CN111595356B - 一种激光导航机器人的工作区域构建方法 - Google Patents
一种激光导航机器人的工作区域构建方法 Download PDFInfo
- Publication number
- CN111595356B CN111595356B CN202010341061.XA CN202010341061A CN111595356B CN 111595356 B CN111595356 B CN 111595356B CN 202010341061 A CN202010341061 A CN 202010341061A CN 111595356 B CN111595356 B CN 111595356B
- Authority
- CN
- China
- Prior art keywords
- line segment
- working area
- boundary line
- area
- contour boundary
- 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
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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
-
- 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
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种激光导航机器人的工作区域构建方法,该工作区域构建方法包括:步骤1、根据机器人当前标记位置的预设检测方向上实时构建的激光地图的图像像素点统计信息,在对应方向上定位出轮廓边界线段;步骤2、从各个预设检测方向上选择距离机器人当前标记位置最近的轮廓边界线段,以框定出一个包围机器人当前标记位置的初始工作区域;步骤3、根据预定义的封闭区域的环境特征,删除初始工作区域的非墙体障碍物线段,并沿着初始工作区域的非墙体障碍物线段所处的预设检测方向拓展初始工作区域,直到该方向上定位出的轮廓边界线段与已经删除非墙体障碍物线段的初始工作区域的轮廓边界线段相交形成符合预定义的封闭区域的环境特征的工作区域。
Description
技术领域
本发明涉及机器人激光即时定位和同步建图的技术领域,尤其涉及一种激光导航机器人的工作区域构建方法。
背景技术
机器人在室内地面自主导航移动的过程中,可以对室内地面轮廓边界(墙体围成的封闭区域的环境轮廓)、室内摆放的家居设备(可以称为非墙体障碍物)的摆放位置等进行检测,根据检测结果绘制室内地图并存储该室内地图,以便于后续根据存储的室内地图清扫室内地面。相关技术中,移动机器人可以检测障碍物(墙体或者非墙体障碍物)的位置,将障碍物的位置作为墙体的位置,将包括至少一个墙体围成的封闭区域作为室内地面区域,但是难以确保室内地面区域的轮廓边界位置处都是墙体,也不利于控制机器人后续进行沿墙行走。
发明内容
为了解决上述技术问题,本发明利用激光数据排除非墙体障碍物线段的干扰,实时分割区域的新的区域规划算法,让机器人在当前构建的局部工作区域内能够沿着墙壁行走。具体技术方案包括:
一种激光导航机器人的工作区域构建方法,该工作区域构建方法包括:步骤1、根据机器人当前标记位置的预设检测方向上实时构建的激光地图的图像像素点统计信息,在对应方向上定位出轮廓边界线段,使得这些轮廓边界线段相交形成激光地图上相邻接的工作区域,其中,预设检测方向不跟随机器人当前移动方向的变化而改变;步骤2、从各个预设检测方向上选择距离机器人当前标记位置最近的轮廓边界线段,以框定出一个包围机器人当前标记位置的初始工作区域;步骤3、当初始工作区域不符合预定义的封闭区域的环境特征,删除初始工作区域的非墙体障碍物线段,并沿着初始工作区域的非墙体障碍物线段所处的预设检测方向拓展初始工作区域,直到该方向上定位出的轮廓边界线段与已经删除非墙体障碍物线段的初始工作区域的轮廓边界线段相交形成符合预定义的封闭区域的环境特征的工作区域,其中,非墙体障碍物线段包括围成初始工作区域的不属于墙壁的轮廓边界线段和围成拓展后的初始工作区域的不属于墙壁的轮廓边界线段。
与现有技术相比,本技术方案利用激光扫描获取的地图图像像素信息实时构建机器人工作区域,并在拓展机器人工作区域的过程中反复迭代处理机器人工作区域的墙体边界,使得墙体边界对应的地图框定区域轮廓贴近实际环境,提高机器人区分墙体与非墙体障碍物的准确性和智能化水平,从而确保室内地面上形成的封闭区域的轮廓边界位置处都是墙体,提高机器人沿着先后拓展形成的封闭区域的边界墙壁导航至目标位置的效率。
进一步地,所述步骤1包括:在机器人实时构建的激光地图的图像上,从所述机器人当前标记位置开始,以第一预定数量的像素点个数对应长度为距离间隔,沿着所述预设检测方向上进行所述障碍物的直方图统计,获得对应方向上的障碍物线段与机器人当前标记位置的相对位置信息,再在所述激光地图的图像上标记定位所述预设检测方向上的所述轮廓边界线段和孤立障碍物线段,并让所述轮廓边界线段相交形成所述激光地图上相邻接的不同工作区域;其中,所述预设检测方向包括世界坐标系的X轴正方向、X轴负方向、Y轴正方向和Y轴负方向;或所述预设检测方向包括分别与世界坐标系的坐标轴方向成同一偏转方向上的预设角度设置的4个像素统计方向;其中,障碍物线段包括所述轮廓边界线段和孤立障碍物线段。该技术方案为所述障碍物的直方图统计提供4个有效的方向,较为全面地划分出所述激光地图上相邻接的不同工作区域。
