CN111947661A - 一种基于激光雷达室内地图构建方法 - Google Patents

Abstract

本申请提供了一种基于激光雷达室内地图构建方法，该方法包括：激光雷达采集基础二维点云数据和从机器人底盘、IMU获取里程计数据；根据基础二维点云数据建立基础占据栅格地图；根据里程计数据通过机器人运动模型计算出机器人位姿数据；接收指令；根据基础占据栅格地图和指令规划行进路线，同时根据指令，启动激光雷达采集变化的二维点云数据，根据变化的二维点云数据更新基础占据栅格地图数据获得占据栅格地图；根据行进路线和位姿数据机器人开始行进；同时监测并判断行进路线上是否存在移动物体；如果存在移动物体重新规划行进路线。本申请提供的地图构建方法具有简单、快速、精确的识别移动物体并更新行进路线的特点，可以适应多变环境。

Description

一种基于激光雷达室内地图构建方法

技术领域

本发明涉及机器人技术领域，特别是涉及一种基于激光雷达室内地图构建方法。

背景技术

在导航、模拟、机器人等众多智能控制或智能设备领域中，均需要以二维或三维的电子地图为基础，来进一步的开发或使用，因此，对真是环境进行地图构建，快速、有效并准确地将真实的环境转化为二维或三维的电子地图，是广泛应用于智能控制或者智能设备领域的技术性技术。在移动机器人领域，良好的电子地图更是机器人实现自主移动的前提和基础。

目前机器人主要用于以下领域：工业机器人、特种机器人、服务机器人、医疗机器人、教育机器人等多个领域。其中服务机器人需要直接跟人打交道，所处的环境往往是未知的、难以预测，因此对服务机器人移动的控制更是需要反应快速、变换准确。

医院大厅、高档养老院具有人口流动性较大且行动不方便的病人和老人较多的特点，医院大厅、高档养老院属于服务需求较大且需求较复杂的场所，为了减轻护士等的工作强度和更好地提供服务，往往采用服务机器人来提供基础的服务。但是对医院、养老院等类似的场所都具有人流量大且人员活动量大的特点，对于机器人的移动提出更高的挑战。现有技术中地图的构建方法大都效率较低无法满足多变环境的需求。

因此，亟需一种简单、快速、准确的地图室内构建方法，以满足多变环境对移动机器人的需求。

发明内容

本发明实施例提供了一种基于激光雷达室内地图构建方法，用以解决多变环境对机器人移动挑战的技术问题。

根据本发明实施例，提供了一种基于激光雷达室内地图构建方法，所述方法包括：

激光雷达采集基础二维点云数据，和从机器人底盘、IMU获取里程计数据；

根据所述基础二维点云数据建立基础占据栅格地图；

根据所述里程计数据通过机器人运动模型计算出机器人位姿数据；

接收指令；

根据所述基础占据栅格地图和所述指令规划行进路线，同时根据所述指令，启动激光雷达采集变化的二维点云数据，根据所述变化的二维点云数据更新所述基础占据栅格地图数据获得占据栅格地图，所述占据栅格地图用于补充和修正所述行进路线；

