CN116182840B - 地图构建方法、装置、设备及存储介质 - Google Patents
地图构建方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116182840B CN116182840B CN202310477954.0A CN202310477954A CN116182840B CN 116182840 B CN116182840 B CN 116182840B CN 202310477954 A CN202310477954 A CN 202310477954A CN 116182840 B CN116182840 B CN 116182840B
- Authority
- CN
- China
- Prior art keywords
- leading edge
- edge point
- map
- point
- 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.)
- Active
Links
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
-
- 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
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/383—Indoor data
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)
- Navigation (AREA)
Abstract
本申请公开了一种地图构建方法、装置、设备及存储介质,在构建融合地图的过程中生成了障碍物地图,障碍物地图记录了融合地图中当前时刻之间曾被确定为属于障碍物的栅格,对于获取的每个前沿点,确定前沿点在障碍物地图中是否属于障碍物栅格,如果是,则删除该前沿点,对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价,并选取探索代价最小的前沿点作为最优前沿点,控制机器人向最优前沿点探索、更新融合地图。本申请避免了融合地图上某些栅格在障碍物栅格、未知栅格、空白栅格间不断变更时,可能导致的该栅格被重复作为前沿点的问题,避免了机器人来回不断探索,从而提升了地图构建效率。
Description
技术领域
本申请涉及机器人建图技术领域,更具体的说,是涉及一种地图构建方法、装置、设备及存储介质。
背景技术
随着移动机器人技术的快速发展,移动机器人运用在日常生活、工作中的可能性也越来越大,示例如清洁机器人、搬运机器人等。为使得机器人更为高效,更为智能的工作,需要预先生成机器人工作时所处场景的地图,以家庭用清洁机器人为例,需要预先构建室内地图。目前在地图构建过程中,主流方法有随机采样探索和基于栅格地图的前沿点探索。但是由于随机探索带来的不确定性,所有在实际工程应用中基于栅格地图的前沿点探索成为主流。
前沿点探索算法将地图划分为未知区域和已探索过的障碍物区域、可通行区域(又称空白区域),该算法通过从地图中寻找未知区域和空白区域的交点,然后根据贪心策略选择距离当前位置最近的前沿点当成目标点,发送至导航模块,直至探索完成。
在机器人探索过程中受限于探测雷达等传感器的精度,在距离障碍物较近时可以准确识别障碍物位置,并在地图中将对应位置的栅格标记为障碍物栅格,但是在距离障碍物较远时对障碍物的识别准确度下降,可能将障碍物位置错误识别为未知区域或空白区域,这就导致地图上某些栅格会在障碍物栅格、未知栅格、空白栅格间不断变更,从而可能导致此类栅格被重复作为前沿点,造成机器人来回不断探索,降低了地图构建的效率。
发明内容
鉴于上述问题,提出了本申请以便提供一种地图构建方法、装置、设备及存储介质,以实现提升地图构建效率的目的。具体方案如下:
第一方面,提供了一种地图构建方法,包括:
获取最新的融合地图以及障碍物地图,所述融合地图包括未知区域及已探索过的可通行区域和障碍物区域,所述障碍物地图中记录有所述融合地图中在当前时刻之前曾被确定为属于障碍物的栅格;
基于所述最新的融合地图,获取机器人所处场景内的所有前沿点;
确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格,并删除属于障碍物栅格的前沿点,得到剩余的各前沿点;
对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价,并选取探索代价最小的前沿点作为最优前沿点;
控制机器人向所述最优前沿点运动,并在运动过程探索周围环境信息,基于所述环境信息更新所述融合地图。
第二方面,提供了一种地图构建装置,包括:
地图数据获取单元,用于获取最新的融合地图以及障碍物地图,所述融合地图包括未知区域及已探索过的可通行区域和障碍物区域,所述障碍物地图中记录有所述融合地图中在当前时刻之前曾被确定为属于障碍物的栅格;
前沿点获取单元,用于基于所述最新的融合地图,获取机器人所处场景内的所有前沿点;
前沿点筛选单元,用于确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格,并删除属于障碍物栅格的前沿点,得到剩余的各前沿点;
探索代价计算单元,用于对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价,并选取探索代价最小的前沿点作为最优前沿点;
探索单元,用于控制机器人向所述最优前沿点运动,并在运动过程探索周围环境信息,基于所述环境信息更新所述融合地图。
第三方面,提供了一种地图构建设备,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如前所述的地图构建方法的各个步骤。
第四方面,提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如前所述的地图构建方法的各个步骤。
借由上述技术方案,本申请在构建融合地图的过程中生成了障碍物地图,障碍物地图随融合地图的更新而更新,记录了融合地图中当前时刻之间曾被确定为属于障碍物的栅格,也即,只要融合地图中某个栅格曾被确定为属于障碍物后,就会在障碍物地图中记录该栅格为障碍物,即便后续随着融合地图的更新某个障碍物栅格会变更为未知栅格或空白栅格,该栅格在障碍物地图中也一直被标记为障碍物。在此基础上,对于获取的每个前沿点,确定前沿点在障碍物地图中是否属于障碍物栅格,如果是,则删除该前沿点,从而避免了融合地图上某些栅格在障碍物栅格、未知栅格、空白栅格间不断变更时,可能导致的该栅格被重复作为前沿点的问题,也即,融合地图上某个栅格一旦曾经被认定为障碍物栅格,则该栅格后续不会被认定为前沿点,避免了机器人来回不断探索,从而提升了地图构建效率。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例提供的地图构建方法的一流程示意图;
图2示例了一种前沿点示意图;
图3示例了一种机器人探索场景示意图;
图4示例了一种基于机器人轮廓删除前沿点示意图;
图5示例了一种前沿点聚类过程示意图;
图6示例了一种已遍历前沿点判断过程示意图;
图7示例了另一种已遍历前沿点判断过程示意图;
图8示例了又一种已遍历前沿点判断过程示意图;
图9示例了一种按照本申请方法对家庭环境所构建融合地图示意图;
图10为本申请实施例提供的一种地图构建装置结构示意图;
图11为本申请实施例提供的地图构建设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请提供了一种地图构建方案,适用于对可移动的机器人所工作环境的地图进行构建的任务场景,示例如对于家庭清洁机器人,可以构建室内各个房间的地图,对于工厂搬运机器人,可以构建厂区内地图,等。
本申请方案可以基于具备数据处理能力的终端实现,该终端可以是机器人、机器人配套的基站或服务器、云端等。
接下来,结合图1所述,本申请的地图构建方法可以包括如下步骤:
步骤S100、获取最新的融合地图以及障碍物地图。
其中,所述融合地图包括未知区域及已探索过的可通行区域和障碍物区域。
参照图2所示,其示例了一种融合地图示意图,该融合地图可以采用栅格地图,每一栅格表示地图中最小的组成单元。其中白色栅格表示可通行区域(又可以称之为空白区域),黑色栅格表示障碍物区域,其余存在网点填充的栅格表示未知区域,表示机器人还未探索过。本申请的地图构建方法即为控制机器人不断进行探索,并不断更新融合地图,得到最终更新后的融合地图,即为所要构建的地图。
进一步的,为了克服传统的机器人建图过程,融合地图中某些栅格存在不断变换身份(即从障碍物栅格变更为未知栅格、空白栅格),导致此类栅格可能被重复确定为前沿点,早晨机器人来回不断探索的问题,本实施例中引入了障碍物地图这一对象。障碍物地图可以是随着融合地图的更新不断更新的,障碍物地图中记录有所述融合地图中在当前时刻之前曾被确定为属于障碍物的栅格。也即,障碍物地图可以随着融合地图中障碍物栅格的更新,以增量更新的形式进行更新。在融合地图中一个栅格A一旦被确定为障碍物栅格,则该栅格A在障碍物地图中也会被标记为障碍物,即便后续在融合地图更新过程,该栅格A被更新为未知栅格或空白栅格,在障碍物地图中该栅格A的身份不变,即始终被标记为障碍物栅格。
在初始时刻,障碍物地图中所有栅格可以均标记为未知栅格,后续随着融合地图的更新,将融合地图中确定为障碍物的栅格,同步在障碍物地图中标记为障碍物,直至探索完成。
步骤S110、基于所述最新的融合地图,获取机器人所处场景内的所有前沿点。
本申请方案采用前沿点探索方法,如图2所示,本实施例中提供了一种确定前沿点的方式,可以将未知区域与可通行区域的边界栅格,作为前沿点。前沿点可以表示为用于供机器人对未知区域进行探索的途径点,机器人探索建图的过程,即从出发点开始,不断向下一个前沿点移动,并在移动过程获取周围环境信息,以更新融合地图的过程。
上述前沿点的确定过程中,未知区域与可通行区域的边界栅格可以是位于未知区域内部的栅格,如图2中示例的通过加粗线框标记的三个栅格,表示前沿点。除此之外,还可以设置上述边界栅格是位于空白区域内部的栅格。当然,除了上述提供的前沿点确定方法之外,还可以存在其它的确定前沿点的方法,示例如,在确定了未知区域与可通行区域的边界后,将边界内缩,内缩后的边界所在的栅格定义为前沿点。或者是,在确定了未知区域与可通行区域的边界后,将边界外扩,外扩后的边界所在的栅格定义为前沿点。
步骤S120、确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格,并删除属于障碍物栅格的前沿点,得到剩余的各前沿点。
具体地,在上一步骤得到各个前沿点之后,将每一前沿点的坐标转换到障碍物地图上,并确定前沿点在障碍物地图中是否被标记为障碍物栅格,若是,表示该前沿点在当前时刻或当前时刻之前曾被识别为障碍物,为了避免机器人来回探索的问题,需要将该前沿点删除,不作为后续最优前沿点筛选的对象,得到处理后剩余的各个前沿点。
步骤S130、对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价,并选取探索代价最小的前沿点作为最优前沿点。
其中,上述步骤筛选得到的剩余前沿点的数量可能不止一个,此时需要从各个前沿点中确定出最优的前沿点,作为后续导航探索的目标点。在选取最优前沿点时,可以分别计算机器人在当前位置至每一前沿点的探索代价,作为对应前沿点的探索代价,探索代价表示机器人以该前沿点作为最优前沿点进行探索时所产生的代价,可以包括时间成本、耗电量成本等。本步骤中可以选取探索代价最小的前沿点作为最优前沿点。
步骤S140、控制机器人向所述最优前沿点运动,并在运动过程探索周围环境信息,基于所述环境信息更新所述融合地图。
具体地,在确定了最优前沿点后,可以规划从机器人当前位置至最优前沿点的导航路径,进而按照该导航路径控制机器人向最优前沿点运动,在运动过程实时探索周围环境信息,并利用探索到的环境信息实时更新融合地图中的各个区域(未知区域、障碍物区域和可通行区域)。
进一步,为了方便在机器人到达最优前沿点后,重新确定下一轮的最优前沿点,在更新融合地图的同时,还可以同步更新障碍物地图,以便下一轮确定最优前沿点时,也可以参考障碍物地图进行前沿点的筛选。其中,障碍物地图的更新方式可以参照前文相关介绍,此处不再赘述。
通过重复执行本实施例上述各个步骤,直至探索结束后,得到最终更新后的融合地图,作为本案所构建的最终地图。
本实施例提供的地图构建方法,在构建融合地图的过程中生成了障碍物地图,障碍物地图随融合地图的更新而更新,记录了融合地图中当前时刻之间曾被确定为属于障碍物的栅格,也即,只要融合地图中某个栅格曾被确定为属于障碍物后,就会在障碍物地图中记录该栅格为障碍物,即便后续随着融合地图的更新某个障碍物栅格会变更为未知栅格或空白栅格,该栅格在障碍物地图中也一直被标记为障碍物。在此基础上,对于获取的每个前沿点,确定前沿点在障碍物地图中是否属于障碍物栅格,如果是,则删除该前沿点,从而避免了融合地图上某些栅格在障碍物栅格、未知栅格、空白栅格间不断变更时,可能导致的该栅格被重复作为前沿点的问题,也即,融合地图上某个栅格一旦曾经被认定为障碍物栅格,则该栅格后续不会被认定为前沿点,避免了机器人来回不断探索,从而提升了地图构建效率。