进一步地,所述障碍物的直方图统计的方法包括:在机器人的激光传感器的扫描范围内,以所述第一预定数量的像素点个数为距离间隔,从所述机器人当前标记位置开始沿着所述预设检测方向依次划分出检测区间,并统计各个所述检测区间内的等灰度级像素点出现的个数,用于获取相应检测区间内的所述障碍物线段的长度,并完成所述预设检测方向上的障碍物线段的定位标记;其中,各个检测区间内的障碍物线段是由相应灰度级的像素点连接而成,障碍物线段的长度是由等灰度级像素点的个数换算而来的;各个检测区间是相邻接的。该技术方案利用所述障碍物的直方图统计距离机器人当前标记位置距离不同的所述检测区间内的等灰度级像素点连接线段长度信息,也实现对相应长度的障碍物线段在激光地图上的定位。
进一步地,所述工作区域构建方法还包括:判断所述预设检测方向上是否扫描出墙壁,是则通过所述障碍物的直方图统计出该墙壁的长度,然后判断该墙壁的长度是否超出墙体阈值长度,是则在垂直该墙壁所在直线的方向上,分别沿着机器人当前标记位置的两侧延拓预定宽度的通道,用于限制机器人在该通道内沿墙行走。
进一步地,在所述步骤1和所述步骤2之间,还包括:删除各个所述检测区间内的长度小于第二预定数量的像素点个数对应长度的所述轮廓边界线段,使得不符合墙壁要求的障碍物线段不被标记为所述轮廓边界线段。该技术方案用于去除激光地图中不符合墙壁要求的标记直线线段。
进一步地,所述步骤2中,分别在世界坐标系的X轴正方向、X轴负方向、Y轴正方向和Y轴负方向上选择距离机器人当前标记位置最近的所述轮廓边界线段,或分别在与世界坐标系的坐标轴方向成同一偏转方向上的预设角度设置的4个像素统计方向上选择距离机器人当前标记位置最近的所述轮廓边界线段,框定一个包围机器人当前标记位置的矩形工作区域,其中,该矩形工作区域是所述初始工作区域。该技术方案支持所述轮廓边界线段围成所述激光地图上的矩形工作区域,围成所述初始工作区域的所述轮廓边界线段可以相互对齐以使得区域划分更为规整。
进一步地,所述预定义的封闭区域的环境特征具体包括:围成当前工作区域的轮廓边界线段的性质以及该工作区域内部的孤立障碍物线段长度;当围成一个当前工作区域的所述轮廓边界线段都是墙壁,且在这个当前工作区域的任一边长度与预设比值的乘积、以及第三预定数量的像素点个数对应的线段长度中,这个当前工作区域内部的所述孤立障碍物线段的长度小于二者相对小的数值时,确定这个当前工作区域是封闭区域;当围成一个当前工作区域的其中一条所述轮廓边界线段不是墙壁,或者,这个当前工作区域内部的所述孤立障碍物线段的长度大于或等于第三预定数量的像素点个数对应的线段长度,或这个当前工作区域的其中一边长度与预设比值的乘积小于这个当前工作区域内部的所述孤立障碍物线段的长度时,确定所述初始工作区域不是封闭区域。该技术方案通过围成初始工作区域的障碍边界线段的性质以及初始工作区域内部的孤立障碍物线段长度,来确定的所述预定义的封闭区域的环境特征,排除其他区域的障碍物直线以及内部孤立障碍物的干扰作用,特别是误判为墙体的干扰作用,提高封闭区域的判断的准确性,确保室内构建的封闭区域的轮廓边界位置处都是墙体。
进一步地,所述初始工作区域的其中一边长度与预设比值的乘积小于或等于所述孤立障碍物线段的长度,或第三预定数量的像素点个数对应的线段长度小于或等于所述孤立障碍物线段的长度时,所述孤立障碍物线段被判定为所述初始工作区域内的墙体,进而转变为新的所述轮廓边界线段以配合其他的所述轮廓边界线段框定形成新的矩形工作区域。
进一步地,当所述步骤3删除所述初始工作区域的非墙体障碍物线段后,沿着所述初始工作区域的非墙体障碍物线段所在的预设检测方向搜索所述步骤1标记定位出的所述轮廓边界线段,当检测到新的所述轮廓边界线段时,将新的所述轮廓边界线段与围成所述初始工作区域的剩余轮廓边界线段框定出一个拓展后的所述初始工作区域,然后根据所述预定义的封闭区域的环境特征,删除拓展后的所述初始工作区域中的所述非墙体障碍物线段,再重复上述步骤,直到拓展后的所述初始工作区域形成符合预定义的封闭区域的环境特征的工作区域。该技术方案实现所述初始工作区域拓展成为面积更大范围覆盖更广的封闭区域,使得机器人能够沿着轮廓边界线段导航至墙体上的目标位置,提高机器人沿墙壁边界导航的效率。
进一步地,在检测到所述初始工作区域存在两条及以上不符合所述预定义的封闭区域的环境特征的所述障碍物线段的前提下,每当所述初始工作区域往其中一条所述轮廓边界线段所在的预设检测方向拓展一次,则只是删除该预设检测方向上围成所述初始工作区域的一条所述轮廓边界线段。该技术方案充分利用同一所述预设检测方向上定位出的轮廓边界线段资源,从而避免区域拓展的面积过大。
进一步地,所述工作区域构建方法还包括:当通过执行所述步骤3形成不只一个符合所述预定义的封闭区域的环境特征的工作区域时,筛选出面积最小的工作区域;通过细粒度图像识别方法修正这个面积最小的工作区域的轮廓边界线段,使其与实际墙壁的所述轮廓边界线段的拟合误差最小,再将这个经过修正的面积最小的工作区域框定在所述激光地图的图像上。在该技术方案中,因为前述直方图统计定位出来的所述轮廓边界线段位置跟实际的墙的位置可能有差别,所以需要通过细粒度图像识别方法在这个线段左右几个像素间隔内搜索最优墙壁线段。
