CN109189074B - 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 PDF

Info

Publication number
CN109189074B
CN109189074B CN201811140885.XA CN201811140885A CN109189074B CN 109189074 B CN109189074 B CN 109189074B CN 201811140885 A CN201811140885 A CN 201811140885A CN 109189074 B CN109189074 B CN 109189074B
Authority
CN
China
Prior art keywords
forklift
information
map
grid
warehousing
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
CN201811140885.XA
Other languages
English (en)
Other versions
CN109189074A (zh
Inventor
吕恩利
陆华忠
水沁
刘妍华
郭嘉明
曾志雄
王昱
王飞仁
林伟加
董冰
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.)
South China Agricultural University
Original Assignee
South China Agricultural University
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 South China Agricultural University filed Critical South China Agricultural University
Priority to CN201811140885.XA priority Critical patent/CN109189074B/zh
Publication of CN109189074A publication Critical patent/CN109189074A/zh
Application granted granted Critical
Publication of CN109189074B publication Critical patent/CN109189074B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05D1/0231—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, 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
    • G05D1/0221—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, 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
    • G05D1/0223—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, 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
    • G05D1/0257—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, 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
    • G05D1/0276—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

一种用于仓储环境的室内自主建图方法
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)：
Figure BDA0001815782940000031
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：
Figure BDA0001815782940000061
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)：
Figure BDA0001815782940000071
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 (2)

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；
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Lasersc an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；
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)；
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)：
Figure FDA0003089057250000021
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；
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。
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。
CN201811140885.XA 2018-09-28 2018-09-28 一种用于仓储环境的室内自主建图方法 Active CN109189074B (zh)

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 CN109189074A (zh) 2019-01-11
CN109189074B true 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)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110109467B (zh) * 2019-05-31 2022-11-15 北京极智嘉科技股份有限公司 机器人的转弯路径控制方法、装置、存储介质及机器人
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
US10896609B2 (en) * 2019-06-17 2021-01-19 Toyota Motor North America, Inc. Cooperative parking space search by a vehicular micro cloud
CN110942514B (zh) * 2019-11-26 2022-11-29 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
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
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
CN112630786A (zh) * 2020-12-07 2021-04-09 兰剑智能科技股份有限公司 基于2d激光的agv缓存区盘点方法、装置及设备
CN114001743B (zh) * 2021-10-29 2024-08-27 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

Citations (3)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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 (3)

* Cited by examiner, † Cited by third party
Title
基于Frontier-Based边界探索和探索树的未知区域探索方法;高环宇等;《计算机应用》;20171220(第S2期);第120-123页 *
服务机器人室内环境层次化地图构建方法研究;霍光磊;《中国博士学位论文全文数据库信息科技辑》;20180115(第1期);摘要、第44-64页 *
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》.2017,(第S2期),第120-126，149页. *

Also Published As

Publication number Publication date
CN109189074A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN109189074B (zh) 一种用于仓储环境的室内自主建图方法
CN109541634B (zh) 一种路径规划方法、装置和移动设备
Wang et al. Efficient autonomous robotic exploration with semantic road map in indoor environments
EP3063598B1 (en) Systems, methods, and industrial vehicles for determining the visibility of features
CN109163722B (zh) 一种仿人机器人路径规划方法及装置
CN107703945A (zh) 一种多目标融合的智能农用机械路径规划方法
Schmid et al. A unified approach for autonomous volumetric exploration of large scale environments under severe odometry drift
CN111609852A (zh) 语义地图构建方法、扫地机器人及电子设备
Al-Mutib et al. D* lite based real-time multi-agent path planning in dynamic environments
CN110806211A (zh) 机器人自主探索建图的方法、设备及存储介质
CN111609853B (zh) 三维地图构建方法、扫地机器人及电子设备
EP4180895B1 (en) Autonomous mobile robots for coverage path planning
JP2017146710A (ja) 搬送計画生成装置および搬送計画生成方法
CN115223039A (zh) 一种面向复杂环境的机器人半自主控制方法及系统
US12105519B2 (en) Method for estimating positioning of moving object by using big cell grid map, recording medium in which program for implementing same is stored, and computer program stored in medium in order to implement same
CN116661505B (zh) 机器人、机器人跟随方法、装置和存储介质
CN113375657A (zh) 电子地图的更新方法、装置和电子设备
Luo et al. Star-Searcher: A Complete and Efficient Aerial System for Autonomous Target Search in Complex Unknown Environments
CN117420560A (zh) 基于多传感器融合的动态环境增量式建图与定位方法
Chen et al. A Hybrid Planning Method for 3D Autonomous Exploration in Unknown Environments With a UAV
Tas et al. High-definition map update framework for intelligent autonomous transfer vehicles
CN116804766A (zh) 基于激光slam的agv多邻域路径规划优化方法
Cheng et al. Dynamic path planning in human-shared environments for low-resource mobile agents
CN113968235A (zh) 一种障碍物的区域层级确定方法、装置、设备和介质
Rawat Environment Perception for Autonomous Driving: A 1/10 Scale Implementation Of Low Level Sensor Fusion Using Occupancy Grid Mapping

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