CN107346133A - 一种室内移动机器人的自主建图方法和装置 - Google Patents
一种室内移动机器人的自主建图方法和装置 Download PDFInfo
- Publication number
- CN107346133A CN107346133A CN201710539337.3A CN201710539337A CN107346133A CN 107346133 A CN107346133 A CN 107346133A CN 201710539337 A CN201710539337 A CN 201710539337A CN 107346133 A CN107346133 A CN 107346133A
- Authority
- CN
- China
- Prior art keywords
- vegetarian refreshments
- observation station
- robot
- effective observation
- cartographic information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000012141 concentrate Substances 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims 1
- 238000010408 sweeping Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000008676 import Effects 0.000 abstract description 4
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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
-
- 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
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明涉及机器人技术领域,提供了一种室内移动机器人的自主建图方法和装置。其中方法包括机器人获取地图信息和机器人当前位置状态信息;机器人根据所述地图信息和机器人当前位置状态信息计算有效观测点,得到有效观测点集;根据预设的检索策略,遍历所述有效观测点集中的有效观测点;直到有效观测点集中的所有有效观测点都被观测完毕,则完成当前区域的地图信息建立。本发明提出了一种具有自主学习,自主调整观测点,并且能够在没有任何地图相关信息导入的环境下,完成地图信息的建立。对于类似家用扫地机器人,探测机器人等领域有较高的应用价值。
Description
【技术领域】
本发明涉及机器人技术领域,特别是涉及一种室内移动机器人的自主建图方法和装置。
【背景技术】
同步定位与地图构建(Simultaneous localization and mapping,简写为:SLAM)是当前研究机器人定位的热点,机器人从未知环境的未知地点出发,在运动过程中通过重复观测到的地图特征定位自身位置和姿态,再根据自身位置增量式的构建地图,从而达到同时定位和地图构建的目的。
在机器人上搭载激光雷达,利用激光SLAM技术进行室内定位与建图已较为成熟,利用手动或者半自动操作机器人移动进行建图可以实现建全地图的目的,但是这种方法都需要人的直接参与,对于一些特殊场合(如危险地形勘测),仍然需要赋予机器人全自主建图的能力。
鉴于此,克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。
【发明内容】
本发明要解决的技术问题现有的大多数都是采用的手动控制或者半自动控制的方法,只能用于简单场景。
本发明还用于解决在专利一种移动装置全自主建图方法及装置(CN201611200209)中有存在的并未提到观测点的如何选取的问题。
本发明实施例采用如下技术方案:
第一方面,本发明提供了一种室内移动机器人的自主建图方法,方法包括:
机器人获取地图信息和机器人当前位置状态信息;
机器人根据所述地图信息和机器人当前位置状态信息计算有效观测点,得到有效观测点集;
