[发明专利]混合双层地图的构建方法及装置有效
申请号: | 201711100938.0 | 申请日: | 2017-11-09 |
公开(公告)号: | CN107817802B | 公开(公告)日: | 2021-08-20 |
发明(设计)人: | 袁梅 | 申请(专利权)人: | 北京进化者机器人科技有限公司 |
主分类号: | G05D1/02 | 分类号: | G05D1/02 |
代理公司: | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人: | 苏胜 |
地址: | 100086 北京市海淀区北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 混合 双层 地图 构建 方法 装置 | ||
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;
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;
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;
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;
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,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。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京进化者机器人科技有限公司,未经北京进化者机器人科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711100938.0/1.html,转载请声明来源钻瓜专利网。