CN113779172B - 一种大型区域机器人建图方法、设备及介质 - Google Patents

一种大型区域机器人建图方法、设备及介质 Download PDF

Info

Publication number
CN113779172B
CN113779172B CN202111151526.6A CN202111151526A CN113779172B CN 113779172 B CN113779172 B CN 113779172B CN 202111151526 A CN202111151526 A CN 202111151526A CN 113779172 B CN113779172 B CN 113779172B
Authority
CN
China
Prior art keywords
robot
subareas
confirming
map
subarea
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
CN202111151526.6A
Other languages
English (en)
Other versions
CN113779172A (zh
Inventor
李朝铭
王建华
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.)
Shandong New Generation Information Industry Technology Research Institute Co Ltd
Original Assignee
Shandong New Generation Information Industry Technology Research Institute 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 Shandong New Generation Information Industry Technology Research Institute Co Ltd filed Critical Shandong New Generation Information Industry Technology Research Institute Co Ltd
Priority to CN202111151526.6A priority Critical patent/CN113779172B/zh
Publication of CN113779172A publication Critical patent/CN113779172A/zh
Application granted granted Critical
Publication of CN113779172B publication Critical patent/CN113779172B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases

Landscapes

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

Abstract

本申请公开了一种大型区域机器人建图方法、设备及介质,方法包括:确认机器人的服务区域,将服务区域进行逻辑划分,分成多个子区域;通过机器人对多个子区域的划分边界进行调整,确认调整后的多个子区域之间的位置关系,根据位置关系对多个子区域进行编号,并通过机器人对多个子区域建立单元地图;根据单元地图确定子区域的存储参数;确认机器人的位置和路线,根据位置加载机器人所在子区域的单元地图,根据路线加载临近子区域的单元地图。本申请通过区域划分的方法使智能自主移动机器人以普通的硬件配置解决对大型区域机器人建图问题,同时还能满足不同配置的多个机器人对大型区域地图的协同共享。

Description

一种大型区域机器人建图方法、设备及介质
技术领域
本申请涉及机器人建图领域,尤其涉及一种大型区域机器人建图方法、设备及介质。
背景技术
随着计算机技术和人工智能的发展,机器人研究得到越来越多的关注和投入,其中,智能自主移动的服务机器人成为机器人领域的一个重要研究和应用方向,且移动机器人的同步定位与建图(simultaneous localization and mapping,SLAM)是自主移动服务机器人领域的热点研究问题,该问题被认为是实现真正全自主移动机器人的关键。目前市面上的SLAM技术,在面临服务区域面积很大或者复杂场景时,对服务机器人的地图构建来说,是一项较大的挑战。其主要原因是机器人本体的内存和计算力不足,难以支撑大区域和复杂环境的计算。
发明内容
为了解决上述问题,本申请提出了一种大型区域机器人建图方法,所述方法包括:确认机器人的服务区域,将所述服务区域进行逻辑划分,分成多个子区域;通过所述机器人对所述多个子区域的划分边界进行调整,确认调整后的所述多个子区域之间的位置关系,根据所述位置关系对所述多个子区域进行编号,并通过所述机器人对所述多个子区域建立单元地图;根据所述单元地图确定所述子区域的存储参数;确认所述机器人的位置和路线,根据所述位置加载所述机器人所在子区域的所述单元地图,根据所述路线加载临近子区域的所述单元地图。
在一个示例中,通过所述机器人对所述多个子区域的划分边界进行调整,具体包括:确认所述子区域的地理信息,并根据所述地理信息对所述存储参数进行完善,所述地理信息包括但不限于交通情况、障碍物情况、区域用途情况、地质情况、坡度情况;根据所述地理信息调整所述子区域的面积大小和所述划分边界;根据所述地理信息,将所述多个子区域进行合并,或,将所述子区域进行拆分。
在一个示例中,所述方法还包括:设立维护机器人,通过所述维护机器人对所述服务区域的多个所述单元地图进行检测,根据检测结果确认所述存储参数与对应的所述地理信息之间存在差异的所述单元地图,并将所述单元地图和所述存储参数进行修正;根据所述地理信息,确认所述子区域的地理功能,并根据所述地理功能将对应的所述存储参数进行完善;根据所述地理信息,确认所述多个子区域中的危险区域,并将所述危险区域对应的所述存储参数进行警示标记。
在一个示例中,根据所述位置关系对所述多个子区域进行编号,具体包括:为所述多个子区域赋予唯一的所述编号,根据所述编号建立所述子区域的服务节点;确认所述多个子区域之间的相邻关系,并将所述相邻关系发送至所述服务节点,根据所述服务节点,通过所述机器人确定所述多个子区域之间的所述位置关系。
在一个示例中,通过所述机器人对所述多个子区域建立单元地图,具体包括:根据所述编号确定所述机器人的建图顺序,根据所述建图顺序,通过遥控器对所述机器人的行进路线进行操控;通过所述机器人上的控制系统对所述子区域的所述单元地图进行采集和构建,其中,所述控制系统包括雷达模块和超声波传感器;通过所述雷达模块确认需要建图的所述子区域的所述划分边界,以使得所述机器人在对应的所述子区域进行建图;通过所述超声波传感器对所述子区域进行建图数据的采集,根据所述建图数据建立所述单元地图,并根据所述建图数据和建立完成的所述单元地图完善对应的所述存储参数。
在一个示例中,所述控制系统还包括存储器,所述方法还包括:通过所述机器人确认所在的所述子区域,并确认所述存储器中存储的所述单元地图,确认所述单元地图对应的所述子区域;确定所述存储器存储的所述子区域与所述机器人所在的所述子区域之间的间隔距离,将所述间隔距离与预先设定的间隔阈值进行比较,若所述间隔距离大于所述间隔阈值,则将所述存储器中对应的所述单元地图删除。
在一个示例中,通过所述机器人对所述多个子区域建立单元地图之前,所述方法还包括:确认所述服务区域的子区域数量,并确认所述机器人的建图数量阈值,将所述子区域数量与所述建图数量阈值进行比较,若所述子区域数量大于所述建图数量阈值,则通过多个机器人对所述服务区域进行建图。
在一个示例中,根据所述路线加载临近子区域的所述单元地图,具体包括:确认所述机器人所在的所述子区域,根据所述位置关系确认所述子区域的所述临近子区域;确认所述临近子区域与所述机器人之间的临近距离,并确认所述临近子区域的区域通道,将所述临近距离与预先设定的临近阈值进行比较,若所述临近距离小于所述距离阈值,则根据所述区域通道通过对应的所述存储参数加载所述临近子区域的所述单元地图。
另一方面,本申请还提出了一种大型区域机器人建图设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述一种大型区域机器人建图设备能够执行:确认机器人的服务区域,将所述服务区域进行逻辑划分,分成多个子区域;通过所述机器人对所述多个子区域的划分边界进行调整,确认调整后的所述多个子区域之间的位置关系,根据所述位置关系对所述多个子区域进行编号,并通过所述机器人对所述多个子区域建立单元地图;根据所述单元地图确定所述子区域的存储参数;确认所述机器人的位置和路线,根据所述位置加载所述机器人所在子区域的所述单元地图,根据所述路线加载临近子区域的所述单元地图。
另一方面,本申请还提出了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:确认机器人的服务区域,将所述服务区域进行逻辑划分,分成多个子区域;通过所述机器人对所述多个子区域的划分边界进行调整,确认调整后的所述多个子区域之间的位置关系,根据所述位置关系对所述多个子区域进行编号,并通过所述机器人对所述多个子区域建立单元地图;根据所述单元地图确定所述子区域的存储参数;确认所述机器人的位置和路线,根据所述位置加载所述机器人所在子区域的所述单元地图,根据所述路线加载临近子区域的所述单元地图。
本申请通过区域划分的方法使智能自主移动机器人以普通的硬件配置解决对大型区域机器人建图问题,同时还能满足不同配置的多个机器人对大型区域地图的协同共享。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种大型区域机器人建图方法的流程示意图;
图2为本申请实施例中大型服务区的区域划分示意图;
图3为本申请实施例中一种前端表单控件抽象设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
如图1所示,本申请实施例提供的一种大型区域机器人建图方法,包括:
S101:确认机器人的服务区域,将所述服务区域进行逻辑划分,分成多个子区域。
按照行政作用划分,大型区域机器人的待建图服务区域包括城市区域、农村区域、山地区域等,某个城市中的还包括多个小行政区域。按照区域环境划分,待建图服务区域还包括室外场地、室内场地,屋顶等。例如:当服务区域是室内场地时,可以将该室内场地按照均匀的面积大小进行划分,或者根据室内的墙壁作为划分界限进行划分,或者按照使用者自由划分,将该室内场地划分为多个小的子区域,以便机器人进行建图。区域机器人的服务区域可以是非常大的面积,只划分一次子区域仍不能建立单元地图。例如:当服务区域是城市区域时,可以将该城市区域按照其下的行政等级分为第一级子区域,再将第一级子区域进一步划分为第二级子区域,该第二级子区域的划分标准包括:交通道路界限、住宅区、商业区、服务区等,再根据需要将第二级子区域进行划分为第三极子区域,该第三级子区域的划分标准由使用者自由限定。其中,每个子区域都是闭环的。
S102:通过所述机器人对所述多个子区域的划分边界进行调整,确认调整后的所述多个子区域之间的位置关系,根据所述位置关系对所述多个子区域进行编号,并通过所述机器人对所述多个子区域建立单元地图。
将服务区域划分好后,机器人开始在其子区域上进行建图,若出现区域内或边界上的有障碍物影响机器人对其建图的情况,则需要对该子区域的划分边界进行调整,例如:室内场地中某个子区域的边界超过了某个房间的墙壁,则应当将该子区域的边界范围缩小,使该房间的墙壁称为该子区域的新边界,以便于机器人对该子区域的建图。调整好各个子区域的划分边界后,进一步确认各个子区域之间的位置关系,该位置关系包括水平位置关系,垂直位置关系,连接位置关系等。根据上述位置关系,依次对各个子区域进行编号,相邻或相通的子区域的编号互相关联。对各个子区域编号后,使用者能够通过定义编号的排列顺序,使机器人根据编号顺序依次对各个子区域建立对应的单元地图。
S103:根据所述单元地图确定所述子区域的存储参数。
机器人建立好单元地图后,将单元地图的数据与各个子区域的编号一起构建存储参数,每个子区域对应一个存储参数,使用者将该服务区域内所有的存储参数打包为一个云参数文件,并将该云参数文件上传至云端。当使用者想要使用该服务区域的地图时,只需将该服务区域的云参数文件下载使用即可。
S104:确认所述机器人的位置和路线,根据所述位置加载所述机器人所在子区域的所述单元地图,根据所述路线加载临近子区域的所述单元地图。
机器人在服务区域内移动时,会实时记录该机器人所在的位置,并将该位置所在的子区域单元地图加载出来。机器人根据预存的移动路线或机器人的移动趋势,预判接下来将要到达的临近位置,并将预判临近位置所在的子区域单元地图提前加载出来。
在一个实施例中,机器人需要对子区域的划分边界进行调整。首先,想确认该子区域的地理信息,该地理信息包括交通情况,障碍物情况,区域用途情况,地质情况,坡度情况等信息,其中,各子区域的地理信息同步保存在存储参数中。根据地理信息对子区域的划分边界进行调整,例如:根据交通情况,若某条公路被两个相邻的子区域分割开来,则需要调整两个子区域的划分界限,医师该公路全部划分进某一个子区域中;根据坡度情况,若某个平原内有一个子区域,且该平原的面积略微超过了该子区域,则需要调整该子区域的划分边界,使整个子区域内包含一个完整的平原。此外,根据地理信息,还可以将多个子区域进行合并,或将某个子区域进行拆分,例如:根据区域用途情况,在某个商场环境中,若某两个相邻的子区域都是休息区,则将两个子区域合并为一个子区域;根据地质情况,若某个平原内包括砂质土、黏质土、壤土三类土壤成分不同的地质,则可根据该地质情况将该平原上的一个子区域划分为多个子区域。
在一个实施例中,随着时间的推移,服务区域内的具体情况可能会发生变动,需要将该服务区的建图进行更新,为解决上述问题,本申请设立了维护机器人,该维护机器人对其维护范围的服务区域进行定期检测,对服务区域内的多个子区域进行依次扫描,并与储存的单元地图进行比对,得到该服务区域的检测结果,若检测的服务区域中某个子区域的地理信息与单元地图中体现的地理信息有差异,则机器人对该子区域进行重新建图,以将该服务区域的单元地图和存储参数进行修正。根据地理信息,维护机器人能够实时更新该服务区域中各个子区域的地理功能,该地理功能包括银行、学校、车站、政府、警卫等重要民生服务地点,在单元地图中对上述具有地理功能区域的存储参数进行标注,并同步到云端,使用者在下载使用地图时可直接获取上述地理功能区域的信息。根据地理信息,维护机器人还能够实时更新该服务区域的危险区域,该危险区域包括加油站、化工厂、水库等危险地点,在单元地图中对上述危险区域的存储参数进行警示标记,并同步到云端,使用者在下载使用地图使可直接获取上述危险区域的警示信息。
在一个实施例中,每个子区域被赋予唯一的编号,并将根据编号在智能操作系统(Intelligent Robot Operating System,IROS)建立该子区域的服务节点。如图2所示,该服务区域总共分为30个子区域,其中2号、3号、9号、10号、12号、13号、15号、17号、19号、20号、22号、23号、29号、30号是连通的区域,使用者可自由对上述区域划定边界(图中未画出该边界),其余的区域根据自然条件进行划分,该自然条件包括房间墙壁等。在建图前,首先确认多个子区域之间的相邻关系,例如:3号区域的南边是4号,北边是边沿,东边是10号,西南是1号,西北是2号。将每个子区域的相邻关系通过服务节点进行表示,通过该服务节点之间可以将该服务区域中各子区域的位置关系进行表示,使用者可以通过查询该子区域的服务节点来获取其相邻区域的位置关系。
在一个实施例中,使用者将各个子区域的编号进行排序,以确定个子区域的建图顺序,根据该建图顺序,使用者通过遥控器来操控机器人的行进路线。机器人通过其自带的控制系统对经过的子区域进行数据采集,并构建单元地图,其中,控制系统包括控制器、雷达模块和超声波传感器。在进行建图时,机器人通过雷达模块来检测所在子区域的边界,该雷达模块采用激光雷达,激光雷达发出探测激光并接收反射回的激光,通过计算激光束的反射时间和波长,获取该子区域的地理信息。接下来对该子区域进行细节信息的获取,通过机器人在子区域内的移动靠近该区域内的各种设备或障碍物,通过超声波传感器,对上述设备或障碍物的形状数据进行采集。在该子区域中,机器人从多个方向进行对上述设备或障碍物的形状数据的获取,并将上述形状数据汇总成一个三维的建图数据,将该建图数据发送至控制器。控制器根据该建图数据建立该子区域的单元地图,并根据建图数据和建立完成的单元地图完善该子区域对应的存储参数。
在一个实施例中,机器人的控制系统还包括存储器。机器人的存储器中存储有多个单元地图,确认上述单元地图对应的子区域。确认机器人所在的子区域,并确定存储器存储的子区域与机器人所在的子区域之间的间隔距离,将间隔距离与预先设定的间隔阈值进行比较,若间隔距离大于间隔阈值,则将存储器中对应的单元地图删除。这样可以清楚存储器中无用的地图缓存,节省存储空间。
在一个实施例中,机器人的建图能力有限,对于非常大的服务区域,单个机器人完成整个区域的建图工作比较困难。为解决上述问题,提出以下解决方法:在建图之前,确认该服务区域内的子区域的数量,并确认机器人的建图数量阈值,将子区域数量与建图数量阈值进行比较,若子区域数量大于建图数量阈值,则在该服务区域内设立多个机器人,通过多个机器人对该服务区域进行建图。
在一个实施例中,机器人在移动中,实时确认机器人所在的子区域,根据位置关系确认服务区域中该子区域的临近子区域。机器人实时检测该临近子区域与机器人之间的临近距离。将临近距离与预先设定的临近阈值进行比较,若临近距离小于距离阈值,则检测临近子区域是否有区域通道,并确认该区域通道是否开启,若区域通道已开启,则根据区域通道通过对应的存储参数加载临近子区域的单元地图,以使机器人通过区域通道到达临近子区域后,能够立即获取该临近子区域的地理信息。
如图3所示,本申请实施例还提供了一种大型区域机器人建图设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述一种大型区域机器人建图设备能够执行:
确认机器人的服务区域,将所述服务区域进行逻辑划分,分成多个子区域;
通过所述机器人对所述多个子区域的划分边界进行调整,确认调整后的所述多个子区域之间的位置关系,根据所述位置关系对所述多个子区域进行编号,并通过所述机器人对所述多个子区域建立单元地图;
根据所述单元地图确定所述子区域的存储参数;
确认所述机器人的位置和路线,根据所述位置加载所述机器人所在子区域的所述单元地图,根据所述路线加载临近子区域的所述单元地图。
本申请实施例还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
确认机器人的服务区域,将所述服务区域进行逻辑划分,分成多个子区域;
通过所述机器人对所述多个子区域的划分边界进行调整,确认调整后的所述多个子区域之间的位置关系,根据所述位置关系对所述多个子区域进行编号,并通过所述机器人对所述多个子区域建立单元地图;
根据所述单元地图确定所述子区域的存储参数;
确认所述机器人的位置和路线,根据所述位置加载所述机器人所在子区域的所述单元地图,根据所述路线加载临近子区域的所述单元地图。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (8)

1.一种大型区域机器人建图方法,其特征在于,所述方法包括:
确认机器人的服务区域,将所述服务区域进行逻辑划分,分成多个子区域;
通过所述机器人对所述多个子区域的划分边界进行调整,确认调整后的所述多个子区域之间的位置关系,根据所述位置关系对所述多个子区域进行编号,并通过所述机器人对所述多个子区域建立单元地图;
根据所述单元地图确定所述子区域的存储参数;
确认所述机器人的位置和路线,根据所述位置加载所述机器人所在子区域的所述单元地图,根据所述路线加载临近子区域的所述单元地图;
通过所述机器人对所述多个子区域的划分边界进行调整,具体包括:
确认所述子区域的地理信息,并根据所述地理信息对所述存储参数进行完善,所述地理信息包括但不限于交通情况、障碍物情况、区域用途情况、地质情况、坡度情况;
根据所述地理信息调整所述子区域的面积大小和所述划分边界;
根据所述地理信息,将所述多个子区域进行合并,或,将所述子区域进行拆分;
通过所述机器人对所述多个子区域建立单元地图,具体包括:
根据所述编号确定所述机器人的建图顺序,根据所述建图顺序,通过遥控器对所述机器人的行进路线进行操控;
通过所述机器人上的控制系统对所述子区域的所述单元地图进行采集和构建,其中,所述控制系统包括雷达模块和超声波传感器;
通过所述雷达模块确认需要建图的所述子区域的所述划分边界,以使得所述机器人在对应的所述子区域进行建图;
通过所述超声波传感器对所述子区域进行建图数据的采集,根据所述建图数据建立所述单元地图,并根据所述建图数据和建立完成的所述单元地图完善对应的所述存储参数。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
设立维护机器人,通过所述维护机器人对所述服务区域的多个所述单元地图进行检测,根据检测结果确认所述存储参数与对应的所述地理信息之间存在差异的所述单元地图,并将所述单元地图和所述存储参数进行修正;
根据所述地理信息,确认所述子区域的地理功能,并根据所述地理功能将对应的所述存储参数进行完善;
根据所述地理信息,确认所述多个子区域中的危险区域,并将所述危险区域对应的所述存储参数进行警示标记。
3.根据权利要求1所述的方法,其特征在于,根据所述位置关系对所述多个子区域进行编号,具体包括:
为所述多个子区域赋予唯一的所述编号,根据所述编号建立所述子区域的服务节点;
确认所述多个子区域之间的相邻关系,并将所述相邻关系发送至所述服务节点,根据所述服务节点,通过所述机器人确定所述多个子区域之间的所述位置关系。
4.根据权利要求1所述的方法,其特征在于,所述控制系统还包括存储器,所述方法还包括:
通过所述机器人确认所在的所述子区域,并确认所述存储器中存储的所述单元地图,确认所述单元地图对应的所述子区域;
确定所述存储器存储的所述子区域与所述机器人所在的所述子区域之间的间隔距离,将所述间隔距离与预先设定的间隔阈值进行比较,若所述间隔距离大于所述间隔阈值,则将所述存储器中对应的所述单元地图删除。
5.根据权利要求1所述的方法,其特征在于,通过所述机器人对所述多个子区域建立单元地图之前,所述方法还包括:
确认所述服务区域的子区域数量,并确认所述机器人的建图数量阈值,将所述子区域数量与所述建图数量阈值进行比较,若所述子区域数量大于所述建图数量阈值,则通过多个机器人对所述服务区域进行建图。
6.根据权利要求1所述的方法,其特征在于,根据所述路线加载临近子区域的所述单元地图,具体包括:
确认所述机器人所在的所述子区域,根据所述位置关系确认所述子区域的所述临近子区域;
确认所述临近子区域与所述机器人之间的临近距离,并确认所述临近子区域的区域通道,将所述临近距离与预先设定的临近阈值进行比较,若所述临近距离小于所述临近阈值,则根据所述区域通道通过对应的所述存储参数加载所述临近子区域的所述单元地图。
7.一种大型区域机器人建图设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述一种大型区域机器人建图设备能够执行:
确认机器人的服务区域,将所述服务区域进行逻辑划分,分成多个子区域;
通过所述机器人对所述多个子区域的划分边界进行调整,确认调整后的所述多个子区域之间的位置关系,根据所述位置关系对所述多个子区域进行编号,并通过所述机器人对所述多个子区域建立单元地图;
根据所述单元地图确定所述子区域的存储参数;
确认所述机器人的位置和路线,根据所述位置加载所述机器人所在子区域的所述单元地图,根据所述路线加载临近子区域的所述单元地图;
通过所述机器人对所述多个子区域的划分边界进行调整,具体包括:
确认所述子区域的地理信息,并根据所述地理信息对所述存储参数进行完善,所述地理信息包括但不限于交通情况、障碍物情况、区域用途情况、地质情况、坡度情况;
根据所述地理信息调整所述子区域的面积大小和所述划分边界;
根据所述地理信息,将所述多个子区域进行合并,或,将所述子区域进行拆分;
通过所述机器人对所述多个子区域建立单元地图,具体包括:
根据所述编号确定所述机器人的建图顺序,根据所述建图顺序,通过遥控器对所述机器人的行进路线进行操控;
通过所述机器人上的控制系统对所述子区域的所述单元地图进行采集和构建,其中,所述控制系统包括雷达模块和超声波传感器;
通过所述雷达模块确认需要建图的所述子区域的所述划分边界,以使得所述机器人在对应的所述子区域进行建图;
通过所述超声波传感器对所述子区域进行建图数据的采集,根据所述建图数据建立所述单元地图,并根据所述建图数据和建立完成的所述单元地图完善对应的所述存储参数。
8.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
确认机器人的服务区域,将所述服务区域进行逻辑划分,分成多个子区域;
通过所述机器人对所述多个子区域的划分边界进行调整,确认调整后的所述多个子区域之间的位置关系,根据所述位置关系对所述多个子区域进行编号,并通过所述机器人对所述多个子区域建立单元地图;
根据所述单元地图确定所述子区域的存储参数;
确认所述机器人的位置和路线,根据所述位置加载所述机器人所在子区域的所述单元地图,根据所述路线加载临近子区域的所述单元地图;
通过所述机器人对所述多个子区域的划分边界进行调整,具体包括:
确认所述子区域的地理信息,并根据所述地理信息对所述存储参数进行完善,所述地理信息包括但不限于交通情况、障碍物情况、区域用途情况、地质情况、坡度情况;
根据所述地理信息调整所述子区域的面积大小和所述划分边界;
根据所述地理信息,将所述多个子区域进行合并,或,将所述子区域进行拆分;
通过所述机器人对所述多个子区域建立单元地图,具体包括:
根据所述编号确定所述机器人的建图顺序,根据所述建图顺序,通过遥控器对所述机器人的行进路线进行操控;
通过所述机器人上的控制系统对所述子区域的所述单元地图进行采集和构建,其中,所述控制系统包括雷达模块和超声波传感器;
通过所述雷达模块确认需要建图的所述子区域的所述划分边界,以使得所述机器人在对应的所述子区域进行建图;
通过所述超声波传感器对所述子区域进行建图数据的采集,根据所述建图数据建立所述单元地图,并根据所述建图数据和建立完成的所述单元地图完善对应的所述存储参数。
CN202111151526.6A 2021-09-29 2021-09-29 一种大型区域机器人建图方法、设备及介质 Active CN113779172B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111151526.6A CN113779172B (zh) 2021-09-29 2021-09-29 一种大型区域机器人建图方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111151526.6A CN113779172B (zh) 2021-09-29 2021-09-29 一种大型区域机器人建图方法、设备及介质

Publications (2)

Publication Number Publication Date
CN113779172A CN113779172A (zh) 2021-12-10
CN113779172B true CN113779172B (zh) 2024-03-22

Family

ID=78854414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111151526.6A Active CN113779172B (zh) 2021-09-29 2021-09-29 一种大型区域机器人建图方法、设备及介质

Country Status (1)

Country Link
CN (1) CN113779172B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116880395B (zh) * 2023-07-19 2024-06-07 天津市易控科技发展有限公司 基于dcs系统的监控方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018121448A1 (zh) * 2016-12-30 2018-07-05 深圳市杉川机器人有限公司 移动机器人的拓扑地图创建方法、导航方法、可编程设备及计算机可读介质
CN111596651A (zh) * 2019-02-19 2020-08-28 科沃斯机器人股份有限公司 环境区域划分与定点清扫方法、设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018121448A1 (zh) * 2016-12-30 2018-07-05 深圳市杉川机器人有限公司 移动机器人的拓扑地图创建方法、导航方法、可编程设备及计算机可读介质
CN111596651A (zh) * 2019-02-19 2020-08-28 科沃斯机器人股份有限公司 环境区域划分与定点清扫方法、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种室内扫地机器人全遍历路径规划方法研究;简毅;高斌;张月;;传感器与微系统(01);全文 *

Also Published As

Publication number Publication date
CN113779172A (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
US8031629B2 (en) Method and apparatus of managing wireless communication in a worksite
KR101548647B1 (ko) 3차원 지형정보 가시화 프로세서 및 그 동작방법
AU2014256424B2 (en) Generating a three-dimensional model of an industrial plant using an unmanned aerial vehicle
CN110549339A (zh) 一种导航方法、装置、导航机器人和存储介质
CN108022053B (zh) 洪水风险评估方法和装置
CN105091884A (zh) 基于传感器网络动态环境监测的室内移动机器人路径规划方法
CN113779172B (zh) 一种大型区域机器人建图方法、设备及介质
CN107837044A (zh) 清洁机器人的分区清洁方法、装置及机器人
CN101821732A (zh) 最近邻域地理搜索
CN103632044A (zh) 基于地理信息系统的摄像头拓扑构建方法及装置
CN108540938B (zh) 修复无线传感器网络中漏洞的方法
CN109993813A (zh) 创建地图的方法、装置、车辆及可读存储介质
GB2609491A (en) UE location access control
CN114608552B (zh) 一种机器人建图方法、系统、装置、设备及存储介质
CN114218629A (zh) 一种城市地下管廊系统及大数据分析方法
CN115981305A (zh) 机器人的路径规划和控制方法、装置及机器人
CN101833551A (zh) Gps电子地图可控分发及精确增量更新技术
CN102724625B (zh) 基于Lankmark的WIFI网络内移动标签定位跟踪方法
CN108933990B (zh) 一种导航的方法和系统
CN105698805A (zh) 一种导航方法及装置
Eshghi et al. An approach for safer navigation under severe hurricane damage
Chen et al. Distributed in‐network path planning for sensor network navigation in dynamic hazardous environments
Li et al. Optimal deployment of drone base stations for cellular communication by network-based localization
KR101274771B1 (ko) 지리정보시스템 기반의 도시 시설물 관리를 위한 최적 센서노드 배치방법과 최적 센서노드 시스템 및 최적 센서노드 배치 프로그램이 저장된 매체
CN113552884A (zh) 一种阀厅消防机器人自动导航及避障方法和装置

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