根据预设的检索策略,遍历所述有效观测点集中的有效观测点;其中,无人机每抵达一处有效观测点便进行新一轮的地图信息和位置状态信息的获取,并根据新一轮计算得到的有效观测点,更新所述有效观测点集;
直到有效观测点集中的所有有效观测点都被观测完毕,则完成当前区域的地图信息建立。
优选的,所述根据预设的检索策略,遍历所述有效观测点集中的有效观测点,具体包括:
机器人以自身在地图中的位置为中心,查找当前地图上它能观测到的要素点,其中,要素点分布在以机器人为中心的360°方向上,并按照预设的角度间隔采集;
计算相邻角度的两个要素点的欧式距离,若相邻角度的第一要素点和第二要素点的欧式距离小于第一预设阈值,则所述第一要素点和第二要素点作为地图信息记录;
若相邻角度的第一要素点和第二要素点的欧式距离大于等于第一预设阈值,分析所述第一要素点和第二要素点之间是否连通;若分析得到第一要素点和第二要素点连通,则所述第一要素点和第二要素点作为地图信息记录,并标注有连通信息;若分析得到第一要素点和第二要素点不连通,则取第一要素点和第二要素点的中点为有效观测点;
依据第一要素点和第二要素点的分析方式,完成其它要素点的分析得到当前机器人所在位置的各有效观测点。
优选的,所述预设的角度间隔θ,具体是从1°-35°之间选择;其中,预设的角度间隔是根据所要检测的环境的外接圆半径大小R和机器人自身大小r依据第一公式得到,所述第一公式为:
优选的,机器人在使用激光雷达进行要素点采集时,所述查找当前地图上它能观测到的要素点,具体包括:
通过所述激光雷达扫描一周的距离信息;
其中,相连采集点之间距离超过第二预设阈值的,则所述相邻采集点便作为要素点存储。
优选的,所述查找当前地图上它能观测到的要素点,具体包括:
通过摄像头采集周边的场景内容,对采集到的图片进行灰度-二值处理;
在图片上以机器人为中心的360°方向投射参照线,被各角度参照线所经过的二值灰度点,便为所述要素点;
其中,一个角度上的参照线所经过的二值灰度点包括一个或者多个。
优选的,所述方法还包括:
在机器人每到一处有效观测点,并启动以其所在的有效观测点为中心的新一轮有效观测点分析;
在完成所述新一轮有效观测点分析后,均在原有的N叉树的数据结构中,位于当前作为中心的有效观测点的节点之下建立新的子节点,其中,所述新一轮分析得到有效观测点即为新建子节点的赋值内容;所述N叉树的根节点为所述机器人进行自主建图的初始放置位置。
优选的,采用深度优先或者广度优先的方式遍历所述N叉树;其中,遍历的过程中所述N叉树的子节点也动态调整着。
第二方面,本发明还提供了一种室内移动机器人的自主建图装置,装置包括存储器、处理器、采集器、定位器、动力组件和供能设备,其中,存储器、采集器和动力组件连接着处理器,并分别为处理器提供数据存储位置、执行地图信息采集指令和抵达指定观测点任务;所述供能设备为装置中各组成部件提供能源;其中,处理器还用于:
在向采集器发送地图信息采集指令后,获取地图信息;并根据定位器获取当前位置状态信息;根据所述地图信息和机器人当前位置状态信息计算有效观测点,得到有效观测点集;根据预设的检索策略,遍历所述有效观测点集中的有效观测点;其中,无人机每抵达一处有效观测点便进行新一轮的地图信息和机器人当前位置状态信息的获取,并根据新一轮计算得到的有效观测点,更新所述有效观测点集;直到有效观测点集中的所有有效观测点都被观测完毕,完成当前区域的地图信息建立。
优选的,所述处理器还用于:
以自身在地图中的位置为中心,查找当前地图上它能观测到的要素点,其中,要素点分布在以机器人为中心的360°方向上,并按照预设的角度间隔采集;
计算相邻角度的两个要素点的欧式距离,若相邻角度的第一要素点和第二要素点的欧式距离小于第一预设阈值,则所述第一要素点和第二要素点作为地图信息记录;
若相邻角度的第一要素点和第二要素点的欧式距离大于等于第一预设阈值,分析所述第一要素点和第二要素点之间是否连通;若分析得到第一要素点和第二要素点连通,则所述第一要素点和第二要素点作为地图信息记录,并标注有连通信息;若分析得到第一要素点和第二要素点不连通,则取第一要素点和第二要素点的中点为有效观测点;
依据第一要素点和第二要素点的分析方式,完成其它要素点的分析得到当前机器人所在位置的各有效观测点。
优选的,所述预设的角度间隔θ,具体是从1°-35°之间选择;其中,预设的角度间隔是根据所要检测的环境的外接圆半径大小R和机器人自身大小r依据第一公式得到,所述第一公式为:
优选的,所述处理器还用于:
通过摄像头采集周边的场景内容,对采集到的图片进行灰度-二值处理;
