CN107677279B - 一种定位建图的方法及系统 - Google Patents

Abstract

本申请的目的是提供一种定位建图的方法及系统，本申请通过根据里程计数据、激光数据及确定的当前环境的栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务；基于重定位请求提取当前图像的词袋数据，通过词典树检索与当前图像的词袋数据相似度在预设范围内的历史词袋数据对应的关键帧；基于所述关键帧进行特征匹配以确定当前图像在世界坐标系下的位姿，根据所述当前图像在世界坐标系下的位姿及图像传感器在移动设备中的安装位姿，确定所述移动设备在世界坐标下的位姿，以完成重定位。从而使得移动设备能够在未知环境下进行建图，定位和导航任务，全局重定位易实现，可以用于移动设备的导航和避障任务。

Description

一种定位建图的方法及系统

技术领域

本申请涉及计算机领域，尤其涉及一种定位建图的方法及系统。

背景技术

随着计算机技术、微电子技术、网络技术等快速的发展，机器人技术也得到了飞速发展，除了工业机器人水平不断提高之外，各种用于服务行业的先进机器人系统也有了长足的发展，各类移动服务机器人越来越普及，比如移动设备、导购机、自动柜员机等等。

目前，移动设备定位建图系统的实现主要有以下两种方式：

第一，基于激光雷达传感器的2D定位建图系统，这种系统大部分使用栅格地图作为地图存储方法，但具有一个比较大的缺点和难点，全局重定位比较困难。

第二，基于视觉传感器的3D定位建图系统，这种系统大部分使用稀疏三维特征点作为地图格式，搭配上词袋模型(Bag Of Word)非常适合于全局重定位任务。然而该方案中，所建的稀疏三维特征点地图难以用于移动机器人导航和避障任务。虽然利用稠密三维点云地图也能够进行导航与避障，但是这种方法会消耗巨大存储资源和计算资源。

发明内容

本申请的一个目的是提供一种定位建图的方法及系统，解决传统激光定位建图系统全局重定位困难、难以导航和避障任务及消耗巨大资源的问题。

根据本申请的一个方面，提供了一种定位建图的系统，该系统包括：

传感器模块、建图模块、地图存储模块、导航模块及定位模块，其中，

所述传感器模块用于采集里程计数据、激光数据及视觉图像数据；

所述建图模块用于根据所述传感器采集的里程计数据、激光数据及视觉图像数据进行建图，其中，建图包括产生当前环境的栅格地图和移动设备的当前位姿的激光建图，以及产生稀疏三维地图的视觉建图；

所述地图存储模块用于存储所述栅格地图、稀疏三维地图及图像的关键帧；

所述导航模块用于根据所述传感器采集的数据及所述栅格地图执行以下至少任一项任务：规划全局路径、避障及导航任务；

所述定位模块用于根据所述视觉图像数据、所述地图存储模块中存储的栅格地图和关键帧进行视觉重定位。

进一步地，上述系统中，所述定位模块用于：

基于重定位请求提取当前图像的词袋数据，通过词典树检索与当前图像的词袋数据相似度在预设范围内的历史词袋数据对应的关键帧。

进一步地，上述系统中，所述定位模块用于：

基于所述关键帧进行特征匹配以确定当前图像在世界坐标系下的位姿，根据所述当前图像在世界坐标系下的位姿及图像传感器在移动设备中的安装位姿，确定所述移动设备在世界坐标下的位姿。

进一步地，上述系统中，所述建图模块用于：

提取所获取的视觉图像中的角点特征，与上一关键帧中角点特征通过暴力搜索进行特征匹配，得到特征点；

根据所述移动设备的当前位姿确定所述特征点在世界坐标系下的三维位置，并将确定的三维位置输入至稀疏三维地图中；

将所确定的三维位置转换为词袋数据后插入至词典树中对应的节点中。

进一步地，上述系统中，所述导航模块用于：

根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务。

进一步地，上述系统中，所述导航模块用于：

根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局无碰撞最优路径；

根据所述移动设备的当前速度信息及动态窗口算法确定无碰撞运动控制决策。

根据本申请另一个方面，还提供了一种定位建图的方法，该方法包括：

根据里程计数据及激光数据确定移动设备的当前位姿和当前环境的栅格地图；

根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务；

基于重定位请求提取当前图像的词袋数据，通过词典树检索与当前图像的词袋数据相似度在预设范围内的历史词袋数据对应的关键帧；

基于所述关键帧进行特征匹配以确定当前图像在世界坐标系下的位姿，根据所述当前图像在世界坐标系下的位姿及图像传感器在移动设备中的安装位姿，确定所述移动设备在世界坐标下的位姿，以完成重定位。

进一步地，根据里程计数据及激光数据确定移动设备的当前位姿和当前环境的栅格地图之后，包括：

提取所获取的视觉图像中的角点特征，与上一关键帧中角点特征通过暴力搜索进行特征匹配，得到特征点；

根据所述移动设备的当前位姿确定所述特征点在世界坐标系下的三维位置，并将所确定的三维位置转换为词袋数据；

将所述转换后的词袋数据插入至词典树中对应的节点中。

进一步地，根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务，包括：

根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局无碰撞最优路径；

根据所述移动设备的当前速度信息及动态窗口算法确定无碰撞运动控制决策。

根据本申请再一个方面，还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现一种定位建图的方法。

与现有技术相比，本申请通过根据里程计数据及激光数据确定移动设备的当前位姿和当前环境的栅格地图；根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务；基于重定位请求提取当前图像的词袋数据，通过词典树检索与当前图像的词袋数据相似度在预设范围内的历史词袋数据对应的关键帧；基于所述关键帧进行特征匹配以确定当前图像在世界坐标系下的位姿，根据所述当前图像在世界坐标系下的位姿及图像传感器在移动设备中的安装位姿，确定所述移动设备在世界坐标下的位姿，以完成重定位。从而能够结合激光和视觉传感器信息，使得移动设备能够在未知环境下进行建图，定位和导航任务，全局重定位易实现，可以用于移动设备的导航和避障任务，并降低了存储资源和计算资源的消耗。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出根据本申请的一个方面提供的一种定位建图的系统结构示意图；

图2示出根据本申请另一个方面提供的一种定位建图的方法流程示意图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本申请作进一步详细描述。

在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

图1示出根据本申请的一个方面提供的一种定位建图的系统结构示意图，该系统包括：传感器模块11、建图模块12、地图存储模块13、导航模块14及定位模块15，其中，所述传感器模块11用于采集里程计数据、激光数据及视觉图像数据；所述建图模块12用于根据所述传感器采集的里程计数据、激光数据及视觉图像数据进行建图，其中，建图包括产生当前环境的栅格地图和移动设备的当前位姿的激光建图，以及产生稀疏三维地图的视觉建图；所述地图存储模块13用于存储所述栅格地图、稀疏三维地图及图像的关键帧；所述导航模块14用于根据所述传感器采集的数据及所述栅格地图执行以下至少任一项任务：规划全局路径、避障及导航任务；所述定位模块15用于根据所述视觉图像数据、所述地图存储模块中存储的栅格地图和关键帧进行视觉重定位。从而能够结合激光和视觉传感器信息，使得移动设备能够在未知环境下进行建图，定位和导航任务。

具体地，传感器模块11包括里程计、激光和视觉传感器，为定位建图系统提供数据基础。其中，里程计采集的数据是利用从移动传感器获得的数据来估计物体位置随时间变化而改变的设备相对于初始位置移动的距离数据。

建图模块12包括激光建图模块和视觉建图模块，其中，激光建图模块产生当前环境的栅格地图和移动设备的当前位姿，视觉建图模块产生稀疏三维地图，用于移动设备的全局重定位任务，栅格地图把环境划分成一系列栅格，其中每一栅格给定一个可能值，表示该栅格被占据的概率。激光建图模块从传感器中获取里程计与激光数据，利用RBPF-SLAM(基于粒子滤波器的定位建图)方法进行定位建图任务，得到移动设备当前位姿和当前环境的栅格地图。通过建图模块12，完成规划移动设备的全局路径及确定移动设备所在的环境位置信息，其中，移动设备包括移动机器人，如移动扫地设备。

