CN112526993A - 栅格地图更新方法、装置、机器人及存储介质 - Google Patents

Abstract

本申请实施例公开了一种栅格地图更新方法、装置、机器人及存储介质，涉及机器人技术领域，其包括：获取用于表示当前采集的机器人周边环境信息的第一三维点云数据；根据第一三维点云数据得到用于表示周边环境信息中障碍物信息的第二三维点云数据；根据第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素；根据第二三维点云数据在当前栅格地图中标记出用于表示非低矮障碍物的障碍物栅格以及在当前三维体素图中标记出用于表示低矮障碍物的障碍物体素；根据当前栅格地图和当前三维体素图得到用于标记障碍物的最新栅格地图。采用上述方法可以解决现有技术中无法对机器人周边环境进行精准建模的技术问题。

Description

栅格地图更新方法、装置、机器人及存储介质

技术领域

本申请实施例涉及机器人技术领域，尤其涉及一种栅格地图更新方法、装置、机器人及存储介质。

背景技术

机器人是一种自动化的机器，其可以通过编程和自动控制来执行如作业或移动等任务。随着人们对机器人智能化技术的加深，机器人开始源源不断地向人类活动的各个领域渗透，例如，在餐饮领域出现了送餐机器人、在清洁领域出现了扫地机器人。对于可移动的机器人而言，自主导航是机器人进行自主移动时的关键技术。其中，对机器人周边环境进行准确建模，是保证机器人进行精准自主导航的重要环节。

一些技术中，利用2D激光雷达来获取机器人周边的环境信息(即障碍物位置)，并根据环境信息更新二维的栅格地图，以实现对周边环境的建模。其中，激光波束所经过的地方在栅格地图中被标记为无障碍，激光波束被反射回来的地方在栅格地图中被标记为有障碍。然而，由于2D激光雷达水平发射的激光波束具有一定的高度，因此，无法准确检测出低矮障碍物(低于2D激光雷达发射高度)，这样大幅降低了栅格地图的准确性。一些技术中，还利用3D激光雷达来获取机器人周边的环境信息并更新二维的栅格地图，虽然3D激光雷达可以检测出低矮障碍物，但是，3D激光雷达发出的激光波束较为稀疏且存在盲区，例如，图1为现有技术中3D激光雷达发出的激光波束示意图，可理解，图1中仅示出了部分激光波束，此时，区域11属于检测盲区。那么，当低矮障碍物12由检测区域进入检测盲区时，由于其不会被机器人13检测出来，所以，更新后的栅格地图中关于低矮障碍物的标记会被清除，这样仍无法保证栅格地图的准确性。

一些技术中，使用三维体素图代替栅格地图，以实现对障碍物的三维标记。此时，即使低矮障碍物位于检测盲区，其在三维体素图中的标记也会因为没有激光波束经过而被保留下来。但是，对于可移动的障碍物而言，例如，图1中行人14的脚步位于检测盲区。当行人移动后，脚部离开了检测盲区，此时，检测盲区由于没有激光经过，因此，三维体素图中对脚部的标记会被保留下来，这样大大降低了三维体素图的准确性。

综上，如何精准地对机器人周边环境进行建模，成为了亟需解决的技术问题。

发明内容

本申请实施例提供了一种栅格地图更新方法、装置、机器人及存储介质，以解决现有技术中无法对机器人周边环境进行精准建模的技术问题。

第一方面，本申请实施例提供了一种栅格地图更新方法，包括：

获取第一三维点云数据，所述第一三维点云数据用于表示当前采集的机器人周边环境信息；

根据所述第一三维点云数据得到第二三维点云数据，所述第二三维点云数据用于表示所述周边环境信息中的障碍物信息；

根据所述第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素；

根据所述第二三维点云数据在所述当前栅格地图中标记出障碍物栅格以及在所述当前三维体素图中标记出障碍物体素，所述障碍物栅格用于表示非低矮障碍物，所述障碍物体素用于表示低矮障碍物；

根据所述当前栅格地图和所述当前三维体素图得到用于标记障碍物的最新栅格地图。

所述根据所述第二三维点云数据在所述当前栅格地图中标记出障碍物栅格以及在所述当前三维体素图中标记出障碍物体素包括：

在所述第二三维点云数据中确定低矮障碍物点云簇和非低矮障碍物点云簇；

在所述当前三维体素图中查找所述低矮障碍物点云簇对应的体素，并将查找到的体素标记为障碍物体素；

在所述当前栅格地图中查找所述非低矮障碍物点云簇对应的栅格，并将查找到的栅格标记为障碍物栅格。

所述在所述第二三维点云数据中确定低矮障碍物点云簇和非低矮障碍物点云簇包括：

去除所述第二三维点云数据中各点的高度值，以得到第一二维点云数据；

对第一二维点云数据进行聚类，以得到多个二维点云簇；

为所述二维点云簇中的点添加对应的高度值，以将所述二维点云簇恢复成三维点云簇；

判断各所述三维点云簇的高度是否小于高度阈值；

若所述三维点云簇的高度小于所述高度阈值，则将所述三维点云簇标记为低矮障碍物点云簇；

若所述三维点云簇的高度大于或等于所述高度阈值，则将所述三维点云簇标记为非低矮障碍物点云簇。

所述判断各所述三维点云簇的高度是否小于高度阈值之前，还包括：

在所述三维点云簇内全部点对应的高度值中，查找最大的高度值作为所述三维点云簇的高度。

所述根据所述第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素包括：

根据所述第一三维点云数据确定所述当前三维体素图中被传感器信号经过的体素，所述传感器用于采集所述第一三维点云数据；

将被所述传感器信号经过的体素标记为无障碍物体素；

去除所述第一三维点云数据中各点高度值，以得到第二二维点云数据；

根据所述第二二维点云数据确定所述当前栅格地图中被传感器信号经过的栅格；

将被所述传感器信号经过的栅格标记为无障碍栅格。

所述根据所述当前栅格地图和所述当前三维体素图得到用于标记障碍物的最新栅格地图包括：

创建全新栅格地图，所述全新栅格地图中的各栅格均为无障碍物栅格；

根据所述当前栅格地图中的障碍物栅格，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格，并根据所述当前三维体素图中的障碍物体素，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格，标记后的全新栅格地图为用于标记障碍物的最新栅格地图。

所述根据所述当前栅格地图中的障碍物栅格，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格包括：

将所述当前栅格地图中的第一个栅格作为当前栅格；

判断所述当前栅格是否属于障碍物栅格；

在所述当前栅格属于障碍物栅格时，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格；

在所述当前栅格不属于障碍物栅格时，放弃标记所述全新栅格地图中对应位置的栅格；

将所述当前栅格地图中的下一个栅格作为当前栅格，返回执行判断所述当前栅格是否属于障碍物栅格的操作，直到所述当前栅格地图中的每个栅格均作为当前栅格为止。

所述根据所述当前三维体素图中的障碍物体素，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格包括：

判断所述当前三维体素图内具有相同平面位置的各体素中障碍物体素的数量是否大于或等于数量阈值；

若大于或等于所述数量阈值，则在所述全新栅格地图中，将与所述平面位置对应的栅格标记为障碍物栅格；

若小于所述数量阈值，则在所述全新栅格地图中，放弃标记与所述平面位置对应的栅格。

所述根据所述第一三维点云数据得到第二三维点云数据包括：

在所述第一三维点云数据中，识别出用于表示地面的点；

删除所述第一三维点云数据中用于表示地面的点，以得到第二三维点云数据。

所述根据所述第一三维点云数据得到第二三维点云数据之后，包括：

分别对所述第一三维点云数据和所述第二三维点云数据进行降采样。

第二方面，本申请实施例还提供了一种栅格地图更新装置，包括：

点云获取模块，用于获取第一三维点云数据，所述第一三维点云数据用于表示当前采集的机器人周边环境信息；

点云确定模块，用于根据所述第一三维点云数据得到第二三维点云数据，所述第二三维点云数据用于表示所述周边环境信息中的障碍物信息；

第一标记模块，用于根据所述第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素；

第二标记模块，用于根据所述第二三维点云数据在所述当前栅格地图中标记出障碍物栅格以及在所述当前三维体素图中标记出障碍物体素，所述障碍物栅格用于表示非低矮障碍物，所述障碍物体素用于表示低矮障碍物；

地图更新模块，用于根据所述当前栅格地图和所述当前三维体素图得到用于标记障碍物的最新栅格地图。

第三方面，本申请实施例还提供了一种机器人，包括：

传感器，用于采集第一三维点云数据，所述第一三维点云数据用于表示当前采集的机器人周边环境信息；

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的栅格地图更新方法。

第四方面，本申请实施例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如第一方面所述的栅格地图更新方法。

上述栅格地图更新方法、装置、机器人及存储介质，通过获取用于表示当前周边环境信息的第一三维点云数据，并根据第一三维点云数据得到用于表示障碍物信息的第二三维点云数据，之后，根据第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素，以及，根据第二三维点云数据在当前栅格地图中标记出用于表示非低矮障碍物的障碍物栅格以及在当前三维体素图中标记出用于表示低矮障碍物的障碍物体素，之后，根据当前栅格地图和当前三维体素图得到最新的栅格地图的技术手段，解决了现有技术中无法对机器人周边环境进行精准建模的技术问题。通过第一三维点云数据得到第二三维点云数据可以避免地面对建模结果准确度的影响。通过当前三维体素图和当前栅格地图对无障碍物区域进行清除以及对低矮障碍物和非低矮障碍物进行标记，之后，将两层地图融合成一张栅格地图，即避免了低矮障碍物进入检测盲区后在栅格地图中被清除的情况，同时避免了障碍物移出检测盲区后在三维体素图中被保留的情况，保证了最新栅格地图的准确性，进而保证了建模结果的准确度，提高了机器人导航过程中的安全性和灵活性。进一步的。分别对第一三维点云数据和第二三维点云数据进行降采样，可以减小后续过程的数据处理量，避免占用资源的情况。

附图说明

图1为现有技术中3D激光雷达发出的激光波束示意图；

图2为本申请实施例提供的一种栅格地图更新方法的流程图；

图3为本申请实施例提供的周边环境三维坐标系示意图；

图4为本申请实施例提供的一种三维体素图；

图5为本申请实施例提供的一种栅格地图；

图6为本申请实施提供的另一种栅格地图更新方法的流程图；

图7为本申请实施例提供的一种栅格地图更新装置的结构示意图；

图8为本申请实施例提供的一种机器人的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或操作或对象与另一个实体或操作或对象区分开来，而不一定要求或者暗示这些实体或操作或对象之间存在任何这种实际的关系或顺序。例如，第一三维点云数据和第二三维点云数据的“第一”和“第二”用来区分两个不同的三维点云数据。

本申请实施例提供的栅格地图更新方法可以由机器人执行，该机器人具有移动装置，以通过移动装置进行自主移动。并且，在自主移动过程中，机器人通过本申请实施例提供的栅格地图更新方法更新用于体现周边环境的栅格地图，进而根据栅格地图制定移动路径。

具体的，图2为本申请实施例提供的一种栅格地图更新方法的流程图。参考图2，该栅格地图更新方法具体包括：

步骤110、获取第一三维点云数据，第一三维点云数据用于表示当前采集的机器人周边环境信息。

实施例中，机器人还配置有传感器，该传感器为3D激光雷达。3D激光雷达在工作过程中按照一定频率向一定角度内的空间区域发射激光波束，每个激光波束对应一个发射角度，此时，在没有遮挡物的前提下，激光波束所经过的空间区域为3D激光雷达的扫描区域。例如，参考图1，从当前视角而言，3D激光雷达发射的激光波束所覆盖的区域不仅包括正前方的区域还包含前方上下一定角度范围内的区域。可理解，发射激光波束后，若激光波束的传播路径上存在遮挡物，则由于遮挡物的遮挡，会使得激光波束返回至3D激光雷达。之后，机器人在激光波束返回时确定该激光波束的发射角度，进而确定遮挡物的方向，同时，根据返回时间确定出遮挡物的具体位置以及高度，进而得到遮挡物相对于机器人的空间位置。具体的，确定遮挡物相对于机器人的空间位置时，需要先根据激光波束的返回情况绘制出点云数据，点云数据可体现发射到遮挡物表面的激光波束的点在三维坐标系中的集合，三维坐标系是根据机器人所处空间区域构建的坐标系，此时，三维坐标系中的每个三维坐标均在空间区域中存在对应的空间位置。可理解，点云数据中的每个点对应一束被反射的激光波束，其表示遮挡物的一个表面点。点云数据中的每个点对应一个三维坐标(x,y,z)，该三维坐标中(x,y)表示该点在空间区域内的平面位置，也可以将(x,y)理解为点在二维坐标系下的二维坐标，z表示该点在空间区域内的高度，其中，二维坐标系是指三维坐标系去掉z轴后的坐标系。点云数据的密度与3D激光雷达发射的激光波束的密度有关，其中，点云数据的密度越高，其携带的信息越精准。实施例中，将根据激光波束返回情况得到的点云数据记为第一三维点云数据，该点云数据也可以认为是原始点云数据。可理解，3D激光雷达按照一定频率发射激光波束，每次发射后均可以根据激光波束返回情况得到对应的第一三维点云数据。此时，第一三维点云数据可以体现当前发射时刻机器人周边环境信息。其中，周边环境可以认为是当前需要进行障碍物检测的空间区域，周边环境位于3D激光雷达的扫描区域内。周边环境信息是指空间区域内激光波束可经过的区域以及被遮挡物遮挡的区域。

一个实施例中，由于机器人在移动过程中速度有限，且根据激光波束的发射频率可以保证第一三维点云数据的时效性，因此，为了减小数据处理量，在获取当前的第一三维点云数据时，只保留距离机器人一定范围内的第一三维点云数据，其中，距离范围的具体值可以结合机器人的移动速度等因素确定。此时，周边环境可以认为是距离机器人一定范围内的空间区域。

步骤120、根据第一三维点云数据得到第二三维点云数据，第二三维点云数据用于表示周边环境信息中的障碍物信息。

可理解，由于激光波束是对周边环境进行扫描，因此，当激光波束达到地面时，也会由于地面的遮挡而进行反射。但是，地面并不是机器人移动路径上的障碍，在后续处理中若将表示地面的点识别为障碍物，会影响后续生成的栅格地图的准确性。据此，实施例中清除第一三维点云数据中用于表示地面的点，并将清除后得到的点云数据记为第二三维点云数据。此时，第二三维点云数据中保留的点对应的激光波束是由非地面的遮挡物反射回的激光波束，其中，非地面的遮挡物便可以认为是机器人移动路径上的障碍物，因此，第二三维点云数据可以表示出周边环境信息中的障碍物信息，障碍物信息为障碍物在三维坐标系中的空间位置，即第二三维点云数据中的点是障碍物的表面点。

一个实施例中，在通过识别高度的方式的识别出表示地面的点。具体的，预先设置地面的高度，该高度的值可以根据实际情况设定。之后，在第一三维点云数据中获取各点在三维坐标系中的z值，即获取各点的高度值，之后，根据各高度值查找小于或等于地面高度的点，并在第一三维点云数据中删除查找出的点，进而得到第二三维点云数据。另一个实施例中，按照地面分割的方式去除表示地面的点。地面分割的具体手段可以根据实际情况设定，例如，利用点云平面的法向量、点云高度差等方式在第一三维点云数据中分割出大致的地面点，之后，根据分割出的地面点找到地面所在的平面，之后，通过平面法向量得到变换矩阵，并通过变换矩阵校准平面，以得到准确的平面，之后，将该平面的点确定为表示地面的点。在第一三维点云数据中删除表示地面的点，进而得到第二三维点云数据。

步骤130、根据第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素。

体素是体积元素的简称，其为三维空间中分割上的最小单位，被用于三维成像、科学数据等领域。三维体素图是指通过体素绘制机器人周边环境的三维图，其中，每个体素对应周边环境中的一个位置，即每个体素对应三维坐标系中的一个三维坐标。例如，图3为本申请实施例提供的周边环境三维坐标系示意图，图4为本申请实施例提供的一种三维体素图。此时，图3的每个三维坐标点在图4中对应一个体素。当前三维体素图为上一次更新栅格地图时对周边环境的障碍物进行检测后得到的图。当前三维体素图的各体素被分为障碍物体素和无障碍物体素，障碍物体素是指检测到周边环境中对应空间位置存在障碍物，无障碍物体素是指检测到周边环境中对应的空间位置不存在障碍物。

栅格地图是指在空间和亮度上都已经离散化的图像，实施例中，栅格地图是指通过栅格绘制机器人周边环境的二维图，其中，每个栅格对应周边环境中的一个平面位置，即每个栅格对应二维坐标系中的一个二维坐标。例如，图5为本申请实施例提供的一种栅格地图。此时，图3中具有每个二维坐标点(x,y)在图5中对应一个栅格。当前栅格地图为上一次更新时得到的栅格地图，其示出了对周边环境内障碍物进行检测后得到的图。当前栅格地图的栅格被分为障碍物栅格和无障碍物栅格，障碍物栅格是指检测到周边环境中对应平面位置存在障碍物，无障碍物体素是指检测到空间环境中对应平面位置不存在障碍物。

可理解，激光波束经过的区域为没有障碍物的区域。考虑到存在障碍物移动的情况，实施例中为了保证当前栅格地图和当前三维体素图的精准性，在当前栅格地图和当前三维体素图中标记出当前检测到的没有障碍物的区域。即障碍物移动后，由于当前发射的激光波束可以经过障碍物移动前的区域，因此，在当前栅格地图和当前三维体素图中进行标记。

标记时，需要先根据第一三维点云数据确定出没有障碍物的区域。具体的，确定第一三维点云数据中各点与3D激光雷达所在三维坐标点的连线，该连线为激光波束经过的区域。之后，确定该连线包含的二维坐标，进而在当前栅格地图中查找该连线对应的栅格，以及，确定该连线包含的三维坐标，在当前三维体素图中查找该连线对应的体素。之后，将当前查找到的栅格标记为无障碍物栅格，其他栅格对应的标记不变，以及，将当前查找到的体素标记为无障碍物体，其他体素对应的标记不变。

可选的，标记之前，为了减少数据处理量，降低资源占用，实施例中对第一三维点云数据进行降采样处理。之后，利用降采样后的第一三维点云数据进行无障碍物栅格和无障碍物体素的标记。

步骤140、根据第二三维点云数据在当前栅格地图中标记出障碍物栅格以及在当前三维体素图中标记出障碍物体素，障碍物栅格用于表示非低矮障碍物，障碍物体素用于表示低矮障碍物。

低矮障碍物是指障碍物距离地面的高度小于一定的高度阈值，非低矮障碍物是指障碍物距离地面的高度大于或大于高度阈值。该高度阈值可以根据实际情况设定，一般而言，非低矮障碍物位于检测盲区时，3D激光雷达可以扫描到非低矮障碍物的部分区域，即非低矮障碍物不会完全处于检测盲区。低矮障碍物位于检测盲区时，3D激光雷达无法扫描到低矮障碍物。实施例中，由于第二三维点云数据表示了障碍物信息，因此，在第二三维点云数据中查找表示非低矮障碍物的点云和表示低矮障碍物的点云。

示例性的，查找表示非低矮障碍物的点云和表示低矮障碍物的点云时，可以通过低矮障碍物和非低矮障碍物高度不同的规则进行查找。可以理解，对于一个障碍物而言，发射到其表面的每个激光波束均会被反射，此时，每个障碍物在第二三维点云数据中均通过多个距离很近的点表示。因此，可以先对第二三维单元数据进行聚类，以将同一障碍物的点聚为一类，之后，通过聚类后的点云高度确定表示非低矮障碍物的点云和表示低矮障碍物的点云。

具体的，对第二三维点云数据中各点进行聚类。其中，聚类的目的在于排除第二三维点云数据中的噪声点，并将同一障碍物的点云聚为一类。聚类方式可以根据实际情况选择。例如，采用K-means聚类方法对第二三维点云数据进行聚类，以得到多个三维点云簇，三维点云簇认为是当前识别到的障碍物的表面，一个三维点云簇对应一个障碍物。再如，将第二三维点云数据压缩至二维坐标系下，并对二维坐标系下的点云数据进行聚类得到二维点云簇，之后，将二维点云簇恢复至三维坐标系下，以得到三维点云簇。对于第二三维点云数据而言，三维坐标下具有相同x值和y值的点一般属于同一障碍物，如果对第二三维点云数据直接聚类，由于z值的存在，会出现同一障碍物的点由于z值不同而被聚类成不同的三维点云簇，因此，实施例中，采用将第二三维点云数据压缩至二维坐标系下，再进行聚类的方式。其中，获取第二三维点云数据中各点在三维坐标下的三维坐标，并将三维坐标中的z值删除，以得到各点在二维坐标系下的二维坐标，进而实现将第二三维点云数据压缩到二维坐标系下，可理解，同一二维坐标上可对应的多个点，即同一二维坐标上可对应屏幕位置相同高度不同的各个点。之后，采用欧式聚类算法等方式对二维坐标系下的点云数据进行聚类，其中欧式聚类算法是一种基于欧式距离度量的聚类算法。由于当前已经去除了高度对聚类结果的影响，因此，可提升聚类结果的准确度。之后，为二维点云簇中各点添加其原有的z值，以将二维点云簇恢复至三维点云簇。

之后，通过三维点云簇的高度确定表示非低矮障碍物的点云和表示低矮障碍物的点云。其中，将三维点云簇各点的三维坐标中最大的z值作为三维点云簇的高度。之后，比较三维点云簇的高度与高度阈值的大小，之后，将小于该高度阈值的三维点云簇确定为低矮障碍物点云簇，该低矮障碍物点云簇中的每个点均为表示低矮障碍物的点，将大于或等于该高度阈值的三维点云簇确定为非低矮障碍物点云簇，该非低矮障碍物点云簇中的每个点均为表示非低矮障碍物的点。

之后，根据非低矮障碍物点云簇和低矮障碍物点云簇在当前三维体素图和当前栅格地图中进行对应的标记。实施例中，使用当前三维体素图记录低矮障碍物，使用当前栅格地图记录非低矮障碍物。具体的，在当前三维体素图中查找与低矮障碍物点云簇位置对应的各体素，并将各体素标记为障碍物体素。此时，当前三维体素图中标记的障碍物体素表示低矮障碍物。同样的，在栅格地图中查找与非低矮障碍物点云位置对应的各栅格，并将各栅格标记为障碍物栅格，此时，栅格地图中标记的障碍物栅格表示非低矮障碍物。

需说明，在当前栅格地图中标记低矮障碍物时，由于3D激光雷达发射激光波束时存在检测盲区，若机器人移动过程中低矮障碍物由扫描区域进入检测盲区，则会检测不到低矮障碍物的存在，此时，在二维坐标系下激光波束所经过的区域与低矮障碍物具有相同的x值和y值，因此，在当前栅格地图标记无障碍物栅格时，会将低矮障碍物对应的栅格标记为无障碍物栅格，这样会降低栅格地图的准确率。据此，实施例中，采用当前三维体素图标记低矮障碍物，此时，即使低矮障碍物进入检测盲区，但是由于激光波束未经过低矮障碍物所在的空间位置，因此，当前三维体素图中用于标记该低矮障碍物的体素不会发生变化，即先前检测到的低矮障碍物被保留在当前三维体素图中。同样的，在当前三维体素图中标记非低矮障碍物时，由于3D激光雷达发射激光波束时存在检测盲区，非低矮障碍物由扫描区域进入检测盲区，若非低矮障碍物中靠近地面的部分位于检测盲区(非低矮障碍物不会出现全部位于检测盲区的情况)，则在当前三维体素图中与非低矮障碍物靠近地面部分对应的体素也会被标记为障碍物体素，而当非低矮障碍物离开检测盲区时，3D激光雷达无法对检测盲区进行扫描，因此，当前三维体素图中用于标记检测盲区内非低矮障碍物的体素会被保留下来，这样会影响当前三维体素图的准确率，因此，实施例中，采用当前栅格地图标记非低矮障碍物，此时，即使非低矮障碍物离开了检测盲区，但是，由于激光波束经过了检测盲区上面的平面位置，因此，在当前栅格地图中会将对应栅格标记为无障碍物栅格，以避免在当前三维体素图中保留对已经离开检测盲区的非低矮障碍物的标记。

可选的，标记之前，为了减少数据处理量，降低资源占用，实施例中对第二三维点云数据进行降采样处理，以使用降采样后的第二三维点云数据对障碍物体素和障碍物栅格进行标记。

可理解，步骤130和步骤140可以同时执行，也可以先后执行，其具体顺序实施例不作限定。

步骤150、根据当前栅格地图和当前三维体素图得到用于标记障碍物的最新栅格地图。

由于当前栅格地图和当前三维体素图均示出了当前对周边环境障碍物的检测情况，因此，可以根据当前栅格地图和当前体素图得到最新的栅格地图。最新栅格地图可以标记出当前位于周边环境的障碍物。

具体的，根据当前栅格地图和当前三维体素图得到最新栅格地图时，可以是创建一个新的栅格地图，该栅格地图与当前栅格地图大小相同，即具有相同的二维坐标系。该栅格地图中各栅格默认为无障碍物栅格。之后，查找当前栅格地图中的障碍物栅格并确定其二维坐标，之后，在新的栅格地图中，将相同二维坐标的栅格标记为障碍物栅格。同时，查找当前三维体素中的障碍物体素并确定其三维坐标，去除三维坐标中的z值以得到二维坐标，并在新的栅格地图中，将相同二维坐标的栅格标记为障碍物栅格。标记完成后便可以得到最新栅格地图。

得到最新栅格地图后，便可以根据最新栅格地图规划机器人的移动路径。

可理解，下一次检测时，当前得到的最新栅格地图可以认为是下一次检测时的当前栅格地图，当前的三维体素图可以认为是下一次检测时的当前三维体素图。或者是，下一次检测时，当前的栅格地图可以认为是下一次检测时的当前栅格地图，当前的三维体素图可以认为是下一次检测时的当前三维体素图。

上述，通过获取用于表示当前周边环境信息的第一三维点云数据，并根据第一三维点云数据得到用于表示障碍物信息的第二三维点云数据，之后，根据第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素，以及，根据第二三维点云数据在当前栅格地图中标记出用于表示非低矮障碍物的障碍物栅格以及在当前三维体素图中标记出用于表示低矮障碍物的障碍物体素，之后，根据当前栅格地图和当前三维体素图得到最新的栅格地图的技术手段，解决了现有技术中无法对机器人周边环境进行精准建模的技术问题。通过第一三维点云数据得到第二三维点云数据可以避免地面对建模结果准确度的影响。通过当前三维体素图和当前栅格地图对无障碍物区域进行清除以及对低矮障碍物和非低矮障碍物进行标记，之后，将两层地图融合成一张栅格地图，即避免了低矮障碍物进入检测盲区后在栅格地图中被清除的情况，同时避免了障碍物移出检测盲区后在三维体素图中被保留的情况，保证了最新栅格地图的准确性，进而保证了建模结果的准确度，提高了机器人导航过程中的安全性和灵活性。

图6为本申请实施提供的另一种栅格地图更新方法的流程图。本实施例提供的栅格地图更新方法是对上述实施例所述的栅格地图更新方法进行具体化。参考图6，该栅格地图更新方法具体包括：

步骤210、获取第一三维点云数据，第一三维点云数据用于表示当前采集的机器人周边环境信息。

步骤220、在第一三维点云数据中，识别出用于表示地面的点。

用于表示地面的点是指该点在周边环境中的空间位置为地面所在的位置。

具体的，利用地面高度识别用于表示地面的点时，由于地面中可能存在坡度，此时，地面高度并不能准确识别出地面的点，会出现漏检的情况，例如，当地面高度小于坡度高度时，位于坡度上的地面点无法被识别出来，当地面高度等于坡度高度时，位于非坡度上的低矮障碍物对应的点可能被识别为地面点。因此，实施例中，采用地面分割法识别出用于表示地面的点。其中，地面分割法可参考步骤120中的描述。

步骤230、删除第一三维点云数据中用于表示地面的点，以得到第二三维点云数据，第二三维点云数据用于表示周边环境信息中的障碍物信息。

由于已经识别出了表示地面的点，因此，实施例中，在第一三维点云数据中，删除表示地面的点，以得到第二三维点云数据。由于第二三维点云数据中已经剔除了用于表示地面的点，因此，第二三维点云数据可以表示障碍物信息。

步骤240、分别对第一三维点云数据和第二三维点云数据进行降采样。

由于第一三维点云数据和第二三维点云数据的点云密度较大，后续处理时需要较大的计算量并占用较多的资源，因此，实施例中，对第一三维点云数据和第二三维点云数据进行降采样。由于第一三维点云数据和第二三维点云数据的降采样方法相同，所以，以对第一三维点云数据进行降采样为例进行描述。

一个实施例中，使用体素滤波的方式对第一三维点云数据进行降采样。具体的，确定降采样的倍数，之后，根据降采样的倍数对第一三维点云数据进行降采样。例如，对第一三维点云数据进行二倍降采样，此时，在第一三维点云数据对应的三维坐标系中，将位于三维坐标(0,0,0)-(2,2,2)范围内的点降采样至一个点，将位于三维坐标(2,0,0)-(4,2,2)范围内的点降采样至一个点，将位于三维坐标标(0,0,2)-(2,2,4)范围内的点降采样至一个点，将位于三维坐标(0,2,0)-(2,4,2)范围内的点降采样至一个点，以此类推，直到将三维坐标系内的全部三维坐标均进行下采样为止。其中，将位于三维坐标(0,0,0)-(2,2,2)范围内的点降采样至一个点时具体为：确定三维坐标(0,0,0)-(2,2,2)范围内各点的三维坐标，之后，根据各点的三维坐标计算中心点(即坐标平均值所在的点)，之后，将该点作为降采样后保留的点。可理解，每个坐标范围内各点的处理方式相同。实际应用中，也可以采用其他方式，如确定三维坐标(0,0,0)-(2,2,2)范围内各点的三维坐标，之后，将其中任一三维坐标对应的点作为降采样后保留的点。

需说明，后续过程中提及的第一三维点云数据和第二三维点云数据均是指降采样后的三维点云数据。

步骤250、根据第一三维点云数据确定当前三维体素图中被传感器信号经过的体素，传感器用于采集第一三维点云数据。

传感器信号是指通过传感器检测周边环境时，传感器发出的信号。由于实施例中传感器为3D激光雷达，因此，传感器信号为3D激光雷达发射的激光波束。

具体的，确定传感器在三维坐标系中的三维坐标，可理解，机器人可以确定自身在三维坐标系中的三维坐标，进而通过自身的三维坐标确定传感器的三维坐标。之后，在三维坐标系下，将传感器的三维坐标和第一三维点云数据中各点的三维坐标相连，此时，每条连线便是对应传感器信号在周边环境中经过的区域。之后，确定该区域的三维坐标，并在当前三维体素图中查找三维坐标对应的体素。查找到的体素便可以认为是被传感器信号经过的体素。

步骤260、将被传感器信号经过的体素标记为无障碍物体素。

具体的，将被传感器信号经过的区域确定为没有障碍物的区域。据此，实施例中对被传感器信号经过的体素进行标记，并标记为无障碍物体素。其中，标记方式实施例不作限定，例如，改变体素的颜色和/或样式、为体素添加标题等方式。

步骤270、去除第一三维点云数据中各点的高度值，以得到第二二维点云数据。

具体的，第一三维点云数据中各点的高度值是指各点在三维坐标中的z值。删除第一三维点云数据中各点的z值，只保留x值和y值后，得到二维点云数据。实施例中，当前得到的二维点云数据记为第二二维点云数据。可理解，第二二维点云数据是第一三维点云数据被压缩至二维空间后得到的点云数据。可理解，第一三维点云数据中相同x值和y值的点在第二二维点云数据中重叠在一起。

步骤280、根据第二二维点云数据确定当前栅格地图中被传感器信号经过的栅格。

示例性的，根据传感器在三维坐标系中的三维坐标确定传感器在二维坐标系中的二维坐标。之后，将传感器的二维坐标和第二二维点云数据中各点的二维坐标相连，此时，每条连线便是对应传感器信号在二维空间中经过的区域。之后，确定该区域的二维坐标，并在当前栅格地图中查找出二维坐标对应的栅格。查找到的栅格便可以认为是被传感器信号经过的栅格。

步骤290、将被传感器信号经过的栅格标记为无障碍栅格。

具体的，对栅格进行标记的过程可参考步骤260中对体素进行标记的过程，实施例对此不作赘述。

步骤2100、在第二三维点云数据中确定低矮障碍物点云簇和非低矮障碍物点云簇。

具体的，低矮障碍物点云簇是指第二三维点云数据中用于表示低矮障碍物的点云簇，非低矮障碍物点云簇是指第二三维点云数据中用于表示非低矮障碍物的点云簇。示例性的，对第二三维点云数据中各点进行聚类得到多个三维点云簇，之后，根据三维点云簇的高度识别出低矮障碍物点云簇和非低矮障碍物点云簇。

实施例中，该步骤具体包括步骤2101-步骤2106：

步骤2101、去除第二三维点云数据中各点的高度值，以得到第一二维点云数据。

为了避免z值对聚类结果的影响，实施例中，将第二三维点云数据压缩至二维空间以得到对应的二维点云数据。实施例中，将第二三维点云数据对应的二维点云数据记为第一二维点云数据。具体的，将第二三维点云数据中各点的z值删除，只保留x值和y值，以得到第二二维点云数据。删除z值时同步记录z值在第一二维点云数据中对应的点。可理解，第二三维点云数据中相同x值和y值的点在第一二维点云数据中重叠在一起。

步骤2102、对第一二维点云数据进行聚类，以得到多个二维点云簇。

其中，聚类可以理解为将同一障碍物的点云识别出来，并作为一个二维点云簇。

实施例中不限定点云聚类方法。例如，采用欧式聚类算法对第一二维激光点云进行聚类，具体的，在第一二维点云数据中选择任一点作为当前点，之后，通过计算欧式距离的方式确定距离当前点最近的K个点(K≥2)，将K个点中小于设定距离阈值的点和当前点聚为一类，之后，在聚类的点中再选择一个点作为当前点，并继续查找小于距离阈值的点加入至当前的聚类中，以此类推，直到当前聚类中不再加入新的点为止，此时，将当前聚类的点云记为一个二维点云簇。按照上述方式对第一二维点云数据中的全部点进行处理后，便可以得到多个二维点云簇。

步骤2103、为二维点云簇中的点添加对应的高度值，以将二维点云簇恢复成三维点云簇。

由于之前记录了第一二维点云数据中各点的z值，所以本步骤中，根据之前的记录，为每个二维点云簇中的点添加相应的z值，以将各二维点云簇恢复成三维点云簇，且每个点z值为三维点云簇中对应点的高度值。

步骤2104、判断各三维点云簇的高度是否小于高度阈值。若三维点云簇的高度小于高度阈值，则执行步骤2105。若三维点云簇的高度大于或等于高度阈值，则执行步骤2106。

示例性的，高度阈值可以根据实际情况设定，其用于区别低矮障碍物和非低矮障碍物。具体的，获取每个三维点云簇的高度，之后将该高度与高度阈值进行比较。若该高度小于高度阈值，则说明对应三维点云簇为低矮障碍物点云簇，执行步骤2105。若该高度大于或等于高度阈值，则说明对应三维点云簇为非低矮障碍物点云簇，执行步骤2106。

一个实施例中，需要先获取每个三维点云簇的高度。据此，判断各三维点云簇的高度是否小于高度阈值之前，还包括：在三维点云簇内全部点对应的高度值中，查找最大的高度值作为三维点云簇的高度。

