[发明专利]一种基于波前算法的3D探索的方法

说明书

本发明公开了一种基于波前算法的3D探索的方法，包括如下步骤：步骤1、采集当前环境地图的数据，并对采集到的每一帧数据进行拼接；步骤2、将拼接后得到地图进行障碍物膨胀；步骤3、使用波前算法中向四周扩散的过程找出边界点；步骤4、根据设定的边界点选择函数挑选出最优的边界点；步骤5、使用基于波前算法中路径规划的方法，规划一条从移动机器人当前位置到边界点的路径；步骤6、判断地图中是否还有边界点，如果有，则返回步骤1继续探索，否则，探索过程结束。本发明能够解决移动机器人3D探索建图的问题。

技术领域

本发明属于移动机器人自主探索建图领域，具体涉及一种基于波前算法的3D探索的方法。

背景技术

自主移动机器人探索是智能移动机器人功能的重要组成部分。移动机器人在未知环境下执行任务时，首先需要对周围环境进行建模。然而，以往移动机器人是在人们的控制下先完成建图的任务。自主探索建图强调移动机器人是在没人的干预下完成建图任务的。在面对危险环境或者其它人不可以到达的环境时，移动机器人可充分发挥自主建图的优势，极大提高了移动机器人执行任务的效率。因此，自主探索建图是提高移动智能化的关键。

探索建图的首要任务是根据已知的地图找到下一个探索的边界点。边界点处于已知区域和未知区域的交界处。根据波前算法向外扩散的特点，当遇到未知体素也就找到了边界点。此时波前算法的起点为机器人当前位置，由于波前算法会一直向外扩散，直到整个地图的已知区域全被遍历，波前算法扩散过程结束。当机器人到达边界点建完图后，再以当前机器人位置为波前算法的起点寻找下一个边界点，直到整个地图被探索完成。

寻找边界点的途径主要有两个：第一种是基于图像处理的方法；第二种是随机找边界点的方法。基于图像处理的方法，需要大量的计算来遍历整个地图。对于大环境的场景，该方法需要的计算量大且花费的时间也比较长。随机找边界点方法，比如基于快速探索随机树(Rapidly-exploring Random Trees，RRT)的算法。随机性可以加速找到地图中的边界点。但是，当环境的构造比较复杂时，比如，环境中有许多拐角，随机搜索的方法可能导致搜索到边界点的效率变低。

因此，研究快速找出边界点是移动机器人自主探索建图的关键，对于提高移动机器人的智能化有着重要意义。

发明内容

本发明目的是：提供一种基于波前算法的3D探索的方法，用以解决移动机器人探索建图的问题。

本发明的技术方案是：一种基于波前算法的3D探索的方法，包括如下步骤：

步骤1、采集当前环境地图的数据，并对采集到的每一帧数据进行拼接；

步骤2、将拼接后得到的地图进行障碍物膨胀；

步骤3、使用波前算法中向四周扩散的过程找出边界点；

步骤4、根据设定的边界点选择函数挑选出最优的边界点；

步骤5、使用基于波前算法中路径规划的方法，规划一条从移动机器人当前位置到边界点的路径；

步骤6、判断地图中是否还有边界点，如果有，则返回步骤1继续探索，否则，探索过程结束。

上述技术方案中，所述步骤1中的当前环境为一个三维空间，所述地图为三维octomap地图。

上述技术方案中，所述步骤1中选用深度相机传感器获取当前环境信息，地图由每一帧相机的数据拼接得到。

上文中，所述octomap地图包含占据、空闲和未知信息。在构建点云地图时，需要将深度值为0的无效点云重新赋值。因为当机器人前方没有障碍物时，深度相机会将该点的深度赋值为无效值，导致在构建octomap地图时无法将本应该为已知区域的体素更新为已知，影响到探索时找地图中的边界点。为了得到完整的地图信息，采取补点的方法，将深度值为无效值的点云重新赋值。