CN113724385A - 机器人拓扑地图生成***、方法、计算机设备及存储介质 - Google Patents
机器人拓扑地图生成***、方法、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113724385A CN113724385A CN202110874179.3A CN202110874179A CN113724385A CN 113724385 A CN113724385 A CN 113724385A CN 202110874179 A CN202110874179 A CN 202110874179A CN 113724385 A CN113724385 A CN 113724385A
- Authority
- CN
- China
- Prior art keywords
- track
- map
- scene
- generate
- image
- 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 35
- 238000013507 mapping Methods 0.000 claims abstract description 78
- 230000009471 action Effects 0.000 claims abstract description 39
- 238000010586 diagram Methods 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000000265 homogenisation Methods 0.000 description 8
- 230000000877 morphologic effect Effects 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及机器人导航领域,公开了一种机器人拓扑地图生成***、方法、计算机设备及存储介质,其***包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机可读指令,处理器执行计算机可读指令时实现如下步骤:获取机器人在建图场景中的行动轨迹,以及建图场景的场景地图;对行动轨迹进行滤波处理,生成均匀化点轨迹;对场景地图进行处理,生成场景骨架图;将均匀化点轨迹映射到场景骨架图,并经图像优化处理,生成轨迹骨架图;对轨迹骨架图进行直线化处理,生成建图场景的拓扑地图。本发明大大提高了拓扑地图的绘制效率,减少拓扑地图的人为出错。
Description
技术领域
本发明涉及机器人导航领域,尤其涉及一种机器人拓扑地图生成***、方法、计算机设备及存储介质。
背景技术
在机器人自动导航过程中,通常依赖于预先绘制好的拓扑地图。拓扑地图一般是通过人为绘制。然而,对于复杂场景,拓扑地图的绘制过程会比较繁琐,费时费力,并且存在拓扑地图与实际场景不匹配的情况,影响机器人的正常运行。
发明内容
基于此,有必要针对上述技术问题,提供一种机器人拓扑地图生成***、方法、计算机设备及存储介质,以提高拓扑地图的绘制效率,减少拓扑地图的人为出错。
一种机器人拓扑地图生成***,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时,实现如下步骤:
获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图;
对所述行动轨迹进行滤波处理,以生成均匀化点轨迹;
对所述场景地图进行处理,以生成场景骨架图;
将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,以生成轨迹骨架图;
对所述轨迹骨架图进行直线化处理,以生成所述建图场景的拓扑地图。
一种机器人拓扑地图生成方法,包括:
获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图;
对所述行动轨迹进行滤波处理,以生成均匀化点轨迹;
对所述场景地图进行处理,以生成场景骨架图;
将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,以生成轨迹骨架图;
对所述轨迹骨架图进行直线化处理,以生成所述建图场景的拓扑地图。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器用于执行所述计算机可读指令时以实现上述机器人拓扑地图生成方法。
一个或多个存储有计算机可读指令的可读存储介质,所述计算机可读指令被一个或多个处理器执行时,使得所述一个或多个处理器执行如上述机器人拓扑地图生成方法。
本发明仅需要获取行动轨迹和场景地图,即可自动生成拓扑地图,大大提高了拓扑地图的绘制效率,减少拓扑地图的人为出错。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例中机器人拓扑地图生成***的一流程示意图;
