CN115082629A - 环境地图构建方法及使用该环境地图构建方法的机器人 - Google Patents

环境地图构建方法及使用该环境地图构建方法的机器人 Download PDF

Info

Publication number
CN115082629A
CN115082629A CN202110280698.7A CN202110280698A CN115082629A CN 115082629 A CN115082629 A CN 115082629A CN 202110280698 A CN202110280698 A CN 202110280698A CN 115082629 A CN115082629 A CN 115082629A
Authority
CN
China
Prior art keywords
point
leading edge
queue
points
front edge
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
Application number
CN202110280698.7A
Other languages
English (en)
Inventor
殷久超
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.)
Ningbo Fotile Kitchen Ware Co Ltd
Original Assignee
Ningbo Fotile Kitchen Ware 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 Ningbo Fotile Kitchen Ware Co Ltd filed Critical Ningbo Fotile Kitchen Ware Co Ltd
Priority to CN202110280698.7A priority Critical patent/CN115082629A/zh
Publication of CN115082629A publication Critical patent/CN115082629A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种环境地图构建方法及机器人，其特征在于：通过如下步骤完成环境地图构建：步骤1、启动建图定位模块和路径规划模块，建立自动探索模块；步骤2、生成前沿位置点队列D；步骤3、判断队列D是否为空，是结束；否进入步骤4；步骤4、取出队列D中首个位置点T，判断点T是否可达，否，将点T加入黑名单后返回步骤3，是进入步骤5；步骤5、向点T移动，启动探索计时进入步骤6；步骤6、等待n秒，更新队列D，并向点T移动；步骤7、判断本轮探索计时是否超时，是，将T加入黑名单并返回步骤2，否进入步骤8；步骤8、判断机器人是否到达点T，如是返回步骤2；如否，返回步骤6。与现有技术相比，本发明降低探索期间的计算要求。

Description

环境地图构建方法及使用该环境地图构建方法的机器人
技术领域
本发明涉及一种环境地图构建方法及使用该环境地图构建方法的机器人。
背景技术
未知环境中，机器人为完成自主导航、场景重建等复杂任务，必须首先对未知环境进行自主探索并构建地图。现有机器人对未知环境的探索策略，有基于几何边界的探索策略和基于信息论的探索策略。但是无论哪种探索策略，都存在探索周期过长，探索过程中计算量过大的问题，有些探索策略还会导致遗留死角，探索效率较低。
发明内容
本发明所要解决的第一个技术问题是针对上述现有技术提供一种在较低算力下快速完成探索，并有效保证全局路径较短的环境地图构建方法。
本发明所要解决的第二个技术问题是针对上述现有技术提供针一种机器人，该机器人能在较低算力下快速完成探索，并有效保证全局路径较短的环境地图构建方法。
本发明解决上述第一个技术问题所采用的技术方案为：一种环境地图构建方法，其特征在于：在机器人操作系统内通过如下步骤完成环境地图构建：
步骤1、启动机器人操作系统中的建图定位模块和路径规划模块；同时在机器人操作系统中建立一个自动探索模块，该自动探索模块能从建图定位模块中获取原始栅格地图，并生成一个用于标记已知区域的第一图层，和一个用于标记黑名单区域的第二图层，第一图层和第二图像初始状态均为空白；所述建图定位模块以每秒x次的频率生成最新原始栅格地图并给出当前机器人所处位置的估计值；所述自动探索模块以每秒x次的频率根据最新原始栅格地图对第一图层进行更新；
步骤2、所述自动探索模块对第一图层进行搜索，计算并获取当前所有前沿点并通过聚类得到所有前沿聚点，根据预设价值函数评估各前沿聚点价值，筛选出其中的高价值前沿聚点，并按价值高低进行排序，生成当前位置的前沿聚点队列，令当前位置的前沿聚点队列为队列D；所述前沿点定义为4邻域存在至少一个自由栅格点的未知栅格点；自由栅格点的定义为传感器探测结果表明对应位置未被障碍物占据的地图栅格点；所述前沿聚点定义为若干个前沿点的集合，其构建方式为以某一前沿点作为起点出发进行带深度限制的8邻域-BFS搜索，并将搜索到的其他前沿点加入集合；
步骤3、自动探索模块判断队列D是否为空，如是，结束环境地图构建；如否，进入步骤4；
步骤4、自动探索模块取出队列D中优先级最高的前沿聚点，令该前沿聚点的重心为点T，将点T发布至路径规划模块，路径规划模块规划前往点T的路径，以判断是否可以到达点T，如否，将点T从队列D中移除，在第二图层中标记点T所在的栅格点及其附近栅格点，表示其不可达，然后返回步骤3；如是，进入步骤5；
步骤5、机器人按照规划路径向点T移动，同时自动探索模块启动探索计时，然后进入步骤6；
步骤6、自动探索模块等待n秒，自动探索模块重新对第一图层进行搜索，计算并获取当前所有前沿点并通过聚类得到所有前沿聚点，根据预设价值函数评估各前沿聚点价值，筛选出其中的高价值前沿聚点，并按价值高低进行排序，重新生成当前位置的前沿聚点队列，然后判断重新生成的前沿聚点队列中优先级最高的前沿聚点的重心与点T间的距离是否小于预设值L，如否，将重新生成的前沿聚点队列替代原队列D，然后返回步骤3；如是，将重新生成的前沿聚点队列替代原队列D，机器人继续按照规划路径向点T移动，进入步骤7；预设值L通常取为机器人半径的1～2倍；
步骤7、自动探索模块判断本轮探索计时是否大于等于预设时间m秒，如是，通知路径规划模块取消前往点T，将点T对应的前沿聚点从队列D中移除，在第二图层中标记点T所在的栅格点及其附近栅格点，表示其不可达，然后返回步骤2；如否，进入步骤8；
步骤8、自动探索模块判断机器人是否到达点T，如是返回步骤2；如否，返回步骤6。
作为改进，所述步骤1和步骤5中，通过如下方法生成当前位置的前沿聚点队列：
步骤a、从建图定位模块中获取机器人当前所处位置对应的栅格，将当前栅格加入BFS搜索队列，BFS表示广度优先搜索，进入步骤b；
步骤b、取出BFS搜索队列队首的栅格点，令该栅格点为栅格点F，进入步骤c；
步骤c、检查第一图层，判断栅格点F是否为自由栅格，如是，遍历栅格点F的4-邻域栅格，将其中未探索的自由栅格和未知栅格加入BFS搜索队列，进入步骤d；如否，直接进入步骤d；
步骤d、判断栅格点F是否为前沿点，如是，进入步骤e；如否，返回步骤b；
步骤e、对栅格点F进行前沿点聚类得到前沿聚点G，计算前沿聚点G的重心和规模，并将前沿聚点G插入前沿聚点构成的队列H；然后进入步骤f；前沿聚点G的规模为前沿聚点G中所有前沿点的栅格面积之和；
步骤f、判断BFS搜索队列是否为空，如是，进入步骤g；如否，返回步骤b；
步骤g、判断前沿聚点队列H中是否存在规模高于第一阈值的前沿聚点，如否，输出空的前沿聚点队列H，结束；如是，滤除重心在待探索范围外的前沿聚点，滤除规模低于第二阈值的前沿聚点，按H中各前沿聚点重心与机器人位置间欧式距离从小到大对前沿聚点进行排序，滤除重心与机器人位置间欧式距离大于第三阈值的前沿聚点；然后进入步骤h；
步骤h、判断前沿聚点队列H中是否仍存在剩余的前沿聚点，如是，进入步骤i；如否，输出空的前沿聚点队列H，结束；
步骤i、判断前沿聚点队列H中首个前沿聚点的重心所在的栅格点是否在第二图层中被标记过，如被标记过，检查下一个前沿聚点，直至从前沿聚点队列H中发现在第二图层中无标记的前沿聚点或检查完前沿聚点队列H中所有前沿聚点，判断H中是否有第二图层中未标记的前沿聚点，如是，从H中移除所有在第二图层中有标记的前沿聚点，进入步骤k；如否，进入步骤j；
步骤j、查询黑名单清空标记，如清空标记未被置位，则置位该标记，清空第二图层中的所有标记，进入步骤k；如有清空标记，输出空的前沿聚点队列H，结束；
步骤k、遍历前沿聚点队列H，以其中各前沿聚点的重心与机器人间的欧式距离为代价cost，以前沿聚点的规模为静态价值Vstatic，计算各前沿聚点的价值Vfinal，然后进入l；
步骤l、根据前沿聚点的价值Vfinal，自高至低，对前沿聚点队列H进行优先级排序，保留前β个价值最高的前沿聚点，将前沿聚点队列H中其余的前沿聚点移除，进入步骤m；
步骤m、以路径规划模块计算出的路径长度为代价cost，以前沿聚点附近未知区域的面积为静态价值Vstatic，重新计算前沿聚点队列H中所有前沿聚点的价值Vfinal，然后进入步骤n；
步骤n、根据前沿聚点的价值Vfinal，自高至低，对前沿聚点队列H内的前沿聚点重新排序，输出前沿聚点队列H，结束。
再改进，所述步骤k和m中，计算前沿聚点的价值时，采用如下公式计算：Vfinal＝Vstatic*e-λ*cost，其中Vfinal为前沿聚点的价值，cost表示前往前沿聚点重心处的代价，λ为修正系数，为取值1～2的常数，Vstatic表示前沿聚点的静态价值与对前沿聚点附近的未知区域大小的估计相关。
再改进，步骤g中第三阈值选取方式如下：提取出H中重心与当前位置最远间欧式距离的前沿聚点，取该距离的2/3作为第三阈值。
再改进，所述步骤e中通过搜索模式为8-邻域的广度优先搜索方式对栅格F进行前沿位置点聚类，考虑现有主流嵌入式芯片运算能力，搜索深度通常取10～15。
再改进，所述步骤l中β的取值通常为3～5，所述x为大于等于5的自然数。
本发明解决上述第二个技术问题所采用的技术方案为：一种机器人，包括存储器，存储器内设有机器人操作系统，其特征在于：所述机器人操作系统采用上述环境地图构建方法构建未知环境的地图。
与现有技术相比，本发明的优点在于：通过引入前沿聚点的多轮滤除评估技术，有效降低了单轮规划目标点的计算要求。通过引入动态规划技术，在机器人往某一前沿位置的移动过程中，每间隔n秒，重新对当前位置的所有前沿位置点进行优先级计算评估排序，重新获得前沿位置点队列，减少了探索过程中，路径末端的无效移动。
附图说明
图1为本发明实施例中环境地图构建方法流程图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本实施例提供了一种环境地图构建方法，在机器人操作系统内完成环境地图构建，机器人操作系统，也称ROS系统，英文全称为：Robot Operating System，是专为机器人软件开发所设计出来的一套电脑操作系统架构，它是一个开源的元级操作系统，提供类似于操作系统的服务，包括硬件抽象描述、底层驱动程序管理、共用功能的执行、程序间消息传递、程序发行包管理，它也提供一些工具和库用于获取、建立、编写和执行多机融合的程序，机器人操作系统具有建图定位模块、路径规划模块等功能模块。具体包括以下步骤，且参加图1所示：
步骤1、启动机器人操作系统中的建图定位模块，如gmapping模块，和路径规划模块，如move_base模块；同时在机器人操作系统中建立一个自动探索模块，该自动探索模块能从建图定位模块中获取原始栅格地图，并生成一个用于标记已知区域的第一图层，和一个用于标记黑名单区域的第二图层，第一图层和第二图像初始状态均为空白；所述建图定位模块以每秒x次的频率生成最新原始栅格地图并给出当前机器人所处位置的估计值；所述自动探索模块以每秒x次的频率根据最新原始栅格地图对第一图层进行更新；x为大于等于5的自然数；
步骤2、所述自动探索模块对第一图层进行搜索，计算并获取当前所有前沿点并通过聚类得到所有前沿聚点，根据预设价值函数评估各前沿聚点价值，筛选出其中的高价值前沿聚点，并按价值高低进行排序，生成当前位置的前沿聚点队列，令当前位置的前沿聚点队列为队列D；所述前沿点定义为4-邻域存在至少一个自由位置栅格点的未知栅格点；自由栅格点的定义为经机器人上安装的传感器探测结果表明对应位置未被障碍物占据的地图栅格点，传感器可以为雷达或红外或摄像头；所述前沿聚点定义为若干个前沿点的集合，其构建方式为以某一前沿点作为起点出发进行带深度限制的8邻域-BFS搜索，并将搜索到的其他前沿点加入集合；
步骤3、自动探索模块判断队列D是否为空，如是，结束环境地图构建；如否，进入步骤4；
步骤4、自动探索模块取出队列D中优先级最高的前沿聚点，令该前沿聚点的重心为点T，将点T发布至路径规划模块，路径规划模块规划前往点T的路径，以判断是否可以到达点T，如否，将点T从队列D中移除，在第二图层中标记点T所在的栅格点及其附近栅格点，表示其不可达，然后返回步骤3；如是，进入步骤5；
步骤5、机器人按照规划路径向点T移动，同时自动探索模块启动探索计时，然后进入步骤6；
步骤6、自动探索模块等待n秒，自动探索模块重新对第一地图进行搜索，计算并获取当前所有前沿点并通过聚类得到所有前沿聚点，根据预设价值函数评估各前沿聚点价值，筛选出其中的高价值前沿聚点，并按价值高低进行排序，重新生成当前位置的前沿聚点队列，，然后判断重新生成的前沿聚点队列中优先级最高的前沿聚点的重心与点T间的距离是否小于预设值L，如否，将重新生成的前沿聚点队列替代原队列D，然后返回步骤3；如是，将重新生成的前沿聚点队列替代原队列D，机器人继续按照规划路径向点T移动，进入步骤7；预设值L通常取为机器人半径的1～2倍；
步骤7、自动探索模块判断本轮探索计时是否大于等于预设时间，如是，通知路径规划模块取消前往点T，将点T对应的前沿聚点从队列D中移除，在第二图层中标记点T所在的栅格点及其附近栅格点，表示其不可达，然后返回步骤2；如否，进入步骤8；
步骤8、自动探索模块判断机器人是否到达点T，如是返回步骤2；如否，返回步骤6。
上述步骤1和步骤5中，通过如下方法生成当前位置的前沿聚点队列：：
步骤a、从建图定位模块中获取机器人当前所处位置对应的栅格，将当前栅格点加入BFS搜索队列，BFS表示广度优先搜索，进入步骤b；
步骤b、取出BFS搜索队列队首的栅格点，令该栅格点为栅格点F，进入步骤c；
步骤c、检查第一图层，判断栅格点F是否为自由栅格，如是，遍历栅格点F的4-邻域栅格，将其中中未探索的自由栅格和未知栅格加入BFS搜索队列，进入步骤d；如否，直接进入步骤d；
步骤d、判断栅格点F是否为前沿点，如是，进入步骤e；如否，返回步骤b；
步骤e、对栅格点F进行前沿点聚类得到前沿聚点G，计算前沿聚点G的重心和规模，并将前沿聚点G插入前沿聚点构成的队列H；然后进入步骤f；前沿聚点G的规模为前沿聚点G中所有前沿点的栅格面积之和；本步骤中，优选通过搜索模式为8-邻域的广度优先搜索方式对栅格点进行前沿位置点聚类，搜索深度为10～15；
步骤f、判断BFS搜索队列是否为空，如是，进入步骤g；如否，返回步骤b；
步骤g、判断前沿聚点队列H中是否存在规模高于第一阈值的前沿聚点，如否，输出空的前沿聚点队列H，结束；如是，滤除重心在待探索范围外的前沿聚点，滤除规模低于第二阈值的前沿聚点，按H中各前沿聚点重心与机器人位置间欧式距离从小到大对前沿聚点进行排序，滤除重心与机器人位置间欧式距离大于第三阈值的前沿聚点；然后进入步骤h；这里第三阈值的取值原则为：前沿聚点队列H中所有前沿聚点的重心与机器人位置间欧式距离最大值的2/3；
步骤h、判断前沿聚点队列H中是否仍存在剩余的前沿聚点，如是，进入步骤i；如否，输出空的前沿聚点队列H，结束；
步骤i、判断前沿聚点队列H中首个前沿聚点的重心所在的栅格点是否在第二图层中被标记过，如被标记过，检查下一个前沿聚点，直至从前沿聚点队列H中发现在第二图层中无标记的前沿聚点或检查完前沿聚点队列H中所有前沿聚点，判断H中是否有第二图层中未标记的前沿聚点，如是，从H中移除所有在第二图层中有标记的前沿聚点，进入步骤k；如否，进入步骤j；
步骤j、查询黑名单清空标记，如清空标记未被置位，则置位该标记，清空第二图层中的所有标记，进入步骤k；如有清空标记，输出空的前沿聚点队列H，结束；
步骤k、遍历前沿聚点队列H，以其中各前沿聚点的重心与机器人间的欧式距离为代价cost，以前沿聚点的规模为静态价值Vstatic，计算各前沿聚点的价值Vfinal，然后进入l；具体采用如下公式计算：Vfinal＝Vstatic*e-λ*cost，其中Vfinal为前沿聚点的价值，cost表示前往前沿聚点重心处的代价，λ为修正系数，为取值1～2的常数，Vstatic与对前沿聚点附近的未知区域大小相关；
步骤l、根据前沿聚点的价值Vfinal，自高至低，对前沿聚点队列H进行优先级排序，保留前β个价值最高的前沿聚点，将前沿聚点队列H中其余的前沿聚点移除，进入步骤m；β的取值通常为3～5；
步骤m、以路径规划模块计算出的路径长度为代价cost，以前沿聚点附近未知区域的面积为静态价值Vstatic，重新计算前沿聚点队列H中所有前沿聚点的价值Vfinal，然后进入步骤n；具体采用如下公式计算：Vfinal＝Vstatic*e-λ*cost，其中Vfinal为前沿聚点的价值，cost表示前往前沿聚点重心处的代价，λ为修正系数，为取值1～2的常数，Vstatic与对前沿聚点附近的未知区域大小相关；
步骤n、根据前沿聚点的价值Vfinal，自高至低，对前沿聚点队列H内的前沿聚点重新排序，输出前沿聚点队列H，结束。
计算前沿点位置点集合的代价时，在步骤k中使用欧式距离作为代价的近似，以达到减少运算量的目的；而在步骤m中使用路径规划模块规划出的路径长度作为代价的近似，虽然此过程消耗算力较多，但由于步骤l中已经去除了大部分低价值的前沿点，故步骤m需要的算力消耗较低。并且，步骤g对前沿聚点队列H进行了过滤，降低了总体算力要求，引入了动态规划，减少末端无效移动，提升了探索效率。
另外，本实施例还提供了一种机器人，包括存储器，存储器内设有机器人操作系统，所述机器人操作系统采用上述环境地图构建方法构建未知环境的地图。

Claims (7)

1.一种环境地图构建方法，其特征在于：在机器人操作系统内通过如下步骤完成环境地图构建：
步骤1、启动机器人操作系统中的建图定位模块和路径规划模块；同时在机器人操作系统中建立一个自动探索模块，该自动探索模块能从建图定位模块中获取原始栅格地图，并生成一个用于标记已知区域的第一图层，和一个用于标记黑名单区域的第二图层；第一图层和第二图像初始状态均为空白；所述建图定位模块以每秒x次的频率生成最新原始栅格地图并给出当前机器人所处位置的估计值；所述自动探索模块以每秒x次的频率根据最新原始栅格地图对第一图层进行更新；
步骤2、所述自动探索模块对第一图层进行搜索，计算并获取当前所有前沿点并通过聚类得到所有前沿聚点，根据预设价值函数评估各前沿聚点价值，筛选出其中的高价值前沿聚点，并按价值高低进行排序，生成当前位置的前沿聚点队列，令当前位置的前沿聚点队列为队列D；所述前沿点定义为4-邻域存在至少一个自由栅格点的未知栅格点；自由栅格置点的定义为经传感器探测结果表明对应位置未被障碍物占据的地图栅格点；所述前沿聚点定义为若干个前沿点的集合，其构建方式为以某一前沿点作为起点出发进行带深度限制的8邻域-BFS搜索，并将搜索到的其他前沿点加入集合；
步骤3、自动探索模块判断队列D是否为空，如是，结束环境地图构建；如否，进入步骤4；
步骤4、自动探索模块取出队列D中优先级最高的前沿聚点，令该前沿聚点的重心为点T，将点T发布至路径规划模块，路径规划模块规划前往点T的路径，以判断是否可以到达点T，如否，将点T从队列D中移除，在更新第二图层中标记点T所在的栅格点及其附近栅格点，表示其不可达，然后返回步骤3；如是，进入步骤5；
步骤5、机器人按照规划路径向点T移动，同时自动探索模块启动探索计时，然后进入步骤6；
步骤6、自动探索模块等待n秒，自动探索模块重新对第一图层进行搜索，计算并获取当前所有前沿点并通过聚类得到所有前沿聚点，根据预设价值函数评估各前沿聚点价值，筛选出其中的高价值前沿聚点，并按价值高低进行排序，重新生成当前位置的前沿聚点队列，，然后判断重新生成的前沿聚点队列中优先级最高的前沿聚点的重心与点T间的距离是否小于预设值L，如否，将重新生成的前沿聚点队列替代原队列D，然后返回步骤3；如是，将重新生成的前沿聚点队列替代原队列D，机器人继续按照规划路径向点T移动，进入步骤7；预设值L通常取为机器人半径的1～2倍；
步骤7、自动探索模块判断本轮探索计时是否大于等于预设时间，如是，通知路径规划模块取消前往点T，将点T对应的前沿聚点从队列D中移除，在第二图层中标记点T所在的栅格点及其附近栅格点，表示其不可达，然后返回步骤2；如否，进入步骤8；
步骤8、自动探索模块判断机器人是否到达点T，如是返回步骤2；如否，返回步骤6。
2.根据权利要求1所述的环境地图构建方法，其特征在于：所述步骤1和步骤5中，通过如下方法生成当前位置的前沿聚点队列：
步骤a、从建图定位模块中获取机器人当前所处位置对应的栅格，将当前栅格加入BFS搜索队列，BFS表示广度优先搜索，进入步骤b；
步骤b、取出BFS搜索队列队首的栅格点，令该栅格点为栅格点F，进入步骤c；
步骤c、检查第一图层，判断栅格点F是否为自由栅格，如是，遍历栅格点F的4-邻域栅格，将其中未探索的自由栅格和未知栅格加入BFS搜索队列，进入步骤d；如否，直接进入步骤d；
步骤d、判断栅格点F是否为前沿点，如是，进入步骤e；如否，返回步骤b；
步骤e、对栅格点F进行前沿点聚类得到前沿聚点G，计算前沿聚点G的重心和规模，并将前沿聚点G插入前沿聚点构成的队列H；然后进入步骤f；前沿聚点G的规模为前沿聚点G中所有前沿点的栅格面积之和；
步骤f、判断BFS搜索队列是否为空，如是，进入步骤g；如否，返回步骤b；
步骤g、判断前沿聚点队列H中是否存在规模高于第一阈值的前沿聚点，如否，输出空的前沿聚点队列H，结束；如是，滤除重心在待探索范围外的前沿聚点，滤除规模低于第二阈值的前沿聚点，按H中各前沿聚点重心与机器人位置间欧式距离从小到大对前沿聚点进行排序，滤除重心与机器人位置间欧式距离大于第三阈值的前沿聚点；然后进入步骤h；
步骤h、判断前沿聚点队列H中是否仍存在剩余的前沿聚点，如是，进入步骤i；如否，输出空的前沿聚点队列H，结束；
步骤i、判断前沿聚点队列H中首个前沿聚点的重心所在的栅格点是否在第二图层中被标记过，如被标记过，检查下一个前沿聚点，直至从前沿聚点队列H中发现在第二图层中无标记的前沿聚点或检查完前沿聚点队列H中所有前沿聚点，判断H中是否有第二图层中未标记的前沿聚点，如是，从H中移除所有在第二图层中有标记的前沿聚点，进入步骤k；如否，进入步骤j；
步骤j、查询黑名单清空标记，如清空标记未被置位，则置位该标记，清空第二图层中的所有标记，进入步骤k；如有清空标记，输出空的前沿聚点队列H，结束；
步骤k、遍历前沿聚点队列H，以其中各前沿聚点的重心与机器人间的欧式距离为代价cost，以前沿聚点的规模为静态价值Vstatic，计算各前沿聚点的价值Vfinal，然后进入l；
步骤l、根据前沿聚点的价值Vfinal，自高至低，对前沿聚点队列H进行优先级排序，保留前β个价值最高的前沿聚点，将前沿聚点队列H中其余的前沿聚点移除，进入步骤m；
步骤m、以路径规划模块计算出的路径长度为代价cost，以前沿聚点附近未知区域的面积为静态价值Vstatic，重新计算前沿聚点队列H中所有前沿聚点的价值Vfinal，然后进入步骤n；
步骤n、根据前沿聚点的价值Vfinal，自高至低，对前沿聚点队列H内的前沿聚点重新排序，输出前沿聚点队列H，结束。
3.根据权利要求2所述的环境地图构建方法，其特征在于：所述步骤k和m中，计算前沿聚点的价值时，采用如下公式计算：Vfinal＝Vstatic*e-λ*cost，其中Vfinal为前沿聚点的价值，cost表示前往前沿聚点重心处的代价，λ为修正系数，为取值1～2的常数，Vstatic表示前沿聚点的静态价值与对前沿聚点附近的未知区域大小的估计相关。
4.根据权利要求2所述的环境地图构建方法，其特征在于：步骤g中第三阈值的取值为：前沿聚点队列H中重心与机器人位置间欧式距离最大值的2/3。
5.根据权利要求2所述的环境地图构建方法，其特征在于：所述步骤e中通过搜索模式为8-邻域的广度优先搜索方式对点F进行前沿位置点聚类，搜索深度为10～15。
6.根据权利要求1所述的环境地图构建方法，其特征在于：所述步骤l中β的取值通常为3～5；所述x为大于等于5的自然数。
7.一种机器人，包括存储器，存储器内设有机器人操作系统，其特征在于：所述机器人操作系统采用如权利要求1所述环境地图构建方法构建未知环境的地图。
CN202110280698.7A 2021-03-16 2021-03-16 环境地图构建方法及使用该环境地图构建方法的机器人 Pending CN115082629A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110280698.7A CN115082629A (zh) 2021-03-16 2021-03-16 环境地图构建方法及使用该环境地图构建方法的机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110280698.7A CN115082629A (zh) 2021-03-16 2021-03-16 环境地图构建方法及使用该环境地图构建方法的机器人