进一步地,所述工作区域构建方法还包括:当所述初始工作区域经过所述步骤3拓展后形成符合所述预定义的封闭区域的环境特征的工作区域时,沿着围成符合所述预定义的封闭区域的环境特征的工作区域的任一所述轮廓边界线段所在的预设检测方向继续搜索所述步骤1标记定位出的所述轮廓边界线段,并重复所述步骤2和所述步骤3,直到搜索不出所述步骤1标记定位出的所有的轮廓边界线段时,使得所述轮廓边界线段框定的工作区域包括机器人当前工作环境中的所有的墙壁轮廓区域。该技术方案通过拓展工作区域来包围所述轮廓边界线段凸出的小区域,尽可能地避免存在不靠边界的遗漏微小区域。
附图说明
图1是本发明实施例公开的由直方图确定白色线段的实时构建的激光地图的效果图;
图2是图1的激光地图框定机器人封闭工作区域S1的效果图;
图3是图2的激光地图删除线段L1和框定机器人封闭工作区域S2的效果图;
图4是图3的激光地图删除线段L2和框定机器人封闭工作区域S3的效果图;
图5是图4的激光地图删除线段L3和框定机器人封闭工作区域S4的效果图;
图6是本发明实施例获得的符合封闭区域性质的机器人封闭工作区域S5的效果图。
图7是本发明实施例公开的一种激光导航机器人的工作区域构建方法的整体流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行详细描述。为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的地图轮廓并未按比例绘制。激光导航机器人上可以设置激光传感器,该激光传感器可以检测障碍物,激光导航机器人在室内移动过程中,可以通过设置在该激光导航机器人上的激光传感器检测周围是否存在障碍物,当检测到墙壁障碍物时,机器人沿该墙壁障碍物执行沿边行为导航至目标位置。
本发明实施例公开一种激光导航机器人的工作区域构建方法,如图7所示,该工作区域构建方法包括:
步骤S1、根据机器人当前标记位置的预设检测方向上实时构建的激光地图的图像像素点统计信息,在对应方向上定位出轮廓边界线段,使得这些轮廓边界线段相交形成激光地图上相邻接的工作区域,然后进入步骤S2。如图1所示,机器人当前标记位置的预设检测方向上定位标记出:激光地图上的水平方向上和垂直方向上排布的白色线条,它们相交形成激光地图上的矩形区域,从而将激光地图划分为相邻接的工作区域。值得注意的是,预设检测方向不跟随机器人当前移动方向的变化而改变,预设检测方向只与机器人当前标记位置相关。
在步骤S1中,在机器人实时构建的激光地图的图像上,如图1所示,从所述机器人当前标记位置P开始,以第一预定数量的像素点个数为距离间隔,沿着所述预设检测方向上进行所述障碍物的直方图统计,获得对应方向上的障碍物线段与机器人当前标记位置的相对位置信息,障碍物线段包括所述轮廓边界线段和孤立障碍物线段;再在所述激光地图的图像上标记定位所述预设检测方向上的所述轮廓边界线段和孤立障碍物线段;其中,所述轮廓边界线段是图1中纵横交错的白色像素点连线,相交形成所述激光地图上相邻接的不同工作区域,包括图2中所标记的轮廓边界线段M0、M1、L0、L1、L2、L3、L4;所述孤立障碍物线段是图1中零散分布的小块白色像素点集合、较短的障碍物线段。结合图1中标记的所述轮廓边界线段的分布位置特征可知,所述预设检测方向包括世界坐标系的X轴正方向、X轴负方向、Y轴正方向和Y轴负方向,或所述预设检测方向包括分别与世界坐标系的坐标轴方向成同一偏转方向上的预设角度设置的4个像素统计方向,使得所述预设检测方向是关于所述机器人当前标记位置P中心对称的4个方向。本实施例为所述障碍物的直方图统计提供4个有效的方向,较为全面地划分出所述激光地图上相邻接的不同工作区域。其中,图2中标记的轮廓边界线段L0、L1、L2、L3、L4都是在世界坐标系的Y轴方向上,轮廓边界线段M0、M1都是标记在世界坐标系的X轴方向上。
需要说明的是,所述障碍物的直方图统计的方法包括:在机器人的激光传感器的扫描范围内,以所述第一预定数量的像素点个数为距离间隔,从所述机器人当前标记位置开始沿着4个所述预设检测方向依次划分出检测区间,每个所述预设检测方向上的检测区间大小为第一预定数量的像素点个数对应的线段长度,并统计各个所述检测区间内的等灰度级像素点出现的个数,相应检测区间内的等灰度级像素点出现的个数可通过固定的比例换算为所述障碍物线段的长度,并完成所述预设检测方向上的障碍物线段的定位标记;其中,各个检测区间内的障碍物线段是由相应灰度级的像素点连接而成,各个检测区间是相邻接的。具体地,从所述机器人当前标记位置开始,分别对激光地图的上、下、左、右4个所述预设检测方向进行扩展,然后在相应的预设检测方向上按照15个像素点组成的距离间隔(75cm)进行障碍物的直方图统计,这里的每个像素点对应的长度距离为5cm,第一预定数量优选为15,第一预定数量的像素点个数对应的距离间隔为75cm。本实施例利用所述障碍物的直方图统计距离机器人当前标记位置距离不同的所述检测区间内的等灰度级像素点连接线段长度信息,也实现对相应长度的障碍物线段在激光地图上的定位。
