CN112667924A - 机器人地图获取方法、装置、处理器和电子装置 - Google Patents

Abstract

本发明公开了一种机器人地图获取方法、装置、处理器和电子装置。其中，该方法包括：创建初始地图，其中，初始地图为栅格地图，栅格地图包括：多个栅格，多个栅格中的每个栅格采用第一地图分辨率；控制机器人按照预设路径在初始地图中行走，获取数据信息，其中，数据信息用于描述多个栅格中的每个栅格被障碍物占据的概率；利用预先设置的多个等级的概率阈值和数据信息确定障碍物分布信息；基于障碍物分布信息获取目标地图。本发明解决了现有栅格地图的精度低的技术问题。

Description

机器人地图获取方法、装置、处理器和电子装置

技术领域

本发明涉及智能控制领域，具体而言，涉及一种机器人地图获取方法、装置、处理器和电子装置。

背景技术

随着人工智能技术的不断发展，机器人的控制技术不断成熟，在汽车工业、家电制造、电商仓储物流、烟草等领域得到了广泛应用。在实际应用中，可预先设置机器人的导航路径，然后机器人沿规定的导航路径行驶，整个过程无需人的参与。

目前，同步定位和建图(Simultaneous Localization and Mapping，SLAM)是机器人在未知的环境下，通过运动过程中重复检测到的周围环境特征来定位自身位置和姿态，然后再根据自身位置增量式地构建地图，从而达到同时定位和地图构建的目的。

其中，上述地图可以为栅格地图，而栅格地图的创建需要在机器人上安装的激光雷达，通过感测与障碍物的距离来产生栅格的占有率，通过预设的阈值判定栅格是否存在障碍物，最终形成完整的栅格地图。

但是，在环境结构较复杂的场所，例如，家庭、工厂等，由于现有技术中，使用的是大小相同的栅格，当检测的环境较复杂时，由于栅格的分辨低而导致最终生成的栅格地图精度差，从而大大降低了地图的适用性。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种机器人地图获取方法、装置、处理器和电子装置，以至少解决现有栅格地图的精度低的技术问题。

根据本发明实施例的一个方面，提供了一种机器人地图获取方法，包括：创建初始地图，其中，初始地图为栅格地图，栅格地图包括：多个栅格，多个栅格中的每个栅格采用第一地图分辨率；控制机器人按照预设路径在初始地图中行走，获取数据信息，其中，数据信息用于描述多个栅格中的每个栅格被障碍物占据的概率；利用预先设置的多个等级的概率阈值和数据信息确定障碍物分布信息；基于障碍物分布信息获取目标地图。

进一步地，多个等级的概率阈值包括：第一概率阈值和第二概率阈值，其中，第一概率阈值大于第二概率阈值。

进一步地，机器人地图获取方法还包括：对数据信息与第一概率阈值和/或第二概率阈值进行比较，从多个栅格中确定第一部分栅格和第二部分栅格，得到第一分布判定信息，其中，第一部分栅格为经过比较判定为被障碍物占据的栅格或经过比较判定为未被障碍物占据的栅格，第二部分栅格为待划分栅格；将第二部分栅格中每个栅格划分为多个子栅格，其中，多个子栅格中的每个子栅格采用第二地图分辨率，第二地图分辨率小于第一地图分辨率，每个栅格对应的数据信息与由该栅格划分得到的子栅格对应的数据信息相同；对每个子栅格相邻的子栅格对应的数据信息与第二概率阈值进行比较，得到第二分布判定信息；利用第一分布判定信息和第二分布判定信息确定障碍物分布信息。

进一步地，机器人地图获取方法还包括：判断多个栅格中的部分或全部栅格被障碍物占据的概率是否大于或等于第一概率阈值；将多个栅格中被障碍物占据的概率大于或等于第一概率阈值的栅格判定为被障碍物占据的栅格。

进一步地，机器人地图获取方法还包括：判断多个栅格中的部分或全部栅格被障碍物占据的概率是否小于第二概率阈值；将多个栅格中被障碍物占据的概率小于第二概率阈值的栅格判定为未被障碍物占据的栅格。

进一步地，机器人地图获取方法还包括：判断每个子栅格相邻的子栅格被障碍物占据的概率是否大于或等于第二概率阈值；将多个子栅格中被障碍物占据的概率大于或等于第二概率阈值的子栅格判定为被障碍物占据的子栅格，以及将多个子栅格中被障碍物占据的概率小于第二概率阈值的子栅格判定为未被障碍物占据的子栅格。

