CN108709562A - 一种移动机器人滚动栅格地图构建方法 - Google Patents
一种移动机器人滚动栅格地图构建方法 Download PDFInfo
- Publication number
- CN108709562A CN108709562A CN201810400189.1A CN201810400189A CN108709562A CN 108709562 A CN108709562 A CN 108709562A CN 201810400189 A CN201810400189 A CN 201810400189A CN 108709562 A CN108709562 A CN 108709562A
- Authority
- CN
- China
- Prior art keywords
- grid
- rgm
- map
- occupation probability
- mobile robot
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; 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
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
Abstract
本发明涉及一种移动机器人滚动栅格地图构建方法,RGM采用间歇移动方式,构建方法具体包括:确定RGM大小,在移动机器人开始工作时,对RGM进行初始化;在RGM两次相邻移动的时间段内,更新RGM栅格地图中的栅格占有概率;判断RGM位置是否满足间歇移动条件,是,则更新RGM移动时的栅格位置和栅格占有概率;否,则更新栅格地图中栅格占有概率。本发明具有拓扑结构不变和间歇移动的特点,通过对周围环境进行检测和状态更新,能够为移动机器人在未知大范围障碍物环境下,实时提供高精度环境信息,提高了移动机器人与环境的交互性;与局部地图比较,具有更好的信息完整性和精确性,与全局地图比较,节省了地图的存储空间,减少了信息处理的运算量。
Description
技术领域
本发明涉及机器人技术领域,尤其是一种移动机器人滚动栅格地图构建方法。
背景技术
栅格地图是移动机器人常用的环境地图构建技术,栅格地图将工作空间离散为大小相等的栅格,每个栅格记录环境信息。
栅格地图可分为局部地图和全局地图。局部地图随机器人的运动周期进行位置更新,实时性较好,但其位置移动频繁,且窗口范围一般就是传感器当前探测范围,窗口范围较小,存储环境信息有限,地图精度较低,不利于移动机器人路径规划和避碰决策。
全局地图一般适用于室内或其他小范围环境的地图构建,在机器人移动过程中,对所有探测环境信息进行记录处理,地图精度高,方法简单,但栅格数量随着工作空间的增大而增加,小范围环境或室内环境下,建图时间和空间开销影响不大,但移动机器人对大范围环境建图时,所存储的环境信息会随着移动机器人运动不断累计膨胀,时间和空间开销急剧增加,对移动机器人有限的存储处理能力提出了严重的挑战,降低了移动机器人与环境的交互性。
发明内容
鉴于上述的分析,本发明旨在提供一种移动机器人滚动栅格地图构建方法,解决移动机器人在未知大范围障碍物环境下运动时,兼顾地图精度与建图开销的实时地图构建问题。
本发明的目的主要是通过以下技术方案实现的:
一种移动机器人滚动栅格地图构建方法,RGM采用间歇移动方式,构建方法具体包括:
确定RGM大小,在移动机器人开始工作时,对RGM进行初始化;
在RGM两次相邻移动的时间段内,更新RGM栅格地图中的栅格占有概率;
判断RGM位置是否满足间歇移动条件,是,则更新RGM移动时的栅格位置和栅格占有概率;否,则更新栅格地图中栅格占有概率。
进一步地,所述RGM的大小为一个M×N个栅格Ci,j组成的矩形区域,栅格为边长Lg的正方形区域,M,N取奇数,i=1,2,..,M,j=1,2,..,N;
所述初始化包括地图中心的初始化和所有栅格占有概率的初始化:所述地图中心初始位置设定在移动机器人的起始位置,各栅格的初始占有概率设为0.5。
进一步地,所述栅格占有概率更新包括:
根据获取的传感器数据,求取传感器探测范围内的多波束覆盖栅格的占有概率;
在地图两次相邻移动的时间段内,根据新获取的传感数据,同步更新栅格占有概率。
进一步地,所述传感器为声纳传感器,声纳一次新测量数据为rt+1={(ρk,θk)|k=1,...,K},其中K为扫描波束个数,ρk,θk分别表示第k个扫描波束定位的障碍物距离值和方位值;
声纳探测范围为开角2Δα,半径Rmax的扇形区域;在区域内包括三个区域,区域Ⅰ是非占有区域,声波未检测到任何障碍物;区域Ⅱ是占有区域,是声波反射距离区域,存在障碍物;区域Ⅲ是未知区域,是否存在障碍物不能确定;
落入波束覆盖范围的栅格Ci,j的障碍物占有概率为:
其中,Δρ为测量距离的误差估计,pemp,pocc,punk是常系数,分别表示非占有、占有和未知状态的初始度量值;
根据新测量信息,多波束覆盖的栅格Ci,j的障碍物占有概率为:
其中,Ke表示覆盖波束数量。
