CN115469330A - 子图的构建方法、装置、终端设备及存储介质 - Google Patents
子图的构建方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN115469330A CN115469330A CN202211330742.1A CN202211330742A CN115469330A CN 115469330 A CN115469330 A CN 115469330A CN 202211330742 A CN202211330742 A CN 202211330742A CN 115469330 A CN115469330 A CN 115469330A
- Authority
- CN
- China
- Prior art keywords
- radar
- hit
- subgraph
- sub
- cleaned
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3837—Data obtained from a single source
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/487—Extracting wanted echo signals, e.g. pulse detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/491—Details of non-pulse systems
- G01S7/493—Extracting wanted echo signals
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种子图的构建方法、装置、终端设备及存储介质,通过获取待清洁区域的雷达数据,并统计所述雷达数据中包括的各雷达点各自击中所述待清洁区域的障碍物的第一击中次数;确认各所述第一击中次数是否大于预设的第一击中次数阈值;若确认各所述雷达点中的一个或者多个目标雷达点的所述第一击中次数大于所述第一击中次数阈值,则通过一个或者多个所述目标雷达点构建所述待清洁区域的子图。本发明实现了有效的区分子图的雷达噪点,并过滤该雷达噪点之后有效地构建子图,为扫描匹配模块提供了有效干净的子图,从而,实现了减少建立子图的耗费时长和提升建立子图的建图效果。
Description
技术领域
本发明属于计算机视觉技术领域,尤其涉及一种子图的构建方法、装置、终端设备及计算机可读存储介质。
背景技术
随着计算机视觉、人工智能、传感器技术等多项学科的高速发展,当前Slam(Simultaneous Localization and Mapping,是实现机器人定位、建图、路径规划的一种算法)算法广泛应用于建立机器人的视觉领域空间定位技术。
在现有技术中,通过Slam算法建立扫地机器人在待清洁区域全地图的子图,当前的Slam建图算法来建立子图是通过Karto Slam(一种基于图优化的方法)的运行扫描方式,然而,通过传统的Karto Slam的运行扫描的方式来建立子图时耗时较长,并且这种方式因为过滤机制非常单一,从而也无法保证子图的纯净度。
综上,传统建立子图的方式的建图效果非常差。
发明内容
本发明的主要目的在于提供一种子图的构建方法、装置、终端设备及计算机可读存储介质。旨在有效的区分子图的雷达噪点,并过滤该雷达噪点,为扫描匹配模块提供有效干净的子图,从而,减少建立子图的耗费时长和提升建立子图的建图效果。
为了实现上述目的,本发明提供一种子图的构建方法,所述子图的构建方法包括以下步骤:
获取待清洁区域的雷达数据,并统计所述雷达数据中包括的各雷达点各自击中所述待清洁区域的障碍物的第一击中次数;
确认各所述第一击中次数是否大于预设的第一击中次数阈值;
若确认各所述雷达点中的一个或者多个目标雷达点的所述第一击中次数大于所述第一击中次数阈值,则通过一个或者多个所述目标雷达点构建所述待清洁区域的子图。
可选地,在所述获取待清洁区域的雷达数据的步骤之后,所述方法还包括:
在确认所述待清洁区域为新的清洁区域时,确认所述雷达数据中包括的雷达点云是否为符合预设评分条件的目标雷达点云;
若确认所述雷达点云为所述目标雷达点云,则将所述目标雷达点云加入到待清洁区域的子图。
可选地,所述确认所述雷达数据中包括的雷达点云是否为符合预设评分条件的目标雷达点云的步骤,包括:
按照预设的评分规则针对所述雷达点云进行评分,并确认所述评分是否大于预设的评分阈值;
若确认所述评分大于所述评分阈值,则确认所述雷达云点为符合所述预设评分条件的目标雷达点云。
可选地,在所述确认各所述第一击中次数是否大于预设的第一击中次数阈值的步骤之后,所述方法还包括:
若确认各所述雷达点中的一个或者多个预留雷达点的所述第一击中次数小于或者等于所述第一击中次数阈值,则针对一个或者多个所述预留雷达点进行存储;
按照预设的规则累积统计所述预留雷达点的第二击中次数,并确认所述第二击中次数是否大于所述第一击中次数阈值;
若确认所述第二击中次数大于所述第一击中次数阈值,则将所述预留雷达点加入到所述待清洁区域的子图。
可选地,在所述通过一个或者多个所述目标雷达点构建所述待清洁区域的子图的步骤之后,所述方法还包括:
确认所述子图上的雷达点是否为无效雷达点;
若是,则在所述子图中删除所述无效雷达点。
可选地,所述确认所述子图上的雷达点是否为无效雷达点的步骤,包括:统计所述子图上的雷达点累积击中所述障碍物的第三击中次数;
确认所述第三击中次数是否小于预设的第二击中次数阈值;
若确认所述第三击中次数小于所述第二击中次数阈值,则确认所述子图上的雷达点为无效雷达点。
可选地,所述统计所述子图上的雷达点累积击中所述障碍物的第三击中次数的步骤,包括:
按照预设规则统计所述子图上的雷达点累积击中所述障碍物的第三击中次数,其中,所述预设规则包括:预设的时间间隔或者预设的次数。
此外,为实现上述目的,本发明还提供一种子图的构建装置,其特征在于,所述子图的构建装置包括:
统计模块,用于获取待清洁区域的雷达数据,并统计所述雷达数据中包括的各雷达点各自击中所述待清洁区域的障碍物的第一击中次数;
第二确认模块,用于确认各所述第一击中次数是否大于预设的第一击中次数阈值;
构建模块,用于若确认各所述雷达点中的一个或者多个目标雷达点的所述第一击中次数大于所述第一击中次数阈值,则通过一个或者多个所述目标雷达点构建所述待清洁区域的子图。
此外,为实现上述目的,本发明还提供一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于子图的构建程序,所述子图的构建程序被所述处理器执行时实现如上所述的子图的构建方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有子图的构建程序,所述图像的匹配程序被处理器执行时实现如上所述的子图的构建方法的步骤。
本发明实施例提出的一种子图的构建方法、装置、终端设备及计算机可读存储介质,所述子图的构建方法包括:获取待清洁区域的雷达数据,并统计所述雷达数据中包括的各雷达点各自击中所述待清洁区域的障碍物的第一击中次数;确认各所述第一击中次数是否大于预设的第一击中次数阈值;若确认各所述雷达点中的一个或者多个目标雷达点的所述第一击中次数大于所述第一击中次数阈值,则通过一个或者多个所述目标雷达点构建所述待清洁区域的子图。
本发明技术方案通过获取扫地机器人的雷达数据,该雷达数据中包括雷达点,并进一步统计各雷达点各自击中待清洁区域的障碍物的第一击中次数,然后确认各该第一击中次数是否大于预设的第一击中次数阈值,若确认各该雷达点中的一个或者多个目标雷达点的第一击中次数大于预设的该第一击中次数阈值,则通过大于一个或者多个该目标雷达点,来构建该扫地机器人在该待清洁区域的全地图的子图。
相比于传统的Karto Slam算法构建子图的方式,本发明通过获取扫地机器人的雷达数据,统计该雷达数据的雷达点击中待清洁区域的障碍物的击中次数,若确认该击中次数大于击中次数阈值,则根据该雷达点构建扫地机器人的地图的子图,从而,本发明能够实现有效的区分雷达噪点,并过滤该雷达噪点之后有效地构建子图,为扫描匹配模块提供了有效干净的子图,从而,减少了建立子图的耗费时长和提升了建立子图的建图效果。
附图说明
图1是本发明实施例方案涉及的终端设备硬件运行环境的设备结构示意图;
图2为本发明子图的构建方法第一实施例的流程示意图;
图3为本发明子图的构建方法的传统的Karto Slam的子图效果示意图;
图4为本发明子图的构建方法一实施例所涉及的子图效果示意图;
图5为本发明子图的构建装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的终端设备硬件运行环境的设备结构示意图。
本发明实施例所涉及终端设备可以是扫地机器人,当然,该终端设备还可以是智能手机、PC(Personal Computer,个人计算机)、平板电脑、便携计算机等等。
如图1所示,该终端设备可以包括:处理器1001,例如CPU,通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如Wi-Fi接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端设备结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及子图的构建程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端,与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的子图的构建程序,并执行以下操作:
获取待清洁区域的雷达数据,并统计所述雷达数据中包括的各雷达点各自击中所述待清洁区域的障碍物的第一击中次数;
确认各所述第一击中次数是否大于预设的第一击中次数阈值;
若确认各所述雷达点中的一个或者多个目标雷达点的所述第一击中次数大于所述第一击中次数阈值,则通过一个或者多个所述目标雷达点构建所述待清洁区域的子图。
可选地,处理器1001可以用于调用存储器1005中存储的子图的构建程序,还执行以下操作:
在确认所述待清洁区域为新的清洁区域时,确认所述雷达数据中包括的雷达点云是否为符合预设评分条件的目标雷达点云;
若确认所述雷达点云为所述目标雷达点云,则将所述目标雷达点云加入到待清洁区域的子图。
可选地,处理器1001可以用于调用存储器1005中存储的子图的构建程序,还执行以下操作:
按照预设的评分规则针对所述雷达点云进行评分,并确认所述评分是否大于预设的评分阈值;
若确认所述评分大于所述评分阈值,则确认所述雷达云点为符合所述预设评分条件的目标雷达点云。
可选地,处理器1001可以用于调用存储器1005中存储的子图的构建程序,还执行以下操作:
若确认各所述雷达点中的一个或者多个预留雷达点的所述第一击中次数小于或者等于所述第一击中次数阈值,则针对一个或者多个所述预留雷达点进行存储;
按照预设的规则累积统计所述预留雷达点的第二击中次数,并确认所述第二击中次数是否大于所述第一击中次数阈值;
若确认所述第二击中次数大于所述第一击中次数阈值,则将所述预留雷达点加入到所述待清洁区域的子图。
可选地,处理器1001可以用于调用存储器1005中存储的子图的构建程序,还执行以下操作:
确认所述子图上的雷达点是否为无效雷达点;
若是,则在所述子图中删除所述无效雷达点。
可选地,处理器1001可以用于调用存储器1005中存储的子图的构建程序,还执行以下操作:
统计所述子图上的雷达点累积击中所述障碍物的第三击中次数;
确认所述第三击中次数是否小于预设的第二击中次数阈值;
若确认所述第三击中次数小于所述第二击中次数阈值,则确认所述子图上的雷达点为无效雷达点。
可选地,处理器1001可以用于调用存储器1005中存储的子图的构建程序,还执行以下操作:
按照预设的时间间隔统计所述子图上的雷达点累积击中所述障碍物的第三击中次数。
基于上述的终端设备,提出本发明子图的构建方法的各实施例。在本发明子图的构建方法的各实施例中。
请参照图2,图2为本发明子图的构建方法第一实施例的流程示意图。在本发明子图的构建方法的第一实施例中,本发明子图的构建方法包括:
步骤S10:获取待清洁区域的雷达数据,并统计所述雷达数据中包括的各雷达点各自击中待清洁区域的障碍物的第一击中次数;
在本实施例中,扫地机器人在构建待清洁区域的子图时,获取该待清洁区域的雷达数据,并进一步统计该雷达数据中包括的各雷达点各自击中该待清洁区域的障碍物的第一击中次数。
需要说明的是,在本实施例中,扫地机器人在构建待清洁区域的全部地图的子图之后,通过Scan match(一种karto slam的匹配方式)或者Scan to map(一种karto slam的匹配方式)来匹配该子图,根据扫地机机器人工作中的雷达点云数据进行建图定位,并给路径规划提供地图及定位信息。
示例性地,在本实施例中,扫地机器人在构建待清洁区域的子图时,获取该待清洁区域的每一帧雷达数据,一帧雷达数据包括几百个点云,具体可以为500个雷达点云,其中,一个雷达点云包括几百个点,具体可以包括400个雷达点,并进一步统计每一帧雷达数据中包括的每一个雷达点击中该待清洁区域的障碍物的第一击中次数。
步骤S20:确认各所述第一击中次数是否大于预设的第一击中次数阈值;
在本实施例中,扫地机器人统计各雷达点各自击中待清洁区域的障碍物的第一击中次数之后,进一步确认各该第一击中次数是否大于预设的第一击中次数阈值。
步骤S30:若确认各所述雷达点中的一个或者多个目标雷达点的所述第一击中次数大于所述第一击中次数阈值,则通过一个或者多个所述目标雷达点构建所述待清洁区域的子图。
在本实施例中,扫地机器人在确认各雷达点的各第一击中次数是否大于预设的第一击中次数阈值之后,若确认各雷达点中的一个或者多个目标雷达点的该第一击中次数大于该第一击中次数阈值,则通过一个或者多个该目标雷达点,构建该扫地机器人在待清洁区域的全部地图中的子图。
需要说明的是,在本实施例中,如图3所示的传统的Karto Slam的子图效果示意图,和,图4 所示的本发明的子图效果示意图,本发明能够有效地过滤了移动障碍物噪点,从而通过该子图进行子图匹配时,极大程度上提高了匹配的效率,与传统的Karto Slam的子图构建的技术相比,本发明在用于匹配的子图建图效果上,可以存储完整的环境地图,并提供给机器人重定位和路径规划,传统的Karto Slam的方法无法保证地图的完整性,或者,在子图质量上,传统的Karto Slam算法对于匹配子图的维护方式是缓存数帧历史雷达数据,达到缓存上限时,循环删除部分雷达数据,对某一帧雷达直接删除,而本发明采取的是精准定位到每一个雷达噪点,并且只删除噪点保留其他有效数据,能够更有效的区分出噪点并过滤子图,又或者,在建立子图时长消耗上,Karto Slam算法中原有子图方式每次建图耗时约100ms,环境较大时甚至达到150ms以上,本发明将子图建立时长降低至10ms以内,且不受环境大小的影响。
如此,在本实施例中,本发明提供的一种子图的构建方法,通过扫地机器人在构建待清洁区域的子图时,获取该待清洁区域的雷达数据,并进一步统计该雷达数据中包括的各雷达点各自击中该待清洁区域的障碍物的第一击中次数;之后,扫地机器人统计各雷达点各自击中待清洁区域的障碍物的第一击中次数之后,进一步确认各该第一击中次数是否大于预设的第一击中次数阈值;最后,扫地机器人在确认各雷达点的各第一击中次数是否大于预设的第一击中次数阈值之后,若确认各雷达点中的一个或者多个目标雷达点的该第一击中次数大于该第一击中次数阈值,则通过一个或者多个该目标雷达点,构建该扫地机器人在待清洁区域的全部地图中的子图。
从而,本发明通过获取扫地机器人的雷达数据,统计雷达点击中待清洁区域的障碍物的击中次数,若确认该击中次数大于击中次数阈值,则根据该雷达点构建扫地机器人的地图的子图,从而,本发明能够实现有效的区分雷达噪点,并过滤该雷达噪点之后有效地构建子图,为扫描匹配模块提供了有效干净的子图,从而,提升了建立子图的建图效果,进而减少了建立子图的耗费时长和提高了通过该子图匹配的匹配精度。
可选地,基于上述本发明子图的构建方法的第一实施例,提出本发明子图的构建方法方法的第二实施例。
在本实施例中,步骤S10中的所述“获取待清洁区域的雷达数据”的步骤之后,本发明子图的构建方法,还可以包括以下步骤:
步骤A:在确认所述待清洁区域为新的清洁区域时,确认所述雷达数据中包括的雷达点云是否为符合预设评分条件的目标雷达点云;
在本实施例中,扫地机器人在构建待清洁区域的子图时,在确认该待清洁区域为新的清洁区域时,进一步确认该雷达数据中包括的雷达点云是否为符合预设评分条件的目标雷达点云。
示例性地,在本实施例中,扫地机器人在构建待清洁区域的子图时,获取该待清洁区域的雷达数据之后,进一步确认该待清洁区域是否为新的清洁区域,若确认当前的清洁区域是新的清洁区域时,确定该雷达点云是否为目标雷达点云。
需要说明的是,在本实施例中,根据预设的评分规则针对目标雷达点云进行评分,该预设的评分规则具体可以为雷达点云数据频率或者匹配的评分等。
可选地,在一些可行的实施例中,步骤A1中的所述“确认所述雷达数据中包括的雷达点云是否为符合预设评分条件的目标雷达点云”的步骤,还可以包括以下步骤:
步骤A1:按照预设的评分规则针对所述雷达点云进行评分,并确认所述评分是否大于预设的评分阈值;
在本实施例中,扫地机器人在构建待清洁区域的子图时,获取该待清洁区域的雷达数据之后,当前清洁区域为新的清洁区域时,进一步按照预设的评分规则针对该雷达数据中包括的雷达点云进行评分,然后确认雷达点云的评分是否大于预设的评分阈值。
示例性地,在本实施例中,扫地机器人在构建待清洁区域的子图时,获取该待清洁区域的雷达数据之后,当前清洁区域为新的清洁区域时,进一步按照预设的评分规则针对该雷达数据中包括的每一帧雷达数据的全部雷达点云进行评分,然后确认每一个雷达点云的评分是否大于预设的评分阈值。
步骤A2:若确认所述评分大于所述评分阈值,则确认所述雷达点云为目标雷达点云。
在本实施例中,扫地机器人在确认雷达点云的评分是否大于预设的评分阈值之后,若确认该雷达点云的评分大于该评分阈值,则确认该雷达点云为符合所述预设评分条件的目标雷达点云。
步骤B:若确认所述雷达点云为所述目标雷达点云,则将所述目标雷达点云加入到待清洁区域的子图。
在本实施例中,扫地机器人若确认该雷达点云是否为目标雷达点云之后,若确认该雷达点云是该目标雷达点云,则将该目标雷达点云加入到待清洁区域的全地图的子图。
需要说明的是,在本实施例中,扫地机器人在进入新的环境时,对于评分高的点云直接插入到待清洁区域的全地图的子图,不受插入阈值的限制,即,不受第一击中次数阈值的限制,保证了子图中及时存入新环境的地图数据,用于接下来的子图匹配。
本发明通过扫地机器人进入新的待清洁区域时,针对雷达点云进行评分,并将评分高于预设的评分阈值雷达点云,直接加入到待清洁区域的全部地图的子图中,由此,扫地机器人进入新的待清洁区域时不受击中次数的阈值,将雷达点云直接加入到子图中用于接下来的子图匹配,从而,减少了建立子图的耗费时长和提升了建立子图的建图效果。
可选地,基于上述本发明子图的构建方法的第二实施例,提出本发明子图的构建方法方法的第三实施例。
在本实施例中,步骤S20“确认各所述第一击中次数是否大于预设的第一击中次数阈值”之后,本发明子图的构建方法,还可以包括以下步骤:
步骤S40:若确认各所述雷达点中的一个或者多个预留雷达点的所述第一击中次数小于或者等于所述第一击中次数阈值,则针对一个或者多个所述预留雷达点进行存储;
在本实施例中,扫地机器人在确认各雷达点的各自击中的第一击中次数是否大于预设的第一击中次数阈值之后,若确认各该雷达点中的一个或者多个预留雷达点的第一击中次数小于或者等于该第一击中次数阈值,则针对一个或者多个该预留雷达点进行存储。
步骤S50:按照预设的规则累积统计所述预留雷达点的第二击中次数,并确认所述第二击中次数是否大于所述第一击中次数阈值;
在本实施例中,扫地机器人将各雷达点各自击中的第一击中次数小于或者等于第一击中次数阈值的预留雷达点进行存储,然后按照预设的规则累积统计该预留雷达点的第二击中次数,并确认该第二击中次数是否大于第一击中次数阈值。
需要说明的是,在本实施例中,扫地机器人将各雷达点各自击中的第一击中次数小于或者等于第一击中次数阈值的预留雷达点进行存储,然后按照预设的次数统计一次,或者按照预设的时间间隔统计一次该预留雷达点的累积击中的第二击中次数,并确认该第二击中次数是否大于第一击中次数阈值。
步骤S60:若确认所述第二击中次数大于所述第一击中次数阈值,则将所述预留雷达点加入到所述待清洁区域的全地图的子图。
在本实施例中,扫地机器人确认各雷达点各自击中的第二击中次数是否大于预设的第一击中次数阈值,若确认各自该第二击中次数大于该第一击中次数阈值,则将该预留雷达点加入到待清洁区域的全地图的子图。
需要说明的是,在本实施例中,扫地机器人针对各雷达点各自击中次数小于预设的第一击中次数阈值的预留雷达点进行累积,并统计该预留雷达点击中待清洁区域的障碍物的总击中次数,若该总击中次数大于该第一击中次数阈值,则将该预留雷达点视为障碍物,而不是移动的人或者物品,因此将该预留雷达点加入到待清洁区域的全地图的子图。
本发明通过存储击中次数小于第一击中次数阈值的预留雷达点,并累积统计该预留雷达点的第二击中次数,若该第二击中次数大于该第一击中次数阈值时,将该预留雷达点加入到待清洁区域的全地图的子图,由此,对于击中次数较少的雷达点进行存储,若确定该雷达点累积的击中次数较大,则将该雷达点加入到子图中,从而,减少了建立子图的耗费时长和提升了建立子图的建图效果。
可选地,基于上述本发明子图的构建方法的第三实施例,提出本发明子图的构建方法方法的第四实施例。
在本实施例中,步骤S30中的所述“通过一个或者多个所述目标雷达点构建所述待清洁区域的子图”的步骤之后,本发明子图的构建方法,还可以包括以下步骤:
步骤S70:确认所述子图上的雷达点是否为无效雷达点;
在本实施例中,扫地机器人在通过一个或者多个目标雷达点构建待清洁区域的子图之后,进一步确认该子图上的雷达点是否为无效雷达点。
可选地,在一些可行的实施例中,步骤S70,可以包括以下步骤:
步骤S701:统计所述子图上的雷达点累积击中所述障碍物的第三击中次数;
在本实施例中,扫地机器人在通过大于第一击中次数阈值的第一雷达点构建待清洁区域的子图之后,进一步统计该子图上的雷达点累积击中待清洁区域的障碍物的第三击中次数。
可选地,在一些可行的实施例中,步骤S701,可以包括以下步骤:
步骤S7011:按照预设规则统计所述子图上的雷达点累积击中所述障碍物的第三击中次数,其中,所述预设规则包括:预设的时间间隔或者预设的次数。
在本实施例中,扫地机器人在通过一个或者多个目标雷达点构建待清洁区域的子图之后,进一步按照预设的时间间隔统计该子图上的雷达点累积击中待清洁区域的障碍物的第三击中次数,或者按照按照预设的次数统计该子图上的雷达点累积击中待清洁区域的障碍物的第三击中次数。
需要说明的是,扫地机器人在通过一个或者多个目标雷达点构建待清洁区域的子图之后,进一步按照预设的时间间隔统计该子图上的雷达点累积击中待清洁区域的障碍物的第三击中次数,或者,也可以按照预设的次数统计该子图上的雷达点累积击中待清洁区域的障碍物的第三击中次数。
步骤S702:确认所述第三击中次数是否小于预设的第二击中次数阈值;
在本实施例中,扫地机器人统计子图上的雷达点累积击中待清洁区域的障碍物的第三击中次数之后,确认该第三击中次数是否小于预设的第二击中次数阈值。
步骤S703:若确认所述第三击中次数小于所述第二击中次数阈值,则确认所述子图上的雷达点为无效雷达点。
在本实施例中,扫地机器人在确认子图上的雷达点的第三击中次数是否小于预设的第二击中次数阈值之后,若确认该第二击中次数小于该第二击中次数阈值,则确认该子图上的雷达点为无效雷达点。
步骤S80:若是,则在所述子图中删除所述无效雷达点。
在本实施例中,扫地机器人确认待清洁区域的子图上的雷达点是否为无效雷达点之后,若确认该子图上的雷达点是无效雷达点,则在该子图中删除该无效雷达点。
本发明通过统计子图上的雷达点击中待清洁区域的障碍物的累积击中次数,并删除该累积击中次数小于第二击中次数阈值的无效雷达点,由此,删除了子图中击中次数较少的雷达点,从而,提升了建立子图的建图效果,进而减少了建立子图的耗费时长。
此外,本发明实施例还提供一种子图的构建装置,请参照图5,图5为本发子图的构建装置一实施例的功能模块示意图,如图5所示,本发明子图的构建装置包括:
统计模块10,用于获取待清洁区域的雷达数据,并统计所述雷达数据中包括的各雷达点各自击中所述待清洁区域的障碍物的第一击中次数;
第一确认模块20,用于确认各所述第一击中次数是否大于预设的第一击中次数阈值;
构建模块30,用于若确认各所述雷达点中的一个或者多个目标雷达点的所述第一击中次数大于所述第一击中次数阈值,则通过一个或者多个所述目标雷达点构建所述待清洁区域的子图。
可选地,本发明子图的构建装置,还包括:
第二确认模块,用于在确认所述待清洁区域为新的清洁区域时,确认所述雷达数据中包括的雷达点云是否为符合预设评分条件的目标雷达点云;
第一加入模块,用于若确认所述雷达点云为所述目标雷达点云,则将所述目标雷达点云加入到待清洁区域的子图。
可选地,第二确认模块,包括:
评分单元,用于按照预设的评分规则针对所述雷达点云进行评分,并确认所述评分是否大于预设的评分阈值;
第一确认单元,用于若确认所述评分大于所述评分阈值,则确认所述雷达云点为符合所述预设评分条件的目标雷达点云。
可选地,本发明子图的构建装置,还包括:
存储模块,用于若确认各所述雷达点中的一个或者多个预留雷达点的所述第一击中次数小于或者等于所述第一击中次数阈值,则针对一个或者多个所述预留雷达点进行存储;
第三确认模块,用于按照预设的规则累积统计所述预留雷达点的第二击中次数,并确认所述第二击中次数是否大于所述第一击中次数阈值;
第二加入模块,用于若确认所述第二击中次数大于所述第一击中次数阈值,则将所述预留雷达点加入到所述待清洁区域的子图。
可选地,本发明子图的构建装置,还包括:
第四确认模块,用于确认所述子图上的雷达点是否为无效雷达点;
删除模块,用于若是,则在所述子图中删除所述无效雷达点。
可选地,第四确认模块,包括:
统计单元,用于统计所述子图上的雷达点累积击中所述障碍物的第三击中次数;
第二确认单元,用于确认所述第三击中次数是否小于预设的第二击中次数阈值;
第三确认单元,用于若确认所述第三击中次数小于所述第二击中次数阈值,则确认所述子图上的雷达点为无效雷达点。
可选地,统计单元,包括:
统计子单元,用于按照预设的时间间隔统计所述子图上的雷达点累积击中所述障碍物的第三击中次数。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质上存储有子图的构建程序,上述子图的构建程序被处理器执行时实现如以上任一项实施例所述的机子图的构建方法的步骤。
本发明计算机可读存储介质的具体实施例与上述子图的构建方法各实施例基本相同,在此不作赘述。
本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序被处理器执行时实现如以上任一项实施例所述的子图的构建方法的步骤。
本发明计算机可读存储介质的具体实施例与上述子图的构建方法各实施例基本相同,在此不作赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种子图的构建方法,其特征在于,所述子图的构建方法包括:
获取待清洁区域的雷达数据,并统计所述雷达数据中包括的各雷达点各自击中所述待清洁区域的障碍物的第一击中次数;
确认各所述第一击中次数是否大于预设的第一击中次数阈值;
若确认各所述雷达点中的一个或者多个目标雷达点的所述第一击中次数大于所述第一击中次数阈值,则通过一个或者多个所述目标雷达点构建所述待清洁区域的子图。
2.如权利要求1所述的子图的构建方法,其特征在于,在所述获取待清洁区域的雷达数据的步骤之后,所述方法还包括:
在确认所述待清洁区域为新的清洁区域时,确认所述雷达数据中包括的雷达点云是否为符合预设评分条件的目标雷达点云;
若确认所述雷达点云为所述目标雷达点云,则将所述目标雷达点云加入到待清洁区域的子图。
3.如权利要求2所述的子图的构建方法,其特征在于,所述确认所述雷达数据中包括的雷达点云是否为符合预设评分条件的目标雷达点云的步骤,包括:
按照预设的评分规则针对所述雷达点云进行评分,并确认所述评分是否大于预设的评分阈值;
若确认所述评分大于所述评分阈值,则确认所述雷达云点为符合所述预设评分条件的目标雷达点云。
4.如权利要求1所述的子图的构建方法,其特征在于,在所述确认各所述第一击中次数是否大于预设的第一击中次数阈值的步骤之后,所述方法还包括:
若确认各所述雷达点中的一个或者多个预留雷达点的所述第一击中次数小于或者等于所述第一击中次数阈值,则针对一个或者多个所述预留雷达点进行存储;
按照预设的规则累积统计所述预留雷达点的第二击中次数,并确认所述第二击中次数是否大于所述第一击中次数阈值;
若确认所述第二击中次数大于所述第一击中次数阈值,则将所述预留雷达点加入到所述待清洁区域的子图。
5.如权利要求1所述的子图的构建方法,其特征在于,在所述通过一个或者多个所述目标雷达点构建所述待清洁区域的子图的步骤之后,所述方法还包括:
确认所述子图上的雷达点是否为无效雷达点;
若是,则在所述子图中删除所述无效雷达点。
6.如权利要求5所述的子图的构建方法,其特征在于,所述确认所述子图上的雷达点是否为无效雷达点的步骤,包括:
统计所述子图上的雷达点累积击中所述障碍物的第三击中次数;
确认所述第三击中次数是否小于预设的第二击中次数阈值;
若确认所述第三击中次数小于所述第二击中次数阈值,则确认所述子图上的雷达点为无效雷达点。
7.如权利要求6所述的子图的构建方法,其特征在于,所述统计所述子图上的雷达点累积击中所述障碍物的第三击中次数的步骤,包括:
按照预设规则统计所述子图上的雷达点累积击中所述障碍物的第三击中次数,其中,所述预设规则包括:预设的时间间隔或者预设的次数。
8.一种子图的构建装置,其特征在于,所述子图的构建装置包括:
统计模块,用于获取待清洁区域的雷达数据,并统计所述雷达数据中包括的各雷达点各自击中所述待清洁区域的障碍物的第一击中次数;
第二确认模块,用于确认各所述第一击中次数是否大于预设的第一击中次数阈值;
构建模块,用于若确认各所述雷达点中的一个或者多个目标雷达点的所述第一击中次数大于所述第一击中次数阈值,则通过一个或者多个所述目标雷达点构建所述待清洁区域的子图。
9.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的子图的构建程序,所述子图的构建程序被所述处理器执行时实现如权利要求1至7中任一项所述的子图的构建方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有子图的构建程序,所述子图的构建程序被处理器执行时实现如权利要求1至7中任一项所述的子图的构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211330742.1A CN115469330B (zh) | 2022-10-28 | 2022-10-28 | 子图的构建方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211330742.1A CN115469330B (zh) | 2022-10-28 | 2022-10-28 | 子图的构建方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115469330A true CN115469330A (zh) | 2022-12-13 |
CN115469330B CN115469330B (zh) | 2023-06-06 |
Family
ID=84337524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211330742.1A Active CN115469330B (zh) | 2022-10-28 | 2022-10-28 | 子图的构建方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115469330B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019093979A1 (en) * | 2017-11-08 | 2019-05-16 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | An image generation method |
CN111337022A (zh) * | 2020-04-10 | 2020-06-26 | 深圳市银星智能科技股份有限公司 | 一种目标障碍物的检测方法、装置和机器人 |
CN111381245A (zh) * | 2020-02-29 | 2020-07-07 | 天津大学 | 激光slam自适应分辨率栅格地图构建方法 |
CN112526545A (zh) * | 2019-08-30 | 2021-03-19 | 深圳市速腾聚创科技有限公司 | 一种激光雷达点云处理方法、装置、存储介质及终端设备 |
CN112581613A (zh) * | 2020-12-08 | 2021-03-30 | 纵目科技(上海)股份有限公司 | 一种栅格地图的生成方法、系统、电子设备及存储介质 |
CN113219446A (zh) * | 2021-04-30 | 2021-08-06 | 森思泰克河北科技有限公司 | 车内雷达占位识别方法、装置及车载雷达 |
CN113791425A (zh) * | 2021-09-06 | 2021-12-14 | 深圳市唯特视科技有限公司 | 雷达p显界面生成方法、装置、计算机设备及存储介质 |
CN113791426A (zh) * | 2021-09-10 | 2021-12-14 | 深圳市唯特视科技有限公司 | 雷达p显界面生成方法、装置、计算机设备及存储介质 |
US20210405200A1 (en) * | 2020-06-28 | 2021-12-30 | Beijing Baidu Netcome Science Technology Co. Ltd. | High-Precision Mapping Method And Device |
CN114609643A (zh) * | 2020-12-03 | 2022-06-10 | 尚科宁家(中国)科技有限公司 | 清洁机器人及其建图方法 |
CN114779207A (zh) * | 2022-03-21 | 2022-07-22 | 深圳优地科技有限公司 | 噪声数据识别方法、装置及存储介质 |
CN114879220A (zh) * | 2022-05-10 | 2022-08-09 | 北京星网船电科技有限公司 | 一种地面障碍物的确定方法、装置、电子设备及存储介质 |
-
2022
- 2022-10-28 CN CN202211330742.1A patent/CN115469330B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019093979A1 (en) * | 2017-11-08 | 2019-05-16 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | An image generation method |
CN112526545A (zh) * | 2019-08-30 | 2021-03-19 | 深圳市速腾聚创科技有限公司 | 一种激光雷达点云处理方法、装置、存储介质及终端设备 |
CN111381245A (zh) * | 2020-02-29 | 2020-07-07 | 天津大学 | 激光slam自适应分辨率栅格地图构建方法 |
CN111337022A (zh) * | 2020-04-10 | 2020-06-26 | 深圳市银星智能科技股份有限公司 | 一种目标障碍物的检测方法、装置和机器人 |
US20210405200A1 (en) * | 2020-06-28 | 2021-12-30 | Beijing Baidu Netcome Science Technology Co. Ltd. | High-Precision Mapping Method And Device |
CN114609643A (zh) * | 2020-12-03 | 2022-06-10 | 尚科宁家(中国)科技有限公司 | 清洁机器人及其建图方法 |
CN112581613A (zh) * | 2020-12-08 | 2021-03-30 | 纵目科技(上海)股份有限公司 | 一种栅格地图的生成方法、系统、电子设备及存储介质 |
CN113219446A (zh) * | 2021-04-30 | 2021-08-06 | 森思泰克河北科技有限公司 | 车内雷达占位识别方法、装置及车载雷达 |
CN113791425A (zh) * | 2021-09-06 | 2021-12-14 | 深圳市唯特视科技有限公司 | 雷达p显界面生成方法、装置、计算机设备及存储介质 |
CN113791426A (zh) * | 2021-09-10 | 2021-12-14 | 深圳市唯特视科技有限公司 | 雷达p显界面生成方法、装置、计算机设备及存储介质 |
CN114779207A (zh) * | 2022-03-21 | 2022-07-22 | 深圳优地科技有限公司 | 噪声数据识别方法、装置及存储介质 |
CN114879220A (zh) * | 2022-05-10 | 2022-08-09 | 北京星网船电科技有限公司 | 一种地面障碍物的确定方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
刘智宇: "基于扫地机器人的SLAM算法研究与实现", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115469330B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280115B (zh) | 识别用户关系的方法及装置 | |
CN113670292B (zh) | 地图的绘制方法和装置、扫地机、存储介质、电子装置 | |
US11232561B2 (en) | Capture and storage of magnified images | |
CN109726678B (zh) | 一种车牌识别的方法及相关装置 | |
CN111783997B (zh) | 一种数据处理方法、装置及设备 | |
US20230035954A1 (en) | Method for establishing medicine synergism prediction model, prediction method and corresponding apparatus | |
CN113657289A (zh) | 阈值估计模型的训练方法、装置和电子设备 | |
CN111369688B (zh) | 一种结构化场景表达的认知导航方法及系统 | |
CN109447006A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN112579907A (zh) | 一种异常任务检测方法、装置、电子设备和存储介质 | |
WO2024146381A1 (zh) | 地图处理方法、地图处理装置、介质及电子设备 | |
CN113780233B (zh) | 一种过道区域识别方法及装置 | |
CN113378768A (zh) | 垃圾桶状态识别方法、装置、设备以及存储介质 | |
CN113177941A (zh) | 一种钢卷边裂识别方法、系统、介质和终端 | |
CN113591709A (zh) | 动作识别方法、装置、设备、介质和产品 | |
CN115469330A (zh) | 子图的构建方法、装置、终端设备及存储介质 | |
CN115937950A (zh) | 一种多角度人脸数据采集方法、装置、设备及存储介质 | |
CN113326829B (zh) | 视频中手势的识别方法、装置、可读存储介质及电子设备 | |
CN113780291B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN108804652A (zh) | 封面图片的生成方法、装置、存储介质和电子装置 | |
CN113255402B (zh) | 动作识别方法、装置以及电子设备 | |
CN114299192A (zh) | 定位建图的方法、装置、设备和介质 | |
CN111860344A (zh) | 确定图像中目标对象数量的方法及装置 | |
CN113961132B (zh) | 交互处理方法、装置、电子设备及存储介质 | |
CN113009911B (zh) | 清洁路径的生成方法、装置和自移动设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |