CN112182122A - 一种移动机器人工作环境导航地图的获取方法及装置 - Google Patents
一种移动机器人工作环境导航地图的获取方法及装置 Download PDFInfo
- Publication number
- CN112182122A CN112182122A CN201910604184.5A CN201910604184A CN112182122A CN 112182122 A CN112182122 A CN 112182122A CN 201910604184 A CN201910604184 A CN 201910604184A CN 112182122 A CN112182122 A CN 112182122A
- Authority
- CN
- China
- Prior art keywords
- map
- mobile robot
- navigation
- environment
- working environment
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000010408 sweeping Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000003384 imaging method Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004887 air purification Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Computer Graphics (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种移动机器人工作环境导航地图的获取方法,针对移动机器人所处的工作环境,获取所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;根据所述二维拓扑环境地图,获取所述移动机器人工作环境的导航地图。以包含所述移动机器人工作环境下的无障碍区域信息的二维拓扑地图为依据,获取所述工作环境的导航地图。可以为所述移动机器人提供包含三维避障信息的、更为准确的导航地图。
Description
技术领域
本申请涉及导航领域,具体涉及一种移动机器人工作环境导航地图的获取方法。本申请还涉及一种用于移动机器人的导航方法及系统。
背景技术
在日常生活中,常见的移动机器人导航算法主要是在二维栅格地图上规划从当前位置到目标位置的路径点集,再通过动态窗口法(Dynamic Window Approach)计算移动机器人的实时速度,保证机器人安全、准确地到达目标位置。
在移动机器人导航行驶的过程中,用于测距的传感器主要有激光雷达以及深度相机等,一般来讲,激光雷达的测距精度相对比深度相机要高,而激光雷达又分为多线激光雷达以及单线激光雷达,多线激光雷达测距精度更高,但是成本相较单线激光雷达也要高的多。因此,目前移动机器人配备的测距传感器以单线激光雷达为主,用以创建二维栅格地图作为移动机器人导航的依据,同时辅以超声波传感器、深度相机等辅助避障。
但是,单线激光雷达仅能探测雷达安装平面上的障碍物,不能获取丰富的多维环境信息,因而使移动机器人在路径规划过程中无法避开高于所述单线激光雷达安装平面的障碍,会产生许多错误规划以及需要频繁的重新计算导航路径。
发明内容
本申请提供一种移动机器人工作环境导航地图的获取方法,以解决现有技术存在的移动机器人在导航路径规划时,因为不能检测到工作环境中的高于某个高度阈值的障碍物,而带来的错误规划以及需要频繁重复计算路径的问题。
本申请提供一种移动机器人工作环境导航地图的获取方法,包括:
针对移动机器人所处的工作环境,获取所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;
根据所述二维拓扑环境地图,获取所述移动机器人工作环境的导航地图。
可选的,所述获取所述工作环境的二维拓扑环境地图,包括:
获取所述移动机器人工作环境的稠密环境地图;
根据所述稠密环境地图,获取所述工作环境的二维拓扑环境地图。
可选的,所述获取所述移动机器人工作环境的稠密环境地图,包括根据所述移动机器人的图像传感器采集的工作环境数据,获取所述工作环境的稠密环境地图。
可选的,所述根据所述稠密环境地图,获取所述工作环境的二维拓扑环境地图,包括:
获取所述稠密环境地图中的无障碍区域体素集;
根据所述无障碍区域体素集,获取无障碍区域体素聚类集;
根据所述无障碍区域体素聚类集,获取所述工作环境的二维拓扑环境地图。
可选的,所述获取所述稠密环境地图中的无障碍区域体素集,包括使用TSDF算法对所述稠密环境地图中的数据进行三维点云融合,获取所述稠密环境地图中的无障碍区域体素集。
可选的,所述根据所述无障碍区域体素集,获取无障碍区域体素聚类集,包括:对所述无障碍区域体素集中的体素进行聚类分析,获取无障碍区域体素聚类集。
可选的,所述对所述无障碍区域体素集中的体素进行聚类分析,获取无障碍区域体素聚类集,包括:
从所述无障碍区域体素集中提取任意一体素,作为待确定无障碍区域体素聚类的中心体素;
获取与所述待确定无障碍区域体素聚类的中心体素邻近的邻近体素集;
根据所述无障碍区域体素集,以及所述邻近体素集,获取与所述待确定无障碍区域体素聚类的中心体素邻近的邻近无障碍区域体素集;
对所述待确定无障碍区域体素聚类的中心体素,以及所述邻近无障碍区域体素集的各个体素进行凸性分析,将不满足所述凸性分析的体素从所述邻近无障碍区域体素集中删除,剩余的体素形成与所述待确定无障碍区域体素集对应的无障碍区域体素聚类集。
可选的,所述根据所述无障碍区域体素集,以及所述邻近体素集,获取与所述无障碍区域体素聚类的中心体素邻近的邻近无障碍区域体素集,包括根据所述无障碍区域体素集,从所述邻近体素集中删除不存在于所述无障碍区域体素集中的体素。
可选的,所述根据所述无障碍区域体素聚类集,获取所述工作环境的二维拓扑环境地图,包括:
将所述无障碍区域体素聚类集中的体素映射到二维平面,获取所述工作环境的二维拓扑环境地图。
可选的,所述图像传感器包括深度摄像机。
可选的,所述根据所述二维拓扑环境地图,获取所述移动机器人工作环境的导航地图,包括根据所述二维拓扑环境地图中的路径规划节点,获取所述移动机器人工作环境的导航地图。
可选的,所述二维拓扑地图中的路径规划节点,包括:
在所述二维拓扑环境地图中相邻且相互连通的两个区域的相邻区域连接线上设置的门节点,其中,所述门节点是所述移动机器人能够通过所述相邻区域的位置点;
在所述二维拓扑环境地图中的各区域中设置的异于门节点的区域节点。
可选的,所述门节点设置在所述相邻且相互连通的两个区域的相邻区域连接线的中点处。
可选的,所述区域节点设置在所属区域的区域中心点处。
可选的,所述根据所述二维拓扑环境地图中的路径规划节点,获取所述工作环境的导航地图,包括:
获取所述移动机器人的导航起始位置,作为起始节点;
获取所述移动机器人的导航目的位置,作为目的节点;
根据所述起始节点,目的节点以及所述路径规划节点,获取所述移动机器人的导航路径;
根据所述导航路径,获取所述移动机器人工作环境的导航地图。
可选的,所述根据所述起始节点,目的节点以及所述路径规划节点,获取所述移动机器人工作环境的导航路径,包括:
连接所述起始节点与所述目的节点之间的各个区域的门节点以及区域节点,获取所述移动机器人工作环境的导航路径;
其中,所述区域节点仅与所属区域内的门节点,起始节点,目的节点连接。
可选的,还包括根据相互连接的任意两个节点之间的距离,设置所述两个节点的距离。
可选的,还包括获取所述导航路径中的最短距离导航路径,包括:
从可选的所述导航路径中,获取待计算导航路径;
根据所述待计算导航路径中的相邻节点间的距离,获取所述待计算导航路径的总距离数值;
计算可选的所述导航路径中的所有导航路径的总距离数值,并将其中总距离数值最小的导航路径作为所述移动机器人工作环境的最短距离导航路径。
本申请还提供一种用于移动机器人的导航方法,包括:
针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图,以及预先创建的所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;
