一种机器人及其以深度摄像头和避障系统构建地图的方法与流程

本发明涉及机器人技术领域，尤其涉及一种机器人及其以深度摄像头和避障系统构建地图的方法。

背景技术：

智能机器人在生活中应用越来越广泛，他能帮助人类完成生活与生产中的一些活动。然而，实现机器人灵活、高效、智能的移动，是机器人智能化重要的一步。所以，机器人自主导航功能能体现一款机器人的智能化程度。地图创建、定位及路径规划式自主导航的三个关键要素。打个比方，你要从A第去往B地，那么，你首先要知道A地在哪里；其次，你要知道B地在哪里，以及A地和B地在周围环境中的关系；最后，你才能根据信息实现从A地到达B地。目前，较为常见的智能机器人即时定位与地图构建技术包括FastSLAM和VSLAM两个大类。FastSLAM一般使用激光测距仪或者声呐来实现，而VSLAM则使用视觉传感器来实现。FastSLAM由于使用激光、声呐等传感器，在特殊的环境下机器人无法识别，只能通过预判来估计整个环境情况。VSLAM使用视觉传感器，市面上有很多中视觉传感器，原理也不尽相同，整体来说，用视觉传感器来做自主导航能有效地客服FastSLAM中产生的问题。

我们简述常见的机器人是如何实现自主导航的。首先，需要根据先验的环境，结合当前机器人的位置信息以及传感器输入的信息，准确的描述机器人的位姿过程。其主要包括相对位置、绝对位置，绝对位置主要使用导航信标，主动或者被动识别，地图匹配或者卫星导航技术进行定位，定位的精确度较高。但是家用机器人在家居环境下，我们跟需要的是相对位置。相对位置是通过测试机器人相对于初始位置的距离和方向来确定机器人的当前位置，通常，我们就称之为导航算法。但现在自主导航算法中往往忽视了家居环境中的地面有悬空和家居障碍物这些复杂的情况，所以没有考虑到这些复杂情况而构建了的室内地面上的环境地图，在移动时会受到很大的限制。

技术实现要素：

针对现有技术的不足，旨在解决现有的机器人构建地图方法时没有考虑到地面有悬空和家居障碍物这些复杂问题，提供了一种机器人及其以深度摄像头和避障系统构建地图的方法，将红外线地检模块和障碍物检测模块结合作为深度摄像头的补充，而构建地图，使得构建的地图无盲区，更加完善。

为实现上述目的，本发明采用如下技术方案：

一种机器人，包括深度摄像头和避障系统，还包括上位机、终端显示器、下位机、红外线地检模块、障碍物检测模块、里程计、陀螺仪。

所述上位机与所述下位机连接，用于处理所述上位机与所述下位机之间的数据。

所述深度摄像头与所述上位机连接，用于摄取周围环境信息。

所述终端显示器与所述上位机连接，用于所述上位机处理后的数据显示。

所述红外线地检模块与所述下位机连接，用于检查周围环境的悬空数据信息。

所述障碍物检测模块与所述下位机连接，用于检查周围环境的边缘数据信息。

所述里程计、陀螺仪与所述下位机连接，用于记录机器人行程信息。

所述下位机包括判断模块，所述判断模块用于机器人判断行走路径中是否存在不可运动区域。

还包括无线模块，所述无线模块与所述上位机连接，用于所述上位机处理后的数据无线传播出去与接收来自终端的控制信号。

为实现上述目的，本发明采用如下技术方案。

一种机器人以深度摄像头和避障系统构建地图的方法，包括以下步骤：

步骤一，机器人遍历待行走空间，建立与行走空间相对应的地图坐标系；

步骤二，机器人通过深度数据摄像头摄取行走空间周围环境信息，依据所述行走周围环境信息在所述地图坐标系中建立行走空间的初步地图；

步骤三，机器人判断行走路径中是否存在不可运动区域，若否，则返回步骤二，若是，则进入步骤四；

步骤四，机器人在初步地图上标记不可运动区域的数据信息。

所述步骤二中，机器人通过深度数据摄像头摄取行走空间周围环境信息，具体地，获取机器人到外障碍物体的深度信息Z，根据深度信息Z利用三角公式计算并获得首次障碍信息的深度图像的x和y，x表示外障碍物体到机器人原点的距离，y表示外障碍物体的高度。

所述步骤三中，机器人判断行走路径中是否存在不可运动区域，包括机器人的红外线地检模块根据获取地检信息判断行走路径中是否存在不可运动区域，若是，则在初步地图上标记不可运动区域的悬空数据信息。

所述步骤三中，机器人判断行走路径中是否存在不可运动区域，包括机器人的障碍物检测模块根据获取碰撞数据判断行走路径中是否存在不可运动区域，若是，则在初步地图上标记不可运动区域的边缘数据信息。

作为优选方案，还包括步骤四，判断所述边缘数据信息是否为封闭的环，若否，则返回步骤二，若是，则完成地图构建。

作为优选方案，还包括步骤五，将构建的地图信息由终端显示器显示出来。

作为优选方案，还包括步骤六，将构建的地图信息由无线模块无线传播出去。

本发明所阐述的一种机器人及其以深度摄像头和避障系统构建地图的方法，其有益效果在于：

与现有技术相比，本发明的一种机器人用深度摄像头、红外线地检模块以及障碍物检测模块结合来构建地图的方法，实现了机器人对环境的无盲区的地图构建，使得机器人在根据构建的地图行走时能有效避开障碍物体。

附图说明

图1是本发明实施例的机器人的结构框图。

图2是本发明实施例的机器人以深度摄像头和避障系统构建地图的方法的流程图。

图3是本发明实施例的机器人以深度摄像头和避障系统构建地图的方法的另一流程图。

图4是本发明实施例的机器人以深度摄像头和避障系统构建地图的方法的第三种流程图。

图5是本发明实施例的机器人以深度摄像头和避障系统构建地图的方法的第四种流程图。

图6是本发明实施例的机器人以深度摄像头和避障系统构建地图的方法时避开障碍物时运动方式的向量图。

图7是本发明摄像头获得深度图像的结构图。

图8是深度摄像头拍摄角度中截取有效角度及旋转方式示意图。

具体实施方式

下面结合附图与具体实施例来对本发明作进一步描述。

参考图1所示，本发明实施例提供了一种机器人，包括上位机1、深度摄像头2、终端显示器3、无线模块4、下位机5、红外线地检模块6、障碍物检测模块7、里程计8、陀螺仪9、避障系统10；

所述上位机1与所述下位机5连接，用于处理所述上位机1与所述下位机2之间的数据；

机器人的上位机与下位机采用串口做为通讯通道。

所述深度摄像头2与所述上位机1连接，用于摄取周围环境信息；

深度摄像头2中的传感器以每秒30帧的速度生成景深图像流，我们通过opencv等已有的图像处理算法分析景深图像，找出景深图像流中共同的特征点，将相同的特征点拼接建成实时的周围环境图像。这里指的特征点可以理解成直角、直线、圆弧等。

上位机1的处理器装有linux等操作系统，操作系统安装有SLAM程序，操作系统中也安装有深度摄像头2的驱动。

深度摄像头2将景深图像数据传输到上位机1中，SLAM程序读取数据后，进行分析和使用。

具体地，获取机器人到外障碍物体的深度信息Z，根据深度信息Z利用三角公式计算并获得首次障碍信息的深度图像的x和y，x表示外障碍物体到机器人原点的距离，y表示外障碍物体的高度。

参照图7所示，本发明机器人的深度摄像头2采用分辨率为320*200，并且深度摄像头2到分辨率最大值时的角度是110度，因些三角公式为a＝(x/320)×110，利用y＝Z×cosa，y表示以Z为斜边，x＝Z×sina

参照图8所示，本发明机器人分多次旋转深度摄像头2，不转动时，能够摄得的角度是110度，为了更精确，我们只读取中间的90度的信息，360度中的剩余角度，我们分四次旋转，每次旋转90度，每旋转一次，上述的三角公式获取一次新的障碍物信息的深度图像中的x和y的值，直到转完了360度后则将所有图像信息加入到构建的地图当中。此过程中根据陀螺仪可以精确旋转所需的角度。

所述终端显示器3与所述上位机1连接，用于所述上位机1处理后的数据显示；

上位机1中的Slam算法根据构建环境图像去叠加成完整的室内地图，现在我们就构建2D的地图为例，当slam算法构建好地图后，我们将地图垂直投影成平面，所有边缘用棕深色的点围成，障碍物用红色表示，空白的用浅灰色表示，那么这个室内就会出现以轮廓描述的地图。颜色可以根据用户自由去定义。

所述红外线地检模块6与所述下位机5连接，用于检查周围环境的悬空数据信息；

红外线地检模块6安装在机器人底部，每个红外线地检模块6由一个红外发射管和一个或多个红外接收管组成的电路，红外线地检模块6通过控制红外发送管发送红外，红外接收管接收AD值数据，再利用差分，均值等常见算法估算当时的有效值，再与实验测得的固定设定值相比较，来判断是否为悬空，如果是悬空，则标记悬空数据信息。

优选的，机器底部有多组红外线地检模块6，通过标记悬空数据信息以及安装的位置去判断机器哪个方向出现悬空，悬空后我们将悬空数据信息通过串口上传给下位机5。下位机5再传给上位机1，上位机1再记下此时的坐标信息，并在地图中标记悬空数据信息。

所述障碍物检测模块7与所述下位机5连接，用于检查周围环境的边缘数据信息；

障碍物检测模块7分为两个部分，红外墙检模块和机械碰撞模块。机械碰撞模块在机器人的前外壳下面安装有两个微动开关，只要机器人被撞上，两个微动开关就会被压下，系统就会检测到相应的边缘数据信息。机械碰撞模块是为了检测横向的凳脚等，在实际运行中检测效果明显。在检测到碰撞时，下位机5立马上发此边缘数据信息，那么上位机1就会立马记下此时的坐标信息，并将边缘数据信息标记在地图中。红外墙检模块的工作原理和红外线地检模块6是一样，也是采用一个红外发射管和多个红外接收管，通过读取的AD值来判断是否发生事件，这里我就不再累述。红外墙检模块可以检测障碍物信息。机器人的周围装有多个红外墙检模块，通过读取红外墙检模块的位置，可以识别机器在什么方位有障碍物，标记此边缘数据信息，并上发给上位机1标记进地图。

当上位机1判断全部标记的边缘数据信息为封闭的环时，则完成地图构建。

所述里程计8、陀螺仪9与所述下位机5连接，用于记录机器人行程信息。

在构建slam的算法中，一定需要的是里程计，里程计也就是测量机器行走的距离计数器，本发明机器人采用的是在电机上增加光电检测电路。机器中包括左轮、右轮和前轮，我们通过检测左右轮的脉冲数据再结合电机的脉冲数与轮子的变速箱参数可以精确的计算出机器行进的距离。里程计测量的距离是以毫米为单位，再通过串口上发左右轮里程数据，同时还将动态时间上发，下位机5才能分析出行进的状态。加速度计和方位计集成在陀螺仪9中，陀螺仪9测量的实时数据能够通过串口发给下位机5，下位机5经过判断提取相关方位数据上发给上位机1。上位机1分析提取的方位数据一般都是角度信息，也就是机器所处与地磁的夹角。当上位机1接到方位数据后，通过结合里程数据就能实时的描述出机器的坐标。

参考图6所示，里程计8、陀螺仪9组建的向量图：

为起始位置与障碍物的向量；

为运动位置与障碍物的向量；

为机器人两个位置的相对向量。

机器人在判断到周边有障碍物时，机器人采用如图的运动方式来避开障碍物。

所述下位机5包括判断模块，所述判断模块用于机器人判断行走路径中是否存在不可运动区域。

判断模块根据悬空数据信息和边缘数据信息来判断行走路径中是否存在不可运动区域。

机器人还包括无线模块4，所述无线模块4与所述上位机1连接，用于所述上位机1处理后的数据无线传播出去。

无线模块4是机器人连接互联网的通道，在上位机1系统中安装无线驱动，再将地图数据上发到服务器，也可以接受终端发送的控制信息。在前面已经描述了地图构建中的各类信息，地图构建好要在终端显示，上位机1将构建好的地图通过图片流的方式往服务器发送数据，服务器再转发至终端，整个过程是非常快，那么客户在终端就会观看到机器的实时地图，机器的实时位置。同样，终端进行操作以后，会将相应的指令往机器人方向发送，机器人借助无线接收指令，然后解析并执行。

避障系统10与下位机5连接，用于避障系统10与下位机5之间的数据传送。

本发明的机器人主要用于服务机器人，特别是扫地机器人，适合于室内，适合存在玻璃、强光、楼梯、凳脚等复杂室内环境，对于复式楼，只能单独的构建每一楼层地图。

参考图2所示，本发明实施例的机器人以深度摄像头和避障系统构建地图的方法包括以下步骤：

步骤S101，机器人遍历待行走空间，建立与行走空间相对应的地图坐标系；

步骤S102，机器人通过深度数据摄像头摄取行走空间周围环境信息，依据所述行走周围环境信息在所述地图坐标系中建立行走空间的初步地图；

步骤S103，机器人判断行走路径中是否存在不可运动区域，若否，则返回步骤S102，若是，则进入步骤S104；

步骤S104，机器人在初步地图上标记不可运动区域的数据信息。

参考图3所示，本发明实施例的机器人以深度摄像头和避障系统构建地图的方法包括以下步骤：

步骤S201，机器人遍历待行走空间，建立与行走空间相对应的地图坐标系；

步骤S202，机器人通过深度数据摄像头摄取行走空间周围环境信息，依据所述行走周围环境信息在所述地图坐标系中建立行走空间的初步地图；

步骤S203，机器人判断行走路径中是否存在不可运动区域，若否，则返回步骤S202，若是，则进入步骤S204；

步骤S204，机器人在初步地图上标记不可运动区域的数据信息；

步骤S205，将构建的地图信息由终端显示器显示出来；

步骤S206，将构建的地图信息由无线模块无线传播出去。

参考图4所示，本发明实施例的机器人以深度摄像头和避障系统构建地图的方法包括以下步骤：

步骤S301，机器人遍历待行走空间，建立与行走空间相对应的地图坐标系；

步骤S302，机器人通过深度数据摄像头摄取行走空间周围环境信息，依据所述行走周围环境信息在所述地图坐标系中建立行走空间的初步地图；

步骤S303，机器人的红外线地检模块根据获取地检信息判断行走路径中是否存在不可运动区域；若否，则返回步骤S302,若是，则进入步骤S304。

步骤S304,在初步地图上标记不可运动区域的边缘数据信息。

参考图5所示，本发明实施例的机器人以深度摄像头和避障系统构建地图的方法包括以下步骤：

步骤S401，机器人遍历待行走空间，建立与行走空间相对应的地图坐标系；

步骤S402，机器人通过深度数据摄像头摄取行走空间周围环境信息，依据所述行走周围环境信息在所述地图坐标系中建立行走空间的初步地图；

步骤S403，机器人的障碍物检测模块根据获取碰撞数据判断行走路径中是否存在不可运动区域；若否，则返回步骤S402,若是，则进入步骤S404。

步骤S404,在初步地图上标记不可运动区域的边缘数据信息；

步骤S405,判断所述边缘数据信息是否为封闭的环，若否，则返回步骤二，若是，则进入下一步；

步骤S406,则完成地图构建。

上述的本发明实施例的上述机器人以深度摄像头和避障系统构建地图的方法与上述的机器人是基于同一构思，这里就不再对每个部件一一解释。

以上所述，仅是本发明较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。