[发明专利]一种针对机器人导航的虚拟墙自动生成方法

说明书

本发明提供一种针对机器人导航的虚拟墙自动生成方法，属于移动机器人自主导航技术领域。该虚拟墙自动生成方法先获取障碍物密集区域的激光点；对激光点进行栅格化处理，并对栅格化后的激光点构建德洛内三角网，生成邻接矩阵；对德洛内三角网进行初始化：生成长度矩阵、属性矩阵和邻接三角形矩阵；基于虚拟墙构建算法与矩阵信息，剔除德洛内三角网中长度大于阈值的边界边，进而获取到虚拟墙的几何图形。本发明能够针对先验地图中的障碍物密集区域，自动生成将该区域包围的虚拟墙，一方面提升机器人的导航工作效率，另一方面保留障碍物密集场景中有利于定位的丰富的环境特征，可用于移动机器人非结构化场景下导航等领域。

技术领域

本发明属于移动机器人自主导航技术领域，涉及到移动机器人导航地图的优化处理，特别涉及到一种针对机器人导航的虚拟墙自动生成方法。

背景技术

自主导航是移动机器人自主环境适应的核心技术。当机器人工作在狭窄且障碍物密集的局部场景中时，这种环境条件会对机器人导航产生不同的影响。一方面，这种环境富含可用于定位的环境特征，有利于提高定位精度，另一方面，机器人工作在复杂场景所生成的导航路径复杂度也显著上升，降低了导航的工作效率，此外，障碍物密集场景会提升碰撞发生的概率，甚至导致导航失败。因此如何既保留局部场景中多样化的环境特征，又避免机器人进入狭窄且障碍物密集的局部场景，是提高机器人自主环境适应能力所需要解决的一个关键问题。

为了保证无人车行驶在道路中的合理区域，文献(D.Ferguson and M.Likhachev,“Efficiently using costmaps for planning complex maneuvers,”in Proceedings ofthe ICRA 2008Workshop on Planning With Costmaps,2008)使用了限制代价地图，以提升导航的合理性。限制代价地图是在路网描述文件的基础上，对行驶路径之外的场景添加软约束，该约束确保无人车始终在合理的道路区域行驶，但此种方法仅适用于处理具有明确道路区域的室外环境，在移动机器人应用领域中，其工作环境并无明确道路区域的划分，而且该方法人为根据道路区域来添加约束条件，无法满足移动机器人的自主导航需求。

文献(Hao Zhu，“A Path Planning Algorithm Based on Fusing Lane andObstacle Map,”IEEE 17th International Conference on IntelligentTransportation Systems(ITSC),2014)提出了一种针对障碍物进行二次膨胀的方法，以避免机器人在执行转弯操作时与障碍物过近。该方法对环境中所有物体均进行二次膨胀，对没有必要二次膨胀的场景(如长直的走廊)也进行了二次膨胀。

发明内容

为了既保留障碍物密集场景中丰富的环境特征，又避免此类场景降低导航工作效率，本文提出了一种针对机器人导航的虚拟墙生成方法。该方法首先以原始激光点云为存储方式对二维场景进行建模，然后圈选出障碍物密集区域，通过栅格化对障碍物密集区域内的激光点云进行精简，并对精简后的激光点云以多边形的形式包围起来。为了保证机器人导航效率，将上述多边形区域定义为导航时的不可通行区域，同时将包围上述区域的多边形定义为虚拟墙。

本发明的具体技术方案如下：

一种针对机器人导航的虚拟墙自动生成方法，该虚拟墙自动生成方法先获取障碍物密集区域的激光点；对激光点进行栅格化处理，并对栅格化后的激光点构建德洛内三角网，生成邻接矩阵；对德洛内三角网进行初始化：生成长度矩阵、属性矩阵和邻接三角形矩阵；基于虚拟墙构建算法与矩阵信息，剔除德洛内三角网中长度大于阈值的边界边，进而获取到虚拟墙的几何图形，具体包以下步骤：

第一步，生成先验地图