CN113387099A - 地图构建方法、装置、设备、仓储系统及存储介质 - Google Patents
地图构建方法、装置、设备、仓储系统及存储介质 Download PDFInfo
- Publication number
- CN113387099A CN113387099A CN202110745094.5A CN202110745094A CN113387099A CN 113387099 A CN113387099 A CN 113387099A CN 202110745094 A CN202110745094 A CN 202110745094A CN 113387099 A CN113387099 A CN 113387099A
- Authority
- CN
- China
- Prior art keywords
- robot
- fleet
- sub
- robots
- fleets
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/0492—Storage devices mechanical with cars adapted to travel in storage aisles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
- B65G1/1373—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed for fulfilling orders in warehouses
Abstract
本公开实施例提供一种地图构建方法、装置、设备、仓储系统及存储介质，该地图构建方法包括：得到机器人车队采集的检测数据，其中，所述机器人车队包括第一机器人和至少一个第二机器人，所述第一机器人为所述机器人车队队首的机器人，所述机器人车队的后一机器人跟随前一机器人进行移动；根据所述检测数据，构建仓储系统的仓库的地图，实现了基于机器人车队进行仓库地图的构建，提高了地图构建的效率，同时，基于所构建的地图可以实现机器人的精准导航。
Description
技术领域
本公开涉及智能仓储技术领域，尤其涉及一种地图构建方法、装置、设备、仓储系统及存储介质。
背景技术
基于机器人的智能仓储系统采用智能操作系统，通过系统指令实现货物的自动提取和存放，同时可以24小时不间断运行，代替了人工管理和操作，提高了仓储的效率，受到了广泛的应用和青睐。
机器人在智能仓储系统的仓库中移动，执行作业任务时，需要基于传感器确定自身所处的位置，即对机器人进行定位，进而基于机器人的定位进行路径规划和导航，从而到达指定位置进行作业。可以通过预先构建的仓库的地图，进行机器人的定位和导航。
在现有技术中，仓库的地图往往是由一个机器人遍历整个仓库的方式进行构建，地图构建效率较低，无法满足需求。
发明内容
本公开提供一种地图构建方法、装置、设备、仓储系统及存储介质，通过机器人车队构建环境的地图，提高了地图构建的效率，实现了对机器人的可靠定位和导航。
第一方面，本公开实施例提供了一种地图构建方法，该方法应用于仓储系统，该方法包括：
得到机器人车队采集的检测数据，其中，所述机器人车队包括第一机器人和至少一个第二机器人，所述第一机器人为所述机器人车队队首的机器人，所述机器人车队的后一机器人跟随前一机器人进行移动；根据所述检测数据，构建仓储系统的仓库的地图。
可选的，得到机器人车队采集的检测数据，包括：
得到所述第一机器人的第一传感器采集的第一检测数据；得到所述至少一个第二机器人的第二传感器采集的第二检测数据；其中，所述第一检测数据包括所述机器人车队的前方区域的环境信息，所述第二检测数据包括所述机器人车队的左侧区域和右侧区域的环境信息。
可选的，所述机器人车队还包括第三机器人，其中，所述第三机器人为所述机器人车队队尾的机器人，所述检测数据还包括所述第三机器人的第三传感器采集的第三检测数据，所述第三检测数据包括所述机器人车队的后方区域的环境信息。
可选的，当所述机器人车队移动至预设位置时，所述机器人车队拆分为多个机器人子车队，得到机器人车队采集的检测数据，包括：
得到各个机器人子车队采集的检测子数据，以基于各个检测子数据构建所述仓库预设区域的地图。
可选的，所述方法还包括：
根据所述检测数据，判断所述机器人车队所处位置是否包括分支路线；若是，则将所述机器人车队拆分为预设数量的机器人子车队，以由各个机器人子车队检测所述分支路线，其中，所述预设数量小于或等于所述分支路线的数量。
可选的，将所述机器人车队拆分为预设数量的机器人子车队，包括：
获取所述分支路线的类型；根据所述分支路线的类型以及所述分支路线的数量，将所述机器人车队拆分为预设数量的机器人子车队。
可选的，根据所述分支路线的类型以及所述分支路线的数量，将所述机器人车队拆分为预设数量的机器人子车队，包括：
针对每个分支路线，若当前分支路线的类型为立柱分支类型时，从所述机器人车队中确定至少一个机器人为所述当前分支路线的机器人子车队；或，针对每个分支路线，若当前分支路线的类型为地面类型、天轨分支类型或货架环形分支类型时，从所述机器人车队中确定至少两个机器人为所述当前分支路线的机器人子车队；其中，所述立柱分支为所述仓库的货架的立柱对应的分支，所述天轨分支为所述货架顶部的天轨上路径对应的分支，所述货架环形分支为所述货架四周设置的具有设定水平高度的环形轨道上的路径对应的分支。
可选的，将所述机器人车队拆分为预设数量的机器人子车队，包括：
从所述机器人车队的队首或队尾，依次将所述机器人车队拆分为预设数量的机器人子车队。
可选的，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
针对每个机器人子车队的各个机器人，根据所述机器人子车队的机器人的数量以及所述机器人在所述机器人子车队的位置，确定所述机器人用于采集数据的传感器。
可选的，当所述机器人车队所处位置包括分支路线时，所述方法还包括：
判断所述机器人车队的机器人数量是否大于或等于预设阈值。
相应的，将所述机器人车队拆分为预设数量的机器人子车队，包括：
若所述机器人车队的机器人数量大于或等于预设阈值，则将所述机器人车队拆分为预设数量的机器人子车队。
可选的，在得到各个机器人子车队采集的检测子数据之后，所述方法还包括：
根据多个机器人子车队经过的重叠区域，对各个机器人子车队的检测子数据进行校正；基于校正后的各个检测子数据构建所述仓库预设区域的地图。
可选的，当所述机器人子车队所处位置包括分支路线时，所述方法还包括：
判断所述机器人子车队所处位置对应的分支路线是否存在未检测路线；若是，则确定所述机器人子车队的移动方向为所述未检测路线对应的方向，以由所述机器人子车队采集所述未检测路线的检测子数据；若否，则确定所述机器人子车队的移动方向为目标子车队对应的方向，或控制所述机器人子车队进入待机状态，其中，目标子车队为与所述机器人子车队距离最近的其他机器人子车队，或者为机器人的数量最多的其他机器人子车队。
可选的，当所述机器人子车队所处位置对应的分支路线不存在未检测路线时，所述方法还包括：
获取所述仓库的预设检测路线，其中，所述预设检测路线为未被机器人车队或机器人子车队检测的路线；控制所述机器人子车队移动至所述预设检测路线，以得到所述预设检测路线的监测数据。
可选的，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
根据各个机器人子车队采集的检测子数据，确定各个机器人子车队的子车队位置；根据所述子车队位置以及各个机器人子车队的移动方向，将各个机器人子车队进行合并，以得到机器人合并车队；根据各个机器人在所述机器人合并车队的位置，确定各个机器人用于采集数据的传感器。
可选的，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
针对每个机器人子车队，根据所述机器人子车队采集的检测子数据和/或各机器人子车队反馈的定位信息，判断所述机器人子车队的检测范围内是否存在其他机器人子车队；若是，则将所述机器人子车队与其他机器人子车队进行合并，以得到机器人合并车队；根据各个机器人在所述机器人合并车队的位置，确定各个机器人用于采集数据的传感器。
可选的，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
当确定第一数量的机器人子车队在预设时间内在预设分支点汇合时，判断所述预设分支点对应的未检测方向的数量是否小于所述第一数量，其中，预设分支点对应多个分支路线，未检测方向为预设分支点对应的未被检测的分支路线所在的方向；若是，则根据所述第一数量以及所述预设分支点对应的未检测方向的数量，确定第一数量的机器人子车队的合并策略，以基于所述合并策略进行机器人子车队的合并，得到机器人合并车队，其中，所述合并策略包括合并的机器人子车队及其合并方式。
可选的，在构建仓储系统的仓库的地图之后，所述方法还包括：
得到作业机器人或第二机器人车队采集的更新检测数据，其中，所述作业机器人为仓储任务的机器人，仓储任务包括料箱搬运、理库和货架巡视中的一项或多项；根据所述更新检测数据更新所构建的所述仓库的地图。
第二方面，本公开实施例还提供了一种地图构建装置，该装置包括：
数据获取模块，用于得到机器人车队采集的检测数据，其中，所述机器人车队包括第一机器人和至少一个第二机器人，所述第一机器人为所述机器人车队队首的机器人，所述机器人车队的后一机器人跟随前一机器人进行移动；地图构建模块，用于根据所述检测数据，构建仓储系统的仓库的地图。
第三方面，本公开实施例还提供了一种地图构建设备，包括：存储器和至少一个处理器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行本公开第一方面对应的任意实施例提供的地图构建方法。
第四方面，本公开实施例还提供了一种仓储系统，包括仓库、多个机器人以及本公开第三方面对应的实施例提供的地图构建设备。
第五方面，本公开实施例还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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如本公开第一方面对应的任意实施例提供的地图构建方法。
第六方面，本公开实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如本公开第一方面对应的任意实施例提供的地图构建方法。
本公开实施例提供的地图构建方法、装置、设备、仓储系统及存储介质，针对包括多个机器人的仓储系统，基于由多个机器人组成的机器人车队进行仓库检测数据的采集，进而基于检测数据构建仓储系统仓库的地图，通过机器人车队的方式进行数据采集，使得在一次采集中，可以采集较多的检测数据，提高了数据采集的速度，使得机器人车队可以以较快地速度采集仓库的全部数据，减少了构建地图所需的时间，提高了仓库地图构建的效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本公开实施例提供的地图构建方法的一种应用场景图；
图2为本公开一个实施例提供的地图构建方法的流程图；
图3A为本公开图2所示实施例中机器人车队在仓库中检测的示意图；
图3B为本公开图3A所示实施例中机器人车队拆分的示意图；
图4为本公开另一个实施例提供的地图构建方法的流程图；
图5A至图5C为本申请图4所示实施例中机器人车队拆分过程的示意图；
图5D至图5F为本申请图4所示实施例中另一种机器人车队拆分过程的示意图；
图5G为本申请图4所示实施例中机器人子车队合并的示意图；
图5H为本申请图4所示实施例中另一种机器人子车队合并的示意图；
图5I为本申请图4所示实施例中另一种机器人子车队的合并的示意图；
图5J为本公开图4所示实施例中各个机器人子车队在仓库中检测的示意图；
图5K为本公开图5J所示实施例中机器人子车队合并的示意图；
图6为本公开一个实施例提供的地图构建装置的结构示意图；
图7为本公开一个实施例提供的地图构建设备的结构示意图；
图8为本公开一个实施例提供的仓储系统的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。
下面对本公开实施例的应用场景进行解释：
图1为本公开实施例提供的地图构建方法的一种应用场景图，如图1所示，本公开实施例提供的地图构建方法可以地图构建设备执行，该地图构建设备的形式可以为计算机或服务器。为了实现机器人110在仓库120作业时的自动导航，需要首先绘制仓库120的地图，进而机器人110在仓库中行走时，可以基于自身的定位以及地图，进行导航，以到达目标货架130，从而进行相应的仓储作业。
在现有技术中，在构建仓库120的地图时，往往通过一个机器人110遍历整个仓库120的形式进行。随着物流行业的飞速发展，仓库120的面积也越来越大，仅基于一个机器人110进行仓库120地图构建的方式，效率较低，无法满足需求。
为了提高地图构建的效率，本公开实施例提供的地图构建方法实现了基于机器人车队进行检测数据采集，从而提高了数据采集的效率，进而基于机器人车队采集的检测数据构建仓库的地图，提高了地图构建的效率。
图2为本公开一个实施例提供的地图构建方法的流程图，如图2所示，该地图构建方法适用于仓储系统，可以由地图构建设备执行，该地图构建设备可以为计算机、服务器或者其他数据处理设备。本实施例提供的地图构建方法包括以下步骤：
步骤S201，得到机器人车队采集的检测数据。
其中，所述机器人车队包括第一机器人和至少一个第二机器人，所述第一机器人为所述机器人车队队首的机器人，所述机器人车队的后一机器人跟随前一机器人进行移动。第二机器人的数量可以为1个、2个、3个甚至更多，可以根据仓库的尺寸确定。
具体的，机器人车队的各个机器人上设置有传感器，如2D相机、3D相机、激光雷达等，以基于该各个机器人上设置的传感器进行检测数据的采集。
具体的，机器人车队的各个机器人在行走时，可以实时将采集的检测数据发送至数据处理设备，如地图构建设备。或者数据处理设备可以按照设定周期获取机器人车队各个机器人采集的检测数据。
具体的，机器人车队的各个机器人可以将行走时所采集的检测数据发送至队首的机器人，即第一机器人，进而由第一机器人，实时或按照设定周期将各个机器人采集的检测数据发送至地图构建设备。
可选的，针对每个机器人，可以根据机器人的位置信息，确定机器人用于采集数据的传感器，即机器人启用的传感器。
其中，位置信息可以机器人所处位置的高度。
示例性的，当机器人位于立柱上时，启用的传感器可以包括机器人下表面设置的传感器，而当机器人位于地面或天轨上时，则禁用机器人下表面设置的传感器。
进一步地，若机器人所处位置为已检测位置，则禁用机器人的各个传感器。其中，已检测位置为机器人在历史时间经过并已采集检测数据的位置。
在一些实施例中，第一机器人和第二机器人上可以设置有相同数量的传感器，各个传感器的安装位置可以相同，可以分别设置在机器人的各个表面，如每个表面至少设置一个传感器。第一机器人和第二机器人用于采集数据的传感器，即启用的传感器可以不同。
在一些实施例中，第一机器人和第二机器人上设置的传感器的位置和数量可以不同，如第一机器人上的传感器可以至少为1个，可以设置在第一机器人的前表面；第二机器人上可以设置有至少两个传感器，分别设置在第二机器人的左右两个侧面。当然，第一机器人上设置的传感器数量还可以为2个，如分别设置在第一机器人的前表面和下表面；第二机器人上设置的传感器的数量还可以为3个，分别设置在第二机器人的左侧面、右侧面和后表面。
本公开对机器人车队的机器人数量，以及各个机器人上设置的传感器的数量、类型和安装位置均不进行限定，仅需确保检测数据至少包括机器人车队前方区域、左右两侧区域的环境对应的检测数据即可。
可选的，得到机器人车队采集的检测数据，包括：
得到所述第一机器人的第一传感器采集的第一检测数据；得到所述至少一个第二机器人的第二传感器采集的第二检测数据。
其中，所述第一检测数据包括所述机器人车队的前方区域的环境信息，所述第二检测数据包括所述机器人车队的左侧区域和右侧区域的环境信息。第一传感器为第一机器人启用的传感器，第二传感器则为第二机器人启用的传感器。第一传感器的数量可以为1个，可以设置在第一机器人的前表面的任意位置。第一传感器的数量还可以多个，除了设置在第一机器人的前表面，还可以设置在第一机器人的左右两个侧面、下表面等表面的任意位置，以采集相应区域的检测数据。第二传感器的数量可以2个，分别设置在第二机器人的左侧面和右侧面。第二传感器的数量还可以3个、4个或者其他数量，除了设置在第二机器人的左侧面和右侧面，还可以第二机器人的下表面、后表面等表面。
具体的，机器人每个表面设置的传感器的数量可以为一个，也可以为多个，需要根据传感器的视野范围确定。
示例性的，第一机器人在行走时启用的传感器，即第一传感器，可以为前表面上设置的传感器，第二机器人在行走时启用的传感器，即第二传感器可以为左右两个侧面，或者左侧面、右侧面以及后表面的传感器。
示例性的，第二机器人的数量可以为1个，第一机器人在行走时启用的传感器，即第一传感器可以为前表面以及左右两个侧面的传感器，以使第一件机器人对应的检测数据为机器人车队视野范围的前半区域，第二机器人在行走时启动的传感器，即第二传感器可以为后表面以及左右两个侧面的传感器，以使第二机器人对应的检测数据为机器人车队视野范围的后半区域。
示例性的，第二机器人的数量可以为2个，每个第二机器人在行走时启用的传感器，即第二传感器可以为第二机器人左右两个侧面的传感器。
可选的，所述机器人车队还包括第三机器人，其中，所述第三机器人为所述机器人车队队尾的机器人，所述检测数据还包括所述第三机器人的第三传感器采集的第三检测数据，所述第三检测数据包括所述机器人车队的后方区域的环境信息。
相应的，得到机器人车队采集的检测数据，还包括：得到第三机器人的第三传感器采集的第三检测数据。
具体的，第三机器人的启用的传感器，即第三传感器可以设置在第三传感器的后表面的任意位置。第三机器人的前表面、下表面、左右两个侧面也可以设置有传感器。
具体的，第三机器人和各个第二机器人可以将采集的检测数据，即第二检测数据和第三检测数据发送至第一机器人，进而，由第一机器人将各个机器人的检测数据发送至地图构建设备。
进一步地，地图构建设备在得到检测数据之后，还可以对检测数据进行预处理，如降噪处理、校准处理等。从而基于处理后的检测数据进行仓库地图的构建。
进一步地，地图构建设备还可以控制机器人车队进行拆分和合并，以由拆分或合并后的机器人车队进行检测数据的采集。如当地图构建设备确定机器人车队所处位置包括多个分支路线时，可以将机器人车队进行拆分，拆分后的机器人子车队的队首的机器人即为该机器人子车队的第一机器人。而当不同机器人子车队相遇时，又可以控制机器人子车队合并，形成一个新的机器人车队。
可选的，当所述机器人车队移动至预设位置时，所述机器人车队拆分为多个机器人子车队，得到机器人车队采集的检测数据，包括：
得到各个机器人子车队采集的检测子数据，以基于各个检测子数据构建所述仓库预设区域的地图。
其中，预设位置可以为预先设置的各个位置，还可以是分岔路口。预设区域则可以为预设位置对应的区域，或者可以是分岔路口对应的分支路线所在的区域。
具体的，可以根据预设位置的类型以及机器人车队中机器人的数量，确定机器人子车队的数量。预设位置的类型可以根据预设位置对应的分支路线的数量确定。
具体的，地图构建设备可以基于历史时间采集的检测数据，进行地图构建，并基于当前构建的地图判断机器人车队所处位置，具体为第一机器人所处位置为否为预设位置，或者是否为分岔路口。进而，控制机器人车队拆分为多个机器人子车队，并确定每个机器人子车队的移动路线，进而基于各个机器人子车队进行检测数据采集，从而得到各个检测子数据，以基于各个检测子数据进行预设区域的地图的构建。
示例性的，图3A为本公开图2所示实施例中机器人车队在仓库中检测的示意图，图3B为本公开图3A所示实施例中机器人车队拆分的示意图，结合图3A和3B可知，机器人车队300由机器人301至机器人304组成，其中，机器人301即为上述第一机器人，机器人302和机器人303即为上述第二机器人，机器人304则为上述第三机器人，当机器人车队300移动至分岔路口I时，该分岔路口I对应两条分支路线，即路线R1和路线R2，则地图构建设备控制机器人车队300拆分为两个机器人子车队，即机器人子车队310和机器人子车队320，其中，机器人子车队310包括机器人301和机器人302，用于检测路线R1，机器人子车队320包括机器人303和机器人304，用于检测路线R2。
步骤S202，根据所述检测数据，构建仓储系统的仓库的地图。
其中，该仓库的地图可以是拓扑图、三维地图或者其他形式的地图。该仓库的地图可以是以机器人车队当前位置为起点或原点，将机器人车队周边环境的特征数据化之后，得到的周边环境的地图。该地图还可以是机器人车队所经过的环境的地图。
具体的，可以根据机器人车队采集的检测数据，提取仓库的各个环境特征，进而基于各个环境特征，构建仓库的地图。
具体的，可以基于预设构图模型，接收检测数据，该检测数据包括第一检测数据和第二检测数据，还可以包括第三检测数据，从而得到机器人所处环境的环境地图。
进一步地，该预设构图模型可以为视觉SLAM(Simultaneous Localization AndMapping，同步定位与建图)的构图模型，如ORB(Oriented FAST and Rotated BRIEF，特征检测与描述算法)-SLAM系统、LSD Large-Scale Direct Monocular，基于直接法的大范围单目算法)-SLAM(系统。
其中，ORB是基于FAST(Features From Accelerated Segment Test，快速特征提取和描述算法)和BRIEF(Binary Robust Independent Elementary Features，基于二进制鲁棒独立基本特征描述算法)的算法，具体为基于FAST算法快速检测提取特征或者快速确定关键点，基于BRIEF算法计算各个特征或者关键点的描述子，从而进行特征匹配和重定位。
具体的，该地图可以由每个检测周期对应的局部栅格地图组成，该局部栅格地图为根据相应检测周期的检测数据生成的，以机器人当前位置为起点的局部地图。
进一步地，在根据各个局部栅格地图构建环境地图时，可以加入回环检测或者闭环检测，以优化环境地图。
可选的，根据所述检测数据，构建仓储系统的仓库的地图，包括：
针对所述机器人车队的每个机器人，将所述机器人各个传感器采集的检测数据进行数据融合，得到第一融合数据；根据各个机器人的相对位置关系以及各个第一融合数据，得到第二融合数据；根据所述第二融合数据，构建所述仓储系统的仓库的地图。
具体的，当机器人启用的传感器为多个时，可以以机器人为单位，将每个机器人的各个传感器采集的检测数据进行数据融合，得到第一融合数据；进而以机器人车队为单位，将各个机器人对应的第一融合数据进行融合，得到第二融合数据，从而基于该第二融合数据构建仓库的地图。
可选的，根据所述检测数据，构建仓储系统的仓库的地图，包括：
针对每个检测周期，根据上一检测周期对应的环境地图、所述检测周期对应的检测数据，构建所述检测周期对应的仓库的地图。
具体的，随着机器人车队的不断移动，得到各个检测周期对应的检测数据，在后续的检测周期进行构图时，会结合上一检测周期已构建的环境地图进行，基于后一检测周期对应的检测数据，对前一检测周期的环境地图进行更新和补充，从而逐步完善机器人车队所处仓库的地图。
具体的，根据每个检测周期的检测数据可以得到每帧局部栅格地图，将相邻帧的局部栅格地图进行对比，从而根据对比结果对当前帧的局部栅格地图进行优化，进而结合历史时间获取的各帧局部栅格地图，得到当前检测周期对应的地图。随着机器人车队的不断移动，得到新的局部栅格地图，对该仓库的地图进行扩充或更新，从而得到符合所检测的仓库实况的导航地图。
具体的，可以在获取一连串的连续帧的局部栅格地图之后，如5帧、10帧或者其他数量，从而对该连续帧进行对比，根据对比结果对连续帧的各帧的局部栅格地图进行优化。或者可以基于相邻帧以及连续帧的对比结果进行优化。
可选的，根据所述检测数据，构建仓储系统的仓库的地图，包括：
根据所述第一检测数据，构建以第一机器人位置为地图参考点的第一地图；根据各个所述第二检测数据，构建以各个第二机器人位置为地图参考点的各个第二地图；根据所述第一地图和各个第二地图，构建所述环境地图。
具体的，可以根据第一检测数据和第二检测数据分别构图，从而得到各个机器人对应的地图，即第一机器人对应的第一地图和每个第二第机器人对应的第二地图，从而基于各个机器人对应的地图，构建仓库的地图。
进一步地，若机器人车队还包括第三机器人，则可以根据第三检测数据构建以第三机器人位置为地图参考点的第三地图，从而根据第一地图、第三地图和各个第二地图，构建所述环境地图。
进一步地，可以基于上述预设构图模型，分别建立第一地图、第二地图和第三地图。
可选的，在构建仓储系统的仓库的地图之后，还包括：
根据所述仓库的地图以及任务指令，对目标机器人进行路径规划，其中，所述目标机器人为执行所述任务指令的机器人。
其中，该任务指令可以是取货指令、放货指令、理库指令、检查指令或者其他作业指令。
具体的，可以根据任务指令所涉及的一个或多个目标位置，以及预先建立的仓库的地图，对目标机器人进行路径规划，以使目标机器人顺利、高效地移动至各个目标位置，进行相应的任务。
进一步地，在得到各个检测数据之后，还可以判断该检测数据中有效数据的数据量，该有效数据可以是稳定的特征点或点云数据，若机器人车队采集第二检测数据的有效数据的数据量较少时，则可以仅基于第一检测数据进行环境地图的构建，当该传感器采集的第二检测数据的有效数据长期较少，如少于预设数据量，则上报该传感器异常，以便于及时进行传感器维护。
本公开实施例提供的地图构建方法，针对包括多个机器人的仓储系统，基于由多个机器人组成的机器人车队进行仓库检测数据的采集，进而基于检测数据构建仓储系统仓库的地图，通过机器人车队的方式进行数据采集，使得在一次采集中，可以采集较多的检测数据，提高了数据采集的速度，使得机器人车队可以以较快地速度采集仓库的全部数据，减少了构建地图所需的时间，提高了仓库地图构建的效率。
图4为本公开另一个实施例提供的地图构建方法的流程图，本实施例提供的地图构建方法针对机器人车队拆分和合并的情况，本实施例提供的地图构建方法是在图2所示实施例的基础上，对步骤S201和步骤S202的进一步细化，以及在步骤S202之后增加更新地图的步骤，如图4所示，本实施例提供的地图构建方法包括以下步骤：
步骤S401，得到机器人车队采集的检测数据。
步骤S402，根据所述检测数据，判断所述机器人车队所处位置是否包括分支路线。
具体的，地图构建设备可以根据机器人车队在当前位置，即机器人所处位置，采集的检测数据，生成当前位置对应的地图，从而基于该当前位置对应的地图判断机器人车队所处位置是否包括分支路线。
步骤S403，若是，则判断所述机器人车队的机器人数量是否大于或等于预设阈值。
其中，预设阈值可以为一个默认数值，如3、4等，预设阈值可以为两个机器人子车队对应的机器人的最小数量。
具体的，不同的分支路线对应的机器人子车队的机器人的最小数量可以不同，可以预先设定各个分支路线对应的机器人子车队的机器人的最小数量。
示例性的，地面区域的分支路线对应的机器人子车队的机器人的最小数量可以为2，货架区域的分支路线的机器人子车队的机器人的最小数量可以为1，货架顶部的天轨的分支路线的机器人子车队的机器人的最小数量可以为2。
步骤S404，若所述机器人车队的机器人数量大于或等于预设阈值，则将所述机器人车队拆分为预设数量的机器人子车队。
其中，所述预设数量小于或等于所述分支路线的数量。
具体的，当机器人车队的机器人数量较多，足以拆分为至少两个机器人子车队，则对机器人子车队进行拆分，以得到预设数量的机器人子车队。
进一步地，当机器人车队的机器人数量充足，如大于各个分子路线的机器人子车队的机器人数量的最小数量之和，则预设数量为分支路线的数量。
可选的，将所述机器人车队拆分为预设数量的机器人子车队，包括：
获取所述分支路线的类型；根据所述分支路线的类型以及所述分支路线的数量，将所述机器人车队拆分为预设数量的机器人子车队。
其中，分支路线的类型可以包括地面类型、天轨分支类型、货架环形分支类型以及立柱分支类型中的至少一类。地面类型为位于地面的分支路线对应的类型；天轨分支类型为货架顶部的天轨上路径对应的分支的类型；货架环形分支类型为货架环形分支对应的类型，货架环形分支为货架四周设置的具有设定水平高度的环形轨道上的路径对应的分支；立柱分支类型为货架的立柱分支对应的类型。当机器人行走在立柱上时，机器人的一个侧面，可以是左侧面或右侧面，与立柱连接，以在立柱上行走。
具体的，由于不同类型的分支路线对机器人子车队的机器人数量的要求不同，因此，需要根据机器人车队所处位置对应的各个分支路线的类型以及分支路线的数量，将机器人车队拆分为预设数量的机器人子车队。
可选的，根据所述分支路线的类型以及所述分支路线的数量，将所述机器人车队拆分为预设数量的机器人子车队，包括：
针对每个分支路线，若当前分支路线的类型为立柱分支类型时，从所述机器人车队中确定至少一个机器人为所述当前分支路线的机器人子车队；或，针对每个分支路线，若当前分支路线的类型为地面类型、天轨分支类型或货架环形分支类型时，从所述机器人车队中确定至少两个机器人为所述当前分支路线的机器人子车队。
其中，所述立柱分支为所述仓库的货架的立柱对应的分支，所述天轨分支为所述货架顶部的天轨上路径对应的分支，所述货架环形分支为所述货架四周设置的具有设定水平高度的环形轨道上的路径对应的分支。
进一步地，可以按照预设顺序对机器人车队进行拆分，如从队首或队尾进行拆分。
示例性的，图5A至图5C为本申请图4所示实施例中机器人车队拆分过程的示意图，结合图5A和图5C可知，机器人车队由机器人41至机器人44组成，当前包括两个分支路线，分支路线45和分支路线46，其中，分支路线45的类型为地面类型，分支路线46的类型则为立柱分支类型。图中的箭头为机器人或机器人所在的车队的行走方向。在图5A所示实施例中，将机器人车队分为两个子车队，分别进行分支路线45和分支路线46的检测，其中，分支路线45对应的子车队由机器人41、机器人42和机器人44组成，而分支路线46对应的机器人子车队仅包括机器人43，在图5A中是将机器人车队中的机器人，即机器人43拆分出来，形成机器人子车队，当然也可以将队尾的机器人，即机器人44拆分成机器人子车队，图5A中所示的拆分方式仅作为示例。进而如图5B所示，机器人43沿其对应的箭头方向向上行走，移动至分支路线46，以采集分支路线46的检测数据；剩余的机器人继续以车队形式，沿其对应的箭头方向向前行走，以采集分支路线45的检测数据。由于机器人43脱离了原来的机器人车队，位于机器人43后方的机器人44则需要沿其对应的箭头方向行走，从而与机器人41和机器人42组成新的机器人车队，拆分后的两个机器人子车队如图5C所示。
可选的，将所述机器人车队拆分为预设数量的机器人子车队，包括：
从所述机器人车队的队首或队尾，依次将所述机器人车队拆分为预设数量的机器人子车队。
示例性的，假设机器人车队由6个机器人组成，若当前所处位置对应的分支路线为2条，均为地面类型，则可以将机器人车队队尾的两个机器人确定为一条分支路线的机器人子车队，而剩余的4个机器人则为另一条分支路线的机器人子车队。当然，也可以将机器人车队等分为两个机器人子车队，以进行两条分支路线的检测。
示例性的，假设机器人车队由5个机器人组成，若当前所处位置对应的分支路线为3条，两条为地面类型，一条为立柱类型，则可以将队首的两个机器人确定为一条地面类型的分支路线的机器人子车队，第三个和第四个机器人确定为另一条地面类型的分支路线的机器人子车队，队尾的机器人则确定为立柱类型的分支路线的机器人。
具体的，当对机器人车队进行拆分得到各个机器人子车队之后，各个机器人子车队进行各个分支路线的检测，以构建各个分支路线的地图。当机器人子车队所处位置包括分支路线时，即机器人子车队移动至分岔路口时，若该分岔路口的各个分支路线均未检测，则可以继续按照前述方式对机器人子车队件拆分，得到更多的机器人车队，进行不同的分支路线的检测，提高数据采集的效率。
示例性的，图5D至图5F为本申请图4所示实施例中另一种机器人车队拆分过程的示意图，结合图5D至图5F可知，在本实施例中，针对分支路线45和分支路线46，将机器人车队拆分为两个机器人子车队，分别进行分支路线45和分支路线46的检测，如图5D所示，分支路线45对应的子车队由机器人41和机器人42组成，而分支路线46对应的机器人子车队则由机器人43和机器人44组成，是将原来的机器人车队平均分为两个机器人子车队，队尾的两个组成一个子车队，队首的两个组成另一个子车队。进而，如图5E所示，机器人43和机器人44向上行走，以采集分支路线46的检测信息，机器人41和机器人42则向前行走，以采集分支路线45的检测信息。当机器人43和机器人44对应的机器人子车队完成分支路线45的检测任务之后，如图5F所示，机器人43和机器人44移动至货架顶部的天轨对应的路径，以进行天轨路径的检测。
可选的，当所述机器人子车队所处位置包括分支路线时，所述方法还包括：
判断所述机器人子车队所处位置对应的分支路线是否存在未检测路线；若是，则确定所述机器人子车队的移动方向为所述未检测路线对应的方向，以由所述机器人子车队采集所述未检测路线的检测子数据；若否，则确定所述机器人子车队的移动方向为目标子车队对应的方向，或控制所述机器人子车队进入待机状态。
其中，目标子车队为与所述机器人子车队距离最近的其他机器人子车队，或者为机器人的数量最多的其他机器人子车队。未检测路线即未被任意一个机器人车队或机器人子车队检测的路线。
具体的，当机器人子车队当前位置包括分支路线，可以判断各个分支路线中是否存在未检测路线，若存在，则可以控制机器人子车队的移动方向为其中一条未检测路线对应的方向，以通过机器人子车队采集该未检测路线的检测子数据。若不存在未检测路线，则可以指示该机器人子车队与其他机器人子车队汇合，以进行合并，或者指示该机器人子车队进行入待机状态。
进一步地，若机器人子车队的机器人数量较多，如大于预设数量，则可以基于前述机器人车队拆分的方式对机器人子车队进行拆分，以分别采集机器人子车队当前位置的各个分支路线的检测子数据。
可选的，当所述机器人子车队所处位置对应的分支路线不存在未检测路线时，所述方法还包括：
获取所述仓库的预设检测路线，其中，所述预设检测路线为未被机器人车队或机器人子车队检测的路线；控制所述机器人子车队移动至所述预设检测路线，以得到所述预设检测路线的监测数据。
具体的，若机器人子车队当前位置对应的分支路线均已被检测，则可以判断仓库中是否存在未被检测的其他路线，即上述预设检测路线，若是，则指示该机器人子车队移动至该预设检测路线，以采集该预设检测路线的检测子数据。
步骤S405，针对每个机器人子车队的各个机器人，根据所述机器人子车队的机器人的数量以及所述机器人在所述机器人子车队的位置，确定所述机器人用于采集数据的传感器，以由各个机器人子车队检测所述分支路线。
具体的，当机器人子车队的机器人数量为2个时，队首的机器人，即第一机器人，用于采集数据的传感器为设置在机器人前表面和左右两个侧面的传感器；队尾的机器人，即第二机器人，用于采集数据的传感器为设置在机器人后表面和左右两个侧面的传感器。
具体的，当机器人子车队的机器人数量为3个时，队首的机器人，即第一机器人，用于采集数据的传感器为设置在机器人前表面的传感器；队中的机器人，即第二机器人，用于采集数据的传感器为设置在机器人左右两个侧面的传感器；队尾的机器人，即第三机器人，用于采集数据的传感器为设置在机器人后表面的传感器。
进一步地，当机器人子车队的机器人数量为1个，机器人子车队位于立柱上，则机器人用于采集数据的传感器可以为设置在机器人前表面、后表面以及下表面的传感器。
在本实施例中，机器人可以依据其在车队中的位置，自适应切换用于采集数据的传感器，以满足地图构建的需求。
步骤S406，得到各个机器人子车队采集的检测子数据。
步骤S407，根据多个机器人子车队经过的重叠区域，对各个机器人子车队的检测子数据进行校正。
其中，重叠区域即为至少两个机器人子车队均经过的区域。
具体的，可以基于该重叠区域对应的各个机器人子车队的检测子数据，对各个机器人子车队的检测子数据进行校正，以提高各个机器人子车队的检测子数据的准确度，提高所构建的地图的准确度。
步骤S408，基于校正后的各个检测子数据构建所述仓库预设区域的地图。
进一步地，当各个机器人子车队满足一定条件时，可以将各个机器人子车队合并，以通过合并后的机器人车队进行数据采集。
可选的，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
根据各个机器人子车队采集的检测子数据，确定各个机器人子车队的子车队位置；根据所述子车队位置以及各个机器人子车队的移动方向，将各个机器人子车队进行合并，以得到机器人合并车队；根据各个机器人在所述机器人合并车队的位置，确定各个机器人用于采集数据的传感器。
具体的，在机器人车队拆分成为多个机器人子车队之后，机器人子车队进行相应的分支路线的检测，仓库管理设备可以根据检测子车队采集的检测子数据确定各个机器人子车队当前的位置，即子车队位置，进而根据子车队位置和各个机器人子车队的移动方向，判断是否存在预设时间内相遇的各个机器人子车队，若存在，则当各个机器人子车队相遇时，将各个机器人子车队进行合并，以得到机器人合并车队。在得到机器人合并车队之后，可以根据各个机器人在机器人合并车队中的位置，确定各个机器人用于采集数据的传感器，具体启用的传感器与机器人车队或机器人子车队中的相同。
示例性的，图5G为本申请图4所示实施例中机器人子车队合并的示意图，如图5G所示，一个机器人子车队由机器人51组成，正在采集立柱分支类型的分支路线的检测信息，另一个机器人子车队由机器人52至机器人54组成，正在采集地面类型的分支路线的检测信息，当两个机器人子车队需要进行合并时，可以两个机器人子车队的位置，将机器人51合并至机器人52至机器人54组成的机器人子车队中，在图5G中，将机器人51合并至机器人53和机器人54之间，即合并至另一个机器人子车队的队中，图5H为本申请图4所示实施例中另一种机器人子车队合并的示意图，结合图5G和图5H可知，与图5G不同的是，在图5H中，将机器人51合并至另一个机器人子车队的队首。需要了解的是，图5G和图5H中的两个车队的合并方式仅作为示例，可以采用任何一种合并方式，将两个或两个以上的机器人子车队合并为一个车队。
可选的，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
针对每个机器人子车队，根据所述机器人子车队采集的检测子数据和/或各机器人子车队反馈的定位信息，判断所述机器人子车队的检测范围内是否存在其他机器人子车队；若是，则将所述机器人子车队与其他机器人子车队进行合并，以得到机器人合并车队；根据各个机器人在所述机器人合并车队的位置，确定各个机器人用于采集数据的传感器。
具体的，机器人子车队的检测范围即为其采集的检测子数据对应的视野范围。当其他机器人子车队出现在当前机器人子车队的检测范围内时，可以将当前机器人子车队与其他机器人子车队合并。
具体的，根据检测数据，构建仓储系统的仓库的地图，包括：根据机器人合并车队、机器人车队以及各个机器人子车队采集的数据，构建仓储系统的仓库的地图。
