CN108303101B - 一种导航地图的构建方法 - Google Patents

一种导航地图的构建方法 Download PDF

Info

Publication number
CN108303101B
CN108303101B CN201810604398.8A CN201810604398A CN108303101B CN 108303101 B CN108303101 B CN 108303101B CN 201810604398 A CN201810604398 A CN 201810604398A CN 108303101 B CN108303101 B CN 108303101B
Authority
CN
China
Prior art keywords
layer
map
navigation map
mobile robot
color
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
CN201810604398.8A
Other languages
English (en)
Other versions
CN108303101A (zh
Inventor
刘玉
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.)
Wei Lai Eph Intelligent Robot Technology (shanghai) Co Ltd
Original Assignee
Wei Lai Eph Intelligent Robot Technology (shanghai) 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 Wei Lai Eph Intelligent Robot Technology (shanghai) Co Ltd filed Critical Wei Lai Eph Intelligent Robot Technology (shanghai) Co Ltd
Publication of CN108303101A publication Critical patent/CN108303101A/zh
Application granted granted Critical
Publication of CN108303101B publication Critical patent/CN108303101B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30Map- or contour-matching
    • G01C21/32Structuring or formatting of map data

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Instructional Devices (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种导航地图的构建方法,其属于机器人控制领域的技术,包括:步骤S1,获得一室内的占据栅格地图;步骤S2,建立一包括通行区域的第一图层,在所述通行区域填充以第一填充色;步骤S3,建立一包括障碍物区域的第二图层,在所述障碍物区域填充以第二填充色;步骤S4,建立一第三图层,并在所述第三图层中标注语义信息;步骤S5,将所述第一图层、所述第二图层以及所述第三图层进行融合生成所述导航地图。该技术方案的有益效果是:本发明能够简单而快速的获得导航地图,以不同的颜色来区分各个区域,并能根据颜色的不同快速的识别出导航地图中的不同障碍物,且导航地图中添加了语义信息,增加的导航地图的可读性。

