导航地图的生成方法、装置及机器人与流程

本申请涉及定位技术领域，尤其涉及一种导航地图的生成方法、装置及机器人。

背景技术：

视觉即时定位与地图构建(simultaneouslocalizationa\andmapping，简称为slam)技术，通过视觉上的几何关系(例如，所拍摄场景图像中的点、线、面等几何关系)作为追踪目标和建图特征，以此来判断机器人当前的位置并建立导航地图。当所采集的图像中存在可移动的人体或者物体时，会对几何关系产生遮挡，而视觉slam不能有效识别可移动的人体或者物体，从而会导致在建立导航地图时有较为复杂的要求，例如，在需要对商场内建立导航地图时，需清理商场中的可移动物体后才能进行slam，这在很大程度上加大了slam的部署与实施难度。

技术实现要素：

有鉴于此，本申请提供一种导航地图的生成方法、装置及机器人，通过区分静态物体与动态物体，降低slam的部署与实施难度。

为实现上述目的，本申请提供技术方案如下：

根据本申请的第一方面，提出了一种导航地图的生成方法，包括：

识别图像中的预设目标物；

确定在当前位置点生成的第一导航地图；

确定所述预设目标物对应的点云数据集；

基于所述点云数据集，对所述第一导航地图进行处理，生成第二导航地图。

根据本申请的第二方面，提出了一种导航地图的生成装置包括：

识别模块，用于识别图像中的预设目标物；

第一确定模块，用于确定在当前位置点生成的第一导航地图；

第二确定模块，用于确定所述识别模块识别到的所述预设目标物对应的点云数据集；

导航地图生成模块，用于基于所述第二确定模块确定的所述点云数据集，对所述第一确定模块确定的所述第一导航地图进行处理，生成第二导航地图。

根据本申请的第三方面，提出了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述第一方面提出的导航地图的生成方法。

根据本申请的第四方面，提出了一种机器人，所述机器人包括：

处理器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器，用于执行上述第一方面提出的导航地图的生成方法。

由以上技术方案可见，本申请基于预设目标物对应的点云数据集对第一导航地图进行处理，生成第二导航地图，由于基于预设目标物可以区分动态物体和静态环境，因此可避免生成的第二导航地图受到人体或者物体等动态物体的干扰，在不需要对机器人所在环境进行清场的前提下即可得到准确度极高的导航地图，大大降低了在建立导航地图时对环境的复杂要求，并降低了在建立导航地图时对环境的部署与实施难度。

附图说明

图1是本申请一示例性实施例示出的导航地图的生成方法的流程示意图。

图2是本申请另一示例性实施例示出的导航地图的生成方法的流程示意图。

图3是本申请一示例性实施例示出的机器人的结构示意。

图4是本申请一示例性实施例示出的导航地图的生成装置的结构示意图。

图5是本申请另一示例性实施例示出的导航地图的生成装置的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图1是本申请一示例性实施例示出的导航地图的生成方法的流程示意图；本实施例可以应用在定位机器人上，如图1所示，包括如下步骤：

步骤101，识别图像中的预设目标物。

步骤102，确定在当前位置点生成的第一导航地图。

步骤103，确定预设目标物对应的点云数据集。

步骤104，基于点云数据集，对第一导航地图进行处理，生成第二导航地图。

在上述步骤101中，预设目标物可以为可移动的人体和物体，物体例如为小推车、桌子、椅子等。在一实施例中，可以先识别图像中包含的至少一个语义回归框，再从至少一个语义回归框中识别预设目标物。进一步地，可以预先建立物体检测模型，物体检测模型基于先验知识识别图像中包含的至少一个语义回归框，先验知识可以为预先设置好的物体特征，语义回归框内也就包含具有上述物体特征的物体，其中，预先设置好的物体特征可以为一些先验的特征，例如，人体、桌子、货架等。可以通过内容识别的方式从出至少一个语义回归框中识别出语义回归框中所包含的具体物体，若具体物体为预设目标物，则表示图像中存在预设目标物；例如，识别图像中包含的语义回归框为15个，该15个语义回归框中可能包含了人体、桌子、货架等等，再从这15个语义回归框中识别出可移动的物体，例如为人体、桌子、椅子、小推车等，由此可实现由粗到细的识别过程，避免漏掉预设目标物的同时还能确保识别预设目标物的准确度。

在上述步骤102中，在一实施例中，可以基于视觉slam系统确定机器人在当前位置点生成的第一导航地图。

在上述步骤103中，在一实施例中，可以基于设置在机器人的深度摄像机获取到深度摄像机视场范围内的全部点云数据，基于预设目标物在图像中的区域，对全部点云数据进行过滤，得到预设目标物对应的点云数据集。其中，点云数据集中的每一个点云数据可以对应在三维世界坐标系中的一组三维坐标点，因此通过点云数据集可以确定预设目标物在空间中的三维信息，进而通过点云数据集可勾勒出预设目标物在三维空间中的轮廓，方便机器人识别预设目标物的立体形状。

在上述步骤104中，在一实施例中，可以基于点云数据集中的每一个点云数据在地面上的投影坐标确定预设目标物在地面上所占的区域范围，基于该区域范围确定预设目标物在第一导航地图上对应的位置区域，进而将第一导航地图上的该位置区域标记为可行走的区域，得到第二导航地图。

本实施例中，基于预设目标物对应的点云数据集对第一导航地图进行处理，生成第二导航地图，由于基于预设目标物可以区分动态物体和静态环境，因此可避免生成的第二导航地图受到人体或者物体等动态物体的干扰，在不需要对机器人所在环境进行清场的前提下即可得到准确度极高的导航地图，大大降低了在建立导航地图时对环境的复杂要求，并降低了在建立导航地图时对环境的部署与实施难度。

图2是本申请另一示例性实施例示出的导航地图的生成方法的流程示意图；本实施例在上述实施例的基础上，以如何基于点云数据集对第一导航地图进行分割为例进行示例性说明，如图2所示，包括如下步骤：

步骤201，识别图像中的预设目标物。

步骤202，确定在当前位置点生成的第一导航地图。

步骤203，确定预设目标物对应的点云数据集。

步骤204，根据点云数据集中的每一个点云数据，确定预设目标物对应的平面区域。

步骤205，根据预设目标物对应的平面区域，对第一导航地图进行处理，生成第二导航地图。

上述步骤201-步骤203的描述可以参见上述图1所示实施例的描述，在此不再详述。

在上述步骤204中，在一实施例中，由于点云数据集可以勾勒出预设目标物的轮廓，不同的轮廓特征可对应不同形状的物体，因此可以根据点云数据集中的每一个点云数据，确定预设目标物在地面对应的区域范围；不同的物体对应的点云数据集在地面上的投影坐标范围是不相同的，因此可以基于先验知识，确定出具有不同物体在地面对应的区域范围，先验知识例如为预设目标物对应区域范围的大小，例如，人体对应的区域范围为10厘米*10厘米，小推车对应的区域范围为30厘米*50厘米，等等。基于区域范围和点云数据集中每一个点云数据沿着垂直于地面的坐标值，确定预设目标物对应的平面区域；由于点云数据集中垂直于地面的坐标值可以表示预设目标物在三维坐标系中的位置，因此基于区域范围和点云数据集中沿着垂直于地面的坐标值，即可确定出预设目标物对应的平面区域。通过确定预设目标物对应的平面区域，可以确保将预设目标物所在的位置区域在第一导航地图中标记为可移动的区域，避免预设目标物对第一导航地图的干扰。

在上述步骤205中，在一实施例中，根据预设目标物对应的平面区域，确定预设目标物在第一导航地图中的位置区域，可以基于平面区域与第一导航地图中的位置映射关系，确定出预设目标物在第一导航地图中的位置区域，例如，平面区域为地面上的a点为中心，边长为10厘米的正方形区域，则可以基于位置映射关系，找到a点在第一导航地图中的位置，进而得到预设目标物在第一导航地图中的位置区域。将预设目标物在第一导航地图中的位置区域标记为目标区域，其中，该目标区域可以用来表示可行走的区域或者可活动的区域，当该目标区域中的预设目标物被移除后，该目标区域可在后续需要规划路径时参与到路径规划中；通过将预设目标物在第一导航地图中的位置区域标记为目标区域，从而可大大提高第二导航地图的准确度。

本实施例在具有上述实施例的有益技术效果的基础上，根据预设目标物对应的平面区域，对第一导航地图进行处理，从而将第一导航地图中视为不可移动的物体移除，大大提高第二导航地图的准确度。

与前述导航地图的生成方法的实施例相对应，本申请还提供了导航地图的生成装置的实施例。

本申请还提供一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行上述图1或者图2所示实施例提供的导航地图的生成方法。

本申请导航地图的生成装置的实施例可以应用在机器人上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在机器人的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图3所示，为本申请导航地图的生成装置所在机器人的一种硬件结构图，除了图3所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的机器人通常根据该机器人的实际功能，还可以包括其他硬件，对此不再赘述。

其中，处理器用于执行上述图1或者图2所示实施例提供的导航地图的生成方法。

图4是本申请一示例性实施例示出的导航地图的生成装置的结构示意图，如图4所示，导航地图的生成装置包括：

识别模块41，用于识别图像中的预设目标物；

第一确定模块42，用于若图像中存在预设目标物，确定在当前位置点生成的第一导航地图；

第二确定模块43，用于确定识别模块41识别到的预设目标物对应的点云数据集；

导航地图生成模块44，用于基于第二确定模块43确定的点云数据集，对第一确定模块42确定的第一导航地图进行处理，生成第二导航地图。

图5是本申请另一示例性实施例示出的导航地图的生成装置的结构示意图，如图5所示，在上述图4所示实施例的基础上，导航地图生成模块43包括：

第一确定单元431，用于根据点云数据集中的每一个点云数据，确定预设目标物对应的平面区域；

处理单元432，用于根据第一确定单元431确定的预设目标物对应的平面区域，对第一导航地图进行处理。

在一实施例中，第一确定单元431具体用于：

根据点云数据集中的每一个点云数据，确定预设目标物对应的区域范围；

基于区域范围和点云数据集中每一个点云数据沿着垂直地面的坐标值，确定预设目标物对应的平面区域。

在一实施例中，分割单元432具体用于：

根据预设目标物对应的平面区域，确定预设目标物在第一导航地图中的位置区域；

将预设目标物在第一导航地图中的位置区域标记为目标区域。

在一实施例中，第二确定模块42可包括：

第二确定单元421，用于确定当前生成的全部点云数据；

过滤单元422，用基于预设目标物在图像中的区域，对第二确定单元421确定的全部点云数据进行过滤，得到预设目标物对应的点云数据集。

在一实施例中，第一确定模块41具体可用于：

基于视觉slam系统，确定在当前位置点生成的第一导航地图。

在一实施例中，识别模块41可包括：

识别单元411，用于识别图像中包含的至少一个语义回归框；

第三确定单元412，用于从识别单元411识别出的至少一个语义回归框中识别预设目标物。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。