在图片上以机器人为中心的360°方向投射参照线,被各角度参照线所经过的二值灰度点,便为所述要素点;
其中,一个角度上的参照线所经过的二值灰度点包括一个或者多个。
本发明实施例提出了一种具有自主学习,自主调整观测点,并且能够在没有任何地图相关信息导入的环境下,完成地图信息的建立。对于类似家用扫地机器人,探测机器人等领域有较高的应用价值。
进一步的,本发明还就如何选取和排除观测点提出的一种新的算法让机器人能更加自主、高效、无漏的补全地图。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种室内移动机器人的自主建图方法流程示意图;
图2是本发明实施例提供的一种室内移动机器人的自主建图方法中有效观测点选取的流程示意图;
图3是本发明实施例提供的一种室内移动机器人的自主建图方法中参数选定原理的示意图;
图4是本发明实施例提供的一种室内移动机器人的自主建图方法中要素点展示示意图;
图5是本发明实施例提供的一种室内移动机器人的自主建图装置的结构示意图。
【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。
在本发明的描述中,术语“内”、“外”、“纵向”、“横向”、“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明而不是要求本发明必须以特定的方位构造和操作,因此不应当理解为对本发明的限制。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1:
本发明实施例提供了一种室内移动机器人的自主建图方法,如图1所示,所述方法包括:
在步骤201中,机器人获取地图信息和机器人当前位置状态信息。
所述机器人可以是家用扫地机器人,矿井勘探机器人,拆弹机器人,甚至是海域机器人等等。其中,获取地图细信息的方式包括但不限于,图像采集、声呐采集、红外采集、雷达采集等等。机器人当前位置状态信息根据GPS定位、WIFI定位、蓝牙定位、角度传感器中的一种或者多种方式获得。
在步骤202中,机器人根据所述地图信息和机器人当前位置状态信息计算有效观测点,得到有效观测点集。
其中,有效观测点集中包含多个有效观测点,而相应的有效观测点存储在有效观测点集中,等待机器人移动到相应有效观测点进行观测。
在步骤203中,根据预设的检索策略,遍历所述有效观测点集中的有效观测点;其中,无人机每抵达一处有效观测点便进行新一轮的地图信息和位置状态信息的获取,并根据新一轮计算得到的有效观测点,更新所述有效观测点集。
在步骤204中,直到有效观测点集中的所有有效观测点都被观测完毕,则完成当前区域的地图信息建立。
本发明实施例提出了一种具有自主学习,自主调整观测点,并且能够在没有任何地图相关信息导入的环境下,完成地图信息的建立。对于类似家用扫地机器人,探测机器人等领域有较高的应用价值。
在本发明实施例中,在机器人每到一处有效观测点,并启动以其所在的有效观测点为中心的新一轮有效观测点分析;
在完成所述新一轮有效观测点分析后,均在原有的N叉树的数据结构中,位于当前作为中心的有效观测点的节点之下建立新的子节点,其中,所述新一轮分析得到有效观测点即为新建子节点的赋值内容;所述N叉树的根节点为所述机器人进行自主建图的初始放置位置。
相对应的,针对上述采用N叉树的数据结构的有效观测点存储方式,优选的采用深度优先或者广度优先的方式遍历所述N叉树;其中,遍历的过程中所述N叉树的子节点也动态调整着,即遍历的过程中因为会存在已有的有效观测点集中增加新检测到的有效观测点,此时会动态的在所述N叉树中增加子节点。
实施例2:
在本发明实施例主体方案内容基础上,本发明实施例针对如何选取和排除观测点提出的一种新的算法让机器人能更加自主、高效、无漏的补全地图。具体的,在实施例1的步骤203中所涉及的:根据预设的检索策略,遍历所述有效观测点集中的有效观测点,在本发明实施例中具体实现内容,如图2所示,具体包括:
在步骤301中,机器人以自身在地图中的位置为中心,查找当前地图上它能观测到的要素点,其中,要素点分布在以机器人为中心的360°方向上,并按照预设的角度间隔采集;
在步骤302中,计算相邻角度的两个要素点的欧式距离,若相邻角度的第一要素点和第二要素点的欧式距离小于第一预设阈值,则进入步骤303;否则进入步骤304。
在步骤303中,则所述第一要素点和第二要素点作为地图信息记录。