Description

一种导航地图的构建方法
技术领域
本发明涉及的是一种机器人控制领域的技术,具体是一种导航地图的构建方法。
背景技术
移动机器人的研究始于20世纪60年代末期,移动机器人是迅速发展起来的一种综合技术,集成了计算机、电子、自动控制以及人工智能等多学科的最新研究成果。
移动机器人主要是利用多传感器融合技术获取机器人自身及其所处环境中的各种信息,并将这些信息综合起来进行融合分析处理,从而使得机器人能够实时了解当前的自身及外部环境,并实时做出运动控制决策,实现躲避障碍物和寻找最优路径,进行自主移动和路径跟踪等基本功能。根据移动机器人从环境感知到行为控制过程的特点,可以把系统分为感知、数据处理、路径规划与运动控制四部分,这四部分又可分为多个相互协调的子模块。
随着科技的发展和生活水平的提高,越来越多工作可以由机器人来代替,移动机器人要实现自主导航,必须先完成导航地图的构建。
现有技术中,导航地图的构建采用的技术称为SLAM(Simultaneous localizationand mapping,同步定位与建图)技术,实现移动装置自身在未知环境中的位置定位,机器人移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航地图的构建。
广泛采用的占据栅格地图,用来表示导航地图,在这张灰度的平面的占据栅格地图上,黑色表示不可通行区域,灰色表示未被探测到的区域,白色表示可通行区域等。
生成的这种占据栅格地图往往丢失很多的环境语义信息,看起来不知所以。
发明内容
本发明针对现有技术存在的上述不足,提出一种导航地图的构建方法。本发明能够简单而快速的获得导航地图,获得的导航地图包含了更多的信息量,以不同的颜色来区分各个区域,并能根据颜色的不同快速的识别出导航地图中的不同障碍物,且导航地图中添加了语义信息,增加的导航地图的可读性。
本发明是通过以下技术方案实现的:
本发明涉及一种导航地图的构建方法,其中,适用于移动机器人,所述导航地图预先构建,并作为所述移动机器人进行移动的依据:
预先构建所述导航地图的过程具体包括以下步骤:
步骤S1,所述移动机器人在室内移动,并在移动过程中通过一设置于所述移动机器人的激光雷达扫描得到室内的环境信息,根据所述环境信息处理得到一占据栅格地图;
步骤S2,所述移动机器人根据所述占据栅格地图建立一包括通行区域的第一图层,在所述第一图层中的所述通行区域内填充以第一填充色;
步骤S3,所述移动机器人根据所述占据栅格地图建立一包括障碍物区域的第二图层,在所述第二图层的所述障碍物区域内填充以第二填充色;
步骤S4,所述移动机器人根据所述占据栅格地图建立一第三图层,并在所述第三图层中标注用于表示不同功能区域的语义信息;
步骤S5,所述移动机器人将所述第一图层、所述第二图层以及所述第三图层进行融合生成所述导航地图并保存。
优选的,该导航地图的构建方法,其中,所述第一填充色通过以下步骤获得:
步骤S6,通过一设置于所述移动机器人的图像采集模块采集所述通行区域的地面图像;
步骤S7,获得所述地面图像的全局颜色直方图;
步骤S8,以所述全局颜色直方图中频次最高的颜色作为所述第一填充色。
优选的,该导航地图的构建方法,其中,在所述步骤S2中,所述第一图层通过以下步骤获得:
步骤S21,从所述占据栅格地图中提取通行区域形成第一掩码图形;
步骤S22,生成一与所述占据栅格地图大小一致的第一初始地图;
步骤S23,将所述第一掩码图形和所述第一初始地图进行异或过程以获得所述第一图层。
优选的,该导航地图的构建方法,其中,在所述步骤S3中,所述第二图层通过以下步骤获得:
步骤S31,从所述占据栅格地图中提取障碍物区域形成第二掩码图形;
步骤S32,生成一与所述占据栅格地图大小一致的第二初始地图;
步骤S33,将所述第二掩码图形和所述第二初始地图进行异或过程以获得所述第二图层。
优选的,该导航地图的构建方法,其中,在所述步骤S33之后,对所述第二图层中的所述障碍物区域进行分类,对获得的每一类别填充以互不相同的颜色。
优选的,该导航地图的构建方法,其中,所述语义信息包括文字信息、图形信息以及颜色信息。
优选的,该导航地图的构建方法,其中,在步骤S2中,所述第二填充色为黑色。
上述技术方案的有益效果是:
本发明能够简单而快速的获得导航地图,获得的导航地图包含了更多的信息量,以不同的颜色来区分各个区域,并能根据颜色的不同快速的识别出导航地图中的不同障碍物,且导航地图中添加了语义信息,增加的导航地图的可读性。
附图说明
图1为本发明的较佳的实施例中,一种导航地图的构建方法的流程示意图;
图2为本发明的较佳的实施例中,一种导航地图的构建方法中的第一图层获取过程示意图;
图3本发明的较佳的实施例中,一种导航地图的构建方法中的第一填充色的获取流程示意图;
图4本发明的较佳的实施例中,一种导航地图的构建方法中的第二图层获取过程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
本实施例涉及一种导航地图的构建方法,应用于移动机器人中,通过移动机器人来构建导航地图。
如图1所示,所述导航地图的构建具体包括以下步骤:
步骤S1,所述移动机器人在室内的移动过程中,通过一设置于所述移动机器人的激光雷达扫描得到室内的环境信息,根据所述环境信息并通过SLAM技术获得一整个室内的占据栅格地图。所述环境信息即为激光雷达扫描得到的激光数据点。
移动机器人在室内中运动,则需要建立室内的导航地图,而在建立导航地图之间需要首先建立室内的占据栅格地图。
移动机器人设有激光雷达,通过雷达扫描移动机器人的周围环境得到环境信息。环境信息即测得的移动机器人与环境中的物体之间的距离,通常为点云数据的形式。
移动机器人在整个室内中移动,得到整个室内的环境信息,根据环境信息并结合SLMA技术来建立占据栅格地图。该占据栅格地图中黑色表示不可通行的区域即障碍物区域,灰色表示未被探测到的区域,白色表示通行区域。
在得到的占据栅格地图的基础上进行后续的图层操作。
步骤S2,根据所述占据栅格地图建立一包括通行区域的第一图层,在所述第一图层中的所述通行区域填充以第一填充色。
如图2所示,所述第一图层通过以下步骤获得:
步骤S21,从所述占据栅格地图中提取通行区域形成第一掩码图形。
第一掩码图形即为占据栅格地图中的白色区域,也即是占据栅格地图中的通行区域。
步骤S22,生成一与所述占据栅格地图大小一致的第一初始地图。
将占据栅格地图初始化获得一张与占据栅格地图大小一致的地图作为第一初始地图。
步骤S23,将所述第一掩码图形和所述第一初始地图进行异或过程以获得所述第一图层。
将第一初始地图和第一掩码图形进行异或运算,从而在第一初始地图中保留下通行区域,作为第一图层。
如图3所示,所述第一填充色通过步骤S6~S8获得:
步骤S6,通过一设置于所述移动机器人的图像采集模块采集所述通行区域的地面图像。
步骤S7,获得所述地面图像的全局颜色直方图。
步骤S8,以所述全局颜色直方图中频次最高的颜色作为所述第一填充色。
通过步骤S6~步骤S8获得了第一填充色,将第一填充色填充到第一图层中的通行区域中,即可以得到最终的第一图层,用于后续的图层融合最终形成导航地图。
步骤S3,根据所述占据栅格地图建立一包括障碍物区域的第二图层,在所述第二图层的所述障碍物区域填充以第二填充色。
第二填充色可以为任意色,用户可以根据偏好设置。
较佳的实施例中,所述第二填充色为黑色。
较佳的实施例中,所述第二填充色为黄色。
如图4所示,在所述步骤S3中,所述第二图层通过以下步骤获得:
步骤S31,从所述占据栅格地图中提取障碍物区域形成第二掩码图形;
步骤S32,生成一与所述占据栅格地图大小一致的第二初始地图;
步骤S33,将所述第二掩码图形和所述第二初始地图进行异或过程以获得所述第二图层。
第二掩码图形和第二初始地图进行异或运算,使得第二初始地图中的障碍物区域得以保留,形成等待填充颜色的第二图层。
在得到的第二图层中的障碍物区域填充第二填充色,即可以获得最终的第二图层。
较佳的实施例中,在所述步骤S33之后,对所述第二图层中的所述障碍物区域进行分类,对每一类别填充以互不相同的颜色。
当前环中的障碍物可以分为不同的种类,采用一分类器对占据栅格地图中的障碍物进行分类,根据分类的结果可以对不同类别的障碍物填充不同的颜色。
室内中的桌子作为障碍物的一种,在占据栅格地图中的表现形式为四个点,通过采用神经网络算法的分类器识别出占据栅格地图中的桌子,从而将桌子所占的整个区域都作为障碍物区域,并对其进行填充颜色。
步骤S4,根据所述占据栅格地图建立一第三图层,并在所述第三图层中标注不同功能区域的语义信息。
将占据栅格地图初始化直接获得一与该占据栅格图形相同大小的地图作为第三图层。
所述语义信息包括文字信息、图形信息以及颜色信息,通过语义信息来表示地图中的不同的功能区域,如卧室、餐厅等。
将文字信息、图形信息以及颜色信息标注于第三图层中。
步骤S5,将所述第一图层、所述第二图层以及所述第三图层进行融合生成所述导航地图。
第一图层、第二图层以及第三图层进行融合,得到可以为移动机器人使用的导航地图。
融合后得到的导航地图中,以不同的颜色来标识障碍物区域以及通行区域。还进一步的将障碍物区域依据类别进行划分,并以不同的颜色进行区分。并在导航地图中指定位置标注文字信息、图形信息以及颜色信息。
本发明的导航地图的构建方法,与现有技术相比:
本发明能够简单而快速的获得导航地图,获得的导航地图包含了更多的信息量,以不同的颜色来区分各个区域,并能根据颜色的不同快速的识别出导航地图中的不同障碍物,且导航地图中添加了语义信息,增加的导航地图的可读性。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。