进一步地,在地图两次相邻移动的时间段内,栅格占有概率根据下式融合更新:
式中,P(Ci,j)是地图构建前由先验知识确定的占有概率值,在地图构建过程中是固定不变的,P(Ci,j|{r}t)为栅格Ci,j融合前的历史占有概率,{r}t={r1,r2,...,rt}为历史声纳测量值,P(Ci,j|{r}t+1)为栅格Ci,j融合后的最新占有概率,其值随着传感器探测不断更新变化。
进一步地,在缺少先验知识的情况下,P(Ci,j)=0.5;所述融合前历史占有概率P(Ci,j|{r}t)为上一次获取并存储在RGM中。
进一步地,所述RGM间歇移动条件为Dis(Xr(t),Xm)>Dcha;式中,Dis(Xr(t),Xm)为移动机器人的位置Xr(t)与地图中心Xm的距离,Dcha为RGM的移动判断距离,根据移动机器人的最大运动能力和设定的RGM调整时间确定。
进一步地,所述RGM移动时栅格位置更新方法为:
1)首先对RGM的地图中心位置进行移动,将旧中心Xm转变为新中心X′m,将旧地图上与移动机器人Xr(t)距离最近的栅格Cp,q为新的地图中心;
2)保持栅格的拓扑结构不变,根据公式 将旧地图的栅格下标(i,j)改变为新地图的栅格下标(ni,nj);
3)依据判别条件,将新地图中的栅格分为留存栅格、遗弃栅格或新拓栅格;所述留存栅格表示旧地图ΩM上存在,新地图Ω′M上也存在的栅格;所述遗弃栅格表示旧地图ΩM上存在,新地图Ω′M上不存在的栅格;所述新拓栅格表示旧地图ΩM上原本不存在,而新地图Ω′M上存在的栅格。
进一步地,对于旧地图ΩM上的栅格Ci,j,通过公式{1≤f1(i)≤M}∧{1≤f2(j)≤N}判别是否是留存栅格;
对于旧地图ΩM上的栅格Ci,j,通过公式:
{f1(i)<1}∨{f1(i)>M}∨{f2(j)<1}∨{f2(j)>N}判别是否是遗弃栅格:
如果已知C'ni,nj是Ω′M上的栅格,即满足{1≤ni≤M}∧{1≤nj≤N},通过公式判别是否是新拓栅格;其中,和分别是f1和f2的反函数。
进一步地,RGM位置发生移动时,对于不同的栅格,其栅格状态的变化要求如下:对于留存栅格,占有概率值P(C'ni,nj)=P(Ci,j);对于新拓栅格,其栅格状态设为未知状态,占有概率值P(C'ni,nj)=0.5;而遗弃栅格在移动后的地图上没有体现,其概率状态被删除。
本发明有益效果如下:
本发明提供的滚动栅格地图构建方法,具有拓扑结构不变和间歇移动的特点,通过对周围环境进行检测和状态更新,能够为移动机器人在未知大范围障碍物环境下,实时提供高精度环境信息,提高了移动机器人与环境的交互性。与局部地图比较,RGM会保留一段时间的历史环境信息并进行数据融合,使得RGM有更好的信息完整性和精确性,与全局地图比较,RGM窗口大小是确定的,这就保证了RGM的存储空间是有上限的,节省了地图的存储空间,也减少了信息处理的运算量,从而使得RGM在大范围工作环境下有无可比拟的优势。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例构建方法流程图;
图2为本发明实施例栅格滚动地图示意图;
图3为本发明实施例栅格滚动地图移动判断示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。
本实施例公开了一种移动机器人滚动栅格地图(RGM)构建方法,如图1所示,构建方法包括以下步骤:
步骤S1、确定RGM窗口大小,在移动机器人开始工作时,对RGM进行初始化;
RGM记录移动机器人当前工作范围内的局部环境的详细信息。RGM是一个由栅格组成的矩形区域,跟随移动机器人的移动而不断更新栅格状态,栅格是构成RGM的基本元素。
本实施例RGM采用间歇移动方式,RGM不需要跟随移动机器人的移动而实时变化,只有移动机器人移动了较远距离时,RGM才进行移动,可减少更新次数和保证环境信息的精确性。
如图2所示,RGM是一个M×N(M,N取奇数,反映了局部地图的尺寸)个栅格组成的矩形区域,栅格为边长Lg的正方形区域。移动机器人的RGM由如下公式(1)给出
ΩM={Xm;{Ci,j}M×N},i=1,2,..,M,j=1,2,..,N (1)
其中,Ci,j表示第i行,第j列的栅格,里面存储有该栅格的占有概率P(Ci,j),0≤P(Ci,j)≤1,P(Ci,j)大于0.5,此栅格状态为占有状态;P(Ci,j)小于0.5,此栅格状态为非占有状态;P(Ci,j)等于0.5,此栅格状态为未知状态。栅格是ΩM的中心栅格,可简写为Ccenter;Xm=(xm,ym)是中心栅格Ccenter在移动机器人工作空间上的中心位置坐标。
在ΩM中,Ci,j在移动机器人工作空间上的中心位置坐标X(Ci,j)可基于中心栅格位置Xm,按照如下公式(2)计算获得
在确定RGM的窗口大小后,在移动机器人开始工作时,对RGM进行初始化。
RGM的初始化包括地图中心的初始化和所有栅格占有概率的初始化两部分。初始地图中心可设定在距离移动机器人初始位置一定范围内的任意位置。为不失一般性,将中心位置设定在移动机器人的起始位置。在起始时刻t0,设移动机器人的起始位置是Xr(t0),将Xr(t0)设为RGM的中心,即Xm=Xr(t0)。根据占有栅格原理,完全未知环境下,各栅格的初始占有概率设为0.5。
步骤S2、在RGM两次相邻移动的时间段内,更新RGM栅格地图中的栅格占有概率P(Ci,j|{r}t+1);
具体包括:
步骤S201、获取传感器最新测量数据rt+1,根据传感器模型,求取传感器探测范围内的栅格占有概率P(Ci,j|rt+1)。
传感器采用声纳传感器,测量移动机器人与障碍物的距离信息。声纳发射一列声波并接收发射波,根据发射与接收的时间间隔来计算声纳与障碍物的距离,声纳可扫描一定扇区范围内的障碍物信息,声纳最新一次测量数据为rt+1={(ρk,θk)|k=1,...,K},其中K为扫描波束个数,ρk,θk分别表示第k个扫描波束定位的障碍物距离值和方位值,此信息是以声纳为极点的极坐标表示的,通过坐标变换,可映射到移动机器人工作空间的笛卡尔坐标系下,即(xk,yk)=l(ρk,θk)。
设某波束的障碍定位信息为(ρk,θk),波束覆盖范围为开角2Δα,半径Rmax的扇形区域,此区域可分为三个区域,区域Ⅰ是非占有区域,声波未检测到任何障碍物;区域Ⅱ是占有区域,是声波反射距离区域,存在障碍物;区域Ⅲ是未知区域,是否存在障碍物不能确定。对于波束覆盖区域内的任意栅格点Ci,j的位置映射到声纳极坐标下为(ρi,θj)。在波束覆盖范围内,越靠近波束中轴线的位置,受的干扰越小,其测量信度越高,反之亦然,因此栅格状态可根据其所处区域分段估计。设Δρ为测量距离的误差估计(可有具体声呐测量精度获得),落入波束(ρk,θk)覆盖范围的栅格Ci,j的障碍物占有概率可表示为:
其中pemp,pocc,punk是常系数,分别表示非占有、占有和未知状态的初始度量值。
同一栅格可位于不同波束覆盖范围内,根据新测量信息,受多波束覆盖的栅格Ci,j的障碍占有概率可计算为:
其中,Ke表示覆盖波束数量。
步骤S202、在地图两次相邻移动的时间段内,根据新获取的传感数据,同步融合更新栅格占有概率;
在地图两次相邻移动的时间段内,ΩM的地图中心和其它栅格的空间位置不变,只是栅格的占有概率根据获取的声纳信息而实时更新。考虑栅格Ci,j,历史声纳测量值为{r}t={r1,r2,...,rt},从RGM中获取先前存储的栅格融合前占有概率P(Ci,j|{r}t),结合步骤S201获得的P(Ci,j|rt+1),计算栅格占有概率P(Ci,j|{r}t+1),重新存入RGM中。
融合前栅格历史占有概率P(Ci|{r}t)在上一次数据处理中获取,已存储于RGM中,本次从RGM中提取,根据Bayes理论,与根据最新测量值计算得出的占有概率P(Ci,j|rt+1)融合,栅格占有概率被更新为P(Ci,j|{r}t+1),由如下公式(3)获得。
其中,P(Ci,j)为先验概率,P(Ci,j)在地图构建前由先验知识确定,在地图构建过程中是固定不变的,在缺少先验知识的情况下可设为0.5。
得到融合后的最新栅格占有概率P(Ci,j|{r}t+1)并将其存储在RGM中。P(Ci,j|{r}t+1)随着传感器探测不断更新变化。
步骤S3、判断RGM位置是否满足间歇移动条件,是,则进入步骤S4;否,则返回步骤S2,重复执行。
具体的,假设RGM最近一次移动是在时刻t1完成的,移动机器人的位置是Xr(t1),地图中心为Xm。在时刻t,t>t1,移动机器人的位置是Xr(t),进而,RGM发生移动判据条件可由公式(4)获得
Dis(Xr(t),Xm)>Dcha (4)
即当Xr(t)与地图中心Xm的距离大于Dcha,RGM需要移动。
其中,Dcha称之为RGM的移动判断距离,与移动机器人的最大运动能力和人为设定的调整时间有关。在移动机器人速度一定的情况下,Dcha决定了RGM的移动速度,Dcha越大,RGM移动越慢,Dcha越小,RGM移动越快。Dcha的数值一般选为栅格边长Lg的整数倍。RGM移动判断示意见图3。
步骤S4、更新RGM移动时栅格位置和状态;
在满足移动条件时,RGM经过移动,将旧地图ΩM转变为新地图Ω′M。在此过程中,
1)对RGM的地图中心位置进行移动,将旧中心Xm转变为新中心X′m,而X′m在ΩM上选择。设旧地图ΩM上与Xr(t)距离最近的栅格为Cp,q,即
RGM选择Cp,q所在位置为新的地图中心,即X′m=X(Cp,q)。
2)为了保持栅格的拓扑结构不变,ΩM上的栅格Ci,j的下标需要改变,一一映射变为的Ω′M上的栅格C'ni,nj,按照公式(6)完成新旧地图下标的转换
3)依据判别条件,将新地图中的栅格分为留存栅格、遗弃栅格或新拓栅格。
在移动过程中,ΩM上的一部分栅格转移到Ω′M上,栅格状态得以保留,只是改变了其下标,即在Ω′M中的相对位置发生改变。而ΩM中的一部分栅格状态由于不能包含在Ω′M中而被删除。相应的Ω′M也开拓了一些新的栅格。为此,在移动过程中,通过比较栅格在新旧地图上存在关系,所有栅格会被划分为三种类型:留存栅格、遗弃栅格和新拓栅格。
