CN111650928A - 一种扫地机器人自主探索的方法及装置 - Google Patents
一种扫地机器人自主探索的方法及装置 Download PDFInfo
- Publication number
- CN111650928A CN111650928A CN201910119629.0A CN201910119629A CN111650928A CN 111650928 A CN111650928 A CN 111650928A CN 201910119629 A CN201910119629 A CN 201910119629A CN 111650928 A CN111650928 A CN 111650928A
- Authority
- CN
- China
- Prior art keywords
- candidate target
- target point
- sweeping robot
- gain value
- exploration
- 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
- 238000010408 sweeping Methods 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000007613 environmental effect Effects 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
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
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
- G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明涉及扫地机器人技术领域,尤其涉及一种扫地机器人自主探索的方法及装置,该方法在扫地机器人开启之后,将获得的局部地图与全局地图进行匹配,在匹配结果满足一预设条件时,对该局部地图对应的区域进行探索,该探索过程中在局部地图中确定扫地机器人的可达区域,在该可达区域中选出多个候选目标点,计算每个候选目标点的增益值,该增益值用于表示扫地机器人在到达对应候选目标点时能够获得的环境信息量,基于每个候选目标点的增益值,从多个候选目标点中选出一最优目标点,并控制该扫地机器人到达该最优目标点,通过探索,获得效率最高的目标点,进而提高了探索的效率。
Description
技术领域
本发明涉及扫地机器人技术领域,尤其涉及一种扫地机器人自主探索的方法及装置。
背景技术
现有的扫地机器人在室内行走过程中有多种定位方式,其中,有一种定位方式是通过将扫地机器人扫描到的周围环境的局部地图与已存储的全局地图进行匹配,从而确定该扫地机器人在该全局地图上的所在位置,实现定位。
但是,由于有些室内环境比较复杂,或者在一个新的环境中,根据局部地图与全局地图进行匹配时,出现模棱两可的情况,则无法确定该扫地机器人在室内的具体位置。
因此,如何实现该扫地机器人在陌生环境中的自主探索过程是目前亟待解决的技术问题。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的扫地机器人自主探索的方法及装置。
第一方面,本发明实施例提供一种扫地机器人自主探索的方法,包括:
在扫地机器人启动后,控制所述扫地机器人对当前环境进行巡视,并建立局部地图;
将所述局部地图与全局地图进行匹配,获得匹配结果;
若所述匹配结果满足一预设条件,则对所述局部地图对应的区域进行探索;
其中,所述对所述局部地图对应的区域进行探索,包括:
在所述局部地图中确定所述扫地机器人的可达区域;
在所述可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量;
基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点,并控制所述扫地机器人到达所述最优目标点。
进一步地,所述在所述局部地图中确定所述扫地机器人的可达区域,具体包括:
在所述局部地图中确定所述扫地机器人可达的最远距离;
将以当前位置为圆心,以所述最远距离为半径的区域确定为所述扫地机器人的可达区域。
进一步地,在所述局部地图中确定所述扫地机器人的可达区域之后,还包括:
基于所述最远距离,按照预设划分条件,获得多个第一同心探索圆,相邻的所述第一同心探索圆的第一探索半径之间的增量均相等。
进一步地,在所述可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,具体包括:
获得所述可达区域中每个第一同心探索圆上的多个候选目标点;
计算各候选目标点在任意方向上的增益值;
将所述各候选目标点的所有方向上的增益值都相加,获得每个候选目标点在全方向上的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量。
进一步地,所述基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点,具体包括:
基于所述每个候选目标点在全方向上的增益值,对每个第一同心探索圆上的多个候选目标点设置一对应的预设值;
获得所述每个第一同心探索圆上大于所述对应的预设值的n个候选目标点,n为正整数;
基于所述每个第一同心探索圆上的所述n个候选目标点中每个候选目标点的增益值,以及所述n个候选目标点中每个候选目标点对应的第一探索半径,获得所述每个候选目标点的新的增益值;
基于每个候选目标点的新的增益值,获得最优目标点。
进一步地,在基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点之前,还包括:
判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值;
在小于所述阈值时,执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤,且探索过程结束。
进一步地,在判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值之后,还包括:
在大于所述阈值时,在执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤之后,还包括:
在所述最优目标点处,基于所述最优目标点确定所述扫地机器人的新的可达区域,直至所述新的可达区域内的相邻的第二同心探索圆的第二探索半径的增量小于所述阈值时,探索过程结束。
