CN113110418B - 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 PDF

Info

Publication number
CN113110418B
CN113110418B CN202110298164.7A CN202110298164A CN113110418B CN 113110418 B CN113110418 B CN 113110418B CN 202110298164 A CN202110298164 A CN 202110298164A CN 113110418 B CN113110418 B CN 113110418B
Authority
CN
China
Prior art keywords
area
region
obstacle
grid map
idle
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.)
Active
Application number
CN202110298164.7A
Other languages
English (en)
Other versions
CN113110418A (zh
Inventor
檀冲
王颖
李文治
孟庆业
张振奎
侯双
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Puppy Vacuum Cleaner Group Co Ltd
Original Assignee
Beijing Puppy Vacuum Cleaner Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Puppy Vacuum Cleaner Group Co Ltd filed Critical Beijing Puppy Vacuum Cleaner Group Co Ltd
Priority to CN202110298164.7A priority Critical patent/CN113110418B/zh
Publication of CN113110418A publication Critical patent/CN113110418A/zh
Application granted granted Critical
Publication of CN113110418B publication Critical patent/CN113110418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (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：将预构建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：若否，则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；若是，则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。本发明能够快速处理掉栅格地图中的积累误差，从而得到准确的栅格地图，为下一步栅格地图的继续构建或者为移动机器人的定位减小误差。

Description

栅格地图优化方法、存储介质和移动机器人
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，一方面，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；另一方面，直接在建图过程中对栅格地图进行误差处理，也会导致以下问题：由于栅格地图的数据为一维数据，当对栅格地图的像素点进行处理时，遍历栅格地图的数据会非常消耗算力。
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不影响栅格地图构建过程的前提下，提高栅格地图的准确性。
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：
将预构建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，所述点阵式图像为PBM图像、PGM图像和PPM图像中的任意一种。
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，所述方法还包括：
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。
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，将预构建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，本发明将预构建的栅格地图截取出来，转换为点阵式图片进行处理，并将处理后的点阵式图片转换为栅格地图，能够在不影响栅格地图的构建过程的前提下，能够快速处理掉栅格地图中的积累误差，从而得到准确的栅格地图，为下一步栅格地图的继续构建或者为移动机器人的定位减小误差。
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，将预构建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，预构建的栅格地图可以是从移动机器人建图过程中截取的栅格地图，即还未完成整个建图过程的栅格地图，也可以是已经完成整个建图过程的栅格地图。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。
其中，所述预构建的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。
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。
S2，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S3；
若否，则执行步骤S4；
S3，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。
S4，对不符合预设要求的区域进行调整，并返回步骤S2；
在本实施例中，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。
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。
其中，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。
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。
其中，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。
S5，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。
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S3进行改进。
参照图2，本实施例的方法，包括以下步骤：
S1，将预构建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；
S2，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S31；
若否，则执行步骤S4；
S31，选中所述障碍物区域中与所述空闲区域相邻的像素点；
S32，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；
S33，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；
S34，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；
S4，对不符合预设要求的区域进行调整；
S5，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。
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，本发明实施例中分别用白色、黑色和灰色分别标记所述点阵式图片上的空闲区域、障碍物区域和未知区域，所述点阵式图像为PGM图像。
第一步，标记栅格地图上的空闲区域(也就是可行可达区域)为白色，障碍物区域为黑色，未知区域为灰色，将已经建图完整的栅格地图转化为PGM图片，以下操作均在PGM图片上进行处理；
第二步，对于PGM图片上的所有白色像素块计算连通域，连通域最大的白色连通域为实际上的机器人可行走区域，而剩下的白色连通域则可以判定为机器人实际不可行的区域，因此，直接将非最大连通域的白色像素块设定为黑色；
第三步，遍历图片上的黑色连通域，如果黑色连通域中的每一个黑色像素块均不与白色像素相连，则该黑色连通域是无效的，直接将该黑色连通域全部设置为灰色；
第四步，将所有与白色像素块直接相连的黑色像素块设置为除黑白灰之外的像素值，比如200(不为黑白灰任意一个)；
第五步，将剩下的所有黑色像素块设置为灰色；
第六步，把像素值为200的像素块设置回黑色；
第七步，将处理完的PGM图片按照位置坐标关系转化成栅格地图，保存该栅格地图用作SLAM(simultaneous localization and mapping，即时定位与地图构建)的定位。
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，对于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，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3，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：
将预构建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。
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 (7)

1.一种栅格地图优化方法，其特征在于，包括以下步骤：
将预构建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；所述不符合预设要求的区域包括：连通域不是最大连通域的空闲区域以及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；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；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；
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；其中对所述障碍物区域进行优化处理包括减小障碍物区域的面积；
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。
2.根据权利要求1所述的方法，其特征在于，所述点阵式图片为PBM图像、PGM图像和PPM图像中的任意一种。
3.根据权利要求1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。
4.根据权利要求1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。
5.根据权利要求1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。
6.一种存储介质，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5中任一项所述栅格地图优化方法的步骤。
7.一种移动机器人，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1-5任一项所述的栅格地图优化方法的步骤。
CN202110298164.7A 2021-03-19 2021-03-19 栅格地图优化方法、存储介质和移动机器人 Active CN113110418B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110298164.7A CN113110418B (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
CN202110298164.7A CN113110418B (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 (2)

Publication Number Publication Date
CN113110418A CN113110418A (zh) 2021-07-13
CN113110418B true CN113110418B (zh) 2023-11-28

Family

ID=76711807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110298164.7A Active CN113110418B (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) CN113110418B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113741481A (zh) * 2021-09-17 2021-12-03 北京石头世纪科技股份有限公司 地图处理方法、装置、存储介质及机器人

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111709965A (zh) * 2020-08-19 2020-09-25 浙江欣奕华智能科技有限公司 扫地机器人的地图的优化方法及装置
CN112150390A (zh) * 2020-09-30 2020-12-29 小狗电器互联网科技（北京）股份有限公司 图像去噪方法、装置、计算机可读存储介质及电子设备
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
CN112180914A (zh) * 2020-09-14 2021-01-05 北京石头世纪科技股份有限公司 地图处理方法、装置、存储介质和机器人

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107340768B (zh) * 2016-12-29 2020-08-28 珠海市一微半导体有限公司 一种智能机器人的路径规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111709965A (zh) * 2020-08-19 2020-09-25 浙江欣奕华智能科技有限公司 扫地机器人的地图的优化方法及装置
CN112180914A (zh) * 2020-09-14 2021-01-05 北京石头世纪科技股份有限公司 地图处理方法、装置、存储介质和机器人
CN112150390A (zh) * 2020-09-30 2020-12-29 小狗电器互联网科技（北京）股份有限公司 图像去噪方法、装置、计算机可读存储介质及电子设备
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

Also Published As

Publication number Publication date
CN113110418A (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
WO2021233029A1 (en) Simultaneous localization and mapping method, device, system and storage medium
US11688099B2 (en) Method and apparatus for detecting obstacle
WO2020211655A1 (zh) 激光粗配准方法、装置、移动终端及存储介质
JP7440005B2 (ja) 高精細地図の作成方法、装置、デバイス及びコンピュータプログラム
CN113110418B (zh) 栅格地图优化方法、存储介质和移动机器人
US20230049561A1 (en) Data processing method and apparatus
WO2021092797A1 (zh) 图像的配准方法、终端以及计算机存储介质
CN108364320B (zh) 摄像头标定方法、终端设备及计算机可读存储介质
CN114663397A (zh) 可行驶区域的检测方法、装置、设备及存储介质
CN111429548B (zh) 数字地图生成方法及系统
CN111127652A (zh) 机器人的室内地图构建方法、装置及电子设备
CN113110417B (zh) 扫地机器人的地图的优化方法、装置、设备及存储介质
CN113205024B (zh) 工程图纸的预处理方法、装置、电子设备和存储介质
CN116736259A (zh) 一种用于塔吊自动驾驶的激光点云坐标标定的方法及装置
CN117152265A (zh) 一种基于区域提取的交通图像标定方法及装置
CN116608850A (zh) 一种机器人导航地图的构建方法、系统、装置和介质
CN112433193B (zh) 一种基于多传感器的模位置定位方法及系统
CN115719442A (zh) 一种基于单应性变换矩阵的交叉路口目标融合方法及系统
CN115346184A (zh) 一种车道信息检测方法、终端及计算机存储介质
CN114609646A (zh) 激光建图方法、装置、介质及电子设备
CN113064431A (zh) 栅格地图优化方法、存储介质和移动机器人
CN111292288B (zh) 一种目标检测及定位的方法及装置
CN112991463A (zh) 相机标定方法、装置、设备、存储介质和程序产品
CN112529943A (zh) 一种物体检测方法、物体检测装置及智能设备
CN114120795A (zh) 一种地图绘制方法及装置

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
GR01 Patent grant
GR01 Patent grant