CN114812538A - 地图构建方法、机器人及计算机可读存储介质 - Google Patents

Abstract

本发明提供一种地图构建方法、机器人及计算机可读存储介质，机器人的活动范围内具有原始地图，其中地图构建方法包括：控制机器人运动至原始地图对应的空间范围内，并对机器人所在位置进行定位；控制机器人运动至新增区域内，并利用距离传感器对新增区域进行扫描；控制机器人在新增区域内移动，持续利用距离传感器对新增区域进行扫描，构建新增区域地图，并确定机器人相对于原始地图的位置。本发明的实施例利用机器人活动范围内的原始地图，直接通过SLAM方法，在机器人运动的同时构建新增区域的地图，需要存储的数据量大幅减少，无需删除原始地图，简化了操作过程，并且回环检测位置选择灵活，提高了地图构建方法的灵活度和适用范围。

Description

地图构建方法、机器人及计算机可读存储介质

技术领域

本发明大致涉及智能设备技术领域，尤其是一种地图构建方法、机器人以及计算机可读存储介质。

背景技术

SLAM(同步定位与地图绘制)是一种在机器人领域中广泛应用的地图构建方法，控制机器人在位置环境中运动，通过距离传感器的扫描数据，获取地图的边界信息，以此完成机器人的定位导航和地图构建，主要在展会、餐厅、仓库等室内环境中应用。

当需要进行拓展建图时，现有技术中通常利用过程数据文件，在继续建图时加载过程数据文件来进行拓展建图。但在传统方法中，拓展建图时需要存储的过程数据文件包括地图、激光数据(采用激光雷达作为距离传感器)、节点、轨迹信息等，数据量极大，产生极大的运算和存储压力。并且，对于服务机器人来说，例如送餐机器人，在交互端对地图所做的修改只能以图片形式保存，难以通过过程数据保存，导致在后续建图过程中，在交互端预留的标记丢失，无法记录，需要重新进行标记，操作过程繁琐。

另外，SLAM方法构件地图，需要对距离传感器获取的扫描数据进行闭环校验，在拓展建图时，依靠传统方法只能在固定的位置进行闭环校验，灵活度低，并且在某些特定环境下无法返回原位置，无法完成闭环校验过程。

背景技术部分的内容仅仅是发明人所知晓的技术，并不当然代表本领域的现有技术。

发明内容

针对现有技术中的一个或多个缺陷，本发明提供一种地图构建方法，用于构建机器人活动范围内地图，所述机器人具有距离传感器，机器人的活动范围内具有原始地图，所述地图构建方法包括：

控制机器人运动至原始地图对应的空间范围内，并对机器人所在位置进行定位；

控制机器人运动至新增区域内，并利用距离传感器对新增区域进行扫描；

控制机器人在新增区域内移动，持续利用距离传感器对新增区域进行扫描，构建新增区域地图，并确定机器人相对于原始地图的位置。

根据本发明的一个方面，其中所述构建新增区域地图的步骤还包括：

将原始地图作为子图传入建图算法；

将机器人在新增区域内的扫描数据作为增量添加至所述子图中；

实时计算节点与所述子图和/或其他节点的约束关系，所述节点包括机器人的当前位置和/或机器人活动范围内的特征标志物，所述约束关系包括机器人与原始地图和/或其他节点的位姿关系，和/或特征标志物与原始地图和/ 或其他节点的位姿关系。

根据本发明的一个方面，其中所述距离传感器为激光雷达，所述构建新增区域地图的步骤还包括：

控制机器人扫描周边环境；

由扫描结果中抽取关键帧构建增量地图，并添加至所述子图中。

根据本发明的一个方面，其中所述对机器人所在位置进行定位的步骤还包括：

控制距离传感器对机器人周边进行扫描；

将原始地图转化为点云，并将距离传感器的扫描结果与原始地图的点云数据进行匹配，以确定机器人位于原始地图中的位置。

根据本发明的一个方面，其中所述原始地图为png(一种位图文件存储格式)格式地图或栅格地图。

根据本发明的一个方面，其中所述建图算法每80个关键帧构建一个增量地图。

根据本发明的一个方面，所述地图构建方法还包括：

控制机器人由新增区域返回至原始地图对应的空间范围内；

控制距离传感器扫描机器人的周边环境，并确定机器人当前位置；

根据机器人的当前位置，对新增区域地图进行回环检测。

根据本发明的一个方面，其中所述对新增区域地图进行回环检测的步骤包括：控制机器人在原始地图对应的空间范围内移动位置，并在新的当前位置重复执行对新增区域地图进行回环检测的步骤。

根据本发明的一个方面，其中所述确定机器人当前位置在原始地图中的对应位置的步骤还包括：建立非线性最小二乘方程，并通过多次迭代优化回归系数，确定机器人当前位置与原始地图中的对应关系。

根据本发明的一个方面，所述地图构建方法还包括根据节点与所述子图的约束关系，和机器人当前位置在原始地图中的对应关系，对所述新增区域地图进行优化。

根据本发明的一个方面，本发明还包括一种机器人，所述机器人包括：

主体；

运动组件，所述运动组件设置于所述主体上，并可受驱以带动所述机器人运动；

距离传感器，所述距离传感器固定设置于所述主体上，并配置成能够对机器人的周边环境进行扫描，获取障碍物相对于机器人的位置；和

控制系统，所述控制系统设置于所述主体上，且与所述运动组件和所述距离传感器通讯，控制系统配置成可执行如前所述的地图构建方法。

根据本发明的一个方面，本发明还包括一种计算机可读存储介质，所述计算机可读存储介质包括存储于其上的计算机可执行命令，所述可执行命令在被处理器执行时实施如前所述的控制方法。

与现有技术相比，本发明的实施例提供了一种地图构建方法，用于拓展建图，利用机器人活动范围内的原始地图，直接通过SLAM方法，在机器人运动的同时构建新增区域的地图，需要存储的数据量大幅减少，无需删除原始地图，能够完整地保留原始地图和新增区域的标记，简化了操作过程，并且，还能够在原始地图对应的任意位置进行回环检测，提高了地图构建方法的灵活度和适用范围。本发明的实施例还包括一种机器人和一种计算机可读存储介质，能够运行前述的地图构建方法。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的一个实施例中地图构建方法的流程示意图；

图2是本发明的一个实施例中包含原始地图具体配合方式的地图构建方法的流程示意图；

图3是本发明的一个实施例中包含构建增量地图过程的地图构建方法的流程示意图；

图4是本发明的一个实施例中包含确定机器人在原始地图中位置过程的地图构建方法的流程示意图；

图5是本发明的一个实施例中包含回环检测过程的地图构建方法的流程示意图；

图6是本发明的一个实施例中包含新增区域地图优化过程的地图构建方法的流程示意图；

图7是本发明的一个实施例中原始地图对应区域及新增区域位置关系示意图；

图8是本发明的一个实施例中机器人的结构框图。

具体实施方式

在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。

在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、" 长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、 "水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语"第一"、" 第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语" 安装"、"相连"、"连接"应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接:可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之"上" 或之"下"可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征"之上"、"上方"和"上面"包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征"之下"、"下方 "和"下面"包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。

下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

图1示出了根据本发明的一个优选实施例中地图构建方法100的具体流程，图7示出了原始地图对应区域和新增区域的位置关系示意，下面结合图 1和图7详细描述。

本实施例中地图构建方法100用于构建机器人活动范围的地图，机器人具有距离传感器，例如红外距离传感器、声呐传感器等，距离传感器安装在机器人的固定位置，与机器人的相对位置关系固定，并能够获取周边环境的距离信息，结合距离传感器的安装角度，可以获得物体的点云信息。SLAM方法中，控制机器人运动的同时，利用距离传感器获取周边环境信息，获得连续的环境信息，例如控制机器人以0.5米每秒的速度按照预定的路线运动，在运动路径中，距离传感器获取周边环境的信息，例如连续的墙体、柱子等障碍物、空间出口或封闭边界等，最后控制机器人返回初始位置，形成闭环，将线性的环境信息首位对应，即可利用机器人活动区域内的障碍物信息和边界信息，构建地图。

拓展建图指在机器人原有的活动范围外增加新的活动区域，新增区域通过SLAM方法构建地图，并且需要将新增区域的地图与原始地图合并对应，形成新的机器人活动范围地图。现有方法中，在构建新增区域地图时，需要存储大量数据，对运算存储产生极大的压力，或直接将原始地图删除，控制机器人重新构建包含新增区域范围的地图。在使用SLAM方法构建地图时，要尽量消除机器人活动范围内的动态障碍物干扰，因此，重新构建地图的方法不仅过程繁琐，而且对于已经实际应用的活动场所来说，还存在清理动态障碍物的困难。