根据所述稀疏环境地图,以及所述二维拓扑环境地图,为所述移动机器人提供导航信息。
可选的,所述根据所述稀疏环境地图,以及所述二维拓扑环境地图,为所述移动机器人提供导航信息,包括:
根据所述稀疏环境地图,以及所述移动机器人的图像传感器获取的工作环境数据,获取所述移动机器人的位置信息;
根据所述工作环境的二维拓扑环境地图,获取所述工作环境的导航地图。
根据所述位置信息,以及所述导航地图,为所述移动机器人提供导航信息。
可选的,在预先创建所述工作环境的稀疏环境地图,以及二维拓扑环境地图之前,获取所述工作环境的稠密环境地图。
可选的,所述预先创建所述工作环境的稀疏环境地图,包括:
获取所述工作环境的稠密环境地图;
根据所述稠密环境地图,获取所述工作环境的稀疏环境地图。
可选的,所述根据所述稠密环境地图,获取所述工作环境的稀疏环境地图,包括:
提取所述稠密环境地图中的特征点数据;
根据所述特征点数据,获取所述工作环境的稀疏环境地图。
本申请还提供一种用于移动机器人的导航系统,包括:
位置信息获取装置,导航地图获取装置,实时导航装置;
所述位置信息获取装置,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图,并根据所述稀疏环境地图,以及所述移动机器人的图像传感器,获取所述移动机器人的位置信息;
所述导航地图获取装置,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的二维拓扑环境地图,并根据所述二维拓扑环境地图,获取所述工作环境的导航地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;
所述实时导航装置,用于获取所述移动机器人的实时速度,并根据所述位置信息,以及所述导航地图,为所述移动机器人提供导航信息。
可选的,所述位置信息获取装置,包括:
稀疏环境地图获取单元,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图;
工作环境数据获取单元,用于根据所述移动机器人的图像传感器,获取所述移动机器人的工作环境数据;
位置信息获取单元,用于根据所述稀疏环境地图,以及所述工作环境数据,获取所述移动机器人的位置信息。
可选的,所述导航地图获取装置,包括:
二维拓扑地图获取单元,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;
导航地图获取单元,用于根据所述二维拓扑环境地图,获取所述工作环境的导航地图。
与现有技术相比,本申请具有以下优点:
本申请提供的一种移动机器人工作环境导航地图的获取方法,针对移动机器人所处的工作环境,获取所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;根据所述二维拓扑环境地图,获取所述移动机器人工作环境的导航地图。通过以包含所述工作环境下的无障碍区域信息的二维拓扑地图为依据,获取所述工作环境的导航地图。可以为所述移动机器人提供包含三维避障信息的、更为准确的导航地图。
本申请提供的一种用于移动机器人的导航方法,针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图,以及预先创建的所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;根据所述稀疏环境地图,以及所述二维拓扑环境地图,为所述移动机器人提供导航信息。通过预先创建的所述移动机器人的稀疏环境地图获取所述移动机器人的位置信息,以包含所述工作环境下的无障碍区域信息的二维拓扑环境地图获取所述工作环境的导航地图,不仅可以在移动机器人导航地图规划的时候提供包含三维避障信息的导航地图,同时,因为所述稀疏环境地图以及所述二维拓扑环境地图都是预先创建的,可以在所述移动机器人导航的过程中直接使用,也避免了再导航过程中处理稠密环境地图而带来的计算问题,另外相较于直接使用稠密环境地图来进行导航更加节省存储空间。可以使移动机器人安全、准确的到达目的位置。
本申请提供的一种用于移动机器人的导航系统,包括位置信息获取装置,导航地图获取装置,实时导航装置;所述位置信息获取装置,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图,并根据所述稀疏环境地图,以及所述移动机器人的图像传感器,获取所述移动机器人的位置信息;所述导航地图获取装置,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的二维拓扑环境地图,并根据所述二维拓扑环境地图,获取所述工作环境的导航地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;所述实时导航装置,用于获取所述移动机器人的实时速度,并根据所述位置信息,以及所述导航地图,为所述移动机器人提供导航信息。不仅可以在移动机器人导航地图规划的时候提供更为准确的路径规划信息以及获取更为准确的实时位置信息,同时,因为所述稀疏环境地图以及所述二维拓扑环境地图都是预先创建的,可以在所述移动机器人导航的过程中直接使用,也避免了再导航过程中处理稠密环境地图而带来的计算问题,并且相较于直接使用稠密环境地图来进行导航路径规划更加节省存储空间。
附图说明
图1为本申请第一实施例提供的一种移动机器人工作环境导航地图的获取方法的流程图;
图2为本申请第一实施例提供的一种移动机器人工作环境导航地图的获取方法中的获取导航地图的详细的流程图;
图3为本申请第一实施例提供的一种移动机器人工作环境导航地图的获取方法中的二维拓扑环境地图的示意图;
图4为本申请第二实施例提供的一种用于移动机器人的导航方法的流程图;
图5为本申请第二实施例提供的一种用于移动机器人的导航方法中的移动机器人的导航过程示意图;
图6为本申请第三实施例提供的一种用于移动机器人的导航系统的示意图;
图7为本申请第三实施例提供的一种用于移动机器人的导航系统的位置信息获取装置的示意图;
图8为本申请第三实施例提供的一种用于移动机器人的导航系统的导航地图获取装置的示意图;
图9为本申请第一实施例提供的图像坐标系和成像平面坐标系的示意图;
图10为本申请第一实施例提供的摄像机坐标系与世界坐标系的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
本申请提供的一种移动机器人工作环境导航地图的获取方法,以下结合具体实施例予以说明。
如图1所示,其为本申请第一实施例提供的一种移动机器人工作环境导航地图的获取方法的流程图。以下结合图1对该实施例予以详细说明。
步骤S101,针对移动机器人所处的工作环境,获取所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息。
在日常生活中,随着计算机技术的发展,移动机器人分布在人们生活的方方面面,为人们的工作、生活等带来了极大的便利。在家庭生活中常见的移动机器人如:扫地机器人、智能陪伴机器人等。这些移动机器人为用户的生活带来了极大的便利。一般情况下,所述移动机器人在向其工作环境(如用户家庭环境)的某个位置移动时,其导航的过程主要是基于所述移动机器人创建的二维栅格地图进行路径规划以及实时导航。需要指出的是,本申请中的移动机器人并不以扫地机器人为限,具体的,所述移动机器人还可以包含自动割草机、自移动空气净化机器人、安防机器人、迎宾机器人、导购机器人、导航机器人、无人飞行器等。
本实施例中提供一种移动机器人工作环境导航地图的获取方法,区别于上述基于二维栅格地图进行导航的方法。在本实施例中,为了获取所述区别于传统二维栅格地图的导航地图,需要针对移动机器人所处的工作环境,获取所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息。
所述无障碍区域信息主要是相对于所述移动机器人来讲,指所述移动机器人可以无障碍通过的区域,通常当所述移动机器人的工作环境中的区域无障碍物、或所述区域中的障碍物的高度小于所述移动机器人可跨越的高度,以及障碍物的高度高于所述移动机器人的自身高度时,都可以视所述区域为所述移动机器人可以无障碍通过的区域。
如图2所示,其为本申请第一实施例提供的一种移动机器人工作环境导航地图的获取方法中的获取导航地图的详细的流程图。其中的步骤S101-1—步骤S101-4为图1中步骤S101的子步骤,下面详细介绍所述步骤S101-1—步骤S101-4。
步骤S101-1,获取所述工作环境的稠密环境地图。
所述获取所述工作环境的稠密环境地图,主要是根据所述移动机器人的图像传感器采集的工作环境数据,获取所述工作环境的稠密环境地图。所述图像传感器在此处可以是深度摄像机,当然也可以是其它可以采集三维工作环境数据的图像传感器,本实施例中对此不做特殊限定。
此处,以扫地机器人举例说明,通常扫地机器人在其工作环境中工作时,依赖其携带的激光传感器并辅以其它传感器生成所述工作环境的二维栅格地图,并利用所述二维栅格地图在其工作环境中移动导航。由于所述二维栅格地图是基于二维平面地图进行导航,通常无法准确获得扫地机器人工作环境中的具备高度数据的障碍物的信息,在扫地机器人依赖二维栅格地图进行导航时,通常当遇到满足某个高度阈值的无法跨越的障碍物时,需要借助避障传感器进行避障并频繁的重新计算导航路径。因此,在本实施例中,为了能够获取扫地机器人工作环境的具备高度数据的障碍物的信息,采用在扫地机器人上搭载深度摄像机来获取扫地机器人的工作环境中的图像信息,并利用采集的所述图像信息生成所述扫地机器人的稠密环境地图,下面详细介绍此过程。
所谓深度摄像机,是一种包含三维信息提取、物体识别、分类、运动跟踪的摄像机,可以获取环境中物体的深度信息。深度摄像机按照深度测量原理的不同,通常分为飞行时间法(TOF)、结构光法、双目立体视觉法等方法,比较成熟的产品如微软的Kinectv1、Kinectv2、华硕的xtion等,在本实施例中,不对扫地机器人上搭载的深度摄像机的测量类型做特殊限定,只需要能够满足测量扫地机器人工作环境中的图像信息即可。
扫地机器人在工作环境移动的过程中,利用搭载的深度摄像机采集工作环境的图像信息,并根据采集的所述图像信息,生成所述扫地机器人所处工作环境的稠密环境地图。
所述稠密环境地图,是一种相对概念,用于精确地表示地图中物体的位置关系。通常是按照一定的分辨率,由若干小块组成,二维稠密环境地图是由若干方格构成,而三维稠密环境地图则是由若干的方块形成的点云构成。本实施例中为了能够获取扫地机器人工作环境中的障碍物的高度信息,进而达到使扫地机器人在移动导航时可以准确避障的目的,采集的稠密环境地图主要为三维稠密环境地图。
以上,以扫地机器人举例,详细描述了通过在扫地机器人上搭载深度摄像机,来获取其工作环境的稠密环境地图的方法。针对其它移动机器人也可采取上述方案获取其工作环境的稠密环境地图,当然不仅限于上述方法,还可以采取在移动机器人的工作环境的不同位置放置深度摄像机,并利用所述处于不同位置的深度摄像机采集的图像信息生成其工作环境的稠密环境地图的方法,或者针对室外工作环境,可以利用无人机搭载深度摄像机来方便的获取移动机器人的工作环境的稠密环境地图,此处,不再一一描述。
本实施例中之所以需要获取所述移动机器人的稠密环境地图,主要是在所述稠密环境地图的基础上,提取所述移动机器人的工作环境的无障碍区域信息,从而获取所述工作环境的二维拓扑环境地图。其主要包含图2所示的步骤中的步骤S101-2、步骤S101-3及步骤S101-4。
步骤S101-2,获取所述稠密环境地图中的无障碍区域体素集。
本步骤使用TSDF算法对在步骤S101-1获取的所述工作环境的稠密环境地图中的数据进行三维点云融合,以获取所述稠密环境地图中的无障碍区域体素集。
其中,所述点云,本实施例中是指由深度摄像机获取的物体表面的信息集合。其在稠密环境地图中可以以点的形式进行记录,这些点既可以是三维坐标,也可以是颜色或者光照强度等信息。通常的点云数据一般包括点坐标精度、空间分辨率和表面法向量等内容。此外,点云中包括多个体素,所谓体素,体素的立体可以通过立体渲染或者提取给定阈值轮廓的多边形等值面表现出来。一如其名,是数字数据于三维空间分割上的最小单位,体素用于三维成像、科学数据与医学影像等领域。概念上类似二维空间的最小单位—像素。
首先,介绍一些用于描述深度摄像机拍摄的图像中的体素位置的相关坐标系的定义,以方便后续描述。
在使用深度摄像机采集图像时,由于深度摄像机随着移动机器人的移动在随时变换位置,或者深度摄像机有可能被安置在移动机器人工作环境中的任意位置,因此,通常在工作环境中选择一个基准坐标系来描述深度摄像机的位置,并用它描述工作环境中任意物体的位置,该坐标系称为世界坐标系。
另外,深度摄像机采集的图像信息在计算机内可以存储为数组,数组中的每一个元素(像素)的值即是图像点的亮度(灰度)。如图9所示,其为本申请第一实施例提供的图像坐标系和成像平面坐标系的示意图,在图像上定义直角坐标系u-v,每一像素的坐标(u,v)分别是该像素在数组中的列数和行数。故(u,v)是以像素为单位的图像坐标系坐标。
此外,由于图像坐标系只表示像素位于图像中的列数和行数,并没有用物理单位表示出该像素在图像中的物理位置,因而需要再建立以物理单位(例如厘米)表示的成像平面坐标系x-y。如图9所示,用(x,y)表示以物理单位度量的成像平面坐标系的坐标。在x-y坐标系中,原点定义在摄像机光轴和图像平面的交点处,称为图像的主点(principalpoint),该点一般位于图像中心处,在成像平面坐标系下的坐标为(u0,v0),每个像素在x轴和y轴方向上的物理尺寸为dx、dy。图像坐标系与成像平面坐标系的变换关系可以通过矩阵变换表示,此处不多描述。
请参看图10,其为本申请第一实施例提供的摄像机坐标系与世界坐标系的示意图,其中,O点称为摄像机光心,Xc轴和Yc轴分别与成像平面坐标系的x轴和y轴平行,Zc轴为摄像机的光轴,和图像平面垂直。光轴与图像平面的交点为图像主点O',由点O与Xc轴、Yc轴、Zc轴组成的直角坐标系称为摄像机坐标系。OO'为摄像机焦距。
通常摄像机坐标系和世界坐标系之间的变换关系也可用矩阵及平移向量来描述,此处不再赘述。
以上,简单介绍了世界坐标系、图像坐标系、成像平面坐标系、摄像机坐标系的概念以及之间的关系,下面详细介绍本步骤,即获取所述稠密环境地图中的无障碍区域体素集。
本步骤中获取所述稠密环境地图中的无障碍区域体素集的方法主要是重复执行以下步骤集,并根据最终执行结果,获取所述稠密环境地图中的无障碍区域体素聚类集:
从所述稠密环境地图的点云中提取任一体素v,根据所述稠密环境地图中的信息,获得所述体素v的世界坐标Pw(Xw,Yw,Zw);
通过世界坐标与摄像机坐标的变换关系,使用深度摄像机自身的外参矩阵,能够获得与Pw对应的所述体素v的摄像机坐标Pc(Xc,Yc,Zc);同时,使用上述世界坐标与图像坐标的变换关系,使用深度摄像机自身的内参矩阵,还可以获得所述体素v在图像坐标系中对应的像素点坐标Pv(X,Y);其中,所述内参矩阵,由所述深度摄像机的内部构造决定的,是对应每个深度摄像机的特征参数,所述外参矩阵,是相机坐标系与世界坐标系的转换,随相机运动发生改变。
通过所述稠密环境地图中的信息,还可以获得Pv的深度数值D(Pv);
当D(Pv)≠0时,获取D(Pv)与Pc的深度值Zc的比较结果,即d=D(X)-Pc.Zc,当d小于第一位置阈值时,则判定体素v在无障碍区域表面外;若d大于第二位置阈值时,则判定体素v在无障碍区域内;若第一位置阈值<d<第二位置阈值,则判定体素v在区域分割面上。
其中,所述第一位置阈值,与第二位置阈值是一个数值很小的数值,用于判定上述提取的体素v是在无障碍区域内还是无障碍区域外。根据对最终结果的精度需求的不同,该数值可由人为设定,此处不做限定。
通过上述步骤集对所述工作环境的稠密环境地图中的数据进行三维点云融合,最终可以获取到所述稠密环境地图中的无障碍区域体素集。
需要说明的是,此处是采取TSDF算法对所述稠密环境地图进行分析,并获取其中的无障碍区域体素集。在其它实施方式中,当然也可以使用其它算法对所述稠密环境地图进行分析来获取所述无障碍区域体素集,此处不做限定。
步骤S101-3,根据所述无障碍区域体素集,获取无障碍区域体素聚类集。
在上述步骤S101-2获取到所述无障碍区域体素集之后,因为所述无障碍区域体素集中的体素是分散的,并且既有处于无障碍区域边界上的体素,又有处于无障碍区域内的体素。而在最终获取二维拓扑环境地图时,只需要对处于无障碍边界的体素进行处理即可,因此还需要根据步骤S101-2中获取的无障碍区域体素集,获取与所述无障碍区域体素集对应的用于描述所述无障碍区域的边界位置信息的无障碍区域体素聚类集。即对所述无障碍区域体素集中的体素进行聚类分析,以获取所述用于描述所述无障碍区域的边界位置信息的无障碍区域体素聚类集。