接下来结合图3示例的一种场景,对本申请方案进行说明:
如图3所示,机器人在沿图3左侧虚线路径驶入一个房间后到达local1所在栅格位置,此时距离栅格X处的障碍物很近,可以准确识别出该栅格X属于障碍物栅格,同时计算出前沿点,如图3中通过加粗线框标记的各个栅格,作为前沿点,并从中选取最优前沿点后,沿图中实线路径导航探索前方的未知区域,假设各未知区域探索后均属于空白区域,在探索完毕后驶离该房间,直至到达图3右侧的local2所在栅格位置时,由于此时距离栅格X较远,雷达可能错误将栅格X识别为未知区域。此时如果按照现有技术,有可能再次将栅格X确定为前沿点,从而使得机器人再次折返向栅格X前进进行探索,显然这是一种无意义的探索,降低了整体建图效率。
而采用本申请方案后,由于本申请设计了障碍物地图,在机器人首次识别出栅格X属于障碍物之后,即在障碍物地图中将栅格X标记为障碍物栅格。当机器人到达local2位置时,即便雷达错误将栅格X识别为未知区域,也不会改变该栅格X在障碍物地图中的身份标记,此时进行前沿点筛选时,会基于障碍物地图将该栅格X从前沿点中排除,从而保证机器人不会折返进行探索,提升了整体建图效率。
在本申请的一些实施例中,进一步考虑机器人轮廓对前述步骤S110获取的各个前沿点进行筛选。
具体地,步骤S110获取的各个前沿点中,可能存在部分前沿点的周围存在障碍物遮挡,导致机器人无法移动到达前沿点,此类前沿点需要删除掉。为此,在步骤S110和步骤S120之间,可以进一步增加如下处理步骤:
对于步骤S110获取的每一前沿点,确定所述前沿点周围设定的机器人轮廓范围内是否存在障碍物,并删除周围设定机器人轮廓范围内存在障碍物的前沿点。
参照图4所示:
假设获取的各个前沿点如图4中加粗线框标记的各个栅格,对于其中栅格Y而言,其下方左右两侧分别存在两个障碍物栅格。显然,在以栅格Y中心的设定机器人轮廓范围内存在障碍物,导致机器人无法到达该栅格Y,因此将栅格Y从前沿点中删除。
本实施例中通过对计算得到的前沿点集合进行筛选,将机器人不可达的前沿点删除,避免后续将此类前沿点确定为最优前沿点,导致机器人不可达,影响探索及建图效率。
在本申请的一些实施例中,进一步提供了另一种地图构建方法。
考虑到在一些场景下,步骤S110中计算得到的前沿点集合中前沿点数量可能非常多,而且前沿点之间可能存在连接关系。若逐个计算前沿点的探索代价,会增加计算耗时,降低探索及建图效率,同时,前沿点数量过多时,可能会导致导航模块不断更换导航目标点进行探索,降低探索效率及流畅度。为此本实施例中提供了一种前沿点聚类算法,即在步骤S120基于障碍物地图对前沿点筛选之前,增加对前沿点进行聚类处理的过程,具体地:
本实施例中提供了一种可选的前沿点聚类算法。为了使得机器人能够高效地探索一片未知区域,本实施例可以将各个前沿点中具有连接关系的前沿点聚为一类,得到至少一个聚类簇。进一步,从每一个聚类簇中保留一个代表前沿点。在此基础上,步骤S120的处理对象为各个代表前沿点,也即确定各个代表前沿点在障碍物地图中是否属于障碍物栅格,若是,删除对应的代表前沿点,得到剩余的各个代表前沿点,进行探索代价的计算。
显然,按照本实施例提供的聚类思想,将具有连接关系的前沿点聚为一类,并从中保留一个代表前沿点,即可以实现一片未知区域的探索,减少了计算量,同时避免了导航模块不停更换目标点进行导航探索的问题,进一步提升了探索效率和探索流畅度。同时,本实施例中聚类时是按照前沿点间的连接关系进行聚类的,保证了探索的完整度。
其中,具有连接关系的前沿点可以是,一个前沿点的四领域或八领域内的前沿点。其中,四领域是指前沿点的上下左右四个近邻前沿点,八领域相比于四领域进一步增加了前沿点的四个对角上的前沿点。
在从每一聚类簇中选取保留的代表前沿点时,可以有多种选取策略,示例如取聚类中心对应的前沿点作为代表前沿点,或随机选取其中一个前沿点作为代表前沿点等,本实施例中提供了一种可选的选取方式,如下:
计算每一聚类簇中各个前沿点至最近的障碍物的距离,并保留距离最远的前沿点作为代表前沿点。
为了增加机器人在导航过程中的安全性,选择距离障碍物较远的前沿点当成代表前沿点,后续从各个代表前沿点中选取最优前沿点进行导航时,能够减少导航模块中的避障动作,提高导航的流畅性。
本申请实施例中进一步提供了一种将具有连接关系的前沿点聚为一类的具体实现流程,包括如下步骤:
S1、创建一空的聚类簇,作为目标聚类簇;
S2、对于各个前沿点组成的前沿点集合,从所述前沿点集合中抽出一前沿点作为目标前沿点,并加入所述目标聚类簇内;
S3、从所述前沿点集合中抽出与所述目标前沿点具有连接关系的邻居前沿点,加入所述目标聚类簇内;
S4、以每一邻居前沿点作为新的目标前沿点,返回执行S4,从所述前沿点集合中抽出与所述目标前沿点具有连接关系的邻居前沿点,加入所述聚类簇内的步骤,直至从所述前沿点集合中无法抽出邻居前沿点为止。此时,返回执行S1,创建一空的聚类簇,作为目标聚类簇的步骤,直至所述前沿点集合中不存在前沿点时为止,得到各个目标聚类簇。
其中,在抽取与目标前沿点具有连接关系的邻居前沿点时,具体可以是按照具有连接关系的两个前沿点间的最大距离作为阈值,选取与目标前沿点的距离不超过该阈值的前沿点,作为具有连接关系的邻居前沿点。
定义栅格的边长为L,若与目标前沿点具有连接关系的邻居前沿点为四领域前沿点,则阈值为L。若与目标前沿点具有连接关系的邻居前沿点为八领域前沿点,则阈值为。
参照图5,获取到若干前沿点,如图5中黑色加粗线框标记的栅格。按照本实施例提供的聚类算法,通过将具备连接关系的前沿点聚为一类,共计可以得到三个聚类簇S1、S2和S3。其中S1和S2之间,由于存在空白栅格,导致前沿点并不相连,因此无法合并为一个聚类簇。S2和S3之间存在障碍物栅格,导致前沿点并不相连,因此也无法合并为一个聚类簇。
在本申请的一些实施例中,进一步提供了另一种建图方法,在前述实施例中通过障碍物地图对前沿点进行筛选的基础上,进一步还可以通过导航轨迹对前沿点做进一步筛选。
具体地,在步骤S130计算机器人在当前所处位置至每一前沿点的探索代价之前,可以参考导航轨迹,将各个前沿点中当前时刻之前已经探索过的前沿点删除。
本申请在开始探索之前,可以初始化一个数组,用于记录探索过程机器人的导航轨迹数据,包括:机器人的实时位置及相应的时间戳。
在此基础上,可以参考导航轨迹,确定各个前沿点中当前时刻之前已经探索过的前沿点,并删除此类前沿点,避免后续可能将此类前沿点作为最优前沿点进行导航探索,造成机器人来回反复探索,降低建图效率。
本实施例中介绍了一种参考导航轨迹,将各前沿点中当前时刻之前已经探索过的前沿点删除的可选实现方式,可以包括如下步骤:
S11、对于每一前沿点,从导航轨迹中确定距离所述前沿点最近的历史轨迹点。
S12、确定所述历史轨迹点与所述前沿点间的距离是否小于设定距离阈值,若是,将所述前沿点作为当前时刻之前已探索过的前沿点进行删除。
其中,距离阈值可以根据实际场景来设定,示例如可以将距离阈值设置为机器人轮廓半径的长度等。
可以理解的是,若一个前沿点与导航轨迹中最近的一个历史轨迹点之间的距离小于设定距离阈值,则表示机器人历史上曾到过该前沿点附近,因此极有可能已经探索过该前沿点所在位置,为了避免重复探索,因此可以将该前沿点删除。
另一种可选实现方式中,为了进一步完善方案,在上述按照历史轨迹点与前沿点间的距离,对前沿点进行筛选的基础上,进一步考虑了时间因素的影响,具体包括如下步骤:
S21、对于每一前沿点,从导航轨迹中确定距离所述前沿点最近的历史轨迹点。
S22、计算所述历史轨迹点的时间戳与当前时刻的时间差,并确定所述时间差是否小于设定时间差阈值,若否,执行下述步骤S23,若是,执行步骤S24。
S23、确定所述历史轨迹点与所述前沿点间的距离是否小于设定距离阈值,若是,执行步骤S25。
S24、保留所述前沿点。
S25、将所述前沿点作为当前时刻之前已探索过的前沿点进行删除。
对比前一实现方式可知,本实施例介绍的方案中,首先计算了历史轨迹点的时间戳与当前时刻的时间差,如果时间差小于设定时间差阈值,则说明机器人在距离当前时刻不久之前刚到达过前沿点附近,由于时间差很短,无法保证机器人已经探索过该前沿点,为了避免区域漏探索,可以保留该前沿点。
示例如图6所示,机器人沿虚线导航轨迹从一个房间内移动出来到达图示位置,获取到三个前沿点,如图所示的前沿点1、2、3。对于前沿点1,其与导航轨迹上最近的轨迹点为当前位置,二者间距离很近,假设小于设定距离阈值,但是按照上述步骤S22计算得到的时间差为0,小于设定时间差阈值,因此可以保留该前沿点。从实际情况分析也可以看出,前沿点1位于图中左下角房间的入口位置,属于机器人还未探索过的房间,通过保留该前沿点1,后续可以在向前沿点1移动过程完成对图中左下角房间的探索,保证不会遗漏探索。
进一步地,如果上述步骤S22计算得到的时间差不小于设定时间差阈值,则可以进入下一步距离判断的过程,该过程的原理可以参照前一实施例介绍,若满足距离小于设定距离阈值,则认为从机器人到达前沿点附近至当前时刻间的时长足够长,在该足够时长内理论上已经探索过历史轨迹点附近的前沿点,因此为了避免重复探索,可以删除该前沿点。
示例如图7所示,机器人沿虚线导航轨迹从一个房间内移动出来到达图示位置,获取到三个前沿点,如图所示的前沿点1、2、3。其中,前沿点1位于已探索房间内左上角位置,导航轨迹上与该前沿点1距离最近的历史轨迹点为P,二者间距d1小于设定距离阈值。同时,点P的时间戳距离当前时刻的时间差大于设定时间差阈值,则按照前述实施例介绍的逻辑,可以判定前沿点1为已探索过的前沿点,因此可以将其删除。
再一种可选实现方式中,提供了更进一步的完善方案,本实施例的方案可以在第一种实现方式即S11-S12的基础上,也可以在第二种实现方式即S21-S25的基础上。本实施例中,仅以在第二种实现方式的基础上为例进行说明,具体可以包括如下步骤:
S31、对于每一前沿点,从导航轨迹中确定距离所述前沿点最近的历史轨迹点。
S32、计算所述历史轨迹点的时间戳与当前时刻的时间差,并确定所述时间差是否小于设定时间差阈值,若否,执行下述步骤S33,若是,执行步骤S34。
S33、确定所述历史轨迹点与所述前沿点间的距离是否小于设定距离阈值,若是,执行步骤S35,若否,执行步骤S36。
S34、保留所述前沿点。
S35、将所述前沿点作为当前时刻之前已探索过的前沿点进行删除。
其中,步骤S31-S35与前述实施例中的步骤S21-S25一一对应,详细参照前文介绍。
S36、确定所述历史轨迹点与所述前沿点间的直线上是否存在障碍物,若不存在,则执行步骤S35,若存在,则执行步骤S34。
对比前两种实现方式可知,本实施例中进一步增加了在判断历史轨迹点与前沿点间距离不小于设定距离阈值时的处理逻辑,即进一步判断历史轨迹点与前沿点之间的直线上是否存在障碍物。可以理解的是,由于机器人探索过程所使用到的雷达传感器的扫视长度一般可以达到8m左右,基本可以覆盖到部分场景下单个房间的最大跨度。因此,若历史轨迹点与前沿点间距离不小于距离阈值,但是二者之间直线上不存在障碍物,则机器人在历史轨迹点位置发射的雷达基本可以覆盖到前沿点位置,也即可以完成对前沿点的探索,因此可以删除该前沿点。反之,若历史轨迹点与前沿点间的直线上存在障碍物,则受该障碍物的遮挡,机器人在历史轨迹点发射的雷达无法探索到前沿点,也即可以认定该前沿点尚未被探索过,可以保留该前沿点。
示例如图8所示,机器人沿虚线导航轨迹从一个房间内移动出来到达图示位置,获取到三个前沿点,如图所示的前沿点1、2、3。其中,前沿点1位于已探索房间内左下角位置,导航轨迹上与该前沿点1距离最近的历史轨迹点为Q,二者间距d2大于设定距离阈值。同时,点Q的时间戳距离当前时刻的时间差大于设定时间差阈值,并且,前沿点1与点Q之间的直线上不存在障碍物,则可以判定前沿点1为已探索过的前沿点,因此可以将其删除。
在本申请的一些实施例中,介绍了前述步骤S130,对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价的一种可选实现方式。
本实施例中,提供了一种同时考虑机器人运动距离代价和转弯代价,来计算得到整体的探索代价的实现方式。其中,运动距离代价是指机器人从当前所处位置沿导航路径运动到前沿点的导航距离所产生的代价。转弯代价是指机器人从当前位姿调整朝向角度至导航路径起始路段的朝向所需旋转角度所产生的代价。为了能够计算得到转弯代价,本申请可以在导航轨迹中记录机器人在探索过程中实时的姿态信息,该姿态信息可以包括机器人朝向。
则具体实现过程可以包括如下步骤:
首先,获取导航轨迹中记录的机器人在当前时刻的姿态信息,所述姿态信息包括朝向。
进一步,对于剩余的每一前沿点,分别规划从机器人当前所处位置至每一前沿点的导航路径,并计算导航路径的长度,以及所述导航路径的起始路段与机器人当前时刻的朝向之间的夹角。