此三种栅格的类型判定以RGM移动前后栅格的具体空间位置作为判据。对于ΩM上的任意栅格Ci,j,1≤i≤M,1≤j≤N,其下标{i,j}经公式(6)进行下标转换,得一一对应{f1(i),f2(j)},对于{f1(i),f2(j)}有如下条件可判别栅格类型。
留存栅格表示ΩM上存在,Ω′M上也存在的栅格。对于ΩM上的栅格Ci,j,通过公式(7)判别是留存栅格:
{1≤f1(i)≤M}∧{1≤f2(j)≤N} (7)
遗弃栅格表示ΩM上存在,Ω′M上不存在的栅格。对于ΩM上的栅格Ci,j,通过公式(8)判别是遗弃栅格:
{f1(i)<1}∨{f1(i)>M}∨{f2(j)<1}∨{f2(j)>N} (8)
新拓栅格表示ΩM上原本不存在,而Ω′M上存在的栅格。如果已知C'ni,nj是Ω′M上的栅格,即满足{1≤ni≤M}∧{1≤nj≤N},通过公式(9)判别是新拓栅格:
其中,和分别是f1,f2的反函数。
RGM位置发生移动时,对于不同的栅格,其栅格状态的变化要求如下:对于留存栅格,P(C'ni,nj)=P(Ci,j);对于新拓栅格,其栅格状态设为未知状态,占有概率值P(C'ni,nj)=0.5;而遗弃栅格在移动后的地图上没有体现,其概率状态被删除。
随着移动机器人运动和探测周围环境,重复上述更新方法,实时更新RGM状态,实现移动机器人滚动栅格地图构建。
综上所述,本发明实施例提供的滚动栅格地图构建方法,具有拓扑结构不变和间歇移动的特点,通过对周围环境进行检测和状态更新,能够为移动机器人在未知大范围障碍物环境下,实时提供高精度环境信息,提高了移动机器人与环境的交互性。与局部地图比较,RGM会保留一段时间的历史环境信息并进行数据融合,使得RGM有更好的信息完整性和精确性,与全局地图比较,RGM窗口大小是确定的,这就保证了RGM的存储空间是有上限的,节省了地图的存储空间,也减少了信息处理的运算量,从而使得RGM在大范围工作环境下有无可比拟的优势。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种移动机器人滚动栅格地图构建方法,其特征在于,RGM采用间歇移动方式,构建方法具体包括:
确定RGM大小,在移动机器人开始工作时,对RGM进行初始化;
在RGM两次相邻移动的时间段内,更新RGM栅格地图中的栅格占有概率;
判断RGM位置是否满足间歇移动条件,是,则更新RGM移动时的栅格位置和栅格占有概率;否,则更新栅格地图中栅格占有概率。
2.根据权利要求1所述的滚动栅格地图构建方法,其特征在于,
所述RGM的大小为一个M×N个栅格Ci,j组成的矩形区域,栅格为边长Lg的正方形区域,M,N取奇数,i=1,2,..,M,j=1,2,..,N;
所述初始化包括地图中心的初始化和所有栅格占有概率的初始化:所述地图中心初始位置设定在移动机器人的起始位置;各栅格的初始占有概率设为0.5。
3.根据权利要求1所述的滚动栅格地图构建方法,其特征在于,所述栅格占有概率更新包括:
根据获取的传感器数据,求取传感器探测范围内的多波束覆盖栅格的占有概率;
在地图两次相邻移动的时间段内,根据新获取的传感数据,同步更新栅格占有概率。
4.根据权利要求3所述的滚动栅格地图构建方法,其特征在于,
所述传感器为声纳传感器,声纳一次新测量数据为rt+1={(ρk,θk)|k=1,...,K},其中K为扫描波束个数,ρk,θk分别表示第k个扫描波束定位的障碍物距离值和方位值;
声纳探测范围为开角2Δα,半径Rmax的扇形区域;在区域内包括三个区域,区域Ⅰ是非占有区域,声波未检测到任何障碍物;区域Ⅱ是占有区域,是声波反射距离区域,存在障碍物;区域Ⅲ是未知区域,是否存在障碍物不能确定;
落入波束覆盖范围的栅格Ci,j的障碍物占有概率为:
其中,Δρ为测量距离的误差估计,pemp,pocc,punk是常系数,分别表示非占有、占有和未知状态的初始度量值;
根据新测量信息,多波束覆盖的栅格Ci,j的障碍物占有概率为:
其中,Ke表示覆盖波束数量。
5.根据权利要求4所述的滚动栅格地图构建方法,其特征在于,
在地图两次相邻移动的时间段内,栅格占有概率根据下式融合更新:
式中,P(Ci,j)是地图构建前由先验知识确定的占有概率值,在地图构建过程中是固定不变的,P(Ci,j|{r}t)为栅格Ci,j融合前的历史占有概率,{r}t={r1,r2,...,rt}为历史声纳测量值,P(Ci,j|{r}t+1)为栅格Ci,j融合后的最新占有概率,其值随着传感器探测不断更新变化。
6.根据权利要求5所述的滚动栅格地图构建方法,其特征在于,在缺少先验知识的情况下,P(Ci,j)=0.5;所述融合前历史占有概率P(Ci,j|{r}t)为上一次获取并存储在RGM中。
7.根据权利要求1所述的滚动栅格地图构建方法,其特征在于,
所述RGM间歇移动条件为Dis(Xr(t),Xm)>Dcha;式中,Dis(Xr(t),Xm)为移动机器人的位置Xr(t)与地图中心Xm的距离,Dcha为RGM的移动判断距离,根据移动机器人的最大运动能力和设定的RGM调整时间确定。
8.根据权利要求1-7任一所述的滚动栅格地图构建方法,其特征在于,
所述RGM移动时栅格位置更新方法为:
1)首先对RGM的地图中心位置进行移动,将旧中心Xm转变为新中心X′m,将旧地图上与移动机器人Xr(t)距离最近的栅格Cp,q为新的地图中心;
2)保持栅格的拓扑结构不变,根据公式 将旧地图的栅格下标i,j改变为新地图的栅格下标ni,nj;
3)依据判别条件,将新地图中的栅格分为留存栅格、遗弃栅格或新拓栅格;所述留存栅格表示旧地图ΩM上存在,新地图Ω′M上也存在的栅格;所述遗弃栅格表示旧地图ΩM上存在,新地图Ω′M上不存在的栅格;所述新拓栅格表示旧地图ΩM上原本不存在,而新地图Ω′M上存在的栅格。
9.根据权利要求8所述的滚动栅格地图构建方法,其特征在于,
对于旧地图ΩM上的栅格Ci,j,通过公式判别是否是留存栅格;
对于旧地图ΩM上的栅格Ci,j,通过公式:
判别是否是遗弃栅格:
如果已知C'ni,nj是Ω′M上的栅格,即满足
通过公式判别是否是新拓栅格;其中,f1 -1和分别是f1和f2的反函数。
10.根据权利要求9所述的滚动栅格地图构建方法,其特征在于,
RGM位置发生移动时,对于不同的栅格,其栅格状态的变化要求如下:对于留存栅格,占有概率值P(C'ni,nj)=P(Ci,j);对于新拓栅格,其栅格状态设为未知状态,占有概率值P(C'ni,nj)=0.5;而遗弃栅格在移动后的地图上没有体现,其概率状态被删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810400189.1A CN108709562B (zh) | 2018-04-28 | 2018-04-28 | 一种移动机器人滚动栅格地图构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810400189.1A CN108709562B (zh) | 2018-04-28 | 2018-04-28 | 一种移动机器人滚动栅格地图构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108709562A true CN108709562A (zh) | 2018-10-26 |
CN108709562B CN108709562B (zh) | 2020-07-03 |
Family
ID=63868677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810400189.1A Active CN108709562B (zh) | 2018-04-28 | 2018-04-28 | 一种移动机器人滚动栅格地图构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108709562B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109597385A (zh) * | 2018-12-26 | 2019-04-09 | 芜湖哈特机器人产业技术研究院有限公司 | 一种栅格地图及基于栅格地图的多agv动态路径规划方法 |
CN110262512A (zh) * | 2019-07-12 | 2019-09-20 | 北京机械设备研究所 | 一种移动机器人脱离u形障碍陷阱的避障方法及系统 |
CN110969102A (zh) * | 2019-11-21 | 2020-04-07 | 大连理工大学 | 一种基于生长的栅格地图障碍物检测方法 |
CN111914045A (zh) * | 2020-07-09 | 2020-11-10 | 珠海云洲智能科技有限公司 | 一种数据压缩方法、装置、终端设备及存储介质 |
CN112212824A (zh) * | 2019-07-09 | 2021-01-12 | 苏州科瓴精密机械科技有限公司 | 栅格地图参数的配置方法及配置系统 |
CN112214010A (zh) * | 2019-07-09 | 2021-01-12 | 苏州科瓴精密机械科技有限公司 | 栅格地图参数的更新方法及更新系统 |
CN112393737A (zh) * | 2019-08-16 | 2021-02-23 | 苏州科瓴精密机械科技有限公司 | 障碍地图的创建方法、系统,机器人及可读存储介质 |
CN112578798A (zh) * | 2020-12-18 | 2021-03-30 | 珠海格力智能装备有限公司 | 机器人地图获取方法、装置、处理器和电子装置 |
CN112667924A (zh) * | 2020-12-18 | 2021-04-16 | 珠海格力智能装备有限公司 | 机器人地图获取方法、装置、处理器和电子装置 |
CN112859874A (zh) * | 2021-01-25 | 2021-05-28 | 上海思岚科技有限公司 | 用于移动机器人的动态环境区域运维方法与设备 |
CN112947465A (zh) * | 2021-03-08 | 2021-06-11 | 珠海市一微半导体有限公司 | 一种防止栅格概率地图持续恶化的方法、芯片和机器人 |
