CN109541634B - 一种路径规划方法、装置和移动设备 - Google Patents

一种路径规划方法、装置和移动设备 Download PDF

Info

Publication number
CN109541634B
CN109541634B CN201811628415.8A CN201811628415A CN109541634B CN 109541634 B CN109541634 B CN 109541634B CN 201811628415 A CN201811628415 A CN 201811628415A CN 109541634 B CN109541634 B CN 109541634B
Authority
CN
China
Prior art keywords
points
pixel
topological
distance
map
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
CN201811628415.8A
Other languages
English (en)
Other versions
CN109541634A (zh
Inventor
李保明
邹李兵
戴天荣
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.)
Goertek Inc
Original Assignee
Goertek Inc
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 Goertek Inc filed Critical Goertek Inc
Priority to CN201811628415.8A priority Critical patent/CN109541634B/zh
Priority to US16/625,193 priority patent/US11709058B2/en
Publication of CN109541634A publication Critical patent/CN109541634A/zh
Priority to PCT/CN2019/098779 priority patent/WO2020134082A1/zh
Application granted granted Critical
Publication of CN109541634B publication Critical patent/CN109541634B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/006—Theoretical aspects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/579—Depth or shape recovery from multiple images from motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种路径规划方法、装置和移动设备。本方法包括：通过移动设备的传感器采集视角内的环境信息，利用同步定位与地图构建SLAM算法对环境信息进行处理，构建得到栅格地图；对栅格地图进行划分得到像素块，将无障碍物占用的像素块构成的区域作为路径规划的搜索区域，并得到处理后的栅格地图；利用搜索区域中的像素点确定基准点，根据确定的基准点在处理后的栅格地图上布设拓扑点并构建得到拓扑地图；根据构建的拓扑地图，利用预定的算法计算起始点到设置的目标点之间的最优路径。本发明实施例提高了路径规划效率且节约了存储资源。

Description

一种路径规划方法、装置和移动设备
技术领域
本发明涉及同步定位与地图构建SLAM(Simultaneous Localization AndMapping)技术领域，具体涉及一种基于同步定位与地图构建的路径规划方法、装置和移动设备。
背景技术
随着近几年智能机器人、无人机、无人驾驶、虚拟现实等领域的火爆，SLAM也为大家熟知，并被认为是这些领域的关键技术之一。SLAM是机器人从未知环境的未知地点出发，在运动过程中通过重复观测到的地图特征(比如，墙角，柱子等)定位自身位置和姿态，再根据自身位置增量式的构建地图，从而达到同时定位和地图构建的目的。
根据所使用的传感器的不同，其主要解决方法主要有三种：基于RGB-D相机的SLAM，基于视觉的SLAM以及基于激光传感器的SLAM。激光SLAM是目前比较成熟的定位导航方案，目前基于激光的SLAM多数使用滤波器算法、概率算法、最小二乘法、以及图优化等，如常用的GMapping、Hector SLAM、Karto SLAM等算法，无论哪种算法都需要生成栅格地图，即将整个环境分为若干相同大小的栅格。虽然栅格地图容易构建，但是由于栅格地图的分辨率不依赖于环境的复杂度，导致路径规划效率低，空间浪费等问题。
发明内容
本发明提供了一种基于同步定位与地图构建的路径规划方法、装置和移动设备，提高了路径规划效率且节约了存储资源。
根据本申请的一个方面，提供了一种基于同步定位与地图构建的路径规划方法，包括：
通过移动设备的传感器采集视角内的环境信息，利用同步定位与地图构建SLAM算法对环境信息进行处理，构建得到栅格地图；
对栅格地图进行划分得到多个像素块，将无障碍物占用的像素块构成的区域作为路径规划的搜索区域，并得到处理后的栅格地图；
利用搜索区域中的像素点确定基准点，根据确定的基准点在处理后的栅格地图上布设拓扑点并构建得到拓扑地图；
根据构建的拓扑地图，利用预定的算法计算起始点到设置的目标点之间的最优路径。
根据本申请的另一个方面，提供了一种基于同步定位与地图构建的路径规划装置，包括：
栅格地图构建单元，通过移动设备的传感器采集视角内的环境信息，利用同步定位与地图构建SLAM算法对环境信息进行处理，构建得到栅格地图；
栅格地图处理单元，对栅格地图进行划分得到多个像素块，将无障碍物占用的像素块构成的区域作为路径规划的搜索区域，并得到处理后的栅格地图；
拓扑地图构建单元，利用搜索区域中的像素点确定基准点，根据确定的基准点在处理后的栅格地图上布设拓扑点并构建得到拓扑地图；
路径规划单元，根据构建的拓扑地图，利用预定的算法计算起始点到设置的目标点之间的最优路径。
根据本申请的又一个方面，提供了一种移动设备，包括：存储器和处理器，存储器和处理器之间通过内部总线通讯连接，存储器存储有能够被处理器执行的程序指令，程序指令被处理器执行时能够实现本申请一个方面的基于同步定位与地图构建的路径规划方法。
应用本发明实施例的基于同步定位与地图构建的路径规划方法和装置，通过对构建的栅格地图进行划分得到像素块，将无障碍物占用的像素块构成的区域作为路径规划的搜索区域，利用搜索区域中的像素点确定基准点并在栅格地图上布设拓扑点，构建拓扑地图，后续根据构建的拓扑地图，计算起始点到设置的目标点之间的最优路径。与现有技术基于像素点的路径规划方案相比，基于未被占用的像素块确定搜索区域，并根据搜索区域计算和规划最优路径，从而大大降低了地图的分辨率，提高了路径规划效率，节约了存储空间。本发明实施例的移动设备的路径规划效率高，避免了空间浪费问题。
附图说明
图1是本发明一个实施例的基于同步定位与地图构建的路径规划方法的流程示意图；
图2是本发明另一个实施例的基于同步定位与地图构建的路径规划方法的流程图；
图3是本发明一个实施例的栅格地图的示意图；
图4是本发明一个实施例的处理后的栅格地图的示意图；
图5是栅格地图上检测出角点的示意图；
图6是本发明一个实施例的规划的最优路径的示意图；
图7是本发明一个实施例的基于同步定位与地图构建的路径规划装置的框图；
图8是本发明一个实施例的移动设备的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。显然，所描述的实施例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做出创造性劳动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。
本发明的设计构思在于，针对现有技术的路径规划存在的规划效率低、空间浪费的问题，提出一种基于同步定位与地图构建的路径规划方案，通过基于像素块的网格划分、基于拓扑点的地图优化以及基于拓扑图的最短路径计算，提高了路径规划效率并且优化了存储资源。
图1是本发明一个实施例的基于同步定位与地图构建的路径规划方法的流程示意图，参见图1，本实施例的基于同步定位与地图构建的路径规划方法包括下列步骤：
步骤S101，通过移动设备的传感器采集视角内的环境信息，利用SLAM(Simultaneous Localization And Mapping，同步定位与地图构建)算法对环境信息进行处理，构建得到栅格地图；
步骤S102，对栅格地图进行划分得到多个像素块，将无障碍物占用的像素块构成的区域作为路径规划的搜索区域，并得到处理后的栅格地图；
步骤S103，利用搜索区域中的像素点确定基准点，根据确定的基准点在处理后的栅格地图上布设拓扑点并构建得到拓扑地图；
步骤S104，根据构建的拓扑地图，利用预定的算法计算起始点到设置的目标点之间的最优路径。
由图1所示可知，本实施例的路径规划方法，对构建的栅格地图进行划分得到像素块，基于无障碍物占用的像素块确定出路径规划的搜索区域，利用搜索区域中的像素点确定基准点，并根据确定的基准点布设拓扑点构建拓扑地图，再根据构建的拓扑地图来计算最优路径，与现有技术相比，依据像素块对地图进行网格划分，不需要对每个像素点都进行搜索，能够在保证规划效果的同时提高地图路径规划效率，并且节约了存储资源。
一个实施例中，步骤S104包括：利用预定的算法计算任意两个拓扑点间的最短距离并确定任意两个拓扑点的邻近信息，将任意两个拓扑点间的最短距离信息存储在链表中，计算起始点与距离起始点最近的拓扑点间的最短距离，作为第一距离；计算目标点与距离目标点最近的拓扑点间的最短距离，作为第二距离；查找链表得到距离起始点最近的拓扑点以及距离目标点最近的拓扑点间的最短距离，作为第三距离，由第一距离、第二距离以及第三距离相加之和，得到起始点到目标点之间的最优路径。由此可知，最优路径的计算通过三段均与拓扑点相关的距离即可确定得到，显著提高了路径规划的效率。
以下结合一个具体的应用场景对本发明实施例的基于同步定位与地图构建的路径规划方法的实现步骤进行说明。
参见图2，总的来看，本实施例的基于同步定位与地图构建的路径规划方法包括三大步骤，分别是：步骤一，基于像素块的网格划分，步骤二，基于拓扑点的地图优化以及步骤三，基于拓扑图的最短路径计算。下面依次对这三大步骤进行具体说明。
步骤一，基于像素块的网格划分
参见图2，这一步骤包括四个子步骤，分别是：激光数据获取、生成栅格地图、边缘检测、基于像素块的网格划分。
具体的，激光数据获取。本实施例中获取移动设备的激光传感器采集视角内的环境信息。激光传感器或称激光雷达，分为机械激光雷达和固态激光雷达，机械激光雷达通过旋转部件来控制激光发射角，采集不同视角内的环境信息。
生成栅格地图。利用SLAM算法生成栅格地图，SLAM算法是利用激光雷达采集一系列分散的、具有角度信息和距离信息的点云，通过对不同时刻两片点云的匹配与对比，计算激光雷达相对运动的距离和角度的改变，从而完成栅格地图建构，如图3所示，为本实施例的根据激光传感器采集的环境信息构建的栅格地图的示意。栅格地图可以理解为一个矩阵，矩阵中的值表征该位置被障碍物占用的概率。如图3所示，一般的，纯黑色点(即灰度值为0)的概率为1，代表占用；灰色点(灰度值为127)概率为0.5，代表未知；纯白色点(灰度值为255)概率为0，代表未被占用。也就是说，栅格地图中每个小格的颜色代表的是这一格被占用的概率，颜色越深则表明被占用率越高，也就是有更高的可能是障碍物/建筑物。之所以采用概率表示，是因为建立栅格地图要依赖于导航系统，导航系统都是有误差的，哪怕精度再高，因此基于这些位置信息建立出来的栅格地图不一定十分准确。
边缘检测。为了能够准确的提取出地图的可行域，本实施例中对栅格地图进行边缘检测。在进行边缘检测前，先对栅格地图进行二值化处理，将栅格地图中占有概率在0.4到1以内的像素点对应的位置确定为被障碍物占用，否则为空闲。本实施例中采用Canny边缘检测算法对栅格地图进行边缘检测，主要流程为：高斯滤波平滑图像→计算图像梯度的幅值和方向→非极大值抑制→双阈值检测及连接边缘→图像腐蚀膨胀。需要说明的是，Canny边缘检测算法为现有技术，所以有关边缘检测的实现细节可以参见现有技术中的说明，这里不再赘述。另外，本发明实施例不对边缘检测算法、具体实现方式进行限定，在一些实施例中边缘检测步骤可以略去。
基于像素块的网格划分。本实施例中对栅格地图进行划分得到像素块，将无障碍物占用的像素块构成的区域作为路径规划的搜索区域包括：利用多个面积相等的块状区域对栅格地图进行划分得到像素块，判断各像素块是否被障碍物占用，是则，将像素块中像素点的灰度值设为第一数值，否则，将像素块中像素点的灰度值设为第二数值。判断各像素块是否被障碍物占用的一种实现方式是：对各像素块，判断像素块的中心像素点是否被障碍物占用；如果中心像素点被障碍物占用，则遍历下一个像素块，直至所有像素块遍历完毕；如果中心像素点未被障碍物占用，则顺序遍历像素块中其余像素点，若其余像素点全部未被障碍物占用，则确定该像素块未被障碍物占用。
举例来说，按照从上到下、从左到右边的顺序，利用块状区域切割地图。比如每6*6像素(即块状区域面积＝6*6)为一网格，在利用块状区域对栅格地图进行划分过程中，当栅格地图上的待划分区域的面积小于块状区域的面积时，不足部分用第一数值(如0)填充后划分出块状区域，也就是说，在不够一网格时，不够的网格(通常位于地图的边缘部分)用0补齐。
划分出像素块后，遍历切割地图中的像素块，判断网格中心(即像素块的中心)像素点的占用情况。若占用，则认为当前处理的像素块已经被占用，继续对下一像素块是否被占用进行判断，直至所有像素块遍历并处理完毕；若非占用，则顺序遍历像素块中心像素点周围的像素点(例如，对3*3的像素块，顺序遍历中心点之外其余的8个像素点)，若周围的像素点全部为非占用，则确定该像素块可行(即该像素块是空闲的，可用于确定路径规划搜索区域)，将像素块内所有像素点的灰度值设为第二数值比如255；否则，确定该像素块为不可行，将各像素点的灰度值设为第一数值比如像素为0，得到二值化处理的栅格地图如图4所示，在图4中白色点的灰度值为255，黑色点灰度值为0。
注：本实施例中栅格地图分辨率对应栅格地图中一小格的长和宽，即，分辨率为Xcm代表地图中的每个格子长Xcm、宽Xcm。一般机器人底盘直径是地图分辨率的几倍之多，地图中有很多地方机器人是不可达的，换句话说，地图分辨率过高只会造成存储资源的浪费并影响路径规划效率。对此，本实施例中考虑到机器人的直径范围(用于分割的像素块面积的大小可以根据该直径范围继续调整)，通过像素块分割栅格地图并进行二值化，降低了地图的分辨率，避免了空间浪费，提高了路径规划效率且能够保证路径规划的效果。
步骤二，基于拓扑点的地图优化
栅格地图用于机器人定位导航时，每次进行路径规划都需要遍历像素点，当地图的面积较大时，运行效率很慢。本实施例中通过在栅格地图中设置拓扑点，并存储拓扑点的方式对其进行优化。
为了保证搜索的正确性，拓扑点需要在确定出的搜索区域中布设，本实施例中，先利用搜素区域中的像素点确定基准点，根据确定的基准点在处理后的栅格地图上布设拓扑点，比如对搜索区域中的像素点、边缘点或角点进行归类，将同类点作为基准点；计算基准点构成的区域的质心，并在处理后的栅格地图上各质心的位置上布设拓扑点。
也就是说，可以基于三种方式中的任一种来确定拓扑点的布设位置，即，分别对搜索区域中的像素点、边缘点或角点进行归类而后基于归类后的同类点确定基准点，计算基准点构成的区域的质心，在质心位置布设拓扑点即可。
可以理解一些场景中，也可以同时将三种方式中的任两种或全部应用到同一个栅格地图的拓扑点布设中。
这三种确定拓扑点的布设位置分别是：
对搜索区域中的像素点进行归类，具体的，根据任意两像素点间的距离和可见信息，对像素点进行归类，如果两像素点的可见信息为指示两像素点间无障碍物的可见信息且两像素点的距离小于或等于距离阈值，则将两像素点归为一类，得到同类点。
或者，对搜索区域中的边缘点进行归类，具体的，根据任意两边缘点间的距离和可见信息，对边缘点进行归类，如果两边缘点的可见信息为指示两边缘点间无障碍物的可见信息且两边缘点的距离小于或等于距离阈值，则将两边缘点归为一类，得到同类点，其中，边缘点是指搜索区域中与栅格地图上非搜索区域的像素点位置相邻的像素点。
或者，对搜索区域中的角点进行归类，具体的，检测搜索区域中的角点，根据任意两角点间的距离和可见信息，对角点进行归类，如果两角点的可见信息为指示两角点间无障碍物的可见信息且两角点的距离小于或等于距离阈值，则将两角点归为一类，得到同类点。
角点是地图中边缘方向变化剧烈的像素点，能够代表地图的特点，所以这里以角点为例来对布设拓扑点的实现过程进行说明。边缘点和角点都是对搜索区域中各像素点的进一步筛选，边缘点和角点通常也都是基于搜索区域中各像素点得到的。这两种处理方式，相比于直接对搜索区域中所有像素点进行处理的方式，进一步减少了数据处理量，提高了规划效率。
接着看图2，基于拓扑点的地图优化步骤包括四个子步骤分别为：角点检测→角点分类→拓扑点布放→拓扑地图构建。
1)角点检测。这里通过对地图进行Harris角点检测，得到地图中边缘方向变化剧烈的地方，以便拓扑点的布放。参见图5，图5中的星星符号(*)即为检测出的角点的示意。
2)角点分类。角点分类是根据任意两角点间的距离和可见信息，对角点进行归类，如果两角点的可见信息为指示两角点间无障碍物的可见信息且两角点的距离小于或等于距离阈值，则将两角点归为一类。即，根据角点之间的距离和可见性，对角点进行分类以便减小拓扑点放置的数量，进而提高路径规划效率。若两角点可见(即两角点间无障碍物)且在距离阈值(两角点的直线距离)范围内，则认为两角点为一类。
3)拓扑点布放。对于每一类的角点，在其质心上放置一各拓扑点，并加入拓扑点列表A中。其中，质心的计算公式为
Figure BDA0001928474480000091
其中i的取值范围为1…n，n为一类角点的总数目，xi、yi是角点的坐标值。
若角点无同类，则取离其最近的边缘点作为布设拓扑点的位置。
4)拓扑地图构建。利用A*算法计算任意拓扑点的最短距离后存储在链表中，并确定任意两个拓扑点的邻近信息。这里若两拓扑点间的最短距离直接为两点的距离(可以理解为在图中两节点直接相连)并未通过其他拓扑点，则认为两拓扑点为邻近节点。可以利用tij表示，i,j分别代表一个拓扑点，tij＝1表示邻近，tij＝0表示非邻近。
A*算法能用于搜索最短路径，A*(A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。A*在Dijkstra基础上引入了启发式搜索解决了上述问题，在保证了最优解的前提下大大提高了搜索的效率，因其简单且易于实现而盛行至今。
通过角点提取、归类再生成拓扑点，显著降低了拓扑地图的规模，在构建了拓扑地图之后，执行步骤三。
步骤三，基于拓扑图的最短路径计算
接着看图2，步骤三包括四个子步骤，分别是：设置目标点→计算起始点与最近拓扑点的最优路径→计算目标点与最近拓扑点的最优路径→生成最优路径。
具体的，按照下述方式对起始点到目标点进行最优路径计算：
(3.1)设置目标点。为了提高路径规划效率，本实施例中先大致判断一下待生成的路径规划的规模。即，简单的沿着起始点到目标点搜索两点直线连线间是否存在障碍物，若遇到障碍物则认为此次路径规划为大规模的路径规划，进行(3.2)。否则，认为此次路径规划为小规模的路径规划，此时经过的像素点记为最短路径直接输出结果。
(3.2)计算起始点与最近的拓扑点的距离。遍历前述拓扑点列表A，计算出距离起始点最近的拓扑点a，并通过A*算法计算起始点到最近拓扑点a的最短路径，记为bath1。
(3.3)计算目标点与最近的拓扑点的距离。遍历拓扑点列表A，利用A*算法计算出距离目标点最近的拓扑点b，并计算目标点到最近拓扑点b的最短路径，记为bath2。
(3.4)生成最优路径。遍历链表，查找拓扑点a到b的最短距离bath_ab。则最优路径为bath1+bath_ab+bath2。
如图6中所示的白色区域中的线条，即为本实施例中规划的从起始点到目标点的最优路径。
至此，本发明实施例利用像素块将栅格地图进行网格划分，有效的减小了地图的规模。通过角点检测设置相应的拓扑点，构建网络拓扑图，保存了节点间的最短路径，极大的提高了大规模地图的路径规划的效率。
本发明实施例中还提供了一种基于同步定位与地图构建的路径规划装置，图7是本发明一个实施例的基于同步定位与地图构建的路径规划装置的框图。参见图7，本实施例的基于同步定位与地图构建的路径规划装置700包括：
栅格地图构建单元701，通过移动设备的传感器采集视角内的环境信息，利用同步定位与地图构建SLAM算法对环境信息进行处理，构建得到栅格地图；
栅格地图处理单元702，对栅格地图进行划分得到像素块，将无障碍物占用的像素块构成的区域作为路径规划的搜索区域，并得到处理后的栅格地图；
拓扑地图构建单元703，利用搜索区域中的像素点确定基准点，根据确定的基准点在处理后的栅格地图上布设拓扑点并构建得到拓扑地图；
路径规划单元704，根据构建的拓扑地图，利用预定的算法计算起始点到设置的目标点之间的最优路径。
在本发明的一个实施例中，路径规划单元704，具体用于利用预定的算法计算任意两个拓扑点间的最短距离并确定任意两个拓扑点的邻近信息，将任意两个拓扑点间的最短距离信息存储在链表中，计算起始点与距离起始点最近的拓扑点间的最短距离，作为第一距离；计算目标点与距离目标点最近的拓扑点间的最短距离，作为第二距离；查找链表得到距离起始点最近的拓扑点以及距离目标点最近的拓扑点间的最短距离，作为第三距离，由第一距离、第二距离以及第三距离相加之和，得到起始点到目标点之间的最优路径；以及，拓扑地图构建单元703，具体用于利用对搜索区域中的像素点、边缘点或角点进行归类，将同类点作为基准点；计算基准点构成的区域的质心，并在处理后的栅格地图上各质心的位置上布设拓扑点。
在本发明的一个实施例中，栅格地图处理单元702，具体利用多个面积相等的块状区域对栅格地图进行划分得到像素块，判断各像素块是否被障碍物占用，是则，将像素块中像素点的灰度值设为第一数值，否则，将像素块中像素点的灰度值设为第二数值。
在本发明的一个实施例中，栅格地图处理单元702，具体用于对各像素块，判断像素块的中心像素点是否被障碍物占用；如果中心像素点被障碍物占用，则遍历下一个像素块，直至所有像素块遍历完毕；如果中心像素点未被障碍物占用，则顺序遍历像素块中其余像素点，若其余像素点全部未被障碍物占用，则确定该像素块未被障碍物占用。
在本发明的一个实施例中拓扑地图构建单元703，具体用于对搜索区域中的像素点进行归类，具体的，根据任意两像素点间的距离和可见信息，对像素点进行归类，如果两像素点的可见信息为指示两像素点间无障碍物的可见信息且两像素点的距离小于或等于距离阈值，则将两像素点归为一类，得到同类点；或者，对搜索区域中的边缘点进行归类，具体的，根据任意两边缘点间的距离和可见信息，对边缘点进行归类，如果两边缘点的可见信息为指示两边缘点间无障碍物的可见信息且两边缘点的距离小于或等于距离阈值，则将两边缘点归为一类，得到同类点，其中，边缘点是指搜索区域中与栅格地图上非搜索区域的像素点位置相邻的像素点；或者，对搜索区域中的角点进行归类，具体的，检测搜索区域中的角点，根据任意两角点间的距离和可见信息，对角点进行归类，如果两角点的可见信息为指示两角点间无障碍物的可见信息且两角点的距离小于或等于距离阈值，则将两角点归为一类，得到同类点。
在本发明的一个实施例中，栅格地图处理单元702，具体用于利用块状区域按照划分顺序对栅格地图进行划分，当栅格地图上的待划分区域的面积小于块状区域的面积时，不足部分用第一数值填充后划分出块状区域。
需要说明的是，关于图7所示装置中的各单元所执行的各功能的举例解释说明，与前述方法实施例中的举例解释说明一致，这里不再赘述。
另外，本发明实施例还提供了一种移动设备，图8是本发明一个实施例的移动设备的结构示意图。如图8所示，该移动设备包括存储器801和处理器802，存储器801和处理器802之间通过内部总线803通讯连接，存储器801存储有能够被处理器802执行的程序指令，程序指令被处理器802执行时能够实现上述的基于同步定位与地图构建的路径规划方法。
这里的移动设备例如是自动导引车AGV、无人机、智能机器人或者头戴设备等。
此外，上述的存储器801中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明的另一个实施例提供一种计算机可读存储介质，计算机可读存储介质存储计算机指令，计算机指令使所述计算机执行上述的基于同步定位与地图构建的路径规划方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图的一个流程或多个流程和/或方框图的一个方框或多个方框中指定的功能的装置。
需要说明的是术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明的说明书中，说明了大量具体细节。然而能够理解的是，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。类似地，应当理解，为了精简本发明公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，正如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
以上所述，仅为本发明的具体实施方式，在本发明的上述教导下，本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白，上述的具体描述只是更好的解释本发明的目的，本发明的保护范围以权利要求的保护范围为准。

Claims (8)

1.一种基于同步定位与地图构建的路径规划方法，其特征在于，包括：
通过移动设备的传感器采集视角内的环境信息，利用同步定位与地图构建SLAM算法对环境信息进行处理，构建得到栅格地图；
对所述栅格地图进行划分得到多个像素块，将无障碍物占用的像素块构成的区域作为路径规划的搜索区域，并得到处理后的栅格地图；
利用搜索区域中的像素点确定基准点，根据确定的基准点在处理后的栅格地图上布设拓扑点并构建得到拓扑地图；
利用预定的算法计算任意两个拓扑点间的最短距离并确定任意两个拓扑点的邻近信息，将任意两个拓扑点间的最短距离信息存储在链表中，
计算起始点与距离起始点最近的拓扑点间的最短距离，作为第一距离；
计算目标点与距离目标点最近的拓扑点间的最短距离，作为第二距离；
查找所述链表得到距离起始点最近的拓扑点以及距离目标点最近的拓扑点间的最短距离，作为第三距离，
由所述第一距离、所述第二距离以及所述第三距离相加之和，得到起始点到目标点之间的最优路径。
2.根据权利要求1所述的方法，其特征在于，对所述栅格地图进行划分得到像素块，将无障碍物占用的像素块构成的区域作为路径规划的搜索区域包括：利用多个面积相等的块状区域对所述栅格地图进行划分得到像素块，
判断各像素块是否被障碍物占用，是则，将像素块中像素点的灰度值设为第一数值，否则，将像素块中像素点的灰度值设为第二数值。
3.根据权利要求2所述的方法，其特征在于，所述判断各像素块是否被障碍物占用包括：
对各像素块，判断像素块的中心像素点是否被障碍物占用；
如果中心像素点被障碍物占用，则确定该像素块被障碍物占用，处理下一个像素块，直至所有像素块遍历完毕；如果中心像素点未被障碍物占用，则顺序遍历该像素块中其余像素点，若其余像素点全部未被障碍物占用，则确定该像素块未被障碍物占用。
4.根据权利要求1所述的方法，其特征在于，所述利用搜索区域中的像素点确定基准点，根据确定的基准点在处理后的栅格地图上布设拓扑点包括：
对搜索区域中的像素点、边缘点或角点进行归类，将同类点作为基准点；
计算基准点构成的区域的质心，并在处理后的栅格地图上各质心的位置上布设拓扑点。
5.根据权利要求4所述的方法，其特征在于，所述对搜索区域中的像素点、边缘点或角点进行归类包括：
对搜索区域中的像素点进行归类，具体的，根据任意两像素点间的距离和可见信息，对像素点进行归类，如果两像素点的可见信息为指示两像素点间无障碍物的可见信息且两像素点的距离小于或等于距离阈值，则将两像素点归为一类，得到同类点；
对搜索区域中的边缘点进行归类，具体的，根据任意两边缘点间的距离和可见信息，对边缘点进行归类，如果两边缘点的可见信息为指示两边缘点间无障碍物的可见信息且两边缘点的距离小于或等于距离阈值，则将两边缘点归为一类，得到同类点，其中，所述边缘点是指搜索区域中与栅格地图上非搜索区域的像素点位置相邻的像素点；
对搜索区域中的角点进行归类，具体的，检测搜索区域中的角点，根据任意两角点间的距离和可见信息，对角点进行归类，如果两角点的可见信息为指示两角点间无障碍物的可见信息且两角点的距离小于或等于距离阈值，则将两角点归为一类，得到同类点。
6.根据权利要求2所述的方法，其特征在于，所述利用多个面积相等的块状区域对所述栅格地图进行划分得到像素块包括：
利用块状区域按照划分顺序对所述栅格地图进行划分，当所述栅格地图上的待划分区域的面积小于块状区域的面积时，不足部分用第一数值填充后划分出块状区域。
7.一种基于同步定位与地图构建的路径规划装置，其特征在于，包括：
栅格地图构建单元，通过移动设备的传感器采集视角内的环境信息，利用同步定位与地图构建SLAM算法对环境信息进行处理，构建得到栅格地图；
栅格地图处理单元，对所述栅格地图进行划分得到多个像素块，将无障碍物占用的像素块构成的区域作为路径规划的搜索区域，并得到处理后的栅格地图；
拓扑地图构建单元，利用搜索区域中的像素点确定基准点，根据确定的基准点在处理后的栅格地图上布设拓扑点并构建得到拓扑地图；
路径规划单元，根据构建的拓扑地图，利用预定的算法计算起始点到设置的目标点之间的最优路径；
其中，所述路径规划单元，具体用于利用预定的算法计算任意两个拓扑点间的最短距离并确定任意两个拓扑点的邻近信息，将任意两个拓扑点间的最短距离信息存储在链表中，计算起始点与距离起始点最近的拓扑点间的最短距离，作为第一距离；计算目标点与距离目标点最近的拓扑点间的最短距离，作为第二距离；查找所述链表得到距离起始点最近的拓扑点以及距离目标点最近的拓扑点间的最短距离，作为第三距离，由所述第一距离、所述第二距离以及所述第三距离相加之和，得到起始点到目标点之间的最优路径；以及，
所述拓扑地图构建单元，具体用于利用对搜索区域中的像素点、边缘点或角点进行归类，将同类点作为基准点；计算基准点构成的区域的质心，并在处理后的栅格地图上各质心的位置上布设拓扑点。
8.一种移动设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间通过内部总线通讯连接，所述存储器存储有能够被所述处理器执行的程序指令，所述程序指令被所述处理器执行时能够实现权利要求1-6中任一项所述的基于同步定位与地图构建的路径规划方法。
CN201811628415.8A 2018-12-28 2018-12-28 一种路径规划方法、装置和移动设备 Active CN109541634B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201811628415.8A CN109541634B (zh) 2018-12-28 2018-12-28 一种路径规划方法、装置和移动设备
US16/625,193 US11709058B2 (en) 2018-12-28 2019-01-08 Path planning method and device and mobile device
PCT/CN2019/098779 WO2020134082A1 (zh) 2018-12-28 2019-08-01 一种路径规划方法、装置和移动设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811628415.8A CN109541634B (zh) 2018-12-28 2018-12-28 一种路径规划方法、装置和移动设备

Publications (2)

Publication Number Publication Date
CN109541634A CN109541634A (zh) 2019-03-29
CN109541634B true CN109541634B (zh) 2023-01-17

Family

ID=65830861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811628415.8A Active CN109541634B (zh) 2018-12-28 2018-12-28 一种路径规划方法、装置和移动设备

Country Status (3)

Country Link
US (1) US11709058B2 (zh)
CN (1) CN109541634B (zh)
WO (1) WO2020134082A1 (zh)

Families Citing this family (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110376583B (zh) * 2018-09-30 2021-11-19 毫末智行科技有限公司 用于车辆传感器的数据融合方法及装置
CN109541634B (zh) * 2018-12-28 2023-01-17 歌尔股份有限公司 一种路径规划方法、装置和移动设备
CN111260605B (zh) * 2019-04-11 2020-11-10 江苏盛凡信息服务有限公司 智能化动作执行方法
CN110084825B (zh) * 2019-04-16 2021-06-01 上海岚豹智能科技有限公司 一种基于图像边缘信息导航的方法及系统
US11875678B2 (en) * 2019-07-19 2024-01-16 Zoox, Inc. Unstructured vehicle path planner
CN110220531A (zh) * 2019-07-25 2019-09-10 广州景瑞智能科技有限公司 一种基于视觉网络的智能导航系统
CN110375742A (zh) * 2019-07-25 2019-10-25 广州景瑞智能科技有限公司 一种动态路径智能规划方法及系统
CN110442755B (zh) * 2019-08-13 2021-11-30 中核控制系统工程有限公司 基于核电厂dcs平台站间网络连接的拓扑图展示方法
CN110503260A (zh) * 2019-08-20 2019-11-26 东北大学 一种基于动态路径规划的agv调度方法
CN112564930B (zh) * 2019-09-10 2022-10-18 中国移动通信集团浙江有限公司 一种基于地图的接入侧光缆路由规划方法和系统
CN110716209B (zh) * 2019-09-19 2021-12-14 浙江大华技术股份有限公司 地图构建方法、设备及存储装置
CN111063029B (zh) * 2019-12-11 2023-06-09 深圳市优必选科技股份有限公司 地图构建方法、装置、计算机可读存储介质及机器人
CN112985429B (zh) * 2019-12-13 2023-07-25 杭州海康机器人股份有限公司 拓扑地图的处理方法、装置及设备
CN110909961B (zh) * 2019-12-19 2023-07-25 盈嘉互联（北京）科技有限公司 基于bim的室内路径查询方法及装置
CN111257909B (zh) * 2020-03-05 2021-12-07 安徽意欧斯物流机器人有限公司 一种多2d激光雷达融合建图与定位方法及系统
CN113375678B (zh) * 2020-03-09 2023-05-05 杭州海康威视数字技术股份有限公司 一种行车路径规划方法、管理服务器及停车管理系统
CN111643905B (zh) * 2020-05-13 2021-08-03 腾讯科技（深圳）有限公司 一种信息处理方法、装置及计算机可读存储介质
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
CN111612257B (zh) * 2020-05-26 2023-05-02 广西北投公路建设投资集团有限公司 基于空间归化的最短路径求解方法
CN111750862A (zh) * 2020-06-11 2020-10-09 深圳优地科技有限公司 基于多区域的机器人路径规划方法、机器人及终端设备
CN111679692A (zh) * 2020-08-04 2020-09-18 上海海事大学 一种基于改进A-star算法的无人机路径规划方法
US20230161043A1 (en) * 2020-08-10 2023-05-25 Yan Mayster Sensor Based Map Generation and Routing
CN111880571A (zh) * 2020-08-19 2020-11-03 武汉中海庭数据技术有限公司 一种无人机刚性队形切换方法及装置
CN112180914B (zh) * 2020-09-14 2024-04-16 北京石头创新科技有限公司 地图处理方法、装置、存储介质和机器人
CN112129295B (zh) * 2020-09-24 2021-08-17 深圳市云鼠科技开发有限公司 一种低内存占用的链式栅格地图构建方法
CN112107257B (zh) * 2020-09-30 2022-09-20 北京小狗吸尘器集团股份有限公司 智能清扫设备及其避障路径规划方法和装置
CN112348917B (zh) * 2020-10-16 2022-12-09 歌尔股份有限公司 一种路网地图实现方法、装置和电子设备
CN112333101B (zh) * 2020-10-16 2022-08-12 烽火通信科技股份有限公司 网络拓扑寻路方法、装置、设备及存储介质
CN112380926B (zh) * 2020-10-28 2024-02-20 安徽农业大学 一种田间除草机器人除草路径规划系统
KR102484772B1 (ko) * 2020-11-03 2023-01-05 네이버랩스 주식회사 맵 생성 방법 및 이를 이용한 이미지 기반 측위 시스템
CN112433537B (zh) * 2020-11-11 2022-09-16 广西电网有限责任公司电力科学研究院 一种输电线路铁塔组立施工的可视化监督方法及系统
CN112731961A (zh) * 2020-12-08 2021-04-30 深圳供电局有限公司 路径规划方法、装置、设备及存储介质
CN112750180A (zh) * 2020-12-17 2021-05-04 深圳市银星智能科技股份有限公司 一种地图优化方法及清洁机器人
CN112683275B (zh) * 2020-12-24 2023-11-21 长三角哈特机器人产业技术研究院 一种栅格地图的路径规划方法
CN112863230A (zh) * 2020-12-30 2021-05-28 上海欧菲智能车联科技有限公司 空车位检测方法及装置、车辆和计算机设备
CN112799404B (zh) * 2021-01-05 2024-01-16 佛山科学技术学院 Agv的全局路径规划方法、装置及计算机可读存储介质
CN112699202B (zh) * 2021-01-14 2022-02-08 腾讯科技（深圳）有限公司 禁行道路的识别方法、装置、电子设备及存储介质
CN112957734B (zh) * 2021-01-28 2023-05-02 北京邮电大学 一种基于二次搜索的地图寻路方法及装置
JP2022137532A (ja) * 2021-03-09 2022-09-22 本田技研工業株式会社 地図生成装置および位置認識装置
CN113064431A (zh) * 2021-03-19 2021-07-02 北京小狗吸尘器集团股份有限公司 栅格地图优化方法、存储介质和移动机器人
CN113189988B (zh) * 2021-04-21 2022-04-15 合肥工业大学 一种基于Harris算法与RRT算法复合的自主路径规划方法
CN113199474B (zh) * 2021-04-25 2022-04-05 广西大学 一种机器人行走与作业智能协同的运动规划方法
CN113255110B (zh) * 2021-05-06 2022-07-01 湖南省特种设备检验检测研究院 电梯应急救援路径的自动生成方法及系统、设备、介质
CN113238560A (zh) * 2021-05-24 2021-08-10 珠海市一微半导体有限公司 基于线段信息的机器人旋转地图方法
CN113393726A (zh) * 2021-06-16 2021-09-14 中国人民解放军海军工程大学 工业装配训练方法、装置、电子设备及可读存储介质
CN113516765B (zh) * 2021-06-25 2023-08-11 深圳市优必选科技股份有限公司 一种地图管理方法、地图管理装置及智能设备
CN113434788B (zh) * 2021-07-07 2024-05-07 北京经纬恒润科技股份有限公司 建图方法、装置、电子设备及车辆
CN113413601B (zh) * 2021-07-16 2024-01-02 上海幻电信息科技有限公司 寻路方法及装置
CN113759907A (zh) * 2021-08-30 2021-12-07 武汉理工大学 一种分区域全覆盖路径规划方法、装置、设备及存储介质
TWI772177B (zh) * 2021-09-10 2022-07-21 迪伸電子股份有限公司 自走裝置的移動控制方法及自走裝置
CN113793351B (zh) * 2021-09-30 2023-06-02 中国人民解放军国防科技大学 基于等高线的多层轮廓图案的激光填充方法及装置
CN114047759B (zh) * 2021-11-08 2023-09-26 航天科工微电子系统研究院有限公司 一种基于dwa与人工势场融合的局部路径规划方法
CN114199266A (zh) * 2021-11-25 2022-03-18 江苏集萃智能制造技术研究所有限公司 一种基于导诊服务机器人的目标被占用的路径规划方法
CN114111830B (zh) * 2021-12-16 2024-01-26 童浩峰 一种基于ai模型的路径规划方法及装置
CN114485662B (zh) * 2021-12-28 2024-03-08 深圳优地科技有限公司 机器人重定位方法、装置、机器人及存储介质
CN114509085B (zh) * 2022-02-10 2022-11-01 中国电子科技集团公司第五十四研究所 一种结合栅格和拓扑地图的快速路径搜索方法
CN114877901B (zh) * 2022-03-31 2024-05-28 北京工业大学 基于地图栅格化融合与A-star搜索的城市应急路径规划方法
CN115481209A (zh) * 2022-09-16 2022-12-16 盐城工学院 一种基于大数据和gis的可视化分析决策方法及系统
CN115657674B (zh) * 2022-10-26 2023-05-05 宝开(上海)智能物流科技有限公司 一种基于图神经网络的分布式路径规划方法及装置
CN116070807B (zh) * 2022-11-08 2024-03-26 国电湖北电力有限公司鄂坪水电厂 一种基于空间关系的电站巡检路径规划方法及装置
CN116228634B (zh) * 2022-12-07 2023-12-22 辉羲智能科技(上海)有限公司 用于图像检测的距离变换计算方法、应用、终端及介质
CN115951681B (zh) * 2023-01-10 2024-03-15 三峡大学 基于栅格化三维空间路径规划的路径搜索域构建方法
CN116416340B (zh) * 2023-03-16 2023-09-26 中国测绘科学研究院 一种连续铺盖数据的拓扑快速构建算法
CN116338729A (zh) * 2023-03-29 2023-06-27 中南大学 一种基于多层地图的三维激光雷达导航方法
CN116399352B (zh) * 2023-04-06 2024-01-19 深圳市森歌数据技术有限公司 一种智慧无人停车场agv的路径规划方法、装置及存储介质
CN116448118B (zh) * 2023-04-17 2023-10-31 深圳市华辰信科电子有限公司 一种扫地机器人的工作路径优化方法和装置
CN116188472B (zh) * 2023-05-04 2023-07-07 无锡康贝电子设备有限公司 一种数控机床零件的在线视觉检测方法
CN116382306B (zh) * 2023-06-05 2023-09-05 华侨大学 全覆盖作业农机的轨迹跟踪控制方法、装置、设备及介质
CN116503574A (zh) * 2023-06-26 2023-07-28 浙江华诺康科技有限公司 内镜辅助检查方法、装置和计算机设备
CN116502783B (zh) * 2023-06-27 2023-09-08 国网浙江省电力有限公司湖州供电公司 基于gis的adss光缆运维线路规划方法及装置
CN117191048B (zh) * 2023-11-07 2024-01-05 北京四象爱数科技有限公司 一种基于三维立体像对的应急路径规划方法、设备及介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060041375A1 (en) 2004-08-19 2006-02-23 Geographic Data Technology, Inc. Automated georeferencing of digitized map images
JP2009053849A (ja) * 2007-08-24 2009-03-12 Toyota Motor Corp 経路探索システム、経路探索方法、及び自律移動体
CN101261136B (zh) * 2008-04-25 2012-11-28 浙江大学 一种基于移动导航系统的路径搜索方法
JP5157803B2 (ja) * 2008-10-06 2013-03-06 村田機械株式会社 自律移動装置
CN101619985B (zh) 2009-08-06 2011-05-04 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
CN103278170B (zh) 2013-05-16 2016-01-06 东南大学 基于显著场景点检测的移动机器人级联地图创建方法
CN104898660B (zh) * 2015-03-27 2017-10-03 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
EP3078935A1 (en) * 2015-04-10 2016-10-12 The European Atomic Energy Community (EURATOM), represented by the European Commission Method and device for real-time mapping and localization
CN105953785A (zh) 2016-04-15 2016-09-21 青岛克路德机器人有限公司 机器人室内自主导航的地图表示方法
CN107817802B (zh) * 2017-11-09 2021-08-20 北京进化者机器人科技有限公司 混合双层地图的构建方法及装置
CN108765326A (zh) 2018-05-18 2018-11-06 南京大学 一种同步定位与地图构建方法及装置
CN108898605B (zh) * 2018-07-25 2021-01-05 电子科技大学 一种基于图的栅格地图分割方法
CN109541634B (zh) 2018-12-28 2023-01-17 歌尔股份有限公司 一种路径规划方法、装置和移动设备

Also Published As

Publication number Publication date
WO2020134082A1 (zh) 2020-07-02
US20210333108A1 (en) 2021-10-28
US11709058B2 (en) 2023-07-25
CN109541634A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN109541634B (zh) 一种路径规划方法、装置和移动设备
CN110687539B (zh) 一种车位检测方法、装置、介质和设备
CN111026131B (zh) 一种膨胀区域的确定方法、确定装置、机器人和存储介质
CN110390306B (zh) 直角车位的检测方法、车辆和计算机可读存储介质
CN111220993A (zh) 目标场景定位方法、装置、计算机设备和存储介质
CN111609852A (zh) 语义地图构建方法、扫地机器人及电子设备
CN107766405A (zh) 自动车辆道路模型定义系统
CN111179274B (zh) 地图地面分割方法、装置、计算机设备和存储介质
CN109145489B (zh) 一种基于概率图的障碍物分布仿真方法、装置以及终端
CN111308500B (zh) 基于单线激光雷达的障碍物感知方法、装置和计算机终端
CN110705385B (zh) 一种障碍物角度的检测方法、装置、设备及介质
CN111380532B (zh) 路径规划方法、装置、终端及计算机存储介质
CN111897906A (zh) 处理地图数据的方法、装置、设备和存储介质
CN112184736A (zh) 一种基于欧式聚类的多平面提取方法
CN111728535A (zh) 一种生成清扫路径的方法、装置、电子设备及存储介质
CN111295666A (zh) 一种车道线检测方法、装置、控制设备及存储介质
CN113252027A (zh) 井下无人驾驶车辆局部路径规划方法、装置、设备及存储介质
CN114488185A (zh) 基于多线激光雷达的机器人导航系统方法及系统
CN112912894A (zh) 道路边界识别方法和装置
CN116523970A (zh) 基于二次隐式匹配的动态三维目标跟踪方法及装置
CN111742242A (zh) 点云处理方法、系统、设备及存储介质
CN115713600A (zh) 自动驾驶场景的数字高程模型的生成方法和装置
CN114387293A (zh) 道路边缘检测方法、装置、电子设备及车辆
WO2022271750A1 (en) Three-dimensional object detection with ground removal intelligence
CN113313629A (zh) 交叉路口自动识别方法、系统及其模型保存方法、系统

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