CN116164729A - 多机器人建图方法、装置、电子设备及存储介质 - Google Patents
多机器人建图方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116164729A CN116164729A CN202310118765.4A CN202310118765A CN116164729A CN 116164729 A CN116164729 A CN 116164729A CN 202310118765 A CN202310118765 A CN 202310118765A CN 116164729 A CN116164729 A CN 116164729A
- Authority
- CN
- China
- Prior art keywords
- robot
- path information
- data
- master
- robots
- 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
Images
Classifications
-
- 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
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本公开提出了一种多机器人建图方法、装置、电子设备及存储介质,涉及机器人建图技术领域,该方法包括:获取主机器人第一路径信息和主机器人下属的从机器人的第二路径信息,主机器人至少为2个;基于第一路径信息,对每个主机器人进行位置矫正,并获取矫正后的第三路径信息;基于第三路径信息和第二路径信息,对从机器人进行位置矫正;获取主机器人和从机器人采集的数据信息,基于数据信息进行地图构建。通过主机器人路径信息对每个主机器人进行位置矫正,并对主机器人下属的从机器人进行位置矫正,可以提升主机器人和从机器人路径规划的效率,从而提升主机器人和从机器人数据获取的效率和准确性,以及最终生成地图的质量,降低制图成本。
Description
技术领域
本公开涉及机器人建图技术领域,尤其涉及一种多机器人建图方法、装置、电子设备及存储介质。
背景技术
煤炭行业90%为井工矿,传统矿用机器人感知和决策困难。井下属于非结构化恶劣环境,无GNSS全球卫星定位信号,存在作业空间狭窄、粉尘浓度高、湿度高、超低光照、火灾、水灾、瓦斯突出、冲击地压、人员和设备分布复杂等挑战。因此,井下建图难度较高,并且成本较大,需要花费大量时间。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本公开的一个目的在于提出一种多机器人建图方法。
本公开的第二个目的在于提出一种多机器人建图装置。
本公开的第三个目的在于提出一种电子设备。
本公开的第四个目的在于提出一种非瞬时计算机可读存储介质。
本公开的第五个目的在于提出一种计算机程序产品。
为达上述目的,本公开第一方面实施方式提出了一种多机器人建图方法,包括:获取主机器人第一路径信息和所述主机器人下属的从机器人的第二路径信息,所述主机器人至少为2个;基于所述第一路径信息,对每个所述主机器人进行位置矫正,并获取矫正后的第三路径信息;基于所述第三路径信息和所述第二路径信息,对所述从机器人进行位置矫正;获取所述主机器人和所述从机器人采集的数据信息,基于所述数据信息进行地图构建。
根据本公开的一个实施方式,所述基于所述第一路径信息,对每个所述主机器人进行位置矫正,包括:针对任一目标主机器人,将其他主机器人按照与所述目标主机器人的距离进行排序;基于排序,获取每个所述其他主机器人的矫正权重;基于所述矫正权重、所述其他主机器人的第一路径信息和所述目标主机器人的第一路径信息,确定所述目标主机器人的第三路径信息。
根据本公开的一个实施方式,所述基于所述矫正权重、所述其他主机器人的第一路径信息和所述目标主机器人的第一路径信息,确定所述目标主机器人的第三路径信息,包括:基于启发式搜索算法,对所述目标主机器人的第一路径信息和所述其他主机器人的第一路径信息进行计算,并获取计算结果;响应于所述计算结果确定所述目标主机器人与所述其他主机器人的路径存在冲突,基于所述目标主机器人的第一路径信息和存在冲突的主机器人的第一路径信息以及所述存在冲突的主机器人对应的矫正权重,进行冲突调节,以确定所述目标主机器人的第三路径信息。