CN112947472A (zh) * | 2021-03-19 | 2021-06-11 | 北京小狗吸尘器集团股份有限公司 | 栅格地图实时构建方法、装置、可读介质及扫地机器人 |
CN113008237A (zh) * | 2021-02-25 | 2021-06-22 | 苏州臻迪智能科技有限公司 | 一种路径规划方法及装置、飞行器 |
CN113052940A (zh) * | 2021-03-14 | 2021-06-29 | 西北工业大学 | 一种基于声呐的时空关联地图实时构建方法 |
CN113348422A (zh) * | 2018-11-14 | 2021-09-03 | 华为技术有限公司 | 用于生成预测占据栅格地图的方法和系统 |
CN113449054A (zh) * | 2020-03-27 | 2021-09-28 | 杭州海康机器人技术有限公司 | 一种地图切换的方法和移动机器人 |
CN113490973A (zh) * | 2019-03-13 | 2021-10-08 | 千叶工业大学 | 信息处理装置以及移动机器人 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101413806A (zh) * | 2008-11-07 | 2009-04-22 | 湖南大学 | 一种实时数据融合的移动机器人栅格地图创建方法 |
CN101619985A (zh) * | 2009-08-06 | 2010-01-06 | 上海交通大学 | 基于可变形拓扑地图的服务机器人自主导航方法 |
CN102508853A (zh) * | 2011-09-28 | 2012-06-20 | 北京地拓科技发展有限公司 | 一种填充栅格数据的方法及系统 |
CN105320134A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种机器人自主构建室内地图的路径规划法 |
CN105807769A (zh) * | 2016-03-09 | 2016-07-27 | 哈尔滨工程大学 | 无人水下航行器ivfh避碰方法 |
CN105955258A (zh) * | 2016-04-01 | 2016-09-21 | 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 |
-
2018
- 2018-04-28 CN CN201810400189.1A patent/CN108709562B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101413806A (zh) * | 2008-11-07 | 2009-04-22 | 湖南大学 | 一种实时数据融合的移动机器人栅格地图创建方法 |
CN101619985A (zh) * | 2009-08-06 | 2010-01-06 | 上海交通大学 | 基于可变形拓扑地图的服务机器人自主导航方法 |
CN102508853A (zh) * | 2011-09-28 | 2012-06-20 | 北京地拓科技发展有限公司 | 一种填充栅格数据的方法及系统 |
CN105320134A (zh) * | 2015-10-26 | 2016-02-10 | 广东雷洋智能科技股份有限公司 | 一种机器人自主构建室内地图的路径规划法 |
CN105807769A (zh) * | 2016-03-09 | 2016-07-27 | 哈尔滨工程大学 | 无人水下航行器ivfh避碰方法 |
CN105955258A (zh) * | 2016-04-01 | 2016-09-21 | 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 |
Non-Patent Citations (2)
Title |
---|
WEI ZHANG ET AL.: "Study of obstacle information processing forunmanned underwater vehicle in unknown ocean environment", 《HARBIN HEILONGJIANG PROVINCE》 * |
陈明建等: "基于滚动窗口的机器人自主构图路径规划", 《计算机工程》 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11465633B2 (en) * | 2018-11-14 | 2022-10-11 | Huawei Technologies Co., Ltd. | Method and system for generating predicted occupancy grid maps |
CN113348422A (zh) * | 2018-11-14 | 2021-09-03 | 华为技术有限公司 | 用于生成预测占据栅格地图的方法和系统 |
