一种移动机器人室内自建地图的方法和系统的制作方法
【技术领域】
[0001 ] 本发明涉及自动化技术领域，特别涉及一种移动机器人室内自建地图的方法和系 统。
【背景技术】
[0002] 机器人技术的发展是科学技术综合发展的共同结晶。机器人按照用途可以分为军 用机器人、工业机器人、服务机器人等，其中，这些机器人类型中都对移动机器人有巨大的 需求。
[0003] 移动机器人的研究范围涵盖：体系结构、控制机构、信息系统、传感技术、规划策 略、以及驱动系统等几个方面，涉及机械运动学、人工智能、智能控制、模式识别、图像处理、 视觉技术、传感技术、计算机网络与通讯、以至生物信息技术等在内的多个学科领域。移动 机器人不仅在工业、农业、医疗、服务等行业中得到广泛的应用，而且在城市安全、国防和空 间探测领域等有害与危险场合得到很好的应用。移动机器人的研究水平，是衡量一个国家 科技发展水平和综合国力的重要标志。"机器人革命"有望成为"第三次工业革命"的一个切 入点和重要增长点，将影响全球制造业格局。国际机器人联合会（IFR)预测："机器人革命" 将创造数万亿美元的市场，从而带动与机器人相关的新材料功能模块、感知获取与识别、智 能控制与导航等关键技术与市场快速发展。
[0004] 在自主式移动机器人的研究中，机器人导航是实现机器人智能的前提。导航中的 两个关键问题是：1、对环境的描述地图构建，2、机器人在地图中的位置定位。其中，地图构 建是首要的问题，是实现机器人导航乃至更高智能的核心技术，构建地图是实现定位的前 提。地图构建涉及下列的子问题：地图表示方法、传感器、不确定信息的描述和处理、机器 人同时定位及建图。
[0005] 室内机器人的地图构建主要是平面地图，常用的表示方法包括栅格地图、几何特 征地图和拓扑地图。本技术方案采用的是栅格地图。
[0006] 栅格地图是将整个工作环境分为若干大小相同的栅格，采用雷达、声纳、超声波等 探测器来获得每个栅格存在障碍物的信息，指出每个栅格存在障碍物的可能性，每个栅格 的信息直接与真实环境中的某个区域相对应，因而易于创建、维护和理解。栅格地图采用概 率值表示栅格模型的不确定性，能够提供较准确的度量信息。由于这些优点，栅格地图在移 动机器人中获得大量的采用。但是，在地图的数据量较大时，也会带来栅格地图的存储量和 数据维护工作量的增大，对计算机的实时处理造成较大的负担。
[0007] 几何特征地图是指从机器人收集的环境感知数据中提取抽象的几何特征，用有关 的几何特征（如点、直线、面）表示环境。该方法更为紧凑，且便于位置估计和目标识别，但 是几何信息的提取需要对探测的信息进行额外的处理，不适用于非结构化的地图结构，且 需要大量的、测量精确的数据才可以得到精确的建模。
[0008] 拓扑地图把室内环境表示为带结点和相关连接线的拓扑结构图，其中结点表示环 境中的重要位置点（拐角、门、电梯、楼梯等），边表示结点间的连接关系，如走廊等。该方法 占据的存储空间小，可以快速实现路径规划，不需要机器人的精确位置信息，也为人机交互 下达指令提供了一种更为自然的接口。但是，该方法忽略了环境的细节信息，难以对机器人 的路径进行精细的规划。此外，传感器探测误差较大时，难以创建和维护。而且，如果环境 中存在两个很相似的地方，则在地图上很难确定是否为同一个点。这就带来了大范围环境 中正确识别的难度。
[0009] 三种地图表示方法各有优缺点，需要结合机器人的应用场景，同时辅助其他的技 术来实现高精度、易维护的地图模型。
【发明内容】
[0010] 本发明提供一种移动机器人室内自建地图的方法和系统，结合室内移动的特点， 从探测器获得路径信息和障碍物信息，实现室内环境和栅格信息的实时调整和对应，保证 了地图模型的有效性。同时，栅格地图易于维护，方便快速存取地图数据。同时，该方案的 技术适应性广，能够对多元化的环境实现快速反应，快速创建动态的、反映真实环境信息的 地图模型，能够有效实现机器人的定位和导航。
[0011] 本发明的技术方案提供了一种移动机器人室内自建地图的方法，包括以下步骤：
[0012] 形成初始化的地图；
[0013] 在所述初始化地图中标记坐标原点；
[0014] 机器人遍历室内可行区域，记录路径信息和环境信息；
[0015] 机器人计算和标记地图中每个栅格的CV值；
[0016] 根据路径信息和CV值建立地图。
[0017] 进一步的，所述形成初始化的地图，进一步包括：
[0018] 所述地图为一系列正方形栅格组成的网状图形；
[0019] 所述地图以栅格形式标记室内环境的位置，每个栅格代表实际大小200mmX200mm 的室内面积；
[0020] 用户根据机器人室内活动范围设定初始地图大小。
[0021] 进一步的，所述地图以一个二维数组存储栅格的信息，二维数组的数据类型是一 个自定义的数据结构AStarNode，该数据结构的定义如下：
[0022]
[0023]
[0024] 其中，map_maze为AstarNode数据结构的二维数组；
[0025] s_x为横坐标（X坐标）的位置信息；
[0026] s_y为纵坐标（Y坐标）的位置信息；
[0027] s_cv表示栅格CV值，为每个栅格被障碍物占据的概率，范围为0~I，0标识无障 碍占据，1表示被障碍物占据，值越大表示该栅格被障碍物占据的概率越大；
[0028] 初始化地图中，每个栅格CV值都为1，表示全部为障碍物。
[0029] 进一步的，所述在所述初始化地图中标记坐标原点，进一步包括：
[0030] 以机器人充电粧为地图的坐标原点；
[0031] 东西方向为X轴，南北方向为Y轴。
[0032] 进一步的，所述机器人遍历室内可行区域，记录路径信息和环境信息，进一步包 括：
[0033] 机器人在室内移动过程中记录数据路径信息和CV值；
[0034] 机器人根据里程计的测量值在地图中标记可行区域的位置信息；
[0035] 机器人根据超声波传感器融合测量的值在地图中标记CV值。
[0036] 进一步的，机器人根据里程计计算所处位置的X、Y坐标值，计算方法为：
[0040] X (0)、Y (0)为初始时刻机器人所在位置，D⑴与卿'）为从i-Ι时刻到i时刻自主 车行驶距离和方位角。
[0041] 进一步的，机器人通过超声传感器进行融合测量包括两种方法：
[0042] 方法一、同一时刻不同传感器的数据融合。
[0043] 此方法为根据贝叶斯概率算法估算求得每个栅格的CV值，贝叶斯概率算法为：
[0044] 采用两台超声波传感器的探测数据进行融合获得CV值；
[0045] 每一个超声波传感器的探测范围划分为3类，I类为无占据，II类为可能占据，III 类为不确定；
[0046] 定义每个栅格被占据的概率为P (0)，没有被占据的概率为P (E) = I-P (0)，则
[0051] R为超声波探测量程，r为实际探测到的距离；
[0052] 同一时刻两台超声波传感器的探测数据融合后获得的每个栅格的CV值为
[0054] 方法二、不同时刻对同一栅格的超声波传感器测量值的融合。
[0055] 不同时刻同一栅格的CV值为
[0057] 进一步的，在地图上用颜色区分每个栅格的CV值；
[0058] CV值为0~0. 2的栅格为完全可行走区域，白色表示；
[0059] CV值为0. 2~0. 8的栅格为可能存在障碍物的区域，用灰色表示；
[0060] CV值为0. 8~1的栅格为完全不可行走的区域，用黑色表示。
[0061] 进一步的，机器人在室内遍历行走后，自建形成地图，并在地图中人工修订门的位 置，进一步包括：
[0062] 机器人在室内行走过程中，使用侧面的超声波传感器测量机器人距离墙的距离， 在门开着的状态下，通过超声波传感器读数的两次跳变（第一次从小变大，第二次从大到 小）判断出该位置有门；
[0063] 机器人根据所述两次跳变的中间位置，标记为门的标识；
[0064] 创建地图完成后，人工通过软件操作将不是门的位置清除门的标识，将门所处位 置在软件界面上用其他颜色标识。
[0065] 本发明的技术方案还提供了一种移动机器人室内自建地图的系统，包括：里程计、 超声波传感器、处理单元，其中，
[0066] 里程计用于计算机器人在室内行走的距离和角度；
[0067] 超声波传感器用于探测机器人周围不同距离的障碍物信息，其中，机器人两侧各 有一个超声波传感器，前侧有不少于一个的超声波传感器；
[0068] 处理单元用于计算机器人行走的路径信息和地