此处,主要包括以下步骤集:
从所述无障碍区域体素集中提取任意一体素,作为待确定无障碍区域体素聚类的中心体素。即,在初始无任何聚类时,从所述无障碍区域体素集中获取任意一体素,将其作为待确定无障碍区域体素聚类的中心体素。
之后,获取与所述待确定无障碍区域体素聚类的中心体素邻近的邻近体素集。即,将所述稠密环境地图中与所述中心体素的相邻距离为某个距离数值的所有体素作为与所述中心体素邻近的邻近体素。其中,所述距离数值可根据对获取的聚类精度的实际需求进行人为设定,此处不做限定。
之后,根据步骤S101-2中获取的所述无障碍区域体素集,以及所述邻近体素集,获取与所述待确定无障碍区域体素聚类的中心体素邻近的邻近无障碍区域体素集。即,因为之前的邻近体素集中可能添加了处于障碍区域内的体素,因此,需要根据步S101-2中获取的所述无障碍区域体素集,从所述邻近体素集中删除不存在于所述无障碍区域体素集中的体素,以获取与所述待确定无障碍区域体素聚类的中心体素邻近的邻近无障碍区域体素集。
再之后,对所述待确定无障碍区域体素聚类的中心体素,以及所述邻近无障碍区域体素集的各个体素进行凸性分析,将不满足所述凸性分析的体素从所述邻近无障碍区域体素集中删除,剩余的体素形成与所述待确定无障碍区域体素集对应的无障碍区域体素聚类集。即通过对所述待确定无障碍区域体素聚类的中心体素,以及所述邻近无障碍区域体素集进行凸性分析,将其中不处于无障碍区域边界位置的体素剔除,最终获取到满足凸性分析,即处于无障碍区域的边界位置的无障碍区域体素聚类。所述对所述待确定无障碍区域体素聚类的中心体素,以及所述邻近无障碍区域体素集进行凸性分析,主要是利用数学方法对所述待确定无障碍区域体素聚类的中心体素,以及所述邻近无障碍区域体素集中的各个体素进行函数分析,并将不满足特定函数分析的体素剔除,进而获取到处于无障碍区域的边界位置的无障碍区域体素聚类。
通过反复执行上述步骤集合,最终根据所述移动机器人的工作环境中的无障碍区域的数量的不同,可获得一满足所述凸性分析的无障碍区域聚类形成的多个无障碍区域聚类集。
步骤S101-4,根据所述无障碍区域体素聚类集,获取所述工作环境的二维拓扑环境地图。
在上述步骤S101-3获取到一个或多个对应的满足所述凸性分析,即用于描述所述无障碍区域的边界位置信息的无障碍区域聚类集之后,通过对所述无障碍区域聚类集中的体素点一一进行二维平面映射,即可最终获取到所述工作环境的二维拓扑环境地图。如图3所示,其为本申请第一实施例提供的一种移动机器人工作环境导航地图的获取方法中的二维拓扑环境地图的示意图。其中,图3中301、304、307、310、313、316、319、322所示区域即为移动机器人在所处的工作环境中的无障碍区域。
请继续参看图1,在上述步骤S101之后,执行步骤S102,根据所述二维拓扑环境地图,获取所述工作环境的导航地图。
在步骤S101获得包含所述移动机器人的工作环境下的无障碍区域信息的二维拓扑环境地图后,可以通过所述二维拓扑环境地图,获取所述移动机器人工作环境的导航地图。
请继续参看图2,其中的步骤S102-1、步骤S102-2为图1中步骤S102的子步骤,下面详细介绍所述步骤S102-1、步骤S102-2。
步骤S102-1,设置路径规划节点。
为了能够简单、方便在根据所述二维拓扑环境地图获取到的移动机器人工作环境的导航地图中设置导航路径,可以在所述二维拓扑环境地图中设置路径规划节点。所述路径规划节点包括在所述二维拓扑环境地图中相邻且相互连通的两个区域的相邻区域连接线上设置的门节点,其中,所述门节点是所述移动机器人能够通过所述相邻区域的位置点;以及,在所述二维拓扑环境地图中的各区域中设置的异于门节点的区域节点。当然,为了使所述二维拓扑环境地图中的节点更具有规范性,在本实施例中,采取将所述门节点设置在所述相邻且相互连通的两个区域的相邻区域连接线的中点处。以及将所述区域节点设置在所述与其的区域中心点处。同时,考虑到如果同一区域内区域节点设置过多,反而会增加路径规划时的计算复杂度,因此在本实施例中,在同一区域内,仅设置一个异于门节点的区域节点。
如图3所示,301、304、307、310、313、316、319、322为所述二维拓扑环境地图中的无障碍区域,其中,302为区域301的区域节点,303为区域301与区域304的门节点,305为区域304的区域节点,306为区域304与区域307的门节点,308为区域307的区域节点,309为区域307与区域310的门节点,308为区域307的区域节点,309为区域307与区域310的门节点,311为区域310的区域节点,312为区域310与区域313的门节点,314为区域313的区域节点,315为区域313与区域316的门节点,317为区域316的区域节点,318为区域316与区域319的门节点,320为区域319的区域节点,321为区域319与区域322的门节点,323为区域322的区域节点。
步骤S102-2,获取工作环境的导航地图。
在上述步骤S102-1在所述二维拓扑环境地图中设置路径规划节点后,可以根据所述二维拓扑环境地图中的路径规划节点,获取所述工作环境的导航地图。具体包括获取所述移动机器人的导航起始位置,作为起始节点;获取所述移动机器人的导航目的位置,作为目的节点;根据所述起始节点,目的节点以及所述路径规划节点,获取所述移动机器人的导航路径;根据所述导航路径,获取所述工作环境的导航地图。
另外,所述根据所述起始节点,目的节点以及所述路径规划节点,获取所述移动机器人的导航路径,包括连接所述起始节点与所述目的节点之间的各个区域的门节点以及区域节点,获取所述移动机器人的导航路径,其中,所述区域节点仅与所属区域内的门节点,起始节点,目的节点连接。
如图3所示,322为所述移动机器人的导航起始位置,即将其作为起始节点,323为所述移动机器人的导航目的位置,将其作为目的节点。根据图3可知,起始节点322到目的节点323的导航路径可以为路径1:322—302—303—305—306—323,以及,路径2:322—303—305—306—323。
进一步的,可以根据所述二维拓扑环境地图中相互连接的任意两个节点之间的距离,设置所述两个节点的距离。
进一步的,在获取到所述导航路径后,还可以获取所述导航路径中的最短距离导航路径。即,从可选的所述导航路径中,获取待计算导航路径;根据所述待计算导航路径中的相邻节点间的距离,获取所述待计算导航路径的总距离数值;计算可选的所述导航路径中的所有导航路径的总距离数值,并将其中总距离数值最小的导航路径作为所述移动机器人的最短距离导航路径。
例如,在上述两个可选的导航路径,路径1以及路径2中,在322、302、303、305、306、323等相互连接的节点间根据其实际的距离,设置所述节点间的距离。此处为了方便起见,因为所述路径1及路径2中303—305—306—323的路径相同,因此根据相邻两个节点间的距离,计算可得303—305—306—323之间的路径距离总和为10,而322—302的距离为2,302-303的距离为3,322—303的距离为4,那么路径1的总距离数值为15,路径2的总距离数值为14。因此,可以将总距离数值最小的导航路径-路径2作为所述移动机器人的最短距离导航路径。
综上所述,本申请所述的移动机器人工作环境导航地图的获取方法,通过针对移动机器人所处的工作环境,获取所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;根据所述二维拓扑环境地图,获取所述移动机器人工作环境的导航地图。以包含所述移动机器人工作环境下的无障碍区域信息的二维拓扑地图为依据,获取所述工作环境的导航地图。可以为所述移动机器人提供包含三维避障信息的、更为准确的导航地图。
在上述的实施例中,提供了一种移动机器人工作环境导航地图的获取方法。另外,本申请还提供一种用于移动机器人的导航方法。请参看图4,其为本申请第二实施例提供的一种用于移动机器人的导航方法的流程图。其中,与所述第一实施例中介绍的一种移动机器人工作环境导航地图的获取方法中相似的部分请参看第一实施例中的描述,此处不再赘述,下述描述仅描述其区别于第一实施例描述的一种移动机器人工作环境导航地图的获取方法中的步骤做详细说明。
如图4所示,其为本申请第二实施例提供的一种用于移动机器人的导航方法的流程图;以下根据该流程图对该实施例予以详细说明。
