CN106777269A - 用于构建动态地图的机器人及机器人构建动态地图的方法 - Google Patents
用于构建动态地图的机器人及机器人构建动态地图的方法 Download PDFInfo
- Publication number
- CN106777269A CN106777269A CN201611237950.1A CN201611237950A CN106777269A CN 106777269 A CN106777269 A CN 106777269A CN 201611237950 A CN201611237950 A CN 201611237950A CN 106777269 A CN106777269 A CN 106777269A
- Authority
- CN
- China
- Prior art keywords
- characteristic value
- internal subnet
- subnet lattice
- grid
- lattice
- 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 29
- 230000008859 change Effects 0.000 claims abstract description 88
- 230000004888 barrier function Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005212 lattice dynamic Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明实施例提供了一种用于构建动态地图的机器人,包括:划分模块用于将目标运动区域划分为边界子网格和内部子网格;障碍扫描模块用于对内部子网格进行障碍扫描;特征值确定模块用于确定内部子网格的特征值;特征值变化情况确定模块用于确定预设时间段内内部子网格的特征值变化情况;属性确定模块用于根据所述特征值变化情况确定内部子网格的属性;动态地图生成模块用于标注出内部子网格及边界子网格的属性,从而生成动态地图。本发明实施例提供的机器人能够对内部子网格在预设时间段内的障碍扫描结果进行动态分析,从而确定内部子网格的属性进而生成动态地图,使得生成的动态地图更加准确。本发明实施例还提供了一种机器人构建动态地图的方法。
Description
技术领域
本发明涉及运动型机器人技术领域,具体涉及一种用于构建动态地图的机器人及机器人构建动态地图的方法。
背景技术
机器人从移动性角度可以分为非移动机器人和可移动机器人。近年来,随着人工智能的发展,可移动机器人在人们的日常生活领域应用越来越广泛,其应用的场所也越来越多样化。从商业楼宇、卖场超市、到医院、户外公共场所、地铁站等均可成为可移动机器人活动的区域。
可移动机器人通常具有自主移动功能,自主移动的前提是自主导航,自主导航是指可移动机器人按照特定算法、规则自主规划移动路线以规避障碍,或按特定路线移动。
为了实现自主导航,必须解决可移动机器人的地图构建问题。目前常见的可移动机器人通常应用于环境属性较为简单或固定不变的场所,因此其构建地图的方式较为简单。但是,随着可移动机器人的应用场所越来越多样化,环境越来越复杂,且由于各种因素的变化而常处于动态变化中,则现有的地图构建方式则不能满足机器人规避障碍的要求。因此,使机器人具备在动态变化的环境下构建动态地图的能力成为亟待解决的问题。
发明内容
为了解决现有技术中存在的问题,本发明实施例期望提供一种用于构建动态地图的机器人及机器人构建动态地图的方法。
本发明实施例提供了一种本发明实施例提供了一种用于构建动态地图的机器人,包括:划分模块、障碍扫描模块、特征值确定模块、特征值变化情况确定模块、属性确定模块及动态地图生成模块;其中,
所述划分模块,用于将目标运动区域划分为多个子网格,所述多个子网格构成网格区域,每个子网格对应目标运动区域内的特定区域,所述子网格为边界子网格或内部子网格;
所述障碍扫描模块,用于对内部子网格进行障碍扫描;
所述特征值确定模块,用于根据障碍扫描结果确定内部子网格的特征值;
所述特征值变化情况确定模块,用于确定预设时间段内所述内部子网格的特征值变化情况;
所述属性确定模块,用于根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的属性;
所述动态地图生成模块,用于在所述网格区域中标注出内部子网格及边界子网格的属性,从而生成动态地图。
上述方案中,所述划分模块,用于以目标运动区域上的预设点为中心点,以所述中心点为顶点,以东西方向为宽、南北方向为长设置一方形子网格,以所述方形子网格为起始子网格向四周延伸多个与所述方形子网格大小相同的方形子网格,直到延伸出的多个方形子网格形成一覆盖目标运动区域的网格区域。
上述方案中,所述特征值通过灰度来表示,所述特征值变化情况为灰度值变化情况,所述灰度值的取值范围为[0,K],其中,K∈[2,255]。
所述特征值确定模块,还用于将所述边界子网格的特征值确定为K;
所述属性确定模块,还用于将所述边界子网格的属性确定为固定障碍物。
上述方案中,所述特征值确定模块,用于通过以下方式确定内部子网格的特征值:
当通过障碍扫描确定内部子网格内包含障碍物时,将所述内部子网格的特征值确定为K-1;
当通过障碍扫描确定内部子网格内不包含障碍物时,将所述内部子网格的特征值确定为1。
上述方案中,所述特征值确定模块,还用于通过以下方式确定内部子网格的特征值:
将所述内部子网格的初始特征值确定为0;
将一次障碍扫描后至下一次障碍扫描之前,所述内部子网格的特征值确定为G(t)。
上述方案中,所述属性确定模块用于根据以下方式确定所述内部子网格的属性:
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为K-1时,确定所述内部子网格的属性为固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值在K-1和1之间进行变化时,确定所述内部子网格的属性为非固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为1时,确定所述内部子网格的属性为无障碍物。
本发明实施例提供了一种机器人构建动态地图的方法,包括:
将目标运动区域划分为多个子网格,所述多个子网格构成网格区域,每个子网格对应目标运动区域内的特定区域,所述子网格为边界子网格或内部子网格;
对内部子网格进行障碍扫描;
根据障碍扫描结果确定内部子网格的特征值;
确定预设时间段内所述内部子网格的特征值变化情况;
根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的属性;
在所述网格区域中标注出内部子网格及边界子网格的属性,从而生成动态地图。
上述方案中,所述特征值通过灰度来表示,所述特征值变化情况为灰度值变化情况,所述灰度值的取值范围为[0,K],其中,K∈[2,255];
所述边界子网格的特征值为K,属性被确定为固定障碍物。
上述方案中,所述根据障碍扫描结果确定内部子网格的特征值,包括:
当通过障碍扫描确定内部子网格内包含障碍物时,所述内部子网格的特征值被确定为K-1;
当通过障碍扫描确定内部子网格内不包含障碍物时,所述内部子网格的特征值被确定为1。
上述方案中,所述根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的属性,包括:
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为K-1时,确定所述内部子网格的属性为固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值在K-1和1之间进行变化时,确定所述内部子网格的属性为非固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为1时,确定所述内部子网格的属性为无障碍物。
与现有技术相比,本发明实施例至少具备以下优点:
根据本发明实施例提供的用于构建动态地图的机器人,能够在将目标运动区域划分为多个边界子网格和内部子网格从而形成网格区域后,不断对内部子网格进行障碍扫描,并根据障碍扫描结果确定内部子网格的特征值,进而根据预设时间段内内部子网格的特征值变化情况确定内部子网格的属性,对每一个内部子网格的属性进行标注后,生成动态地图。可见,这种生成动态地图的方式能够有针对性的对每一个内部子网格在预设时间段内的障碍扫描结果进行动态分析,从而得出每一个内部子网格的属性。对每一个内部子网格的属性的确定方法完全依据每一个子网格的多次障碍扫描结果,在动态变化的环境中,这种确定方式具备非常好的准确性和科学性。相应的,依据这种方式生成的动态地图也更加准确。
附图说明
图1为本发明实施例提供的用于构建动态地图的机器人在一种实施方式中的基本结构图;
图2为本发明实施例提供的一种网格区域的示意图;
图3为本发明实施例提供的另一种网格区域的示意图;
图4为本发明实施例提供的一种内部子网格的特征值变化曲线图;
图5为本发明实施例提供的第二种内部子网格的特征值变化曲线图;
图6为本发明实施例提供的第三种内部子网格的特征值变化曲线图;
图7为本发明实施例提供的第四种内部子网格的特征值变化曲线图;
图8为本发明实施例提供的第五种内部子网格的特征值变化曲线图;
图9为本发明机器人构建动态地图的方法在一种实施方式中的流程图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
实施例一
参照图1,示出了本发明一种用于构建动态地图的机器人的结构框图,该机器人包括:划分模块11、障碍扫描模块12、特征值确定模块13、特征值变化情况确定模块14、属性确定模块15及动态地图生成模块16;其中,
所述划分模块11,用于将目标运动区域划分为多个子网格,所述多个子网格构成网格区域,每个子网格对应目标运动区域内的特定区域,所述子网格为边界子网格或内部子网格;
所述障碍扫描模块12,用于对内部子网格进行障碍扫描;
所述特征值确定模块13,用于根据障碍扫描结果确定内部子网格的特征值;
所述特征值变化情况确定模块14,用于确定预设时间段内所述内部子网格的特征值变化情况;
所述属性确定模块15,用于根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的属性;
所述动态地图生成模块16,用于在所述网格区域中标注出内部子网格及边界子网格的属性,从而生成动态地图。
具体的,所述划分模块11,用于以目标运动区域上的预设点为中心点,以所述中心点为顶点,以东西方向为宽、南北方向为长设置一方形子网格,以所述方形子网格为起始子网格向四周延伸多个与所述方形子网格大小相同的方形子网格,直到延伸出的多个方形子网格形成一覆盖目标运动区域的网格区域。
实际应用中,当机器人处于目标运动区域时,机器人中的划分模块11可以以机器人本体所处的位置为中心点,以所述中心点为顶点,以东西方向为宽、南北方向为长设置一方形子网格,所述方形子网格可以为长方形子网格或者正方形子网格,之后,以所述方形子网格为起始子网格向四周延伸多个与所述方形子网格大小相同的方形子网格,直到延伸出的多个方形子网格形成一覆盖目标运动区域的网格区域。这样,每一个方形子网格对应目标运动区域中的一特定位置区域。参见图2,为一种网格区域的示意图,该网格区域中包括多个正方形子网格。
具体的,所述特征值通过灰度来表示,所述特征值变化情况为灰度值变化情况,所述灰度值的取值范围为[0,K],其中,K∈[2,255]。
在本发明的一种可选实施方式中,所述特征值确定模块13,还用于将所述边界子网格的特征值确定为K;
在本发明的一种可选实施方式中,所述属性确定模块15,还用于将所述边界子网格的属性确定为固定障碍物。
实际应用中,将网格区域中的边界子网格确定为固定障碍物,边界子网格所对应的区域为机器人禁止进入的区域。假设将边界子网格的特征值K确定为255,则以图2中的网格区域为例,将图2中网格区域的边界子网格的属性值确定为255,并对每一个边界子网格用灰度值为255的颜色,即,黑色进行填充,填充后的网格区域如图3所示,从图3中可以直观看出每一个边界子网格为机器人禁止进入的区域。
具体的,所述特征值确定模块13,用于通过以下方式确定内部子网格的特征值:
当通过障碍扫描确定内部子网格内包含障碍物时,将所述内部子网格的特征值确定为K-1;
当通过障碍扫描确定内部子网格内不包含障碍物时,将所述内部子网格的特征值确定为1。
在本发明的一种可选实施方式中,所述特征值确定模块13,还用于通过以下方式确定内部子网格的特征值:
将所述内部子网格的初始特征值确定为0;
将一次障碍扫描后至下一次障碍扫描之前,所述内部子网格的特征值确定为G(t)。
实际应用中,G(t)可以设置为一个衰减函数,G(t)可以根据实际需要被设置为任何函数形式,这里不作限制。
具体的,所述特征值变化情况确定模块14,根据以下方式确定预设时间段内所述内部子网格的特征值变化情况:
生成预设时间段内所述内部子网格的特征值变化曲线;
具体的,所述特征值变化情况确定模块14,用于通过以下方式对预设时间段内所述内部子网格的所有特征值的变化情况进行表示:
将预设时间段内所述内部子网格的所有特征值依次连接,从而生成预设时间段内所述内部子网格的特征值变化曲线。
将特征值变化情况通过特征值变化曲线进行表示时,可以形象而直观的通过特征值变化曲线看出特征值的变化情况。
具体的,所述属性确定模块15用于根据以下方式确定所述内部子网格的属性:
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为K-1时,确定所述内部子网格的属性为固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值在K-1和1之间进行变化时,确定所述内部子网格的属性为非固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为1时,确定所述内部子网格的属性为无障碍物。
参照图4,为一种示例性的内部子网格的特征值变化曲线,横轴表示时间,纵轴表示特征值。如图4所示,每一次对内部子网格进行障碍扫描之后,根据障碍扫描结果,内部子网格的特征值被设置为K-1或1,在一次障碍扫描之后,下一次障碍扫描之前,相应内部子网格的特征值按照G(t)进行变化。图4中对内部子网格共进行了三次障碍扫描,每次障碍扫描和下次障碍扫描的时间间隔可以根据需要进行调整。从图4可以看出,在第一次障碍扫描时(对应t1时刻),内部子网格的特征值为K-1,表示,第一次障碍扫描时内部子网格内包含障碍物,随着时间的变化,此内部子网格的特征值按照函数G(t)逐渐降低,这是由于根据人类记忆曲线的变化规律,假设机器人对内部子网格的障碍扫描状态的记忆变化曲线与人类记忆曲线的变化规律相同,也就是说,机器人对内部子网格的障碍扫描状态的记忆随时间逐渐衰减。直到进行下一次扫描,也就是在t2处,扫描结果显示内部子网格内无障碍物,因此特征值设置为1,随后,第三次障碍扫描时,特征值为K-1,可见,在t1至t3时间段内,内部子网格的特征值在K-1和1之间进行变化,说明内部子网格所对应的区域内有可移动的障碍物,如人、可移动的物体等等。而t3之后,内部子网格的特征值始终在K-1附件变化,说明t3之后内部子网格内持续为无障碍物状态。
参照图5,为一种示例性的内部子网格的特征值变化曲线。如图5所示,4次障碍扫描的扫描结果显示,内部子网格的特征值在K-1和1之间进行变化,说明内部子网格所对应的区域内有可移动障碍物。
参照图6,为一种示例性的内部子网格的特征值变化曲线。如图6所示,内部子网格的特征值始终在1附近变化,说明内部子网格所对应的区域内无障碍物。
参照图7,为一种示例性的内部子网格的特征值变化曲线。如图7所示,内部子网格的特征值始终在K-1附近变化,说明内部子网格所对应的区域内有固定障碍物。
参照图8,为一种示例性的内部子网格的特征值变化曲线。如图8所示,t1至t4时刻,内部子网格的特征值始终在1附近变化,说明t1至t4时刻内部子网格内无障碍物,而t4时刻之后,特征值瞬间变为K-1,说明t4时刻时,内部子网格所对应的区域内出现了障碍物,此障碍物是固定障碍物还是可移动障碍物还需要根据后续的特征值曲线变化情况来进行判断。
当属性确定模块15根据内部子网格的特征值变化情况确定所述内部子网格的属性之后,由动态地图生成模块16在所述网格区域中标注出内部子网格及边界子网格的属性,从而生成动态地图。在动态地图中,属性为无障碍物的区域为机器人可进入的区域,属性为固定障碍物的区域为机器人禁止进入的区域,属性为非固定障碍物的区域为机器人可选择进入的区域。
在具体实施过程中,上述划分模块11、障碍扫描模块12、特征值确定模块13、特征值变化情况确定模块14、属性确定模块15及动态地图生成模块16可以由机器人内的中央处理器(CPU,Central Processing Unit)、微处理器(MPU,Micro Processing Unit)、数字信号处理器(DSP,Digital Signal Processor)或可编程逻辑阵列(FPGA,Field-Programmable Gate Array)来实现。
实施例二
参照图9,示出了本发明一种机器人生成动态地图的方法的步骤流程图,该方法具体可以包括:
步骤901、将目标运动区域划分为多个子网格,所述多个子网格构成网格区域,每个子网格对应目标运动区域内的特定区域,所述子网格为边界子网格或内部子网格;
具体的,所述将目标运动区域划分为多个子网格,包括:
以目标运动区域上的预设点为中心点;
以所述中心点为顶点,以东西方向为宽、南北方向为长设置一方形子网格;
以所述方形子网格为起始子网格,向四周延伸多个与所述方形子网格大小相同的方形子网格,直到延伸出的多个方形子网格形成一覆盖目标运动区域的网格区域。
步骤902、对内部子网格进行障碍扫描;
步骤903、根据障碍扫描结果确定内部子网格的特征值;
具体的,所述特征值通过灰度来表示,所述特征值变化情况为灰度值变化情况,所述灰度值的取值范围为[0,K],其中,K∈[2,255]。
具体的,所述边界子网格的特征值为K,这样,机器人不需要再对边界子网格进行障碍扫描。
具体的,所述根据障碍扫描结果确定内部子网格的特征值,包括:
当通过障碍扫描确定内部子网格内包含障碍物时,所述内部子网格的特征值被确定为K-1;
当通过障碍扫描确定内部子网格内不包含障碍物时,所述内部子网格的特征值被确定为1。
在本发明的一种可选实施方式中,所述内部子网格的初始特征值为0;
一次障碍扫描后至下一次障碍扫描之前,所述内部子网格的特征值按照函数G(t)进行变化。
步骤904、确定预设时间段内所述内部子网格的特征值变化情况;
步骤905、根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的属性;
由于随着时间的变化,边界子网格的特征值一直为K,因此,直接将边界子网格的属性确定为固定障碍物。属性为障碍物的边界子网格为机器人禁止进入的区域。
步骤906、在所述网格区域中标注出内部子网格及边界子网格的属性,从而生成动态地图。
在本发明的一种可选实施例中,所述预设时间段内所述内部子网格的特征值变化情况可以通过预设时间段内所述内部子网格的特征值变化曲线来表示;
所述特征变化曲线通过以下方式生成:
将预设时间段内所述内部子网格的所有特征值依次连接,形成特征值变化曲线。
通过特征值变化曲线可以较为清晰直观的对特征值在预设时间段内随时间的变化情况进行表示。
具体的,所述根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的属性,包括:
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为K-1时,确定所述内部子网格的属性为固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值在K-1和1之间进行变化时,确定所述内部子网格的属性为非固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为1时,确定所述内部子网格的属性为无障碍物。
当机器人根据内部子网格的特征值变化情况确定所述内部子网格的属性之后,在所述网格区域中标注出内部子网格及边界子网格的属性,从而生成动态地图。在动态地图中,属性为无障碍物的区域为机器人可进入的区域,属性为固定障碍物的区域为机器人禁止进入的区域,属性为非固定障碍物的区域为机器人可选择进入的区域。
综上,本发明实施例二所提供的机器人构建动态地图的方法,能够在将目标运动区域划分为多个边界子网格和内部子网格从而形成网格区域后,不断对内部子网格进行障碍扫描,并根据障碍扫描结果确定内部子网格的特征值,进而根据预设时间段内内部子网格的特征值变化情况确定内部子网格的属性,对每一个内部子网格的属性进行标注后生成动态地图。可见,这种生成动态地图的方式能够有针对性的对每一个内部子网格在预设时间段内的障碍扫描结果进行动态分析,从而得出每一个内部子网格的属性。对每一个内部子网格的属性的确定方法完全依据每一个子网格的多次障碍扫描结果,在动态变化的环境中,这种确定方式具备非常好的准确性和科学性。相应的,依据这种方式生成的动态地图也更加准确。
本说明书中的各个实施例均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,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种用于构建动态地图的机器人及机器人构建动态地图的方法,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,根据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种用于构建动态地图的机器人,其特征在于,所述机器人包括:划分模块、障碍扫描模块、特征值确定模块、特征值变化情况确定模块、属性确定模块及动态地图生成模块;其中,
所述划分模块,用于将目标运动区域划分为多个子网格,所述多个子网格构成网格区域,每个子网格对应目标运动区域内的特定区域,所述子网格为边界子网格或内部子网格;
所述障碍扫描模块,用于对内部子网格进行障碍扫描;
所述特征值确定模块,用于根据障碍扫描结果确定内部子网格的特征值;
所述特征值变化情况确定模块,用于确定预设时间段内所述内部子网格的特征值变化情况;
所述属性确定模块,用于根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的属性;
所述动态地图生成模块,用于在所述网格区域中标注出内部子网格及边界子网格的属性,从而生成动态地图。
2.根据权利要求1所述的机器人,其特征在于,所述划分模块,用于以目标运动区域上的预设点为中心点,以所述中心点为顶点,以东西方向为宽、南北方向为长设置一方形子网格,以所述方形子网格为起始子网格向四周延伸多个与所述方形子网格大小相同的方形子网格,直到延伸出的多个方形子网格形成一覆盖目标运动区域的网格区域。
3.根据权利要求1或2所述的机器人,其特征在于,所述特征值通过灰度来表示,所述特征值变化情况为灰度值变化情况,所述灰度值的取值范围为[0,K],其中,K∈[2,255]。
所述特征值确定模块,还用于将所述边界子网格的特征值确定为K;
所述属性确定模块,还用于将所述边界子网格的属性确定为固定障碍物。
4.根据权利要求3所述的机器人,其特征在于,所述特征值确定模块,用于通过以下方式确定内部子网格的特征值:
当通过障碍扫描确定内部子网格内包含障碍物时,将所述内部子网格的特征值确定为K-1;
当通过障碍扫描确定内部子网格内不包含障碍物时,将所述内部子网格的特征值确定为1。
5.根据权利要求4所述的机器人,其特征在于,所述特征值确定模块,还用于通过以下方式确定内部子网格的特征值:
将所述内部子网格的初始特征值确定为0;
将一次障碍扫描后至下一次障碍扫描之前,所述内部子网格的特征值确定为G(t)。
6.根据权利要求1至5其中任一项所述的机器人,其特征在于,所述属性确定模块用于根据以下方式确定所述内部子网格的属性:
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为K-1时,确定所述内部子网格的属性为固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值在K-1和1之间进行变化时,确定所述内部子网格的属性为非固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为1时,确定所述内部子网格的属性为无障碍物。
7.一种机器人构建动态地图的方法,其特征在于,所述方法包括:
将目标运动区域划分为多个子网格,所述多个子网格构成网格区域,每个子网格对应目标运动区域内的特定区域,所述子网格为边界子网格或内部子网格;
对内部子网格进行障碍扫描;
根据障碍扫描结果确定内部子网格的特征值;
确定预设时间段内所述内部子网格的特征值变化情况;
根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的属性;
在所述网格区域中标注出内部子网格及边界子网格的属性,从而生成动态地图。
8.根据权利要求7所述的方法,其特征在于,所述特征值通过灰度来表示,所述特征值变化情况为灰度值变化情况,所述灰度值的取值范围为[0,K],其中,K∈[2,255];
所述边界子网格的特征值为K,属性被确定为固定障碍物。
9.根据权利要求8所述的方法,其特征在于,所述根据障碍扫描结果确定内部子网格的特征值,包括:
当通过障碍扫描确定内部子网格内包含障碍物时,所述内部子网格的特征值被确定为K-1;
当通过障碍扫描确定内部子网格内不包含障碍物时,所述内部子网格的特征值被确定为1。
10.根据权利要求7至9其中任一项所述的方法,其特征在于,所述根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的属性,包括:
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为K-1时,确定所述内部子网格的属性为固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值在K-1和1之间进行变化时,确定所述内部子网格的属性为非固定障碍物;
当根据预设时间段内所述内部子网格的特征值变化情况确定所述内部子网格的特征值始终为1时,确定所述内部子网格的属性为无障碍物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611237950.1A CN106777269A (zh) | 2016-12-28 | 2016-12-28 | 用于构建动态地图的机器人及机器人构建动态地图的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611237950.1A CN106777269A (zh) | 2016-12-28 | 2016-12-28 | 用于构建动态地图的机器人及机器人构建动态地图的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106777269A true CN106777269A (zh) | 2017-05-31 |
Family
ID=58925034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611237950.1A Pending CN106777269A (zh) | 2016-12-28 | 2016-12-28 | 用于构建动态地图的机器人及机器人构建动态地图的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777269A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108458711A (zh) * | 2018-04-28 | 2018-08-28 | 上海木木机器人技术有限公司 | 分时段地图的创建、导航方法和创建、导航*** |
CN112487127A (zh) * | 2020-12-12 | 2021-03-12 | 武汉中海庭数据技术有限公司 | 一种基于颜色特征分布与图像语义的众包建图方法及装置 |
CN114096930A (zh) * | 2019-09-19 | 2022-02-25 | 苏州宝时得电动工具有限公司 | 自移动设备及其自动移动和工作的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080273791A1 (en) * | 2006-07-05 | 2008-11-06 | Samsung Electronics Co., Ltd. | Apparatus, method, and medium for dividing regions by using feature points and mobile robot using the same |
CN104299244A (zh) * | 2014-09-26 | 2015-01-21 | 东软集团股份有限公司 | 基于单目相机的障碍物检测方法及装置 |
CN104614733A (zh) * | 2015-01-30 | 2015-05-13 | 福州华鹰重工机械有限公司 | 一种动态障碍物检测方法 |
CN105573318A (zh) * | 2015-12-15 | 2016-05-11 | 中国北方车辆研究所 | 基于概率分析的环境构建方法 |
CN106052674A (zh) * | 2016-05-20 | 2016-10-26 | 青岛克路德机器人有限公司 | 一种室内机器人的slam方法和*** |
-
2016
- 2016-12-28 CN CN201611237950.1A patent/CN106777269A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080273791A1 (en) * | 2006-07-05 | 2008-11-06 | Samsung Electronics Co., Ltd. | Apparatus, method, and medium for dividing regions by using feature points and mobile robot using the same |
CN104299244A (zh) * | 2014-09-26 | 2015-01-21 | 东软集团股份有限公司 | 基于单目相机的障碍物检测方法及装置 |
CN104614733A (zh) * | 2015-01-30 | 2015-05-13 | 福州华鹰重工机械有限公司 | 一种动态障碍物检测方法 |
CN105573318A (zh) * | 2015-12-15 | 2016-05-11 | 中国北方车辆研究所 | 基于概率分析的环境构建方法 |
CN106052674A (zh) * | 2016-05-20 | 2016-10-26 | 青岛克路德机器人有限公司 | 一种室内机器人的slam方法和*** |
Non-Patent Citations (1)
Title |
---|
吴涛: ""移动机器人避障与路径规划研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108458711A (zh) * | 2018-04-28 | 2018-08-28 | 上海木木机器人技术有限公司 | 分时段地图的创建、导航方法和创建、导航*** |
CN114096930A (zh) * | 2019-09-19 | 2022-02-25 | 苏州宝时得电动工具有限公司 | 自移动设备及其自动移动和工作的方法 |
CN114096930B (zh) * | 2019-09-19 | 2023-11-07 | 苏州宝时得电动工具有限公司 | 自移动设备及其自动移动和工作的方法 |
CN112487127A (zh) * | 2020-12-12 | 2021-03-12 | 武汉中海庭数据技术有限公司 | 一种基于颜色特征分布与图像语义的众包建图方法及装置 |
CN112487127B (zh) * | 2020-12-12 | 2022-06-17 | 武汉中海庭数据技术有限公司 | 一种基于颜色特征分布与图像语义的众包建图方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rashid et al. | Path planning with obstacle avoidance based on visibility binary tree algorithm | |
Cassimatis et al. | Integrating cognition, perception and action through mental simulation in robots | |
CN105101093B (zh) | 一种关于地理位置信息的网络拓扑可视化方法 | |
CN106777269A (zh) | 用于构建动态地图的机器人及机器人构建动态地图的方法 | |
CN108241369B (zh) | 机器人躲避静态障碍的方法及装置 | |
CN106643701A (zh) | 一种机器人互相检测方法及装置 | |
CN103596263B (zh) | 一种室内定位中获取位置的方法及装置 | |
US20130345967A1 (en) | Routability graph with predetermined number of weighted edges for estimating a trajectory of a mobile device | |
CN106802655A (zh) | 室内地图生成方法及装置 | |
CN105911988A (zh) | 一种自动制图装置及方法 | |
CN104507047A (zh) | 一种poi区域获取方法及装置 | |
CN103984787A (zh) | 室内地图在移动终端的矢量建模与展示和交互方法 | |
Becker et al. | Combined grammar for the modeling of building interiors | |
CN110110445B (zh) | 一种日照分析方法、装置、设备及存储介质 | |
CN106767755A (zh) | 用于规划自主移动式设备工作点的方法及装置 | |
CN108255173A (zh) | 机器人跟随避障方法及装置 | |
CN103729887A (zh) | 三维模型动态显示方法及装置 | |
CN106782030A (zh) | 用于生成具有语义描述的室内地图的方法及装置 | |
KR102092916B1 (ko) | 부분적인 데이터를 이용한 규칙 기반 지도 완성 | |
CN110245567A (zh) | 避障方法、装置、存储介质及电子设备 | |
CN106782029A (zh) | 室内地图生成方法及装置 | |
CN106814734A (zh) | 使用计算设备控制自主移动式设备的方法及*** | |
CN108111976B (zh) | 一种WiFi信号指纹数据优化方法及装置 | |
CN106840165A (zh) | 一种语义位置历史的构建方法及装置 | |
Liang et al. | A three-part visualisation framework to navigate complex multi-objective (> 3) building performance optimisation design space |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20231201 |