在步骤304中,若相邻角度的第一要素点和第二要素点的欧式距离大于等于第一预设阈值,分析所述第一要素点和第二要素点之间是否连通;若分析得到第一要素点和第二要素点连通,则进入步骤305;若分析得到第一要素点和第二要素点不连通,则进入步骤306。
在步骤305中,所述第一要素点和第二要素点作为地图信息记录,并标注有连通信息。这里联通信息的含义是指第一要素点和第二要素点对应的是一个目标物体,而一旦标注了连通信息,那么对于机器人来说是可以跳过对第一要素点和第二要素点的有效观测的(即无需低达所述第一要素点和第二要素点)。
在步骤306中,取第一要素点和第二要素点的中点为有效观测点。该有效观测点被更新到有效观测点集中。
在步骤307中,依据第一要素点和第二要素点的分析方式,完成其它要素点的分析得到当前机器人所在位置的各有效观测点。即未分析完毕根据当前机器人所在位置,采集得到要素点,则回到步骤302;否则进入步骤308。
在步骤308中,进入实施例1中步骤204。
本发明实施例提出了一种要素点的寻找方法,并且针对机器人具体情况下会遇到的环境情况,设计出如何根据所述要素点分析出有效观测点,从而进一步支撑实施例1中所提出的一种室内移动机器人的自主建图方法,使得其实现效率和精准度得到了进一步的保证。
在本发明实施例实现过程中,在步骤301中提出的所述预设的角度间隔θ,具体是从1°-35°之间选择。预设的角度间隔是根据所要检测的环境的外接圆半径大小R和机器人自身大小r依据第一公式得到,所述第一公式为:其位置距离示意图如图3所示。其中,35°是从平面中八个基本方向考量后制定的,所述八个基本方向包括:东、南、西、北、东北、东南、西北、西南。所述预设的角度设置原理是考虑实际环境中要素点之间的平均欧式距离要小于机器人的自身的大小,从而能够在保证机器人在该环境中使用时候的精度的同时,进一步提高机器人自身的计算效率(因为角度划分的越细,要素点的个数便会越多,由此带来的计算量也会越大)。
在本发明实施例提出了一种具体得到有效观测点的方法后,还对于实施例1中涉及的如何采集周边的场景内容,给予了一种简便而有效的实现手段,该实现手段利用了上述得到要素点的方法,具体的,所述查找当前地图上它能观测到的要素点,具体包括:
通过摄像头采集周边的场景内容,对采集到的图片进行灰度-二值处理;优选的,所述摄像头可以采用双摄像头,并利用透视算法,利用三维还原的方式进一步提高对要素点之间的欧式距离计算和判断的准确度。
在图片上以机器人为中心的360°方向投射参照线,被各角度参照线所经过的二值灰度点,便为所述要素点;如图4所示,其中,一条投射的参照线可能会遇到多个要素点(如图4中B_1、B_2和B_3所示),此时,优选的处理方式是先进行离当前机器人所在中心最近的要素点B_1与相邻的要素点A进行分析,因为,他们如果是连通的特性,那么后续的远离所述最近的要素点的其它要素点(具体为图4是所示的B_2和B_3),都无需与相邻要素点进行分析了。
另一方面,机器人在使用激光雷达进行要素点采集时,所述查找当前地图上它能观测到的要素点,具体包括:
通过所述激光雷达扫描一周的距离信息;
其中,相连采集点之间距离超过第二预设阈值的,则所述相邻采集点便作为要素点存储。相比较利用摄像头来完成要素点的梳理,采用激光雷达的方式更加高效。其中,第二预设阈值可以由操作人员预先设置,通常是根据场景区域的目标特性进行选择,用于表征相邻两点是否为高概率非联通状态。
实施例3:
本发明实施例提供了一种室内移动机器人的自主建图装置,如图5所示,装置包括存储器1、处理器2、采集器3、定位器4、动力组件5和供能设备6,其中,存储器1、采集器3和动力组件5连接着处理器2,并分别为处理器2提供数据存储位置、执行地图信息采集指令和抵达指定观测点任务;所述供能设备6为装置中各组成部件提供能源;其中,处理器2还用于:
在向采集器3发送地图信息采集指令后,获取地图信息;并根据定位器4获取当前位置状态信息;根据所述地图信息和机器人当前位置状态信息计算有效观测点,得到有效观测点集;根据预设的检索策略,遍历所述有效观测点集中的有效观测点;其中,无人机每抵达一处有效观测点便进行新一轮的地图信息和机器人当前位置状态信息的获取,并根据新一轮计算得到的有效观测点,更新所述有效观测点集;直到有效观测点集中的所有有效观测点都被观测完毕,完成当前区域的地图信息建立。
本发明实施例是对应于实施例1提出的一种室内移动机器人的自主建图装置,可以用于运行和实现实施例1所述的方法,因此,本发明实施例同样可以获得实施例1所述的效果,即能够在没有任何地图相关信息导入的环境下,完成地图信息的建立。无需用户人为的介入,便能够自主、高效的完成陌生环境下地图信息的建立。对于类似家用扫地机器人,探测机器人等领域有较高的应用价值。
结合本发明实施例,对应于实施例2所提出的方法,同样可以利用本发明实施例的处理器2实现,因此,所述处理器2还用于:
以自身在地图中的位置为中心,查找当前地图上它能观测到的要素点,其中,要素点分布在以机器人为中心的360°方向上,并按照预设的角度间隔采集;
计算相邻角度的两个要素点的欧式距离,若相邻角度的第一要素点和第二要素点的欧式距离小于第一预设阈值,则所述第一要素点和第二要素点作为地图信息记录;
若相邻角度的第一要素点和第二要素点的欧式距离大于等于第一预设阈值,分析所述第一要素点和第二要素点之间是否连通;若分析得到第一要素点和第二要素点连通,则所述第一要素点和第二要素点作为地图信息记录,并标注有连通信息;若分析得到第一要素点和第二要素点不连通,则取第一要素点和第二要素点的中点为有效观测点;
依据第一要素点和第二要素点的分析方式,完成其它要素点的分析得到当前机器人所在位置的各有效观测点。
在本发明实施例中,所述预设的角度间隔θ,具体是从1°-35°之间选择;其中,预设的角度间隔是根据所要检测的环境的外接圆半径大小R和机器人自身大小r依据第一公式得到,所述第一公式为:相应的设计原理解释参考实施例2中内容描述,在此不再赘述。
在本发明实施例中,在所述采集器3具体表现为摄像头时,所述处理器2还用于:
通过摄像头采集周边的场景内容,对采集到的图片进行灰度-二值处理;
在图片上以机器人为中心的360°方向投射参照线,被各角度参照线所经过的二值灰度点,便为所述要素点;
其中,一个角度上的参照线所经过的二值灰度点包括一个或者多个。
值得说明的是,上述装置内的模块、单元之间的信息交互、执行过程等内容,由于与本发明的处理方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种室内移动机器人的自主建图方法,其特征在于,方法包括:
机器人获取地图信息和机器人当前位置状态信息;
机器人根据所述地图信息和机器人当前位置状态信息计算有效观测点,得到有效观测点集;
根据预设的检索策略,遍历所述有效观测点集中的有效观测点;其中,无人机每抵达一处有效观测点便进行新一轮的地图信息和位置状态信息的获取,并根据新一轮计算得到的有效观测点,更新所述有效观测点集;
直到有效观测点集中的所有有效观测点都被观测完毕,则完成当前区域的地图信息建立。
2.根据权利要求1所述的室内移动机器人的自主建图方法,其特征在于,所述根据预设的检索策略,遍历所述有效观测点集中的有效观测点,具体包括:
机器人以自身在地图中的位置为中心,查找当前地图上它能观测到的要素点,其中,要素点分布在以机器人为中心的360°方向上,并按照预设的角度间隔采集;
计算相邻角度的两个要素点的欧式距离,若相邻角度的第一要素点和第二要素点的欧式距离小于第一预设阈值,则所述第一要素点和第二要素点作为地图信息记录;
若相邻角度的第一要素点和第二要素点的欧式距离大于等于第一预设阈值,分析所述第一要素点和第二要素点之间是否连通;若分析得到第一要素点和第二要素点连通,则所述第一要素点和第二要素点作为地图信息记录,并标注有连通信息;若分析得到第一要素点和第二要素点不连通,则取第一要素点和第二要素点的中点为有效观测点;
依据第一要素点和第二要素点的分析方式,完成其它要素点的分析得到当前机器人所在位置的各有效观测点。
3.根据权利要求2所述的室内移动机器人的自主建图方法,其特征在于,所述预设的角度间隔θ,具体是从1°-35°之间选择;其中,预设的角度间隔是根据所要检测的环境的外接圆半径大小R和机器人自身大小r依据第一公式得到,所述第一公式为:
4.根据权利要求2所述的室内移动机器人的自主建图方法,其特征在于,机器人在使用激光雷达进行要素点采集时,所述查找当前地图上它能观测到的要素点,具体包括:
通过所述激光雷达扫描一周的距离信息;
其中,相连采集点之间距离超过第二预设阈值的,则所述相邻采集点便作为要素点存储。
5.根据权利要求1-4任一所述的室内移动机器人的自主建图方法,其特征在于,所述方法还包括:
在机器人每到一处有效观测点,并启动以其所在的有效观测点为中心的新一轮有效观测点分析;
在完成所述新一轮有效观测点分析后,均在原有的N叉树的数据结构中,位于当前作为中心的有效观测点的节点之下建立新的子节点,其中,所述新一轮分析得到有效观测点即为新建子节点的赋值内容;所述N叉树的根节点为所述机器人进行自主建图的初始放置位置。
6.根据权利要求5所述的室内移动机器人的自主建图方法,其特征在于,采用深度优先或者广度优先的方式遍历所述N叉树;其中,遍历的过程中所述N叉树的子节点也动态调整着。
7.一种室内移动机器人的自主建图装置,其特征在于,装置包括存储器、处理器、采集器、定位器、动力组件和供能设备,其中,存储器、采集器和动力组件连接着处理器,并分别为处理器提供数据存储位置、执行地图信息采集指令和抵达指定观测点任务;所述供能设备为装置中各组成部件提供能源;其中,处理器还用于:
在向采集器发送地图信息采集指令后,获取地图信息;并根据定位器获取当前位置状态信息;根据所述地图信息和机器人当前位置状态信息计算有效观测点,得到有效观测点集;根据预设的检索策略,遍历所述有效观测点集中的有效观测点;其中,无人机每抵达一处有效观测点便进行新一轮的地图信息和机器人当前位置状态信息的获取,并根据新一轮计算得到的有效观测点,更新所述有效观测点集;直到有效观测点集中的所有有效观测点都被观测完毕,完成当前区域的地图信息建立。
8.根据权利要求7所述的室内移动机器人的自主建图装置,其特征在于,所述处理器还用于:
以自身在地图中的位置为中心,查找当前地图上它能观测到的要素点,其中,要素点分布在以机器人为中心的360°方向上,并按照预设的角度间隔采集;
计算相邻角度的两个要素点的欧式距离,若相邻角度的第一要素点和第二要素点的欧式距离小于第一预设阈值,则所述第一要素点和第二要素点作为地图信息记录;
若相邻角度的第一要素点和第二要素点的欧式距离大于等于第一预设阈值,分析所述第一要素点和第二要素点之间是否连通;若分析得到第一要素点和第二要素点连通,则所述第一要素点和第二要素点作为地图信息记录,并标注有连通信息;若分析得到第一要素点和第二要素点不连通,则取第一要素点和第二要素点的中点为有效观测点;
依据第一要素点和第二要素点的分析方式,完成其它要素点的分析得到当前机器人所在位置的各有效观测点。
9.根据权利要求8所述的室内移动机器人的自主建图装置,其特征在于,所述预设的角度间隔θ,具体是从1°-35°之间选择;其中,预设的角度间隔是根据所要检测的环境的外接圆半径大小R和机器人自身大小r依据第一公式得到,所述第一公式为:
10.根据权利要求8所述的室内移动机器人的自主建图装置,其特征在于,所述处理器还用于:
通过摄像头采集周边的场景内容,对采集到的图片进行灰度-二值处理;
在图片上以机器人为中心的360°方向投射参照线,被各角度参照线所经过的二值灰度点,便为所述要素点;
其中,一个角度上的参照线所经过的二值灰度点包括一个或者多个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710539337.3A CN107346133B (zh) | 2017-07-04 | 2017-07-04 | 一种室内移动机器人的自主建图方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710539337.3A CN107346133B (zh) | 2017-07-04 | 2017-07-04 | 一种室内移动机器人的自主建图方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107346133A true CN107346133A (zh) | 2017-11-14 |
CN107346133B CN107346133B (zh) | 2020-12-04 |
Family
ID=60257922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710539337.3A Active CN107346133B (zh) | 2017-07-04 | 2017-07-04 | 一种室内移动机器人的自主建图方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107346133B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190164306A1 (en) * | 2016-08-19 | 2019-05-30 | Guangzhou Airob Robot Technology Co., Ltd. | Method and Apparatus For Map Constructing And Map Correcting Based On Light-Emitting Device |
