CN113297259A - 机器人及其环境地图构建方法和装置 - Google Patents

机器人及其环境地图构建方法和装置 Download PDF

Info

Publication number
CN113297259A
CN113297259A CN202110598469.XA CN202110598469A CN113297259A CN 113297259 A CN113297259 A CN 113297259A CN 202110598469 A CN202110598469 A CN 202110598469A CN 113297259 A CN113297259 A CN 113297259A
Authority
CN
China
Prior art keywords
sensing data
data frame
absolute position
robot
matching
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
Application number
CN202110598469.XA
Other languages
English (en)
Inventor
汤煜
熊友军
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.)
Ubtech Robotics Corp
Original Assignee
Ubtech Robotics Corp
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 Ubtech Robotics Corp filed Critical Ubtech Robotics Corp
Priority to CN202110598469.XA priority Critical patent/CN113297259A/zh
Publication of CN113297259A publication Critical patent/CN113297259A/zh
Priority to PCT/CN2021/126706 priority patent/WO2022252482A1/zh
Pending legal-status Critical Current

Links

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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请属于机器人领域，提出了一种机器人及其环境地图构建方法和装置，该方法包括：机器人移动过程中获取传感数据帧和绝对位置生成传感数据帧库；根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置，以及所匹配的绝对位置对应的传感数据帧；将所查找的传感数据帧与当前获取的传感数据帧进行匹配，根据匹配结果进行回环优化和环境地图构建。通过绝对位置筛选传感数据帧，从而可以避免在相似场景中检测出错误回环点的问题，并且通过绝对位置筛选传感数据帧，能够减少无法完成匹配的几率，有利于降低传感数据帧的匹配计算量，提高环境地图的构建效率。

Description

机器人及其环境地图构建方法和装置
技术领域
本申请属于机器人领域，尤其涉及一种机器人及其环境地图构建方法和装置。
背景技术
机器人在执行任务之前，通常需要构建机器人所在场景的地图进行构建。机器人根据所构建的地图，可以提高定位准确性，从而使得机器人所规则的路径更合理，导航更加安全。机器人在建图时，通常根据机器人的运动估计和机器人第一个关键帧的初始位姿，递推后续关键帧的位姿。由于误差的累计，后续的关键帧的位姿会越来越大，不利于机器人准确的进行建图。
为了减少机器人的累计误差，机器人在新获取到关键帧后，将所获取关键帧与之前的关键帧进行相似性检测，判断机器人当前的位置是否与之前的位置相符，即通过回环检测检测回环点。机器人可以根据回环检测对累计误差进行修正，提高建图的准确性。
然而，机器人在将新获取的关键帧与之前的关键帧进行比较匹配时，如果采用全局匹配的方式，计算量较大，匹配耗时较长，如果采用局部匹配，可能会出现无法匹配成功的几率。如果机器人所在场景存在重复性内容，比较相似的房间或仓库，则容易产生错误的回环，不利于准确有效的进行地图构建。
发明内容
有鉴于此，本申请实施例提供了一种机器人及其环境地图构建方法和装置，以解决现有技术中构建环境地图时，回环检测的匹配效率不高、回环检测容易出错或无法检测到回环点的问题。
本申请实施例的第一方面提供了一种机器人的环境地图构建方法，所述方法包括：
获取机器人移动过程中的传感数据帧，以及获取所述传感数据帧对应的绝对位置，根据所获取的传感数据帧及绝对位置生成传感数据帧库；
根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置，以及所匹配的绝对位置对应的传感数据帧；
将所查找的传感数据帧与当前获取的传感数据帧进行匹配，根据匹配结果进行回环优化和环境地图构建。
结合第一方面，在第一方面的第一种可能实现方式中，所述传感数据帧为关键帧。
结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，获取机器人移动过程中的传感数据帧，包括以下方式中的一项或多项：
根据预先设定的移动距离阈值，确定机器人移动过程中的关键帧；
或者，根据预先设定的旋转角度阈值，确定机器人移动过程中的关键帧；
或者，根据预先设定的差异度阈值，确定机器人移动过程中的关键帧。
结合第一方面或第一方面的第一种可能实现方式，在第一方面的第三种可能实现方式中，根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置，以及所匹配的绝对位置对应的传感数据帧，包括：
计算当前获取的传感数据帧对应的绝对位置与所述传感数据帧库的绝对位置的距离；
如果所计算的距离小于预设的距离阈值，则确定该距离所对应的传感数据帧库中的绝对位置；
根据传感数据帧库中的绝对位置与传感数据帧的对应关系，查找所确定的绝对位置对应的传感数据帧。
结合第一方面或第一方面的第一种可能实现方式，在第一方面的第四种可能实现方式中，将所确定的传感数据帧与当前获取的传感数据帧进行匹配，根据匹配结果进行回环优化和环境地图构建，包括：
计算所确定的传感数据帧与当前获取的传感数据帧之间的相似度；
将所述相似度与预先设定的相似度阈值进行比较，选择相似度大于预定的相似度阈值的、且位于传感数据帧库中的传感数据帧；
将根据选择的传感数据帧和绝对位置，对机器人移动轨迹进行优化；
根据优化后的轨迹进行环境地图构建。
结合第一方面，在第一方面的第五种可能实现方式中，获取所述传感数据帧对应的绝对位置，包括：
根据预先设定的UWB基站，确定所述机器人在获取传感数据帧时所对应的绝对位置。
结合第一方面，在第一方面的第六种可能实现方式中，根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置时，如果在所述传感数据帧库中未查找到当前的绝对位置匹配的绝对位置，则将当前获取的所述传感数据帧和所述绝对位置添加至所述传感数据帧库。
本申请实施例的第二方面提供了一种机器人的环境地图构建装置，所述装置包括：
数据获取单元，用于获取机器人移动过程中的传感数据帧，以及获取所述传感数据帧对应的绝对位置，根据所获取的传感数据帧及绝对位置生成传感数据帧库；
数据查找单元，用于根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置，以及所匹配的绝对位置对应的传感数据帧；
传感数据帧匹配单元，用于将所查找的传感数据帧与当前获取的传感数据帧进行匹配，根据匹配结果进行回环优化和环境地图构建。
本申请实施例的第三方面提供了一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如第一方面任一项所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：在机器人移动过程中，获取机器人当前获取的传感数据帧及其对应的绝对位置，根据所述绝对位置，在预先获取的传感数据帧库中查找相应的绝对位置，根据所查找的相对位置所对应的传感数据帧，与当前获取的传感数据帧进行匹配，根据匹配结果进行回环优化和环境地图构建。由于通过绝对位置筛选传感数据帧，从而可以避免在相似场景中检测出错误回环点的问题，并且通过绝对位置筛选传感数据帧，能够减少无法完成匹配的几率，有利于降低传感数据帧的匹配计算量，提高环境地图的构建效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种现有技术中的机器人回环检测示意图；
图2是本申请实施例提供的一种机器人的环境地图构建方法的实现流程示意图；
图3是本申请实施例提供的一种位置纠正示示意图；
图4是本申请实施例提供的一种调整后的机器人的移动轨迹示意图；
图5是本申请实施例提供的一种机器人的环境地图构建装置的示意图；
图6是本申请实施例提供的机器人的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
机器人在执行任务之前，需要构建机器人当前的场景地图，以便根据所构建的场景地图，规划执行任务的轨迹或路线。
在机器人进行场景地图构建时，机器人通常根据机器人的运动估计，结合所采集的场景数据，构建环境周围连续、一致的场景地图。在获取机器人的运动估计时，机器人通常固定第一个激光帧的初始位置，结合机器人的运动信息，确定后续各个激光帧的位姿。当其中一个位姿估计出现误差时，机器人都会累加到后续的位姿计算结果，不利于构建全局一致的轨迹和地图。
为了减少运动估计所产生的位姿估计误差，机器人可以采用回环检测的方式，对机器人的位姿进行优化。比如，机器人将当前采集的激光帧与之前采集的激光帧进行比较和匹配，根据匹配的激光帧确定机器人的运动轨迹的回环点。机器人根据所检测到的回环点，对机器人轨迹进行调整，从而达到减少运动估计所产生的位姿估计误差的目的。
在回环检测时，如果构建地图的场景较大，机器人获取的激光帧较多，如果采用全局匹配，即将当前的激光帧与之前存储的每个激光帧进行匹配，则计算量较大，耗时较长。如果采用局部匹配，需要保证累计误差在较小范围内才能匹配成功。如图1所示的机器人移动轨迹示意图中，机器人从O点出发，根据运动估计得到图中的实线轨迹，图中的虚线为机器人的实际轨迹。机器人在O’位置时，机器人通过局部匹配的方式，在所估计的位置的预定范围内查找可进行匹配的激光帧。由于所查找的激光帧与位置O’的激光帧的匹配度非常低，机器人可能无法匹配成功。
如果机器人当前场景中存在多个相似的场景，比如相似的房间或仓库等。摄像头或激光帧可能会存在误匹配情况，使得所构建的地图出现紊乱而无法使用。
为了克服上述问题，本申请实施例提出了一种机器人的环境地图构建方法，通过在机器人移动过程中增加绝对位置的信息，建立机器人获取的传感数据帧对应的绝对位置。通过绝对位置的匹配筛选的方式筛选出可进行匹配的位置，然后再进一步通过传感数据帧的匹配，确定回环检测的结果，从而提高回环检测的准确度，提高地图构建的准确性。由于通过绝对位置的筛选，可以避免相似场景的误匹配问题，并且有利于提高匹配效率。
如图2所示为本申请实施例提出的一种机器人的环境地图构建方法的实现流程示意图，包括：
在S201中，获取机器人移动过程中的传感数据帧，以及获取所述传感数据帧对应的绝对位置，根据所获取的传感数据帧及绝对位置生成传感数据帧库。
本申请实施例中的传感数据帧，可以包括场景图像、场景中的障碍物与机器人的距离、机器人的位姿等信息。其中，所述场景图像，可以通过摄像头进行采集，也可以为激光雷达采集得到的激光图像。所述场景中的障碍物与机器人之间的距离，可以通过激光雷达检测得到，也可以通过双目摄像头，采集得到机器人所在场景中的障碍物与机器人之间的距离。所述机器人的位姿信息，可以通过机器人的里程计和IMU(英文全称为InertialMeasurement Unit，中文全称为惯性测量单元)来确定。
所述绝对位置，机器人可以结合辅助定位设备来确定。在可能的实现方式中，可以在机器人所在场景中设置定位基站，通过定位基站发送探测信号。机器人根据所接收到的定位信号，确定机器人与定位基站之间的距离。根据所确定的两个或三个以上的距离，以及预先设定的定位基站的位置，确定机器人的绝对位置。
其中，所述定位基站，可以为UWB(英文全称为Ultra Wideband，中文全称为超宽带)基站。或者，所述定位基站还可以为蓝牙基站，比如基于蓝牙4.0的iBeacon定位，或者基于Wifi基站的Wifi定位等。
在获取所述机器人的绝对位置和所述机器人的传感数据帧后，建立所述绝对位置与传感数据帧的对应关系。可便于根据绝对位置快速的确定机器人的传感数据帧。
在机器人开始移动时，可以将机器人的起点位置所获取的传感数据帧添加至传感数据帧库。在机器人的移动过程中，如果所获取的传感数据帧对应的绝对位置，筛选出传感数据帧库中与当前获取的绝对位置匹配的绝对位置。如果不能筛选出与当前获取的绝对位置匹配的绝对位置，或者筛选出的绝对位置对应的传感数据帧不能与当前的传感数据帧匹配，则可以将当前获取的传感数据帧和其对应的绝对位置添加至传感数据帧库。即在机器人移动过程中，通过比较和匹配，更新所述传感数据帧库中的数据。
在可能的实现方式中，为了提高场景地图构建的效率，所述传感数据帧可以为关键帧。所述关键帧为普通的数据帧中挑选出的具有代表性意义的数据帧。
在一些实现方式中，可以根据关键帧之间的重复信息来确定所述关键帧。比如，可以根据起始位置确定第一关键帧。确定在后的关键帧时，可以通过确定当前的数据帧与相邻的前一关键帧之间的相似度的大小来确定。比如，可以在相似度大于预定的关键帧相似度常数时，则确定生成新的关键帧。
在一些实现方式中，可以根据机器人移动的距离来确定是否生成新的关键帧。可以根据起始位置确定第一关键帧。确定在后的关键帧，可以根据机器人相对于前一关键帧对应的位置的移动距离，确定是否生成新的关键帧。比如在移动距离大于预定的关键帧距离常数时，则生成新的关键帧。
在一些实现方式中，可以根据机器人旋转角度来确定是否生成新的关键帧。可以根据起始位置确定第一关键帧。确定在后的关键帧时，可以根据机器人的旋转角度是否大于预定的关键帧角度常数，确定是否生成新的关键帧。
可以理解的是，上述关键帧的确定方式，可以采用其中一项或者多项。即任意触发条件满足时，则生成新的关键帧。
采用关键帧的方式进行传感数据(图像数据、距离数据和轨迹数据)采集时，可以有效的减少传感数据的采集量和比较计算量，提高场景地图的构建效率。
在S202中，根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置，以及所匹配的绝对位置对应的传感数据帧。
假设所述传感数据帧库中存储有n-1个传感数据帧(n的数值随着传感数据库的更新而发生变化)。当前所采集到的第n个传感数据帧，获取第n个传感数据帧所对应的绝对位置，比如可以表示为pn(xn，yn)。在对传感数据帧进行筛选时，可以根据绝对位置的匹配度，进行初步筛选。
在筛选过程中，可以计算当前获取的传感数据帧对应的绝对位置pn(xn，yn)与数据传感帧库中的任意绝对位置pk(xk，yk)进行匹配，k<n。可以计算绝对位置pn与数据传感帧库中的任意绝对位置pk之间的距离T：
T＝∪ksqrt((xs-xk)2+(ys-yk)2)≤R(k＝1，…，s-1)
当所计算的距离小于预设的距离阈值时，则可选择该距离T所对应的、位于传感数据帧中的绝对距离，并根据数据传感帧库中的绝对位置与传感数据帧的对应关系，查找所选择的绝对位置对应的传感数据帧。
如图3所示的位置纠正示意图中，当机器人通过里程计或惯性测量单元检测到机器人的相对位置为O’时，获取到该位置所对应的传感数据帧。此时，根据机器人的绝对定位装置，可以确定机器人的绝对位置为O’(P’)，根据预设的距离阈值R，可以得到图3中的虚线圆环对应的搜索范围，确定位于所述搜索范围中的、属于所述传感数据帧库中的绝对位置。比如，可以确定绝对位置O位于所述搜索范围。根据绝对位置O，查找对应的传感数据帧。
图3所示的位置纠正示意图中查找到一个传感数据帧库中的绝对位置。在可能的实现方式中，可以在所确定的范围中查找到多个绝对位置。根据所查找到的多个绝对位置，确定多个对应的传感数据帧。
在S203中，将所查找的传感数据帧与当前获取的传感数据帧进行匹配，根据匹配结果进行回环优化和环境地图构建。
根据绝对位置查找到一个或者多个传感数据帧时，可以将一个或者多个传感数据帧分别与当前获取的传感数据帧进行匹配，即计算查找的传感数据帧与当前获取的传感数据帧的相似度。如果相似度大于预定的相似度阈值，则选择该传感数据帧和绝对位置，对所述机器人移动轨迹进行优化。比如，可以根据绝对位置确定机器人的回环点，根据所述传感数据帧，确定机器人在回环点的姿态信息。根据所确定的回环点和姿态信息，调整机器人的移动轨迹，以及调整机器人在移动过程中的姿态变化信息。根据调整后的轨迹和调整后的姿态变化信息构建环境地图。
如图4所示的调整后的机器人的移动轨迹示意图中，根据机器人所在场景中设置的UWB基站，确定机器人的绝对位置O’(P’)，检测到所述机器人当前的绝对位置O’(P’)与机器人的移动轨迹中的绝对位置O为回环点，根据该回环点调整机器人的移动轨迹的姿态，得到图4所示的调整后的机器人移动轨迹。根据该调整后的移动轨迹和姿态，可以更为准确的确定机器人所在场景的环境地图。并且，由于本申请通过绝对距离的筛选，可以减少传感数据帧的匹配计算量的同时，还可以避免相似场景的回环点的误检测情况，降低局部匹配时无法匹配成功的几率。
在可能的实现方式中，在未检测到回环点时，本申请还可以根据机器人所检测到的绝对位置，结合机器人的移动轨迹，对所述机器人的移动轨迹进行校正，从而进一步提升机器人地图构建的准确度。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
图5为本申请实施例提供的一种机器人的环境地图构建装置的示意图，该装置与图2所机器人的环境地图构建方法对应。如图5所示，该装置包括：
数据获取单元501，用于获取机器人移动过程中的传感数据帧，以及获取所述传感数据帧对应的绝对位置，根据所获取的传感数据帧及绝对位置生成传感数据帧库；
数据查找单元502，用于根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置，以及所匹配的绝对位置对应的传感数据帧；
传感数据帧匹配单元503，用于将所查找的传感数据帧与当前获取的传感数据帧进行匹配，根据匹配结果进行回环优化和环境地图构建。
为了进一步降低地图构建的计算量，所述传感数据帧可以为关键帧。
在确定所述关键时，可以包括以下方式中的一项或者多项：
根据预先设定的移动距离阈值，确定机器人移动过程中的关键帧；
或者，根据预先设定的旋转角度阈值，确定机器人移动过程中的关键帧；
或者，根据预先设定的差异度阈值，确定机器人移动过程中的关键帧。
在可能的实现方式中，所述数据获取单元可以用于：
计算当前获取的传感数据帧对应的绝对位置与所述传感数据帧库的绝对位置的距离；
如果所计算的距离小于预设的距离阈值，则确定该距离所对应的传感数据帧库中的绝对位置；
根据传感数据帧库中的绝对位置与传感数据帧的对应关系，查找所确定的绝对位置对应的传感数据帧。
在可能的实现方式中，所述传感数据帧匹配单元可用于：
计算所确定的传感数据帧与当前获取的传感数据帧之间的相似度；
将所述相似度与预先设定的相似度阈值进行比较，选择相似度大于预定的相似度阈值的、且位于传感数据帧库中的传感数据帧；
将根据选择的传感数据帧和绝对位置，对机器人移动轨迹进行优化；
根据优化后的轨迹进行环境地图构建。
为了提高地图构建的准确度，可以对传感数据帧库进行实时的更新，根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置时，如果在所述传感数据帧库中未查找到当前的绝对位置匹配的绝对位置，则将当前获取的所述传感数据帧和所述绝对位置添加至所述传感数据帧库。
其中，本申请实施例中的绝对位置，可以根据预先设定的UWB基站所发送的定位信号确定。
图6是本申请一实施例提供的机器人的示意图。如图6所示，该实施例的机器人6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如机器人的环境地图构建程序。所述处理器60执行所述计算机程序62时实现上述各个机器人的环境地图构建方法实施例中的步骤。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能。
示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述机器人6中的执行过程。
所述机器人可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是机器人6的示例，并不构成对机器人6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机器人还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述机器人6的内部存储单元，例如机器人6的硬盘或内存。所述存储器61也可以是所述机器人6的外部存储设备，例如所述机器人6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述机器人6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述机器人所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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网络单元上。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，在本申请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。
所述集成的模块/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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种机器人的环境地图构建方法，其特征在于，所述方法包括：
获取机器人移动过程中的传感数据帧，以及获取所述传感数据帧对应的绝对位置，根据所获取的传感数据帧及绝对位置生成传感数据帧库；
根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置，以及所匹配的绝对位置对应的传感数据帧；
将所查找的传感数据帧与当前获取的传感数据帧进行匹配，根据匹配结果进行回环优化和环境地图构建。
2.根据权利要求1所述的方法，其特征在于，所述传感数据帧为关键帧。
3.根据权利要求2所述的方法，其特征在于，获取机器人移动过程中的传感数据帧，包括以下方式中的一项或多项：
根据预先设定的移动距离阈值，确定机器人移动过程中的关键帧；
或者，根据预先设定的旋转角度阈值，确定机器人移动过程中的关键帧；
或者，根据预先设定的差异度阈值，确定机器人移动过程中的关键帧。
4.根据权利要求1或2所述的方法，其特征在于，根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置，以及所匹配的绝对位置对应的传感数据帧，包括：
计算当前获取的传感数据帧对应的绝对位置与所述传感数据帧库的绝对位置的距离；
如果所计算的距离小于预设的距离阈值，则确定该距离所对应的传感数据帧库中的绝对位置；
根据传感数据帧库中的绝对位置与传感数据帧的对应关系，查找所确定的绝对位置对应的传感数据帧。
5.根据权利要求1或2所述的方法，其特征在于，将所确定的传感数据帧与当前获取的传感数据帧进行匹配，根据匹配结果进行回环优化和环境地图构建，包括：
计算所确定的传感数据帧与当前获取的传感数据帧之间的相似度；
将所述相似度与预先设定的相似度阈值进行比较，选择相似度大于预定的相似度阈值的、且位于传感数据帧库中的传感数据帧；
将根据选择的传感数据帧和绝对位置，对机器人移动轨迹进行优化；
根据优化后的轨迹进行环境地图构建。
6.根据权利要求1所述的方法，其特征在于，获取所述传感数据帧对应的绝对位置，包括：
根据预先设定的UWB基站，确定所述机器人在获取传感数据帧时所对应的绝对位置。
7.根据权利要求1所述的方法，其特征在于，根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置时，如果在所述传感数据帧库中未查找到当前的绝对位置匹配的绝对位置，则将当前获取的所述传感数据帧和所述绝对位置添加至所述传感数据帧库。
8.一种机器人的环境地图构建装置，其特征在于，所述装置包括：
数据获取单元，用于获取机器人移动过程中的传感数据帧，以及获取所述传感数据帧对应的绝对位置，根据所获取的传感数据帧及绝对位置生成传感数据帧库；
数据查找单元，用于根据机器人当前获取的传感数据帧对应的绝对位置以及预设的距离阈值，在所述传感数据帧库中查找当前的绝对位置匹配的绝对位置，以及所匹配的绝对位置对应的传感数据帧；
传感数据帧匹配单元，用于将所查找的传感数据帧与当前获取的传感数据帧进行匹配，根据匹配结果进行回环优化和环境地图构建。
9.一种机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202110598469.XA 2021-05-31 2021-05-31 机器人及其环境地图构建方法和装置 Pending CN113297259A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110598469.XA CN113297259A (zh) 2021-05-31 2021-05-31 机器人及其环境地图构建方法和装置
PCT/CN2021/126706 WO2022252482A1 (zh) 2021-05-31 2021-10-27 机器人及其环境地图构建方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110598469.XA CN113297259A (zh) 2021-05-31 2021-05-31 机器人及其环境地图构建方法和装置

Publications (1)

Publication Number Publication Date
CN113297259A true CN113297259A (zh) 2021-08-24

Family

ID=77326174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110598469.XA Pending CN113297259A (zh) 2021-05-31 2021-05-31 机器人及其环境地图构建方法和装置

Country Status (2)

Country Link
CN (1) CN113297259A (zh)
WO (1) WO2022252482A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022252482A1 (zh) * 2021-05-31 2022-12-08 深圳市优必选科技股份有限公司 机器人及其环境地图构建方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109141393A (zh) * 2018-07-02 2019-01-04 北京百度网讯科技有限公司 重定位方法、设备及存储介质
CN109813319A (zh) * 2019-03-07 2019-05-28 山东大学 一种基于slam建图的开环优化方法及系统
CN109974701A (zh) * 2017-12-28 2019-07-05 深圳市优必选科技有限公司 机器人的定位方法及装置
CN110533587A (zh) * 2019-07-03 2019-12-03 浙江工业大学 一种基于视觉先验信息和地图恢复的slam方法
CN110727265A (zh) * 2018-06-28 2020-01-24 深圳市优必选科技有限公司 机器人重定位的方法、装置以及存储装置
CN111145634A (zh) * 2019-12-31 2020-05-12 深圳市优必选科技股份有限公司 一种校正地图的方法及装置
GB202013048D0 (en) * 2020-07-20 2020-10-07 Navenio Ltd Map matching trajectories

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104390643B (zh) * 2014-11-24 2017-05-31 上海赛特斯信息科技股份有限公司 基于多信息融合实现室内定位的方法
US20180356492A1 (en) * 2015-06-16 2018-12-13 Michael Hamilton Vision based location estimation system
CN109141442B (zh) * 2018-09-07 2022-05-17 高子庆 基于uwb定位与图像特征匹配的导航方法和移动终端
CN110554396A (zh) * 2019-10-21 2019-12-10 深圳市元征科技股份有限公司 一种室内场景下激光雷达建图方法、装置、设备及介质
CN111881233B (zh) * 2020-06-28 2022-01-18 广州文远知行科技有限公司 分布式点云地图构建方法和装置、服务器、计算机可读存储介质
CN113297259A (zh) * 2021-05-31 2021-08-24 深圳市优必选科技股份有限公司 机器人及其环境地图构建方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109974701A (zh) * 2017-12-28 2019-07-05 深圳市优必选科技有限公司 机器人的定位方法及装置
CN110727265A (zh) * 2018-06-28 2020-01-24 深圳市优必选科技有限公司 机器人重定位的方法、装置以及存储装置
CN109141393A (zh) * 2018-07-02 2019-01-04 北京百度网讯科技有限公司 重定位方法、设备及存储介质
CN109813319A (zh) * 2019-03-07 2019-05-28 山东大学 一种基于slam建图的开环优化方法及系统
CN110533587A (zh) * 2019-07-03 2019-12-03 浙江工业大学 一种基于视觉先验信息和地图恢复的slam方法
CN111145634A (zh) * 2019-12-31 2020-05-12 深圳市优必选科技股份有限公司 一种校正地图的方法及装置
GB202013048D0 (en) * 2020-07-20 2020-10-07 Navenio Ltd Map matching trajectories

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022252482A1 (zh) * 2021-05-31 2022-12-08 深圳市优必选科技股份有限公司 机器人及其环境地图构建方法和装置

Also Published As

Publication number Publication date
WO2022252482A1 (zh) 2022-12-08

Similar Documents

Publication Publication Date Title
CN110657803B (zh) 机器人定位方法、装置以及存储装置
CN112179330B (zh) 移动设备的位姿确定方法及装置
US11176701B2 (en) Position estimation system and position estimation method
CN108279670B (zh) 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质
CN112595323A (zh) 机器人及其建图方法和装置
CN110717003A (zh) 基于路径规划的智能购物车自主导航与自动跟随方法
CN113313763B (zh) 一种基于神经网络的单目相机位姿优化方法及装置
CN112123343B (zh) 点云匹配方法、设备及存储介质
CN111177295A (zh) 建图重影消除方法、装置、计算机可读存储介质及机器人
CN114111774B (zh) 车辆的定位方法、系统、设备及计算机可读存储介质
CN112763993A (zh) 标定雷达参数的方法和装置、电子设备、存储介质
CN114119659A (zh) 一种多传感器融合的目标跟踪方法
CN111145634B (zh) 一种校正地图的方法及装置
CN112990217A (zh) 针对车辆的图像识别方法、装置、电子设备和介质
CN112917467B (zh) 机器人的定位及地图构建方法、装置及终端设备
CN112001948A (zh) 一种目标跟踪处理方法及装置
CN117824667B (zh) 一种基于二维码和激光的融合定位方法及介质
CN113297259A (zh) 机器人及其环境地图构建方法和装置
CN112097772B (zh) 机器人及其地图构建方法和装置
CN115953434B (zh) 轨迹匹配方法、装置、电子设备和存储介质
CN115388878A (zh) 一种地图构建方法、装置及终端设备
CN112214629A (zh) 基于图像识别的回环检测方法及可移动设备
CN112561956B (zh) 视频目标跟踪方法、装置、电子设备及存储介质
CN112614162A (zh) 基于空间优化策略的室内视觉快速匹配定位方法及系统
CN113625249A (zh) 反光板定位方法、机器人及计算机可读存储介质

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