本發(fā)明涉及一種機器人導(dǎo)航技術(shù)領(lǐng)域的方法，具體是一種機器人環(huán)境拓撲地圖的構(gòu)建方法。

背景技術(shù)：

近些年來，隨著機器人學(xué)科的不斷發(fā)展，使得機器人進入家庭成為了可能，典型的例子是掃地機器人價格越來越便宜而其實用性也越來越強，因為被人們廣泛的關(guān)注，研究者的重點也逐漸轉(zhuǎn)向未知環(huán)境下自主移動機器人的定位與導(dǎo)航。

機器人在室內(nèi)環(huán)境中的定位與導(dǎo)航需要活動空間的環(huán)境作為前提，精確的地圖表示和創(chuàng)建成為機器人自主移動的關(guān)鍵技術(shù)，同時也是完成其他室內(nèi)任務(wù)的基礎(chǔ)。地圖的表示方式大概可分為3類：柵格地圖、幾何地圖和拓撲地圖。柵格法將整個環(huán)境分為若干相同大小的柵格，對于每個柵格指出其中是否存在障礙物，該方法已經(jīng)在許多機器人系統(tǒng)中得到應(yīng)用，是較為成功的一種方法，但是當(dāng)柵格數(shù)量增大時(在大規(guī)模環(huán)境或?qū)Νh(huán)境劃分比較詳細時)，對于地圖的維護所需要占用的內(nèi)存和CPU時間迅速增長，使計算機的實時處理變得很慢；幾何地圖是基于幾何特征的地圖表示方法，指機器人收集環(huán)境的感知信息，從中提取更為抽象的幾何特征，例如線段或曲線，使用這些幾何信息描述環(huán)境，幾何地圖用一個更簡潔的方法表示環(huán)境，但是對于非常復(fù)雜的環(huán)境就難以表示；拓撲地圖也是一種緊湊的地圖表示方法，特別在環(huán)境大而簡單時，這種方法將環(huán)境表示為一張拓撲圖，圖中的節(jié)點對應(yīng)于環(huán)境中的一個特征狀態(tài)、地點(由感知決定)，如果節(jié)點間存在直接連接的路徑相當(dāng)于圖中連接的弧，這種表示方法可以實現(xiàn)快速的路徑規(guī)劃。

1982年，Kohonen建立了Kohonen模型，叫做自組織特征圖(Self-Organzing Maps)，簡稱SOM圖。SOM圖如同生物神經(jīng)系統(tǒng)大腦皮質(zhì)中的有序特征，具有自組織的拓撲特征映射功能，能自組織的形成反應(yīng)輸入空間數(shù)據(jù)的拓撲結(jié)構(gòu)，自組織的對輸入空間的數(shù)據(jù)集或輸入空間維數(shù)進行壓縮。

本發(fā)明首先運用SOM圖構(gòu)建室內(nèi)環(huán)境初步的拓撲地圖，然后確定障礙物中的SOM圖神經(jīng)元和SOM神經(jīng)元之間連線穿過障礙物的線段，最后刪除這些多余的SOM神經(jīng)元和線段得到表征該環(huán)境的拓撲地圖。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種環(huán)境拓撲地圖構(gòu)建方法，使得室內(nèi)移動機器人導(dǎo)航的變得更加簡單和高效。

本發(fā)明采用如下技術(shù)方案：

一種環(huán)境拓撲地圖的構(gòu)建方法，實現(xiàn)該構(gòu)建方法的室內(nèi)移動機器人帶有測距傳感器，室內(nèi)移動機器人主體上安裝有室內(nèi)GPS系統(tǒng)，通過室內(nèi)GPS系統(tǒng)能夠?qū)崟r獲取室內(nèi)移動機器人的室內(nèi)位置信息。該方法具體包括如下步驟。

步驟A，編寫室內(nèi)移動機器人閑逛的程序，當(dāng)室內(nèi)移動機器人距離障礙物距離大于d時，室內(nèi)移動機器人向前走；當(dāng)室內(nèi)移動機器人距離障礙物距離小于或等于d時，室內(nèi)移動機器人向左或向右轉(zhuǎn)動一定角度以避開障礙物。在室內(nèi)移動機器人在閑逛過程中，每隔一定試件的采樣間隔，獲取室內(nèi)移動機器人的室內(nèi)位置坐標(biāo)。室內(nèi)移動機器人與障礙物之間的預(yù)設(shè)距離信息。

步驟B，設(shè)置SOM圖橫縱神經(jīng)元數(shù)分別為m、n，運用步驟A采集的室內(nèi)位置坐標(biāo)對SOM圖進行訓(xùn)練，進行若干次迭代，直到SOM圖結(jié)構(gòu)不發(fā)生變化時停止訓(xùn)練。

步驟C，給定閾值DistSumThre，計算每個神經(jīng)元與周圍神經(jīng)元的歐式距離之和Dist，當(dāng)Dist＞DistSumThre時，則記錄該神經(jīng)元為可疑神經(jīng)元。

步驟D，給定閾值DistNeuronSampleThre，對于每個可疑神經(jīng)元，計算該神經(jīng)元與每個樣本的歐式距離DistNeuronSample，記神經(jīng)元與樣本的歐式距離最小值為min(DistNeuronSample)，若min(DistNeuronSample)＞DistNeuronSampleThre時，則記錄該神經(jīng)元為障礙物中的神經(jīng)元，此時可疑神經(jīng)元集合為去掉障礙物神經(jīng)元的集合。

步驟E，給定閾值DistLineThre，對于每個可疑神經(jīng)元，計算該神經(jīng)元與其周圍神經(jīng)元的距離DistLine，若發(fā)現(xiàn)其與周圍某個神經(jīng)元的距離DistLine＞DistLineThre，則記錄該神經(jīng)元與周圍的某個神經(jīng)元的連線為穿越障礙物的線段。

步驟F，通過上面的步驟，確定了障礙物中的神經(jīng)元集合和穿越障礙物線段的集合。在繪制室內(nèi)拓撲地圖時，刪除障礙物中神經(jīng)元及其與周圍神經(jīng)元連線，刪除穿越障礙物的線段即得到準(zhǔn)確度更高的環(huán)境拓撲地圖。

通過本發(fā)明提供的技術(shù)方案可以看出，本發(fā)明表示的環(huán)境拓撲地圖記錄了障礙物中的神經(jīng)元和穿越障礙物線段，在機器人導(dǎo)航進行路徑規(guī)劃時更加準(zhǔn)確。

附圖說明

圖1一種環(huán)境拓撲地圖的構(gòu)建方法的流程圖

圖2室內(nèi)環(huán)境示意圖；

圖3機器人采集的樣本點集合；

圖4初步的拓撲地圖；

圖5最終的拓撲圖；

圖6加上桌子和墻以后的效果圖

圖中：1、桌子，2、墻，3、采集的樣本點，4、神經(jīng)元，5、神經(jīng)元與神經(jīng)元之間連接的線段。

具體實施方式

下面結(jié)合附圖和具體實施方式對于本發(fā)明作進一步的說明。

如圖1所示，一種環(huán)境拓撲地圖的構(gòu)建方法流程圖，室內(nèi)移動機器人首先在室內(nèi)閑逛，每隔一定采樣時間獲得機器人的位置坐標(biāo)，得到位置坐標(biāo)點的集合；接著運用這些位置坐標(biāo)點對SOM算法進行訓(xùn)練，得到初步表征環(huán)境的拓撲圖；最后找到不合適的神經(jīng)元和線段，即在障礙物中的神經(jīng)元以及穿越障礙物的線段，去掉不合適的神經(jīng)元和線段就可以得到最終的環(huán)境拓撲地圖。

圖2為環(huán)境示意圖，黑色區(qū)域為障礙物區(qū)域，為機器人不可達區(qū)域。

步驟A，機器人閑逛階段，當(dāng)室內(nèi)移動機器人距離障礙物距離大于d時，機器人向前走；當(dāng)機器人距離障礙物距離小于或等于d時，機器人向左或向右轉(zhuǎn)動一定角度以避開障礙物。在機器人閑逛過程中，每隔一定的采樣間隔，獲取機器人的位置坐標(biāo)。讓機器人閑逛足夠的時間以便使其遍歷整個室內(nèi)，最后得到位置坐標(biāo)集合如圖3所示。

步驟B，運用位置坐標(biāo)訓(xùn)練SOM神經(jīng)元階段，設(shè)置SOM圖橫縱神經(jīng)元數(shù)m，n，進行若干次迭代，直到SOM圖結(jié)構(gòu)不發(fā)生變化時停止訓(xùn)練。訓(xùn)練好的SOM圖如圖4所示，圖中點代表SOM神經(jīng)元4，線段為相鄰的神經(jīng)元與神經(jīng)元連接線段5，神經(jīng)元在圖中的位置由其前饋權(quán)值決定，SOM神經(jīng)元4為機器人可以到達的點，相鄰的神經(jīng)元與神經(jīng)元連接線段5為機器人可以循跡的線，從圖中可以看出該圖可以初步表征環(huán)境的拓撲結(jié)構(gòu)，但是障礙物中存在神經(jīng)元為機器人不可達點，穿越了障礙物的線段為機器人不可循跡的線。

關(guān)于SOM算法的詳細介紹請參閱Kohonen T.The self-organizing map[J].Neurocomputing，1998，21(1–3):1-6.

步驟C，給定閾值DistSumThre，計算每個神經(jīng)元與周圍神經(jīng)元的歐式距離之和Dist，當(dāng)Dist＞DistSumThre時，則記錄該神經(jīng)元為可疑神經(jīng)元NS_n?？梢缮窠?jīng)元集合為NSSum＝{NS₁，NS₂，…，NS_n}。

步驟D，給定閾值DistNeuronSampleThre，對于每個可疑神經(jīng)元，計算該神經(jīng)元與每個樣本的歐式距離DistNeuronSample，記神經(jīng)元與樣本的歐式距離最小值為min(DistNeuronSample)，若min(DistNeuronSample)＞DistNeuronSampleThre時，則記錄該神經(jīng)元為障礙物中的神經(jīng)元NSO_m。障礙物中的神經(jīng)元集合即為NSOSum＝{NSO₁，NSO₂，…，NSO_m}。此時可疑神經(jīng)元集合NSSum＝NSSum-NSOSum。

步驟E，給定閾值DistLineThre，在可以神經(jīng)元集合NSSum中，對于每個可疑神經(jīng)元，計算該神經(jīng)元與其周圍神經(jīng)元的距離DistLine，若發(fā)現(xiàn)其與周圍某個神經(jīng)元的距離DistLine＞DistLineThre，則記錄該神經(jīng)元與周圍的某個神經(jīng)元的連線為穿越障礙物的線段，記錄該神經(jīng)元NSL_i，并記錄該神經(jīng)元與周圍第j神經(jīng)元連線的歐式距離大于DistLineThre，記錄該神經(jīng)元和線段為<NSL_i，j>，穿越障礙物的線段集合為NSLSum＝{<NSL₁，j₁>，<NSL₂，j₂>，…，<NSL_p，j_p>}。

步驟F，通過上面的步驟，確定了障礙物中的神經(jīng)元集合NSOSum和穿越障礙物線段的集合NSLSum。在繪制室內(nèi)拓撲地圖時，刪除障礙物中神經(jīng)元及其與周圍神經(jīng)元連線，刪除穿越障礙物的線段即可得到準(zhǔn)確度更高的環(huán)境拓撲地圖如圖5所示。

加上桌子和墻以后的效果圖如圖6所示。可以看出，該拓撲圖能夠很好的表征環(huán)境信息，為機器人導(dǎo)航進行路徑規(guī)劃提供了更加準(zhǔn)確的地圖。

最后要說明的是：以上實施例僅用于說明本發(fā)明而并非限制本發(fā)明所描述的技術(shù)方案；因此盡管本說明書參照上述實施例已經(jīng)進行了詳細的說明，但是，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，仍然可以對本發(fā)明進行修改或等同替換；而一切不脫離發(fā)明精神和范圍的技術(shù)方案及其改進，均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。