混合双层地图的构建方法及装置制造方法及图纸

本发明专利技术提供了一种混合双层地图的构建方法及装置，该方法包括：获取栅格地图中的空白栅格区域；去除空白栅格区域中的孤立区域，得到可行区域；通过谱聚类算法对可行区域进行处理，得到多个拓扑区域；根据拓扑区域之间的连接性确定拓扑连接关系，以得到混合双层地图。本发明专利技术的混合双层地图的构建方法中，构建得到的栅格‑拓扑地图具有栅格地图可精确定位的优点，也兼备了拓扑地图可进行区域化的环境表达的优点，也就是既能够实现粗定位，也能够实现精确定位，定位灵活，为进一步添加语义标签和认知导航提供了依据，缓解了现有技术中构建的环境地图无法兼备区域化的环境表达和精确定位的技术问题。

Construction method and device of mixed double layer map

【技术实现步骤摘要】
混合双层地图的构建方法及装置
本专利技术涉及移动机器人的
，尤其是涉及一种混合双层地图的构建方法及装置。
技术介绍
随着社会信息化程度的提高，智能移动机器人逐渐在社会发展中担当重要的角色。移动机器人构建环境地图是其完成导航和服务任务的基础。有了环境地图，机器人才能实现路径规划、避障，实现自主移动。目前，移动机器人最为常用的地图表达方式为栅格地图或拓扑地图。栅格地图采用平面栅格覆盖的形式描述环境，能够精确的度量环境，易于构建和维护，能够计算出最短路径。但是，栅格地图的分辨率必须足以捕捉到环境的重要细节，存储量大，路径规划效率低，复杂度高；更为致命的是，这种散点式的度量型地图抽象程度低，缺少真实环境中区域的概念，无法建立环境的语义，不利于人机交互和人性化导航(如，基于栅格地图的导航任务无法识别人类指令“去卧室”)。拓扑地图采用节点和边的形式描述环境，节点对应着特定的区域、位置或者标记点，边对应着节点间的通路，能够进行区域化的环境表达，更接近于人的直观认识，在此基础上的导航复杂度更低更加自然。但是，拓扑地图存在定位困难的问题，并且，现有的拓扑地图大都采用在线增量式构建方法，即需要机器人在移动(接受运动指令移动或自主漫游)的过程中，通过定义拓扑节点来构建，形式单一，呆板。综上，现有技术中构建的环境地图无法兼备区域化的环境表达和精确定位的功能，也就是无法实现灵活的定位，不利于场景语义地图的构建和基于语义的导航。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种混合双层地图的构建方法及装置，以缓解现有技术中构建的环境地图无法兼备区域化的环境表达和精确定位的技术问题。第一方面，本专利技术实施例提供了一种混合双层地图的构建方法，所述方法包括：获取栅格地图中的空白栅格区域，所述空白栅格区域表示不存在障碍物的区域；去除所述空白栅格区域中的孤立区域，得到可行区域，其中，所述孤立区域为移动机器人不能到达的区域，所述可行区域为所述移动机器人可到达的区域；通过谱聚类算法对所述可行区域进行处理，得到多个拓扑区域，其中，每个拓扑区域表示一种区域类别；根据所述拓扑区域之间的连接性确定拓扑连接关系，以得到所述混合双层地图，其中，所述混合双层地图为栅格-拓扑地图。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，去除所述空白栅格区域中的孤立区域，得到可行区域包括：根据所述移动机器人的半径对所述空白栅格区域进行削减，得到削减后的空白栅格区域；在所述削减后的空白栅格区域中，通过连通区域分析算法提取面积最大的连通域；将所述面积最大的连通域作为所述可行区域。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，通过谱聚类算法对所述可行区域进行处理，得到多个拓扑区域包括：对所述可行区域中的采样栅格点进行分析，得到所述采样栅格点的相似度矩阵，其中，所述相似度矩阵用于表示所述采样栅格点之间的关联程度；根据所述谱聚类算法对所述相似度矩阵进行处理，得到带有类别信息的采样栅格点；根据所述带有类别信息的采样栅格点确定目标栅格点的类别，其中，所述目标栅格点为所述可行区域中除去所述采样栅格点之外的其它栅格点；根据所述可行区域中各个栅格点的类别分布确定所述多个拓扑区域。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，对所述可行区域中的采样栅格点进行分析，得到所述采样栅格点的相似度矩阵包括：获取所述可行区域中的采样栅格点，其中，所述采样栅格点的数量为多个；将所述采样栅格点作为节点，并基于多个所述采样栅格点对应的节点组成节点集合；根据相似度计算公式计算所述节点集合中任意两个节点之间的相似度，得到多个相似度；根据所述多个相似度构建所述相似度矩阵。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，根据所述谱聚类算法对所述相似度矩阵进行处理，得到带有类别信息的采样栅格点包括：根据所述相似度矩阵构建拉普拉斯矩阵；计算所述拉普拉斯矩阵的前k个最小特征值和所述前k个最小特征值对应的标准化特征向量，其中，所述前k个最小特征值表示所述拉普拉斯矩阵的特征值按照升序排列后，位于前面的k个特征值，k的大小和所述拉普拉斯矩阵有关；将所述标准化特征向量按列排列，得到特征矩阵；通过Kmeans聚类算法对所述特征矩阵的行向量进行处理，得到对应于每个行向量的类别；将所述每个行向量的类别作为对应采样栅格点的类别，得到所述带有类别信息的采样栅格点。结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，根据带有类别信息的采样栅格点确定目标栅格点的类别包括：将所述带有类别信息的采样栅格点作为样本；结合所述样本和KNN算法对所述目标栅格点进行分类，得到所述目标栅格点的类别。结合第一方面，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，获取所述可行区域中的采样栅格点包括：通过边界检测算法对所述可行区域中的栅格点进行划分，得到边界栅格点和内部栅格点；根据预设采样比例对所述边界栅格点和所述内部栅格点进行随机采样，得到所述可行区域中的采样栅格点。结合第一方面，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，根据相似度计算公式计算所述节点集合中任意两个节点之间的相似度，得到多个相似度包括：获取第一目标节点和第二目标节点，其中，所述第一目标节点为所述节点集合中的任意一个节点，所述第二目标节点为所述节点集合中不同于所述第一目标节点的任意一个节点；判断所述第一目标节点和所述第二目标节点是否可见，其中，所述可见表示所述第一目标节点和所述第二目标节点之间的连线未穿过障碍物区域；如果所述第一目标节点和所述第二目标节点不可见，则所述第一目标节点和所述第二目标节点之间的相似度为0；如果所述第一目标节点和所述第二目标节点可见，则通过所述相似度计算公式计算所述第一目标节点和所述第二目标节点之间的相似度，其中，vi表示所述第一目标节点，vj表示所述第二目标节点，||vi-vj||表示所述第一目标节点与所述第二目标节点之间的距离，σi表示所述第一目标节点到与其第m个近邻节点的距离，σj表示所述第二目标节点到与其第m个近邻节点的距离。结合第一方面，本专利技术实施例提供了第一方面的第八种可能的实施方式，其中，根据所述相似度矩阵构建拉普拉斯矩阵包括：根据所述相似度矩阵构建度矩阵，其中，所述度矩阵为对角矩阵，所述对角矩阵的值为所述相似度矩阵中对应行的相似度之和；根据所述相似度矩阵和所述度矩阵构建拉普拉斯矩阵，其中，所述拉普拉斯矩阵为：L表示所述拉普拉斯矩阵，W表示所述相似度矩阵，D表述所述度矩阵。第二方面，本专利技术实施例还提供了一种混合双层地图的构建装置，所述装置包括：获取模块，用于获取栅格地图中的空白栅格区域；去除模块，用于去除所述空白栅格区域中的孤立区域，得到可行区域，其中，所述孤立区域为移动机器人不能到达的区域，所述可行区域为所述移动机器人可到达的区域；处理模块，用于通过谱聚类算法对所述可行区域进行处理，得到多个拓扑区域，其中，每个拓扑区域表示一种区域类别；确定模块，用于根据所述拓扑区域之间的连接性确定拓扑连接关系，以得到所述混合双层地图，其中，所述混合双层地图为栅格-拓扑地图。本专利技术实施例带来了以下有益效果：本专利技术实施例提供了一种混合本文档来自技高网...

【技术保护点】
一种混合双层地图的构建方法，其特征在于，所述方法包括：获取栅格地图中的空白栅格区域，所述空白栅格区域表示不存在障碍物的区域；去除所述空白栅格区域中的孤立区域，得到可行区域，其中，所述孤立区域为移动机器人不能到达的区域，所述可行区域为所述移动机器人可到达的区域；通过谱聚类算法对所述可行区域进行处理，得到多个拓扑区域，其中，每个拓扑区域表示一种区域类别；根据所述拓扑区域之间的连接性确定拓扑连接关系，以得到所述混合双层地图，其中，所述混合双层地图为栅格‑拓扑地图。

【技术特征摘要】
1.一种混合双层地图的构建方法，其特征在于，所述方法包括：获取栅格地图中的空白栅格区域，所述空白栅格区域表示不存在障碍物的区域；去除所述空白栅格区域中的孤立区域，得到可行区域，其中，所述孤立区域为移动机器人不能到达的区域，所述可行区域为所述移动机器人可到达的区域；通过谱聚类算法对所述可行区域进行处理，得到多个拓扑区域，其中，每个拓扑区域表示一种区域类别；根据所述拓扑区域之间的连接性确定拓扑连接关系，以得到所述混合双层地图，其中，所述混合双层地图为栅格-拓扑地图。2.根据权利要求1所述的方法，其特征在于，去除所述空白栅格区域中的孤立区域，得到可行区域包括：根据所述移动机器人的半径对所述空白栅格区域进行削减，得到削减后的空白栅格区域；在所述削减后的空白栅格区域中，通过连通区域分析算法提取面积最大的连通域；将所述面积最大的连通域作为所述可行区域。3.根据权利要求1所述的方法，其特征在于，通过谱聚类算法对所述可行区域进行处理，得到多个拓扑区域包括：对所述可行区域中的采样栅格点进行分析，得到所述采样栅格点的相似度矩阵，其中，所述相似度矩阵用于表示所述采样栅格点之间的关联程度；根据所述谱聚类算法对所述相似度矩阵进行处理，得到带有类别信息的采样栅格点；根据所述带有类别信息的采样栅格点确定目标栅格点的类别，其中，所述目标栅格点为所述可行区域中除去所述采样栅格点之外的其它栅格点；根据所述可行区域中各个栅格点的类别分布确定所述多个拓扑区域。4.根据权利要求3所述的方法，其特征在于，对所述可行区域中的采样栅格点进行分析，得到所述采样栅格点的相似度矩阵包括：获取所述可行区域中的采样栅格点，其中，所述采样栅格点的数量为多个；将所述采样栅格点作为节点，并基于多个所述采样栅格点对应的节点组成节点集合；根据相似度计算公式计算所述节点集合中任意两个节点之间的相似度，得到多个相似度；根据所述多个相似度构建所述相似度矩阵。5.根据权利要求3所述的方法，其特征在于，根据所述谱聚类算法对所述相似度矩阵进行处理，得到带有类别信息的采样栅格点包括：根据所述相似度矩阵构建拉普拉斯矩阵；计算所述拉普拉斯矩阵的前k个最小特征值和所述前k个最小特征值对应的标准化特征向量，其中，所述前k个最小特征值表示所述拉普拉斯矩阵的特征值按照升序排列后，位于前面的k个特征值，k的大小和所述拉普拉斯矩阵有关；将所述标准化特征向量按列排列，得到特征矩阵；通过Kmeans聚类算法对所述特征矩阵的行向量进行处理，得到对应于每个行向量的类别；将所述每个行向量的类别作为对应采样栅格点的类别，得到所述带...

【专利技术属性】
技术研发人员：袁梅，
申请(专利权)人：北京进化者机器人科技有限公司，
类型：发明
国别省市：北京,11