CN109597385B (zh) * | 2018-12-26 | 2021-08-20 | 芜湖哈特机器人产业技术研究院有限公司 | 一种栅格地图及基于栅格地图的多agv动态路径规划方法 |
CN109597385A (zh) * | 2018-12-26 | 2019-04-09 | 芜湖哈特机器人产业技术研究院有限公司 | 一种栅格地图及基于栅格地图的多agv动态路径规划方法 |
CN113490973A (zh) * | 2019-03-13 | 2021-10-08 | 千叶工业大学 | 信息处理装置以及移动机器人 |
CN112214010B (zh) * | 2019-07-09 | 2022-01-11 | 苏州科瓴精密机械科技有限公司 | 栅格地图参数的更新方法及更新系统 |
CN112212824A (zh) * | 2019-07-09 | 2021-01-12 | 苏州科瓴精密机械科技有限公司 | 栅格地图参数的配置方法及配置系统 |
CN112214010A (zh) * | 2019-07-09 | 2021-01-12 | 苏州科瓴精密机械科技有限公司 | 栅格地图参数的更新方法及更新系统 |
CN112212824B (zh) * | 2019-07-09 | 2021-11-26 | 苏州科瓴精密机械科技有限公司 | 栅格地图参数的配置方法及配置系统 |
CN110262512B (zh) * | 2019-07-12 | 2022-03-29 | 北京机械设备研究所 | 一种移动机器人脱离u形障碍陷阱的避障方法及系统 |
CN110262512A (zh) * | 2019-07-12 | 2019-09-20 | 北京机械设备研究所 | 一种移动机器人脱离u形障碍陷阱的避障方法及系统 |
CN112393737B (zh) * | 2019-08-16 | 2024-03-08 | 苏州科瓴精密机械科技有限公司 | 障碍地图的创建方法、系统,机器人及可读存储介质 |
CN112393737A (zh) * | 2019-08-16 | 2021-02-23 | 苏州科瓴精密机械科技有限公司 | 障碍地图的创建方法、系统,机器人及可读存储介质 |
CN110969102B (zh) * | 2019-11-21 | 2023-06-20 | 大连理工大学 | 一种基于生长的栅格地图障碍物检测方法 |
CN110969102A (zh) * | 2019-11-21 | 2020-04-07 | 大连理工大学 | 一种基于生长的栅格地图障碍物检测方法 |
WO2021190646A1 (zh) * | 2020-03-27 | 2021-09-30 | 杭州海康机器人技术有限公司 | 一种地图切换方法和移动机器人 |
CN113449054A (zh) * | 2020-03-27 | 2021-09-28 | 杭州海康机器人技术有限公司 | 一种地图切换的方法和移动机器人 |
CN111914045B (zh) * | 2020-07-09 | 2023-06-30 | 珠海云洲智能科技股份有限公司 | 一种数据压缩方法、装置、终端设备及存储介质 |
CN111914045A (zh) * | 2020-07-09 | 2020-11-10 | 珠海云洲智能科技有限公司 | 一种数据压缩方法、装置、终端设备及存储介质 |
CN112578798A (zh) * | 2020-12-18 | 2021-03-30 | 珠海格力智能装备有限公司 | 机器人地图获取方法、装置、处理器和电子装置 |
CN112667924A (zh) * | 2020-12-18 | 2021-04-16 | 珠海格力智能装备有限公司 | 机器人地图获取方法、装置、处理器和电子装置 |
CN112667924B (zh) * | 2020-12-18 | 2023-10-27 | 珠海格力智能装备有限公司 | 机器人地图获取方法、装置、处理器和电子装置 |
CN112578798B (zh) * | 2020-12-18 | 2024-02-27 | 珠海格力智能装备有限公司 | 机器人地图获取方法、装置、处理器和电子装置 |
CN112859874A (zh) * | 2021-01-25 | 2021-05-28 | 上海思岚科技有限公司 | 用于移动机器人的动态环境区域运维方法与设备 |
CN113008237A (zh) * | 2021-02-25 | 2021-06-22 | 苏州臻迪智能科技有限公司 | 一种路径规划方法及装置、飞行器 |
CN112947465A (zh) * | 2021-03-08 | 2021-06-11 | 珠海市一微半导体有限公司 | 一种防止栅格概率地图持续恶化的方法、芯片和机器人 |
CN113052940A (zh) * | 2021-03-14 | 2021-06-29 | 西北工业大学 | 一种基于声呐的时空关联地图实时构建方法 |
CN113052940B (zh) * | 2021-03-14 | 2024-03-15 | 西北工业大学 | 一种基于声呐的时空关联地图实时构建方法 |
CN112947472B (zh) * | 2021-03-19 | 2022-11-04 | 北京小狗吸尘器集团股份有限公司 | 栅格地图实时构建方法、装置、可读介质及扫地机器人 |
CN112947472A (zh) * | 2021-03-19 | 2021-06-11 | 北京小狗吸尘器集团股份有限公司 | 栅格地图实时构建方法、装置、可读介质及扫地机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN108709562B (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108709562A (zh) | 一种移动机器人滚动栅格地图构建方法 | |
WO2021135645A1 (zh) | 一种地图更新方法及装置 | |
CN106249232B (zh) | 基于目标运动态势信息数据关联策略的目标跟踪方法 | |
CN111338359B (zh) | 一种基于距离判断和角度偏转的移动机器人路径规划方法 | |
Newman et al. | Towards constant-time SLAM on an autonomous underwater vehicle using synthetic aperture sonar | |
CN105068550B (zh) | 一种基于拍卖模式的水下机器人多目标选择方法 | |
MacKenzie et al. | Precise positioning using model-based maps | |
Guan et al. | KLD sampling with Gmapping proposal for Monte Carlo localization of mobile robots | |
CN111381245B (zh) | 激光slam自适应分辨率栅格地图构建方法 | |
Ge et al. | Boundary following and globally convergent path planning using instant goals | |
Kim et al. | SLAM in indoor environments using omni-directional vertical and horizontal line features | |
CN103901891A (zh) | 一种基于层次结构的动态粒子树slam算法 | |
KR100601946B1 (ko) | 로봇의 전역 위치 추정 방법 | |
CN112904358B (zh) | 基于几何信息的激光定位方法 | |
Hughes et al. | Ultrasonic robot localization using Dempster-Shafer theory | |
Demirli et al. | Fuzzy dynamic localization for mobile robots | |
Rao et al. | Randomized algorithms for minimum distance localization | |
Park et al. | Long-term stealth navigation in a security zone where the movement of the invader is monitored | |
Zong et al. | A method for robustness improvement of robot obstacle avoidance algorithm | |
Steffens et al. | Multiresolution path planning in dynamic environments for the standard platform league | |
Kim et al. | Unscented information filtering method for reducing multiple sensor registration error | |
CN117570998B (zh) | 基于反光柱信息的机器人定位方法及系统 | |
Xu et al. | Perception-aware a* path planning for range-based navigation | |
WO2023231757A1 (zh) | 基于地图区域轮廓的设置方法与机器人沿边结束控制方法 | |
Chen et al. | Probabilistic map building by coordinated mobile sensors |
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 |