当机器人导航至靠近墙壁区域时,判断所述预设检测方向上是否扫描出所述轮廓边界线段,机器人在当前标记位置上判断是否有垂直于所述预设检测方向的墙壁,若存在则通过所述障碍物的直方图统计出所述轮廓边界线段的长度;当判断所述轮廓边界线段的长度是否超出墙体阈值长度,是则激活机器人的长走廊模式,在垂直所述轮廓边界线段所在直线的方向,分别沿着机器人当前标记位置的两侧延拓预定宽度的通道,该通道用于限制机器人沿所述轮廓边界线段对应的实际墙壁行走。示例性的,当前检测出的超出墙体阈值长度的墙壁相对机器人当前标记位置是水平左右方向上的房间走廊,则需要在机器人当前标记位置的前后方向上各延拓预定宽度3m,形成宽度为6m的通道,这里的墙体阈值长度可优选为6m,远超过第一预定数量的像素点个数对应的长度。
优选地,在所述步骤1和所述步骤2之间,还包括:删除各个所述检测区间内的长度小于第二预定数量的像素点个数的所述轮廓边界线段,使得不符合墙壁要求的障碍物线段不被标记为所述轮廓边界线段;所述第一预定数量优选为15个时,将第二预定数量优选为20个,使得障碍物线段不管符不符合墙壁要求,都能被所述障碍物的直方图的相应检测区间计数统计到。当所述轮廓边界线段的长度小于20个像素点对应的长度(1m)时,该轮廓边界线段成为激光地图中不符合墙壁要求的标记直线线段,需要从激光地图中删除掉。
步骤S2、从各个预设检测方向上选择距离机器人当前标记位置最近的轮廓边界线段,以框定出一个包围机器人当前标记位置的初始工作区域,形成图2的激光地图中包围机器人当前标记位置P的虚线方框S1,然后进入步骤S3。所述步骤S2中,分别在世界坐标系的X轴正方向、X轴负方向、Y轴正方向和Y轴负方向上选择距离机器人当前标记位置P最近的所述轮廓边界线段,或分别在与世界坐标系的坐标轴方向成同一偏转方向上的预设角度设置的4个像素统计方向上选择距离机器人当前标记位置P最近的所述轮廓边界线段,框定一个包围机器人当前标记位置的矩形工作区域,如图2所示,距离机器人当前标记位置P左侧最近的轮廓边界线段M1、距离机器人当前标记位置P右侧最近的轮廓边界线段M2、距离机器人当前标记位置P上方最近的轮廓边界线段L0和距离机器人当前标记位置P下方最近的轮廓边界线段L1框定一个包围机器人当前标记位置P的矩形工作区域#1,其中,该矩形工作区域是所述初始工作区域。该步骤支持所述轮廓边界线段围成所述激光地图上的矩形工作区域,围成所述初始工作区域的所述轮廓边界线段可以相互对齐以使得区域划分更为规整。
需要说明的是,预设检测方向是指所述轮廓边界线段朝向东、南、西、北以及东南、西南、东北、西北等的各个不同延伸方向。预设检测方向可以包括多个依照次序排列的不同的方向。所述障碍物的直方图定位的所述轮廓边界线段可以按照所述步骤S2选择相应的方向从而使其最终框定一个封闭区域。
步骤S3、判断初始工作区域是否符合预定义的封闭区域的环境特征,是则初始工作区域确定为封闭区域,且区域边界都是由墙壁组成,但区域的内部孤立障碍物尺寸不足以构成墙体;否则进入步骤S4。具体地,所述预定义的封闭区域的环境特征的具体包括:围成当前工作区域的轮廓边界线段的性质以及该工作区域内部的孤立障碍物线段长度;当围成一个当前工作区域的所述轮廓边界线段都不是所述非墙体障碍物线段,即都被判断为墙壁,且在这个当前工作区域的任一边长度与预设比值的乘积、以及第三预定数量的像素点个数对应的线段长度中,这个当前工作区域内部的所述孤立障碍物线段的长度小于二者相对小的数值时,确定这个当前工作区域是封闭区域;当围成一个当前工作区域的其中一条所述轮廓边界线段是所述非墙体障碍物线段,即被判断为不是墙壁,或者,这个当前工作区域内部的所述孤立障碍物线段的长度大于或等于第三预定数量的像素点个数对应的线段长度,或这个当前工作区域的其中一边长度与预设比值的乘积小于或等于这个当前工作区域内部的所述孤立障碍物线段的长度时,确定所述初始工作区域不是封闭区域。本实施例通过围成当前工作区域的障碍边界线段的性质以及当前工作区域内部的孤立障碍物线段长度,来确定的所述预定义的封闭区域的环境特征,其中,判断组成的封闭区域线段是否由墙壁组成,可以排除其他区域的障碍物直线以及内部孤立障碍物的干扰作用,同时,判断当前工作区域内部的所述孤立障碍物线段的长度是否既小于第三预定数量的像素点个数对应的线段长度又小于这个当前工作区域的任一边长度与预设比值的乘积,避免误判为墙体的干扰作用,提高封闭区域的判断的准确性,确保室内构建的封闭区域的轮廓边界位置处都是墙体。当前工作区域是所述初始工作区域时,第三预定数量的像素点个数对应的线段长度优选地位50cm,所述预设比值为1/3。
步骤S4、删除初始工作区域的非墙体障碍物线段,并沿着初始工作区域的非墙体障碍物线段所处的预设检测方向拓展初始工作区域,然后进入步骤S5。其中,非墙体障碍物线段包括围成初始工作区域的不属于墙壁的轮廓边界线段和围成拓展后的初始工作区域的不属于墙壁的轮廓边界线段。
步骤S5、将步骤S4中用于拓展的预设检测方向上定位出的轮廓边界线段与已经删除非墙体障碍物线段的初始工作区域的轮廓边界线段相交,形成拓展后的所述初始工作区域,并用这个拓展后的所述初始工作区域覆盖所述步骤S2的初始工作区域,然后返回步骤S3,继续判断拓展后的所述初始工作区域是否符合所述预定义的封闭区域的环境特征。当所述步骤S3删除所述初始工作区域的非墙体障碍物线段后,沿着所述初始工作区域的非墙体障碍物线段所在的预设检测方向搜索所述步骤S1标记定位出的所述轮廓边界线段,当检测到新的所述轮廓边界线段时,将新的所述轮廓边界线段与围成所述初始工作区域的剩余轮廓边界线段框定出一个拓展后的所述初始工作区域,然后根据所述预定义的封闭区域的环境特征,删除拓展后的所述初始工作区域中的所述非墙体障碍物线段,再重复上述步骤,直到拓展后的所述初始工作区域形成符合预定义的封闭区域的环境特征的工作区域。本实施例实现所述初始工作区域拓展成为面积更大范围覆盖更广的封闭区域,使得机器人能够沿着不断修正拓展的轮廓边界线段导航至墙体上的目标位置,提高机器人沿墙壁边界导航的效率。