步骤S401,针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图,以及预先创建的所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息。
因为所述稀疏环境地图以及所述二维拓扑环境地图都是基于移动机器人在工作时获取到的稠密环境地图的基础上获取到的,因此,在创建以上两个地图之前,还需要获取所述工作环境的稠密环境地图。关于稠密环境地图的获取方法及步骤可以参看上述一种移动机器人工作环境导航地图的获取方法实施例中的描述,此处不再赘述。
所述预先创建所述工作环境的稀疏环境地图,主要包括获取所述工作环境的稠密环境地图,并根据所述稠密环境地图,获取所述工作环境的稀疏环境地图。其中,稀疏环境地图是相对稠密环境地图来讲,提取所述稠密环境地图中的特征点数据,并根据所述特征点数据,获取所述工作环境的稀疏环境地图。
所述预先创建所述工作环境的二维拓扑环境地图,包括获取所述移动机器人工作环境的稠密环境地图,以及根据所述稠密环境地图,获取所述工作环境的二维拓扑环境地图。
其中,所述根据所述稠密环境地图,获取所述工作环境的二维拓扑环境地图,包括获取所述稠密环境地图中的无障碍区域体素集;根据所述无障碍区域体素集,获取无障碍区域体素聚类集;根据所述无障碍区域体素聚类集,获取所述工作环境的二维拓扑环境地图。
其中,所述获取所述稠密环境地图中的无障碍区域体素集,包括使用TSDF算法对所述稠密环境地图中的数据进行三维点云融合,获取所述稠密环境地图中的无障碍区域体素集。
其中,所述根据所述无障碍区域体素集,获取无障碍区域体素聚类集,包括:对所述无障碍区域体素集中的体素进行聚类分析,获取无障碍区域体素聚类集。
其中,所述对无障碍区域体素集中的体素进行聚类分析,获取无障碍区域体素聚类集。包括从所述无障碍区域体素集中提取任意一体素,作为待确定无障碍区域体素聚类的中心体素;获取与所述待确定无障碍区域体素聚类的中心体素邻近的邻近体素集;根据所述无障碍区域体素集,以及所述邻近体素集,获取与所述待确定无障碍区域体素聚类的中心体素邻近的邻近无障碍区域体素集;对所述待确定无障碍区域体素聚类的中心体素,以及所述邻近无障碍区域体素集的各个体素进行凸性分析,将不满足所述凸性分析的体素从所述邻近无障碍区域体素集中删除,剩余的体素形成与所述待确定无障碍区域体素集对应的无障碍区域体素聚类集。另外,所述根据所述无障碍区域体素集,以及所述邻近体素集,获取与所述无障碍区域体素聚类的中心体素邻近的邻近无障碍区域体素集,包括根据所述无障碍区域体素集,从所述邻近体素集中删除不存在于所述无障碍区域体素集中的体素。
其中,所述根据所述无障碍区域体素聚类集,获取所述工作环境的二维拓扑环境地图,还包括将所述无障碍区域体素聚类集中的体素映射到二维平面,获取所述工作环境的二维拓扑环境地图。
以上,关于根据所述稠密环境地图,获取所述工作环境的二维拓扑环境地图的方法及步骤可以参看一种移动机器人工作环境导航地图的获取方法实施例中的详细介绍,此处不再赘述。
步骤S402,根据所述稀疏环境地图,以及所述二维拓扑环境地图,为所述移动机器人提供导航信息。
在步骤S401获取到预先创建的所述工作环境的稀疏环境地图以及二维拓扑环境地图后,可以根据所述稀疏环境地图以及所述二维拓扑环境地图,为所述移动机器人提供导航信息。
具体可以是根据所述稀疏环境地图,以及所述移动机器人的图像传感器获取的工作环境数据,获取所述移动机器人的位置信息;根据所述工作环境的二维拓扑环境地图,获取所述工作环境的导航地图。根据所述位置信息,以及所述导航地图,为所述移动机器人提供导航信息。
所述根据所述工作环境的二维拓扑环境地图,获取所述工作环境的导航地图,具体包括根据所述二维拓扑环境地图中的路径规划节点,获取所述移动机器人工作环境的导航地图。所述二维拓扑地图中的路径规划节点,包括在所述二维拓扑环境地图中相邻且相互连通的两个区域的相邻区域连接线上设置的门节点,其中,所述门节点是所述移动机器人能够通过所述相邻区域的位置点;在所述二维拓扑环境地图中的各区域中设置的异于门节点的区域节点。所述门节点设置在所述相邻且相互连通的两个区域的相邻区域连接线的中点处,所述区域节点设置在所属区域的区域中心点处。
所述根据所述二维拓扑环境地图中的路径规划节点,获取所述工作环境的导航地图,包括获取所述移动机器人的导航起始位置,作为起始节点;获取所述移动机器人的导航目的位置,作为目的节点;根据所述起始节点,目的节点以及所述路径规划节点,获取所述移动机器人的导航路径;根据所述导航路径,获取所述移动机器人工作环境的导航地图。
所述根据所述起始节点,目的节点以及所述路径规划节点,获取所述移动机器人工作环境的导航路径,包括连接所述起始节点与所述目的节点之间的各个区域的门节点以及区域节点,获取所述移动机器人工作环境的导航路径;其中,所述区域节点仅与所属区域内的门节点,起始节点,目的节点连接。并且还包括根据相互连接的任意两个节点之间的距离,设置所述两个节点的距离。同时获取所述导航路径中的最短距离导航路径,包括从可选的所述导航路径中,获取待计算导航路径;根据所述待计算导航路径中的相邻节点间的距离,获取所述待计算导航路径的总距离数值;计算可选的所述导航路径中的所有导航路径的总距离数值,并将其中总距离数值最小的导航路径作为所述移动机器人工作环境的最短距离导航路径。
上述根据所述工作环境的二维拓扑环境地图,获取所述工作环境的导航地图的方法及步骤可以参看一种移动机器人工作环境导航地图的获取方法实施例中的详细介绍,此处不再赘述。
请参看图5,其为本申请第二实施例提供的一种用于移动机器人的导航方法中的移动机器人的导航过程示意图。
在移动机器人开始准备导航,即在所述移动机器人的稀疏环境地图上设置了导航目的位置后,首先执行步骤S501,获取所述移动机器人工作环境的导航地图。即获取根据所述移动机器人采集的工作环境的稠密环境地图,预先创建的所述工作环境的二维拓扑环境地图,并根据所述二维拓扑环境地图得到的所述移动机器人工作环境的导航地图。
之后,执行步骤S502,根据所述导航地图,获取导航路径。即根据所述二维拓扑环境地图中的路径规划节点进行导航路径规划,并选出所述移动机器人到所述目的位置的最短距离导航路径。之后,所述移动机器人根据所述导航地图中的导航路径向所述目的位置导航行驶。
在移动机器人向目的位置移动的过程中,可以通过预先创建所述移动机器人工作环境的稀疏环境地图,以及配合所述移动机器人搭载的图像传感器(如深度摄像机)获取所述移动机器人的实时位置,以及执行步骤S503:获取移动机器人的实时速度。并实时计算所述移动机器人到所述目的地的剩余距离,以及还可以由用户介入,选取移动机器人的当前位置到目的位置的其它导航路径。
另外,因为移动机器人依据导航的导航地图是预先创建的,而在移动机器人移动的过程中,所述移动机器人工作环境中的障碍物位置可能会发生变化,因此,当移动机器人在导航行驶过程中借助自身的避障传感器(如雷达、超声波传感器等)探测到当前导航路径中有障碍物时,也可以借助避障传感器绕开障碍物,并根据所述稀疏环境地图及自身的图像传感器获取移动机器人的实时位置,并根据所述导航地图重新规划到目的位置的导航路径。
此外,还可以通过周期性的或实时的计算所述移动机器人的实时位置,来判断所述移动机器人是否已经导航行驶到目的位置,并在所述移动机器人未到达目的位置时继续跟进所述稀疏环境地图以及二维拓扑环境地图进行导航,并在最终到达目的位置后,结束所述移动机器人的导航行驶,从而完成一次完整的导航过程。
综上所述,本申请提供的一种用于移动机器人的导航方法,通过针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图,以及预先创建的所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;根据所述稀疏环境地图,以及所述二维拓扑环境地图,为所述移动机器人提供导航信息。通过预先创建的所述移动机器人的稀疏环境地图获取所述移动机器人的位置信息,以包含所述工作环境下的无障碍区域信息的二维拓扑环境地图获取所述工作环境的导航地图,不仅可以在移动机器人导航地图规划的时候提供包含三维避障信息的导航地图,同时,因为所述稀疏环境地图以及所述二维拓扑环境地图都是预先创建的,可以在所述移动机器人导航的过程中直接使用,也避免了在导航过程中处理稠密环境地图而带来的计算问题,另外相较于直接使用稠密环境地图来进行导航更加节省存储空间。可以使移动机器人安全、准确的到达目的位置
