CN110967029B - 一种建图方法、装置及智能机器人 - Google Patents
一种建图方法、装置及智能机器人 Download PDFInfo
- Publication number
- CN110967029B CN110967029B CN201911303185.2A CN201911303185A CN110967029B CN 110967029 B CN110967029 B CN 110967029B CN 201911303185 A CN201911303185 A CN 201911303185A CN 110967029 B CN110967029 B CN 110967029B
- Authority
- CN
- China
- Prior art keywords
- intelligent robot
- detectable
- detectable boundary
- boundary
- optimal
- 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
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
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
本发明实施例涉及同步定位与建图技术领域，公开了一种建图方法、装置及智能机器人，该方法首先获取智能机器人当前所探测得到的栅格地图，然后，提取栅格地图的可探测边界，接着，根据预设快速开拓算法，从提取到的可探测边界中确定最优的可探测边界，最后，控制所述智能机器人从所述最优的可探测边界对未知区域进行探测，扩充所述栅格地图，执行本发明实施例提供的建图方法的智能机器人能够自主建图，不需要人工操作，节省人力。
Description
技术领域
本发明涉及同步定位与建图技术领域，特别涉及一种建图方法、装置及智能机器人。
背景技术
随着同步定位与建图技术的发展，机器人越来越智能化，机器人在各行各业中的应用也越来越广泛，而随着智能时代到来，目前出现了一种室内机器人，能够绘制室内地图，具备导航功能。
在实现本发明的过程中，发明人发现以上相关技术中至少存在如下问题：目前的室内导航机器人，在前期绘制室内地图时，通常是由人工遥控机器人扫描所在工作空间，利用测距的传感器进行室内地图的绘制，虽然这个建图的过程只需要进行一次，但是必要的人工操作带来的结果就是需要专业的技术人员事先知道完整的地图或者室内空间结构，其耗费的人力成本也较高。
发明内容
针对现有技术的上述缺陷，本发明实施例的目的是提供一种能够自主工作的建图方法、装置及智能机器人。
本发明实施例的目的是通过如下技术方案实现的：
为解决上述技术问题，第一方面，本发明实施例中提供了一种建图方法，应用于智能机器人，包括：
获取所述智能机器人当前所探测得到的栅格地图；
提取所述栅格地图的可探测边界；
根据预设快速开拓算法，从提取到的可探测边界中确定最优的可探测边界；
控制所述智能机器人从所述最优的可探测边界对未知区域进行探测，扩充所述栅格地图。
在一些实施例中，所述根据预设快速开拓算法，从提取到的可探测边界中确定最优的可探测边界的步骤，进一步包括：
获取所述智能机器人与各可探测边界之间的距离、所述智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小；
根据所述智能机器人与各可探测边界之间的距离、智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小，计算各所述可探测边界的探测代价；
将所述探测代价最高的可探测边界作为最优的可探测边界。
在一些实施例中，所述计算各所述可探测边界的探测代价的计算公式如下：
其中，
表示所述可探测边界j的探测代价，fj D表示所述智能机器人与可探测边界j之间的距离，fj S表示所述可探测边界j的大小，fj R表示所述智能机器人的前进方向与可探测边界j之间的夹角，ωd表示所述fj D的权重，ωs表示所述fj S的权重，ωr表示所述fj R的权重。
在一些实施例中，所述控制所述智能机器人从所述最优的可探测边界对未知区域进行探测的步骤，进一步包括：
获取所述最优的可探测边界的中间点；
在所述栅格地图中寻找从所述智能机器人的当前位置到所述中间点的第一通行路径；
若找到所述第一通行路径，则控制所述智能机器人沿所述第一通行路径移至所述中间点，然后从所述最优的可探测边界对未知区域进行探测。
在一些实施例中，所述方法还包括：
若没有寻找到所述第一通行路径，则获取所述最优的可探测边界所构成的几何图形的重心；
在所述栅格地图中寻找从所述智能机器人的当前位置到所述重心的第二通行路径；
若找到到所述第二通行路径，则控制所述智能机器人沿所述第二通行路径移动至所述重心，然后从所述最优的可探测边界对未知区域进行探测。
为解决上述技术问题，第二方面，本发明实施例中提供了一种建图装置，包括：
获取模块，用于获取所述智能机器人当前所探测得到的栅格地图；
提取模块，用于提取所述栅格地图的可探测边界；
确定模块，用于根据预设快速开拓算法，从提取到的可探测边界中确定最优的可探测边界；
控制模块，用于控制所述智能机器人从所述最优的可探测边界对未知区域进行探测，扩充所述栅格地图。
