CN109189074A - 一种用于仓储环境的室内自主建图方法 - Google Patents
一种用于仓储环境的室内自主建图方法 Download PDFInfo
- Publication number
- CN109189074A CN109189074A CN201811140885.XA CN201811140885A CN109189074A CN 109189074 A CN109189074 A CN 109189074A CN 201811140885 A CN201811140885 A CN 201811140885A CN 109189074 A CN109189074 A CN 109189074A
- Authority
- CN
- China
- Prior art keywords
- grid
- information
- region
- warehousing forklift
- exit region
- 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 40
- 238000003860 storage Methods 0.000 title claims abstract description 34
- 238000011156 evaluation Methods 0.000 claims abstract description 36
- 230000004888 barrier function Effects 0.000 claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 230000004927 fusion Effects 0.000 claims abstract description 5
- 238000013500 data storage Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001915 proofreading 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Electromagnetism (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明公开了一种用于仓储环境的室内自主建图方法,通过在仓储叉车上安装各类传感器采集环境信息,进行数据存储、数据融合和数据处理,通过基于图优化的SLAM算法实现栅格地图的实时创建;确定当前建立的栅格地图上所有的出口区域,基于距离评价函数值对出口区域进行排序,选择值最大的出口区域作为下一个探索目标;如规定时间内未到达下一个探索目标,则选择次大值作为下一个探索目标;到达下一个探索目标后,采用相同的方法进行栅格地图的创建和扩展。本发明方法可增强对细小障碍物的识别,进而为地图增添障碍物信息,提高建图的效率和地图的精度。
Description
技术领域
本发明涉及控制自动化技术领域,具体涉及一种基于即时定位与地图构建(SLAM,Simultaneous localization and Mapping)技术的仓储环境的室内自主建图方法。
背景技术
随着工业4.0和中国制造2025概念的提出,智能物流成为了农资仓储现在以及未来一个至关重要的问题。如何降低人力成本、充分发挥现有物流资源供应效率,提高仓储叉车的智能性成为关注的重点。
为了实现智能物流,智能导航是关键技术,主要由地图构建、定位和路径规划三部分构成。其中,在室内仓储环境中,自主探索是叉车所需的关键功能之一,也是决定仓储叉车能够定位、路径规划、自主智能化的前提。一味的依赖认为应道进行环境探索和遍历,工作量非常繁琐和巨大。
因此,极有必要开发一种能够在仓储环境中,更加智能的叉车系统及方法,能够更有效地在室内环境中完成自主建图的任务。
发明内容
本发明提供了一种用于仓储环境的室内自主建图方法,用以加快建图效率、完善地图信息、提升仓储环境下建图的自动化和智能化水平。
为了实现上述任务,本发明采用以下技术方案:
一种用于仓储环境的室内自主建图方法,所述的方法在仓储叉车上设置有:
激光雷达,安装在仓储叉车的顶部,用于获取当前环境360°的实时激光扫描数据;Kinect传感器,安装在仓储叉车的后部,用于采集仓储叉车正后方环境的深度信息和点云信息;惯性传感器,安装在仓储叉车的底盘上,用于采集仓储叉车的加速度信息和旋转角度信息;工控机,用于接收激光雷达、Kinect传感器、惯性传感器采集的信息,利用这些信息进行室内自主建图,同时控制仓储叉车的运动;所述的自主建图方法包括以下步骤:
步骤1,仓储叉车当前为静止状态,利用激光雷达、Kinect传感器、惯性传感器进行信息采集,并将采集的信息传递给工控机;
步骤2,工控机对采集的信息进行数据存储、数据融合和数据处理,通过基于图优化的SLAM算法实现栅格地图的实时创建并获取当前叉车的坐标;
步骤3,计算出当前建立的栅格地图上的出口区域,基于距离评价函数创建出口区域序列,依据从大到小的排列原则,选择评价函数值最大的出口区域作为下一个探索目标,并使仓储叉车到达下一个探索目标;如规定的时间内没有到达,则选择评价函数值次大的出口区域作为下一个探索目标;
步骤4,当仓储叉车到达下一个探索目标处后,按照步骤1至步骤3相同的过程执行,以扩展新的栅格地图区域。
进一步地,所述的步骤2具体包括:
步骤2.1,工控机接收到激光雷达、Kinect传感器、惯性传感器传递来的信息后,将这些信息进行存储;
步骤2.2,对激光扫描数据和点云信息进行融合和转换
通过IRA工具包将激光扫描数据转化成点云数据,再和Kinect的点云数据进行融合,最终统一转换成激光类型数据的格式Laserscan消息;
步骤2.3,采用基于图优化的SLAM算法,利用所述的Lasersan消息以及惯性传感器采集的加速度信息和转角信息创建2D栅格地图,并获取仓储叉车当前静止状态下的坐标。
进一步地,步骤3中所述的计算出当前建立的栅格地图上的出口区域,包括:
步骤3.1,将激光雷达获取的笛卡尔坐标系下的激光扫描数据转化为极坐标下的数据,得到每个激光扫描数据的距离信息和角度信息,再依据所述的角度信息,对激光扫描数据的距离信息进行排序分类,得到排序后的激光扫描数据序列;
步骤3.2,根据步骤3.1得到的序列,使用DDA画线算法,将激光扫描数据构成轮廓;
将激光扫描数据范围内的区域记为已知区域Sknown,其他区域记为未知区域Sunknown,将已知区域内的栅格状态标记为已知,范围之外的栅格状态标记为未知;
在已知区域中,将轮廓位置所对应的栅格区域记为已知障碍区域Soccupied,其余区域记为已知空闲区域Sfree;将已知障碍区域内的栅格的占用状态标记为已占用,已知空闲区域的栅格的占用状态标记为未占用;
步骤3.3,在栅格地图中,对于所有状态为已知的栅格,获取出口区域对应的栅格,从而确定出口区域及其坐标;所述的出口区域的条件为:
对于已知空闲区域Sfree内的任意一个栅格e,如果栅格e的8邻域栅格U(e)中,存在两个栅格e1,e2,满足e1是未知区域Sunknown中的栅格、e2是已知区域Sknown中的栅格,则栅格e为出口区域对应的栅格;
将所有满足上述条件且相邻的栅格e构成一个出口区域Sopen;
通过步骤3.3,可以确定已知区域中的所有出口区域,将每个出口区域的栅格中,位于最中间的一个栅格的坐标作为该出口区域的坐标(xop,yop)。
进一步地,步骤3所述的基于距离评价函数创建出口区域序列,依据从大到小的排列原则,选择评价函数值最大的出口区域作为下一个探索目标,并使仓储叉车到达下一个探索目标;如规定的时间内没有到达,则选择评价函数值次大的出口区域作为下一个探索目标,包括:
步骤3.4,按照下面的距离评价函数,分别计算每个出口区域的评价函数值Dist(Sopen):
上式中,(x0,y0)表示仓储叉车当前的坐标,(xop,yop)为出口区域的坐标;
将评价函数值按照由大到小的顺序进行排序,选择最大的评价函数值对应的出口区域的坐标作为仓储叉车下一个探索目标;
步骤3.5,规划仓储叉车从当前位置到达下一个探索目标的多条路径,然后从所述的多条路径中选择一条最短路径,将最短路径转化为仓储叉车的运动指令,然后启动仓储叉车,使仓储叉车通过该最短路径到达下一个探索目标处;到达后,使仓储叉车处于静止状态;
步骤3.6,若仓储叉车在设定的时间T内不能到达下一个探索目标,则在到达时间T时,使仓储叉车停止运动,根据步骤3.3中评价函数值的排序结果,选择评价函数值次大的出口区域作为下一个探索目标,执行步骤3.5;以此类推,直至仓储叉车能在设定的时间T内到达下一个探索目标处。
进一步地,所述的自主建图方法还包括:
