CN104932494B - 一种概率式室内障碍物分布图的构建机制 - Google Patents

Abstract

本发明提出一种概率式室内障碍物分布图的构建机制，主要步骤如下：1)将室内区域看作由基本栅格元组成，所述栅格元为正方形，其大小为u；2)将机器人前进步长设为s,s＝n*u，其中n≥1，n为整数；3)设定上次探索结果中最大未知区域的中心位置为出发点，机器人每前进一步探测前方是否有障碍物；如果有，将栅格元的属性设为有障碍物；否则，将栅格元的属性设为无障碍物。在探测过程中，为避免机器人在一个三面有障碍的地方转不出来，通过概率p来选择转向的方向，设p>0.5。同时，探索结束的步长数预设值可自适应于清扫区域大小。本发明的障碍物分布图构建机制可以快速探明室内边界，构建非规则室内障碍物分布图，可以从一个三面有障碍物的地方转出来。

Description

一种概率式室内障碍物分布图的构建机制

技术领域

本发明涉及障碍物分布图的构建，特别是指一种概率式室内障碍物分布图的构建机制。

背景技术

随着机器人的应用越来越广泛，人们对机器人的要求不断提高，服务机器人作为机器人应用中的重要分支，其在生产生活中的重要性也逐渐体现出来。机器人要在室内完成某项任务，首先要构建室内障碍物分布图，室内障碍物分布图的构建是机器人研究中最基础，同时也是最重要的问题，如何使得机器人快速探明室内边界，如何避免机器人在遇到障碍物时迅速转出来，如何在非规则的室内建立障碍物分布图是本领域的技术人员需要继续研究的问题。

目前，清洁机器人大都采用直行清扫方式，无法直行就随机转一角度继续直行，该方法算法简单，硬件结构简易，但效率比较低。相关资料表明：随机规划通常第一遍可覆盖清洁区域的65％，第二遍覆盖85％，第三遍覆盖92％，第四遍覆盖98％，不惜时间的话可以趋向100％。但实际上，由于清洁机器人自带电池，电量有限，结合能量消耗和清洁重置率等参数，这种盲目的随机清扫方式的清扫效率是很难令人满意的。

所以，本发明旨在机器人清扫之前探索障碍物的分布图，并且将该信息存储于云平台。机器人下次探索障碍物分布的时候，可以利用以前的信息，进而提高障碍物分布图的构建速度和精度。

发明内容

本发明提出一种概率式室内障碍物分布图的构建机制解决了现有技术中机器人很难快速探明边界，遇到障碍物不能从一个有三面障碍物的地方转出来，不能对非规则的室内建立障碍物分布图的问题。

本发明的技术方案是这样实现的：一种概率式室内障碍物分布图的构建机制，包括以下步骤：

步骤一:将室内区域看作由很多基本栅格元组成，所述栅格元为正方形，栅格元的大小为u；栅格元越小，分布图越精确，栅格单元大小大于等于机器人方向的误差，栅格单元大小可以设为5cm或10cm。

步骤二:将机器人前进步长设置为s，s＝n*u,其中n≥1，n为整数；

步骤三:设定机器人的出发点，机器人每前进一步探测前方是否有障碍物；机器人遇到障碍物，将栅格元的属性状态设置为有障碍物；机器人没有遇到障碍物，将栅格元的属性状态设置为无障碍物。

由于机器人第一次无法获悉整个室内的边沿所在，所以，目标室内障碍物的整体分布是在不断地修正过程中，包括室内的边沿，即在探索过程中室内地图会变得完整。

进一步，所述概率式室内障碍物分布图的构建机制还包括步骤四，根据上一次的探测结果确定机器人下一次的出发点：选择上一次探索结果中的最大未知区域的中心位置作为出发点，重复步骤三。

进一步，所述概率式室内障碍物分布图的构建机制还包括步骤五：机器人回到原点或者机器人所走步长达到预设值，探索则结束。

进一步，将栅格元的属性状态设置为0或1，其中0表示无障碍物，其中1表示有障碍物。机器人不断地探索，每次探索的结果和之前的分布图进行比较，不断地刷新分布图中栅格元的属性，或添加带属性的栅格元，其属性可能是0也可能是1。那么，经过很多次探索过程后，室内的边沿，以及障碍物分布情况会得到确认，从而构建完整的室内障碍物分布图。

进一步，控制***控制机器人的行进路线为折线，设置机器人的出发点为原点，将机器人的位置坐标设定为D＝(x，y)，x、y的单位均为u，机器人往正前方前进一个步长，则x加1，y保持不变；往正后方前进一个步长，则x减1，y保持不变；往正左方前进一个步长，则x保持不变，y加1；往正右方前进一个步长，则x保持不变，y减1，机器人在行进过程中记录的信息为I＝{(x，y)＝0∪(x，y)＝1}，I存储在云平台，然后根据I计算出障碍物分布图；同时，该分布图也存储于云平台，后续的探索可以从中学习到知识，进而提高障碍物分布图构建的速度和精度。

进一步，所述机器人由四轮驱动，通过控制***控制机器人朝四个方向前进或者转动。

进一步，控制***控制机器人每转动一次转动90°。

进一步，设定n＝1，机器人前进距离大于0.5u，栅格元的属性状态设置为无障碍物。

进一步，设置控制***控制机器人遇到障碍物时顺时针旋转90°的概率为p，其中p>0.5。

进一步，控制***控制机器人朝一个方向行进，直到遇到障碍物逆时针或顺时针旋转90°。

本发明的有益效果为：本发明的概率式室内障碍物分布图的构建机制适用于实际的工作环境，构建方法简单宜行。通过控制***控制机器人朝四个方向前进或者转动，每次朝一个方向，直到不能走为止。在此种模式下，机器人遇到障碍物后，改变90度，然后，沿着此方向继续前进。周而复始地进行这个过程，可以快速地探明室内的边沿。为了避免机器人在一个三面有障碍物的地方转圈而出不来，我们通过概率p来选择转向的方向。为了避免原地不动，我们设p>0.5。对于非规则的室内，采用类似于积分的思想，机器人前进距离超过0.5u，即可认为该栅格元无障碍物。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种概率式室内障碍物分布图的构建机制一个实施例的方法流程图；

图2为本发明一种概率式室内障碍物分布图的构建机制构建的一个实施例的室内障碍物分布图；

图3为发明一种概率式室内障碍物分布图的构建机制中机器人方向向量的状态转移图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种概率式室内障碍物分布图的构建机制，包括以下步骤：

步骤一：将室内区域看作由很多基本栅格元组成，所述栅格元为正方形，栅格元的大小为u；栅格元越小，分布图越精确，栅格单元大小大于等于机器人方向的误差，栅格单元大小可以设为5cm或10cm；

步骤二：将机器人前进步长设置为s，s＝n*u,其中n≥1，n为整数；

步骤三：机器人每前进一步探测前方是否有障碍物；机器人遇到障碍物，将栅格元的属性状态设置为有障碍物；机器人没有遇到障碍物，将栅格元的属性状态设置为无障碍物。本实施例中，设定n＝1，机器人前进距离大于0.5u，栅格元的属性状态设置为无障碍物。

由于机器人第一次无法获悉整个室内的边沿所在，所以，目标室内障碍物的整体分布是在不断地修正过程中，包括室内的边沿，即在探索过程中室内地图会变得完整。

步骤四，根据上一次的探测结果确定机器人下一次的出发点：选择上一次探索结果中的最大未知区域的中心位置作为出发点，重复步骤三。

步骤五：机器人回到原点或者机器人所走步长达到预设值探索结束。

按下列方法确定第i次探索结束的步长数L_i，L_i由如下公式确定：

L_i＝(1-δ)×(L_i-1)+δ×(Q_i-1*1.1)(i＝2,3,4……)

当i＝1时，即第一次探索时,L₁等于A，A是与探索区域大小相关的一个常数，100≥A≥10。Q_i表示第i次探索结束后分布图的栅格数量总和。δ是更新调节因子，1＞δ＞0，本实施例δ设为0.7。

将栅格元的属性状态设置为0或1，其中0表示无障碍物，其中1表示有障碍物。机器人不断地探索，每次探索的结果和之前的分布图进行比较，不断地刷新分布图中栅格元的属性，或添加带属性的栅格元，其属性可能是0也可能是1。那么，经过很多次探索过程后，室内的边沿，以及障碍物分布情况会得到确认，从而构建完整的室内障碍物分布图。所述机器人由四轮驱动，通过控制***控制机器人朝四个方向前进或者转动。

控制***控制机器人的行进路线为折线，设置机器人的出发点为原点，将机器人的位置坐标设定为D＝(x，y)，x、y的单位均为u，机器人往正前方前进一个步长，即设定方向矢量(E＝1,N＝0)，则x加1，y保持不变；往正后方前进一个步长，即设定方向矢量(E＝-1,N＝0)，则x减1，y保持不变；往正左方前进一个步长，即设定方向矢量(E＝0,N＝1)，则x保持不变，y加1；往正右方前进一个步长，即设定方向矢量(E＝0,N＝-1)，则x保持不变，y减1，机器人在行进过程中记录的信息为I＝{(x，y)＝0∪(x，y)＝1}，I存储在云平台，然后根据I计算出障碍物分布图。同时，该分布图也存储于云平台，后续的探索可以从中学习到知识，进而提高障碍物分布图构建的速度和精度。

如图1所示，概率式室内障碍物分布图的构建机制方法流程图：

开始后，设置机器人的出发点为原点，机器人朝一个方向行进，直到遇到障碍物不能走，将方向矢量初始化：(E＝0,N＝1)，机器人不转向，前进一个步长；设置方向矢量(E,N)，如图3所示，方向矢量(E,N)的状态转移图，遇到障碍物，设定(x，y)＝1，栅格元的属性状态设置为1；未遇到障碍物，设定(x，y)＝0，栅格元的属性状态设置为0；遇到障碍物时判断是否到达原点，达到原点，即x＝0and y＝0，结束任务，或者第i次探索时，步长数L_S到达设定值L_i，结束任务；未达到原点并且L_S未到设定值，即(x≠0ory≠0)and L_S<L_i，控制***控制机器人顺时针转向90°或者逆时针转向90°，其中控制***控制机器人顺时针转向90°的概率大于0.5，然后继续不转向前进一个步长，设置方向矢量并判断是否遇到障碍物；未遇到障碍物时，判断是否达到原点，到达原点则结束任务，或者第i次探索时，步长数L_S到达设定值L_i，达到设定值结束任务，未达到原点并且L_S未到设定值，即(x≠0ory≠0)and L_S<L_i，则不转向，前进一个步长，重复上述步骤，最后得到如图2所示的室内障碍物分布图，黑色的正方形表示遇到障碍物，栅格元的属性状态设置为1，白色的正方形表示未遇到障碍物，栅格元的属性状态设置为0。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种概率式室内障碍物分布图的构建机制，其特征在于，包括以下步骤：

步骤一:将室内区域看作由很多基本栅格元组成，所述栅格元为正方形，栅格元的大小为u；

步骤二:将机器人前进步长设置为s，s＝n*u，其中n≥1，n为整数；

步骤三:设定机器人的出发点，机器人每前进一步探测前方是否有障碍物；机器人遇到障碍物，将栅格元的属性状态设置为有障碍物；机器人没有遇到障碍物，将栅格元的属性状态设置为无障碍物；

控制***控制机器人的行进路线为折线，机器人每转动一次转动90°；设置控制***控制机器人遇到障碍物时顺时针旋转90°的概率为p，其中p>0.5；

设置机器人的出发点为原点，将机器人的位置坐标设定为D＝(x，y)，x、y的单位均为u，机器人往正前方前进一个步长，则x加1，y保持不变；往正后方前进一个步长，则x减1，y保持不变；往正左方前进一个步长，则x保持不变，y加1；往正右方前进一个步长，则x保持不变，y减1；

机器人在行进过程中记录的信息为I＝{(x，y)＝0∪(x，y)＝1}，I存储在云平台，然后根据I计算出障碍物分布图；同时，该分布图也存储于云平台，后续的探索可以从中学习到知识，进而提高障碍物分布图构建的速度和精度；

步骤四:根据上一次的探测结果确定机器人下一次的出发点：选择上一次探索结果中的最大未知区域的中心位置作为出发点，重复步骤三。

2.如权利要求1所述的概率式室内障碍物分布图的构建机制，其特征在于：所述概率式室内障碍物分布图的构建机制还包括步骤五：机器人回到原点或者机器人所走步长达到预设值探索结束。

3.如权利要求1或2所述的概率式室内障碍物分布图的构建机制，其特征在于：将栅格元的属性状态设置为0或1，其中0表示无障碍物，其中1表示有障碍物。

4.如权利要求3所述的概率式室内障碍物分布图的构建机制，其特征在于：所述机器人由四轮驱动，通过控制***控制机器人朝四个方向前进或者转动。

5.如权利要求4所述的概率式室内障碍物分布图的构建机制，其特征在于：

设定n＝1，机器人前进距离大于0.5u，栅格元的属性状态设置为无障碍物。

6.如权利要求1所述的概率式室内障碍物分布图的构建机制，其特征在于：控制***控制机器人朝一个方向行进，直到遇到障碍物逆时针或顺时针旋转90°。