进一步地，所述建图模块12用于提取所获取的视觉图像中的角点特征，与上一关键帧中角点特征通过暴力搜索进行特征匹配，得到特征点；根据所述移动设备的当前位姿确定所述特征点在世界坐标系下的三维位置，并将确定的三维位置输入至稀疏三维地图中；将所确定的三维位置转换为词袋数据后插入至词典树中对应的节点中。在此，提取视觉传感器所输出图像中的ORB特征，与上一关键帧的ORB特征通过暴力搜索进行特征匹配，利用激光建图模块所输出的位姿进行三角法测距法算出特征点在世界坐标系下的三维位置，并输入到稀疏三维地图模块。全局重定位中只需用历史关键帧的BOW数据，因此，将当前输入图像转换成BOW数据，插入至词典树中，以便通过词典树的数据结构快速检索相近BOW数据。在上述实施例中，ORB(Oriented Fast and Rotated BRIEF)为一种高效的图像角点特征描述子。

地图存储模块13，包括激光建图所产生的栅格地图存储模块和视觉建图所生成的稀疏三维地图模块与关键帧存储模块，栅格地图主要用于移动设备的导航避障任务，而稀疏三维地图模块与关键帧存储模块主要用于移动设备的全局重定位任务。导航模块14主要利用传感器所采集的数据和栅格地图的信息进行目的地路径规划、避障及导航等任务。当移动设备因某些因素丢失其全局位置信息时，需要定位模块15通过视觉传感器、稀疏三维地图和关键帧存储模块进行全局重定位任务。

在本申请一实施例中，所述定位模块15用于：基于重定位请求提取当前图像的词袋数据，通过词典树检索与当前图像的词袋数据相似度在预设范围内的历史词袋数据对应的关键帧。当需要全局重定位任务时，首先提取当前图像的BOW(Bag Of Word)数据，在关键帧存储模块中利用词典树检索出与当前BOW相似的一些关键帧，如通过设定相似度阈值，根据相似度阈值判断是否相似，筛选出用于重定位的关键帧。接着，基于所述关键帧进行特征匹配以确定当前图像在世界坐标系下的位姿，根据所述当前图像在世界坐标系下的位姿及图像传感器在移动设备中的安装位姿，确定所述移动设备在世界坐标下的位姿。在此，可以利用PNP算法计算当前图像在世界坐标系下的位姿，同时结合图像传感器在移动设备中的安装位姿，计算出移动设备在世界坐标系下的位姿，并输出至激光建图模块，以便重新建图和定位。进而依靠比较廉价的视觉传感器，解决传统二维激光定位建图系统全局重定位难题。

在本申请一实施例中，所述导航模块14用于：根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务。具体地，根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局无碰撞最优路径；根据所述移动设备的当前速度信息及动态窗口算法确定无碰撞运动控制决策。在此，利用里程计、激光数据和当前环境栅格地图，利用启发式搜索算法，搜索起点到终点全局无碰撞最优路径。利用规划好的全局最优路径，结合移动设备当前速度信息，通过动态窗口算法产生平滑的无碰撞运动控制决策，使得无碰撞完成指定的导航任务。

通过本申请所述定位建图的系统，能够结合激光和视觉传感器信息，使得移动设备在未知环境下进行建图，定位和导航任务。全局重定位容易实现，可以用于移动设备的导航和避障任务，并降低了存储资源和计算资源的消耗。

图2示出根据本申请另一个方面提供的一种定位建图的方法流程示意图，该方法包括：步骤S11～步骤S14，在步骤S11中，根据里程计数据及激光数据确定移动设备的当前位姿和当前环境的栅格地图；在步骤S12中，根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务；在步骤S13中，基于重定位请求提取当前图像的词袋数据，通过词典树检索与当前图像的词袋数据相似度在预设范围内的历史词袋数据对应的关键帧；在步骤S14中，基于所述关键帧进行特征匹配以确定当前图像在世界坐标系下的位姿，根据所述当前图像在世界坐标系下的位姿及图像传感器在移动设备中的安装位姿，确定所述移动设备在世界坐标下的位姿，以完成重定位。从而能够结合激光和视觉传感器信息，使得移动设备能够在未知环境下进行建图，定位和导航任务。