CN111488419A (zh) * | 2020-03-30 | 2020-08-04 | 中移(杭州)信息技术有限公司 | 室内机器人地图的创建方法、装置、电子设备和存储介质 |
CN112146660A (zh) * | 2020-09-25 | 2020-12-29 | 电子科技大学 | 一种基于动态词向量的室内地图定位方法 |
CN113439524A (zh) * | 2021-06-15 | 2021-09-28 | 江苏科技大学 | 基于单线激光雷达自动升降装置的家用割草机器人、系统以及建图方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268729A (zh) * | 2013-05-22 | 2013-08-28 | 北京工业大学 | 基于混合特征的移动机器人级联式地图创建方法 |
CN103323002A (zh) * | 2012-03-19 | 2013-09-25 | 联想(北京)有限公司 | 即时定位与地图构建方法和装置 |
CN104848851A (zh) * | 2015-05-29 | 2015-08-19 | 山东鲁能智能技术有限公司 | 基于多传感器数据融合构图的变电站巡检机器人及其方法 |
CN105606104A (zh) * | 2016-03-17 | 2016-05-25 | 北京工业大学 | 基于航向辅助分布式slam的机器人自主导航方法 |
US9483054B2 (en) * | 2002-12-17 | 2016-11-01 | Irobot Corporation | Systems and methods for using multiple hypotheses in a visual simultaneous localization and mapping system |
CN106408654A (zh) * | 2016-09-07 | 2017-02-15 | 武汉工程大学 | 一种三维地图的创建方法及系统 |
CN106502253A (zh) * | 2016-12-22 | 2017-03-15 | 深圳乐行天下科技有限公司 | 一种移动装置全自主建图方法及装置 |
-
2017
- 2017-07-04 CN CN201710539337.3A patent/CN107346133B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9483054B2 (en) * | 2002-12-17 | 2016-11-01 | Irobot Corporation | Systems and methods for using multiple hypotheses in a visual simultaneous localization and mapping system |
CN103323002A (zh) * | 2012-03-19 | 2013-09-25 | 联想(北京)有限公司 | 即时定位与地图构建方法和装置 |
CN103268729A (zh) * | 2013-05-22 | 2013-08-28 | 北京工业大学 | 基于混合特征的移动机器人级联式地图创建方法 |
CN104848851A (zh) * | 2015-05-29 | 2015-08-19 | 山东鲁能智能技术有限公司 | 基于多传感器数据融合构图的变电站巡检机器人及其方法 |
CN105606104A (zh) * | 2016-03-17 | 2016-05-25 | 北京工业大学 | 基于航向辅助分布式slam的机器人自主导航方法 |
CN106408654A (zh) * | 2016-09-07 | 2017-02-15 | 武汉工程大学 | 一种三维地图的创建方法及系统 |
CN106502253A (zh) * | 2016-12-22 | 2017-03-15 | 深圳乐行天下科技有限公司 | 一种移动装置全自主建图方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190164306A1 (en) * | 2016-08-19 | 2019-05-30 | Guangzhou Airob Robot Technology Co., Ltd. | Method and Apparatus For Map Constructing And Map Correcting Based On Light-Emitting Device |
CN111488419A (zh) * | 2020-03-30 | 2020-08-04 | 中移(杭州)信息技术有限公司 | 室内机器人地图的创建方法、装置、电子设备和存储介质 |
CN111488419B (zh) * | 2020-03-30 | 2023-11-03 | 中移(杭州)信息技术有限公司 | 室内机器人地图的创建方法、装置、电子设备和存储介质 |
CN112146660A (zh) * | 2020-09-25 | 2020-12-29 | 电子科技大学 | 一种基于动态词向量的室内地图定位方法 |
CN113439524A (zh) * | 2021-06-15 | 2021-09-28 | 江苏科技大学 | 基于单线激光雷达自动升降装置的家用割草机器人、系统以及建图方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107346133B (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107346133A (zh) | 一种室内移动机器人的自主建图方法和装置 | |
CN106643701B (zh) | 一种机器人互相检测方法及装置 | |
CN103363988B (zh) | 一种利用智能手机传感器实现地磁室内定位导航的方法 | |
CN107179086B (zh) | 一种基于激光雷达的制图方法、装置及系统 | |
CN1945351B (zh) | 一种机器人导航定位系统及导航定位方法 | |
US10278333B2 (en) | Pruning robot system | |
CN109901590B (zh) | 桌面机器人的回充控制方法 | |
TWI489126B (zh) | 一種動態無線訊號強度修正系統與方法 | |
CN105823478A (zh) | 一种自主避障导航信息共享和使用方法 | |
CN101033971B (zh) | 一种移动机器人地图创建系统及地图创建方法 | |
WO2018171735A1 (zh) | 应用于移动设备的虚拟墙系统及其实现方法 | |
CN105142239B (zh) | 基于数据价值动态估计的无线传感网移动sink数据收集方法 | |
CN103699126A (zh) | 智能导游机器人 | |
CN104849740A (zh) | 集成卫星导航与蓝牙技术的室内外无缝定位系统及其方法 | |
CN103389486B (zh) | 控制方法和电子设备 | |
CN103905992A (zh) | 一种基于指纹数据的无线传感器网络的室内定位方法 | |
CN110134117B (zh) | 一种移动机器人重定位方法、移动机器人及电子设备 | |
CN104333906A (zh) | 一种基于室内无线信号的定位系统和方法 | |
CN108810802A (zh) | 一种基于iBeacon的室内停车场车辆定位方法 | |
CN105180945A (zh) | 一种基于移动智能终端的室内运动轨迹重构的方法和系统 | |
CN110174112A (zh) | 一种用于移动机器人自动建图任务的路径优化方法 | |
CN207881714U (zh) | 一种基于uwb定位的自动跟随机器人 | |
CN109085605A (zh) | 全自动探索未知空间并建立地图的方法及系统 | |
CN203673086U (zh) | 远程战场环境实时信息采集系统 | |
Jia et al. | An indoor and outdoor seamless positioning system based on android platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |