激光雷达栅格地图的自动修图方法和装置与流程

[0001]
本发明涉及移动机器人自动定位导航技术领域，尤其是一种激光雷达栅格地图的自动修图方法。


背景技术：

[0002]
移动机器人想要实现自主行走，核心在于实现自主定位导航，在自主定位导航技术中会涉及到定位、建图、路径规划等问题，而地图构建的好坏将直接影响机器人的行走路径。
[0003]
机器人想要到达某个目的地，需要和人类绘制地图一样，描述环境、认识环境的过程主要就是依靠地图。它利用环境地图来描述其当前环境信息，并随着使用的算法与传感器差异的不同，所采用的地图描述形式也不同，在机器人学中，地图的表示方法主要包括了格栅地图、特征点地图、直接表征法以及拓扑地图这四种。栅格地图是目前机器人应用最为广泛的地图储存方式，它看起来和人们所认知的地图区别不大，本质上就是一张位图图片，但其中每个“像素”则表示了实际环境中存在障碍物的概率分布。
[0004]
目前采用传统的激光雷达方式构建栅格地图会出现以下问题：1、缺少数据：扫描的模型通常被遮挡，部分数据丢失或者障碍物边缘不清晰；2、噪声：所有传感器都是嘈杂的。有几种类型的噪声，包括点云扰动和异常值。这意味着一个点有一定的概率位于它被采样的地方附近的某一半径范围内（扰动），或者它可能出现在空间的任意位置（异常值），导致栅格地图中出现噪音。
[0005]
目前通用的处理方式就是采用激光雷达厂家提供的robo studio等工具，进行人为的修图。


技术实现要素：

[0006]
本发明的目的在于克服现有技术中存在的不足，提供一种激光雷达栅格地图的自动修图方法，能够实现自动修图，提高了修图效率。
[0007]
第一方面，本发明实施例提出一种激光雷达栅格地图的自动修图方法，包括以下步骤：步骤s1，分别获取激光雷达扫描形成的栅格地图和摄像头拍摄的图像；所述激光雷达和摄像头配置为对准同一区域；步骤s2，分别将激光雷达扫描形成的栅格地图和摄像头拍摄的图像进行分割，形成同样大小的栅格；步骤s3，将激光雷达扫描形成的栅格地图进行二值化，得到二值化栅格地图；步骤s4，将摄像头拍摄的图像输入一图像识别模型，输出得到与二值化栅格地图相对应的二值化特征图；步骤s5，将二值化栅格地图与二值化特征图进行对比，消除二值化栅格地图中的噪声；步骤s6，将二值化栅格地图与二值化特征图进行对比，补足栅格地图的障碍物边界。
[0008]
进一步地，步骤s1中，激光雷达扫描的边界与摄像头扫描的边界为同一圆形区域的边界。
[0009]
进一步地，步骤s2中，激光雷达扫描形成的栅格地图分割后和摄像头拍摄的图像分割后，均形成1cm*1cm大小的栅格。
[0010]
进一步地，步骤s4中，图像识别模型采用yolo v3-tiny网络；图像识别模型经过训练，训练时，首先对可能存在的障碍物都进行数据采集，并且分类，然后输入yolo v3-tiny网络进行数据训练，使得yolo v3-tiny网络能够进行障碍物识别分类。
[0011]
进一步地，步骤s5中，将二值化栅格地图中噪声对应的黑色的栅格区像素都替换为二值化特征图中相同位置的白色像素。
[0012]
第二方面，本发明实施例还提出一种激光雷达栅格地图的自动修图装置，包括：存储器，存储有计算机程序；处理器，用于运行所述计算机程序，所述计算机程序运行时执行如上文所述的方法的步骤。
[0013]
相较于现有技术，本发明提出的方法利用摄像头捕捉的图像，在服务器端自动对激光雷达形成的栅格地图进行噪声消除以及数据补充，使栅格地图的修图不需要人工的干预，提高了修图效率，并且节约了时间及人力成本。
附图说明
[0014]
图1为本发明实施例中的激光雷达扫描区域示意图。
[0015]
图2为本发明实施例中激光雷达扫描形成的栅格地图分割后的示意图。
[0016]
图3为本发明实施例中的需要补足的栅格地图示意图。
[0017]
图4为本发明实施例中的修复后的栅格地图示意图。
[0018]
图5为本发明实施例中的自动修图方法流程图。
具体实施方式
[0019]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0020]
本发明实施例提出一种激光雷达栅格地图的自动修图方法，其通过计算机程序实现，所述计算机程序运行于服务器上；包括以下步骤：步骤s1，分别获取激光雷达扫描形成的栅格地图和摄像头拍摄的图像；所述激光雷达和摄像头配置为对准同一区域；如图1所示，在一个具体的实施例中，激光雷达扫描的边界与摄像头扫描的边界为同一圆形区域的边界，由此，激光雷达和摄像头配置为对准同一区域；步骤s2，分别将激光雷达扫描形成的栅格地图和摄像头拍摄的图像进行分割，形成同样大小的栅格；如图2所示，激光雷达扫描形成的栅格地图分割后，形成1cm*1cm大小的栅格；同样地，摄像头拍摄的图像分割后，也形成1cm*1cm大小的栅格；
步骤s3，将激光雷达扫描形成的栅格地图进行二值化，得到二值化栅格地图；在二值化栅格地图中，通常白色像素代表机器人的可通行区域，黑色像素代表障碍物区域；在本实施例中，由于噪声的存在，白色的可通行区域中存在数个2*2栅格大小的黑色的噪声像素块；如图2所示；步骤s4，将摄像头拍摄的图像输入一图像识别模型，输出得到与二值化栅格地图相对应的二值化特征图；在本实施例中，图像识别模型采用yolo v3-tiny网络；图像识别模型经过训练，训练时，首先对可能存在的障碍物都进行数据采集，并且分类，然后输入yolo v3-tiny网络进行数据训练，使得yolo v3-tiny网络能够进行障碍物识别分类；二值化特征图中，白色像素代表机器人的可通行区域，黑色像素代表障碍物区域；步骤s5，将二值化栅格地图与二值化特征图进行对比，消除二值化栅格地图中的噪声像素点；在本实施例中，可以将二值化栅格地图中噪声对应的黑色的栅格区像素都替换为二值化特征图中相同位置的白色像素；步骤s6，将二值化栅格地图与二值化特征图进行对比，补足栅格地图的障碍物边界；在激光雷达扫描形成的栅格地图中，边界模糊区的像素有可能在二值化时被误判，如图3中框出的区域，这些区域是激光雷达未能有效检测出的障碍物边界；服务器将这些区域用二值化特征图中相同位置对应的黑色的栅格区像素填充，与障碍物像素的颜色保持一致；步骤s7，将修复后的栅格地图保存；如图4所示；本发明实施例还提出一种激光雷达栅格地图的自动修图装置，包括：存储器，存储有计算机程序；处理器，用于运行所述计算机程序，所述计算机程序运行时执行如前文所述的方法的步骤。
[0021]
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。