图2是本发明一实施例中经滤波处理后包含均匀化点轨迹的图像;
图3是本发明一实施例中经反相处理后的场景骨架图;
图4是本发明一实施例中经反相处理后的轨迹骨架图;
图5是本发明一实施例中经反相处理过的拓扑地图;
图6是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,机器人拓扑地图生成***,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序计算机可读指令,其特征在于,所述处理器用于执行所述计算机可读指令时以实现如下步骤:
S10、获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图。
可理解地,建图场景可以是机器人的工作场景,如餐厅、酒店、医院或者其他室内外场景。行动轨迹可以是机器人在建图场景中的行走轨迹。行动轨迹包括若干机器人的点轨迹。在一示例中,可以按照预设时间间隔采集这些点轨迹。预设时间间隔可以根据实际需要进行设置。如,预设时间间隔可以是0.1s~1s,具体可以是0.1s、0.5s或者1s,这里不做具体限定。在其他示例中,也可以按照预设的位移间隔和/或角度间隔来采集这些点轨迹,如每移动0.2m则采集一次,或角度每变化20度则采集一次等等,这里不做具体数值的限定。
场景地图可以是建图场景预先绘制好的平面地图,也可以是通过深度图像数据绘制的地图。一般情况下,场景地图为二维地图。
在一示例中,建图场景可以是餐厅。当机器人进入餐厅时,工作人员可推着机器人沿着餐厅的人行通道行进,形成行动轨迹,同时,机器人身上的激光雷达或者深度相机可采集人行通道沿途的深度图像数据。可以根据这些深度图像数据和行动轨迹构建二维地图。
在可选实施例中,可以推着机器人沿着餐厅行走一次,也可以是行走多次。且可选地,在起始点开始,推动机器人对餐厅需要建图的通道走完后,需要推动机器人回到建图时的起始点,从而完成推图。
在其他实施例中,也可以通过引领控制的方式引领机器人跟随用户沿着餐厅走一圈。
在可选实施例中,深度相机可以是多目相机,也可以是RGBD相机,可选地,还可以是单目相机,通过对连续的单目相机的图像帧进行追踪,从而获取深度信息。
S20、对所述行动轨迹进行滤波处理,生成均匀化点轨迹;对所述场景地图进行处理,以生成场景骨架图。
可理解地,行动轨迹中,相邻轨迹点采集的时间间隔相等,而相邻轨迹点之间的间距存在一定的差异。该间距跟机器人在时间间隔内的运动速度有关。需要对行动轨迹进行滤波处理,减少间距的差异,获得均匀化点轨迹。均匀化点轨迹指的是相邻轨迹点的间距处在一个距离范围内,保证间距均匀,不出现过大或过小的状况。如图2所示,图2为经滤波处理后包含均匀化点轨迹的图像。其中,图2中的线状曲线为均匀化点轨迹。
对场景地图进行滤波处理,可以滤除其中的噪点。对滤波后的图像进行二值化处理,获得二值化图像,可以便于提取场景地图中的信息,提高识别效率。在一示例中,可以将滤波后的场景地图中无障碍物的可行区域设置为1,有障碍物的区域为0。可以采用形态学图像处理方法处理二值化图像,提取二值化图像的骨架,生成场景骨架图。在一示例中,场景骨架图中,骨架位置的像素值设置为255。如图3所示,图3为一示例中经反相处理后的场景骨架图。在此处,反相处理后,骨架位置的像素值设置为0。
S30、将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,生成轨迹骨架图。
可理解地,可以按照预设的映射规则(如尺度因子)将均匀化点轨迹映射到场景骨架图。在场景骨架图上增加均匀化点轨迹之后,可以选用合适的优化措施,对已增加均匀化点轨迹的场景骨架图进行优化,使均匀化点轨迹中的各个轨迹点连结成在一起,并经细化处理,形成轨迹骨架图。如图4所示,图4为一示例经反相处理后的轨迹骨架图。轨迹骨架图中的轨迹骨架由若干段骨架组成,每段骨架为不规则的曲线线段。
S40、对所述轨迹骨架图进行直线化处理,以生成所述建图场景的拓扑地图。
可理解地,可以对轨迹骨架图中的每段骨架进行直线化处理(即直线拟合),将直线化处理之后的直线段作为路径输出。同时,将三条以上直线段相交的点作为节点输出。拓扑地图包括输出的路径和节点。
进行直线化处理的过程中,可以将分段后的骨架的点集作为该直线段的输入,经最小二乘法处理,可以获得直线段。最小二乘法采用如下公式:
其中,e为误差项,(xi,yi)为分段后的骨架的点集中第i点的坐标,a、b为待求解的参数。e值最小时,可求解出a、b的值。
如图5所示,图5为经反相处理过的拓扑地图。
本实施例中,仅需要获取行动轨迹和场景地图,即可自动生成拓扑地图,大大提高了拓扑地图的绘制效率,减少拓扑地图的人为出错。
可选的,步骤S10,即所述获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图,包括:
S101、获取所述机器人经过所述行动轨迹时采集的深度图像数据,所述深度图像数据通过深度相机和/或激光雷达采集;
S102、根据所述机器人在所述行动轨迹中的位置拼接所述深度图像数据,生成所述场景地图。
可理解地,深度图像数据可以是通过安装在机器人身上的深度相机和/或激光雷达获取到的深度信息数据。深度相机或激光雷达可以在不同轨迹点上采集建图场景的深度图像数据。基于各个轨迹点的位置对这些深度图像数据进行拼接,可以生成建图场景的场景地图。
如,通过激光雷达采集的深度图像数据具体可以是三维点云,随后将三维点云进行二维投影,生成二维的场景地图。在此处,将三维点云投影在建图场景的地平面(可以是水平面)上,可以生成二维的场景地图。
可选的,步骤S20中,即所述对所述行动轨迹进行滤波处理,生成均匀化点轨迹,包括:
S201、对所述行动轨迹进行插值,然后进行中值滤波和均值平滑处理,生成所述均匀化点轨迹;所述均匀化点轨迹中,相邻轨迹点的间距大于第一阈值,小于第二阈值。
可理解地,可以对行动轨迹进行插值,增加轨迹点的个数,使所有相邻轨迹点之间的间距小于第一阈值。然后通过中值滤波,去除间距过小的轨迹点,再经均值平滑处理,使得相邻轨迹点的间距大致相等,进而得到均匀化点轨迹。在均匀化点轨迹中,相邻轨迹点的间距大于第一阈值,小于第二阈值。
可选的,所述第一阈值包括0.25m,所述第二阈值包括1m。
可理解地,第一阈值和第二阈值可以根据实际需要进行设置。在一示例中,第一阈值包括0.25m,第二阈值包括1m。
可选的,步骤S20中,即所述对所述场景地图进行处理,生成场景骨架图,包括:
S202、对所述场景地图进行图像预处理,生成图像预处理图像;
S203、对所述图像预处理图像进行二值化处理,生成所述二值化图像;
S204、对所述二值化图像进行骨架提取,生成所述场景骨架图。
可理解地,可以对场景地图进行图像预处理,生成图像预处理图像。在一示例中,图像预处理可以是图像中值滤波和图像均值滤波。像中值滤波和图像均值滤波可以滤除场景地图中的噪点,优化场景地图的图像质量。对图像预处理图像进行二值化处理,生成二值化图像,可以便于提取场景地图中的信息,提高障碍物信息的识别效率。对二值化图像进行形态学处理,提取骨架,生成场景骨架图。场景骨架图中,骨架位置的像素值为255。
其中,对滤波图像进行二值化处理具体是将存在障碍物的像素/栅格记录为0,将不存在障碍物的像素/栅格记录为1;或者是将障碍物的像素/栅格记录为1,将不存在障碍物的像素/栅格记录为0,这里不做限定。随后对二值化图像进行形态学处理,即提取连续的不存在障碍物的像素/栅格区域的骨架。在此处,骨架可以指利用形态学算子计算出的形态骨架。形态骨架可以包括两种形式,一种通过形态开口定义的,可以重建原始形状的开口;另一种通过hit-or-miss变换(一种变换机制)来计算的,它保留了形状的拓扑结构。
可选的,步骤S30,即所述将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,生成轨迹骨架图,包括:
S301、将所述均匀化点轨迹映射到所述场景骨架图,以生成轨迹映射图像;
S302、对所述轨迹映射图像进行膨胀操作和填充操作,以生成封闭区域图像;
S303、对所述封闭区域图像的边缘进行细化处理,以生成所述轨迹骨架图。
可理解地,在步骤S301中,可以将均匀化点轨迹映射到场景骨架图,生成轨迹映射图像。进行映射时,可以将均匀化点轨迹中的轨迹点的坐标等比例放大或缩小。例如,尺度因子为0.05,轨迹点的坐标为(100,100),映射到场景骨架图后,该轨迹点对应的轨迹映射坐标为(5,5)。
在步骤S302中,可以对轨迹映射图像进行膨胀操作和填充操作,生成封闭区域图像。对轨迹映射图像进行膨胀操作,可以使原来均匀化点轨迹中的各个轨迹点连结成在一起,再执行填充操作,形成多个闭合的区域,即为封闭区域图像。例如,原有的轨迹点的直径为4px,轨迹点间距为4px;若轨迹点膨胀一倍,直径变为8px,则相邻轨迹点出现部分重叠,原先分散的轨迹点相互连结,形成连续的线段。其中,部分线段可以围绕成闭合的区域。
在步骤S303中,可以对封闭区域图像的边缘进行细化处理,生成轨迹骨架图。如图4所示,图4为经细化处理并进行反相处理后获得的轨迹骨架图。
可选的,步骤S301,即所述将所述均匀化点轨迹映射到所述场景骨架图,生成轨迹映射图像,包括:
S3011、获取所述均匀化点轨迹的尺度因子;
S3012、根据所述尺度因子将所述均匀化点轨迹的点坐标转换成映射坐标;
S3013、根据所述映射坐标在所述场景骨架图增加轨迹点,生成所述轨迹映射图像。
可理解地,尺度因子相当于地图的比例尺,可以放大或缩小轨迹点的坐标。尺度因子随着均匀化点轨迹与场景骨架图之间的比例大小的变化而变化。执行步骤S3011,可以获取均匀化点轨迹的尺度因子。在一示例中,尺度因子的值为0.05。
在步骤S3012中,可以根据尺度因子将均匀化点轨迹的点坐标转换成映射坐标。在一示例中,映射坐标为均匀化点轨迹的点坐标与尺度因子的倒数的乘积,用公式表示为:
其中,P1(X1,Y1)为映射坐标,P(X,Y)为均匀化点轨迹的点坐标,scale为尺度因子。
在步骤S3012中,可以根据映射坐标在场景骨架图增加轨迹点,生成轨迹映射图像。在轨迹映射图像中,既包括原有场景骨架图中的障碍物信息,也包括了机器人的轨迹数据。
可选的,步骤S40,即所述对所述轨迹骨架图进行直线化处理,生成所述建图场景的拓扑地图,包括:
S401、对所述轨迹骨架图中的轨迹点进行分组,获得若干个轨迹点集,一个轨迹点集对应一段骨架;
S402、通过最小二乘法对所述轨迹点集进行直线化处理,以生成直线段;
S403、选取指定条数以上直线段的交点,将所述交点设置为节点;
S404、根据所述直线段和所述节点生成所述拓扑地图。
可理解地,轨迹骨架图中包含若干段骨架。每一段骨架由若干轨迹点组成,这些轨迹点可以组成轨迹点集。也即是,一个轨迹点集对应一段骨架。
可以通过最小二乘法对轨迹点集进行直线化处理,生成直线段。一个轨迹点集可以生成一个直线段。在一示例中,最小二乘法采用如下公式:
其中,e为误差项,(xi,yi)为轨迹点集中第i点的坐标,a、b为待求解的参数。e值最小时,可求解出a、b的值。
通过直线化处理后,可以获得若干直线段。可以选取指定条数以上直线段的交点,将该交点设置为节点。在此处,指定条数可以是3,节点表示地图中的分叉路口。在其他实施例中,指定条数也可以是2。例如,存在一条直线段AB(点A和点B分别为直线段AB的两个端点),另一条直线段CD(点C和点D分别为直线段CD的两个端点),点C处在直线段上(即处于点A和点B之间)。此时,点C为节点。
可以组合所有的直线段和节点,生成建图场景的拓扑地图。其中,直线段表示地图的路径,节点表示路径的交汇点,即分叉路口,即直线段组成拓扑地图的节点,节点组成拓扑地图的节点。
上述机器人拓扑地图生成***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一实施例中,提供一种机器人拓扑地图生成方法,该机器人拓扑地图生成方法与上述实施例中机器人拓扑地图生成***一一对应。如图1所示,本实施例提供的机器人拓扑地图生成方法,包括如下步骤:
S10、获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图;
S20、对所述行动轨迹进行滤波处理,生成均匀化点轨迹;对所述场景地图进行处理,生成场景骨架图;
S30、将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,生成轨迹骨架图;
S40、对所述轨迹骨架图进行直线化处理,生成所述建图场景的拓扑地图。
可选的,步骤S10,即所述获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图,包括:
S101、获取所述机器人经过所述行动轨迹时采集的深度图像数据,所述深度图像数据通过深度相机和/或激光雷达采集;
S102、根据所述机器人在所述行动轨迹中的位置拼接所述深度图像数据,生成所述建图场景的三维点云;
S103、将所述三维点云进行二维投影,生成所述场景地图。
可选的,在步骤S20中,即所述对所述行动轨迹进行滤波处理,生成均匀化点轨迹,包括:
S201、对所述行动轨迹进行插值,然后进行中值滤波和均值平滑处理,生成所述均匀化点轨迹,所述均匀化点轨迹中,相邻轨迹点的间距大于第一阈值,小于第二阈值。
可选的,所述第一阈值包括0.25m,所述第二阈值包括1m。
可选的,在步骤S20中,即所述对所述场景地图进行处理,生成场景骨架图,包括:
对所述场景地图进行图像预处理,生成图像预处理图像;
对所述图像预处理图像进行二值化处理,生成所述二值化图像;
对所述二值化图像进行骨架提取,生成所述场景骨架图。
可选的,步骤S30,即所述将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,生成轨迹骨架图,包括:
S301、将所述均匀化点轨迹映射到所述场景骨架图,生成轨迹映射图像;
S302、对所述轨迹映射图像进行膨胀操作和填充操作,生成封闭区域图像;
S303、对所述封闭区域图像的边缘进行细化处理,生成所述轨迹骨架图。
可选的,步骤S301,即所述将所述均匀化点轨迹映射到所述场景骨架图,生成轨迹映射图像,包括:
S3011、获取所述均匀化点轨迹的尺度因子;
S3012、根据所述尺度因子将所述均匀化点轨迹的点坐标转换成映射坐标;
S3013、根据所述映射坐标在所述场景骨架图增加轨迹点,生成所述轨迹映射图像。
