基于酒店清洁机器人的视觉与激光融合slam方法及系统与流程

1.本发明涉及机器人导航领域，具体地，涉及一种基于酒店清洁机器人的视觉与激光融合slam方法及系统。


背景技术：

2.酒店清洁机器人是一种作业与酒店卫生间的特殊机器人，由于该机器人携带了一系列机械设备(如机械臂，相机，电动夹爪，电动刷等)，身形比较庞大且不规则，行进时可能会遇到很多空间中的障碍物，尤其是机械臂在收拢状态下也有可能碰触到障碍物或人，因此单纯依靠二维激光雷达这一个传感器是无法满足安全行进的需求，本文在此基础上又添加了视觉传感器以增加空间的避障能力，利用视觉传感器与激光传感器组成的slam系统将会大大增加清洁机器人行走的安全性以及稳定性。
3.专利文献cn109144067a(申请号：cn201811083718.6)公开了一种智能清洁机器人及其路径规划方法，传感器模块用于分析并反馈实时清洁环境信息；精准定位模块用于获取当前智能清洁机器人在环境地图上所在的位置；利用几何-拓扑混合地图技术建立环境地图，通过结合环境地图和实时位置，用先进路径规划算法规划出最优清扫路径，并将数据上传云平台实现实时分析记录与控制；驱动模块用于按照规划出的最优路径驱动智能清洁机器人运行并进行清洁工作；人机交互模块能够利用温湿度传感器结合摄像头实现对智能清洁机器人工作状态和性能的显示，并通过wifi/蓝牙技术可以完成智能清洁机器人的遥控与预约功能。但该发明对于机器人的安全保障不足。


技术实现要素：

4.针对现有技术中的缺陷，本发明的目的是提供一种基于酒店清洁机器人的视觉与激光融合slam方法及系统。
5.根据本发明提供的一种基于酒店清洁机器人的视觉与激光融合slam方法，包括：
6.步骤s1：建立栅格地图并在地图上标记出预设地点的位置；
7.步骤s2：根据预设地点实时生成避障地图；
8.步骤s3：根据避障地图行进至预设地点识别预设地点内的目标物体，并得到工作点位；
9.步骤s4：反馈到达指定工作点位的信息。
10.优选地，在所述步骤s1中：
11.利用二维激光雷达建立相应的导航所使用的2d栅格地图。
12.优选地，在所述步骤s2中：
13.机器人根据预设地点行进，在行进的过程中规划层实时生成预设范围的避障地图，避障地图用于机器人的实时动态避障，避障地图融入了视觉与激光的数据信息，机器人根据避障地图避开空间中的预设障碍物。
14.优选地，作业过程包含了任务层、执行层和反馈层三部分；其中任务层负责进行任
务规划，任务分解以及各分支任务的下发；执行层负责各个分支模块对下发的任务进行再分解并一次执行；反馈层在各模块执行完成相应任务后向上层进行反馈或遇到问题时向上层发出告警；
15.执行层中包括导航模块，导航模块负责让机器人达到指定的作业点或作业区域，导航模块中的规划层负责机器人行走的执行，规划层规划全局路径和局部路径，全局路径是起始位置到目标位置的完整规划路线，以路径最短原则进行规划；局部路径是对机器人行走过程预设范围内的局部路径规划，避开不在地图上的动态障碍物，加入视觉进行空间避障，在行进时视觉实时检测出前方空间内的移动或静态空间障碍物，并将障碍物加入局部避障地图中。
16.优选地，在所述步骤s3中：
17.当机器人到达预设地点后进入预设区域，通过视觉对预设区域进行初步识别，利用相关深度学习方法，在拍摄到的环境寻找所需目标物体，当发现目标物体时，通过局部路径规划行驶至目标位置，再利用点云匹配算法将提前建立的物体模型与目标物体进行配对，纠正导航点位，得到工作点位。
18.根据本发明提供的一种基于酒店清洁机器人的视觉与激光融合slam系统，包括：
19.模块m1：建立栅格地图并在地图上标记出预设地点的位置；
20.模块m2：根据预设地点实时生成避障地图；
21.模块m3：根据避障地图行进至预设地点识别预设地点内的目标物体，并得到工作点位；
22.模块m4：反馈到达指定工作点位的信息。
23.优选地，在所述模块m1中：
24.利用二维激光雷达建立相应的导航所使用的2d栅格地图。
25.优选地，在所述模块m2中：
26.机器人根据预设地点行进，在行进的过程中规划层实时生成预设范围的避障地图，避障地图用于机器人的实时动态避障，避障地图融入了视觉与激光的数据信息，机器人根据避障地图避开空间中的预设障碍物。
27.优选地，作业过程包含了任务层、执行层和反馈层三部分；其中任务层负责进行任务规划，任务分解以及各分支任务的下发；执行层负责各个分支模块对下发的任务进行再分解并一次执行；反馈层在各模块执行完成相应任务后向上层进行反馈或遇到问题时向上层发出告警；
28.执行层中包括导航模块，导航模块负责让机器人达到指定的作业点或作业区域，导航模块中的规划层负责机器人行走的执行，规划层规划全局路径和局部路径，全局路径是起始位置到目标位置的完整规划路线，以路径最短原则进行规划；局部路径是对机器人行走过程预设范围内的局部路径规划，避开不在地图上的动态障碍物，加入视觉进行空间避障，在行进时视觉实时检测出前方空间内的移动或静态空间障碍物，并将障碍物加入局部避障地图中。
29.优选地，在所述模块m3中：
30.当机器人到达预设地点后进入预设区域，通过视觉对预设区域进行初步识别，利用相关深度学习方法，在拍摄到的环境寻找所需目标物体，当发现目标物体时，通过局部路
径规划行驶至目标位置，再利用点云匹配算法将提前建立的物体模型与目标物体进行配对，纠正导航点位，得到工作点位。
31.与现有技术相比，本发明具有如下的有益效果：
32.1、本发明保障了清洁机器人在整个任务行进过程中的安全性；
33.2、本发明利用视觉进行目标物体的智能识别节省了清洁过程中人工标记各个工作点位的时间，并大大降低了人工标记出错的风险。
附图说明
34.通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
35.图1为本发明流程图。
具体实施方式
36.下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
37.实施例1：
38.根据本发明提供的一种基于酒店清洁机器人的视觉与激光融合slam方法，如图1所示，包括：
39.步骤s1：建立栅格地图并在地图上标记出预设地点的位置；
40.具体地，在所述步骤s1中：
41.利用二维激光雷达建立相应的导航所使用的2d栅格地图。
42.步骤s2：根据预设地点实时生成避障地图；
43.具体地，在所述步骤s2中：
44.机器人根据预设地点行进，在行进的过程中规划层实时生成预设范围的避障地图，避障地图用于机器人的实时动态避障，避障地图融入了视觉与激光的数据信息，机器人根据避障地图避开空间中的预设障碍物。
45.具体地，作业过程包含了任务层、执行层和反馈层三部分；其中任务层负责进行任务规划，任务分解以及各分支任务的下发；执行层负责各个分支模块对下发的任务进行再分解并一次执行；反馈层在各模块执行完成相应任务后向上层进行反馈或遇到问题时向上层发出告警；
46.执行层中包括导航模块，导航模块负责让机器人达到指定的作业点或作业区域，导航模块中的规划层负责机器人行走的执行，规划层规划全局路径和局部路径，全局路径是起始位置到目标位置的完整规划路线，以路径最短原则进行规划；局部路径是对机器人行走过程预设范围内的局部路径规划，避开不在地图上的动态障碍物，加入视觉进行空间避障，在行进时视觉实时检测出前方空间内的移动或静态空间障碍物，并将障碍物加入局部避障地图中。
47.步骤s3：根据避障地图行进至预设地点识别预设地点内的目标物体，并得到工作
点位；
48.具体地，在所述步骤s3中：
49.当机器人到达预设地点后进入预设区域，通过视觉对预设区域进行初步识别，利用相关深度学习方法，在拍摄到的环境寻找所需目标物体，当发现目标物体时，通过局部路径规划行驶至目标位置，再利用点云匹配算法将提前建立的物体模型与目标物体进行配对，纠正导航点位，得到工作点位。
50.步骤s4：反馈到达指定工作点位的信息。
51.实施例2：
52.实施例2为实施例1的优选例，以更为具体地对本发明进行说明。
53.本领域技术人员可以将本发明提供的一种基于酒店清洁机器人的视觉与激光融合slam方法，理解为基于酒店清洁机器人的视觉与激光融合slam系统的具体实施方式，即所述基于酒店清洁机器人的视觉与激光融合slam系统可以通过执行所述基于酒店清洁机器人的视觉与激光融合slam方法的步骤流程予以实现。
54.根据本发明提供的一种基于酒店清洁机器人的视觉与激光融合slam系统，包括：
55.模块m1：建立栅格地图并在地图上标记出预设地点的位置；
56.具体地，在所述模块m1中：
57.利用二维激光雷达建立相应的导航所使用的2d栅格地图。
58.模块m2：根据预设地点实时生成避障地图；
59.具体地，在所述模块m2中：
60.机器人根据预设地点行进，在行进的过程中规划层实时生成预设范围的避障地图，避障地图用于机器人的实时动态避障，避障地图融入了视觉与激光的数据信息，机器人根据避障地图避开空间中的预设障碍物。
61.具体地，作业过程包含了任务层、执行层和反馈层三部分；其中任务层负责进行任务规划，任务分解以及各分支任务的下发；执行层负责各个分支模块对下发的任务进行再分解并一次执行；反馈层在各模块执行完成相应任务后向上层进行反馈或遇到问题时向上层发出告警；
62.执行层中包括导航模块，导航模块负责让机器人达到指定的作业点或作业区域，导航模块中的规划层负责机器人行走的执行，规划层规划全局路径和局部路径，全局路径是起始位置到目标位置的完整规划路线，以路径最短原则进行规划；局部路径是对机器人行走过程预设范围内的局部路径规划，避开不在地图上的动态障碍物，加入视觉进行空间避障，在行进时视觉实时检测出前方空间内的移动或静态空间障碍物，并将障碍物加入局部避障地图中。
63.模块m3：根据避障地图行进至预设地点识别预设地点内的目标物体，并得到工作点位；
64.具体地，在所述模块m3中：
65.当机器人到达预设地点后进入预设区域，通过视觉对预设区域进行初步识别，利用相关深度学习方法，在拍摄到的环境寻找所需目标物体，当发现目标物体时，通过局部路径规划行驶至目标位置，再利用点云匹配算法将提前建立的物体模型与目标物体进行配对，纠正导航点位，得到工作点位。
66.模块m4：反馈到达指定工作点位的信息。
67.实施例3：
68.实施例3为实施例1的优选例，以更为具体地对本发明进行说明。
69.针对目前酒店卫生间比较狭窄无法使用传统二维激光slam算法的问题，本发明要解决的技术问题体现在以下几点：
70.1)结合了视觉与激光相结合的slam方法，保证了机器人在行进过程中的安全性
71.2)视觉还可以为二维激光雷达带来更多的空间信息，使得机器人可以自主识别目标物体，再加上一定的判断逻辑即可自主标记目标点并到达
72.本方法包括如下步骤：
73.步骤1：利用二维激光雷达建立相应的导航所使用的2d栅格地图；
74.步骤2：在地图上标记出各房间门口的位置以及房间卫生间的位置；
75.步骤3：随着上层任务的下发，机器人开始行进，朝着第一个房间门口走去，而在行进的过程中规划层会实时生成一张一定范围的避障地图，该地图则用于机器人的实时动态避障，该地图融入了视觉与激光的数据信息，确保可以避开空间中的各种大大小小的障碍物；
76.步骤4：当机器人到达房间门口后便可以进入对应房间的卫生间内，由于卫生间内空间比较狭小，此时可以通过视觉对房间进行初步的识别，利用相关深度学习方法，在拍摄到的环境寻找所需目标(如台盆，镜子，马桶等)，当发现目标时，则通过局部路径规划行驶至目标位置，再利用点云匹配算法将提前建立的物体模型与目标物体进行配对，纠正最终的导航点位，得到最终的工作点位；
77.步骤5：通过反馈层告知上层已到达指定工作点位，并等待下一个任务的下发。
78.其中，步骤3包括如下步骤：
79.步骤3.1：清洁过程包含了任务层、执行层和反馈层三部分，其中任务层主要负责进行任务规划，任务分解以及各分支任务的下发，而执行层则是各个分支模块对下发的任务进行再分解并一次执行，反馈层则是各模块执行完成相应任务后向上层进行反馈或遇到任何问题时向上层发出告警信号；
80.步骤3.2：其中导航模块则是执行层中的一个分支模块，该模块负责让机器人达到指定的作业点或作业区域，而其中负责让机器人行走的执行部分则是导航的规划层，规划层规划全局路径和局部路径，全局路径则是起始位置到目标位置的完整规划路线(理论上以路径最短原则进行规划)，而局部路径则是对机器人行走过程一定范围内的局部路径规划(主要为了避开一些不在地图上的动态障碍物)，由于二维激光雷达只能检测到一定高度的障碍物，无法保障清洁机器人的整体安全，因此在这加入视觉进行空间避障，在行进时视觉会实时检测出前方空间内的移动或静态空间障碍物，并将该障碍物加入局部避障地图中，这时局部规划器便能相应规划出一条安全路径来。
81.本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结
构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
82.以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本技术的实施例和实施例中的特征可以任意相互组合。