[发明专利]基于剪枝Voronoi图的增量式拓扑地图构建方法

说明书

本发明涉及一种基于剪枝Voronoi图的增量式拓扑地图构建方法，在障碍物形状拟合困难、拓扑关系复杂、建图范围大的城市半结构化环境、越野和救援非结构化环境中，随着地面或低空有人/无人移动平台行驶，增量式地快速自主构建轻量级拓扑地图，以便于机器人导航。有益效果：在大规模复杂半结构化和非结构化环境中，本发明能够基于可行驶区域边界点增量式快速生成用于机器人导航的轻量级拓扑地图，避免了障碍物拟合误差和计算复杂带来的影响，实现了在拓扑关系繁多、障碍物不规则、建图范围大的复杂环境下的快速自主拓扑地图构建。

技术领域

本发明属于拓扑地图技术领域，尤其涉及一种基于剪枝Voronoi图的增量式拓扑地图构建方法。

背景技术

拓扑地图作为环境的一种高效表示方法，是机器人自主探索和SLAM(Simultaneous Localization And Mapping)技术的重要成果形式。拓扑地图以节点和边的形式对环境予以表示，与栅格度量地图和语义地图相比，具备更简洁紧凑的道路结构表示方法，且更便于人类理解，广泛用于机器人搜索救援、井下勘测和其余未知环境的自主导航技术中。在上述环境和任务中感知结果难以对不规则障碍物进行快速准确的形状拟合，对部分拓扑地图生成方法造成困难。目前自动构建拓扑地图的方法主要分为基于可视图的方、基于随机采样的方法和基于骨架化的方法3类。

基于可视图的方法(Visibility graph-based method)将障碍物拟合为多边形，连接多边形的顶点形成边，留下其中可视的边作为拓扑边。面对不规则障碍物和障碍物数量庞大的环境时，容易受到拟合误差的影响，计算复杂度也将逐渐提升；基于随机采样的方法(Random sampling-based method)通过在环境内随机采样的方式，以可通行的采样点连线作为拓扑边，如概率路图法(Probabilistic Roadmap,PRM)和快速搜索随机树法(Rapidly-exploring Random Tree,RRT)，该类方法具备概率完备性，在狭窄的环境中需要耗费较长时间采样足够多的点以保证拓扑关系的完备性。基于骨架化的方法以构建于广义Voronoi图(Generalizied Voronoi Diagram,GVD)为主，GVD是以环境中的障碍物目标为最小表示单位，定义空间任意点到目标的距离表示方法，而后按照Voronoi图的定义构建而成。传统的GVD构建方法也受到障碍物形状拟合的影响，另外一种基于欧式距离地图的Voronoi图构建方法存在拓扑关系冗余的问题。

针对大规模复杂半结构化和非结构化环境中，人工建图成本高，自动建图拓扑关系结构复杂、难以高效增量构建等问题，亟待解决基于地面或低空有人/无人移动平台行驶过程中的拓扑地图自动构建问题。

发明内容

本发明的目的在于克服上述技术的不足，而提供一种基于剪枝Voronoi图的增量式拓扑地图构建方法，解决大规模复杂半结构化和非结构化环境下，地面或低空有人/无人移动平台行驶过程中的拓扑地图自动构建问题。

本发明为实现上述目的，采用以下技术方案：一种基于剪枝Voronoi图的增量式拓扑地图构建方法，将可行驶区域边界点映射到全局栅格地图中；利用Voronoi顶点的最大空圆性质，在全局栅格地图中选择最小生成区域，实现增量式拓扑地图构建；通过边界点膨胀和无效边筛选对拓扑图进行剪枝，以保留环境的骨架信息；最后基于广度优先搜索算法构建全连通拓扑地图，具体步骤如下：

(1)将可行驶区域边界点映射到全局栅格地图中；

(2)建立机器人圆形感知范围的矩形包络框，向外扩张矩形框直到与矩形框交叉的Voronoi边上的顶点满足如下性质：顶点的最大空圆内的基点数量不少于3个，且均不为新增的可行驶区域边界点，以矩形框内所有可行驶边界点为基点生成传统Voronoi图；

(3)对生成区域内的可行驶边界点进行膨胀，删除处于占据空间的Voronoi边；