对比图2和图3可知,图2的距离机器人当前标记位置P下方最近的轮廓边界线段L1没有在图3的激光地图中没有出现,说明图2的由轮廓边界线段L1参与围成的矩形工作区域#1不符合预定义的封闭区域的环境特征,轮廓边界线段L1围成矩形工作区域#1的线段大部分是处于白色像素区域内,容易被检测为所述非墙体障碍物线段在步骤S4中被删除,然后沿着矩形工作区域#1的轮廓边界线段L1所处的预设检测方向拓展矩形工作区域#1,即沿着机器人当前标记位置P的正下方拓展矩形工作区域#1,在该预设检测方向上搜索到所述步骤S1定位出的与被删除的轮廓边界线段L1相邻的轮廓边界线段L2,如图3所示,步骤S5将轮廓边界线段L2与已经删除非墙体障碍物线段的矩形工作区域#1的轮廓边界线段M0、M1和L0相交,框定形成拓展后的所述初始工作区域#2,实际上用拓展后的所述初始工作区域#2覆盖步骤S2的初始工作区域#1。
对比图3和图4可知,图3的距离机器人当前标记位置P下方的轮廓边界线段L2没有在图4的激光地图中没有出现,说明图3的由轮廓边界线段L2参与围成的矩形工作区域#2不符合预定义的封闭区域的环境特征,因为图3中的轮廓边界线段L2围成矩形工作区域#2的线段大部分是处于白色像素区域内,容易在步骤S3中被检测为所述非墙体障碍物线段而在步骤S4中删除,然后沿着矩形工作区域#2的轮廓边界线段L2所处的预设检测方向拓展矩形工作区域#2,即沿着机器人当前标记位置P的正下方拓展矩形工作区域#2,通过执行步骤S4在该预设检测方向上继续搜索到所述步骤S1定位出的与被删除的轮廓边界线段L2相邻的轮廓边界线段L3,如图4所示;步骤S5将轮廓边界线段L3与已经删除非墙体障碍物线段的矩形工作区域#2的轮廓边界线段M0、M1和L0相交,框定形成第二次拓展后的所述初始工作区域#3,即图4中的虚线方框区域#3。
对比图4和图5可知,图4的距离机器人当前标记位置P下方的轮廓边界线段L3没有在图5的激光地图中没有出现,说明图4的由轮廓边界线段L3参与围成的矩形工作区域#3不符合预定义的封闭区域的环境特征,因为图4中的轮廓边界线段L3围成矩形工作区域#4的线段大部分是处于白色像素区域内,容易在步骤S3中被检测为所述非墙体障碍物线段并在步骤S4中删除,然后沿着矩形工作区域#3的轮廓边界线段L3所处的预设检测方向拓展矩形工作区域#3,即沿着机器人当前标记位置P的正下方拓展矩形工作区域#3,通过执行步骤S4在该预设检测方向上继续搜索到所述步骤S1定位出的与被删除的轮廓边界线段L3相邻的轮廓边界线段L4,如图5所示,步骤S5将轮廓边界线段L4与已经删除非墙体障碍物线段的矩形工作区域#3的轮廓边界线段M0、M1和L0相交,框定形成第三次拓展后的所述初始工作区域#4,即图5中的虚线方框区域#4,再返回执行步骤S3可得第三次拓展后的所述初始工作区域形成符合预定义的封闭区域的环境特征的工作区域。由图5可知,轮廓边界线段L4围成虚线方框区域#4的线段大部分是标记为黑色像素点,容易在步骤S3中被检测为墙壁的轮廓边界线段。
需要说明的是,从图2的所述初始工作区域#1拓展到图5的过程中,若检测到所述初始工作区域存在两条及以上不符合所述预定义的封闭区域的环境特征的所述障碍物线段的前提下,每当所述初始工作区域往其中一条所述轮廓边界线段所在的预设检测方向拓展一次,则只是删除该预设检测方向上围成所述初始工作区域的一条所述轮廓边界线段。因此,本实施例充分利用同一所述预设检测方向上定位出的轮廓边界线段资源,从而避免区域拓展的面积过大。
与现有技术相比,前述实施例利用激光扫描获取的地图图像像素信息实时构建机器人工作区域,并在拓展机器人工作区域的过程中反复迭代处理机器人工作区域的墙体边界,使得墙体边界对应的地图框定区域轮廓贴近实际环境,提高机器人区分墙体与非墙体障碍物的准确性和智能化水平,从而确保室内地面上形成的封闭区域的轮廓边界位置处都是墙体,提高机器人沿着先后拓展形成的封闭区域的边界墙壁导航至目标位置的效率。
在执行所述步骤S3的过程中,当所述初始工作区域的其中一边长度与预设比值的乘积小于或等于所述孤立障碍物线段的长度,或第三预定数量的像素点个数对应的线段长度小于或等于所述孤立障碍物线段的长度时,所述孤立障碍物线段被判定为所述初始工作区域内的墙体,进而转变为新的所述轮廓边界线段,然后以这个新的轮廓边界线段为边界配合其他的所述轮廓边界线段框定形成新的矩形工作区域,这个新的矩形工作区域可能与所述初始工作区域或拓展后的所述初始工作区域有重叠区域,且在所述步骤S3中判断为符合所述预定义的封闭区域的环境特征。
优选地,所述工作区域构建方法还包括:
