CN109916409B - 一种静态地图自适应更新方法和装置 - Google Patents
一种静态地图自适应更新方法和装置 Download PDFInfo
- Publication number
- CN109916409B CN109916409B CN201910226271.1A CN201910226271A CN109916409B CN 109916409 B CN109916409 B CN 109916409B CN 201910226271 A CN201910226271 A CN 201910226271A CN 109916409 B CN109916409 B CN 109916409B
- Authority
- CN
- China
- Prior art keywords
- static map
- initial
- obstacle
- value
- numerical
- 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
Links
Images
Abstract
本发明公开了一种静态地图自适应更新方法和装置，包括(1)获取初始静态地图；(2)对初始静态地图中的障碍物值进行映射处理，形成0‑N的初始数值化静态地图；(3)实时获取移动机器人实际所处的位置信息以及设定范围内的障碍物信息，并将该障碍物信息更新至初始数值化静态地图，获得更新过的数值化静态地图；(4)将更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点；(5)重复步骤(3)和(4)，实现数值静态地图的自适应在线更新及障碍物判定。本发明能够实现静态地图的在线更新，具有能够长时间稳定定位、对环境变化具有一定鲁棒性等有益效果。
Description
技术领域
本发明属于移动机器人技术领域，具体涉及一种静态地图自适应更新方法和装置，尤其涉及一种利用激光数据的移动机器人静态地图在线自适应更新方法。
背景技术
随着生产技术的发展、人口老龄化的日益严重以及工业4.0的进一步发展需求，以自动导引运输车(Automated Guided Vehicle，AGV)为代表的移动机器人越来越广泛的被应用于工厂的自动化、半自动化流水生产线，用于运输配件、装配成型的成品半成品等，能够极大减轻传统的人力搬运的劳动量，减少生产装配环节劳动力需求，赋予生产人员更多的富有创造性价值的生产经营劳动。目前，技术较为成熟、应用较为广泛的AGV的自主移动导航方法主要有：利用电磁导轨的自主移动导航和利用激光数据的无轨自主移动导航，其中利用电磁导轨的自主移动导航，由于需要铺设电磁条，更改线路复杂等缺点，正逐渐被利用激光数据的无轨自主导航所代替。
在基于激光数据的自主导航方式中，首先由移动机器人利用激光数据获得周围环境的障碍物信息，建立障碍物地图信息-静态地图，静态地图中，仅保存了移动机器人所处的环境中障碍物的有无信息，一般采用1代表有障碍物，0代表无障碍物。当移动机器人正常工作时，需要融合激光数据，以及其它辅助定位数据如IMU、轮式里程计等，利用诸如贝叶斯判别式等算法，融合多种数据信息，实现移动机器人在环境中的定位。其中，利用激光数据，需要通过将实时的激光数据同事先建立的静态地图进行匹配，匹配的契合度大于一定阈值，即认为定位成功，否则定位失败。
在实际的工作环境中，由于各种原因，会不断地出现障碍物的搬离和新增的情况，在变化累计到一定程度后，移动机器人或由于实时的激光数据与静态地图的匹配度过低而出现定位丢失或定位错误的情况，同时若静态地图与实际环境相差过大，则会严重影响全局路径规划的正确性与效率，进而导致移动机器人工作失常。
发明内容
针对上述问题，本发明提出一种静态地图自适应更新方法，能够实现静态地图的在线更新，具有能够长时间稳定定位、对环境变化具有一定鲁棒性等有益效果，能够满足更加智能、稳定性要求更高的基于激光数据的移动机器人定位要求。
为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
第一方面，本发明提供了一种静态地图自适应更新方法，包括以下步骤：
(1)获取初始静态地图，所述初始静态地图上包含具体的位置信息以及与各位置信息对应的初始二值化障碍物值；
(2)对所述初始静态地图中的初始二值化障碍物值进行映射处理，形成0-N的初始数值化静态地图；
(3)实时获取移动机器人实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图；
(4)将所述更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点；
(5)重复步骤(3)和(4)，直至所述移动机器人完成导航移动，实现数值静态地图的自适应在线更新及障碍物判定。
优选地，所述步骤(1)具体包括以下子步骤：
(1.1)利用安装在移动机器人上的2D激光传感器扫描设定范围内的周围环境信息；
(1.2)利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
(1.3)当移动机器人完成对其活动区域的完整扫略后，形成初始静态地图。
优选地，所述步骤(2)具体包括以下子步骤：
(2.1)将所述初始静态地图中初始二值化障碍物值0映射为初始数值化静态地图中的障碍物数值0；
(2.2)将所述初始静态地图中的初始二值化障碍物值1映射为初始数值化静态地图中的障碍物值1000，最终形成0-1000的初始数值化静态地图。
优选地，所述步骤(3)具体包括以下子步骤：
(3.1)利用设于移动机器人上的2D激光传感器获得移动机器人实际所处的位置信息以及设定范围内的周围环境信息，并利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
(3.2)若通过2D激光传感器实时获得的对应于初始数值化静态地图中的某个栅格点的状态为有障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值加一，若通过2D激光传感器实时获得的对应于初始数值化静态地图中的某个栅格点的状态为无障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值减一，且上下限为0和1000。
优选地，所述步骤(4)中的设定阈值设置为500，若某栅格点上对应的障碍物值大于或者等于500，则认为该栅格点为有障碍物点，反之，则为无障碍物点。
优选地，所述步骤(4)中的设定阈值设置为600，若某栅格点上对应的障碍物值大于或者等于600，则认为该栅格点为有障碍物点，反之，则为无障碍物点。
第二方面，本发明提供了一种静态地图自适应更新装置，包括：
第一获取模块，用于获取初始静态地图，所述初始静态地图上包含具体的位置信息以及与各位置信息对应的初始二值化障碍物值；
映射模块，用于对所述初始静态地图中的初始障碍物值进行映射处理，形成0-N的初始数值化静态地图；
更新模块，用于实时获取移动机器人实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图；
判断模块，用于将所述更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点。
优选地，所述获取初始静态地图，具体包括以下子步骤：
利用安装在移动机器人上的2D激光传感器扫描设定范围内的周围环境信息；
利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
当移动机器人完成对其活动区域的完整扫略后，形成初始静态地图。
优选地，对所述初始静态地图中的初始障碍物值进行映射处理，形成0-N的初始数值化静态地图，具体包括以下子步骤：
将所述初始静态地图中的初始二值化障碍物值0映射为初始数值化静态地图中的障碍物数值0；
将所述初始静态地图中的初始二值化障碍物值1映射为初始数值化静态地图中的障碍物值1000，最终形成0-1000的初始数值化静态地图。
优选地，所述实时获取其实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图，具体包括以下子步骤：
利用设于移动机器人上的2D激光传感器获得移动机器人实际所处的位置信息以及设定范围内的周围环境信息，并利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
若通过2D激光传感器获得的对应于初始数值化静态地图中的某个栅格点的状态为有障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值加一，若通过2D激光传感器获得的对应于初始数值化静态地图中的某个栅格点的状态为无障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值减一，且上下限为0和1000。
与现有技术相比，本发明的有益效果：
本发明提出的一种静态地图自适应更新方法和装置，利用实时采集到的激光数据将移动机器人的环境标记为有障碍物和无障碍物两种状态，并基于前述状态以及具体的位置信息获得初始静态地图；在移动机器人工作过程中，利用激光传感器实时扫描移动机器人所处环境中的障碍物信息；当新一次的激光数据为无障碍物时，则初始静态地图中对应的障碍物值减1，若为有障碍物，则初始静态地图中对应的障碍物值加1，形成更新过的静态地图，并基于所述更新过的静态地图结合实时激光数据判断移动机器人活动范围内的障碍物情况，从而实现移动机器人对于环境具有较好的适应性。
本发明提出的一种静态地图自适应更新方法和装置，利用激光数据在线调整移动机器人的静态地图，能够长时间的保证移动机器人运行于局部环境渐变的工作环境中，对于渐变的环境具有一定的自适应性，满足移动机器人长期安全稳定的运行要求。
附图说明
图1为本发明一种实施例的静态地图自适应更新方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
实施例1
如图1所示，本发明实施例提供了一种静态地图自适应更新方法，包括：
步骤(1)获取初始静态地图；
在本发明实施例的一种具体实施方式中，所述步骤(1)具体包括以下步骤：
(1.1)利用安装在移动机器人上的2D激光传感器扫描设定范围内的周围环境信息，并利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，该区域内所有的栅格点的障碍物值均为0，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域，该区域内所有的栅格点的障碍物值均为1，当移动机器人对其活动区域完成完整扫略后，形成初始静态地图，所述初始静态地图上不仅包含具体的位置信息，还包括与各位置信息对应的二值化障碍物值；
步骤(2)对所述初始静态地图中的初始障碍物值进行映射处理，形成0-N的初始数值化静态地图；
在本发明实施例的一种具体实施方式中，将所述初始静态地图中初始二值化障碍物值0映射为初始数值化静态地图中的障碍物数值0，将所述初始静态地图中的初始二值化障碍物值1映射为初始数值化静态地图中的障碍物值1000；
步骤(3)移动机器人在工作过程中，实时获取其实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至初始数值化静态地图，获得更新过的数值化静态地图；
在本发明实施例的一种具体实施方式中，所述步骤(3)具体包括以下子步骤：
(3.1)利用设于移动机器人上的2D激光传感器获得移动机器人实际所处的位置信息以及设定范围内的周围环境信息，并利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
(3.2)若通过2D激光传感器获得的对应于初始数值化静态地图中的某个栅格点的状态为有障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值加一，若通过2D激光传感器获得的对应于初始数值化静态地图中的某个栅格点的状态为无障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值减一，且上下限为0和1000；
步骤(4)将所述更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点，所述的设定阈值根据实际情况去设定，在本发明中不做过多的限定，在本发明实施例的一种具体实施方式中，所述设定阈值设置为500，若某栅格点上对应的障碍物值大于或者等于500，则认为该栅格点为有障碍物点，反之，则为无障碍物点；在本发明实施例的其他实施方式中，所述设定阈值还可以设置为600，若某栅格点上对应的障碍物值大于或者等于600，则认为该栅格点为有障碍物点，反之，则为无障碍物点；
步骤(5)重复步骤(3)和(4)，直至所述移动机器人完成导航移动，实现数值静态地图的自适应在线更新及障碍物判定。
实施例2
基于与实施例1相同的发明构思，本发明实施例提供了第二方面，本发明提供了一种静态地图自适应更新装置，包括：
第一获取模块，用于获取初始静态地图，所述初始静态地图上包含具体的位置信息以及与各位置信息对应的初始二值化障碍物值；
映射模块，用于对所述初始静态地图中的初始障碍物值进行映射处理，形成0-N的初始数值化静态地图；
更新模块，用于在移动机器人工作过程中，实时获取其实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图；
判断模块，用于将所述更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点。
优选地，所述获取初始静态地图，具体包括以下子步骤：
利用安装在移动机器人上的2D激光传感器扫描设定范围内的周围环境信息；
利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
当移动机器人对其活动区域完成完整扫略后，形成初始静态地图。
优选地，所述对所述初始静态地图中的初始障碍物值进行映射处理，形成0-N的初始数值化静态地图，具体包括以下子步骤：
将所述初始静态地图中初始障碍物值0映射为初始数值化静态地图中的障碍物数值0；
将所述初始静态地图中的初始障碍物值1映射为初始数值化静态地图中的障碍物值1000，最终形成0-1000的初始数值化静态地图。
优选地，所述实时获取其实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图，具体包括以下子步骤：
利用设于移动机器人上的2D激光传感器获得移动机器人实际所处的位置信息以及设定范围内的周围环境信息，并利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
若通过2D激光传感器获得的对应于初始数值化静态地图中的某个栅格点的状态为有障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值加一，若通过2D激光传感器获得的对应于初始数值化静态地图中的某个栅格点的状态为无障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值减一，且上下限为0和1000。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种静态地图自适应更新方法，其特征在于，包括以下步骤：
(1)获取初始静态地图，所述初始静态地图上包含具体的位置信息以及与各位置信息对应的初始二值化障碍物值；
(2)对所述初始静态地图中的初始二值化障碍物值进行映射处理，形成0-N的初始数值化静态地图；
(3)实时获取移动机器人实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图；
(4)将所述更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点；
(5)重复步骤(3)和(4)，直至所述移动机器人完成导航移动，实现数值静态地图的自适应在线更新及障碍物判定；
所述步骤(2)具体包括以下子步骤：
(2.1)将所述初始静态地图中初始二值化障碍物值0映射为初始数值化静态地图中的障碍物数值0；
(2.2)将所述初始静态地图中的初始二值化障碍物值1映射为初始数值化静态地图中的障碍物值1000，最终形成0-1000的初始数值化静态地图；
所述步骤(3)具体包括以下子步骤：
(3.1)利用设于移动机器人上的2D激光传感器获得移动机器人实际所处的位置信息以及设定范围内的周围环境信息，并利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
(3.2)若通过2D激光传感器实时获得的对应于初始数值化静态地图中的某个栅格点的状态为有障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值加一，若通过2D激光传感器实时获得的对应于初始数值化静态地图中的某个栅格点的状态为无障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值减一，且上限为1000，下限为0。
2.根据权利要求1所述的一种静态地图自适应更新方法，其特征在于：所述步骤(1)具体包括以下子步骤：
(1.1)利用安装在移动机器人上的2D激光传感器扫描设定范围内的周围环境信息；
(1.2)利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
(1.3)当移动机器人完成对其活动区域的完整扫略后，形成初始静态地图。
3.根据权利要求1所述的一种静态地图自适应更新方法，其特征在于：所述步骤(4)中的设定阈值设置为500，若某栅格点上对应的障碍物值≥500，则认为该栅格点为有障碍物点，反之，则为无障碍物点。
4.根据权利要求1所述的一种静态地图自适应更新方法，其特征在于：所述步骤(4)中的设定阈值设置为600，若某栅格点上对应的障碍物值≥600，则认为该栅格点为有障碍物点，反之，则为无障碍物点。
5.一种静态地图自适应更新装置，其特征在于，包括：
第一获取模块，用于获取初始静态地图，所述初始静态地图上包含具体的位置信息以及与各位置信息对应的初始二值化障碍物值；
映射模块，用于对所述初始静态地图中的初始障碍物值进行映射处理，形成0-N的初始数值化静态地图；
更新模块，用于实时获取移动机器人实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图；
判断模块，用于将所述更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点；
移动机器人在移动过程中不断进行地图更新直至完成移动，从而实现地图的更新和障碍物的判断；
对所述初始静态地图中的初始障碍物值进行映射处理，形成0-N的初始数值化静态地图，具体包括以下子步骤：
将所述初始静态地图中的初始二值化障碍物值0映射为初始数值化静态地图中的障碍物数值0；
将所述初始静态地图中的初始二值化障碍物值1映射为初始数值化静态地图中的障碍物值1000，最终形成0-1000的初始数值化静态地图；
所述实时获取其实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图，具体包括以下子步骤：
利用设于移动机器人上的2D激光传感器获得移动机器人实际所处的位置信息以及设定范围内的周围环境信息，并利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
若通过2D激光传感器获得的对应于初始数值化静态地图中的某个栅格点的状态为有障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值加一，若通过2D激光传感器获得的对应于初始数值化静态地图中的某个栅格点的状态为无障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值减一，且上限为1000，下限为0。
6.根据权利要求5所述的一种静态地图自适应更新装置，其特征在于：所述获取初始静态地图，具体包括以下子步骤：
利用安装在移动机器人上的2D激光传感器扫描设定范围内的周围环境信息；
利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；
当移动机器人完成对其活动区域的完整扫略后，形成初始静态地图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910226271.1A CN109916409B (zh) | 2019-03-25 | 2019-03-25 | 一种静态地图自适应更新方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910226271.1A CN109916409B (zh) | 2019-03-25 | 2019-03-25 | 一种静态地图自适应更新方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109916409A CN109916409A (zh) | 2019-06-21 |
| CN109916409B true CN109916409B (zh) | 2023-03-24 |
Family
ID=66966598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910226271.1A Active CN109916409B (zh) | 2019-03-25 | 2019-03-25 | 一种静态地图自适应更新方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109916409B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111220988B (zh) * | 2020-01-07 | 2023-07-14 | 上海钛米机器人科技有限公司 | 一种地图数据处理方法、装置、设备和介质 |
| CN112161624A (zh) * | 2020-09-11 | 2021-01-01 | 上海高仙自动化科技发展有限公司 | 标记方法、标记装置、智能机器人及可读存储介质 |
| CN115143951A (zh) * | 2022-05-31 | 2022-10-04 | 深圳市普渡科技有限公司 | 栅格地图更新系统、方法、计算机设备及存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4930443B2 (ja) * | 2008-04-10 | 2012-05-16 | トヨタ自動車株式会社 | 地図データ生成装置および地図データ生成方法 |
| CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
| CN106530946A (zh) * | 2016-11-30 | 2017-03-22 | 北京贝虎机器人技术有限公司 | 用于编辑室内地图的方法及装置 |
| CN108007452B (zh) * | 2017-12-08 | 2021-11-26 | 北京奇虎科技有限公司 | 根据障碍物更新环境地图的方法、装置及机器人 |
| CN108241370B (zh) * | 2017-12-20 | 2021-06-22 | 北京理工华汇智能科技有限公司 | 通过栅格地图获取避障路径的方法及装置 |
| CN108733060A (zh) * | 2018-06-05 | 2018-11-02 | 北京智行者科技有限公司 | 一种作业地图信息的处理方法 |
| CN108896050B (zh) * | 2018-06-26 | 2021-09-07 | 上海交通大学 | 一种基于激光传感器的移动机器人长期定位系统及方法 |
-
2019
- 2019-03-25 CN CN201910226271.1A patent/CN109916409B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109916409A (zh) | 2019-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109916409B (zh) | 一种静态地图自适应更新方法和装置 | |
| EP3660618B1 (en) | Map building and positioning of robot | |
| KR102495412B1 (ko) | 자재 핸들링 차량 경로 검증 및 동적 경로 수정 | |
| CN106949895B (zh) | 一种适用于变电站环境下的巡检机器人定位方法 | |
| Beinschob et al. | Graph SLAM based mapping for AGV localization in large-scale warehouses | |
| CN110243380B (zh) | 一种基于多传感器数据与角度特征识别的地图匹配方法 | |
| US10611028B1 (en) | Map building and positioning of robot | |
| CN111307147B (zh) | 一种融合定位反光板与激光特征的agv高精度定位方法 | |
| US11393114B1 (en) | Method and system for collaborative construction of a map | |
| CN111880534A (zh) | 一种基于栅格地图的二次路径规划方法 | |
| CN114460965B (zh) | 一种基于改进人工势场法的无人机三维避障方法 | |
| CN111966089A (zh) | 在移动机器人中使用代价地图估计动态障碍物速度的方法 | |
| Garrote et al. | Mobile robot localization with reinforcement learning map update decision aided by an absolute indoor positioning system | |
| Abrate et al. | Experimental EKF-based SLAM for Mini-rovers with IR Sensors Only. | |
| CN112258517A (zh) | 激光雷达栅格地图的自动修图方法和装置 | |
| CN111832986A (zh) | 一种产品入库存储方法、系统、存储介质及计算机设备 | |
| Thallas et al. | Particle filter—Scan matching hybrid SLAM employing topological information | |
| CN113935946B (zh) | 实时检测地下障碍物的方法及装置 | |
| CN113313629A (zh) | 交叉路口自动识别方法、系统及其模型保存方法、系统 | |
| CN112621750A (zh) | 一种工业机器人自动控制系统 | |
| KR101248308B1 (ko) | 천장 조명 방향 특성 활용 이동 로봇 위치 인식 방법 및 이를 활용한 천장 조명 방향 특성 활용 위치 인식 이동 로봇 장치 | |
| CN112731434A (zh) | 基于激光雷达和标识物的定位方法、系统 | |
| Lorenzo et al. | A Hough-based method for concurrent mapping and localization in indoor environments | |
| CN114993292B (zh) | 一种薄墙壁分割方法及基于其的薄墙壁误匹配优化方法 | |
| CN114371487A (zh) | 一种多区域分割高精度实时定位与建图算法 |
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 |