进一步地，机器人地图获取方法还包括：在控制机器人按照预设路径行走的过程中，通过机器人上设置的激光雷达进行环境扫描，根据激光的反射采集机器人与障碍物之间的距离信息；利用距离信息计算数据信息。

根据本发明实施例的另一方面，还提供了一种机器人地图获取装置，包括：创建模块，用于创建初始地图，其中，初始地图为栅格地图，栅格地图包括：多个栅格，多个栅格中的每个栅格采用第一地图分辨率；第一获取模块，用于控制机器人按照预设路径在初始地图中行走，获取数据信息，其中，数据信息用于描述多个栅格中的每个栅格被障碍物占据的概率；确定模块，用于利用预先设置的多个等级的概率阈值和数据信息确定障碍物分布信息；第二获取模块，用于基于障碍物分布信息获取目标地图。

根据本发明实施例的另一方面，还提供了一种非易失性存储介质，该非易失性存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的机器人地图获取方法。

根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序被设置为运行时执行上述的机器人地图获取方法。

根据本发明实施例的另一方面，还提供了一种电子装置，该包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述的机器人地图获取方法。

在本发明实施例中，采用设置多个等级的概率阈值以及栅格被障碍物占据的概率来确定障碍物在栅格地图上的分布信息的方式，通过创建初始地图，并控制机器人按照预设路径在初始地图上行走，获取数据信息，然后利用预先设置的多个等级的概率阈值和数据信息来确定障碍物分布信息，最后基于障碍物分布信息获取目标地图，其中，初始地图为栅格地图，栅格地图包括多个栅格，多个栅格中的每个栅格采用第一地图分辨率，数据信息用于描述多个栅格中的每个栅格被障碍物占据的概率。

在上述过程中，通过设置多个等级的概率阈值和栅格被障碍物占据的概率来确定障碍物在栅格地图上的分布信息，即对于具有不同的障碍物占据概率的栅格使用不同等级的概率阈值来确定该栅格是否存在障碍物，该方案能够适用于环境结构复杂的场景中，提高了地图创建的灵活性。另外，与现有的仅根据单一的概率阈值来确定障碍物在地图上的分布信息的方式，本申请提高了地图分辨率，避免了现有技术中对于所有的栅格均使用相同的概率阈值来创建地图所导致的地图精度低的问题。

由此可见，本申请所提供的方案达到了创建地图的目的，从而实现了提高地图分辨率的技术效果，进而解决了现有栅格地图的精度低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种机器人地图获取方法的流程图；

图2是根据本发明实施例的一种可选的栅格地图的示意图；

图3是根据本发明实施例的一种可选的机器人扫描环境的示意图；

图4是根据本发明实施例的一种可选的目标地图的示意图；

图5是根据本发明实施例的一种可选的栅格地图的示意图；

图6是根据本发明实施例的一种可选的机器人地图获取方法的示意图；

图7是根据本发明实施例的一种可选的栅格地图的示意图；

图8是根据本发明实施例的一种可选的栅格地图的示意图；

图9是根据本发明实施例的一种可选的栅格地图的示意图；

图10是根据本发明实施例的一种机器人地图获取装置的示意图。

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的实施例，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。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种机器人地图获取方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的机器人地图获取方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，创建初始地图，其中，初始地图为栅格地图，栅格地图包括：多个栅格，多个栅格中的每个栅格采用第一地图分辨率。

可选的，在步骤S102中，可首先获取将机器人所要行驶的环境图像，然后将该环境划图像分成相等分辨率的平面栅格，得到栅格地图，例如，图2示出了一种可选的栅格地图的示意图，在图2所示的栅格地图中包括36个栅格，每个栅格的大小相等。

步骤S104，控制机器人按照预设路径在初始地图中行走，获取数据信息，其中，数据信息用于描述多个栅格中的每个栅格被障碍物占据的概率。

可选的，机器人上安装有激光雷达，例如，在图3所示的机器人扫描环境的示意图中，机器人按照预设路径在初始地图上行走时，激光雷达对周围环境进行360°的扫描，以采集障碍物与机器人之间的距离，机器人根据该距离来确定栅格被障碍物占据的概率。

步骤S106，利用预先设置的多个等级的概率阈值和数据信息确定障碍物分布信息。

在步骤S106中，概率阈值包括两个等级，多个等级的概率阈值包括：第一概率阈值和第二概率阈值，其中，第一概率阈值大于第二概率阈值，例如，第一概率阈值可以为85％，第二概率阈值为50％。

可选的，在获取到每个栅格被障碍物占据的概率之后，根据每个栅格被障碍物占据的概率来确定该栅格是否存在障碍物，例如，栅格A被障碍物占据的概率大于85％(即第一概率阈值)，则确定栅格A被障碍物占据；又例如，栅格B被障碍物占据的概率小于50％(即第二概率阈值)，则确定栅格B未被障碍物占据。

步骤S108，基于障碍物分布信息获取目标地图。

在步骤S108中，障碍物分布信息表明了障碍物在栅格地图中的分布情况，在确定了障碍物在栅格地图中的分布信息之后，在栅格地图中，对被障碍物占据的栅格以第一颜色标识，对未被障碍物占据的栅格以第二颜色标识，从而得到目标地图，例如，在图4所示的目标地图的示意图中，黑色区域表示被障碍物占据的区域，白色区域未未被障碍物占据的区域。

进一步的，在得到目标地图之后，机器人可基于目标地图在当前环境中进行移动，例如，机器人为扫地机器人，扫地机器人根据目标地图在室内进行清扫的过程中躲避障碍物，或者扫地机器人根据目标地图确定最优的清扫路径。

基于上述步骤S102至步骤S108所限定的方案，可以获知，在本发明实施例中，采用设置多个等级的概率阈值以及栅格被障碍物占据的概率来确定障碍物在栅格地图上的分布信息的方式，通过创建初始地图，并控制机器人按照预设路径在初始地图上行走，获取数据信息，然后利用预先设置的多个等级的概率阈值和数据信息来确定障碍物分布信息，最后基于障碍物分布信息获取目标地图，其中，初始地图为栅格地图，栅格地图包括多个栅格，多个栅格中的每个栅格采用第一地图分辨率，数据信息用于描述多个栅格中的每个栅格被障碍物占据的概率。

容易注意到的是，在上述过程中，通过设置多个等级的概率阈值和栅格被障碍物占据的概率来确定障碍物在栅格地图上的分布信息，即对于具有不同的障碍物占据概率的栅格使用不同等级的概率阈值来确定该栅格是否存在障碍物，该方案能够适用于环境结构复杂的场景中，提高了地图创建的灵活性。另外，与现有的仅根据单一的概率阈值来确定障碍物在地图上的分布信息的方式，本申请提高了地图分辨率，避免了现有技术中对于所有的栅格均使用相同的概率阈值来创建地图所导致的地图精度低的问题。

由此可见，本申请所提供的方案达到了创建地图的目的，从而实现了提高地图分辨率的技术效果，进而解决了现有栅格地图的精度低的技术问题。

在一种可选的实施例中，在创建初始地图之后，控制机器人按照预设路径在初始地图中行走，以获取数据信息。具体的，在控制机器人按照预设路径行走的过程中，通过机器人上设置的激光雷达进行环境扫描，根据激光的反射采集机器人与障碍物之间的距离信息，然后，利用距离信息计算数据信息。

需要说明的是，上述计算得到每个栅格被障碍物占据的概率(即数据信息)指的是每个栅格的中心点被障碍物占据的概率，例如，图5所示的栅格地图中，每个栅格中的概率为该栅格的中心点被障碍物占据的概率。

此外，还需要说明的是，由于上述栅格被占据的概率仅表示为栅格中心点被障碍物占据的概率，其并不能反映出栅格内的其他区域是否被障碍物占据。例如，被占据的概率为50％的栅格无法直接判定该栅格是否被障碍物占据。在地形复杂的环境中，较大分辨率的栅格无法精准的识别出地图特征。

为了提高栅格地图的精度，在获取到数据信息之后，再利用多个等级的概率阈值和数据信息确定障碍物分布信息。具体的，首先，对数据信息与第一概率阈值和/或第二概率阈值进行比较，从多个栅格中确定第一部分栅格和第二部分栅格，得到第一分布判定信息，然后将第二部分栅格中每个栅格划分为多个子栅格，并对每个子栅格相邻的子栅格对应的数据信息与第二概率阈值进行比较，得到第二分布判定信息，最后，利用第一分布判定信息和第二分布判定信息确定障碍物分布信息。

其中，第一部分栅格为经过比较判定为被障碍物占据的栅格或经过比较判定为未被障碍物占据的栅格，第二部分栅格为待划分栅格；多个子栅格中的每个子栅格采用第二地图分辨率，第二地图分辨率小于第一地图分辨率，每个栅格对应的数据信息与由该栅格划分得到的子栅格对应的数据信息相同。

可选的，图6示出了一种可选的机器人地图获取方法，由图6可知，在创建栅格地图之后，机器人通过激光雷达扫描周围环境，并通过激光雷达采集的数据计算出每个栅格被占据的概率，然后再判断每个栅格被占据的概率与第一概率阈值的大小来确定被障碍物占据的栅格。

具体的，判断多个栅格中的部分或全部栅格被障碍物占据的概率是否大于或等于第一概率阈值，并将多个栅格中被障碍物占据的概率大于或等于第一概率阈值的栅格判定为被障碍物占据的栅格。例如，在图6中，判断栅格被障碍物占据的概率是否大于或等于85％(即第一概率阈值)，其中，当栅格被障碍物占据的概率大于或等于85％时，判定该栅格被障碍物占据，即该栅格中有障碍物。例如，图7中的灰色部分表示被障碍物占据的概率大于或等于85％的栅格。

可选的，由图6可知，在确定栅格被障碍物占据的概率小于第一概率阈值之后，进一步对数据信息与第二概率阈值进行比较，从多个栅格中区分出第一部分栅格。具体的，判断多个栅格中的部分或全部栅格被障碍物占据的概率是否小于第二概率阈值，并将多个栅格中被障碍物占据的概率小于第二概率阈值的栅格判定为未被障碍物占据的栅格。例如，在图6中，在确定栅格被障碍物占据的概率小于85％(即第一概率阈值)之后，再进一步判断栅格被障碍物占据的概率是否大于或等于50％(即第二概率阈值)。如果栅格被障碍物占据的概率小于50％，则确定该栅格未被障碍物占据，即该栅格中无障碍物。例如，图8中的白色区域(未标识概率的区域)表示被障碍物占据的概率小于50％的栅格。其中，图8中的灰色区域和白色区域(未标识概率的区域)组成第一部分栅格，标识概率的白色区域为第二部分栅格。

需要说明的是，在实际应用中，可先判定栅格被障碍物占据的概率是否大于或等于第二概率阈值，并将被障碍物占据的概率小于第二概率阈值的栅格直接判定未被障碍物占据的栅格，然后再进一步检测被障碍物占据的概率大于等于第二概率阈值的栅格，是否也同时大于或等于第一概率阈值，并被障碍物占据的概率将大于或等于第一概率阈值的栅格判定为被障碍物占据的栅格。

另外，还可同时检测栅格被障碍物占据的概率是否大于或等于第一概率阈值，或者，小于第二概率阈值，如果栅格被障碍物占据的概率大于或等于第一概率阈值，或者，小于第二概率阈值，则直接判定该栅格为第一部分栅格，并对该栅格进行标识。然后再在第一部分栅格中判断该栅格是否被障碍物占据。

进一步的，如图6所示，在确定栅格被占据的概率大于50％(第二概率阈值)，并小于85％(第一概率阈值)的情况下，将该栅格划分为多个子栅格，在图6中，将栅格划分为了四个子栅格，并计算每个子栅格被障碍物占据的概率。同样的，也可通过激光雷达检测子栅格与机器人之间的距离来确定该子栅格被障碍物占据的概率。然后，对每个子栅格相邻的子栅格对应的数据信息与第二概率阈值进行比较，得到第二分布判定信息。具体的，首先判断每个子栅格相邻的子栅格被障碍物占据的概率是否大于或等于第二概率阈值，然后将多个子栅格中被障碍物占据的概率大于或等于第二概率阈值的子栅格判定为被障碍物占据的子栅格，以及将多个子栅格中被障碍物占据的概率小于第二概率阈值的子栅格判定为未被障碍物占据的子栅格。

可选的，在图6中，比较子栅格相邻的所有子栅格被障碍物占据的概率是否大于或等于50％(即第二概率阈值)，如果子栅格相邻的所有子栅格被障碍物占据的概率大于或等于50％，则确定该子栅格被障碍物占据，即该子栅格中存在障碍物，否则，确定该子栅格未被障碍物占据，即该子栅格中不存在障碍物。然后将所有的被障碍物占据的子栅格的分布信息作为第二分布判定信息，如图9中的白色虚线框中的子栅格的分布信息。最后，将第一分布判定信息和第二分布判定信息进行组合即得到图4所示的目标地图。

由上述内容可知，本申请在栅格地图创建过程中，将概率中等(例如，50％)的栅格再细划分，形成更小的栅格，增加地图分辨率，并以相邻栅格的概率作为小栅格的判定条件确定是否有障碍物，提高了地图创建的灵活性，增加了地图的精准度，有效地解决了SLAM建图过程中，因环境结构复杂而导致地图创建不精准，地图适用性差的问题，提高了地图的精度，为机器人行走提供了安全保障。

实施例2

根据本发明实施例，还提供了一种机器人地图获取装置的实施例，其中，图10是根据本发明实施例的机器人地图获取装置的示意图，如图10所示，该装置包括：创建模块1001、第一获取模块1003、确定模块1005以及第二获取模块1007。

其中，创建模块1001，用于创建初始地图，其中，初始地图为栅格地图，栅格地图包括：多个栅格，多个栅格中的每个栅格采用第一地图分辨率；第一获取模块1003，用于控制机器人按照预设路径在初始地图中行走，获取数据信息，其中，数据信息用于描述多个栅格中的每个栅格被障碍物占据的概率；确定模块1005，用于利用预先设置的多个等级的概率阈值和数据信息确定障碍物分布信息；第二获取模块1007，用于基于障碍物分布信息获取目标地图。

需要说明的是，上述创建模块1001、第一获取模块1003、确定模块1005以及第二获取模块1007对应于上述实施例中的步骤S102至步骤S108，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。

可选的，多个等级的概率阈值包括：第一概率阈值和第二概率阈值，其中，第一概率阈值大于第二概率阈值。

可选的，确定模块包括：第一比较模块、划分模块、第二比较模块以及第一确定模块。其中，第一比较模块，用于对数据信息与第一概率阈值和/或第二概率阈值进行比较，从多个栅格中确定第一部分栅格和第二部分栅格，得到第一分布判定信息，其中，第一部分栅格为经过比较判定为被障碍物占据的栅格或经过比较判定为未被障碍物占据的栅格，第二部分栅格为待划分栅格；划分模块，用于将第二部分栅格中每个栅格划分为多个子栅格，其中，多个子栅格中的每个子栅格采用第二地图分辨率，第二地图分辨率小于第一地图分辨率，每个栅格对应的数据信息与由该栅格划分得到的子栅格对应的数据信息相同；第二比较模块，用于对每个子栅格相邻的子栅格对应的数据信息与第二概率阈值进行比较，得到第二分布判定信息；第一确定模块，用于利用第一分布判定信息和第二分布判定信息确定障碍物分布信息。

可选的，第一比较模块包括：第一判断模块以及第二确定模块。其中，第一判断模块，用于判断多个栅格中的部分或全部栅格被障碍物占据的概率是否大于或等于第一概率阈值；第二确定模块，用于将多个栅格中被障碍物占据的概率大于或等于第一概率阈值的栅格判定为被障碍物占据的栅格。

可选的，第一比较模块包括：第二判断模块以及第三确定模块。其中，第二判断模块，用于判断多个栅格中的部分或全部栅格被障碍物占据的概率是否小于第二概率阈值；第三确定模块，用于将多个栅格中被障碍物占据的概率小于第二概率阈值的栅格判定为未被障碍物占据的栅格。

可选的，第二比较模块包括：第三判断模块以及第四确定模块。其中，第三判断模块，用于判断每个子栅格相邻的子栅格被障碍物占据的概率是否大于或等于第二概率阈值；第四确定模块，用于将多个子栅格中被障碍物占据的概率大于或等于第二概率阈值的子栅格判定为被障碍物占据的子栅格，以及将多个子栅格中被障碍物占据的概率小于第二概率阈值的子栅格判定为未被障碍物占据的子栅格。

可选的，第一获取模块包括：采集模块以及计算模块。其中，采集模块，用于在控制机器人按照预设路径行走的过程中，通过机器人上设置的激光雷达进行环境扫描，根据激光的反射采集机器人与障碍物之间的距离信息；计算模块，用于利用距离信息计算数据信息。

实施例3

根据本发明实施例的另一方面，还提供了一种非易失性存储介质，该非易失性存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述实施例1中的机器人地图获取方法。

实施例4

根据本发明实施例的另一方面，还提供了一种处理器，该处理器用于运行程序，其中，程序被设置为运行时执行上述实施例1中的机器人地图获取方法。

实施例5

根据本发明实施例的另一方面，还提供了一种电子装置，该包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述实施例1中的机器人地图获取方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (11)

1.一种机器人地图获取方法，其特征在于，包括：

创建初始地图，其中，所述初始地图为栅格地图，所述栅格地图包括：多个栅格，所述多个栅格中的每个栅格采用第一地图分辨率；

控制机器人按照预设路径在所述初始地图中行走，获取数据信息，其中，所述数据信息用于描述所述多个栅格中的每个栅格被障碍物占据的概率；

利用预先设置的多个等级的概率阈值和所述数据信息确定障碍物分布信息；

基于所述障碍物分布信息获取目标地图。

2.根据权利要求1所述的机器人地图获取方法，其特征在于，所述多个等级的概率阈值包括：第一概率阈值和第二概率阈值，其中，所述第一概率阈值大于所述第二概率阈值。

3.根据权利要求2所述的机器人地图获取方法，其特征在于，利用所述多个等级的概率阈值和所述数据信息确定所述障碍物分布信息包括：

对所述数据信息与所述第一概率阈值和/或所述第二概率阈值进行比较，从所述多个栅格中确定第一部分栅格和第二部分栅格，得到第一分布判定信息，其中，所述第一部分栅格为经过比较判定为被所述障碍物占据的栅格或经过比较判定为未被所述障碍物占据的栅格，所述第二部分栅格为待划分栅格；

将所述第二部分栅格中每个栅格划分为多个子栅格，其中，所述多个子栅格中的每个子栅格采用第二地图分辨率，所述第二地图分辨率小于所述第一地图分辨率，每个栅格对应的数据信息与由该栅格划分得到的子栅格对应的数据信息相同；

对每个子栅格相邻的子栅格对应的数据信息与所述第二概率阈值进行比较，得到第二分布判定信息；

利用所述第一分布判定信息和所述第二分布判定信息确定所述障碍物分布信息。

4.根据权利要求3所述的机器人地图获取方法，其特征在于，对所述数据信息与所述多个等级的概率阈值进行比较，从所述多个栅格中区分出所述第一部分栅格包括：

判断所述多个栅格中的部分或全部栅格被所述障碍物占据的概率是否大于或等于所述第一概率阈值；

将所述多个栅格中被所述障碍物占据的概率大于或等于所述第一概率阈值的栅格判定为被所述障碍物占据的栅格。

5.根据权利要求3所述的机器人地图获取方法，其特征在于，对所述数据信息与所述第一概率阈值和/或所述第二概率阈值进行比较，从所述多个栅格中区分出所述第一部分栅格包括：

判断所述多个栅格中的部分或全部栅格被所述障碍物占据的概率是否小于所述第二概率阈值；

将所述多个栅格中被所述障碍物占据的概率小于所述第二概率阈值的栅格判定为未被所述障碍物占据的栅格。

6.根据权利要求3所述的机器人地图获取方法，其特征在于，对每个子栅格相邻的子栅格对应的数据信息与所述第二概率阈值进行比较，得到所述第二分布判定信息包括：

判断每个子栅格相邻的子栅格被所述障碍物占据的概率是否大于或等于所述第二概率阈值；

将所述多个子栅格中被所述障碍物占据的概率大于或等于所述第二概率阈值的子栅格判定为被所述障碍物占据的子栅格，以及将所述多个子栅格中被所述障碍物占据的概率小于所述第二概率阈值的子栅格判定为未被所述障碍物占据的子栅格。

7.根据权利要求1所述的机器人地图获取方法，其特征在于，控制所述机器人按照所述预设路径在所述初始地图中行走，获取所述数据信息包括：

在控制所述机器人按照所述预设路径行走的过程中，通过所述机器人上设置的激光雷达进行环境扫描，根据激光的反射采集所述机器人与所述障碍物之间的距离信息；

利用所述距离信息计算所述数据信息。

8.一种机器人地图获取装置，其特征在于，包括：

创建模块，用于创建初始地图，其中，所述初始地图为栅格地图，所述栅格地图包括：多个栅格，所述多个栅格中的每个栅格采用第一地图分辨率；

第一获取模块，用于控制机器人按照预设路径在所述初始地图中行走，获取数据信息，其中，所述数据信息用于描述所述多个栅格中的每个栅格被障碍物占据的概率；

确定模块，用于利用预先设置的多个等级的概率阈值和所述数据信息确定障碍物分布信息；

第二获取模块，用于基于所述障碍物分布信息获取目标地图。

9.一种非易失性存储介质，其特征在于，所述非易失性存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的机器人地图获取方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至7任一项中所述的机器人地图获取方法。

11.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7任一项中所述的机器人地图获取方法。

Images