CN113475976A - 机器人可通行区域确定方法、装置、存储介质及机器人 - Google Patents
机器人可通行区域确定方法、装置、存储介质及机器人 Download PDFInfo
- Publication number
- CN113475976A CN113475976A CN202010183876.XA CN202010183876A CN113475976A CN 113475976 A CN113475976 A CN 113475976A CN 202010183876 A CN202010183876 A CN 202010183876A CN 113475976 A CN113475976 A CN 113475976A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- boundary
- cloud information
- robot
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010408 sweeping Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/24—Floor-sweeping machines, motor-driven
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
- A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
- A47L11/4061—Steering means; Means for avoiding obstacles; Details related to the place where the driver is accommodated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及一种机器人可通行区域确定方法、装置、存储介质及机器人，方法包括：针对房屋内的每个使用空间，获取机器人采集的雷达点云信息，将雷达点云信息划分为边界点云信息和障碍物点云信息，根据边界点云信息和障碍物点云信息确定使用空间内的多个目标椭圆包络区域，并使得每个目标椭圆包络区域内不存在障碍物和边界，每个目标椭圆包络区域对应的两个焦点之间的距离满足机器人的通行宽度，目标椭圆包络区域的数量满足所有目标椭圆包络区域能够连通，将所确定的所有目标椭圆包络区域的集合确定为机器人在使用空间内的可通行区域。通过采用上述方法，有效缓解了现有技术中存在的图形边界弯曲、倾斜的问题，从而有效提高地图的准确性。
Description
技术领域
本申请涉及机器人导航技术领域，特别地涉及一种机器人可通行区域确定方法、装置、存储介质及机器人。
背景技术
目前扫地机器人已经从最初的随机碰撞惯导式导航，逐渐发展到规划式导航，这很大程度上解决了扫地机漏扫和重扫现象的发生。规划式扫地机器人一般主要包括图像辅助定位加惯导，以及激光雷达加惯导的方式，随着2D激光雷达成本的降低，利用激光雷达进行建图的机器人越来越多，不仅限于扫地机器人，还广泛应用于AGV、服务机器人等室内机器人领域。这种配置激光雷达的扫地机器人主要是依赖激光雷达传感器进行建图，然后按照机器人的功能定义进行路径规划、遍历、避障、自主回充电桩等功能的实现都需要依赖地图，而与此同时地图也会在APP端进行显示，方便客户了解扫地机在什么位置，以实现清扫区域标识、指定区域清扫等功能。
目前，受限于扫地机器人或者服务机器人产品的成本，一般选用的2D激光雷达成本都比较低，雷达的精度较差、点云数据稀疏、分辨率低，因此利用目前的开源算法在一些稍复杂的场景例如：长直走廊的办公区域，回字形区域，面积较大的情况等，建图时会发生偏转以及交叠甚至是弯曲等问题，目前的方法是通过对开源算法进行参数适配，调校以及优化等方法来提高建图的准确度，这种方法调试时间周期长、而且对调试人员的技术水平要求比较高。其次由于建图过程中雷达点云稀疏导致地图中障碍物的点云不足，障碍物轮廓奇异，而且建图过程中的基准存在误差，在进行回环检测的时候，很容易把有误差的点作为新的基准。这样在有误差存在的基础上进行建图就会连续出现偏差。因此，现有技术中，由于机器人建图获得的图形边界存在弯曲、倾斜等情况，从而会造成最终获得的地图准确性差的问题。
发明内容
针对上述问题，本申请提供一种机器人可通行区域确定方法、装置、存储介质及机器人，有效缓解了现有技术中存在的图形边界弯曲、倾斜的问题，从而有效提高地图的准确性。
第一方面，本申请提供了一种机器人可通行区域确定方法，所述方法包括：
针对房屋内的每个使用空间，分别执行以下步骤：
获取机器人采集的雷达点云信息；
将所述雷达点云信息划分为边界点云信息和障碍物点云信息；
根据所述边界点云信息确定该使用空间的边界；
根据所述边界和所述障碍物点云信息，确定该使用空间内的多个目标椭圆包络区域，并使得每个目标椭圆包络区域内不存在障碍物和边界，每个目标椭圆包络区域对应的两个焦点之间的距离满足所述机器人的通行宽度，所述目标椭圆包络区域的数量满足所有目标椭圆包络区域能够连通；
将所确定的所有目标椭圆包络区域的集合确定为所述机器人在该使用空间内的可通行区域。
可选的，在上述机器人可通行区域确定方法中，根据所述边界和所述障碍物点云信息，确定该使用空间内的多个椭圆包络区域，包括：
从所述边界包括的雷达点和所述障碍物点云信息涉及的雷达点中确定多个雷达点组，每个雷达点组包括两个雷达点；
将每个雷达点组中包括的两个雷达点之间的连线作为椭圆轴线，并根据每个所述椭圆轴线形成不包括障碍物和边界的最大椭圆包络区域；
从多个所述椭圆包络区域中确定两个焦点之间距离满足所述机器人的通行宽度的多个目标椭圆包络区域。
可选的，在上述机器人可通行区域确定方法中，根据所述边界点云信息确定该使用空间的边界，包括：
根据所述边界点云信息确定该使用空间的矩形边界。
可选的，在上述机器人可通行区域确定方法中，根据所述边界点云信息确定该使用空间的矩形边界，包括：
根据边界点云信息中各边界点位置，得到多个边界点集中区域，获取每个所述边界点集中区域内由边界点形成的线段，并使获取到的多个线段中任意两个线段相互垂直或平行；
将获取到的多个线段进行拟合得到所述使用空间的矩形边界。
可选的，在上述机器人可通行区域确定方法中，将获取到的多个线段进行拟合得到所述使用空间的矩形边界，包括：
利用插值法或最小二乘法将获取到的多个线段进行拟合得到所述使用空间的矩形边界。
可选的，在上述机器人可通行区域确定方法中，将所述雷达点云信息划分为边界点云信息和障碍物点云信息，包括：
将所述雷达点云信息转换到平面坐标系中，根据所述雷达点云信息在平面坐标系中雷达点的密度和位置将所述雷达点云信息进行划分得到边界点云信息和障碍物点云信息。
第二方面，本申请提供一种机器人可通行区域确定装置，所述装置包括：
获取模块，用于针对房屋内的每个使用空间获取机器人采集的雷达点云信息；
划分模块，用于针对房屋内的每个使用空间将所述雷达点云信息划分为边界点云信息和障碍物点云信息；
边界确定模块，用于针对房屋内的每个使用空间根据所述边界点云信息确定该使用空间的边界；
包络区域确定模块，用于根据所述边界和所述障碍物点云信息，确定该使用空间内的多个目标椭圆包络区域，并使得每个目标椭圆包络区域内不存在障碍物和边界，每个目标椭圆包络区域对应的两个焦点之间的距离满足所述机器人的通行宽度，所述目标椭圆包络区域的数量满足所有目标椭圆包络区域能够连通；
通行区域确定模块，用于针对房屋内的每个使用空间将所确定的所有目标椭圆包络区域的集合确定为所述机器人在该使用空间内的可通行区域。
可选的，在上述机器人可通行区域确定装置中，所述包络区域确定模块包括：
雷达点组确定子模块，用于从所述边界包括的雷达点和所述障碍物点云信息涉及的雷达点中确定多个雷达点组，每个雷达点组包括两个雷达点；
第一包络区域确定子模块，用于将每个雷达点组中包括的两个雷达点之间的连线作为椭圆轴线，并根据每个所述椭圆轴线形成不包括障碍物和边界的最大椭圆包络区域；
第二包络区域确定子模块，用于从多个所述椭圆包络区域中确定两个焦点之间距离满足所述机器人的通行宽度的多个目标椭圆包络区域。
第三方面，本申请提供一种存储介质，该存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现上述的机器人可通行区域确定方法。
第四方面，本申请提供了一种机器人，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行上述的机器人可通行区域确定方法
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：
本申请提供的一种机器人可通行区域确定方法、装置、存储介质及机器人，方法包括，针对房屋内的每个使用空间，获取机器人采集的雷达点云信息，将所述雷达点云信息划分为边界点云信息和障碍物点云信息，根据所述边界点云信息确定该使用空间的边界，根据所述边界和所述障碍物点云信息，确定该使用空间内的多个目标椭圆包络区域，并使得每个目标椭圆包络区域内不存在障碍物和边界，每个目标椭圆包络区域对应的两个焦点之间的距离满足所述机器人的通行宽度，所述目标椭圆包络区域的数量满足所有目标椭圆包络区域能够连通，将所确定的所有目标椭圆包络区域的集合确定为所述机器人在该使用空间内的可通行区域。通过采用上述方法，有效缓解了现有技术中存在的图形边界弯曲、倾斜的问题，从而有效提高地图的准确性。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1为本申请实施例提供的一种机器人可通行区域确定方法的流程示意图。
图2为图1中步骤S130的流程示意图。
图3为图1中步骤S140的流程示意图。
图4为本实施例提供的基于边界点云信息确定使用空间的边界的示意图。
图5为本实施例提供的基于边界点云信息确定使用空间的边界的另一示意图。
图6为本实施例提供的基于边界点云信息确定使用空间的边界的另一示意图。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。
实施例一
请参阅图1，本申请提供一种可应用于机器人或任意具有数据处理功能的电子设备或处理器的机器人可通行区域确定方法，所述机器人可通行区域确定方法包括：针对房屋内的每个使用空间，分别执行步骤S110-S130。
步骤S110：获取机器人采集的雷达点云信息。
步骤S120：将所述雷达点云信息划分为边界点云信息和障碍物点云信息。
步骤S130：根据所述边界点云信息确定该使用空间的边界。
步骤S140：根据所述边界和所述障碍物点云信息，确定该使用空间内的多个目标椭圆包络区域，并使得每个目标椭圆包络区域内不存在障碍物和边界，每个目标椭圆包络区域对应的两个焦点之间的距离满足所述机器人的通行宽度，所述目标椭圆包络区域的数量满足所有目标椭圆包络区域能够连通。
步骤S150：将所确定的所有目标椭圆包络区域的集合确定为所述机器人在该使用空间内的可通行区域。
通过采用上述步骤S110-S150，以实现针对每个使用空间，通过将机器人在该使用空间内采集到的雷达点云信息划分为边界点云信息和障碍物点云信息，并依据边界点云信息确定使用空间的边界，并依据边界和所述障碍物点云信息形成不存在障碍物和边界的多个目标椭圆包络，每个目标椭圆包络区域对应的两个焦点之间的距离满足所述机器人的通行宽度，所述目标椭圆包络区域的数量满足所有目标椭圆包络区域能够连通，以将所确定的所有目标椭圆包络区域的集合确定为所述机器人在该使用空间内的可通行区域，有效解决了现有技术中低成本2D激光雷达SLAM建图过程中边界弯曲、倾斜等问题，同时增加了地图的可靠性。
在步骤S110中，机器人包括激光雷达，该激光雷达具有垂直排布的激光探头，激光雷达在运行过程中绕垂直轴高速旋转，激光探头高频测量环境信息。机器人采集雷达点云信息时，激光雷达旋转一圈，即可采集一圈周围的环境数据，周围的环境信息以离散稀疏的三维空间坐标的形式提供，称为原始激光点云信息，对原始激光点云信息进行坐标转换得到雷达点云信息。
在步骤S120中，将所述雷达点云信息划分为边界点云信息和障碍物点云信息的方式可以是，根据雷达点云信息在平面坐标系中雷达点的密度进行划分，也可以是根据雷达点云进行拟合得到的线条在坐标系中的位置及形状进行划分。
可选的，在本实施例中，上述步骤S120包括：将所述雷达点云信息转换到平面坐标系中，根据所述雷达点云信息在平面坐标系中雷达点的密度和位置将所述雷达点云信息进行划分得到边界点云信息和障碍物点云信息。
上述根据雷达点的密度和位置将雷达点云信息进行划分具体可以是，在平面坐标系中将雷达点划分至多个单位面积的栅格内，提取单位面积的栅格内雷达点密度大于预设值的目标栅格及目标栅格的位置，根据各目标栅格的位置得到中心栅格的位置，根据各目标栅格到中心栅格的距离选取边界点云所在的边界点云栅格，并将所述目标栅格中除所述边界点云栅格之外的其他栅格作为障碍物点云栅格，以将所述边界点云栅格中包括的点云信息划分为边界点云信息，以及将所述障碍物点云栅格中包括的点云信息划分为障碍物点云信息。其中，所述单位面积的栅格可以是1厘米×1厘米、2厘米×2厘米或者5毫米×5毫米，在此不做具体限定，根据实际需求进行设置即可；根据各目标栅格到中心栅格的距离选取边界点云所在的边界点云栅格的方式可以是，将各目标栅格中横坐标与中心栅格的横坐标绝对差大于第一预设阈值或各目标栅格中纵坐标与中心栅格的绝对差大于第二预设阈值的目标栅格作为边界点云栅格，其中，所述第一预设值可以为多个目标栅格中的最大横坐标绝对差的三分之一或二分之一，所述第二预设值可以为多个目标栅格中的最大纵坐标绝对差的三分之一或二分之一。
在本实施例中，上述将所述雷达点云信息划分为边界点云信息和障碍物点云信息的方式还可以是采用体素滤波器的方式划分，其中，体素滤波器的方法是一种降低点云干扰、重复、权重不大的数据，目的是对点信息云进行降采样，降低点云的数据量规模和干扰信息，通过体素滤波方法：将雷达点云信息转换到平面坐标系中，并划分到不同体素栅格内，根据体素栅格在平面坐标系中的位置将雷达点云信息进行划分，以得到边界点云信息和障碍物点云信息，上述具体划分方式为将上述各体素栅格进行拟合，并将拟合后位于外轮廓边界的体素栅格内的点云数据划分为边界点云信息，以及将所述雷达点云信息中除边界点云信息外的其他点云信息作为障碍物点云信息。
在步骤S130中，通常情况下，房屋中的使用空间通常为规则形状的，例如该规则形状可以是长方形、正方形、正六边形、具有一侧或两侧方形凸起的长方形或者具有半圆形凸起的长方形等，因此，上述步骤S130可以是根据边界点云信息得到该使用空间的规则形状的边界。
通常情况下，房间为长方形或正方形，因此，可选的，在本实施例中，上述步骤S130包括：根据所述边界点云信息确定该使用空间的矩形边界。
上述确定矩形边界的方式可以是，对边界点云信息利用ICP方法进行处理以将边界点云信息中的扫描点进行直线的拟合，也可以是从边界点云信息中确定三个角点，以基于该三个角点建立最小外接矩形。
请结合参阅图2，可选的，在本实施例中，上述确定使用空间的矩形边界的方法包括：
步骤S132：根据边界点云信息中各边界点位置，得到多个边界点集中区域，获取每个所述边界点集中区域内由边界点形成的线段，并使获取到的多个线段中任意两个线段相互垂直或平行。
需要说明的是，当边界点集中区域中包括大量雷达点时，选取边界上雷达点集中的多个预设范围大小的区域，并获取每个所述区域内由边界点形成的线段，并使获取到的多个线段中任意两个线段相互垂直或平行，即可由多个线段得到机器人使用环境的边界轮廓。
步骤S134：将获取到的多个线段进行拟合得到所述使用空间的矩形边界。
其中，对获取到的多个线段进行拟合的方式可以是采用插值拟合、椭圆拟合算法以及最小二乘法等方式拟合得到矩形轮廓。
可选的，上述步骤S134可以是：利用插值法或最小二乘法将获取到的多个线段进行拟合得到所述使用空间的矩形边界。
通过根据边界点云信息确定使用空间的矩形边界，可以有效避免现有技术中建图获得的边界图弯曲、倾斜的问题，进而可以提高机器人的定位精度，优化地图结构。
在步骤S140中,根据所述边界和所述障碍物点云信息，确定该使用空间内的多个目标椭圆包络区域的方式可以是：
将边界包括的雷达点和障碍物点云信息所涉及的雷达点汇总构成雷达点集合，并将雷达点集合中的雷达点进行两两组合得到多个雷达点组，以使每个雷达点组包括两个雷达点，将每个雷达点组中包括的两个雷达点之间的连线作为椭圆轴线，并根据每个所述椭圆轴线形成不包括障碍物和边界的椭圆包络区域，并从形成的多个椭圆包络区域中去除两个焦点之间距离不满足所述机器人的通行宽度的椭圆包络区域，从而得到目标椭圆包络区域。
上述方法还可以是：将边界包括的雷达点和障碍物点云信息所涉及的雷达点汇总构成雷达点集合，将雷达点集合中的任意三个雷达点进行组合，得到雷达点组，并采用椭圆方程进行计算得到各雷达点组对应的椭圆包络区域，并从计算得到的多个椭圆包络区域中去除包络有雷达点的椭圆包络区域及两个焦点之间的长度不满足机器人的通行宽度的椭圆包络区域，以得到目标椭圆包络区域。
请结合图参阅图3，可选的，在本实施例中，所述步骤S140包括：
步骤S142：从所述边界包括的雷达点和所述障碍物点云信息涉及的雷达点中确定多个雷达点组，每个雷达点组包括两个雷达点。
可以理解，一个雷达点组中包括的两个雷达点还可以是其中一个为可以是所述边界中包括的雷达点中的任意两个雷达点，也可以是所述障碍物云信息涉及的雷达点中的任意两个雷达点，所述边界中包括的雷达点中的任意一个和另一个为所述障碍物云信息涉及的雷达点中的任意一个，在此不作具体限定。
步骤S144：将每个雷达点组中包括的两个雷达点之间的连线作为椭圆轴线，并根据每个所述椭圆轴线形成不包括障碍物和边界的最大椭圆包络区域。
步骤S146：从多个所述椭圆包络区域中确定两个焦点之间距离满足所述机器人的通行宽度的多个目标椭圆包络区域。
需要说明的是，当椭圆包络区域的两焦点距离大于等于机器人的通行宽度时，表明机器人可以安全通过该椭圆包络区域。当机器人为圆台状或圆柱状时，所述通行宽度为所述机器人的外轮廓直径，当机器人截面均为长方形时，所述通行宽度为该长方形的长度、宽度或对角线长度，在此不做具体限定，根据机器人的外轮廓形状大小及行径方向进行设置即可。
在步骤S150中，可以理解，当所述目标椭圆包络区域的数量越多，则构成的可通行区域越精确且越完整。
在本实施例中，以机器人在使用空间内启动激光雷达扫描测量得到雷达点云信息并逐步获得可通行区域为例进行说明，机器人开启后，雷达点较少时，还不能确定整个区域的外形形状，此时，将所述雷达点划分为边界点云信息和障碍物点云信息，并根据所述边界点云信息确定该使用空间的边界如图4所示，此时的外接矩形由虚线表示，提取边界点云信息对应的最外层点，并将最外侧的点进行最小二乘处理，将散点和线段连接起来生成外接线，且形成的各外接线之间的关系只有垂直与平行两种关系，因此，很方便的就可以判定是否垂直还是平行，当雷达点云信息中包括的雷达点积累一定数量后，外接边界可以根据概率确定，外接矩形边变成实线，而信息不足部分依然用虚线表示，具体如图5所示，待激光雷达扫描得到的雷达点足够时补充绘制完整，以实现机器人在室内移动时房屋边界不断生成，最终获得一个完整的边界矩形，如图6所示。
在获得边界矩形后，从所述边界矩形包括的雷达点和所述障碍物点云信息涉及的雷达点中确定多个雷达点组，每个雷达点组包括两个雷达点，将每个雷达点组中包括的两个雷达点之间的连线作为椭圆轴线，并根据每个所述椭圆轴线形成不包括障碍物和边界的最大椭圆包络区域，从多个所述椭圆包络区域中确定两个焦点之间距离满足所述机器人的通行宽度的多个目标椭圆包络区域，将所确定的所有目标椭圆包络区域的集合确定为所述机器人在该使用空间内的可通行区域，该可通行区域表示机器人可以在其中安全通行。
通过采用上述方法，只需要获得各目标椭圆包络区域对应的椭圆方程，并根据焦点距离常数就可以规划出机器人的自由移动区域。
需要说明的是，户型图通常较为方正，当需要获知整个房屋的机器人通行区域时，仅需获得每个使用空间的通行区域，由于各个使用空间之间应该是保持垂直的或者平行关系，当出现弯曲结构时，可以通过内切椭圆包络出边界线，连接到外接矩形结构中，最终构建出基准户型地图。
实施例二
本实施例提供一种机器人可通行区域确定装置，所述装置包括：
获取模块，用于针对房屋内的每个使用空间获取机器人采集的雷达点云信息。
在本实施例，关于上述获取模块的具体描述可以参照前文对步骤S110的描述，在此不作一一赘述。
划分模块，用于针对房屋内的每个使用空间将所述雷达点云信息划分为边界点云信息和障碍物点云信息。
在本实施例，关于上述划分模块的具体描述可以参照前文对步骤S120的描述，在此不作一一赘述。
边界确定模块，用于针对房屋内的每个使用空间根据所述边界点云信息确定该使用空间的边界。
在本实施例，关于上述边界确定模块的具体描述可以参照前文对步骤S130的描述，在此不作一一赘述。
包络区域确定模块，用于根据所述边界和所述障碍物点云信息，确定该使用空间内的多个目标椭圆包络区域，并使得每个目标椭圆包络区域内不存在障碍物和边界，每个目标椭圆包络区域对应的两个焦点之间的距离满足所述机器人的通行宽度，所述目标椭圆包络区域的数量满足所有目标椭圆包络区域能够连通。
在本实施例，关于上述包络区域确定模块的具体描述可以参照前文对步骤S140的描述，在此不作一一赘述。
通行区域确定模块，用于针对房屋内的每个使用空间将所确定的所有目标椭圆包络区域的集合确定为所述机器人在该使用空间内的可通行区域。
在本实施例，关于上述通行区域确定模块的具体描述可以参照前文对步骤S150的描述，在此不作一一赘述。
在本实施例中，所述包络区域确定模块包括：
雷达点组确定子模块，用于从所述边界包括的雷达点和所述障碍物点云信息涉及的雷达点中确定多个雷达点组，每个雷达点组包括两个雷达点。
第一包络区域确定子模块，用于将每个雷达点组中包括的两个雷达点之间的连线作为椭圆轴线，并根据每个所述椭圆轴线形成不包括障碍物和边界的最大椭圆包络区域。
第二包络区域确定子模块，用于从多个所述椭圆包络区域中确定两个焦点之间距离满足所述机器人的通行宽度的多个目标椭圆包络区域。
实施例三
本实施例还提供一种存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现如实施例一的方法步骤，本实施例在此不再重复赘述。
实施例四
本申请实施例提供了一种机器人，该机器人可以是扫地机器人、陪护机器人或服务机器人等，包括存储器和处理器，所述存储器上存储有计算器程序，该计算机程序被处理器执行时实现如实施例一中所述的机器人可通行区域确定方法。可以理解，电子设备还可以包括，多媒体组件，输入/输出(I/O)接口，以及通信组件。
其中，处理器用于执行如实施例一中的机器人可通行区域确定方法中的全部或部分步骤。存储器用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
所述处理器可以是专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable LogicDevice，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、处理器、微处理器、微处理器或其他电子元件实现，用于执行上述实施例一中的机器人可通行区域确定方法。
所述存储器可以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，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
多媒体组件可以包括屏幕和音频组件，所述屏幕可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器，用于输出音频信号。
I/O接口为处理器和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。
通信组件用于该电子设备与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的设备和方法，也可以通过其它的方式实现。以上所描述的设备和方法实施例仅仅是示意性的。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本申请所揭露的实施方式如上，但所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所揭露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，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种机器人可通行区域确定方法，其特征在于，所述方法包括：
针对房屋内的每个使用空间，分别执行以下步骤：
获取机器人采集的雷达点云信息；
将所述雷达点云信息划分为边界点云信息和障碍物点云信息；
根据所述边界点云信息确定该使用空间的边界；
根据所述边界和所述障碍物点云信息，确定该使用空间内的多个目标椭圆包络区域，并使得每个目标椭圆包络区域内不存在障碍物和边界，每个目标椭圆包络区域对应的两个焦点之间的距离满足所述机器人的通行宽度，所述目标椭圆包络区域的数量满足所有目标椭圆包络区域能够连通；
将所确定的所有目标椭圆包络区域的集合确定为所述机器人在该使用空间内的可通行区域。
2.根据权利要求1所述的机器人可通行区域确定方法，其特征在于，根据所述边界和所述障碍物点云信息，确定该使用空间内的多个椭圆包络区域，包括：
从所述边界包括的雷达点和所述障碍物点云信息涉及的雷达点中确定多个雷达点组，每个雷达点组包括两个雷达点；
将每个雷达点组中包括的两个雷达点之间的连线作为椭圆轴线，并根据每个所述椭圆轴线形成不包括障碍物和边界的最大椭圆包络区域；
从多个所述椭圆包络区域中确定两个焦点之间距离满足所述机器人的通行宽度的多个目标椭圆包络区域。
3.根据权利要求1所述的机器人可通行区域确定方法，其特征在于，根据所述边界点云信息确定该使用空间的边界，包括：
根据所述边界点云信息确定该使用空间的矩形边界。
4.根据权利要求3所述的机器人可通行区域确定方法，其特征在于，根据所述边界点云信息确定该使用空间的矩形边界，包括：
根据边界点云信息中各边界点位置，得到多个边界点集中区域，获取每个所述边界点集中区域内由边界点形成的线段，并使获取到的多个线段中任意两个线段相互垂直或平行；
将获取到的多个线段进行拟合得到所述使用空间的矩形边界。
5.根据权利要求4所述的机器人可通行区域确定方法，其特征在于，将获取到的多个线段进行拟合得到所述使用空间的矩形边界，包括：
利用插值法或最小二乘法将获取到的多个线段进行拟合得到所述使用空间的矩形边界。
6.根据权利要求1所述的机器人可通行区域确定方法，其特征在于，将所述雷达点云信息划分为边界点云信息和障碍物点云信息，包括：
将所述雷达点云信息转换到平面坐标系中，根据所述雷达点云信息在平面坐标系中雷达点的密度和位置将所述雷达点云信息进行划分得到边界点云信息和障碍物点云信息。
7.一种机器人可通行区域确定装置，其特征在于，所述装置包括：
获取模块，用于针对房屋内的每个使用空间获取机器人采集的雷达点云信息；
划分模块，用于针对房屋内的每个使用空间将所述雷达点云信息划分为边界点云信息和障碍物点云信息；
边界确定模块，用于针对房屋内的每个使用空间根据所述边界点云信息确定该使用空间的边界；
包络区域确定模块，用于根据所述边界和所述障碍物点云信息，确定该使用空间内的多个目标椭圆包络区域，并使得每个目标椭圆包络区域内不存在障碍物和边界，每个目标椭圆包络区域对应的两个焦点之间的距离满足所述机器人的通行宽度，所述目标椭圆包络区域的数量满足所有目标椭圆包络区域能够连通；
通行区域确定模块，用于针对房屋内的每个使用空间将所确定的所有目标椭圆包络区域的集合确定为所述机器人在该使用空间内的可通行区域。
8.根据权利要求7所述的机器人可通行区域确定装置，其特征在于，所述包络区域确定模块包括：
雷达点组确定子模块，用于从所述边界包括的雷达点和所述障碍物点云信息涉及的雷达点中确定多个雷达点组，每个雷达点组包括两个雷达点；
第一包络区域确定子模块，用于将每个雷达点组中包括的两个雷达点之间的连线作为椭圆轴线，并根据每个所述椭圆轴线形成不包括障碍物和边界的最大椭圆包络区域；
第二包络区域确定子模块，用于从多个所述椭圆包络区域中确定两个焦点之间距离满足所述机器人的通行宽度的多个目标椭圆包络区域。
9.一种存储介质，其特征在于，该存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如权利要求1-6中任意一项中所述的机器人可通行区域确定方法。
10.一种机器人，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1-6任意一项所述的机器人可通行区域确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010183876.XA CN113475976B (zh) | 2020-03-16 | 2020-03-16 | 机器人可通行区域确定方法、装置、存储介质及机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010183876.XA CN113475976B (zh) | 2020-03-16 | 2020-03-16 | 机器人可通行区域确定方法、装置、存储介质及机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113475976A true CN113475976A (zh) | 2021-10-08 |
| CN113475976B CN113475976B (zh) | 2022-07-15 |
Family
ID=77932537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010183876.XA Active CN113475976B (zh) | 2020-03-16 | 2020-03-16 | 机器人可通行区域确定方法、装置、存储介质及机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113475976B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114326711A (zh) * | 2021-12-03 | 2022-04-12 | 云鲸智能(深圳)有限公司 | 窄道通行方法、装置、机器人及计算机可读存储介质 |
| CN114415678A (zh) * | 2021-12-31 | 2022-04-29 | 深圳市普渡科技有限公司 | 机器人的路径规划方法、装置、机器人和存储介质 |
| CN114814796A (zh) * | 2022-07-01 | 2022-07-29 | 陕西欧卡电子智能科技有限公司 | 基于高精度地图的水面可行驶区域提取方法、装置及设备 |
| CN115429157A (zh) * | 2022-08-29 | 2022-12-06 | 广州宝乐软件科技有限公司 | 清扫范围的确定方法、装置、清洁机器人和存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004083889A1 (ja) * | 2003-03-20 | 2004-09-30 | Matsushita Electric Industrial Co. Ltd. | 障害物検知装置 |
| CN103268729A (zh) * | 2013-05-22 | 2013-08-28 | 北京工业大学 | 基于混合特征的移动机器人级联式地图创建方法 |
| CN106774329A (zh) * | 2016-12-29 | 2017-05-31 | 大连理工大学 | 一种基于椭圆切线构造的机器人路径规划方法 |
| WO2017101721A1 (zh) * | 2015-12-16 | 2017-06-22 | 小米科技有限责任公司 | 自动清洁设备及清洁方法 |
| CN108158501A (zh) * | 2017-11-22 | 2018-06-15 | 广东艾可里宁机器人智能装备有限公司 | 扫地机器人区域划分系统及方法 |
| CN108280840A (zh) * | 2018-01-11 | 2018-07-13 | 武汉理工大学 | 一种基于三维激光雷达的道路实时分割方法 |
| CN108931983A (zh) * | 2018-09-07 | 2018-12-04 | 深圳市银星智能科技股份有限公司 | 地图构建方法及其机器人 |
| US20190188473A1 (en) * | 2017-12-20 | 2019-06-20 | X Development Llc | Semantic place recognition and localization |
| CN110109134A (zh) * | 2019-05-05 | 2019-08-09 | 桂林电子科技大学 | 一种基于2d激光雷达测距的折线提取极大似然估计的方法 |
| CN110333495A (zh) * | 2019-07-03 | 2019-10-15 | 深圳市杉川机器人有限公司 | 利用激光slam在长走廊建图的方法、装置、系统、存储介质 |
| CN110488839A (zh) * | 2019-08-30 | 2019-11-22 | 长安大学 | 一种基于切线交叉法的足式机器人路径规划方法及装置 |
| CN110554700A (zh) * | 2019-09-03 | 2019-12-10 | 韦云智 | 一种关于移动机器人的房间与门的识别方法 |
| CN110599543A (zh) * | 2019-09-19 | 2019-12-20 | 小狗电器互联网科技（北京）股份有限公司 | 一种墙体位置确定方法、装置、计算机设备和存储介质 |
-
2020
- 2020-03-16 CN CN202010183876.XA patent/CN113475976B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004083889A1 (ja) * | 2003-03-20 | 2004-09-30 | Matsushita Electric Industrial Co. Ltd. | 障害物検知装置 |
| CN103268729A (zh) * | 2013-05-22 | 2013-08-28 | 北京工业大学 | 基于混合特征的移动机器人级联式地图创建方法 |
| WO2017101721A1 (zh) * | 2015-12-16 | 2017-06-22 | 小米科技有限责任公司 | 自动清洁设备及清洁方法 |
| CN106774329A (zh) * | 2016-12-29 | 2017-05-31 | 大连理工大学 | 一种基于椭圆切线构造的机器人路径规划方法 |
| CN108158501A (zh) * | 2017-11-22 | 2018-06-15 | 广东艾可里宁机器人智能装备有限公司 | 扫地机器人区域划分系统及方法 |
| US20190188473A1 (en) * | 2017-12-20 | 2019-06-20 | X Development Llc | Semantic place recognition and localization |
| CN108280840A (zh) * | 2018-01-11 | 2018-07-13 | 武汉理工大学 | 一种基于三维激光雷达的道路实时分割方法 |
| CN108931983A (zh) * | 2018-09-07 | 2018-12-04 | 深圳市银星智能科技股份有限公司 | 地图构建方法及其机器人 |
| CN110109134A (zh) * | 2019-05-05 | 2019-08-09 | 桂林电子科技大学 | 一种基于2d激光雷达测距的折线提取极大似然估计的方法 |
| CN110333495A (zh) * | 2019-07-03 | 2019-10-15 | 深圳市杉川机器人有限公司 | 利用激光slam在长走廊建图的方法、装置、系统、存储介质 |
| CN110488839A (zh) * | 2019-08-30 | 2019-11-22 | 长安大学 | 一种基于切线交叉法的足式机器人路径规划方法及装置 |
| CN110554700A (zh) * | 2019-09-03 | 2019-12-10 | 韦云智 | 一种关于移动机器人的房间与门的识别方法 |
| CN110599543A (zh) * | 2019-09-19 | 2019-12-20 | 小狗电器互联网科技（北京）股份有限公司 | 一种墙体位置确定方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘耀: "基于激光雷达的室内移动机器人定位技术研究", 《信息科技》 * |
| 李赵: "基于激光扫描雷达的自动驾驶技术研究", 《信息科技》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114326711A (zh) * | 2021-12-03 | 2022-04-12 | 云鲸智能(深圳)有限公司 | 窄道通行方法、装置、机器人及计算机可读存储介质 |
| CN114326711B (zh) * | 2021-12-03 | 2023-08-08 | 云鲸智能(深圳)有限公司 | 窄道通行方法、装置、机器人及计算机可读存储介质 |
| CN114415678A (zh) * | 2021-12-31 | 2022-04-29 | 深圳市普渡科技有限公司 | 机器人的路径规划方法、装置、机器人和存储介质 |
| CN114415678B (zh) * | 2021-12-31 | 2024-01-16 | 深圳市普渡科技有限公司 | 机器人的路径规划方法、装置、机器人和存储介质 |
| CN114814796A (zh) * | 2022-07-01 | 2022-07-29 | 陕西欧卡电子智能科技有限公司 | 基于高精度地图的水面可行驶区域提取方法、装置及设备 |
| CN114814796B (zh) * | 2022-07-01 | 2022-09-30 | 陕西欧卡电子智能科技有限公司 | 基于高精度地图的水面可行驶区域提取方法、装置及设备 |
| CN115429157A (zh) * | 2022-08-29 | 2022-12-06 | 广州宝乐软件科技有限公司 | 清扫范围的确定方法、装置、清洁机器人和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113475976B (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113475976B (zh) | 机器人可通行区域确定方法、装置、存储介质及机器人 | |
| KR102235827B1 (ko) | 격자 지도를 생성하는 방법 및 장치 | |
| EP3764186B1 (en) | Method for controlling autonomous mobile robot to travel along edge | |
| CN112200916B (zh) | 房屋户型图的生成方法、装置、计算设备和存储介质 | |
| CN109509210B (zh) | 障碍物跟踪方法和装置 | |
| US6728608B2 (en) | System and method for the creation of a terrain density model | |
| CN112506225B (zh) | 一种无人机避障方法、装置、无人机和存储介质 | |
| CN107850448A (zh) | 用于生成及使用定位参考数据的方法及系统 | |
| CN111881239A (zh) | 构建方法、构建装置、智能机器人及可读存储介质 | |
| CN112789609A (zh) | 地图的更新方法、装置、可移动平台及存储介质 | |
| JP6125296B2 (ja) | データ解析装置、データ解析方法、及びプログラム | |
| CN109211238B (zh) | 一种实时定位防穿越优化方法 | |
| CN112631266A (zh) | 一种移动机器人感知障碍信息的方法、装置 | |
| CN112513679A (zh) | 一种目标识别的方法和装置 | |
| CN114547866B (zh) | 基于bim-无人机-机械狗的预制构件智能检测方法 | |
| CN107782311A (zh) | 可移动终端的移动路径规划方法及装置 | |
| CN112379393B (zh) | 一种列车碰撞预警方法及其装置 | |
| CN112308969A (zh) | 三维地图生成方法及装置 | |
| CN117590362B (zh) | 一种多激光雷达外参标定方法、装置和设备 | |
| CN104614729A (zh) | 一种激光雷达航带高程匹配质量分析方法 | |
| CN112284387A (zh) | 用于清扫设备的定位方法、清扫设备和存储介质 | |
| CN116295426A (zh) | 基于三维重建质量反馈的无人机自主探索方法及装置 | |
| CN115271564A (zh) | 一种公路边坡灾害空间危险性区划方法及终端机 | |
| KR100881228B1 (ko) | 초음파 센서를 이용한 물체 탐지 방법 | |
| CN111723797B (zh) | 一种确定三维目标的包围框的方法及系统 |
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 |