具体地，在步骤S11中，为定位建图系统提供数据基础。其中，里程计采集的数据是利用从移动传感器获得的数据来估计物体位置随时间变化而改变的设备相对于初始位置移动的距离数据。根据里程计数据及激光数据确定当前环境的栅格地图和移动设备的当前位姿以及稀疏三维地图，以便进行移动设备的全局重定位任务。栅格地图把环境划分成一系列栅格，其中每一栅格给定一个可能值，表示该栅格被占据的概率。具体地，从传感器中获取里程计与激光数据，利用RBPF-SLAM(基于粒子滤波器的定位建图)方法进行定位建图任务，得到移动设备当前位姿和当前环境的栅格地图。

进一步地，在步骤S11之后，所述方法包括步骤S11’：提取所获取的视觉图像中的角点特征，与上一关键帧中角点特征通过暴力搜索进行特征匹配，得到特征点；根据所述移动设备的当前位姿确定所述特征点在世界坐标系下的三维位置，并将确定的三维位置输入至稀疏三维地图中；将所确定的三维位置转换为词袋数据后插入至词典树中对应的节点中。在此，提取视觉传感器所输出图像中的ORB特征，与上一关键帧的ORB特征通过暴力搜索进行特征匹配，利用步骤S11中确定的位姿进行三角法测距法算出特征点在世界坐标系下的三维位置，进而确定稀疏三维地图。全局重定位中只需用历史关键帧的BOW数据，因此，将当前输入图像转换成BOW数据，插入至词典树中，以便通过词典树的数据结构快速检索相近BOW数据。在上述实施例中，ORB(Oriented Fast and Rotated BRIEF)为一种高效的图像角点特征描述子。

在本申请一实施例中，栅格地图主要用于移动设备的导航避障任务，而稀疏三维地图与关键帧主要用于移动设备的全局重定位任务。在步骤S12中，利用传感器所采集的数据和栅格地图的信息进行目的地路径规划、避障及导航等任务。通过确定栅格地图、移动设备的当前位姿及稀疏三维地图，完成规划移动设备的全局路径及确定移动设备所在的环境位置信息，其中，移动设备包括移动机器人，如移动扫地设备。

在步骤S13中，基于重定位请求提取当前图像的词袋数据，通过词典树检索与当前图像的词袋数据相似度在预设范围内的历史词袋数据对应的关键帧。当需要全局重定位任务时，首先提取当前图像的BOW(Bag Of Word)数据，利用词典树检索出与当前BOW相似的一些关键帧，如通过设定相似度阈值，根据相似度阈值判断是否相似，筛选出用于重定位的关键帧。接着，在步骤S14中，基于所述关键帧进行特征匹配以确定当前图像在世界坐标系下的位姿，根据所述当前图像在世界坐标系下的位姿及图像传感器在移动设备中的安装位姿，确定所述移动设备在世界坐标下的位姿，以完成重定位。在此，可以利用PNP算法计算当前图像在世界坐标系下的位姿，同时结合图像传感器在移动设备中的安装位姿，计算出移动设备在世界坐标系下的位姿，进行激光建图，以便重新建图和定位。进而依靠比较廉价的视觉传感器，解决传统二维激光定位建图系统全局重定位难题。

在本申请一实施例中，在步骤S12中，根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务。具体地，根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局无碰撞最优路径；根据所述移动设备的当前速度信息及动态窗口算法确定无碰撞运动控制决策。在此，利用里程计、激光数据和当前环境栅格地图，利用启发式搜索算法，搜索起点到终点全局无碰撞最优路径。利用规划好的全局最优路径，结合移动设备当前速度信息，通过动态窗口算法产生平滑的无碰撞运动控制决策，使得无碰撞完成指定的导航任务。

通过本申请所述定位建图的方法，能够结合激光和视觉传感器信息，使得移动设备在未知环境下进行建图，定位和导航任务。全局重定位容易实现，可以用于移动设备的导航和避障任务，并降低了存储资源和计算资源的消耗。

根据本申请再一个方面，还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现一种定位建图的方法。例如，计算机可读指令被处理器执行：

根据里程计数据及激光数据确定移动设备的当前位姿和当前环境的栅格地图；

根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务；

基于重定位请求提取当前图像的词袋数据，通过词典树检索与当前图像的词袋数据相似度在预设范围内的历史词袋数据对应的关键帧；

基于所述关键帧进行特征匹配以确定当前图像在世界坐标系下的位姿，根据所述当前图像在世界坐标系下的位姿及图像传感器在移动设备中的安装位姿，确定所述移动设备在世界坐标下的位姿，以完成重定位。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (8)

1.一种定位建图的系统，其中，所述系统包括：

传感器模块、建图模块、地图存储模块、导航模块及定位模块，其中，

所述传感器模块用于采集里程计数据、激光数据及视觉图像数据；

所述建图模块用于根据所述传感器采集的里程计数据、激光数据及视觉图像数据进行建图，其中，建图包括产生当前环境的栅格地图和移动设备的当前位姿的激光建图，以及产生稀疏三维地图的视觉建图；

所述地图存储模块用于存储所述栅格地图、稀疏三维地图及图像的关键帧；

所述导航模块用于根据所述传感器采集的数据及所述栅格地图执行以下至少任一项任务：规划全局路径、避障及导航任务；

所述定位模块用于根据所述视觉图像数据、所述地图存储模块中存储的栅格地图和关键帧进行视觉重定位；

所述建图模块用于：

提取所获取的视觉图像中的角点特征，与上一关键帧中角点特征通过暴力搜索进行特征匹配，得到特征点；

根据所述移动设备的当前位姿确定所述特征点在世界坐标系下的三维位置，并将确定的三维位置输入至稀疏三维地图中；

将所确定的三维位置转换为词袋数据后插入至词典树中对应的节点中。

2.根据权利要求1所述的系统，其中，所述定位模块用于：

基于重定位请求提取当前图像的词袋数据，通过词典树检索与当前图像的词袋数据相似度在预设范围内的历史词袋数据对应的关键帧。

3.根据权利要求2所述的系统，其中，所述定位模块用于：

基于所述关键帧进行特征匹配以确定当前图像在世界坐标系下的位姿，根据所述当前图像在世界坐标系下的位姿及图像传感器在移动设备中的安装位姿，确定所述移动设备在世界坐标下的位姿。

4.根据权利要求1所述的系统，其中，所述导航模块用于：

根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务。

5.根据权利要求1所述的系统，其中，所述导航模块用于：

根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局无碰撞最优路径；

根据所述移动设备的当前速度信息及动态窗口算法确定无碰撞运动控制决策。

6.一种定位建图的方法，其中，所述方法包括：

根据里程计数据及激光数据确定移动设备的当前位姿和当前环境的栅格地图；

根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务；

提取所获取的视觉图像中的角点特征，与上一关键帧中角点特征通过暴力搜索进行特征匹配，得到特征点；

根据所述移动设备的当前位姿确定所述特征点在世界坐标系下的三维位置，并将所确定的三维位置转换为词袋数据；

将所述转换后的词袋数据插入至词典树中对应的节点中；

基于重定位请求提取当前图像的词袋数据，通过词典树检索与当前图像的词袋数据相似度在预设范围内的历史词袋数据对应的关键帧；

基于所述关键帧进行特征匹配以确定当前图像在世界坐标系下的位姿，根据所述当前图像在世界坐标系下的位姿及图像传感器在移动设备中的安装位姿，确定所述移动设备在世界坐标下的位姿，以完成重定位。

7.根据权利要求6所述的方法，其中，根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局最优路径，以完成移动设备的导航任务，包括：

根据所述里程计数据、激光数据及所述栅格地图确定从起点到终点的全局无碰撞最优路径；

根据所述移动设备的当前速度信息及动态窗口算法确定无碰撞运动控制决策。

8.一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求6或7所述的方法。

Images