示例性的，图5I为本申请图4所示实施例中另一种机器人子车队的合并的示意图，如图5I所示，当前仓储系统中包括3个机器人子车队，即由机器人55组成的机器人子车队A、由机器人56组成的机器人子车队B以及由机器人57至机器人59组成的机器人子车队C，其中，机器人子车队B和机器人子车队C是由一个机器人车队拆分而成的。当机器人56所在的机器人子车队B需要进行合并时，其检测范围内存在机器人子车队C，则机器人56向上移动，从而移动至天轨，进而与机器人55合并为一个新的车队，可以是机器人55在队首位置，或者机器人56在队首位置，图5I中以机器人56为队首为例，具体可以根据两者到达合并点的时间确定。
可选的，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
当确定第一数量的机器人子车队在预设时间内在预设分支点汇合时，判断所述预设分支点对应的未检测方向的数量是否小于所述第一数量，其中，预设分支点对应多个分支路线，未检测方向为预设分支点对应的未被检测的分支路线所在的方向；若是，则根据所述第一数量以及所述预设分支点对应的未检测方向的数量，确定第一数量的机器人子车队的合并策略，以基于所述合并策略进行机器人子车队的合并，得到机器人合并车队，其中，所述合并策略包括合并的机器人子车队及其合并方式。
其中，预设时间可以为1min、30s、10s或者其他值。预设分支点可以为分支路线对应的点。未检测方向即为未检测的分支路线所在的方向。合并策略可以优先选择机器人数量少的机器人子车队，或者可以优先选择先到到预设分支点的机器人子车队。合并方式可以采用一个机器人子车队跟随另一个机器人子车队的队尾的机器人的方式。
具体的，当多个机器人子车队在预设时间内会在预设分支点汇合时，则可以判断该预设分支点对应的未检测方向的数量是否小于第一数量，即判断未检测的分支路线的数量是否小于汇合的机器人子车队的数量，即第一数量，若是，则可以对第一数量的机器人子车队中的至少两个机器人子车队进行合并。
示例性的，当预设分支点对应的未检测方向为2，第一数量为3时，合并策略可以为将机器人数量最少的两个机器人子车队合并。
示例性的，当预设分支点对应的未检测方向为1，第一数量为3时，合并策略可以为：根据到达预设分支点的先后顺序，将3个机器人子车队合并为一个机器人合并车队，即后到达的机器人子车队跟随先到达的机器人子车队的队尾的机器人。
示例性的，图5J为本公开图4所示实施例中各个机器人子车队在仓库中检测的示意图，图5K为本公开图5J所示实施例中机器人子车队合并的示意图，结合图5J和图5K可知，机器人子车队510由机器人511至机器人513组成，机器人子车队520由机器人521和机器人522组成，机器人子车队530由机器人531至机器人533组成，机器人子车队510在3s之后会移动至汇合点P，机器人子车队520在4.5s之后会移动至汇合点P，机器人子车队530则在8S之后会移动至汇合点P，且汇合点P包括两个未检测方向，方向P1和方向P2，则可以将先到达汇合点P的两个机器人子车队，即机器人子车队510和机器人子车队520合并，如图5B所示，合并之后的机器人合并车队540依次由机器人511、机器人512、机器人513、机器人521和机器人522组成。进而，由机器人合并车队540沿方向P1检测相应的未检测分支路线，由机器人子车队530沿方向P2检测相应的未检测分支路线。
步骤S409，得到作业机器人或第二机器人车队采集的更新检测数据。
其中，所述作业机器人为仓储任务的机器人，仓储任务包括料箱搬运、理库和货架巡视中的一项或多项。该作业机器人上可以设置有一个或多个传感器，以采集更新检测数据。第二机器人车队可以是仓储系统中空闲的机器人组成的车队。第二机器人车队的各个机器人上设置有一个或多个传感器，以采集更新检测数据。
在一些实施例中，前述机器人车队的机器人和第二机器人车队的机器人可以为相同的机器人，各个机器人上设置的传感器也相同。
步骤S410，根据所述更新检测数据更新所构建的所述仓库的地图。
具体的，可以根据更新检测数据与检测数据的差异数据，更新所构建的仓库的地图。该差异数据可以为同一位置对应的更新检测数据与检测数据的差值。
在本实施例中，当机器人车队行走至分岔路口，即机器人车队所处的位置对应多个分支路线，则可以根据机器人车队包括的机器人数量对机器人车队进行拆分，得到多个机器人子车队，以由各个机器人子车队采集相应的分支路线的检测子数据，进一步提高检测数据采集的效率，同时，当不同的机器人子车队经过同一区域时，还可以基于各个机器人子车队的检测子数据进行数据校正，提高了地图构建的精度；针对拆分后的每个机器人子车队，可以根据机器人在其对应的机器人子车队的位置，确定用于采集检测数据的传感器，提高了机器人车队数据采集的灵活性；并且，当地图构建完成之后，机器人在后续的作业过程中，可以基于采集的数据对地图进行更新，以提高地图的实时性和准确性，提高机器人导航的精度。
图6为本公开一个实施例提供的地图构建装置的结构示意图，如图6所述，该地图构建装置包括：数据获取模块610和地图构建模块620。
其中，数据获取模块610，用于得到机器人车队采集的检测数据，其中，所述机器人车队包括第一机器人和至少一个第二机器人，所述第一机器人为所述机器人车队队首的机器人，所述机器人车队的后一机器人跟随前一机器人进行移动；地图构建模块620，用于根据所述检测数据，构建仓储系统的仓库的地图。
可选的，数据获取模块610，包括：
第一数据获取单元，用于得到所述第一机器人的第一传感器采集的第一检测数据；第二数据获取单元，用于得到所述至少一个第二机器人的第二传感器采集的第二检测数据；其中，所述第一检测数据包括所述机器人车队的前方区域的环境信息，所述第二检测数据包括所述机器人车队的左侧区域和右侧区域的环境信息。
可选的，所述机器人车队还包括第三机器人，其中，所述第三机器人为所述机器人车队队尾的机器人，所述检测数据还包括所述第三机器人的第三传感器采集的第三检测数据，所述第三检测数据包括所述机器人车队的后方区域的环境信息。
可选的，数据获取模块610，还包括：
第三数据获取单元，用于得到所述第三机器人的第三传感器采集的第三检测数据。
可选的，当所述机器人车队移动至预设位置时，所述机器人车队拆分为多个机器人子车队，数据获取模块610，还包括：
子数据获取单元，用于得到各个机器人子车队采集的检测子数据，以基于各个检测子数据构建所述仓库预设区域的地图。
可选的，所述装置还包括：
分支判断模块，用于根据所述检测数据，判断所述机器人车队所处位置是否包括分支路线；车队拆分模块，用于若包括分支路线，则将所述机器人车队拆分为预设数量的机器人子车队，以由各个机器人子车队检测所述分支路线，其中，所述预设数量小于或等于所述分支路线的数量。
可选的，车队拆分模块，具体用于：
获取所述分支路线的类型；根据所述分支路线的类型以及所述分支路线的数量，将所述机器人车队拆分为预设数量的机器人子车队。
可选的，车队拆分模块，具体用于：
针对每个分支路线，若当前分支路线的类型为立柱分支类型时，从所述机器人车队中确定至少一个机器人为所述当前分支路线的机器人子车队；或，针对每个分支路线，若当前分支路线的类型为地面类型、天轨分支类型或货架环形分支类型时，从所述机器人车队中确定至少两个机器人为所述当前分支路线的机器人子车队；其中，所述立柱分支为所述仓库的货架的立柱对应的分支，所述天轨分支为所述货架顶部的天轨上路径对应的分支，所述货架环形分支为所述货架四周设置的具有设定水平高度的环形轨道上的路径对应的分支。
可选的，车队拆分模块，具体用于：
从所述机器人车队的队首或队尾，依次将所述机器人车队拆分为预设数量的机器人子车队。
可选的，所述装置还包括：
第一传感器配置模块，用于在将所述机器人车队拆分为预设数量的机器人子车队之后，针对每个机器人子车队的各个机器人，根据所述机器人子车队的机器人的数量以及所述机器人在所述机器人子车队的位置，确定所述机器人用于采集数据的传感器。
可选的，所述装置还包括：
机器人数量判断模块，用于当所述机器人车队所处位置包括分支路线时，判断所述机器人车队的机器人数量是否大于或等于预设阈值。
相应的，车队拆分模块，具体用于：
若所述机器人车队的机器人数量大于或等于预设阈值，则将所述机器人车队拆分为预设数量的机器人子车队。
可选的，所述装置还包括：
第一数据校正模块，用于在得到各个机器人子车队采集的检测子数据之后，根据多个机器人子车队经过的重叠区域，对各个机器人子车队的检测子数据进行校正；基于校正后的各个检测子数据构建所述仓库预设区域的地图。
可选的，所述装置还包括：
第一子车队控制模块，用于当所述机器人子车队所处位置包括分支路线时，判断所述机器人子车队所处位置对应的分支路线是否存在未检测路线；若是，则确定所述机器人子车队的移动方向为所述未检测路线对应的方向，以由所述机器人子车队采集所述未检测路线的检测子数据；若否，则确定所述机器人子车队的移动方向为目标子车队对应的方向，或控制所述机器人子车队进入待机状态，其中，目标子车队为与所述机器人子车队距离最近的其他机器人子车队，或者为机器人的数量最多的其他机器人子车队。
可选的，所述装置还包括：
第二子车队控制模块，用于当所述机器人子车队所处位置对应的分支路线不存在未检测路线时，获取所述仓库的预设检测路线，其中，所述预设检测路线为未被机器人车队或机器人子车队检测的路线；控制所述机器人子车队移动至所述预设检测路线，以得到所述预设检测路线的监测数据。
可选的，所述装置还包括：
第一子车队合并模块，用于在将所述机器人车队拆分为预设数量的机器人子车队之后，根据各个机器人子车队采集的检测子数据，确定各个机器人子车队的子车队位置；根据所述子车队位置以及各个机器人子车队的移动方向，将各个机器人子车队进行合并，以得到机器人合并车队；根据各个机器人在所述机器人合并车队的位置，确定各个机器人用于采集数据的传感器。
可选的，所述装置还包括：
第二子车队合并模块，用于在将所述机器人车队拆分为预设数量的机器人子车队之后，针对每个机器人子车队，根据所述机器人子车队采集的检测子数据和/或各机器人子车队反馈的定位信息，判断所述机器人子车队的检测范围内是否存在其他机器人子车队；若是，则将所述机器人子车队与其他机器人子车队进行合并，以得到机器人合并车队；根据各个机器人在所述机器人合并车队的位置，确定各个机器人用于采集数据的传感器。
可选的，所述装置还包括：
第三子车队合并模块，用于在将所述机器人车队拆分为预设数量的机器人子车队之后，当确定第一数量的机器人子车队在预设时间内在预设分支点汇合时，判断所述预设分支点对应的未检测方向的数量是否小于所述第一数量，其中，预设分支点对应多个分支路线，未检测方向为预设分支点对应的未被检测的分支路线所在的方向；若是，则根据所述第一数量以及所述预设分支点对应的未检测方向的数量，确定第一数量的机器人子车队的合并策略，以基于所述合并策略进行机器人子车队的合并，得到机器人合并车队，其中，所述合并策略包括合并的机器人子车队及其合并方式。
可选的，所述装置还包括：
地图更新模块，用于在构建仓储系统的仓库的地图之后，得到作业机器人或第二机器人车队采集的更新检测数据，其中，所述作业机器人为仓储任务的机器人，仓储任务包括料箱搬运、理库和货架巡视中的一项或多项；根据所述更新检测数据更新所构建的所述仓库的地图。
本公开实施例所提供的地图构建装置可执行本公开任意实施例所提供的地图构建方法，具备执行方法相应的功能模块和有益效果。
图7为本公开一个实施例提供的地图构建设备的结构示意图，如图7所示，该地图构建设备包括：存储器710，处理器720以及计算机程序。
其中，计算机程序存储在存储器710中，并被配置为由处理器720执行以实现本公开图2和图4所对应的实施例中任一实施例提供的地图构建方法。
其中，存储器710和处理器720通过总线730连接。
相关说明可以对应参见图2和图4的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
图8为本公开一个实施例提供的仓储系统的结构示意图，如图8所示，该仓储系统包括：仓库810、多个机器人820以及地图构建设备830。
其中，地图构建设备830为本公开图7所示实施例提供的地图构建设备。
在一些实施例中，仓库810还包括货架811，用于进行货物的存放。
在一些实施例中，仓库810还包括地面公共区域，该地面公共区域可以是用于进行货物分拣、出库等操作的区域。
在一些实施例中，仓库810的地面上设置有地面环形路径812，该地面环形路径可以为单行道，还设置有巷道，位于相邻两个货架811之间。
在一些实施例中，货架811的立柱上设置有立柱路径，可以使得机器人820沿立柱上下移动。具体的，机器人820可以通过其中一个侧面与立柱连接，从而可以在立柱路径上进行上下移动。
在一些实施例中，仓库810还包括天轨，天轨设置在各个货架811的顶部，该天轨可以为环形，从而当机器人810沿一个货架811的立柱移动至货架顶部时，可以通过天轨移动至其他货架，进而通过其他货架的立柱移动至地面。
在一些实施例中，仓库810还包括天桥，该天桥可以连接天轨和地面环形路径812，或者可以连接天轨和地面公共区域。
本公开一个实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本公开图2和图4所对应的实施例中任一实施例提供的地图构建方法。
其中，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。
本公开还提供一种程序产品，该程序产品包括可执行计算机程序，该可执行计算机程序存储在可读存储介质中。地图构建设备或仓储系统的至少一个处理器可以从可读存储介质读取该计算机程序，至少一个处理器执行该计算机程序使得地图构建装置实施上述各种实施方式提供的地图构建方法。
在本公开所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，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，例如多个模块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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块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(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本公开各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)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。结合本公开所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(Peripheral Component，简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本公开附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述各实施例对本公开进行了详细的说明，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，或者对其中部分或者全部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公开各实施例技术方案的范围。
Claims (22)
1.一种地图构建方法，其特征在于，所述方法应用于仓储系统，所述方法包括：
得到机器人车队采集的检测数据，其中，所述机器人车队包括第一机器人和至少一个第二机器人，所述第一机器人为所述机器人车队队首的机器人，所述机器人车队的后一机器人跟随前一机器人进行移动；
根据所述检测数据，构建仓储系统的仓库的地图。
2.根据权利要求1所述的方法，其特征在于，得到机器人车队采集的检测数据，包括：
得到所述第一机器人的第一传感器采集的第一检测数据；
得到所述至少一个第二机器人的第二传感器采集的第二检测数据；
其中，所述第一检测数据包括所述机器人车队的前方区域的环境信息，所述第二检测数据包括所述机器人车队的左侧区域和右侧区域的环境信息。
3.根据权利要求2所述的方法，其特征在于，所述机器人车队还包括第三机器人，其中，所述第三机器人为所述机器人车队队尾的机器人，所述检测数据还包括所述第三机器人的第三传感器采集的第三检测数据，所述第三检测数据包括所述机器人车队的后方区域的环境信息。
4.根据权利要求1所述的方法，其特征在于，当所述机器人车队移动至预设位置时，所述机器人车队拆分为多个机器人子车队，得到机器人车队采集的检测数据，包括：
得到各个机器人子车队采集的检测子数据，以基于各个检测子数据构建所述仓库预设区域的地图。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述检测数据，判断所述机器人车队所处位置是否包括分支路线；
若是，则将所述机器人车队拆分为预设数量的机器人子车队，以由各个机器人子车队检测所述分支路线，其中，所述预设数量小于或等于所述分支路线的数量；
相应的，得到机器人车队采集的检测数据，包括：
得到各个机器人子车队采集的检测子数据。
6.根据权利要求5所述的方法，其特征在于，将所述机器人车队拆分为预设数量的机器人子车队，包括：
获取所述分支路线的类型；
根据所述分支路线的类型以及所述分支路线的数量，将所述机器人车队拆分为预设数量的机器人子车队。
7.根据权利要求6所述的方法，其特征在于，根据所述分支路线的类型以及所述分支路线的数量，将所述机器人车队拆分为预设数量的机器人子车队，包括：
针对每个分支路线，若当前分支路线的类型为立柱分支类型时，从所述机器人车队中确定至少一个机器人为所述当前分支路线的机器人子车队；或，
针对每个分支路线，若当前分支路线的类型为地面类型、天轨分支类型或货架环形分支类型时，从所述机器人车队中确定至少两个机器人为所述当前分支路线的机器人子车队；
其中，所述立柱分支为所述仓库的货架的立柱对应的分支，所述天轨分支为所述货架顶部的天轨上路径对应的分支，所述货架环形分支为所述货架四周设置的具有设定水平高度的环形轨道上的路径对应的分支。
8.根据权利要求5所述的方法，其特征在于，将所述机器人车队拆分为预设数量的机器人子车队，包括：
从所述机器人车队的队首或队尾，依次将所述机器人车队拆分为预设数量的机器人子车队。
9.根据权利要求5所述的方法，其特征在于，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
针对每个机器人子车队的各个机器人，根据所述机器人子车队的机器人的数量以及所述机器人在所述机器人子车队的位置，确定所述机器人用于采集数据的传感器。
10.根据权利要求5所述的方法，其特征在于，当所述机器人车队所处位置包括分支路线时，所述方法还包括：
判断所述机器人车队的机器人数量是否大于或等于预设阈值；
相应的，将所述机器人车队拆分为预设数量的机器人子车队，包括：
若所述机器人车队的机器人数量大于或等于预设阈值，则将所述机器人车队拆分为预设数量的机器人子车队。
11.根据权利要求5-10任一项所述的方法，其特征在于，在得到各个机器人子车队采集的检测子数据之后，所述方法还包括：
根据多个机器人子车队经过的重叠区域，对各个机器人子车队的检测子数据进行校正；
基于校正后的各个检测子数据构建所述仓库预设区域的地图。
12.根据权利要求5-10任一项所述的方法，其特征在于，当所述机器人子车队所处位置包括分支路线时，所述方法还包括：
判断所述机器人子车队所处位置对应的分支路线是否存在未检测路线；
若是，则确定所述机器人子车队的移动方向为所述未检测路线对应的方向，以由所述机器人子车队采集所述未检测路线的检测子数据；
若否，则确定所述机器人子车队的移动方向为目标子车队对应的方向，或控制所述机器人子车队进入待机状态，其中，目标子车队为与所述机器人子车队距离最近的其他机器人子车队，或者为机器人的数量最多的其他机器人子车队。
13.根据权利要求12所述的方法，其特征在于，当所述机器人子车队所处位置对应的分支路线不存在未检测路线时，所述方法还包括：
获取所述仓库的预设检测路线，其中，所述预设检测路线为未被机器人车队或机器人子车队检测的路线；
控制所述机器人子车队移动至所述预设检测路线，以得到所述预设检测路线的监测数据。
14.根据权利要求5-10任一项所述的方法，其特征在于，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
根据各个机器人子车队采集的检测子数据，确定各个机器人子车队的子车队位置；
根据所述子车队位置以及各个机器人子车队的移动方向，将各个机器人子车队进行合并，以得到机器人合并车队；
根据各个机器人在所述机器人合并车队的位置，确定各个机器人用于采集数据的传感器。
15.根据权利要求5-10任一项所述的方法，其特征在于，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
针对每个机器人子车队，根据所述机器人子车队采集的检测子数据和/或各机器人子车队反馈的定位信息，判断所述机器人子车队的检测范围内是否存在其他机器人子车队；
若是，则将所述机器人子车队与其他机器人子车队进行合并，以得到机器人合并车队；
根据各个机器人在所述机器人合并车队的位置，确定各个机器人用于采集数据的传感器。
16.根据权利要求5-10任一项所述的方法，其特征在于，在将所述机器人车队拆分为预设数量的机器人子车队之后，所述方法还包括：
当确定第一数量的机器人子车队在预设时间内在预设分支点汇合时，判断所述预设分支点对应的未检测方向的数量是否小于所述第一数量，其中，预设分支点对应多个分支路线，未检测方向为预设分支点对应的未被检测的分支路线所在的方向；
若是，则根据所述第一数量以及所述预设分支点对应的未检测方向的数量，确定第一数量的机器人子车队的合并策略，以基于所述合并策略进行机器人子车队的合并，得到机器人合并车队，其中，所述合并策略包括合并的机器人子车队及其合并方式。
17.根据权利要求1-10任一项所述的方法，其特征在于，在构建仓储系统的仓库的地图之后，所述方法还包括：
得到作业机器人或第二机器人车队采集的更新检测数据，其中，所述作业机器人为仓储任务的机器人，仓储任务包括料箱搬运、理库和货架巡视中的一项或多项；
根据所述更新检测数据更新所构建的所述仓库的地图。
18.一种地图构建装置，其特征在于，包括：
数据获取模块，用于得到机器人车队采集的检测数据，其中，所述机器人车队包括第一机器人和至少一个第二机器人，所述第一机器人为所述机器人车队队首的机器人，所述机器人车队的后一机器人跟随前一机器人进行移动；
地图构建模块，用于根据所述检测数据，构建仓储系统的仓库的地图。
19.一种地图构建设备，其特征在于，包括：
存储器和至少一个处理器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-17任一项所述的地图构建方法。
20.一种仓储系统，其特征在于，包括：仓库、多个机器人以及权利要求12所述的地图构建设备。
21.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-17任一项所述的地图构建方法。
22.一种计算机程序产品，包括计算机程序，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1-17任一项所述的地图构建方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110745094.5A CN113387099B (zh) | 2021-06-30 | 2021-06-30 | 地图构建方法、装置、设备、仓储系统及存储介质 |
| PCT/CN2022/101649 WO2023274177A1 (zh) | 2021-06-30 | 2022-06-27 | 地图构建方法、装置、设备、仓储系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110745094.5A CN113387099B (zh) | 2021-06-30 | 2021-06-30 | 地图构建方法、装置、设备、仓储系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113387099A true CN113387099A (zh) | 2021-09-14 |
| CN113387099B CN113387099B (zh) | 2023-01-10 |
Family
ID=77624981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110745094.5A Active CN113387099B (zh) | 2021-06-30 | 2021-06-30 | 地图构建方法、装置、设备、仓储系统及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113387099B (zh) |
| WO (1) | WO2023274177A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114176460A (zh) * | 2021-11-19 | 2022-03-15 | 科大讯飞股份有限公司 | 清扫控制方法、相关装置、清扫方法、设备及清扫系统 |
| WO2023274177A1 (zh) * | 2021-06-30 | 2023-01-05 | 深圳市海柔创新科技有限公司 | 地图构建方法、装置、设备、仓储系统及存储介质 |
| CN116358531A (zh) * | 2023-06-01 | 2023-06-30 | 佛山云曼健康科技有限公司 | 地图构建方法、装置、机器人和存储介质 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915465A (zh) * | 2012-10-24 | 2013-02-06 | 河海大学常州校区 | 一种基于移动生物刺激神经网络的多机器人联合编队方法 |
| CN108334535A (zh) * | 2017-01-20 | 2018-07-27 | 株式会社久保田 | 分割图制作系统 |
| CN108931977A (zh) * | 2017-06-06 | 2018-12-04 | 北京猎户星空科技有限公司 | 机器人环境建图方法、装置及机器人 |
| CN109074080A (zh) * | 2016-03-25 | 2018-12-21 | 轨迹机器人公司 | 订单履行操作中的机器人排队 |
| CN109814556A (zh) * | 2019-01-22 | 2019-05-28 | 东南大学 | 一种多机器人协作探索未知环境与地图构建的装置与方法 |
| CN110039543A (zh) * | 2019-04-14 | 2019-07-23 | 炬星科技（深圳）有限公司 | 仓储地图快速确定方法、设备、存储介质及机器人 |
| CN110516019A (zh) * | 2019-08-15 | 2019-11-29 | 腾讯科技（深圳）有限公司 | 一种新路发现方法、装置、设备及存储介质 |
| CN111121753A (zh) * | 2019-12-30 | 2020-05-08 | 炬星科技（深圳）有限公司 | 机器人联合建图方法、设备及计算机可读存储介质 |
| CN111213032A (zh) * | 2017-10-13 | 2020-05-29 | 罗伯特·博世有限公司 | 用于对路线区段绘制地图的方法 |
| CN111369640A (zh) * | 2020-02-28 | 2020-07-03 | 广州高新兴机器人有限公司 | 多机器人建图方法、系统、计算机存储介质及电子设备 |
| CN111609848A (zh) * | 2020-05-21 | 2020-09-01 | 北京洛必德科技有限公司 | 一种用于多机器人协作建图的智能优化方法及系统 |
| CN111656138A (zh) * | 2020-04-16 | 2020-09-11 | 珊口（上海）智能科技有限公司 | 构建地图及定位方法、客户端、移动机器人及存储介质 |
| CN111766879A (zh) * | 2020-06-24 | 2020-10-13 | 天津大学 | 一种基于自主协同导航的智能车编队系统 |
| CN111984016A (zh) * | 2020-08-27 | 2020-11-24 | 华晟（青岛）智能装备科技有限公司 | 一种基于多类型agv的导航地图构建方法 |
| CN112068571A (zh) * | 2020-09-28 | 2020-12-11 | 四川紫荆花开智能网联汽车科技有限公司 | 一种用于无人驾驶的车辆编队系统和方法 |
| CN112685527A (zh) * | 2020-12-31 | 2021-04-20 | 北京迈格威科技有限公司 | 建立地图的方法、装置和电子系统 |
| CN112833890A (zh) * | 2020-12-30 | 2021-05-25 | 深圳市海柔创新科技有限公司 | 地图构建方法、装置、设备、机器人及存储介质 |
| US20210341308A1 (en) * | 2018-10-19 | 2021-11-04 | Harman Becker Automotive Systems Gmbh | Global map creation using fleet trajectories and observations |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9465390B2 (en) * | 2014-11-11 | 2016-10-11 | Google Inc. | Position-controlled robotic fleet with visual handshakes |
| US10037029B1 (en) * | 2016-08-08 | 2018-07-31 | X Development Llc | Roadmap segmentation for robotic device coordination |
| CN113387099B (zh) * | 2021-06-30 | 2023-01-10 | 深圳市海柔创新科技有限公司 | 地图构建方法、装置、设备、仓储系统及存储介质 |
-
2021
- 2021-06-30 CN CN202110745094.5A patent/CN113387099B/zh active Active
-
2022
- 2022-06-27 WO PCT/CN2022/101649 patent/WO2023274177A1/zh unknown
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915465A (zh) * | 2012-10-24 | 2013-02-06 | 河海大学常州校区 | 一种基于移动生物刺激神经网络的多机器人联合编队方法 |
| CN109074080A (zh) * | 2016-03-25 | 2018-12-21 | 轨迹机器人公司 | 订单履行操作中的机器人排队 |
| CN108334535A (zh) * | 2017-01-20 | 2018-07-27 | 株式会社久保田 | 分割图制作系统 |
| CN108931977A (zh) * | 2017-06-06 | 2018-12-04 | 北京猎户星空科技有限公司 | 机器人环境建图方法、装置及机器人 |
| CN111213032A (zh) * | 2017-10-13 | 2020-05-29 | 罗伯特·博世有限公司 | 用于对路线区段绘制地图的方法 |
| US20210341308A1 (en) * | 2018-10-19 | 2021-11-04 | Harman Becker Automotive Systems Gmbh | Global map creation using fleet trajectories and observations |
| CN109814556A (zh) * | 2019-01-22 | 2019-05-28 | 东南大学 | 一种多机器人协作探索未知环境与地图构建的装置与方法 |
| CN110039543A (zh) * | 2019-04-14 | 2019-07-23 | 炬星科技（深圳）有限公司 | 仓储地图快速确定方法、设备、存储介质及机器人 |
| CN110516019A (zh) * | 2019-08-15 | 2019-11-29 | 腾讯科技（深圳）有限公司 | 一种新路发现方法、装置、设备及存储介质 |
| CN111121753A (zh) * | 2019-12-30 | 2020-05-08 | 炬星科技（深圳）有限公司 | 机器人联合建图方法、设备及计算机可读存储介质 |
| CN111369640A (zh) * | 2020-02-28 | 2020-07-03 | 广州高新兴机器人有限公司 | 多机器人建图方法、系统、计算机存储介质及电子设备 |
| CN111656138A (zh) * | 2020-04-16 | 2020-09-11 | 珊口（上海）智能科技有限公司 | 构建地图及定位方法、客户端、移动机器人及存储介质 |
| CN111609848A (zh) * | 2020-05-21 | 2020-09-01 | 北京洛必德科技有限公司 | 一种用于多机器人协作建图的智能优化方法及系统 |
| CN111766879A (zh) * | 2020-06-24 | 2020-10-13 | 天津大学 | 一种基于自主协同导航的智能车编队系统 |
| CN111984016A (zh) * | 2020-08-27 | 2020-11-24 | 华晟（青岛）智能装备科技有限公司 | 一种基于多类型agv的导航地图构建方法 |
| CN112068571A (zh) * | 2020-09-28 | 2020-12-11 | 四川紫荆花开智能网联汽车科技有限公司 | 一种用于无人驾驶的车辆编队系统和方法 |
| CN112833890A (zh) * | 2020-12-30 | 2021-05-25 | 深圳市海柔创新科技有限公司 | 地图构建方法、装置、设备、机器人及存储介质 |
| CN112685527A (zh) * | 2020-12-31 | 2021-04-20 | 北京迈格威科技有限公司 | 建立地图的方法、装置和电子系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023274177A1 (zh) * | 2021-06-30 | 2023-01-05 | 深圳市海柔创新科技有限公司 | 地图构建方法、装置、设备、仓储系统及存储介质 |
| CN114176460A (zh) * | 2021-11-19 | 2022-03-15 | 科大讯飞股份有限公司 | 清扫控制方法、相关装置、清扫方法、设备及清扫系统 |
| CN116358531A (zh) * | 2023-06-01 | 2023-06-30 | 佛山云曼健康科技有限公司 | 地图构建方法、装置、机器人和存储介质 |
| CN116358531B (zh) * | 2023-06-01 | 2023-09-01 | 佛山市星曼信息科技有限公司 | 地图构建方法、装置、机器人和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023274177A1 (zh) | 2023-01-05 |
| CN113387099B (zh) | 2023-01-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113387099B (zh) | 地图构建方法、装置、设备、仓储系统及存储介质 | |
| CN110262518B (zh) | 基于轨迹拓扑地图和避障的车辆导航方法、系统及介质 | |
| CN109509210B (zh) | 障碍物跟踪方法和装置 | |
| CN102147260B (zh) | 电子地图匹配方法和装置 | |
| CN109163722B (zh) | 一种仿人机器人路径规划方法及装置 | |
| US10278333B2 (en) | Pruning robot system | |
| CN110674705B (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
| Douillard et al. | Hybrid elevation maps: 3D surface models for segmentation | |
| CN105702151A (zh) | 一种室内地图构建方法及装置 | |
| CN112526993B (zh) | 栅格地图更新方法、装置、机器人及存储介质 | |
| CN110333495A (zh) | 利用激光slam在长走廊建图的方法、装置、系统、存储介质 | |
| CN114842438A (zh) | 用于自动驾驶汽车的地形检测方法、系统及可读存储介质 | |
| WO2015199553A2 (en) | Lost vehicle recovery utilizing associated feature pairs | |
| CN110132242B (zh) | 多摄像机即时定位与地图构建的三角化方法及其运动体 | |
| CN113110455B (zh) | 一种未知初始状态的多机器人协同探索方法、装置及系统 | |
| CN114322799B (zh) | 一种车辆行驶方法、装置、电子设备和存储介质 | |
| CN111679664A (zh) | 基于深度相机的三维地图构建方法及扫地机器人 | |
| CN112833890A (zh) | 地图构建方法、装置、设备、机器人及存储介质 | |
| CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
| CN116050277A (zh) | 一种煤矿井下场景现实捕捉感知及仿真方法及设备 | |
| CN112084853A (zh) | 一种脚印预测方法、脚印预测装置及人形机器人 | |
| CN214398389U (zh) | 一种机器人 | |
| KR102408981B1 (ko) | Nd 맵 생성방법 및 그를 활용한 맵 업데이트 방법 | |
| CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
| US20230236021A1 (en) | Information processing device |
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 |