[发明专利]一种基于图的栅格地图分割方法

说明书

本发明公开一种基于图的栅格地图分割方法，针对现有的分割地图算法中存在走廊的分割与真实地图不一致的情况，本发明充分利用真实环境构建的地图中的障碍物信息，从栅格地图中获取有语义性质的信息，主要包括自由区域聚类和基于图的区域合并两部分；自由区域聚类具体为结合光线投掷算法的ISODATA，因此该聚类算法可以保证聚类结果不会跨越障碍物，同时该聚类算法可以有效剔除地图中的噪声；基于图的区域合并具体为有效利用地图中的障碍物信息，根据类的连通性建立图并进行优化，继而合并类得到完整的走廊和房间。

技术领域

本发明属于计算机视觉领域，特别涉及一种地图分割技术。

背景技术

人类在了解世界过程中对视觉系统的依赖程度不言而喻，类似地，机器将计算机视觉视为认知世界的基础。计算机视觉作为最主要的人工智能技术之一，广泛应用在机器人视觉导航、人脸识别、图像识别、无人驾驶等技术中。在机器人领域中，地图是帮助机器人描述环境和精确定位的主要工具之一。用于机器人自主定位导航技术中最常见的地图类型是栅格地图。栅格地图中的自由区域表示机器人可以通过的区域。对栅格地图自由区域进行分割，获得具有语义信息的区域有助于机器人建立拓扑地图和语义地图、全局定位、路径规划的实现。因此，对栅格地图分割方法的研究有很大的意义。栅格地图分割算法研究工作主要分为几类方法：

(1)基于距离变换的地图分割方法，其关键思想是首先对栅格地图进行距离变换，距离变换的局部最大值总是位于房间的中心，而在走廊或门口的距离变换局部最大值通常会小于房间中心的，因此可以获得一组房间中心的距离阈值和门口的距离阈值。以降序循环所有可能的阈值，地图中的栅格根据其距离变换的值不断的被分配到最近的房间中心，当阈值等于门口的距离阈值时不再分配。然后合并相互连接的房间中心，最终分配到同一个房间中心的栅格被认为同属一个房间，从而实现地图分割。

(2)基于Voronoi图的地图分割方法，其关键思想是根据栅格地图生成Voronoi图，一种在实际应用中有效生成Voronoi图的方法是在对栅格地图欧氏距离变换的基础上进行骨架提取(Skeletonization)。从图中提取临界点(Critical Points)，然后根据启发式的方法，在每个临界点相交处分割栅格地图，获得分割单元，最终合并单元获得分割区域。

(3)基于特征的地图分割方法，其关键思想是通过局部的观测学习每一个栅格的特征并标记标签，然后根据相邻栅格的标签获得分割区域。Mozos等提出的一种基于特征的房间分割算法首先在栅格地图中每一个空闲栅格处模拟一个可以360°发射激光的激光测距仪，每一束模拟激光可以测得激光测距仪与障碍物间的距离。对于一个模拟的激光测距仪，所在栅格的特征由平均模拟光线的长短描述。所有栅格的特征由AdaBoost分类器分类，标记为不同的标签，最后将相邻的具有相同标签的栅格合并，实现地图分割。

(4)基于图划分(Graph Partitioning)的分割方法。Zivkovic等在构建层次地图(Hierarchical Map)和路径规划中应用了该类分割方法。首先，将基础层地图表示为一个图，节点表示可达区域的地图点，边表示两节点间的转移关系。然后，使用归一化图割算法(Normalized Graph Cut)将上述的图在弱连接处切割，从而实现地图分割，建立高层地图。

(5)形态学分割方法。Buschka等将形态学处理应用于房间分割，首先建立模糊栅格地图来描述栅格被占据的可能性。对模糊栅格地图进行模糊形态学开操作可以分离由狭窄通道连接的区域。从每个区域内的种子开始，利用分水岭算法确定哪些栅格属于同一个房间，实现房间分割。

以上地图分割算法可以对栅格地图进行有效分割，获得感兴趣的区域，但依然存在很多局限，主要表现在：