根据本公开的一个实施方式,第一路径信息包括时间和位置约束,所述方法还包括:针对任一主机器人,基于所述主机器人的第一路径信息,建立时间、位置约束的二叉树。
根据本公开的一个实施方式,所述基于所述目标主机器人的第一路径信息和存在冲突的主机器人的第一路径信息以及所述存在冲突的主机器人对应的矫正权重,进行冲突调节,包括:基于所述目标主机器人的二叉树和所述存在冲突的主机器人的二叉树,确定冲突节点;基于所述冲突节点的时间和位置约束以及所述存在冲突的主机器人对应的矫正权重,对所述目标主机器人的第一路径信息进行矫正,直至所述目标主机器人与所述其他主机器人的路径不存在冲突。
根据本公开的一个实施方式,所述数据信息包括惯性导航数据、雷达数据和图像数据,所述方法还包括:针对任一机器人,将所述惯性导航数据与所述雷达数据融合,以获取第一子地图数据;将所述惯性导航数据与所述图像数据进行融合,以获取第二子地图数据;基于所述第一子地图数据和所述第二子地图数据确定所述机器人的子地图数据。
根据本公开的一个实施方式,所述基于所述数据信息进行地图构建,包括:将所有子地图数据进行数据融合,以获取候选地图;对所述候选地图进行关键帧抽取,并对重复出现的关键帧进行融合优化,以获取目标地图。
为达上述目的,本公开第二方面实施例提出了一种多机器人建图装置,包括:获取模块,用于获取主机器人第一路径信息和所述主机器人下属的从机器人的第二路径信息,所述主机器人至少为2个;第一矫正模块,用于基于所述第一路径信息,对每个所述主机器人进行位置矫正,并获取矫正后的第三路径信息;第二矫正模块,用于基于所述第三路径信息和所述第二路径信息,对所述从机器人进行位置矫正;建图模块,用于获取所述主机器人和所述从机器人采集的数据信息,基于所述数据信息进行地图构建。
为达上述目的,本公开第三方面实施例提出了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以实现如本公开第一方面实施例所述的多机器人建图方法。
为达上述目的,本公开第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于实现如本公开第一方面实施例所述的多机器人建图方法。
为达上述目的,本公开第五方面实施例提出了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时用于实现如本公开第一方面实施例所述的多机器人建图方法。
通过主机器人路径信息对每个主机器人进行位置矫正,并对主机器人下属的从机器人进行位置矫正,可以提升主机器人和从机器人路径规划的效率,从而提升主机器人和从机器人数据获取的效率和准确性,以及最终生成地图的质量,降低制图成本。
附图说明
图1是本公开一个实施方式的一种多机器人建图方法的示意图;
图2是本公开一个实施方式的一种多机器人建图方法的机器人分组示意图;
图3是本公开一个实施方式的一种多机器人建图方法的机器人制图策略的示意图;
图4是本公开一个实施方式的另一种多机器人建图方法的示意图;
图5是本公开一个实施方式的另一种多机器人建图方法的示意图;
图6是本公开一个实施方式的另一种多机器人建图方法的示意图;
图7是本公开一个实施方式的一种多机器人建图装置的示意图;
图8是本公开一个实施方式的一种电子设备的示意图。
具体实施方式
下面详细描述本公开的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。
图1为本公开提出的一种多机器人建图方法的一种示例性实施方式的示意图,如图1所示,该多机器人建图方法包括以下步骤:
S101,获取主机器人第一路径信息和主机器人下属的从机器人的第二路径信息,主机器人至少为2个。
本公开实施例的执行主体为控制主机器人和从机器人的服务器、电子设备等。该执行主体与机器人之间设有无线连接,以实现对机器人的控制和接收机器人反馈的数据。
需要说明的是,主机器人下属的从机器人可为多个,此处不作任何限定,具体需要根据实际的设计需要进行限定。在本公开实施例中,主机器人和其下属的从机器人可建立编队,以方便对采集的数据进行分类和分开保存,提升后续数据处理的效率。
不同的主机器人对应的编队不同,举例来说,如图2所示,可包括编队1、编队2、编队3……编队n等。
在本公开实施例中,第一路径信息可包括多种,举例来说,可包括主机器人的导航路线、目标地点、位置约束等。第二路径信息也可包括多种,举例来说,可包括从机器人的导航路线、目标地点、位置约束等。此处不作任何限定。
需要说明的是,第一路径信息和第二路径信息为提前设定好的,并可根据实际的探测需要进行变更,此处不作任何限定。
S102,基于第一路径信息,对每个主机器人进行位置矫正,并获取矫正后的第三路径信息。
不同编队中的主机器人为并行关系,其定位方式采用并行式协作定位,搭载相同或相近的传感设备,在定位过程中,通过融合各机器人的定位数据,实现互相校正;并可以在个体发生故障时保证其余个体的定位,具备良好的鲁棒性。而在同一个编队中,主机器人搭载高精度导航传感器作为编队内的主节点,为全队机器人提供准确的位置参考信息;从机器人通过低成本传感器通过接收主节点的数据信息并融合自身的传感器位置信息对自身进行准确定位和修正,从而实现整个机器人系统所有个体的自我定位。
在本公开实施例中,基于第一路径信息对每个主机器人进行位置矫正的方法可为多种,此处不作任何限定。
可选地,可将所有的主机器人作为并行的目标,并根据所有主机器人的第一路径信息对每个主机器人进行调整,以实现各个机器人之间最终的探测目标以及尽可能的保证各个主机器人联合采集的数据尽量不重叠,提升数据采集的效率。
可选地,针对任一主机器人,还可基于该主机器人周围的主机器人的第一路径信息,对该主机器人进行调整,以防止主机器人之间在采集数据的过程中由于路径重叠等发生碰撞,造成损失。
S103,基于第三路径信息和第二路径信息,对从机器人进行位置矫正。
在本公开实施例中,在获取到第三路径信息后,可基于主机器人的第三路径信息和下属的从机器人的第二路径信息,对从机器人进行位置矫正,矫正的方法可为多种,此处不作任何限定。
可选地,可基于预设的规则,对从机器人进行调整,该规则可包括从机器人与主机器人的距离、采集角度等。
可选地,还可通过第二路径信息和第三路径信息,确定主机器人和从机器人是否存在碰撞的点位,如果存在,则基于该点位对第三路径信息进行调整。
S104,获取主机器人和从机器人采集的数据信息,基于数据信息进行地图构建。
在本公开实施例中,基于主机器人和从机器人采集的数据信息构建地图的方法可为多种。
可选地,可通过服务器将主机器人和所属的从机器人采集的数据信息进行融合,然后将融合后的数据与其他主机器人的融合数据进行处理,以生成地图。
可选地,如图3所示,在多机器人协同建图过程中,单体机器人可具备单独建图能力,可通过将不同的机器人进行单独建图,然后将所有的建图数据进行数据一体化,从而生成地图。
在本公开实施例中,首先获取主机器人第一路径信息和主机器人下属的从机器人的第二路径信息,主机器人至少为2个,然后基于第一路径信息,对每个主机器人进行位置矫正,并获取矫正后的第三路径信息,而后基于第三路径信息和第二路径信息,对从机器人进行位置矫正,最后获取主机器人和从机器人采集的数据信息,基于数据信息进行地图构建。通过主机器人路径信息对每个主机器人进行位置矫正,并对主机器人下属的从机器人进行位置矫正,可以提升主机器人和从机器人路径规划的效率,从而提升主机器人和从机器人数据获取的效率和准确性,以及最终生成地图的质量,降低制图成本。
在本公开实施例中,在建图完成后,还可通过回环检测提升精度。最后基于图优化理论对地图进行全局优化,从而得到高精度环境地图信息。
在本公开实施例中,多机器人协同导航技术是机器人路径规划和避障等功能的实现。同一编队机器人的路径规划采用耦合式路径规划方法,不同队伍间采用解耦合式路径规划方法。耦合式路径规划方法首先通过市场机制方法分配任务,可以快速实现多目标任务分配问题。再通过协同非支配排序遗传算法从全局优化的角度同时构建多机器人路径搜索,将路径搜索建模为多个子种群,通过子种群的进货和种群合作实现全局路径搜索。
上述实施例中,基于第一路径信息,对每个主机器人进行位置矫正,还可通过图4进一步解释,该方法包括:
S401,针对任一目标主机器人,将其他主机器人按照与目标主机器人的距离进行排序。
在本公开实施例中,目标主机器人为主机器人中的任一个。可以理解的是,距离目标主机器人越近的主机器人,对目标主机器人的路径规划影响越大。因此,可根据距离,来对主机器人进行排序。
S402,基于排序,获取每个其他主机器人的矫正权重。
在本公开实施例中,矫正权重为主机器人对目标主机器人的影响权重,矫正权重越大,其对目标主机器人的路径矫正影响越大。
需要说明的是,排序越靠前的,即距离目标主机器人越近的主机器人的矫正权重越大。需要说明的是,矫正权重为提前设定好的,并可根据实际的设计需要进行变更,此处不作任何限定。
S403,基于矫正权重、其他主机器人的第一路径信息和目标主机器人的第一路径信息,确定目标主机器人的第三路径信息。
在本公开实施例中,在获取到每个其他主机器人的矫正权重后,可基于启发式搜索算法,对目标主机器人的第一路径信息和其他主机器人的第一路径信息进行计算,并获取计算结果,响应于计算结果确定目标主机器人与其他主机器人的路径存在冲突,基于目标主机器人的第一路径信息和存在冲突的主机器人的第一路径信息以及存在冲突的主机器人对应的矫正权重,进行冲突调节,以确定目标主机器人的第三路径信息。
需要说明的是,启发式搜索算法(A-star algorithm)是一种静态路网中求解最短路径最有效的直接搜索方法,也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近,最终搜索速度越快。
在本公开实施例中,首先基于启发式搜索算法,对目标主机器人的第一路径信息和其他主机器人的第一路径信息进行计算,并获取计算结果,然后响应于计算结果确定目标主机器人与其他主机器人的路径存在冲突,基于目标主机器人的第一路径信息和存在冲突的主机器人的第一路径信息以及存在冲突的主机器人对应的矫正权重,进行冲突调节,以确定目标主机器人的第三路径信息。
上述实施例中,基于目标主机器人的第一路径信息和存在冲突的主机器人的第一路径信息以及存在冲突的主机器人对应的矫正权重,进行冲突调节,还可通过图5进一步解释,该方法包括:
S501,基于目标主机器人的二叉树和存在冲突的主机器人的二叉树,确定冲突节点。
在本公开实施例中,针对任一主机器人,基于主机器人的第一路径信息,建立时间、位置约束的二叉树。
需要说明的是,是树形结构的一个重要类型。许多实际问题抽象出来的数据结构往往是二叉树形式,即使是一般的树也能简单地转换为二叉树,而且二叉树的存储结构及其算法都较为简单,因此二叉树显得特别重要。二叉树特点是每个节点最多只能有两棵子树,且有左右之分。
如果目标主机器人的二叉树与其他主机器人的二叉树存在交叉的节点,则可认为二者之间的路径存在冲突。
S502,基于冲突节点的时间和位置约束以及存在冲突的主机器人对应的矫正权重,对目标主机器人的第一路径信息进行矫正,直至目标主机器人与其他主机器人的路径不存在冲突。
在本公开实施例中,首先基于启发式搜索算法,对目标机器人的第一路径信息和其他主机器人的第一路径信息进行计算,并获取计算结果,响应于计算结果确定目标机器人与其他主机器人的路径存在冲突,基于目标机器人的第一路径信息和存在冲突的主机器人的第一路径信息以及存在冲突的主机器人对应的矫正权重,进行冲突调节,以确定目标主机器人的第三路径信息。由此,通过对主机器人建立二叉树,可以准确的确定主机器人之间路径是否存在冲突,已经准确的定位冲突节点,从而快速的对目标主机器人进行路径矫正,提升矫正的速率和准确率。
上述实施例中,数据信息包括惯性导航数据、雷达数据和图像数据,构建地图可通过图6进一步解释,该方法包括:
S601,针对任一机器人,将惯性导航数据与雷达数据融合,以获取第一子地图数据。
在多机器人协同建图过程中,单体机器人同样需要具备建图能力。针对单一传感器的感知能力弱的问题,机器人在建图过程中采用基于多传感器数据融合的建图方法。因此本公开提供一种基于惯性导航数据、雷达数据和图像数据融合建图算法,以此提高系统的定位精度、建图精度和鲁棒性。联邦滤波器可以实现分块估计和两步级联的分散化滤波,能够对数据进行分级和并行处理。当单个子滤波器发生故障时,系统仍然可以输出滤波结果,有利于提高系统的鲁棒性。
在本公开实施例中,惯性导航数据可通过惯性导航(inertial navigation)进行采集,雷达数据可通过机器人上设置的雷达设备进行采集,图像数据可通过机器人上设置的图像采集装置进行采集。
S602,将惯性导航数据与图像数据进行融合,以获取第二子地图数据。
在本公开实施例中,可通过融合算法将惯性导航数据与雷达数据融合,以获取第一子地图数据,或者将惯性导航数据与图像数据进行融合,以获取第二子地图数据。该融合算法可为提前设定好的,并可根据实际的设计需要进行变更,此处不作任何限定。
可选地,还可通过融合模型将将惯性导航数据与雷达数据融合,以获取第一子地图数据,或者将惯性导航数据与图像数据进行融合,以获取第二子地图数据。该融合模型可为提前训练好的,并存储在电子设备的存储空间中,以方便在需要时调取使用。
S603,基于第一子地图数据和第二子地图数据确定机器人的子地图数据。
在获取到第一子地图数据和第二子地图数据后,采用加权最小二乘法,根据信息的重要性赋予不同的权重,进而得到全局最优估计。
在本公开实施例中,首先针对任一机器人,将惯性导航数据与雷达数据融合,以获取第一子地图数据,然后将惯性导航数据与图像数据进行融合,以获取第二子地图数据,最后基于第一子地图数据和第二子地图数据确定机器人的子地图数据。通过多数据融合的方式生成地图数据,可以防止单个子滤波器发生故障时,系统仍然可以输出滤波结果,有利于提高系统的鲁棒性。
在本公开实施例中,可将所有子地图数据进行数据融合,以获取候选地图,然后对候选地图进行关键帧抽取,并对重复出现的关键帧进行融合优化,以获取目标地图。
与上述几种实施例提供的多机器人建图方法相对应,本公开的一个实施例还提供了一种多机器人建图装置,由于本公开实施例提供的多机器人建图装置与上述几种实施例提供的多机器人建图方法相对应,因此上述多机器人建图方法的实施方式也适用于本公开实施例提供的多机器人建图装置,在下述实施例中不再详细描述。
图7为本公开提出的一种多机器人建图装置的示意图,如图7所示,该多机器人建图装置700,包括:获取模块710、第一矫正模块720、第二矫正模块730、建图模块740。
其中,获取模块710,用于获取主机器人第一路径信息和所述主机器人下属的从机器人的第二路径信息,所述主机器人至少为2个。
第一矫正模块720,用于基于所述第一路径信息,对每个所述主机器人进行位置矫正,并获取矫正后的第三路径信息。
第二矫正模块730,用于基于所述第三路径信息和所述第二路径信息,对所述从机器人进行位置矫正。
建图模块740,用于获取所述主机器人和所述从机器人采集的数据信息,基于所述数据信息进行地图构建。
在本公开的一个实施例中,第一矫正模块720,还用于:针对任一目标主机器人,将其他主机器人按照与所述目标主机器人的距离进行排序;基于排序,获取每个所述其他主机器人的矫正权重;基于所述矫正权重、所述其他主机器人的第一路径信息和所述目标主机器人的第一路径信息,确定所述目标主机器人的第三路径信息。
在本公开的一个实施例中,第一矫正模块720,还用于:基于启发式搜索算法,对所述目标主机器人的第一路径信息和所述其他主机器人的第一路径信息进行计算,并获取计算结果;响应于所述计算结果确定所述目标主机器人与所述其他主机器人的路径存在冲突,基于所述目标主机器人的第一路径信息和存在冲突的主机器人的第一路径信息以及所述存在冲突的主机器人对应的矫正权重,进行冲突调节,以确定所述目标主机器人的第三路径信息。
在本公开的一个实施例中,第一矫正模块720,还用于:针对任一主机器人,基于所述主机器人的第一路径信息,建立时间、位置约束的二叉树。
在本公开的一个实施例中,第一矫正模块720,还用于:基于所述目标主机器人的二叉树和所述存在冲突的主机器人的二叉树,确定冲突节点;基于所述冲突节点的时间和位置约束以及所述存在冲突的主机器人对应的矫正权重,对所述目标主机器人的第一路径信息进行矫正,直至所述目标主机器人与所述其他主机器人的路径不存在冲突。
在本公开的一个实施例中,建图模块740,还用于:针对任一机器人,将所述惯性导航数据与所述雷达数据融合,以获取第一子地图数据;将所述惯性导航数据与所述图像数据进行融合,以获取第二子地图数据;基于所述第一子地图数据和所述第二子地图数据确定所述机器人的子地图数据。
在本公开的一个实施例中,建图模块740,还用于:将所有子地图数据进行数据融合,以获取候选地图;对所述候选地图进行关键帧抽取,并对重复出现的关键帧进行融合优化,以获取目标地图。
为了实现上述实施例,本公开实施例还提出一种电子设备800,如图8所示,该电子设备800包括:处理器801和处理器通信连接的存储器802,存储器802存储有可被至少一个处理器执行的指令,指令被至少一个处理器801执行,以实现如本公开第一方面实施例的多机器人建图方法。
为了实现上述实施例,本公开实施例还提出一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机实现如本公开第一方面实施例的多机器人。
为了实现上述实施例,本公开实施例还提出一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如本公开第一方面实施例的多机器人建图方法。
在本公开的描述中,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”、“轴向”、“径向”、“周向”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公开和简化描述,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公开的限制。
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该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种多机器人建图方法,其特征在于,包括:
获取主机器人第一路径信息和所述主机器人下属的从机器人的第二路径信息,所述主机器人至少为2个;
基于所述第一路径信息,对每个所述主机器人进行位置矫正,并获取矫正后的第三路径信息;
基于所述第三路径信息和所述第二路径信息,对所述从机器人进行位置矫正;
获取位置矫正后的所述主机器人和所述从机器人采集的数据信息,基于所述数据信息进行地图构建。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第一路径信息,对每个所述主机器人进行位置矫正,包括:
针对任一目标主机器人,将其他主机器人按照与所述目标主机器人的距离进行排序;
基于排序,获取每个所述其他主机器人的矫正权重;
基于所述矫正权重、所述其他主机器人的第一路径信息和所述目标主机器人的第一路径信息,确定所述目标主机器人的第三路径信息。
3.根据权利要求2所述的方法,其特征在于,所述基于所述矫正权重、所述其他主机器人的第一路径信息和所述目标主机器人的第一路径信息,确定所述目标主机器人的第三路径信息,包括:
基于启发式搜索算法,对所述目标主机器人的第一路径信息和所述其他主机器人的第一路径信息进行计算,并获取计算结果;
响应于所述计算结果确定所述目标主机器人与所述其他主机器人的路径存在冲突,基于所述目标主机器人的第一路径信息和存在冲突的主机器人的第一路径信息以及所述存在冲突的主机器人对应的矫正权重,进行冲突调节,以确定所述目标主机器人的第三路径信息。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述第一路径信息包括时间和位置约束,所述方法还包括:
针对任一主机器人,基于所述主机器人的第一路径信息,建立时间、位置约束的二叉树。
5.根据权利要求4所述的方法,其特征在于,所述基于所述目标主机器人的第一路径信息和存在冲突的主机器人的第一路径信息以及所述存在冲突的主机器人对应的矫正权重,进行冲突调节,包括:
基于所述目标主机器人的二叉树和所述存在冲突的主机器人的二叉树,确定冲突节点;
基于所述冲突节点的时间和位置约束以及所述存在冲突的主机器人对应的矫正权重,对所述目标主机器人的第一路径信息进行矫正,直至所述目标主机器人与所述其他主机器人的路径不存在冲突。
6.根据权利要求1所述的方法,其特征在于,所述数据信息包括惯性导航数据、雷达数据和图像数据,所述方法还包括:
针对任一机器人,将所述惯性导航数据与所述雷达数据融合,以获取第一子地图数据;
将所述惯性导航数据与所述图像数据进行融合,以获取第二子地图数据;
基于所述第一子地图数据和所述第二子地图数据确定所述机器人的子地图数据。
7.根据权利要求6所述的方法,其特征在于,所述基于所述数据信息进行地图构建,包括:
将所有子地图数据进行数据融合,以获取候选地图;
对所述候选地图进行关键帧抽取,并对重复出现的关键帧进行融合优化,以获取目标地图。
8.一种多机器人建图装置,其特征在于,包括:
获取模块,用于获取主机器人第一路径信息和所述主机器人下属的从机器人的第二路径信息,所述主机器人至少为2个;
第一矫正模块,用于基于所述第一路径信息,对每个所述主机器人进行位置矫正,并获取矫正后的第三路径信息;
第二矫正模块,用于基于所述第三路径信息和所述第二路径信息,对所述从机器人进行位置矫正;
建图模块,用于获取位置矫正后的所述主机器人和所述从机器人采集的数据信息,基于所述数据信息进行地图构建。
9.一种电子设备,其特征在于,包括存储器、处理器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-7中任一项所述的方法。
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中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310118765.4A CN116164729A (zh) | 2023-02-06 | 2023-02-06 | 多机器人建图方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310118765.4A CN116164729A (zh) | 2023-02-06 | 2023-02-06 | 多机器人建图方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116164729A true CN116164729A (zh) | 2023-05-26 |
Family
ID=86417824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310118765.4A Pending CN116164729A (zh) | 2023-02-06 | 2023-02-06 | 多机器人建图方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116164729A (zh) |
-
2023
- 2023-02-06 CN CN202310118765.4A patent/CN116164729A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101819042B (zh) | 导航装置及导航方法 | |
US8359156B2 (en) | Map generation system and map generation method by using GPS tracks | |
CN113654555A (zh) | 一种基于多传感器数据融合的自动驾驶车辆高精定位方法 | |
CN108303720A (zh) | 一种车辆定位方法、装置及终端设备 | |
CN110211228A (zh) | 用于建图的数据处理方法及装置 | |
CN101010710A (zh) | 地图信息校正装置、地图信息校正方法、程序、和使用地图信息校正装置的信息提供装置和信息获取装置 | |
CN112781586B (zh) | 一种位姿数据的确定方法、装置、电子设备及车辆 | |
CN111551186A (zh) | 一种车辆实时定位方法、系统及车辆 | |
EP3667236B1 (en) | A method of determining position data | |
CN110806585B (zh) | 一种基于树干聚类跟踪的机器人定位方法及系统 | |
CN113624221A (zh) | 一种融合视觉与激光的2.5d地图构建方法 | |
CN114018248A (zh) | 一种融合码盘和激光雷达的里程计方法与建图方法 | |
CN110567467A (zh) | 基于多传感器的地图构建方法、装置及存储介质 | |
CN110220517A (zh) | 一种结合环境语意的室内机器人鲁棒slam方法 | |
CN113721248A (zh) | 一种基于多源异构传感器的融合定位方法及系统 | |
CN116958316B (zh) | 拓扑图生成方法、装置、计算机设备及存储介质 | |
CN116164729A (zh) | 多机器人建图方法、装置、电子设备及存储介质 | |
CN116225029A (zh) | 一种机器人路径规划方法 | |
AU2021273605B2 (en) | Multi-agent map generation | |
CN110909668B (zh) | 目标检测方法、装置、计算机可读存储介质和电子设备 | |
US11982752B2 (en) | GPS error correction method through comparison of three-dimensional HD-maps in duplicate area | |
CN112099509A (zh) | 地图优化方法、装置及机器人 | |
CN114217622A (zh) | 一种基于bim的机器人自主导航方法 | |
CN113094462B (zh) | 数据处理方法和装置及存储介质 | |
US20230056793A1 (en) | Ai-based seamless positioning calculation device and method |
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 |