一种静态地图自适应更新方法和装置制造方法及图纸

本发明专利技术公开了一种静态地图自适应更新方法和装置，包括(1)获取初始静态地图；(2)对初始静态地图中的障碍物值进行映射处理，形成0‑N的初始数值化静态地图；(3)实时获取移动机器人实际所处的位置信息以及设定范围内的障碍物信息，并将该障碍物信息更新至初始数值化静态地图，获得更新过的数值化静态地图；(4)将更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点；(5)重复步骤(3)和(4)，实现数值静态地图的自适应在线更新及障碍物判定。本发明专利技术能够实现静态地图的在线更新，具有能够长时间稳定定位、对环境变化具有一定鲁棒性等有益效果。

【技术实现步骤摘要】
一种静态地图自适应更新方法和装置
本专利技术属于移动机器人
，具体涉及一种静态地图自适应更新方法和装置，尤其涉及一种利用激光数据的移动机器人静态地图在线自适应更新方法。
技术介绍
随着生产技术的发展、人口老龄化的日益严重以及工业4.0的进一步发展需求，以自动导引运输车(AutomatedGuidedVehicle，AGV)为代表的移动机器人越来越广泛的被应用于工厂的自动化、半自动化流水生产线，用于运输配件、装配成型的成品半成品等，能够极大减轻传统的人力搬运的劳动量，减少生产装配环节劳动力需求，赋予生产人员更多的富有创造性价值的生产经营劳动。目前，技术较为成熟、应用较为广泛的AGV的自主移动导航方法主要有：利用电磁导轨的自主移动导航和利用激光数据的无轨自主移动导航，其中利用电磁导轨的自主移动导航，由于需要铺设电磁条，更改线路复杂等缺点，正逐渐被利用激光数据的无轨自主导航所代替。在基于激光数据的自主导航方式中，首先由移动机器人利用激光数据获得周围环境的障碍物信息，建立障碍物地图信息-静态地图，静态地图中，仅保存了移动机器人所处的环境中障碍物的有无信息，一般采用1代表有障碍物，0代表无障碍物。当移动机器人正常工作时，需要融合激光数据，以及其它辅助定位数据如IMU、轮式里程计等，利用诸如贝叶斯判别式等算法，融合多种数据信息，实现移动机器人在环境中的定位。其中，利用激光数据，需要通过将实时的激光数据同事先建立的静态地图进行匹配，匹配的契合度大于一定阈值，即认为定位成功，否则定位失败。在实际的工作环境中，由于各种原因，会不断地出现障碍物的搬离和新增的情况，在变化累计到一定程度后，移动机器人或由于实时的激光数据与静态地图的匹配度过低而出现定位丢失或定位错误的情况，同时若静态地图与实际环境相差过大，则会严重影响全局路径规划的正确性与效率，进而导致移动机器人工作失常。
技术实现思路
针对上述问题，本专利技术提出一种静态地图自适应更新方法，能够实现静态地图的在线更新，具有能够长时间稳定定位、对环境变化具有一定鲁棒性等有益效果，能够满足更加智能、稳定性要求更高的基于激光数据的移动机器人定位要求。为了实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：第一方面，本专利技术提供了一种静态地图自适应更新方法，包括以下步骤：(1)获取初始静态地图，所述初始静态地图上包含具体的位置信息以及与各位置信息对应的初始二值化障碍物值；(2)对所述初始静态地图中的初始二值化障碍物值进行映射处理，形成0-N的初始数值化静态地图；(3)实时获取移动机器人实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图；(4)将所述更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点；(5)重复步骤(3)和(4)，直至所述移动机器人完成导航移动，实现数值静态地图的自适应在线更新及障碍物判定。优选地，所述步骤(1)具体包括以下子步骤：(1.1)利用安装在移动机器人上的2D激光传感器扫描设定范围内的周围环境信息；(1.2)利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；(1.3)当移动机器人完成对其活动区域的完整扫略后，形成初始静态地图。优选地，所述步骤(2)具体包括以下子步骤：(2.1)将所述初始静态地图中初始二值化障碍物值0映射为初始数值化静态地图中的障碍物数值0；(2.2)将所述初始静态地图中的初始二值化障碍物值1映射为初始数值化静态地图中的障碍物值1000，最终形成0-1000的初始数值化静态地图。优选地，所述步骤(3)具体包括以下子步骤：(3.1)利用设于移动机器人上的2D激光传感器获得移动机器人实际所处的位置信息以及设定范围内的周围环境信息，并利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；(3.2)若通过2D激光传感器实时获得的对应于初始数值化静态地图中的某个栅格点的状态为有障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值加一，若通过2D激光传感器实时获得的对应于初始数值化静态地图中的某个栅格点的状态为无障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值减一，且上下限为0和1000。优选地，所述步骤(4)中的设定阈值设置为500，若某栅格点上对应的障碍物值大于或者等于500，则认为该栅格点为有障碍物点，反之，则为无障碍物点。优选地，所述步骤(4)中的设定阈值设置为600，若某栅格点上对应的障碍物值大于或者等于600，则认为该栅格点为有障碍物点，反之，则为无障碍物点。第二方面，本专利技术提供了一种静态地图自适应更新装置，包括：第一获取模块，用于获取初始静态地图，所述初始静态地图上包含具体的位置信息以及与各位置信息对应的初始二值化障碍物值；映射模块，用于对所述初始静态地图中的初始障碍物值进行映射处理，形成0-N的初始数值化静态地图；更新模块，用于实时获取移动机器人实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图；判断模块，用于将所述更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点。优选地，所述获取初始静态地图，具体包括以下子步骤：利用安装在移动机器人上的2D激光传感器扫描设定范围内的周围环境信息；利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；当移动机器人完成对其活动区域的完整扫略后，形成初始静态地图。优选地，对所述初始静态地图中的初始障碍物值进行映射处理，形成0-N的初始数值化静态地图，具体包括以下子步骤：将所述初始静态地图中的初始二值化障碍物值0映射为初始数值化静态地图中的障碍物数值0；将所述初始静态地图中的初始二值化障碍物值1映射为初始数值化静态地图中的障碍物值1000，最终形成0-1000的初始数值化静态地图。优选地，所述实时获取其实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图，具体包括以下子步骤：利用设于移动机器人上的2D激光传感器获得移动机器人实际所处的位置信息以及设定范围内的周围环境信息，并利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；若通过2D激光传感器获得的对应于初始数值化静态地图中的某个栅格点的状态为有障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值加一，若通过2D本文档来自技高网...

【技术保护点】
1.一种静态地图自适应更新方法，其特征在于，包括以下步骤：(1)获取初始静态地图，所述初始静态地图上包含具体的位置信息以及与各位置信息对应的初始二值化障碍物值；(2)对所述初始静态地图中的初始二值化障碍物值进行映射处理，形成0‑N的初始数值化静态地图；(3)实时获取移动机器人实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图；(4)将所述更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点；(5)重复步骤(3)和(4)，直至所述移动机器人完成导航移动，实现数值静态地图的自适应在线更新及障碍物判定。

【技术特征摘要】
1.一种静态地图自适应更新方法，其特征在于，包括以下步骤：(1)获取初始静态地图，所述初始静态地图上包含具体的位置信息以及与各位置信息对应的初始二值化障碍物值；(2)对所述初始静态地图中的初始二值化障碍物值进行映射处理，形成0-N的初始数值化静态地图；(3)实时获取移动机器人实际所处的位置信息以及设定范围内的障碍物信息，并将所述该障碍物信息更新至所述初始数值化静态地图，获得更新过的数值化静态地图；(4)将所述更新过的数值化静态地图中障碍物值与设定阈值进行比较，并根据比较结果判断更新过的数值化静态地图中与该障碍物值相对应的栅格点为无障碍物点或者有障碍物点；(5)重复步骤(3)和(4)，直至所述移动机器人完成导航移动，实现数值静态地图的自适应在线更新及障碍物判定。2.根据权利要求1所述的一种静态地图自适应更新方法，其特征在于：所述步骤(1)具体包括以下子步骤：(1.1)利用安装在移动机器人上的2D激光传感器扫描设定范围内的周围环境信息；(1.2)利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；(1.3)当移动机器人完成对其活动区域的完整扫略后，形成初始静态地图。3.根据权利要求1所述的一种静态地图自适应更新方法，其特征在于：所述步骤(2)具体包括以下子步骤：(2.1)将所述初始静态地图中初始二值化障碍物值0映射为初始数值化静态地图中的障碍物数值0；(2.2)将所述初始静态地图中的初始二值化障碍物值1映射为初始数值化静态地图中的障碍物值1000，最终形成0-1000的初始数值化静态地图。4.根据权利要求1所述的一种静态地图自适应更新方法，其特征在于：所述步骤(3)具体包括以下子步骤：(3.1)利用设于移动机器人上的2D激光传感器获得移动机器人实际所处的位置信息以及设定范围内的周围环境信息，并利用bresenham算法对扫描得到的周围环境信息进行处理，将2D激光传感器的激光扫略过的区域标记为0，即为无障碍物区域，2D激光传感器的激光射线的终点标记为1，即为有障碍物区域；(3.2)若通过2D激光传感器实时获得的对应于初始数值化静态地图中的某个栅格点的状态为有障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值加一，若通过2D激光传感器实时获得的对应于初始数值化静态地图中的某个栅格点的状态为无障碍物，则将所述初始数值化静态地图中与该栅格点对应的障碍物值减一，且上下限为0和1000。5.根据权利要求1所述的一种静态地图自适应更新方法，其特征在于：所述步骤(4)中的设定阈值设置为500，若某栅格点上对应的障碍物值大于或者等于500，则认为该栅格点为有障碍物点，反之，则为无障碍物点。6.根据权利要求1...

【专利技术属性】
技术研发人员：周尧，江妍卉，张晴，
申请(专利权)人：浙江大学昆山创新中心，
类型：发明
国别省市：江苏,32