运动代价地图构建方法、装置、无人设备及存储介质制造方法及图纸

本发明专利技术提供一种运动代价地图构建方法、装置、无人设备及存储介质，该方法包括：在检测到障碍物的情况下，获取所述障碍物在当前时刻下的当前点云数据；基于所述当前点云数据，确定所述障碍物在下一时刻下的预测点云数据；确定无人设备在所述下一时刻下的运动约束条件；根据所述预测点云数据及所述运动约束条件，确定所述无人设备对应的运动代价地图。该方法用以解决现有的地图构建方法使得无人设备最终得到的代价地图无法准确指导无人设备规避动态障碍物的缺陷，实现基于障碍物对应的预测点云数据及无人设备对应的运动约束条件，确定准确性较高且质量较好的运动代价地图，从而能够准确指导该无人设备更好地规避动态障碍物。确指导该无人设备更好地规避动态障碍物。确指导该无人设备更好地规避动态障碍物。

【技术实现步骤摘要】
运动代价地图构建方法、装置、无人设备及存储介质


[0001]本专利技术涉及地图构建
，尤其涉及一种运动代价地图构建方法、装置、无人设备及存储介质。

技术介绍

[0002]随着无人设备(例如：机器人)的不断发展和进步，该无人设备的应用越来越广泛。无人设备在运动过程中，可以构建所在环境对应的运动地图。
[0003]现有的地图构建方法可以包括：无人设备能够利用二维代价地图(CostMap
‑
2D)功能包中的膨胀处理方法，根据静态层和动态层构建的主地图中的障碍栅格代价参数(cost)，第一轮以cost为中心向上、下、左、右四个方向传播出四个栅格，第二轮以四个新的栅格为中心向四周进行传播，以此不断迭代直到传播完整的栅格地图，就可以得到该无人设备所在环境对应的代价地图。然而，在上述膨胀处理过程中，容易导致无人设备易“越过”障碍，使得该无人设备最终得到的代价地图不够准确，这样一来，该无人设备在实际应用该代价地图的过程中，就易与障碍物发生碰撞。

技术实现思路

[0004]本专利技术提供一种运动代价地图构建方法、装置、无人设备及存储介质，用以解决现有的地图构建方法使得无人设备最终得到的代价地图无法准确指导无人设备规避动态障碍物的缺陷，实现基于障碍物对应的预测点云数据及无人设备对应的运动约束条件，确定准确性较高且质量较好的运动代价地图，从而能够准确指导该无人设备更好地规避动态障碍物。
[0005]本专利技术提供一种运动代价地图构建方法，包括：
[0006]在检测到障碍物的情况下，获取该障碍物在当前时刻下的当前点云数据；
[0007]基于该当前点云数据，确定该障碍物在下一时刻下的预测点云数据；
[0008]确定无人设备在该下一时刻下的运动约束条件；
[0009]根据该预测点云数据及该运动约束条件，确定该无人设备对应的运动代价地图。
[0010]根据本专利技术提供的一种运动代价地图构建方法，该基于该当前点云数据，确定该障碍物在下一时刻下的预测点云数据，包括：基于该当前点云数据，根据预测模型，确定该障碍物在下一时刻下的预测点云数据，该预测点云数据包括预测位置信息。
[0011]根据本专利技术提供的一种运动代价地图构建方法，该运动约束条件S
r
为受到自身模型约束所能达到的最大线速度V
m
‑
max
、最小线速度V
m
‑
min
、最大模型角速度ω
m
‑
max
、最小模型角速度ω
m
‑
min
；受到电机约束所能达到的最大电机速度V
E
‑
max
、最小电机速度V
E
‑
min
；以及，受到人为约束所能达到的最大限定速度V
P
‑
max
、最小限定速度V
P
‑
min
、最大限定角速度ω
P
‑
max
、最小限定角速度ω
P
‑
min
得出的速度空间在一个固定时间Δt内所能达到的采样空间，该固定时间Δt表示该当前时刻与该下一时刻之间的时间间隔。
[0012]根据本专利技术提供的一种运动代价地图构建方法，该根据该预测点云数据及该运动
约束条件，确定该无人设备对应的运动代价地图，包括：根据该障碍物对应的代价计算函数，确定该无人设备对应的运动代价地图；该代价计算函数q
n
表示该障碍物的预测点云数据对应的预测栅格信息；点云数据对应的预测栅格信息；表示该无人设备的扫描内切圆范围，d(q
n
)表示该预测栅格信息q
n
及膨胀栅格信息之间的距离值，r
i
表示该无人设备的扫描内切圆半径，S表示该无人设备所在环境的环境栅格范围；的扫描内切圆半径，S表示该无人设备所在环境的环境栅格范围；表示该无人设备的扫描外接圆范围，r
c
表示该无人设备的扫描外接圆半径；表示该障碍物对应的膨胀范围，r
m
表示该障碍物对应的膨胀半径；w表示代价下降权值；表示该无人设备的自由空间范围。
[0013]根据本专利技术提供的一种运动代价地图构建方法，该根据该障碍物对应的代价计算函数，确定该无人设备对应的运动代价地图，包括：获取该无人设备所在环境的环境栅格信息，该环境栅格信息包括多个栅格信息；从该多个栅格信息中，确定该预测点云数据对应的预测栅格信息；基于该代价计算函数，向该预测栅格信息中的多个方向分别进行膨胀处理，得到该无人设备对应的运动代价地图。
[0014]根据本专利技术提供的一种运动代价地图构建方法，在该检测到障碍物之后，该方法还包括：获取该障碍物对应的至少三个激光雷达信息，该至少三个激光雷达信息为时间间隔相同的连续激光雷达信息；确定该至少三个激光雷达信息中每个激光雷达信息分别对应的障碍物速度信息及障碍物位置信息；根据该障碍物速度信息及该障碍物位置信息，确定该障碍物对应的障碍物类型，该障碍物类型为动态障碍物及静态障碍物。
[0015]根据本专利技术提供的一种运动代价地图构建方法，该基于该当前点云数据，确定该障碍物在下一时刻下的预测点云数据，包括：在确定该障碍物类型为该动态障碍物的情况下，基于该当前点云数据，根据预测模型，确定该障碍物在下一时刻下的预测点云数据；在确定该障碍物类型为该静态障碍物的情况下，将该当前点云数据确定为该障碍物在下一时刻下的预测点云数据。
[0016]本专利技术还提供一种运动代价地图构建装置，包括：
[0017]获取模块，用于在检测到障碍物的情况下，获取该障碍物在当前时刻下的当前点云数据；
[0018]处理模块，用于基于该当前点云数据，确定该障碍物在下一时刻下的预测点云数据；确定无人设备在该下一时刻下的运动约束条件；根据该预测点云数据及该运动约束条件，确定该无人设备对应的运动代价地图。
[0019]本专利技术还提供一种无人设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述运动代价地图构建方法。
[0020]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述运动代价地图构建方法。
[0021]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述运动代价地图构建方法。
[0022]本专利技术提供的运动代价地图构建方法、装置、无人设备及存储介质，通过在检测到障碍物的情况下，获取所述障碍物在当前时刻下的当前点云数据；基于所述当前点云数据，确定所述障碍物在下一时刻下的预测点云数据；确定无人设备在所述下一时刻下的运动约束条件；根据所述预测点云数据及所述运动约束条件，确定所述无人设备对应的运动代价地图。该方法用以解决现有的地图构建方法使得无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动代价地图构建方法，其特征在于，包括：在检测到障碍物的情况下，获取所述障碍物在当前时刻下的当前点云数据；基于所述当前点云数据，确定所述障碍物在下一时刻下的预测点云数据；确定无人设备在所述下一时刻下的运动约束条件；根据所述预测点云数据及所述运动约束条件，确定所述无人设备对应的运动代价地图。2.根据权利要求1所述的方法，其特征在于，所述基于所述当前点云数据，确定所述障碍物在下一时刻下的预测点云数据，包括：基于所述当前点云数据，根据预测模型，确定所述障碍物在下一时刻下的预测点云数据，所述预测点云数据包括预测位置信息。3.根据权利要求1所述的方法，其特征在于，所述运动约束条件S
r
为受到自身模型约束所能达到的最大线速度V
m
‑
max
、最小线速度V
m
‑
min
、最大模型角速度ω
m
‑
max
、最小模型角速度ω
m
‑
min
；受到电机约束所能达到的最大电机速度V
E
‑
max
、最小电机速度V
E
‑
min
；以及，受到人为约束所能达到的最大限定速度V
P
‑
max
、最小限定速度V
P
‑
min
、最大限定角速度ω
P
‑
max
、最小限定角速度ω
P
‑
min
得出的速度空间在一个固定时间Δt内所能达到的采样空间，所述固定时间Δt表示所述当前时刻与所述下一时刻之间的时间间隔。4.根据权利要求1所述的方法，其特征在于，所述根据所述预测点云数据及所述运动约束条件，确定所述无人设备对应的运动代价地图，包括：根据所述障碍物对应的代价计算函数，确定所述无人设备对应的运动代价地图；所述代价计算函数q
n
表示所述障碍物的预测点云数据对应的预测栅格信息；表示所述无人设备的扫描内切圆范围，d(q
n
)表示所述预测栅格信息q
n
及膨胀栅格信息之间的距离值，r
i
表示所述无人设备...

【专利技术属性】
技术研发人员：徐健，龚冠瑞，李智伟，于丽娜，李卫军，
申请(专利权)人：中国科学院半导体研究所，
类型：发明
国别省市：