CN108344414A - 一种地图构建、导航方法及装置、*** - Google Patents

一种地图构建、导航方法及装置、*** Download PDF

Info

Publication number
CN108344414A
CN108344414A CN201711499191.0A CN201711499191A CN108344414A CN 108344414 A CN108344414 A CN 108344414A CN 201711499191 A CN201711499191 A CN 201711499191A CN 108344414 A CN108344414 A CN 108344414A
Authority
CN
China
Prior art keywords
barrier
map
type
layer
navigation
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
Application number
CN201711499191.0A
Other languages
English (en)
Inventor
李从兵
董振江
甘玉玺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZTE Corp
Original Assignee
ZTE Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZTE Corp filed Critical ZTE Corp
Priority to CN201711499191.0A priority Critical patent/CN108344414A/zh
Publication of CN108344414A publication Critical patent/CN108344414A/zh
Priority to US16/958,855 priority patent/US11359930B2/en
Priority to EP18893502.7A priority patent/EP3734225A4/en
Priority to PCT/CN2018/123164 priority patent/WO2019128933A1/zh
Pending legal-status Critical Current

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
    • G01C21/3863—Structures 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
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • 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
    • 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
    • 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
    • G01C21/3863—Structures of map data
    • G01C21/387—Organisation of map data, e.g. version management or database structures
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Navigation (AREA)

Abstract

一种地图构建、导航方法及装置、***，对检测到的障碍物进行识别，根据识别结果确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型；构建地图标记所述障碍物，并记录所述障碍物所属的类型。在导航时，对行进路径上检测到的新增的障碍物，根据所述新增的障碍物所属的类型进行避障处理。本申请还提供了相应的装置和***。本申请使构建的地图具有表示障碍物特性的“类型语义”，使得对不同类型的障碍物可以使用不同的构图策略和避让策略，具有更好的实用性和灵活性。

Description

一种地图构建、导航方法及装置、***
技术领域
本申请涉及但不局限于数据处理领域，尤其涉及一种地图构建、导航方法及装置、***。
背景技术
在传统的栅格地图构建方法当中，采用一张完整的二维网格来抽象表示整个室内环境信息。这张栅格地图上的栅格分三类，障碍物栅格、非障碍物栅格和未知栅格。其中，障碍物栅格代表该栅格对应位置上有障碍物存在，非障碍物栅格表示该栅格对应位置是通行自由的，而未知栅格则表示该栅格对应位置上的信息未知。
传统栅格地图构建方法的缺陷包括两个方面：其一，将所有的环境信息紧耦合在同一张栅格地图上面，当次导航的地图仅限当次使用，复用性很差。其二，栅格地图并没有考虑障碍物所在栅格对附近栅格通行情况的影响。由于移动机器人本身会占据一定的空间，因此障碍物的附近栅格，机器人并不能无限制通行。否则，很可能在经过这些栅格时与障碍物发生碰撞。
针对这些缺陷，相关技术的一种改进方案是，引入栅格地图的分层管理和更新机制，将栅格地图由下而上划分成静态地图层、障碍物地图层、声呐障碍物地图层和膨胀地图层等。其中，静态地图层管理移动机器人在室内无动态障碍物干扰情况下行走，是根据传感器检测到的信息构建的整体环境的栅格表示。障碍物地图层是移动机器人在执行导航任务过程中，激光传感器检测到的动态障碍物的栅格表示。声呐障碍物地图层为移动机器人在执行导航任务过程中，声呐传感器检测到的动态障碍物的栅格表示。膨胀地图层并不使用外部的传感器数据，而是对静态地图层、障碍物地图层和声呐地图层当中的障碍物栅格为支点，以事先给定的膨胀半径为尺度，对这些障碍物栅格的周边非障碍物栅格进行膨胀处理。膨胀半径范围内的非障碍物栅格，形成一个膨胀地图层。位于膨胀地图层上的非障碍物栅格，机器人可以在保证其中心点不与这些非障碍物栅格重合即可通过。
但是，这种构建地图的方法在性能上，如实用性、灵活性、安全性和资源利用率中的至少一个方面，仍存在不足。
发明内容
本发明实施例提供了一种地图构建方法，包括：
对检测到的障碍物进行识别，根据识别结果确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型；
构建地图标记所述障碍物，并记录所述障碍物所属的类型。
本发明实施例还提供了一种地图构建***，包括：
障碍物识别单元，用于对检测到的障碍物进行识别，得到识别结果；
障碍物分类单元，用于根据所述识别结果，确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型；
障碍物处理单元，用于构建地图标记所述障碍物，并记录所述障碍物所属的类型。
本发明实施例还提供了一种地图构建装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如发明实施例所述的地图构建方法的处理。
本发明实施例还提供了一种计算机存储介质，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读取后执行本发明实施例所述的地图构建方法的处理。
上述实施例方案使得构建的地图可表示障碍物特性的“类型语义”，使得对不同类型的障碍物可以使用不同的构图策略，具有更好的性能。
本发明实施例还提供了一种导航方法，包括：
对行进路径上检测到的新增的障碍物进行识别，根据识别结果确定所述新增的障碍物在根据障碍物特性分类得到的多种类型中所属的类型；
根据所述新增的障碍物所属的类型进行避障处理。
本发明实施例还提供了一种导航***，包括导航模块和地图构建模块，其中：
所述导航模块，用于规划行进路径，通知所述地图构建模块启动导航地图更新任务；
所述地图构建模块，用于对所述行进路径上检测到的新增的障碍物进行识别，根据识别结果确定所述新增的障碍物在根据障碍物特性分类得到的多种类型中所属的类型；
所述导航模块还用于接收所述更新后的导航地图，根据所述新增的障碍物所属的类型进行避障处理。
本发明实施例还提供了一种计算机存储介质，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读取后执行本发明实施例所述的导航方法的处理。
上述实施例方案在导航时对新增障碍物要确定其根据障碍物特性划分的类型，对不同类型的障碍物采用不同的避障策略，从而提高避障效果。
附图说明
图1是本发明实施例一地图构建方法的流程图；
图2是本发明实施例一地图构建***的模块图；
图3是本发明实施例二导航方法的流程图；
图4是本发明实施例二导航***的模块图；
图5是本发明实施例三基于室内障碍物特征分类的栅格地图构建方法的流程图；
图6是本发明实施例三一个示例性的静态地图层的示意图；
图7是本发明实施例三一个示例性的稳定型障碍物地图层的示意图；
图8是本发明实施例三一个示例性的协商型障碍物地图层的示意图；
图9是本发明实施例三一个示例性的风险型障碍物地图层的示意图；
图10是本发明实施例三一个示例性的激变型障碍物地图层的示意图；
图11是本发明实施例三一个示例性融合得到的主栅格地图的示意图；
图12是本发明实施例三一个示例性更新后的静态地图层的示意图；
图13是本发明实施例四在导航过程中协商避让方法的流程图；
图14是本发明实施例五移动机器人业务对地图构建***提供的栅格地图服务的调用流程。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
本申请的发明人在研究中发现，相关技术的建图方法对于障碍物的处理，是根据激光、声呐等传感器的检测结果来粗略地划分类别，并未根据识别出的障碍物本身的特性来分类，语义性很弱，使得根据障碍物特性而采用灵活的构图、避障策略难以实现。
这种语义的微弱，带来的具体问题至少包括：
1)由于障碍物之间没有明显的区别，在应用中都采用了相同的标记策略。这种策略往往缺乏普适性，甚至会引入无谓的计算和存储资源的浪费。举例来说，在传感器前方发现了一台新添置的冰箱和一只家庭宠物，如果按照相同的发现与标记策略(如3米以内开始跟踪维护)，对于家庭宠物的维护将在障碍物地图层上带来频繁的更新。而家庭宠物行动敏捷而又变化无常，而自身还具有一定的避险能力，对于这类障碍物维护的地图层完全可以限定在一个较小范围，在有效节省资源的同时而又不产生安全上的隐患。反过来，如果按照较小范围来维护新添置的冰箱，则不利于移动机器人导航的全局路线选择。
2)对所有的障碍物都采用同样一个膨胀半径来处理，在实际的场景中并不合理。事实上，环境空间中的一台新添的冰箱，其周边的非障碍物栅格完全可以按照较小的膨胀半径来处理，以保证机器人最大的通行效率。但对于环境空间中突然出现的一个婴幼儿，则需要以较大的膨胀半径来处理其周边的非障碍物栅格，以保证安全性。
3)一次导航任务结束时，障碍物层的所有信息都被丢弃。这种设计的考虑是，当次导航时出现在环境当中的新增障碍物，在下次导航时不一定还出现并且保持位置不变。但实际上，如果对新增障碍物加以区别的话，至少像新添置的家具这样的障碍物，其位置一旦固定就不会经常发生变化。这类障碍物完全可以在当次导航任务结束后，实时更新到静态地图层中去。这样，既保证了静态地图层的实时更新，又为以后的导航任务节省了不必要的障碍物识别标记的计算量和存储空间。
4)在避障时所有障碍物无差别对待，直接导致移动机器人避障的灵活性丧失。事实上，如果移动机器人识别出前方的成年人阻挡去路时，完全可以采取语音交互的方式变被动避障为主动避障。
为此，本发明实施例提出了新的地图构建和导航方案。
实施例一
本实施例涉及地图构建方法和***。
本实施例的地图构建方法由地图构建***来实现，在移动机器人导航这一应用中，地图构建***可以植入在移动机器人使用的导航芯片中，或者与移动机器人使用的视觉传感器集成，或者采用单独的芯片实现。在其他应用中，也是类似的。
本实施例的地图以室内栅格地图为例，但本申请并不局限于此，其障碍物分类的方式也可扩展到室外地图，非栅格地图等。
本实施例的地图构建方法如图1所示，包括：
步骤110，对检测到的障碍物进行识别，根据识别结果确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型；
与相关技术不同的是，以上障碍物的特性是指障碍物本身的特性，在确定障碍物分类时需要先识别出障碍物，如识别出障碍物是人、动物、电视、柜子等。这与相关技术根据检测结果直接分类是不同的，例如，相关技术检测当前障碍物在一段时间内是否移动，根据检测结果将障碍物分为动态和静态两类，这种分类体现的并非障碍物本身的特性，也无法确定障碍物是否具备自主移动能力。
本实施例中，所述障碍物特性包括障碍物的自主移动能力、交互能力、安全性和自主避险能力中的一种或多种。其中，障碍物的自主移动能力指在没有外力移动该障碍物的情况下，障碍物自身就可以移动，例如，人、动物、玩具车、移动机器人具有自主移动能力，而桌椅、沙发、电视等家具、电器不具有自主移动能力。障碍物的交互能力指人机交互的能力，包括但不限于语音交互、手势交互等方式，成人或另一支持交互的移动机器人可以属于此类，移动机器人也可视为一种特殊的“人”。障碍物的安全性指障碍物是否被保护对象，便如婴幼儿，用户也可以将其他物品指定为被保护对象。障碍物的自主避险能力是指障碍物在应激情况下，例如移动机器人靠近时，是否可以自动避让。在对具体的对象分类时，对象的上述能力可以有重叠的情况，例如具备自主避险能力的障碍物通常也会具有自主移动能力，而具备人机交互能力的成人也是如此。
本实施例中，根据障碍物特性分类得到的多种类型包括稳定型、协商型、风险型和激变型中的至少二种，其中：
稳定型障碍物包括一种或多种不具备自主移动能力的障碍物；
协商型障碍物包括一种或多种具备自主移动和人机交互能力的障碍物；
风险型障碍物包括一种或多种作为被保护对象的障碍物；
激变型障碍物包括一种或多种具备自主避险能力的障碍物。
上述稳定型障碍物包括但不限于墙壁、门窗、婴儿车、沙发、桌椅、橱柜、电视等不具备自主移动能力的物体，这些物体的位置相对比较稳定。一旦这些障碍物在栅格地图当中标记出来，在较长的一段时间栅格地图上的这些信息可以复用。
上述协商型障碍物包括除了婴幼儿之外的具备自主移动能力和语音交互能力的人，他们本身具备良好的行为能力和交互能力，并可根据外部的信息来主动调整自己的行为，可以为移动机器人的自主导航提供更多的选择，增强其灵活性。
上述风险型障碍物包括婴幼儿这种被保护对象，其自主行为能力、语音交互能力和风险辨识能力都比较弱的人群。此类人群是移动机器人自主导航中最应该预防和被保护的对象。与移动机器人自主导航的效率相比，这类人群的安全性更加重要。
上述激变型障碍物包括但不限于猫、狗、机器人等具备较强移动能力的家庭宠物和电子设备。它们都具有自主避险的能力，机动性好且和移动的随机性强。
目前的图像识别可以对超过1000种物品进行识别，家庭环境常见的障碍物基本都可以识别。对于识别不出来的障碍物可以归入稳定型障碍物进行处理，或者另外归为单独的一类也是可以的。
在另一实施例中，所述根据障碍物特性分类得到的多种类型包括稳定型、协商型、风险型和激变型中的至少二种，其中：
稳定型障碍物包括建筑构件和/或家具；
协商型障碍物包括成人；
风险型障碍物包括婴幼儿；
激变型障碍物包括家庭宠物。
在该另一实施例中，也是根据障碍物特性分类，但并不严格要求某一类型的物品具有完全相同的某一个或多个特性，而且并不需要对环境中的所有障碍物进行分类，对部分重要的障碍物如上述建筑构件、家具、成人、婴幼儿和家庭宠物分类即可。将成人、婴幼儿、建筑构件、家庭宠物中的至少二种按照不同的策略进行处理，则说明进行了在构建地图时进行了分类和记录，即采用了该另一实施例的方法。
另外，上述的“成人”是指具备自主移动和人机交互能力的健康人，对于下肢残疾、聋哑这些特殊的成人，可以另行指定其分类，特别在家庭成员相对固定时。当然也可以不做细分，也归入协商型障碍物，在避障时得不到响应可以重新规划路线。
另外，需要说明的是，上述障碍物类别的名称是可以变化的，例如，以上四种类型也可以称为第一类、第二类、第三类和第四类或者其他任何能够区别为不同类型的名称，这种名称变化并不会构成技术方案上的区别。
本实施例中，对检测到的障碍物进行识别，根据识别结果确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型，包括：对视觉传感器采集的图像信息进行障碍物检测，对检测到的障碍物的图像进行图像识别，根据识别出的所述障碍物查找预先设置的所述多种类型各自包含的障碍物的信息，确定所述障碍物所属的类型。例如，视觉传感器采集的图像中出现一只猫时，通过障碍物检测将猫的图像提取出来，做图像识别知道这是一只猫，而在预先设置的多种类型各自包含的障碍物中，猫是属于激变型障碍物，因而就可以确定该障碍物的类型为激变型。上述分类可采用分类器实现。
本申请中，对障碍物类型的记录可以采用直接或间接的方式，如直接将检测出的类型记录为障碍物的属性信息中的类型标识，或者只是将障碍物标记在与类型对应的层上，根据障碍物所在的层就可以确定障碍物的类型。因而，本申请不对记录方式做任何的局限，只需记录的信息可用于后续确定障碍物的类型即可。
步骤120，构建地图标记所述障碍物，并记录所述障碍物所属的类型。
本实施例采用的是栅格地图，所述构建地图标记所述障碍物，包括：为不同类型的障碍物构建不同的地图层，根据所述障碍物所属的类型在对应的地图层上标记所述障碍物。
本实施例中，上述构建的地图是导航地图，而对障碍物的识别、分类和标记是对导航时检测到的相对环境地图已有障碍物新增的障碍物进行识别、分类和标记。但本申请不局限于此，按本实施例方法构建的地图也可以用于导航之外的其他服务，例如构建的是实时动态的场景地图，用于进行实景游戏、侦察等服务。此时并没有原有障碍物、新增障碍物的区分。
本实施例的导航地图是包括静态地图层的导航地图，所述静态地图层标记有导航前环境中的障碍物，静态地图层可以根据导入的环境地图而生成，其中标记的障碍物为稳定型障碍物；在导航过程中，对环境中检测到的新增的障碍物进行识别，构建动态地图层标记所述新增的障碍物，并记录所述新增的障碍物所属的类型；之后，还可以对障碍物的周边进行膨胀处理，融合所述静态地图层和动态地图层，得到更新后的导航主地图。
在一个示例中，导航地图可以包括以下地图层：
静态地图层用于维护移动机器人导航之前整个室内环境的总体格局，其中的障碍物属于稳定型障碍物。
动态地图层包括：
稳定型障碍物地图，用于维护移动机器人导航过程中视觉传感器检测到的、静态地图层当中没有包含的新增稳定型障碍物。
激变型障碍物地图层，用于维护移动机器人导航过程中视觉传感器检测到的激变型障碍物。
协商型障碍物地图层，用于维护移动机器人导航过程中视觉传感器检测到的协商型障碍物。
风险型障碍物地图层，用于维护移动机器人导航过程中视觉传感器检测到的风险型障碍物。
这样，各层地图彼此独立起来，具有了各自鲜明的语义。在使用时，只需要按照顺序对个地图层的数据进行融合即可。
在记录了障碍物所属的类型之后，本实施例根据障碍物所属的类型，采用了以下至少一种策略：
标记策略
在所述多种类型包括激变型(激变型障碍物包括家庭宠物)时，所述构建地图标记所述障碍物，包括：如所述障碍物所属的类型为激变型，构建激变型障碍物地图层标记所述障碍物，所述激变型障碍物地图层的维护区域小于其他地图层的维护区域，所述其他地图层用于标记所述多种类型中其他类型的障碍物。维护区域小，构建的地图也小。这里的其他地图层可以是稳定型障碍物地图层、风险型障碍物地图层和协商型障碍物地图层中的一个或多个，但在其他实施例中，也可以是用于标记其他类型障碍物的地图层。
不同障碍物采用不同的标记策略，可以有效避免激变型的障碍物由于频繁变动位置而导致障碍地图频繁的更新，节省了***资源耗费。
膨胀策略
在所述多种类型包括风险型(风险型障碍物包括婴幼儿)时，构建地图标记所述障碍物，并记录所述障碍物所属的类型之后，所述方法还包括：对所述障碍物的周边进行膨胀处理，如所述障碍物所属的类型为风险型，在膨胀处理时使用第一膨胀半径，所述第一膨胀半径大于对所述多种类型中其他类型的障碍物的周边进行膨胀处理时使用的膨胀半径。
在地图分层时，膨胀处理可以在对各地图层融合之前，对本层地图当中的障碍物周边按照相应的膨胀半径进行膨胀处理，处理完后再进行融合。也可在融合之后再进行，本申请对此不做局限。另外，膨胀策略在不分层的地图中也可以采用。
在导航过程中发现新的风险型障碍物时，会检查风险型障碍物栅格周边是否满足充分膨胀的条件，即以风险型障碍物栅格为中心，以激进膨胀半径为尺度，在风险型障碍物前、后、左、右、左上、右上、左下、右下八个方向上都进行既定范围的膨胀处理。当风险型障碍物激进膨胀半径范围内有其他障碍物，或抵达主地图边界时，会出现膨胀不充分的现象。当风险型障碍物栅格周边栅格满足充分膨胀条件，进一步检查膨胀半径外是否满足避障条件；即当前位置和目标位置之间的行进路径上有机器人能通过的无障碍物的栅格。当膨胀半径外满足避障条件时，移动机器人经膨胀半径外的栅格避障并行进至目标点；而当风险型障碍物周边栅格不满足充分膨胀条件，或者膨胀半径外无法满足避障条件时，表明此路不通或该障碍物周边的自由空间不足以保证安全导航的要求，需要重新规划新的行进路线到达目标点。
不同障碍物采用不同的膨胀策略，将有效提高移动机器人导航路线的安全性，保证婴幼儿这种被保护对象的安全。
重用策略
在所述多种类型包括稳定型(稳定型障碍物包括建筑构件和/或家具)时，在导航结束之后，所述方法还包括：将在所述动态地图层标记的新增的稳定型障碍物添加到所述静态地图层。
在一个示例中，如所述新增的障碍物为稳定型障碍物，则构建稳定型障碍物地图层标记所述新增的障碍物，如所述新增的障碍物为其他类型的障碍物，构建其他动态地图层标记所述新增的障碍物；在该示例中，在一次导航结束之后，就可以将所述稳定型障碍物地图层上标记的新增的障碍物直接添加到所述静态地图层。但在其他示例中，也可以根据障碍物属性中的类型信息来选择稳定型障碍物添加到静态地图层中，并不必须为新增的障碍物构建一个单独的地态地图层。
对于当次导航和后续导航，环境当中的稳定型障碍物的位置可能发生了改变，如果这种变化没有在静态地图当中体现出来，则会对环境地图建模的准确性产生影响，进而影响到后续的自主导航。根据检测到的稳定型障碍物对静态地图层进行更新和完善，避免了该稳定型障碍物在下一次导航任务中的重复处理工作，提高了效率。如果在静态地图层中标记的障碍物在当次导航，也可以对静态地图层更新以将相应的障碍物删除。
同时，不同障碍物的划分，使得在避障时有了更多的延伸策略和补救措施(如行进过程中前面遇到一个协商型障碍物，而剩余的自由空间不够时，可以尝试人机对话的方式来变被动避障变为主动避障。这将在下一实施例中进行详细说明。
本实施例还提出了一种可实现上述方法的地图构建***，所述地图构建***植入在移动机器人使用的导航芯片中，或者与所述移动机器人使用的视觉传感器集成，或者采用单独的芯片实现，该芯片或视觉传感器与机器人控制***相连。
如图2所示，本实施例的地图构建***包括：
障碍物识别单元10，用于对检测到的障碍物进行识别，得到识别结果；
障碍物分类单元20，用于根据所述识别结果，确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型；
障碍物处理单元30，用于构建地图标记所述障碍物，并记录所述障碍物所属的类型。
本实施例中，所述障碍物特性包括障碍物的自主移动能力、交互能力、安全性和自主避险能力中的一种或多种。
本实施例中，所述根据障碍物特性分类得到的多种类型包括稳定型、协商型、风险型和激变型中的至少二种，其中：
稳定型障碍物包括建筑构件和/或家具；
协商型障碍物包括成人；
风险型障碍物包括婴幼儿；
激变型障碍物包括家庭宠物。
本实施例中，
所述构建的地图为室内栅格地图；所述障碍物处理单元构建地图标记所述障碍物，包括：为不同类型的障碍物构建不同的地图层，根据所述障碍物所属的类型在对应的地图层上标记所述障碍物。
此时，所述障碍物处理单元可以细分为以下子单元：
激变型障碍物地图层处理单元，用于对激变型障碍物进行处理，构建激变型障碍物地图层；
风险型障碍物地图层处理单元，用于对风险型障碍物进行处理，构建风险型障碍物地图层；
协商型障碍物地图层处理单元，用于对协商型障碍物进行处理，构建协商型障碍物地图层；
稳定型障碍物地图层处理单元，用于对稳定型障碍物进行处理，构建稳定型障碍物地图层。不属于以上三类的障碍物，也可以交由稳定型障碍物地图层处理单元处理。
上述不同的地图层处理单元在构建相应地图层时，有一些不同的处理，例如，激变型障碍物地图层处理单元在筛选障碍物时使用的筛选距离最小，筛选距离与地图层的维护区域大小是等价的。另外，各个地图层处理单元会给本层上的障碍物添加不同的类型值。
本实施例中，
所述***还包括：障碍物捕捉单元40，用于根据视觉传感器采集的图像信息进行障碍物检测，即发现障碍物；
所述障碍物识别单元对检测到的障碍物进行识别，包括：对所述障碍物捕捉单元检测到的障碍物的图像进行图像识别；
所述障碍物分类单元确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型，包括：根据所述障碍物识别单元识别出的障碍物查找预设的所述多种类型各自包含的障碍物的信息，确定所述障碍物所属的类型。
上述障碍物捕捉单元是可选地，根据视觉传感器采集的图像信息进行障碍物检测的处理也可以由视觉传感器或之后的功能单元来完成。
本实施例中，
所述多种类型包括激变型(激变型障碍物包括家庭宠物)时，所述障碍物处理单元构建地图标记所述障碍物，包括：如所述障碍物所属的类型为激变型，构建激变型障碍物地图层标记所述障碍物，所述激变型障碍物地图层的维护区域小于其他地图层的维护区域，所述其他地图层用于标记所述多种类型中其他类型的障碍物。
本实施例中，
所述地图为包括静态地图层的导航地图，所述静态地图层标记有导航前环境中的障碍物；
所述障碍物识别单元对检测到的障碍物进行识别，包括：在导航过程中，对在所述环境中检测到的新增的障碍物进行识别；
所述障碍物处理单元构建地图标记所述障碍物包括：构建动态地图层标记所述新增的障碍物；
所述***还包括：地图层融合单元50，用于对障碍物的周边进行膨胀处理，融合所述静态地图层和地态地图层，得到更新后的导航主地图。这里，融合所述静态地图层和地态地图层，即将静态地图层和地态地图层标记的障碍物按照其位置标记到同一张地图上，并维护该地图中障碍物、膨胀栅格与地图坐标之间的映射关系。其他相关的信息如膨胀范围、障碍物所属的类型等也保存在该地图的关联数据中。
对于本申请来说，地图层的融合是可选的，在一张不分层的地图上，通过障碍物特性分类，仍然可以使用上述膨胀策略、重用策略及避让策略等。
在另一实施例中，
对障碍物的膨胀处理由单独的功能单元来处理。在该实施例中，所述多种类型包括风险型，风险型障碍物包括婴幼儿；所述***还包括：障碍物膨胀单元，用于对地图中标记的所述障碍物的周边进行膨胀处理，且在所述障碍物所属的类型为风险型时，在膨胀处理时使用第一膨胀半径，所述第一膨胀半径大于对所述多种类型中其他类型的障碍物的周边进行膨胀处理时使用的膨胀半径。
本实施例中，
所述地图为包括静态地图层的导航地图，所述多种类型包括稳定型，稳定型障碍物包括建筑构件和/或家具；
所述***还包括：障碍物更新单元60，用于在导航结束之后，将所述动态地图层标记的新增的稳定型障碍物添加到所述静态地图层。
本实施例中，
将地图构建***的上述功能单元进行接口化封装，使其成为可以向移动机器人业务等业务提供地图服务的服务平台。在其他实施例中，上述功能单元和接口也可以用分立的器件分别实现。
本实施例地图构建***的接口包括：
导航地图构建接口70，用于接收导航地图更新的外部请求，启动所述障碍物识别单元、障碍物分类单元、障碍物处理单元和地图层融合单元以执行导航地图更新任务，并将更新后的导航主地图返回给所述移动机器人业务；
可选地，地图构建***的接口还可以包括：
静态地图构建接口80，用于接收静态地图构建的外部请求，完成室内环境静态地图的构建，并返回给请求方。但静态层地图层也可以通过导入环境地图来实现，并不一定是地图构建***创建的。
地图更新接口90，用于接收地图更新的外部请求，在一次导航结束后，将所述动态地图层标记的新增的稳定型障碍物添加到所述静态地图层。
地图保存接口100，用于对构建完成的或更新后的静态地图进行保存。
如果环境地图保存在地图构建***内部的存储卡上，则可以自行完成上述静态地图的更新和保存的处理。
本实施例还提供了一种地图构建装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如本实施例方法的处理。
本发明实施例地图构建方案，使得地图的表示更加语义化和精细化，进而可以为移动机器人的自主导航提供更多的实用性、灵活性和安全性，也可以节约资源。非常适用于室内移动机器人导航的应用场景。
实施例二
本实施例提供一种导航方法，如图3所示，包括：步骤210，对行进路径上检测到的新增的障碍物进行识别，根据识别结果确定所述新增的障碍物在根据障碍物特性分类得到的多种类型中所属的类型；步骤220，根据所述新增的障碍物所属的类型进行避障处理。
本实施例中，
根据障碍物特性分类的方法包括协商型和其他类型，协商型障碍物包括成人，其他类型可是稳定型、激变型等，但在本实施例中，对其他类型并不进行局限。本实施例根据所述新增的障碍物所属的类型进行避障处理，包括：如所述新增的障碍物为协商型障碍物，发起与所述协商型障碍物的交互，请求所述协商型障碍物避让。
在一个示例中，所述发起与所述协商型障碍物的交互，请求所述协商型障碍物避让之后，所述方法还包括：判断在设定的时间内，所述协商型障碍物是否离开所述行进路径和/或返回同意避让的响应，如果是，按照所述行进路径继续前进，如果否，重新规划新的进行路径。
本实施例中，
导航使用的导航地图为移动机器人导航用的室内栅格地图，可以采用实施例一中的地图构建方法构建，但并不必须如此，只要在构建的地图中将协商型障碍物与其他类型障碍物可以区分开来即可。
本实施例还提供了一种导航***，如图4所示，包括导航模块101和地图构建模块102，其中：
所述导航模块101，用于规划行进路径，通知所述地图构建模块启动导航地图更新任务；
所述地图构建模块102，用于对所述行进路径上检测到的新增的障碍物进行识别，根据识别结果确定所述新增的障碍物在根据障碍物特性分类得到的多种类型中所属的类型，更新所述导航地图以标记所述新增的障碍物并记录其所属的类型，并将更新后的导航地图返回给所述导航模块；
所述导航模块101还用于接收所述更新后的导航地图，根据所述新增的障碍物所属的类型进行避障处理。
上述导航模块可以使用如控制移动机器人行进的导航***来实现，而地图构建***可以使用实施例一所述的地图构建***，但不局限于此。
本实施例中，
所述多种类型包括协商型，协商型障碍物包括成人；
所述***还包括人机交互模块，人机交互模块如可以是语音***；
所述导航模块根据所述新增的障碍物所属的类型进行避障处理，包括：如所述新增的障碍物为协商型障碍物，通过所述人机交互模块发起与所述协商型障碍物的交互，请求所述协商型障碍物避让。
本实施例中，
所述导航模块通过所述人机交互模块发起与所述协商型障碍物的交互，请求所述协商型障碍物避让之后，所述方法还包括：判断在设定的时间内，所述协商型障碍物是否离开所述行进路径和/或返回同意避让的响应，如果是，保持所述行进路径不变，如果否，重新规划新的进行路径。
上述实施例方案在导航时对新增障碍物要确定其根据障碍物特性划分的类型，对不同类型的障碍物采用不同的避障策略，从而提高避障效果。
实施例三
本实施例通过一个示例，描述基于室内障碍物特征分类的栅格地图构建流程，在导航任务开始前，移动机器人围绕室内环境行走，根据外部传感器的信息，完成静态地图层的构建。由于本阶段发生在移动机器人导航任务之前，因此静态地图层当中的障碍物，都属于稳定型障碍物；
如图5所示，该流程包括：
步骤301，启动导航任务；
步骤302，发现障碍物；
本步骤中，地图构建***对传感器采集的图像进行检测，发现新的障碍物在前方出现；
步骤303，障碍物图像识别，
本步骤中，地图构建***根据障碍物的图像信息，进行特征提取和识别，如识别出前方的障碍物为一只猫，或一张桌子。
步骤304，障碍物分类；
本步骤中，地图构建***根据所述识别结果，按照障碍物所属的类别进行归类；
步骤305，判断所述障碍物是否激变型障碍物，如果是，转入步骤306，否则，转入步骤307；
步骤306，在激变型障碍物地图层标记所述障碍物，转入步骤312；
该示例中，激变型障碍物地图层的维护区域比其他地图层都小。
步骤307，判断所述障碍物是否风险型障碍物，如果是，转入步骤308，否则转入步骤309；
步骤308，在风险型障碍物地图层标记所述障碍物，转入步骤312；
步骤309，判断所述障碍物是否协商型障碍物，如果是，转入步骤310，否则，转入步骤311；
步骤310，在协商型障碍物地图层标记所述障碍物，转入步骤312；
步骤311，在稳定型障碍物地图层标记所述障碍物；
步骤312，将上述各个地态地图层和静态地图层进行融合，得到导航用的主栅格地图；
在融合之前或之后，可以对障碍物周边进行膨胀处理，其中，对风险型障碍物地图层中障碍物使用的膨胀半径比其他地图层中障碍物的膨胀半径均要大。
步骤313，判断导航任务是否结束，如果是，结束本次流程，如果否，转入步骤302。
图6至图11给出了一个基于室内障碍物特征分类的地图层构建的简单示例。其中：
图6所示的是静态地图层的示例。该地图层的栅格保存的是整个室内环境的大致分布情况。为便于理解，这里对室内环境进行了简化处理，设若本地图层维护的栅格范围自(0，0)至(19，19)，只包括四个稳定型障碍物，分别位于坐标点(17，0)，(0，4)，(0，19)和(19，16)上。
图7所示的是稳定型障碍物地图层的示例。该地图层的栅格保存的是移动机器人导航过程中发现的稳定型障碍物。它无需时刻关注整个室内环境空间，而只是维护传感器前方一定区域内的障碍物变动情况。为便于理解，这里假定本地图层负责维护的区域范围为一个6*6的栅格，当前时刻维护区域对应的栅格坐标自(3，3)至(8，8)，新发现一个位于坐标点(6，5)上的稳定型障碍物。
图8所示的是协商型障碍物地图层的示例。该地图层的栅格保存的是移动机器人导航过程中发现的协商型障碍物。它无需时刻关注整个室内环境空间，而只是维护传感器前方一定区域内的障碍物变动情况。为便于理解，这里假定本地图层负责维护的区域范围为一个6*6的栅格，当前时刻维护区域对应的栅格坐标自(0，0)至(5，5)，新发现一个位于坐标点(2，1)上的协商型障碍物。
图9所示的是风险型障碍物地图层的示例。该地图层的栅格保存的是移动机器人导航过程中发现的风险型障碍物。它无需时刻关注整个室内环境空间，而只是维护传感器前方一定区域内的障碍物变动情况。为便于理解，这里假定本地图层负责维护的区域范围为一个6*6的栅格，当前时刻维护区域对应的栅格坐标自(7，7)至(12，12)，新发现一个位于坐标点(10，9)上的风险型障碍物。
图10所示的是激变型障碍物地图层的示例。该地图层的栅格保存的是移动机器人导航过程中发现的激变型障碍物。它无需时刻关注整个室内环境空间，而只是维护传感器前方一定区域内的障碍物变动情况。为便于理解，这里假定本地图层负责维护的区域范围为一个3*3的栅格，当前时刻维护区域对应的栅格坐标自(13，13)至(15，15)，新发现一个位于坐标点(14，14)上的激变型障碍物。
图11所示是经地图层融合单元融合之后的主栅格地图示例。该地图层首先将各个地图层的障碍物抽取出来，放置在主栅格地图对应的坐标上。然后按照不同的膨胀处理策略对于其中的各种障碍物周边栅格进行膨胀处理。具体而言，风险型障碍物周边采用激进的膨胀半径加以膨胀处理，其他的障碍物周边采用保守的膨胀半径加以膨胀处理。为简便起见，这里假设激进的膨胀半径为2个栅格长度，保守的膨胀半径为1个栅格长度。
可选地，在当次导航任务结束之后，地图构建***可以将稳定型障碍物地图层的障碍物数据更新到静态地图层。更新后的静态地图层如图12所示。
实施例四
本实施例描述一个示例性的协商型障碍物的避障策略。如图13所示，本实施例协商避让方法的流程包括：
步骤401，移动机器人导航过程中，由于前方新的障碍物的出现，导致原来规划的行进路径受阻；
步骤402，导航***在主栅格地图上，提取该障碍物的类型标识，确定该障碍物是协商型障碍物，通知移动机器人语音交互业务模块；
步骤403，语音交互业务模块发起语音交互流程，请求前方的协商型障碍物避让，并等待响应；
步骤404，判断在设定时间内，协商型障碍物是否发出肯定的语音响应并避让措施，离开行进路径，如果是，执行步骤405，否则转入步骤406；
可以在得到协商型障碍物的肯定响应，或者确定该协商型障碍物已避让这两个条件之一满足时，即执行步骤405。
步骤405，导航***不改变行进路径，指示机器人按照行进路径正常行进至目标，结束；
步骤406，导航***以当前移动机器人的位置为起点，以目标点为终点，重新规划行进路径，如重新规划行进路径成功，执行步骤407，如果失败，则表明已经没有可达目标点的路径，可以强制终止导航任务；
步骤407，导航***指示移动机器人按照新的行进路径达到目标点，结束。
实施例五
本实施例的栅格地图构建***封装有多种接口，可对外提供地图服务，本实施例将其称为栅格地图服务平台。本实施例描述移动机器人业务对栅格地图服务平台的调用流程，第三方移动机器人业务可以是建立在室内机器人自主导航基础上的其他应用场景。自主导航是基础性的功能，导航到目标点后做什么事会产生价值是第三方移动机器人业务解决的问题。
如图14所示，该流程包括：
步骤一，第三方移动机器人业务调用栅格地图服务平台提供的静态地图构建接口，启动地图创建任务；
步骤二，栅格地图服务平台启动地图实时创建流程，并返回地图实时创建界面给第三方移动机器人业务；
步骤三，第三方移动机器人业务驱动移动机器人绕室内环境移动；
步骤四，第三方移动机器人业务将传感器扫描到的室内环境信息发送给栅格地图服务平台上的静态地图构建接口；
步骤五，栅格地图服务平台“更新地图”并通过静态地图构建接口发送给第三方移动机器人业务，进行地图界面的实时更新和呈现；
步骤六，重复步骤三至步骤五，直到室内环境地图构建完成，第三方移动机器人业务调用栅格地图服务平台的地图保存接口保存构建的地图；
步骤七，地图保存接口启动保存流程，将构建好的地图数据保存为外存中的地图文件；
步骤八，地图保存完成后，地图保存接口返回完成的状态给第三方移动机器人业务；
步骤九，第三方移动机器人执行自主导航，将上述保存的地图文件载入导航***，并通过调用栅格地图服务平台提供的导航地图构建接口启动地图更新任务；
步骤十，导航地图构建接口执行流程，分别启动稳定型障碍物地图层处理单元、协商型障碍物地图层处理单元、激变型障碍物地图层处理单元、风险型障碍物地图层处理单元以及地图层融合单元，用于处理移动机器人导航过程中的各种类型障碍物对应的地图层构建和主地图生成；
步骤十一，导航地图构建接口将得到的用于实时导航的主栅格图返回给第三方移动机器人业务；
步骤十二，第三方移动机器人业务利用实时导航的主栅格地图执行导航和其他业务任务；
步骤十三，第三方移动机器人业务完成当次导航任务，调用栅格地图服务平台地图更新接口实现对静态层地图的更新；
步骤十四，地图更新接口执行流程，利用稳定型障碍物地图层的信息更新静态地图层；
步骤十五，地图更新完成后，地图更新接口将更新后的地图导出，替换原来的地图文件，并返回更新完成的状态给第三方移动机器人业务，整个流程结束。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、***、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (29)