最后,基于所述长度计算机器人运动距离代价,以及,基于所述夹角计算机器人转弯代价,基于所述运动距离代价和所述转弯代价,计算机器人在当前所处位置至每一前沿点的探索代价。
其中,每一前沿点的机器人运动距离代价可以是:计算每一前沿点与机器人当前所处位置间的导航路径长度,与剩余的各个前沿点的导航路径长度的总和的比值。每一前沿点的机器人转弯代价可以是:计算每一前沿点的导航路径起始路段与机器人当前时刻的朝向之间的夹角,与剩余的各个前沿点的夹角的总和的比值。则每一前沿点的探索代价可以表示为如下公式:
fi=α×(di/dsum)+β×(θi/θsum)
其中,fi表示第i个前沿点的探索代价,α和β为预设权重,di表示第i个前沿点至机器人当前所处位置的导航路径长度,dsum表示剩余的各前沿点的导航路径长度的总和,θi表示第i个前沿点的导航路径起始路段与机器人当前时刻的朝向之间的夹角,θsum表示剩余的各前沿点的夹角的总和。
另一种可选的方式中,每一前沿点的机器人运动距离代价可以是:计算每一前沿点与机器人当前所处位置间的导航路径长度,与设定的机器人移动线速度的比值。每一前沿点的机器人转弯代价可以是:计算每一前沿点的导航路径起始路段与机器人当前时刻的朝向之间的夹角,与设定的机器人旋转角速度的比值。则每一前沿点的探索代价可以表示为如下公式:
fi=α×(di/Vk)+β×(θi/Wk)
其中,fi表示第i个前沿点的探索代价,α和β为预设权重,di表示第i个前沿点至机器人当前所处位置的导航路径长度,Vk表示设定的机器人移动线速度,θi表示第i个前沿点的导航路径起始路段与机器人当前时刻的朝向之间的夹角,Wk表示设定的机器人旋转角速度。
在现有的一些方案中,一般仅按照机器人与前沿点间的距离来计算探索代价,如直接选取距离机器人最近的前沿点,作为探索代价最小的前沿点,并未考虑机器人当前的姿态,在某些场景下会存在机器人不合理掉头动作,降低了探索及建图效率。示例如,在机器人正前方d1距离处存在一个前沿点,在机器人正后方d2距离处存在另一个前沿点,假设d1略大于d2一点点,按照现有技术会将机器人正后方的前沿点作为最优前沿点,则此时机器人需要先掉头,然后驶向最优前沿点,而考虑上机器人掉头所需时间,机器人驶向后方的前沿点所花费的总时间可能要大于驶向前方的前沿点,同时,这种不合理的掉头动作也会影响整体探索的流畅度及建图效率。
采用本实施例提供的前沿点探索代价计算方法,在考虑前沿点的导航路径长度代价的基础上,进一步考虑了机器人转弯角度代价,综合导航路径长度代价和机器人转弯角度代价来计算前沿点的整体探索代价,使得该探索代价设置的更为合理,避免了现有技术中出现的不合理掉头行为,提升了整体探索的流畅度及建图效率。
参照图9所示,其示例了按照本申请提供的地图构建方法对家庭环境探索后所构建的融合地图示意图,其中,空白区域内的灰色线条表示机器人的导航轨迹。可以看出,按照本申请方案能够构建出较好的地图。
下面对本申请实施例提供的地图构建装置进行描述,下文描述的地图构建装置与上文描述的地图构建方法可相互对应参照。
参见图10,图10为本申请实施例公开的一种地图构建装置结构示意图。
如图10所示,该装置可以包括:
地图数据获取单元11,用于获取最新的融合地图以及障碍物地图,所述融合地图包括未知区域及已探索过的可通行区域和障碍物区域,所述障碍物地图中记录有所述融合地图中在当前时刻之前曾被确定为属于障碍物的栅格;
前沿点获取单元12,用于基于所述最新的融合地图,获取机器人所处场景内的所有前沿点;
前沿点筛选单元13,用于确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格,并删除属于障碍物栅格的前沿点,得到剩余的各前沿点;
探索代价计算单元14,用于对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价,并选取探索代价最小的前沿点作为最优前沿点;
探索单元15,用于控制机器人向所述最优前沿点运动,并在运动过程探索周围环境信息,基于所述环境信息更新所述融合地图。
可选的,探索单元在对融合地图进行更新时,可以同步以增量更新的形式对障碍物地图进行更新。
可选的,本申请的装置还可以包括:
已探索前沿点删除单元,用于在探索代价计算单元执行之前,参考导航轨迹,将各前沿点中当前时刻之前已探索过的前沿点删除,其中,导航轨迹中记录有机器人在探索过程的位置及相应时间戳。
可选的,本申请的装置还可以包括:
机器人轮廓约束单元,用于在前沿点筛选单元执行之前,对于每一前沿点,确定所述前沿点周围设定的机器人轮廓范围内是否存在障碍物,并删除周围设定机器人轮廓范围内存在障碍物的前沿点。
可选的,本申请的装置还可以包括:
聚类单元,用于在前沿点筛选单元执行之前,对于各个前沿点,将其中具有连接关系的前沿点聚为一类,得到至少一个聚类簇,并从每一聚类簇中保留一个代表前沿点;
所述前沿点筛选单元确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格的过程,可以包括:
确定每一代表前沿点在所述障碍物地图中是否属于障碍物栅格。
可选的,上述聚类单元从每一聚类簇中保留一个代表前沿点的过程,可以包括:
计算每一聚类簇中各个前沿点至最近的障碍物的距离,并保留距离最远的前沿点作为代表前沿点。
可选的,上述探索代价计算单元对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价的过程,可以包括:
获取导航轨迹中记录的机器人在当前时刻的姿态信息,所述姿态信息包括朝向;
对于剩余的每一前沿点,分别规划从机器人当前所处位置至每一前沿点的导航路径,并计算导航路径的长度,以及所述导航路径的起始路段与机器人当前时刻的朝向之间的夹角;
基于所述长度计算机器人运动距离代价,以及,基于所述夹角计算机器人转弯代价,基于所述运动距离代价和所述转弯代价,计算机器人在当前所处位置至每一前沿点的探索代价。
可选的,上述已探索前沿点删除单元参考最新的导航轨迹,将各前沿点中当前时刻之前已探索过的前沿点删除的过程,可以包括:
对于每一前沿点,从导航轨迹中确定距离所述前沿点最近的历史轨迹点;
确定所述历史轨迹点与所述前沿点间的距离是否小于设定距离阈值,若是,将所述前沿点作为当前时刻之前已探索过的前沿点进行删除。
可选的,上述已探索前沿点删除单元在确定所述历史轨迹点与所述前沿点间的距离是否小于设定距离阈值之前,还可以包括:
计算所述历史轨迹点的时间戳与当前时刻的时间差,并确定所述时间差是否小于设定时间差阈值,若否,执行确定所述历史轨迹点与所述前沿点间的距离是否小于设定距离阈值的步骤,若是,保留所述前沿点。
可选的,上述已探索前沿点删除单元参考最新的导航轨迹,将各前沿点中当前时刻之前已探索过的前沿点删除的过程,还可以包括:
若确定所述历史轨迹点与所述前沿点间的距离不小于设定距离阈值,则确定所述历史轨迹点与所述前沿点间的直线上是否存在障碍物;
若不存在,则将所述前沿点作为当前时刻之前已探索过的前沿点进行删除,若存在,则保留所述前沿点。
可选的,上述聚类单元对于各个前沿点,将其中具有连接关系的前沿点聚为一类,得到至少一个聚类簇的过程,可以包括:
创建一空的聚类簇,作为目标聚类簇;
对于各个前沿点组成的前沿点集合,从所述前沿点集合中抽出一前沿点作为目标前沿点,并加入所述目标聚类簇内;
从所述前沿点集合中抽出与所述目标前沿点具有连接关系的邻居前沿点,加入所述目标聚类簇内;
以每一邻居前沿点作为新的目标前沿点,返回执行从所述前沿点集合中抽出与所述目标前沿点具有连接关系的邻居前沿点,加入所述聚类簇内的步骤,直至从所述前沿点集合中无法抽出邻居前沿点为止,返回执行所述创建一空的聚类簇,作为目标聚类簇的步骤,直至所述前沿点集合中不存在前沿点时为止,得到各个目标聚类簇。
可选的,上述前沿点获取单元基于所述最新的融合地图,获取机器人所处场景内的所有前沿点的过程,可以包括:
在所述最新的融合地图上,确定所述未知区域与所述可通行区域的边界栅格,所述边界栅格位于所述未知区域内;
将所述边界栅格作为机器人所处场景内的前沿点。
本申请实施例提供的地图构建装置可应用于地图构建设备,如机器人、基站或其他控制终端等。可选的,图11示出了地图构建设备的硬件结构框图,参照图11,地图构建设备的硬件结构可以包括:至少一个处理器1,至少一个通信接口2,至少一个存储器3和至少一个通信总线4;
在本申请实施例中,处理器1、通信接口2、存储器3、通信总线4的数量为至少一个,且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信;
处理器1可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路等;
存储器3可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,所述程序用于:
获取最新的融合地图以及障碍物地图,所述融合地图包括未知区域及已探索过的可通行区域和障碍物区域,所述障碍物地图中记录有所述融合地图中在当前时刻之前曾被确定为属于障碍物的栅格;
基于所述最新的融合地图,获取机器人所处场景内的所有前沿点;
确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格,并删除属于障碍物栅格的前沿点,得到剩余的各前沿点;
对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价,并选取探索代价最小的前沿点作为最优前沿点;
控制机器人向所述最优前沿点运动,并在运动过程探索周围环境信息,基于所述环境信息更新所述融合地图。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种存储介质,该存储介质可存储有适于处理器执行的程序,所述程序用于:
获取最新的融合地图以及障碍物地图,所述融合地图包括未知区域及已探索过的可通行区域和障碍物区域,所述障碍物地图中记录有所述融合地图中在当前时刻之前曾被确定为属于障碍物的栅格;
基于所述最新的融合地图,获取机器人所处场景内的所有前沿点;
确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格,并删除属于障碍物栅格的前沿点,得到剩余的各前沿点;
对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价,并选取探索代价最小的前沿点作为最优前沿点;
控制机器人向所述最优前沿点运动,并在运动过程探索周围环境信息,基于所述环境信息更新所述融合地图。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间可以根据需要进行组合,且相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种地图构建方法,其特征在于,包括:
获取最新的融合地图以及障碍物地图,所述融合地图包括未知区域及已探索过的可通行区域和障碍物区域,所述障碍物地图中记录有所述融合地图中在当前时刻之前曾被确定为属于障碍物的栅格;
基于所述最新的融合地图,获取机器人所处场景内的所有前沿点;
确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格,并删除属于障碍物栅格的前沿点,得到剩余的各前沿点;
对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价,并选取探索代价最小的前沿点作为最优前沿点;
控制机器人向所述最优前沿点运动,并在运动过程探索周围环境信息,基于所述环境信息更新所述融合地图。
2.根据权利要求1所述的方法,其特征在于,所述障碍物地图随所述融合地图的更新以增量更新形式进行更新。
3.根据权利要求1所述的方法,其特征在于,在分别计算机器人在当前所处位置至每一前沿点的探索代价之前,还包括:
参考导航轨迹,将各前沿点中当前时刻之前已探索过的前沿点删除,其中,导航轨迹中记录有机器人在探索过程的位置及相应时间戳。
4.根据权利要求1所述的方法,其特征在于,在确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格之前,还包括:
对于每一前沿点,确定所述前沿点周围设定的机器人轮廓范围内是否存在障碍物,并删除周围设定机器人轮廓范围内存在障碍物的前沿点。
5.根据权利要求1所述的方法,其特征在于,在确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格之前,还包括:
对于各个前沿点,将其中具有连接关系的前沿点聚为一类,得到至少一个聚类簇,并从每一聚类簇中保留一个代表前沿点;
所述确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格,包括:
确定每一代表前沿点在所述障碍物地图中是否属于障碍物栅格。
6.根据权利要求5所述的方法,其特征在于,从每一聚类簇中保留一个代表前沿点的过程,包括:
计算每一聚类簇中各个前沿点至最近的障碍物的距离,并保留距离最远的前沿点作为代表前沿点。
