一种移动机器人地图的多分辨率区域划分方法技术

本发明专利技术公开了一种移动机器人地图的多分辨率区域划分方法，具体涉及一种通过多分辨率特征点聚类与区域生长来划分地图区域的方法，属于室内移动机器人导航领域。本发明专利技术基于栅格地图，在栅格地图中提取出机器人可以到达的目标区域，然后在粗粒度的地图下对对应区域进行分析处理，得到区域的拓扑信息，提高了效率，然后通过一定的方法将此信息恢复到原始粒度的栅格地图上，本发明专利技术在利用栅格地图的细致性的基础上，增加地图的拓扑信息，减小计算量、提高了速度和精度，为后续的路径规划打好基础。

【技术实现步骤摘要】
一种移动机器人地图的多分辨率区域划分方法
本专利技术涉及一种机器人进行栅格地图区域划分的方法，更具体地讲，涉及一种通过多分辨率特征点聚类与区域生长来划分地图区域的方法，属于室内移动机器人导航领域。
技术介绍
配备传感器的移动机器人已经能够自主地探索环境，为了能够实现导航以及计算路径的功能，机器人必须能够建立并维护周边环境的模型。关于移动机器人的研究提供了两种主要的为室内环境构建地图的方式：基于栅格的以及拓扑的。基于栅格的方式即以均匀分布的栅格来表现环境，每个栅格单元表明在对应的现实区域的环境，例如这个对应区域中存在障碍物。栅格地图即使在范围较大的环境中也易于构建及维护，并且可以提供准确的地图矩阵，然而基于栅格地图的复杂性使得机器人难以在大的环境中直接利用它进行高效的导航及路径规划。拓扑地图以图模型来表现环境，在这个图中，节点可能表示特定的地点或者地标，节点之间若有直接的路径则以边连接它们。在拓扑地图中进行导航和路径规划，更符合人类的思维，例如人类会想“去某个房间”，这就相当于在拓扑地图中“去某个节点”，而不是像在栅格地图中去“某个坐标”，这有利于解决后续路径规划的问题，使用拓扑地图进行路径规划和环境表现时能降低开发难度、提升计算效率。然而拓扑地图的缺点是在较大的环境中难以建立及维护，相比起栅格地图，其单纯用节点来表现环境，对于需要在某区域内部工作的机器人例如扫地机器人来说，是不够的。
技术实现思路
本专利技术针对上述技术存在的缺陷，提出了一种移动机器人地图的多分辨率区域划分方法，本方案基于栅格地图，在栅格地图中提取出机器人可以到达的目标区域，然后在粗粒度的地图下对对应区域进行分析处理，得到区域的拓扑信息，提高了效率，然后通过一定的方法将此信息恢复到原始粒度的栅格地图上，本专利技术在利用栅格地图的细致性的基础上，增加地图的拓扑信息，为后续的路径规划打好基础。为实现上述目的，本专利技术是通过如下方案实现的，一种移动机器人地图的多分辨率区域划分方法，包括以下步骤：S1：目标区域的提取：S11：将输入图像中的像素点，根据设定的自由点灰度阈值区别障碍物像素以及可达区域的像素，进行距离变换得到矩阵；S12：接着根据机器的尺寸的值，在S11得到的矩阵中查找出所有机器人可到达的区域，并在上述矩阵中计算出最大的连通区域，得到待分割的目标区域；S13：根据待分割的目标区域的坐标构建一个待分割矩阵，然后将目标区域标记为预设值，其它像素点的值不变，即完成目标区域的提取；S2：种子点的聚类：S21：首先将输入的图片按预设比例缩小一定倍数，在缩小的图片中根据设定好的灰度阈值筛选出自由像素点后，通过距离变换，计算出每个自由像素点点与障碍物的距离，生成距离矩阵；S22：记录机器最大外周尺寸，从S21生成的距离矩阵中选取出值大于机器最大外周尺寸的1/2的点，即机器能够到达的点，作为聚类的种子点，再按照一定比例降采样以加速计算；S23：用MeanShift算法对选取出的种子点进行聚类，在中心的迭代过程中，通过像素点之间的欧式距离以及像素点之间的像素值来判断两点之间是否存在障碍物，即两点是否可视；聚类完成后，将像素点数量小于设定的阈值的类合并到其他的类；S3：区域分割：首先根据自由像素点与各个聚类中心之间的距离，将自由像素点标记一个中心距离其最近的类得到一个粗分类的结果；然后检查每个类中心与成员的可视性，找出与中心不可视的像素点；最后对这些不可视的像素点的八连通区域的进行投票，决定其所属类；S4：区域填充：S4：区域填充：根据S3中分割的结果在原始尺寸的图片上作区域分割，缩小图像中一个像素点的所属类值对应原始尺寸图片中缩小倍数的平方，再根据图片缩小的倍数建立偏移矩阵，对应地将原始尺寸中的像素点分类；分类的结果矩阵中包括障碍物的值、背景值、未被标记的自由点像素值以及所属类的值；最后根据未被标记的自由点的连通区域中其它点的所属类的投票结果，决定所述未被标记的自由点的所属类。本专利技术具有如下有益效果：1、在多尺度下进行不同步骤，如在细粒度下选取可达区域，提高精度；在粗粒度下进行聚类计算，提高速度。2、连通域内可见性的检测是通过在粗粒度下的种子点之间进行再通过区域分割和地图生长将结果恢复到原始地图中，而不是将像素点两两计算，大大减少了计算量。3、通过距离变换，一次计算整个矩阵的信息，利用此信息选取种子点。附图说明图1为本专利技术所述方法的流程图具体实施方式下面结合附图对本专利技术做进一步的说明。实施例1：如附图1所示，一种移动机器人地图的多分辨率区域划分方法，包括以下步骤：S1：目标区域的提取S11：将输入图像中的像素点，根据设定的自由点灰度阈值区别障碍物像素以及可达区域的像素，构建一个二值化图像，记为OrgBw后，进行距离变换得到矩阵，矩阵的每个像素点的意义是此点到距离最近的障碍物点的欧式距离；S12：接着根据机器的尺寸的值，在S11得到的矩阵中查找出所有机器人可到达的区域，即距离障碍物MachineSize的1/2以上的区域，并在上述矩阵中计算出最大的连通区域，得到待分割的目标区域；S13：根据待分割的目标区域的坐标构建待分割矩阵，记为ImgSeg，将目标区域标记为预设值，其它像素点的值不变，即完成目标区域的提取；S2：种子点的聚类S21：为了提高后续聚类工作的计算速度，首先将输入的图片按预设比例缩小，为了尽可能保留原图中的信息，本专利技术不直接缩小图片尺寸，而是先提取原图中的轮廓信息，再用多边形逼近，找出目标区域最外层的边界，以及内部的障碍物边界，接着将边界信息按比例缩小，并将其绘制于按照比例生成一个缩小图，记为ImDec，完成降采样过程；在缩小的图片中根据设定好的灰度阈值筛选出自由像素点后，通过距离变换，计算出每个自由像素点点与障碍物的距离，生成距离矩阵；S22：从S21生成的距离矩阵中选取出值大于机器半径MachineSize的1/2的点，即机器能够到达的点，作为聚类的种子点，再按照一定比例降采样以加速计算；S23：用MeanShift算法对选取出的种子点进行聚类，具体步骤如下：1)选取一个未被访问过的点作为本次迭代的中心，记为myMean；2)根据与myMean的距离，在所有种子点中筛选出距离小于输入距离阈值(记为bandwidth)的点，再从结果中找到与当前中心可视的点，将这些点加入本次迭代的聚类成员向量中，记为myMembers，在此类的投票矩阵中将这些点对应位置的值加1；3)重新计算中心myMean，将本次迭代的聚类成员myMembers中成员标记为已访问；4)若新的中心与旧的中心之间的距离大于设定的阈值，则重复步骤2)～步骤3)过程，否则到步骤5)；5)若中心myMean与其他已有中心的距离过小并且myMembers中成员均与此中心可见，则将其合并到此类中；6)重复以上过程直到不存在未访问点，根据每一类的投票矩阵中对应位置的值决定每个像素点所属类。在中心的迭代过程中，通过像素点之间的欧式距离以及像素点之间的像素值来判断两点之间是否存在障碍物，即两点是否可视；聚类完成后，将像素点数量小于设定的阈值的类合并到其他的类，并重新计算中心；S3：区域分割：S2中得到了选取出的种子点的聚类结果，接下来要基于这些结果，对所有自由像素点进行分类。首先根据自由像素本文档来自技高网...

【技术保护点】
1.一种移动机器人地图的多分辨率区域划分方法，其特征在于，包括以下步骤：S1：目标区域的提取：S11：将输入图像中的像素点，根据设定的自由点灰度阈值区别障碍物像素以及可达区域的像素，进行距离变换得到矩阵；S12：接着根据机器的尺寸的值，在S11得到的矩阵中查找出所有机器人可到达的区域，并在上述矩阵中计算出最大的连通区域，得到待分割的目标区域；S13：根据待分割的目标区域的坐标构建一个待分割矩阵，然后将目标区域标记为预设值，其它像素点的值不变，即完成目标区域的提取；S2：种子点的聚类：S21：首先将输入的图片按预设比例缩小一定倍数，在缩小的图片中根据设定好的灰度阈值筛选出自由像素点后，通过距离变换，计算出每个自由像素点点与障碍物的距离，生成距离矩阵；S22：记录机器最大外周尺寸，从S21生成的距离矩阵中选取出值大于机器最大外周尺寸的1/2的点，即机器能够到达的点，作为聚类的种子点，再按照一定比例降采样以加速计算；S23：用MeanShift算法对选取出的种子点进行聚类，在中心的迭代过程中，通过像素点之间的欧式距离以及像素点之间的像素值来判断两点之间是否存在障碍物，即两点是否可视；聚类完成后，将像素点数量小于设定的阈值的类合并到其他的类；S3：区域分割：首先根据自由像素点与各个聚类中心之间的距离，将自由像素点标记一个中心距离其最近的类得到一个粗分类的结果；然后检查每个类中心与成员的可视性，找出与中心不可视的像素点；最后对这些不可视的像素点的八连通区域的进行投票，决定其所属类；S4：区域填充：根据S3中分割的结果在原始尺寸的图片上作区域分割，缩小图像中一个像素点的所属类值对应原始尺寸图片中缩小倍数的平方，再根据图片缩小的倍数建立偏移矩阵，对应地将原始尺寸中的像素点分类；分类的结果矩阵中包括障碍物的值、背景值、未被标记的自由点像素值以及所属类的值；最后根据未被标记的自由点的连通区域中其它点的所属类的投票结果，决定所述未被标记的自由点的所属类。...

【技术特征摘要】
1.一种移动机器人地图的多分辨率区域划分方法，其特征在于，包括以下步骤：S1：目标区域的提取：S11：将输入图像中的像素点，根据设定的自由点灰度阈值区别障碍物像素以及可达区域的像素，进行距离变换得到矩阵；S12：接着根据机器的尺寸的值，在S11得到的矩阵中查找出所有机器人可到达的区域，并在上述矩阵中计算出最大的连通区域，得到待分割的目标区域；S13：根据待分割的目标区域的坐标构建一个待分割矩阵，然后将目标区域标记为预设值，其它像素点的值不变，即完成目标区域的提取；S2：种子点的聚类：S21：首先将输入的图片按预设比例缩小一定倍数，在缩小的图片中根据设定好的灰度阈值筛选出自由像素点后，通过距离变换，计算出每个自由像素点点与障碍物的距离，生成距离矩阵；S22：记录机器最大外周尺寸，从S21生成的距离矩阵中选取出值大于机器最大外周尺寸的1/2的点，即机器能够到达的点，作为聚类的种子点，再按照一定比例降采样以加速计算；S23：...

【专利技术属性】
技术研发人员：明安龙，张雪松，
申请(专利权)人：北京雷动云合智能技术有限公司，
类型：发明
国别省市：北京,11