一种大环境下的自动导航方法、机器人及存储介质与流程

本发明涉及导航技术领域，尤其涉及一种大环境下的自动导航方法、机器人及存储介质。

背景技术：

机器人是自动执行工作的机器装置。它既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动。它的任务是协助或取代人类的工作，例如生产业、建筑业或是危险的工作。

近年来，随着机器人技术的发展和人工智能研究不断深入，智能机器人在人类生活中扮演越来越重要的角色，在诸多领域得到了广泛应用。

在机器人的自主导航过程中，目前主要依靠的传感器为激光雷达。考虑到经济成本的因素，多数机器人采用廉价的激光雷达，而此类激光雷达所能扫描的距离较短，因此在较大的空旷环境中，如博物馆、科技馆及工厂等大型场所，机器人常常会陷入一种迷失的状态，导致定位失败，而目前并没有一种有效的解决方案。

技术实现要素：

本发明的目的在于提供一种大环境下的自动导航方法、机器人及存储介质，解决机器人在较大的空旷环境中自主移动时容易定位丢失的问题。

为达此目的，本发明采用以下技术方案：

一种大环境下的自动导航方法，包括：

构建环境地图；

根据环境地图，按照沿墙行走策略进行起始位置至目标位置的全局路径规划；

根据所述全局路径规划进行导航和定位。

可选的，在所述按照沿墙行走策略进行起始位置至目标位置的全局路径规划之前，还包括：开启沿墙行走功能。

可选的，所述开启沿墙行走功能的方法包括：根据所述环境地图识别当前环境是否满足预设的大环境条件，若满足，则自动开启沿墙行走功能。

可选的，在所述按照沿墙行走策略进行起始位置至目标位置的全局路径规划的步骤中，还包括：根据预设的沿墙行走参数cost来限制机器人与墙壁的距离distance。

可选的，所述沿墙行走参数cost和所述机器人与墙壁的距离distance的关系式为：

cost＝(253-1)e^{-cost_scalinng_factor*(distance-inscribed-radius)}；

其中，cost_scaling_factor是cost的比例因子，inscribed_radius是内切半径。

可选的，所述沿墙行走参数cost的值为50～100。

可选的，所述根据所述全局路径规划进行导航和定位的步骤中还包括：实时采集环境信息，实时更新所述环境地图中的障碍物，生成局部路径规划，据此实时更新所述全局路径规划。

可选的，所述环境地图的构建方法包括：加载当前环境的初始地图；在初始地图上依次加载静态层、障碍层和膨胀层。

一种机器人，所述机器人包括处理器和存储器；所述存储器中存储有多条指令，所述指令适于处理器进行加载，以执行如上任一项所述的大环境下的自动导航方法中的步骤。

一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行如上任一项所述的大环境下的自动导航方法中的步骤。

与现有技术相比，本发明实施例具有以下有益效果：

本发明提供的自动导航方案尤其适用于空旷的大环境，采用沿墙行走策略来进行全局路径规划，在激光雷达的扫描距离较短的情形下仍然能够进行精准定位，保证机器人的正常运行。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例一提供的大环境下的自动导航方法流程图；

图2为本发明实施例二提供的大环境下的自动导航方法流程图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明的核心思想为：为弥补激光雷达传感器所存在的扫描距离较短的缺陷，避免在大环境下的自主移动过程中定位丢失，提出一种在大环境下沿墙移动的解决方案，确保在博物馆或大型工厂等各种较大的空旷环境中也能够进行准确定位。

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

请参阅图1，本实施例提供了一种大环境下的自动导航方法，包括：

步骤101、构建环境地图。

环境地图的构建方法具体包括：加载当前环境的初始地图；在初始地图上依次加载静态层、障碍层和膨胀层。

步骤102、开启沿墙行走功能。

本实施例所提出的沿墙行走功能，即机器人在自由移动过程中始终靠近墙壁行走，且与墙壁保持安全距离值。

该沿墙行走功能，可由用户选择开启，也可在根据环境地图识别出当前环境满足预设环境条件后自动开启。

可选的，在机器人的工作环境为较为空旷的大环境时开启沿墙行走功能，以解决传统导航方法存在的易出现定位丢失的问题。在未开启沿墙行走功能时，将按照常规的路径规划算法进行路径规划。

步骤103、根据环境地图，按照沿墙行走策略进行起始位置至目标位置的全局路径规划。

不同于传统的路径规划策略，本实施例的全局路径规划采用了沿墙行走策略，该规划策略的目的是：在机器人移动过程中，确保激光雷达能够扫描获取周围环境参数以进行精准有效的定位，防止迷失，从而使得机器人在大环境中能够稳定运行。

步骤104、根据全局路径规划进行自主导航和定位，使得机器人向目标位置移动。

在移动过程中，可进一步通过局部路径规划修正全局路径规划。具体的，在机器人根据全局路径规划进行移动的过程中，通过里程计、加速度传感器、激光雷达及摄像头等实时采集环境信息，更新环境地图中的实时障碍物，生成局部路径规划，据此实时更新全局路径规划。

综上，本实施例提供的适用于大环境下的自动导航方法，采用沿墙行走策略来进行全局路径规划，在激光雷达的扫描距离较短的情形下仍然能够进行精准定位，保证机器人的正常运行。

实施例二

请参阅图2，本实施例提供了另一种大环境下的自动导航方法，包括：

步骤201、构建环境地图。

环境地图的构建方法具体包括：加载当前环境的初始地图；在初始地图上依次加载静态层、障碍层和膨胀层。

步骤202、开启沿墙行走功能。

步骤203、根据环境地图，按照沿墙行走策略和预设的沿墙行走参数cost进行起始位置至目标位置的全局路径规划。

沿墙行走参数cost的值用以决定机器人在移动过程中与墙壁的距离distance，该cost与distance的关系式为：

cost＝(253-1)e^{-cost_scalinng_factor*(distance-inscribod_radius)}

其中，cost_scaling_factor是cost的比例因子；distance是机器人到障碍物的距离，inscribed_radius是内切半径。

比例因子cost_scaling_factor是用户设置的cost与distance渐变程度的权重，内切半径是根据机器人设置的。

cost值越大，说明机器人距离障碍物越近。可选的，cost值为50～100，以保证机器人在移动过程中与墙壁保持合理的安全距离。

步骤204、根据全局路径规划进行自主导航和定位，使得机器人向目标位置移动。

在移动过程中，可进一步通过局部路径规划修正全局路径规划。具体的，在机器人根据全局路径规划进行移动的过程中，通过里程计、加速度传感器、激光雷达及摄像头等实时采集环境信息，实时更新环境地图中的障碍物，生成局部路径规划，据此实时更新全局路径规划。

在不同环境下，用户可设置不同的cost值，以符合不同的环境特色。例如，在长廊环境中，可将cost设置为最小值。

综上，与实施例一相比，本实施例二增加了沿墙行走参数的用户定制功能，用户可在不同的环境下根据需要调整参数值的大小，既保证机器人能够准确定位，又保证机器人在移动过程中与墙壁保持合理的安全距离。

实施例三

本实施例提供了一种机器人，包括：所述机器人包括处理器和存储器；所述存储器中存储有多条指令，所述指令适于处理器进行加载，以执行实施例一或者实施例二所述的大环境下的自动导航方法中的步骤。

实施例四

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种大环境下的自动导航方法中的步骤。例如，该指令可以执行如下步骤：

构建环境地图；

根据环境地图，按照沿墙行走策略进行起始位置至目标位置的全局路径规划；

根据所述全局路径规划进行导航和定位。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(rom，readonlymemory)、随机存取记忆体(ram，randomaccessmemory)、磁盘或光盘等。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。