一种机器人地图构建及导航方法、装置及存储介质与流程

1.本技术涉及智能控制技术领域，尤其涉及一种机器人地图构建及导航方法、装置及存储介质。


背景技术：

2.在目前，机器人越来越多的替代了人工进行简单重复的操作，在当今社会，自主机器人更是得到了大力的发展。移动机器人定位技术一直是研究热门，在仓储业、快递业中更是占据了很大一部分的位置。机器人自动化程度高、可靠性好、适应能力强。但对于工作地区的地图构建一直是一个热点问题。只有在地图无限接近实际工作场景，机器人才能更好、更快捷的进行工作。在很多环境中机器人不能利用全局定位系统进行定位，而且事先获取机器人工作环境的地图很困难，甚至是不可能的。这时机器人需要在自身位置不确定的条件下，在未知环境中创建地图。而一般工作环境复杂，货物堆积地较为多变，对地图的构建造成了一定的难度。
3.如何实时获得完整并且准确的地图，且规划出最优安全导航路线是智能控制技术发展过程中首先需要解决的问题。


技术实现要素：

4.本技术实施例通过提供一种机器人地图构建及导航方法、装置及存储介质，解决了现有技术中机器人地图构建不完整，导航路线设计不安全的问题，实现了智能多变的进行路线设计，实时采集工作区域内三维区域图，对地图做出更新，采用大数据算法，获取最优、最安全路线函数，使机器人在保证自身安全的前提下提高工作效率。
5.第一方面，本发明实施例提供了一种机器人地图构建及导航方法，该方法包括：
6.对工作区域进行多次三维扫描，确定多张三维区域图；
7.将所述多张三维区域图按照物体所在位置进行区域划分，获得多张三维区域划分图；
8.根据关注要素将所述多张三维区域划分图中每个区域内的所述物体分为可移动物体和不可移动物体，并将对应的区域标注为可移动区域和不可移动区域；
9.根据远离所述可移动区域，靠近所述不可移动区域的原则进行导航路线规划，确定导航路线。
10.结合第一方面，在一种可能的实现方式中，所述关注要素包括：所述物体的高度、宽度和长度。
11.结合第一方面，在一种可能的实现方式中，所述根据关注要素将所述多张三维区域划分图中每个区域内的所述物体分为可移动物体和不可移动物体，包括：
12.获取所述多张三维区域划分图中同一物体的所述关注要素，并进行对比，确定所述关注要素是否相同；
13.若所述关注要素中至少一个不相同，则确定所述物体为所述可移动物体，反之确
定所述物体为所述不可移动物体。
14.结合第一方面，在一种可能的实现方式中，所述根据远离所述可移动区域，靠近所述不可移动区域的原则进行导航路线规划，包括：
15.根据所述物体的所述关注要素的变化频率来分配权重，确定所述物体对应区域的权重；
16.根据各区域不同的权重对导航路线进行规划，获得导航路线；
17.当所述导航路线总数大于预设阈值时，采用深度前馈网络进行训练计算，获得最优导航函数；其中训练样本为所述导航路线；
18.根据所述最优导航函数，规划最优导航路线。
19.结合第一方面，在一种可能的实现方式中，所述根据所述物体的所述关注要素的变化频率来分配权重，包括：所述关注要素的变化频率越高，权重越小。
20.结合第一方面，在一种可能的实现方式中，所述确定多张三维区域图，包括：在不同时间对所述工作区域进行扫描，获取不同时间下的所述三维区域图。
21.第二方面，本发明实施例提供了一种机器人地图构建及导航装置，该装置包括：
22.三维区域图确定模块，用于对工作区域进行多次三维扫描，确定多张三维区域图；
23.区域划分模块，用于将所述多张三维区域图按照物体所在位置进行区域划分，获得多张三维区域划分图；
24.立体图区域标注模块，用于根据关注要素将所述多张三维区域划分图中每个区域内的所述物体分为可移动物体和不可移动物体，并将对应的区域标注为可移动区域和不可移动区域；
25.路线确定模块，用于根据远离所述可移动区域，靠近所述不可移动区域的原则进行导航路线规划，确定导航路线。
26.结合第二方面，在一种可能的实现方式中，所述关注要素包括：所述物体的高度、宽度和长度。
27.结合第二方面，在一种可能的实现方式中，所述立体图区域标注模块在根据关注要素将所述多张三维区域划分图中每个区域内的所述物体分为可移动物体和不可移动物体时，用于获取所述多张三维区域划分图中同一物体的所述关注要素，并进行对比，确定所述关注要素是否相同；
28.若所述关注要素中至少一个不相同，则确定所述物体为所述可移动物体，反之确定所述物体为所述不可移动物体。
29.结合第二方面，在一种可能的实现方式中，所述路线确定模块具体用于：
30.根据所述物体的所述关注要素的变化频率来分配权重，确定所述物体对应区域的权重；
31.根据各区域不同的权重对导航路线进行规划，获得导航路线；
32.当所述导航路线总数大于预设阈值时，采用深度前馈网络进行训练计算，获得最优导航函数；其中训练样本为所述导航路线；
33.根据所述最优导航函数，规划最优导航路线。
34.结合第二方面，在一种可能的实现方式中，所述路线确定模块，还用于根据所述关注要素的变化频率越高，权重越小来分配权重。
35.第三方面，本发明实施例提供了一种机器人地图构建及导航服务器，包括存储器和处理器；
36.所述存储器用于存储计算机可执行指令；
37.所述处理器用于执行所述计算机可执行指令，以实现第一方面或第一方面任意一种可能的实现方式中所述的方法。
38.第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有可执行指令，计算机执行所述可执行指令时能够实现第一方面或第一方面任意一种可能的实现方式中所述的方法。
39.本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
40.本发明实施例提供了一种机器人地图构建及导航方法，该方法包括：对工作区域进行多次三维扫描，确定多张三维区域图；将工作区域进行全方位的扫描，使得获取到的不同时间下的三维区域地图；将多张三维区域图按照物体所在位置进行区域划分，获得多张三维区域划分图；对区域进行划分，根据关注要素将多张三维区域划分图中每个区域内的物体分为可移动物体和不可移动物体，并将对应的区域标注为可移动区域和不可移动区域；根据远离可移动区域，靠近不可移动区域的原则进行导航路线规划，确定导航路线。本发明实施例有效解决了现有技术中机器人地图构建不完整，导航路线设计不安全的技术问题，实现了智能多变的路线设计，实时采集工作区域内三维区域图，对地图做出更新，采用大数据算法，获取最优路线函数，使机器人在保证自身安全的前提下提高工作效率。
附图说明
41.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
42.图1为本技术实施例提供的机器人地图构建及导航方法的步骤流程图；
43.图2为本技术实施例提供的机器人地图构建及导航方法的划分类别步骤流程图；
44.图3为本技术实施例提供的机器人地图构建及导航方法的导航路线规划步骤流程图；
45.图4为本技术实施例提供的机器人地图构建及导航方法的关注要素的变化频率和区域权重关系的线性示意图；
46.图5为本技术实施例提供的机器人地图构建及导航装置示意图；
47.图6为本技术实施例提供的机器人地图构建及导航服务器示意图。
具体实施方式
48.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
49.移动机器人的自主导航能力是实现机器人智能化的关键技术之一。而随着移动机
器人应用范围的不断扩大，对于移动机器人在更复杂、更广阔环境中的自主导航能力的要求也随之上升。目前，我们希望机器人能够在一个复杂的环境中进行自主工作，即在复杂的工作区域中，也能建立出导航地图以及设计出最优的导航路线。
50.本发明实施例提供了一种机器人地图构建及导航方法，如图1所示，该方法包括以下步骤s101至s104。
51.s101，对工作区域进行多次三维扫描，确定多张三维区域图。
52.s102，将多张三维区域图按照物体所在位置进行区域划分，获得多张三维区域划分图。
53.s103，根据关注要素将多张三维区域划分图中每个区域内的物体分为可移动物体和不可移动物体，并将对应的区域标注为可移动区域和不可移动区域。
54.s104，根据远离可移动区域，靠近不可移动区域的原则进行导航路线规划，确定导航路线。
55.在本技术提供的方法中，根据工作区域中的物体对工作区域对应进行划分，即将能够进行行驶的路线也都进行了区域划分，对区域中的物体根据关注要素来进行分类，在进行导航路线设计时，远离可移动的区域，靠近不可移动的区域，这样设计的路线，在保证机器人完成工作任务的同时，也保证了机器人自身的安全，且对于工作区域的三维扫描是实时进行的，区域的划分也是依据实时的三维区域图来进行的。
56.在步骤s103中，关注要素包括：物体的高度、宽度和长度。根据关注要素将多张三维区域划分图中每个区域内的物体分为可移动物体和不可移动物体，如图2所示，包括以下步骤s201至s202。
57.s201，获取多张三维区域划分图中同一物体的关注要素，并进行对比，确定关注要素是否相同。
58.s202，若关注要素中至少一个不相同，则确定物体为可移动物体，反之确定物体为不可移动物体。
59.在本技术的一个具体的实施例中，扫描得到的工作区域中的物体，在实际情况下，并非为规整的物体，对于物体关注要素的确定也无需进行过于细节的追究。如在对工作区域进行三维扫描的过程中，工作区域中有人，即对人的关注要素的确定即为人的身高、肩宽以及人对人的胖瘦进行数字化描述(胖瘦即为关注要素中的宽)，而无需精确到将人划分为几个不同的区域进行不同关注要素的确定。
60.在s104中，根据远离可移动区域，靠近不可移动区域的原则进行导航路线规划，如图3所示，包括以下步骤s301至s304。
61.s301，根据物体的关注要素的变化频率来分配权重，确定物体对应区域的权重。
62.s302，根据各区域不同的权重对导航路线进行规划，获得导航路线。
63.s303，当导航路线总数大于预设阈值时，采用深度前馈网络进行训练计算，获得最优导航函数；其中训练样本为导航路线。
64.s304，根据最优导航函数，规划最优导航路线。
65.在本技术提供的方法中，在不同时间对工作区域进行扫描，获取不同时间下的三维区域图，进行区域划分得到多张不同时间的三维区域划分图。在步骤s301中，多张三维区域划分图中同一物体确定多个关注要素，按照时间顺序对多个关注要素进行对比，确定变
化幅度，根据单位时间内的变化幅度来对此区域进行权重分配。关注要素的变化频率即变化幅度越高，权重越小，如图4所示。
66.本技术提供的一个具体的实施例中应用在步骤s303中，当累计的导航路线总数大于2000时，根据深度前馈网络进行训练计算，深度前馈网络是一个深度学习模型，在根据导航路线进行训练时，每一层的神经元接收前一层神经元的输出，并输出到下一层的神经元，通过简单非线性的函数的多次复合，输出空间的复杂映射。
67.对于给定的训练样本(x,y)，先利用多层前馈神经网络x映射到再将输入到分类器g(
·
)。
68.其中θ表示分类器g(
·
)的参数，y～表示分类器的输出。
69.p(y＝1|x)＝α
(l)
，α
(l)
∈r是第l层神经元的活性值。
70.在这个学习的过程中，输入的样本特征对分类器的影响很大，在本技术中，输入的样本是已经行驶过的导航路线，对于样本本身的准确性是足够的。
71.本技术提供的一种机器人地图构建及导航方法，解决了现有技术中，对工作区域地图构建的不够完整，且不能规划出最优安全导航路线的问题，实现了机器人自主进行三维地图的构建，并对地图进行区域划分，且对各个区域标注一定的权重，使机器人在进行导航路线规划时，按照权重进行路线设计，且对于一个工作区域中的各个区域的权重不是一成不变的，权重随着各个区域内的物体关注要素的变化频率进行变化。及时对地图中的各个区域的权重进行更新，使得在机器人规划的路线能够达到距离最近并且能够远离权重较小的区域。
72.本发明实施例提供了一种机器人地图构建及导航装置500，如图5所示，该装置包括：三维区域图确定模块501、区域划分模块502、立体图区域标注模块503和路线确定模块504。
73.其中，三维区域图确定模块501用于对工作区域进行多次三维扫描，确定多张三维区域图；
74.区域划分模块502用于将多张三维区域图按照物体所在位置进行区域划分，获得多张三维区域划分图；
75.立体图区域标注模块503用于根据关注要素将多张三维区域划分图中每个区域内的物体分为可移动物体和不可移动物体，并将对应的区域标注为可移动区域和不可移动区域。
76.关注要素包括：物体的高度、宽度和长度。
77.立体图区域标注模块503在根据关注要素将多张三维区域划分图中每个区域内的物体分为可移动物体和不可移动物体时，用于获取多张三维区域划分图中同一物体的关注要素，并进行对比，确定关注要素是否相同；若关注要素中至少一个不相同，则确定物体为可移动物体，反之确定物体为不可移动物体。
78.路线确定模块504用于根据远离可移动区域，靠近不可移动区域的原则进行导航路线规划，确定导航路线。路线确定模块504具体用于：根据物体的关注要素的变化频率来分配权重，确定物体对应区域的权重；根据各区域不同的权重对导航路线进行规划，获得导航路线；当导航路线总数大于预设阈值时，采用深度前馈网络进行训练计算，获得最优导航函数；其中训练样本为导航路线；根据最优导航函数，规划最优导航路线。其中，根据关注要
素的变化频率越高，权重越小。
79.本发明实施例还提供了一种机器人地图构建及导航服务器600，如图6所示，包括存储器601和处理器602；存储器601用于存储计算机可执行指令；处理器602用于执行计算机可执行指令，以实现机器人地图构建及导航方法。
80.本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有可执行指令，计算机执行可执行指令时能够实现机器人地图构建及导航方法。
81.上述存储介质包括但不限于随机存取存储器(英文：random access memory；简称：ram)、只读存储器(英文：read-only memory；简称：rom)、缓存(英文：cache)、硬盘(英文：hard disk drive；简称：hdd)或者存储卡(英文：memory card)。所述存储器可以用于存储计算机程序指令。
82.虽然本技术提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。本实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照本实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
83.上述实施例阐明的装置或模块，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。在实施本技术时可以把各模块的功能在同一个或多个软件和/或硬件中实现。当然，也可以将实现某功能的模块由多个子模块或子单元组合实现。
84.本技术中所述的方法、装置或模块可以以计算机可读程序代码方式实现控制器按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(英文：application specific integrated circuit；简称：asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
85.本技术所述装置中的部分模块可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
86.通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本技术可借助软件加必需的硬件的方式来实现。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，也可以通过数据迁移的实施
过程中体现出来。该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，移动终端，服务器，或者网络设备等)执行本技术各个实施例或者实施例的某些部分所述的方法。
87.本说明书中的各个实施方式采用递进的方式描述，各个实施方式之间相同或相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。本技术的全部或者部分可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、移动通信终端、多处理器系统、基于微处理器的系统、可编程的电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
88.以上实施例仅用以说明本技术的技术方案，而非对本技术限制；尽管参照前述实施例对本技术进行了详细的说明，本领域普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术技术方案的范围。