CN110806211A - 机器人自主探索建图的方法、设备及存储介质 - Google Patents

机器人自主探索建图的方法、设备及存储介质 Download PDF

Info

Publication number
CN110806211A
CN110806211A CN201911202158.6A CN201911202158A CN110806211A CN 110806211 A CN110806211 A CN 110806211A CN 201911202158 A CN201911202158 A CN 201911202158A CN 110806211 A CN110806211 A CN 110806211A
Authority
CN
China
Prior art keywords
exploration
path
autonomous
robot
map
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
CN201911202158.6A
Other languages
English (en)
Inventor
张米令
刘俊斌
虞坤霖
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.)
Syrius Technology Shenzhen Co Ltd
Original Assignee
Syrius Technology Shenzhen Co Ltd
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 Syrius Technology Shenzhen Co Ltd filed Critical Syrius Technology Shenzhen Co Ltd
Priority to CN201911202158.6A priority Critical patent/CN110806211A/zh
Publication of CN110806211A publication Critical patent/CN110806211A/zh
Priority to PCT/CN2020/132033 priority patent/WO2021104415A1/zh
Pending legal-status Critical Current

Links

Images

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
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种机器人自主探索建图的方法、设备及存储介质，所述方法包括：获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；根据路径探索结果，建立自主探索对应的环境地图；达到了通过机器人的自主探索选择移动路径并建立环境地图的目的，降低了单纯利用SLAM算法所导致的定位的不确定性，提高了环境地图的构建质量和构建效率，也进一步提高了机器人的自主性。

Description

机器人自主探索建图的方法、设备及存储介质
技术领域
本发明涉及机器人领域，特别涉及一种机器人自主探索建图的方法、设备及存储介质。
背景技术
对于未知区域的自主探索，是移动机器人的基础功能，在缺少全局定位参考(比如全球定位***GPS、超带宽UWB定位技术)的环境中，例如在室内环境中，移动机器人需要同时对环境进行建图以及在地图中进行定位，上述过程通常称为SLAM(SimultaneousLocalization And Mapping，同步定位与地图构建)。利用SLAM算法，主要用于解决移动物体的地图构建与定位导航的问题。传统的SLAM算法不考虑机器人的运动轨迹，通常的情况是：用户发送控制指令，来控制移动机器人在未知环境中运动；移动机器人利用SLAM算法对环境进行建图，并估计自身位置；这种方案降低了机器人的自主性，并且难以判断建图质量的好坏。
发明内容
本发明提供一种机器人自主探索建图的方法、设备及存储介质，旨在通过机器人的自主探索选择移动路径并建立地图，降低定位的不确定性。
为实现上述目的，本发明提供了一种机器人自主探索建图的方法，所述自主探索建图的方法包括：
获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；
针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；
根据路径探索结果，建立自主探索对应的环境地图。
进一步地，所述获取传感器采集的环境数据，利用SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域，包括：
基于传感器模型，分别获取各传感器采集的环境数据；
利用SLAM算法，在当前估计的以栅格形式表示的SLAM初始环境地图上，通过探索空闲栅格和未被探索栅格之间的区域，进行边界探索；
根据边界探索结果，识别出对应的访问区域。
进一步地，所述通过探索空闲栅格和未被探索栅格之间的区域，进行边界探索，包括：
搜索与所述未被探索栅格相邻的空闲栅格，进行边界栅格的检测；
对所述边界栅格进行聚类，当聚类包含的栅格数量达到预设阈值时，将聚类包含的栅格认定为边界栅格。
进一步地，所述针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作，包括：
在识别出的访问区域内，对应于将要访问的每个位置，规划出机器人可能采取的候选动作；
计算每个候选动作的效用，根据效用计算结果，选出效用最高的候选动作并将其作为路径探索使用的选定动作；
基于所述选定动作，执行路径探索操作。
进一步地，所述计算每个候选动作的效用，包括：
利用信息熵理论，设置路径的效用函数；
通过计算路径的效用函数值，得到每个候选动作的效用。
进一步地，所述按照效用最高原则，从已规划的路径中选出探索路径，包括：
利用信息熵理论中的瑞丽熵，对信息进行量化度量，则有：
Figure BDA0002296139330000031
其中，P(x)为随机变量x的概率分布，α可以看作是增益系数，用于衡量正在考虑P(x)分布的观察者的效率；
当α＝c时，定义互信息为：
Ic[P(x)]＝Hα＝1[P(x)]-Hα＝c[P(x)]；
基于定义的所述互信息，定义路径的效用函数为：
a*＝argmax Ic(a)[P(m|x,d)]；
其中，a是规划出的机器人可能采取的所有候选动作，P(m|x,d)为环境地图的当前分布，α＝c(a)的值取决于选出的所述选定动作；d为数据的历史记录，即控制输入和传感器的测量值；
通过计算并获取所述效用函数的最大值，即可选出效用最高的候选动作当作选定动作，进而从已规划的路径中选出探索路径。
进一步地，所述根据路径探索结果，建立自主探索对应的环境地图，包括：
以2D占据栅格的形式表示环境地图，并采用概率对数值表示所述环境地图中的栅格占据情况；
当检测到传感器扫描至环境地图中的一块区域时，按照如下算法公式更新所述环境地图：
l(mi|z1:t，x1:t)＝l(mi|zt，xt)+l(mi|z1:t-1，x1:t-1)+l(mi)；
其中，l(mi|zt，xt)表示逆传感器模型，l(mi|z1:t-1，x1:t-1)表示递归项，所述mi表示环境地图中第i个栅格的占据情况，l(mi)为先验项，表示环境地图初始化时的地图状态，即未被探索状态，z表示传感器的测量数据，t表示测量对应的状态量。
为实现上述目的，本发明还提供了一种机器人自主探索建图的装置，所述机器人自主探索建图的装置包括：
探索模块，用于获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；
路径模块，用于针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；
建图模块，用于根据路径探索结果，建立自主探索对应的环境地图。
为实现上述目的，本发明还提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的自主探索建图程序，所述自主探索建图程序被所述处理器运行时，执行所述的机器人自主探索建图的方法。
为实现上述目的，本发明还提供了一种计算机可读存储介质，所述存储介质上存储有自主探索建图程序，所述自主探索建图程序可以被一个或者多个处理器执行，以实现所述的机器人自主探索建图的方法的步骤。
本发明一种机器人自主探索建图的方法、设备及存储介质可以达到如下有益效果：
获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；根据路径探索结果，建立自主探索对应的环境地图；达到了通过机器人的自主探索选择移动路径并建立环境地图的目的，降低了单纯利用SLAM算法所导致的定位的不确定性，提高了环境地图的构建质量和构建效率，也进一步提高了机器人的自主性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所指出的内容来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明机器人自主探索建图的方法的一种实施方式的流程示意图；
图2是本发明机器人自主探索建图的方法中一种实施方式的流程框图；
图3是本发明机器人自主探索建图的装置的一种实施方式的功能模块示意图；
图4是本发明电子设备的一种实施方式的内部结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供了一种机器人自主探索建图的方法、设备及存储介质，通过机器人的自主探索选择移动路径并建立地图，降低了定位的不确定性；另外，通过机器人的自主探索，可以规划出最优的机器人轨迹，并且控制机器人按照规划出的轨迹运动，实现了机器人自主对环境进行探索，从而获得了完整、准确的高质量的环境地图，极大地提高了移动机器人的自主性。
如图1所示，图1是本发明机器人自主探索建图的方法的一种实施方式的流程示意图；本发明一种机器人自主探索建图的方法可以实施为如下描述的步骤S10-S30：
步骤S10、获取传感器采集的环境数据，利用SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；
本发明实施例中，在进行自主探索建图的机器人身上配置对应的传感器，通过传感器来感知所要探索的环境信息，获取传感器采集的环境数据；其中，传感器采集的环境数据包括但不限于：IMU(Inertial Measurement Unit，惯性测量单元)、激光雷达和里程计采集的信息等；机器人身上配置的传感器的具体类型和具体数量可以根据机器人的具体应用场景和具体需求进行配置，本发明实施例对机器人身上需配置的传感器的具体类型和数量不进行限定。
利用SLAM算法，可以得到初始的环境地图以及机器人的位置；基于初始的环境地图以及机器人的位置，机器人可以在当前估计的SLAM初始环境地图上进行区域识别，从而得到该机器人所要访问的区域。
在本发明的一个实施例中，所述获取传感器采集的环境数据，利用SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域，可以按照如下方式实施：
基于传感器模型，分别获取各传感器采集的环境数据；
利用SLAM算法，在当前估计的以栅格形式表示的SLAM初始环境地图上，通过探索空闲栅格和未被探索栅格之间的区域，进行边界探索；
根据边界探索结果，识别出对应的访问区域。
在该实施例中，进行访问区域的识别通过边界探索来完成。机器人通过边界探索可以为自身所要探索的区域生成未来的目标；由于边界在通常意义上来讲，可以理解为：是空闲区域和未探索区域的边界，因此，从占据栅格地图情况的角度来讲，边界是空闲栅格和未被探索栅格之间的区域。利用SLAM算法获取的初始环境地图采用栅格的形式表示时，在机器人的自主探索的过程中，可以通过区分空闲栅格和未被探索栅格之间的区域，来完成边界探索。
进一步地，在探索空闲栅格和未被探索栅格之间的区域，从而获取到探索边界，可以按照如下方式实施：
搜索与所述未被探索栅格相邻的空闲栅格，进行边界栅格的检测；
对所述边界栅格进行聚类，当聚类包含的栅格数量达到预设阈值时，将聚类包含的栅格认定为边界栅格。
当通过搜索跟未被探索的栅格相邻的空闲栅格来检测边界栅格，从而实现边界探测时，进一步地对探测得到的边界栅格进行聚类，当聚类包含的栅格数量达到预先设定的阈值时，认为该部分栅格即为边界栅格，基于认定的边界栅格，即可获取到探索的边界。
步骤S20、针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；
步骤S30、根据路径探索结果，建立自主探索对应的环境地图。
本发明实施例中，针对栅格探索识别出的访问区域，机器人进行主动探索，并规划探索路径；由于机器人主动探索时规划得到的路径可能有多条，因此，为了更便捷、更高效地建立自主探索的环境地图，机器人按照效用最高原则，从规划的多个路径中选出效用最高的路径作为探索路径。基于选择出的效用最高的探索路径，机器人执行路径探索操作。根据路径探索结果，即可不断地更新环境地图，直至探索完成，从而根据路径探索结果，建立自主探索对应的环境地图；当探索完成时，即可得到探索对应的完整的环境地图。
如图2所示，图2是本发明机器人自主探索建图的方法中一种实施方式的流程框图；在图2所述的实施例中，利用传感器获取到对应的IMU、激光雷达和里程计等传感器数据，进而利用SLAM算法，结合主动探索，进行路径规划，并按照效用最高原则，从可能存在的多条规划路径中选择出效用最高的路径，执行路径探索，从而根据路径探索结果，建立自主探索对应的环境地图。
在一个实施例中，所述针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作，可以按照如下方式实施：
在识别出的访问区域内，对应于将要访问的每个位置，规划出机器人可能采取的候选动作；
计算每个候选动作的效用，根据效用计算结果，选出效用最高的候选动作并将其作为路径探索使用的选定动作；
基于所述选定动作，执行路径探索操作。
本发明实施例中，从规划的多个路径中选取出对应的探索路径时，针对所要访问的访问区域内的每个位置，先规划出机器人可能采取的候选动作，利用效用最高原则，通过计算每个候选动作的效用，从而选出效用最高的候选动作，并将选出的效用最高的候选动作当作路径探索使用的选定动作；基于选定动作，即可对应一条相应的探索路径；按照选定动作，在相应的探索路径上，机器人执行对应的路径探索操作。
进一步地，在一个实施例中，在计算每个候选动作的效用时，基于信息熵理论，配置对应的路径效用函数，从而通过计算路径效用函数的值，得到每个候选动作的效用。
由于信息熵可以用来对信息进行量化度量，因此，在实际使用中，针对连续的随机变量比如机器人的位置，信息熵的取值可以是任意实数；对于离散的随机变量，信息熵的取值一般是非负数。比如，在一个具体的应用场景中，可以采用瑞丽熵的形式对候选动作对应的信息进行量化度量，从而计算得到每个候选动作的效用值。
进一步地，在一个实施例中，所述按照效用最高原则，从已规划的路径中选出探索路径，可以按照如下方式实施：
利用信息熵理论中的瑞丽熵，对可能采用的候选动作对应的信息进行量化度量，则有：
其中，P(x)为随机变量x的概率分布，α可以看作是增益系数，用于衡量正在考虑P(x)分布的观察者的效率；
当α＝c时，定义所述候选动作的互信息为：
Ic[P(x)]＝Hα＝1[P(x)]-Hα＝c[P(x)]；
基于定义的所述互信息，定义所述候选动作对应的路径的效用函数为：
a*＝argmax Ic(a)[P(m|x,d)]；
其中，a是规划出的机器人可能采取的所有候选动作，P(m|x,d)为环境地图的当前分布，α＝c(a)的值取决于选出的所述选定动作；d为数据的历史记录，即控制输入和传感器的测量值；
通过计算并获取所述效用函数的最大值，即可选出效用最高的候选动作当作选定动作，进而从已规划的可能存在的多条路径中选出对应的探索路径。
在本发明的一个实施例中，所述根据路径探索结果，在建立自主探索对应的环境地图时，可以按照如下方式实施：
以2D占据栅格的形式表示环境地图，并采用概率对数值表示所述环境地图中的栅格占据情况；
当检测到传感器扫描至环境地图中的一块区域时，按照如下算法公式更新所述环境地图：
l(mi|z1:t，x1:t)＝l(mi|zt，xt)+l(mi|z1:t-1，x1:t-1)+l(mi)；
其中，l(mi|zt，xt)表示逆传感器模型，l(mi|z1:t-1，x1:t-1)表示递归项，所述mi表示环境地图中第i个栅格的占据情况，l(mi)为先验项，表示环境地图初始化时的地图状态，即未被探索状态，z表示传感器的测量数据，t表示测量对应的状态量。
针对逆传感器模型的选取，对应于不同的具体应用场景，可以通过配置不同的参数，来设置不同的逆传感器模型，从而使得逆传感器模型能够更好地与具体应用场景相适配。
比如，针对环境中可能出现玻璃的情况，单独依靠传感器不容易探测得到，因此，可以配置此时的传感器模型P(z＝1|m＝1)选择的是0.8。在不同的具体应用场景中，示例性的列举了传感器模型分别对应的不同参数配置，如下表所示。
z＝1 z＝0
m＝1 0.8 0.2
m＝0 0.01 0.99
根据环境地图的更新，不断构建对应的环境地图，当环境地图停止更新时，对应的环境地图也基本构建完成。此时，可以按照预先设定的方式，执行已构建环境地图的输出操作。
本发明机器人自主探索建图的方法，获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；根据路径探索结果，建立自主探索对应的环境地图；达到了通过机器人的自主探索选择移动路径并建立环境地图的目的，降低了单纯利用SLAM算法所导致的定位的不确定性，提高了环境地图的构建质量和构建效率，也进一步提高了机器人的自主性。
对应于图1和图2实施例提供的机器人自主探索建图的方法，本发明实施例还提供了一种机器人自主探索建图的装置，该装置能够实施图1和图2实施例所描述的机器人自主探索建图的方法的步骤，且该装置能够配置在机器人身上，从而完成自主探索建图的操作。
基于上述实施例的描述，如图3所示，图3是本发明机器人自主探索建图的装置的一种实施方式的功能模块示意图；本发明实施例中，仅仅从功能上来讲，所述机器人自主探索建图的装置包括：
探索模块100，用于获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；
路径模块200，用于针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；
建图模块300，用于根据路径探索结果，建立自主探索对应的环境地图。
在一个实施例中，所述探索模块100还用于：
基于传感器模型，分别获取各传感器采集的环境数据；
利用SLAM算法，在当前估计的以栅格形式表示的SLAM初始环境地图上，通过探索空闲栅格和未被探索栅格之间的区域，进行边界探索；
根据边界探索结果，识别出对应的访问区域。
在一个实施例中，所述探索模块100用于：
搜索与所述未被探索栅格相邻的空闲栅格，进行边界栅格的检测；
对所述边界栅格进行聚类，当聚类包含的栅格数量达到预设阈值时，将聚类包含的栅格认定为边界栅格。
在一个实施例中，所述路径模块200用于：
在识别出的访问区域内，对应于将要访问的每个位置，规划出机器人可能采取的候选动作；
计算每个候选动作的效用，根据效用计算结果，选出效用最高的候选动作并将其作为路径探索使用的选定动作；
基于所述选定动作，执行路径探索操作。
在一个实施例中，所述路径模块200用于：
利用信息熵理论，设置路径的效用函数；
通过计算路径的效用函数值，得到每个候选动作的效用。
在一个实施例中，所述路径模块200用于：
利用信息熵理论中的瑞丽熵，对信息进行量化度量，则有：
Figure BDA0002296139330000111
其中，P(x)为随机变量x的概率分布，α可以看作是增益系数，用于衡量正在考虑P(x)分布的观察者的效率；
当α＝c时，定义互信息为：
Ic[P(x)]＝Hα＝1[P(x)]-Hα＝c[P(x)]；
基于定义的所述互信息，定义路径的效用函数为：
a*＝argmax Ic(a)[P(m|x,d)]；
其中，a是规划出的机器人可能采取的所有候选动作，P(m|x,d)为环境地图的当前分布，α＝c(a)的值取决于选出的所述选定动作；d为数据的历史记录，即控制输入和传感器的测量值；
通过计算并获取所述效用函数的最大值，即可选出效用最高的候选动作当作选定动作，进而从已规划的路径中选出探索路径。
在一个实施例中，所述建图模块300用于：
以2D占据栅格的形式表示环境地图，并采用概率对数值表示所述环境地图中的栅格占据情况；
当检测到传感器扫描至环境地图中的一块区域时，按照如下算法公式更新所述环境地图：
l(mi|z1:t，x1:t)＝l(mi|zt，xt)+l(mi|z1:t-1，x1:t-1)+l(mi)；
其中，l(mi|zt，xt)表示逆传感器模型，l(mi|z1:t-1，x1:t-1)表示递归项，所述mi表示环境地图中第i个栅格的占据情况，l(mi)为先验项，表示环境地图初始化时的地图状态，即未被探索状态，z表示传感器的测量数据，t表示测量对应的状态量。
本发明机器人自主探索建图的装置，获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；根据路径探索结果，建立自主探索对应的环境地图；达到了通过机器人的自主探索选择移动路径并建立环境地图的目的，降低了单纯利用SLAM算法所导致的定位的不确定性，提高了环境地图的构建质量和构建效率，也进一步提高了机器人的自主性。
本发明还提供了一种电子设备，所述电子设备可以按照图1所述的机器人自主探索建图的方法，实现机器人自主探索建图。如图4所示，图4是本发明电子设备的一种实施方式的内部结构示意图。
在本实施例中，电子设备1可以是PC(Personal Computer，个人电脑)，也可以是智能手机、平板电脑、便携计算机等终端设备。该电子设备1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的硬盘。存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如自主探索建图程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行自主探索建图程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
图4仅示出了具有组件11-14以及自主探索建图程序01的电子设备1，本领域技术人员可以理解的是，图2示出的结构并不构成对电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
基于图1、图2实施例的描述，在图4所示的电子设备1实施例中，存储器11中存储有自主探索建图程序01；所述存储器11上存储的自主探索建图程序01可在所述处理器12上运行，所述自主探索建图程序01被所述处理器12运行时实现如下步骤：
获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；
针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；
根据路径探索结果，建立自主探索对应的环境地图。
在一个实施例中，所述自主探索建图程序01还可被所述处理器12实施，以获取传感器采集的环境数据，利用SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域，包括：
基于传感器模型，分别获取各传感器采集的环境数据；
利用SLAM算法，在当前估计的以栅格形式表示的SLAM初始环境地图上，通过探索空闲栅格和未被探索栅格之间的区域，进行边界探索；
根据边界探索结果，识别出对应的访问区域。
在一个实施例中，所述自主探索建图程序01还可被所述处理器12实施，以通过探索空闲栅格和未被探索栅格之间的区域，进行边界探索，包括：
搜索与所述未被探索栅格相邻的空闲栅格，进行边界栅格的检测；
对所述边界栅格进行聚类，当聚类包含的栅格数量达到预设阈值时，将聚类包含的栅格认定为边界栅格。
在一个实施例中，所述自主探索建图程序01还可被所述处理器12实施，以针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作，包括：
在识别出的访问区域内，对应于将要访问的每个位置，规划出机器人可能采取的候选动作；
计算每个候选动作的效用，根据效用计算结果，选出效用最高的候选动作并将其作为路径探索使用的选定动作；
基于所述选定动作，执行路径探索操作。
在一个实施例中，所述自主探索建图程序01还可被所述处理器12实施，以计算每个候选动作的效用，包括：
利用信息熵理论，设置路径的效用函数；
通过计算路径的效用函数值，得到每个候选动作的效用。
在一个实施例中，所述自主探索建图程序01还可被所述处理器12实施，以按照效用最高原则，从已规划的路径中选出探索路径，包括：
利用信息熵理论中的瑞丽熵，对信息进行量化度量，则有：
Figure BDA0002296139330000151
其中，P(x)为随机变量x的概率分布，α可以看作是增益系数，用于衡量正在考虑P(x)分布的观察者的效率；
当α＝c时，定义互信息为：
Ic[P(x)]＝Hα＝1[P(x)]-Hα＝c[P(x)]；
基于定义的所述互信息，定义路径的效用函数为：
a*＝argmax Ic(a)[P(m|x,d)]；
其中，a是规划出的机器人可能采取的所有候选动作，P(m|x,d)为环境地图的当前分布，α＝c(a)的值取决于选出的所述选定动作；d为数据的历史记录，即控制输入和传感器的测量值；
通过计算并获取所述效用函数的最大值，即可选出效用最高的候选动作当作选定动作，进而从已规划的路径中选出探索路径。
在一个实施例中，所述自主探索建图程序01还可被所述处理器12实施，以根据路径探索结果，建立自主探索对应的环境地图，包括：
以2D占据栅格的形式表示环境地图，并采用概率对数值表示所述环境地图中的栅格占据情况；
当检测到传感器扫描至环境地图中的一块区域时，按照如下算法公式更新所述环境地图：
l(mi|z1:t，x1:t)＝l(mi|zt，xt)+l(mi|z1:t-1，x1:t-1)+l(mi)；
其中，l(mi|zt，xt)表示逆传感器模型，l(mi|z1:t-1，x1:t-1)表示递归项，所述mi表示环境地图中第i个栅格的占据情况，l(mi)为先验项，表示环境地图初始化时的地图状态，即未被探索状态，z表示传感器的测量数据，t表示测量对应的状态量。
本发明电子设备，获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；根据路径探索结果，建立自主探索对应的环境地图；达到了通过机器人的自主探索选择移动路径并建立环境地图的目的，降低了单纯利用SLAM算法所导致的定位的不确定性，提高了环境地图的构建质量和构建效率，也进一步提高了机器人的自主性。
此外，本发明实施例还提供了一种计算机存储介质，所述计算机存储介质上存储有自主探索建图程序，所述自主探索建图程序可以被一个或者多个处理器执行，以实现下操作：
获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；
针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；
根据路径探索结果，建立自主探索对应的环境地图。
本发明计算机可读存储介质具体实施方式与上述机器人自主探索建图的装置和电子设备对应的各实施例的实施原理基本相同，在此不作累述。此外，本发明提供的机器人自主探索建图的装置、电子设备和计算机可读存储介质均可配置在本发明实施例描述的机器人身上，从而实现本发明的目的。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明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。
本发明是参照根据本发明实施例的方法、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设备上，使得在计算机或其他可编程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。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种机器人自主探索建图的方法，其特征在于，所述自主探索建图的方法包括：
获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；
针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；
根据路径探索结果，建立自主探索对应的环境地图。
2.如权利要求1所述的机器人自主探索建图的方法，其特征在于，所述获取传感器采集的环境数据，利用SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域，包括：
基于传感器模型，分别获取各传感器采集的环境数据；
利用SLAM算法，在当前估计的以栅格形式表示的SLAM初始环境地图上，通过探索空闲栅格和未被探索栅格之间的区域，进行边界探索；
根据边界探索结果，识别出对应的访问区域。
3.如权利要求2所述的机器人自主探索建图的方法，其特征在于，所述通过探索空闲栅格和未被探索栅格之间的区域，进行边界探索，包括：
搜索与所述未被探索栅格相邻的空闲栅格，进行边界栅格的检测；
对所述边界栅格进行聚类，当聚类包含的栅格数量达到预设阈值时，将聚类包含的栅格认定为边界栅格。
4.如权利要求1所述的机器人自主探索建图的方法，其特征在于，所述针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作，包括：
在识别出的访问区域内，对应于将要访问的每个位置，规划出机器人可能采取的候选动作；
计算每个候选动作的效用，根据效用计算结果，选出效用最高的候选动作并将其作为路径探索使用的选定动作；
基于所述选定动作，执行路径探索操作。
5.如权利要求4所述的机器人自主探索建图的方法，其特征在于，所述计算每个候选动作的效用，包括：
利用信息熵理论，设置路径的效用函数；
通过计算路径的效用函数值，得到每个候选动作的效用。
6.如权利要求4所述的机器人自主探索建图的方法，其特征在于，所述按照效用最高原则，从已规划的路径中选出探索路径，包括：
利用信息熵理论中的瑞丽熵，对信息进行量化度量，则有：
Figure FDA0002296139320000021
其中，P(x)为随机变量x的概率分布，α可以看作是增益系数，用于衡量正在考虑P(x)分布的观察者的效率；
当α＝c时，定义互信息为：
Ic[P(x)]＝Hα＝1[P(x)]-Hα＝c[P(x)]；
基于定义的所述互信息，定义路径的效用函数为：
a*＝argmax Ic(a)[P(m|x,d)]；
其中，a是规划出的机器人可能采取的所有候选动作，P(m|x,d)为环境地图的当前分布，α＝c(a)的值取决于选出的所述选定动作；d为数据的历史记录，即控制输入和传感器的测量值；
通过计算并获取所述效用函数的最大值，即可选出效用最高的候选动作当作选定动作，进而从已规划的路径中选出探索路径。
7.如权利要求1至6任一项所述的机器人自主探索建图的方法，其特征在于，所述根据路径探索结果，建立自主探索对应的环境地图，包括：
以2D占据栅格的形式表示环境地图，并采用概率对数值表示所述环境地图中的栅格占据情况；
当检测到传感器扫描至环境地图中的一块区域时，按照如下算法公式更新所述环境地图：
l(mi|z1:t，x1:t)＝l(mi|zt，xt)+l(mi|z1:t-1，x1:t-1)+l(mi)；
其中，l(mi|zt，xt)表示逆传感器模型，l(mi|z1:t-1，x1:t-1)表示递归项，所述mi表示环境地图中第i个栅格的占据情况，l(mi)为先验项，表示环境地图初始化时的地图状态，即未被探索状态，z表示传感器的测量数据，t表示测量对应的状态量。
8.一种机器人自主探索建图的装置，其特征在于，所述机器人自主探索建图的装置包括：
探索模块，用于获取传感器采集的环境数据，利用同步定位与地图构建SLAM算法，在当前估计的SLAM初始环境地图上识别所要访问的区域；
路径模块，用于针对识别出的访问区域，基于主动探索方式进行路径规划，并按照效用最高原则，从已规划的路径中选出探索路径，执行路径探索操作；
建图模块，用于根据路径探索结果，建立自主探索对应的环境地图。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的自主探索建图程序，所述自主探索建图程序被所述处理器运行时，执行如权利要求1至7中任一项所述的机器人自主探索建图的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有自主探索建图程序，所述自主探索建图程序可以被一个或者多个处理器执行，以实现如权利要求1至7中任一项所述的机器人自主探索建图的方法的步骤。
CN201911202158.6A 2019-11-29 2019-11-29 机器人自主探索建图的方法、设备及存储介质 Pending CN110806211A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911202158.6A CN110806211A (zh) 2019-11-29 2019-11-29 机器人自主探索建图的方法、设备及存储介质
PCT/CN2020/132033 WO2021104415A1 (zh) 2019-11-29 2020-11-27 机器人自主探索建图的方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911202158.6A CN110806211A (zh) 2019-11-29 2019-11-29 机器人自主探索建图的方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN110806211A true CN110806211A (zh) 2020-02-18

Family

ID=69492105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911202158.6A Pending CN110806211A (zh) 2019-11-29 2019-11-29 机器人自主探索建图的方法、设备及存储介质

Country Status (2)

Country Link
CN (1) CN110806211A (zh)
WO (1) WO2021104415A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111401337A (zh) * 2020-05-15 2020-07-10 弗徕威智能机器人科技（上海）有限公司 一种车道跟随探索建图方法、存储介质及机器人
CN111721280A (zh) * 2020-05-25 2020-09-29 科沃斯机器人股份有限公司 一种区域识别方法、自移动设备及存储介质
CN112000754A (zh) * 2020-08-11 2020-11-27 珠海格力电器股份有限公司 地图构建方法、装置、存储介质及计算机设备
CN112270076A (zh) * 2020-10-15 2021-01-26 同济大学 一种基于智能体主动感知的环境模型构建方法和***
CN112729322A (zh) * 2020-12-30 2021-04-30 北京云迹科技有限公司 一种构建网格地图的方法、装置及电子设备
WO2021104415A1 (zh) * 2019-11-29 2021-06-03 炬星科技（深圳）有限公司 机器人自主探索建图的方法、设备及存储介质
CN113485372A (zh) * 2021-08-11 2021-10-08 追觅创新科技(苏州)有限公司 地图探索方法和装置、存储介质、电子装置
CN113703462A (zh) * 2021-09-02 2021-11-26 东北大学 一种基于四足机器人的未知空间自主探索***
CN114532898A (zh) * 2020-11-24 2022-05-27 追创科技(苏州)有限公司 机器人的建图方法、机器人、存储介质、电子装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102169344A (zh) * 2010-12-30 2011-08-31 南开大学 未知环境下通讯距离受限的多机器人协作探索与建图方法
CN102890507A (zh) * 2011-07-21 2013-01-23 鸿奇机器人股份有限公司 自走机器人、清洁机器人及其定位方法
CN106647774A (zh) * 2017-02-14 2017-05-10 南京罗普森智能科技有限公司 实现室内扫地机器人自主探索建图及自主路径覆盖的方法
CN107121142A (zh) * 2016-12-30 2017-09-01 深圳市杉川机器人有限公司 移动机器人的拓扑地图创建方法及导航方法
CN109341707A (zh) * 2018-12-03 2019-02-15 南开大学 未知环境下移动机器人三维地图构建方法
CN109471429A (zh) * 2018-09-29 2019-03-15 北京奇虎科技有限公司 一种机器人清扫方法、装置及电子设备
CN110174112A (zh) * 2019-07-01 2019-08-27 北京洛必德科技有限公司 一种用于移动机器人自动建图任务的路径优化方法
CN110221614A (zh) * 2019-06-14 2019-09-10 福州大学 一种基于快速探索随机树的多机器人地图探索方法
CN110244716A (zh) * 2019-05-28 2019-09-17 苏州大学 一种基于波前算法的机器人探索的方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017133708A1 (zh) * 2016-02-06 2017-08-10 苏州宝时得电动工具有限公司 自动行走除雪设备
US10429487B1 (en) * 2018-05-18 2019-10-01 Here Global B.V. Drone localization
CN109753072A (zh) * 2019-01-23 2019-05-14 西安工业大学 一种移动机器人混合路径规划方法
CN110146070B (zh) * 2019-05-13 2021-01-15 珠海市一微半导体有限公司 一种适用于宠物引诱的激光导航方法
CN110806211A (zh) * 2019-11-29 2020-02-18 炬星科技（深圳）有限公司 机器人自主探索建图的方法、设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102169344A (zh) * 2010-12-30 2011-08-31 南开大学 未知环境下通讯距离受限的多机器人协作探索与建图方法
CN102890507A (zh) * 2011-07-21 2013-01-23 鸿奇机器人股份有限公司 自走机器人、清洁机器人及其定位方法
CN107121142A (zh) * 2016-12-30 2017-09-01 深圳市杉川机器人有限公司 移动机器人的拓扑地图创建方法及导航方法
CN106647774A (zh) * 2017-02-14 2017-05-10 南京罗普森智能科技有限公司 实现室内扫地机器人自主探索建图及自主路径覆盖的方法
CN109471429A (zh) * 2018-09-29 2019-03-15 北京奇虎科技有限公司 一种机器人清扫方法、装置及电子设备
CN109341707A (zh) * 2018-12-03 2019-02-15 南开大学 未知环境下移动机器人三维地图构建方法
CN110244716A (zh) * 2019-05-28 2019-09-17 苏州大学 一种基于波前算法的机器人探索的方法
CN110221614A (zh) * 2019-06-14 2019-09-10 福州大学 一种基于快速探索随机树的多机器人地图探索方法
CN110174112A (zh) * 2019-07-01 2019-08-27 北京洛必德科技有限公司 一种用于移动机器人自动建图任务的路径优化方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CARRILLO H，ETC.: "Autonomous robotic exploration using occupancy grid maps and graph SLAM based on Shannon and Renyi Entropy", 《PROCEEDINGS OF THE 2015 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS 》 *
刘安睿劼等: "基于轮式机器人的实时3D栅格地图构建", 《计算机工程与应用》 *
陆建伟等: "基于 OＲB-SLAM2的实时网格地图构建", 《计算机应用研究》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021104415A1 (zh) * 2019-11-29 2021-06-03 炬星科技（深圳）有限公司 机器人自主探索建图的方法、设备及存储介质
CN111401337B (zh) * 2020-05-15 2023-04-28 汇智机器人科技(深圳)有限公司 一种车道跟随探索建图方法、存储介质及机器人
CN111401337A (zh) * 2020-05-15 2020-07-10 弗徕威智能机器人科技（上海）有限公司 一种车道跟随探索建图方法、存储介质及机器人
CN111721280A (zh) * 2020-05-25 2020-09-29 科沃斯机器人股份有限公司 一种区域识别方法、自移动设备及存储介质
CN112000754A (zh) * 2020-08-11 2020-11-27 珠海格力电器股份有限公司 地图构建方法、装置、存储介质及计算机设备
CN112000754B (zh) * 2020-08-11 2024-06-07 珠海格力电器股份有限公司 地图构建方法、装置、存储介质及计算机设备
CN112270076A (zh) * 2020-10-15 2021-01-26 同济大学 一种基于智能体主动感知的环境模型构建方法和***
CN114532898A (zh) * 2020-11-24 2022-05-27 追创科技(苏州)有限公司 机器人的建图方法、机器人、存储介质、电子装置
CN112729322B (zh) * 2020-12-30 2023-07-28 北京云迹科技股份有限公司 一种构建网格地图的方法、装置及电子设备
CN112729322A (zh) * 2020-12-30 2021-04-30 北京云迹科技有限公司 一种构建网格地图的方法、装置及电子设备
CN113485372A (zh) * 2021-08-11 2021-10-08 追觅创新科技(苏州)有限公司 地图探索方法和装置、存储介质、电子装置
CN113485372B (zh) * 2021-08-11 2023-06-16 追觅创新科技(苏州)有限公司 地图探索方法和装置、存储介质、电子装置
CN113703462A (zh) * 2021-09-02 2021-11-26 东北大学 一种基于四足机器人的未知空间自主探索***

Also Published As

Publication number Publication date
WO2021104415A1 (zh) 2021-06-03

Similar Documents

Publication Publication Date Title
CN110806211A (zh) 机器人自主探索建图的方法、设备及存储介质
US20190331485A1 (en) Movement line information generation system, movement line information generation method and movement line information generation program
US20180174038A1 (en) Simultaneous localization and mapping with reinforcement learning
CN110135644B (zh) 一种用于目标搜索的机器人路径规划方法
CN113052152B (zh) 一种基于视觉的室内语义地图构建方法、装置及设备
CN110260866A (zh) 一种基于视觉传感器的机器人定位与避障方法
US20220276058A1 (en) Systems and methods for utilizing modeling to automatically generate paths for indoor navigation
CN114089752A (zh) 机器人的自主探索方法、机器人及计算机可读存储介质
CN116698043A (zh) 一种室内移动机器人视觉导航方法
CN113985894B (zh) 一种自主避障路径规划方法、装置、设备及存储介质
Bouman et al. Adaptive coverage path planning for efficient exploration of unknown environments
Rottmann et al. Adaptive autonomous control using online value iteration with gaussian processes
CA2894863A1 (en) Indoor localization using crowdsourced data
Hwang et al. Clustering and probabilistic matching of arbitrarily shaped ceiling features for monocular vision-based SLAM
Chen et al. Social crowd navigation of a mobile robot based on human trajectory prediction and hybrid sensing
Tas et al. High-definition map update framework for intelligent autonomous transfer vehicles
CN115824216A (zh) 一种养猪场喂食车自适应控制方法及***
CN115307641A (zh) 机器人定位方法、装置、机器人和存储介质
Vallivaara Simultaneous localization and mapping using the indoor magnetic field
Ye et al. Characterizing SLAM benchmarks and methods for the robust perception age
Valentin et al. Motion strategies for exploration and map building under uncertainty with multiple heterogeneous robots
Qin et al. Dynamic Detection of Topological Information from Grid‐Based Generalized Voronoi Diagrams
Chen et al. Towards bio-inspired place recognition over multiple spatial scales
Goodwin A robust and efficient autonomous exploration methodology of unknown environments for multi-robot systems
CN115248032B (zh) 一种三维激光点云房屋信息自动化提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518000 Room 401, block D, building 7, Shenzhen International Innovation Valley, Dashi 1st Road, Xili community, Xili street, Nanshan District, Shenzhen, Guangdong

Applicant after: JUXING TECHNOLOGY (SHENZHEN) Co.,Ltd.

Address before: 518000 building 101, building R3b, Gaoxin industrial village, No.018, Gaoxin South 7th Road, community, high tech Zone, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: JUXING TECHNOLOGY (SHENZHEN) Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200218