步骤S6、当所述步骤S3确定出符合所述预定义的封闭区域的环境特征的工作区域时,形成不只一个符合所述预定义的封闭区域的环境特征的工作区域,其中这个工作区域包括但不限于所述初始工作区域和拓展后的所述初始工作区域,这时需要筛选出面积最小的工作区域,也是面积最小的封闭工作区域,这个符合预定义的封闭区域的环境特征的封闭区域的墙壁与实际墙位置类间差异小,这时通过选择关于墙壁的特定标签、距离边界、部位标注去进行细粒度图像识别,通过细粒度图像识别方法修正这个面积最小的工作区域的轮廓边界线段,使其与实际墙壁的所述轮廓边界线段的拟合误差最小,再将这个经过修正的面积最小的工作区域框定在所述激光地图的图像上,如图6的白色像素标记的矩形区域#5所示。在该实施例中,因为前述直方图统计定位出来的所述轮廓边界线段位置跟实际的墙的位置可能有差别,所以需要通过细粒度图像识别方法在这个线段左右几个像素间隔内搜索最优墙壁线段。
步骤S7、执行完步骤S6后,沿着围成符合所述预定义的封闭区域的环境特征的工作区域的任一所述轮廓边界线段所在的预设检测方向继续搜索所述步骤S1标记定位出的所述轮廓边界线段,然后进入步骤S8。
步骤S8、判断是否搜索出所述步骤S1标记定位出的所述障碍物线段,是则返回执行所述步骤S2,即通过重复前述实施例的步骤,直到搜索不出所述步骤S1标记定位出的所有的轮廓边界线段,因为机器人所处的工作房间区域内被分出符合所述预定义的封闭区域的环境特征的工作区域后,剩余的房间区域面积较小,容易形成遗漏遍历的区域,所以为了提高机器人的智能化导航和遍历区域的水平,需要再扩展,将这个小区域包括进来,得到一个大房间区域;否则进入步骤S9。
步骤S9、确定所述障碍物线段所包括的所述轮廓边界线段框定的工作区域已经包围机器人当前工作环境中的所有的墙壁轮廓区域。步骤S7至步骤S9通过拓展工作区域来包围所述轮廓边界线段凸出的小区域,尽可能地避免存在不靠边界的遗漏微小区域。
上述实施例只为说明本发明的技术构思及特点,其目的是让熟悉该技术领域的技术人员能够了解本发明的内容并据以实施,并不能以此来限制本发明的保护范围。凡根据本发明精神实质所作出的等同变换或修饰,都应涵盖在本发明的保护范围之内。
Claims (11)
1.一种激光导航机器人的工作区域构建方法,其特征在于,该工作区域构建方法包括:
步骤1、根据机器人当前标记位置的预设检测方向上实时构建的激光地图的图像像素点统计信息,在对应方向上定位出轮廓边界线段,使得这些轮廓边界线段相交形成激光地图上相邻接的工作区域,其中,预设检测方向不跟随机器人当前移动方向的变化而改变;
步骤2、从各个预设检测方向上选择距离机器人当前标记位置最近的轮廓边界线段,以框定出一个包围机器人当前标记位置的初始工作区域;
步骤3、当初始工作区域不符合预定义的封闭区域的环境特征,删除初始工作区域的非墙体障碍物线段,并沿着初始工作区域的非墙体障碍物线段所处的预设检测方向拓展初始工作区域,直到该方向上定位出的轮廓边界线段与已经删除非墙体障碍物线段的初始工作区域的轮廓边界线段相交形成符合预定义的封闭区域的环境特征的工作区域,其中,非墙体障碍物线段包括围成初始工作区域的不属于墙壁的轮廓边界线段和围成拓展后的初始工作区域的不属于墙壁的轮廓边界线段;
所述预定义的封闭区域的环境特征具体包括:围成当前工作区域的轮廓边界线段的性质以及该工作区域内部的孤立障碍物线段长度;
当围成一个当前工作区域的所述轮廓边界线段都不是所述非墙体障碍物线段,且在这个当前工作区域的任一边长度与预设比值的乘积、以及第三预定数量的像素点个数对应的线段长度中,这个当前工作区域内部的所述孤立障碍物线段的长度小于二者相对小的数值时,确定这个当前工作区域是封闭区域;
当围成一个当前工作区域的其中一条所述轮廓边界线段是所述非墙体障碍物线段,或者,这个当前工作区域内部的所述孤立障碍物线段的长度大于或等于第三预定数量的像素点个数对应的线段长度,或这个当前工作区域的其中一边长度与预设比值的乘积小于或等于这个当前工作区域内部的所述孤立障碍物线段的长度时,确定所述初始工作区域不是封闭区域。
2.根据权利要求1所述工作区域构建方法,其特征在于,所述步骤1包括:
在机器人实时构建的激光地图的图像上,从所述机器人当前标记位置开始,以第一预定数量的像素点个数对应长度为距离间隔,沿着所述预设检测方向上进行所述障碍物的直方图统计,获得对应方向上的障碍物线段与机器人当前标记位置的相对位置信息,再在所述激光地图的图像上标记定位所述预设检测方向上的所述轮廓边界线段和孤立障碍物线段,并让所述轮廓边界线段相交形成所述激光地图上相邻接的不同工作区域;
其中,所述预设检测方向包括世界坐标系的X轴正方向、X轴负方向、Y轴正方向和Y轴负方向;或所述预设检测方向包括分别与世界坐标系的坐标轴方向成同一偏转方向上的预设角度设置的4个像素统计方向;
其中,障碍物线段包括所述轮廓边界线段和孤立障碍物线段。
3.根据权利要求2所述工作区域构建方法,其特征在于,所述障碍物的直方图统计的方法包括:
在机器人的激光传感器的扫描范围内,以所述第一预定数量的像素点个数为距离间隔,从所述机器人当前标记位置开始沿着所述预设检测方向依次划分出检测区间,并统计各个所述检测区间内的等灰度级像素点出现的个数,用于获取相应检测区间内的所述障碍物线段的长度,并完成所述预设检测方向上的障碍物线段的定位标记;
其中,各个检测区间内的障碍物线段是由相应灰度级的像素点连接而成,障碍物线段的长度是由等灰度级像素点的个数换算而来的;各个检测区间是相邻接的。
4.根据权利要求3所述工作区域构建方法,其特征在于,所述工作区域构建方法还包括:
通过所述障碍物的直方图统计的方法,判断所述预设检测方向上扫描出的所述轮廓边界线段是否超出墙体阈值长度,是则在垂直所述轮廓边界线段的方向上,分别沿着机器人当前标记位置的两侧延拓预定宽度的通道,该通道用于限制机器人沿所述轮廓边界线段对应的实际墙壁行走。
5.根据权利要求3所述工作区域构建方法,其特征在于,在所述步骤1和所述步骤2之间,还包括:
删除各个所述检测区间内的长度小于第二预定数量的像素点个数对应长度的所述轮廓边界线段,使得不符合墙壁要求的障碍物线段不被标记为所述轮廓边界线段。
6.根据权利要求5所述工作区域构建方法,其特征在于,所述步骤2中,分别在世界坐标系的X轴正方向、X轴负方向、Y轴正方向和Y轴负方向上选择距离机器人当前标记位置最近的所述轮廓边界线段,或分别在与世界坐标系的坐标轴方向成同一偏转方向上的预设角度设置的4个像素统计方向上选择距离机器人当前标记位置最近的所述轮廓边界线段,框定一个包围机器人当前标记位置的矩形工作区域,其中,该矩形工作区域是所述初始工作区域。
7.根据权利要求1至6任一项所述工作区域构建方法,其特征在于,当所述初始工作区域的其中一边长度与预设比值的乘积小于或等于所述孤立障碍物线段的长度,或第三预定数量的像素点个数对应的线段长度小于或等于所述孤立障碍物线段的长度时,所述孤立障碍物线段被判定为所述初始工作区域内的墙壁,进而转变为新的所述轮廓边界线段以配合其他的所述轮廓边界线段框定形成新的矩形工作区域。
8.根据权利要求1至6任一项所述工作区域构建方法,其特征在于,当所述步骤3删除所述初始工作区域的非墙体障碍物线段后,沿着所述初始工作区域的非墙体障碍物线段所在的预设检测方向搜索所述步骤1标记定位出的所述轮廓边界线段,当检测到新的所述轮廓边界线段时,将新的所述轮廓边界线段与围成所述初始工作区域的剩余轮廓边界线段框定出一个拓展后的所述初始工作区域,然后根据所述预定义的封闭区域的环境特征,删除拓展后的所述初始工作区域中的所述非墙体障碍物线段,再重复上述步骤,直到拓展后的所述初始工作区域形成符合预定义的封闭区域的环境特征的工作区域。
9.根据权利要求8所述工作区域构建方法,其特征在于,在检测到所述初始工作区域存在两条及以上不符合所述预定义的封闭区域的环境特征的所述障碍物线段的前提下,每当所述初始工作区域往其中一条所述轮廓边界线段所在的预设检测方向拓展一次,则只是删除该预设检测方向上围成所述初始工作区域的一条所述轮廓边界线段。
10.根据权利要求8所述工作区域构建方法,其特征在于,所述工作区域构建方法还包括:当通过执行所述步骤3形成不只一个符合所述预定义的封闭区域的环境特征的工作区域时,筛选出面积最小的工作区域;
通过细粒度图像识别方法修正这个面积最小的工作区域的轮廓边界线段,使其与实际墙壁的所述轮廓边界线段的拟合误差最小,再将这个经过修正的面积最小的工作区域框定在所述激光地图的图像上。
11.根据权利要求10所述工作区域构建方法,其特征在于,所述工作区域构建方法还包括:
当所述初始工作区域经过所述步骤3拓展后形成符合所述预定义的封闭区域的环境特征的工作区域时,沿着围成符合所述预定义的封闭区域的环境特征的工作区域的任一所述轮廓边界线段所在的预设检测方向继续搜索所述步骤1标记定位出的所述轮廓边界线段,并重复所述步骤2和所述步骤3,直到搜索不出所述步骤1标记定位出的所有的轮廓边界线段时,使得所述轮廓边界线段框定的工作区域包括机器人当前工作环境中的所有的墙壁轮廓区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341061.XA CN111595356B (zh) | 2020-04-27 | 2020-04-27 | 一种激光导航机器人的工作区域构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010341061.XA CN111595356B (zh) | 2020-04-27 | 2020-04-27 | 一种激光导航机器人的工作区域构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111595356A CN111595356A (zh) | 2020-08-28 |
CN111595356B true CN111595356B (zh) | 2021-11-09 |
Family
ID=72185131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010341061.XA Active CN111595356B (zh) | 2020-04-27 | 2020-04-27 | 一种激光导航机器人的工作区域构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111595356B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167851B (zh) * | 2020-09-10 | 2024-04-30 | 北京极智嘉科技股份有限公司 | 机器人以及机器人行进方法 |
CN112379392B (zh) * | 2020-10-26 | 2022-10-25 | 华南理工大学 | 基于单线激光雷达通过隧道的无人车导航控制方法 |
CN113390410B (zh) * | 2021-08-04 | 2023-01-13 | 北京云恒科技研究院有限公司 | 一种适用于无人机的惯性组合导航方法 |