具体的，针对一三维点云簇，获取其内全部点的高度值，即全部点的z值。之后，在获取的高度值中查找最大的高度值，并将查找到的最大高度值作为该三维点云簇的高度。

步骤2105、将三维点云簇标记为低矮障碍物点云簇。

具体的，标记低矮障碍物点云簇的方式实施例不作限定，例如，改变点云颜色或者为点云添加标签等。

步骤2106、将三维点云簇标记为非低矮障碍物点云簇。

具体的，标记非低矮障碍物点云簇的方式实施例不作限定，例如，改变点云颜色或者为点云添加标签等。可理解，低矮障碍物点云簇和非低矮障碍物点云簇的标记不同。

可理解，每个三维点云簇被标记完成后，可以得到各低矮障碍物点云簇和非低矮障碍物点云簇。

步骤2110、在当前三维体素图中查找低矮障碍物点云簇对应的体素，并将查找到的体素标记为障碍物体素。

根据低矮障碍物点云簇中各点的三维坐标在当前三维体素图中查找对应的体素。之后，对查找的体素进行障碍物体素的标记。此时，当前三维体素图中被标记的障碍物体素表示低矮障碍物在周边环境中的空间位置。

可理解，当前三维体素图中未被标记的体素保持当前状态不变。

步骤2120、在当前栅格地图中查找非低矮障碍物点云簇对应的栅格，并将查找到的栅格标记为障碍物栅格。

根据低矮障碍物点云簇中各点的三维坐标确定各点的二维坐标。之后，在栅格地图中查找与二维坐标对应的栅格，之后，对查找的栅格进行障碍物栅格的标记。此时，本步骤中在当前栅格图像中标记的障碍物栅格表示非低矮障碍物在周边环境中的平面位置。

可理解，当前栅格地图中未被标记的体素保持当前状态不变。

步骤2130、创建全新栅格地图，全新栅格地图中的各栅格均为无障碍物栅格。

具体的，全新栅格地图是指新建的一张栅格地图。全新栅格地图与当前栅格地图大小相同，即全新栅格地图与当前栅格地图的栅格总数量、行数和列数均相同，此时，全新栅格地图和当前栅格地图中处于相同位置的栅格一一对应。并且，全新栅格地图中的每个栅格均被标记为无障碍物栅格。

步骤2140、根据当前栅格地图的障碍物栅格，将全新栅格地图中对应位置的栅格标记为障碍物栅格，并根据当前三维体素图中的障碍物体素，将全新栅格地图中对应位置的栅格标记为障碍物栅格，标记后的全新栅格地图为用于标记障碍物的最新栅格地图。

具体的，确定当前栅格地图中的障碍物栅格，并在全新栅格地图中确定与障碍物栅格相对应的栅格，并将该栅格标记为障碍物栅格，进而实现对当前栅格地图中记录的障碍物进行标记。此时，根据当前栅格地图中的障碍物栅格，将全新栅格地图中对应位置的栅格标记为障碍物栅格包括步骤2141-步骤2145：

步骤2141、将当前栅格地图中的第一个栅格作为当前栅格。

具体的，根据栅格遍历顺序确定当前栅格地图中的第一个栅格，例如，栅格遍历顺序为从左上顶点到右下顶点，此时，第一个栅格为左上顶点的栅格，第二个栅格为第一个栅格右侧的栅格，以此类推，最后一个栅格为右下顶点的栅格。再如，栅格遍历顺序为从左下顶点到右上顶点，此时，第一个栅格为左下顶点的栅格，第二个栅格为第一个栅格右侧的栅格，以此类推，最后一个栅格为右上顶点的栅格。之后，将第一个栅格作为当前栅格。

步骤2142、判断当前栅格是否属于障碍物栅格。在当前栅格属于障碍物栅格时，执行步骤2143。在当前栅格不属于障碍物栅格时，执行步骤2144。

具体的，确定当前栅格地图中当前栅格是否被标记为障碍物栅格。若被标记为障碍物栅格，则确定当前栅格属于障碍物栅格，并执行步骤2143。否则，确定当前栅格不属于障碍物栅格，并执行执行步骤2144。

步骤2143、将全新栅格地图中对应位置的栅格标记为障碍物栅格。

若当前栅格属于障碍物栅格，则说明周边环境中对应平面位置处存在障碍物，因此，将全新栅格地图中与当前栅格对应的栅格标记为障碍物栅格。

步骤2144、放弃标记全新栅格地图中对应位置的栅格。

若当前栅格不属于当障碍物栅格，则说明周边环境中对应平面位置处不存在障碍物，因此，放弃对全新栅格地图中对应位置的栅格进行标记，即全新栅格地图中对应位置的栅格保持为无障碍物栅格。

步骤2145、将当前栅格地图中的下一个栅格作为当前栅格，返回执行判断当前栅格是否属于障碍物栅格的操作，直到当前栅格地图中的每个栅格均作为当前栅格为止。

标记完成后，根据栅格遍历顺序确定当前栅格地图中是否还存在未被遍历到的栅格，若存在未被遍历到的栅格，则根据栅格遍历顺序获取当前栅格地图中的下一个栅格，并将下一个栅格作为当前栅格，返回执行步骤2142。若每个栅格均被遍历到，则确定标记完毕。

具体的，确定当前三维体素图中的障碍物体素，并在全新栅格地图中确定与障碍物体素相对应的栅格，并将该栅格标记为障碍物栅格，进而实现对当前三维体素图中记录的障碍物进行标记。此时，根据当前三维体素图中的障碍物体素，将全新栅格地图中对应位置的栅格标记为障碍物栅格包括步骤2146-步骤2148：

步骤2146、判断当前三维体素图内具有相同平面位置的各体素中障碍物体素的数量是否大于或等于数量阈值。若大于或等于数量阈值，则执行步骤2147。若小于数量阈值，则执行步骤2148。

三维坐标中的x值和y值可以体现体素的平面位置。此时，当前三维体素图中具有相同x值和y值的体素可以认为是具有相同平面位置的体素。具体的，获取当前三维体素图中每个平面位置上的全部体素，之后，判断具有相同平面位置的各体素中，被标记为障碍物体素的数量。若该数量大于或等于数量阈值，则说明该平面位置处存在障碍物，进而执行步骤2147。若该数量小于数量阈值，则说明该平面位置处不存在障碍物，进而执行步骤2148。其中，数量阈值可以根据实际情况设定，其用于进行障碍物的校验。可理解，在当前三维体素图中标记障碍物体素时，由于误差的存在，会使得实际无障碍物的体素被标记为障碍物体素，但是，同一平面位置下被误标记的体素数量一般较少，被准确标记的障碍物体素较多，因此，可以通过数量阈值校验障碍物体素是否被误标记，其中，数量阈值可以根据实际情况设定。

需说明，实际应用中，也可以不设置数量阈值，即任一平面位置上的各体素中只要存在障碍物体素，便执行步骤2147，否则，执行步骤2148。这样虽然存在误标记的情况，但是可以防止障碍物漏标记的情况。

步骤2147、在全新栅格地图中，将与平面位置对应的栅格标记为障碍物栅格。

若具有相同平面位置的各体素中障碍物体素的数量大于或等于数量阈值，则说明周边环境中对应平面位置处存在障碍物，因此，将全新栅格地图中与该平面位置对应的栅格标记为障碍物栅格。

步骤2148、在全新栅格地图中，放弃标记与平面位置对应的栅格。

若具有相同平面位置的各体素中障碍物体素的数量小于数量阈值，则说明周边环境中对应平面位置处不存在障碍物，因此，放弃对全新栅格地图中与该平面位置对应的栅格进行标记，即全新栅格地图中对应位置的栅格保持为无障碍物栅格。

按照上述方式遍历完当前栅格地图中的每个栅格以及当前三维体素中的每个平面位置后，便可以完成对低矮障碍物和非低矮障碍物的标记，此时，被标记后的全新栅格地图便可以作为当前时刻更新的栅格地图。

上述，通过获取用于表示当前周边环境信息的第一三维点云数据，并在第一三维点云数据中剔除表示地面的点，以得到用于表示障碍物信息的第二三维点云数据，可以避免地面点云对障碍物识别的影响，进而保证最终得到的栅格地图的准确度。进一步的。分别对第一三维点云数据和第二三维点云数据进行降采样，可以减小后续过程的数据处理量，避免占用资源的情况。进一步的，根据第一三维点云数据确定出传感器信号经过的区域，进而在当前栅格地图和当前三维体素图中进行标记，可以明确当前无障碍物的栅格和体素，减小了栅格和体素被误标记为障碍物的概率。进一步的，在第二三维点云数据中确定低矮障碍物和非低矮障碍物，通过三维体素图和栅格地图分别对低矮障碍物和非低矮障碍物进行标记，之后，将两层地图融合成一张栅格地图，即避免了低矮障碍物进入检测盲区后在栅格地图中被清除的情况，同时避免了障碍物移出检测盲区后在三维体素图中被保留的情况，保证最新栅格地图的准确性，提高了机器人导航过程中的安全性和灵活性。

图7为本申请实施例提供的一种栅格地图更新装置的结构示意图。参考图7，该栅格地图更新装置包括：点云获取模块301、点云确定模块302、第一标记模块303、第二标记模块304以及地图更新模块305。

其中，点云获取模块301，用于获取第一三维点云数据，所述第一三维点云数据用于表示当前采集的机器人周边环境信息；点云确定模块302，用于根据所述第一三维点云数据得到第二三维点云数据，所述第二三维点云数据用于表示所述周边环境信息中的障碍物信息；第一标记模块303，用于根据所述第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素；第二标记模块304，用于根据所述第二三维点云数据在所述当前栅格地图中标记出障碍物栅格以及在所述当前三维体素图中标记出障碍物体素，所述障碍物栅格用于表示非低矮障碍物，所述障碍物体素用于表示低矮障碍物；地图更新模块305，用于根据所述当前栅格地图和所述当前三维体素图得到用于标记障碍物的最新栅格地图。

在上述实施例的基础上，第二标记模块304包括：点云簇确定单元，用于在所述第二三维点云数据中确定低矮障碍物点云簇和非低矮障碍物点云簇；第一体素标记单元，用于在所述当前三维体素图中查找所述低矮障碍物点云簇对应的体素，并将查找到的体素标记为障碍物体素；第一栅格标记单元，用于在所述当前栅格地图中查找所述非低矮障碍物点云簇对应的栅格，并将查找到的栅格标记为障碍物栅格。

在上述实施例的基础上，点云簇确定单元包括：第一维度转换子单元，用于去除所述第二三维点云数据中各点的高度值，以得到第一二维点云数据；点云聚类子单元，用于对第一二维点云数据进行聚类，以得到多个二维点云簇；高度添加子单元，用于为所述二维点云簇中的点添加对应的高度值，以将所述二维点云簇恢复成三维点云簇；高度判断子单元，用于判断各所述三维点云簇的高度是否小于高度阈值；低矮障碍标记子单元，用于若所述三维点云簇的高度小于所述高度阈值，则将所述三维点云簇标记为低矮障碍物点云簇；非低矮障碍标记子单元，用于若所述三维点云簇的高度大于或等于所述高度阈值，则将所述三维点云簇标记为非低矮障碍物点云簇。

在上述实施例的基础上，所述点云簇确定单元还包括：高度确定子单元，用于判断各所述三维点云簇的高度是否小于高度阈值之前，在所述三维点云簇内全部点对应的高度值中，查找最大的高度值作为所述三维点云簇的高度。

在上述实施例的基础上，第一标记模块303包括：第一体素确定单元，用于根据所述第一三维点云数据确定所述当前三维体素图中被传感器信号经过的体素，所述传感器用于采集所述第一三维点云数据；第二体素标记单元，用于将被所述传感器信号经过的体素标记为无障碍物体素；第二维度转换单元，用于去除所述第一三维点云数据中各点的高度值，以得到第二二维点云数据；第一栅格确定单元，用于根据所述第二二维点云数据确定所述当前栅格地图中被传感器信号经过的栅格；第二栅格标记单元，用于将被所述传感器信号经过的栅格标记为无障碍栅格。

在上述实施例的基础上，地图更新模块305包括：地图创建单元，用于创建全新栅格地图，所述全新栅格地图中的各栅格均为无障碍物栅格；第三栅格标记单元，用于根据所述当前栅格地图中的障碍物栅格，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格，并根据所述当前三维体素图中的障碍物体素，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格，标记后的全新栅格地图为用于标记障碍物的最新栅格地图。

在上述实施例的基础上，第三栅格标记单元包括：当前栅格确定子单元，用于将所述当前栅格地图中的第一个栅格作为当前栅格；障碍物栅格判断子单元，用于判断所述当前栅格是否属于障碍物栅格；第四栅格标记子单元，用于在所述当前栅格属于障碍物栅格时，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格；第一放弃标记子单元，用于在所述当前栅格不属于障碍物栅格时，放弃标记所述全新栅格地图中对应位置的栅格；返回执行子单元，用于将所述当前栅格地图中的下一个栅格作为当前栅格，返回执行判断所述当前栅格是否属于障碍物栅格的操作，直到所述当前栅格地图中的每个栅格均作为当前栅格为止；第五栅格标记子单元，用于根据所述当前三维体素图中的障碍物体素，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格，以得到用于标识障碍物的最新栅格地图。

在上述实施例的基础上，第三栅格标记单元包括：第六栅格标记子单元，用于根据所述当前栅格地图中的障碍物栅格，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格；数量判断子单元，用于判断所述当前三维体素图内具有相同平面位置的各体素中障碍物体素的数量是否大于或等于数量阈值；第七栅格标记子单元，用于若大于或等于所述数量阈值，则在所述全新栅格地图中，将与所述平面位置对应的栅格标记为障碍物栅格；第八栅格标记子单元，用于若小于所述数量阈值，则在所述全新栅格地图中，放弃标记与所述平面位置对应的栅格。

在上述实施例的基础上，点云确定模块302包括：地面点识别单元，用于在所述第一三维点云数据中，识别出用于表示地面的点；删除单元，用于删除所述第一三维点云数据中用于表示地面的点，以得到第二三维点云数据，所述第二三维点云数据用于表示所述周边环境信息中的障碍物信息。

在上述实施例的基础上，还包括：降采样模块，用于根据所述第一三维点云数据得到第二三维点云数据之后，分别对所述第一三维点云数据和所述第二三维点云数据进行降采样。

上述提供的栅格地图更新装置可用于执行上述任意实施例提供的栅格地图更新方法，具备相应的功能和有益效果。

值得注意的是，上述栅格地图更新装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

图8为本申请实施例提供的一种机器人的结构示意图。如图8所示，该机器人包括处理器40、存储器41、传感器42、移动装置43、输入装置44、输出装置45；机器人中处理器40的数量可以是一个或多个，图8中以一个处理器40为例。机器人中处理器40、存储器41、传感器42、移动装置43、输入装置44、输出装置45可以通过总线或其他方式连接，图8中以通过总线连接为例。

存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的栅格地图更新方法对应的程序指令/模块(例如，栅格地图更新装置中的点云获取模块301、点云确定模块302、第一标记模块303、第二标记模块304以及地图更新模块305)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行机器人的各种功能应用以及数据处理，即实现上述的栅格地图更新方法。

存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据机器人的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至机器人设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传感器42用于采集第一三维点云数据，第一三维点云数据用于表示当前采集的机器人周边环境信息。移动装置43用于根据处理器40的指令进行移动，处理器40还可以根据更新后的栅格地图确定移动路径。输入装置44可用于接收输入的数字或字符信息，以及产生与机器人的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。机器人还可包括通信装置，以与其他设备进行数据通信。

上述机器人包含栅格地图更新装置，可以用于执行任意栅格地图更新方法，具备相应的功能和有益效果。

此外，本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本申请任意实施例所提供的栅格地图更新方法中的相关操作，且具备相应的功能和有益效果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。

因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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过程、方法、商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过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (13)

1.一种栅格地图更新方法，其特征在于，包括：

获取第一三维点云数据，所述第一三维点云数据用于表示当前采集的机器人周边环境信息；

根据所述第一三维点云数据得到第二三维点云数据，所述第二三维点云数据用于表示所述周边环境信息中的障碍物信息；

根据所述第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素；

根据所述第二三维点云数据在所述当前栅格地图中标记出障碍物栅格以及在所述当前三维体素图中标记出障碍物体素，所述障碍物栅格用于表示非低矮障碍物，所述障碍物体素用于表示低矮障碍物；

根据所述当前栅格地图和所述当前三维体素图得到用于标记障碍物的最新栅格地图。

2.根据权利要求1所述的栅格地图更新方法，其特征在于，所述根据所述第二三维点云数据在所述当前栅格地图中标记出障碍物栅格以及在所述当前三维体素图中标记出障碍物体素包括：

在所述第二三维点云数据中确定低矮障碍物点云簇和非低矮障碍物点云簇；

在所述当前三维体素图中查找所述低矮障碍物点云簇对应的体素，并将查找到的体素标记为障碍物体素；

在所述当前栅格地图中查找所述非低矮障碍物点云簇对应的栅格，并将查找到的栅格标记为障碍物栅格。

3.根据权利要求2所述的栅格地图更新方法，其特征在于，所述在所述第二三维点云数据中确定低矮障碍物点云簇和非低矮障碍物点云簇包括：

去除所述第二三维点云数据中各点的高度值，以得到第一二维点云数据；

对第一二维点云数据进行聚类，以得到多个二维点云簇；

为所述二维点云簇中的点添加对应的高度值，以将所述二维点云簇恢复成三维点云簇；

判断各所述三维点云簇的高度是否小于高度阈值；

若所述三维点云簇的高度小于所述高度阈值，则将所述三维点云簇标记为低矮障碍物点云簇；

若所述三维点云簇的高度大于或等于所述高度阈值，则将所述三维点云簇标记为非低矮障碍物点云簇。

4.根据权利要求3所述的栅格地图更新方法，其特征在于，所述判断各所述三维点云簇的高度是否小于高度阈值之前，还包括：

在所述三维点云簇内全部点对应的高度值中，查找最大的高度值作为所述三维点云簇的高度。

5.根据权利要求1所述的栅格地图更新方法，其特征在于，所述根据所述第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素包括：

根据所述第一三维点云数据确定所述当前三维体素图中被传感器信号经过的体素，所述传感器用于采集所述第一三维点云数据；

将被所述传感器信号经过的体素标记为无障碍物体素；

去除所述第一三维点云数据中各点高度值，以得到第二二维点云数据；

根据所述第二二维点云数据确定所述当前栅格地图中被传感器信号经过的栅格；

将被所述传感器信号经过的栅格标记为无障碍栅格。

6.根据权利要求1所述的栅格地图更新方法，其特征在于，所述根据所述当前栅格地图和所述当前三维体素图得到用于标记障碍物的最新栅格地图包括：

创建全新栅格地图，所述全新栅格地图中的各栅格均为无障碍物栅格；

根据所述当前栅格地图中的障碍物栅格，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格，并根据所述当前三维体素图中的障碍物体素，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格，标记后的全新栅格地图为用于标记障碍物的最新栅格地图。

7.根据权利要求6所述的栅格地图更新方法，其特征在于，所述根据所述当前栅格地图中的障碍物栅格，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格包括：

将所述当前栅格地图中的第一个栅格作为当前栅格；

判断所述当前栅格是否属于障碍物栅格；

在所述当前栅格属于障碍物栅格时，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格；

在所述当前栅格不属于障碍物栅格时，放弃标记所述全新栅格地图中对应位置的栅格；

将所述当前栅格地图中的下一个栅格作为当前栅格，返回执行判断所述当前栅格是否属于障碍物栅格的操作，直到所述当前栅格地图中的每个栅格均作为当前栅格为止。

8.根据权利要求6所述的栅格地图更新方法，其特征在于，所述根据所述当前三维体素图中的障碍物体素，将所述全新栅格地图中对应位置的栅格标记为障碍物栅格包括：

判断所述当前三维体素图内具有相同平面位置的各体素中障碍物体素的数量是否大于或等于数量阈值；

若大于或等于所述数量阈值，则在所述全新栅格地图中，将与所述平面位置对应的栅格标记为障碍物栅格；

若小于所述数量阈值，则在所述全新栅格地图中，放弃标记与所述平面位置对应的栅格。

9.根据权利要求1所述的栅格地图更新方法，其特征在于，所述根据所述第一三维点云数据得到第二三维点云数据包括：

在所述第一三维点云数据中，识别出用于表示地面的点；

删除所述第一三维点云数据中用于表示地面的点，以得到第二三维点云数据。

10.根据权利要求1所述的栅格地图更新方法，其特征在于，所述根据所述第一三维点云数据得到第二三维点云数据之后，包括：

分别对所述第一三维点云数据和所述第二三维点云数据进行降采样。

11.一种栅格地图更新装置，其特征在于，包括：

点云获取模块，用于获取第一三维点云数据，所述第一三维点云数据用于表示当前采集的机器人周边环境信息；

点云确定模块，用于根据所述第一三维点云数据得到第二三维点云数据，所述第二三维点云数据用于表示所述周边环境信息中的障碍物信息；

第一标记模块，用于根据所述第一三维点云数据在当前栅格地图中标记出无障碍物栅格以及在当前三维体素图中标记出无障碍物体素；

第二标记模块，用于根据所述第二三维点云数据在所述当前栅格地图中标记出障碍物栅格以及在所述当前三维体素图中标记出障碍物体素，所述障碍物栅格用于表示非低矮障碍物，所述障碍物体素用于表示低矮障碍物；

地图更新模块，用于根据所述当前栅格地图和所述当前三维体素图得到用于标记障碍物的最新栅格地图。

12.一种机器人，其特征在于，包括：

传感器，用于采集第一三维点云数据，所述第一三维点云数据用于表示当前采集的机器人周边环境信息；

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的栅格地图更新方法。

13.一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1-10中任一所述的栅格地图更新方法。

Images