第二方面,本发明还提供了一种扫地机器人自主探索的装置,包括:
建立模块,用于在扫地机器人启动后,控制所述扫地机器人对当前环境进行巡视,并建立局部地图;
匹配模块,用于将所述局部地图与全局地图进行匹配,获得匹配结果;
探索模块,用于在所述匹配结果满足一预设条件,则对所述局部地图对应的区域进行探索;
所述探索模块,包括:
确定单元,用于在所述局部地图中确定所述扫地机器人的可达区域;
计算单元,用于在所述可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量;
选择单元,用于基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点,并控制所述扫地机器人到达所述最优目标点。
进一步地,所述确定单元具体包括:
距离确定子单元,用于在所述局部地图中确定所述扫地机器人可达的最远距离;
可达区域确定子单元,用于将以当前位置为圆心,以所述最远距离为半径的区域确定为所述扫地机器人的可达区域。
进一步地,还包括:
获得单元,用于基于所述最远距离,按照预设划分条件,获得多个第一同心探索圆,相邻的所述第一同心探索圆的第一探索半径之间的增量均相等。
进一步地,所述计算单元,具体包括:
第一获得子单元,用于获得所述可达区域中每个第一同心探索圆上的多个候选目标点;
计算子单元,用于计算各候选目标点在任意方向上的增益值;
第二获得子单元,用于将所述各候选目标点的所有方向上的增益值都相加,获得每个候选目标点在全方向上的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量。
进一步地,所述选择单元,具体包括:
设置子单元,用于基于所述每个候选目标点在全方向上的增益值,对每个第一同心探索圆上的多个候选目标点设置一对应的预设值;
第三获得子单元,用于获得所述每个第一同心探索圆上大于所述对应的预设值的n个候选目标点,n为正整数;
第四获得子单元,用于基于所述每个第一同心探索圆上的所述n个候选目标点中每个候选目标点的增益值,以及所述n个候选目标点中每个候选目标点对应的第一探索半径,获得所述每个候选目标点的新的增益值;
第五获得子单元,用于基于每个候选目标点的新的增益值,获得最优目标点。
进一步地,还包括:
判断单元,用于判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值;
第一执行单元,用于在小于所述阈值时,执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤,且探索过程结束。
进一步地,还包括:
第二执行单元,用于在大于所述阈值时,在执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤之后,还包括:
循环单元,用于在所述最优目标点处,基于所述最优目标点确定所述扫地机器人的新的可达区域,直至所述新的可达区域内的相邻的第二同心探索圆的第二探索半径的增量小于所述阈值时,探索过程结束。
第三方面,本发明还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行上述的方法步骤。
第四方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的方法步骤。
本发明实施例中的一个或多个技术方案,至少具有如下技术效果或优点:
本发明提供一种扫地机器人自主探索的方法,该方法在扫地机器人开启之后,将获得的局部地图与全局地图进行匹配,在匹配结果满足一预设条件时,对该局部地图对应的区域进行探索,该探索过程中在局部地图中确定扫地机器人的可达区域,在该可达区域中选出多个候选目标点,计算每个候选目标点的增益值,该增益值用于表示扫地机器人在到达对应候选目标点时能够获得的环境信息量,基于每个候选目标点的增益值,从多个候选目标点中选出一最优目标点,并控制该扫地机器人到达该最优目标点,通过探索,获得效率最高的目标点,进而提高了探索的效率。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考图形表示相同的部件。在附图中:
图1示出了本发明实施例中的扫地机器人自主探索的方法的步骤流程示意图;
图2示出了本发明实施例一中的扫地机器人自主探索的方法所对应的场景示意图;
图3示出了本发明实施例中的扫地机器人自主探索的装置的结构示意图;
图4示出了本发明实施例中一种计算机设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
本发明实施例一提供一种扫地机器人自主探索的方法,如图1、图2所示,包括,在扫地机器人启动后,控制扫地机器人对当前环境进行巡视,并建立局部地图;将局部地图与全局地图进行匹配,获得匹配结果;若匹配结果满足一预设条件,则对局部地图对应的区域进行探索;其中,对局部地图对应的区域进行探索,包括:S101,在局部地图中确定扫地机器人的可达区域;S102,在可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,其中,增益值用于表示扫地机器人在到达对应候选目标点时能够获得的环境信息量;S103,基于每个候选目标点的增益值,从多个候选目标点中选出一最优目标点,并控制扫地机器人到达最优目标点。
首先,在扫地机器人启动之后,通过控制扫地机器人对当前环境进行巡视,建立局部地图(例如,控制扫地机器人在启动位置自转一周,基于单线激光雷达建立局部概率栅格地图),该局部地图中展示有扫地机器人当前位置周围环境信息,该环境信息中包括占用区域,未占用区域,以及一些未知区域。其中,占用区域是指被障碍物所占用的区域,未占用区域是指未被障碍所占用的区域,未知区域是指不清楚具体情况的区域,其往往被障碍物所遮挡。
全局地图,是该扫地机器人第一次使用时,利用其自身携带的各种传感器(例如:加速度传感器、陀螺仪、超声波测距仪、摄像头、单线激光雷、等等)对每个房间进行探索,感应每个房间的位置、形状和大小,以及遇到的障碍物的位置、形状和大小,并据此绘制出一张环境地图,通过在室内边行走边记录的方式绘制的整个室内的地图,该地图上包括占用区域和未占用区域。
在一些可选的实施例中,在将局部地图与全局地图进行匹配的过程中,如果匹配得分(或概率)处于模棱两可的情况,如概率值为50%,则启动后续自主探索过程(即:对该局部地图对应的区域进行探索)。