步骤5,在步骤1至步骤4的执行过程中,上位机实时显示已经建立的栅格地图,以及仓储叉车当前的位置、启停信息;上位机从工控机中提取Laserscan消息,进行仓储环境的特征提取,在建立的栅格地图的基础上,为其增添语义信息,从而完善地图层次。
进一步地,所述的进行仓储环境的特征提取,在建立的栅格地图的基础上,为其增添语义信息,从而完善地图层次,包括:
首先对栅格地图中的栅格进行聚类,并构建数据空间;
其次在所述的数据空间中,通过χ2假设检验依次测试每个栅格的左右邻域,并构建概率空间,实现对栅格的区域划分;
然后在不同的概率区域中,利用带权重的最小二乘法提取仓储环境中的特征,包括角点、线段与圆弧特征;
最后,依据提取的特征,通过Euclidean距离准则实现角点、线段、圆弧特征和仓库环境特征的匹配,并对在栅格地图上添加对应的语义。
本发明具有以下技术特点:
1.本发明通过融合Kinect点云数据和激光数据,相较于单独使用激光扫描数据或Kinect点云数据作为输入,可增强对细小障碍物的识别,进而为地图增添障碍物信息,提高建图的效率和地图的精度。
2.本发明在建立的二维栅格地图基础上,根据仓储环境的特征,进行特征提取、匹配和融合,为地图增添了语义信息,对仓库布局进行初步划分,完善了地图层次和信息,方便后续导航的操作,实现了人机交互。
附图说明
图1为本发明方法的自主建图过程的框架图;
图2为本发明的仓储叉车控制系统示意图;
图3为本发明方法的自主建图过程流程示意图;
图4为增添语义信息的流程图。
具体实施方式
本发明公开了一种用于仓储环境的室内自主建图方法,如图1、图3所示,该方法在仓储叉车上设置有:
激光雷达,安装在仓储叉车的顶部,用于获取当前环境360°的实时激光扫描数据;Kinect传感器,安装在仓储叉车的后部,用于采集仓储叉车正后方环境的深度信息和点云信息;惯性传感器,安装在仓储叉车的底盘上,用于采集仓储叉车的加速度信息和旋转角度信息;工控机,安装在仓储叉车驾驶室中,用于接收激光雷达、Kinect传感器、惯性传感器采集的信息,利用这些信息进行室内自主建图,同时与仓储叉车的ECU单元连接,控制仓储叉车的运动;上位机,用于实时获取和监控仓储叉车状态以及当前建立的地图信息,同时生成带有语义信息的二维栅格地图,如图2所示。
其中:激光雷达、Kinect传感器、惯性传感器通过USB串口和工控机连接,工控机通过WIFI和上位机无线连接;上位机可采用PC计算机,工控机可采用PLC控制器;本实施例中,所述的仓储叉车采用前轮转向后轮驱动式仓储叉车。
本方案的基本思路是,通过基于图优化的SLAM算法、探索策略和路径规划算法,完成仓储叉车对仓储室内未知区域地图的自主构建和定位;通过特征提取、特征匹配和特征融合算法,为地图增添语义信息,对仓库布局进行初步划分;同时可在上位机上实时获取和监控叉车状态和地图信息,实现叉车对室内仓储环境的自主探索,生成带有语义信息的二维栅格地图。本发明的具体步骤如下:
步骤1,仓储叉车当前为静止状态,利用激光雷达、Kinect传感器、惯性传感器进行信息采集;具体地,激光雷达获取当前的激光扫描数据、Kinect传感器获取仓储叉车正后方的深度信息和点云信息、惯性传感器采集叉车的加速度信息和转角信息,并将这些信息传递给工控机。
步骤2,工控机接收到所述的信息后,进行数据存储、数据融合和数据处理,通过基于图优化的SLAM算法实现栅格地图的实时创建并获取当前叉车的坐标;
步骤2.1,工控机接收到激光雷达、Kinect传感器、惯性传感器传递来的信息后,将这些信息进行存储;
步骤2.2,对激光扫描数据和点云信息进行融合和转换
通过IRA工具包将激光扫描数据转化成点云数据,再和Kinect的点云数据进行融合,最终统一转换成激光类型数据的格式Laserscan消息;
步骤2.3,采用基于图优化的SLAM算法,利用所述的Lasersan消息以及惯性传感器采集的加速度信息和转角信息创建2D栅格地图,并获取仓储叉车当前静止状态下的坐标;例如可以以叉车静止状态下所处的位置作为原点,则坐标为(0,0);所述的仓储叉车的坐标是指叉车中心对应的栅格地图中栅格的坐标。
步骤3,计算出当前建立的栅格地图上的出口区域,基于距离评价函数创建出口区域序列,依据从大到小的排列原则,选择评价函数值最大的出口区域作为下一个探索目标,并使仓储叉车到达下一个探索目标;如规定的时间内没有到达,则选择评价函数值次大的出口区域作为下一个探索目标。
步骤3.1,利用atan2和sqrt函数将激光雷达获取的笛卡尔坐标系下的激光扫描数据转化为极坐标下的数据,可以得到每个激光扫描数据的距离信息和角度信息,再依据所述的角度信息,对激光扫描数据的距离信息进行排序分类,得到排序后的激光扫描数据序列;
步骤3.2,根据步骤3.1得到的序列,使用DDA画线算法,计算所述的序列中,每相邻的两个激光扫描数据(即激光点)之间的线长,将能建立线长的激光扫描数据构成轮廓;该轮廓即仓储环境中的各种障碍物以及墙壁等边界,而除此之外的其余区域则认为是通道;
将激光扫描数据范围内的区域记为已知区域Sknown,其他区域记为未知区域Sunknown,将已知区域内的栅格状态标记为已知,范围之外的栅格状态标记为未知;
在已知区域中,将轮廓位置所对应的栅格区域记为已知障碍区域Soccupied,其余区域记为已知空闲区域Sfree;将已知障碍区域内的栅格的占用状态标记为已占用,已知空闲区域的栅格的占用状态标记为未占用。
步骤3.3,在栅格地图中,对于所有状态为已知的栅格,获取出口区域对应的栅格,从而确定出口区域及其坐标;所述的出口区域的条件为:
对于已知空闲区域Sfree内的任意一个栅格e,如果栅格e的8邻域栅格U(e)中,存在两个栅格e1,e2,满足e1是未知区域Sunknown中的栅格、e2是已知区域Sknown中的栅格,则栅格e为出口区域对应的栅格,用代码表示为:
将所有满足上述条件且相邻的栅格e构成一个出口区域Sopen。
通过上述方法,可以确定已知区域中的所有出口区域,将每个出口区域的栅格中,位于最中间的一个栅格的坐标作为该出口区域的坐标(xop,yop)。如果位于最中间的栅格有多个,则将这些栅格的坐标取平均作为出口区域的坐标;将已确定的出口区域进行标记并保存。
步骤3.4,按照下面的距离评价函数,分别计算每个出口区域的评价函数值Dist(Sopen):
上式中,(x0,y0)表示仓储叉车当前的坐标,(xop,yop)为出口区域的坐标。
按照上面的公式,计算出了每个出口区域的评价函数值,然后将评价函数值按照由大到小的顺序进行排序,例如排序结果为:[Dist(Sopen1),Dist(Sopen2),...,Dist(SopenN)],其中1,2,...N为出口区域编号;选择最大的评价函数值对应的出口区域Sopen1的坐标作为仓储叉车下一个探索目标。
步骤3.5,通过global_planner全局路径规划器规划仓储叉车从当前位置到达下一个探索目标的多条路径,然后利用A*算法从所述的多条路径中选择一条最短路径,将最短路径转化为仓储叉车的运动指令,然后启动仓储叉车,使仓储叉车通过该最短路径到达下一个探索目标处;到达后,使仓储叉车处于静止状态。
步骤3.6,若仓储叉车在设定的时间T内不能到达下一个探索目标,则在到达时间T时,使仓储叉车停止运动,根据步骤3.3中评价函数值的排序结果,选择评价函数值次大的出口区域Sopen2作为下一个探索目标,执行步骤3.5;如设定的时间T内仍不能到达,则根据排序结果再选择次大的一个评价函数值对应的出口区域Sopen3作为下一个探索目标,以此类推,直至仓储叉车能在设定的时间T内到达下一个探索目标处。
步骤4,当仓储叉车到达下一个探索目标处后,按照步骤1至步骤3相同的过程执行,以扩展新的栅格地图区域;则重复上述步骤,可使仓储叉车依次对仓储环境的不同区域进行探索。
当仓储叉车到达某个探索目标后,不能按照步骤3.3的方法确定新的出口区域,则表明仓储环境的地图建立已经完成。
进一步地,本发明方法在上述技术方案的基础上,还可以包括:
步骤5,在步骤1至步骤4的执行过程中,上位机实时显示已经建立的栅格地图,以及仓储叉车当前的位置、启停信息;
上位机从工控机中提取Laserscan消息(步骤2.2),进行仓储环境的特征提取,在建立的栅格地图的基础上,为其增添语义信息,从而完善地图层次,具体地:
首先对栅格地图中的栅格进行聚类,并构建数据空间;
其次在所述的数据空间中,通过χ2假设检验依次测试每个栅格的左右邻域,并构建概率空间,实现对栅格的区域划分;
然后在不同的概率区域中,利用带权重的最小二乘法提取仓储环境中的特征,包括角点、线段与圆弧特征;
最后,依据提取的特征,通过Euclidean距离准则实现角点、线段、圆弧特征和仓库环境特征的匹配,并对在栅格地图上添加对应的语义。这里的仓库环境特征,是指仓库本身具有的环境特征,例如规则的已知障碍区域,即为货架的环境特征,如规则的已知空闲区域,即为进仓装卸区或出仓装卸区的环境特征等。将语义信息(即货架、进仓装卸区等)在栅格地图上进行标注;为了保证精确,还可以在上位机上通过人工校对的方式,对标注的语义信息进行纠错,具体流程图如图4所示。