以上描述中,提供了一种用于移动机器人的导航方法,与之对应的,本申请还提供一种用于移动机器人的导航系统。请参看图6,其为本申请第三实施例提供的一种用于移动机器人的导航系统的示意图。其中,与上述第一实施例、第二实施例中相似的部分请参看上述第一实施例、第二实施例中的描述,此处不再赘述,下述描述仅就其区别于上述第一实施例、第二实施例中的部分做详细说明。
如图6所示,其为本申请第三实施例提供的一种用于移动机器人的导航系统的示意图。以下结合图6予以说明。
本实施例的一种用于移动机器人的导航系统,包括:
位置信息获取装置601,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图,并根据所述稀疏环境地图,以及所述移动机器人的图像传感器,获取所述移动机器人的位置信息;
导航地图获取装置602,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的二维拓扑环境地图,并根据所述二维拓扑环境地图,获取所述工作环境的导航地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;
实时导航装置603,用于获取所述移动机器人的实时速度,并根据所述位置信息,以及所述导航地图,为所述移动机器人提供导航信息。
请参看图7,其为本申请第三实施例提供的一种用于移动机器人的导航系统中的位置信息获取装置的示意图,所述位置信息获取装置,包括:
稀疏环境地图获取单元701,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图;
工作环境数据获取单元702,用于根据所述移动机器人的图像传感器,获取所述移动机器人的工作环境数据;
位置信息获取单元703,用于根据所述稀疏环境地图,以及所述工作环境数据,获取所述移动机器人的位置信息。
请参看图8,其为本申请第三实施例提供的一种用于移动机器人的导航系统中的导航地图获取装置的示意图,所述导航地图获取装置包括:
二维拓扑地图获取单元801,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;
导航地图获取单元802,用于根据所述二维拓扑环境地图,获取所述工作环境的导航地图。
其中,所述二维拓扑地图获取单元801,包括:
稠密环境地图获取子单元,用于获取所述移动机器人工作环境的稠密环境地图;
二维拓扑环境地图获取子单元,用于根据所述稠密环境地图,获取所述工作环境的二维拓扑环境地图。
其中,所述二维拓扑环境地图获取子单元,包括:
无障碍区域体素集获取子单元,用于获取所述稠密环境地图中的无障碍区域体素集;
无障碍区域体素聚类集获取子单元,用于根据所述无障碍区域体素集,获取无障碍区域体素聚类集;
二维拓扑地图映射子单元,用于根据所述无障碍区域体素聚类集,获取所述工作环境的二维拓扑环境地图。
其中,所述获取所述稠密环境地图中的无障碍区域体素集,包括使用TSDF算法对所述稠密环境地图中的数据进行三维点云融合,获取所述稠密环境地图中的无障碍区域体素集。
其中,所述根据所述无障碍区域体素集,获取无障碍区域体素聚类集,包括对所述无障碍区域体素集中的体素进行聚类分析,获取无障碍区域体素聚类集。
所述导航地图获取单元802,包括:
路径规划节点设置子单元,用于在所述二维拓扑环境地图中设置路径规划节点;
导航地图获取子单元,用于根据所述二维拓扑环境地图中的路径规划节点,获取所述移动机器人工作环境的导航地图。
其中,所述路径规划节点,包括在所述二维拓扑环境地图中相邻且相互连通的两个区域的相邻区域连接线上设置的门节点,其中,所述门节点是所述移动机器人能够通过所述相邻区域的位置点;在所述二维拓扑环境地图中的各区域中设置的异于门节点的区域节点。所述门节点设置在所述相邻且相互连通的两个区域的相邻区域连接线的中点处,所述区域节点设置在所属区域的区域中心点处。
所述根据所述二维拓扑环境地图中的路径规划节点,获取所述移动机器人工作环境的导航地图,包括获取所述移动机器人的导航起始位置,作为起始节点;获取所述移动机器人的导航目的位置,作为目的节点;根据所述起始节点,目的节点以及所述路径规划节点,获取所述移动机器人的导航路径;根据所述导航路径,获取所述移动机器人工作环境的导航地图。
综上所述,本申请提供的一种用于移动机器人的导航系统,不仅可以在移动机器人导航地图规划的时候提供更为准确的路径规划信息以及获取更为准确的实时位置信息,同时,因为所述稀疏环境地图以及所述二维拓扑环境地图都是预先创建的,可以在所述移动机器人导航的过程中直接使用,也避免了再导航过程中处理稠密环境地图而带来的计算问题,并且相较于直接使用稠密环境地图来进行导航路径规划更加节省存储空间。
应用场景
移动机器人(如扫地机器人)在工作环境中需要借助自身的导航系统进行导航移动时,首先可以通过在预先创建的稀疏环境地图中设置起始位置及目的位置,当然起始位置也可以是移动机器人当前的实时位置,即直接由移动机器人通过所述稀疏环境地图及自身的图像传感器获取的实时位置作为起始位置。其次,通过预先创建的包含所述移动机器人工作环境的无障碍区域信息的二维拓扑环境地图进行导航路径规划,即通过所述二维拓扑环境中的路径规划节点以及移动机器人的起始位置及目的位置对应的起始节点以及目的节点,规划出可选的导航路径,并选取其中的最短导航路径用于移动机器人进行导航行驶。最后,在导航的过程中通过所述稀疏环境地图及移动机器人的图像传感器采集的环境数据获取移动机器人的实时位置及障碍物信息,并判断移动机器人是否安全到达目的位置。而通过二维拓扑环境地图得到的导航地图进行导航,不仅能够更准确的避开移动机器人工作环境中的障碍物,而且相比较于直接使用稠密环境地图来进行导航能够减小计算复杂度并且还能节省存储空间。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
Claims (26)
1.一种移动机器人工作环境导航地图的获取方法,其特征在于,包括:
针对移动机器人所处的工作环境,获取所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;
根据所述二维拓扑环境地图,获取所述移动机器人工作环境的导航地图。
2.根据权利要求1所述的移动机器人导航地图的获取方法,其特征在于,所述获取所述工作环境的二维拓扑环境地图,包括:
获取所述移动机器人工作环境的稠密环境地图;
根据所述稠密环境地图,获取所述工作环境的二维拓扑环境地图。
3.根据权利要求2所述的移动机器人工作环境导航地图的获取方法,其特征在于,所述获取所述移动机器人工作环境的稠密环境地图,包括根据所述移动机器人的图像传感器采集的工作环境数据,获取所述工作环境的稠密环境地图。
4.根据权利要求2所述的移动机器人工作环境导航地图的获取方法,所述根据所述稠密环境地图,获取所述工作环境的二维拓扑环境地图,包括:
获取所述稠密环境地图中的无障碍区域体素集;
根据所述无障碍区域体素集,获取无障碍区域体素聚类集;
根据所述无障碍区域体素聚类集,获取所述工作环境的二维拓扑环境地图。
5.根据权利要求4所述的移动机器人工作环境导航地图的获取方法,所述获取所述稠密环境地图中的无障碍区域体素集,包括使用TSDF算法对所述稠密环境地图中的数据进行三维点云融合,获取所述稠密环境地图中的无障碍区域体素集。
6.根据权利要求4所述的移动机器人工作环境导航地图的获取方法,所述根据所述无障碍区域体素集,获取无障碍区域体素聚类集,包括:对所述无障碍区域体素集中的体素进行聚类分析,获取无障碍区域体素聚类集。
7.根据权利要求6所述的移动机器人工作环境导航地图的获取方法,所述对所述无障碍区域体素集中的体素进行聚类分析,获取无障碍区域体素聚类集,包括:
从所述无障碍区域体素集中提取任意一体素,作为待确定无障碍区域体素聚类的中心体素;
获取与所述待确定无障碍区域体素聚类的中心体素邻近的邻近体素集;
根据所述无障碍区域体素集,以及所述邻近体素集,获取与所述待确定无障碍区域体素聚类的中心体素邻近的邻近无障碍区域体素集;
对所述待确定无障碍区域体素聚类的中心体素,以及所述邻近无障碍区域体素集的各个体素进行凸性分析,将不满足所述凸性分析的体素从所述邻近无障碍区域体素集中删除,剩余的体素形成与所述待确定无障碍区域体素集对应的无障碍区域体素聚类集。
8.根据权利要求7所述的移动机器人工作环境导航地图的获取方法,其特征在于,所述根据所述无障碍区域体素集,以及所述邻近体素集,获取与所述无障碍区域体素聚类的中心体素邻近的邻近无障碍区域体素集,包括根据所述无障碍区域体素集,从所述邻近体素集中删除不存在于所述无障碍区域体素集中的体素。
9.根据权利要求4所述的移动机器人工作环境导航地图的获取方法,其特征在于,所述根据所述无障碍区域体素聚类集,获取所述工作环境的二维拓扑环境地图,包括:
将所述无障碍区域体素聚类集中的体素映射到二维平面,获取所述工作环境的二维拓扑环境地图。
10.根据权利要求3所述的移动机器人工作环境导航地图的获取方法,所述图像传感器包括深度摄像机。
11.根据权利要求1所述的移动机器人工作环境导航地图的获取方法,所述根据所述二维拓扑环境地图,获取所述移动机器人工作环境的导航地图,包括根据所述二维拓扑环境地图中的路径规划节点,获取所述移动机器人工作环境的导航地图。
12.根据权利要求11所述的移动机器人工作环境导航地图的获取方法,所述二维拓扑地图中的路径规划节点,包括:
在所述二维拓扑环境地图中相邻且相互连通的两个区域的相邻区域连接线上设置的门节点,其中,所述门节点是所述移动机器人能够通过所述相邻区域的位置点;
在所述二维拓扑环境地图中的各区域中设置的异于门节点的区域节点。
13.根据权利要求12所述的移动机器人工作环境导航地图的获取方法,所述门节点设置在所述相邻且相互连通的两个区域的相邻区域连接线的中点处。
14.根据权利要求12所述的移动机器人工作环境导航地图的获取方法,所述区域节点设置在所属区域的区域中心点处。
15.根据权利要求12所述的移动机器人工作环境导航地图的获取方法,所述根据所述二维拓扑环境地图中的路径规划节点,获取所述工作环境的导航地图,包括:
获取所述移动机器人的导航起始位置,作为起始节点;
获取所述移动机器人的导航目的位置,作为目的节点;
根据所述起始节点,目的节点以及所述路径规划节点,获取所述移动机器人的导航路径;
根据所述导航路径,获取所述移动机器人工作环境的导航地图。
16.根据权利要求15所述的移动机器人工作环境导航地图的获取方法,所述根据所述起始节点,目的节点以及所述路径规划节点,获取所述移动机器人工作环境的导航路径,包括:
连接所述起始节点与所述目的节点之间的各个区域的门节点以及区域节点,获取所述移动机器人工作环境的导航路径;
其中,所述区域节点仅与所属区域内的门节点,起始节点,目的节点连接。
17.根据权利要求16所述的移动机器人工作环境导航地图的获取方法,还包括根据相互连接的任意两个节点之间的距离,设置所述两个节点的距离。
18.根据权利要求17所述的移动机器人工作环境导航地图的获取方法,还包括获取所述导航路径中的最短距离导航路径,包括:
从可选的所述导航路径中,获取待计算导航路径;
根据所述待计算导航路径中的相邻节点间的距离,获取所述待计算导航路径的总距离数值;
计算可选的所述导航路径中的所有导航路径的总距离数值,并将其中总距离数值最小的导航路径作为所述移动机器人工作环境的最短距离导航路径。
19.一种用于移动机器人的导航方法,其特征在于,包括:
针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图,以及预先创建的所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;
根据所述稀疏环境地图,以及所述二维拓扑环境地图,为所述移动机器人提供导航信息。
20.根据权利要求19所述的用于移动机器人的导航方法,其特征在于,所述根据所述稀疏环境地图,以及所述二维拓扑环境地图,为所述移动机器人提供导航信息,包括:
根据所述稀疏环境地图,以及所述移动机器人的图像传感器获取的工作环境数据,获取所述移动机器人的位置信息;
根据所述工作环境的二维拓扑环境地图,获取所述工作环境的导航地图。
根据所述位置信息,以及所述导航地图,为所述移动机器人提供导航信息。
21.根据权利要求19所述的用于移动机器人的导航方法,其特征在于,在预先创建所述工作环境的稀疏环境地图,以及二维拓扑环境地图之前,获取所述工作环境的稠密环境地图。
22.根据权利要求21所述的用于移动机器人的导航方法,其特征在于,所述预先创建所述工作环境的稀疏环境地图,包括:
获取所述工作环境的稠密环境地图;
根据所述稠密环境地图,获取所述工作环境的稀疏环境地图。
23.根据权利要求22所述的用于移动机器人的导航方法,其特征在于,所述根据所述稠密环境地图,获取所述工作环境的稀疏环境地图,包括:
提取所述稠密环境地图中的特征点数据;
根据所述特征点数据,获取所述工作环境的稀疏环境地图。
24.一种用于移动机器人的导航系统,其特征在于,包括:
位置信息获取装置,导航地图获取装置,实时导航装置;
所述位置信息获取装置,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图,并根据所述稀疏环境地图,以及所述移动机器人的图像传感器,获取所述移动机器人的位置信息;
所述导航地图获取装置,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的二维拓扑环境地图,并根据所述二维拓扑环境地图,获取所述工作环境的导航地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;
所述实时导航装置,用于获取所述移动机器人的实时速度,并根据所述位置信息,以及所述导航地图,为所述移动机器人提供导航信息。
25.根据权利要求24所述的用于移动机器人的导航系统,其特征在于,所述位置信息获取装置,包括:
稀疏环境地图获取单元,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的稀疏环境地图;
工作环境数据获取单元,用于根据所述移动机器人的图像传感器,获取所述移动机器人的工作环境数据;
位置信息获取单元,用于根据所述稀疏环境地图,以及所述工作环境数据,获取所述移动机器人的位置信息。
26.根据权利要求24所述的用于移动机器人的导航系统,其特征在于,所述导航地图获取装置,包括:
二维拓扑地图获取单元,用于针对移动机器人所处的工作环境,获取预先创建的所述工作环境的二维拓扑环境地图,其中,所述二维拓扑环境地图包含所述工作环境下的无障碍区域信息;
导航地图获取单元,用于根据所述二维拓扑环境地图,获取所述工作环境的导航地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910604184.5A CN112182122A (zh) | 2019-07-05 | 2019-07-05 | 一种移动机器人工作环境导航地图的获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910604184.5A CN112182122A (zh) | 2019-07-05 | 2019-07-05 | 一种移动机器人工作环境导航地图的获取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112182122A true CN112182122A (zh) | 2021-01-05 |
Family
ID=73916022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910604184.5A Pending CN112182122A (zh) | 2019-07-05 | 2019-07-05 | 一种移动机器人工作环境导航地图的获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182122A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113171038A (zh) * | 2021-05-14 | 2021-07-27 | 科沃斯机器人股份有限公司 | 地面自动清洁设备的控制方法、存储介质及自动清洁设备 |
CN117516485A (zh) * | 2024-01-04 | 2024-02-06 | 东北大学 | 一种飞机发动机自动引导安装的位姿视觉测量方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103528586A (zh) * | 2013-10-31 | 2014-01-22 | 中国航天时代电子公司 | 基于故障网格的航迹规划算法设计 |
CN106227218A (zh) * | 2016-09-27 | 2016-12-14 | 深圳乐行天下科技有限公司 | 一种智能移动设备的导航避障方法及装置 |
CN106931975A (zh) * | 2017-04-14 | 2017-07-07 | 北京航空航天大学 | 一种基于语义地图的移动机器人多策略路径规划方法 |
US20180189578A1 (en) * | 2016-12-30 | 2018-07-05 | DeepMap Inc. | Lane Network Construction Using High Definition Maps for Autonomous Vehicles |
CN108734120A (zh) * | 2018-05-15 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 标注图像的方法、装置、设备和计算机可读存储介质 |
CN109186586A (zh) * | 2018-08-23 | 2019-01-11 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
CN109827574A (zh) * | 2018-12-28 | 2019-05-31 | 中国兵器工业计算机应用技术研究所 | 一种无人机室内外切换导航系统 |
-
2019
- 2019-07-05 CN CN201910604184.5A patent/CN112182122A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103528586A (zh) * | 2013-10-31 | 2014-01-22 | 中国航天时代电子公司 | 基于故障网格的航迹规划算法设计 |
CN106227218A (zh) * | 2016-09-27 | 2016-12-14 | 深圳乐行天下科技有限公司 | 一种智能移动设备的导航避障方法及装置 |
US20180189578A1 (en) * | 2016-12-30 | 2018-07-05 | DeepMap Inc. | Lane Network Construction Using High Definition Maps for Autonomous Vehicles |
CN106931975A (zh) * | 2017-04-14 | 2017-07-07 | 北京航空航天大学 | 一种基于语义地图的移动机器人多策略路径规划方法 |
CN108734120A (zh) * | 2018-05-15 | 2018-11-02 | 百度在线网络技术(北京)有限公司 | 标注图像的方法、装置、设备和计算机可读存储介质 |
CN109186586A (zh) * | 2018-08-23 | 2019-01-11 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
CN109827574A (zh) * | 2018-12-28 | 2019-05-31 | 中国兵器工业计算机应用技术研究所 | 一种无人机室内外切换导航系统 |
Non-Patent Citations (1)
Title |
---|
李剑波等: "《大数据挖掘技术与应用》", 31 July 2018, 延边大学出版社, pages: 58 - 60 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113171038A (zh) * | 2021-05-14 | 2021-07-27 | 科沃斯机器人股份有限公司 | 地面自动清洁设备的控制方法、存储介质及自动清洁设备 |
CN117516485A (zh) * | 2024-01-04 | 2024-02-06 | 东北大学 | 一种飞机发动机自动引导安装的位姿视觉测量方法 |
CN117516485B (zh) * | 2024-01-04 | 2024-03-22 | 东北大学 | 一种飞机发动机自动引导安装的位姿视觉测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104536445B (zh) | 移动导航方法和系统 | |
CN107831765B (zh) | 定位方法、装置、设备及存储介质 | |
EP3451296B1 (en) | Multidimensional evidence grids and system and methods for applying same | |
Pfeiffer et al. | Modeling dynamic 3D environments by means of the stixel world | |
US11288526B2 (en) | Method of collecting road sign information using mobile mapping system | |
EP4033324B1 (en) | Obstacle information sensing method and device for mobile robot | |
CN111198378B (zh) | 基于边界的自主探索方法和装置 | |
Yue et al. | Fast 3D modeling in complex environments using a single Kinect sensor | |
CN110705385B (zh) | 一种障碍物角度的检测方法、装置、设备及介质 | |
CN111709988B (zh) | 一种物体的特征信息的确定方法、装置、电子设备及存储介质 | |
CN113724387A (zh) | 一种激光与相机融合的地图构建方法 | |
CN112182122A (zh) | 一种移动机器人工作环境导航地图的获取方法及装置 | |
CN114034299A (zh) | 一种基于主动激光slam的导航系统 | |
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 | |
Wallner et al. | Real-time map refinement by fusing sonar and active stereo-vision | |
Valente et al. | Evidential SLAM fusing 2D laser scanner and stereo camera | |
CN111198563B (zh) | 一种用于足式机器人动态运动的地形识别方法及系统 | |
CN113158779A (zh) | 一种行走方法、装置和计算机存储介质 | |
Saleh et al. | Estimating the 2d static map based on moving stereo camera | |
CN112869968B (zh) | 一种基于电动轮椅自主运行方法及其装置 | |
CN113447948A (zh) | 一种基于ros机器人的相机与多激光雷达融合方法 | |
Girão et al. | Real-time multi-view grid map-based spatial representation for mixed reality applications | |
Bichsel et al. | Discrete-continuous clustering for obstacle detection using stereo vision | |
Achour et al. | Localization and guidance with an embarked camera on a mobile robot | |
Kadiofsky et al. | Off-road terrain mapping based on dense hierarchical real-time stereo vision |
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 |