在一些可选的实施例中,在将局部地图与全局地图进行匹配的过程中,还可以将局部地图中占用区域的形状或者面积与全局地图中的占用区域的形状或者面积进行比较,或者是将局部地图中未占用区域的形状或者面积与全局地图中的未占用区域的形状或者面积进行比较。匹配结果可能大于60%,可能是低于40%,还有可能是在40%~60%之间。其中,如果位于40%~60%之间时,则认为该匹配结果满足一预设条件,需对该局部地图对应的区域进行探索。
对该局部地图对应的区域进行探索,该探索过程满足的原则:
1、该探索目标点是该扫地机器人可达的点;
2、在该探索目标点处该扫地机器人的增益值最大;
3、该扫地机器人到达该探索目标点的行走路径最短。
根据上述的原则,首先,执行S101,在该局部地图中确定该扫地机器人的可达区域。该可达区域具体为该扫地机器人当前位置能够看到的最远距离点到当前位置点的长度为半径的圆内的区域。
具体地,在局部地图中确定该扫地机器人可达的最远距离;
然后,将以当前位置为圆心,以最远距离为半径的区域确定为扫地机器人的可达区域。
比如,扫地机器人在当前位置处旋转一周,所能看到的最远距离即为该扫地机器人可达的最远距离。以当前位置为圆心,以该可达的最远距离为半径确定的圆周以及圆周内的区域确定为扫地机器人的可达区域。
接着,在确定了该可达区域之后,对该可达区域进行划分,确定可选的候选目标点。
具体地,可以基于该最远距离,按照预设划分条件,获得多个第一同心探索圆,相邻的第一同心探索圆的第一探索半径之间的增量均相等。从该多个第一同心探索圆上确定候选目标点。
比如,如图2所示,将该局部地图中当前位置点的最远距离的长度d划分成四个档的长度,具体为d、3d/4、d/2、d/4,按照该预设划分条件获得四个档的长度,然后以这四个档的长度作为第一探索半径,获得四个档的第一同心探索圆,由此,获得的多个第一同心探索圆中,相邻档的第一同心探索圆之间的增量为d/4,且相邻的第一同心探索圆之间的增量均相等。当然,还可以划分成5档,6档等等,在此不再具体限定了。
然后,执行S103,在该可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,其中,该增益值用于表示该扫地机器人在到达对应候选目标点是能够获得的环境信息量。
具体地,在上述获得的多个第一同心探索圆上选出多个候选目标点,在具体选择的过程中,从该可达区域的每个第一同心探索圆上选出多个候选目标点,即获得该可达区域中每个第一同心探索圆上的多个候选目标点。以保证在该可达区域内尽量多的获得候选目标点。
比如,将第一同心探索圆按照90°的精度进行划分,在每个第一同心探索圆均匀选取四个候选目标点,当然,如果将第一同心探索圆按照45度的精度进行划分,可以在每个第一同心探索圆上均匀选取八个候选目标点。如果按照0.5度的精度进行划分,在每个第一同心探索圆均匀选取720个候选目标点。获取的候选目标点与实际局部地图上的占用区域或者未知占用区域的点不重叠,如果根据上述的方式获得的候选目标点与局部地图上的占用区域或者未知占用区域的点重叠,则舍弃相应的点,保留位于未占用区域的候选点。
接着,计算各候选目标点在任意方向上的增益值;
然后,将各候选目标点的所有方向上的增益值都相加,获得每个候选目标点在全方向上的增益值,其中,该增益值用于标识该扫地机器人在到达对应候选目标点时能够获得的环境信息量。
具体地,每个第一同心探索圆上都有多个候选目标点,每个候选目标点的增益值具体为每个候选目标点在各个方向上的增益值的和。其中,一个候选目标点在一个方向上的增益值定义为在该候选目标点可能看到的占用区域的概率和。
具体地,该地图具体是采用栅格地图,该栅格地图上的地图点状态分为3种类型,即占用栅格(occupied),未占用栅格(free)以及未知栅格(unknown)(该未知栅格是指在全局地图上不存在的区域,无法确定该区域是否有被占用),在计算每个候选目标点的增益值时,若该候选目标点在某个方向上看到的都是未知栅格,则在该方向上看到的栅格的概率为100%;若该候选目标点在某个方向上能够看到占用栅格,此时分两种情况:
(1)候选目标点与该占用栅格之间经过的全部都是未占用栅格,则由于不能得到任何信息增益,在该方向上看到的栅格的权重为0。
(2)候选目标点与该占用栅格之间经过的全部都是未知占用栅格,则由于存在未知占用栅格,可能产生部分信息增益,因此,按照连续经过的未知占用栅格的最大数量给与概率(0~50%)。
由此,按照上述的情况计算每个候选目标点在各个方向上的增益值的和。从而得到每个候选目标点的增益值。
具体地,若以0.5°的角度进行划分,对于每个候选目标点来说都有720个方向,若以1°的角度进行划分,每个候选目标点都有360个方向。在确定每个候选目标点的方向时,可根据实际的情况进行划分确定。
接着,在获得每个候选目标点的增益值之后,执行S104,基于每个候选目标点的增益值,从多个候选目标点中选出一最优目标点,并控制该扫地机器人到达该最优目标点。
具体地,基于该每个候选目标点在全方向上的增益值,对每个第一同心探索圆上的多个候选目标点设置一对应的预设值;
获得每个第一同心探索圆上大于对应的预设值的n个候选目标点,n为正整数;
基于每个第一同心探索圆上的n个候选目标点中每个候选目标点的增益值,以及所述n个候选目标点中每个候选目标点对应的第一探索半径,获得每个候选目标点的新的增益值,
基于每个候选目标点的新的增益值,获得最优目标点。
在具体的实施方式中,对于每个第一同心探索圆上的多个候选目标点来说,首先获取每个第一同心探索圆的多个候选目标点中排在前n个的候选目标点,即该前n个候选目标点的增益值最大。若按照前面的预设划分规则,即获得四个档的第一同心探索圆,则在该步骤中获得4n个候选目标点。
接着,按照上述预设划分规则,获得的四个档的第一同心探索圆中,基于每个第一同心探索圆上的n个候选目标点中每个候选目标点的增益值,以及所述n个候选目标点中每个候选目标点对应的第一探索半径,获得每个第一探索半径的步长step,其中,在该可达区域中由最大的第一探索半径到最小的第一探索半径,步长step依次为3、2、1、0。基于该步长,获得每个候选目标点的新的增益值,该新的增益值将扫地机器人行走的距离与实际的增益值两者结合考虑,获得最优的增益值。具体获得该新的增益值的计算式如下:
gain N=gain/(1+α)step
其中,gain N为每个候选目标点的新的增益值,gain为每个候选目标点的原有的增益值,即所述扫地机器人在到达对应候选目标点时能够获得的环境信息量,α为增益因子,该增益因子根据实际地图的尺寸,扫地机器人运动能力及探索的时间和空间的约束综合确定的,step为每个第一探索半径的步长。