Claims (6)
1.一种用于仓储环境的室内自主建图方法,其特征在于,所述的自主建图方法在仓储叉车上设置有:
激光雷达,安装在仓储叉车的顶部,用于获取当前环境360°的实时激光扫描数据;Kinect传感器,安装在仓储叉车的后部,用于采集仓储叉车正后方环境的深度信息和点云信息;惯性传感器,安装在仓储叉车的底盘上,用于采集仓储叉车的加速度信息和旋转角度信息;工控机,用于接收激光雷达、Kinect传感器、惯性传感器采集的信息,利用这些信息进行室内自主建图,同时控制仓储叉车的运动;所述的自主建图方法包括以下步骤:
步骤1,仓储叉车当前为静止状态,利用激光雷达、Kinect传感器、惯性传感器进行信息采集,并将采集的信息传递给工控机;
步骤2,工控机对采集的信息进行数据存储、数据融合和数据处理,通过基于图优化的SLAM算法实现栅格地图的实时创建并获取当前叉车的坐标;
步骤3,计算出当前建立的栅格地图上的出口区域,基于距离评价函数创建出口区域序列,依据从大到小的排列原则,选择评价函数值最大的出口区域作为下一个探索目标,并使仓储叉车到达下一个探索目标;如规定的时间内没有到达,则选择评价函数值次大的出口区域作为下一个探索目标;
步骤4,当仓储叉车到达下一个探索目标处后,按照步骤1至步骤3相同的过程执行,以扩展新的栅格地图区域。
2.如权利要求1所述的用于仓储环境的室内自主建图方法,其特征在于,所述的步骤2具体包括:
步骤2.1,工控机接收到激光雷达、Kinect传感器、惯性传感器传递来的信息后,将这些信息进行存储;
步骤2.2,对激光扫描数据和点云信息进行融合和转换
通过IRA工具包将激光扫描数据转化成点云数据,再和Kinect的点云数据进行融合,最终统一转换成激光类型数据的格式Laserscan消息;
步骤2.3,采用基于图优化的SLAM算法,利用所述的Lasersan消息以及惯性传感器采集的加速度信息和转角信息创建2D栅格地图,并获取仓储叉车当前静止状态下的坐标。
3.如权利要求1所述的用于仓储环境的室内自主建图方法,其特征在于,步骤3中所述的计算出当前建立的栅格地图上的出口区域,包括:
步骤3.1,将激光雷达获取的笛卡尔坐标系下的激光扫描数据转化为极坐标下的数据,得到每个激光扫描数据的距离信息和角度信息,再依据所述的角度信息,对激光扫描数据的距离信息进行排序分类,得到排序后的激光扫描数据序列;
步骤3.2,根据步骤3.1得到的序列,使用DDA画线算法,将激光扫描数据构成轮廓;
将激光扫描数据范围内的区域记为已知区域Sknown,其他区域记为未知区域Sunknown,将已知区域内的栅格状态标记为已知,范围之外的栅格状态标记为未知;
在已知区域中,将轮廓位置所对应的栅格区域记为已知障碍区域Soccupied,其余区域记为已知空闲区域Sfree;将已知障碍区域内的栅格的占用状态标记为已占用,已知空闲区域的栅格的占用状态标记为未占用;
步骤3.3,在栅格地图中,对于所有状态为已知的栅格,获取出口区域对应的栅格,从而确定出口区域及其坐标;所述的出口区域的条件为:
对于已知空闲区域Sfree内的任意一个栅格e,如果栅格e的8邻域栅格U(e)中,存在两个栅格e1,e2,满足e1是未知区域Sunknown中的栅格、e2是已知区域Sknown中的栅格,则栅格e为出口区域对应的栅格;
将所有满足上述条件且相邻的栅格e构成一个出口区域Sopen;
通过步骤3.3,可以确定已知区域中的所有出口区域,将每个出口区域的栅格中,位于最中间的一个栅格的坐标作为该出口区域的坐标(xop,yop)。
4.如权利要求1所述的用于仓储环境的室内自主建图方法,其特征在于,步骤3所述的基于距离评价函数创建出口区域序列,依据从大到小的排列原则,选择评价函数值最大的出口区域作为下一个探索目标,并使仓储叉车到达下一个探索目标;如规定的时间内没有到达,则选择评价函数值次大的出口区域作为下一个探索目标,包括:
步骤3.4,按照下面的距离评价函数,分别计算每个出口区域的评价函数值Dist(Sopen):
上式中,(x0,y0)表示仓储叉车当前的坐标,(xop,yop)为出口区域的坐标;
将评价函数值按照由大到小的顺序进行排序,选择最大的评价函数值对应的出口区域的坐标作为仓储叉车下一个探索目标;
步骤3.5,规划仓储叉车从当前位置到达下一个探索目标的多条路径,然后从所述的多条路径中选择一条最短路径,将最短路径转化为仓储叉车的运动指令,然后启动仓储叉车,使仓储叉车通过该最短路径到达下一个探索目标处;到达后,使仓储叉车处于静止状态;
步骤3.6,若仓储叉车在设定的时间T内不能到达下一个探索目标,则在到达时间T时,使仓储叉车停止运动,根据步骤3.3中评价函数值的排序结果,选择评价函数值次大的出口区域作为下一个探索目标,执行步骤3.5;以此类推,直至仓储叉车能在设定的时间T内到达下一个探索目标处。
5.如权利要求1所述的用于仓储环境的室内自主建图方法,其特征在于,所述的自主建图方法还包括:
步骤5,在步骤1至步骤4的执行过程中,上位机实时显示已经建立的栅格地图,以及仓储叉车当前的位置、启停信息;上位机从工控机中提取Laserscan消息,进行仓储环境的特征提取,在建立的栅格地图的基础上,为其增添语义信息,从而完善地图层次。
6.如权利要求5所述的用于仓储环境的室内自主建图方法,其特征在于,所述的进行仓储环境的特征提取,在建立的栅格地图的基础上,为其增添语义信息,从而完善地图层次,包括:
首先对栅格地图中的栅格进行聚类,并构建数据空间;
其次在所述的数据空间中,通过χ2假设检验依次测试每个栅格的左右邻域,并构建概率空间,实现对栅格的区域划分;
然后在不同的概率区域中,利用带权重的最小二乘法提取仓储环境中的特征,包括角点、线段与圆弧特征;
最后,依据提取的特征,通过Euclidean距离准则实现角点、线段、圆弧特征和仓库环境特征的匹配,并对在栅格地图上添加对应的语义。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811140885.XA CN109189074B (zh) | 2018-09-28 | 2018-09-28 | 一种用于仓储环境的室内自主建图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811140885.XA CN109189074B (zh) | 2018-09-28 | 2018-09-28 | 一种用于仓储环境的室内自主建图方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109189074A true CN109189074A (zh) | 2019-01-11 |
CN109189074B CN109189074B (zh) | 2022-01-28 |
Family
ID=64907585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811140885.XA Active CN109189074B (zh) | 2018-09-28 | 2018-09-28 | 一种用于仓储环境的室内自主建图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109189074B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109467A (zh) * | 2019-05-31 | 2019-08-09 | 北京极智嘉科技有限公司 | 机器人的转弯路径控制方法、装置、存储介质及机器人 |
CN110231034A (zh) * | 2019-06-10 | 2019-09-13 | 国网江苏省电力有限公司南京供电分公司 | 室外堆场物资间接定位方法与可视化模型 |
CN110942514A (zh) * | 2019-11-26 | 2020-03-31 | 三一重工股份有限公司 | 一种生成点云数据和全景图像的方法、系统及装置 |
CN111652462A (zh) * | 2020-04-17 | 2020-09-11 | 湘潭大学 | 一种农用地重金属污染及潜在生态风险的评价方法 |
CN112102647A (zh) * | 2019-06-17 | 2020-12-18 | 丰田自动车北美公司 | 通过车辆微云进行的协作停车位寻找 |
CN112179332A (zh) * | 2020-09-30 | 2021-01-05 | 劢微机器人科技(深圳)有限公司 | 无人叉车混合定位方法及系统 |
CN112988609A (zh) * | 2019-12-02 | 2021-06-18 | 杭州海康机器人技术有限公司 | 数据处理方法、装置、存储介质和客户端 |
CN114001743A (zh) * | 2021-10-29 | 2022-02-01 | 京东方科技集团股份有限公司 | 地图绘制方法,装置,系统,存储介质及电子设备 |
WO2022121460A1 (zh) * | 2020-12-07 | 2022-06-16 | 兰剑智能科技股份有限公司 | Agv智能叉车及地堆库存区域站台状态的检测方法、装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169344A (zh) * | 2010-12-30 | 2011-08-31 | 南开大学 | 未知环境下通讯距离受限的多机器人协作探索与建图方法 |
CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
CN105487535A (zh) * | 2014-10-09 | 2016-04-13 | 东北大学 | 一种基于ros的移动机器人室内环境探索系统与控制方法 |
-
2018
- 2018-09-28 CN CN201811140885.XA patent/CN109189074B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169344A (zh) * | 2010-12-30 | 2011-08-31 | 南开大学 | 未知环境下通讯距离受限的多机器人协作探索与建图方法 |
CN105487535A (zh) * | 2014-10-09 | 2016-04-13 | 东北大学 | 一种基于ros的移动机器人室内环境探索系统与控制方法 |
CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
Non-Patent Citations (2)
Title |
---|
霍光磊: "服务机器人室内环境层次化地图构建方法研究", 《中国博士学位论文全文数据库信息科技辑》 * |
高环宇等: "基于Frontier-Based边界探索和探索树的未知区域探索方法", 《计算机应用》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109467A (zh) * | 2019-05-31 | 2019-08-09 | 北京极智嘉科技有限公司 | 机器人的转弯路径控制方法、装置、存储介质及机器人 |
CN110231034A (zh) * | 2019-06-10 | 2019-09-13 | 国网江苏省电力有限公司南京供电分公司 | 室外堆场物资间接定位方法与可视化模型 |
CN110231034B (zh) * | 2019-06-10 | 2023-05-09 | 国网江苏省电力有限公司南京供电分公司 | 室外堆场物资间接定位方法与可视化模型 |
CN112102647A (zh) * | 2019-06-17 | 2020-12-18 | 丰田自动车北美公司 | 通过车辆微云进行的协作停车位寻找 |
CN110942514A (zh) * | 2019-11-26 | 2020-03-31 | 三一重工股份有限公司 | 一种生成点云数据和全景图像的方法、系统及装置 |
CN112988609A (zh) * | 2019-12-02 | 2021-06-18 | 杭州海康机器人技术有限公司 | 数据处理方法、装置、存储介质和客户端 |
CN112988609B (zh) * | 2019-12-02 | 2023-05-02 | 杭州海康机器人股份有限公司 | 数据处理方法、装置、存储介质和客户端 |
CN111652462A (zh) * | 2020-04-17 | 2020-09-11 | 湘潭大学 | 一种农用地重金属污染及潜在生态风险的评价方法 |
CN111652462B (zh) * | 2020-04-17 | 2023-08-15 | 湘潭大学 | 一种农用地重金属污染及潜在生态风险的评价方法 |
CN112179332A (zh) * | 2020-09-30 | 2021-01-05 | 劢微机器人科技(深圳)有限公司 | 无人叉车混合定位方法及系统 |
WO2022121460A1 (zh) * | 2020-12-07 | 2022-06-16 | 兰剑智能科技股份有限公司 | Agv智能叉车及地堆库存区域站台状态的检测方法、装置 |
CN114001743A (zh) * | 2021-10-29 | 2022-02-01 | 京东方科技集团股份有限公司 | 地图绘制方法,装置,系统,存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109189074B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189074A (zh) | 一种用于仓储环境的室内自主建图方法 | |
CN108152823B (zh) | 一种基于视觉的无人驾驶叉车导航系统及其定位导航方法 | |
EP3438611B1 (en) | Path planning system and method for robot, robot and storage medium | |
EP3672762B1 (en) | Self-propelled robot path planning method, self-propelled robot and storage medium | |
Wang et al. | Efficient autonomous robotic exploration with semantic road map in indoor environments | |
CN111693050B (zh) | 基于建筑信息模型的室内中大型机器人导航方法 | |
CN112650237A (zh) | 基于聚类处理和人工势场的船舶路径规划方法和装置 | |
CN111982142B (zh) | 一种基于改进a星算法的智能车全局路径规划方法 | |
US20210255638A1 (en) | Area Division and Path Forming Method and Apparatus for Self-Moving Device and Automatic Working System | |
CN110647089A (zh) | 智能仓储物流机器人控制系统及控制方法 | |
Zhang et al. | A cognitively inspired system architecture for the Mengshi cognitive vehicle | |
CN110554700A (zh) | 一种关于移动机器人的房间与门的识别方法 | |
CN112925315A (zh) | 一种基于改进蚁群算法和a*算法的履带车路径规划方法 | |
CN111090285B (zh) | 一种导览机器人控制系统及导航和导览信息管理方法 | |
CN113505646B (zh) | 一种基于语义地图的目标搜索方法 | |
Kumar et al. | Robot path pursuit using probabilistic roadmap | |
CN112857370A (zh) | 一种基于时序信息建模的机器人无地图导航方法 | |
CN114998276A (zh) | 一种基于三维点云的机器人动态障碍物实时检测方法 | |
CN115223039A (zh) | 一种面向复杂环境的机器人半自主控制方法及系统 | |
Rasmussen et al. | Robot navigation using image sequences | |
Cao et al. | Global path conflict detection algorithm of multiple agricultural machinery cooperation based on topographic map and time window | |
US11179844B2 (en) | Robot and method for localizing robot | |
CN115805595B (zh) | 机器人导航方法、装置及杂物清理机器人 | |
CN113960999B (zh) | 移动机器人重定位方法、系统及芯片 | |
CN115657664A (zh) | 基于人类示教学习的路径规划方法、系统、设备及介质 |
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 |