如图1所示，本实施例提供了一种地图构建方法，用于构建机器人新增活动区域的地图，例如图7所示，酒店中使用的配送机器人，存在原始地图，机器人已正常运行，或已经完成地图闭环，当增加新的机器人可进入的区域时，控制机器人通过SLAM方法构建的新增区域的地图与原始地图相互独立，本实施例提供一种新增区域地图与原始地图建立联系的方法，直接与原始地图建立联系，减少数据存储量，并简化地图构建过程。在步骤S101，控制机器人运动至原始地图对应的空间范围内任一点，并对机器人所在位置进行定位。首先，机器人位于原始地图内，机器人的具体位置能够距离传感器探测环境，并与原始地图特征进行比对获得，也能够手动输入获得，机器人具体的定位方法在后续实施例中详细描述。具体的，机器人在原始地图对应的空间范围内可以是原始地图的任意位置，也可以是原始地图中与新增区域相邻近的位置，优选的，可以选择原始地图中特征信息较多的位置，例如具有特殊形状的柱子附近，以提高对机器人所在位置进行定位的精度。还可以通过 ICP(迭代最近点)定位算法对机器人的当前位置进行重定位优化，以获取机器人相对于原始地图更为准确的位姿关系。

在步骤S102，控制机器人运动至新增区域内，并利用距离传感器对新增区域进行扫描。本实施例利用SLAM方法构建新增区域地图，需要利用距离传感器获取新增区域内障碍物的信息，例如墙壁的边界、固定障碍物的形状和位置、通道的出口入口等。如图7所示，其中左侧为原始地图对应的区域，右侧为新增区域，在本步骤中，控制机器人由原始地图对应区域运动至新增区域，同时持续利用距离传感器获取周边环境的信息，例如距离传感器为激光雷达，每秒完成5000次测距动作，依靠回波时间或回波相位获取激光雷达与回波点位的距离信息，进一步的，可以拟合成平面或曲面，以全面地反映障碍物的真实情况。

在步骤S103，控制机器人在新增区域内移动，持续利用距离传感器对新增区域进行扫描，构建新增区域地图，并确定机器人相对于原始地图的位置。在新增区域内，控制机器人以一固定速度，沿预设路线运动，例如以0.5米每秒的速度匀速运动，运动路径预先输入或根据机器人预设的避让逻辑和距离传感器获取的障碍区信息自动规划路径。并且，由于距离传感器与机器人存在约束关系，距离传感器获取的距离信息结合角度关系，可以获得障碍物相对于机器人的点云信息，并随机器人的运动，连续地描绘障碍物信息，以构建新增区域地图。本步骤通过确定机器人相对于原始地图的位置，建立新增区域地图与原始地图的联系，最终生成包含新增区域的完整地图，具体的，可以通过SLAM算法在构建新增区域地图的同时计算机器人相对于原始地图的位置，或利用机器人的运动装置和其他传感器计算机器人由初始位置运动的距离和角度变化，确定机器人相对于原始地图的位置。

图2示出了根据本发明的优选实施例中地图构建方法200的具体步骤，其中包括了与原始地图相配合的过程，下面结合图2详细描述。

地图构建方法200中，步骤S201和S202分别与地图构建方法S101和 S102基本相同，在此不再赘述。在步骤S203，将原始地图作为子图传入建图算法，本步骤中仅需要原始地图信息，相比于传统方法中，需要存储地图、激光数据、节点等大量信息，本步骤运算存储压力更小，进一步的，根据本发明的优选实施例，原始地图为png格式地图或栅格地图，保证地图信息不缺失的情况下，数据格式更小。本步骤中的建图算法可以由机器人的控制系统执行，用于进行新增区域地图构建，即执行SLAM方法建立新增区域地图。在本发明的其他实施例中，步骤S203可以预先执行，并不仅限制于在步骤 S202之后，例如可以在对机器人进行定位前，或控制机器人进入新增区域前将原始地图作为子图传入建图算法。

在步骤S204，将机器人在新增区域内的扫描数据作为增量添加至子图(原始地图)中。在步骤S203，将原始地图作为子图添加至建图算法中，在本步骤中，通过建图算法，利用距离传感器获取信息，在子图(原始地图)的基础上建立新增区域地图。在步骤S205，控制机器人在新增区域内移动，持续利用距离传感器对新增区域进行扫描，并记录扫描结果，用于在后续的步骤中构建新增区域的地图。具体的，在步骤S206，实时计算节点与子图和/或其他节点的约束关系，根据本发明的优选实施例，本步骤中的节点包括机器人的当前位置，以及机器人活动范围内的特征标志物，机器人的当前位置例如在间隔预设时间后，以机器人在新增区域内的当前位置作为节点，计算机器人在当前位置与子图(原始地图)的约束关系，机器人活动范围内的特征标志物，例如距离传感器获得的点云数据变化具有特殊性，或点云数据变化较为密集的位置，反映在实体中，例如具有特征形状的墙面、通道尽头等特征位置。具体的，本步骤中的约束关系包括机器人与原始地图的位姿关系，和特征标志物与原始地图的位姿关系，以及机器人或特征标志物与其他节点的位置关系，例如在SLAM算法中，前一关键帧或前一增量地图中机器人或特征标志物的位置关系，或例如以机器人的当前位置为节点，其相对于原始地图的位置，或其相对于其他节点，例如前一节点的相对位置关系，包括角度和方向，或经过坐标转换后的坐标增量，特征标志物同理。

图3示出了根据本发明的优选实施例中地图构建方法300的具体步骤，其中包括了构建增量地图的过程，下面结合图3详细描述。

如图3所示，地图构建方法300中的步骤S301、S302、S303、S304、S305 和S306分别与地图构建方法200中的步骤S201、S202、S203、S204、S205 和S206基本相同，在此略过。本实施例中的距离传感器为激光雷达，能够通过发射和接收激光，采集激光飞行时间或相位变化，计算获得激光雷达与反射回波位置之间的距离。

在步骤S307，控制机器人扫描周边环境，获取障碍物与机器人的距离和角度信息，在步骤S308，由距离传感器的扫描解锁中抽取关键帧构建增量地图，例如本实施例中，激光雷达包括200激光通道，每秒钟能够执行测距作业10000次，每次进行测距作业，可以获得最多200个回波位置的点云信息，形成一帧障碍物图像，本实施例在激光雷达的扫描结果中抽取关键帧用于构建增量地图，在本发明的优选实施例中，每80个关键帧构建一个增量地图，并将增量地图添加至子图中，多个增量地图叠加，以组成完整的地图。根据本发明的优选实施例，可以按照预设方式抽取关键帧，例如间隔预设数量或预设时间，选定为关键帧。在本实施例中，原始地图作为子图存入建图算法，当机器人在新增区域内移动，并利用距离传感器进行扫描时，根据前述方法，利用获得的关键帧构建增量地图，并添加在子图(原始地图)的基础上延伸拓展，最终构建包含新增区域范围的地图。

图4示出了根据本发明的优选实施例中地图构建方法400的具体步骤，其中包括了对机器人在原始地图对应区域的定位过程，下面结合图4详细描述。本实施例地图构建方法400中，步骤S403、S404、S405、S406、S407、 S408和S409分别和地图构建方法300中的步骤S302、S303、S304、S305、 S306、S307和S308基本相同，在此不再赘述。

如前述实施例，机器人在进入新增区域之前需要进行定位，在步骤S401，控制距离传感器对机器人周边进行扫描，以获取机器人所在位置的周边障碍物信息，例如在本发明的优选实施例中，距离传感器为激光雷达，并朝向某一方向，或周向获取机器人周边障碍物的点云信息。在步骤S402，将原始地图转化为点云，并将距离传感器的扫描结果与原始地图的点云数据进行匹配，以确定机器人位于原始地图中的位置。本实施例中，根据原始地图的点云数据，与机器人在当前位置获取的周边障碍物点云数据进行匹配比对，以确定机器人在原始地图中的位置。进一步的，可以将机器人在原始地图中的初始位置设置在具有特征结构的位置，例如柱子或墙壁存在特殊结构，以便于区分比对点云数据。如果机器人在当前位置获取的点云数据与原始地图的点云数据进行比对匹配后，没有获得相对应的位置，或在原始地图中存在多个相匹配的点云数据，例如在两侧墙壁结构近似的走廊中，在原始地图中可能存在多个点云数据相近似的位置，在出现上述情况时，根据本发明的优选实施例，可以控制机器人运动，以改变机器人的当前位置，重新执行步骤S401和 S402，直至确定机器人在原始地图中的位置，如果经过多次匹配后仍然无法确定机器人的位置，认为原始地图存在错误或距离传感器的扫描结果存在较大误差，无法进行新增区域的地图构建过程，应当对机器人的原始地图和距离传感器进行检测。

图5示出了根据本发明的一个优选实施例中地图构建方法500的步骤，其中具体包括了新增区域地图回环检测的过程，下面结合图5详细描述。地图构建方法500中的步骤S501、S502、S503、S504、S505、S506、S507、S508 和S509分别与地图构建方法400中的步骤S401、S402、S403、S404、S405、 S406、S407、S408和S409基本相同。在本实施例中，构建新增区域的地图后，通过后续方法对，新增区域的地图进行优化和检测。

在步骤S510，控制机器人由新增区域返回至原始地图对应的空间范围内，具体的，本实施例中，机器人的返回位置可以与步骤S501中机器人的初始位置相同，也可以与机器人的初始位置不同，例如新增区域为入口和出口在不同位置的通道，可以控制机器人回到原始地图中的不同位置。本实施例不限制机器人的闭环位置，相较于传统的SLAM地图构建方法，灵活性和适用范围极大提高。

在步骤S511，控制距离传感器扫描机器人的周边环境，并确定机器人当前位置，具体的，机器人当前位置的确定方法可以与步骤S502中的确定机器人在原始地图的位置相同，通过距离传感器获取周边环境的点云数据，并与原始地图的点云数据进行匹配比对。本实施例中，机器人返回原始地图中的位置并不限定于初始位置，因此，可以选择能够提高定位准确度的位置，例如点云数据具有特征的位置。

在步骤S512，根据机器人的当前位置，对新增区域地图进行回环检测，结合机器人在原始地图中的初始位置和返回位置，建立闭环，对机器人在新增区域内运动过程中获取的点云信息进行校正补偿，得到与原始地图建立联系的新增区域的地图。通过SLAM方法构建地图，对于机器人的当前位姿的确定存在一定的误差，机器人位姿的估计是建立在前一帧基础上的递推过程，因此，机器人位姿估算的误差会逐渐累积，本步骤通过回环检测的方法，不仅利用前一帧或前一位置(节点)的估算数据进行闭环，而且利用分支定界法，选取在先的多帧或多个位置进行闭环，以此对机器人的位姿进行优化，得到更为准确的新增区域地图。进一步的，可以选择距离更远的帧进行回环检测，以避免临近关键帧的相似度过高。在本发明的一些实施例中，每个80 选取一个关键帧，也能够作为回环检测的参考帧。

进一步的，如图6所示，其中地图构建方法600中的步骤S601、S602、 S603、S604、S605、S606、S607、S608、S609、S610、S611和S612分别和地图构建方法500中的步骤S501、S502、S503、S504、S505、S506、S507、 S508、S509、S510、S511和S512基本相同，在步骤S613，控制机器人在原始地图对应空间范围内移动位置，并在新的当前位置对新增区域低于进行回环检测，重复执行回环检测步骤，以提高新增区域地图的精确度。进一步的，在步骤S614，根据节点与子图的约束关系和机器人当前位置在原始地图中的对应关系，对新增区域地图进行优化，在步骤S607，实时计算节点与子图的约束关系，根据前述实施例，其中节点可以作为新增区域地图误差分配的节点。机器人的运动和距离传感器均会存在误差，准确定位机器人以及其他节点的位置需要提供无偏差的地图，但利用SLAM方法构建无偏差地图，需要准确定位，因此，为获得更为准确的新增区域地图，可以通过多次迭代的方法实现。根据本发明的优选实施例，通过建立非线性最小二乘方程，并通过多次迭代优化回归系数，确定机器人当前位置与原始地图中的对应关系，以次提高机器人定位的准确性，进一步提高新增区域地图构建的准确程度。例如通过高斯牛顿算法精准匹配，得到机器人的精准位置，此位置的节点与原始地图产生一个约束，然后利用最小二乘法优化过程中建立的节点与子图的约束，得到优化后的新增区域的地图。

图8示出了根据本发明的一个优选实施例中机器人1的结构框图，其中机器人1包括主体、运动组件10、距离传感器20和控制系统30，其中主体是机器人1的主要结构框架，机器人1中各部组件均通过主体固定，主体可以采用合金材料或有机材料制成固定性状，机器人1中各部分组件安装在主体中的对应位置上。运动组件10设置在主体上，并能够受驱以带动机器人1 运动，优选的，运动组件10采用轮式结构，例如由电动机驱动的万向轮，以保证机器人1在运动时始终与地面平行，避免当机器人1运动时，安装在主体上的距离传感器20发生较大的高度变化和角度变化。

距离传感器20固定设置在主体上，与主体的存在固定的约束关系，能够对机器人1的周边环境进行扫描，获取障碍物相对于机器人1的位置。机器人1上安装的距离传感器20优选为多个，以全面地获取机器人1周边的环境信息，距离传感器20可以是激光传感器、声呐传感器等，根据本发明的优选实施例，距离触感器20为激光雷达。控制系统30设置在主体上，并且与运动组件10和距离传感器20通讯，例如控制系统30为处理器，通过数据线或无线通讯的方式与运动组件10和距离传感器20通讯，能够控制运动组件10和距离传感器20工作，并接收距离传感器20获取的周边环境信息。本实施例中的控制系统30能够执行前述实施例中的地图构建方法，用于构建机器人1运动范围的地图。

根据本发明的一个优选实施例，还包括一种计算机可读存储介质，包括存储于其上的计算机可执行命令，所述可执行命令在被处理器执行时实施如前所述的控制方法。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种地图构建方法，用于构建机器人活动范围内地图，所述机器人具有距离传感器，机器人的活动范围内具有原始地图，所述地图构建方法包括：

控制机器人运动至原始地图对应的空间范围内，并对机器人所在位置进行定位；

控制机器人运动至新增区域内，并利用距离传感器对新增区域进行扫描；

控制机器人在新增区域内移动，持续利用距离传感器对新增区域进行扫描，构建新增区域地图，并确定机器人相对于原始地图的位置。

2.根据权利要求1所述的地图构建方法，其中所述构建新增区域地图的步骤还包括：

将原始地图作为子图传入建图算法；

将机器人在新增区域内的扫描数据作为增量添加至所述子图中；

实时计算节点与所述子图和/或其他节点的约束关系，所述节点包括机器人的当前位置和/或机器人活动范围内的特征标志物，所述约束关系包括机器人与原始地图和/或其他节点的位姿关系，和/或特征标志物与原始地图和/或其他节点的位姿关系。

3.根据权利要求2所述的地图构建方法，其中所述距离传感器为激光雷达，所述构建新增区域地图的步骤还包括：

控制机器人扫描周边环境；

由扫描结果中抽取关键帧构建增量地图，并添加至所述子图中。

4.根据权利要求1所述的地图构建方法，其中所述对机器人所在位置进行定位的步骤还包括：

控制距离传感器对机器人周边进行扫描；

将原始地图转化为点云，并将距离传感器的扫描结果与原始地图的点云数据进行匹配，以确定机器人位于原始地图中的位置。

5.根据权利要求1所述的地图构建方法，其中所述原始地图为png格式地图或栅格地图。

6.根据权利要求3所述的地图构建方法，其中所述建图算法每80个关键帧构建一个增量地图。

7.根据权利要求2所述的地图构建方法，还包括：

控制机器人由新增区域返回至原始地图对应的空间范围内；

控制距离传感器扫描机器人的周边环境，并确定机器人当前位置；

根据机器人的当前位置，对新增区域地图进行回环检测。

8.根据权利要求7所述的地图构建方法，其中所述对新增区域地图进行回环检测的步骤包括：控制机器人在原始地图对应的空间范围内移动位置，并在新的当前位置重复执行对新增区域地图进行回环检测的步骤。

9.根据权利要求7或8所述的地图构建方法，其中所述确定机器人当前位置在原始地图中的对应位置的步骤还包括：建立非线性最小二乘方程，并通过多次迭代优化回归系数，确定机器人当前位置与原始地图中的对应关系。

10.根据权利要求9所述的地图构建方法，还包括根据节点与所述子图的约束关系，和机器人当前位置在原始地图中的对应关系，对所述新增区域地图进行优化。

11.一种机器人，包括：

主体；

运动组件，所述运动组件设置于所述主体上，并可受驱以带动所述机器人运动；

距离传感器，所述距离传感器固定设置于所述主体上，并配置成能够对机器人的周边环境进行扫描，获取障碍物相对于机器人的位置；和

控制系统，所述控制系统设置于所述主体上，且与所述运动组件和所述距离传感器通讯，控制系统配置成可执行如权利要求1-10中任一项所述的地图构建方法。

12.一种计算机可读存储介质，包括存储于其上的计算机可执行命令，所述可执行命令在被处理器执行时实施如权利要求1-10中任一项所述的控制方法。

Images