然后,基于每个第一同心探索圆上的n个候选目标点的新的增益值,获得最优目标点,也就是根据上述的计算式,选取新的增益中的最大值,将该最大值所对应的候选目标点作为最优目标点。
在S104之前,还包括判断该相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值;
在小于该阈值时,执行基于每个候选目标点的增益值,从多个候选目标点中选出一最优目标点的步骤,且探索过程结束。即此时选出的最优目标点就是最终确定的目标点。
若在该判断过程之后,获得不小于该阈值时,基于该最优目标点确定该扫地机器人的新的可达区域,直至该新的可达区域内的相邻的第二同心探索圆的第二探索半径的增量小于该阈值,该探索过程结束。
该阈值thd需满足的条件,thd=d*N-3。
其中,d为最远距离的长度,N为对可达区域进行划分时,划分成的N个档位。
比如,按照上述的四个档位的例子,若最远距离的长度d=2m时,阈值thd=2*4-3=0.03125m。
最后,控制扫地机器人运行至该最优目标点,基于该最优目标点确定扫地机器人的新的可达区域,直至该新的可达区域内的相邻的第二同心探索圆的第二探索半径的增量小于所述阈值时,探索过程结束。
具体地,在该最优目标点处获取周围环境的局部地图,将该局部地图与全局地图进行匹配,获得匹配结果,此时若匹配结果满足该预设条件时,再次对当前最优目标点的局部地图对应的区域进行探索,直到该局部地图与全局地图匹配成功,或者通过计算候选目标点的增益值时,获得每个候选目标点的增益值均小于某个预设值,则确定该地图上已无新的区域需要探索,该探索过程已完成。
实施例二
基于相同的发明构思,本发明实施例二提供了一种扫地机器人自主探索的装置,如图3所示,包括:
建立模块301,用于在扫地机器人启动后,控制所述扫地机器人对当前环境进行巡视,并建立局部地图;
匹配模块302,用于将所述局部地图与全局地图进行匹配,获得匹配结果;
探索模块303,用于在所述匹配结果满足一预设条件,则对所述局部地图对应的区域进行探索;
所述探索模块303,包括:
确定单元3031,用于在所述局部地图中确定所述扫地机器人的可达区域;
计算单元3032,用于在所述可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量;
选择单元3033,用于基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点,并控制所述扫地机器人到达所述最优目标点。
优选地,所述确定单元3031具体包括:
距离确定子单元,用于在所述局部地图中确定所述扫地机器人可达的最远距离;
可达区域确定子单元,用于将以当前位置为圆心,以所述最远距离为半径的区域确定为所述扫地机器人的可达区域。
优选地,还包括:
获得单元,用于基于所述最远距离,按照预设划分条件,获得多个第一同心探索圆,相邻的所述第一同心探索圆的第一探索半径之间的增量均相等。
优选地,所述计算单元3032,具体包括:
第一获得子单元,用于获得所述可达区域中每个第一同心探索圆上的多个候选目标点;
计算子单元,用于计算各候选目标点在任意方向上的增益值;
第二获得子单元,用于将所述各候选目标点的所有方向上的增益值都相加,获得每个候选目标点在全方向上的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量。
优选地,所述选择单元3033,具体包括:
设置子单元,用于基于所述每个候选目标点在全方向上的增益值,对每个第一同心探索圆上的多个候选目标点设置一对应的预设值;
第三获得子单元,用于获得所述每个第一同心探索圆上大于所述对应的预设值的n个候选目标点,n为正整数;
第四获得子单元,用于基于所述每个第一同心探索圆上的所述n个候选目标点中每个候选目标点的增益值,以及所述n个候选目标点中每个候选目标点对应的第一探索半径,获得所述每个候选目标点的新的增益值;
第五获得子单元,用于基于每个候选目标点的新的增益值,获得最优目标点。
优选地,还包括:
判断单元,用于判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值;
第一执行单元,用于在小于所述阈值时,执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤,且探索过程结束。
优选地,在判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值之后,还包括:
第二执行单元,用于在大于所述阈值时,在执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤之后,还包括:
循环单元,用于在所述最优目标点处,基于所述最优目标点确定所述扫地机器人的新的可达区域,直至所述新的可达区域内的相邻的第二同心探索圆的第二探索半径的增量小于所述阈值时,探索过程结束。
实施例三
基于相同的发明构思,本发明第三实施例提供一种计算机设备,如图4所示,包括存储器404、处理器402及存储在存储器404上并可在处理器402上运行的计算机程序,所述处理器402执行所述程序时实现上述扫地机人自主探索的方法步骤。
其中,在图4中,总线架构(用总线400来代表),总线400可以包括任意数量的互联的总线和桥,总线400将包括由处理器402代表的一个或多个处理器和存储器404代表的存储器的各种电路链接在一起。总线400还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口406在总线400和接收器401和发送器403之间提供接口。接收器401和发送器403可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器402负责管理总线400和通常的处理,而存储器404可以被用于存储处理器402在执行操作时所使用的数据。
实施例四
基于相同的发明构思,本发明第四实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述扫地机器人自主探索的方法步骤。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,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,如下面的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。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的智能调度的装置、服务器中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了A1、一种扫地机器人自主探索的方法,其特征在于,包括:
在扫地机器人启动后,控制所述扫地机器人对当前环境进行巡视,并建立局部地图;
将所述局部地图与全局地图进行匹配,获得匹配结果;
若所述匹配结果满足一预设条件,则对所述局部地图对应的区域进行探索;
其中,所述对所述局部地图对应的区域进行探索,包括:
在所述局部地图中确定所述扫地机器人的可达区域;
在所述可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量;
基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点,并控制所述扫地机器人到达所述最优目标点。
A2、如A1所述的扫地机器人自主探索的方法,其特征在于,所述在所述局部地图中确定所述扫地机器人的可达区域,具体包括:
在所述局部地图中确定所述扫地机器人可达的最远距离;
将以当前位置为圆心,以所述最远距离为半径的区域确定为所述扫地机器人的可达区域。
A3、如A2所述的扫地机器人自主探索的方法,其特征在于,在所述局部地图中确定所述扫地机器人的可达区域之后,还包括:
基于所述最远距离,按照预设划分条件,获得多个第一同心探索圆,相邻的所述第一同心探索圆的第一探索半径之间的增量均相等。
A4、如A3所述的扫地机器人自主探索的方法,其特征在于,在所述可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,具体包括:
获得所述可达区域中每个第一同心探索圆上的多个候选目标点;
计算各候选目标点在任意方向上的增益值;
将所述各候选目标点的所有方向上的增益值都相加,获得每个候选目标点在全方向上的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量。
A5、如A4所述的扫地机器人自主探索的方法,其特征在于,所述基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点,具体包括:
基于所述每个候选目标点在全方向上的增益值,对每个第一同心探索圆上的多个候选目标点设置一对应的预设值;
获得所述每个第一同心探索圆上大于所述对应的预设值的n个候选目标点,n为正整数;
基于所述每个第一同心探索圆上的所述n个候选目标点中每个候选目标点的增益值,以及所述n个候选目标点中每个候选目标点对应的第一探索半径,获得所述每个候选目标点的新的增益值;
基于每个候选目标点的新的增益值,获得最优目标点。
A6、如A4所述的扫地机器人自主探索的方法,其特征在于,在基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点之前,还包括:
判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值;
在小于所述阈值时,执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤,且探索过程结束。
A7、如A6所述的推送应用程序的方法,其特征在于,在判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值之后,还包括:
在大于所述阈值时,在执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤之后,还包括:
在所述最优目标点处,基于所述最优目标点确定所述扫地机器人的新的可达区域,直至所述新的可达区域内的相邻的第二同心探索圆的第二探索半径的增量小于所述阈值时,探索过程结束。
B8、一种扫地机器人自主探索的装置,其特征在于,包括:
建立模块,用于在扫地机器人启动后,控制所述扫地机器人对当前环境进行巡视,并建立局部地图;
匹配模块,用于将所述局部地图与全局地图进行匹配,获得匹配结果;
探索模块,用于在所述匹配结果满足一预设条件,则对所述局部地图对应的区域进行探索;
所述探索模块,包括:
确定单元,用于在所述局部地图中确定所述扫地机器人的可达区域;
计算单元,用于在所述可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量;
选择单元,用于基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点,并控制所述扫地机器人到达所述最优目标点。
B9、如B8所述的扫地机器人自主探索的装置,其特征在于,所述确定单元具体包括:
距离确定子单元,用于在所述局部地图中确定所述扫地机器人可达的最远距离;
可达区域确定子单元,用于将以当前位置为圆心,以所述最远距离为半径的区域确定为所述扫地机器人的可达区域。
B10、如B9所述的扫地机器人自主探索的装置,其特征在于,还包括:
获得单元,用于基于所述最远距离,按照预设划分条件,获得多个第一同心探索圆,相邻的所述第一同心探索圆的第一探索半径之间的增量均相等。
B11、如B10所述的扫地机器人自主探索的装置,其特征在于,所述计算单元,具体包括:
第一获得子单元,用于获得所述可达区域中每个第一同心探索圆上的多个候选目标点;
计算子单元,用于计算各候选目标点在任意方向上的增益值;
第二获得子单元,用于将所述各候选目标点的所有方向上的增益值都相加,获得每个候选目标点在全方向上的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量。
B12、如B11所述的扫地机器人自主探索的装置,其特征在于,所述选择单元,具体包括:
设置子单元,用于基于所述每个候选目标点在全方向上的增益值,对每个第一同心探索圆上的多个候选目标点设置一对应的预设值;
第三获得子单元,用于获得所述每个第一同心探索圆上大于所述对应的预设值的n个候选目标点,n为正整数;
第四获得子单元,用于基于所述每个第一同心探索圆上的所述n个候选目标点中每个候选目标点的增益值,以及所述n个候选目标点中每个候选目标点对应的第一探索半径,获得所述每个候选目标点的新的增益值;
第五获得子单元,用于基于每个候选目标点的新的增益值,获得最优目标点。
B13、如B11所述的推送应用程序的装置,其特征在于,还包括:
判断单元,用于判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值;
第一执行单元,用于在小于所述阈值时,执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤,且探索过程结束。
