CN109870163B - 一种基于拓扑地图多模型的建图*** - Google Patents
一种基于拓扑地图多模型的建图*** Download PDFInfo
- Publication number
- CN109870163B CN109870163B CN201910122317.5A CN201910122317A CN109870163B CN 109870163 B CN109870163 B CN 109870163B CN 201910122317 A CN201910122317 A CN 201910122317A CN 109870163 B CN109870163 B CN 109870163B
- Authority
- CN
- China
- Prior art keywords
- topological
- map
- points
- point
- map model
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于拓扑地图多模型的建图***,涉及机器人定位与导航领域,包括数据结构和匹配算法;所述数据结构包括拓扑点容器和和地图模型容器,用以将所述拓扑地图中点和边的详细信息分开存储,所述拓扑点容器中存储所有拓扑点的详细数据,所述地图模型容器中存储了各个可能的地图模型假设,用以保存拓扑点之间连接的边的信息;所述匹配算法基于所述数据结构用以实现新的地图模型假设的建立。本发明所述的建图***提供了一种新的匹配算法与对应的数据结构,减少了拓扑地图建图过程中的计算量与存储空间,提高建图的效率。
Description
技术领域
本发明涉及机器人定位与导航领域,尤其涉及一种基于拓扑地图多模型的建图***。
背景技术
同时定位与建图(SLAM)是机器人领域最关键的技术之一,在地图类型上,主流分为精细地图和拓扑地图两种类型。
精细地图中包含环境的详细尺寸信息,位置精确,但是占用较多的资源,同时由于机器人本身里程计等定位手段存在不可避免的误差,导致构造出的实时地图往往存在比较大的变形;此外,当机器人从不同路径到达同一地点时会产生“闭环问题”,在闭环的同时需要对地图的变形进行修正,其中无论是检测闭环的发生还是修正全局地图的尺寸数据都非常困难而且计算量极大,在此过程中发生的错误闭环,对建图是毁灭性的。
拓扑地图则是将场景抽象为拓扑结构,即点和线:点是场景中具有特殊含义的地点或者地标,比如路口或者门;而线则表示了场景中这些点的连接情况。相比精细地图,拓扑结构储存数据少,寻路计算速度更快,但是由于信息的简化,面对“闭环问题”时容易发生混淆,无法区分两个类似拓扑点,可能会将没到达的地方误认为是曾经到达过的地方或者将到达过的地方误认为是没来过的地方。
可以通过记录所有可能的地图模型假设的来解决这个问题,但是在机器人获取信息有限,环境容易混淆的情况下,可能的地图模型假设增长是指数级的。传统的做法是每次到一个新的拓扑点,需要分别在每个地图模型假设中寻找可能的回环并且增加将当前拓扑点理解为一种新拓扑点的地图模型假设。这种做法会将时间消耗在重复检测中,比如假设当前有100种地图可能性,而所有地图的第一个点也就是起点,都是相同的。那么在原有方法中,新的拓扑点需要与起点拓扑点匹配100次,这带来了计算时间上的浪费,同时原有做法中地图的数据也存在着不必要的冗余与重复。
因此,本领域的技术人员致力于开发一种基于拓扑地图多模型的建图***,用以减少拓扑地图建图过程中的计算量与存储空间,提高建图的效率。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是减少拓扑地图建图过程中的计算量与存储空间,提高建图的效率。
为实现上述目的,本发明提供了一种基于拓扑多模型的建图***,包括数据结构和匹配算法;所述数据结构包括拓扑点容器和和地图模型容器,用以将所述拓扑地图中点和边的详细信息分开存储,所述拓扑点容器中存储所有拓扑点的详细数据,所述地图模型容器中存储了各个可能的地图模型假设,用以保存拓扑点之间连接的边的信息;所述匹配算法基于所述数据结构用以实现新的地图模型假设的建立。
进一步地,每个所述拓扑点存储一个记录了具体使用所述拓扑点的地图模型假设的列表,所述列表中记录了所述拓扑点在所述地图模型假设的具***置。
进一步地,每个所述拓扑点存储的特征信息包括该所述拓扑点的具体特征,每个路口的朝向,每个路口的相对位置。
进一步地,在保存所述拓扑点时,预先进行一定程度的分类,包括按照路口数量进行分类,按照基本种类进行分类。
进一步地,所述地图模型假设中包含对所述拓扑点的引用,并且包含所述拓扑点之间的实际连接关系,所述拓扑点之间连线的详细信息包括连线上检测到的特征,连线的里程计信息。
进一步地,所述地图模型假设中会保存当前机器人所在的具***置。
进一步地,所述匹配算法包括以下步骤:
步骤1、到达一个拓扑点时,获取该拓扑点的详细信息;
步骤2、遍历所有当前已保存的地图模型假设,根据不同的情况进行推演;
步骤3、根据新的拓扑点的信息,遍历所述拓扑点容器中相似的分类中的拓扑点,搜索闭环情况,产生新的地图模型假设;
步骤4、将产生的新的地图模型假设加入地图模型容器,根据合理性进行排序,根据实际需要对最不合理的进行排除。
进一步地,所述匹配算法的步骤2具体为如果在当前地图模型假设中,机器人运动在以前走过的边,则将到达的新的拓扑点和所述地图模型假设中记录的机器人下一步本应该到达的拓扑点进行对比,如果对比结果是类似的,则保留所述地图模型假设,否则删去所述地图模型假设;如果当前地图模型假设中,机器人运动在以前没有运动的边,则将到达的新的拓扑点理解为从未到达的新点,保留在地图模型容器中。
进一步地,所述匹配算法的步骤3具体为根据新的拓扑点的信息,遍历所述拓扑点容器中相似的分类中的拓扑点;将遍历的拓扑点和新的拓扑点进行比较,如果类似,则遍历匹配的拓扑点中记录的使用该拓扑点的,且机器人之前处在未知边的地图模型假设,尝试进行闭环,如果所述地图模型假设中,该连接不可行,则忽略闭环并继续遍历,如果对应回环是可能的,则进行闭环操作。
进一步地,所述匹配算法的步骤4中所述的根据合理性进行排序包括根据奥卡姆剃刀原则或根据里程计数据信息进行概率分析来排序。
本发明所述的基于拓扑地图多模型的建图***,减少了拓扑地图建图过程中的计算量,提高建图的效率,压缩了存储空间,适合通讯使用。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例所使用的数据结构示意图;
图2是本发明的一个较佳实施例所使用的匹配算法流程图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。
如图1所示,数据结构上,所有拓扑点的详细信息与地图结构分开存储,上侧虚线框为拓扑点容器,其中不同的形状表示不同时刻探测到的拓扑点,下侧虚线框表示地图模型容器,其中的圆柱形状表示不同可能的地图模型(地图模型假设)。这种结构本质上表示了将拓扑地图中点和边的详细信息分开存储,拓扑点的详细数据仅有一个实体,保存在上侧容器中,点与点之间如何连接的信息,即边的信息保存在各个可能的地图模型假设中。
每个拓扑点包含一个列表,其中记录了哪个地图模型假设里的哪个点上使用了该拓扑点实体。所有拓扑点的特征信息可以包括但不限于:每个拓扑点的具体特征,每个路口的朝向,每个路口的相对位置。在保存拓扑点的时候,预先进行一定程度的分类以方便匹配时的检索,包括但不限于:按照路口数量进行分类,按照基本种类的进行分类。
地图模型假设中包含对拓扑点的引用,并且包含拓扑点之间的实际连接关系,拓扑点之间连线的详细信息可以包含但不限于:边上检测到的特征,边的里程计信息(长度、方向等等)。此外,地图模型假设中会保存当前机器人的位置(所在的拓扑点或者边)
如图2所示,匹配算法具体为:
步骤1:到达一个拓扑点时,获取该拓扑点的详细信息,此时机器人离开上一个拓扑点后,到达了边的终点;
步骤2:遍历所有当前已保存的地图模型假设,根据不同的情况进行推演。如果当前地图模型假设中,机器人运动在以前走过的边(即到达的拓扑点是曾经去过的点),则将到达的新的拓扑点(输入的拓扑点)和该地图模型假设中记录的机器人下一步本应该到达的拓扑点进行对比,如果对比结果是类似的,则保留该地图模型假设,否则删去该地图模型假设。如果当前地图模型假设中,机器人运动在以前没有运动的边,则先将输入的拓扑点理解为从未到达的新点,保留在地图模型容器中。
步骤3:根据新的拓扑点的信息,遍历拓扑点容器中相似的分类中的拓扑点(比如四路口的拓扑点则只需和四路口拓扑点子分类中的拓扑点进行匹配)。将遍历的拓扑点和输入拓扑点进行比较。如果类似,则遍历匹配的拓扑点中记录的使用该拓扑点实体的,且机器人之前处在未知边的地图模型假设,尝试进行闭环。如果地图模型假设中,该连接不可行(比如模型中对应的拓扑点所有连接边均已被占用)则忽略闭环并继续遍历,如果对应回环是可能的。则进行闭环操作,闭环操作的行为是产生一个有新闭环的新的地图模型假设,而复制的对象是步骤2中将输入拓扑点理解为新的拓扑点的对应地图模型假设,复制后的新的地图模型假设相比复制对象作出的改动为:删除原模型中新拓扑点的引用;将刚刚创建的边(新拓扑点到前一个拓扑点的边),改为从上一轮离开的拓扑点连接到本步骤中匹配到的对应已有拓扑点的对应连接边上;机器人的位置改为本步骤中匹配到的已有拓扑点。闭环操作产生的新的地图模型假设先不加入地图模型容器,引用的拓扑点也先不添加这些新的地图模型假设的使用列表,等步骤3遍历完成后再加入。
步骤4:将步骤3产生的新地图模型假设加入地图模型容器,根据地图合理性进行排序,可以根据实际需要对最不合理的进行排除,合理性排序包括但不限于:根据奥卡姆剃刀原则,地图点数和未探寻的边数较少地图合理性更高;利用里程计数据信息进行概率分析来排序。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (7)
1.一种基于拓扑地图多模型的建图***,其特征在于,包括数据结构和匹配算法;所述数据结构包括拓扑点容器和地图模型容器,用以将所述拓扑地图中点和边的详细信息分开存储,所述拓扑点容器中存储所有拓扑点的详细数据,所述地图模型容器中存储了各个可能的地图模型假设,用以保存拓扑点之间连接的边的信息;所述匹配算法基于所述数据结构用以实现新的地图模型假设的建立;
其中,所述匹配算法包括以下步骤:
步骤1、到达一个拓扑点时,获取该拓扑点的详细信息;
步骤2、遍历所有当前已保存的地图模型假设,根据不同的情况进行推演;
步骤3、根据新的拓扑点的信息,遍历所述拓扑点容器中相似的分类中的拓扑点,搜索闭环情况,产生新的地图模型假设;
步骤4、将产生的新的地图模型假设加入所述地图模型容器,根据合理性进行排序,根据实际需要对最不合理的地图模型假设进行排除;
所述匹配算法的步骤2具体为如果在当前地图模型假设中,机器人在以前走过的边运动,则将到达的新的拓扑点和所述地图模型假设中记录的机器人下一步本应该到达的拓扑点进行对比,如果对比结果是类似的,则保留所述地图模型假设,否则删去所述地图模型假设;如果当前地图模型假设中,机器人在以前没有运动过的边运动,则将到达的新的拓扑点理解为从未到达的新点,保留在地图模型容器中;
所述匹配算法的步骤3具体为根据新的拓扑点的信息,遍历所述拓扑点容器中相似的分类中的拓扑点;将遍历的拓扑点和新的拓扑点进行比较;如果类似,则遍历匹配的拓扑点中记录的使用该拓扑点的,且机器人之前处在未知边的地图模型假设,尝试进行闭环;如果所述地图模型假设中,该连接不可行,则忽略闭环并继续遍历,如果对应回环是可能的,则进行闭环操作。
2.如权利要求1所述的基于拓扑地图多模型的建图***,其特征在于,每个所述拓扑点存储一个记录了具体使用所述拓扑点的地图模型假设的列表,所述列表中记录了所述拓扑点在所述地图模型假设的具***置。
3.如权利要求1所述的基于拓扑地图多模型的建图***,其特征在于,每个所述拓扑点存储的特征信息包括该所述拓扑点的具体特征,每个路口的朝向,每个路口的相对位置。
4.如权利要求3所述的基于拓扑地图多模型的建图***,其特征在于,在保存所述拓扑点时,预先进行一定程度的分类,包括按照路口数量进行分类,按照基本种类进行分类。
5.如权利要求1所述的基于拓扑地图多模型的建图***,其特征在于,所述地图模型假设中包含对所述拓扑点的引用,并且包含所述拓扑点之间的实际连接关系,所述拓扑点之间连线的详细信息包括连线上检测到的特征,连线的里程计信息。
6.如权利要求5所述的基于拓扑地图多模型的建图***,其特征在于,所述地图模型假设中会保存当前机器人所在的具***置。
7.如权利要求1所述的基于拓扑地图多模型的建图***,其特征在于,所述匹配算法的步骤4中所述的根据合理性进行排序包括根据奥卡姆剃刀原则或根据里程计数据信息进行概率分析来排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910122317.5A CN109870163B (zh) | 2019-02-19 | 2019-02-19 | 一种基于拓扑地图多模型的建图*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910122317.5A CN109870163B (zh) | 2019-02-19 | 2019-02-19 | 一种基于拓扑地图多模型的建图*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109870163A CN109870163A (zh) | 2019-06-11 |
CN109870163B true CN109870163B (zh) | 2022-12-16 |
Family
ID=66918915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910122317.5A Active CN109870163B (zh) | 2019-02-19 | 2019-02-19 | 一种基于拓扑地图多模型的建图*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109870163B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202079A (zh) * | 2021-12-15 | 2022-03-18 | 国网四川省电力公司天府新区供电公司 | 一种配电网故障抢修调度*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160089A (zh) * | 2015-08-26 | 2015-12-16 | 华南理工大学 | 一种基于空间句法网络优化的辅助规划选址方法 |
CN105320811A (zh) * | 2015-10-21 | 2016-02-10 | 国网山东省电力公司烟台供电公司 | 一种建立城市地下电力管网拓扑连通模型的方法 |
CN106970614A (zh) * | 2017-03-10 | 2017-07-21 | 江苏物联网研究发展中心 | 改进的栅格拓扑语义环境地图的构建方法 |
CN108932515A (zh) * | 2017-05-26 | 2018-12-04 | 杭州海康机器人技术有限公司 | 一种基于闭环检测进行拓扑节点位置校正的方法和装置 |
CN109240279A (zh) * | 2017-07-10 | 2019-01-18 | 中国科学院沈阳自动化研究所 | 一种基于视觉感知和空间认知神经机制的机器人导航方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100748245B1 (ko) * | 2005-12-09 | 2007-08-10 | 한국전자통신연구원 | 인공표식과 지역좌표계를 이용한 이동로봇의 환경지도 작성방법 및 이동 방법 |
-
2019
- 2019-02-19 CN CN201910122317.5A patent/CN109870163B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160089A (zh) * | 2015-08-26 | 2015-12-16 | 华南理工大学 | 一种基于空间句法网络优化的辅助规划选址方法 |
CN105320811A (zh) * | 2015-10-21 | 2016-02-10 | 国网山东省电力公司烟台供电公司 | 一种建立城市地下电力管网拓扑连通模型的方法 |
CN106970614A (zh) * | 2017-03-10 | 2017-07-21 | 江苏物联网研究发展中心 | 改进的栅格拓扑语义环境地图的构建方法 |
CN108932515A (zh) * | 2017-05-26 | 2018-12-04 | 杭州海康机器人技术有限公司 | 一种基于闭环检测进行拓扑节点位置校正的方法和装置 |
CN109240279A (zh) * | 2017-07-10 | 2019-01-18 | 中国科学院沈阳自动化研究所 | 一种基于视觉感知和空间认知神经机制的机器人导航方法 |
Non-Patent Citations (2)
Title |
---|
"Navigation in Hybrid Metric–Topological Maps";Kurt Konolige;《2011 IEEE International Conference on Robotics and Automation》;20111231;正文第3041-3047页 * |
"判断点与多边形拓扑关系的改进算法";向俊;《计算机工程与设计》;20140531;第35卷(第5期);正文第1732-1737页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109870163A (zh) | 2019-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hauser | Lazy collision checking in asymptotically-optimal motion planning | |
Prentice et al. | The belief roadmap: Efficient planning in linear POMDPs by factoring the covariance | |
Senarathne et al. | Efficient frontier detection and management for robot exploration | |
CN110969648B (zh) | 一种基于点云序列数据的3d目标跟踪方法及*** | |
Sheng et al. | Autonomous parking trajectory planning with tiny passages: A combination of multistage hybrid A-star algorithm and numerical optimal control | |
WO2023082985A1 (zh) | 用于生成电子设备的导航路径的方法和产品 | |
CN109870163B (zh) | 一种基于拓扑地图多模型的建图*** | |
Liu et al. | A light-weight lidar-inertial slam system with high efficiency and loop closure detection capacity | |
Fermin-Leon et al. | TIGRE: Topological graph based robotic exploration | |
Bernreiter et al. | Multiple hypothesis semantic mapping for robust data association | |
CN112904901B (zh) | 一种基于双目视觉slam与融合算法的路径规划方法 | |
Lee et al. | Efficient optimal planning in non-FIFO time-dependent flow fields | |
Chen et al. | Local path searching based map matching algorithm for floating car data | |
CN112269848A (zh) | 一种众包轨迹数据融合方法及装置 | |
Natarajan et al. | Aiding grasp synthesis for novel objects using heuristic-based and data-driven active vision methods | |
Tomono et al. | Mobile robot localization based on an inaccurate map | |
KR20240050015A (ko) | 자율 탐색 방법 및 상기 방법을 수행하는 컴퓨팅 장치 | |
Yang et al. | Efficient search of the k shortest non-homotopic paths by eliminating non-k-optimal topologies | |
Hassouna et al. | Robust robotic path planning using level sets | |
Lü et al. | A heuristic path-estimating algorithm for large-scale real-time traffic information calculating | |
WO2021175319A1 (zh) | 出入口标注和路线规划 | |
Hong et al. | Large-Scale Radar Localization using Online Public Maps | |
Adler et al. | The stochastic traveling salesman problem and orienteering for kinodynamic vehicles | |
Opoku et al. | The Ar-Star (Ar) Pathfinder | |
CN112764413B (zh) | 一种机器人路径规划方法 |
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 |