CN113848944A - 一种地图构建方法、装置、机器人及存储介质 - Google Patents

Abstract

本发明公开了及一种地图构建方法、装置、机器人及存储介质，应用于机器人，所述机器人上设有线激光传感器；所述地图构建方法包括：获取线激光传感器检测的点云数据，所述点云数据包含高度信息；将所述点云数据投影至栅格地图中的对应栅格中，使所述栅格地图能够反映所述点云数据的高度信息。本发明利用线激光实现机器人工作地图的构建，能够对体积较小的障碍物以及地面的平坦情况进行精确地检测，提高了地图的细节还原度。

Description

一种地图构建方法、装置、机器人及存储介质

技术领域

本发明涉及机器人技术领域，尤其涉及一种地图构建方法、装置、机器人及存储介质。

背景技术

随着机器人的技术日渐成熟，如今智能机器人已能够应用于家庭、商场及工厂等场所，代替人工完成清洁、服务及安防监测等工作。

现有技术中，机器人的运动和定位需要利用地图实现，因此机器人需要对其工作环境进行建图，首先利用传感器获取环境中各障碍物的位置等信息，并将其与地图相结合。由于在实际应用中，机器人的工作区域通常会存在地面不平坦的情况，同时还存在体积大小不一的障碍物，普通的红外测距仪或超声波传感器难以在地图中呈现不平坦的区域，以及类似于笔杆等体积较小的障碍物，导致电子地图的细节还原度较低。

发明内容

针对现有技术的不足，本发明提供一种地图构建方法、装置、机器人及存储介质，解决现有技术中电子地图的细节还原度较低的问题。

为实现上述目的，本发明提供以下的技术方案：

一种地图构建方法，应用于机器人，所述机器人上设有线激光传感器，所述地图构建方法包括：

获取线激光传感器检测的点云数据，所述点云数据包含高度信息；

将所述点云数据投影至栅格地图中的对应栅格中，使所述栅格地图能够反映所述点云数据的高度信息。

可选地，所述将所述点云数据投影至栅格地图中的对应栅格中，包括：

当所述对应栅格中的历史高度信息为空时，将所述点云数据的高度信息作为所述对应栅格的高度信息进行投影。

可选地，所述的地图构建方法，还包括：

当所述对应栅格中存在历史高度信息时，将所述点云数据的高度信息与所述对应栅格的历史高度信息进行比对；

若所述点云数据的高度信息高于所述对应栅格的历史高度信息，将所述对应栅格的历史高度信息更新为所述点云数据的高度信息。

可选地，所述的地图构建方法，还包括：

若所述点云数据的高度信息不高于所述对应栅格的历史高度信息，检测与所述点云数据的坐标相邻的至少一个位置，获得至少一个相邻点云数据，判断所述点云数据和所述相邻点云数据中的高度信息是否均为零；

若所述点云数据和所述相邻点云数据中的高度信息均为零，将所述对应栅格的历史高度信息更新为所述点云数据的高度信息。

可选地，所述的地图构建方法，还包括：

若所述点云数据和/或所述相邻点云数据中的高度信息不为零，则不更新所述对应栅格的历史高度信息。

可选地，所述将所述点云数据投影至栅格地图中的对应栅格中之前，还包括：

获取所述机器人的状态参数；

根据所述状态参数确定机器人的当前状态，判断机器人当前的状态是否满足预设状态条件；

若机器人的状态参数不满足预设状态条件，滤除所述机器人当前检测的所述点云数据。

可选地，所述状态参数包括俯仰角变化值和翻滚角变化值，所述获取所述机器人的状态参数之后，所述方法还包括：

若所述俯仰角变化值大于第一数值，所述翻滚角变化值大于第二数值，则确定所述机器人的当前状态不满足所述预设状态条件；

可选地，所述方法还包括：

获取线激光传感器的测量范围内，在每个不同的俯仰角偏移量下多个采样点进行高度测量得到的高度偏差值；

根据不同的俯仰角偏移量下多个采样点对应的所述高度偏差值，确定机器人的俯仰轴抖动对线激光传感器的第一测量影响程度信息；

根据所述第一测量影响程度信息，确定与所述俯仰轴对应的第一数值；

获取线激光传感器的测量范围内，在每个不同的翻滚角偏移量下多个采样点进行高度测量得到的高度偏差值；

根据不同的翻滚角偏移量下多个采样点对应的所述高度偏差值，确定机器人的翻滚轴抖动对线激光传感器的第二测量影响程度信息；

根据所述第二测量影响程度信息，确定与所述翻滚轴对应的第二数值；

本发明还提供了一种地图构建装置，应用于机器人，所述机器人上设有线激光传感器；所述地图构建装置包括：

点云获取模块，获取线激光传感器检测的点云数据，所述点云数据包含高度信息；

信息处理模块，将所述点云数据投影至栅格地图中的对应栅格中，使所述栅格地图能够反映所述点云数据的高度信息。

可选地，所述信息处理模块用于：

当所述对应栅格中的高度信息为空时，将所述点云数据的高度信息作为所述对应栅格的高度信息进行投影；

当所述对应栅格中存在历史高度信息时，将所述点云数据的高度信息与所述对应栅格的历史高度信息进行比对；

当所述点云数据的高度信息高于所述对应栅格的历史高度信息时，将所述对应栅格的历史高度信息更新为所述点云数据的高度信息；

当所述点云数据的高度信息不高于所述对应栅格的历史高度信息时，检测与所述点云数据的坐标相邻的至少一个位置，获得至少一个相邻点云数据，判断所述点云数据和所述相邻点云数据中的高度信息是否均为零；

当所述点云数据和所述相邻点云数据中的高度信息均为零时，将所述对应栅格的历史高度信息更新为所述点云数据的高度信息；当所述点云数据和/或所述相邻点云数据中的高度信息不为零时，不更新所述对应栅格的历史高度信息。

可选地，所述信息处理模块还用于：

获取所述机器人的状态参数；

判断机器人的状态参数是否满足预设状态条件；

当机器人当前的状态不满足预设状态条件时，滤除所述机器人当前检测的所述点云数据。

本发明还提供了一种机器人，所述机器人上线激光传感器，所述线激光传感器呈倾斜向下布置；

所述机器人还包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行如上任一项所述的地图构建方法。

本发明还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如上任一项所述的地图构建方法。

与现有技术相比，本发明具有以下有益效果：

本发明提供了一种地图构建方法、装置、机器人及存储介质，利用线激光实现机器人工作地图的构建，能够对体积较小的障碍物以及地面的平坦情况进行精确地检测，提高了地图的细节还原度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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它的附图。

图1为机器人的线激光传感器的测距原理示意图；

图2为本发明提供的一种地图构建方法的流程框图；

图3为本发明提供的一种机器人的结构示意图；

图4为本发明中，当机器人的所在平面高于障碍物的所在平面时的示意图；

图5为本发明中，当机器人在斜坡上，障碍物位于水平地面时的示意图；

图6为本发明中，当机器人在斜坡上，障碍物位于水平地面时的又一示意图；

图7为本发明提供的一种地图构建方法中步骤S2的流程框图；

图8为本发明提供的一种地图构建方法中步骤S3的流程框图；

图9为本发明提供的一种地图构建方法的又一流程框图；

图10为本发明提供的一种地图构建装置的结构框图；

图11为本发明实施例方案涉及的清洁机器人的设备结构示意图。

上述图中：10、点云获取模块；20、信息处理模块；30、机器人；31、线激光传感器；32、激光光束；40、障碍物。

具体实施方式

为使得本发明的目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

现有技术中，机器人需要对工作环境进行建图，以实现机器人的顺利工作。如图1所示，目前的机器人通常设置有线激光传感器，例如将线激光传感器位于机器人右前方的保险杠上，并将其斜向下设置，使激光平面与地面形成一条交线，借此感知量程范围内激光平面的障碍物。线激光传感器包括线激光器和摄像头，线激光器发出激光后，被摄像头捕捉到，根据激光器与摄像头的固定结构并结合三角测距原理，能够测得在其视场角范围(约90°)内及测量距离(约30mm-300mm)范围内的物体的距离。如果有物体处于激光平面上，传感器可以返回物体与激光平面的交线上的距离值。因此，基于线激光传感器，可以检测高于地面物体的高度，以及检测低于地面的洼地、斜坡、悬崖等。

但在一些场景中，地面通常会存在较为细微的不平坦情形，例如家庭环境等场景中，地面可能会分布有各式大小不一的生活物品，目前的机器人无法将不平坦区域以及较小物体的情况在地图中进行呈现，导致电子地图难以呈现更多细节。

本发明旨在于提供一种地图构建的方案，以提高地图的细节还原度。

请结合参考图2和图3，本发明实施例提供了一种地图构建方法，包括如下步骤：

S1、获取线激光传感器检测的点云数据，所述点云数据包含高度信息。

该步骤中，借助布置于机器人30上的线激光传感器31获取点云数据，所获取得到的点云数据包含机器人30的周围环境中，被线激光传感器31照射的障碍物40的高度信息。

其中，线激光传感器31的发射方向呈倾斜向下布置，使得机器人30能够识别高度不同的障碍物40，不仅能够检测到高于地面的障碍物40，如桌子、椅子、架子，或掉落在地面的电线和笔杆等，还能够检测到坡道、台阶、低于地面的洼地，以及高度低于机器人30所在地面高度的障碍物40，从而能够识别复杂的工作环境，并实现环境细节的高度还原。

S2、将点云数据投影至栅格地图中的对应栅格中，使栅格地图能够反映点云数据的高度信息。

可以理解的是，步骤S1中，利用线激光传感器31所包含的线激光器和摄像头，并基于三角测距原理，以对障碍物40的高度，以及障碍物40与机器人30之间的距离进行检测。具体地，线激光器的发射光线照射到物体上后反射回来形成反射光线，摄像头捕捉反射光线，结合线激光器及摄像头的固定结构，如线激光的发射角度、反射光线的偏移值和线激光器及摄像头的中心距等，基于几何原理计算得到障碍物40与机器人30之间的距离及高度。

由于线激光传感器31的发射方向呈倾斜向下布置，因此其不仅能够检测到高于地面的障碍物40的高度，还能检测到位于斜坡或台阶下的障碍物40的高度，洼地相对于地面的深度也不例外。

如图4所示，当机器人30的所在平面高于障碍物40的所在平面时，利用机器人30的所在平面与障碍物40的所在平面之间的高度差，以及障碍物40与机器人30的所在平面的高度差，即能够确定障碍物40高度。

如图5、6所示，当机器人30在斜坡上，障碍物40位于水平地面时，根据机器人30的所在平面与水平地面之间的夹角，以及机器人30的所在位置到两个平面相交处的距离，即能够确定障碍物40高度。

步骤S2中，首先获取点云数据的空间坐标，对点云数据进行坐标转换，得到点云数据在栅格地图坐标系下的栅格坐标，根据栅格坐标确定对应于点云数据的对应栅格，然后将点云数据投影至对应栅格中。将不同时间下，机器人30在不同位置检测得到的点云数据依次投影至对应栅格中，再进行拼接，即可获得能够反映点云数据高度信息的栅格地图。

可以理解的是，在初始建立地图时，可以将机器人30工作空间的水平面均等分为多个二维栅格形成栅格地图，也可以预先获取机器人30工作空间的环境地图，对环境地图进行栅格化形成栅格地图。

其中，根据激光点云数据构建地图得到的能够反映点云数据高度信息的栅格地图中，具有深浅不一的颜色，颜色的深色程度与该处的高度成正比。

如图7所示，进一步地，步骤S2中，将点云数据投影至预先建立的栅格地图中的对应栅格中，包括如下步骤：

S21、判断当对应栅格中的历史高度信息是否为空；若是，执行步骤S22；若否，执行步骤S23。

S22、将点云数据的高度信息作为对应栅格的高度信息进行投影。

S23、将点云数据的高度信息与对应栅格的历史高度信息进行比对，根据比对结果决定是否更新对应栅格的历史高度信息。

可以理解的是，若对应栅格中的历史高度信息为空，说明此前并未记录有相关障碍物40的高度信息，此时直接将点云数据的高度信息作为对应栅格的高度信息。若该对应栅格中存在历史高度信息，则需要经过比对以判断该对应栅格所对应的位置属于以下哪种情形：

(1)由于机器人30在扫描时与障碍物40之间的距离发生变化，针对同一障碍物40检测到不同的高度信息；

(2)对应的位置之前放置有障碍物40，当前该障碍物40已被移开；

(3)对应的位置之前未放置有障碍物40，当前新增了障碍物40。

如图8所示，基于前述情况，具体地，S23包括：

S231、将点云数据的高度信息与对应栅格的历史高度信息进行比对，判断点云数据的高度信息是否高于对应栅格的历史高度信息；若是，执行步骤S232；若否，执行步骤S233；

S232、将对应栅格的历史高度信息更新为点云数据的高度信息。

S233、检测与所述点云数据的坐标相邻的至少一个位置，获得至少一个相邻点云数据，判断所述点云数据和所述相邻点云数据中的高度信息是否均为零；若是，执行步骤S234；若否，执行步骤S235。

S234、将对应栅格的历史高度信息更新为点云数据的高度信息。

S235、不更新对应栅格的历史高度信息。

本实施例中，设地面的高度为零。

具体地，当点云数据的高度信息高于对应栅格的历史高度信息，则为前述的情况(1)，取数值最大的高度信息作为对应栅格的高度信息，能够及时将新扫描到的障碍物40的高度进行更新，使得地图中呈现的高度信息能够更为贴合实际。

例如，假设障碍物40的实际高度为H；当机器人30与障碍物40之间的距离为D1时，所扫描到的障碍物40高度为H1；当机器人30与障碍物40之间的距离为D2，所扫描到的障碍物40高度为H2。在D2小于D1的情况下，高度H2大于H1，但有可能仍未扫描到障碍物40的最高点，因此H1和H2均小于障碍物40的实际高度H。基于此，取数值大的高度信息以更新障碍物40的高度，以使对应栅格中的高度信息在数次更新之后能够不断接近障碍物40的实际高度。

当点云数据的高度信息高小于对应栅格的历史高度信息时，则通过确定点云数据和相邻点云数据中的高度信息是否均为零，以判断该处的障碍物40是否还在原位。

当点云数据和相邻点云数据中的高度信息均为零时，能够排除由于扫描误差导致的检测到的点云数据中高度信息为零，则可以确定该处的障碍物40已被移走，属于情况(2)，此时将对应栅格的历史高度信息更新为点云数据的高度信息，也即，将对应栅格的历史高度信息更新为零。

可以理解的是，即使由于扫描误差，导致点云数据为零，利用坐标相邻的相邻点云数据进行验证则能够避免前述情形；因此，当点云数据和相邻点云数据中任一个的高度信息不为零时，则可以确定该处的障碍物40仍在原位，属于情况(3)，此时不更新对应栅格的历史高度信息，为保留机器人30对该处障碍物40所检测到的最大数值的高度，以避免由于检测角度的原因使检测数值小于障碍物40实际高度的情形，使得地图中呈现的高度信息能够更为贴合实际。

请参考图9，由于机器人30在运动过程中产生的起伏或抖动会对检测结果造成影响，基于此，在步骤S2之前，还包括：

S101、获取机器人的状态参数，判断机器人的状态参数是否满足预设状态条件；若是，执行步骤S2；若否，执行步骤S102。

S102、滤除机器人当前检测的点云数据。

其中，可设置预设状态条件，根据预设状态条件可判断机器人是否存在较大起伏，具体地，若满足预设状态条件，表明不存在较大起伏；若不满足预设状态条件，表明存在较大起伏，当前检测的点云数据误差较大，若用于进行建图，会导致建图不准，因此，可滤除机器人当前检测的点云数据。

在本实施例的其中一种可选的实施方式中，状态参数包括俯仰角变化值和翻滚角变化值。

具体地，步骤S101中，获取机器人的状态参数之后，还包括：

若俯仰角变化值大于第一数值，翻滚角变化值大于第二数值，则确定机器人的当前状态不满足预设状态条件。

其中，若俯仰角变化值大于第一数值，翻滚角变化值大于第二数值，表明机器人的当前状态不满足预设状态条件，即机器人存在较大起伏，当前检测的点云数据误差较大，若用于进行建图，会导致建图不准，因此，可滤除机器人当前检测的点云数据。

本实施例中，第一数值可以根据如下方法确定：

获取线激光传感器的测量范围内，在每个不同的俯仰角偏移量下多个采样点进行高度测量得到的高度偏差值；

根据不同的俯仰角偏移量下多个采样点对应的高度偏差值，确定机器人的俯仰轴抖动对线激光传感器的第一测量影响程度信息；

根据第一测量影响程度信息，确定与俯仰轴对应的第一数值。

本实施例中，第二数值可以根据如下方法确定：

获取线激光传感器的测量范围内，在每个不同的翻滚角偏移量下多个采样点进行高度测量得到的高度偏差值；

根据不同的翻滚角偏移量下多个采样点对应的高度偏差值，确定机器人的翻滚轴抖动对线激光传感器的第二测量影响程度信息；

根据第二测量影响程度信息，确定与翻滚轴对应的第二数值。

可以理解的是，俯仰角偏移量依次可以为0.01，0.015，0.02，0.025，0.03…；在每一俯仰角偏移量下，采样点包括对线激光中线上的点进行等间距采样的采样点。

例如，当测量得到俯仰角偏移量大于或等于0.03时，测量影响程度值较大，可确定0.03为第一数值；若测量到翻滚角偏移量大于或等于0.015时，测量影响程度值较大，则确定0.015为第二数值。

另外，根据不同的翻滚角移量下多个采样点对应的高度偏差值，可以确定机器人的翻滚轴抖动对线激光传感器的第二测量影响程度信息。例如，确定所有高度偏差值的平均值或者累加值，若平均值或累加值大于预设数值，则可确定测量影响程度值较大；此外，还可以数值的根据分布情况确定，分布情况包括分布在不同数值范围的高度偏差值的占比，若大于预设偏差值的高度偏差值的占比大于预设占比，则可确定测量影响程度值较大。

在本实施例的另一种可选的实施方式中，其中，状态参数包括机器人30绕俯仰轴、翻滚轴和/或偏航轴的旋转角度阈值，旋转角度阈值可以利用IMU(惯性传感器)获得。

具体地，旋转角度阈值满足如下条件：

1、机器人30在正常工作时，95％的情况下俯仰轴、翻滚轴和/或偏航轴上的旋转角度小于对应的旋转角度阈值；

2、机器人30在跨越障碍物40时，俯仰轴、翻滚轴和/或偏航轴上的旋转角度大于对应的旋转角度阈值；

3、在旋转角度阈值范围内，机器人30所产生的抖动对检测结果造成的影响在可接受的范围内。

进一步地，状态参数包括机器人30绕俯仰轴、翻滚轴和/或偏航轴的抖动弧度；参数阈值包括机器人30绕俯仰轴、翻滚轴和/或偏航轴的抖动弧度阈值。

可以理解的是，可以分别为机器人30的扫地模式、拖地模式和越障模式分别设置抖动弧度阈值，也可以设置统一的抖动弧度阈值，使其能够适应同时于扫地模式、拖地模式和越障模式。

具体地，可以在机器人30触发障碍物40误识别或洼地高度通行性识别错误的同时，满足线激光的打出的点恰好落在高度2mm的地面或-20mm左右的洼地上的情况下，将机器人30绕俯仰轴、翻滚轴和/或偏航轴的抖动弧度分别作为对应的抖动弧度阈值。

以俯仰轴和翻滚轴为例，本实施例中，前述情况对应的俯仰轴和翻滚轴的抖动弧度阈值分别为0.015rad和0.03rad。

经验证，在扫地模式下，机器人30在俯仰轴的抖动小于翻滚轴的抖动，俯仰轴抖动基本小于0.015弧度，翻滚轴抖动基本小于0.03弧度；由于拖地模式下机器人30的风机未开启，抖动程度比扫地模式更轻微，因此俯仰轴和翻滚轴的抖动弧度阈值分别为0.015rad和0.03rad基本能够满足过滤要求。

越障模式下，机器人30在翻滚轴的抖动对障碍物40高度的检测结果影响较小，因此翻滚轴的抖动弧度阈值设为0.03rad能够满足需求；而俯仰轴的抖动对线激光高度测量有较大的影响，在俯仰轴的抖动弧度为0.015rad时，在对接近地面的位置的高度检测结果会产生约3mm的误差，该误差仍在可接受的范围内。

综上，俯仰轴和翻滚轴的抖动弧度阈值分别为0.015rad和0.03rad，能够适应于扫地模式、拖地模式和越障模式。

此外，由于机器人30的结构老化，或在工作的过程中发生的碰撞，均会导致线激光传感器31的安装结构发生松动，导致所发射的激光光线会发生偏差；线激光传感器31的激光平面投射于物体表面时形成一交线，交线边缘的点所产生的偏差最大。

基于此，状态参数还包括线激光传感器的激光平面投射于物体表面时与物体表面形成的交线的边缘点，分别绕俯仰轴、翻滚轴和/或偏航轴的角度变化量；参数阈值包括线激光传感器31安装的倾斜误差，该倾斜误差分解为分别绕俯仰轴、翻滚轴和/或偏航轴的角度变化阈值。

可以理解的是，线激光传感器31安装的倾斜误差，可以是通过如下方法确定：

将线激光传感器31安装在三轴数控机床，使其沿机床坐标系的俯仰轴、翻滚轴和偏航轴做直线扫描运动；将线激光测头安装的倾斜误差依次分解为绕俯仰轴、翻滚轴和偏航轴的旋转角度，借此确定绕俯仰轴、翻滚轴和/或偏航轴的角度变化阈值。

经验证，当以0.1°为步长，当线激光传感器31安装的倾斜误差中，俯仰轴和翻滚轴的旋转角度为(-1，1)度时，边缘点在两个轴方向上的变化在(-1，1)度内以内，检测的高度偏差在±3mm之内，该误差仍在可接受的范围内。

请参考图10，基于前述实施例，本实施例提供了一种地图构建装置，包括：

点云获取模块10，用于借助布置于机器人30上的线激光传感器31，获取机器人30检测的点云数据，点云数据包含高度信息；其中，线激光传感器31呈倾斜向下布置。

信息处理模块20，用于将点云数据投影至预先建立的栅格地图中的对应栅格中，使栅格地图能够反映点云数据的高度信息。

进一步地，在对应栅格中的历史高度信息为空时，信息处理模块20将对应栅格的历史高度信息更新为点云数据的高度信息。

在对应栅格中存在历史高度信息时，信息处理模块20用于执行如下步骤：

当点云数据的高度信息高于对应栅格的历史高度信息时，将对应栅格的历史高度信息更新为点云数据的高度信息；

当点云数据的高度信息不高于对应栅格的历史高度信息时，检测与点云数据的坐标相邻的至少一个位置，获得至少一个相邻点云数据，判断点云数据和相邻点云数据中的高度信息是否均为零；

当点云数据和相邻点云数据中的高度信息均为零时，将对应栅格的历史高度信息更新为点云数据的高度信息；当点云数据和/或相邻点云数据中的高度信息不为零时，不更新对应栅格的历史高度信息。

进一步地，信息处理模块20还用于：

获取机器人30的状态参数，根据状态参数确定机器人30的当前状态，判断机器人30当前的状态是否满足预设状态条件，当机器人30当前的状态不满足预设状态条件时，滤除机器人30当前检测的点云数据。

请再次参考图1，基于前述实施例，本发明实施例还提供了一种机器人30，机器人30上设有线激光传感器31，线激光传感器31布置于机器人30的前侧，且线激光传感器31呈倾斜向下布置，使激光光束呈倾斜向下射出。

此外，该机器人30还包括：

存储器，用于存储程序指令；

处理器，用于调用存储器中存储的程序指令，按照获得的程序执行如前述实施例的地图构建方法。

机器人上还可以包括激光雷达、双目传感器、图像传感器、智能视觉传感器等等，上述传感器可以和线激光传感器31一起工作，用于获取点云数据。

上述机器人可以为清洁机器人、服务机器人、物流机器人等等，本发明不做限制。

以清洁机器人为例，参照图11，图11为本发明实施例方案涉及的清洁机器人的设备结构示意图。清洁机器人可用于对地面进行自动清洁，应用场景可以为家庭室内清洁、大型场所清洁等。清洁机器人的类型有扫地清洁机器人、清洁机器人、扫拖一体清洁机器人。在清洁机器人上，设有清洁件和驱动装置，驱动装置可包括电机和驱动轮。在驱动装置的驱动下，清洁机器人根据预设的清洁路径进行自移动，并通过清洁件清洁地面。对于扫地清洁机器人来说，清洁件为扫地件，扫地清洁机器人上设置有吸尘装置，在清洁过程中，扫地件将灰尘、垃圾等扫到吸尘装置的吸尘口，从而吸尘装置将灰尘、垃圾等吸收暂存。对于清洁机器人来说，清洁件为拖擦件(例如拖布)，该拖擦件与地面接触，在清洁机器人移动过程中，该拖擦件对地面进行拖擦，实现对地面的清洁。对于扫拖一体清洁机器人来说，清洁件包括扫地件和拖擦件，扫地件和拖擦件可以同时工作，进行拖地和扫地，也可以分开工作，分别进行拖地和扫地。其中，扫地件进一步可以包括边刷和滚刷(又可称中刷)，边刷在外侧将灰尘等垃圾扫到中间区域，滚刷继续将垃圾清扫至吸尘装置。

本发明实施例清洁机器人可以是包括扫地件和拖擦件的扫拖一体机器人，此外，本发明实施例所涉及的清洁机器人当然也可以是包括扫地件从而能够实现扫地功能，和包括拖擦件从而能够实现拖地功能的其他类型的清洁机器人等等。

如图11所示，该清洁机器人可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005和感知单元1006。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如Wi-Fi接口)。

存储器1005设置在机器人主体上，存储器1005上存储有程序，该程序被处理器1001执行时实现相应的操作。存储器1005还用于存储供清洁机器人使用的参数。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

清洁机器人可通过网络接口1004与用户终端进行通信。清洁机器人还可通过短距离通信技术与基站进行通信。其中，基站为配合清洁机器人使用的清洁设备。

感知单元1006包括各种类型的传感器，具体包括线激光传感器、激光雷达、碰撞传感器、距离传感器、跌落传感器、计数器、和陀螺仪等。

线激光传感器设置于机器人主体上，用于检测地面、高于地面的物体和对低于地面的洼地进行检测，还可对斜坡、悬崖等进行检测，从而使机器人检测到地面更多细节，创建更加准确的栅格地图。

激光雷达设置在机器人主体的顶部，在工作时，激光雷达旋转，并通过激光雷达上的发射器发射激光信号，激光信号被障碍物反射，从而激光雷达的接收器接收障碍物反射回的激光信号。激光雷达的电路单元通过对接收的激光信号进行分析，可得到周围的环境信息，例如障碍物相对激光雷达的距离和角度等。此外，也可用摄像头替代激光雷达，通过对摄像头拍摄的图像中的障碍物进行分析，也可得到障碍物相对摄像头的距离、角度等。

碰撞传感器包括碰撞壳体和触发传感器。碰撞壳体包绕机器人主体的头部，具体来说，碰撞壳体可设置在机器人主体的头部和机器人主体的左右两侧的靠前位置。触发传感器设置在机器人主体内部且位于碰撞壳体之后。在碰撞壳体和机器人主体之间设有弹性缓冲件。当清洁机器人通过碰撞壳体与障碍物碰撞时，碰撞壳体向清洁机器人内部移动，且压缩弹性缓冲件。在碰撞壳体向清洁机器人内部移动一定距离后，碰撞壳体与触发传感器接触，触发传感器被触发产生信号，该信号可发送到机器人主体内的机器人控制器，以进行处理。在碰完障碍物后，清洁机器人远离障碍物，在弹性缓冲件的作用下，碰撞壳体移回原位。可见，碰撞传感器可对障碍物进行检测，以及当碰撞到障碍物后，起到缓冲作用。

距离传感器具体可以为红外探测传感器，可用于探测障碍物至距离传感器的距离。距离传感器可设置在机器人主体的侧面，从而通过距离传感器可测出位于清洁机器人侧面附近的障碍物至距离传感器的距离值。距离传感器也可以是超声波测距传感器、激光测距传感器或者深度传感器等，此处不做限制。

跌落传感器可设置在机器人主体的底部边缘，数量可以为一个或多个。当清洁机器人移动到地面的边缘位置时，通过跌落传感器可探测出清洁机器人有从高处跌落的风险，从而执行相应的防跌落反应，例如清洁机器人停止移动、或往远离跌落位置的方向移动等。

在机器人主体的内部还设有计数器和陀螺仪。计数器用于对驱动轮的转动角度总数进行累计，以计算出驱动轮驱动清洁机器人移动的距离长度。陀螺仪用于检测清洁机器人转动的角度，从而可确定出清洁机器人的朝向。

本领域技术人员可以理解，图11中示出的清洁机器人结构并不构成对清洁机器人的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

进一步地，本发明还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行计算机可读指令时，使得计算机执行如上任一项的地图构建方法。

以上所述，以上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更新；而这些修改或者更新，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。

Claims (10)

1.一种地图构建方法，应用于机器人，其特征在于，所述机器人上设有线激光传感器；所述地图构建方法包括：

获取所述线激光传感器检测的点云数据，所述点云数据包含高度信息；

将所述点云数据投影至栅格地图中的对应栅格中，使所述栅格地图能够反映所述点云数据的高度信息。

2.根据权利要求1所述的地图构建方法，其特征在于，所述将所述点云数据投影至栅格地图中的对应栅格中，包括：

当所述对应栅格中的历史高度信息为空时，将所述点云数据的高度信息作为所述对应栅格的高度信息进行投影。

3.根据权利要求1所述的地图构建方法，其特征在于，所述方法还包括：

当所述对应栅格中存在历史高度信息时，将所述点云数据的高度信息与所述对应栅格的历史高度信息进行比对；

若所述点云数据的高度信息高于所述对应栅格的历史高度信息，将所述对应栅格的历史高度信息更新为所述点云数据的高度信息。

4.根据权利要求3所述的地图构建方法，其特征在于，所述方法还包括：

若所述点云数据的高度信息不高于所述对应栅格的历史高度信息，检测与所述点云数据的坐标相邻的至少一个位置，获得至少一个相邻点云数据；

若所述点云数据和所述相邻点云数据中的高度信息均为零，将所述对应栅格的历史高度信息更新为所述点云数据的高度信息；

若所述点云数据和/或所述相邻点云数据中的高度信息不为零，则不更新所述对应栅格的历史高度信息。

5.根据权利要求1所述的地图构建方法，其特征在于，所述将所述点云数据投影至栅格地图中的对应栅格中之前，还包括：

获取所述机器人的状态参数；

若所述机器人的状态参数不满足预设状态条件，滤除所述机器人当前检测的所述点云数据。

6.根据权利要求5所述的地图构建方法，其特征在于，所述状态参数包括俯仰角变化值和翻滚角变化值，所述获取所述机器人的状态参数之后，所述方法还包括：

若所述俯仰角变化值大于第一数值，所述翻滚角变化值大于第二数值，则确定所述机器人的当前状态不满足所述预设状态条件。

7.根据权利要求6所述的地图构建方法，所述方法还包括：

获取线激光传感器的测量范围内，在每个不同的俯仰角偏移量下多个采样点进行高度测量得到的高度偏差值；

根据不同的俯仰角偏移量下多个采样点对应的所述高度偏差值，确定机器人的俯仰轴抖动对线激光传感器的第一测量影响程度信息；

根据所述第一测量影响程度信息，确定与所述俯仰轴对应的第一数值；

获取线激光传感器的测量范围内，在每个不同的翻滚角偏移量下多个采样点进行高度测量得到的高度偏差值；

根据不同的翻滚角偏移量下多个采样点对应的所述高度偏差值，确定机器人的翻滚轴抖动对线激光传感器的第二测量影响程度信息；

根据所述第二测量影响程度信息，确定与所述翻滚轴对应的第二数值。

8.一种地图构建装置，应用于机器人，其特征在于，所述机器人上设有线激光传感器；

所述地图构建装置包括：

点云获取模块，获取线激光传感器检测的点云数据，所述点云数据包含高度信息；

信息处理模块，将所述点云数据投影至栅格地图中的对应栅格中，使所述栅格地图能够反映所述点云数据的高度信息。

9.一种机器人，其特征在于，所述机器人上设有图像传感器和线激光传感器；

所述机器人还包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1-7任一项所述的地图构建方法。

10.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1-7任一项所述的地图构建方法。

Images