CN114355888B - 基于直骨架的室内多级拓扑地图的自动生成方法及系统 - Google Patents
基于直骨架的室内多级拓扑地图的自动生成方法及系统 Download PDFInfo
- Publication number
- CN114355888B CN114355888B CN202111488933.6A CN202111488933A CN114355888B CN 114355888 B CN114355888 B CN 114355888B CN 202111488933 A CN202111488933 A CN 202111488933A CN 114355888 B CN114355888 B CN 114355888B
- Authority
- CN
- China
- Prior art keywords
- skeleton
- region
- straight
- polygon
- area
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000013138 pruning Methods 0.000 claims abstract description 47
- 238000009499 grossing Methods 0.000 claims abstract description 34
- 239000000284 extract Substances 0.000 claims abstract description 4
- 238000005520 cutting process Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000008602 contraction Effects 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 13
- 239000000203 mixture Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 244000141353 Prunus domestica Species 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 210000004916 vomit Anatomy 0.000 claims description 2
- 230000008673 vomiting Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 13
- 230000009471 action Effects 0.000 abstract description 4
- 238000011065 in-situ storage Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于直骨架的室内多级拓扑地图的自动生成方法及系统，基于栅格地图提取墙壁多边形和障碍物多变形并进行边界平滑；对墙壁多边形通过直骨架生成方法生成一级骨架道路，接着对一级骨架道路进行搜索，将骨架走向不可控的房间结构划分为区域；联合区域和区域内部的障碍物多边形生成区域内部的二级骨架道路；对生成的骨架道路进行剪枝与平滑，生成分层拓扑地图，对于不能进行原地转向动作的室内机器人，使用基于螺线对的转角平滑方法，保证了路径曲率的连续性，确保生成的地图可以运用到多种不同类型的室内机器人上；生成了平滑的室内中轴参考轨迹，解决了基于维诺图的传统室内地图自动生成方法的骨架抖动和毛刺的问题。
Description
技术领域
本发明属于移动机器人的室内地图生成技术领域，具体涉及一种基于直骨架的室内多级拓扑地图的自动生成方法及系统。
背景技术
近年来，随着自主移动机器人在室内的大量应用，机器人在室内复杂环境中的导航与调度成为越来越热门的研究话题。由参考路网和特殊站点构成的室内地图可以有效的描述室内环境的拓扑结构，为室内机器人的导航及调度提供了大量的先验信息基础。室内地图预先生成的参考路网大大减小了室内机器人运行过程中在线搜索的计算复杂度。同时，室内地图也储存了室内机器人在与周围环境的交互中可能利用到的许多高级信息，例如周围环境的语义信息，机器人的交互行为等等，这些信息也为机器人的任务调度带来了便利。
现有的室内地图生成方案包括人工站点标记和自动化生成两种。人工标记地图具有很高的灵活性，可以便捷的根据实际情况进行参考路径和交互信息的更改。然而，人工标记的地图因其存在着手工标记误差，很难准确地标记出道路中心，并且生成的路径也不平滑。自动化生成方案主要依赖于维诺图，它可以快速准确的生成室内环境的中轴参考路径。但是由于维诺图自身的特点，生成的参考路径易受到障碍物噪声的影响，常常存在着抖动和毛刺的问题，这为后续移动机器人的导航和控制带来了不必要的挑战。因而，对于室内这样没有标准路网结构的复杂环境，如何自动生成准确而平滑的拓扑地图是一个亟待解决的问题。
发明内容
本发明的目的在于提供一种带有区域信息的多级直骨架地图的自动生成方法及系统，以解决上述存在的技术问题，通过使用从栅格地图或CAD设计图中提取的墙壁多边形和障碍物多边形，将骨架走向不可控的开阔房间自动划分为区域，将骨架走向易于把控的狭长走廊划分为一级道路，将区域内部由可变障碍物生成的骨架划分为二级道路，并且对于不能进行原地转向动作的机器人，使用了基于螺线对的转角平滑方法，保证生成路径曲率的连续性，确保生成的地图可以应用在不同类型的机器人上。
为达到上述目的，本发明采用以下技术方案：一种基于直骨架的室内多级拓扑地图的自动生成方法，包括以下步骤：
从占据栅格地图中提取墙壁和障碍物轮廓；
联合墙壁多边形和障碍物多边形生成直骨架并剪枝，得到剪枝处理的直骨架；
基于剪枝处理的直骨架生成区域，具体包括以下步骤：基于收缩的直骨架构造方法，多边形边界的向内收缩，不断出现连通区域断开和区域消亡，狭长的走廊区域退化为骨架结构，对开阔的房间区域则进行进一步向内扩张；
采用考虑带孔多边形、小区域、非凸区域以及多变形个数的代价函数，墙面多边形向内扩张的每一过程都计算其代价函数，将代价函数最小值为对应的收缩步长，进而得到多边形集合作为区域的最佳候选集合；对所述最佳候选集合中每一个元素构造外部直骨架，并对所述最佳候选集合中每一个元素的边界进行扩张步长为的反向外部扩，得到扩张后的区域集合；剪裁区域集合中每一个区域的尖角部分；对区域集合中每一个区域进行门点检测，裁剪每一个区域中属于门外的区域；对反向扩张后所得区域集合中每一个区域超出墙体的部分进行剪裁，保留每一个区域中属于墙面多边形的部分，形成区域集合/>
对墙体多边形和未被区域包含的障碍物集合Ow联合组成的多边形所生成的骨架段图 Gsw进行切割，将区域外部属于狭窄环境中走向易于把控的骨架段保留为一级道路Tw；对区域/>和其内部包含的障碍物集合Oo联合组成的多边形所生成的骨架段图Gso进行切割，将区域内部属于房间环境中受可变障碍物影响的走向不易把控的骨架段保留为二级道路TO；当区域内部不包含障碍物时，使用区域的最大内接矩形作为外多边形进行骨架生成；初步得到一个由区域，一级道路和二级道路组成的多级直骨架地图/>
基于多级直骨架地图M中的顶点集合V和室内机器人的最大转向半径为κM，采用螺线对进行转角平滑处理，得到最终的多级直骨架地图。
从占据栅格地图中提取墙壁和障碍物轮廓包括以下步骤：
S11，针对栅格地图中的自由区域进行二值化处理，并采用形态学操作中的开运算对栅格地图中的噪声点进行初步滤除；
S12，利用Suzuki轮廓追踪算法得到二级轮廓集合；
S13，将二级轮廓集合中的父级轮廓划分为墙体，对于二级轮廓中的子级轮廓，使用道格拉斯·普客算法对轮廓中的折线进行提取，并对算法设定阈值，得到墙体轮廓集合和障碍物轮廓集合/>其中，/>和/>为/>中的点集，Nw和NO表示各集合中元素的总数；
S14，再次使用道格拉斯·普客算法，根据栅格地图的边界噪声设定阈值，将墙体轮廓集合Cw简化为墙体多边形集合将障碍物轮廓集合CO简化为障碍物多边形集合/>
联合墙壁多边形和障碍物多边形生成直骨架并剪枝，得到剪枝处理的直骨架包括以下步骤：
S21，对墙体多边形集合使用直骨架生成算法，将生成的多边形直骨架图表示为G＝ (V，E)，其中，为顶点集合，/>为边的集合，ek＝{vi，vj}(ek∈E，vi∈Vj∈V)表示一条从vi到vj的边；
S22，顶点vi(0＜i＜NV)的度为与其关联的边的个数；对G中的边集合E进行重新组合，将连接首尾两个相交点/>及其中间的连接点/>的所有边组合为骨架段/> 其中，Ne表示s中边的个数，骨架段集合S可以表示为/>其中NS表示 G中骨架段的个数，由骨架段构成的图可以表示为Gs＝(V，S)；
S23，对Gs进行入射边剪枝，即对任意端点与原多边形重合的骨架段进行剪枝，删除si中所有的边，删除与删除边关联顶点中的孤立点；
对Gs进行短边剪枝，如果骨架段si的长度过小，则对骨架段si进行剪枝。删除si中的所有边，删除与删除边关联顶点中的孤立点，并将si中首尾两个相交点融合为同一点。
代价函数
其中，表示带孔多边形的代价，/>表示小区域的代价，/>表示非凸区域的代价，/>表示多变形个数的代价，ka、kc、ks分别表示对应的系数；t为墙体多边形向内收缩的步长。
对初步得到的多级直骨架地图进行剪枝和平滑处理，具体如下：将多级直骨架地图中与区域相连的一级道路的端点与对应区域内部的二级道路进行最近点的直线连接，并优先连接距离最近的端点；然后对Tw和TO进行简化，删除对主干道路无贡献的骨架段；Tw和TO中的骨架段的一端为的死角边且长度较短时，对其进行剪枝；
定义一个相交点处两个骨架段的直线相似率和相似率阈值，基于所述直线相似率和阈值，直线相似率大于所述阈值时，将所述两个骨架段的各点投影到线段上；
按照对中心线偏移的容忍度进行设置一个阈值，再次使用道格拉斯·普客算法简化单个骨架段。
基于多级直骨架地图M中的顶点集合V和室内机器人的最大转向半径为κM，采用螺线对进行转角平滑处理，得到最终的多级直骨架地图具体如下：
在多级直骨架地图M中的顶点集合V中，将相连点之间最小间距小于R的顶点聚合为一个路口，选取与路口关联的边上与路口点距离为R的点作为转角平滑的锚点锚点集合Va， 中的两点/>阳/>将点/>向以[xi yi]T原点、θi为x轴正方向的平面直角坐标系进行投影，得到点/>相对于点/>的相关点vr＝{xr，yr，θr}(-π≤θr≤π)，并用θv＝tan-1(yr，xr)表示点[xr yr]T与x轴正方向的夹角，用表示θv翻转 180°后的角度，将满足θv＝θr＝0的点对用直线进行连接，将满足/> 的点对，结合κM，用两组螺线-圆-螺线进行连接，将满足/>或者/> 的点对，结合κM用直线和螺线-圆-螺线的组合进行连接。
本发明还提供一种基于直骨架的室内多级拓扑地图的自动生成系统，包括边界提取模块、直骨架生成模块、区域生成模块、多级直骨架地图生成模块以及转角平滑模块；其中，
边界提取模块，从占据栅格地图中提取墙壁和障碍物轮廓；
直骨架生成模块，联合墙壁多边形和障碍物多边形生成直骨架并剪枝，得到剪枝处理的直骨架；
区域生成模块，基于剪枝处理的直骨架生成区域，具体的：基于收缩的直骨架构造方法，多边形边界的向内收缩，不断出现连通区域断开和区域消亡，狭长的走廊区域退化为骨架结构，对开阔的房间区域则进行进一步向内扩张；
采用考虑带孔多边形、小区域、非凸区域以及多变形个数的代价函数，墙面多边形向内扩张的每一过程都计算其代价函数，将代价函数最小值为对应的收缩步长，进而得到多边形集合作为区域的最佳候选集合；对所述最佳候选集合中每一个元素构造外部直骨架，并对所述最佳候选集合中每一个元素的边界进行扩张步长为的反向外部扩，得到扩张后的区域集合；剪裁区域集合中每一个区域的尖角部分；对区域集合中每一个区域进行门点检测，裁剪每一个区域中属于门外的区域；对反向扩张后所得区域集合中每一个区域超出墙体的部分进行剪裁，保留每一个区域中属于墙面多边形的部分，形成区域集合/>
多级直骨架地图生成模块，对墙体多边形和未被区域包含的障碍物集合Ow联合组成的多边形所生成的骨架段图Gsw进行切割，将区域外部属于狭窄环境中走向易于把控的骨架段保留为一级道路Tw；对区域/>和其内部包含的障碍物集合Oo联合组成的多边形所生成的骨架段图 Gso进行切割，将区域内部属于房间环境中受可变障碍物影响的走向不易把控的骨架段保留为二级道路To；当区域内部不包含障碍物时，使用区域的最大内接矩形作为外多边形进行骨架生成；初步得到一个由区域，一级道路和二级道路组成的多级直骨架地图/>
转角平滑模块，基于多级直骨架地图M中的顶点集合V和室内机器人的最大转向半径为κM，采用螺线对进行转角平滑处理，得到最终的多级直骨架地图。
多级直骨架地图生成模块还对生成的骨架道路进行剪枝与平滑，具体为：将多级直骨架地图中与区域相连的一级道路的端点与对应区域内部的二级道路进行最近点的直线连接，并优先连接距离最近的端点；然后对Tw和To进行简化，删除对主干道路无贡献的骨架段；Tw和To中的骨架段的一端为的死角边且长度较短时，对其进行剪枝；定义一个相交点处两个骨架段的直线相似率和相似率阈值，基于所述直线相似率和阈值，直线相似率大于所述阈值时，将所述两个骨架段的各点投影到线段上；按照对中心线偏移的容忍度进行设置一个阈值，再次使用道格拉斯·普客算法简化单个骨架段。
另外，本发明还能提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现本发明所述基于直骨架的室内多级拓扑地图的自动生成方法。
一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的基于直骨架的室内多级拓扑地图的自动生成方法。
与现有技术相比，本发明至少具有以下有益效果：
通过使用从栅格地图或CAD设计图中提取的墙壁多边形和障碍物多边形，将骨架走向不可控的开阔房间自动划分为区域，将骨架走向易于把控的狭长走廊划分为一级道路，将区域内部由可变障碍物生成的骨架划分为二级道路，使用基于螺线对的转角平滑方法，保证了生成路径曲率的连续性，确保生成的地图可以应用在不同类型的机器人上。
附图说明
图1是本发明的整体框架示意图。
图2是本发明一种可实施的对开阔房间处理的示意图。
图3是本发明一种可实施的直骨架剪枝示意图。
图4是本发明一种可实施的区域裁剪示意图；
图5是本发明一种可实施的骨架交点优化的示意图。
图6是本发明一种可实施的螺线对(两条对称的螺线)与螺线-圆-螺线的示意图。
图7是本发明一种可实施的转角平滑的示意图。
图8是不同的生成方法在栅格地图上的室内地图生成结果。
图9是不同的生成方法在房间位于走廊一侧的情况下的室内地图生成结果。
图10是把不同种类的生成方法生成的地图应用到A*全局规划器中的给定路径的结果。
具体实施方式
为了更清楚说明本发明，下面结合附图对本发明做进一步说明。
参考图1，本发明的整体框架，主要分为三个模块：边界提取模块、多层骨架生成模块和转角平滑模块。在边界提取模块，对输入的栅格地图进行墙壁多边形和障碍物多变形分别进行提取和边界平滑；在多层骨架生成模块，首先对墙壁多边形通过直骨架生成方法生成一级骨架道路，接着对一级骨架道路进行搜索，将骨架走向不可控的房间结构划分为区域；然后联合区域和区域内部的障碍物多边形生成区域内部的二级骨架道路；最后对生成的骨架道路进行剪枝与平滑，生成由一级骨架道路，区域和二级骨架道路构成的分层拓扑地图。在转角平滑模块，对于不能进行原地转向动作的室内机器人，使用了基于螺线对的转角平滑方法，保证了路径曲率的连续性，确保生成的地图可以运用到多种不同类型的室内机器人上；参考图2，其中，图2(a)表示开阔房间中的直骨架图，图2(b)表示开阔房间内部不存在障碍物时的多级分层地图，图2(c)表示开阔房间内部存在障碍物时的多级分层地图。
本发明的一种基于直骨架的室内多级拓扑地图的生成方法，具体包括以下步骤：
S1：从占据栅格地图中提取最优的墙壁和障碍物轮廓，如图1中边界提取模块所示；
S1中具体的提取方法步骤包括以下步骤：
S11，基于SLAM等方法生成的栅格地图常常存在着边界噪声和杂点的问题，因此，在对栅格地图进行边界提取之前，首先针对栅格地图中的自由区域进行二值化处理，并采用形态学操作中的开运算对栅格地图中的噪声点进行初步滤除；
S12，利用Suzuki轮廓追踪算法得到二级轮廓集合，二级轮廓集合包括父级轮廓和子级轮廓；
S13，对所述二级轮廓集合进行分类，得到墙壁和障碍物轮廓。在S12中得到的二级轮廓中，父级轮廓表示室内环境中的外墙边界，子级轮廓表示室内环境中内墙边界与障碍物边界的集合；对于子级轮廓，使用道格拉斯·普客(DP)算法对轮廓中的折线进行提取，并设定阈值，如果轮廓含有大尺度的折线，即轮廓最长边的长度大于所设定的阈值，那么该轮廓属于墙体；如果轮廓含有小尺度的折线，即轮廓所有边的边长小于所设定的阈值，那么该轮廓属于房间中的障碍物。由此，可以得到墙体轮廓集合阳障碍物轮廓集合其中，/>阳/>为/>中的点集，Nw和NO表示各集合中元素的总数。
S14，对墙壁和障碍物轮廓进行最优边界的拟合。由轮廓信息直接得到的墙体轮廓集合Cw和障碍物轮廓集合CO极易收到栅格地图边界噪声的影响。因此，本发明再次使用DP算法，将墙体轮廓集合Cw简化为墙体多边形集合将障碍物轮廓集合CO简化为障碍物多边形集合/>其阈值可由栅格地图的边界噪声情况而定。
S2：联合墙壁多边形和障碍物多边形生成直骨架并剪枝，如图1多级骨架生成模块中生成一级骨架道路的生成和二级骨架道路。
参考图3，图3(a)表示由栅格地图提取到的多边形边界生成的原始直骨架，图3(b)表示图 3(a)中的骨架经过入射边剪枝后得到的骨架，图3(c)表示图3(b)中的骨架经过短边剪枝后得到的骨架；
S2中具体的骨架生成和剪枝方法步骤包括：
S21，对墙体多边形集合使用直骨架生成方法，生成多边形直骨架图G，将生成的多边形直骨架图表示为G＝(V，E)。其中，表示顶点集合，/>表示边的集合， ek＝{vi，vj}(ek∈E，vi∈Vj∈V)表示一条从vi到vj的边。
S22，根据生成多边形直骨架图G的顶点的度，对对图G中的边集合E进行重新组合，将连接首尾两个相交点及其中间的连接点的所有边组合为骨架段，由骨架段构成的图表示为 Gs；作为具体的一个示例，顶点vi(0＜i＜Nv)的度定义为与其关联的边的个数。本发明将/>的顶点称为相交点，将/>的顶点称为连接点。对图G中的边集合E进行重新组合，将连接首尾两个相交点及其中间的连接点的所有边组合为骨架段其中， Ne表示s中边的个数。那么骨架段集合S可以表示为/>由骨架段构成的图可以表示为Gs＝(V，S)。
S23，在Gs中存在着一些对于室内环境的拓扑结构描述无关的分支，本发明对所述分支进行剪枝处理。如图3(b)所示，首先进行入射边剪枝，不需要任意端点与原多边形重合的骨架段。因此，本发明对满足任意端点与原多边形重合的骨架段si进行剪枝，直接删除满足任意端点与原多边形重合的骨架段si中所有的边，然后删除与删除边关联顶点中的孤立点。
S24，如图3(c)所示，对Gs进行短边剪枝。对于长度小于长度阈值骨架段si的，则所述骨架段si进行剪枝，删除所述si中的所有边，删除与删除边关联顶点中的孤立点，并将si中首尾两个相交点融合为同一点。
S3：生成区域，如图1多级骨架生成模块中区域的生成。
S3中生成区域方法步骤包括：
S31，在基于收缩的直骨架构造方法中，随着多边形边界的向内收缩，会不断出现连通区域断开和区域消亡的情况。狭长的走廊区域会率先退化为骨架结构，而开阔的房间区域则需要进行进一步扩张才会退化。利用这一特性，可以有效的自动完成区域与道路的划分。基于收缩步长t，墙体多边形W的骨架收缩多边形集合为其中，Np(t)表示收缩后的多边形个数。
S32，本发明在骨架的收缩过程中寻求集合P的元素凸性和元素数量之间的平衡自动完成区域识别。基于此，代价函数为
其中，表示带孔多边形的代价，/>表示小区域的代价，/>表示非凸区域的代价，/>表示多变形个数的代价，ka、kc、ks分别表示对应的系数。
基于室内环境中以房间为例的区域属于不带有孔洞简单多边形，用holes(pi)表示多边形元素pi含有孔洞的个数，那么的代价函数为：
在多边形边界向内收缩的过程中，并不希望收敛结果存在由于边界噪声而形成的面积过小的区域。用area(pi)表示多边形pi的面积，代价函数为：
希望收敛得到的区域更趋向于凸多边形，因此，针对非凸区域增加代价，用areac(pi)表示多边形pi的凸包的面积，代价函数为：
在多边形向内收缩的过程中，多边形个数普遍存在着由小到大再到小的趋势，不希望收敛结果对应的收缩步长过于靠近收缩开始和收缩结束的位置，因为收缩刚刚开始时，P(t)几乎包含了整个房间，而收缩接近结束时，P(t)仅仅包含了一块狭小的区域，二者都不是期望得到的房间区域。那么，代价函数
S33，对提取得到的墙面多边形向内扩张的每一过程都计算其代价函数随着扩张过程的结束，取代价函数最小值对应的收缩步长/>得到的多边形集合作为区域的最佳候选集合/>其中，/>
S34，中的元素是室内墙体多边形边界向内收缩的结果，因此，得到的区域多边形也相当于真实房间轮廓向内收缩的结果。为了使得区域更加准确的描述真实房间轮廓，对/>中的每一个元素/>构造外部直骨架，并对/>的边界进行扩张步长为/>的反向外部扩张，得到扩张后的区域集合/>
S35，如图4(a)所示，区域入口处墙体多边形形状的波动可能会带来收缩区域的临边出现夹角过小的尖角情况，这种情况会导致反向外部扩张后得到的区域/>与房间形状严重不符。因此，针对这种情况，本发明关注于与尖角临边重合的两个墙体多边形边界，分别将两个多边形边界上距离尖角最近的多边形顶点向另一个多边形边界作垂线，保留垂足位于另一个多边形边界内部的垂线，裁剪区域/>的尖角部分。
S36，如图所示4(b)所示，如果区域入口长度大于走廊长度，可能出现区域包含了部分走廊的情况。此时，本发明对区域进行门点检测。当区域/>存在一对凹点，并且凹点所关联的区域临边存在着共线情况时，将所述凹点对标记为一对门点，并裁剪/>中属于门外的区域。
S37，由于骨架的收缩过程会损失掉部分墙体多边形W的形状，因此在进行反向扩张后，存在着部分区域超出墙体多边形的范围。为了使得区域与墙体多边形墙的耦合性更好，本发明对中超出墙体的部分进行裁剪，即保留区域中属于/>的部分。
S38，经过裁剪操作后，得到最终的区域集合
S4：区域与骨架的关联。
S4中具体的区域与骨架关联的方法步骤包括：
S41，根据所述区域集合对由墙体多边形W和未被/>包含的障碍物集合Ow联合组成的多边形所生成的骨架段图Gsw进行切割，将区域集合外部属于狭窄环境中走向易于把控的骨架段保留为一级道路Tw，对于区域集合/>和其内部包含的障碍物集合Oo联合组成的多边形所生成的骨架段图Gso也进行切割，将区域集合/>内部属于房间环境中受可变障碍物影响的走向不易把控的骨架段保留为二级道路To，同时，当区域集合/>内部不包含障碍物时，使用该区域的最大内接矩形作为外多边形进行骨架生成。由此，初步得到一个由区域，一级道路和二级道路组成的多级直骨架地图/>
S42，对于多级直骨架地图M中一级道路Tw和二级道路To所对应的骨架段，进行进一步修改。首先，对一级道路和二级道路进行连接，将与区域相连的一级道路的端点与该区域内部的二级道路进行最近点的直线连接，在连接过程中需要优先连接距离最近的端点。接着，对Tw和To进行简化，删除对主干道路无贡献的骨架段；对于Tw和To中的骨架段的一端为的死角边且长度小于一设定阈值时，将对其进行剪枝处理。
S43，如图5所示，区域标记为点划线，一级骨架道路标记为实线，图5(a)表示骨架交点优化前的一级骨架道路。图5(b)表示骨架交点优化后的一级道路；为了减小不规则边界对骨架主干道走向的影响，例如区域位于骨架主干道一侧时的情况。调整关联边线型与直线相近的相交点的位置。定义与一个相交点vi关联的其中两个骨架段s1，s2的直线相似率为其中，L(v1，v2)表示s1和s2端点的线段长度，L(l)表示与线段v1v2重合的长度。给定阈值/>如果/>且不存在其它冲突时，认为s1，s2可以由线段v1v2进行简化，将s1，s2上的各点投影到线段上。对于单个骨架段，再次使用道格拉斯·普客算法，算法的阈值可以按照对中心线偏移的容忍度进行设置。
S5，基于螺线对的转角平滑
参考图6和图7，图6中，由螺线对生成的曲线在急转弯处会产生一个较大的曲率κmax，这可能会带来曲线无法被控制器跟踪的问题，生成的参考轨迹的曲率κ满足|κ|＜|κM|，其中，κM表示机器人转向的最大曲率限制，如果|κmax|＞|κM|，将使用κarc＝κM的螺线-圆-螺线进行转角平滑。如果|κmax|≤|κM|，将使用螺线对进行转角平滑。图7中左图表示未经转角平滑的室内地图，右图表示经过转角平滑的室内地图，中间的图片表示从点va1到点va2的曲线计算过程。基于室内机器人的最大转向半径为κM，路口点聚合半径为R，对于在S4得到的多级直骨架地图M中的顶点集合V，将顶点集合V中相连点之间最小间距小于R的顶点聚合为一个路口，选取与路口关联的边上与路口点距离为R的点作为转角平滑的锚点集合，锚点集合 中的两点/>阳/>将点/>向以[xi yi]T原点，θi为x轴正方向的平面直角坐标系进行投影，得到点/>相对于点/>的相关点vr＝{xr，yr，θr}(-π≤θr≤π)，并用θv＝tan-1(yr，xr)表示点[xr yr]T与x轴正方向的夹角，用表示θv翻转180°后的角度。将满足θv＝θr＝0的点对用直线进行连接。将满足/> 的点对，结合室内机器人的最大转向半径κM，用两组螺线-圆-螺线进行连接。将满足/>或者/>的点对，结合室内机器人的最大转向半径κM用直线和螺线-圆-螺线的组合进行连接。
图8是不同的生成方法在栅格地图上的室内地图生成结果。其中，图8(a)是GVD的生成结果。图8(b)是RGVG的生成结果。图8(c)是EVG在1.25m的探测范围下的生成结果。图8(d)是本发明的生成结果，其中一级骨架道路、二级骨架道路和区域被分别标记为为实线、虚线和点划线。本发明生成的室内地图不存在抖动和毛刺的问题。
图9是不同的生成方法在房间位于走廊一侧的情况下的室内地图生成结果。其中，图 9(a)是GVD的生成结果。图9(b)是RGVG的生成结果。图9(c)是EVG在1.25m的探测范围下的生成结果。图9(d)是本发明的生成结果，其中一级骨架道路、二级骨架道路和区域被分别标记为实线、虚线和点划线。本发明生成的室内地图在房间位于走廊一侧的情况下，生成的室内地图不受房间位置的影响，实现了生成路径的最优性。
图10是把不同种类的生成方法生成的地图应用到A*全局规划器中的给定路径，GVD、 RGVG、1.25m探测范围下的EVG、本发明的生成结果和平滑后的本发明的生成结果分别被标注为灰色虚线、灰色实线、黑色虚线、白色虚线和白色实线。其中，图10(a)是在直线走廊上的全局路径结果。图10(b)是在转弯走廊上的全局路径结果。图10(c)是房间在走廊一侧的全局路径结果。本发明生成的全局路径更加的平滑。另一方面，本发明提供一种基于直骨架的室内多级拓扑地图的自动生成系统，包括边界提取模块、多层骨架生成模块和转角平滑模块；其中，在边界提取模块，对输入的栅格地图进行墙壁多边形和障碍物多变形分别进行提取和边界平滑；在多层骨架生成模块，首先对墙壁多边形通过直骨架生成方法生成一级骨架道路，接着对一级骨架道路进行搜索，将骨架走向不可控的房间结构划分为区域；然后联合区域和区域内部的障碍物多边形生成区域内部的二级骨架道路；最后对生成的骨架道路进行剪枝与平滑，生成由一级骨架道路，区域和二级骨架道路构成的分层拓扑地图；在转角平滑模块，对于不能进行原地转向动作的室内机器人，使用了基于螺线对的转角平滑方法，实现路径曲率的连续性，确保生成的地图可以运用到多种不同类型的室内机器人上。
本申请所述基于直骨架的室内多级拓扑地图的自动生成系统，还可以解释为如下结构：包括边界提取模块、直骨架生成模块、区域生成模块、多级直骨架地图生成模块以及转角平滑模块；
边界提取模块，从占据栅格地图中提取墙壁和障碍物轮廓；
直骨架生成模块，联合墙壁多边形和障碍物多边形生成直骨架并剪枝，得到剪枝处理的直骨架；
区域生成模块，基于剪枝处理的直骨架生成区域，具体的：基于收缩的直骨架构造方法，多边形边界的向内收缩，不断出现连通区域断开和区域消亡，狭长的走廊区域退化为骨架结构，对开阔的房间区域则进行进一步向内扩张；
采用考虑带孔多边形、小区域、非凸区域以及多变形个数的代价函数，墙面多边形向内扩张的每一过程都计算其代价函数，将代价函数最小值为对应的收缩步长，进而得到多边形集合作为区域的最佳候选集合；对所述最佳候选集合中每一个元素构造外部直骨架，并对所述最佳候选集合中每一个元素的边界进行扩张步长为的反向外部扩，得到扩张后的区域集合；剪裁区域集合中每一个区域的尖角部分；对区域集合中每一个区域进行门点检测，裁剪每一个区域中属于门外的区域；对反向扩张后所得区域集合中每一个区域超出墙体的部分进行剪裁，保留每一个区域中属于墙面多边形的部分，形成区域集台/>
多级直骨架地图生成模块，对墙体多边形和未被区域包含的障碍物集合Ow联合组成的多边形所生成的骨架段图Gsw进行切割，将区域外部属于狭窄环境中走向易于把控的骨架段保留为一级道路Tw；对区域/>和其内部包含的障碍物集合Oo联合组成的多边形所生成的骨架段图 Gso进行切割，将区域内部属于房间环境中受可变障碍物影响的走向不易把控的骨架段保留为二级道路TO；当区域内部不包含障碍物时，使用区域的最大内接矩形作为外多边形进行骨架生成；初步得到一个由区域，一级道路和二级道路组成的多级直骨架地图/>/>
转角平滑模块，基于多级直骨架地图M中的顶点集合V和室内机器人的最大转向半径为κM，采用螺线对进行转角平滑处理，得到最终的多级直骨架地图。
多级直骨架地图生成模块中还对生成的骨架道路进行剪枝与平滑，具体为：将多级直骨架地图中与区域相连的一级道路的端点与对应区域内部的二级道路进行最近点的直线连接，并优先连接距离最近的端点；然后对Tw和To进行简化，删除对主干道路无贡献的骨架段；Tw和To中的骨架段的一端为的死角边且长度较短时，对其进行剪枝；定义一个相交点处两个骨架段的直线相似率和相似率阈值，基于所述直线相似率和阈值，直线相似率大于所述阈值时，将所述两个骨架段的各点投影到线段上；按照对中心线偏移的容忍度进行设置一个阈值，再次使用道格拉斯·普客算法简化单个骨架段。
另外，本发明还可以提供一种计算机设备，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取部分或全部所述计算机可执行程序并执行，处理器执行部分或全部计算可执行程序时能实现本发明所述基于直骨架的室内多级拓扑地图的自动生成方法。
另一方面，本发明提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本发明所述的基于直骨架的室内多级拓扑地图的自动生成方法。
所述计算机设备可以采用笔记本电脑、桌面型计算机或工作站。
处理器可以是中央处理器(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)或现成可编程门阵列(FPGA)。
对于本发明所述存储器，可以是笔记本电脑、桌面型计算机或工作站的内部存储单元，如内存、硬盘；也可以采用外部存储单元，如移动硬盘、闪存卡。
计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机可读存储介质可以包括：只读存储器(ROM， Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD，Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体 (ReRAM，Resistance Random Access Memory)和动态随机存取存储器(DRAM，Dynamic Random Access Memory)。
Claims (8)
1.一种基于直骨架的室内多级拓扑地图的自动生成方法，其特征在于，包括以下步骤：
从占据栅格地图或CAD设计图中提取墙壁和障碍物轮廓；
联合墙壁多边形和障碍物多边形生成直骨架并剪枝，得到剪枝处理的直骨架；
基于剪枝处理的直骨架生成区域，具体包括以下步骤：基于收缩的直骨架构造方法，多边形边界的向内收缩，不断出现连通区域断开和区域消亡，狭长的走廊区域退化为骨架结构，对开阔的房间区域则进行进一步向内扩张；
采用考虑带孔多边形、小区域、非凸区域以及多变形个数的代价函数，墙面多边形向内扩张的每一过程都计算其代价函数，将代价函数最小值为对应的收缩步长，进而得到多边形集合作为区域的最佳候选集合；对所述最佳候选集合中每一个元素构造外部直骨架，并对所述最佳候选集合中每一个元素的边界进行扩张步长为的反向外部扩，得到扩张后的区域集合；剪裁区域集合中每一个区域的尖角部分；对区域集合中每一个区域进行门点检测，裁剪每一个区域中属于门外的区域；对反向扩张后所得区域集合中每一个区域超出墙体的部分进行剪裁，保留每一个区域中属于墙面多边形的部分，形成区域集合/>
对墙体多边形和未被区域包含的障碍物集合Ow联合组成的多边形所生成的骨架段图Gsw进行切割，将区域外部属于狭窄环境中走向易于把控的骨架段保留为一级道路Tw；对区域/>和其内部包含的障碍物集合Oo联合组成的多边形所生成的骨架段图Gso进行切割，将区域内部属于房间环境中受可变障碍物影响的走向不易把控的骨架段保留为二级道路TO；当区域内部不包含障碍物时，使用区域的最大内接矩形作为外多边形进行骨架生成；初步得到一个由区域，一级道路和二级道路组成的多级直骨架地图/>
基于多级直骨架地图M中的顶点集合V和室内机器人的最大转向半径为κM，采用螺线对进行转角平滑处理，得到最终的多级直骨架地图；从占据栅格地图中提取墙壁和障碍物轮廓包括以下步骤：
S11，针对栅格地图中的自由区域进行二值化处理，并采用形态学操作中的开运算对栅格地图中的噪声点进行初步滤除；
S12，利用Suzuki轮廓追踪算法得到二级轮廓集合；
S13，将二级轮廓集合中的父级轮廓划分为墙体，对于二级轮廓中的子级轮廓，使用道格拉斯·普客算法对轮廓中的折线进行提取，并对算法设定阈值，得到墙体轮廓集合和障碍物轮廓集合/>其中，/>和/>为/>中的点集，Nw和NO表示各集合中元素的总数；
S14，再次使用道格拉斯·普客算法，根据栅格地图的边界噪声设定阈值，将墙体轮廓集合Cw简化为墙体多边形集合将障碍物轮廓集合CO简化为障碍物多边形集合/>联合墙壁多边形和障碍物多边形生成直骨架并剪枝，得到剪枝处理的直骨架包括以下步骤：
S21，对墙体多边形集合使用直骨架生成算法，将生成的多边形直骨架图表示为G＝(V,E)，其中，为顶点集合，/>为边的集合，ek＝{vi,vj}(ek∈E,vi∈
Vj∈V)表示一条从vi到vj的边；
S22，顶点vi(0<i<NV)的度为与其关联的边的个数；对G中的边集合E进行重新组合，将连接首尾两个相交点/>及其中间的连接点/>的所有边组合为骨架段/> 其中，Ne表示s中边的个数，骨架段集合S可以表示为/>其中NS表示G中骨架段的个数，由骨架段构成的图可以表示为Gs＝(V,S)；
S23，对Gs进行入射边剪枝，即对任意端点与原多边形重合的骨架段进行剪枝，删除si中所有的边，删除与删除边关联顶点中的孤立点；
对Gs进行短边剪枝，如果骨架段si的长度过小，则对骨架段si进行剪枝，删除si中的所有边，删除与删除边关联顶点中的孤立点，并将si中首尾两个相交点融合为同一点。
2.根据权利要求1所述的基于直骨架的室内多级拓扑地图的自动生成方法，其特征在于，代价函数
其中，表示带孔多边形的代价，/>表示小区域的代价，/>表示非凸区域的代价，/>表示多变形个数的代价，ka、kc、ks分别表示对应的系数；t为墙体多边形向内收缩的步长。
3.根据权利要求1所述的一种基于直骨架的室内多级拓扑地图的自动生成方法，其特征在于，对初步得到的多级直骨架地图进行剪枝和平滑处理，具体如下：将多级直骨架地图中与区域相连的一级道路的端点与对应区域内部的二级道路进行最近点的直线连接，并优先连接距离最近的端点；然后对Tw和To进行简化，删除对主干道路无贡献的骨架段；Tw和To中的骨架段的一端为的死角边且长度较短时，对其进行剪枝；
定义一个相交点处两个骨架段的直线相似率和相似率阈值，基于所述直线相似率和阈值，直线相似率大于所述阈值时，将所述两个骨架段的各点投影到线段上；
按照对中心线偏移的容忍度进行设置一个阈值，再次使用道格拉斯·普客算法简化单个骨架段。
4.根据权利要求1所述的基于直骨架的室内多级拓扑地图的自动生成方法，其特征在于，基于多级直骨架地图M中的顶点集合V和室内机器人的最大转向半径为κM，采用螺线对进行转角平滑处理，得到最终的多级直骨架地图具体如下：
在多级直骨架地图M中的顶点集合V中，将相连点之间最小间距小于R的顶点聚合为一个路口，选取与路口关联的边上与路口点距离为R的点作为转角平滑的锚点锚点集合Va， 中的两点/>和/>将点/>向以[xi yi]T原点、θi为x轴正方向的平面直角坐标系进行投影，得到点/>相对于点/>的相关点vr＝{xr,yr,θr}(-π≤θr≤π)，并用θv＝tan-1(yr,xr)表示点[xr yr]T与x轴正方向的夹角，用/>表示θv翻转180°后的角度，将满足θv＝θr＝0的点对用直线进行连接，将满足/> 的点对，结合κM，用两组螺线-圆-螺线进行连接，将满足/>或者 的点对，结合κM用直线和螺线-圆-螺线的组合进行连接。
5.基于直骨架的室内多级拓扑地图的自动生成系统，其特征在于，基于权利要求1-4任一项所述基于直骨架的室内多级拓扑地图的自动生成方法，包括边界提取模块、直骨架生成模块、区域生成模块、多级直骨架地图生成模块以及转角平滑模块；其中，
边界提取模块，从占据栅格地图中提取墙壁和障碍物轮廓；
直骨架生成模块，联合墙壁多边形和障碍物多边形生成直骨架并剪枝，得到剪枝处理的直骨架；
区域生成模块，基于剪枝处理的直骨架生成区域，具体的：基于收缩的直骨架构造方法，多边形边界的向内收缩，不断出现连通区域断开和区域消亡，狭长的走廊区域退化为骨架结构，对开阔的房间区域则进行进一步向内扩张；
采用考虑带孔多边形、小区域、非凸区域以及多变形个数的代价函数，墙面多边形向内扩张的每一过程都计算其代价函数，将代价函数最小值为对应的收缩步长，进而得到多边形集合作为区域的最佳候选集合；对所述最佳候选集合中每一个元素构造外部直骨架，并对所述最佳候选集合中每一个元素的边界进行扩张步长为的反向外部扩，得到扩张后的区域集合；剪裁区域集合中每一个区域的尖角部分；对区域集合中每一个区域进行门点检测，裁剪每一个区域中属于门外的区域；对反向扩张后所得区域集合中每一个区域超出墙体的部分进行剪裁，保留每一个区域中属于墙面多边形的部分，形成区域集合/>
多级直骨架地图生成模块，对墙体多边形和未被区域包含的障碍物集合Ow联合组成的多边形所生成的骨架段图Gsw进行切割，将区域外部属于狭窄环境中走向易于把控的骨架段保留为一级道路Tw；对区域/>和其内部包含的障碍物集合Oo联合组成的多边形所生成的骨架段图Gso进行切割，将区域内部属于房间环境中受可变障碍物影响的走向不易把控的骨架段保留为二级道路TO；当区域内部不包含障碍物时，使用区域的最大内接矩形作为外多边形进行骨架生成；初步得到一个由区域，一级道路和二级道路组成的多级直骨架地图
转角平滑模块，基于多级直骨架地图M中的顶点集合V和室内机器人的最大转向半径为κM，采用螺线对进行转角平滑处理，得到最终的多级直骨架地图。
6.根据权利要求5所述的系统，其特征在于，多级直骨架地图生成模块还对生成的骨架道路进行剪枝与平滑，具体为：将多级直骨架地图中与区域相连的一级道路的端点与对应区域内部的二级道路进行最近点的直线连接，并优先连接距离最近的端点；然后对Tw和To进行简化，删除对主干道路无贡献的骨架段；Tw和To中的骨架段的一端为的死角边且长度较短时，对其进行剪枝；定义一个相交点处两个骨架段的直线相似率和相似率阈值，基于所述直线相似率和阈值，直线相似率大于所述阈值时，将所述两个骨架段的各点投影到线段上；按照对中心线偏移的容忍度进行设置一个阈值，再次使用道格拉斯·普客算法简化单个骨架段。
7.一种计算机设备，其特征在于，包括处理器以及存储器，存储器用于存储计算机可执行程序，处理器从存储器中读取所述计算机可执行程序并执行，处理器执行计算可执行程序时能实现权利要求1～4中任一项所述基于直骨架的室内多级拓扑地图的自动生成方法。
8.一种计算机可读存储介质，其特征在于，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现如权利要求1～4中任一项所述的基于直骨架的室内多级拓扑地图的自动生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111488933.6A CN114355888B (zh) | 2021-12-07 | 2021-12-07 | 基于直骨架的室内多级拓扑地图的自动生成方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111488933.6A CN114355888B (zh) | 2021-12-07 | 2021-12-07 | 基于直骨架的室内多级拓扑地图的自动生成方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114355888A CN114355888A (zh) | 2022-04-15 |
| CN114355888B true CN114355888B (zh) | 2023-09-26 |
Family
ID=81096575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111488933.6A Active CN114355888B (zh) | 2021-12-07 | 2021-12-07 | 基于直骨架的室内多级拓扑地图的自动生成方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114355888B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112947415A (zh) * | 2021-01-26 | 2021-06-11 | 同济大学 | 一种基于障碍物语义信息的室内路径规划方法 |
| CN113189988A (zh) * | 2021-04-21 | 2021-07-30 | 合肥工业大学 | 一种基于Harris算法与RRT算法复合的自主路径规划方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120078585A1 (en) * | 2010-06-29 | 2012-03-29 | University Of Connecticut | Method and system for constructing geometric skeletons and medial zones of rigid and non-rigid shapes |
| CN110703747B (zh) * | 2019-10-09 | 2021-08-03 | 武汉大学 | 一种基于简化广义Voronoi图的机器人自主探索方法 |
-
2021
- 2021-12-07 CN CN202111488933.6A patent/CN114355888B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112947415A (zh) * | 2021-01-26 | 2021-06-11 | 同济大学 | 一种基于障碍物语义信息的室内路径规划方法 |
| CN113189988A (zh) * | 2021-04-21 | 2021-07-30 | 合肥工业大学 | 一种基于Harris算法与RRT算法复合的自主路径规划方法 |
Non-Patent Citations (3)
| Title |
|---|
| 一种基于环境栅格地图的多机器人路径规划方法;陈晓娥;苏理;;机械科学与技术(第10期);全文 * |
| 基于直骨架化的低空飞行器航线规划方法;徐志强;王雪松;;战术导弹技术(第05期);全文 * |
| 直骨架斜接偏移曲线构造等高线的地形算法研究;龚勋;杨刚;郭亦非;;地理与地理信息科学(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114355888A (zh) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110823240B (zh) | 一种具有航向约束的跟随机器人路径规划方法及系统 | |
| CN110648529B (zh) | 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质 | |
| CN110220521B (zh) | 一种高精地图的生成方法和装置 | |
| CN106599108A (zh) | 一种三维环境中多模态环境地图构建方法 | |
| CN107168305A (zh) | 路口场景下基于Bezier和VFH的无人车轨迹规划方法 | |
| CN103542852A (zh) | 一种基于分割法的无人机路径规划方法 | |
| US20060267980A1 (en) | CAD method, CAD system and program storage medium storing CAD program thereof | |
| CN105354353A (zh) | 一种基于mbd模型的加工特征识别和建模方法 | |
| Gong et al. | A typification method for linear pattern in urban building generalisation | |
| CN113704381B (zh) | 路网数据处理方法、装置、计算机设备和存储介质 | |
| Bassier et al. | Automated semantic labelling of 3D vector models for scan-to-BIM | |
| CN115268443A (zh) | 一种机器人避障路径规划方法 | |
| CN104392053A (zh) | 一种蒙皮滚弯零件截面曲率分析方法 | |
| Xu et al. | Machining feature recognition from in-process model of NC simulation | |
| CN114355888B (zh) | 基于直骨架的室内多级拓扑地图的自动生成方法及系统 | |
| Haunert et al. | Using the straight skeleton for generalisation in a multiple representation environment | |
| US7181377B1 (en) | Method of modifying a volume mesh using sheet extraction | |
| CN117419738A (zh) | 基于可视图与D*Lite算法的路径规划方法及系统 | |
| CN116009552A (zh) | 一种路径规划方法、装置、设备及存储介质 | |
| CN115143980A (zh) | 基于剪枝Voronoi图的增量式拓扑地图构建方法 | |
| CN106251307A (zh) | 基于 Extended Smoothlets （ExSmoothlets）变换的图像近似方法 | |
| CN103020402B (zh) | 建模方法和装置 | |
| CN113358129B (zh) | 基于Voronoi图的避障最短路径规划方法 | |
| CN114168700A (zh) | 一种路网合并更新方法、系统、电子设备及存储介质 | |
| Collins et al. | Towards applicable Scan-to-BIM and Scan-to-Floorplan: an end-to-end experiment |
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 |