7.根据权利要求1所述的方法,其特征在于,对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价的过程,包括:
获取导航轨迹中记录的机器人在当前时刻的姿态信息,所述姿态信息包括朝向;
对于剩余的每一前沿点,分别规划从机器人当前所处位置至每一前沿点的导航路径,并计算导航路径的长度,以及所述导航路径的起始路段与机器人当前时刻的朝向之间的夹角;
基于所述长度计算机器人运动距离代价,以及,基于所述夹角计算机器人转弯代价,基于所述运动距离代价和所述转弯代价,计算机器人在当前所处位置至每一前沿点的探索代价。
8.根据权利要求3所述的方法,其特征在于,参考最新的导航轨迹,将各前沿点中当前时刻之前已探索过的前沿点删除的过程,包括:
对于每一前沿点,从导航轨迹中确定距离所述前沿点最近的历史轨迹点;
确定所述历史轨迹点与所述前沿点间的距离是否小于设定距离阈值,若是,将所述前沿点作为当前时刻之前已探索过的前沿点进行删除。
9.根据权利要求8所述的方法,其特征在于,在确定所述历史轨迹点与所述前沿点间的距离是否小于设定距离阈值之前,还包括:
计算所述历史轨迹点的时间戳与当前时刻的时间差,并确定所述时间差是否小于设定时间差阈值,若否,执行确定所述历史轨迹点与所述前沿点间的距离是否小于设定距离阈值的步骤,若是,保留所述前沿点。
10.根据权利要求8所述的方法,其特征在于,参考最新的导航轨迹,将各前沿点中当前时刻之前已探索过的前沿点删除的过程,还包括:
若确定所述历史轨迹点与所述前沿点间的距离不小于设定距离阈值,则确定所述历史轨迹点与所述前沿点间的直线上是否存在障碍物;
若不存在,则将所述前沿点作为当前时刻之前已探索过的前沿点进行删除,若存在,则保留所述前沿点。
11.根据权利要求5所述的方法,其特征在于,对于各个前沿点,将其中具有连接关系的前沿点聚为一类,得到至少一个聚类簇的过程,包括:
创建一空的聚类簇,作为目标聚类簇;
对于各个前沿点组成的前沿点集合,从所述前沿点集合中抽出一前沿点作为目标前沿点,并加入所述目标聚类簇内;
从所述前沿点集合中抽出与所述目标前沿点具有连接关系的邻居前沿点,加入所述目标聚类簇内;
以每一邻居前沿点作为新的目标前沿点,返回执行从所述前沿点集合中抽出与所述目标前沿点具有连接关系的邻居前沿点,加入所述聚类簇内的步骤,直至从所述前沿点集合中无法抽出邻居前沿点为止,返回执行所述创建一空的聚类簇,作为目标聚类簇的步骤,直至所述前沿点集合中不存在前沿点时为止,得到各个目标聚类簇。
12.根据权利要求1-11任一项所述的方法,其特征在于,基于所述最新的融合地图,获取机器人所处场景内的所有前沿点,包括:
在所述最新的融合地图上,确定所述未知区域与所述可通行区域的边界栅格;
将所述边界栅格作为机器人所处场景内的前沿点。
13.一种地图构建装置,其特征在于,包括:
地图数据获取单元,用于获取最新的融合地图以及障碍物地图,所述融合地图包括未知区域及已探索过的可通行区域和障碍物区域,所述障碍物地图中记录有所述融合地图中在当前时刻之前曾被确定为属于障碍物的栅格;
前沿点获取单元,用于基于所述最新的融合地图,获取机器人所处场景内的所有前沿点;
前沿点筛选单元,用于确定每个所述前沿点在所述障碍物地图中是否属于障碍物栅格,并删除属于障碍物栅格的前沿点,得到剩余的各前沿点;
探索代价计算单元,用于对于剩余的各前沿点,分别计算机器人在当前所处位置至每一前沿点的探索代价,并选取探索代价最小的前沿点作为最优前沿点;
探索单元,用于控制机器人向所述最优前沿点运动,并在运动过程探索周围环境信息,基于所述环境信息更新所述融合地图。
14.一种地图构建设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1~12中任一项所述的地图构建方法的各个步骤。
15.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1~12中任一项所述的地图构建方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310477954.0A CN116182840B (zh) | 2023-04-28 | 2023-04-28 | 地图构建方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310477954.0A CN116182840B (zh) | 2023-04-28 | 2023-04-28 | 地图构建方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116182840A CN116182840A (zh) | 2023-05-30 |
CN116182840B true CN116182840B (zh) | 2023-07-25 |
Family
ID=86434892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310477954.0A Active CN116182840B (zh) | 2023-04-28 | 2023-04-28 | 地图构建方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116182840B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983777A (zh) * | 2018-07-23 | 2018-12-11 | 浙江工业大学 | 一种基于自适应前沿探索目标点选取的自主探索与避障方法 |
CN110244716A (zh) * | 2019-05-28 | 2019-09-17 | 苏州大学 | 一种基于波前算法的机器人探索的方法 |
CN113805590A (zh) * | 2021-09-23 | 2021-12-17 | 云南民族大学 | 一种基于边界驱动的室内机器人自主探索方法及系统 |
WO2022041343A1 (zh) * | 2020-08-26 | 2022-03-03 | 苏州三六零机器人科技有限公司 | 扫地机器人、扫地机器人的控制方法、设备及计算机可读存储介质 |
US11274930B1 (en) * | 2019-12-11 | 2022-03-15 | Amazon Technologies, Inc. | System for assessing an autonomously determined map |
CN114596360A (zh) * | 2022-02-22 | 2022-06-07 | 北京理工大学 | 一种基于图拓扑的双阶段主动即时定位与建图算法 |
CN115082629A (zh) * | 2021-03-16 | 2022-09-20 | 宁波方太厨具有限公司 | 环境地图构建方法及使用该环境地图构建方法的机器人 |
WO2022257332A1 (zh) * | 2021-06-09 | 2022-12-15 | 深圳市优必选科技股份有限公司 | 机器人建图方法、装置、机器人及计算机可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111328386A (zh) * | 2017-09-12 | 2020-06-23 | 罗博艾特有限责任公司 | 通过自主移动机器人对未知环境的探察 |
DE102018121365A1 (de) * | 2018-08-31 | 2020-04-23 | RobArt GmbH | Exploration eines robotereinsatzgebietes durch einen autonomen mobilen roboter |
-
2023
- 2023-04-28 CN CN202310477954.0A patent/CN116182840B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983777A (zh) * | 2018-07-23 | 2018-12-11 | 浙江工业大学 | 一种基于自适应前沿探索目标点选取的自主探索与避障方法 |
CN110244716A (zh) * | 2019-05-28 | 2019-09-17 | 苏州大学 | 一种基于波前算法的机器人探索的方法 |
US11274930B1 (en) * | 2019-12-11 | 2022-03-15 | Amazon Technologies, Inc. | System for assessing an autonomously determined map |
WO2022041343A1 (zh) * | 2020-08-26 | 2022-03-03 | 苏州三六零机器人科技有限公司 | 扫地机器人、扫地机器人的控制方法、设备及计算机可读存储介质 |
CN115082629A (zh) * | 2021-03-16 | 2022-09-20 | 宁波方太厨具有限公司 | 环境地图构建方法及使用该环境地图构建方法的机器人 |
WO2022257332A1 (zh) * | 2021-06-09 | 2022-12-15 | 深圳市优必选科技股份有限公司 | 机器人建图方法、装置、机器人及计算机可读存储介质 |
CN113805590A (zh) * | 2021-09-23 | 2021-12-17 | 云南民族大学 | 一种基于边界驱动的室内机器人自主探索方法及系统 |
CN114596360A (zh) * | 2022-02-22 | 2022-06-07 | 北京理工大学 | 一种基于图拓扑的双阶段主动即时定位与建图算法 |
Non-Patent Citations (1)
Title |
---|
基于模糊评价的未知环境地图构建探测规划;王立;熊蓉;褚健;刘勇;;浙江大学学报(工学版)(第02期);253-258 * |
Also Published As
Publication number | Publication date |
---|---|
CN116182840A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111536964B (zh) | 机器人定位方法及装置、存储介质 | |
CN110936383B (zh) | 一种机器人的障碍物避让方法、介质、终端和装置 | |
CN113110457B (zh) | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 | |
CN108709562B (zh) | 一种移动机器人滚动栅格地图构建方法 | |
CN111700546B (zh) | 一种移动机器人的清扫方法及移动机器人 | |
CN109163722B (zh) | 一种仿人机器人路径规划方法及装置 | |
CN113467456A (zh) | 一种未知环境下用于特定目标搜索的路径规划方法 | |
CN112526993B (zh) | 栅格地图更新方法、装置、机器人及存储介质 | |
CN105955258A (zh) | 基于Kinect传感器信息融合的机器人全局栅格地图构建方法 | |
KR20210116576A (ko) | 시각적 로봇 기반의 과거 지도 이용 방법 | |
CN111609852A (zh) | 语义地图构建方法、扫地机器人及电子设备 | |
CN112656307B (zh) | 一种清洁方法及清洁机器人 | |
CN112393737A (zh) | 障碍地图的创建方法、系统,机器人及可读存储介质 | |
CN114612780A (zh) | 一种多地图切换slam建图方法 | |
CN110986945A (zh) | 基于语义高度地图的局部导航方法和系统 | |
CN111609853A (zh) | 三维地图构建方法、扫地机器人及电子设备 | |
CN114565726A (zh) | 一种非结构化动态环境下的同时定位与建图方法 | |
CN112515556B (zh) | 一种环境地图的处理方法及其装置、电子设备 | |
WO2024007807A1 (zh) | 一种误差校正方法、装置及移动设备 | |
CN112486182B (zh) | 一种实现未知环境地图构建与路径规划的扫地机器人及其使用方法 | |
CN116182840B (zh) | 地图构建方法、装置、设备及存储介质 | |
CN111780744A (zh) | 移动机器人混合导航方法、设备及存储装置 | |
CN116360417A (zh) | 一种机器人的路径规划方法、装置及设备 | |
CN112578798B (zh) | 机器人地图获取方法、装置、处理器和电子装置 | |
AU2021273605A1 (en) | Multi-agent map generation |
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 |