在一些实施例中，所述确定模块还用于获取所述智能机器人与各可探测边界之间的距离、所述智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小；
根据所述智能机器人与各可探测边界之间的距离、智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小，计算各所述可探测边界的探测代价；
将所述探测代价最高的可探测边界作为最优的可探测边界。
在一些实施例中，所述计算各所述可探测边界的探测代价的计算公式如下：
其中，
表示所述可探测边界j的探测代价，fj D表示所述智能机器人与可探测边界j之间的距离，fj S表示所述可探测边界j的大小，fj R表示所述智能机器人的前进方向与可探测边界j之间的夹角，ωd表示所述fj D的权重，ωs表示所述fj S的权重，ωr表示所述fj R的权重。
在一些实施例中，所述控制模块还用于获取所述最优的可探测边界的中间点；
在所述栅格地图中寻找从所述智能机器人的当前位置到所述中间点的第一通行路径；
若找到所述第一通行路径，则控制所述智能机器人沿所述第一通行路径移至所述中间点，然后从所述最优的可探测边界对未知区域进行探测。
在一些实施例中，所述控制模块还用于若没有寻找到所述第一通行路径，则获取所述最优的可探测边界所构成的几何图形的重心；
在所述栅格地图中寻找从所述智能机器人的当前位置到所述重心的第二通行路径；
若找到到所述第二通行路径，则控制所述智能机器人沿所述第二通行路径移动至所述重心，然后从所述最优的可探测边界对未知区域进行探测。
为解决上述技术问题，第三方面，本发明实施例提供了一种智能机器人，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上第一方面所述的方法。
为解决上述技术问题，第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上第一方面所述的方法。
为解决上述技术问题，第五方面，本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行如上第一方面所述的方法。
与现有技术相比，本发明的有益效果是：区别于现有技术的情况，本发明实施例中提供了一种建图方法，该方法首先获取智能机器人当前所探测得到的栅格地图，然后，提取栅格地图的可探测边界，接着，根据预设快速开拓算法，从提取到的可探测边界中确定最优的可探测边界，最后，控制所述智能机器人从所述最优的可探测边界对未知区域进行探测，扩充所述栅格地图，执行本发明实施例提供的建图方法的智能机器人能够自主建图，不需要人工操作，节省人力。
附图说明
一个或多个实施例中通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件/模块和步骤表示为类似的元件/模块和步骤，除非有特别申明，附图中的图不构成比例限制。
图1是本发明实施例提供的方法的其中一种应用场景的示意图；
图2是本发明实施例提供的一种建图方法的流程图；
图3是图2所示方法中步骤130的一子流程图；
图4是图2所示方法中步骤140的一子流程图；
图5是本发明实施例提供的一种建图装置的结构示意图；
图6是本发明实施例提供的一种智能机器人的结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对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。
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互结合，均在本申请的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。此外，本文所采用的“第一”、“第二”等字样并不对数据和执行次序进行限定，仅是对功能和作用基本相同的相同项或相似项进行区分。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1为本发明实施例提供的建图方法的其中一种应用环境的示意图，其中，该应用环境中包括：智能机器人10，所述智能机器人10能够通过探测装置探测周围环境并将周围环境栅格化，得到一栅格地图A。
所述栅格地图A由一个个栅格构成，每一栅格皆能够表征其所在位置周围环境的状态，该状态包括三种状态，表征存在障碍物的占有状态，表征无障碍物且所述智能机器人10能够自由通过的空闲状态，以及所述智能机器人10还未探测到的未知状态。所述智能机器人10能够根据所述栅格地图A，规划前进路线，且在所述智能机器人10前进的过程中，不断检测并更新该栅格地图A。
其中，空闲状态或占有状态的栅格与未知状态的栅格的交界处，标记为所述栅格地图A的可探测边界，结合所述智能机器人10的朝向和与可探测边界的距离可得到所述可探测边界上以最优的可探测边界S，该最优的可探测边界S为所述智能机器人10所能够最快到达的可探测边界。在确定所述最优的可探测边界S后，驱动所述智能机器人10移动至所述最优的可探测边界S的中间点D1或重心D2。
所述智能机器人10上至少设置有能够探测空间障碍物的探测装置，例如，能够检测到障碍物距离所述智能机器人10的距离信息的激光探测装置、传感器、深度摄像头等。所述智能机器人10能够移动，设置有移动装置，其移动路径可以根据其移动装置的移动方式进行设定。所述智能机器人10内设置有中央处理器，能够接收、发送指令，处理大量的数据信息。
需要说明的是，本申请实施例所提供的建图方法一般由上述智能机器人10执行，相应地，建图装置一般设置于所述智能机器人10中。用于建图的所述智能机器人10，其数量可以是一台或多台，本申请不对其数量进行限定，当其数量为多台时，多台所述智能机器人10之间能够进行实时数据共享，以用于在范围较大的检测区域内实现自主建图。
具体地，下面结合附图，对本发明实施例作进一步阐述。
本发明实施例提供了一种建图方法，该方法可被上述智能机器人10执行，请参见图2，其示出了本发明实施例提供的一种建图方法的流程图，该方法包括但不限于以下步骤：
步骤110：获取所述智能机器人当前所探测得到的栅格地图。
在本发明实施例中，首先，获取所述智能机器人所探测得到的栅格地图，该所探测得到的栅格地图可以是如图1所示的栅格地图A，需要说明的是，图1所示栅格地图A即为不包含所述未知状态的栅格的栅格地图，所述智能机器人可以通过各种探测装置探测得到所述栅格地图。
步骤120：提取所述栅格地图的可探测边界。
在本发明实施例中，进一步地，获取所述栅格地图的可探测边界，所述可探测边界即为所述智能机器人所探测得到的栅格地图上，占有状态或者空闲状态的栅格与未知状态的栅格的边界。如图1所示即为由多个栅格构成的所述栅格地图A的外周上的边界。
步骤130：根据预设快速开拓算法，从提取到的可探测边界中确定最优的可探测边界。
在本发明实施例中，进一步地，根据预设快速开拓算法，获取所述可探测边界上的该智能机器人移动方向和距离上所能够最快到达的边界，如图1所示以用粗线条的边界S表示所述最优的可探测边界，所述智能机器人的当前移动方向为朝向中间点D1的方向。所述预设快速开拓算法为所述智能机器人能够快速高效地拓展未知空间，寻找离自己最近且移动方向改变幅度最小的未知空间的算法。
步骤140：控制所述智能机器人从所述最优的可探测边界对未知区域进行探测，扩充所述栅格地图。
在获得所述最优的可探测边界后，驱动所述智能机器人移动到所述最优的可探测边界上，或者所述最优的可探测边界的附近进行探测，以获取可探测边界周围处于未知状态的栅格内的障碍物信息。
本发明实施例中提供了一种建图方法，该方法首先获取智能机器人当前所探测得到的栅格地图，然后，提取栅格地图的可探测边界，接着，根据预设快速开拓算法，从提取到的可探测边界中确定最优的可探测边界，最后，控制所述智能机器人从所述最优的可探测边界对未知区域进行探测，扩充所述栅格地图，执行本发明实施例提供的建图方法的智能机器人能够自主建图，不需要人工操作，节省人力。
在一些实施例中，请参见图3，其示出了图2所示方法中步骤130的一子流程图，所述步骤130包括但不限于以下步骤：
步骤131：获取所述智能机器人与各可探测边界之间的距离、所述智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小。
在本发明实施例中，为了获取所述最优的可探测边界，需要获取该智能机器人与各探测边界之间的距离，以获取该智能机器人所能到达的最近的可探测边界；需要获取该智能机器人的前进方向和与各可探测边界之间的夹角，以获取该智能机器人移动时所需转动角度最小的可探测边界；需要获取所述各可探测边界的大小，以获取探测效率最高的可探测边界。所述智能机器人可通过距离探测装置，如激光探测装置，获取所述智能机器人与各探测边界之间的距离；所述智能机器人可通过陀螺仪探测所述智能机器人的前进方向；所述智能机器人可通过获取所述可探测边界所在栅格的位置信息，结合所述智能机器人所在栅格的位置，获取所述智能机器人与各可探测边界之间的夹角；所述智能机器人可根据各可探测边界占有的栅格数量获取所述个可探测边界的大小。
步骤132：根据所述智能机器人与各可探测边界之间的距离、智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小，计算各所述可探测边界的探测代价。
在本发明实施例中，进一步地，取一定的权重计算上述获取的所述智能机器人与各可探测边界之间的距离、所述智能机器人的前进方向与各可探测边界之间的夹角，各可探测边界的大小，以获取各所述可探测边界的探测代价。
步骤133：将所述探测代价最高的可探测边界作为最优的可探测边界。
在本发明实施例中，所述探测代价越高，说明该可探测边界距离所述智能机器人越近，可探测的边界范围或面积最大，且所述智能机器人所需要旋转的角度最小，因此，取所述探测代价最高的可探测边界，即可得到所述智能机器人所能够最快速到达并最高效地进行探测工作的最优的可探测边界。具体地，所述计算各所述可探测边界的探测代价的计算公式如下：
其中，
表示所述可探测边界j的探测代价，fj D表示所述智能机器人与可探测边界j之间的距离，fj S表示所述可探测边界j的大小，fj R表示所述智能机器人的前进方向与可探测边界j之间的夹角，ωd表示所述fj D的权重，ωs表示所述fj S的权重，ωr表示所述fj R的权重。
在一些实施例中，请参见图4，其示出了图2所示方法中步骤140的一子流程图，所述步骤140包括但不限于以下步骤：
步骤141：获取所述最优的可探测边界的中间点。
步骤142：在所述栅格地图中寻找从所述智能机器人的当前位置到所述中间点的第一通行路径。
步骤143：若找到所述第一通行路径，则控制所述智能机器人沿所述第一通行路径移至所述中间点，然后从所述最优的可探测边界对未知区域进行探测。
在本发明实施例中，在获取到所述最优的可探测边界后，需要驱动所述智能机器人移动至所述最优的可探测边界或该最优的可探测边界的附近进行进一步的探测，以扩展所述栅格地图。优选地，请一并参见图1，为使得该智能机器人能够最方便地探测所述最优的可探测边界S周围未知状态的栅格的障碍物信息，选取所述最优的可探测边界的中间点D1，获取智能机器人从当前位置到该中间点的第一通行路径，然后驱动所述智能机器人沿着该第一通行路径移动至所述中间点D1，然后从所述最优的可探测边界S进行探测。
需要说明的是，若所述智能机器人的当前位置到所述中间点D1的直线距离之间没有任何障碍物，则所述第一通行路径即为所述智能机器人从当前位置到所述中间点D1的直线线段。若所述智能机器人的当前位置到所述中间点D1的直线距离之间存在障碍物，则采用最短路径算法，如迪杰斯特拉算法、A*算法等获取所述智能机器人从当前位置到所述中间点D1的最短路径，作为所述第一通行路径。
在一些实施例中，请继续参见图4，所述方法还包括：
步骤144：若没有寻找到所述第一通行路径，则获取所述最优的可探测边界所构成的几何图形的重心
步骤145：在所述栅格地图中寻找从所述智能机器人的当前位置到所述重心的第二通行路径
步骤146：若找到到所述第二通行路径，则控制所述智能机器人沿所述第二通行路径移动至所述重心，然后从所述最优的可探测边界对未知区域进行探测。
在本发明实施例中，还可能存在上述中间点D1上存在障碍物的情况，此时，智能机器人无法获得所述第一通行路径，在这种情况下，获取所述最优的可探测边界所构成的几何图形的重心，如图1所示的重心D2，并获取所述智能机器人从当前位置到所述重心D2的第二通行路径，然后驱动所述智能机器人沿所述第二通行路径移动至所述重心D2。与获取所述第一通行路径的方式相同的，在直线距离上无障碍物时，智能机器人的当前位置到所述重心D2的直线距离即为所述第二通行路径，当直线距离上存在障碍物时，获取当前位置到重心D2的最短路径作为所述第二通行路径。
可选地，若所述重心D2上也存在障碍物导致无法获取所述第二通行路径，可以获取所述中间点D1和所述重心D2直线距离上是否存在无障碍物的位置，若存在，将所述智能机器人驱动至该位置上。
本发明实施例还提供了一种建图装置，应用于智能机器人，请参见图5，其示出了本发明实施例提供的一种建图装置的结构图，该建图装置200包括：获取模块210、提取模块220、确定模块230和控制模块240。
所述获取模块210用于获取所述栅格地图的可探测边界。
所述提取模块220用于提取所述栅格地图的可探测边界。
所述确定模块230用于根据预设快速开拓算法，从提取到的可探测边界中确定最优的可探测边界。
所述控制模块240用于控制所述智能机器人从所述最优的可探测边界对未知区域进行探测，扩充所述栅格地图。
在一些实施例中，所述确定模块230还用于获取所述智能机器人与各可探测边界之间的距离、所述智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小；
根据所述智能机器人与各可探测边界之间的距离、智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小，计算各所述可探测边界的探测代价；
将所述探测代价最高的可探测边界作为最优的可探测边界。
在一些实施例中，所述计算各所述可探测边界的探测代价的计算公式如下：
其中，
表示所述可探测边界j的探测代价，fj D表示所述智能机器人与可探测边界j之间的距离，fj S表示所述可探测边界j的大小，fj R表示所述智能机器人的前进方向与可探测边界j之间的夹角，ωd表示所述fj D的权重，ωs表示所述fj S的权重，ωr表示所述fj R的权重。
在一些实施例中，所述控制模块240还用于获取所述最优的可探测边界的中间点；
在所述栅格地图中寻找从所述智能机器人的当前位置到所述中间点的第一通行路径；
若找到所述第一通行路径，则控制所述智能机器人沿所述第一通行路径移至所述中间点，然后从所述最优的可探测边界对未知区域进行探测。
在一些实施例中，所述控制模块240还用于若没有寻找到所述第一通行路径，则获取所述最优的可探测边界所构成的几何图形的重心；
在所述栅格地图中寻找从所述智能机器人的当前位置到所述重心的第二通行路径；
若找到到所述第二通行路径，则控制所述智能机器人沿所述第二通行路径移动至所述重心，然后从所述最优的可探测边界对未知区域进行探测。
本发明实施例还提供了一种智能机器人，请参见图6，其示出了能够执行图2至图4所述建图方法的智能机器人的硬件结构。所述智能机器人10可以是图1所示的智能机器人10。
所述智能机器人10包括：至少一个处理器11；以及，与所述至少一个处理器11通信连接的存储器12，图6中以其以一个处理器11为例。所述存储器12存储有可被所述至少一个处理器11执行的指令，所述指令被所述至少一个处理器11执行，以使所述至少一个处理器11能够执行上述图2至图4所述的建图方法。所述处理器11和所述存储器12可以通过总线或者其他方式连接，图6中以通过总线连接为例。
存储器12作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的建图方法对应的程序指令/模块，例如，附图5所示的各个模块。处理器11通过运行存储在存储器12中的非易失性软件程序、指令以及模块，从而执行智能机器人的各种功能应用以及数据处理，即实现上述方法实施例建图方法。
存储器12可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据建图装置的使用所创建的数据等。此外，存储器12可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器12可选包括相对于处理器11远程设置的存储器，这些远程存储器可以通过网络连接至建图装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器12中，当被所述一个或者多个处理器11执行时，执行上述任意方法实施例中的建图方法，例如，执行以上描述的图2至图4的方法步骤，实现图5中的各模块和各单元的功能。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本申请实施例还提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图2至图4的方法步骤，实现图5中的各模块的功能。
本申请实施例还提供了一种计算机程序产品，包括存储在非易失性计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时时，使所述计算机执行上述任意方法实施例中的建图方法，例如，执行以上描述的图2至图4的方法步骤，实现图5中的各模块的功能。
本发明实施例中提供了一种建图方法，该方法首先获取智能机器人当前所探测得到的栅格地图，然后，提取栅格地图的可探测边界，接着，根据预设快速开拓算法，从提取到的可探测边界中确定最优的可探测边界，最后，控制所述智能机器人从所述最优的可探测边界对未知区域进行探测，扩充所述栅格地图，执行本发明实施例提供的建图方法的智能机器人能够自主建图，不需要人工操作，节省人力。
需要说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (12)
1.一种建图方法，其特征在于，应用于智能机器人，包括：
获取所述智能机器人当前所探测得到的栅格地图；
提取所述栅格地图的可探测边界；
根据预设快速开拓算法，从提取到的可探测边界中确定所述智能机器人移动方向和距离上所能够最快到达的最优的可探测边界；
控制所述智能机器人移动到从所述最优的可探测边界上的中间点对未知区域进行探测，或者，控制所述智能机器人移动到所述最优的可探测边界附近的由所述最优的可探测边界所构成的几何图形的重心处对未知区域进行探测，以获取所述可探测边界周围处于未知状态的栅格内的障碍物信息，扩充所述栅格地图。
2.根据权利要求1所述的建图方法，其特征在于，所述根据预设快速开拓算法，从提取到的可探测边界中确定最优的可探测边界的步骤，进一步包括：
获取所述智能机器人与各可探测边界之间的距离、所述智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小；
根据所述智能机器人与各可探测边界之间的距离、智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小，计算各所述可探测边界的探测代价；
将所述探测代价最高的可探测边界作为最优的可探测边界。
3.根据权利要求2所述的方法，其特征在于，所述计算各所述可探测边界的探测代价的计算公式如下：
其中，
表示所述可探测边界j的探测代价，fj D表示所述智能机器人与可探测边界j之间的距离，fj S表示所述可探测边界j的大小，fj R表示所述智能机器人的前进方向与可探测边界j之间的夹角，ωd表示所述fj D的权重，ωs表示所述fj S的权重，ωr表示所述fj R的权重。
4.根据权利要求1-3中任意一项所述的建图方法，其特征在于，
所述控制所述智能机器人从所述最优的可探测边界对未知区域进行探测的步骤，进一步包括：
获取所述最优的可探测边界的中间点；
在所述栅格地图中寻找从所述智能机器人的当前位置到所述中间点的第一通行路径；
若找到所述第一通行路径，则控制所述智能机器人沿所述第一通行路径移至所述中间点，然后从所述最优的可探测边界对未知区域进行探测。
5.根据权利要求4所述的建图方法，其特征在于，所述方法还包括：
若没有寻找到所述第一通行路径，则获取所述最优的可探测边界所构成的几何图形的重心；
在所述栅格地图中寻找从所述智能机器人的当前位置到所述重心的第二通行路径；
若找到到所述第二通行路径，则控制所述智能机器人沿所述第二通行路径移动至所述重心，然后从所述最优的可探测边界对未知区域进行探测。
6.一种建图装置，其特征在于，应用于智能机器人，包括：
获取模块，用于获取所述智能机器人当前所探测得到的栅格地图；
提取模块，用于提取所述栅格地图的可探测边界；
确定模块，用于根据预设快速开拓算法，从提取到的可探测边界中确定所述智能机器人移动方向和距离上所能够最快到达的最优的可探测边界；
控制模块，用于控制所述智能机器人移动到从所述最优的可探测边界上的中间点对未知区域进行探测，或者，控制所述智能机器人移动到所述最优的可探测边界附近的由所述最优的可探测边界所构成的几何图形的重心处对未知区域进行探测，以获取所述可探测边界周围处于未知状态的栅格内的障碍物信息，扩充所述栅格地图。
7.根据权利要求6所述的装置，其特征在于，
所述确定模块还用于获取所述智能机器人与各可探测边界之间的距离、所述智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小；
根据所述智能机器人与各可探测边界之间的距离、智能机器人的前进方向与各可探测边界之间的夹角，以及，各可探测边界的大小，计算各所述可探测边界的探测代价；
将所述探测代价最高的可探测边界作为最优的可探测边界。
8.根据权利要求7所述的装置，其特征在于，所述计算各所述可探测边界的探测代价的计算公式如下：
其中，
表示所述可探测边界j的探测代价，fj D表示所述智能机器人与可探测边界j之间的距离，fj S表示所述可探测边界j的大小，fj R表示所述智能机器人的前进方向与可探测边界j之间的夹角，ωd表示所述fj D的权重，ωs表示所述fj S的权重，ωr表示所述fj R的权重。
9.根据权利要求6-8任一项所述的装置，其特征在于，
所述控制模块还用于获取所述最优的可探测边界的中间点；
在所述栅格地图中寻找从所述智能机器人的当前位置到所述中间点的第一通行路径；
若找到所述第一通行路径，则控制所述智能机器人沿所述第一通行路径移至所述中间点，然后从所述最优的可探测边界对未知区域进行探测。
10.根据权利要求9所述的装置，其特征在于，
所述控制模块还用于若没有寻找到所述第一通行路径，则获取所述最优的可探测边界所构成的几何图形的重心；
在所述栅格地图中寻找从所述智能机器人的当前位置到所述重心的第二通行路径；
若找到到所述第二通行路径，则控制所述智能机器人沿所述第二通行路径移动至所述重心，然后从所述最优的可探测边界对未知区域进行探测。
11.一种智能机器人，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-5任一项所述的方法。
12.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911303185.2A CN110967029B (zh) | 2019-12-17 | 2019-12-17 | 一种建图方法、装置及智能机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911303185.2A CN110967029B (zh) | 2019-12-17 | 2019-12-17 | 一种建图方法、装置及智能机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110967029A CN110967029A (zh) | 2020-04-07 |
| CN110967029B true CN110967029B (zh) | 2022-08-26 |
Family
ID=70034974
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911303185.2A Active CN110967029B (zh) | 2019-12-17 | 2019-12-17 | 一种建图方法、装置及智能机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110967029B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000507A (zh) * | 2006-09-29 | 2007-07-18 | 浙江大学 | 移动机器人在未知环境中同时定位与地图构建的方法 |
| JP2011180660A (ja) * | 2010-02-26 | 2011-09-15 | Advanced Telecommunication Research Institute International | 領域分割装置、領域分割プログラムおよび領域分割方法ならびにコミュニケーションロボット |
| CN102393741A (zh) * | 2011-08-25 | 2012-03-28 | 东南大学 | 视觉引导移动机器人的控制***及其方法 |
| JP2013117523A (ja) * | 2011-11-01 | 2013-06-13 | Ge Aviation Systems Llc | 相対的ナビゲーションシステムを調節する方法 |
| CN104714551A (zh) * | 2015-03-23 | 2015-06-17 | 中国科学技术大学 | 一种适用于车式移动机器人的室内区域覆盖方法 |
| CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
| US9798327B2 (en) * | 2016-01-08 | 2017-10-24 | King Fahd University Of Petroleum And Minerals | Apparatus and method for deploying sensors |
| CN108422670A (zh) * | 2018-03-09 | 2018-08-21 | 西安交通大学 | 一种非连续栅格划分三维点云面的路径规划方法 |
| CN109324626A (zh) * | 2018-12-18 | 2019-02-12 | 中新智擎科技有限公司 | 基于红外测距的机器人及其近距离避障方法、存储介质 |
| 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 |
| CN109363585A (zh) * | 2018-12-17 | 2019-02-22 | 深圳市银星智能科技股份有限公司 | 分区遍历方法、清扫方法及其扫地机器人 |
| CN109491394A (zh) * | 2018-12-17 | 2019-03-19 | 中新智擎科技有限公司 | 一种虚拟避障方法、装置、存储介质及机器人 |
| CN109658432A (zh) * | 2018-12-27 | 2019-04-19 | 南京苏美达智能技术有限公司 | 一种移动机器人的边界生成方法及*** |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4608022A (en) * | 1984-05-23 | 1986-08-26 | Richard C. Bellofatto | Air and sea navigational instrument simulation and instructional aid |
| SE0004466D0 (sv) * | 2000-12-04 | 2000-12-04 | Abb Ab | Mobile Robot |
| WO2011017668A2 (en) * | 2009-08-06 | 2011-02-10 | The Regents Of The University Of California | Multimodal dynamic robotic systems |
| CN108507578B (zh) * | 2018-04-03 | 2021-04-30 | 珠海市一微半导体有限公司 | 一种机器人的导航方法 |
| CN110146090B (zh) * | 2019-06-26 | 2023-04-18 | 张收英 | 机器人靠右行走导航方法和机器人 |
| CN110531760B (zh) * | 2019-08-16 | 2022-09-06 | 广东工业大学 | 基于曲线拟合和目标点邻域规划的边界探索自主建图方法 |
-
2019
- 2019-12-17 CN CN201911303185.2A patent/CN110967029B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000507A (zh) * | 2006-09-29 | 2007-07-18 | 浙江大学 | 移动机器人在未知环境中同时定位与地图构建的方法 |
| JP2011180660A (ja) * | 2010-02-26 | 2011-09-15 | Advanced Telecommunication Research Institute International | 領域分割装置、領域分割プログラムおよび領域分割方法ならびにコミュニケーションロボット |
| CN102393741A (zh) * | 2011-08-25 | 2012-03-28 | 东南大学 | 视觉引导移动机器人的控制***及其方法 |
| JP2013117523A (ja) * | 2011-11-01 | 2013-06-13 | Ge Aviation Systems Llc | 相対的ナビゲーションシステムを調節する方法 |
| CN104714551A (zh) * | 2015-03-23 | 2015-06-17 | 中国科学技术大学 | 一种适用于车式移动机器人的室内区域覆盖方法 |
| CN104898660B (zh) * | 2015-03-27 | 2017-10-03 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
| CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
| US9798327B2 (en) * | 2016-01-08 | 2017-10-24 | King Fahd University Of Petroleum And Minerals | Apparatus and method for deploying sensors |
| CN108422670A (zh) * | 2018-03-09 | 2018-08-21 | 西安交通大学 | 一种非连续栅格划分三维点云面的路径规划方法 |
| 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 |
| CN109363585A (zh) * | 2018-12-17 | 2019-02-22 | 深圳市银星智能科技股份有限公司 | 分区遍历方法、清扫方法及其扫地机器人 |
| CN109491394A (zh) * | 2018-12-17 | 2019-03-19 | 中新智擎科技有限公司 | 一种虚拟避障方法、装置、存储介质及机器人 |
| CN109324626A (zh) * | 2018-12-18 | 2019-02-12 | 中新智擎科技有限公司 | 基于红外测距的机器人及其近距离避障方法、存储介质 |
| CN109658432A (zh) * | 2018-12-27 | 2019-04-19 | 南京苏美达智能技术有限公司 | 一种移动机器人的边界生成方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110967029A (zh) | 2020-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102273559B1 (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
| US11747477B2 (en) | Data collecting method and system | |
| CN107436148B (zh) | 一种基于多地图的机器人导航方法及装置 | |
| JP6875365B2 (ja) | 電子地図における交差点を認識するための方法及び装置 | |
| CN109214248B (zh) | 用于识别无人驾驶车辆的激光点云数据的方法和装置 | |
| CN110956161B (zh) | 一种自主建图方法、装置及智能机器人 | |
| US20210333108A1 (en) | Path Planning Method And Device And Mobile Device | |
| CN108280866B (zh) | 道路点云数据处理方法及*** | |
| US9207678B2 (en) | Method and apparatus for constructing map for mobile robot | |
| CN109163722B (zh) | 一种仿人机器人路径规划方法及装置 | |
| CN107491068B (zh) | 移动机器人路径规划方法、装置及路径规划设备 | |
| CN111609852A (zh) | 语义地图构建方法、扫地机器人及电子设备 | |
| CN109341698B (zh) | 一种移动机器人的路径选择方法及装置 | |
| CN110705385B (zh) | 一种障碍物角度的检测方法、装置、设备及介质 | |
| CN110764518B (zh) | 水下清淤机器人路径规划方法、装置、机器人和存储介质 | |
| CN111679664A (zh) | 基于深度相机的三维地图构建方法及扫地机器人 | |
| CN111679661A (zh) | 基于深度相机的语义地图构建方法及扫地机器人 | |
| CN111609853A (zh) | 三维地图构建方法、扫地机器人及电子设备 | |
| CN111263308A (zh) | 定位数据采集方法及*** | |
| CN108521809A (zh) | 障碍物信息提示方法、***、设备、装置及记录介质 | |
| CN113158779B (zh) | 一种行走方法、装置和计算机存储介质 | |
| CN111609854A (zh) | 基于多个深度相机的三维地图构建方法及扫地机器人 | |
| CN110967029B (zh) | 一种建图方法、装置及智能机器人 | |
| KR102097722B1 (ko) | 빅셀그리드맵을 이용한 이동체의 자세 추정 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램 | |
| CN114812539B (zh) | 地图探索、地图使用方法、装置、机器人和存储介质 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230418 Address after: 518000 C5, college industrialization complex building, Shenzhen Virtual University Park, No. 2, Yuexing Third Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen, Guangdong Patentee after: Shenzhen Weidang Life Technology Co.,Ltd. Address before: 518000 floor 2, torch venture building, No. 22, Yanshan Road, Nanshan District, Shenzhen, Guangdong Patentee before: INTERNATIONAL INTELLIGENT MACHINES Co.,Ltd. |
|
| TR01 | Transfer of patent right |