代价地图的生成方法、装置、计算机设备和存储介质与流程

1.本技术涉及机器人技术领域，特别是涉及一种代价地图的生成方法、装置、计算机设备和存储介质。


背景技术：

2.代价地图是自动驾驶和机器人等领域常用的感知技术，这种技术将传感器检测到的障碍物，简单的投影到地图上，以达到环境表示的目的。
3.机器人普遍使用深度相机作为障碍物感知传感器，而深度相机有盲区范围，在盲区范围内，传感器不能获取到正常数据。在餐厅场景，不规则的障碍物极为常见，例如t形的桌子。当t形的桌子的边缘进入机器人的障碍物感知传感器的盲区范围时，这部分障碍物的数据在传统代价地图上无法反映出来，导致机器人在行进过程中容易发生碰撞。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够反映机器人的障碍物感知传感器的感知盲区中的障碍物数据的代价地图的生成方法、装置、计算机设备和存储介质。
5.第一方面，本技术提供了一种机器人，所述机器人搭载有环境感知传感器，所述机器人包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器用于调用并执行所述计算机程序时实现如下步骤：
6.在机器人的运行过程中，通过环境感知传感器获取障碍物的点云数据；
7.根据点云数据的累积结果更新机器人所处工作场地的环境地图；
8.基于点云数据生成初始代价地图；
9.将环境地图和初始代价地图进行融合，得到目标代价地图。
10.在其中一个实施例中，根据点云数据的累积结果更新机器人所处工作场地的环境地图包括：
11.对于机器人所处工作场地的环境地图的任一栅格，在任一栅格内存在所述点云数据时，将任一栅格的像素值增加1，其中，像素值不超过255；
12.在任一栅格内不存在点云数据时，将任一栅格的像素值设置为0。
13.在其中一个实施例中，所述方法还包括：
14.当所述任一栅格不处于环境感知传感器的感知区域时，保持栅格的像素值不变。
15.在其中一个实施例中，环境感知传感器的感知区域的确定过程包括：
16.获取环境感知传感器的感知距离、水平视角和感知盲区的半径；
17.根据感知距离、水平视角和半径，确定环境感知传感器的感知区域。
18.在其中一个实施例中，基于点云数据生成初始代价地图包括：
19.将初始代价地图中机器人的环境感知传感器的感知区域中存在点云数据的区域作为第一区域，将第一区域的所有栅格的代价值，均设置为第一预设值；
20.将初始代价地图中机器人的环境感知传感器的感知区域中不存在点云数据的区
域作为第二区域，将第二区域的所有栅格的代价值，均设置为第二预设值；
21.将初始代价地图中除第一区域和第二区域之外的其他区域的所有栅格的代价值，均设置为第三预设值。
22.在其中一个实施例中，将环境地图和初始代价地图进行融合，得到目标代价地图，包括：
23.对于所述环境地图中任一栅格，在所述任一栅格的像素值大于预设阈值的情况下，将所述任一栅格在所述目标代价地图中的目标代价值设置为所述第一预设值；
24.在所述任一栅格的像素值不大于预设阈值的情况下，将所述任一栅格在所述初始代价地图中对应栅格的代价值作为所述任一栅格的目标代价值。
25.第二方面，本技术还提供了一种代价地图的生成方法，应用于机器人，其特征在于，方法包括：
26.在机器人的运行过程中，通过机器人搭载的环境感知传感器获取障碍物的点云数据；
27.根据点云数据的累积结果更新机器人所处工作场地的环境地图；
28.基于点云数据生成初始代价地图；
29.将环境地图和初始代价地图进行融合，得到目标代价地图。
30.第三方面，本技术还提供了一种代价地图的生成装置。装置包括：
31.数据获取模块，用于在机器人的运行过程中，通过机器人搭载的环境感知传感器获取障碍物的点云数据；
32.环境地图生成模块，用于根据点云数据的累积结果更新机器人所处工作场地的环境地图；
33.初始代价地图生成模块，用于根据点云数据确定初始代价地图；
34.地图融合模块，用于将环境地图和初始代价地图进行融合，得到目标代价地图。
35.第四方面，本技术还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
36.在机器人的运行过程中，通过机器人搭载的环境感知传感器获取障碍物的点云数据；
37.根据点云数据的累积结果更新机器人所处工作场地的环境地图；
38.基于点云数据生成初始代价地图；
39.将环境地图和初始代价地图进行融合，得到目标代价地图。
40.第五方面，本技术还提供了一种计算机程序产品。计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
41.在机器人的运行过程中，通过机器人搭载的环境感知传感器获取障碍物的点云数据；
42.根据点云数据的累积结果更新机器人所处工作场地的环境地图；
43.基于点云数据生成初始代价地图；
44.将环境地图和初始代价地图进行融合，得到目标代价地图。
45.上述代价地图的生成方法、装置、计算机设备和存储介质，通过在机器人的运行过程中，获取障碍物的点云数据；根据点云数据确定环境地图中机器人的障碍物感知传感器
的感知区域对应的栅格的像素值；根据点云数据确定初始代价地图；将环境地图和初始代价地图进行融合，得到目标代价地图。当障碍物进入障碍物感知传感器的感知盲区时，虽然机器人无法观察到该障碍物，但目标代价地图中仍能反映障碍物的信息，如此可以有效避免机器人与障碍物发生碰撞。
附图说明
46.图1为一个实施例中代价地图的生成方法的流程示意图；
47.图2为障碍物在机器人的障碍物感知传感器的感知区域的示意图；
48.图3为障碍物在机器人的障碍物感知传感器的感知盲区的示意图；
49.图4为障碍物在机器人的障碍物感知传感器的感知区域的传统代价地图；
50.图5为障碍物在机器人的障碍物感知传感器的感知盲区的传统代价地图；
51.图6为一个实施例中初始代价地图的示意图；
52.图7为一个实施例中机器人的障碍物感知传感器的感知盲区和感知区域示意图；
53.图8为一个实施例中环境地图的示意图；
54.图9为一个实施例中将环境地图与初始代价地图进行融合的示意图；
55.图10为另一个实施例中代价地图的生成方法的流程示意图；
56.图11为一个实施例中代价地图的生成装置的结构框图；
57.图12为一个实施例中计算机设备的内部结构图。
具体实施方式
58.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
59.在一个实施例中，提供了一种机器人，机器人搭载有环境感知传感器，机器人包括存储器和处理器，存储器存储有计算机程序，其特征在于，如图1所示，处理器用于调用并执行计算机程序时实现如下步骤：
60.步骤102，在机器人的运行过程中，通过环境感知传感器获取障碍物的点云数据。
61.其中，点云数据是机器人的运行环境中的障碍物的三维数据。点云数据包括多个点云，点云是指环境中障碍物表面的单个点在空间坐标系中的三维空间位置坐标、激光反射强度以及颜色等多种信息。
62.机器人在运行过程中，可以通过障碍物感知传感器采集障碍物的点云数据，终端从障碍物感知传感器获取该点云数据后进行处理。其中，障碍物感知传感器可以是深度相机或激光雷达等传感器。
63.步骤104，根据点云数据的累积结果更新机器人所处工作场地的环境地图。
64.其中，工作场地是指机器人的障碍物感知传感器的感知区域，感知区域指障碍物感知传感器可以感知到障碍物的区域。
65.图2为障碍物在机器人的障碍物感知传感器的感知区域的示意图，图3为障碍物在机器人的障碍物感知传感器的感知盲区的示意图，图4为障碍物在机器人的障碍物感知传感器的感知区域的传统代价地图，图5为障碍物在机器人的障碍物感知传感器的感知盲区
的传统代价地图。一并参考图2至图5，当障碍物是t型桌子且在机器人的障碍物感知传感器的感知区域内时，传统代价地图中可以显示t型桌子的相关数据。而当t型桌子的边缘进入障碍物感知传感器的感知盲区时，传统代价地图无法显示感知盲区内t型桌子的相关数据。而当机器人根据传统代价地图进行路径规划，以实现避开障碍物时，由于传统代价地图无法显示感知盲区的相关数据，机器人会误以为前方无障碍物，进而导致机器人与桌子边缘发生碰撞。本实施例中，通过根据点云数据确定环境地图中机器人的障碍物感知传感器的感知区域对应的栅格的像素值，并将生成的环境地图和传统代价地图融合，得到的目标代价地图。当障碍物进入传感器的感知盲区时，虽然机器人观察不到障碍物，但是目标代价地图中仍然能反映障碍物信息。机器人根据目标代价地图进行路径规划时，可以避开障碍物，进而避免了与障碍物发生碰撞。
66.具体地，当将机器人部署到工作场地后，如果机器人是第一次在该工作场地上使用，终端可以创建一份空白的环境地图，将环境地图中的栅格的像素值初始化为0。如果机器人不是第一次在该工作场地上使用，则不需要重新创建环境地图，只需要载入之前创建好的环境地图即可。
67.在创建或载入已建好的环境地图后，终端可以根据点云数据对环境地图进行更新。在具体实现中，可以将点云数据转到地图坐标系下，并向地面投影，根据机器人的障碍物感知传感器的感知区域对应的栅格中是否存在点云数据确定栅格的像素值，进而得到更新后的环境地图。
68.步骤106，基于点云数据生成初始代价地图。
69.其中，初始代价地图是进行地图融合前的代价地图，也可以称为传统代价地图。图6为一个实施例中初始代价地图的示意图，如图6所示，圆圈表示机器人，箭头表示机器人的运行方向，黑色的栅格是机器人的障碍物感知传感器的感知区域内有点云数据的栅格，由于点云数据是障碍物的相关数据，因此初始代价地图可以反映感知区域内的障碍物信息。而障碍物感知传感器无法在感知盲区内采集到点云数据，所以即便感知盲区内存在障碍物，初始代价地图也无法反映感知盲区内的障碍物信息。
70.具体地，终端可以将点云数据转到地图坐标系下，并向地面投影，根据初始代价地图中的栅格内是否存在点云数据确定栅格的代价值，进而得到初始代价地图。
71.步骤108，将环境地图和初始代价地图进行融合，得到目标代价地图。
72.具体地，终端可以通过多种规则对环境地图和初始代价地图进行融合，在一个示例中，可以根据环境地图中的每个栅格的像素值，以及初始代价地图中相同位置的栅格的代价值，确定目标代价地图中相同位置的栅格的代价值，使得环境地图中的障碍物信息可以在目标代价地图中进行显示。
73.在具体实现中，在得到目标代价地图后，终端还可以根据目标代价地图对机器人进行路径规划，实时避障。
74.上述代价地图的生成方法中，通过在机器人的运行过程中，获取障碍物的点云数据；根据点云数据确定环境地图中机器人的障碍物感知传感器的感知区域对应的栅格的像素值；根据点云数据确定初始代价地图；将环境地图和初始代价地图进行融合，得到目标代价地图。当障碍物进入障碍物感知传感器的感知盲区时，虽然机器人无法观察到该障碍物，但目标代价地图中仍能反映障碍物的信息，如此可以有效避免机器人与障碍物发生碰撞。
75.在一个实施例中，根据点云数据的累积结果更新机器人所处工作场地的环境地图的步骤，包括：
76.对于机器人所处工作场地的环境地图的任一栅格，在任一栅格内存在点云数据时，将任一栅格的像素值增加1，其中，像素值不超过255；
77.在任一栅格内不存在点云数据时，将任一栅格的像素值设置为0。
78.具体地，当环境地图中机器人的障碍物感知传感器的感知区域对应的栅格内存在点云数据时，将栅格的像素值增加1，其中，像素值不超过255；当环境地图中机器人的障碍物感知传感器的感知区域对应的栅格内不存在点云数据时，将栅格的像素值设置为0。
79.应当理解的是，在机器人的运行过程中，环境地图是根据机器人的障碍物感知传感器采集的点云数据实时更新的，环境地图中障碍物感知传感器的感知区域对应的栅格的像素值也根据点云数据的变化而变化。
80.图8为一个实施例中环境地图的示意图，如图8所示，在环境地图上的感知区域内，有点云数据的栅格的颜色从灰色到白色，即栅格的像素值在增加，而没有点云数据的栅格颜色一直是黑色，即栅格的像素值保持为0不变。在机器人的运行过程中，如果感知区域对应的栅格一直有点云数据，其像素值会一直增加，直到像素值达到255。
81.需要说明的是，由于障碍物在环境地图上形成时，对应的栅格的像素值需要累加，所以障碍物在环境地图上形成的速度较慢，而障碍物在环境地图上消失时，对应的栅格的像素值会被设置为0，所以障碍物在环境地图上消失的速度很快。对于感知区域内的临时障碍物和动态障碍物而言，由于临时障碍物和动态障碍物在消失时，其对应的栅格的像素值会被设置为0，所以其信息不会被保留在最终的环境地图上。而对于静态障碍物而言，由于静态障碍物并不会消失，其对应的栅格的像素值会一直增加，所以其信息会被保留在最终的环境地图上。
82.本实施例通过在栅格内存在点云数据时，将栅格的像素值增加1，其中，像素值不超过255；在栅格内不存在点云数据时，将栅格的像素值设置为0，通过环境地图的上述自更新的机制，障碍物在环境地图上形成的速度较慢，消失的速度较快，因此，临时障碍物和动态障碍物不会保留在最终的环境地图上，而静态障碍物会随着时间推移保留到环境地图中，再作为先验信息，被融合到目标代价地图中。
83.在一个实施例中，随着机器人的不断运行，当感知区域对应的栅格不再处于障碍物感知传感器的感知区域，例如，处于障碍物感知传感器的感知盲区时，保持栅格的像素值不变。
84.应当理解的是，由于机器人是不断运行的，环境地图中的栅格可能在某一时刻处于障碍物感知传感器的感知区域，而在一段时间后处于障碍物感知传感器的感知盲区，所以随着时间的推移，感知区域对应的栅格可能不再处于感知区域，而是处于感知盲区或者环境地图中除感知区域和感知盲区之外的其他区域。
85.以感知区域对应的某个栅格的像素值是255为例，随着机器人的不断运行，当该栅格处于障碍物感知传感器的感知盲区时，该栅格的像素值保持不变，仍然是255，如此，即便机器人无法获得感知盲区内的该部分数据，由于环境地图中存在该部分数据，该部分数据可以在目标代价地图中进行体现，解决了机器人在障碍物感知传感器的感知盲区内无法感知到障碍物的问题。
86.在一个实施例中，可以获取障碍物感知传感器的感知距离、水平视角和感知盲区的半径；根据感知距离、水平视角和半径，确定障碍物感知传感器的感知区域。
87.感知区域是指障碍物感知传感器的能够感知到障碍物的区域，相应地，感知盲区指障碍物感知传感器无法感知到障碍物的区域，水平视角指水平方向上镜头所能覆盖的范围。
88.具体地，终端可以根据障碍物感知传感器的型号确定感知距离，和感知盲区的半径，并根据障碍物感知传感器在机器人上的安装方式确定其水平视角。
89.终端在获取到感知距离、水平视角和半径后，可以根据感知距离和水平视角确定第一扇形区域，根据半径和水平视角确定第二扇形区域，将第二扇形区域作为感知盲区，将第一扇形区域与第二扇形区域之差作为感知区域。
90.图7为一个实施例中机器人的障碍物感知传感器的感知盲区和感知区域示意图，如图7所示，r1为感知盲区的半径，r2为感知距离，感知区域的角度为水平视角，r1在水平视角内形成的扇形区域为感知盲区，r2在水平视角内形成的扇形区域与感知盲区之差为感知区域。
91.本实施例通过获取障碍物感知传感器的感知距离、水平视角和感知盲区的半径；根据感知距离、水平视角和半径，确定障碍物感知传感器的感知区域，提高了划分感知区域和感知盲区的准确性，进而提高了环境地图的准确性。
92.在一个实施例中，基于点云数据生成初始代价地图的步骤，包括：
93.将初始代价地图中机器人的环境感知传感器的感知区域中存在点云数据的区域作为第一区域，将第一区域的所有栅格的代价值，均设置为第一预设值；
94.将初始代价地图中机器人的环境感知传感器的感知区域中不存在点云数据的区域作为第二区域，将第二区域的所有栅格的代价值，均设置为第二预设值；
95.将初始代价地图中除第一区域和第二区域之外的其他区域的所有栅格的代价值，均设置为第三预设值。
96.具体地，代价地图为浮点型地图，以代价值表示机器人经过代价地图中所在位置的代价，其值为0.0～1.0，例如将当前帧栅格图中的栅格状态为占有的栅格，在当前代价地图中对应的代价值设置为1.0，表示机器人不能够到达此区域，此区域具有障碍物，若机器人到达或经过需要付出较大代价，将当前帧栅格图中的栅格状态为空闲的栅格，在当前代价地图中对应的代价值设置为0.0，表示机器人在此位置或区域可以自由行走。对于代价地图中剩余部分的栅格的代价值设置为0.0～1.0之间的数值，便是未确定是否具有障碍物。可以理解的是，代价值的具体取值范围是可以进行调整的，根据实际应用情况自由设定，本技术实施例不对此作具体限定。例如第一预设值为0，第二预设值为123，第三预设值为255等。
97.传统代价地图中一般用三种颜色反映机器人的运行环境，返回参照图6，第一区域采用的颜色是黑色，黑色表示有点云数据，即有障碍物；第二区域采用的颜色是白色，白色表示无点云数据，并且无障碍物；第三区域是未知区域，采用的颜色是灰色，灰色表示无点云数据，并且不确定是否有障碍物，包括代价地图中除感知区域和感知盲区以外的区域，以及感知区域内不确定是否有障碍物的区域。
98.在具体实现中，将环境地图和初始代价地图进行融合，得到目标代价地图的步骤，
可以包括以下步骤：
99.对于所述环境地图中任一栅格，在所述任一栅格的像素值大于预设阈值的情况下，将所述任一栅格在所述目标代价地图中的目标代价值设置为所述第一预设值；
100.在所述任一栅格的像素值不大于预设阈值的情况下，将所述任一栅格在所述初始代价地图中对应栅格的代价值作为所述任一栅格的目标代价值。
101.其中，预设阈值可以根据实际情况进行设置，可以是100、150、200或其他数值，本实施例对此不加以限制。
102.以(x,y)表示预设位置、e(x,y)表示环境地图中预设位置的第一栅格的像素值，c(x,y)表示初始代价地图中与第一栅格相同位置的第二栅格的代价值，f(x,y)表示目标代价地图中与第一栅格相同位置的栅格的代价值为例，融合策略如下：
103.当e(x,y)》t时，则f(x,y)＝第一预设值,否则f(x,y)＝c(x,y)，其中t为预设阈值。需要说明的是，在环境地图的栅格的像素值取值范围与初始代价地图的栅格的代价值的取值范围不等同时，需要进行转换进而确定最终目标代价地图中栅格的目标代价值。
104.图9为一个实施例中将环境地图与初始代价地图进行融合的示意图，如图9所示，左一为环境地图，中间为初始代价地图，右一为目标代价地图。在环境地图中，有点云数据的栅格的像素值是255，没有点云数据的栅格的像素值是0，进行地图融合后，目标代价地图中，与环境地图中有点云数据的栅格对应的栅格的代价值为0，与环境地图中没有点云数据的栅格对应的栅格的代价值则与初始代价地图中对应的栅格的代价值相同。
105.本实施例中，通过判断环境地图中预设位置的第一栅格的像素值是否大于预设阈值；在第一栅格的像素值大于预设阈值时，将第一预设值作为目标代价地图中与第一栅格相同位置的栅格的代价值；在第一栅格的像素值小于或等于预设阈值时，将初始代价地图中与第一栅格相同位置的第二栅格的代价值，作为目标代价地图中与第一栅格相同位置的栅格的代价值，使得目标代价地图能够更清晰地反映环境地图中的点云数据，提高了机器人的避障效果。
106.图10为另一个实施例中代价地图的生成方法的流程示意图，如图10所示，代价地图的生成方法还可以包括以下步骤：
107.步骤1001，在机器人的运行过程中，获取障碍物的点云数据。
108.步骤1002，在环境地图中机器人的障碍物感知传感器的感知区域对应的栅格内存在点云数据时，将栅格的像素值增加1，其中，像素值不超过255，在栅格内不存在点云数据时，将栅格的像素值设置为0。
109.步骤1003，将初始代价地图中存在点云数据的区域作为第一区域，将第一区域的所有栅格的代价值，均设置为第一预设值。
110.步骤1004，将初始代价地图中不存在点云数据且无障碍物的区域作为第二区域，将第二区域的所有栅格的代价值，均设置为第二预设值。
111.步骤1005，将初始代价地图中除第一区域和第二区域之外的其他区域的所有栅格的代价值，均设置为第三预设值。
112.步骤1006，判断环境地图中预设位置的第一栅格的像素值是否大于预设阈值。
113.步骤1007，在第一栅格的像素值大于预设阈值时，将第一预设值作为目标代价地图中与第一栅格相同位置的栅格的代价值。
114.步骤1008，在第一栅格的像素值小于或等于预设阈值时，将初始代价地图中与第一栅格相同位置的第二栅格的代价值，作为目标代价地图中与第一栅格相同位置的栅格的代价值。
115.应该理解的是，虽然如上的各实施例所涉及的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，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
116.在其中一个实施例中，还提供一种代价地图的生成方法，应用于机器人，其特征在于，方法包括：
117.在机器人的运行过程中，通过机器人搭载的环境感知传感器获取障碍物的点云数据；
118.根据点云数据的累积结果更新机器人所处工作场地的环境地图；
119.基于点云数据生成初始代价地图；
120.将环境地图和初始代价地图进行融合，得到目标代价地图。
121.上述代价地图的生成方法的具体步骤可参见处理器执行计算机程序的详细步骤，在此不作赘述。
122.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的代价地图的生成方法的代价地图的生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个代价地图的生成装置实施例中的具体限定可以参见上文中对于代价地图的生成方法的限定，在此不再赘述。
123.在一个实施例中，如图11所示，提供了一种代价地图的生成装置，包括：数据获取模块1102、环境地图生成模块1104、初始代价地图生成模块1106和地图融合模块1108，其中：
124.数据获取模块1102，用于在机器人的运行过程中，通过环境感知传感器获取障碍物的点云数据；
125.环境地图生成模块1104，用于根据点云数据的累积结果更新机器人所处工作场地的环境地图；
126.初始代价地图生成模块1106，用于基于点云数据生成初始代价地图；
127.地图融合模块1108，用于将环境地图和初始代价地图进行融合，得到目标代价地图。
128.在其中一个实施例中，环境地图生成模块1104还用于对于所述机器人所处工作场地的环境地图的任一栅格，在任一栅格内存在点云数据时，将任一栅格的像素值增加1，其中，像素值不超过255；在任一栅格内不存在点云数据时，将任一栅格的像素值设置为0。
129.在其中一个实施例中，环境地图生成模块1104还用于当任一栅格不处于环境感知传感器的感知区域时，保持栅格的像素值不变。
130.在其中一个实施例中，代价地图的生成装置还包括感知区域确定模块(图未示)，
用于获取环境感知传感器的感知距离、水平视角和感知盲区的半径；根据感知距离、水平视角和半径，确定环境感知传感器的感知区域。
131.在其中一个实施例中，初始代价地图生成模块1106，还用于将初始代价地图中机器人的环境感知传感器的感知区域中存在点云数据的区域作为第一区域，将第一区域的所有栅格的代价值，均设置为第一预设值；将初始代价地图中机器人的环境感知传感器的感知区域中不存在点云数据的区域作为第二区域，将第二区域的所有栅格的代价值，均设置为第二预设值；将初始代价地图中除第一区域和第二区域之外的其他区域的所有栅格的代价值，均设置为第三预设值。
132.在其中一个实施例中，地图融合模块1108，还用于
133.对于所述环境地图中任一栅格，在所述任一栅格的像素值大于预设阈值的情况下，将所述任一栅格在所述目标代价地图中的目标代价值设置为所述第一预设值；
134.在所述任一栅格的像素值不大于预设阈值的情况下，将所述任一栅格在所述初始代价地图中对应栅格的代价值作为所述任一栅格的目标代价值。
135.上述代价地图的生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
136.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种代价地图的生成方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
137.本领域技术人员可以理解，图12中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术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。
138.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，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
139.在机器人的运行过程中，通过环境感知传感器获取障碍物的点云数据；
140.根据点云数据的累积结果更新机器人所处工作场地的环境地图；
141.基于点云数据生成初始代价地图；
142.将环境地图和初始代价地图进行融合，得到目标代价地图。
143.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
144.对于所述机器人所处工作场地的环境地图的任一栅格，在所述任一栅格内存在所述点云数据时，将所述任一栅格的像素值增加1，其中，所述像素值不超过255；
145.在所述任一栅格内不存在所述点云数据时，将所述任一栅格的像素值设置为0。
146.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
147.当任一栅格不处于环境感知传感器的感知区域时，保持栅格的像素值不变。
148.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
149.获取环境感知传感器的感知距离、水平视角和感知盲区的半径；
150.根据感知距离、水平视角和半径，确定环境感知传感器的感知区域。
151.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
152.将初始代价地图中机器人的环境感知传感器的感知区域中存在点云数据的区域作为第一区域，将第一区域的所有栅格的代价值，均设置为第一预设值；
153.将初始代价地图中机器人的环境感知传感器的感知区域中不存在点云数据的区域作为第二区域，将第二区域的所有栅格的代价值，均设置为第二预设值；
154.将初始代价地图中除第一区域和第二区域之外的其他区域的所有栅格的代价值，均设置为第三预设值。
155.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
156.对于所述环境地图中任一栅格，在所述任一栅格的像素值大于预设阈值的情况下，将所述任一栅格在所述目标代价地图中的目标代价值设置为所述第一预设值；
157.在所述任一栅格的像素值不大于预设阈值的情况下，将所述任一栅格在所述初始代价地图中对应栅格的代价值作为所述任一栅格的目标代价值。
158.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
159.在机器人的运行过程中，通过环境感知传感器获取障碍物的点云数据；
160.根据点云数据的累积结果更新机器人所处工作场地的环境地图；
161.基于点云数据生成初始代价地图；
162.将环境地图和初始代价地图进行融合，得到目标代价地图。
163.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
164.对于所述机器人所处工作场地的环境地图的任一栅格，在所述任一栅格内存在所述点云数据时，将所述任一栅格的像素值增加1，其中，所述像素值不超过255；
165.在所述任一栅格内不存在所述点云数据时，将所述任一栅格的像素值设置为0。
166.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
167.当任一栅格不处于环境感知传感器的感知区域时，保持栅格的像素值不变。
168.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
169.获取环境感知传感器的感知距离、水平视角和感知盲区的半径；
170.根据感知距离、水平视角和半径，确定环境感知传感器的感知区域。
171.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
172.将初始代价地图中机器人的环境感知传感器的感知区域中存在点云数据的区域作为第一区域，将第一区域的所有栅格的代价值，均设置为第一预设值；
173.将初始代价地图中机器人的环境感知传感器的感知区域中不存在点云数据的区域作为第二区域，将第二区域的所有栅格的代价值，均设置为第二预设值；
174.将初始代价地图中除第一区域和第二区域之外的其他区域的所有栅格的代价值，均设置为第三预设值。
175.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
176.对于所述环境地图中任一栅格，在所述任一栅格的像素值大于预设阈值的情况下，将所述任一栅格在所述目标代价地图中的目标代价值设置为所述第一预设值；
177.在所述任一栅格的像素值不大于预设阈值的情况下，将所述任一栅格在所述初始代价地图中对应栅格的代价值作为所述任一栅格的目标代价值。
178.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
179.在机器人的运行过程中，通过环境感知传感器获取障碍物的点云数据；
180.根据点云数据的累积结果更新机器人所处工作场地的环境地图；
181.基于点云数据生成初始代价地图；
182.将环境地图和初始代价地图进行融合，得到目标代价地图。
183.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
184.对于所述机器人所处工作场地的环境地图的任一栅格，在所述任一栅格内存在所述点云数据时，将所述任一栅格的像素值增加1，其中，所述像素值不超过255；
185.在所述任一栅格内不存在所述点云数据时，将所述任一栅格的像素值设置为0。
186.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
187.当任一栅格不处于环境感知传感器的感知区域时，保持栅格的像素值不变。
188.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
189.获取环境感知传感器的感知距离、水平视角和感知盲区的半径；
190.根据感知距离、水平视角和半径，确定环境感知传感器的感知区域。
191.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
192.将初始代价地图中机器人的环境感知传感器的感知区域中存在点云数据的区域作为第一区域，将第一区域的所有栅格的代价值，均设置为第一预设值；
193.将初始代价地图中机器人的环境感知传感器的感知区域中不存在点云数据的区域作为第二区域，将第二区域的所有栅格的代价值，均设置为第二预设值；
194.将初始代价地图中除第一区域和第二区域之外的其他区域的所有栅格的代价值，均设置为第三预设值。
195.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
196.对于所述环境地图中任一栅格，在所述任一栅格的像素值大于预设阈值的情况下，将所述任一栅格在所述目标代价地图中的目标代价值设置为所述第一预设值；
197.在所述任一栅格的像素值不大于预设阈值的情况下，将所述任一栅格在所述初始代价地图中对应栅格的代价值作为所述任一栅格的目标代价值。
198.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
199.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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括
非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
200.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。
201.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。