[发明专利]室内机器人自动探索建图的方法及系统

权利要求书

1.一种室内机器人自动探索建图的方法，其特征在于，包括：

步骤S1：根据场景，选择不同比例的地图，设置角点为参考点，并遍历四个角点来确定地图边界，然后再探索内部未被探索到的区域；

步骤S2：获取未被探索到的区域中已经被占据的栅格，转换成激光数据，再获取激光雷达数据，将两个数据结合并生成直方图，选取能够通行机器人的区域；

步骤S3：通过获取空闲和未知栅格的边界线段，来获取候选点，同时按照些规则评分选取最优目标点；

步骤S4：设置偏好参数，修改选取目标点策略，适应不同的情况，查漏补缺，确认并保存地图。

2.根据权利要求1所述的室内机器人自动探索建图的方法，其特征在于，所述步骤S1包括：机器人屏幕选取自主探索模式，根据场景分别选择小图，中图及大图，选择后内置的建图会初始化一张同样大小的地图，分辨率默认为0.05m/cell，机器人所在位置默认为地图中心。

3.根据权利要求1所述的室内机器人自动探索建图的方法，其特征在于，所述步骤S2包括：获取地图中未被探索到的区域已经被占据的栅格视为障碍物，转换成激光数据scan_obs；获取激光雷达数据scan_original；将两个数据合并组成scan_combine；将scan_combine数据生成直方图，障碍物距离越近高度越高，生成类似高山和低谷；

提取低谷区域，过滤掉长度小于机器人直径的低谷区域。

4.根据权利要求1所述的室内机器人自动探索建图的方法，其特征在于，所述步骤S3包括：获取地图中未知区域和空闲区域，提取边界，得到一些边界线段，过滤掉小于设定阈值长度的线段，留下的线段中将线段中点作为候选目标点。

5.根据权利要求1所述的室内机器人自动探索建图的方法，其特征在于，所述步骤S3中目标点规则评分包括：

1)如果目标点不在低谷区域返回-1，这个候选点直接去除；

2)计算目标点与初始目标点的距离和角度；

angle＝|θ1-θ2|

s1＝p1+p2

其中，(x，y)为初始目标点坐标，(x1，y1)为选取的坐标，θ1为初始目标点与机器人之间的夹角，θ2为选取的坐标与机器人的夹角；

dist计算的是候选目标点与初始目标点坐标的距离；

angle差值越小，候选目标点越靠近初始目标点所在的方位；

p1由得到的dist距离，根据式(1)获得的值，选取到的候选点和始目标点之间的距离小于1m时，直接p1赋常值10；当计算到的dist距离在1～100m之间时，p1所得到的区间是10～0.1之间，是递减函数；

p2由两个角度得到的差值，根据式(2)获得的值，得到的角度差值在1度以内，说明两个点在一条线上，直接给p2赋常值10，当差值在1～180度之间时，p2的取值在10～0.05之间，是递减函数；

s1是将获取到的p1和p2两项分数相加，得到一个综合分数；

3)求所在目标点的线段的长度：

s2＝4*ln(x+1)，x∈(0,100),s2∈(0,18.46)

x是获得的线段的长度，由上面计算得到第二分数s2；x的值是0～100m，s2在这个区间范围是0～18.46，x的长度越长s2越大。

6.根据权利要求5所述的室内机器人自动探索建图的方法，其特征在于，所述步骤S4包括：给每个分数一个权重，做偏好设置，

score＝k1*s1+k2*s2

score是第一分数和第二分数之和，k1和k2作为两个分数权重系数；

若让机器人走开阔区域，则提高k2；

若让机器人朝向初始目标点方位，则提高k1；

选取分数最高的那个目标点，同时选中目标点后必须达到该目标点再继续选取下一目标点。