Publications (1)

Publication Number Publication Date
CN115082629A true CN115082629A (zh) 2022-09-20

Family

ID=83245656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110280698.7A Pending CN115082629A (zh) 2021-03-16 2021-03-16 环境地图构建方法及使用该环境地图构建方法的机器人

Country Status (1)

Country Link
CN (1) CN115082629A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116182840A (zh) * 2023-04-28 2023-05-30 科大讯飞股份有限公司 地图构建方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116182840A (zh) * 2023-04-28 2023-05-30 科大讯飞股份有限公司 地图构建方法、装置、设备及存储介质
CN116182840B (zh) * 2023-04-28 2023-07-25 科大讯飞股份有限公司 地图构建方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN107773164B (zh) 用于清洁机器人的清洁方法、装置及机器人
JP6987797B2 (ja) リアルタイムオンラインエゴモーション推定を有するレーザスキャナ
CN109163722B (zh) 一种仿人机器人路径规划方法及装置
CN114219910B (zh) 一种融合激光雷达和机器视觉的自动驾驶车畜牧清洗方法
CN111680673B (zh) 一种栅格地图中动态物体的检测方法、装置及设备
JP6649743B2 (ja) 一致性評価装置および一致性評価方法
CN113867336B (zh) 一种适用于复杂场景下移动机器人路径导航及规划方法
CN111427341B (zh) 一种基于概率地图的机器人最短预期时间目标搜索方法
CN110989635A (zh) 扫地机器人的清扫方法及扫地机器人
WO2023005377A1 (zh) 一种机器人的建图方法及机器人
CN115123307A (zh) 基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆
CN114119920A (zh) 三维点云地图构建方法、系统
CN115082629A (zh) 环境地图构建方法及使用该环境地图构建方法的机器人
CN114967680B (zh) 基于蚁群算法和卷积神经网络的移动机器人路径规划方法
CN114625162A (zh) 基于混合算法的无人机最优路径规划方法、系统及介质
CN117029861A (zh) 一种全局路径规划方法、装置、系统及存储介质
CN111006652A (zh) 一种机器人靠边运行的方法
US11898869B2 (en) Multi-agent map generation
CN112540404B (zh) 一种基于深度学习的自动速度分析方法及系统
CN113485378A (zh) 基于交通规则的移动机器人路径规划方法、系统及存储介质
Moore et al. Ura*: Uncertainty-aware path planning using image-based aerial-to-ground traversability estimation for off-road environments
CN116679712B (zh) 一种基于广义维诺图的室内环境机器人高效探索决策方法
CN116182840B (zh) 地图构建方法、装置、设备及存储介质
CN114440855B (zh) 一种动态场景下定位和地图更新的方法及系统
CN117631697A (zh) 基于空地协同的地图构建方法、装置、设备和存储介质

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