基于剪枝Voronoi图的增量式拓扑地图构建方法技术

本发明专利技术涉及一种基于剪枝Voronoi图的增量式拓扑地图构建方法，在障碍物形状拟合困难、拓扑关系复杂、建图范围大的城市半结构化环境、越野和救援非结构化环境中，随着地面或低空有人/无人移动平台行驶，增量式地快速自主构建轻量级拓扑地图，以便于机器人导航。有益效果：在大规模复杂半结构化和非结构化环境中，本发明专利技术能够基于可行驶区域边界点增量式快速生成用于机器人导航的轻量级拓扑地图，避免了障碍物拟合误差和计算复杂带来的影响，实现了在拓扑关系繁多、障碍物不规则、建图范围大的复杂环境下的快速自主拓扑地图构建。的复杂环境下的快速自主拓扑地图构建。的复杂环境下的快速自主拓扑地图构建。

【技术实现步骤摘要】
基于剪枝Voronoi图的增量式拓扑地图构建方法


[0001]本专利技术属于拓扑地图
，尤其涉及一种基于剪枝Voronoi图的增量式拓扑地图构建方法。

技术介绍

[0002]拓扑地图作为环境的一种高效表示方法，是机器人自主探索和SLAM(Simultaneous Localization And Mapping)技术的重要成果形式。拓扑地图以节点和边的形式对环境予以表示，与栅格度量地图和语义地图相比，具备更简洁紧凑的道路结构表示方法，且更便于人类理解，广泛用于机器人搜索救援、井下勘测和其余未知环境的自主导航技术中。在上述环境和任务中感知结果难以对不规则障碍物进行快速准确的形状拟合，对部分拓扑地图生成方法造成困难。目前自动构建拓扑地图的方法主要分为基于可视图的方、基于随机采样的方法和基于骨架化的方法3类。
[0003]基于可视图的方法(Visibility graph
‑
based method)将障碍物拟合为多边形，连接多边形的顶点形成边，留下其中可视的边作为拓扑边。面对不规则障碍物和障碍物数量庞大的环境时，容易受到拟合误差的影响，计算复杂度也将逐渐提升；基于随机采样的方法(Random sampling
‑
based method)通过在环境内随机采样的方式，以可通行的采样点连线作为拓扑边，如概率路图法(Probabilistic Roadmap,PRM)和快速搜索随机树法(Rapidly
‑
exploring Random Tree,RRT)，该类方法具备概率完备性，在狭窄的环境中需要耗费较长时间采样足够多的点以保证拓扑关系的完备性。基于骨架化的方法以构建于广义Voronoi图(Generalizied Voronoi Diagram,GVD)为主，GVD是以环境中的障碍物目标为最小表示单位，定义空间任意点到目标的距离表示方法，而后按照Voronoi图的定义构建而成。传统的GVD构建方法也受到障碍物形状拟合的影响，另外一种基于欧式距离地图的Voronoi图构建方法存在拓扑关系冗余的问题。
[0004]针对大规模复杂半结构化和非结构化环境中，人工建图成本高，自动建图拓扑关系结构复杂、难以高效增量构建等问题，亟待解决基于地面或低空有人/无人移动平台行驶过程中的拓扑地图自动构建问题。

技术实现思路

[0005]本专利技术的目的在于克服上述技术的不足，而提供一种基于剪枝Voronoi图的增量式拓扑地图构建方法，解决大规模复杂半结构化和非结构化环境下，地面或低空有人/无人移动平台行驶过程中的拓扑地图自动构建问题。
[0006]本专利技术为实现上述目的，采用以下技术方案：一种基于剪枝Voronoi图的增量式拓扑地图构建方法，将可行驶区域边界点映射到全局栅格地图中；利用Voronoi顶点的最大空圆性质，在全局栅格地图中选择最小生成区域，实现增量式拓扑地图构建；通过边界点膨胀和无效边筛选对拓扑图进行剪枝，以保留环境的骨架信息；最后基于广度优先搜索算法构建全连通拓扑地图，具体步骤如下：
[0007](1)将可行驶区域边界点映射到全局栅格地图中；
[0008](2)建立机器人圆形感知范围的矩形包络框，向外扩张矩形框直到与矩形框交叉的Voronoi边上的顶点满足如下性质：顶点的最大空圆内的基点数量不少于3个，且均不为新增的可行驶区域边界点，以矩形框内所有可行驶边界点为基点生成传统Voronoi图；
[0009](3)对生成区域内的可行驶边界点进行膨胀，删除处于占据空间的Voronoi边；
[0010](4)以Voronoi边和顶点为基础构建局部无向图，删除长度较短且只有一个连接关系的无效边，保留环境的骨架信息，并使用局部无向图替换原有矩形框内的全局无向图；
[0011](5)以机器人位置为起点，基于广度优先搜索算法无目标地遍历无向图直至开启列表为空，删除未曾放入开启列表和关闭列表的边。
[0012]进一步地，步骤(1)中所述可行驶区域边界点为环境中的静态障碍点和有效感知边界点，且所述可行驶区域边界点在全局栅格地图中存储时，按照栅格地图精度在同一栅格内仅保留一个点。
[0013]进一步地，步骤(2)中所述顶点的最大空圆性质在指Voronoi顶点最大空圆的圆周上至少包含3个基点，通过查找距离顶点最近的基点，得到最大空圆圆周上的基点集合。
[0014]进一步地，步骤(4)中所述删除的无效边的原则为：无效边长度小于机器人长度和长度阈值之和，且该边在局部无向图中只有一个连通关系。
[0015]进一步地，步骤(4)中所述建立的局部无向图基于广度优先搜索算法处理后为连通图，任意两个顶点间都存在一条路径。
[0016]有益效果：与现有技术相比，在大规模复杂半结构化和非结构化环境中，本专利技术能够基于可行驶区域边界点增量式快速生成用于机器人导航的轻量级拓扑地图，避免了障碍物拟合误差和计算复杂带来的影响，实现了在拓扑关系繁多、障碍物不规则、建图范围大的复杂环境下的快速自主拓扑地图构建；本专利技术在构建拓扑地图时对环境信息具备敏感性，任意边界/障碍点的增加和删除都能够在拓扑地图中快速得到体现；本专利技术具备较高的时效性，得益于传统Voronoi图生成方法的高效性，以及本专利技术中剪枝算法和增量式方法的高效性，拓扑地图生成过程具备较高的时效性；本专利技术具备一致性，在固定区域内构建的地图结果不受到环境探索顺序的影响；本专利技术构建的地图结构具备完备性，且构建结果与其他方法相比更为轻量，拓扑地图构建过程不受到狭窄环境和拓扑关系复杂程度的影响，仅与边界/障碍点数量相关，能够适用于任意环境，实现可靠、精准、完备的建图。
附图说明
[0017]图1A是历史环境感知障碍点信息的示意图；
[0018]图1B是环境感知障碍点叠加后结果的示意图；
[0019]图2A是增量式构图时的Voronoi图生成区域识别最大空圆的示意图，
[0020]图2B是增量式构图时的Voronoi图生成区域识别示意图；
[0021]图3A是原始Voronoi示意图；
[0022]图3B是障碍物膨胀结果示意图；
[0023]图3C是剪枝结果示意图；
[0024]图4A是历史全局Voronoi图；
[0025]图4B是区域识别和局部Voronoi图生成结果图；
[0026]图4C是增量式更新结果图；
[0027]图5是基于广度优先搜索和几何简化后的拓扑地图，其中：左图经过膨胀剪枝的初步剪枝结果，右图为经过广度优先搜索算法和几何简化后的最终剪枝结果；
[0028]图6是对本专利技术进行室内仿真实验验证中构建的拓扑地图；
[0029]图7是对本专利技术进行室内仿真实验验证中构建拓扑地图的耗时；
[0030]图8是对本专利技术进行森林仿真实验验证中构建的拓扑地图；
[0031]图9是对本专利技术进行真实小区实验验证中构建的拓扑地图；(摘要附图)
[0032]图10是对本专利技术进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于剪枝Voronoi图的增量式拓扑地图构建方法，其特征是：将可行驶区域边界点映射到全局栅格地图中；利用Voronoi顶点的最大空圆性质，在全局栅格地图中选择最小生成区域，实现增量式拓扑地图构建；通过边界点膨胀和无效边筛选对拓扑图进行剪枝，以保留环境的骨架信息；最后基于广度优先搜索算法构建全连通拓扑地图，具体步骤如下：(1)将可行驶区域边界点映射到全局栅格地图中；(2)建立机器人圆形感知范围的矩形包络框，向外扩张矩形框直到与矩形框交叉的Voronoi边上的顶点满足如下性质：顶点的最大空圆内的基点数量不少于3个，且均不为新增的可行驶区域边界点，以矩形框内所有可行驶边界点为基点生成传统Voronoi图；(3)对生成区域内的可行驶边界点进行膨胀，删除处于占据空间的Voronoi边；(4)以Voronoi边和顶点为基础构建局部无向图，删除长度较短且只有一个连接关系的无效边，保留环境的骨架信息，并使用局部无向图替换原有矩形框内的全局无向图；(5)以机器人位置为起点，基于广度优先搜索算法无目标地遍历无向图直至开...

【专利技术属性】
技术研发人员：齐尧，徐友春，王任栋，何滨兵，章永进，朱愿，
申请(专利权)人：中国人民解放军陆军军事交通学院军事交通运输研究所，
类型：发明
国别省市：