地图生成方法、装置、计算机可读存储介质和计算机设备与流程

本申请涉及计算机技术领域，特别是涉及一种地图生成方法、装置、计算机可读存储介质和计算机设备。

背景技术：

在自动化仓储管理中，搬运机器人变得越来越普及。作为自动化运输的重要工具，搬运机器人正逐渐替代传统的人工搬运和分拣，可以大大提高货物转载运输、自动上下货架的处理效率。

和人工搬运一样，搬运机器人在搬运货物时需要时刻知道自身所在的位置以及搬运目的地，这就需要向搬运机器人提供所在室内空间的地图，比如，货仓的地图。目前，对搬运机器人所在室内空间构建地图，大多是通过在地面粘贴大量的二维码来实现的，需要耗费大量的人力物力。

技术实现要素：

基于此，有必要针对现有的通过粘贴大量二维码的方式构建室内空间的地图耗费大量的人力物力的技术问题，提供一种地图生成方法、装置、计算机可读存储介质和计算机设备。

一种地图生成方法，应用于机器人，所述方法包括：

从室内空间任一第一类位置点出发，对所述室内空间进行扫描；

当经过所述室内空间中的第一类位置点时，获取所述第一类位置点对应的绝对坐标；

实时获取对所述室内空间中，第一类位置点和第二类位置点扫描得到的传感器数据；

根据所述传感器数据确定各所述第一类位置点的第一估计坐标和各所述第二类位置点的第二估计坐标；

计算所述第一估计坐标与所述绝对坐标之间的偏差；

当所述偏差小于预设阈值时，依据各所述第二估计坐标生成地图。

在一个实施例中，所述实时获取对所述室内空间中，第一类位置点和第二类位置点扫描得到的传感器数据包括：

实时获取视觉传感器在所述巷道中采集到的图像数据；

根据所述图像数据判断图像中是否存在用于定位所述第二类位置点的第二图形码；

若存在，则获取当前机器人相对于所述第一类位置点的第一偏移数据；

根据所述图像确定所述第二图形码相对于当前机器人的第二偏移数据；

所述根据所述传感器数据确定各所述第一类位置点的第一估计坐标和各所述第二类位置点的第二估计坐标包括：

根据所述第一偏移数据、所述绝对坐标和所述第二偏移数据计算所述第二图形码的估计坐标，将所述第二图形码的估计坐标作为所述第二估计坐标。

在一个实施例中，所述根据所述图像数据判断图像中是否存在用于定位所述第二类位置点的第二图形码包括：

获取所述第二图形码对应的图像属性；

根据当前采集的图像数据提取图像的图像特征；

当所述图像特征与所述图像属性匹配时，确定所述图像中存在所述第二图形码。

在一个实施例中，所述方法还包括：

当所述室内空间中存在未被扫描到的盲区时；则

返回从室内空间任一第一类位置点出发，对所述室内空间进行扫描的步骤；

当所述巷道中存在未被扫描到的第二类位置点时，则

返回从室内空间任一第一类位置点出发，对所述室内空间进行扫描的步骤。

在一个实施例中，所述传感器数据包括多个传感器采集到的数据；所述方法还包括：

当所述偏差大于预设阈值时，调整各个传感器对应的信任度；

返回从室内空间任一第一类位置点出发，对所述室内空间进行扫描的步骤；

按照调整后的信任度对相应的传感器采集的数据进行处理；

基于处理后的各个数据确定各所述第一类位置点的第一估计坐标和各所述第二类位置点的第二估计坐标。

在一个实施例中，在所述当所述偏差小于预设阈值时，依据各所述第一估计坐标生成地图之后，所述方法还包括：

接收待行进至目标位置的目标坐标；

在行进过程中，获取对当前所在位置扫描得到的实时数据；

根据所述实时数据确定当前所在位置的坐标；

依据当前所在位置的坐标、所述目标坐标进至所述目标位置。

在一个实施例中，所述当经过所述室内空间中的第一类位置点时，获取所述第一类位置点对应的绝对坐标包括：

采集与所述第一类位置点对应的图像；

对所述图像中的第一图形码进行解析得到所述巷道入口处的绝对坐标。

在一个实施例中，所述第一类位置点包括室内空间中的巷道入口处的已知位置点；所述第二类位置点包括室内空间中的巷道中货架上各个库位对应的位置点和/或公共区域对应的位置点。

一种地图生成装置，所述装置包括：

扫描模块，用于从室内空间任一第一类位置点出发，对所述室内空间进行扫描；

绝对坐标获取模块，用于当经过所述室内空间中的第一类位置点时，获取所述第一类位置点对应的绝对坐标；

传感器数据获取模块，用于实时获取对所述室内空间中，第一类位置点和第二类位置点扫描得到的传感器数据；

估计坐标确定模块，用于根据所述传感器数据确定各所述第一类位置点的第一估计坐标和各所述第二类位置点的第二估计坐标；

偏差计算模块，用于计算所述第一估计坐标与所述绝对坐标之间的偏差；

地图生成模块，用于当所述偏差小于预设阈值时，依据各所述第二估计坐标生成地图。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述地图生成方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述地图生成方法的步骤。

上述地图生成方法、装置、计算机可读存储介质和计算机设备，在生成地图时，从室内空间任一第一类位置点出发，对室内空间进行扫描；当经过室内空间中的第一类位置点时，获取第一类位置点对应的绝对坐标；并计算第二估计坐标与绝对坐标之间的偏差；当偏差小于预设阈值时，说明传感器采集的传感器数据足够可靠，这样基于这些传感器确定的各个位置点的估计坐标也是可靠的，因而就可以根据这些位置点的估计坐标生成地图，保证了生成的地图的精准性，且相比于通过粘贴大量的二维码生成地图，导致需要耗费大量的人力物力而言，本方案还能够大大节省人力物力。

附图说明

图1为一个实施例中地图生成方法的应用环境图；

图2为一个实施例中地图生成方法的流程示意图；

图3为一个实施例中根据图像数据判断图像中是否存在用于定位第二类位置点的第二图形码的流程示意图；

图4为一个实施例中生成地图的流程示意图；

图5为一个实施例中按照生成的地图进行导航的流程示意图；

图6为一个实施例中当已知位置点用二维码表示时生成地图的流程示意图；

图7为另一个实施例中地图生成方法的流程示意图；

图8为一个实施例中地图生成装置的结构框图；

图9为另一个实施例中地图生成装置的结构框图；

图10为又一个实施例中地图生成装置的结构框图；

图11为一个实施例中计算机设备的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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仅用以解释本申请，并不用于限定本申请。

可以理解，本发明所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本发明的范围的情况下，可以将第一类位置点称为第二类位置点，且类似地，可将第二类位置点称为第一类位置点。第一类位置点和第二类位置点两者都是类位置点，但其不是同一类位置点。

图1为一个实施例中地图生成方法的应用环境图。参照图1，该地图生成方法应用于地图生成系统。该地图生成系统包括机器人110和服务器120。终端110和服务器120通过网络连接。机器人110还可以是自动引导车，可以用于根据生成的地图搬运货物。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

以第一类位置点为室内空间中的巷道入口处的已知位置点，第二类位置点为室内空间中的巷道中货架上各个库位对应的位置点为例进行说明，机器人110可从室内空间任一已知位置点出发，对室内空间进行扫描，并实时获取对室内空间巷道中货架上各个库位扫描得到的传感器数据，根据传感器数据确定各库位的估计坐标，当经过巷道入口处时，获取巷道入口处对应的绝对坐标，计算巷道入口处的估计坐标与绝对坐标之间的偏差，当偏差小于预设阈值时，依据各估计坐标生成地图。机器人110也可以将获取的传感器数据上报至服务器120，由服务器120根据传感器数据确定巷道中货架上各个库位的估计坐标，计算巷道入口处的绝对坐标与估计坐标之间的偏差，当计算得到的偏差小于预设阈值时，服务器120就可以依据各个库位的估计坐标生成地图。

如图2所示，在一个实施例中，提供了一种地图生成方法。本实施例主要以该方法应用于上述图1中的机器人110来举例说明。参照图2，该地图生成方法具体包括如下步骤：

s202，从室内空间任一第一类位置点出发，对室内空间进行扫描。

其中，室内空间是要生成地图的空间，比如室内仓库。机器人对室内空间扫描的过程就是机器人在移动的过程中通过各个传感器对室内空间进行数据采集的过程。

室内空间中包括第一类位置点，第一类位置点是给定了绝对坐标的特征点，可称之为已知位置点。已知位置点可为上述的巷道入口处所处的位置点，即巷道入口处所处的位置点可均为已知位置点，绝对坐标是预先为已知位置点设定的坐标。在室内空间中，为节省人工测量特征点的成本，已知位置点的数量可以是少量的几个，比如两到三个。机器人可以从任一已知位置点出发，通过各个传感器对室内空间进行扫描。为保证巷道内地图的准确性，可以在巷道入口处设置已知位置点。比如，在室内空间中，已知位置点可以包括巷道1入口处、巷道2入口处或主干道起始点c，等等。在一些实施例中，可以在已知位置点处粘贴二维码或条形码，则已知位置点的绝对坐标可以通过解析扫描到的二维码或条形码得到。

s204，当经过室内空间中的第一类位置点时，获取第一类位置点对应的绝对坐标。

在一个实施例中，第一类位置点包括室内空间中的巷道入口处所处的位置点和/或已知位置点。以第一类位置点为室内空间中的巷道入口处所处的位置点为例进行说明，当经过第一类位置点巷道入口处时，获取第一类位置点巷道入口处对应的绝对坐标。