CN113932825B (zh) * | 2021-09-30 | 2024-04-09 | 深圳市普渡科技有限公司 | 机器人导航路径宽度获取系统、方法、机器人及存储介质 |
CN113607161B (zh) * | 2021-09-30 | 2022-03-18 | 深圳市普渡科技有限公司 | 机器人导航路径宽度获取系统、方法、机器人及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010079022A (ja) * | 2008-09-26 | 2010-04-08 | Olympus Corp | 光走査モジュール |
CN107248176B (zh) * | 2017-06-30 | 2020-06-23 | 联想(北京)有限公司 | 室内地图构建方法及电子设备 |
CN108387234B (zh) * | 2018-02-06 | 2022-04-19 | 广州科语机器人有限公司 | 基于激光测距传感器的移动机器人的地图创建方法 |
CN110477813B (zh) * | 2019-08-12 | 2021-11-09 | 珠海市一微半导体有限公司 | 一种激光式清洁机器人及其控制方法 |
CN110488820A (zh) * | 2019-08-12 | 2019-11-22 | 珠海市一微半导体有限公司 | 一种自移动机器人的区域遍历方法及芯片 |
-
2020
- 2020-04-27 CN CN202010341061.XA patent/CN111595356B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111595356A (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111595356B (zh) | 一种激光导航机器人的工作区域构建方法 | |
CN109961440B (zh) | 一种基于深度图的三维激光雷达点云目标分割方法 | |
WO2020134082A1 (zh) | 一种路径规划方法、装置和移动设备 | |
CN107092877B (zh) | 基于建筑物基底矢量的遥感影像屋顶轮廓提取方法 | |
CN111665842B (zh) | 一种基于语义信息融合的室内slam建图方法及系统 | |
CN112102151B (zh) | 栅格地图的生成方法、装置、移动智慧设备和存储介质 | |
CN105574521B (zh) | 房屋轮廓提取方法和装置 | |
CN107121142A (zh) | 移动机器人的拓扑地图创建方法及导航方法 | |
CN112464812B (zh) | 一种基于车辆的凹陷类障碍物检测方法 | |
CN111469127B (zh) | 代价地图更新方法、装置、机器人及存储介质 | |
CN108416785A (zh) | 面向封闭空间的拓扑分割方法及装置 | |
CN109557919B (zh) | 一种融合人工路标信息的可变宽栅格地图构建方法 | |
CN111681246A (zh) | 一种激光地图的区域分割方法 | |
CN111681250B (zh) | 一种基于激光栅格地图的分割方法 | |
CN111631642B (zh) | 一种基于激光地图的工作区域拓展方法、芯片及机器人 | |
CN110147748B (zh) | 一种基于道路边缘检测的移动机器人障碍物识别方法 | |
CN111640323A (zh) | 一种路况信息获取方法 | |
CN110736456A (zh) | 稀疏环境下基于特征提取的二维激光实时定位方法 | |
CN113640826A (zh) | 一种基于3d激光点云的障碍物识别方法及系统 | |
CN114255241B (zh) | 用于路径规划的区域分割方法、装置、设备及存储介质 | |
CN114842106A (zh) | 栅格地图的构建方法及构建装置、自行走装置、存储介质 | |
CN113536837B (zh) | 室内场景的区域划分方法及装置 | |
CN113538620A (zh) | 一种面向二维栅格地图的slam建图结果评价方法 | |
CN112486172A (zh) | 道路边缘检测方法及机器人 | |
CN114353779B (zh) | 一种采用点云投影快速更新机器人局部代价地图的方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 519000 2706, No. 3000, Huandao East Road, Hengqin new area, Zhuhai, Guangdong Applicant after: Zhuhai Yiwei Semiconductor Co.,Ltd. Address before: Room 105-514, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province Applicant before: AMICRO SEMICONDUCTOR Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |