[发明专利]一种移动机器人地图的多分辨率区域划分方法

摘要

本发明公开了一种移动机器人地图的多分辨率区域划分方法，具体涉及一种通过多分辨率特征点聚类与区域生长来划分地图区域的方法，属于室内移动机器人导航领域。本发明基于栅格地图，在栅格地图中提取出机器人可以到达的目标区域，然后在粗粒度的地图下对对应区域进行分析处理，得到区域的拓扑信息，提高了效率，然后通过一定的方法将此信息恢复到原始粒度的栅格地图上，本发明在利用栅格地图的细致性的基础上，增加地图的拓扑信息，减小计算量、提高了速度和精度，为后续的路径规划打好基础。

主权项

1.一种移动机器人地图的多分辨率区域划分方法，其特征在于，包括以下步骤：S1：目标区域的提取：S11：将输入图像中的像素点，根据设定的自由点灰度阈值区别障碍物像素以及可达区域的像素，进行距离变换得到矩阵；S12：接着根据机器的尺寸的值，在S11得到的矩阵中查找出所有机器人可到达的区域，并在上述矩阵中计算出最大的连通区域，得到待分割的目标区域；S13：根据待分割的目标区域的坐标构建一个待分割矩阵，然后将目标区域标记为预设值，其它像素点的值不变，即完成目标区域的提取；S2：种子点的聚类：S21：首先将输入的图片按预设比例缩小一定倍数，在缩小的图片中根据设定好的灰度阈值筛选出自由像素点后，通过距离变换，计算出每个自由像素点点与障碍物的距离，生成距离矩阵；S22：记录机器最大外周尺寸，从S21生成的距离矩阵中选取出值大于机器最大外周尺寸的1/2的点，即机器能够到达的点，作为聚类的种子点，再按照一定比例降采样以加速计算；S23：用MeanShift算法对选取出的种子点进行聚类，在中心的迭代过程中，通过像素点之间的欧式距离以及像素点之间的像素值来判断两点之间是否存在障碍物，即两点是否可视；聚类完成后，将像素点数量小于设定的阈值的类合并到其他的类；S3：区域分割：首先根据自由像素点与各个聚类中心之间的距离，将自由像素点标记一个中心距离其最近的类得到一个粗分类的结果；然后检查每个类中心与成员的可视性，找出与中心不可视的像素点；最后对这些不可视的像素点的八连通区域的进行投票，决定其所属类；S4：区域填充：根据S3中分割的结果在原始尺寸的图片上作区域分割，缩小图像中一个像素点的所属类值对应原始尺寸图片中缩小倍数的平方，再根据图片缩小的倍数建立偏移矩阵，对应地将原始尺寸中的像素点分类；分类的结果矩阵中包括障碍物的值、背景值、未被标记的自由点像素值以及所属类的值；最后根据未被标记的自由点的连通区域中其它点的所属类的投票结果，决定所述未被标记的自由点的所属类。