CN114779787A - 栅格地图构建方法、机器人及机器可读存储介质 - Google Patents
栅格地图构建方法、机器人及机器可读存储介质 Download PDFInfo
- Publication number
- CN114779787A CN114779787A CN202210564754.4A CN202210564754A CN114779787A CN 114779787 A CN114779787 A CN 114779787A CN 202210564754 A CN202210564754 A CN 202210564754A CN 114779787 A CN114779787 A CN 114779787A
- Authority
- CN
- China
- Prior art keywords
- grid
- map
- occupied
- robot
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000010276 construction Methods 0.000 title claims abstract description 9
- 238000013507 mapping Methods 0.000 claims abstract description 34
- 230000015556 catabolic process Effects 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 31
- 238000001914 filtration Methods 0.000 claims description 6
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 claims description 4
- 230000008447 perception Effects 0.000 claims description 4
- 239000013589 supplement Substances 0.000 abstract description 9
- 230000000007 visual effect Effects 0.000 abstract description 7
- 230000008030 elimination Effects 0.000 abstract description 4
- 238000003379 elimination reaction Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000001502 supplementing effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请实施例提供了栅格地图构建方法、机器人及机器可读存储介质。本实施例中,通过依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,以及在确定出空闲栅格、以及未知栅格之后,从初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,这实现了基于栅格映射以及栅格地图误消除障碍物补充策略进行视觉移动机器人二维栅格地图的构建,避免出现因机器人视角近距离下的细小障碍物被背景清空而无法准确描述到栅格地图的问题。
Description
技术领域
本申请涉及机器人,特别涉及栅格地图构建方法、机器人及机器可读存储介质。
背景技术
移动机器人在移动导航过程中,需要类似人类视觉的功能来感知周围的环境,以理解哪些区域是可行区域,哪些区域是障碍物区域等。在应用中,二维栅格地图(也称二维占据栅格地图),简称栅格地图,被用于代替人类视觉来感知周围障碍物的情况,以便移动机器人避障与导航。
目前,栅格地图的绘制通常有两种方式,一种是基于雷达扫描绘制栅格地图,另一种是基于相机获取场景三维点云绘制栅格地图。但是,在基于相机获取场景三维点云绘制栅格地图时,常会出现因机器人视角近距离下的细小障碍物被背景清空而无法准确描述到栅格地图中。
发明内容
本申请实施例提供了栅格地图构建方法、机器人及机器可读存储介质,以避免出现因机器人视角近距离下的细小障碍物被背景清空而无法准确描述到栅格地图的问题。
本申请实施例提供一种栅格地图构建方法,该方法应用于机器人,包括:
获得机器人在指定空间区域内工作时的目标点云数据;所述目标点云数据是基于深度图和所述相机的内外参数计算出的,所述深度图是依据所述机器人上已安装的相机采集的散斑图像获得的,所述目标点云数据至少包括所述指定空间区域内各障碍物在相机坐标系下的障碍物位置;
在初始栅格地图上确定与所述目标点云数据中每一障碍物位置具有映射关系的参考栅格,确定与相机位置点具有映射关系的第一目标栅格、以及确定与所述机器人的机器人位置点具有映射关系的第二目标栅格;所述相机位置点为所述相机采集所述散斑图像时的位置,所述机器人位置点为所述相机采集所述散斑图像时所述机器人的中心所处的位置;
依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,从所述初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,得到目标栅格地图,所述指定范围是以所述第二目标栅格为中心、设定距离r为半径的范围。
一种机器人,该机器人包括:
相机模组,所述相机模组至少包括相机、发射源;所述发射源用于发射信号,所述相机用于采集所述信号照射到物体表面时形成的散斑图像;
感知模块,用于:
获得机器人在指定空间区域内工作时的目标点云数据;所述目标点云数据是基于深度图和所述相机的内外参数计算出的,所述深度图是依据相机采集的散斑图像确定的,所述目标点云数据至少包括所述指定空间区域内各障碍物在相机坐标系下的障碍物位置;以及,
在初始栅格地图上确定与所述目标点云数据中每一障碍物位置具有映射关系的参考栅格,确定与相机位置点具有映射关系的第一目标栅格、以及确定与所述机器人的机器人位置点具有映射关系的第二目标栅格;所述相机位置点为所述相机采集所述散斑图像时的位置,所述机器人位置点为所述相机采集所述散斑图像时所述机器人的中心所处的位置;以及,
依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,从所述初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,得到目标栅格地图,所述指定范围是以所述第二目标栅格为中心、设定距离r为半径的范围。
本申请实施例还提供一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有能够被执行的机器可执行指令;
所述机器可执行指令被执行,以实现如上方法的步骤。
由以上技术方案可以看出,本实施例中,通过依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,以及在确定出空闲栅格、以及未知栅格之后,从初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,这实现了基于栅格映射以及栅格地图误消除障碍物补充策略进行视觉移动机器人二维栅格地图的构建,避免出现因机器人视角近距离下的细小障碍物被背景清空而无法准确描述到栅格地图的问题;
进一步地,在目标点云数据中每一障碍物位置映射至初始栅格地图上的参考栅格后,先初步直接依据参考栅格与第一目标栅格,在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,避免像相近技术中去做整幅地图计数器遍历操作,具有较高的效率;
进一步地,在本实施例中,在绘制栅格地图时从所述初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,实现了采用障碍物补充策略对近距离细小障碍物进行补充提高了栅格地图的准确性。
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为本申请实施例提供的方法流程图;
图2为本申请实施例提供的障碍物分布情况示意图;
图3为本申请实施例提供的栅格更新流程图;
图4为本申请实施例提供的另一栅格更新流程图;
图5为本申请实施例提供的机器人结构图。
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申请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、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,并使本申请实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请实施例中技术方案作进一步详细的说明。
参见图1,图1为本申请实施例提供的方法流程图。作为一个实施例,该方法应用于机器人。
如图1所示,该流程可包括以下步骤:
步骤101,获得机器人在指定空间区域内工作时的目标点云数据。
在本实施例中,这里的指定空间区域比如客厅、卧室、办公室等,本实施例并不具体限定。
在上述指定空间区域中,机器人会在指定工作模式比如沿边行走的工作模式或沿边绕障的工作模式下工作时执行上述步骤101中获得机器人在指定空间区域内工作时的目标点云数据。
在本实施例中,目标点云数据是基于深度图和相机的内外参数计算出的。这里,深度图是依据机器人上已安装的相机采集的散斑图像获得的比如基于散斑图像和立体匹配测距方法得到应用场景下实时的深度图。该深度度可由指定设备比如机器人上安装的处理模块获得。
可选地,机器人上安装的发射源会发射信号,相机会采集信号照射到物体表面时形成的上述散斑图像。这里的散斑图像与相机的类型有关,比如相机为红外相机,散斑图像对应即为红外散斑图像。
可选地,在本实施例中,获得机器人在指定空间区域内工作时的目标点云数据有很多实现方式,比如获得机器人在指定空间区域内工作时的候选点云数据,这里的候选点云数据是指定空间区域内各障碍物在相机坐标系下的障碍物位置,图2举例示出了指定空间区域内各障碍物;之后,通过滤波操作剔除上述候选点云数据中不符合要求的位置,得到上述目标点云数据。
可选地,在本实施例中,通过直通滤波、统计滤波等操作来剔除不符合要求的位置比如无效位置、离群位置等不符合要求的位置。
步骤102,在初始栅格地图上确定与目标点云数据中每一障碍物位置具有映射关系的栅格(记为参考栅格),确定与相机位置点具有映射关系的第一目标栅格、以及确定与机器人的机器人位置点具有映射关系的第二目标栅格。
在本实施例中,假若当前是首次构建栅格地图,则该初始化栅格地图即为按照设定地图尺寸、设定栅格大小(每一栅格所代表的实际距离)设置的原始栅格地图。在原始栅格地图上,每一栅格像素值被置为第一预设值比如128。这里,第一预设值用于表示未知栅格。
当然,作为一个实施例,假若当前不是首次构建栅格地图,则该初始化栅格地图可优选为上一次根据点云数据构建的栅格地图。
需要说明的是,为保证流程简单化,也可以统一默认初始化栅格地图为上述的原始栅格地图。
在本实施例中,初始栅格地图上有很多栅格,本实施例会基于映射关系将目标点云数据中每一障碍物位置映射至对应的栅格(为便于区分,该栅格记为参考栅格)。在本实施例中,映射关系可为相机坐标系至栅格地图对应的二维坐标系之间的映射关系。
进一步地,在本实施例中,还会基于上述映射关系在初始栅格地图上确定与相机位置点具有映射关系的栅格(为便于区分,记为第一目标栅格)、以及确定与机器人的机器人位置点具有映射关系的栅格(为便于区分,记为第二目标栅格)。
作为一个实施例,相机位置点是指相机采集上述散斑图像时的位置。
机器人位置点为相机采集上述散斑图像时机器人的中心所处的位置。
需要说明的是,在本实施例中,在初始栅格地图上确定出上述参考栅格后,可进一步更新参考栅格的像素值。其中,更新后的像素值小于更新前的像素值,比如,将更新前的像素值减去设定值即得到上述更新后的像素值。在本实施例中,任一栅格的像素值越小,则代表该栅格为占用栅格的概率越大,任一栅格的像素值越大,则代表该栅格为占用栅格的概率越小。通过更新参考栅格的像素值,即可实现在初始栅格地图初步显示出上述指定空间区域内各障碍物的分布情况。
还需要说明的是,在本实施例中,在初始栅格地图上当任一障碍物位置映射至参考栅格后,可进一步记录映射至该栅格的障碍物位置的数量。比如,原来没有记录该栅格相关联的障碍物位置映射数量,则记录该栅格相关联的障碍物位置映射数量为初始值比如1,若已记录该栅格相关联的障碍物位置映射数量,则将已记录的该栅格相关联的障碍物位置映射数量增加预设值比如1。
步骤103,依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,从初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,得到目标栅格地图,指定范围是以第二目标栅格为中心、设定距离r为半径的范围。
可选地,在本实施例中,步骤103主要是基于Bresenham算法的栅格像素累加累减(相近技术应用计数法进行构建)来对栅格地图中动态和静态障碍物的实时更新、以及基于栅格地图误消除障碍物补充策略来进行视觉移动机器人二维栅格地图的构建,以得到最终的目标栅格地图。
作为一个实施例,为提高效率(避免像相近技术中去做整幅地图计数器遍历操作),本实施例主要是借鉴Bresenham算法中较为简单的加减和位元移位操作对栅格地图中动态和静态障碍物的实时更新,以最终依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格。图3会举例描述,这里暂不赘述。
作为另一个实施例,在绘制栅格地图时采用障碍物补充策略对近距离细小障碍物进行补充,提高了栅格地图的准确性。图4举例示出如何将空闲栅格和/或未知栅格状态补充为占用栅格,这里暂不赘述。
至此,完成图1所示流程。
通过图1所示流程可以看出,本实施例中,通过依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,以及在确定出空闲栅格、以及未知栅格之后,从初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,这实现了基于栅格映射以及栅格地图误消除障碍物补充策略进行视觉移动机器人二维栅格地图的构建,避免出现因机器人视角近距离下的细小障碍物被背景清空而无法准确描述到栅格地图的问题;
进一步地,在目标点云数据中每一障碍物位置映射至初始栅格地图上的参考栅格后,先初步直接依据参考栅格与第一目标栅格,在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,避免像相近技术中去做整幅地图计数器遍历操作,具有较高的效率;
进一步地,在本实施例中,在绘制栅格地图时从所述初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,实现了采用障碍物补充策略对近距离细小障碍物进行补充提高了栅格地图的准确性。
下面对图3所示流程进行描述:
参见图3,图3为本申请实施例提供的栅格更新流程图。通过该流程,可以依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格。
如图3所示,该流程可包括以下步骤:
步骤301,针对每一参考栅格,确定从该参考栅格至第一目标栅格的最短直线段,更新处于该最短直线段上的栅格的像素值。
在本实施例中,更新处于该最短直线段上的栅格的像素值,比如,将最短直线段上的栅格的像素值增加设定值,以使更新后的像素值大于更新前的像素值,降低障碍物占用概率。
步骤302,针对初始栅格地图上每一栅格,依据该栅格的像素值确定该栅格为占用栅格、空闲栅格、还是未知栅格;其中,当该栅格的像素值为第一预设值时表明该栅格为未知栅格,当该栅格的像素值小于或等于设定障碍物阈值时,表明该栅格为占用栅格,当该栅格的像素值大于设定障碍物阈值,且小于第一预设值时,确定该栅格为空闲栅格。
通过图3所示流程最终初步确定在初始栅格地图上确定出状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格。
下面描述如何从空闲栅格和/或未知栅格中选择占用栅格来补充占用栅格(障碍物):
参见图4,图4为本申请实施例的栅格更新另一流程图。该流程通过判别前后帧的联系来补充可信度较高的障碍物栅格,避免由于某一帧噪点导致栅格障碍物错误填充。
图4所示流程在执行时需要涉及栅格的击穿次数。可选地,在本实施例中,上述确定从该参考栅格至第一目标栅格的最短直线段进一步包括:针对处于该最短直线段上的每一栅格,若已记录该栅格的击穿次数,则将已记录的该栅格的击穿次数增加第二预设值比如1,否则,记录该栅格的击穿次数为所述第二预设值比如1。
之后,执行如图4所示的流程:
步骤401,针对初始栅格地图上处于指定范围内的每一栅格,若该栅格为空闲栅格或者未知栅格,则执行步骤402。
在本实施例中,指定范围是以第二目标栅格为中心、设定距离r为半径的范围。r可根据实际需求设置。
步骤402,当该栅格的击穿次数满足设定要求时,将该栅格的像素值更新为第三预设值,以指示该栅格更新为状态为占用状态的占用栅格,第三预设值小于或等于设定障碍物阈值。
可选地,在本实施例中,参考栅格的击穿次数至少满足以下条件:
其中,occ(i)表示所述目标点云数据中映射至第i个参考栅格的障碍物位置的数量;threshold为预设的点云噪点判断阈值;befor_free(i)表示若当前为首次执行构建栅格地图,则befor_free(i)为第四预设值比如0,否则,befor_free(i)表示在基于上一次获得的历史点云数据构建栅格地图时该第i个栅格的击穿次数,free(i)表示第i个栅格的击穿次数;THRE为第五预设值。
至此,完成图4所示流程。
通过图4所示流程,实现了通过障碍物补充策略补充机器人当前位置的一定距离范围内的占用栅格,以避免误消除障碍物。
以上对本申请实施例提供的方法进行了描述,下面对本申请实施例提供的机器人进行描述:
参见图5,图5为本申请实施例提供的机器人结构图,该机器人主要包括:相机模组和感知模块。
其中,相机模组至少包括相机、发射源;其中,发射源用于发射信号,相机用于采集所述信号照射到物体表面时形成的散斑图像。
作为一个实施例,相机模组还包括处理模块。其中,处理模块用于依据相机采集的散斑图像确定深度图。这里的处理模块可通过软件或者通过硬件芯片实现,本实施例并不具体限定。图5以相机模组包含处理模块为例示出。
作为另一个实施例,相机模组还可不包括处理模块,由外部设备或者机器人已有的其它模块来确定上述深度图。
感知模块,用于:
获得机器人在指定空间区域内工作时的目标点云数据;所述目标点云数据是基于深度图和所述相机的内外参数计算出的,所述目标点云数据至少包括所述指定空间区域内各障碍物在相机坐标系下的障碍物位置;以及在初始栅格地图上确定与所述目标点云数据中每一障碍物位置具有映射关系的参考栅格,确定与相机位置点具有映射关系的第一目标栅格、以及确定与所述机器人的机器人位置点具有映射关系的第二目标栅格;所述相机位置点为所述相机采集所述红外散斑图像时的位置,所述机器人位置点为所述相机采集所述红外散斑图像时所述机器人的中心所处的位置;以及,
依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,从所述初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,得到目标栅格地图,所述指定范围是以所述第二目标栅格为中心、设定距离r为半径的范围。
可选地,获得机器人在指定空间区域内工作时的目标点云数据包括:
获得机器人在指定空间区域内工作时的候选点云数据;
通过滤波操作剔除所述候选点云数据中不符合要求的位置,得到所述目标点云数据。
可选地,所述在初始栅格地图上确定与所述目标点云数据中每一障碍物位置具有映射关系的参考栅格进一步包括:更新所述参考栅格的像素值,更新后的像素值小于更新前的像素值;其中,任一栅格的像素值越小,则代表该栅格为占用栅格的概率越大,任一栅格的像素值越大,则代表该栅格为占用栅格的概率越小。
可选地,所述依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格包括:
针对每一参考栅格,确定从该参考栅格至第一目标栅格的最短直线段,更新处于该最短直线段上的栅格的像素值;更新后的像素值大于更新前的像素值;针对所述初始栅格地图上每一栅格,依据该栅格的像素值确定该栅格为占用栅格、空闲栅格、还是未知栅格;其中,当该栅格的像素值为第一预设值时表明该栅格为未知栅格,当该栅格的像素值小于或等于设定障碍物阈值时,表明该栅格为占用栅格,当该栅格的像素值大于设定障碍物阈值,且小于第一预设值时,确定该栅格为空闲栅格。
可选地,所述确定从该参考栅格至第一目标栅格的最短直线段进一步包括:针对处于该最短直线段上的每一栅格,若已记录该栅格的击穿次数,则将已记录的该栅格的击穿次数增加第二预设值,否则,记录该栅格的击穿次数为所述第二预设值;
所述从所述初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格状态为占用状态的占用栅格包括:针对所述初始栅格地图上处于指定范围内的每一栅格,若该栅格为空闲栅格或者未知栅格,则当该栅格的击穿次数满足设定要求时,将该栅格的像素值更新为第三预设值,以指示该栅格更新为状态为占用状态的占用栅格,所述第三预设值小于或等于设定障碍物阈值;
其中,参考栅格的击穿次数满足设定要求包括:所述参考栅格的击穿次数至少满足以下条件:
其中,occ(i)表示所述目标点云数据中映射至第i个参考栅格的障碍物位置的数量;threshold为预设的点云噪点判断阈值;befor_free(i)表示若当前为首次执行构建栅格地图,则befor_free(i)为第四预设值比如0,否则,befor_free(i)表示在基于上一次获得的历史点云数据构建栅格地图时该第i个栅格的击穿次数,free(i)表示第i个栅格的击穿次数;THRE为第五预设值。
至此,完成图5所示机器人的结构描述。
本申请实施例还提供了一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被处理器执行时,能够实现本申请上述示例公开的方法。
示例性的,上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
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,本申请实施例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。应理解可以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、嵌入式处理机或其它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它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。
而且,这些计算机程序指令也可以存储在能引导计算机或其它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者多个流程和/或方框图一个方框或者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它可编程数据处理设备上,使得在计算机或者其它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,从而在计算机或其它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。
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 (11)
1.一种栅格地图构建方法,其特征在于,该方法应用于机器人,包括:
获得机器人在指定空间区域内工作时的目标点云数据;所述目标点云数据是基于深度图和相机的内外参数计算出的,所述深度图是依据所述机器人上已安装的相机采集的散斑图像获得的,所述目标点云数据至少包括所述指定空间区域内各障碍物在相机坐标系下的障碍物位置;
在初始栅格地图上确定与所述目标点云数据中每一障碍物位置具有映射关系的参考栅格,确定与相机位置点具有映射关系的第一目标栅格、以及确定与所述机器人的机器人位置点具有映射关系的第二目标栅格;所述相机位置点为所述相机采集所述散斑图像时的位置,所述机器人位置点为所述相机采集所述散斑图像时所述机器人的中心所处的位置;
依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,从所述初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,得到目标栅格地图,所述指定范围是以所述第二目标栅格为中心、设定距离r为半径的范围。
2.根据权利要求1所述的方法,其特征在于,获得机器人在指定空间区域内工作时的目标点云数据包括:
获得机器人在指定空间区域内工作时的候选点云数据;
通过滤波操作剔除所述候选点云数据中不符合要求的位置,得到所述目标点云数据。
3.根据权利要求1所述的方法,其特征在于,所述在初始栅格地图上确定与所述目标点云数据中每一障碍物位置具有映射关系的参考栅格进一步包括:更新所述参考栅格的像素值,更新后的像素值小于更新前的像素值;其中,任一栅格的像素值越小,则代表该栅格为占用栅格的概率越大,任一栅格的像素值越大,则代表该栅格为占用栅格的概率越小。
4.根据权利要求1或3所述的方法,其特征在于,所述依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格包括:
针对每一参考栅格,确定从该参考栅格至第一目标栅格的最短直线段,更新处于该最短直线段上的栅格的像素值;更新后的像素值大于更新前的像素值;
针对所述初始栅格地图上每一栅格,依据该栅格的像素值确定该栅格为占用栅格、空闲栅格、还是未知栅格;其中,当该栅格的像素值为第一预设值时表明该栅格为未知栅格,当该栅格的像素值小于或等于设定障碍物阈值时,表明该栅格为占用栅格,当该栅格的像素值大于设定障碍物阈值,且小于第一预设值时,确定该栅格为空闲栅格。
5.根据权利要求4所述的方法,其特征在于,所述确定从该参考栅格至第一目标栅格的最短直线段进一步包括:针对处于该最短直线段上的每一栅格,若已记录该栅格的击穿次数,则将已记录的该栅格的击穿次数增加第二预设值,否则,记录该栅格的击穿次数为所述第二预设值;
所述从所述初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格状态为占用状态的占用栅格包括:
针对所述初始栅格地图上处于指定范围内的每一栅格,若该栅格为空闲栅格或者未知栅格,则当该栅格的击穿次数满足设定要求时,将该栅格的像素值更新为第三预设值,以指示该栅格更新为状态为占用状态的占用栅格,所述第三预设值小于或等于设定障碍物阈值。
7.一种机器人,其特征在于,该机器人包括:
相机模组,所述相机模组至少包括相机、发射源;所述发射源用于发射信号,所述相机用于采集所述信号照射到物体表面时形成的散斑图像;
感知模块,用于:
获得机器人在指定空间区域内工作时的目标点云数据;所述目标点云数据是基于深度图和所述相机的内外参数计算出的,所述深度图是依据相机采集的散斑图像确定的,所述目标点云数据至少包括所述指定空间区域内各障碍物在相机坐标系下的障碍物位置;以及,
在初始栅格地图上确定与所述目标点云数据中每一障碍物位置具有映射关系的参考栅格,确定与相机位置点具有映射关系的第一目标栅格、以及确定与所述机器人的机器人位置点具有映射关系的第二目标栅格;所述相机位置点为所述相机采集所述散斑图像时的位置,所述机器人位置点为所述相机采集所述散斑图像时所述机器人的中心所处的位置;以及,
依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格,从所述初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格为状态为占用状态的占用栅格,得到目标栅格地图,所述指定范围是以所述第二目标栅格为中心、设定距离r为半径的范围。
8.根据权利要求7所述的机器人,其特征在于,获得机器人在指定空间区域内工作时的目标点云数据包括:
获得机器人在指定空间区域内工作时的候选点云数据;
通过滤波操作剔除所述候选点云数据中不符合要求的位置,得到所述目标点云数据;和/或,
所述在初始栅格地图上确定与所述目标点云数据中每一障碍物位置具有映射关系的参考栅格进一步包括:更新所述参考栅格的像素值,更新后的像素值小于更新前的像素值;其中,任一栅格的像素值越小,则代表该栅格为占用栅格的概率越大,任一栅格的像素值越大,则代表该栅格为占用栅格的概率越小。
9.根据权利要求7所述的机器人,其特征在于,所述依据参考栅格与第一目标栅格在初始栅格地图上确定状态为占用状态的占用栅格、状态为空闲状态的空闲栅格、以及未知栅格包括:
针对每一参考栅格,确定从该参考栅格至第一目标栅格的最短直线段,更新处于该最短直线段上的栅格的像素值;更新后的像素值大于更新前的像素值;针对所述初始栅格地图上每一栅格,依据该栅格的像素值确定该栅格为占用栅格、空闲栅格、还是未知栅格;其中,当该栅格的像素值为第一预设值时表明该栅格为未知栅格,当该栅格的像素值小于或等于设定障碍物阈值时,表明该栅格为占用栅格,当该栅格的像素值大于设定障碍物阈值,且小于第一预设值时,确定该栅格为空闲栅格。
10.根据权利要求9所述的机器人,其特征在于,所述确定从该参考栅格至第一目标栅格的最短直线段进一步包括:针对处于该最短直线段上的每一栅格,若已记录该栅格的击穿次数,则将已记录的该栅格的击穿次数增加第二预设值,否则,记录该栅格的击穿次数为所述第二预设值;
所述从所述初始栅格地图上选择处于指定范围内的至少一个空闲栅格和/或未知栅格状态为占用状态的占用栅格包括:针对所述初始栅格地图上处于指定范围内的每一栅格,若该栅格为空闲栅格或者未知栅格,则当该栅格的击穿次数满足设定要求时,将该栅格的像素值更新为第三预设值,以指示该栅格更新为状态为占用状态的占用栅格,所述第三预设值小于或等于设定障碍物阈值;
其中,参考栅格的击穿次数满足设定要求包括:所述参考栅格的击穿次数至少满足以下条件:
其中,occ(i)表示所述目标点云数据中映射至第i个参考栅格的障碍物位置的数量;threshold为预设的点云噪点判断阈值;befor_free(i)表示若当前为首次执行构建栅格地图,则befor_free(i)为第四预设值比如0,否则,befor_free(i)表示在基于上一次获得的历史点云数据构建栅格地图时该第i个栅格的击穿次数,free(i)表示第i个栅格的击穿次数;THRE为第五预设值。
11.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有能够被执行的机器可执行指令;
所述机器可执行指令被执行,以实现权利要求1-6任一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210564754.4A CN114779787A (zh) | 2022-05-23 | 2022-05-23 | 栅格地图构建方法、机器人及机器可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210564754.4A CN114779787A (zh) | 2022-05-23 | 2022-05-23 | 栅格地图构建方法、机器人及机器可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114779787A true CN114779787A (zh) | 2022-07-22 |
Family
ID=82408960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210564754.4A Pending CN114779787A (zh) | 2022-05-23 | 2022-05-23 | 栅格地图构建方法、机器人及机器可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114779787A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116661468A (zh) * | 2023-08-01 | 2023-08-29 | 深圳市普渡科技有限公司 | 障碍物检测方法、机器人及计算机可读存储介质 |
CN117368902A (zh) * | 2023-10-18 | 2024-01-09 | 广州易而达科技股份有限公司 | 一种轨迹跟踪方法、装置、设备及存储介质 |
-
2022
- 2022-05-23 CN CN202210564754.4A patent/CN114779787A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116661468A (zh) * | 2023-08-01 | 2023-08-29 | 深圳市普渡科技有限公司 | 障碍物检测方法、机器人及计算机可读存储介质 |
CN116661468B (zh) * | 2023-08-01 | 2024-04-12 | 深圳市普渡科技有限公司 | 障碍物检测方法、机器人及计算机可读存储介质 |
CN117368902A (zh) * | 2023-10-18 | 2024-01-09 | 广州易而达科技股份有限公司 | 一种轨迹跟踪方法、装置、设备及存储介质 |
CN117368902B (zh) * | 2023-10-18 | 2024-04-23 | 广州易而达科技股份有限公司 | 一种轨迹跟踪方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109737974B (zh) | 一种3d导航语义地图更新方法、装置及设备 | |
US11080932B2 (en) | Method and apparatus for representing a virtual object in a real environment | |
US10665025B2 (en) | Method and apparatus for representing a virtual object in a real environment | |
CN114779787A (zh) | 栅格地图构建方法、机器人及机器可读存储介质 | |
CN110286389B (zh) | 一种用于障碍物识别的栅格管理方法 | |
CN111932943B (zh) | 动态目标的检测方法、装置、存储介质及路基监测设备 | |
CN111028350B (zh) | 一种利用双目立体相机构建栅格地图的方法 | |
CN112904369B (zh) | 机器人重定位方法、装置、机器人和计算机可读存储介质 | |
US11282180B1 (en) | Object detection with position, pose, and shape estimation | |
CN111308500A (zh) | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 | |
CN115546389A (zh) | 软阴影生成方法、装置、设备及存储介质 | |
CN112947419A (zh) | 避障方法、装置及设备 | |
CN110567441A (zh) | 基于粒子滤波的定位方法、定位装置、建图及定位的方法 | |
US20230281927A1 (en) | Three-dimensional point cloud densification device, three-dimensional point cloud densification method, and recording medium | |
JP6399485B2 (ja) | 走行路認識装置 | |
CN116466704A (zh) | 避障优化方法、装置、设备及存储介质 | |
CN116358528A (zh) | 地图更新方法、地图更新装置、自移动设备及存储介质 | |
CN113117334A (zh) | 目标点的可见区域的确定方法及相关装置 | |
JP6207647B2 (ja) | データ圧縮装置、データ圧縮方法およびデータ圧縮プログラム | |
US11074452B1 (en) | Methods and systems for generating multiscale data representing objects at different distances from a virtual vantage point | |
CN114078326B (zh) | 碰撞检测方法、装置、视觉传感器和存储介质 | |
CN116843846A (zh) | 一种点云数据生成方法、装置、电子设备及存储介质 | |
CN117351451A (zh) | 一种优化地平面先验的单目3d目标检测方法及装置 | |
KR20230067311A (ko) | 3차원 모델링 공간에서 3차원 아바타 이동을 위한 이미지 처리 방법 | |
CN116543381A (zh) | 单目三维目标检测后处理方法、装置和电子设备 |
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 |