申请/专利权人：华南理工大学

申请日：2022-07-22

公开（公告）日：2024-03-19

公开（公告）号：CN115167433B

主分类号：G05D1/43

分类号：G05D1/43;G05D1/242;G05D1/243;G05D1/246;G05D1/633;G05D1/644;G05D1/247;G05D1/648;G05D109/10

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.10.28#实质审查的生效;2022.10.11#公开

摘要：本发明公开了一种融合全局视觉的机器人自主探索环境信息的方法及系统，该方法包括下述步骤：在场景天花板布置鱼眼相机采集全局视觉信息图像；将全局视觉信息图像进行语义分割得到室内语义分割图像结果，对室内语义分割图像结果进行图像二值化处理，提取二值化图像中待探索环境的全局通行区域图像；对全局通行区域图像进行Voronoi图分割，得到基于Voronoi图分割的区域分割结果，对区域分割结果构建全局图结构；基于全局图结构进行TSP求解，获得各Voronoi图分割子区域的全局遍历顺序，计算各节点所需的TSP行驶距离，获取候选边界集，控制移动机器人进行基于边界的自主探索。本发明在能获取大范围室内环境信息，提高了环境信息获取的完整性、可靠性。

主权项：1.一种融合全局视觉的机器人自主探索环境信息的方法，其特征在于，包括下述步骤：在场景天花板布置鱼眼相机，通过鱼眼相机采集全局视觉信息图像；将全局视觉信息图像通过SegNet网络模型进行语义分割，得到室内语义分割图像结果，对室内语义分割图像结果进行图像二值化处理，提取二值化图像中待探索环境的全局通行区域图像；对全局通行区域图像进行Voronoi图分割，得到基于Voronoi图分割的区域分割结果，对区域分割结果构建全局图结构；所述对区域分割结果构建全局图结构，具体步骤包括：在可通行区域内构建Voronoi图，构建用于最小化局部间隙的临界点，得到临界线，获得初始的Voronoi区域，采用启发式方法将具有相似结构的Voronoi区域进行合并，得到用于探索环境信息的各个子区域，将获得的各子区域将进行颜色标记，同时根据各颜色区域的像素信息进行中心点坐标提取，将各子区域中心点的坐标作为图结构的节点；将全局通行区域图像栅格化，并采用A*算法计算各子区域中心点坐标之间的路径成本，作为图结构的边；基于目标检测算法得到机器人起始位置坐标，计算机器人起始位置至各子区域中心点坐标欧氏距离，取最小距离的节点作为起始节点；基于全局图结构进行TSP求解，获得各Voronoi图分割子区域的全局遍历顺序，计算各节点所需的TSP行驶距离，获取候选边界集，控制移动机器人进行基于边界的自主探索；所述计算各节点所需的TSP行驶距离，具体包括：TSP行驶距离为在遍历顺序约束下，起始节点移动至当前节点所耗费的路径成本，具体表示为： 其中，start表示起始节点；Nk表示当前所达节点，length表示所耗费的路径成本，表示TSP行驶距离；所述获取候选边界集，控制移动机器人进行基于边界的自主探索，具体步骤包括：获取机器人周围的场景信息，采用SLAM算法Gmapping对当前环境地图进行构建，遍历所获得栅格地图，栅格地图包括占用区域、无占用区域和未知区域，其中无占用区域与未知区域之间具有多个边界，通过设定长度阈值筛选出候选边界集；对所获得的候选边界集中的每个边界进行质心坐标计算，获得候选目标点集；判断候选目标点集是否为空集，若为空集则结束自主探索，若不是空集，则继续执行自主探索；计算以候选目标点为质心的，经过边界探索策略定义为属于同一边界的边界点数量，即为该候选目标点所对应边界的近似长度，作为该候选目标点的信息增益值；对于每一个候选目标点，计算当前机器人位置到该候选目标点的A*路径长；计算各候选目标点与图结构中各节点坐标的欧氏距离，获取距离最近的节点所对应的TSP行驶距离；将TSP行驶距离加入至候选目标点评估函数中，获得以全局遍历顺序约束的最佳目标点；控制机器人移动至最佳目标点对位置区域进行探索，扩充栅格地图，直至地图中无候选目标点集，则当前室内地图为建立好的完整地图。

全文数据：

权利要求：

百度查询： 华南理工大学 融合全局视觉的机器人自主探索环境信息的方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD