[发明专利]层次代价地图生成与融合方法、系统、终端及移动机器人在审
申请号: | 202110737458.5 | 申请日: | 2021-06-30 |
公开(公告)号: | CN115542886A | 公开(公告)日: | 2022-12-30 |
发明(设计)人: | 陆俊;窦广正 | 申请(专利权)人: | 深圳华芯信息技术股份有限公司 |
主分类号: | G05D1/02 | 分类号: | G05D1/02 |
代理公司: | 上海光华专利事务所(普通合伙) 31219 | 代理人: | 倪静 |
地址: | 518000 广东省深圳市光明新*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 层次 代价 地图 生成 融合 方法 系统 终端 移动 机器人 | ||
1.一种层次代价地图生成与融合方法,其特征在于,应用于移动机器人,其设有多个传感器,所述方法包括:
实时接收各传感器的传感器信息以及机器人位姿;
对各传感器分别所对应的传感器信息进行离散化以及概率化,获得对应各传感器的二维离散概率地图;
基于所述机器人位姿,分别对各二维离散概率地图进行坐标转换,获得分别对应各传感器的世界坐标系下的二维离散概率地图;
对世界坐标系下的各二维离散地图进行融合获得融合二维离散概率地图;
对所述融合二维离散概率地图进行填值处理,以获得用于对所述移动机器人进行路线规划的代价地图。
2.根据权利要求1中所述的层次代价地图生成与融合方法,其特征在于,所述对各传感器分别所对应的传感器信息进行离散化以及概率化,获得对应各传感器信的二维离散概率地图包括:
分别在各传感器所对应的传感器信息中提取对应各传感器信息的包含障碍物信息的有效帧;
基于预处理模型,对对应各传感器信息的有效帧分别进行离散化以及概率化,以获得对应各传感器的二维离散概率地图。
3.根据权利要求1中所述的层次代价地图生成与融合方法,其特征在于,所述对世界坐标系下的各二维离散地图进行融合获得融合二维离散概率地图包括:
确定所需的融合二维离散概率地图的各图层分别所占权重;
将所述融合二维离散概率地图的图层的初始概率设置为不确定概率值;
基于贝叶斯公式,对世界坐标系下的各二维离散地图进行融合获得所述融合二维离散概率地图。
4.根据权利要求1中所述的层次代价地图生成与融合方法,其特征在于,所述对所述融合二维离散概率地图进行填值处理,以获得用于对所述移动机器人进行路线规划的代价地图包括:
确定概率门槛值,对所述融合二维离散概率地图进行二值化,获得障碍物地图;
基于确定的特定衰减函数,对所述障碍物地图进行填值处理,并获得用于对所述移动机器人进行路线规划的代价地图。
5.根据权利要求4中所述的层次代价地图生成与融合方法,其特征在于,所述基于确定的特定衰减函数,对所述障碍物地图进行填值处理,并获得用于对所述移动机器人进行路线规划的代价地图包括:
将障碍物地图中未处理的距离障碍物最近的一或多个网格点加入处理队列,并基于特定的衰减函数计算对应各网格点的代价值;
若对应各网格点到机器人的距离全部超过填值半径,则根据各对应各网格点的代价值,获得用于对所述移动机器人进行路线规划的代价地图;
若对应各网格点的到机器人的距离未超过填值半径,则对未超过填值半径的网格点重新计算代价值。
6.根据权利要求1中所述的层次代价地图生成与融合方法,其特征在于,所述基于所述机器人位姿,分别对各二维离散概率地图进行坐标转换,获得分别对应各传感器的世界坐标系下的二维离散概率地图的方式包括:
根据所述机器人位姿,获取所述移动机器人当前相对于世界坐标系的变换矩阵;
基于所述变换矩阵,将各二维离散概率地图映射至所述世界坐标系中,获得对应各传感器的世界坐标系下的二维离散概率地图。
7.一种层次代价地图生成与融合系统,其特征在于,应用于移动机器人,其设有多个传感器,所述系统包括:
接收模块,用于实时接收各传感器的传感器信息以及机器人位姿;
离散模块,连接所述接收模块,用于对各传感器分别所对应的传感器信息进行离散化以及概率化,获得对应各传感器的二维离散概率地图;
坐标转换模块,连接所述接收模块以及离散模块,用于基于所述机器人位姿,分别对各二维离散概率地图进行坐标转换,获得分别对应各传感器的世界坐标系下的二维离散概率地图;
融合模块,连接所述坐标转换模块,用于对世界坐标系下的各二维离散地图进行融合获得融合二维离散概率地图;
填值模块,连接所述融合模块,用于对所述融合二维离散概率地图进行填值处理,以获得用于对所述移动机器人进行路线规划的代价地图。
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深圳华芯信息技术股份有限公司,未经深圳华芯信息技术股份有限公司许可,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/202110737458.5/1.html,转载请声明来源钻瓜专利网。