CN110702120A - 地图边界处理方法、***、机器人和存储介质 - Google Patents

Abstract

本发明公开一种地图边界处理方法、***、机器人和存储介质，该方法包括：S1：对所述栅格地图中的各栅格赋予代价值，形成包含各所述栅格的代价值的代价地图；S2：遍历所述代价地图，根据各所述栅格的代价值，确定并保存包含未覆盖栅格的未覆盖区域的边界栅格。使用该方法，能够快速、高效的搜索栅格地图的未清扫边界。本发明通过将已知环境的栅格地图转换成代价地图，并基础不同类型的栅格的不同代价值，通过栅格间代价值的比较，快速搜索到所需区域的边界栅格，降低了路径规划的复杂度。

Description

地图边界处理方法、***、机器人和存储介质

技术领域

本发明涉及机器人导航和智能控制技术领域，具体涉及一种地图边界处理方法、***、机器人和存储介质。

背景技术

移动机器人是近几年来受到市场欢迎的一个热门产品，例如扫地机器人，主要是因为扫地机器人的自主清扫能力，能够极大的减轻用户的清扫压力，通过多次的轻度清洁来维持基本的卫生环境，间隔性的搭配人力清扫就能够使家庭环境变的干净整洁。智能扫地机器人根据扫描测量，有一套自己的高效的清理规划是非常有必要的。那些清洁效率低，或是清洁程度不高的产品很难在技术上达到我们的需要。对于扫地机器人来说，其所处的环境基本是未知的，构建地图需要机器人从未知环境的未知地点出发，在运动过程中通过重复观测到的地图特征(比如，墙角，柱子等)定位自身位置和姿态，再根据自身位置增量式的构建地图，从而达到同时定位和地图构建的目的。常用的环境地图可以大致分为三种：拓扑地图、几何地图、栅格地图。

其中，栅格地图是一种对现实中真实地图数字栅格化的产物。它将环境分解成一系列离散的栅格，每个栅格有一个值，栅格包含了坐标、是否是障碍物两类基本信息，用每一个栅格被占据的概率值来表示环境信息，一般标识为是否是障碍物。每个地图栅格都与实际环境中的一个小块区域对应，反映出环境的信息，易于机器人进行地图信息的存储。栅格地图可以详细地描述环境信息，并且很容易创建和维护，但是在对环境划分的栅格数量较少的情况下显得精度不高，当需要高精度的栅格地图时，由于栅格的数量的增加，机器人对栅格地图的维护和处理时间会呈现指数级的增长，因此很难达到实时的效果。但当在大型环境中或网格单元划分比较细时，网格法计算量迅速增长，需要大量内存单元，使计算机的实时处理变得很困难。所以在已知环境的柵格地图情况下，机器人在做全覆盖清扫运动时，需要快速找到地图上未清扫且不是障碍物区域的边界。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明提供一种地图边界处理方法、***、机器人和存储介质。

第一方面，本发明的实施例提供一种地图边界处理方法，所述地图为已知环境的栅格地图，所述栅格地图中的各栅格按类型划分为障碍栅格，已覆盖栅格和未覆盖栅格，包括以下步骤：

S1：对所述栅格地图中的各栅格赋予代价值，形成包含各所述栅格的代价值的代价地图；

S2：遍历所述代价地图，根据各所述栅格的代价值，确定并保存包含未覆盖栅格的未覆盖区域的边界栅格。

在一种可能的实现方式中，对所述栅格地图中的障碍栅格，已覆盖栅格和未覆盖栅格按类型分别赋予不同的代价值，形成包含各类型的所述栅格的代价值的代价地图。

在一种可能的实现方式中，当所述栅格地图为RGB地图时，所述栅格的代价值为所述栅格的颜色值，所述代价值以(R,G,B)表示，其中，R，G，B的取值范围分别为0-255。

在一种可能的实现方式中，当所述栅格地图为RGB地图时，所述栅格的代价值＝(R*38+G*75+B*15)>>7，其中(R*38+G*75+B*15)>>7表示将(R*38+G*75+B*15)计算结果的二进制数值右移七位转换后得到的灰度值。

在一种可能的实现方式中，当所述栅格地图为灰度地图时，所述栅格的代价值为所述栅格的灰度值。

通过本发明简化的方法，通过地图边界的处理切实提升了机器人工作的快速化，通过标定的栅格地图，可以根据栅格代价值进行处理，有效的提升了机器人工作效果，具体应用于家庭扫地机器人等移动机器人领域时能够提升工作体验，具有较好的清扫效果。

在一种可能的实现方式中，遍历所述代价地图，若当前栅格的代价值表明当前栅格为未覆盖栅格，且所述当前栅格的上一栅格或下一栅格的代价值与所述当前栅格的代价值不同，则确定所述当前栅格为未覆盖区域的边界栅格，并保存所述当前栅格的坐标。

通过本发明的栅格地图的划分，即使在大型环境中或网格单元划分比较细时，网格法计算量迅速增长的情况下，只需要通过标定的栅格进行处理，而不必计算栅格的所有信息，所以也不需要大量内存单元，使计算机的实时处理变得简单快速。所以在已知环境的柵格地图情况下，机器人在做全覆盖清扫运动时,能够快速找到地图上未清扫且不是障碍物区域的边界。

在一种可能的实现方式中，遍历所述代价地图，若当前栅格的代价值表明当前栅格为未覆盖栅格，且所述当前栅格为所述代价地图的边缘栅格，则确定所述当前栅格为未覆盖区域的边界栅格，并保存所述当前栅格的坐标。

在一种可能的实现方式中，遍历所述代价地图包含按行遍历和按列遍历。

第二方面，本发明的实施例提供一种地图处理***，所述地图为已知环境的栅格地图，所述栅格地图中的各栅格按类型划分为障碍栅格，已覆盖栅格和未覆盖栅格，其特征在于，所述***包括：

赋值模块：用于对所述栅格地图中的各栅格赋予代价值，形成包含各所述栅格的代价值的代价地图；

边界确定模块：遍历所述代价地图，根据各所述栅格的代价值，确定并保存包含未覆盖栅格的未覆盖区域的边界栅格。

第三方面，本发明的实施例提供一种机器人，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，实现如第一方面实施例的所述方法的步骤。

第四方面，本发明的实施例提供一种存储介质，存储有计算机程序，所述计算机程序被所述处理器执行时，实现如第一方面实施例所述方法的步骤。

本发明的有益效果在于：

1、本发明通过将已知环境的栅格地图转换成代价地图，以代价值表示栅格，并基于不同类型的栅格的不同代价值，通过栅格间代价值的比较，快速搜索到所需区域的边界栅格，降低了路径规划的复杂度。

2、本发明通过将栅格地图的栅格进行类型划分，并对不同类型的栅格赋予不同的代价值，简化后续对地图边界的处理，切实提升了机器人工作的快速化，具体应用于家庭扫地机器人等移动机器人领域时能够提升工作体验，具有较好的清扫效果。

附图说明

图1是根据本发明一个实施例的用于地图边界处理方法的流程图。

图2(a)是根据本发明一个实施例的已知环境的栅格地图。

图2(b)是根据本发明一个实施例的用于地图边界处理方法的结果示意图。

图3是根据本发明一个实施例的一种地图处理***的模块结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述根据本发明实施例的用于地图边界处理的方法、***以及机器人。

所述已知环境的栅格地图，存储于远程服务器，由服务器执行所述地图边界处理的方法；或者所述已知环境的栅格地图，存储于执行任务的移动机器人中，由机器人执行所述地图边界处理的方法。