关于机器人拓扑地图生成方法的具体限定可以参见上文中对于机器人拓扑地图生成***的限定,在此不再赘述。应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括可读存储介质、内存储器。该可读存储介质存储有操作***、计算机可读指令和数据库。该内存储器为可读存储介质中的操作***和计算机可读指令的运行提供环境。该计算机设备的数据库用于存储机器人拓扑地图生成方法所涉及的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种机器人拓扑地图生成方法。本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令,处理器执行计算机可读指令时实现以下步骤:
获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图;
对所述行动轨迹进行滤波处理,生成均匀化点轨迹;
对所述场景地图进行处理,生成场景骨架图;
将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,生成轨迹骨架图;
对所述轨迹骨架图进行直线化处理,生成所述建图场景的拓扑地图。
在一个实施例中,提供了一个或多个存储有计算机可读指令的计算机可读存储介质,本实施例所提供的可读存储介质包括非易失性可读存储介质和易失性可读存储介质。可读存储介质上存储有计算机可读指令,计算机可读指令被一个或多个处理器执行时实现以下步骤:
获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图;
对所述行动轨迹进行滤波处理,生成均匀化点轨迹;
对所述场景地图进行处理,生成场景骨架图;
将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,生成轨迹骨架图;
对所述轨迹骨架图进行直线化处理,生成所述建图场景的拓扑地图。
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,是可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一非易失性可读取存储介质或易失性可读存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;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精神和范围,均应包含在本发明的保护范围之内。
Claims (11)
1.一种机器人拓扑地图生成***,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器用于执行所述计算机可读指令时以实现如下步骤:
获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图;
对所述行动轨迹进行滤波处理,以生成均匀化点轨迹;
对所述场景地图进行处理,以生成场景骨架图;
将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,以生成轨迹骨架图;
对所述轨迹骨架图进行直线化处理,以生成所述建图场景的拓扑地图。
2.如权利要求1所述的机器人拓扑地图生成***,其特征在于,所述获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图,包括:
获取所述机器人经过所述行动轨迹时采集的深度图像数据;
根据所述机器人在所述行动轨迹中的位置拼接所述深度图像数据,以生成所述场景地图。
3.如权利要求1所述的机器人拓扑地图生成***,其特征在于,所述对所述行动轨迹进行滤波处理,生成均匀化点轨迹,包括:
对所述行动轨迹进行插值,然后进行中值滤波和均值平滑处理,生成所述均匀化点轨迹,所述均匀化点轨迹中,相邻轨迹点的间距大于第一阈值,小于第二阈值。
4.如权利要求3所述的机器人拓扑地图生成***,其特征在于,所述第一阈值包括0.25m,所述第二阈值包括1m。
5.如权利要求1所述的机器人拓扑地图生成***,其特征在于,所述对所述场景地图进行处理,生成场景骨架图,包括:
对所述场景地图进行图像预处理,生成图像预处理图像;
对所述图像预处理图像进行二值化处理,生成所述二值化图像;
对所述二值化图像进行骨架提取,生成所述场景骨架图。
6.如权利要求1所述的机器人拓扑地图生成***,其特征在于,所述将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,生成轨迹骨架图,包括:
将所述均匀化点轨迹映射到所述场景骨架图,生成轨迹映射图像;
对所述轨迹映射图像进行膨胀操作和填充操作,生成封闭区域图像;
对所述封闭区域图像的边缘进行细化处理,生成所述轨迹骨架图。
7.如权利要求6所述的机器人拓扑地图生成***,其特征在于,所述将所述均匀化点轨迹映射到所述场景骨架图,生成轨迹映射图像,包括:
获取所述均匀化点轨迹的尺度因子;
根据所述尺度因子将所述均匀化点轨迹的点坐标转换成映射坐标;
根据所述映射坐标在所述场景骨架图增加轨迹点,生成所述轨迹映射图像。
8.如权利要求1所述的机器人拓扑地图生成***,其特征在于,所述对所述轨迹骨架图进行直线化处理,生成所述建图场景的拓扑地图,包括:
对所述轨迹骨架图中的轨迹点进行分组,获得若干个轨迹点集,一个轨迹点集对应一段骨架;
通过最小二乘法对所述轨迹点集进行直线化处理,以生成直线段;
选取指定条数以上直线段的交点,将所述交点设置为节点;
根据所述直线段和所述节点生成所述拓扑地图。
9.一种机器人拓扑地图生成方法,其特征在于,包括:
获取机器人在建图场景中的行动轨迹,以及所述建图场景的场景地图;
对所述行动轨迹进行滤波处理,以生成均匀化点轨迹;
对所述场景地图进行处理,以生成场景骨架图;
将所述均匀化点轨迹映射到所述场景骨架图,并经图像优化处理,以生成轨迹骨架图;
对所述轨迹骨架图进行直线化处理,以生成所述建图场景的拓扑地图。
10.一种计算机设备,其特征在于,所述处理器用于执行所述计算机可读指令时以实现如权利要求9所述的机器人拓扑地图生成方法。
11.一个或多个存储有计算机可读指令的可读存储介质,所述计算机可读指令被一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求9所述的机器人拓扑地图生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110874179.3A CN113724385A (zh) | 2021-07-30 | 2021-07-30 | 机器人拓扑地图生成***、方法、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110874179.3A CN113724385A (zh) | 2021-07-30 | 2021-07-30 | 机器人拓扑地图生成***、方法、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113724385A true CN113724385A (zh) | 2021-11-30 |
Family
ID=78674531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110874179.3A Pending CN113724385A (zh) | 2021-07-30 | 2021-07-30 | 机器人拓扑地图生成***、方法、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113724385A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704837A (zh) * | 2017-10-19 | 2018-02-16 | 千寻位置网络有限公司 | 道路网拓扑和几何信息的提取方法 |
CN110335282A (zh) * | 2018-12-25 | 2019-10-15 | 广州启明星机器人有限公司 | 一种基于栅格的轮廓线段特征提取算法 |
CN111158384A (zh) * | 2020-04-08 | 2020-05-15 | 炬星科技(深圳)有限公司 | 机器人建图方法、设备及存储介质 |
CN111768489A (zh) * | 2019-04-01 | 2020-10-13 | 顺丰科技有限公司 | 一种室内导航地图构建方法和*** |
CN112269848A (zh) * | 2020-10-31 | 2021-01-26 | 武汉中海庭数据技术有限公司 | 一种众包轨迹数据融合方法及装置 |
CN112328730A (zh) * | 2021-01-04 | 2021-02-05 | 腾讯科技(深圳)有限公司 | 一种地图数据更新的方法、相关装置、设备及存储介质 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、***、存储介质及电子设备 |
CN113065594A (zh) * | 2021-04-01 | 2021-07-02 | 中科星图空间技术有限公司 | 一种基于北斗数据与遥感影像融合的路网提取方法及装置 |
-
2021
- 2021-07-30 CN CN202110874179.3A patent/CN113724385A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704837A (zh) * | 2017-10-19 | 2018-02-16 | 千寻位置网络有限公司 | 道路网拓扑和几何信息的提取方法 |
CN110335282A (zh) * | 2018-12-25 | 2019-10-15 | 广州启明星机器人有限公司 | 一种基于栅格的轮廓线段特征提取算法 |
CN111768489A (zh) * | 2019-04-01 | 2020-10-13 | 顺丰科技有限公司 | 一种室内导航地图构建方法和*** |
CN111158384A (zh) * | 2020-04-08 | 2020-05-15 | 炬星科技(深圳)有限公司 | 机器人建图方法、设备及存储介质 |
CN112269848A (zh) * | 2020-10-31 | 2021-01-26 | 武汉中海庭数据技术有限公司 | 一种众包轨迹数据融合方法及装置 |
CN112328730A (zh) * | 2021-01-04 | 2021-02-05 | 腾讯科技(深圳)有限公司 | 一种地图数据更新的方法、相关装置、设备及存储介质 |
CN112683286A (zh) * | 2021-03-16 | 2021-04-20 | 季华实验室 | 拓扑路网地图的建立方法、***、存储介质及电子设备 |
CN113065594A (zh) * | 2021-04-01 | 2021-07-02 | 中科星图空间技术有限公司 | 一种基于北斗数据与遥感影像融合的路网提取方法及装置 |
Non-Patent Citations (2)
Title |
---|
王娜等: "基于细化算法的移动机器人拓扑地图创建", 计算机技术与发展, vol. 19, no. 10, pages 11 - 14 * |
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 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220028163A1 (en) | Computer Vision Systems and Methods for Detecting and Modeling Features of Structures in Images | |
CN109541634B (zh) | 一种路径规划方法、装置和移动设备 | |
CN109993780B (zh) | 一种三维高精度地图生成方法及装置 | |
CN107610212B (zh) | 场景重建方法、装置、计算机设备以及计算机存储介质 | |
CN105160702B (zh) | 基于LiDAR点云辅助的立体影像密集匹配方法及*** | |
CN111609852A (zh) | 语义地图构建方法、扫地机器人及电子设备 | |
CN111198378B (zh) | 基于边界的自主探索方法和装置 | |
CN112904369B (zh) | 机器人重定位方法、装置、机器人和计算机可读存储介质 | |
CN112306050B (zh) | 自主机器人及其行走路径规划方法、装置和存储介质 | |
CN112434707B (zh) | 一种交通路口rpp点自动提取方法及装置 | |
CN115267796B (zh) | 定位方法、装置、机器人和存储介质 | |
CN108564604B (zh) | 基于平面约束和三角剖分的双目视觉立体匹配方法及装置 | |
CN115482255A (zh) | 障碍物追踪方法、装置、设备及存储介质 | |
CN116540726A (zh) | 一种巡逻机器人智能避障方法、***及介质 | |
CN113724383A (zh) | 机器人拓扑地图生成***、方法、计算机设备及存储介质 | |
CN113607161B (zh) | 机器人导航路径宽度获取***、方法、机器人及存储介质 | |
CN113724385A (zh) | 机器人拓扑地图生成***、方法、计算机设备及存储介质 | |
CN114459483B (zh) | 基于机器人导航用地标导航地图构建与应用方法、*** | |
CN113724384A (zh) | 机器人拓扑地图生成***、方法、计算机设备及存储介质 | |
CN112433193B (zh) | 一种基于多传感器的模位置定位方法及*** | |
CN113920020A (zh) | 一种基于深度生成模型的人体点云实时修复方法 | |
Kurka et al. | Automatic estimation of camera parameters from a solid calibration box | |
Martinez et al. | Map-based lane identification and prediction for autonomous vehicles | |
CN113741422B (zh) | 机器人拓扑地图生成***、方法、计算机设备及存储介质 | |
CN116382308B (zh) | 智能化移动机械自主寻径与避障方法、装置、设备及介质 |
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 |