根据所述行进路线和所述位姿数据机器人开始行进；同时，

监测并判断所述行进路线上是否存在移动物体；

如果所述行进路线上存在移动物体，重新规划行进路线。

优选地，判断所述行进路线上是否存在移动物体之后，所述方法还包括：

如果所述行进路线上不存在移动物体，根据所述行进路线完成所述指令。

优选地，根据所述基础二维点云数据建立基础占据栅格地图，包括：

中心处理器接收并且融合、优化所述基础二维点云数据；

根据融合、优化后的二维点云数据建立基础占据栅格地图。

优选地，根据所述里程计数据通过机器人运动模型计算出机器人位姿数据，包括：

中心处理器接收并且融合、优化所述里程计数据；

根据融合、优化后的里程计数据，通过机器人运动模型并采用扩展信息滤波算法计算出机器人位姿数据。

优选地，根据所述基础占据栅格地图和所述指令规划行进路线，包括：

通过坐标变化算法得出机器人在所述基础占据栅格地图中的位置信息；

解析和计算所述位置信息、所述基础占据栅格地图数据和所述指令数据规划行进路线。

优选地，监测并判断所述行进路线上是否存在移动物体，包括：

检测当下所述行进路线障碍物状况；

对比先前采集的所述占据栅格地图，判断行进路线上是否存在移动物体；

如果所述当下行进路线与所述先前占据栅格地图一致，则判定为不存在移动物体；

如果所述当下行进路线与所述先前占据栅格地图不一致，则判定为存在移动物体。

由以上技术方案可见，本发明实施例提供的基于激光雷达室内地图构建方法，激光雷达采集基础二维点云数据，和从机器人底盘、IMU获取里程计数据；根据所述二维点云数据建立基础占据栅格地图；根据所述里程计数据通过机器人运动模型计算出机器人位姿数据；接收指令；根据所述基础占据栅格地图和所述指令规划行进路线，同时根据所述指令，启动激光雷达采集变化的二维点云数据，更新所述基础占据栅格地图数据获得占据栅格地图，所述占据栅格地图用于补充和修正所述行进路线；根据所述行进路线和所述位姿数据机器人开始行进；同时，监测并判断所述行进路线上是否存在移动物体；如果所述行进路线上存在移动物体，重新规划行进路线。使用激光雷达获得二维点云数据和里程计数据，与三维数据相比，数据种类没有那么丰富，但是激光雷达具有更快的数据摄取能力、较强的测距性能和更加精确的数据采集能力，因此使用激光雷达采集数据为室内地图的快速、精确构建提供了基础。监测并判断所述行进路线上是否存在移动物体，并实时的更新行进路线，可以应对移动物体带来的环境变化问题，实现机器人在多变环境下的无障碍行进，顺利的完成指令。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于激光雷达室内地图构建方法流程图；

图2为图1中步骤S20的流程图；

图3为图1中步骤S30的流程图；

图4为图1中步骤S50的流程图；

图5为图1中步骤S70的流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，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清楚、完整地描述，显然，所描述的实施例仅仅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，都应当属于本发明保护的范围。

图1为本发明实施例提供的一种基于激光雷达室内地图构建方法流程图，如图1所示，该地图构建方法包括以下步骤。

S10：激光雷达采集基础二维点云数据，和从机器人底盘、IMU获取里程计数据。

机器人在一个新环境下，正式投入使用之前，首先我们需要建立新环境的基础地图，因此，在人流量小的时候，手动控制服务机器人获取整个医院或者养老院的基础场景。激光雷达会不断实时将服务机器人的信息传给Arm处理器。人工可微调一下地图，把地图的边界更加突出明显，以防机器人冲出边界。

激光雷达通过配合电机运动，把整个医院场景扫描完对周围环境的二维扫描。它只是对场景的二维的重塑，相比于三维，数据种类没那么丰富，选用二维场景要求比较高。因此选用一款高性能的激光雷达很重要。

本申请实施例选用TOF激光雷达实现二维点云数据和里程计数据采集。TOF激光雷达是通过激光脉冲反射过程的精密时间测量，获得高精度的距离。一款高性能的激光雷达需要基于TOF方案优势和高性能时间测量技术，将这两者有效的结合起来，这样的激光雷达的能力要远高于三角法雷达的测距性能。考虑到对激光雷达高性能要求和性价比，本申请实施例使用TOF激光雷达是支持45kHZ激光采样率，并且该激光雷达能每秒4.5万个点云数据，从而能精细的还原周围环境，还可以通过配置设置参数信息，可以改变电机的转动速冻，以此来调控点云图像帧率在10-30Hz的范围内，在这样的高频率的采样率上对应上0.08°的角分辨率，这两者的结合大大提高了激光雷达对实际环境识别，能够降低漏检率。

通过激光雷达采集并处理二维点云数据和，具有更快的数据摄取能力、较强的测距性能和更加精确的数据采集能力，因此使用激光雷达采集数据为室内地图的快速、精确构建提供了基础。

从机器人底盘、IMU获取里程计数据，里程计数据为电机里程计数据，里程计数据用于控制机器人行进的速度、加速度、方向等，为机器人的平稳的行走提供数据基础。

S20：根据所述基础二维点云数据建立基础占据栅格地图。

基础二维点云数据是激光雷达在人流量较少时获得的基础数据，根据所述基础二维点云数据可以建立基础占据栅格地图，基础占据栅格地图即体现出整个医院或者养老院的基础场景，为后续地图更新的基础。

