CN116148879B - 一种机器人提升障碍物标注精度的方法 - Google Patents

一种机器人提升障碍物标注精度的方法 Download PDF

Info

Publication number
CN116148879B
CN116148879B CN202111382649.0A CN202111382649A CN116148879B CN 116148879 B CN116148879 B CN 116148879B CN 202111382649 A CN202111382649 A CN 202111382649A CN 116148879 B CN116148879 B CN 116148879B
Authority
CN
China
Prior art keywords
grid
moment
positioning
coverage area
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
Application number
CN202111382649.0A
Other languages
English (en)
Other versions
CN116148879A (zh
Inventor
孙明
陈卓标
周和文
徐松舟
黄惠保
熊坤
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.)
Zhuhai Amicro Semiconductor Co Ltd
Original Assignee
Zhuhai Amicro Semiconductor 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 Zhuhai Amicro Semiconductor Co Ltd filed Critical Zhuhai Amicro Semiconductor Co Ltd
Priority to CN202111382649.0A priority Critical patent/CN116148879B/zh
Priority to PCT/CN2022/130463 priority patent/WO2023088125A1/zh
Publication of CN116148879A publication Critical patent/CN116148879A/zh
Application granted granted Critical
Publication of CN116148879B publication Critical patent/CN116148879B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • 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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开一种机器人提升障碍物标注精度的方法，S1：按照设定时刻进行两次定位，然后获取两次定位在栅格地图上的第一时刻和第二时刻的定位位姿；S2：以第一时刻和第二时刻的定位位置来分别划分出第一时刻覆盖区域和第二时刻覆盖区域，获取两次定位的置信度，通过置信度对第一时刻覆盖区域和第二时刻覆盖区域进行处理；S3：对第一时刻和第二时刻的定位位姿进行插值，然后根据第一时刻和第二时刻的定位位姿、插值和进行处理后的第一时刻覆盖区域和第二时刻覆盖区域来构建闭合图形；S4：根据闭合图形在栅格地图上所占据的栅格和闭合图形的面积来对障碍物的标注进行修改。

Description

一种机器人提升障碍物标注精度的方法
技术领域
本发明涉及智能机器人技术领域，涉及一种机器人提升障碍物标注精度的方法。
背景技术
对于用激光定位的机器人，其所在环境中难免会有一些激光不可见的障碍物，比如透明玻璃、镜子、低反光率物体、低矮物体等，机器人需要在地图中对其进行标注以便更好的进行实时运动、导航规划等。为了检测这些障碍物，机器人一般会配备物理碰撞传感器及一些其他光学传感器。显然，光学传感器受限于光学特性以及安装位置，对上述障碍物无法准确检测，不得不将物理碰撞作为最后一道检测方法来检测上述类型的障碍物，以便机器人调整运动姿态、导航规划等。而物理碰撞传感器受限于其安装位置、安装数量，对障碍物的检测无法做到精确，仅能进行粗略的碰撞位置标注。为了避免反复的碰撞，对此类无法精确检测的障碍物不得不进行稍多的标注。但标注多将有可能导致原本能够导航通过的区域变成不能导航通过的区域，使得机器人绕远，降低了运行效率。
发明内容
为了解决上述技术缺陷，本发明技术方案公开一种机器人提升障碍物标注精度的方法，本申请通过结合离散定位位姿、位姿插值、定位置信度，对物理碰撞检测到的障碍物区域进行修正，提升障碍物标注精度。具体的技术方案如下：
一种机器人提升障碍物标注精度的方法,该方法包括以下步骤：S1：按照设定时刻进行两次定位，然后获取两次定位在栅格地图上的第一时刻和第二时刻的定位位姿；S2：以第一时刻和第二时刻的定位位置来分别划分出第一时刻覆盖区域和第二时刻覆盖区域，获取两次定位的置信度，通过置信度对第一时刻覆盖区域和第二时刻覆盖区域进行处理；S3：对第一时刻和第二时刻的定位位姿进行插值，然后根据第一时刻和第二时刻的定位位姿、插值和进行处理后的第一时刻覆盖区域和第二时刻覆盖区域来构建闭合图形；S4：获取闭合图形在栅格地图上所占据的栅格，然后根据闭合图形在栅格地图上所占据的栅格和闭合图形的面积来对障碍物的标注进行修改。
进一步地，步骤S2中，第一时刻和第二时刻的定位位置来分别划分出第一时刻覆盖区域和第二时刻覆盖区域，包括以下步骤：获取两次定位在栅格地图上的位置，然后分别以两次定位位置为圆心，设定值为半径，做圆来得到第一时刻覆盖区域和第二时刻覆盖区域。
进一步地，步骤S2中，获取两次定位的置信度包括以下步骤：A1：获取参与激光定位的点云，随机选取一个点云，以这个点云在概率栅格地图上的位置为基础，划分栅格区域；A2：通过栅格区域的信息来计算该点云在概率栅格地图上的概率值，重复步骤S1和S2，直至获取所有参与激光定位的点云在概率栅格地图上的概率值；A3：获取激光雷达获取的所有参与激光定位的点云的检测距离，然后对点云进行筛选来获取筛选后的点云的数量值；A4：通过所有参与激光定位的点云在概率栅格地图上的概率值和检测距离来获取概率加权平均值；A5：基于概率加权平均值、所有参与激光定位的点云的数量值、筛选出的点云数量值和设定参与激光定位的点云的数量值来得到该次定位的置信度。
进一步地，步骤A1中，以这个点云在概率栅格地图上的位置为基础，划分栅格区域，包括以下步骤：获取该点云在概率栅格地图上的位置，然后找到离该位置最近的概率栅格地图上的栅格交叉点；然后以栅格交叉点为中心，在概率栅格地图上划分出N*N个栅格的栅格区域；其中，N为正整数。
进一步地，通过栅格区域的信息来计算该点云在概率栅格地图上的概率值中，采用双三次插值方法，包括以下步骤：获取栅格区域中每个栅格与所述点云之间的距离，然后根据该距离来获取栅格区域中，行和列的对应系数；通过行和列的对应系数获取每个栅格对应的权值，然后通过权值采用求和公式来获取所述点云的像素值，然后获取像素值对应的概率值。
进一步地，通过置信度对第一时刻覆盖区域和第二时刻覆盖区域进行处理，包括以下步骤：根据两次定位的置信度来获取与置信度负相关的误差距离，然后比较两次定位的误差距离；获取两次定位中最大的误差距离，然后第一时刻覆盖区域和第二时刻覆盖区域向内均匀缩减最大误差距离。
进一步地，步骤S3中，对第一时刻和第二时刻的定位位姿进行插值，包括以下步骤：对第一时刻和第二时刻的定位位姿之间插入中间位姿。
进一步地，步骤S3中，根据第一时刻和第二时刻的定位位姿、插值和进行处理后的第一时刻覆盖区域和第二时刻覆盖区域来构建闭合图形，包括以下步骤：过第一时刻的定位位置做与机器人正前方垂直的直线，且该直线与处理后的第一时刻覆盖区域的边缘具有两个交点，得到以两个交点为端点的第一距离线段；过第二时刻的定位位置做与机器人正前方垂直的直线，且该直线与处理后的第二时刻覆盖区域的边缘具有两个交点，得到以两个交点为端点的第二距离线段；过中间位姿在栅格地图上的位置做与机器人正前方垂直的直线，然后根据第一距离线段或第二距离线段得到第三距离线段；连接第一距离线段、第二距离线段和第三距离线段的端点与相应的处理后的第一时刻覆盖区域和第二时刻覆盖区域的边，得的面积最大的图形为闭合图形；其中，所述定位位姿包括机器人在当前定位位置的正前方朝向。
进一步地，步骤S4中，根据闭合图形在栅格地图上所占据的栅格和闭合图形的面积来对障碍物的标注进行修改，包括以下步骤：先获取闭合图形在栅格地图上所占据的栅格和闭合图形的面积；然后获取每个闭合图形在栅格地图上所占据的栅格与闭合图形的交集面积；若交集面积大于设定阈值且该栅格中有障碍物标注，则删除障碍物标注。
进一步地，获取闭合图形在栅格地图上所占据的栅格与闭合图形的面积的交集面积，包括以下步骤：先获取每个栅格的面积，然后获取闭合图形的边在每个栅格上的位置，来识别出位于闭合图形中且由闭合图形的边和栅格的边构成的图形；将位于闭合图形中且由闭合图形的边和栅格的边构成的图形分割为若干个四边形，获取每个四边形的面积；将获取每个四边形的面积相加来得到位于闭合图形中且由闭合图形的边和栅格的边构成的图形的面积，也就是栅格与闭合图形的交集面积。
与现有的技术相比，本申请的技术方案结合离散定位位姿、位姿插值、定位置信度，对物理碰撞检测到的障碍物区域进行修正，提升障碍物标注精度。
附图说明
图1是本发明一种实施例的一种机器人提升障碍物标注精度的方法的流程图；
图2是本发明一种实施例的一种激光定位置信度的评估方法的流程图；
图3是本发明一种实施例的概率栅格地图的示意图；
图4是本发明一种实施例的定位位姿的示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
如图1所示，一种机器人提升障碍物标注精度的方法,该方法包括以下步骤：步骤S1：机器人通过点云按照设定时刻进行两次定位，然后获取两次定位在栅格地图上的第一时刻和第二时刻的定位位姿，选取点云进行定位是其中实施方式，还可以采用其他的定位方式，不做具体的限定；获取定位时，机器人在栅格地图上的位置和位姿是常规技术，此处不再赘述。S2：以第一时刻和第二时刻的定位位置来分别划分出第一时刻覆盖区域和第二时刻覆盖区域，获取两次定位的置信度，通过置信度对第一时刻覆盖区域和第二时刻覆盖区域进行处理；S3：对第一时刻和第二时刻的定位位姿进行插值，然后根据第一时刻和第二时刻的定位位姿、插值和进行处理后的第一时刻覆盖区域和第二时刻覆盖区域来构建闭合图形；S4：获取闭合图形在栅格地图上所占据的栅格，然后根据闭合图形在栅格地图上所占据的栅格和闭合图形的面积来对障碍物的标注进行修改。
作为其中一种实施例，步骤S2中，通过第一时刻和第二时刻的定位位置来分别划分出第一时刻覆盖区域和第二时刻覆盖区域，包括以下步骤：机器人获取两次定位在栅格地图上的位置，然后分别以两次定位位置为圆心，设定值为半径，做圆来得到第一时刻覆盖区域和第二时刻覆盖区域。
作为其中一种实施例，步骤S2中，机器人获取两次定位的置信度为机器人每次定位后就进行置信度评估，评估方法如图2所示，一种激光定位置信度的评估方法，激光雷达机器人在运行时会用激光帧进行定位，不同时刻、不同位置获取的不同数量的激光帧，所对应定位后的置信度应有所不同。比如在一个小范围移动时，所获取的激光帧变化较小，置信度应随着时间增加而逐渐提高；在探索新场景时，机器人连续的进入新空间，激光帧变化会很大，此时定位置信度应要有所减小。因此需要对激光定位的置信度进行评估，该方法包括以下步骤：
步骤A1：激光雷达机器人获取参与激光定位的点云，随机选取一个点云，以这个点云在概率栅格地图上的位置为基础，划分栅格区域。机器人一般是通过一帧的激光数据进行定位，在使用激光数据进行定位完成后，记录进行定位后的点云的数量值。然后随机选取一个点云，以这个点云在概率栅格地图上的位置为基础，划分栅格区域，包括以下步骤：获取该点云在概率栅格地图上的位置，然后找到离该位置最近的概率栅格地图上的栅格交叉点；然后以栅格交叉点为中心，在概率栅格地图上划分出N*N个栅格的栅格区域；其中，N为正整数。在划分出栅格区域后，对位于概率栅格地图外的栅格区域的栅格采用概率中值进行填充，概率中值是指其代表的值对应50%概率为障碍物，50%概率为空旷。比如栅格用0~1线性表示对应区域为障碍物的概率，则概率中值就是0.5。
步骤A2：激光雷达机器人通过栅格区域的信息来计算该点云在概率栅格地图上的概率值，重复步骤A1和A2，直至获取所有参与激光定位的点云在概率栅格地图上的概率值。通过栅格区域的信息来计算该点云在概率栅格地图上的概率值中，主要采用双三次插值方法，双三次插值(Bicubic interpolation)，是一种复杂的插值方式，它能创造出比双线性插值更平滑的图像边缘，又叫双立方插值，用于在图像中"插值"(Interpolating)或增加"像素"(Pixel)数量/密度的一种方法。通常利用插值技术增加图形数据，以便在它打印或其他形式输出的时候，能够增大打印面积以及(或者)分辨率。包括以下步骤：获取栅格区域中每个栅格与所述点云之间的距离，然后根据该距离来获取栅格区域中，行和列的对应系数；通过行和列的对应系数获取每个栅格对应的权值，然后通过权值采用求和公式来获取所述点云的像素值，然后获取像素值对应的概率值。随机来将参与激光定位的点云在概率栅格地图上的概率值，一个一个求出来，直至得到参与激光定位的点云在概率栅格地图上的概率值，进入下一步骤。
步骤A3：激光雷达机器人获取激光雷达获取的所有参与激光定位的点云的检测距离，然后对点云进行筛选来获取筛选后的点云的数量值。步骤S3中，机器人先是获取激光雷达在进行点云获取时，检测到点云后得到的点云的检测距离，然后对点云进行筛选来获取筛选后的点云的数量值，获取概率值大于概率中值的点云的数量值，用于后续的计算。
步骤A4：机器人通过所有参与激光定位的点云在概率栅格地图上的概率值和检测距离来获取概率加权平均值。主要以以下公式进行计算：A=(S1×TL1 + S2×TL2 +...+ SN×TLN)/N；其中，S为点云的概率值，T为设定的距离设定权重，L为激光雷达获取的点云的检测距离，N为参与激光定位的点云的数量值。设定的距离设定权重T根据实际情况进行设置，不进行限定。
步骤A5：基于概率加权平均值、所有参与激光定位的点云的数量值、筛选出的点云数量值和设定参与激光定位的点云的数量值来得到该次定位的置信度。步骤A5中，基于概率加权平均值、所有参与激光定位的点云的数量值、筛选出的点云数量值和设定参与激光定位的点云的数量值来得到该次定位的置信度，包括以下公式：C=A×R(N/M-1)×K(F/N-1)；其中，R为激光点数权重，K为命中点数权重，M为设定参与激光定位的点云的数量值，F为筛选出的点云数量值，其中N小于等于M。机器人每通过激光数据进行一次定位，就通过参与激光定位的点云数据进行定位置信度评估。根据置信度来判断各个定位的准确度，来选择那个定位来作为清扫、建图等等工作的标准。
如图3所示，机器人从参与激光定位的点云中随机选取一个点云，然后获取该点云在概率栅格地图上的位置点Pi，然后找到离点Pi最近的概率栅格地图上的栅格交叉点Ci，以栅格交叉点Ci为中心，选取周围的4*4个栅格，构成栅格区域。如果栅格区域中有栅格超出概率栅格地图，则采用概率中值或概率栅格地图的初始值对位于概率栅格地图外的栅格进行填充。然后对4x4栅格进行双三次插值，来得到点Pi在概率栅格地图上对应的概率值Si，此方法为常规技术，此处不再赘述。然后记录Pi与激光雷达观测点(一般为激光雷达中心)的检测距离L，也就是激光雷达在获取点云数据时的检测距离；记录所有概率值Si大于概率中值的电源的数量值F；设定参与激光定位的点云的数量值M，M为理想情况的参与定位的激光点数，根据激光头性能、运算器性能、算法所需等设定，且M≥N。计算所有参与激光定位的点云的概率加权平均值为A=(S1×TL1 + S2×TL2 +...+ SN×TLN)/N。计算时，将点云的概率值S乘以，距离设定权重T为底数、检测距离L为指数的值，然后求所有点云的值的平均值，得到概率加权平均值A。然后通过公式C=A×R(N/M-1)×K(F/N-1)，计算置信度C，置信度C等于，概率加权平均值A乘以，激光点数权重R为底数、(N/M-1)为指数的数值，再乘以命中点数权重K为底数、(F/N-1)为指数的数值。其中，距离设定权重T、激光点数权重R和命中点数权重K，其中，激光点数为参与激光定位的数量，命中点数为一帧激光获取到的点云数量，为设定值，能够通过T、R、K三个参数进行灵活调优。
与现有的技术相比，本申请的技术方案通过结合点云分布、栅格命中、点云数量等进行置信度评估计算，且提供多个参数进行针对性灵活调优，提高置信度的评估准确率，评估定位置信度也能使相关的处理更合理更准确。
作为其中一种实施例，机器人通过置信度对第一时刻覆盖区域和第二时刻覆盖区域进行处理，包括以下步骤：根据两次定位的置信度来获取与置信度负相关的误差距离，然后比较两次定位的误差距离；获取两次定位中最大的误差距离，然后第一时刻覆盖区域和第二时刻覆盖区域向内均匀缩减最大误差距离。
为其中一种实施例，步骤S3中，机器人对第一时刻和第二时刻的定位位姿进行插值，包括以下步骤：对第一时刻和第二时刻的定位位姿之间插入一个中间位姿。步骤S3中，根据第一时刻和第二时刻的定位位姿、插值和进行处理后的第一时刻覆盖区域和第二时刻覆盖区域来构建闭合图形，包括以下步骤：过第一时刻的定位位置做与机器人正前方垂直的直线，且该直线与处理后的第一时刻覆盖区域的边缘具有两个交点，得到以两个交点为端点的第一距离线段；过第二时刻的定位位置做与机器人正前方垂直的直线，且该直线与处理后的第二时刻覆盖区域的边缘具有两个交点，得到以两个交点为端点的第二距离线段；过中间位姿在栅格地图上的位置做与机器人正前方垂直的直线，然后根据第一距离线段或第二距离线段得到第三距离线段；连接第一距离线段、第二距离线段和第三距离线段的端点相应的处理后的第一时刻覆盖区域和第二时刻覆盖区域的边，得的面积最大的图形为闭合图形；其中，所述定位位姿包括机器人在当前定位位置的正前方朝向。
为其中一种实施例，步骤S4中，根据闭合图形在栅格地图上所占据的栅格和闭合图形的面积来对障碍物的标注进行修改，包括以下步骤：机器人先获取闭合图形在栅格地图上所占据的栅格和闭合图形的面积；然后获取每个闭合图形在栅格地图上所占据的栅格与闭合图形的交集面积；若交集面积大于设定阈值且该栅格中有障碍物标注，则删除障碍物标注。获取闭合图形在栅格地图上所占据的栅格与闭合图形的面积的交集面积，包括以下步骤：先获取每个栅格的面积，然后获取闭合图形的边在每个栅格上的位置，来识别出位于闭合图形中且由闭合图形的边和栅格的边构成的图形；将位于闭合图形中且由闭合图形的边和栅格的边构成的图形分割为若干个四边形，获取每个四边形的面积；将获取每个四边形的面积相加来得到位于闭合图形中且由闭合图形的边和栅格的边构成的图形的面积，也就是栅格与闭合图形的交集面积。
与现有的技术相比，本申请的技术方案结合离散定位位姿、位姿插值、定位置信度，对物理碰撞检测到的障碍物区域进行修正，提升障碍物标注精度。
如图4所示，P2为第二时刻定位的位姿，箭头指向为此时机器人正前方，外围虚线为结合机器形状、尺寸划出的机器整体覆盖区域，划分覆盖区域时，先以定位的位置为圆心，设定数值为半径，通过虚线划分出覆盖区域。覆盖区域为圆形仅为举例，并非限定，可以根据实际需求来设置覆盖区域的形状和大小。P1为第一时刻定位位姿，获取一样的圆形的覆盖区域。然后对第一时刻和第二时刻的定位位姿进行插值，得到中间位姿P’，虚线箭头方向为中间位姿P’对应的机器人正前方，位于中间位姿P’的机器人的正前方的设置是根据第一时刻定位的位姿和第二时刻定位的位姿的箭头的指向来设置，可以是第一时刻定位的位姿和第二时刻定位的位姿的箭头的指向的中间值，也可以根据第一时刻定位的位姿和第二时刻定位的位姿的箭头的指向来预估出机器人的行走路线，然后根据行走路线来得到中间位姿P’的箭头的指向。插值方法众多，均为常规技术，此处不赘述，而且插值数量视运行速度、定位频率等而定，不做限定，此处只插一个位姿并非强制要求，仅为说明原理。根据实际参数和需求来设计一个和定位置信度C负相关的误差距离E，对应关系E=f(C)，根据两个定位置信度计算得到对应的误差距离，并取二者中较大值Em。然后外围虚线构成的覆盖区域向内均匀缩减误差距离Em，得到图中所示的两个实线轮廓构成的处理后的覆盖区域。其中，覆盖区域为圆形时，将覆盖区域的半径减去误差距离Em就可以得到向内均匀缩减误差距离Em的覆盖区域；如果覆盖区域为矩形，则可以使矩形的长减去误差距离Em，然后使矩形的宽根据与长的比值减去等比例的值。
进一步地，在得到两个实线轮廓构成的处理后的覆盖区域后，过P1做直线，直线垂直于机器人正前方向，与第一时刻的覆盖区域的实线交于S1、T1两点；同理，过P2做直线，直线垂直于机器人正前方向，与第一时刻的覆盖区域的实线交于S2、T2两点。然后如图4所示，过P’做直线，直线垂直于机器人正前方向，根据长度关系，P’S’=P1S1，P’T’=P1T1，在过点P’的直线上截取端点，得到S’、T’两点。然后构建闭合图形，通过连接S1S’S2，T1T’T2，与圆弧S1R1T1、S2R2T2形成闭合图形，图中灰色区域即为此图形内区域所对应的占据栅格。分别计算每个灰色栅格与上述闭合图形内区域的交集面积，当其计算值大于预设阈值F时，若此栅格之前被标注为障碍物，则清除对应标注。在计算时，先获取每个栅格的面积，然后获取闭合图形的边在每个栅格上的位置，然后识别出位于闭合图形中且由闭合图形的边和栅格的边构成的图形，再将位于闭合图形中且由闭合图形的边和栅格的边构成的图形分割为若干个四边形，获取每个四边形的面积，得到位于闭合图形中且由闭合图形的边和栅格的边构成的图形的面积，就得到了栅格与上述闭合图形内区域的交集面积。
以上所述，仅是本发明的较佳实施例而己，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (10)

1.一种机器人提升障碍物标注精度的方法,其特征在于，该方法包括以下步骤：
S1：按照设定时刻进行两次定位，然后获取两次定位在栅格地图上的第一时刻和第二时刻的定位位姿；
S2：以第一时刻和第二时刻的定位位置来分别划分出第一时刻覆盖区域和第二时刻覆盖区域，获取两次定位的置信度，通过置信度对第一时刻覆盖区域和第二时刻覆盖区域进行处理；
S3：对第一时刻和第二时刻的定位位姿进行插值，然后根据第一时刻和第二时刻的定位位姿、插值和进行处理后的第一时刻覆盖区域和第二时刻覆盖区域来构建闭合图形；
S4：获取闭合图形在栅格地图上所占据的栅格，然后根据闭合图形在栅格地图上所占据的栅格和闭合图形的面积来对障碍物的标注进行修改。
2.根据权利要求1所述的机器人提升障碍物标注精度的方法,其特征在于，步骤S2中，第一时刻和第二时刻的定位位置来分别划分出第一时刻覆盖区域和第二时刻覆盖区域，包括以下步骤：获取两次定位在栅格地图上的位置，然后分别以两次定位位置为圆心，设定值为半径，做圆来得到第一时刻覆盖区域和第二时刻覆盖区域。
3.根据权利要求1所述的机器人提升障碍物标注精度的方法,其特征在于，步骤S2中，获取两次定位的置信度包括以下步骤：
A1：获取参与激光定位的点云，随机选取一个点云，以这个点云在概率栅格地图上的位置为基础，划分栅格区域；
A2：通过栅格区域的信息来计算该点云在概率栅格地图上的概率值，重复步骤S1和S2，直至获取所有参与激光定位的点云在概率栅格地图上的概率值；
A3：获取激光雷达获取的所有参与激光定位的点云的检测距离，然后对点云进行筛选来获取筛选后的点云的数量值；
A4：通过所有参与激光定位的点云在概率栅格地图上的概率值和检测距离来获取概率加权平均值；
A5：基于概率加权平均值、所有参与激光定位的点云的数量值、筛选出的点云数量值和设定参与激光定位的点云的数量值来得到该次定位的置信度。
4.根据权利要求3所述的机器人提升障碍物标注精度的方法,其特征在于，步骤A1中，以这个点云在概率栅格地图上的位置为基础，划分栅格区域，包括以下步骤：
获取该点云在概率栅格地图上的位置，然后找到离该位置最近的概率栅格地图上的栅格交叉点；
然后以栅格交叉点为中心，在概率栅格地图上划分出N*N个栅格的栅格区域；其中，N为正整数。
5.根据权利要求4所述的机器人提升障碍物标注精度的方法,其特征在于，通过栅格区域的信息来计算该点云在概率栅格地图上的概率值中，采用双三次插值方法，包括以下步骤：
获取栅格区域中每个栅格与所述点云之间的距离，然后根据该距离来获取栅格区域中，行和列的对应系数；
通过行和列的对应系数获取每个栅格对应的权值，然后通过权值采用求和公式来获取所述点云的像素值，然后获取像素值对应的概率值。
6.根据权利要求4所述的机器人提升障碍物标注精度的方法,其特征在于，通过置信度对第一时刻覆盖区域和第二时刻覆盖区域进行处理，包括以下步骤：
根据两次定位的置信度来获取与置信度负相关的误差距离，然后比较两次定位的误差距离；
获取两次定位中最大的误差距离，然后第一时刻覆盖区域和第二时刻覆盖区域向内均匀缩减最大误差距离。
7.根据权利要求1所述的机器人提升障碍物标注精度的方法,其特征在于，步骤S3中，对第一时刻和第二时刻的定位位姿进行插值，包括以下步骤：对第一时刻和第二时刻的定位位姿之间插入中间位姿。
8.根据权利要求7所述的机器人提升障碍物标注精度的方法,其特征在于，步骤S3中，根据第一时刻和第二时刻的定位位姿、插值和进行处理后的第一时刻覆盖区域和第二时刻覆盖区域来构建闭合图形，包括以下步骤：
过第一时刻的定位位置做与机器人正前方垂直的直线，且该直线与处理后的第一时刻覆盖区域的边缘具有两个交点，得到以两个交点为端点的第一距离线段；
过第二时刻的定位位置做与机器人正前方垂直的直线，且该直线与处理后的第二时刻覆盖区域的边缘具有两个交点，得到以两个交点为端点的第二距离线段；
过中间位姿在栅格地图上的位置做与机器人正前方垂直的直线，然后根据第一距离线段或第二距离线段得到第三距离线段；
连接第一距离线段、第二距离线段和第三距离线段的端点与相应的处理后的第一时刻覆盖区域和第二时刻覆盖区域的边，得的面积最大的图形为闭合图形；
其中，所述定位位姿包括机器人在当前定位位置的正前方朝向。
9.根据权利要求1所述的机器人提升障碍物标注精度的方法,其特征在于，步骤S4中，根据闭合图形在栅格地图上所占据的栅格和闭合图形的面积来对障碍物的标注进行修改，包括以下步骤：
先获取闭合图形在栅格地图上所占据的栅格和闭合图形的面积；
然后获取每个闭合图形在栅格地图上所占据的栅格与闭合图形的交集面积；
若交集面积大于设定阈值且该栅格中有障碍物标注，则删除障碍物标注。
10.根据权利要求9所述的机器人提升障碍物标注精度的方法,其特征在于，获取闭合图形在栅格地图上所占据的栅格与闭合图形的面积的交集面积，包括以下步骤：
先获取每个栅格的面积，然后获取闭合图形的边在每个栅格上的位置，来识别出位于闭合图形中且由闭合图形的边和栅格的边构成的图形；
将位于闭合图形中且由闭合图形的边和栅格的边构成的图形分割为若干个四边形，获取每个四边形的面积；
将获取每个四边形的面积相加来得到位于闭合图形中且由闭合图形的边和栅格的边构成的图形的面积。
CN202111382649.0A 2021-11-22 2021-11-22 一种机器人提升障碍物标注精度的方法 Active CN116148879B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111382649.0A CN116148879B (zh) 2021-11-22 2021-11-22 一种机器人提升障碍物标注精度的方法
PCT/CN2022/130463 WO2023088125A1 (zh) 2021-11-22 2022-11-08 一种机器人提升障碍物标注精度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111382649.0A CN116148879B (zh) 2021-11-22 2021-11-22 一种机器人提升障碍物标注精度的方法

Publications (2)

Publication Number Publication Date
CN116148879A CN116148879A (zh) 2023-05-23
CN116148879B true CN116148879B (zh) 2024-05-03

Family

ID=86360538

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111382649.0A Active CN116148879B (zh) 2021-11-22 2021-11-22 一种机器人提升障碍物标注精度的方法

Country Status (2)

Country Link
CN (1) CN116148879B (zh)
WO (1) WO2023088125A1 (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6147637A (en) * 1997-07-23 2000-11-14 Denso Corporation Obstacle detecting system for automotive vehicle
CN110530368A (zh) * 2019-08-22 2019-12-03 浙江大华技术股份有限公司 一种机器人定位方法及设备
CN110858076A (zh) * 2018-08-22 2020-03-03 杭州海康机器人技术有限公司 一种设备定位、栅格地图构建方法及移动机器人
CN110968083A (zh) * 2018-09-30 2020-04-07 科沃斯机器人股份有限公司 栅格地图的构建方法、避障的方法、设备及介质
CN111461245A (zh) * 2020-04-09 2020-07-28 武汉大学 一种融合点云和图像的轮式机器人语义建图方法及系统
CN111886597A (zh) * 2019-06-28 2020-11-03 深圳市大疆创新科技有限公司 可移动平台的障碍物检测方法、装置及可移动平台
WO2021097983A1 (zh) * 2019-11-21 2021-05-27 广州文远知行科技有限公司 定位的方法、装置、设备及存储介质
CN113510703A (zh) * 2021-06-25 2021-10-19 深圳市优必选科技股份有限公司 机器人位姿的确定方法、装置、机器人及存储介质
WO2021219023A1 (zh) * 2020-04-30 2021-11-04 北京猎户星空科技有限公司 定位方法、装置、电子设备及存储介质
CN116148818A (zh) * 2021-11-22 2023-05-23 珠海一微半导体股份有限公司 一种激光定位置信度的评估方法、芯片和机器人

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11314262B2 (en) * 2016-08-29 2022-04-26 Trifo, Inc. Autonomous platform guidance systems with task planning and obstacle avoidance
WO2019111702A1 (ja) * 2017-12-05 2019-06-13 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
CN112180910A (zh) * 2019-06-18 2021-01-05 北京京东尚科信息技术有限公司 一种移动机器人障碍物感知方法和装置
CN110260856A (zh) * 2019-06-26 2019-09-20 北京海益同展信息科技有限公司 一种建图方法和装置
CN112967283B (zh) * 2021-04-22 2023-08-18 上海西井科技股份有限公司 基于双目摄像头的目标识别方法、系统、设备及存储介质
CN113284240B (zh) * 2021-06-18 2022-05-31 深圳市商汤科技有限公司 地图构建方法及装置、电子设备和存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6147637A (en) * 1997-07-23 2000-11-14 Denso Corporation Obstacle detecting system for automotive vehicle
CN110858076A (zh) * 2018-08-22 2020-03-03 杭州海康机器人技术有限公司 一种设备定位、栅格地图构建方法及移动机器人
CN110968083A (zh) * 2018-09-30 2020-04-07 科沃斯机器人股份有限公司 栅格地图的构建方法、避障的方法、设备及介质
CN111886597A (zh) * 2019-06-28 2020-11-03 深圳市大疆创新科技有限公司 可移动平台的障碍物检测方法、装置及可移动平台
CN110530368A (zh) * 2019-08-22 2019-12-03 浙江大华技术股份有限公司 一种机器人定位方法及设备
WO2021097983A1 (zh) * 2019-11-21 2021-05-27 广州文远知行科技有限公司 定位的方法、装置、设备及存储介质
CN111461245A (zh) * 2020-04-09 2020-07-28 武汉大学 一种融合点云和图像的轮式机器人语义建图方法及系统
WO2021219023A1 (zh) * 2020-04-30 2021-11-04 北京猎户星空科技有限公司 定位方法、装置、电子设备及存储介质
CN113510703A (zh) * 2021-06-25 2021-10-19 深圳市优必选科技股份有限公司 机器人位姿的确定方法、装置、机器人及存储介质
CN116148818A (zh) * 2021-11-22 2023-05-23 珠海一微半导体股份有限公司 一种激光定位置信度的评估方法、芯片和机器人

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Local Uncertainty Grid Map Construction of Mobile Robot Based on Kinect Sensor;Duan Yong et al.;《2016 IEEE International Conference on Electronic Information and Communication Technology (ICEICT)》;333-336 *
基于3D激光雷达的无人水面艇海上目标检测;李小毛等;《上海大学学报(自然科学版)》;第23卷(第1期);27-36 *
基于双三次插值的巡检机器人初始位姿优化;林欢等;《机械设计与制造工程》;第47卷(第5期);56-60 *

Also Published As

Publication number Publication date
CN116148879A (zh) 2023-05-23
WO2023088125A1 (zh) 2023-05-25

Similar Documents

Publication Publication Date Title
WO2020134082A1 (zh) 一种路径规划方法、装置和移动设备
CN109509210B (zh) 障碍物跟踪方法和装置
KR100702663B1 (ko) 입자 필터 프레임 워크에서 전방향 시각센서 기반 위치추정 및 매핑을 위한 방법
CN111680673B (zh) 一种栅格地图中动态物体的检测方法、装置及设备
WO2020211655A1 (zh) 激光粗配准方法、装置、移动终端及存储介质
JP2010061655A (ja) 線形特徴を用いた対象追跡
CN111066064A (zh) 使用误差范围分布的网格占用建图
JP2009052940A (ja) 移動物体検出装置および自律移動物体
CN114565616B (zh) 一种非结构化道路状态参数估计方法及系统
CN115880364B (zh) 基于激光点云和视觉slam的机器人位姿估计方法
EP3293700A1 (en) 3d reconstruction for vehicle
EP3828587A1 (en) Method for determining the position of a vehicle
CN111292369A (zh) 激光雷达的伪点云数据生成方法
CN112562000A (zh) 基于特征点检测和误匹配筛选的机器人视觉定位方法
CN113593035A (zh) 一种运动控制决策生成方法、装置、电子设备及存储介质
CN112507774A (zh) 使用点云的分辨率自适应融合的障碍物检测的方法和系统
CN110736456A (zh) 稀疏环境下基于特征提取的二维激光实时定位方法
CN113191427B (zh) 一种多目标车辆跟踪方法及相关装置
CN113734176A (zh) 智能驾驶车辆的环境感知系统、方法、车辆及存储介质
CN116148879B (zh) 一种机器人提升障碍物标注精度的方法
CN116203972B (zh) 一种未知环境探索路径规划方法、系统、设备及介质
CN112486172A (zh) 道路边缘检测方法及机器人
Zea et al. Tracking extended objects using extrusion random hypersurface models
WO2022215409A1 (ja) 物体追跡装置
CN116148818A (zh) 一种激光定位置信度的评估方法、芯片和机器人

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