具体地，当机器人在移动的过程中，根据采集的图像数据确定经过了巷道入口处时，可获取为巷道入口处预先设定的绝对坐标。比如，可将室内空间中每个巷道入口处货架作为已知位置点，为巷道入口处的货架给定相应的绝对坐标，则在机器人在移动的过程中，经过这些巷道入口处时，就可以获取巷道入口处对应的绝对坐标，可以用绝对坐标对各个库位的估计坐标进行修正，得到准确度较高的地图。

s206，实时获取对室内空间中，第一类位置点和第二类位置点扫描得到的传感器数据。

在一个实施例中，第二类位置点包括室内空间中的巷道中货架上各个库位对应的位置点和/或公共区域对应的位置点。以第二类位置点为巷道中货架上各个库位对应的位置点为例进行说明，机器人可实时获取对室内空间巷道中货架上各个库位扫描得到的传感器数据。

其中，传感器数据是通过为机器人配置的各种传感器采集到的数据，可通过配置的传感器测量机器人当前的状态相对于初始状态的偏离方向和偏移距离，将偏离方向和偏移距离作为当前机器人对室内空间扫描到的传感器数据。传感器可包括里程计，以及由陀螺仪、加速度计、罗盘等组成的imu(inertialmeasurementunit,惯性测量单元)，还可以包括激光测距仪、用于采集图像数据的视觉传感器等。

传感器数据还可以包括视觉传感器采集的图像数据，视觉传感器可以是摄像头，机器人可对采集的图像数据进行图像处理，以确定巷道中货架上各个库位。图像数据和imu测量的偏移数据可结合起来用于确定待生成的地图中的库位以及库位对应的坐标。

在一个实施例中，机器人可通过第一传感器采集图像数据，通过第二传感器采集偏移数据，第一传感器可以是视觉传感器，比如摄像头等，第二传感器比如可以是构成imu的各种测量传感器。需要说明的是，这里的“第一”和“第二”并不用于限制传感器的数量，仅用于区分采集不同数据的传感器。

库位是巷道内货架上的取货点，比如，巷道1中货架1a上的库位1a01、巷道1中货架1b上的库位1b02以及巷道2中货架2a上的库位2a01，等等。生成该巷道内地图的过程就是确定这些库位的坐标的过程，在有了包括这些库位的地图后，机器人在该室内空间中移动时，可以根据这些库位的坐标确定下一步所要行进的方向和距离，从而实现地图导航。库位的坐标可以是二维的平面坐标，也可以是三维的空间坐标。在对室内空间进行扫描的过程中，机器人实时获取当前所有传感器采集的数据，在扫描到货架上的库位时，也会获取当前扫描到库位时的传感器数据。

s208，根据传感器数据确定各第一类位置点的第一估计坐标和各第二类位置点的第二估计坐标。

估计坐标是根据机器人在移动过程中采集的传感器数据计算得到的，由于传感器采集的数据存在噪声，并不一定十分准确，或者在基于传感器数据计算时对传感器数据的信任度不够高，因此，计算得到的坐标可以称为估计坐标。

具体地，以根据传感器数据确定各库位的估计坐标为例进行说明，机器人可对各个传感器的状态进行初始化设置，在初始化各个传感器后，从某一已知位置点出发对室内空间进行扫描，扫描的过程中获取传感器数据，当机器人根据图像数据确定扫描到库位时，根据当前的偏移数据确定该库位相对于已知位置点的估计坐标。已知位置点可以设置在巷道入口处。

在一个实施例中，当机器人在扫描的过程中检测到下一个已知位置点时，机器人可再次对各个传感器的状态进行初始化设置，在初始化后，继续对室内空间进行扫描，在检测到货架上的库位时，可基于这一已知位置点以及当前的传感器数据计算库位的估计坐标。

比如，机器人从任一已知位置点出发时对应x轴、y轴的初始坐标为s(0,0)，机器人在初始坐标时测量的初始角度为0度，行进过程中，机器人扫描到某个库位时对应的偏移数据是5米和90度，则计算得到该库位的估计坐标是(0,5)。在一些实施例中，估计坐标可以是二维的平面坐标也可以是三维的空间坐标。

s210，计算第一估计坐标与绝对坐标之间的偏差。

以巷道入口处为例进行说明，机器人可计算巷道入口处的估计坐标与其绝对坐标之间的偏差。具体地，机器人在经过巷道入口处时，就获取对应的绝对坐标，并计算巷道入口处的估计坐标与绝对坐标之间的偏差。在一个实施例中，可通过欧式距离公式计算估计坐标和绝对坐标之间的偏差，比如，当估计坐标和绝对坐标均为二维坐标时，计算得到的估计坐标为(0.96,1.05)，给定的绝对坐标为(1,1)，单位均为毫米，则偏差为

s212，当偏差小于预设阈值时，依据各第二估计坐标生成地图。

具体地，可利用巷道入口处的绝对坐标对所有库位的估计坐标做闭环修正，当巷道入口处的估计坐标和绝对坐标之间的偏差较小时，说明此时基于传感器数据计算得到的估计坐标与绝对坐标较为接近，传感器数据中的噪声较低，传感器采集数据的准确性较高，那么根据传感器数据计算得到的各个库位的估计坐标准确性也较高。

在一个实施例中，偏差小于预设阈值可以是指每个巷道入口处对应的偏差都小于设定的阈值，也就是说，当机器人确定每个巷道入口处对应的偏差小于阈值时，就可以根据在扫描过程中计算得到的每个库位的估计坐标输出地图。偏差小于预设阈值也可以是机器人基于所有巷道入口处的偏差计算得到总偏差小于设定的阈值，比如，在室内仓库中存在了n个已知了绝对坐标的巷道入口处，每个巷道入口处对应的偏差为ei(i＝1,2,3,...,n)，那么总的偏差可用各个偏差之和的平均值来表示：只有在总偏差小于预设阈值时，机器人才可以根据计算得到的每个库位的估计坐标输出地图。

上述地图生成方法，在生成地图时，从室内空间任一第一类位置点出发，对室内空间进行扫描；当经过室内空间中的第一类位置点时，获取第一类位置点对应的绝对坐标；并计算第二估计坐标与绝对坐标之间的偏差；当偏差小于预设阈值时，说明传感器采集的传感器数据足够可靠，这样基于这些传感器确定的各个位置点的估计坐标也是可靠的，因而就可以根据这些位置点的估计坐标生成地图，保证了生成的地图的精准性，且相比于通过粘贴大量的二维码生成地图，导致需要耗费大量的人力物力而言，上述地图生成方法还能够大大节省人力物力。

在一个实施例中，步骤s204包括：采集与第一类位置点对应的图像；对图像中的第一图形码进行解析得到巷道入口处的绝对坐标。

以第一类位置点为巷道入口处的位置点为例说明，机器人可采集巷道入口处货架上的图像；对图像中的第一图形码进行解析得到巷道入口处的绝对坐标。

其中，第一图形码是一种包含定位信息的标记图。第一图形码可以是二维码或是条形码。室内空间中设置的已知位置点可以用第一图形码进行标记，这样，巷道入口处对应的绝对坐标就可以通过解析第一图形码得到。比如，可在巷道入口处的货架侧边粘贴第一图形码，在机器人经过巷道入口处时，可通过采集第一图形码并解析该图像码得到巷道入口处对应的绝对坐标。

在一个实施例中，步骤s206包括：实时获取视觉传感器在巷道中采集到的图像数据；根据图像数据判断图像中是否存在用于定位第二类位置点的第二图形码；若存在，则获取当前机器人相对于第一类位置点的第一偏移数据；根据图像确定第二图形码相对于当前机器人的第二偏移数据。步骤s208包括：根据第一偏移数据、绝对坐标和第二偏移数据计算第二图形码的估计坐标，将第二图形码的估计坐标作为第二估计坐标。

同样以库位和巷道入口处进行说明，机器人可实时获取视觉传感器在巷道中采集到的图像数据；根据图像数据判断图像中是否存在第二图形码；若存在，则获取当前机器人相对于巷道入口处的第一偏移数据；根据图像确定第二图形码相对于当前机器人的第二偏移数据；根据第一偏移数据、巷道入口处对应的绝对坐标和第二偏移数据计算第二图形码的估计坐标，作为库位的估计坐标。

其中，图像数据包括机器人在扫描过程中采集的室内空间的图像。偏移数据包括偏离方向、偏移距离等。第一偏移数据是当前机器人相对于巷道入口处的偏移数据。第一偏移数据可以是机器人从巷道入口处行进至当前位置时传感器采集到的数据，也可以是根据机器人从已知位置点行进至巷道入口处采集到的数据、从已知位置点行进至当前位置时采集的数据计算得到的中间数据。第二偏移数据是第二图形码相对于当前机器人的视觉传感器的偏移数据。第二偏移数据可以根据采集的图像中第二图形码的像素宽度尺寸与实际宽度尺寸计算得到。第二图形码是粘贴在各个库位上的标记图码，用于定位各个库位，可以是库位二维码或库位条形码。在一些实施例中，也可以通过其它标志性物品来标记巷道中货架上的各个库位。

具体地，机器人在巷道中移动时，可以通过摄像头采集图像数据，机器人就可以根据图像数据确定是否存在第二图形码，若存在，则机器人可以根据第二图形码的实际宽度尺寸、摄像头的焦距以及图像中第二图形码的像素宽度尺寸计算第二图形码与当前机器人的摄像头的距离，然后根据该距离以及摄像头的扭转角度计算第二图形码相对于当前机器人的摄像头高度，根据距离和高度可以得到第二图形码相对于当前机器人在各个角度上的第二偏移数据。进一步地，机器人根据当前采集到的第一偏移数据和巷道入口处对应的绝对坐标确定当前机器人的估计坐标，然后根据第二偏移数据和当前机器人的估计坐标计算得到第二图形码的估计坐标，作为该第二图形码对应的库位的估计坐标。

需要说明的是，若机器人当前的估计坐标是二维的平面坐标，则第二偏移数据可以是第二图形码相对于当前机器人在平面上的偏移信息，若估计坐标是三维的空间坐标，则第二偏移数据可以是第二图形码相对于当前机器人在空间上的偏移信息。

举例说明：机器人从巷道入口处时行进至第二图形码，对应的第二偏移数据是2.5米和90度，若获取的巷道入口处对应的绝对坐标是(0,0)，则当前机器人的估计坐标是(0,2.5)。机器人根据图像中第二图形码的像素尺寸大小、摄像头的扭转角度和第二图形码的实际尺寸大小计算得到第二图形码相对于当前机器人的第二偏移数据，比如，若确定第二图形码在当前机器人x轴负方向0.3米，则计算得到第二图形码在平面上的估计坐标是(-0.3,2.5)，若机器人摄像头的高度是1.6米，根据扭转角度确定第二图形码在机器人摄像头下方0.4米处，则计算得到第二图形码的在空间上的估计坐标是(-0.3,2.5,1.2)。

类似地，机器人可通过上述方式确定当前经过的第一类位置点的第一估计坐标：机器人实时获取视觉传感器采集到的图像数据；根据图像数据判断图像中是否存在第一图形码；若存在，则获取当前机器人相对于前次经过的第一类位置点的偏移数据；根据图像确定第一图形码相对于当前机器人的偏移数据；根据前次经过的第一类位置点对应的绝对坐标和这两种偏移数据计算第一图形码的估计坐标，作为当前经过的第一类位置点的估计坐标。

通过对利用第一偏移数据、第二偏移数据和第一类位置点对应的绝对坐标来计算相应的第一估计坐标和第二估计坐标，可提高对估计坐标计算的准确性。

如图3所示，在一个实施例中，根据图像数据判断图像中是否存在用于定位第二类位置点的第二图形码，包括：

s302，获取第二图形码对应的图像属性。

其中，第二图形码是与货架上的库位对应的，在定位货架上的库位时，可通过第二图形码确定是否扫描到库位。在巷道内扫描时，摄像头会扫描到巷道内的货架、地面、第二图形码等，机器人需要从采集的图像数据中确定是否存在第二图形码。图像属性包括图像中各个像素点的颜色特征、亮度特征，还可以包括像素点的深度特征等，可以预先分析第二图形码的图像属性，将第二图形码与相应的图像属性对应存储，这样，机器人就可以获取第二图形码对应的图形属性，能够确定采集的图像包括第二图形码。

s304，根据当前采集的图像数据提取图像的图像特征。

s306，当图像特征与图像属性匹配时，确定图像中存在第二图形码。

具体地，在机器人获取了图像数据后，就可以按与提取图像属性相同的方式从采集的图像数据中提取图像的图像特征，并将提取的图像特征与预先存储的图像属性进行匹配，以确定当前采集的图像数据是否包括第二图形码。在将提取的图像特征与预先存储的图像属性匹配成功时，可确定机器人在当前位置采集的图像中存在第二图形码。

在一个实施例中，地图生成方法还包括：实时获取对室内空间中公用区扫描得到的第三偏移数据；根据第三偏移数据、已知位置点确定机器人在公用区中当前所在位置的估计坐标。

其中，室内空间包括公用区和用于存货的巷道区，巷道区由相邻的货架之间的空间区域形成。具体地，还可根据在公用区扫描时当前机器人相对于已知位置点的第三偏移数据，以及已知位置点对应的绝对坐标计算当前机器人所在位置的估计坐标。机器人在公用区扫描时得到的第三偏移数据可以是通过imu采集的。

在一个实施例中，地图生成方法还包括：当经过已知位置点时，获取已知位置点对应的绝对坐标；计算已知位置点的估计坐标与对应的绝对坐标之间的第二偏差；当偏差小于预设阈值时，依据各估计坐标生成地图包括：当第二偏差小于预设阈值时，根据各估计坐标生成地图。

在本实施例中，当机器人在公用区扫描时，可通过公用区中已知位置点对各个估计坐标进行闭环修正，从而提高公用区建图的准确性。具体地，在机器人在公用区扫描的过程中，经过已知位置点时，可根据上一位置点的估计坐标和当前机器人相对于上一位置点的偏移数据计算已知位置点的估计坐标，在修正时，可计算已知位置点的估计坐标与对应的绝对坐标之间的第二偏差，当第二偏差小于预设阈值时，说明机器人上各个传感器采集的数据误差较小，就可以依据巷道中货架上各个库位的估计坐标生成地图。

在一个实施例中，方法还包括：当室内空间中存在未被扫描到的盲区时；则返回从室内空间任一第一类位置点出发，对室内空间进行扫描的步骤；当巷道中存在未被扫描到的库位时，则返回从室内空间任一第一类位置点出发，对室内空间进行扫描的步骤。

其中，盲区是指机器人在对室内空间进行扫描时，室内空间中还存在未被扫描到的区域。具体地，若室内空间中还存在未被扫描到的盲区，需要继续扫描以保证生成的地图足够完整，若室内空间中还存在未被扫描到的库位，则也需要继续扫描以保证得到的地图中各个库位的坐标足够准确。

在一个实施例中，机器人可以统计在对室内空间扫描的过程中检测到的所有位置点所属的类别，获取为室内空间设定的所有位置点的预设类别，判断检测到的所有位置点所属的类别是否完全覆盖了预设类别，在没有完全覆盖时，说明当前室内空间中还存在未扫描到的盲区，机器人需要再次返回执行从室内空间任一已知位置点出发，对室内空间进行扫描的步骤，继续对室内空间中进行扫描，直至扫描到的位置点的类别完全覆盖了预设类别。

进一步地，机器人可在室内空间中扫描到的位置点的类别完全覆盖了预设类别时，统计扫描到的库位的数量，获室内空间中库位的总数，将统计的数量与总数进行比较，以判断室内空间中是否存在未被扫描到的库位。在室内空间中还存在未被扫描到的库位时，机器人需要再次返回执行从室内空间任一已知位置点出发，对室内空间进行扫描的步骤，继续对室内空间进行扫描，直至扫描到所有的库位。

如图4所示，为一个实施例中生成地图的流程示意图。参照图4，首先在要生成地图的室内空间中设定数个给定了绝对坐标的已知位置点，机器人从任一已知位置点出发，对室内空间进行扫描，在扫描的过程中获取传感器数据，根据传感器数据得到各个库位的估计坐标，在机器人经过巷道入口处时，计算巷道入口处的估计坐标与绝对坐标之间的偏差并记录下来，机器人判断当前室内空间中是否存在还未扫描到的盲区，若是，则返回从室内空间任一已知位置点出发，对室内空间进行扫描的步骤，若否，则机器人判断当前环境室内空间中是否存在还未扫描到的库位，若是，则返回从室内空间任一已知位置点出发，对室内空间进行扫描的步骤，若否，则机器人判断记录的各个巷道入口处对应的偏差是否小于阈值，若否，则返回从室内空间任一已知位置点出发，对室内空间进行扫描的步骤，若是，则根据最后得到的各个库位的估计坐标输出地图。

在一个实施例中，传感器数据包括多个传感器采集到的数据；地图生成方法还包括：当偏差大于预设阈值时，调整各个传感器对应的信任度；返回从室内空间任一第一类位置点出发，对室内空间进行扫描的步骤；按照调整后的信任度对相应的传感器采集的数据进行处理；基于处理后的各个数据确定各库位的估计坐标。

机器人在扫描室内空间时获得的传感器数据可以是由各个传感器采集的数据融合后得到的，基于数据融合得到的传感器数据进行处理，能够提高计算得到的各个库位的估计坐标的准确性。由于传感器精度、噪声数据等因素的影响，机器人在扫描室内空间时通过各个传感器采集到的传感器数据的准确性也会不同，信任度是其它传感器数据对当前传感器采集的数据之间的信任程度，在一个实施例中，信任度可用当前传感器采集的数据在融合过程中所占的权重来表示，权重值越大，代表当前传感器采集的数据真实性越高。

具体地，在基于传感器数据计算得到的估计坐标与实际坐标之间的偏差大于预设阈值时，可调整对各个传感器的参数中的信任度进行调整，在调整后，重新返回执行从室内空间任一已知位置点出发，对室内空间进行扫描的步骤，按照调整后的信任度对本次扫描过程中采集的数据进行融合得到新的传感器数据，并基于新的传感器数据确定各个位置点和库位的估计坐标。

相应地，机器人可再次计算巷道入口处的估计坐标与绝对坐标之间的偏差，看看偏差是否小于阈值，以确定是否能基于本次得到的估计坐标生成地图。

在本实施例中，在偏差大于阈值的情况下，可对各个传感器采集的数据的信任度进行调整，提高各个特征点的估计坐标的准确性。

在一个实施例中，如图5所示，地图生成方法还包括按照生成的地图进行导航的步骤，具体包括：

s502，接收待行进至目标位置的目标坐标。

目标位置可为目标库位。在客户成功下单后，订单系统可根据订单中的货品信息确定用于标记该货物的标识，标识比如可以是单品标识(sku)，根据该标识确定该货物在仓库中的哪个库位，作为目标库位，并将该目标库位对应的坐标下发至机器人，机器人可接收由订单系统下发的目标坐标。

s504，在行进过程中，获取对当前所在位置扫描得到的实时数据。

机器人在接收到目标坐标后，就从起始位置出发，在行进途中对室内空间进行扫描，获取传感器采集的实时数据，实时数据包括对当前传感器采集到的数据进行融合处理得到的图像数据和偏移数据。

s506，根据实时数据确定当前所在位置的坐标。

机器人可在行进的过程中，实时地根据采集的实时数据、起始点的坐标计算当前所在位置的坐标，将当前所在位置的坐标与目标坐标进行比较。

s508，依据当前所在位置的坐标、目标坐标进至目标位置。

机器人得到当前所在位置的坐标后，就知道当前处于地图中的哪个位置，将当前所在位置的坐标与目标坐标进行比较，从而确定自己下一步的行进路线，并按照该行进路线行进至目标坐标，到达目标库位。

在本实施例中，在生成了当前环境所对应的地图后，机器人就可以按照该地图以及当前扫描到的传感器数据进行导航，行进至目标库位。

如图6所示，为一个实施例中，当已知位置点用二维码表示时生成地图的流程示意图。参照图6，首先按照给定的绝对坐标在已知位置点处(包括巷道入口处)粘贴二维码，这些二维码可以解析得到绝对坐标；在货架上的各个库位侧边粘贴第二图形码，这些第二图形码仅用于表示各个库位；然后由机器人在室内空间中移动，在行进途中根据当前采集的传感器数据计算各个位置点的估计坐标；当机器人到达巷道入口处时，解析巷道入口处的二维码得到绝对坐标，并根据解析得到的绝对坐标和巷道入口处的估计坐标计算偏差；依据偏差对传感器数据进行校准，重新计算库位和其它位置点的估计坐标，直至扫描到全部库位且巷道入口处的估计坐标与绝对坐标之间的偏差小于预设阈值时，就根据各个库位上粘贴的第二图形码的估计坐标输出地图。

在一个实施例中，如图7所示，地图生成方法具体包括以下步骤：

s702，从室内空间任一已知位置点出发，对室内空间进行扫描。

s704，当经过巷道入口处时，获取巷道入口处对应的绝对坐标。

s706，实时获取视觉传感器在巷道中采集到的图像数据。

s708，获取第二图形码对应的图像属性。

s710，根据当前采集的图像数据提取图像的图像特征；当图像特征与图像属性匹配时，确定图像中存在第二图形码。

s712，获取当前机器人相对于巷道入口处的第一偏移数据；根据图像确定第二图形码相对于当前机器人的第二偏移数据。

s714，根据第一偏移数据、巷道入口处对应的绝对坐标和第二偏移数据计算第二图形码的估计坐标，作为库位的估计坐标。

s716，计算巷道入口处的估计坐标与绝对坐标之间的偏差。

s718，实时获取对室内空间中公用区扫描得到的第三偏移数据；根据第三偏移数据、已知位置点确定机器人在公用区中当前所在位置的估计坐标。

s720，当经过已知位置点时，计算已知位置点的估计坐标与对应的绝对坐标之间的第二偏差。

s722，当巷道入口处的估计坐标与绝对坐标之间的偏差或已知位置点的估计坐标与对应的绝对坐标之间的第二偏差小于预设阈值时，根据各估计坐标生成地图。

s724，判断室内空间中是否存在未被扫描到的盲区；若是则返回步骤702；若否则执行步骤s726。

s726，判断巷道中是否存在未被扫描到的库位，若是则返回步骤702，若否则执行步骤s728。

s728，判断偏差或第二偏差是否小于预设阈值时，若是则执行步骤s732；若否则执行步骤s730。

s730，调整各个传感器对应的信任度，按照调整后的信任度对相应的传感器采集的数据进行处理；基于处理后的各个数据确定各库位的估计坐标。

s732，接收待行进至目标库位的目标坐标。

s734，在行进过程中，获取对当前所在位置扫描得到的实时数据；根据实时数据确定当前所在位置的坐标。

s736，依据当前所在位置的坐标、目标坐标进至目标库位。

上述地图生成方法，在生成地图时，从室内空间任一已知位置点出发，对室内空间进行扫描，利用传感器对室内空间巷道中货架上各个库位扫描得到的传感器数据自动计算货架上各个库位的估计坐标，当对巷道入口处计算的估计坐标与给定的绝对坐标足够接近时，说明传感器采集的传感器数据足够可靠，这样基于这些传感器确定的货架上各个库位的估计坐标也是可靠的，就可以根据这些库位的估计坐标生成地图，相比于通过粘贴大量的二维码生成地图，导致需要耗费大量的人力物力而言，能够大大节省人力物力。

应该理解的是，虽然上述各流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

如图8所示，提供了一种地图生成装置800，该装置包括扫描模块802、绝对坐标获取模块804、传感器数据获取模块806、估计坐标确定模块808、偏差计算模块810和地图生成模块812。其中：

扫描模块802用于从室内空间任一第一类位置点出发，对室内空间进行扫描；绝对坐标获取模块804用于当经过室内空间中的第一类位置点时，获取第一类位置点对应的绝对坐标；传感器数据获取模块806用于实时获取对室内空间中，第一类位置点和第二类位置点扫描得到的传感器数据；估计坐标确定模块808用于根据传感器数据确定各第一类位置点的第一估计坐标和各第二类位置点的第二估计坐标；偏差计算模块810用于计算第一估计坐标与绝对坐标之间的偏差；地图生成模块812用于当偏差小于预设阈值时，依据各第二估计坐标生成地图。

在一个实施例中，传感器数据获取模块806还用于实时获取视觉传感器在巷道中采集到的图像数据；根据图像数据判断图像中是否存在用于定位第二类位置点的第二图形码；若存在，则获取当前机器人相对于第一类位置点的第一偏移数据；根据图像确定第二图形码相对于当前机器人的第二偏移数据。

估计坐标确定模块808还用于根据第一偏移数据、绝对坐标和第二偏移数据计算第二图形码的估计坐标，将第二图形码的估计坐标作为第二估计坐标。

在一个实施例中，传感器数据获取模块806还用于获取第二图形码对应的图像属性；根据当前采集的图像数据提取图像的图像特征；当图像特征与图像属性匹配时，确定图像中存在第二图形码。

在一个实施例中，扫描模块802还用于当室内空间中存在未被扫描到的盲区时；则从室内空间任一第一类位置点出发，对室内空间进行扫描的步骤；当巷道中存在未被扫描到的第二类位置点时，则返回从室内空间任一第一类位置点出发，对室内空间进行扫描的步骤。

在一个实施例中，如图9所示，传感器数据包括多个传感器采集到的数据；上述装置还包括：

传感器数据修正模块814，用于当偏差大于预设阈值时，调整各个传感器对应的信任度；

上述估计坐标确定模块808还用于按照调整后的信任度对相应的传感器采集的数据进行处理；基于处理后的各个数据确定各第一类位置点的第一估计坐标和各第二类位置点的第二估计坐标。

在一个实施例中，如图10所示，上述装置还包括：

导航模块816，用于接收待行进至目标位置的目标坐标；在行进过程中，获取对当前所在位置扫描得到的实时数据；根据实时数据确定当前所在位置的坐标；依据当前所在位置的坐标、目标坐标进至目标位置。

在一个实施例中，绝对坐标获取模块804还用于采集与第一类位置点对应的图像；对图像中的第一图形码进行解析得到巷道入口处的绝对坐标。

上述地图生成装置800，在生成地图时，从室内空间任一已知位置点出发，对室内空间进行扫描，利用传感器对室内空间巷道中货架上各个库位扫描得到的传感器数据自动计算货架上各个库位的估计坐标，当对巷道入口处计算的估计坐标与给定的绝对坐标足够接近时，说明传感器采集的传感器数据足够可靠，这样基于这些传感器确定的货架上各个库位的估计坐标也是可靠的，就可以根据这些库位的估计坐标生成地图，相比于通过粘贴大量的二维码生成地图，导致需要耗费大量的人力物力而言，能够大大节省人力物力。

图11示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的机器人110。如图11所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和传感器。其中，传感器包括视觉传感器，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现地图生成方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行地图生成方法。

本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的地图生成装置800可以实现为一种计算机程序的形式，计算机程序可在如图11所示的计算机设备上运行。计算机设备的存储器中可存储组成该地图生成装置800的各个程序模块，各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的地图生成方法中的步骤。

例如，图11所示的计算机设备可以通过如图8所示的地图生成装置800中的扫描模块802执行步骤s202；通过绝对坐标获取模块804执行步骤s204；通过传感器数据获取模块806执行步骤s206；通过估计坐标确定模块808执行步骤s208；通过偏差计算模块810执行步骤s210；通过地图生成模块812执行步骤s212。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述地图生成方法的步骤。此处地图生成方法的步骤可以是上述各个实施例的地图生成方法中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述地图生成方法的步骤。此处地图生成方法的步骤可以是上述各个实施例的地图生成方法中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。