CN118131739A - 区域探索方法、机器人及计算机存储介质 - Google Patents
区域探索方法、机器人及计算机存储介质 Download PDFInfo
- Publication number
- CN118131739A CN118131739A CN202410039301.9A CN202410039301A CN118131739A CN 118131739 A CN118131739 A CN 118131739A CN 202410039301 A CN202410039301 A CN 202410039301A CN 118131739 A CN118131739 A CN 118131739A
- Authority
- CN
- China
- Prior art keywords
- points
- point
- grid points
- worth
- adjacent grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000004927 fusion Effects 0.000 claims abstract description 30
- 238000013507 mapping Methods 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 101100311460 Schizosaccharomyces pombe (strain 972 / ATCC 24843) sum2 gene Proteins 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本申请提出一种区域探索方法、机器人及计算机存储介质。所述区域探索方法包括:获取区域融合地图;基于机器人在所述区域融合地图中的当前位置点开始搜索,获取所述当前位置点的处于未访问状态的第一相邻栅格点;判断每一第一相邻栅格点是否为值得去的位置点;若是,将所述第一相邻栅格点中值得去的位置点存储为探索目标点。通过上述方式,进一步保证机器人的探索效益,减少寻找探索目标点时的计算量。
Description
技术领域
本申请涉及机器人技术领域,特别是涉及一种区域探索方法、机器人以及计算机存储介质。
背景技术
当机器人需要在特定区域内通过寻找特定目标来实现某种目的时,一般都要对特定区域进行探索,现有技术中的区域探索使用RRT等算法,对每个栅格点和路径代价进行计算,寻找探索目标点时的计算量较大。
发明内容
为解决上述技术问题,本申请提出了一种区域探索方法、机器人以及计算机存储介质。
为解决上述技术问题,本申请提出了一种区域探索方法,所述区域探索方法包括:获取区域融合地图;基于机器人在所述区域融合地图中的当前位置点开始搜索,获取所述当前位置点的处于未访问状态的第一相邻栅格点;判断每一第一相邻栅格点是否为值得去的位置点;若是,将所述第一相邻栅格点中值得去的位置点存储为探索目标点。
其中,所述判断每一第一相邻栅格点是否为值得去的位置点之后,所述区域探索方法还包括:在所有所述第一相邻栅格点均为不值得去的位置点时,基于所述每一第一相邻栅格点开始搜索,获取所述第一相邻栅格点的处于未访问状态的第二相邻栅格点;判断每一第二相邻栅格点是否为值得去的位置点;若是,将所述第二相邻栅格点中值得去的位置点存储为探索目标点。
其中,所述判断每一第一相邻栅格点是否为值得去的位置点,包括:在所述区域融合地图中统计所述第一相邻栅格点的邻居栅格点中非障碍状态的第一栅格点数量;在所述第一栅格点数量大于等于第一阈值时,判断所述第一相邻栅格点为值得去的位置点;在所述第一栅格点数量小于所述第一阈值时,判断所述第一相邻栅格点为不值得去的位置点。
其中,所述判断每一第一相邻栅格点是否为值得去的位置点,包括:在所述区域融合地图中统计所述第一相邻栅格点的邻居栅格点中非障碍状态的第一栅格点数量;在所述区域融合地图中以所述第一相邻栅格点为中心进行广度优先搜索,和/或深度优先搜索,获取可搜索到的非障碍状态的第二栅格点数量;在所述第一栅格点数量大于等于第一阈值,且所述第二栅格点数量大于等于第二阈值时,判断所述第一相邻栅格点为值得去的位置点。
其中,所述将所述第一相邻栅格点中值得去的位置点存储为探索目标点,包括:判断所述第一相邻栅格点中值得去的位置点是否位于空旷区域;若是,将所述第一相邻栅格点中值得去的位置点存储为开放探索目标点;若否,将所述第一相邻栅格点中值得去的位置点存储为普通探索目标点。
其中,所述将所述第一相邻栅格点中值得去的位置点存储为探索目标点之后,所述区域探索方法还包括:获取当前搜索层数;在所述当前搜索层数小于层数阈值时,将所述开放探索目标点输出为区域探索结果;在所述当前搜索层数大于等于所述层数阈值,且在之前搜索层数并未输出区域探索结果时,判断所述当前搜索层数是否存在开放探索目标点;若否,将所述当前搜索层数的普通探索目标点输出为区域探索结果。
其中,所述获取区域融合地图,包括:获取全局规划地图;基于所述机器人的历史轨迹在所述全局规划地图的映射,生成探索覆盖地图,其中,所述探索覆盖地图包括若干覆盖状态的已探索栅格点;利用所述探索覆盖地图的已探索栅格点对所述全局规划地图进行更新,生成所述区域融合地图。
其中,所述获取全局规划地图,包括:获取当前全局地图;以所述当前全局地图中的障碍状态栅格点为中心,将预设半径内的邻近栅格点设置为障碍状态,生成所述全局规划地图。
为解决上述技术问题,本申请提出一种机器人,所述终端设备包括存储器以及与所述存储器耦接的处理器;其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现上述所述的区域探索方法。
为解决上述技术问题,本申请提出一种计算机存储介质,所述计算机存储介质用于存储程序数据,所述程序数据在被计算机执行时,用以实现上述所述的区域探索方法。
与现有技术相比,本申请的有益效果是:机器人获取区域融合地图;基于机器人在所述区域融合地图中的当前位置点开始搜索,获取所述当前位置点的处于未访问状态的第一相邻栅格点;判断每一第一相邻栅格点是否为值得去的位置点;若是,将所述第一相邻栅格点中值得去的位置点存储为探索目标点。通过上述方式,机器人的探索目标点的相邻栅格为值得去的栅格,值得去的栅格为处于未访问状态的栅格的相邻栅格,进一步保证机器人的探索效益,减少寻找探索目标点时的计算量。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1是本申请实施例提供的区域探索方法的第一实施例的流程示意图;
图2是本申请实施例提供的区域探索方法中步骤S11的子步骤的流程示意图;
图3是本申请实施例提供的区域探索方法的第二实施例的流程示意图;
图4是本申请实施例提供的机器人的一实施例的结构示意图;
图5是本申请实施例提供的计算机存储介质一实施例的结构示意图。
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,所描述的实施例仅是本申请的一部分实施例,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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例,例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
具体请参阅图1,图1是本申请实施例提供的区域探索方法的第一实施例的流程示意图。
本申请的区域探索方法应用于机器人,其中,本申请的机器人可以为服务器,也可以为终端设备,还可以为由服务器和终端设备相互配合的系统。相应地,机器人包括的各个部分,例如各个单元、子单元、模块、子模块可以全部设置于服务器中,也可以全部设置于终端设备中,还可以分别设置于服务器和终端设备中。
进一步地,上述服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块,例如用来提供分布式服务器的软件或软件模块,也可以实现成单个软件或软件模块,在此不做具体限定。
本申请中的机器人上设置有激光雷达(LiDAR)、相机(Visual)和惯性测量单元(Inertial Measurement Unit,IMU)等传感器。本申请的机器人可以应用为一种扫地机器人、送餐机器人等。
如图1所示,其具体步骤如下:
步骤S11:获取区域融合地图。
其中,区域融合地图为包含机器人对已探索栅格点、障碍物栅格点信息的地图,机器人通过传感器获取的全局地图后,按照实际障碍物分布情况、历史探索轨迹进行分析,将分析结果映射到全局地图中,得到的区域融合地图。
本申请实施例中,生成区域融合地图的方法具体请参见步骤S111-步骤S113,具体请参见图2,图2是本申请实施例提供的区域探索方法中步骤S11的子步骤的流程示意图。
如图2所示,其具体步骤如下:
步骤S111:获取全局规划地图。
在本申请实施例中,机器人首先通过视觉SLAM技术、激光SLAM技术等定位建图技术,获取当前全局地图Mglobal,再对全局地图中的障碍物栅格进行膨胀,获取全局规划地图Mglobal-plan。
全局地图是机器人通过传感器对所处环境的一种描述。一般包含三种状态信息:穿过状态、障碍状态、未知状态。
其中,穿过状态表示区域不包含任何信息;障碍状态表示区域存在物体信息;未知状态表示区域状态未知。
为保证地图上的每个穿过状态栅格均为机器人可以到达的栅格,需要对全局地图Mglobal中的障碍状态栅格进行障碍膨胀。以当前全局地图Mglobal中的障碍状态栅格点为中心,将预设半径r内的邻近栅格点设置为障碍状态,生成全局规划地图。
步骤S112:基于机器人的历史轨迹在全局规划地图的映射,生成探索覆盖地图。
其中,探索覆盖地图,是指记录了机器人对区域已探索信息的地图。
具体地,机器人根据历史轨迹将已探索过的栅格点映射在全局规划地图中,生成探索覆盖地图Moverlap。
步骤S113:利用探索覆盖地图的已探索栅格点对全局规划地图进行更新,生成区域融合地图。
具体地,机器人遍历探索覆盖地图Moverlap的所有栅格,每个遍历的栅格为Giter,cov,若探索覆盖地图Moverlap中栅格Giter,cov的为覆盖状态,且在全局规划地图Mglobal-plan中,机器人位置Piter,cov处的栅格置为穿过状态,则在全局规划地图Mglobal-plan中,将机器人位置Piter,cov处的栅格置为覆盖状态,生成区域融合地图。
通过上述方式,使得区域融合地图包括已探索栅格点和障碍物栅格点的栅格点信息,使得机器人在重新路径规划时,无须重新对环境进行识别。
步骤S12:基于机器人在区域融合地图中的当前位置点开始搜索,获取当前位置点的处于未访问状态的第一相邻栅格点。
其中,处于未访问状态的第一相邻栅格点为与当前位置点相邻的没有被判断过是否值得去的栅格点。
具体地,机器人获取自身在区域融合地图中的当前位置点Probot=(xrobot,yrobot),并获取与当前位置点Probot=(xrobot,yrobot)相邻的栅格点中状态为未访问状态的若干个第一相邻栅格点。
步骤S13:判断每一第一相邻栅格点是否为值得去的位置点。
具体地,机器人通过预设的判断逻辑判断每一第一相邻栅格点是否为值得去的位置点。
判断第一相邻栅格点是否为值得去的位置点的具体方式如下:
在本申请一实施例中,机器人在区域融合地图中统计第一相邻栅格点的邻居栅格点中非障碍状态的第一栅格点数量。
其中,非障碍状态的第一栅格点包括未知状态栅格点与穿过状态栅格点的数量。
具体地,在本申请一具体实施例中,机器人在区域融合地图中统计第一相邻栅格点的预设数量的邻居栅格点中处于未知状态栅格点和穿过状态栅格点的数量总和Nsum1。
在第一栅格点数量大于等于第一阈值时,即Nsum1≥Nth1判断第一相邻栅格点为值得去的位置点;在第一栅格点数量小于第一阈值时,判断第一相邻栅格点为不值得去的位置点。
在本申请另一实施例中,在区域融合地图中统计第一相邻栅格点的邻居栅格点中非障碍状态的第一栅格点数量Nsum1;
在区域融合地图中以第一相邻栅格点为中心进行广度优先搜索,和/或深度优先搜索,获取可搜索到的非障碍状态的第二栅格点数量Nsum2。
在第一栅格点数量大于等于第一阈值,且第二栅格点数量大于等于第二阈值时,即Nsum1≥Nth1且Nsum2≥Nth2,判断第一相邻栅格点为值得去的位置点。
其中,广度优先搜索和深度优先搜索为现有技术中的搜索方式,此处不过多赘述。
步骤S14:将第一相邻栅格点中值得去的位置点存储为探索目标点。
当第一相邻栅格点中存在值得去的位置点时,将值得去的位置点作为探索目标点。
若第一相邻栅格点均为不值得去的位置点,基于每一第一相邻栅格点开始搜索,获取第一相邻栅格点的处于未访问状态的第二相邻栅格点。进一步地,机器人判断每一第二相邻栅格点是否为值得去的位置点。若是,将第二相邻栅格点中值得去的位置点存储为探索目标点。
在本申请一具体实施例中,机器人建立队列QA、QB,将当前位置点Probot=(xrobot,yrobot)放入队列QA中,Probot=(xrobot,yrobot)为当前位置,此时机器人默认当前位置为不值得去的栅格点,并将QA清空,层数Inow增加1。
进一步地,机器人将当前位置点Probot=(xrobot,yrobot)的处于未访问状态的第一相邻栅格点放入QB中,根据本申请实施例中任一所述的判断规则,机器人判断每一第一相邻栅格点为否值得去的栅格点,当所有的第一相邻栅格点均为不值得去的栅格点时,获取第一相邻栅格点的处于未访问状态的第二相邻栅格点,将第二相邻栅格点放入QA,此时QB清空,层数Inow增加1。
例如,当前位置点有8个相邻栅格点,其中有2个为访问状态的栅格点,剩余6个栅格点即为当前位置点的处于未访问状态的第一相邻栅格点。首先,机器人首先将当前位置点放入QA中,当前位置点默认为不值得去的栅格点,所以QA中的栅格点将被清空。机器人检测到QA为空,层数Inow增加1,机器人将剩余6个第一相邻栅格点放入QB,若这6个第一相邻栅格点均为不值得去的栅格点,则获取这6个第一相邻栅格点的未访问的第二相邻栅格点。假如每个第一相邻栅格点均有6个未访问的第二相邻栅格点,进一步将6个第一相邻栅格点不值得去的栅格点从QB中删除。以此规律循环,直到出现值得去的栅格点作为探索目标点为止。
通过上述方式,机器人判断未访问的栅格点是否是值得去的栅格点,保证机器人的探索效益,减少寻找探索目标点时的计算量。
在机器人将第一相邻栅格点中值得去的位置点存储为探索目标点之后,进一步判断第一相邻栅格点中值得去的位置点是否位于空旷区域。
具体地,机器人判断第一相邻栅格点中值得去的位置点是否位于空旷区域的方式如下:
在本申请一实施例中,机器人获取值得去的位置点在预设半径内所有的障碍状态栅格点,当障碍状态栅格点的数量小于预设阈值时,确定第一相邻栅格点位于空旷位置。
在本申请另一实施例中,机器人获取值得去的位置点在预设半径内所有的障碍状态栅格点,当预设半径内的障碍状态栅格点的数量小于预设半径内非障碍状态栅格点的数量时,确定第一相邻栅格点位于空旷位置。
若第一相邻栅格点中值得去的位置点位于空旷区域,机器人将第一相邻栅格点中值得去的位置点存储为开放探索目标点,若第一相邻栅格点中值得去的位置点不位于于空旷,机器人将第一相邻栅格点中值得去的位置点存储为普通探索目标点。
具体地,若第一相邻栅格点中有值得去的栅格点PA,front,机器人进一步判断PA,front是否位于空旷区域,若PA,front空旷区域且Pgoal,open未被赋值,则令Pgoal,open=PA,front,若PA,front不位于空旷区域且Pgoal,normal未被赋值,则令Pgoal,open=PA,front,若PA,front不位于空旷区域且Pgoal,normal未被赋值,则令Pgoal,normal=PA,front。
其中,Pgoal,open为开放探索目标点,Pgoal,normal为普通探索目标点。
进一步地,在执行步骤S14之后,具体请参见图3,图3是本申请提供的区域探索方法的第二实施例的流程示意图。
如图3所示,其具体步骤如下:
步骤S21:获取当前搜索层数。
机器人获取当前搜索层数,其中,当前搜索层数Inow的获取方式请参见步骤S14的具体实施例。
步骤S22:在当前搜索层数小于层数阈值时,将开放探索目标点输出为区域探索结果。
在当前搜索层数小于层数阈值时,说明机器人值得去的点距离机器人较近,此时优先将开放探索目标点输出为区域探索结果,若不存在开放探索目标点,且存在普通探索目标点时,则将当前搜索层数的普通探索目标点输出为区域探索结果。
步骤S23:在当前搜索层数大于等于所述层数阈值时,且在之前搜索层数并未输出区域探索结果时,判断当前搜索层数是否存在开放探索目标点。
在当前搜索层数大于层数阈值时,先确定之前搜索层数是否找到普通探索目标点,如果没有,再判断当前搜索层数是否存在开放探索目标点。若存在,则优先将当前搜索层数的开放探索目标点作为区域探索结果输出。若不存在,则进入步骤S24。
步骤S24:将当前搜索层数的普通探索目标点输出为区域探索结果。
在当前搜索层数不存在开放探索目标点,且存在普通探索目标点时,将当前搜索层数的普通探索目标点输出为区域探索结果。
具体地,在当前搜索层数大于等于层数阈值时,每增加一层探索层数,说明机器人值得去的点的距离机器人越远,将开放探索目标点输出为区域探索结果。
在本申请一具体实施例中,机器人首先获取QA,判断QA是否为空,若不为空,则从QA中取出队首元素PA,front。
机器人判断PA,front是否为值得去的位置。若PA,front为值得去的栅格点,机器人继续判断PA,front是否位于空旷区域,若PA,front位于空旷区域且Pgoal,open未被赋值,则令Pgoal,open=PA,front,若PA,front不位于空旷区域且Pgoal,normal未被赋值,则令Pgoal,normal=PA,front。
进一步地,机器人获取当前探索层数Inow,若Inow<ITh,则判断Pgoal,open是否被赋值,若被赋值,则表明此时已成功获取目标点,令Pgoal=Pgoal,open。
进一步地,机器人判断Pgoal是否被赋值,若Pgoal被赋值则说明机器人成功获取目标点;若未被赋值,则说明未能成功获取目标点,区域探索结束。
若Inow≥ITh,则判断Pgoal,normal,near是否被赋值,若Pgoal,normal,near被赋值,则表明此时已成功获取目标点,令Pgoal=Pgoal,normal,near。
进一步地,机器人判断Pgoal是否被赋值,若被赋值则说明成功获取目标点;若未被赋值,则说明未能成功获取目标点,区域探索结束。
对PA,front处栅格的上、下、左、右四个栅格在Mvisited中进行判断,将状态不为已访问状态的栅格放入QB中,并将这些放入QB的栅格在Mvisited上置为已访问状态。
若QA为空,则Inow增加1,机器人进一步获取QB,判断QB是否为空,若QB不为空,则从QB中取出队首元素PB,front,判断PB,front是否为值得去的位置。
若QB为空,则继续判断QA是否为空,若QA为空,则在Pgoal,normal被赋值的情况下,令Pgoal=Pgoal,normal,机器人判断Pgoal是否被赋值,若被赋值则说明成功获取目标点;若未被赋值,则说明未能成功获取目标点,区域探索结束。
若QA不为空,则Inow增加1,重复执行上述流程。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
为实现上述区域探索方法,本申请还提出了一种机器人,具体请参阅图4,图4是本申请提供的机器人的一实施例的结构示意图。
本实施例的机器人400包括处理器41、存储器42、输入输出设备43以及总线44。
该处理器41、存储器42、输入输出设备43分别与总线44相连,该存储器42中存储有程序数据,处理器41用于执行程序数据以实现上述实施例所述的区域探索方法。
在本申请实施例中,处理器41还可以称为CPU(Central Processing Unit,中央处理单元)。处理器41可能是一种集成电路芯片,具有信号的处理能力。处理器41还可以是通用处理器、数字信号处理器(DSP,Digital Signal Process)、专用集成电路(ASIC,Application Specific Integrated Circuit)、现场可编程门阵列(FPGA,FieldProgrammable Gate Array)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器41也可以是任何常规的处理器等。
本申请还提供一种计算机存储介质,请继续参阅图5,图5是本申请提供的计算机存储介质一实施例的结构示意图,该计算机存储介质600中存储有计算机程序61,该计算机程序61在被处理器执行时,用以实现上述实施例的区域探索方法。
本申请的实施例以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种区域探索方法,其特征在于,所述区域探索方法包括:
获取区域融合地图;
基于机器人在所述区域融合地图中的当前位置点开始搜索,获取所述当前位置点的处于未访问状态的第一相邻栅格点;
判断每一第一相邻栅格点是否为值得去的位置点;
若是,将所述第一相邻栅格点中值得去的位置点存储为探索目标点。
2.根据权利要求1所述的区域探索方法,其特征在于,
所述判断每一第一相邻栅格点是否为值得去的位置点之后,所述区域探索方法还包括:
在所有所述第一相邻栅格点均为不值得去的位置点时,基于所述每一第一相邻栅格点开始搜索,获取所述第一相邻栅格点的处于未访问状态的第二相邻栅格点;
判断每一第二相邻栅格点是否为值得去的位置点;
若是,将所述第二相邻栅格点中值得去的位置点存储为探索目标点。
3.根据权利要求1所述的区域探索方法,其特征在于,
所述判断每一第一相邻栅格点是否为值得去的位置点,包括:
在所述区域融合地图中统计所述第一相邻栅格点的邻居栅格点中非障碍状态的第一栅格点数量;
在所述第一栅格点数量大于等于第一阈值时,判断所述第一相邻栅格点为值得去的位置点;
在所述第一栅格点数量小于所述第一阈值时,判断所述第一相邻栅格点为不值得去的位置点。
4.根据权利要求1或3所述的区域探索方法,其特征在于,
所述判断每一第一相邻栅格点是否为值得去的位置点,包括:
在所述区域融合地图中统计所述第一相邻栅格点的邻居栅格点中非障碍状态的第一栅格点数量;
在所述区域融合地图中以所述第一相邻栅格点为中心进行广度优先搜索,和/或深度优先搜索,获取可搜索到的非障碍状态的第二栅格点数量;
在所述第一栅格点数量大于等于第一阈值,且所述第二栅格点数量大于等于第二阈值时,判断所述第一相邻栅格点为值得去的位置点。
5.根据权利要求1所述的区域探索方法,其特征在于,
所述将所述第一相邻栅格点中值得去的位置点存储为探索目标点,包括:
判断所述第一相邻栅格点中值得去的位置点是否位于空旷区域;
若是,将所述第一相邻栅格点中值得去的位置点存储为开放探索目标点;
若否,将所述第一相邻栅格点中值得去的位置点存储为普通探索目标点。
6.根据权利要求5所述的区域探索方法,其特征在于,
所述将所述第一相邻栅格点中值得去的位置点存储为探索目标点之后,所述区域探索方法还包括:
获取当前搜索层数;
在所述当前搜索层数小于层数阈值时,将所述开放探索目标点输出为区域探索结果;
在所述当前搜索层数大于等于所述层数阈值,且在之前搜索层数并未输出区域探索结果时,判断所述当前搜索层数是否存在开放探索目标点;
若否,将所述当前搜索层数的普通探索目标点输出为区域探索结果。
7.根据权利要求1所述的区域探索方法,其特征在于,
所述获取区域融合地图,包括:
获取全局规划地图;
基于所述机器人的历史轨迹在所述全局规划地图的映射,生成探索覆盖地图,其中,所述探索覆盖地图包括若干覆盖状态的已探索栅格点;
利用所述探索覆盖地图的已探索栅格点对所述全局规划地图进行更新,生成所述区域融合地图。
8.根据权利要求7所述的区域探索方法,其特征在于,
所述获取全局规划地图,包括:
获取当前全局地图;
以所述当前全局地图中的障碍状态栅格点为中心,将预设半径内的邻近栅格点设置为障碍状态,生成所述全局规划地图。
9.一种机器人,其特征在于,所述终端设备包括存储器以及与所述存储器耦接的处理器;
其中,所述存储器用于存储程序数据,所述处理器用于执行所述程序数据以实现如权利要求1至8任一项所述的区域探索方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质用于存储程序数据,所述程序数据在被计算机执行时,用以实现如权利要求1至8任一项所述的区域探索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410039301.9A CN118131739A (zh) | 2024-01-09 | 2024-01-09 | 区域探索方法、机器人及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410039301.9A CN118131739A (zh) | 2024-01-09 | 2024-01-09 | 区域探索方法、机器人及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118131739A true CN118131739A (zh) | 2024-06-04 |
Family
ID=91242553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410039301.9A Pending CN118131739A (zh) | 2024-01-09 | 2024-01-09 | 区域探索方法、机器人及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118131739A (zh) |
-
2024
- 2024-01-09 CN CN202410039301.9A patent/CN118131739A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108292139B (zh) | 由机器人同时进行地图绘制和规划 | |
JP6550403B2 (ja) | 動的シーン分析方法、関連する分析モジュール、およびコンピュータプログラム | |
US11537138B2 (en) | Adaptive region division method and system | |
EP1733287B1 (en) | System and method for adaptive path planning | |
CN109521757B (zh) | 静态障碍物识别方法和装置 | |
Keidar et al. | Robot exploration with fast frontier detection: Theory and experiments | |
US20170004406A1 (en) | Parallel belief space motion planner | |
CN108764168B (zh) | 用于成像卫星在多障碍物海面搜索移动目标的方法及系统 | |
KR20180092960A (ko) | 고속 탐색 랜덤화 피드백 기반의 모션 계획 | |
CN111060125B (zh) | 碰撞检测方法、装置、计算机设备和存储介质 | |
KR102174873B1 (ko) | 스토캐스틱 맵 인식 입체 시각 센서 모델 | |
CN112180931A (zh) | 扫地机的清扫路径规划方法、装置及可读存储介质 | |
Kamrani et al. | Using on-line simulation for adaptive path planning of UAVs | |
CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
Chung et al. | Multiscale search using probabilistic quadtrees | |
CN110470308A (zh) | 一种避障系统及方法 | |
CN112166446A (zh) | 可通行性的识别方法、系统、设备及计算机可读存储介质 | |
CN112985441A (zh) | 路径搜索方法、装置、终端设备及存储介质 | |
Wang et al. | Bayesian-based decision-making for object search and classification | |
Törő et al. | Sensitivity and Performance Evaluation of Multiple‐Model State Estimation Algorithms for Autonomous Vehicle Functions | |
CN118131739A (zh) | 区域探索方法、机器人及计算机存储介质 | |
CN112729322B (zh) | 一种构建网格地图的方法、装置及电子设备 | |
CN112068547B (zh) | 一种基于amcl的机器人定位方法、装置和机器人 | |
CN114383622B (zh) | 机器人定位方法、机器人及计算机可读存储介质 | |
CN113741439B (zh) | 路径规划方法、装置、机器人和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |