matching algorithm for floating car data
Fakhrmoosavi et al. An iterative learning approach for network contraction: Path finding problem in stochastic time‐varying networks
CN107449426B (zh) 导航逻辑方法及其室内ar导航系统
US20200264002A1 (en) Method For Computing Fastest Route On Road Networks With Dynamic Traffic Information
CN107982917B (zh) 一种3d游戏的人物路径搜索方法
JP5132694B2 (ja) データ生成装置、データ生成方法及び経路探索装置
JP5081311B2 (ja) 地図情報処理装置、地図情報処理方法、地図情報処理プログラム、及び記録媒体

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room 201, building 4, yard 8, Dongbeiwang West Road, Haidian District, Beijing 100094

Patentee after: Beijing Yunji Technology Co.,Ltd.

Address before: Room 201, building 4, yard 8, Dongbeiwang West Road, Haidian District, Beijing 100094

Patentee before: BEIJING YUNJI TECHNOLOGY Co.,Ltd.