CN112950782A - 机器人自主漫游方法和装置及设备 - Google Patents
机器人自主漫游方法和装置及设备 Download PDFInfo
- Publication number
- CN112950782A CN112950782A CN202110336265.9A CN202110336265A CN112950782A CN 112950782 A CN112950782 A CN 112950782A CN 202110336265 A CN202110336265 A CN 202110336265A CN 112950782 A CN112950782 A CN 112950782A
- Authority
- CN
- China
- Prior art keywords
- robot
- point
- candidate
- path
- points
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000005530 etching Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000007796 conventional method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000000222 aromatherapy Methods 0.000 description 1
- 238000000889 atomisation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Graphics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及一种机器人自主漫游方法和装置及设备,其中方法包括:基于机器人当前要遍历的环境构建相应的环境地图,并由环境地图中选取出候选路径点;获取根据机器人的应用场景所设置的候选点稀疏程度阈值,并根据候选点稀疏程度阈值,由候选路径点中选取实际路径点;基于所选取出的实际路径点,确定机器人遍历当前的环境时的路径轨迹。其根据针对机器人的应用场景所设置的候选点稀疏程度阈值,由所选取出的候选路径点中进行实际路径点的确定,进而再基于所确定的实际路径点进行路径轨迹的设定,由此对于不需要遍历整个环境的应用场景,在进行实际路径点的确定时,能够更加针对该应用场景进行最终的选取确定,最终有效提高了机器人应用的灵活性。
Description
技术领域
本申请涉及机器人设计技术领域,尤其涉及一种机器人自主漫游方法和装置及设备。
背景技术
现有大多数机器人(消毒机器人、香薰机器人、商场机器人等服务型机器人)都存在循环和遍历整个环境地图任务,惯用的手法是人工手动划线,人为将整个环境逐一画出直线或者弧线,然后指导机器人按照画好的路线进行行驶。但是,该方式加大了机器人的实际使用难度。同时,不同功能的机器人在进行环境遍历时,有时候是不需要遍历所有环境的,如:消毒机器人、香薰机器人、商场机器人等服务型机器人,这就使得机器人在进行环境的遍历时不能够对应实际应用场景进行相应的遍历,导致机器人的应用不够灵活。
发明内容
有鉴于此,本申请提出了一种机器人自主漫游方法,可以有效提高机器人应用的灵活性。
根据本申请的一方面,提供了一种机器人自主漫游方法,包括:
基于机器人当前要遍历的环境构建相应的环境地图,并由所述环境地图中选取出候选路径点;
获取根据所述机器人的应用场景所设置的候选点稀疏程度阈值,并根据所述候选点稀疏程度阈值,由所述候选路径点中选取实际路径点;
基于所选取出的所述实际路径点,确定所述机器人遍历当前的环境时的路径轨迹。
在一种可能的实现方式中,基于机器人当前要遍历的环境构建相应的环境地图后,还包括:对所述环境地图进行预处理的操作;
其中,对所述环境地图进行预处理的操作包括:二值化处理、腐蚀处理和膨胀处理中的至少一种。
在一种可能的实现方式中,由所述环境地图中选取出候选路径点,包括:
利用骨架提取方法,由所述环境地图中提取出空闲区域的骨架;
确定各所述空闲区域的骨架中各线段的端点;
检测各端点的邻域是否为非空闲区域,并在检测出邻域为所述非空闲区域时,将邻域为所述非空闲区域的端点所对应的线段删除;
其中,删除邻域为所述非空闲区域的端点所对应的线段后,剩余的所述空闲区域的骨架中各线段的端点为所述候选路径点。
在一种可能的实现方式中,利用骨架提取方法,由所述环境地图中提取出空闲区域的骨架后,还包括:
采用霍夫直线检测方式,将提取出的各所述空闲区域的骨架中的短线段删除,并对所述空闲区域的骨架中剩余的线段进行线性处理。
在一种可能的实现方式中,采用霍夫直线检测方式,将提取出的各所述空闲区域的骨架中的短线段删除时,所述短线段为线段长度小于80个像素点的线段。
在一种可能的实现方式中,检测各端点的邻域是否为非空闲区域时,所述邻域为:各所述端点周围4*4—10*10的区域中的任一区域。
在一种可能的实现方式中,根据所述候选点稀疏程度阈值,由所述候选路径点中选取实际路径点,包括:
根据所述候选点稀疏程度阈值,遍历各所述候选路径点,保留线段长度小于所述候选点稀疏程度阈值的两个候选路径点中的一个作为所述实际路径点。
在一种可能的实现方式中,基于所选取出的所述实际路径点,确定所述机器人遍历当前的环境时的路径轨迹,包括:
由所选取出的实际路径点中确定起始点;
基于确定的所述起始点,对各所述实际路径点进行排序;
根据各所述实际路径点的排序结果确定所述机器人遍历当前的环境时的路径轨迹。
根据本申请的一方面,还提供了一种机器人自主漫游装置,包括:地图构建模块、候选路径点选取模块、实际路径点选取模块和路径轨迹确定模块;
所述地图构建模块,被配置为基于机器人当前要遍历的环境构建相应的环境地图;
所述候选路径点选取模块,被配置为由所述环境地图中选取出候选路径点;
所述实际路径点选取模块,被配置为获取根据所述机器人的应用场景所设置的候选点稀疏程度阈值,并根据所述候选点稀疏程度阈值,由所述候选路径点中选取实际路径点;
所述路径轨迹确定模块,被配置为基于所选取出的所述实际路径点,确定所述机器人遍历当前的环境时的路径轨迹。
根据本申请的另一方面,还提供了一种机器人自主漫游设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令时实现权利要求1至8中任意一项所述的方法。
通过在进行机器人遍历环境的路径轨迹的设置时,根据针对机器人的应用场景所设置的候选点稀疏程度阈值,由所选取出的候选路径点中进行实际路径点的确定,进而再基于所确定的实际路径点进行路径轨迹的设定,由此对于不需要遍历整个环境的应用场景,在进行实际路径点的确定时,能够更加针对该应用场景进行最终的选取确定,使得最终所设置的机器人遍历环境的路径轨迹更加符合当前所遍历的实际环境以及机器人的应用场景,最终有效提高了机器人应用的灵活性。
根据下面参考附图对示例性实施例的详细说明,本申请的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本申请的示例性实施例、特征和方面,并且用于解释本申请的原理。
图1示出本申请一实施例的机器人自主漫游方法的流程图;
图2示出本申请一实施例的机器人自主漫游方法中所构建的环境地图的示例图;
图3示出本申请一实施例的机器人自主漫游方法中由所构建的环境地图中提出的空闲区域的骨架的示例图;
图4示出本申请一实施例的机器人自主漫游方法中小地图路径点提取测试样例图;
图5示出本申请一实施例的机器人自主漫游方法中大地图路径点提取测试样例图;
图6示出本申请一实施例的机器人自主漫游方法中由所构建的环境地图中选取出实际路径点后的示例图;
图7a至图7c分别示出本申请一实施例的机器人自主漫游方法中候选点稀疏程度阈值的不同取值所选取出的实际路径点后的示例图;
图8示出本申请一实施例的机器人自主漫游装置的结构框图;
图9示出本申请一实施例的机器人自主漫游设备的结构框图。
具体实施方式
以下将参考附图详细说明本申请的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本申请,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本申请同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本申请的主旨。
图1示出根据本申请一实施例的机器人自主漫游方法的流程图。如图1所示,该方法包括:步骤S100,基于机器人当前要遍历的环境构建相应的环境地图,并由环境地图中选取出候选路径点。在选取出候选路径点之后,再通过步骤S200,获取根据机器人的应用场景所设置的候选点稀疏程度阈值,并根据候选点稀疏程度阈值,由候选路径点中选取出实际路径点。此处,需要说明的是,在进行候选点稀疏程度阈值的设置时,所依据的机器人的应用场景,主要指的是根据机器人的服务类型以及当前所遍历的实际环境。即,应用场景为机器人的类型和当前所遍历的实际环境。不同的机器人类型和不同的遍历环境,候选点稀疏程度阈值的取值不同。最后,再通过步骤S300,基于所选取出的实际路径点,确定机器人遍历当前的环境时的路径轨迹。
由此,本申请实施例的机器人自主漫游方法,在进行机器人遍历环境的路径轨迹的设置时,根据针对机器人的应用场景所设置的候选点稀疏程度阈值,由所选取出的候选路径点中进行实际路径点的确定,进而再基于所确定的实际路径点进行路径轨迹的设定,由此对于不需要遍历整个环境的应用场景,在进行实际路径点的确定时,能够更加针对该应用场景进行最终的选取确定,使得最终所设置的机器人遍历环境的路径轨迹更加符合当前所遍历的实际环境以及机器人的应用场景,最终有效提高了机器人应用的灵活性。
其中,需要说明的是,在基于机器人当前要遍历的环境构建相应的环境地图时,可以采用本领域的常规技术手段来实现。即,通过采集机器人所配置的各传感器数据,根据各传感器数据进行相应的环境地图的构建。
参阅图2,为本申请一实施例的机器人自主漫游方法中所构建的环境地图的示例图。在一种可能的实现方式中,该环境地图的呈现方式可以通过不同区域对应不同颜色的方式来呈现。即,如图2所示,灰色区域为未探测区域,黑色区域为障碍物区域,白色区域为空闲区域。
在构建好环境地图之后,即可由环境地图中选取出候选路径点。此处,应当指出的是,在本申请一实施例的机器人自主漫游方法中,在由环境地图中选取出候选路径点之前,还可以包括对环境地图进行预处理的操作。具体的,对环境地图所进行的预处理可以包括二值化处理、腐蚀处理和膨胀处理中的至少一种。
更加具体的,在步骤S100中,构建出机器人当前所遍历的环境的环境地图后,可以先对所构建的环境地图进行二值化处理,将环境地图中的空闲区域处理为白色,其他所有区域则设置为黑色。然后,再通过腐蚀和膨胀操作将环境地图中的噪点消除,以达到去噪的目的。
在对环境地图进行预处理之后,即可执行由环境地图中选取出候选路径点的操作。其中,在一种可能的实现方式中,由环境地图中选取出候选路径点时,可以通过以下方式来实现。
即,首先,利用骨架提取方法,由环境地图中提取出空闲区域的骨架。然后,确定各空闲区域的骨架中各线段的端点。进而再检测各端点的邻域是否为非空闲区域,并在检测出邻域为非空闲区域时,将邻域为非空闲区域的端点所对应的线段删除。其中,删除邻域为非空闲区域的端点所对应的线段后,剩余的空闲区域的骨架中各线段的端点为候选路径点。
此处,需要说明的是,由于在上述对环境地图进行预处理的操作中,空闲区域均为白色区域(如图3所示),因此,利用骨架提取方法由环境地图中所提取出的空闲区域的骨架指的就是白色区域的骨架。同时,还应当指出的是,在图像处理中,骨架提取方法可以采用本领域的常规方法来实现,此处不再进行赘述。
在提取出环境地图中的空闲区域的骨架后,即可基于所提取出的骨架进行候选路径点的选取。其中,为了有效提高候选路径点选取的速率,避免冗余计算,在由环境地图中提取出空闲区域的骨架后,还包括:采用霍夫直线检测方式,将提取出的各空闲区域的骨架中的短线段删除,并对空闲区域的骨架中剩余的线段进行线性处理。即,通过霍夫直线检测,删除空白区域的骨架中的短线段,并对删除后所剩余的线段进行线性处理。此处,需要指出的是,空闲区域的骨架中的短线段指的是线段长度小于80个像素点的线段。
在通过霍夫直线检测方式删除空白区域的骨架中的短线段之后,即可对所剩余的各线段的两个端点进行检测。在检测出各端点周围预设邻域内存在非空闲区域(即,端点周围预设邻域内存在点的区域为黑色)时,表明该处可能存在障碍物,因此将该端点所对应的线段删除,由此在删除这些疑似为障碍物区域所对应的线段之后,再进行候选路径点的选取,保证了所选取出的候选路径点不会离障碍物过近,这也就降低了机器人在行动过程中与障碍物碰撞的情况,也降低了机器人无法达到候选路径点的概率。
通过对空白区域的骨架中所有线段的两个端点均进行上述处理之后,剩余的端点即为所确定的候选路径点。
此处,需要指出的是,在本申请实施例的机器人自主漫游方法中,进行各端点的检测时,各端点周围预设邻域指的是,各端点周围4*4—10*10的区域中的任一区域。如:可以为各端点周围8*8的区域。即,检测端点周围8*8邻域是否存在点的区域为黑色区域,如果存在则表明该端点的周围邻域处存在疑似障碍物,则将该端点所对应的线段删除。如果不存在,则表明该端点的周围邻域均为空闲区域,则保留该端点,并进行下一端点周围邻域的检测。
应当指出的是,在上述各端点周围预设邻域的限定中,4*4—10*10的单位为像素。
在由环境地图中确定出所有的候选路径点之后,即可执行步骤S200,获取根据机器人的应用场景所设置的候选点稀疏程度阈值,并根据候选点稀疏程度阈值,由候选路径点中选取实际路径点。
其中,需要解释说明的是,候选点稀疏程度阈值表征了在进行机器人的路径轨迹的设计过程中,最终所依据的实际路径点的稀疏程度。候选点稀疏程度阈值越大,所依据的实际路径点越稀疏。反之,候选点稀疏程度阈值越小,所依据的实际路径点越密集。
同时,在本申请实施例的机器人自主漫游方法中,候选点稀疏程度阈值的取值取决于机器人的当前应用场景。也就是说,候选点稀疏程度阈值的取值可以根据机器人的服务任务的不同而进行相应的改变。
如:雾化消毒机器人,可以根据喷出液体辐射范围大小来改变候选点稀疏程度阈值,当喷射距离比较大时,阈值可以设置大一些,采集的点不需要太密集,反之,喷射距离小,则就可以设置密集一些。图4为小地图路径点提取测试样例,图5为大地图路径点提取测试样例。需要说明的是,图4和图5中的黑色圆点即为选取出来的路径点。
在获取根据机器人的应用场景所设置的候选点稀疏程度阈值之后,即可根据候选点稀疏程度阈值,由候选路径点中选取实际路径点。在一种可能的实现方式中,可以根据候选点稀疏程度阈值,遍历各候选路径点,保留线段长度小于候选点稀疏程度阈值的两个候选路径点中的一个作为实际路径点的方式来实现(如图6所示)。同理,图6中的黑色圆点即为最终选取出来的实际路径点。
其中,参阅图7a至图7c,为分别采用三个不同的候选点稀疏程度阈值,由候选路径点中选取出实际路径点后的示例图。同理,图7a至图7c中的黑色的点即为针对不同的候选点稀疏程度阈值所选取出的实际路径点。
在通过上述任一方式由环境地图中确定出所有的实际路径点之后,即可执行步骤S300,基于所选取出的实际路径点,确定机器人遍历当前的环境时的路径轨迹。
具体的,首先,由所选取出的实际路径点中确定起始点。然后,基于确定的起始点,对各实际路径点进行排序。进而再根据各实际路径点的排序结果确定机器人遍历当前的环境时的路径轨迹。
也就是说,当获取到实际路径点后,需要对实际路径点进行相应的排序,来减少机器人遍历地图行驶的距离。其中,在对实际路径点进行排序时,则需要先确定起始点。起始点的确定可以采用两种方式:第一种,设置充电桩的位置为起始点。第二种,设置机器人当前位置为起始点。起始点设置完毕之后,则遍历所有的实际路径点,由实际路径点中找出离起始点最近的实际路径点作为机器人首个到达点。
进而,再由首个到达点开始,遍历其他的实际路径点,由实际路径点中寻找下一个最近的实际路径点。其中,在进行实际路径点的遍历确定与当前实际路径点距离最近的实际路径点时,可以采用A星全局搜索的方式获得两点直接的距离,进而再通过各距离的比较来实现。由此,从首个实际路径点,寻找下一个最近实际路径点,依次循环,这即可实现实际路径点的排序。
在获取实际路径点的排序之后,即可根据各实际路径点的排序结果确定机器人遍历当前的环境时的路径轨迹。其中,在根据各实际路径点的排序结果确定机器人遍历当前的环境时的路径轨迹时,可以采用A星算法进行全局规划,然后利用TEB(teb_local_planner)局部规划算法获取机器人导航速度,控制机器人遍历所有路径点,从而实现机器人自主漫游模式。此处,本领域技术人员可以理解的是,采用A星算法进行全局规划,利用TEB(teb_local_planner)局部规划算法获取机器人导航速度均可以采用本领域的常规技术手段来实现,此处不再进行赘述。
由此,本申请实施例的机器人自主漫游方法,服务型机器人在使用之前,通过对环境进行地图构建,获取环境地图,并针对不同服务类型的机器人,针对性地由环境地图中进行实际路径点的合理提取,其中,提取的规则就是一方面满足机器人对地图的遍历,一方面根据服务类型不同降低和增加路径点稀疏和稠密程度。当完成路径点提取之后,再根据机器人位置进行路径点有效排序,避免机器人过多走重复路。最后将排好顺序的路径点发送给机器人导航***,利用全局规划和局部规划控制机器人逐一通过路径点,从而实现机器人对环境的高效遍历。
需要说明的是,尽管以图1至图7c作为示例介绍了如上所述的机器人自主漫游方法,但本领域技术人员能够理解,本申请应不限于此。事实上,用户完全可根据个人喜好和/或实际应用场景灵活设定各步骤的具体实现方式,只要能够在进行机器人路径轨迹的自动规划时将机器人的实际应用场景考虑进去即可。
相应的,基于前面任一所述的机器人自主漫游方法,本申请还提供了一种机器人自主漫游装置。由于本申请提供的机器人自主漫游装置的工作原理与本申请的机器人自主漫游方法的原理相同或相似,因此重复之处不再赘述。
参阅图8,本申请提供的机器人自主漫游装置100,其特征在于,包括:地图构建模块110、候选路径点选取模块120、实际路径点选取模块130和路径轨迹确定模块140。地图构建模块110,被配置为基于机器人当前要遍历的环境构建相应的环境地图。候选路径点选取模块120,被配置为由环境地图中选取出候选路径点。实际路径点选取模块130,被配置为获取根据机器人的应用场景所设置的候选点稀疏程度阈值,并根据候选点稀疏程度阈值,由候选路径点中选取实际路径点。路径轨迹确定模块140,被配置为基于所选取出的实际路径点,确定机器人遍历当前的环境时的路径轨迹。
更进一步地,根据本申请的另一方面,还提供了一种机器人自主漫游设备200。参阅图9,本申请实施例的机器人自主漫游设备200包括处理器210以及用于存储处理器210可执行指令的存储器220。其中,处理器210被配置为执行可执行指令时实现前面任一所述的机器人自主漫游方法。
此处,应当指出的是,处理器210的个数可以为一个或多个。同时,在本申请实施例的机器人自主漫游设备200中,还可以包括输入装置230和输出装置240。其中,处理器210、存储器220、输入装置230和输出装置240之间可以通过总线连接,也可以通过其他方式连接,此处不进行具体限定。
存储器220作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序和各种模块,如:本申请实施例的机器人自主漫游方法所对应的程序或模块。处理器210通过运行存储在存储器220中的软件程序或模块,从而执行机器人自主漫游设备200的各种功能应用及数据处理。
输入装置230可用于接收输入的数字或信号。其中,信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置240可以包括显示屏等显示设备。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种机器人自主漫游方法,其特征在于,包括:
基于机器人当前要遍历的环境构建相应的环境地图,并由所述环境地图中选取出候选路径点;
获取根据所述机器人的应用场景所设置的候选点稀疏程度阈值,并根据所述候选点稀疏程度阈值,由所述候选路径点中选取实际路径点;
基于所选取出的所述实际路径点,确定所述机器人遍历当前的环境时的路径轨迹。
2.根据权利要求1所述的方法,其特征在于,基于机器人当前要遍历的环境构建相应的环境地图后,还包括:对所述环境地图进行预处理的操作;
其中,对所述环境地图进行预处理的操作包括:二值化处理、腐蚀处理和膨胀处理中的至少一种。
3.根据权利要求1所述的方法,其特征在于,由所述环境地图中选取出候选路径点,包括:
利用骨架提取方法,由所述环境地图中提取出空闲区域的骨架;
确定各所述空闲区域的骨架中各线段的端点;
检测各端点的邻域是否为非空闲区域,并在检测出邻域为所述非空闲区域时,将邻域为所述非空闲区域的端点所对应的线段删除;
其中,删除邻域为所述非空闲区域的端点所对应的线段后,剩余的所述空闲区域的骨架中各线段的端点为所述候选路径点。
4.根据权利要求3所述的方法,其特征在于,利用骨架提取方法,由所述环境地图中提取出空闲区域的骨架后,还包括:
采用霍夫直线检测方式,将提取出的各所述空闲区域的骨架中的短线段删除,并对所述空闲区域的骨架中剩余的线段进行线性处理。
5.根据权利要求4所述的方法,其特征在于,采用霍夫直线检测方式,将提取出的各所述空闲区域的骨架中的短线段删除时,所述短线段为线段长度小于80个像素点的线段。
6.根据权利要求3所述的方法,其特征在于,检测各端点的邻域是否为非空闲区域时,所述邻域为:各所述端点周围4*4—10*10的区域中的任一区域。
7.根据权利要求1至6任一项所述的方法,其特征在于,根据所述候选点稀疏程度阈值,由所述候选路径点中选取实际路径点,包括:
根据所述候选点稀疏程度阈值,遍历各所述候选路径点,保留线段长度小于所述候选点稀疏程度阈值的两个候选路径点中的一个作为所述实际路径点。
8.根据权利要求1至6任一项所述的方法,其特征在于,基于所选取出的所述实际路径点,确定所述机器人遍历当前的环境时的路径轨迹,包括:
由所选取出的实际路径点中确定起始点;
基于确定的所述起始点,对各所述实际路径点进行排序;
根据各所述实际路径点的排序结果确定所述机器人遍历当前的环境时的路径轨迹。
9.一种机器人自主漫游装置,其特征在于,包括:地图构建模块、候选路径点选取模块、实际路径点选取模块和路径轨迹确定模块;
所述地图构建模块,被配置为基于机器人当前要遍历的环境构建相应的环境地图;
所述候选路径点选取模块,被配置为由所述环境地图中选取出候选路径点;
所述实际路径点选取模块,被配置为获取根据所述机器人的应用场景所设置的候选点稀疏程度阈值,并根据所述候选点稀疏程度阈值,由所述候选路径点中选取实际路径点;
所述路径轨迹确定模块,被配置为基于所选取出的所述实际路径点,确定所述机器人遍历当前的环境时的路径轨迹。
10.一种机器人自主漫游设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述可执行指令时实现权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110336265.9A CN112950782A (zh) | 2021-03-29 | 2021-03-29 | 机器人自主漫游方法和装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110336265.9A CN112950782A (zh) | 2021-03-29 | 2021-03-29 | 机器人自主漫游方法和装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112950782A true CN112950782A (zh) | 2021-06-11 |
Family
ID=76227285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110336265.9A Pending CN112950782A (zh) | 2021-03-29 | 2021-03-29 | 机器人自主漫游方法和装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950782A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113724383A (zh) * | 2021-07-30 | 2021-11-30 | 深圳市普渡科技有限公司 | 机器人拓扑地图生成***、方法、计算机设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110823241A (zh) * | 2019-11-19 | 2020-02-21 | 齐鲁工业大学 | 基于可通行区域骨架提取的机器人路径规划方法及*** |
-
2021
- 2021-03-29 CN CN202110336265.9A patent/CN112950782A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110823241A (zh) * | 2019-11-19 | 2020-02-21 | 齐鲁工业大学 | 基于可通行区域骨架提取的机器人路径规划方法及*** |
Non-Patent Citations (5)
Title |
---|
YAN WU等: "VH-HFCN based Parking Slot and Lane Markings Segmentation on Panoramic Surround View", 《2018 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV)》, pages 1767 - 1772 * |
于航: "智能挖掘机器人任务与运动规划方法研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》, no. 1, pages 140 - 910 * |
侯力扬等: "煤矿井下水仓智能清淤机器人的路径规划算法研究", 《电子测量技术》, vol. 43, no. 19, pages 75 - 79 * |
孙涵;江剑;丁良华;齐昕雨;: "基于改进遗传算法的田间路径导航点提取研究", 测试技术学报, no. 03, pages 227 - 232 * |
蒋林;李峻;马先重;聂文康;朱建阳;雷斌;: "一种改进骨架提取的Voronoi路径规划", 机械工程学报, no. 13, pages 151 - 161 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113724383A (zh) * | 2021-07-30 | 2021-11-30 | 深圳市普渡科技有限公司 | 机器人拓扑地图生成***、方法、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112000754B (zh) | 地图构建方法、装置、存储介质及计算机设备 | |
US5023798A (en) | Method of and apparatus for determining a position of a land vehicle | |
US8849559B2 (en) | Apparatus and method for generating and using a grid map path | |
CN111780775A (zh) | 路径规划的方法、装置、机器人及存储介质 | |
CN110749901B (zh) | 自主移动机器人及其地图拼接方法、装置和可读存储介质 | |
CN113219993B (zh) | 一种路径规划方法及清洁机器人 | |
US20120299702A1 (en) | Hybrid positioning system | |
CN109001757B (zh) | 一种基于2d激光雷达的车位智能检测方法 | |
CN111426312A (zh) | 定位地图的更新方法、装置、设备及存储介质 | |
CN112683275A (zh) | 一种栅格地图的路径规划方法 | |
CN109068278B (zh) | 室内避障方法、装置、计算机设备及存储介质 | |
CN113219992A (zh) | 一种路径规划方法及清洁机器人 | |
CN112950782A (zh) | 机器人自主漫游方法和装置及设备 | |
CN112750161A (zh) | 用于移动机器人的地图更新方法及移动机器人定位方法 | |
CN113317733B (zh) | 一种路径规划方法及清洁机器人 | |
CN111750888B (zh) | 信息交互方法、装置、电子设备和计算机可读存储介质 | |
CN114812539B (zh) | 地图探索、地图使用方法、装置、机器人和存储介质 | |
CN109270566B (zh) | 导航方法、导航效果测试方法、装置、设备和介质 | |
EP4390313A1 (en) | Navigation method and self-propelled apparatus | |
KR102275671B1 (ko) | 객체 형태 검출 장치 및 방법 | |
US11320283B2 (en) | Arrival determination system and arrival determination program | |
CN115167439A (zh) | 一种四足机器人的路径规划方法、装置、设备及存储介质 | |
CN113341957A (zh) | 一种基于痕迹地图A_star算法的多机器人路径规划方法 | |
CN114489050A (zh) | 沿直线行驶的避障路线控制方法、装置、设备及存储介质 | |
CN112180947A (zh) | 一种移动机器人初始行进方向选择方法及其设备 |
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 |