图1是根据本发明一个实施例的用于地图边界处理方法的流程图。如图1所示，该处理方法包括以下步骤：

S1：对所述栅格地图中的各栅格赋予代价值，形成包含各所述栅格的代价值的代价地图。

所述步骤S1中栅格地图为已知环境的栅格地图，栅格地图中的各栅格按类型划分为障碍栅格，已覆盖栅格和未覆盖栅格。对已知环境的栅格地图的栅格进行类型划分；对于分类的后的栅格地图的栅格进行代价值计算。

所述步骤S1：对所述栅格地图中的各栅格赋予代价值，形成包含各所述栅格的代价值的代价地图，具体地包括：对所述栅格地图中的障碍栅格，已覆盖栅格和未覆盖栅格按类型分别赋予不同的代价值，形成包含各类型的所述栅格的代价值的代价地图。

在执行清扫任务的移动机器人中，障碍栅格和已覆盖栅格对应为已清扫的栅格，未覆盖栅格对应为未清扫的栅格。

具体地，在本实施例中，栅格地图的地图数据的存储格式可以为RGB颜色值，也可以为灰度值。

当栅格地图的地图数据存储为颜色值时，所述步骤S1中栅格的代价值有以下两种形式表示，具体为：

1)栅格的代价值为栅格的颜色值，所述代价值以(R，G，B)表示，其中R，G，B的取值范围分别为0-255。

所述代价值根据颜色值(R，G，B)确定，R、G、B分别在0-255区间取值，颜色值相同则代价值相同。其中按照颜色可以分类为：障碍栅格，以黑色表示，代价值为(0,0,0)；未覆盖栅格，以白色表示，代价值为(255,255,255)；已覆盖栅格的代价值可为障碍栅格和未覆盖栅格之外的其他颜色值，例如，代价值可为(134,189,245)；或已覆盖栅格的代价值也可以标记为障碍栅格，标记为黑色，代价值为(0，0，0)。当然，障碍栅格、未覆盖栅格、已覆盖栅格的代价值还可以使用其它代价值表示，只要能够区分障碍栅格、未覆盖栅格、已覆盖栅格即可，在此不作限定。

2)栅格的代价值为栅格的灰度值，代价值为(R*38+G*75+B*15)>>7

上式中(R*38+G*75+B*15)>>7表示将(R*38+G*75+B*15)计算结果的二进制数值右移七位转换后得到灰度值。例如R、G、B值为(134,189,245)，其代价值为179。当栅格地图的地图数据的存储格式可以为灰度值时，所述步骤S1中栅格的代价值可为栅格地图数据的灰度值。

栅格地图的代价值可以根据栅格地图数据的存储格式进行表示，可以为颜色值、也可以为灰度值，在此不作限定。

本发明的实施例通过将栅格地图的栅格进行类型划分，并对不同类型的栅格赋予不同的代价值，根据栅格地图的代价值构造栅格地图的代价地图，简化后续对地图边界的处理，切实提升了机器人工作的快速化，通过标定的栅格地图，可以根据栅格代价值进行处理，有效的提升了机器人工作效果，具体应用于家庭扫地机器人等移动机器人领域时能够提升工作体验，具有较好的清扫效果。

S2：遍历所述代价地图，根据各所述栅格的代价值，确定并保存包含未覆盖栅格的未覆盖区域的边界栅格。

具体的，步骤S2包括以下步骤：

S21：按照行遍历，遍历规则如下：

遍历所述代价地图，若当前栅格的代价值表明当前栅格为未覆盖栅格，且1)所述当前栅格的上一栅格或下一栅格的代价值与所述当前栅格的代价值不同，2)或所述当前栅格为所述代价地图的边缘栅格，3)或下一栅格的坐标已经被保存，则确定所述当前栅格为未覆盖区域的边界栅格，并保存所述当前栅格的坐标。

具体的，情况1：若当前栅格的代价值与上一栅格的代价值不同，且当前栅格的代价值表明当前栅格为未覆盖栅格，则保存当前栅格的坐标，并继续遍历；

情况2：若当前栅格的代价值与上一栅格的代价值不同，且上一栅格的代价值表明上一栅格为未覆盖栅格，则保存上一栅格的坐标，并继续遍历；

情况3：若当前栅格的代价值表明当前栅格为未覆盖栅格，并且下一栅格的坐标已经被保存，则保存当前栅格的坐标，并继续遍历；

情况4：若当前栅格的代价值表明当前栅格为未覆盖栅格，并且下一栅格的代价值也表明下一栅格为未覆盖栅格，则不保存任何栅格坐标，继续遍历。

根据上述遍历原则按照行完成代价地图遍历。

S22：按照列遍历，遍历规则如上述情况1-4。

经过上述两个步骤，包含未覆盖栅格的未覆盖区域的边界栅格的坐标被保存。

按照本发明的实施例的遍历方式对代价值地图进行遍历，可快速准确的确定未覆盖区域的边界栅格，提高了计算效率与准确性。本发明的实施例通过将已知环境的栅格地图转换成代价地图，并基础不同类型的栅格的不同代价值，通过栅格间代价值的比较，快速搜索到所需区域的边界栅格，降低了路径规划的复杂度。通过本发明的栅格地图的划分，即使在大型环境中或网格单元划分比较细时，网格法计算量迅速增长的情况下，只需要通过对标定的栅格进行处理，而不必计算栅格的所有信息，而只需用栅格的颜色等表示代价值，不需要大量内存单元，使计算机的实时处理变得简单快速。所以在已知环境的柵格地图情况下，机器人在做全覆盖清扫运动时，能够快速找到地图上未清扫且不是障碍物区域的边界。

图2(a)是根据本发明一个实施例的已知环境的栅格地图，图2(b)是根据本发明一个实施例的用于地图边界处理方法的结果示意图。如图2(a)、图2(b)所示，每个栅格的坐标可以该栅格右下角坐标或中心点坐标表示，栅格颜色的不同表示栅格的代价值不同，颜色相同则代价值相同。已经清扫的栅格的代价值将被修改为黑色，白色为机器人需要清扫的栅格。该方法快速找到如图中所有白色区域的边界栅格的坐标。具体遍历的规则为：先按行遍历整张地图：

条件1：当前栅格的代价值与上一栅格的代价值不同。

条件2：当前栅格为白色。

条件3：上一栅格为白色。

条件4：两个栅格都不为白色。

条件5：当前点为地图边界点。

若同时满足条件1，2，且当前栅格的坐标还没有保存下来，则将当前栅格的坐标点保存下来，继续遍历。

若同时满足条件1，3，且上一栅格的坐标还没有保存下来，则将上一栅格的坐标点保存下来，继续遍历。

若同时满足条件2，5，且当前栅格的坐标还没有保存下来，则将当前栅格的坐标点保存下来，继续遍历。

满足条件4不做操作，继续遍历。

直到遍历完所有的栅格。

而后，再按列遍历整张地图，判断条件与上述条件相同。

经过上述两步操作之后，便将所有需要清扫的区域的边界点坐标保存下来，形成未清扫区域的边界，如图2(b)所示标号1-21的栅格，图2(b)所示标号1-21的栅格为图2(a)中的栅格地图的未清扫区域的边界点。通过本发明的栅格地图的划分，即使在大型环境中或网格单元划分比较细时，网格法计算量迅速增长的情况下，只需要通过对标定的栅格进行处理，而不必计算栅格的所有信息，所以也不需要大量内存单元，使计算机的实时处理变得简单快速。所以在已知环境的柵格地图情况下，机器人在做全覆盖清扫运动时，能够快速找到地图上未清扫且不是障碍物区域的边界。

图3是根据本发明一个实施例的一种地图处理***的模块结构示意图。如图3所示，本发明地图处理***，所述地图为已知环境的栅格地图，所述栅格地图中的各栅格按类型划分为障碍栅格，已覆盖栅格和未覆盖栅格，所述***包括：

赋值模块：用于对所述栅格地图中的各栅格赋予代价值，形成包含各所述栅格的代价值的代价地图；

边界确定模块：遍历所述代价地图，根据各所述栅格的代价值，确定并保存包含未覆盖栅格的未覆盖区域的边界栅格。

本发明还提供一种存储介质，存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上面实施例介绍的一种地图边界处理方法。

本发明提供一种机器人，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上面实施例介绍的一种地图边界处理方法步骤。该移动机器人中，可以是任意一种依据栅格地图进行路径规划的机器人；特别是执行清扫任务的扫地机器人。

本实施例机器人可以具备上述实施例的处理***或者存储介质，通过上述***或存储介质，以执行上述实施例的地图边界处理方法，快速定位机器人清扫的边界。

虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。以上仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (11)

1.一种地图边界处理方法，所述地图为已知环境的栅格地图，所述栅格地图中的各栅格按类型划分为障碍栅格，已覆盖栅格和未覆盖栅格，其特征在于，所述方法包括以下步骤：

S1：对所述栅格地图中的各栅格赋予代价值，形成包含各所述栅格的代价值的代价地图；

S2：遍历所述代价地图，根据各所述栅格的代价值，确定并保存包含未覆盖栅格的未覆盖区域的边界栅格。

2.如权利要求1所述的一种地图边界处理方法，其特征在于，步骤S1包括：

对所述栅格地图中的障碍栅格，已覆盖栅格和未覆盖栅格按类型分别赋予不同的代价值，形成包含各类型的所述栅格的代价值的代价地图。

3.如权利要求2所述的一种地图边界处理方法，其特征在于，包括：当所述栅格地图为RGB地图时，所述栅格的代价值为所述栅格的颜色值，所述代价值以(R，G，B)表示，其中R，G，B的取值范围分别为0-255。

4.如权利要求2所述的一种地图边界处理方法，其特征在于，包括：当所述栅格地图为RGB地图时，所述栅格的代价值＝(R*38+G*75+B*15)>>7，其中(R*38+G*75+B*15)>>7表示将(R*38+G*75+B*15)计算结果的二进制数值右移七位转换后得到的灰度值。

5.如权利要求2所述的一种地图边界处理方法，其特征在于，包括：当所述栅格地图为灰度地图时，所述栅格的代价值为所述栅格的灰度值。

6.如权利要求1所述的一种地图边界处理方法，其特征在于，所述步骤S2包括：遍历所述代价地图，若当前栅格的代价值表明当前栅格为未覆盖栅格，且所述当前栅格的上一栅格或下一栅格的代价值与所述当前栅格的代价值不同，则确定所述当前栅格为未覆盖区域的边界栅格，并保存所述当前栅格的坐标。

7.如权利要求6所述的一种地图边界处理方法，其特征在于，所述步骤S2还包括：

遍历所述代价地图，若当前栅格的代价值表明当前栅格为未覆盖栅格，且所述当前栅格为所述代价地图的边缘栅格，则确定所述当前栅格为未覆盖区域的边界栅格，并保存所述当前栅格的坐标。

8.如权利要求1所述的一种地图边界处理方法，其特征在于，遍历所述代价地图包含按行遍历和按列遍历。

9.一种地图边界处理***，所述地图为已知环境的栅格地图，所述栅格地图中的各栅格按类型划分为障碍栅格，已覆盖栅格和未覆盖栅格，其特征在于，所述***包括：

赋值模块：用于对所述栅格地图中的各栅格赋予代价值，形成包含各所述栅格的代价值的代价地图；

边界确定模块：遍历所述代价地图，根据各所述栅格的代价值，确定并保存包含未覆盖栅格的未覆盖区域的边界栅格。

10.一种机器人，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-8中任一项所述方法的步骤。

11.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，实现如权利要求1-8中任一项所述方法的步骤。

Images