技术领域
[0001] 本
发明属于
移动机器人技术领域，具体涉及一种在没有先验信息的未知领域中基于
广义霍夫变换的机器人封闭环境自动建图方法。
背景技术
[0002] 同步地图构建与
定位技术(即SLAM)技术是现代移动机器人领域研究的热点技术，该技术使得机器人可以在未知的区域自动或者半自动的探索周边环境，并且采用一定的信息结构将周围环境以机器人可以理解的方式保存下来(即构建的地图)。在已有的地图
基础上，实现机器人空间
位置的确定(定位)以及行动的规划(导航)。现有的技术实践过程中，业内多数采用的是半自动建图加预加载的模式。半自动建图指的是机器人在
感知周围环境的过程中由
手柄或其他指令发送装置来操纵机器人在环境中移动，在移动的过程中机器人所携带的环境感知
传感器(如
激光雷达，深度摄像头等)对所经过的环境进行感知并存储成机器人能理解的地图。在手动操纵机器人移动至所有的想去的地方后，将地图保存为全局地图，作为机器人在该环境下的活动依据，即每一次进行移动任务之前需手动预加载该环境的地图，随后在进行任务。
[0003] 如上文技术背景所述，这样的建图效率并不能得到保障，而且在部分通讯受限的情况下无法及时与机器人保持联系从而会带来一系列的
风险，因此完全自主的机器人自动构建地图方法是一种本领域技术人员亟需解决的问题。部分机构提出了一些不需要手动构建地图的方法，如
申请号201710397595.2所提及的利用二维码作为先验信息在地下
车库的自主建图，又如申请号：201611200209.8所提及的根据环境未知点来进行遍历搜索从而完成环境的遍历过程。但是现有的技术方案要么需要提前在环境中布置相应的先验信息校验(如二维码或特定的反光板，这里的区别只因为感知传感器的不同而不同)，又或者只是提出一个对环境信息遍历的一个过程，并没有仔细的对该过程进行优化使得探索效率相对比较低，机器人在较大环境中如采用现有方法会存在：1)前期准备工作较多且繁琐；2)机器人在探索的过程中没有高效的环境遍历方案；3)需要手动介入建图过程，效率比较低且存在安全隐患等问题。
发明内容
[0004] 为了解决
现有技术中存在的技术
缺陷，本发明提出了一种基于广义霍夫变换的机器人封闭环境自动建图方法。
[0005] 本发明通过以下技术方案实现：
[0006] 一种基于广义霍夫变换的机器人封闭环境自动建图方法，通过获取机器人所处环境的环境信息，基于环境信息构建环境地图并确定机器人在环境地图中的
位姿；具体包括步骤：
[0007] 1)初始化探索任务：
[0008] 1.1)旋转获取周围环境信息；
[0009] 1.2)将初始几
帧数据拼接为完整的周边信息；
[0010] 1.3)将周边信息点
云进行广义霍夫变换，提取结构化几何信息；
[0011] 2)开始探索任务：
[0012] 2.1)选取周围直线中最长的一条，导航至该直线前；
[0013] 2.2)沿着该直线前进直到探索区域封闭；如果前进到无法前进的位置则回到初始化探索任务阶段，重新寻找周边的符合条件的几何信息；如果该位置处无法找到符合条件的几何信息，则搜索环境地图上距离该位置最近的未封闭区域未探索点；
[0014] 2.3)重复以上步骤直至区域封闭；
[0015] 2.4)在封闭区域内寻找尚未探索的区域，导航至未探索区域直至封闭区域内完全被探索。
[0016] 进一步地，所述基于环境信息构建环境地图包括：基于所述环境信息利用SLAM技术构建所述环境地图。
[0017] 进一步地，利用SLAM技术构建所述环境地图进一步包括：机器人在未知环境中从一个未知位置开始移动，在移动过程中根据位置估计以及当前
传感器数据即所述环境信息与地图的特征匹配进行自身定位，同时在自身定位的基础上构建增量式地图，实现机器人的自主定位和导航。
[0018] 进一步地，所述几何信息可以是直线、曲线或者其他任何适配环境的几何特征结构。
[0019] 进一步地，所述封闭区域指在机器人对应的感知传感器中所感知的障碍物所围成的空间上的闭环拓扑区域。
[0020] 进一步地，在所述步骤2)中进一步包括，
[0021] 3.1)在封闭区域形成后，可以根据传感器的探测距离合理分
块；
[0022] 3.2)整个探索过程遵循的流程是：延边探索→形成封闭区域→分块探索→补充探索→探索完成。
[0023] 进一步地，所述步骤2.1)进一步包括：如果导航过程中遇到不可跨越障碍物则选取次最长直线，依次类推，直至到某一直线前。
[0024] 进一步地，上述探索基于二维激光雷达实现。
[0025] 一种非易失性存储介质，其包括一条或多条计算机指令，所述一条或多条计算机指令在执行时实现上述自动建图方法。
[0026] 一种计算机设备，包括
存储器、处理器及存储在存储器上并可在处理器上运行的
计算机程序，所述处理器执行所述程序时实现上述自动建图方法的步骤。
[0027] 与现有技术相比，本技术方案提出一种不基于先验信息的，机器人在未知封闭区域过程中高效自主探索建图的方法；本发明至少具有下述的有益效果或优点：
[0028] 1)无需先验信息，无需提前在环境中布置标志物。
[0029] 2)无需人为参与，在保证机器人的移动感知能
力情况下，完全无需人员介入即可完成对位置环境的探索，因此可以一人操纵多机器人同时进行多区域的探索，无需每个机器人都全程
跟踪，节省人力物力。并且在某些通讯受限或者人员进入有可能存在风险的区域，机器人的自主探索功能得到更好的利用。
[0030] 3)对比申请号201611200209.8中的自动建图方案，本提案提出一种更加优势的快速建图遍历环境的方法，时间上更优。
附图说明
[0031] 以下将结合附图对本发明做进一步详细说明；
[0032] 图1为本发明的直线霍夫变换的两个参数的极坐标式关联图。
具体实施方式
[0033] 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。
[0034] 本技术方案提出一种不基于先验信息的，机器人在未知封闭区域过程中高效自主探索建图的方法。该方法可以在没有人工介入以及前期准备的情况下，使得机器人在未知封闭环境中有效的构建环境地图，且能达到比较高的建图效率。
[0035] 关于广义霍夫变换：
[0036] 广义霍夫变换是一种
计算机图形学中的
算法，用于在图形中提取相应的图形。其核心思想是把图像中属于某种图形的点集(二维)映射到一个点(可以是高维)上，这个点记录了点集中点的数目，使得程序通过搜索峰值找到该点，这个点就是即为意图搜寻的图形的参数，而该参数的范围就叫做参数空间。霍夫变换不仅能够识别出图像中有无需要检测的图形，而且能够定位到该图像(包括位置、
角度等)。当这个试图提取的特征位于点集内并且可以被数学描述，则可以通过霍夫变换来进行查找。详细过程如下：
[0037] 以直线检测为例，每个
像素坐标点经过变换都变成对直线特质有贡献的统一度量，一条直线在图像中是一系列离散点的集合，通过一个直线的离散极坐标公式，可以表达出直线的离散点几何等式如下：
[0038] x*cos(theta)+y*sin(theta)＝r
[0039] 其中角度theta指r与x轴之间的夹角，r为到直线几何垂直距离。任何在直线上点，x,y都可以表达，其中r，theta是常量。
[0040] 检测直线的霍夫变换使用含极坐标参数的直线表示型式简称极坐标式(不是极坐标方程，因为还是在笛卡尔坐标下表示)
[0041] ρ＝x*cos(θ)+y*sin(θ)
[0042] 其中的两个参数的意义如图1所示；
[0043] 直线霍夫变换有两个参数，且这两个参数通过极坐标式相关联，所以程序在投影阶段(图形点集转换到一个点)只需要遍历其中一个，搜索峰值在二维参数空间进行。
[0044] 根据上文，进行一点普适化推广，即为广义霍夫变换。广义霍夫变换之所以能处理任意形状的图形并不是找到了可以表示任意图形的方程，而是使用表的形式描述一种图形，把图形边缘点坐标保存在一张表中，那么该图形就确定下来了，所以其实无论是直线(其实是线段)、圆、椭圆还是其他形状的几何图形，都可以使用同一方法处理，所不同的是这时候的图形是自定义的，是实在的，而代数方程表示的模式是连续的、抽象的，圆的方程只有一种，但自定义的圆却是无穷的，只要你认为它足够圆了就可以。
[0045] 在环境信息提取后，可以进行以下的操作以优化霍夫变换的速度。该方法只是对广义霍夫变换的优化方法的一种，对于其他类似的优化方法均应予以保护。
[0046] 1)先用canny算子对边缘轮廓做提取，主要目的是
降维，这样可以尽可能的去掉平滑区域的点减少计算量(如果是激光雷达，则可以略过这一步)；
[0047] 2)霍夫变换完成空间映射；
[0048] 3)计数器统计出现次数最高的未知系数组合，如(ρ,θ)，即为我们所需要的特征的位置。
[0049] 关于封闭空间
[0050] 此处封闭空间指在机器人对应的感知传感器中所感知的障碍物(即不可通过区域)所围成的空间上的闭环拓扑区域。该空间并不限定在室内或者室外，也与人的认知中的封闭空间并不一定相同，而是根据其感知传感器所返回的数据为判断依据。以二维激光雷达为例，封闭空间即指在激光雷达的安装平面上均能检测到障碍物的一个空间。
[0051] 移动机器人通过获取移动装置所处环境的环境信息，基于环境信息构建环境地图并确定移动装置在环境地图中的位姿。本发明实施例提供的技术方案可以对应于移动装置的全自主导航建图模式，即移动装置在该模式下时通过本申请公开的技术方案实现全自主导航建图。基于环境信息构建环境地图并确定移动装置在环境地图中的位姿可以是基于SLAM技术实现的，具体来说，基于SLAM技术或实现上述目的可以简单描述为：移动装置在未知环境中从一个未知位置开始移动，在移动过程中根据位置估计以及当前传感器数据(也即环境信息)与地图的特征匹配进行自身定位，同时在自身定位的基础上构建增量式地图，实现移动装置的自主定位和导航。
[0052] 移动机器人在封闭空间内探索时，因为已经知道是封闭空间，则我们可以知道该空间内是存在有限个探索区域的。此时本方案提出探索方案如下(以二维激光雷达为例)：
[0053] 1)初始化探索任务：
[0054] 1.1)旋转获取周围环境信息
[0055] 1.2)将初始几帧数据拼接为完整的周边信息
[0056] 1.3)将周边信息点云进行广义霍夫变换，提取想要的结构化信息(一般环境是直线，特殊情况下可以是曲线或者任何适配环境的几何特征)
[0057] 2)开始探索任务(以直线为例)
[0058] 2.1)选取周围直线中最长的一条，导航至该直线前。(如果导航过程中遇到不可跨越障碍物则选取次优直线，直至到某一直线前)。
[0059] 2.2)沿着该直线(一般来说是封闭区域的边沿)前进直到探索区域封闭。如果前进到无法前进的位置(直线出现较长断开的情况)则回到初始化探索周围信息的阶段，重新寻找周边的符合条件的几何信息。如果该点出无法找到符合条件的信息，则搜索地图上最近的未封闭区域未探索点搜寻。
[0060] 2.3)重复以上工作直至区域封闭
[0061] 2.4)在封闭区域内寻找尚未探明的区域，导航至未探索区域直至封闭区域内完全被探索。
[0062] 此时的机器人探索默认机器人具有完全或者相对完备的环境感知能力，在遇到悬崖等情况下可以通过离地传感器等传感器保证其避让开可能使其失能的区域。该区域可以在地图上标记为不可达区域避免后续导航重复探索。
[0063] 3)对2)中的探索方法的补充说明：
[0064] 3.1)在封闭区域形成后，可以根据传感器的探测距离合理分块。比如激光雷达的有效探测距离是10米，则可以以8米为分界线将未探索区域分块，此时只需要在分块的边界上往返一次则可以探索完毕相邻的两个块。
[0065] 3.2)整个探索过程遵循的流程是延边探索→形成封闭区域→分块探索→补充探索→探索完成。广义霍夫变换的应用为延边探索提供了基础，现有的技术只能单纯的进行对未知点的重复遍历，此时存在大量的重复路线，效率较低。同时广义霍夫变换并不局限于直线这一结构，对于不同的环境完全可以根据实际情况(如特定弧度的曲线或者椭圆等几何结构信息)去更改自己的检测过程以达到适应的目的。本实施例所保护的也不仅仅是针对直线特征或仅仅依靠激光雷达做检测的情形，而是针对所有利用广义霍夫变换对环境信息进行处理后依据处理后信息进行建图操作的这一技术点进行保护。
[0066] 延边探索即根据之前提及的提取环境结构化信息的方法提取机器人周围的边缘信息(一般可以认为是直线)然后沿着寻找的直线不断的进行沿着边缘的探索。因为已经确定是封闭区域，因此沿着边缘一定可以形成封闭区域。
[0067] 分块探索即假定我们的房间是100m*100m的封闭空间，我们的传感器有效测量距离为20m，那么我们沿着边界探索之后，中间的60*60的区域是未探索的区域。因此要进行分块探索。即比如我们的传感器测量距离为20m那么就选取18m作为分界线(略低于极限距离)把中间的尚未探索的区域分块，从而进行探索。
[0068] 补充探索，现实中经常会出现环境拥有大量不规则形状障碍的情况，因此经历了之前的探索，机器人会发现仍有部分角落以及阴影部分在封闭区域内且未探索，此时就要去补充上这一部分未探索区域。
[0069] 一种非易失性存储介质，其包括一条或多条计算机指令，所述一条或多条计算机指令在执行时实现上述自动建图方法。
[0070] 一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述自动建图方法的步骤。
[0071] 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。在不脱离本发明之精神和范围内，所做的任何
修改、等同替换、改进等，同样属于本发明的保护范围之内。
