CN113064431A - 栅格地图优化方法、存储介质和移动机器人 - Google Patents
栅格地图优化方法、存储介质和移动机器人 Download PDFInfo
- Publication number
- CN113064431A CN113064431A CN202110298183.XA CN202110298183A CN113064431A CN 113064431 A CN113064431 A CN 113064431A CN 202110298183 A CN202110298183 A CN 202110298183A CN 113064431 A CN113064431 A CN 113064431A
- Authority
- CN
- China
- Prior art keywords
- area
- grid map
- laser data
- region
- grid
- 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 67
- 238000005457 optimization Methods 0.000 title claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000004888 barrier function Effects 0.000 claims description 38
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 19
- 230000033001 locomotion Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 abstract description 13
- 238000010276 construction Methods 0.000 abstract description 6
- 238000010408 sweeping Methods 0.000 description 9
- 241001417527 Pempheridae Species 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种栅格地图优化方法、存储介质和移动机器人，所述方法包括：在栅格地图构建过程中，实时采集用于构建栅格地图的激光数据；判断所述激光数据是否符合指定要求：当所述激光数据不符合指定要求时，删除该激光数据，并返回实时采集用于构建栅格地图的激光数据的步骤；当所述激光数据符合指定要求时，根据该激光数据构建栅格地图，能够在栅格地图构建过程中，通过消除建图误差来提高栅格地图的准确度，并在该栅格地图用于定位时，能够提高定位的准确度。
Description
技术领域
本发明属于同步定位与地图构建应用技术领域，具体涉及一种栅格地图优化方法、存储介质和移动机器人。
背景技术
移动机器人，特别是扫地机器人的核心算法模块包括建图定位以及路径规划，其中，路径规划严格依赖定位与建图，因此，定位与建图的准确性非常重要，从根本上决定了扫地机器人的智能程度。当前，商业型扫地机器人的定位与建图一般使用激光雷达传感器作为外界信息输入的传感器，激光雷达信号直接根据实时返回击中目标的距离，使得建图和定位更高效。
然而，在建图过程中，由于扫地机需要持续性的处理激光并进行建图，并且传感器的误差随着时间及运动的增多越来越大，会导致建图过程中构建的栅格地图中墙的厚度越来越大，而依赖该栅格地图进行定位就会越来越不准，误差也会越来越大；另外，墙厚也会使栅格地图看上去不美观，对栅格地图美化会造成比较大的困难。
在现有技术中，在很多情况下不能通过完全不建图来避免累计误差，因为在实际的环境当中，环境本身因为各种因素也会不停的变化，而阻止栅格地图的构建会造成更严重的问题。
现在亟须一种栅格地图优化方法、存储介质和移动机器人。
发明内容
本发明所要解决的技术问题是如何在栅格地图构建过程中以及构建完成后，通过消除建图误差来提高栅格地图的准确度。
针对上述问题，本发明提供了一种栅格地图优化方法、存储介质和移动机器人。
第一方面，本发明提供了一种栅格地图优化方法，包括以下步骤：
在栅格地图构建过程中，实时采集用于构建栅格地图的激光数据；
判断所述激光数据是否符合指定要求：
当所述激光数据不符合指定要求时，删除该激光数据，并返回实时采集用于构建栅格地图的激光数据的步骤；
当所述激光数据符合指定要求时，根据该激光数据构建栅格地图。
根据本发明的实施例，优选地，判断所述激光数据是否符合指定要求，包括：
对比当前采集的激光数据与所述栅格地图的栅格数据；
判断当前采集的激光数据与所述栅格地图的栅格数据是否一致：
在当前采集的激光数据与所述栅格地图的栅格数据不一致时，判定所述激光数据不符合指定要求。
根据本发明的实施例，优选地，判断当前采集的激光数据与所述栅格地图的栅格数据是否一致，包括：
当所述激光数据构建的新的障碍物区域与激光雷达的位置之间存在已有障碍物区域时，判定当前采集的激光数据与所述栅格地图的栅格数据不一致。
根据本发明的实施例，优选地，判断当前采集的激光数据与所述栅格地图的栅格数据是否一致，包括：
当所述激光数据构建的新的障碍物区域与所述栅格地图中已有障碍物区域的形状相同而存在位置不一致情况时，判定当前采集的激光数据与所述栅格地图的栅格数据不一致。
根据本发明的实施例，优选地，判断所述激光数据是否符合指定要求，包括：
实时监测采集所述激光数据时激光雷达的运动角速度；
判断所述运动角速度是否超过预设角速度阈值：
当所述运动角速度超过预设阈值时，判定所述激光数据不符合指定要求。
根据本发明的实施例，优选地，所述方法还包括：
在栅格地图构建完成后，将构建完成的栅格地图转换为点阵式图片，其中，所述点阵式图片被分割为空闲区域、障碍物区域和未知区域；
判断所述点阵式图片上的空闲区域、障碍物区域和未知区域是否符合预设要求：
当所述点阵式图片上的空闲区域、障碍物区域和未知区域任意一个区域不符合预设要求时，对不符合预设要求的区域进行调整，使得调整后区域符合预设要求；
当所述点阵式图片上的空闲区域、障碍物区域和未知区域均符合预设要求时，对所述障碍物区域进行优化处理，得到优化后点阵式图片；
将优化后点阵式图片转换为栅格地图，作为优化后栅格地图，以基于该优化后栅格地图进行定位或后续构建地图。
根据本发明的实施例，优选地，对所述障碍物区域进行优化处理，得到优化后点阵式图片，包括以下步骤：
选中所述障碍物区域中与所述空闲区域相邻的像素点；
将所述障碍物区域中未被选中的像素点与所述未知区域的像素点组成新的未知区域；
将由所述障碍物区域中选中的像素点组成的区域作为新的障碍物区域；
由所述空闲区域、新的未知区域与新的障碍物区域拼接而成的图片作为优化后点阵式图片。
根据本发明的实施例，优选地，所述不符合预设要求的区域包括以下至少一种情况：
连通域不是最大连通域的空闲区域；
连通域中存在每一个像素点均不与空闲区域的像素点相邻的障碍物区域。
根据本发明的实施例，优选地，当所述不符合预设要求的区域为连通域不是最大连通域的空闲区域时，对不符合预设要求的区域进行调整，包括以下步骤：
根据所有空闲区域的像素点计算空闲区域的最大连通域；
将除最大连通域之外的空闲区域设置为障碍物区域。
根据本发明的实施例，优选地，所述空闲区域和所述障碍物区域上分别标记不同的颜色，将除最大连通域之外的空闲区域设置为障碍物区域，包括以下步骤：
将除最大连通域之外的空闲区域的像素点的颜色更改为用于标记障碍物区域的颜色。
根据本发明的实施例，优选地，当所述不符合预设要求的区域为连通域中存在每一个像素点均不与空闲区域的像素点相邻的障碍物区域时，对不符合预设要求的区域进行调整，包括以下步骤：
将该障碍物区域的连通域设置为未知区域。
根据本发明的实施例，优选地，所述未知区域和所述障碍物区域上分别标记不同的颜色，将该障碍物区域的连通域设置为未知区域，包括以下步骤：
将该障碍物区域的连通域的像素点的颜色更改为用于标记未知区域的颜色。
第二方面，本发明提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述栅格地图优化方法的步骤。
第三方面，本发明提供了一种移动机器人，其包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述栅格地图优化方法的步骤。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
应用本发明的栅格地图优化方法，在栅格地图构建过程中，实时采集用于构建栅格地图的激光数据；判断所述激光数据是否符合指定要求：当所述激光数据不符合指定要求时，删除该激光数据，并返回实时采集用于构建栅格地图的激光数据的步骤；当所述激光数据符合指定要求时，根据该激光数据构建栅格地图，能够在栅格地图构建过程中，通过消除建图误差来提高栅格地图的准确度，并在该栅格地图用于定位时，能够提高定位的准确度。
本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
图1示出了本发明实施例一栅格地图优化方法的流程图；
图2示出了本发明实施例二栅格地图优化方法的流程图；
图3示出了本发明实施例二栅格地图优化方法的又一流程图；
图4示出了本发明实施例三在障碍物区域存在积累误差情况下构建的栅格地图示意图；
图5示出了本发明实施例三在扫地机打滑情况下构建的栅格地图示意图；
图6示出了本发明实施例五的移动机器人结构示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
实施例一
为解决现有技术中存在的上述技术问题，本发明实施例提供了一种栅格地图优化方法。
参照图1，本实施例的栅格地图优化方法，包括以下步骤：
S1，在栅格地图构建过程中，实时采集用于构建栅格地图的激光数据；
在本实施例中，所述栅格地图通过以下步骤构建：
通过移动机器人的激光雷达采集视角内的环境信息，利用同步定位与地图构建算法对环境信息进行处理，构建得到预构建的栅格地图。
S2，判断所述激光数据是否符合指定要求：
若否，则执行步骤S3；
若是，则执行步骤S4；
S3，删除该激光数据，并返回步骤S1；
S4，根据该激光数据构建栅格地图。
本实施例的栅格地图优化方法能够在栅格地图构建过程中删除不符合指定要求的激光数据，实现在栅格地图构建过程中消除误差，提高栅格地图准确度的目的。
实施例二
为解决现有技术中存在的上述技术问题，本发明实施例基于实施例一提供了一种栅格地图优化方法，其中，本发明实施例的栅格地图优化方法对实施例一中步骤S2进行改进。
参照图2，本实施例的栅格地图优化方法，包括以下步骤：
S1，在栅格地图构建过程中，实时采集用于构建栅格地图的激光数据；
S21，对比当前采集的激光数据与所述栅格地图的栅格数据；
S22，判断当前采集的激光数据与所述栅格地图的栅格数据是否一致：
若否，则执行步骤S3；
若是，则执行步骤S4；
S3，删除该激光数据，并返回步骤S1；
S4，根据该激光数据构建栅格地图。
在本实施例的一种具体实施方式中，在步骤S22中，判断当前采集的激光数据与所述栅格地图的栅格数据是否一致，包括：
当所述激光数据构建的新的障碍物区域与激光雷达的位置之间存在已有障碍物区域时，判定当前采集的激光数据与所述栅格地图的栅格数据不一致。
在本实施例的另一种具体实施方式中，在步骤S22中，判断当前采集的激光数据与所述栅格地图的栅格数据是否一致，包括：
当所述激光数据构建的新的障碍物区域与所述栅格地图中已有障碍物区域的形状相同而存在位置不一致情况时，判定当前采集的激光数据与所述栅格地图的栅格数据不一致。
参照图3，本实施例的栅格地图优化方法，包括以下步骤：
S1，在栅格地图构建过程中，实时采集用于构建栅格地图的激光数据；
S21’，实时监测采集所述激光数据时激光雷达的运动角速度；
S22’，判断所述运动角速度是否超过预设角速度阈值：
若是，则执行步骤S3；
若否，则执行步骤S4；
S3，删除该激光数据，并返回步骤S1；
S4，根据该激光数据构建栅格地图。
本实施例的栅格地图优化方法，包括以下步骤：
S5，在栅格地图构建完成后，将构建完成的栅格地图转换为点阵式图片，其中，所述点阵式图片被分割为空闲区域、障碍物区域和未知区域；
在本实施例中，将栅格地图转换为点阵式图片格式，为下一步对像素点进行编辑处理做准备。所述点阵式图像为PBM(Portable Bitmap Format，可移植位图格式)图像、PGM(portable graymap file format，便携式灰度图像格式)图像和PPM(Portable PixmapFormat，可移植像素图格式)图像中的任意一种。
S6，判断所述点阵式图片上的空闲区域、障碍物区域和未知区域是否符合预设要求：
若是，则执行步骤S7；
若否，则执行步骤S8；
S7，对所述障碍物区域进行优化处理，得到优化后点阵式图片；
在本实施例中，对所述障碍物区域进行优化处理，包括但不限于减小障碍物区域的面积。
S8，对不符合预设要求的区域进行调整，并返回步骤S6；
S9，将优化后点阵式图片转换为栅格地图，作为优化后栅格地图，以基于该优化后栅格地图进行定位或后续构建地图。
在本实施例中，在步骤S7中，对所述障碍物区域进行优化处理，得到优化后点阵式图片，包括以下步骤：
选中所述障碍物区域中与所述空闲区域相邻的像素点；
将所述障碍物区域中未被选中的像素点与所述未知区域的像素点组成新的未知区域；
将由所述障碍物区域中选中的像素点组成的区域作为新的障碍物区域；
由所述空闲区域、新的未知区域与新的障碍物区域拼接而成的图片作为优化后点阵式图片。
在本实施例中，在步骤S8中，所述不符合预设要求的区域包括以下至少一种情况：
连通域不是最大连通域的空闲区域；
连通域中存在每一个像素点均不与空闲区域的像素点相邻的障碍物区域。
在本实施例中，在步骤S8中，当所述不符合预设要求的区域为连通域不是最大连通域的空闲区域时，对不符合预设要求的区域进行调整，包括以下步骤：
根据所有空闲区域的像素点计算空闲区域的最大连通域；
将除最大连通域之外的空闲区域设置为障碍物区域。
在本实施例中，所述空闲区域和所述障碍物区域上分别标记不同的颜色，将除最大连通域之外的空闲区域设置为障碍物区域，包括以下步骤：
将除最大连通域之外的空闲区域的像素点的颜色更改为用于标记障碍物区域的颜色。
在本实施例中，在步骤S8中，当所述不符合预设要求的区域为连通域中存在每一个像素点均不与空闲区域的像素点相邻的障碍物区域时，对不符合预设要求的区域进行调整，包括以下步骤：
将该障碍物区域的连通域设置为未知区域。
在本实施例中，所述未知区域和所述障碍物区域上分别标记不同的颜色，将该障碍物区域的连通域设置为未知区域，包括以下步骤：
将该障碍物区域的连通域的像素点的颜色更改为用于标记未知区域的颜色。
本实施例采用对栅格地图去除部分累计误差的方法来提高依赖栅格地图定位的准确性，可以在SLAM(simultaneous localization and mapping，同步定位与构建)技术所建栅格地图通过完整性算法确定为已经建图完备后，将已经建好的地图进行“墙打薄，去毛躁”的处理，解决经过很多帧激光的不停建图，累积误差会明显，一般表现是栅格地图中的墙变得很厚(理论上来说激光的墙应该只有分辨率的厚度)，同时，对于障碍物，也会出现未知区域面积变少而障碍物区域面积变多的问题。
本实施例通过将栅格地图转化为PGM图片时，能够大大提高了处理速度，并能够有效去除建图的累积误差，提高建图准确度。
实施例三
为解决现有技术中存在的上述技术问题，本发明实施例基于实施例二提供了一种栅格地图优化方法，其中，本发明实施例的栅格地图优化方法应用于扫地机。
本实施例的栅格地图优化方法，包括以下步骤：
第一步，在扫地机启动时刻开始建图(在无特殊情况下，扫地机静止或直行，不会出现旋转)，对首帧激光在地图上进行建图；
第二步，从第二帧(如果对激光做了降频处理，则为降频后的下一帧)激光开始，对于每一束激光在栅格地图上构建的新的击中位置，判断在激光传播方向上新的击中位置之前，在栅格地图上是否已经存在击中位置：
若是，则该束激光被认定为不合法，放弃该束激光的激光数据，如图4所示，与位置1、位置2和位置3中任意一个位置连线的黑点作为当前激光的击中位置，位置1、位置2和位置3中任意一个位置与黑点之间的黑线作为已经存在的击中位置，由于从位置1、位置2和位置3中任意一个位置到当前激光的击中位置之间已经存在击中位置，因此，与位置1、位置2和位置3中任意一个位置连线的黑点被放弃；
若否，则根据该束激光的激光数据进行建图；
第三步，实时判断扫地机器人的角速度是否高于一定阈值μ：
若是，则认定扫地机器人的IMU(Inertial Measurement Unit，惯性测量单元)数据有一定延迟，则放弃当前采集的激光数据，即此时扫地机器人不建图；
第四步，实时判断检测到的同一帧激光中是否存在有效激光中的至少1/3的激光束不合法(如图5所示，打滑后的激光与打滑前的激光相比，至少1/3的激光数据不合法)或者由其他传感器检测到打滑现象：
若是，则放弃当前采集的激光数据，即此时扫地机器人不建图，这是因为此帧激光可能是在扫地机打滑状态下采集的，并会进行相应的打滑处理。
本实施例能够在机器人建图过程中去掉冗余的激光建图，消除扫地机传感器随着时间及运动的增多积累的误差，并针对机器人在运动过程中很可能会出现打滑现象进行鲁棒性处理，有效提高了栅格地图的准确性。
本实施例在栅格地图建图过程中，通过以下算法策略有选择的对击中激光进行建图：在扫地机器人行走过程中，由于随着机器人的行走IMU等的漂移会越来越严重，因此，前期的数据结果更加可靠；同时结合扫地机在旋转时刻IMU数据不可靠，以及时延会导致一定的数据滞后，因此，也配合限制扫地机角速度进行建图，能够避免栅格地图的构建误差。
实施例四
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种存储介质。
本实施例的存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例中方法的步骤。
可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
实施例五
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种移动机器人。
参见图6，本实施例的移动机器人，其包括处理器1110、通信接口1120、存储器1130和通信总线1140，其中，处理器1110，通信接口1120，存储器1130通过通信总线1140完成相互间的通信；
存储器1130，用于存放计算机程序；
处理器1110，用于执行存储器1130上所存放的程序时，实现如下所示栅格地图优化方法：
在栅格地图构建过程中，实时采集用于构建栅格地图的激光数据；
判断所述激光数据是否符合指定要求：
当所述激光数据不符合指定要求时，删除该激光数据，并返回实时采集用于构建栅格地图的激光数据的步骤；
当所述激光数据符合指定要求时，根据该激光数据构建栅格地图。
上述的通信总线1140可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线1140可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口1120用于上述电子设备与其他设备之间的通信。
存储器1130可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器1130还可以是至少一个位于远离前述处理器1110的存储装置。
上述的处理器1110可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (14)
1.一种栅格地图优化方法，其特征在于，包括以下步骤：
在栅格地图构建过程中，实时采集用于构建栅格地图的激光数据；
判断所述激光数据是否符合指定要求：
当所述激光数据不符合指定要求时，删除该激光数据，并返回实时采集用于构建栅格地图的激光数据的步骤；
当所述激光数据符合指定要求时，根据该激光数据构建栅格地图。
2.根据权利要求1所述的方法，其特征在于，判断所述激光数据是否符合指定要求，包括：
对比当前采集的激光数据与所述栅格地图的栅格数据；
判断当前采集的激光数据与所述栅格地图的栅格数据是否一致：
在当前采集的激光数据与所述栅格地图的栅格数据不一致时，判定所述激光数据不符合指定要求。
3.根据权利要求2所述的方法，其特征在于，判断当前采集的激光数据与所述栅格地图的栅格数据是否一致，包括：
当所述激光数据构建的新的障碍物区域与激光雷达的位置之间存在已有障碍物区域时，判定当前采集的激光数据与所述栅格地图的栅格数据不一致。
4.根据权利要求2所述的方法，其特征在于，判断当前采集的激光数据与所述栅格地图的栅格数据是否一致，包括：
当所述激光数据构建的新的障碍物区域与所述栅格地图中已有障碍物区域的形状相同而存在位置不一致情况时，判定当前采集的激光数据与所述栅格地图的栅格数据不一致。
5.根据权利要求1所述的方法，其特征在于，判断所述激光数据是否符合指定要求，包括：
实时监测采集所述激光数据时激光雷达的运动角速度；
判断所述运动角速度是否超过预设角速度阈值：
当所述运动角速度超过预设阈值时，判定所述激光数据不符合指定要求。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在栅格地图构建完成后，将构建完成的栅格地图转换为点阵式图片，其中，所述点阵式图片被分割为空闲区域、障碍物区域和未知区域；
判断所述点阵式图片上的空闲区域、障碍物区域和未知区域是否符合预设要求：
当所述点阵式图片上的空闲区域、障碍物区域和未知区域任意一个区域不符合预设要求时，对不符合预设要求的区域进行调整，使得调整后区域符合预设要求；
当所述点阵式图片上的空闲区域、障碍物区域和未知区域均符合预设要求时，对所述障碍物区域进行优化处理，得到优化后点阵式图片；
将优化后点阵式图片转换为栅格地图，作为优化后栅格地图，以基于该优化后栅格地图进行定位或后续构建地图。
7.根据权利要求6所述的方法，其特征在于，对所述障碍物区域进行优化处理，得到优化后点阵式图片，包括以下步骤：
选中所述障碍物区域中与所述空闲区域相邻的像素点；
将所述障碍物区域中未被选中的像素点与所述未知区域的像素点组成新的未知区域；
将由所述障碍物区域中选中的像素点组成的区域作为新的障碍物区域；
由所述空闲区域、新的未知区域与新的障碍物区域拼接而成的图片作为优化后点阵式图片。
8.根据权利要求6所述的方法，其特征在于，所述不符合预设要求的区域包括以下至少一种情况：
连通域不是最大连通域的空闲区域；
连通域中存在每一个像素点均不与空闲区域的像素点相邻的障碍物区域。
9.根据权利要求8所述的方法，其特征在于，当所述不符合预设要求的区域为连通域不是最大连通域的空闲区域时，对不符合预设要求的区域进行调整，包括以下步骤：
根据所有空闲区域的像素点计算空闲区域的最大连通域；
将除最大连通域之外的空闲区域设置为障碍物区域。
10.根据权利要求9所述的方法，其特征在于，所述空闲区域和所述障碍物区域上分别标记不同的颜色，将除最大连通域之外的空闲区域设置为障碍物区域，包括以下步骤：
将除最大连通域之外的空闲区域的像素点的颜色更改为用于标记障碍物区域的颜色。
11.根据权利要求8所述的方法，其特征在于，当所述不符合预设要求的区域为连通域中存在每一个像素点均不与空闲区域的像素点相邻的障碍物区域时，对不符合预设要求的区域进行调整，包括以下步骤：
将该障碍物区域的连通域设置为未知区域。
12.根据权利要求11所述的方法，其特征在于，所述未知区域和所述障碍物区域上分别标记不同的颜色，将该障碍物区域的连通域设置为未知区域，包括以下步骤：
将该障碍物区域的连通域的像素点的颜色更改为用于标记未知区域的颜色。
13.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至12中任一项所述栅格地图优化方法的步骤。
14.一种移动机器人，其包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-12任一项所述的栅格地图优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110298183.XA CN113064431A (zh) | 2021-03-19 | 2021-03-19 | 栅格地图优化方法、存储介质和移动机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110298183.XA CN113064431A (zh) | 2021-03-19 | 2021-03-19 | 栅格地图优化方法、存储介质和移动机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113064431A true CN113064431A (zh) | 2021-07-02 |
Family
ID=76562512
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110298183.XA Pending CN113064431A (zh) | 2021-03-19 | 2021-03-19 | 栅格地图优化方法、存储介质和移动机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113064431A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109541634A (zh) * | 2018-12-28 | 2019-03-29 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
| US20190129433A1 (en) * | 2016-12-29 | 2019-05-02 | Amicro Semiconductor Corporation | A path planning method of intelligent robot |
| CN110345946A (zh) * | 2019-06-13 | 2019-10-18 | 武汉理工大学 | 一种室内车辆地图构建方法 |
| CN110858076A (zh) * | 2018-08-22 | 2020-03-03 | 杭州海康机器人技术有限公司 | 一种设备定位、栅格地图构建方法及移动机器人 |
| CN111272183A (zh) * | 2020-03-16 | 2020-06-12 | 达闼科技成都有限公司 | 一种地图创建方法、装置、电子设备及存储介质 |
| CN111399507A (zh) * | 2020-03-19 | 2020-07-10 | 小狗电器互联网科技（北京）股份有限公司 | 确定栅格地图中边界线的方法、划分栅格地图的方法 |
| CN111481109A (zh) * | 2019-01-28 | 2020-08-04 | 北京奇虎科技有限公司 | 基于扫地机的地图噪点消除方法及装置 |
| CN111578932A (zh) * | 2020-05-28 | 2020-08-25 | 长沙中联重科环境产业有限公司 | 一种基于多线激光雷达的建图方法、装置、介质及设备 |
| CN111947661A (zh) * | 2020-07-16 | 2020-11-17 | 中环凯思特(北京)科技发展有限公司 | 一种基于激光雷达室内地图构建方法 |
| CN112100298A (zh) * | 2020-08-17 | 2020-12-18 | 深圳市优必选科技股份有限公司 | 一种建图方法、装置、计算机可读存储介质及机器人 |
| CN112150490A (zh) * | 2020-09-30 | 2020-12-29 | 小狗电器互联网科技（北京）股份有限公司 | 图像检测方法、装置、电子设备和计算机可读介质 |
-
2021
- 2021-03-19 CN CN202110298183.XA patent/CN113064431A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190129433A1 (en) * | 2016-12-29 | 2019-05-02 | Amicro Semiconductor Corporation | A path planning method of intelligent robot |
| CN110858076A (zh) * | 2018-08-22 | 2020-03-03 | 杭州海康机器人技术有限公司 | 一种设备定位、栅格地图构建方法及移动机器人 |
| CN109541634A (zh) * | 2018-12-28 | 2019-03-29 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
| CN111481109A (zh) * | 2019-01-28 | 2020-08-04 | 北京奇虎科技有限公司 | 基于扫地机的地图噪点消除方法及装置 |
| CN110345946A (zh) * | 2019-06-13 | 2019-10-18 | 武汉理工大学 | 一种室内车辆地图构建方法 |
| CN111272183A (zh) * | 2020-03-16 | 2020-06-12 | 达闼科技成都有限公司 | 一种地图创建方法、装置、电子设备及存储介质 |
| CN111399507A (zh) * | 2020-03-19 | 2020-07-10 | 小狗电器互联网科技（北京）股份有限公司 | 确定栅格地图中边界线的方法、划分栅格地图的方法 |
| CN111578932A (zh) * | 2020-05-28 | 2020-08-25 | 长沙中联重科环境产业有限公司 | 一种基于多线激光雷达的建图方法、装置、介质及设备 |
| CN111947661A (zh) * | 2020-07-16 | 2020-11-17 | 中环凯思特(北京)科技发展有限公司 | 一种基于激光雷达室内地图构建方法 |
| CN112100298A (zh) * | 2020-08-17 | 2020-12-18 | 深圳市优必选科技股份有限公司 | 一种建图方法、装置、计算机可读存储介质及机器人 |
| CN112150490A (zh) * | 2020-09-30 | 2020-12-29 | 小狗电器互联网科技（北京）股份有限公司 | 图像检测方法、装置、电子设备和计算机可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12094226B2 (en) | Simultaneous localization and mapping method, device, system and storage medium | |
| CN113158763B (zh) | 4d毫米波和激光点云多视角特征融合的三维目标检测方法 | |
| US11688099B2 (en) | Method and apparatus for detecting obstacle | |
| KR102143108B1 (ko) | 차선 인식 모델링 방법, 장치, 저장 매체 및 기기, 및 인식 방법, 장치, 저장 매체 및 기기 | |
| WO2020134082A1 (zh) | 一种路径规划方法、装置和移动设备 | |
| US20220198688A1 (en) | Laser coarse registration method, device, mobile terminal and storage medium | |
| CN112380312B (zh) | 基于栅格检测的激光地图更新方法、终端及计算机设备 | |
| CN111207762B (zh) | 地图生成方法、装置、计算机设备和存储介质 | |
| WO2020181426A1 (zh) | 一种车道线检测方法、设备、移动平台及存储介质 | |
| CN114565616B (zh) | 一种非结构化道路状态参数估计方法及系统 | |
| WO2022133697A1 (zh) | 移动机器人地图构建方法、装置、计算机设备和存储介质 | |
| WO2023216555A1 (zh) | 基于双目视觉的避障方法、装置、机器人及介质 | |
| CN112486172A (zh) | 道路边缘检测方法及机器人 | |
| CN114022860A (zh) | 目标检测方法、装置及电子设备 | |
| CN116879870A (zh) | 一种适用于低线束3d激光雷达的动态障碍物去除方法 | |
| CN114089330A (zh) | 一种基于深度图像修复的室内移动机器人玻璃检测与地图更新方法 | |
| CN113110418B (zh) | 栅格地图优化方法、存储介质和移动机器人 | |
| CN113064431A (zh) | 栅格地图优化方法、存储介质和移动机器人 | |
| CN117274036A (zh) | 一种基于多视角和时序融合的泊车场景检测方法 | |
| WO2022048193A1 (zh) | 一种地图绘制方法及装置 | |
| CN117994755A (zh) | 一种车位检测方法和装置 | |
| CN112433193A (zh) | 一种基于多传感器的模位置定位方法及系统 | |
| TWI819928B (zh) | 車輛偏移檢測方法及相關設備 | |
| CN111044993B (zh) | 一种基于激光传感器的slam地图校准方法和装置 | |
| CN109064429B (zh) | 一种融合gpu加速深度图像修复的伪激光数据生成方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210702 |
|
| RJ01 | Rejection of invention patent application after publication |