图2为图1中步骤S20的流程图，即根据所述基础二维点云数据建立基础占据栅格地图的具体方法步骤，下面结合附图作进一步说明。

S21：中心处理器接收并且融合、优化所述基础二维点云数据。

激光雷达采集基础二维点云数据和里程计数据，然后将数据上传到中心处理器。本申请实施例选用Arm处理器作为中心处理器。Arm处理器具有指令长度固定，执行效率高，低成本的特点，而本申请实施例中想要实现机器人在复杂环境中无障碍移动，中心处理器必须具有反速度快、执行效率高的特点以应对多变的环境。Arm处理器接收激光雷达探测的基础二维点云数据，然后对数据进行融合、优化的预处理。

S22：根据融合、优化后的二维点云数据建立基础占据栅格地图。

S30：根据所述里程计数据通过机器人运动模型计算出机器人位姿数据。

图3为图1中步骤S30的流程图，即根据所述里程计数据通过机器人运动模型计算出机器人位姿数据的具体方法步骤，下面结合附图作进一步说明。

S31：中心处理器接收并且融合、优化所述里程计数据。

S32：根据融合、优化后的里程计数据，通过机器人运动模型并采用扩展信息滤波算法计算出机器人位姿数据。

经过融合、优化预处理后的里程计数据，通过机器人运动模型并采用扩展信息滤波算法，计算出机器人位姿数据。扩展信息滤波算法为基于滤波器的方法，如扩展卡尔曼滤波器(EKF)、粒子滤波器(PF)等。

S40：接收指令。

机器人在建立完基础栅格地图后，进入工作状态。上位机向机器人发送任务指令，机器人中心控制器接收任务指令。

S50：根据所述基础占据栅格地图和所述指令规划行进路线，同时根据所述指令，启动激光雷达采集变化的二维点云数据，根据所述变化的二维点云数据更新所述基础占据栅格地图数据获得占据栅格地图，所述占据栅格地图用于补充和修正所述行进路线。

机器人想要实现智能行走，必须依靠自主定位导航技术，自主定位导航包括定位、建图与路径规划等。前述方法主要是实现了对机器人预设活动场景的地图构建，但是想要实现机器人行走还必须在机器人当下所处的位置和行走任务指令目标地之间进行路径规划。实际的工作环境跟基础占据栅格地图不可避免的存在区别，这些区别可能会影响到行进路线的规划，也可能不影响行进路线的规划，为了使得行进路线规划运行更快，首先我们先默认外部环境较基础占据栅格地图没有发生变化或者发生的变化不影响行进路线规划，即首先在在基础占据栅格地图上进行。同时根据所述指令，启动激光雷达采集变化的二维点云数据，根据所述变化的二维点云数据更新所述基础占据栅格地图数据获得占据栅格地图，此时的地图数据更新一般较小，更新后的占据栅格地图再与行进路线规划数据相匹配，以补充和修正所述行进路线，这样既减少了数据运行时间又避免了环境变化带来的行进路线的错误。

占据栅格地图是利用TOF激光雷达的数据，经过算法加工、分析、处理所形成的地图。这个地图上面的点的特征信息，都可以通过二维数组a[i][j]来表示，比如：地图上面有机器人所在的位置，我们称之位起始点，设置为a[0][0]，把障碍物的点设置为a[0][1]，把可以通过的点设置为a[1][0]，把移动的物体设置为a[1][1]，这样当机器人在自主导航的过程中，及时的判断该点的特征点是哪一个类型。这里就需要有足够的内存和较大的CPU的处理器，来计算分析地图的点的类型特征。如果该点的特征发生变化，要对原先的占据栅格地图进行更新。

图4为图1中步骤S50的流程图，即根据所述基础占据栅格地图和所述指令规划行进路线的具体方法步骤，下面结合附图作进一步说明。

S51：通过坐标变化算法得出机器人在所述基础占据栅格地图中的位置信息。

S52：解析和计算所述位置信息、所述基础占据栅格地图数据和所述指令数据规划行进路线。

应用于医院或者养老院的机器人自主导航系统，都是采用建立数字地图。上级导航系统包括SLAM算法(gmapping或者cartographer)、坐标变换算法(利用IMU获得机器人的位置姿态)；利用SLAM算法可以将TOF激光雷达收集到的信息，建立出所需要场景的二维地图，并通过坐标变化算法得出机器人的位置信息。下级导航系统通过对数据的解析和计算，得出一条规划行进路径，控制器利用PID控制对执行器的驱动，使得机器人沿着规划行进路径移动。

S60：根据所述行进路线和所述位姿数据机器人开始行进。

行进路线规划完成结合位姿数据，机器人开始行走。

S70：监测并判断所述行进路线上是否存在移动物体。

对于医院、养老院等人流量较大的场景，室内环境是时刻变化的，最初规划的行进路线也只适用于当时的环境，需要时刻监测行进路线上是否存在移动物体，以及时的更新行进路线。因此，在机器人开始行进一刻开始，同时需要监测并判断所述行进路线上是否存在移动物体。

图5为图1中步骤S70的流程图，即监测并判断所述行进路线上是否存在移动物体具体的方法步骤，下面结合附图作进一步说明。

S71：检测当下所述行进路线障碍物状况。

S72：对比先前采集的所述占据栅格地图，判断行进路线上是否存在移动物体。

S73：如果所述当下行进路线与所述先前占据栅格地图一致，则判定为不存在移动物体。

S74：如果所述当下行进路线与所述先前占据栅格地图不一致，则判定为存在移动物体。

S80：如果所述行进路线上存在移动物体，重新规划行进路线。

S90：如果所述行进路线上不存在移动物体，根据所述行进路线完成所述指令。

判断所述行进路线上是否存在移动物体之后，如果所述行进路线上不存在移动物体，根据所述行进路线完成所述指令。

本说明书中的实施例采用递进的方式描述。各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。

需要说明的是，除非另有规定和限定，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电路结构、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物品或者设备所固有的要素。在没有更多限制的情况下，有语句“包括一个……”限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (6)

1.一种基于激光雷达室内地图构建方法，其特征在于，所述方法包括以下步骤：

激光雷达采集基础二维点云数据，和从机器人底盘、IMU获取里程计数据；

根据所述基础二维点云数据建立基础占据栅格地图；

根据所述里程计数据通过机器人运动模型计算出机器人位姿数据；

接收指令；

根据所述基础占据栅格地图和所述指令规划行进路线，同时根据所述指令，启动激光雷达采集变化的二维点云数据，根据所述变化的二维点云数据更新所述基础占据栅格地图数据获得占据栅格地图，所述占据栅格地图用于补充和修正所述行进路线；

根据所述行进路线和所述位姿数据机器人开始行进；同时，

监测并判断所述行进路线上是否存在移动物体；

如果所述行进路线上存在移动物体，重新规划行进路线。

2.根据权利要求1所述的基于激光雷达室内地图构建方法，其特征在于，判断所述行进路线上是否存在移动物体之后，所述方法还包括：

如果所述行进路线上不存在移动物体，根据所述行进路线完成所述指令。

3.根据权利要求1所述的基于激光雷达室内地图构建方法，其特征在于，根据所述基础二维点云数据建立基础占据栅格地图，包括：

中心处理器接收并且融合、优化所述基础二维点云数据；

根据融合、优化后的基础二维点云数据建立基础占据栅格地图。

4.根据权利要求1所述的基于激光雷达室内地图构建方法，其特征在于，根据所述里程计数据通过机器人运动模型计算出机器人位姿数据，包括：

中心处理器接收并且融合、优化所述里程计数据；

根据融合、优化后的里程计数据，通过机器人运动模型并采用扩展信息滤波算法计算出机器人位姿数据。

5.根据权利要求1所述的基于激光雷达室内地图构建方法，其特征在于，根据所述基础占据栅格地图和所述指令规划行进路线，包括：

通过坐标变化算法得出机器人在所述基础占据栅格地图中的位置信息；

解析和计算所述位置信息、所述基础占据栅格地图数据和所述指令数据规划行进路线。

6.根据权利要求1所述的基于激光雷达室内地图构建方法，其特征在于，监测并判断所述行进路线上是否存在移动物体，包括：

检测当下所述行进路线障碍物状况；

对比先前采集的所述占据栅格地图，判断行进路线上是否存在移动物体；

如果所述当下行进路线与所述先前占据栅格地图一致，则判定为不存在移动物体；

如果所述当下行进路线与所述先前占据栅格地图不一致，则判定为存在移动物体。

Images