Claims (6)

1.一种导航地图的构建方法,应用于移动机器人,其特征在于,所述导航地图预先构建,并作为所述移动机器人进行移动的依据;
预先构建所述导航地图的过程具体包括以下步骤:
步骤S1,所述移动机器人在室内移动,并在移动过程中通过一设置于所述移动机器人的激光雷达扫描得到室内的环境信息,根据所述环境信息处理得到一占据栅格地图;
步骤S2,所述移动机器人根据所述占据栅格地图建立一包括通行区域的第一图层,在所述第一图层中的所述通行区域内填充以第一填充色;
步骤S3,所述移动机器人根据所述占据栅格地图建立一包括障碍物区域的第二图层,在所述第二图层的所述障碍物区域内填充以第二填充色;
步骤S4,所述移动机器人根据所述占据栅格地图建立一第三图层,并在所述第三图层中标注用于表示不同功能区域的语义信息;
步骤S5,所述移动机器人将所述第一图层、所述第二图层以及所述第三图层进行融合生成所述导航地图并保存;
所述第一填充色通过以下步骤获得:
步骤S6,通过一设置于所述移动机器人的图像采集模块采集所述通行区域的地面图像;
步骤S7,获得所述地面图像的全局颜色直方图;
步骤S8,以所述全局颜色直方图中频次最高的颜色作为所述第一填充色。
2.根据权利要求1所述的导航地图的构建方法,其特征在于,在所述步骤S2中,所述第一图层通过以下步骤获得:
步骤S21,从所述占据栅格地图中提取通行区域形成第一掩码图形;
步骤S22,生成一与所述占据栅格地图大小一致的第一初始地图;
步骤S23,将所述第一掩码图形和所述第一初始地图进行异或过程以获得所述第一图层。
3.根据权利要求1所述的导航地图的构建方法,其特征在于,在所述步骤S3中,所述第二图层通过以下步骤获得:
步骤S31,从所述占据栅格地图中提取障碍物区域形成第二掩码图形;
步骤S32,生成一与所述占据栅格地图大小一致的第二初始地图;
步骤S33,将所述第二掩码图形和所述第二初始地图进行异或过程以获得所述第二图层。
4.根据权利要求3所述的导航地图的构建方法,其特征在于,在所述步骤S33之后,对所述第二图层中的所述障碍物区域进行分类,对获得的每一类别填充以互不相同的颜色。
5.根据权利要求1所述的导航地图的构建方法,其特征在于,所述语义信息包括文字信息、图形信息以及颜色信息。
6.根据权利要求1所述的导航地图的构建方法,其特征在于,在步骤S2中,所述第二填充色为黑色或黄色。
CN201810604398.8A 2018-03-05 2018-06-13 一种导航地图的构建方法 Active CN108303101B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2018101785873 2018-03-05
CN201810178587 2018-03-05

Publications (2)

Publication Number Publication Date
CN108303101A CN108303101A (zh) 2018-07-20
CN108303101B true CN108303101B (zh) 2018-09-11

Family

ID=62846622

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810604398.8A Active CN108303101B (zh) 2018-03-05 2018-06-13 一种导航地图的构建方法

Country Status (1)

Country Link
CN (1) CN108303101B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2576494B (en) * 2018-08-06 2022-03-23 Dyson Technology Ltd A mobile robot and method of controlling thereof
CN110946513B (zh) * 2018-09-27 2021-08-06 广东美的生活电器制造有限公司 扫地机器人的控制方法及装置
CN109556617A (zh) * 2018-11-09 2019-04-02 同济大学 一种自动建图机器人的地图要素提取方法
CN111448478B (zh) * 2018-11-15 2023-02-28 北京嘀嘀无限科技发展有限公司 用于基于障碍物检测校正高清地图的系统和方法
CN109855634B (zh) * 2019-01-22 2021-02-12 上海岚豹智能科技有限公司 一种栅格地图的图像处理的方法及设备
CN110164288A (zh) * 2019-06-04 2019-08-23 浙江大学昆山创新中心 一种基于自建图的静态地图在线更新方法和装置
CN112784664A (zh) * 2019-11-07 2021-05-11 科沃斯机器人股份有限公司 语义地图构建与作业方法、自主移动设备及存储介质
CN112824838A (zh) * 2019-11-21 2021-05-21 北京图森智途科技有限公司 路径规划方法及装置、芯片系统、计算机系统和移动工具
CN111221337B (zh) * 2020-01-19 2023-05-16 弗徕威智能机器人科技(上海)有限公司 机器人栅格地图的构建方法及系统
CN111202472B (zh) * 2020-02-18 2021-04-23 深圳市愚公科技有限公司 扫地机器人的终端地图构建方法、终端设备及清扫系统
US11815897B2 (en) * 2020-05-11 2023-11-14 Huawei Technologies Co., Ltd. Method and system for generating an importance occupancy grid map
CN111543908B (zh) * 2020-05-15 2021-09-07 汇智机器人科技(深圳)有限公司 一种行进路径、智能设备行进路径规划方法和装置
CN112462768B (zh) * 2020-11-25 2024-03-29 深圳拓邦股份有限公司 移动机器人导航地图的创建方法、装置及移动机器人

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103268729B (zh) * 2013-05-22 2015-08-19 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
US20150095350A1 (en) * 2013-09-30 2015-04-02 Qualcomm Incorporated Methods, apparatuses, and devices for generating maps on a mobile device
CN107340768B (zh) * 2016-12-29 2020-08-28 珠海市一微半导体有限公司 一种智能机器人的路径规划方法
CN106643701B (zh) * 2017-01-16 2019-05-14 深圳优地科技有限公司 一种机器人互相检测方法及装置

Also Published As

Publication number Publication date
CN108303101A (zh) 2018-07-20

Similar Documents

Publication Publication Date Title
CN108303101B (zh) 一种导航地图的构建方法
CN108759840A (zh) 一种室内外一体化三维导航路径规划方法
Neges et al. Combining visual natural markers and IMU for improved AR based indoor navigation
CN104335248B (zh) 非静态3d地图视图
WO2017166371A1 (zh) 一种基于天空可视域评价的开放空间周边建筑形态优化控制方法
CN108983781A (zh) 一种无人车目标搜索系统中的环境探测方法
CN106403925B (zh) 面向室内与地下空间导航的空间网络构造及路径规划方法
CA2915916C (en) Real-time location detection using exclusion zones
Díaz-Vilariño et al. Indoor navigation from point clouds: 3D modelling and obstacle detection
US10127667B2 (en) Image-based object location system and process
CN107967473A (zh) 基于图文识别和语义的机器人自主定位和导航
Gunduz et al. A review of recent research in indoor modelling & mapping
CN105911988A (zh) 一种自动制图装置及方法
CN107917712A (zh) 一种同步定位与地图构建方法及设备
CN109240279A (zh) 一种基于视觉感知和空间认知神经机制的机器人导航方法
KR20190117354A (ko) 실내공간의 3차원 지도 생성 방법 및 장치
CN112965081A (zh) 基于融合行人信息的特征地图的模仿学习社交导航方法
CN106767819A (zh) 一种基于bim的室内导航数据构建方法及导航系统
CN113570664B (zh) 增强现实导航显示方法和装置、电子设备、计算机介质
CN106767755A (zh) 用于规划自主移动式设备工作点的方法及装置
CN106782030A (zh) 用于生成具有语义描述的室内地图的方法及装置
CN110186457A (zh) 一种基于高精度电子地图的蓝牙室内定位导航方法
Khayyal et al. Creation and spatial analysis of 3D city modeling based on GIS data
CN106814734A (zh) 使用计算设备控制自主移动式设备的方法及系统
CN106772433B (zh) 基于机载激光雷达数据的建筑线划图生成方法

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
CB03 Change of inventor or designer information

Inventor after: Liu Shuangcheng

Inventor after: Luo Fanglong

Inventor after: Xu Shaoqiang

Inventor before: Liu Yu

CB03 Change of inventor or designer information
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180720

Assignee: Huizhi robot technology (Shenzhen) Co., Ltd

Assignor: FLYINGWINGS INTELLIGENT ROBOT TECHNOLOGY (SHANGHAI) Co.,Ltd.

Contract record no.: X2020980007702

Denomination of invention: A construction method of navigation map

Granted publication date: 20180911

License type: Common License

Record date: 20201110

EE01 Entry into force of recordation of patent licensing contract