1.一种地图构建方法，包括：
对检测到的障碍物进行识别，根据识别结果确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型；
构建地图标记所述障碍物，并记录所述障碍物所属的类型。
2.如权利要求1所述的方法，其特征在于：
所述障碍物特性包括障碍物的自主移动能力、交互能力、安全性和自主避险能力中的一种或多种。
3.如权利要求2所述的方法，其特征在于：
所述根据障碍物特性分类得到的多种类型包括稳定型、协商型、风险型和激变型中的至少二种，其中：
稳定型障碍物包括一种或多种不具备自主移动能力的障碍物；
协商型障碍物包括一种或多种具备自主移动和人机交互能力的障碍物；
风险型障碍物包括一种或多种作为被保护对象的障碍物；
激变型障碍物包括一种或多种具备自主避险能力的障碍物。
4.如权利要求1所述的方法，其特征在于：
所述根据障碍物特性分类得到的多种类型包括稳定型、协商型、风险型和激变型中的至少二种，其中：
稳定型障碍物包括建筑构件和/或家具；
协商型障碍物包括成人；
风险型障碍物包括婴幼儿；
激变型障碍物包括家庭宠物。
5.如权利要求1所述的方法，其特征在于：
所述地图为室内栅格地图；
所述构建地图标记所述障碍物，包括：为不同类型的障碍物构建不同的地图层，根据所述障碍物所属的类型在对应的地图层上标记所述障碍物。
6.如权利要求1所述的方法，其特征在于：
对检测到的障碍物进行识别，根据识别结果确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型，包括：
对视觉传感器采集的图像信息进行障碍物检测，对检测到的障碍物的图像进行图像识别，根据识别出的所述障碍物查找预先设置的所述多种类型各自包含的障碍物的信息，确定所述障碍物所属的类型。
7.如权利要求1所述的方法，其特征在于：
所述多种类型包括激变型，激变型障碍物包括家庭宠物；
所述构建地图标记所述障碍物，包括：如所述障碍物所属的类型为激变型，构建激变型障碍物地图层标记所述障碍物，所述激变型障碍物地图层的维护区域小于其他地图层的维护区域，所述其他地图层用于标记所述多种类型中其他类型的障碍物。
8.如权利要求1所述的方法，其特征在于：
所述多种类型包括风险型，风险型障碍物包括婴幼儿；
构建地图标记所述障碍物，并记录所述障碍物所属的类型之后，所述方法还包括：对所述障碍物的周边进行膨胀处理，如所述障碍物所属的类型为风险型，在膨胀处理时使用第一膨胀半径，所述第一膨胀半径大于对所述多种类型中其他类型的障碍物的周边进行膨胀处理时使用的膨胀半径。
9.如权利要求1-8中任一所述的方法，其特征在于：
所述地图是包括静态地图层的导航地图，所述静态地图层标记有导航前环境中的障碍物；
所述对检测到的障碍物进行识别，包括：在导航过程中，对在所述环境中检测到的新增的障碍物进行识别；
所述构建地图标记所述障碍物，并记录所述障碍物所属的类型，包括：构建动态地图层标记所述新增的障碍物，并记录所述新增的障碍物所属的类型；
构建动态地图标记所述新增的障碍物之后，所述方法还包括：对障碍物的周边进行膨胀处理，融合所述静态地图层和动态地图层，得到更新后的导航主地图。
10.如权利要求9中任一所述的方法，其特征在于：
所述多种类型包括稳定型，稳定型障碍物包括建筑构件和/或家具；
在导航结束之后，所述方法还包括：将在所述动态地图层标记的新增的稳定型障碍物添加到所述静态地图层。
11.如权利要求10中任一所述的方法，其特征在于：
所述构建动态地图层标记所述新增的障碍物，包括：如所述新增的障碍物为稳定型障碍物，构建稳定型障碍物地图层标记所述新增的障碍物，如所述新增的障碍物为其他类型的障碍物，构建其他动态地图层标记所述新增的障碍物；
所述将新增的稳定型障碍物添加到所述静态地图层，包括：将所述稳定型障碍物地图层上标记的新增的障碍物添加到所述静态地图层。
12.一种导航方法，包括：
对行进路径上检测到的新增的障碍物进行识别，根据识别结果确定所述新增的障碍物在根据障碍物特性分类得到的多种类型中所属的类型；
根据所述新增的障碍物所属的类型进行避障处理。
13.如权利要求12所述的方法，其特征在于：
所述多种类型包括协商型，协商型障碍物包括成人；
根据所述新增的障碍物所属的类型进行避障处理，包括：如所述新增的障碍物为协商型障碍物，发起与所述协商型障碍物的交互，请求所述协商型障碍物避让。
14.如权利要求13所述的方法，其特征在于：
所述发起与所述协商型障碍物的交互，请求所述协商型障碍物避让之后，所述方法还包括：
判断在设定的时间内，所述协商型障碍物是否离开所述行进路径和/或返回同意避让的响应，如果是，按照所述行进路径继续前进，如果否，重新规划新的进行路径。
15.如权利要求12-14中任一所述的方法，其特征在于：
所述导航地图为移动机器人导航用的室内栅格地图。
16.一种地图构建***，包括：
障碍物识别单元，用于对检测到的障碍物进行识别，得到识别结果；
障碍物分类单元，用于根据所述识别结果，确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型；
障碍物处理单元，用于构建地图标记所述障碍物，并记录所述障碍物所属的类型。
17.如权利要求16所述的***，其特征在于：
所述障碍物特性包括障碍物的自主移动能力、交互能力、安全性和自主避险能力中的一种或多种。
18.如权利要求16所述的***，其特征在于：
所述根据障碍物特性分类得到的多种类型包括稳定型、协商型、风险型和激变型中的至少二种，其中：
稳定型障碍物包括建筑构件和/或家具；
协商型障碍物包括成人；
风险型障碍物包括婴幼儿；
激变型障碍物包括家庭宠物。
19.如权利要求16所述的***，其特征在于：
所述构建的地图为室内栅格地图；
所述障碍物处理单元构建地图标记所述障碍物，包括：为不同类型的障碍物构建不同的地图层，根据所述障碍物所属的类型在对应的地图层上标记所述障碍物。
20.如权利要求16所述的***，其特征在于：
所述***还包括：障碍物捕捉单元，用于根据视觉传感器采集的图像信息进行障碍物检测；
所述障碍物识别单元对检测到的障碍物进行识别，包括：对所述障碍物捕捉单元检测到的障碍物的图像进行图像识别；
所述障碍物分类单元确定所述障碍物在根据障碍物特性分类得到的多种类型中所属的类型，包括：根据所述障碍物识别单元识别出的障碍物查找预设的所述多种类型各自包含的障碍物的信息，确定所述障碍物所属的类型。
21.如权利要求16-20中任一所述的***，其特征在于：
所述多种类型包括激变型，激变型障碍物包括家庭宠物；
所述障碍物处理单元构建地图标记所述障碍物，包括：如所述障碍物所属的类型为激变型，构建激变型障碍物地图层标记所述障碍物，所述激变型障碍物地图层的维护区域小于其他地图层的维护区域，所述其他地图层用于标记所述多种类型中其他类型的障碍物。
22.如权利要求16-20中任一所述的***，其特征在于：
所述多种类型包括风险型，风险型障碍物包括婴幼儿；
所述***还包括：障碍物膨胀单元，用于对地图中标记的所述障碍物的周边进行膨胀处理，且在所述障碍物所属的类型为风险型时，在膨胀处理时使用第一膨胀半径，所述第一膨胀半径大于对所述多种类型中其他类型的障碍物的周边进行膨胀处理时使用的膨胀半径。
23.如权利要求16-20中任一所述的***，其特征在于：
所述地图为包括静态地图层的导航地图，所述静态地图层标记有导航前环境中的障碍物；
所述障碍物识别单元对检测到的障碍物进行识别，包括：在导航过程中，对在所述环境中检测到的新增的障碍物进行识别；
所述障碍物处理单元构建地图标记所述障碍物包括：构建动态地图层标记所述新增的障碍物；
所述***还包括：地图层融合单元，用于对障碍物的周边进行膨胀处理，融合所述静态地图层和地态地图层，得到更新后的导航主地图。
24.如权利要求23所述的***，其特征在于：
所述多种类型包括稳定型，稳定型障碍物包括建筑构件和/或家具；
所述***还包括：障碍物更新单元，用于在导航结束之后，将所述动态地图层标记的新增的稳定型障碍物添加到所述静态地图层。
25.如权利要求23所述的***，其特征在于：
所述地图构建***还包括：导航地图构建接口，用于接收导航地图更新的外部请求，启动所述障碍物识别单元、障碍物分类单元、障碍物处理单元和地图层融合单元以执行导航地图更新任务，并将更新后的导航主地图返回给所述移动机器人业务。
26.一种导航***，包括导航模块和地图构建模块，其中：
所述导航模块，用于规划行进路径，通知所述地图构建模块启动导航地图更新任务；
所述地图构建模块，用于对所述行进路径上检测到的新增的障碍物进行识别，根据识别结果确定所述新增的障碍物在根据障碍物特性分类得到的多种类型中所属的类型，更新所述导航地图以标记所述新增的障碍物并记录其所属的类型，并将更新后的导航地图返回给所述导航模块；
所述导航模块还用于接收所述更新后的导航地图，根据所述新增的障碍物所属的类型进行避障处理。
27.如权利要求26所述的***，其特征在于：
所述多种类型包括协商型，协商型障碍物包括成人；
所述***还包括人机交互模块；
所述导航模块根据所述新增的障碍物所属的类型进行避障处理，包括：如所述新增的障碍物为协商型障碍物，通过所述人机交互模块发起与所述协商型障碍物的交互，请求所述协商型障碍物避让。
28.如权利要求27所述的***，其特征在于：
所述导航模块通过所述人机交互模块发起与所述协商型障碍物的交互，请求所述协商型障碍物避让之后，所述方法还包括：判断在设定的时间内，所述协商型障碍物是否离开所述行进路径和/或返回同意避让的响应，如果是，保持所述行进路径不变，如果否，重新规划新的进行路径。
29.一种地图构建装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-11所述的方法的处理。
CN201711499191.0A 2017-12-29 2017-12-29 一种地图构建、导航方法及装置、*** Pending CN108344414A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201711499191.0A CN108344414A (zh) 2017-12-29 2017-12-29 一种地图构建、导航方法及装置、***
US16/958,855 US11359930B2 (en) 2017-12-29 2018-12-24 Map construction and navigation method, and device and system
EP18893502.7A EP3734225A4 (en) 2017-12-29 2018-12-24 METHOD OF CONSTRUCTION AND MAPPING NAVIGATION, DEVICE AND SYSTEM
PCT/CN2018/123164 WO2019128933A1 (zh) 2017-12-29 2018-12-24 一种地图构建、导航方法及装置、***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711499191.0A CN108344414A (zh) 2017-12-29 2017-12-29 一种地图构建、导航方法及装置、***

Publications (1)

Publication Number Publication Date
CN108344414A true CN108344414A (zh) 2018-07-31

Family

ID=62961303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711499191.0A Pending CN108344414A (zh) 2017-12-29 2017-12-29 一种地图构建、导航方法及装置、***

Country Status (4)

Country Link
US (1) US11359930B2 (zh)
EP (1) EP3734225A4 (zh)
CN (1) CN108344414A (zh)
WO (1) WO2019128933A1 (zh)

Cited By (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108827336A (zh) * 2018-09-26 2018-11-16 广东工业大学 一种基于无人驾驶的路径规划方法、装置及设备
CN109238296A (zh) * 2018-08-16 2019-01-18 佛山科学技术学院 一种高精度室内导航方法及装置
CN109568093A (zh) * 2018-11-27 2019-04-05 湖北经济学院 一种步行安全综合管理***及方法
CN109602343A (zh) * 2019-01-10 2019-04-12 珠海格力电器股份有限公司 基于微波雷达的扫地机器人的控制方法及装置、***
CN109655073A (zh) * 2018-12-06 2019-04-19 宁波吉利汽车研究开发有限公司 一种在无或弱信号区域中的地图绘制方法、装置及车辆
WO2019128933A1 (zh) * 2017-12-29 2019-07-04 中兴通讯股份有限公司 一种地图构建、导航方法及装置、***
CN110081893A (zh) * 2019-04-01 2019-08-02 东莞理工学院 一种基于策略重用和强化学习的导航路径规划方法
CN110164288A (zh) * 2019-06-04 2019-08-23 浙江大学昆山创新中心 一种基于自建图的静态地图在线更新方法和装置
CN110522359A (zh) * 2019-09-03 2019-12-03 深圳飞科机器人有限公司 清洁机器人以及清洁机器人的控制方法
CN110658819A (zh) * 2019-09-30 2020-01-07 北京猎户星空科技有限公司 一种避障方法、装置、电子设备和存储介质
CN110736465A (zh) * 2019-11-15 2020-01-31 北京云迹科技有限公司 导航方法、装置、机器人及计算机可读存储介质
CN110764110A (zh) * 2019-11-12 2020-02-07 深圳创维数字技术有限公司 路径导航方法、装置及计算机可读存储介质
CN110895409A (zh) * 2018-08-23 2020-03-20 珠海格力电器股份有限公司 避让障碍物的控制方法
CN110928282A (zh) * 2018-09-17 2020-03-27 格力电器（武汉）有限公司 清扫机器人的控制方法及装置
CN110968083A (zh) * 2018-09-30 2020-04-07 科沃斯机器人股份有限公司 栅格地图的构建方法、避障的方法、设备及介质
CN111338384A (zh) * 2019-12-17 2020-06-26 北京化工大学 一种仿蛇机器人自适应路径跟踪方法
CN111338336A (zh) * 2020-02-11 2020-06-26 腾讯科技（深圳）有限公司 一种自动驾驶方法及装置
CN111374607A (zh) * 2018-12-29 2020-07-07 尚科宁家(中国)科技有限公司 一种基于扫地机器人的目标识别方法及装置、设备、介质
CN111443695A (zh) * 2018-12-28 2020-07-24 珠海市一微半导体有限公司 扫地机器人控制方法、装置、存储介质及扫地机器人
CN111481105A (zh) * 2020-04-20 2020-08-04 北京石头世纪科技股份有限公司 一种自行走机器人避障方法、装置、机器人和存储介质
CN111624989A (zh) * 2019-02-28 2020-09-04 科沃斯机器人股份有限公司 控制方法及自移动设备
CN111631650A (zh) * 2020-06-05 2020-09-08 上海黑眸智能科技有限责任公司 基于障碍物高度检测的室内平面图生成方法、***、终端以及扫地机器人
CN111829526A (zh) * 2020-07-23 2020-10-27 中国人民解放军国防科技大学 一种基于防撞半径的距离地图重构与跳点路径规划方法
CN111966097A (zh) * 2020-08-12 2020-11-20 深圳华芯信息技术股份有限公司 基于栅格地图区域化探索的建图方法、***以及终端
CN112150490A (zh) * 2020-09-30 2020-12-29 小狗电器互联网科技（北京）股份有限公司 图像检测方法、装置、电子设备和计算机可读介质
CN112161624A (zh) * 2020-09-11 2021-01-01 上海高仙自动化科技发展有限公司 标记方法、标记装置、智能机器人及可读存储介质
CN112197763A (zh) * 2020-09-30 2021-01-08 灵动科技（北京）有限公司 地图构建方法、装置、设备和存储介质
CN112256005A (zh) * 2019-07-02 2021-01-22 广州哨马智能装备科技有限公司 基于超声波传感器的避障***和方法以及机器人
CN112882470A (zh) * 2021-01-14 2021-06-01 中广核工程有限公司 一种核电站试验机器人及试验方法
CN114003036A (zh) * 2021-10-28 2022-02-01 广州赛特智能科技有限公司 机器人避障控制方法、装置、设备和介质
CN114185353A (zh) * 2021-12-09 2022-03-15 吉林大学 一种自主作业装载机倒车避障与路径规划方法
CN114415659A (zh) * 2021-12-13 2022-04-29 烟台杰瑞石油服务集团股份有限公司 一种机器人安全避障方法、装置、机器人及存储介质
WO2022127439A1 (zh) * 2020-12-17 2022-06-23 深圳市普渡科技有限公司 机器人遇障处理方法、装置、设备和计算机可读存储介质
WO2022142889A1 (zh) * 2020-12-31 2022-07-07 华为技术有限公司 高精度地图更新方法及装置
US20220343241A1 (en) * 2019-06-21 2022-10-27 Intel Corporation Technologies for enabling collective perception in vehicular networks
CN115629612A (zh) * 2022-12-19 2023-01-20 科大讯飞股份有限公司 一种避障方法、装置、设备及存储介质
WO2023000968A1 (zh) * 2021-07-21 2023-01-26 华为技术有限公司 一种地图、地图生成方法及装置
WO2023016188A1 (zh) * 2021-08-10 2023-02-16 追觅创新科技(苏州)有限公司 地图的绘制方法和装置、扫地机、存储介质、电子装置
WO2023103515A1 (zh) * 2021-12-07 2023-06-15 北京石头世纪科技股份有限公司 自行走设备的控制方法、自行走设备和存储介质
CN116466723A (zh) * 2023-04-26 2023-07-21 曲阜师范大学 一种消杀机器人避障方法、***和设备

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11429110B1 (en) * 2019-05-24 2022-08-30 Amazon Technologies, Inc. System for obstacle avoidance by autonomous mobile device
CN111060116B (zh) * 2019-12-04 2023-07-18 江西洪都航空工业集团有限责任公司 一种基于视觉的草场自主建图***
CN112150491B (zh) * 2020-09-30 2023-08-18 北京小狗吸尘器集团股份有限公司 图像检测方法、装置、电子设备和计算机可读介质
CN112462768B (zh) * 2020-11-25 2024-03-29 深圳拓邦股份有限公司 移动机器人导航地图的创建方法、装置及移动机器人
US11960282B2 (en) * 2021-01-05 2024-04-16 Abb Schweiz Ag Systems and methods for servicing a data center using autonomous vehicle
CN112904841B (zh) * 2021-01-12 2023-11-03 北京布科思科技有限公司 非水平朝向的单线定位避障方法和装置、设备及存储介质
KR20220121483A (ko) * 2021-02-25 2022-09-01 엘지전자 주식회사 지능적 맵 생성 방법 및 그 이동 로봇
CN113156949A (zh) * 2021-04-19 2021-07-23 深圳市云鼠科技开发有限公司 机器人航向角纠偏方法、装置、计算机设备及存储介质
CN113390417A (zh) * 2021-06-25 2021-09-14 深圳市优必选科技股份有限公司 机器人及其导航方法、装置和计算机可读存储介质
CN113485368B (zh) * 2021-08-09 2024-06-07 国电南瑞科技股份有限公司 一种架空输电线路巡线机器人导航、巡线方法及装置
CN113867349B (zh) * 2021-09-28 2024-04-09 浙江大华技术股份有限公司 一种机器人的避障方法、***及智能机器人
DE102021133614A1 (de) * 2021-12-17 2023-06-22 Still Gesellschaft Mit Beschränkter Haftung Verfahren zur Erzeugung einer Umgebungskarte für einen mobilen Logistik-Roboter und mobiler Logistik-Roboter

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103984037A (zh) * 2014-04-30 2014-08-13 深圳市墨克瑞光电子研究院 基于视觉的移动机器人障碍物检测方法和装置
CN104615138A (zh) * 2015-01-14 2015-05-13 上海物景智能科技有限公司 一种划分移动机器人室内区域动态覆盖方法及其装置
CN104808671A (zh) * 2015-05-19 2015-07-29 东南大学 一种家居环境下的机器人路径规划方法
CN105074602A (zh) * 2013-03-29 2015-11-18 株式会社日立产机*** 位置识别装置和具有该位置识别装置的移动机器人
CN105182979A (zh) * 2015-09-23 2015-12-23 上海物景智能科技有限公司 一种移动机器人障碍物检测及避让方法和***
JP5891553B2 (ja) * 2011-03-01 2016-03-23 株式会社国際電気通信基礎技術研究所 ルートパースペクティブモデル構築方法およびロボット
CN106338996A (zh) * 2016-10-20 2017-01-18 上海物景智能科技有限公司 一种移动机器人安全控制的方法及***
CN106530946A (zh) * 2016-11-30 2017-03-22 北京贝虎机器人技术有限公司 用于编辑室内地图的方法及装置
CN107256019A (zh) * 2017-06-23 2017-10-17 杭州九阳小家电有限公司 一种清洁机器人的路径规划方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8989972B2 (en) 2008-09-11 2015-03-24 Deere & Company Leader-follower fully-autonomous vehicle with operator on side
KR102521493B1 (ko) * 2015-10-27 2023-04-14 삼성전자주식회사 청소 로봇 및 그 제어방법
US9612123B1 (en) * 2015-11-04 2017-04-04 Zoox, Inc. Adaptive mapping to navigate autonomous vehicles responsive to physical environment changes
US10414052B2 (en) * 2016-02-09 2019-09-17 Cobalt Robotics Inc. Building-integrated mobile robot
US10816654B2 (en) * 2016-04-22 2020-10-27 Huawei Technologies Co., Ltd. Systems and methods for radar-based localization
US10730512B2 (en) * 2016-05-06 2020-08-04 Pcms Holdings, Inc. Method and system for collaborative sensing for updating dynamic map layers
KR102012550B1 (ko) * 2017-02-20 2019-08-20 엘지전자 주식회사 돌발 장애물을 식별하는 방법 및 이를 구현하는 로봇
US10907974B2 (en) * 2017-04-17 2021-02-02 Cisco Technology, Inc. Real-time updates to maps for autonomous navigation
WO2018218149A1 (en) * 2017-05-26 2018-11-29 Google Llc Data fusion system
JP7062892B2 (ja) * 2017-07-13 2022-05-09 トヨタ自動車株式会社 ダイナミックマップ更新装置、ダイナミックマップ更新方法、ダイナミックマップ更新プログラム
US11562524B2 (en) 2017-10-31 2023-01-24 Hewlett-Packard Development Company, L.P. Mobile robots to generate occupancy maps
US10606269B2 (en) * 2017-12-19 2020-03-31 X Development Llc Semantic obstacle recognition for path planning
CN108344414A (zh) * 2017-12-29 2018-07-31 中兴通讯股份有限公司 一种地图构建、导航方法及装置、***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5891553B2 (ja) * 2011-03-01 2016-03-23 株式会社国際電気通信基礎技術研究所 ルートパースペクティブモデル構築方法およびロボット
CN105074602A (zh) * 2013-03-29 2015-11-18 株式会社日立产机*** 位置识别装置和具有该位置识别装置的移动机器人
CN103984037A (zh) * 2014-04-30 2014-08-13 深圳市墨克瑞光电子研究院 基于视觉的移动机器人障碍物检测方法和装置
CN104615138A (zh) * 2015-01-14 2015-05-13 上海物景智能科技有限公司 一种划分移动机器人室内区域动态覆盖方法及其装置
CN104808671A (zh) * 2015-05-19 2015-07-29 东南大学 一种家居环境下的机器人路径规划方法
CN105182979A (zh) * 2015-09-23 2015-12-23 上海物景智能科技有限公司 一种移动机器人障碍物检测及避让方法和***
CN106338996A (zh) * 2016-10-20 2017-01-18 上海物景智能科技有限公司 一种移动机器人安全控制的方法及***
CN106530946A (zh) * 2016-11-30 2017-03-22 北京贝虎机器人技术有限公司 用于编辑室内地图的方法及装置
CN107256019A (zh) * 2017-06-23 2017-10-17 杭州九阳小家电有限公司 一种清洁机器人的路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张慧: "四足机器人环境感知、识别与领航员跟随算法研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019128933A1 (zh) * 2017-12-29 2019-07-04 中兴通讯股份有限公司 一种地图构建、导航方法及装置、***
US11359930B2 (en) 2017-12-29 2022-06-14 Zte Corporation Map construction and navigation method, and device and system
CN109238296A (zh) * 2018-08-16 2019-01-18 佛山科学技术学院 一种高精度室内导航方法及装置
CN109238296B (zh) * 2018-08-16 2022-03-22 佛山科学技术学院 一种高精度室内导航方法及装置
CN110895409A (zh) * 2018-08-23 2020-03-20 珠海格力电器股份有限公司 避让障碍物的控制方法
CN110928282A (zh) * 2018-09-17 2020-03-27 格力电器（武汉）有限公司 清扫机器人的控制方法及装置
CN108827336A (zh) * 2018-09-26 2018-11-16 广东工业大学 一种基于无人驾驶的路径规划方法、装置及设备
CN110968083A (zh) * 2018-09-30 2020-04-07 科沃斯机器人股份有限公司 栅格地图的构建方法、避障的方法、设备及介质
CN109568093A (zh) * 2018-11-27 2019-04-05 湖北经济学院 一种步行安全综合管理***及方法
CN109655073A (zh) * 2018-12-06 2019-04-19 宁波吉利汽车研究开发有限公司 一种在无或弱信号区域中的地图绘制方法、装置及车辆
CN111443695A (zh) * 2018-12-28 2020-07-24 珠海市一微半导体有限公司 扫地机器人控制方法、装置、存储介质及扫地机器人
CN111374607A (zh) * 2018-12-29 2020-07-07 尚科宁家(中国)科技有限公司 一种基于扫地机器人的目标识别方法及装置、设备、介质
CN109602343A (zh) * 2019-01-10 2019-04-12 珠海格力电器股份有限公司 基于微波雷达的扫地机器人的控制方法及装置、***
CN111624989A (zh) * 2019-02-28 2020-09-04 科沃斯机器人股份有限公司 控制方法及自移动设备
CN110081893A (zh) * 2019-04-01 2019-08-02 东莞理工学院 一种基于策略重用和强化学习的导航路径规划方法
CN110164288A (zh) * 2019-06-04 2019-08-23 浙江大学昆山创新中心 一种基于自建图的静态地图在线更新方法和装置
US20220343241A1 (en) * 2019-06-21 2022-10-27 Intel Corporation Technologies for enabling collective perception in vehicular networks
CN112256005B (zh) * 2019-07-02 2022-11-15 广州哨马智能装备科技有限公司 基于超声波传感器的避障***和方法以及机器人
CN112256005A (zh) * 2019-07-02 2021-01-22 广州哨马智能装备科技有限公司 基于超声波传感器的避障***和方法以及机器人
CN110522359A (zh) * 2019-09-03 2019-12-03 深圳飞科机器人有限公司 清洁机器人以及清洁机器人的控制方法
CN110522359B (zh) * 2019-09-03 2021-09-03 深圳飞科机器人有限公司 清洁机器人以及清洁机器人的控制方法
CN110658819A (zh) * 2019-09-30 2020-01-07 北京猎户星空科技有限公司 一种避障方法、装置、电子设备和存储介质
CN110658819B (zh) * 2019-09-30 2022-04-15 北京猎户星空科技有限公司 一种避障方法、装置、电子设备和存储介质
CN110764110A (zh) * 2019-11-12 2020-02-07 深圳创维数字技术有限公司 路径导航方法、装置及计算机可读存储介质
CN110764110B (zh) * 2019-11-12 2022-04-08 深圳创维数字技术有限公司 路径导航方法、装置及计算机可读存储介质
CN110736465B (zh) * 2019-11-15 2021-01-08 北京云迹科技有限公司 导航方法、装置、机器人及计算机可读存储介质
CN110736465A (zh) * 2019-11-15 2020-01-31 北京云迹科技有限公司 导航方法、装置、机器人及计算机可读存储介质
CN111338384A (zh) * 2019-12-17 2020-06-26 北京化工大学 一种仿蛇机器人自适应路径跟踪方法
CN111338384B (zh) * 2019-12-17 2021-06-08 北京化工大学 一种仿蛇机器人自适应路径跟踪方法
CN111338336A (zh) * 2020-02-11 2020-06-26 腾讯科技（深圳）有限公司 一种自动驾驶方法及装置
WO2021212926A1 (zh) * 2020-04-20 2021-10-28 北京石头世纪科技股份有限公司 自行走机器人避障方法、装置、机器人和存储介质
CN111481105A (zh) * 2020-04-20 2020-08-04 北京石头世纪科技股份有限公司 一种自行走机器人避障方法、装置、机器人和存储介质
CN111631650A (zh) * 2020-06-05 2020-09-08 上海黑眸智能科技有限责任公司 基于障碍物高度检测的室内平面图生成方法、***、终端以及扫地机器人
CN111631650B (zh) * 2020-06-05 2021-12-03 上海黑眸智能科技有限责任公司 基于障碍物高度检测的室内平面图生成方法、***、终端以及扫地机器人
CN111829526A (zh) * 2020-07-23 2020-10-27 中国人民解放军国防科技大学 一种基于防撞半径的距离地图重构与跳点路径规划方法
CN111829526B (zh) * 2020-07-23 2022-05-10 中国人民解放军国防科技大学 一种基于防撞半径的距离地图重构与跳点路径规划方法
CN111966097B (zh) * 2020-08-12 2024-06-14 深圳华芯信息技术股份有限公司 基于栅格地图区域化探索的建图方法、***以及终端
CN111966097A (zh) * 2020-08-12 2020-11-20 深圳华芯信息技术股份有限公司 基于栅格地图区域化探索的建图方法、***以及终端
CN112161624A (zh) * 2020-09-11 2021-01-01 上海高仙自动化科技发展有限公司 标记方法、标记装置、智能机器人及可读存储介质
CN112150490A (zh) * 2020-09-30 2020-12-29 小狗电器互联网科技（北京）股份有限公司 图像检测方法、装置、电子设备和计算机可读介质
CN112150490B (zh) * 2020-09-30 2024-02-02 北京小狗吸尘器集团股份有限公司 图像检测方法、装置、电子设备和计算机可读介质
WO2022068366A1 (zh) * 2020-09-30 2022-04-07 灵动科技（北京）有限公司 地图构建方法、装置、设备和存储介质
CN112197763B (zh) * 2020-09-30 2024-02-27 灵动科技（北京）有限公司 地图构建方法、装置、设备和存储介质
CN112197763A (zh) * 2020-09-30 2021-01-08 灵动科技（北京）有限公司 地图构建方法、装置、设备和存储介质
WO2022127439A1 (zh) * 2020-12-17 2022-06-23 深圳市普渡科技有限公司 机器人遇障处理方法、装置、设备和计算机可读存储介质
WO2022142889A1 (zh) * 2020-12-31 2022-07-07 华为技术有限公司 高精度地图更新方法及装置
CN112882470A (zh) * 2021-01-14 2021-06-01 中广核工程有限公司 一种核电站试验机器人及试验方法
WO2023000968A1 (zh) * 2021-07-21 2023-01-26 华为技术有限公司 一种地图、地图生成方法及装置
WO2023016188A1 (zh) * 2021-08-10 2023-02-16 追觅创新科技(苏州)有限公司 地图的绘制方法和装置、扫地机、存储介质、电子装置
CN114003036A (zh) * 2021-10-28 2022-02-01 广州赛特智能科技有限公司 机器人避障控制方法、装置、设备和介质
WO2023103515A1 (zh) * 2021-12-07 2023-06-15 北京石头世纪科技股份有限公司 自行走设备的控制方法、自行走设备和存储介质
CN114185353A (zh) * 2021-12-09 2022-03-15 吉林大学 一种自主作业装载机倒车避障与路径规划方法
CN114185353B (zh) * 2021-12-09 2024-03-22 吉林大学 一种自主作业装载机倒车避障与路径规划方法
CN114415659A (zh) * 2021-12-13 2022-04-29 烟台杰瑞石油服务集团股份有限公司 一种机器人安全避障方法、装置、机器人及存储介质
CN114415659B (zh) * 2021-12-13 2024-05-28 烟台杰瑞石油服务集团股份有限公司 一种机器人安全避障方法、装置、机器人及存储介质
CN115629612A (zh) * 2022-12-19 2023-01-20 科大讯飞股份有限公司 一种避障方法、装置、设备及存储介质
CN116466723A (zh) * 2023-04-26 2023-07-21 曲阜师范大学 一种消杀机器人避障方法、***和设备

Also Published As

Publication number Publication date
US20200340826A1 (en) 2020-10-29
US11359930B2 (en) 2022-06-14
WO2019128933A1 (zh) 2019-07-04
EP3734225A4 (en) 2022-01-26
EP3734225A1 (en) 2020-11-04

Similar Documents

Publication Publication Date Title
CN108344414A (zh) 一种地图构建、导航方法及装置、***
CN106647742B (zh) 移动路径规划方法及装置
US20220074762A1 (en) Exploration Of A Robot Deployment Area By An Autonomous Mobile Robot
CN104737085B (zh) 用于自主地检测或处理地面的机器人和方法
US20210333108A1 (en) Path Planning Method And Device And Mobile Device
Ess et al. Moving obstacle detection in highly dynamic scenes
CN109804325A (zh) 用于控制自主移动机器人的方法
CN107913039B (zh) 用于清洁机器人的区块选择方法、装置及机器人
Miao et al. Scalable coverage path planning for cleaning robots using rectangular map decomposition on large environments
Ekvall et al. Integrating active mobile robot object recognition and slam in natural environments
JP2019523924A (ja) 製品を店舗内の棚構造に割り当てる棚割表を自動的に生成する方法
KR102664410B1 (ko) 다중 센서 및 인공지능에 기반하여 맵을 생성하고 맵을 이용하여 주행하는 로봇
CN106802655A (zh) 室内地图生成方法及装置
CN106584472A (zh) 用于控制自主移动式设备的方法及装置
KR20210029586A (ko) 이미지 내의 특징적 객체에 기반하여 슬램을 수행하는 방법 및 이를 구현하는 로봇과 클라우드 서버
CN115393386B (zh) 三维场景图的生成方法、装置、设备及可读存储介质
CN107735737A (zh) 一种航点编辑方法、装置、设备及飞行器
CN111295666A (zh) 一种车道线检测方法、装置、控制设备及存储介质
JP2021051737A (ja) オブジェクト位置分析
CN108733059A (zh) 一种导览方法及机器人
US20230147624A1 (en) Autonomous mobile robots for coverage path planning
CN109459048A (zh) 用于机器人的地图加载方法及设备
CN112015187A (zh) 一种用于智能移动机器人的语义地图构建方法及***
WO2023045798A1 (zh) 一种过道区域识别方法及装置
CN106782029A (zh) 室内地图生成方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180731

RJ01 Rejection of invention patent application after publication