基于图像滤波的地图构建方法和多机器人路径规划方法

1.本发明涉及移动机器人智能控制领域，尤其是指一种基于图像滤波的地图构建方法和多机器人路径规划方法。


背景技术：

2.随着社会经济、科技的飞速发展，越来越多的移动机器人走进人们的视野。从各种居家的扫地机器人到服务场所多种多样的服务、送餐机器人，再到物流、工业领域的物流机器人。可以说，各种形式、功能的移动机器人，在提高人们生活水平、提升生产效率、增加社会效益方面的展现出越来越多的贡献。智能移动机器人的应用、普及水平，将会是一个社会科技水平高低的重要表现形式之一，可以预见，在不远的将来，移动机器人方向的产业将会继续迅猛发展。
3.以扫地机器人、配送、服务机器人为主导的单移动机器人，其每个机器人都可以看作是一个独立的智慧体，除了其配备的扫地、引导和配送等个性化功能之外，每个机器人都具备定位、路径规划的基本功能，都可以独立自主的实现定位、导航服务。但是，现在有越来越多的机器人需要面对大场景、多任务的工作要求，为了满足工作要求，会出现在同一工作环境内引入多台机器人，而各独立机器人会因为缺乏整体性的协调控制和通信交流，在一些特殊环境下(如狭长通道、十字路口等)引发各机器人之间的路径冲突、堵塞和碰撞的问题。
4.移动机器人服务于社会发展的各行各业，如工厂、医院、家庭、酒店、展览馆、餐厅等区域，执行物流、搬运和配送等作业任务时，需要在工作场景内自主导航，能够准确定位和安全行进。而当作业场景比较复杂，如动态物体比较多、可行驶区域比较狭窄等，移动机器人的运动需要遵守类似于机动车交通规则，如禁行区、右行区、抵制区、禁行线和单行线等，才能保证移动机器人在复杂作业场景中有序通行，解决移动机器人与动态物体之间以及多移动机器人之间可能出现的交通卡顿甚至拥堵问题。为了解决这一问退，移动机器人在工作场景中作业一般都是提前构建周围工作场景全局地图，根据作业任务要求，实现从起始点到目标点的安全行进。而普通的移动机器人的全局路径规划算法则只会搜索最近的或者耗时最短的捷径，而不会遵从可行驶通道行驶的交通规则，就会导致在如动态物体比较多、可行驶区域比较狭窄等场景中行进的顺畅性很差。
5.为了保证移动机器人的通行效率和安全性，需要在移动机器人的预先构建的场景地图上进行一定的交通规则设置，类似于人类机动车的交通规则标识出哪些区域能行走，哪些区域不能行走，以及哪些区域只能单向行走等约束。移动机器人基于这些交通规则约束条件，并通过对全局栅格地图定义通行值来改进a*全局路径搜索算法，可以实现基于交通规则约束的全局路径规划。同时，网格地图仍然是在一定范围内的单个机器人自主导航的主要选择。但是，近年来，自主移动机器人已被广泛应用于大型人机交互中移动环境，这意味着移动机器人的工作场景已经从单个机器人动作转变为大型环境中的多个机器人协作，给对机器人的全局路径规划效率和机器人之间的协同调度提出更高的要求。而现有技
术中并没有描述环境的方法，无法在提高全局路径平面的效率的同时解决多机器人的路径冲突。


技术实现要素：

6.为此，本发明所要解决的技术问题在于克服现有技术中的不足，提供一种基于图像滤波的地图构建方法和多机器人路径规划方法，可以实现栅格地图的离散拓扑化、满足多移动机器人复杂动态场景作业时的自主导航需、缓解多机器人下的全局路径重合和冲突问题。
7.为解决上述技术问题，本发明提供了一种基于图像滤波的地图构建方法，包括：
8.使用即时定位与地图构建技术构建初始全局栅格地图并进行预处理，使用图像滤波在预处理后的全局栅格地图上生成全局拓扑节点，对所述全局拓扑节点进行稀疏化处理；
9.通过比对节点的位置和状态信息建立稀疏化处理后的全局拓扑节点的拓扑关系，生成最终的环境拓扑地图。
10.在本发明的一个实施例中，所述预处理，包括对所述初始全局栅格地图进行二值化处理和边缘毛刺优化处理。
11.在本发明的一个实施例中，所述边缘毛刺优化处理为使用中值滤波。
12.在本发明的一个实施例中，所述使用图像滤波在预处理后的全局栅格地图上生成全局拓扑节点，具体为：
13.获取在场景中移动的机器人的尺寸，根据机器人的尺寸在栅格地图中生成可行点；
14.以所述可行点为中心，机器人的尺寸为半径生成全局拓扑节点。
15.在本发明的一个实施例中，所述根据机器人的尺寸在栅格地图中生成可行点，具体为：
16.根据机器人的尺寸构建滤波模板τ为：
[0017][0018]
其中，ψ为机器人的尺寸，res为栅格地图的分辨率，n为自然整数；
[0019]
根据所述滤波模板τ计算可行点指数γ(x，y)为：
[0020][0021]
其中，a＝(τ-1)/2，k(i,j)为滤波模板元素，f(x+i,y+j)为原始图像元素，i、j为滤波计算过程中元素在平面两个方向上的相对坐标；
[0022]
当可行点指数γ(x，y)小于预设阈值的所有点作为可行点。
[0023]
在本发明的一个实施例中，对所述全局拓扑节点进行稀疏化处理，具体为：
[0024]
步骤1：获取所有全局拓扑节点的中心节点作为节点列表l1；
[0025]
步骤2：计算节点列表l1中的1号节点和2号节点的横坐标差值，当横坐标差值小于
预设阈值dist
min
时删除2号节点；读取l1中下一号节点作为2号节点，重新计算1号节点和2号节点的横坐标差值，当横坐标差值大于预设阈值dist
min
时将2号节点赋值为1号节点，读取l1中的下一号节点作为新的2号节点；
[0026]
步骤3：当1号和2号节点的行坐标发生变化时，将2号节点赋值为1号节点，读取l1中的下一个节点为新的2号节点；
[0027]
步骤4：重复执行步骤2-步骤3至遍历完l1中的所有节点，将此时得到的节点序列对应的全局拓扑节点作为稀疏化处理后的全局拓扑节点。
[0028]
在本发明的一个实施例中，所述通过比对节点的位置和状态信息建立稀疏化处理后的全局拓扑节点的拓扑关系，具体为：
[0029]
计算稀疏化处理后的每两个全局拓扑节点间的距离，当两个全局拓扑节点间的距离小于等于最小可达距离h时认为满足建边条件；建立满足建边条件下的每两个全局拓扑节点间的拓扑关系，生成最终的环境拓扑地图。
[0030]
本发明还提供了一种多机器人路径规划方法，包括：
[0031]
通过激光传感器实时感知多机器人的动态作业场景中的周围环境信息，使用所述的基于图像滤波的地图构建方法构建环境拓扑地图；
[0032]
设置多机器人的起始点集合和目标点集合，在a*算法的基础上结合通行代价值进行多机器人的全局路径规划，得到各机器人的全局路径节点序列。
[0033]
在本发明的一个实施例中，所述在a*算法的基础上结合通行代价值进行多机器人的全局路径规划，具体为：
[0034]
使用a*算法进行多机器人的全局路径规划时，各点的代价函数的计算公式为：
[0035]
f(p)＝g(p)+h(p)+w(p)，
[0036]
其中，f(p)为第p个点的代价函数，p表示路径规划时的下一跳节点；g(p)表示由起点到p节点的代价值，h(p)表示由p节点到目标点的启发价值；w(p)表示由当前节点到p节点的节点通行价值。
[0037]
本发明还提供了一种基于图像滤波的地图构建系统，包括：
[0038]
初始全局栅格地图构建模块，用于使用即时定位与地图构建技术构建初始全局栅格地图并进行预处理；
[0039]
全局拓扑节点处理模块，用于使用图像滤波在预处理后的全局栅格地图上生成全局拓扑节点，对所述全局拓扑节点进行稀疏化处理；
[0040]
环境拓扑地图构建模块，用于通过比对节点的位置和状态信息建立稀疏化处理后的全局拓扑节点的拓扑关系，生成最终的环境拓扑地图。
[0041]
本发明的上述技术方案相比现有技术具有以下优点：
[0042]
本发明通过slam技术实现对环境栅格地图的构建，在此基础上通过图像滤波实现栅格地图的离散拓扑化，基于机器人的尺寸信息对栅格地图中可行区域进行智能化的识别和筛选，生成自由拓扑节点并构建环境拓扑地图。在该环境拓扑地图下，可以满足多移动机器人复杂动态场景作业时的自主导航需求，安全有序性好且实时性高，缓解多机器人下的全局路径重合和冲突问题，能够推广应用于不同复杂动态场景中多移动机器人的路径规划问题。
附图说明
[0043]
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中：
[0044]
图1是本发明中基于图像滤波的地图构建方法的流程图。
[0045]
图2是本发明中基于图像滤波的地图构建方法的具体步骤图。
[0046]
图3是本发明中建立拓扑关系的流程图。
[0047]
图4是本发明中多机器人路径规划方法的具体步骤图。
[0048]
图5是本发明实施例中使用传统a*算法进行全局路径规划的结果图。
[0049]
图6是本发明实施例中使用本发明中多机器人路径规划方法进行全局路径规划的结果图。
[0050]
图7是本发明实施例中将传统a*算法和多机器人路径规划方法进行全局路径在路径重合点方面比较的结果图。
具体实施方式
[0051]
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
[0052]
实施例一
[0053]
参照图1和图2所示，本发明公开了一种基于图像滤波的地图构建方法，包括以下步骤：
[0054]
s1：使用即时定位与地图构建(simultaneous localization and mapping，slam)技术构建初始全局栅格地图并进行预处理。
[0055]
预处理包括对所述初始全局栅格地图进行二值化处理和边缘毛刺优化处理。所述边缘毛刺优化处理为使用中值滤波。
[0056]
为了消除在地图构建过程中受到传感器噪声和机器人定位误差影响所出现微小的障碍网格、图像噪声和毛刺问题。通过二值化和边缘毛刺优化对图像进行优化处理，消除图像噪声对图像滤波计算的影响，其中二值化使边缘特征更加突出。在边缘毛刺优化处理中，通过中值滤波使边缘更平坦。
[0057]
s2：使用图像滤波在预处理后的全局栅格地图上生成全局拓扑节点。
[0058]
s2-1：获取在场景中移动的机器人的尺寸。
[0059]
s2-2：根据机器人的尺寸在栅格地图中生成可行点。
[0060]
s2-2-1：根据机器人的尺寸构建滤波模板τ为：
[0061][0062]
其中，ψ为机器人的尺寸，res为栅格地图的分辨率，n为自然整数；
[0063]
s2-2-2：根据所述滤波模板τ计算可行点指数γ(x，y)为：
[0064]
[0065]
其中，a＝(τ-1)/2，k(i,j)为滤波模板元素，f(x+i,y+j)为原始图像元素，i、j为滤波计算过程中元素在平面两个方向上的相对坐标，即x轴、y轴上的相对坐标；
[0066]
s2-2-3：当可行点指数γ(x，y)小于预设阈值的所有点作为可行点，对于已经经过二值化处理的地图图像，其预设阈值取值为0。
[0067]
s2-3：以所述可行点为中心，机器人的尺寸为半径生成全局拓扑节点。
[0068]
s3：对所述全局拓扑节点进行稀疏化处理。因为是基于模板匹配的像素处理，所以节点滤波生成的全局拓扑节点是富足的。在后期的多机器人运行过程中，还需要考虑机器人间的最新通行距离，来达到各机器人间的顺畅通行。因此本发明基于最新通行距离dist
min
来进行拓扑节点的稀疏化处理，以满足机器人间的通行要求。
[0069]
s3-1：获取所有全局拓扑节点的中心节点作为节点列表l1，即可行点节点列表l1。
[0070]
s3-2：计算节点列表l1中的1号节点和2号节点的横坐标差值当横坐标差值小于预设阈值dist
min
时删除2号节点，本实施例中dist
min
取值为15个像素单元；读取l1中下一号节点作为2号节点，重新计算1号节点和2号节点的横坐标差值，当横坐标差值大于预设阈值dist
min
时将2号节点赋值为1号节点，读取l1中的下一号节点作为新的2号节点；
[0071]
s3-3：当1号和2号节点的行坐标发生变化时、即时，将2号节点赋值为1号节点，读取l1中的下一个节点为新的2号节点。
[0072]
s3-4：重复执行s3-2-s3-3至遍历完l1中的所有节点，将此时得到的节点序列对应的全局拓扑节点作为稀疏化处理后的全局拓扑节点。
[0073]
s4：拓扑节点之间的拓扑关系表征了节点间的通行关系和通行代价，即代表了环境中两个区域的可达关系和距离。如图3所示，通过比对节点的位置和状态信息建立稀疏化处理后的全局拓扑节点的拓扑关系，生成最终的环境拓扑地图。
[0074]
计算稀疏化处理后的每两个全局拓扑节点(x
n1
,y
n1
)和(x
n2
,y
n2
)间的距离其中(x
n1
,y
n1
)和(x
n2
,y
n2
)分别为1号节点和2号节点的坐标；当两个全局拓扑节点间的距离小于等于最小可达距离h时认为满足建边条件，本实施例中h取值为20个像素单元；建立满足建边条件下的每两个全局拓扑节点间的拓扑关系，生成最终的环境拓扑地图。拓扑关系包括单向、双向的通行关系。
[0075]
实施例二
[0076]
如图4所示，本发明还公开了一种多机器人路径规划方法，在已知各机器人任务的起始点的情况下，基于环境拓扑地图，利用改进型a*算法进行全局路径点规划，包括：
[0077]
s1：通过激光传感器实时感知多机器人的动态作业场景中的周围环境信息，使用实施例一中所述的基于图像滤波的地图构建方法构建环境拓扑地图。
[0078]
s2：设置多机器人的起始点集合和目标点集合。
[0079]
s3：在a*算法的基础上结合通行代价值进行多机器人的全局路径规划，得到各机器人的全局路径节点序列。
[0080]
使用a*算法进行多机器人的全局路径规划时，各点的代价函数的计算公式为：
[0081]
f(p)＝g(p)+h(p)+w(p)，
[0082]
其中，f(p)为第p个点的代价函数，p表示路径规划时的下一跳节点；g(p)表示由起点到p节点的代价值，h(p)表示由p节点到目标点的启发价值；w(p)表示由当前节点到p节点的节点通行价值。本发明在传统a*算法的基础上添加了个节点的通行代价值w(p)，数值等于节点间边的权重，可以衡量这个节点的占用情况，如当该节点出现占用时，该节点的入边权重都会适当的提高，来避免后期路径规划时，再次选取改点。通过对节点入边和出边权重的更新，来在全局路径规划节点，缓解多机器人的路径重合和冲突问题。该动态a*多路径规划算法的流程。
[0083]
实施例三
[0084]
本发明还公开了一种基于图像滤波的地图构建系统，包括初始全局栅格地图构建模块、全局拓扑节点处理模块和环境拓扑地图构建模块。
[0085]
初始全局栅格地图构建模块，用于使用即时定位与地图构建技术构建初始全局栅格地图并进行预处理。全局拓扑节点处理模块，用于使用图像滤波在预处理后的全局栅格地图上生成全局拓扑节点，对所述全局拓扑节点进行稀疏化处理。环境拓扑地图构建模块，用于通过比对节点的位置和状态信息建立稀疏化处理后的全局拓扑节点的拓扑关系，生成最终的环境拓扑地图。
[0086]
本发明相较于现有技术的优点有：
[0087]
1、本发明通过slam技术实现对环境栅格地图的构建，在此基础上通过图像滤波实现栅格地图的离散拓扑化，基于机器人的尺寸信息对栅格地图中可行区域进行智能化的识别和筛选，生成自由拓扑节点并构建环境拓扑地图。在该环境拓扑地图下，可以满足多移动机器人复杂动态场景作业时的自主导航需求，安全有序性好且实时性高，能够推广应用于不同复杂动态场景中多移动机器人的路径规划问题。
[0088]
2、构建的环境拓扑地图高度离散化的环境拓扑地图，可以为同一空间下多移动机器人在复杂动态场景作业时的自主导航功提供基础，提高全局路径规划的效率。
[0089]
3、在本发明构建的环境拓扑地图的基础上，结合a*算法和通行代价值进行多机器人的全局路径规划，输入起始点和目标点集合进行多条全局路径的自动规划，规划过程对占用节点的入边权重进行动态更新，可以缓解多机器人下的全局路径重合和冲突问题。
[0090]
为了进一步说明本发明的有益效果，本实施例中在同一个全局拓扑地图中，分别使用传统a*算法和本发明中的改进a*算法的多机器人路径规划方法(以下简称modifieda*算法)进行多机器人全局路径规划，结果在图5和图6中所示。分别用两种方法给5个机器人规划了全局路径，其中各条路径间的重合节点可以将其定义为路径的无价值重合点，如图5和图6中虚线部分。路径无价值重合点的数量在一定程度上反应了全局路径规划之间的重合情况，可以较好的衡量其在多机器人全局路径规划方面的效果。从图5和图6对比可以发现，modifieda*算法利用富余的拓扑节点，对已经占用节点的入边权重进行更新，使得其后规划的路径尽量地避免产生重合节点。从图5和图6对比可以发现，消除了路径a和路径b的重合节点，路径d和路径e间重合节点的数量也得到了显著的减少。
[0091]
如图7所示，在同一张拓扑地图上将传统a*算法和本发明中的改进a*算法的多机器人路径规划方法进行比较，可以发现随着环境中机器人数量的增加，全局路径发生无价值路径重合的次数显著的上升，这是因为环境内的拓扑节点的数量是一定的，当机器人的数量增加时，全局路径也就随之增加，这样，在整体节点数量不变的情况下，空闲的节点也
就逐渐减少，因此各条路径间会不可避免的产生重合节点。但是，通过图7中的对比可以发现，尽管不能完全消除路径间的无价值重合点，但是本发明整体上存在的路径重合点是少于传统a*算法的，可以减轻后期机器人的路径冲突问题。
[0092]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0093]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0094]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0095]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0096]
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

技术特征：
1.一种基于图像滤波的地图构建方法，其特征在于，包括：使用即时定位与地图构建技术构建初始全局栅格地图并进行预处理，使用图像滤波在预处理后的全局栅格地图上生成全局拓扑节点，对所述全局拓扑节点进行稀疏化处理；通过比对节点的位置和状态信息建立稀疏化处理后的全局拓扑节点的拓扑关系，生成最终的环境拓扑地图。2.根据权利要求1所述的基于图像滤波的地图构建方法，其特征在于：所述预处理，包括对所述初始全局栅格地图进行二值化处理和边缘毛刺优化处理。3.根据权利要求2所述的基于图像滤波的地图构建方法，其特征在于：所述边缘毛刺优化处理为使用中值滤波。4.根据权利要求1所述的基于图像滤波的地图构建方法，其特征在于：所述使用图像滤波在预处理后的全局栅格地图上生成全局拓扑节点，具体为：获取在场景中移动的机器人的尺寸，根据机器人的尺寸在栅格地图中生成可行点；以所述可行点为中心，机器人的尺寸为半径生成全局拓扑节点。5.根据权利要求4所述的基于图像滤波的地图构建方法，其特征在于：所述根据机器人的尺寸在栅格地图中生成可行点，具体为：根据机器人的尺寸构建滤波模板τ为：其中，ψ为机器人的尺寸，res为栅格地图的分辨率，n为自然整数；根据所述滤波模板τ计算可行点指数γ(x，y)为：其中，a＝(τ-1)/2，k(i,j)为滤波模板元素，f(x+i,y+j)为原始图像元素，i、j为滤波计算过程中元素在平面两个方向上的相对坐标；当可行点指数γ(x，y)小于预设阈值的所有点作为可行点。6.根据权利要求1所述的基于图像滤波的地图构建方法，其特征在于：对所述全局拓扑节点进行稀疏化处理，具体为：步骤1：获取所有全局拓扑节点的中心节点作为节点列表l1；步骤2：计算节点列表l1中的1号节点和2号节点的横坐标差值，当横坐标差值小于预设阈值dist
min
时删除2号节点；读取l1中下一号节点作为2号节点，重新计算1号节点和2号节点的横坐标差值，当横坐标差值大于预设阈值dist
min
时将2号节点赋值为1号节点，读取l1中的下一号节点作为新的2号节点；步骤3：当1号和2号节点的行坐标发生变化时，将2号节点赋值为1号节点，读取l1中的下一个节点为新的2号节点；步骤4：重复执行步骤2-步骤3至遍历完l1中的所有节点，将此时得到的节点序列对应的全局拓扑节点作为稀疏化处理后的全局拓扑节点。7.根据权利要求1-6任一项所述的基于图像滤波的地图构建方法，其特征在于：所述通
过比对节点的位置和状态信息建立稀疏化处理后的全局拓扑节点的拓扑关系，具体为：计算稀疏化处理后的每两个全局拓扑节点间的距离，当两个全局拓扑节点间的距离小于等于最小可达距离h时认为满足建边条件；建立满足建边条件下的每两个全局拓扑节点间的拓扑关系，生成最终的环境拓扑地图。8.一种多机器人路径规划方法，其特征在于，包括：通过激光传感器实时感知多机器人的动态作业场景中的周围环境信息，使用权利要求1-7中任一项所述的基于图像滤波的地图构建方法构建环境拓扑地图；设置多机器人的起始点集合和目标点集合，在a*算法的基础上结合通行代价值进行多机器人的全局路径规划，得到各机器人的全局路径节点序列。9.根据权利要求8所述的多机器人路径规划方法，其特征在于：所述在a*算法的基础上结合通行代价值进行多机器人的全局路径规划，具体为：使用a*算法进行多机器人的全局路径规划时，各点的代价函数的计算公式为：f(p)＝g(p)+h(p)+w(p)，其中，f(p)为第p个点的代价函数，p表示路径规划时的下一跳节点；g(p)表示由起点到p节点的代价值，h(p)表示由p节点到目标点的启发价值；w(p)表示由当前节点到p节点的节点通行价值。10.一种基于图像滤波的地图构建系统，其特征在于，包括：初始全局栅格地图构建模块，用于使用即时定位与地图构建技术构建初始全局栅格地图并进行预处理；全局拓扑节点处理模块，用于使用图像滤波在预处理后的全局栅格地图上生成全局拓扑节点，对所述全局拓扑节点进行稀疏化处理；环境拓扑地图构建模块，用于通过比对节点的位置和状态信息建立稀疏化处理后的全局拓扑节点的拓扑关系，生成最终的环境拓扑地图。

技术总结
本发明涉及移动机器人智能控制领域，公开一种基于图像滤波的地图构建方法和多机器人路径规划方法，包括：使用即时定位与地图构建技术构建初始全局栅格地图并进行预处理，使用图像滤波在预处理后的全局栅格地图上生成全局拓扑节点，对全局拓扑节点进行稀疏化处理；通过比对节点的位置和状态信息建立稀疏化处理后的全局拓扑节点的拓扑关系，生成最终的环境拓扑地图；设置多机器人的起始点集合和目标点集合，在A*算法的基础上结合通行代价值进行多机器人的全局路径规划。本发明可以实现栅格地图的离散拓扑化、满足多移动机器人复杂动态场景作业时的自主导航需、缓解多机器人下的全局路径重合和冲突问题。局路径重合和冲突问题。局路径重合和冲突问题。


技术研发人员：赵威威 林睿
受保护的技术使用者：苏州大学
技术研发日：2023.04.21
技术公布日：2023/8/22