B14、如B13所述的推送应用程序的装置,其特征在于,在判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值之后,还包括:
第二执行单元,用于在大于所述阈值时,在执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤之后,还包括:
循环单元,用于在所述最优目标点处,基于所述最优目标点确定所述扫地机器人的新的可达区域,直至所述新的可达区域内的相邻的第二同心探索圆的第二探索半径的增量小于所述阈值时,探索过程结束。
C15、一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如A1-A7中任一所述的方法步骤。
D16、一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如A1-A7中任一所述的方法步骤。
Claims (10)
1.一种扫地机器人自主探索的方法,其特征在于,包括:
在扫地机器人启动后,控制所述扫地机器人对当前环境进行巡视,并建立局部地图;
将所述局部地图与全局地图进行匹配,获得匹配结果;
若所述匹配结果满足一预设条件,则对所述局部地图对应的区域进行探索;
其中,所述对所述局部地图对应的区域进行探索,包括:
在所述局部地图中确定所述扫地机器人的可达区域;
在所述可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量;
基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点,并控制所述扫地机器人到达所述最优目标点。
2.如权利要求1所述的方法,其特征在于,所述在所述局部地图中确定所述扫地机器人的可达区域,具体包括:
在所述局部地图中确定所述扫地机器人可达的最远距离;
将以当前位置为圆心,以所述最远距离为半径的区域确定为所述扫地机器人的可达区域。
3.如权利要求2所述的方法,其特征在于,在所述局部地图中确定所述扫地机器人的可达区域之后,还包括:
基于所述最远距离,按照预设划分条件,获得多个第一同心探索圆,相邻的所述第一同心探索圆的第一探索半径之间的增量均相等。
4.如权利要求3所述的方法,其特征在于,在所述可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,具体包括:
获得所述可达区域中每个第一同心探索圆上的多个候选目标点;
计算各候选目标点在任意方向上的增益值;
将所述各候选目标点的所有方向上的增益值都相加,获得每个候选目标点在全方向上的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量。
5.如权利要求4所述的方法,其特征在于,所述基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点,具体包括:
基于所述每个候选目标点在全方向上的增益值,对每个第一同心探索圆上的多个候选目标点设置一对应的预设值;
获得所述每个第一同心探索圆上大于所述对应的预设值的n个候选目标点,n为正整数;
基于所述每个第一同心探索圆上的所述n个候选目标点中每个候选目标点的增益值,以及所述n个候选目标点中每个候选目标点对应的第一探索半径,获得所述每个候选目标点的新的增益值;
基于每个候选目标点的新的增益值,获得最优目标点。
6.如权利要求4所述的方法,其特征在于,在基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点之前,还包括:
判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值;
在小于所述阈值时,执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤,且探索过程结束。
7.如权利要求6所述的方法,其特征在于,在判断所述相邻的第一同心探索圆的第一探索半径之间的增量是否小于阈值之后,还包括:
在大于所述阈值时,在执行基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点的步骤之后,还包括:
在所述最优目标点处,基于所述最优目标点确定所述扫地机器人的新的可达区域,直至所述新的可达区域内的相邻的第二同心探索圆的第二探索半径的增量小于所述阈值时,探索过程结束。
8.一种扫地机器人自主探索的装置,其特征在于,包括:
建立模块,用于在扫地机器人启动后,控制所述扫地机器人对当前环境进行巡视,并建立局部地图;
匹配模块,用于将所述局部地图与全局地图进行匹配,获得匹配结果;
探索模块,用于在所述匹配结果满足一预设条件,则对所述局部地图对应的区域进行探索;
所述探索模块,包括:
确定单元,用于在所述局部地图中确定所述扫地机器人的可达区域;
计算单元,用于在所述可达区域中选出多个候选目标点,并计算每个候选目标点的增益值,其中,所述增益值用于表示所述扫地机器人在到达对应候选目标点时能够获得的环境信息量;
选择单元,用于基于每个候选目标点的增益值,从所述多个候选目标点中选出一最优目标点,并控制所述扫地机器人到达所述最优目标点。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一权利要求所述的方法步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一权利要求所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910119629.0A CN111650928B (zh) | 2019-02-18 | 2019-02-18 | 一种扫地机器人自主探索的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910119629.0A CN111650928B (zh) | 2019-02-18 | 2019-02-18 | 一种扫地机器人自主探索的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111650928A true CN111650928A (zh) | 2020-09-11 |
CN111650928B CN111650928B (zh) | 2024-03-05 |
Family
ID=72349106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910119629.0A Active CN111650928B (zh) | 2019-02-18 | 2019-02-18 | 一种扫地机器人自主探索的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111650928B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113633219A (zh) * | 2021-07-23 | 2021-11-12 | 美智纵横科技有限责任公司 | 回充路径确定方法、装置、设备及计算机可读存储介质 |
WO2022110853A1 (zh) * | 2020-11-24 | 2022-06-02 | 追觅创新科技(苏州)有限公司 | 可通行区域的探索方法、装置、存储介质及电子装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100066587A1 (en) * | 2006-07-14 | 2010-03-18 | Brian Masao Yamauchi | Method and System for Controlling a Remote Vehicle |
KR20110050971A (ko) * | 2009-11-09 | 2011-05-17 | 한국과학기술연구원 | 이동로봇의 혼합환경지도 작성방법 |
CN105466421A (zh) * | 2015-12-16 | 2016-04-06 | 东南大学 | 面向可靠wifi连接的移动机器人自主巡航方法 |
CN106125730A (zh) * | 2016-07-10 | 2016-11-16 | 北京工业大学 | 一种基于鼠脑海马空间细胞的机器人导航地图构建方法 |
CN106197421A (zh) * | 2016-06-24 | 2016-12-07 | 北京工业大学 | 一种用于移动机器人自主探索的前沿目标点生成方法 |
CN106708037A (zh) * | 2016-12-05 | 2017-05-24 | 北京贝虎机器人技术有限公司 | 自主移动式设备定位的方法、装置及自主移动式设备 |
CN108052101A (zh) * | 2017-12-06 | 2018-05-18 | 北京奇虎科技有限公司 | 机器人的重定位方法及装置 |
CN108592912A (zh) * | 2018-03-24 | 2018-09-28 | 北京工业大学 | 一种基于激光雷达的室内移动机器人自主探索方法 |
US20180292830A1 (en) * | 2017-04-06 | 2018-10-11 | Uber Technologies, Inc. | Automatic Tuning of Autonomous Vehicle Cost Functions Based on Human Driving Data |
CN108646761A (zh) * | 2018-07-12 | 2018-10-12 | 郑州大学 | 基于ros的机器人室内环境探索、避障和目标跟踪方法 |
CN108983781A (zh) * | 2018-07-25 | 2018-12-11 | 北京理工大学 | 一种无人车目标搜索系统中的环境探测方法 |
CN108983777A (zh) * | 2018-07-23 | 2018-12-11 | 浙江工业大学 | 一种基于自适应前沿探索目标点选取的自主探索与避障方法 |
CN109144056A (zh) * | 2018-08-02 | 2019-01-04 | 上海思岚科技有限公司 | 移动机器人的全局自定位方法及设备 |
-
2019
- 2019-02-18 CN CN201910119629.0A patent/CN111650928B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100066587A1 (en) * | 2006-07-14 | 2010-03-18 | Brian Masao Yamauchi | Method and System for Controlling a Remote Vehicle |
KR20110050971A (ko) * | 2009-11-09 | 2011-05-17 | 한국과학기술연구원 | 이동로봇의 혼합환경지도 작성방법 |
CN105466421A (zh) * | 2015-12-16 | 2016-04-06 | 东南大学 | 面向可靠wifi连接的移动机器人自主巡航方法 |
CN106197421A (zh) * | 2016-06-24 | 2016-12-07 | 北京工业大学 | 一种用于移动机器人自主探索的前沿目标点生成方法 |
CN106125730A (zh) * | 2016-07-10 | 2016-11-16 | 北京工业大学 | 一种基于鼠脑海马空间细胞的机器人导航地图构建方法 |
CN106708037A (zh) * | 2016-12-05 | 2017-05-24 | 北京贝虎机器人技术有限公司 | 自主移动式设备定位的方法、装置及自主移动式设备 |
US20180292830A1 (en) * | 2017-04-06 | 2018-10-11 | Uber Technologies, Inc. | Automatic Tuning of Autonomous Vehicle Cost Functions Based on Human Driving Data |
CN108052101A (zh) * | 2017-12-06 | 2018-05-18 | 北京奇虎科技有限公司 | 机器人的重定位方法及装置 |
CN108592912A (zh) * | 2018-03-24 | 2018-09-28 | 北京工业大学 | 一种基于激光雷达的室内移动机器人自主探索方法 |
CN108646761A (zh) * | 2018-07-12 | 2018-10-12 | 郑州大学 | 基于ros的机器人室内环境探索、避障和目标跟踪方法 |
CN108983777A (zh) * | 2018-07-23 | 2018-12-11 | 浙江工业大学 | 一种基于自适应前沿探索目标点选取的自主探索与避障方法 |
CN108983781A (zh) * | 2018-07-25 | 2018-12-11 | 北京理工大学 | 一种无人车目标搜索系统中的环境探测方法 |
CN109144056A (zh) * | 2018-08-02 | 2019-01-04 | 上海思岚科技有限公司 | 移动机器人的全局自定位方法及设备 |
Non-Patent Citations (4)
Title |
---|
FRANCHI, A等: "The Sensor-based Random Graph Method for Cooperative Robot Exploration", 《IEEE-ASME TRANSACTIONS ON MECHATRONICS》, vol. 14, no. 2, XP011345268, DOI: 10.1109/TMECH.2009.2013617 * |
YUAN, J等: "A Cooperative Approach for Multi-Robot Area Exploration", 《IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS》 * |
王丹阳: "移动机器人室内环境探索与路径规划问题的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 03 * |
王佳: "未知环境中移动机器人认知技术的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 11 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022110853A1 (zh) * | 2020-11-24 | 2022-06-02 | 追觅创新科技(苏州)有限公司 | 可通行区域的探索方法、装置、存储介质及电子装置 |
CN113633219A (zh) * | 2021-07-23 | 2021-11-12 | 美智纵横科技有限责任公司 | 回充路径确定方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111650928B (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3384360B1 (en) | Simultaneous mapping and planning by a robot | |
CN109509210B (zh) | 障碍物跟踪方法和装置 | |
CN111290385A (zh) | 一种机器人路径规划方法、机器人、电子设备及存储介质 | |
JP2015505410A (ja) | 複数のロボットを用いる環境の探察および監視するための方法および装置 | |
CN111650928A (zh) | 一种扫地机器人自主探索的方法及装置 | |
CN112327329A (zh) | 避障方法、目标设备和存储介质 | |
Choi et al. | Improved CNN-based path planning for stairs climbing in autonomous UAV with LiDAR sensor | |
Wang et al. | Research on autonomous planning method based on improved quantum Particle Swarm Optimization for Autonomous Underwater Vehicle | |
CN117705119A (zh) | 大场景3d地图动态加载的导航定位方法、设备及存储介质 | |
WO2024007807A1 (zh) | 一种误差校正方法、装置及移动设备 | |
Ahmed et al. | Constructing 3d maps for dynamic environments using autonomous uavs | |
Bis et al. | Velocity occupancy space: Robot navigation and moving obstacle avoidance with sensor uncertainty | |
CN112753000A (zh) | 避障方法、可移动平台、控制设备和存储介质 | |
CN110716547A (zh) | 一种基于波前算法的3d探索的方法 | |
Ceccarelli et al. | A set theoretic approach to path planning for mobile robots | |
Kwon et al. | A new feature commonly observed from air and ground for outdoor localization with elevation map built by aerial mapping system | |
CN115016510A (zh) | 一种机器人导航避障方法、装置以及存储介质 | |
Horváth et al. | Probabilistic occupancy grid map building for Neobotix MP500 robot | |
Almanza-Ojeda et al. | Occupancy map construction for indoor robot navigation | |
CN115235482A (zh) | 地图更新方法、装置、计算机设备及介质 | |
Mi et al. | Path planning of indoor mobile robot based on improved A* algorithm incorporating RRT and JPS | |
Park et al. | Sonar sensor-based efficient exploration method using sonar salient features and several gains | |
CN116774603B (zh) | 多agv协同调度仿真平台及仿真方法 | |
Rea | AMR system for autonomous indoor navigation in unknown environments | |
Peiris et al. | Alternative platform for vision based robot navigation |
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 |