机器人使用点云构建曲面地图的方法、芯片及机器人

技术领域

本发明涉及导航地图的技术领域，特别是机器人使用点云构建曲面地图的方法、芯片及机器人。

背景技术

针对二维地面运动的机器人，对于一些颠簸的地面例如室内外崎岖不平的地面，造成的颠簸确实会导致激光雷达测量受到影响，导致激光雷达采集的点云非常容易失效，若通过对地面点云进行平面拟合、或逐个遍历所有已知和未知区域点云、或沿着固定的道路中心线进行小范围的点云拟合，则得到的栅格地图内每个栅格不一定描述出符合机器人实际探测的地面特征，还容易引起不可恢复的建图错误，不适用于快速变化的环境和高效的探索任务。

发明内容

本申请公开机器人使用点云构建曲面地图的方法、芯片及机器人，具体的技术方案如下：

机器人使用点云构建曲面地图的方法，包括：步骤S1、机器人通过装配的测距传感器扫描出周围环境的深度点云；步骤S2、机器人从扫描出的深度点云中提取轮廓点，轮廓点是位于测距传感器扫描的区域的边缘位置处；步骤S3、机器人以预设步长从轮廓点中采样出目标点，再采用多项式插值法来将各个目标点拟合得到导航拟合曲线；步骤S4、机器人将与至少三倍机身宽度等宽的线段沿着导航拟合曲线滑动，形成曲面移动面，以使曲面移动面包围机器人移动轨迹；其中，与至少三倍机身宽度等宽的线段在滑动过程中保持与导航拟合曲线的延伸方向相垂直；步骤S5、机器人将曲面移动面划分为多个栅格，并确定各个栅格被占用的概率，生成曲面地图，以反映出各个栅格被障碍物占用的概率。

进一步地，在步骤S3中，机器人采样出的相邻两个目标点之间的距离是所述预设步长；所有相邻的两个目标点都采用多项式插值法依次计算获得一条代表插值结果的导航拟合曲线，其中，多项式插值法进行曲线插值所需的阶数是小于数值7。

进一步地，若机器人的移动方向的左右两侧分别采样出目标点，则在目标点最多的一侧采用多项式插值法来拟合出所述导航拟合曲线。

进一步地，落入每个栅格的深度点云的数量与栅格边长成正比；所述曲面移动面的厚度使用围成所述曲面移动面的线段的粗细表示；组成所述曲面移动面的线段越细，对所述测距传感器扫描的区域的边缘位置的定位精度越高。

进一步地，步骤S5还包括：在扫描出的深度点云中，若存在多个障碍物点沿着同一机体高度方向分布，则剔除高度大于或等于预设机体高度阈值的障碍物点，再将剩余的障碍物点落入对应栅格的概率更新到所述曲面地图的对应栅格中；其中，沿着同一机体高度方向分布的多个障碍物点占用同一栅格；其中，深度点云包括障碍物点；位于测距传感器扫描的区域的边缘位置处的障碍物点是所述轮廓点；障碍物点的高度是障碍物点与所述曲面移动面之间的垂直高度差；其中，机器人的最大越障角度的正弦值与机器人的机身宽度的乘积等于所述预设机体高度阈值。

进一步地，在步骤S5中，确定各个栅格被占用的概率的方法包括：确定深度点云中的任意一个点云点；确定该点云点所占用的匹配栅格以及该点云点在匹配栅格所产生的落入概率；在所述剩余的障碍物点当中，依次控制占用同一匹配栅格的障碍物点的落入概率相加，得到各个匹配栅格的预占用概率；对于各个匹配栅格，分别为同一个匹配栅格当前得到的预占用概率与同一个匹配栅格在上一时刻得到的被占用概率对应的权重，加权得到一个和值，再将该和值设置为匹配栅格当前得到的被占用概率，确定出匹配栅格被占用的概率；同一个匹配栅格当前得到的预占用概率分配到的权重大于同一个匹配栅格在上一时刻得到的占用概率分配到的权重。

进一步地，所述曲面移动面内存在一待遍历区域，待遍历区域被划分为若干个相同大小的栅格；待遍历区域是位于测距传感器的扫描区域内的矩形平面区域。

进一步地，每当机器人在行走面移动到预先扫描出的一个轮廓点，继续扫描出新区域的深度点云，再重新执行步骤S2至步骤S5以形成新的曲面移动面及其对应的曲面地图，并将对应的曲面地图添加到上一次执行步骤S5生成的曲面地图中；其中，行走面是机器人所在的地面，所述曲面移动面用于在测距传感器的扫描区域内，反映行走面在空间中的地形特征。

一种芯片，该芯片被配置为控制机器人执行所述的方法。

一种机器人，机器人装配有测距传感器和所述芯片。

本申请的技术效果在于：

与现有技术相比，机器人使用目标点拟合出导航拟合曲线，并使用与至少三倍机身宽度等宽的线段滑动的手段，构成曲面移动面，确定出测距传感器扫描的区域范围形状；从而通过边缘位置的点云分布特征来描述机器人的行走面整体变化特征，实现依据机器人的行走面的曲面拟合结果赋予相应曲面上划分出的栅格被占用的概率，提高所构建起的曲面地图的准确性。另一方面，本申请在构成曲面移动面的过程中不需要遍历所有点云，只需要遍历测距传感器扫描的区域边缘位置上的点云即可，不要求机器人在其两侧采集的轮廓线都是平行，也不要求行走面存在中心线，但强调边缘位置上的点云变化带来的反馈效果，节约计算量，也在描述出符合地面曲线起伏特征的前提下提高计算效率。

在曲面地图内确定每个栅格被障碍物点占用的概率是剔除过高的障碍物点后，按照同一栅格内落入的剩余障碍物点的落入概率进行累加，以在同一栅格内获得一次预占用概率值，而不是直接使用所有深度点云，提高所述曲面移动面占用的栅格的准确性。对于各个栅格的被占用概率值，使用相邻两次得到的预占用概率进行加权求和，得到该栅格当前得到的被占用概率，能够利用权重调整预占用概率以使该栅格当前得到的被占用概率侧重于实时反映点云的变化情况（既考虑先验概率（上一时刻得到的被占用概率）的影响，又考虑当前扫描区域的点云情况），使得对应构建起的曲面地图每个栅格的被占用概率的准确性会提高。

附图说明

图1是本申请的一实施例公开机器人在凹凸不平的行走面采集并获取曲面地图的示意图。

图2是本申请的一实施例公开机器人使用点云构建曲面地图的方法的流程图。

实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行详细描述。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。

可以理解的是，机器人在自主移动的过程中，会将行走地面设置为平面道路，基于激光传感器获取到的地面点云则拟合为平面路面，平面路面可以被划分成多个栅格，根据激光传感器扫描到的障碍物点云确定每个栅格被障碍物占据的概率，将每个栅格被障碍物占据的概率映射至平面路面相应的栅格上，得到平面占据栅格地图。

在图1所示的行走场景下，由于实际路面不是平面，因此在将路面拟合成平面道路得到的平面占据栅格地图并不准确，例如还有可能存在将上坡的道路误判为障碍物的情况（图1的行走面L右端的上坡部分密集分布的点云被误判）、存在将下坡的路面误判为自由可行驶的平面区域的情况（图1的行走面L的两堆点云之间的下坡部分，没被激光线扫描到）。针对相应移动场景，现有技术水平下的机器人仍优先将路面假设为平面路面或是沿着固定的道路中心线拟合出曲面行驶平面，没有使用边缘点进行更有效范围内的地形面拟合；而且在确定每个栅格被障碍物占据的概率时使用了机体附近区域内的栅格，使得的栅格地图计算量仍比较大。

为了克服前述相关问题，本申请公开机器人使用点云构建曲面地图的方法，依据传感器扫描区域的边缘位置处的点云生成曲面地图，以提高栅格地图使用概率表示曲面路面的全面性和准确性。下面采用图1和图2对机器人使用点云构建曲面地图的方法进行说明。机器人使用点云构建曲面地图的方法的执行主体是机器人或机器人内部的构建栅格地图的控制器。

作为一种实施例，如图2所示，所述方法包括：

步骤S1、机器人通过装配的测距传感器扫描出周围环境的深度点云；其中，本实施例的测距传感器可以为飞行时间(time of flight，TOF)传感器、或者激光雷达，激光雷达可为旋转激光雷达或固态激光雷达。测距传感器可搭载在机器人的机体上以获取机器人周围环境的点云，由于会获取到点的深度信息，所以测距传感器扫描出的点云记为深度点云；机器人可以为应用于室内外的清洁机器人、巡逻安保机器人、货物搬运机器人等。这里的周围环境是位于测距传感器的扫描范围内，存在边缘位置。

步骤S2、机器人从扫描出的深度点云中提取轮廓点，轮廓点是位于测距传感器扫描的区域的边缘位置处；轮廓点与机器人的机体中心之间的距离不作限制，而且，轮廓点在机器人开始新的一次移动之前就从步骤S1提取出来。深度点云包括障碍物点，但障碍物点不一定是轮廓点；机器人每移动到一个新的位置，则基于测距传感器的扫描半径确定一个有效的扫描范围及其边缘位置，以扫描出新的区域的轮廓，也包括新的区域内被扫描的物体的轮廓。

步骤S3、机器人以预设步长从轮廓点中采样出目标点，再采用多项式插值法来将各个目标点拟合得到导航拟合曲线；在步骤S2提取出的轮廓点当中按照一定的分布间隔采样出目标点，机器人在采样出目标点的过程中不发生移动以保证在同一区域范围内的轮廓点中采样目标点，不需要使用所有的轮廓点进行多项式插值，减少多项式插值法所需的控制点数量，大幅度减少拟合计算量。

当然，拟合得到导航拟合曲线不一定代表机器人的行走面的轮廓线，也不一定代表机器人的移动方向，但反映测距传感器扫描的区域边缘位置上的点云的分布情况并能够以较少数量的点指示机器人的行走面的起伏变化特征，而且机器人移动时，提取出的轮廓点也变化，采样出的目标点也随之变化，然后引起导航拟合曲线变化，包括曲率、延伸方向、长度等属性会发生变化。

步骤S4、机器人将与至少三倍机身宽度等宽的线段沿着导航拟合曲线滑动，形成曲面移动面，以使曲面移动面包围机器人移动轨迹；其中，与至少三倍机身宽度等宽的线段在滑动过程中保持与导航拟合曲线的延伸方向相垂直；三倍机身宽度优选为大于或等于测距传感器的最大扫描距离；与至少三倍机身宽度等宽的线段从导航拟合曲线的第一端沿着其延伸方向滑动至导航拟合曲线的第二端，得到所述曲面移动面，如图1所示，线段AC从端点A开始沿着曲线AB的延伸方向滑动到端点B，由该线段AC覆盖过的曲面区域是所述曲面移动面；从而模拟为机器人沿着导航拟合曲线移动过程中机体覆盖的地形面，包括机器人外部的障碍物占据区域、自由通行区域、未知区域，从而在一些实施情形下具备地图所需表示的各种不同位置状态元素，因此，本实施例通过设置与至少三倍机身宽度等宽的线段来让曲面移动面的覆盖尺寸扩展为包围机器人移动轨迹、以及机器人的完整机体轮廓，并能够兼顾到可以标记到同一曲面地图内的障碍物占据区域、自由通行区域、以及未知区域。

步骤S5、机器人将曲面移动面划分为多个栅格，并确定各个栅格被占用的概率，生成曲面地图，以反映出各个栅格被障碍物占用的概率，即被占用的概率。在一种具体的实现中，曲面移动面被划分成多个栅格，根据测距传感器对其有效扫描区域的深度点云，确定每个栅格被障碍物（视为被障碍物点，即标记障碍物的点云点）占用的概率，将每个栅格被障碍物占用的概率映射至曲面移动面中相应的栅格上，得到所述曲面地图。

在步骤S4形成的曲面移动面中，可以根据障碍物点确定各个栅格被占用的概率，包括需要累加处理的落入概率（单个点云点落入对应栅格的概率）；其中，求取各个栅格被占用的概率的方法可参照目前通用方法，在此对概率值的计算不再赘述。所述曲面移动面不一定划分成多个大小相同的栅格；优选地，所述曲面移动面内存在一待遍历区域，待遍历区域被划分为若干个相同大小的栅格；待遍历区域是位于测距传感器的扫描区域内的矩形平面区域，从而曲面移动面内设置部分平行于水平地面的栅格区域划分出多个大小相同的栅格。

所述曲面移动面中存在视觉投影上大小不同的栅格是因为所述曲面移动面当中的曲面部分造成的。在具体实现中，所述曲面移动面的长度是基于测距传感器的扫描范围确定，例如，大于测距传感器的最大扫描距离；为了完整地在曲面地图内表示所述测距传感器扫描的区域的边缘位置处的点云，本实施例将测距传感器扫描的区域设置为小于所述曲面移动面的覆盖区域，使所述曲面移动面覆盖部分未知区域，此时可以使用概率值描述各个栅格的状态，从而让标记各种类型信息（包括环境信息和概率信息）的栅格沿着所述导航拟合曲线分布在所述曲面移动面上，即分布在所述曲面地图上，不会将存在坡度的部分曲面区域赋予与障碍物点落入/占用栅格的概率相等的落入概率（后续累加为被障碍物占用的概率），则不会将扫描的上坡行走面标记为障碍物占据区域，也不会将扫描的下坡行走面标记为自由通行区域，从而通过曲面地图中栅格被占用的概率描述出符合机器人实际扫描的地面特征。

在一些实施例中，所述曲面移动面的宽度可以使用图1的线段AC的长度表示，是大于或等于三倍机身宽度，线段AC在一些实施方式是平行于机器人的轮轴线；曲面移动面的长度可以使用图1的线段AB的长度表示，等于所述导航拟合曲线的长度，线段AB在一些实施方式中表示机器人在移动方向上的距离跨度。进而，本实施例使用所述曲面移动面模拟图1当中依次连接的上坡行走面（图1的行走面L右端的上坡部分，且密集分布点云）和下坡行走面（图1的行走面L的两堆点云之间的下坡部分，没被激光线扫描到），则在步骤S5中所述曲面移动面的栅格视为填充入地面点云，而不是障碍物点云，地面点云属于所述深度点云，地面点云中位于测距传感器扫描的区域的边缘位置的点是所述轮廓点，提高曲面地图的栅格被障碍物占用的准确性；具备可视化显示和误判检查的基础。

综合步骤S1至步骤S5 可知，机器人使用目标点拟合出导航拟合曲线，并使用与至少三倍机身宽度等宽的线段滑动的手段，构成曲面移动面，确定出测距传感器扫描的区域范围形状；从而通过边缘位置的点云分布特征来描述机器人的行走面整体地形特征，实现依据机器人的行走面的曲面拟合结果赋予相应曲面上划分出的栅格被占用的概率，提高所构建起的曲面地图的准确性。另一方面，本申请在构成曲面移动面的过程中不需要遍历所有点云，只需要遍历测距传感器扫描的区域边缘位置上的点云即可，不要求机器人在其两侧采集的轮廓线都是平行，也不要求行走面存在中心线，但强调边缘位置上的点云分布情况带来的反馈效果，节约计算量，也在使用被占用的概率来描述出符合地面曲线起伏特征的前提下提高计算效率。

作为一种实施例，在步骤S3中，机器人采样出的相邻两个目标点之间的距离是所述预设步长，相邻两个目标点可以是机器人按照既定的插值方向进行等间距采样获得；相邻两个目标点的连线的延伸方向与机器人的移动方向无关，相邻两个目标点之间还可以存在其它轮廓点，为了进行较少阶数的曲线插值，本实施例专门设置预设步长来从有限数量个轮廓点中采样出目标点；而且，机器人以预设步长从轮廓点中采样出目标点是在机器人发生新的一次移动之前实施，以保证采集稳定的目标点。

在本实施例中，所有相邻的两个目标点都采用多项式插值法依次计算获得一条代表插值结果的导航拟合曲线，其中，多项式插值法进行曲线插值所需的阶数是小于数值7，本实施例采用的多项式插值法可以是M项式曲线插值，其中，M为小于2的整数，比如，M＝3或5，以减少插值数量和计算资源。而且，可以通过增加插值的目标点来把精度提高到到重建机器人的行走面的坡度变化形态的目的，也让拟合出来的导航拟合曲线更加光滑。本实施例通过采用多项式插值法对各个目标点进行拟合计算，获得导航拟合曲线，达到优化轮廓点连线的目的，但不一定将导航拟合曲线拟合为机器人的行走面的固定几何关系处的路线或轮廓线，使其对快速变化的环境有较好的适应性。

机器人提取到的轮廓点沿着行走面分布的示意图如图1中的离散点所示，通过执行步骤S2和步骤S3可以将图1的行走面L右侧的一个凹面两端的轮廓点拟合为导航拟合曲线AB，具体是先按照预设步长从图1的离散点采样出目标点（图中未表示出来），再采用多项式插值法来将各个目标点拟合得到导航拟合曲线AB，以构成所述曲面地图当中的必要构成元素,即曲线AB和线段BC构成曲面地图的轮廓线。

优选地，测距传感器可以是支持旋转扫描的激光雷达的情况下，若机器人的移动方向的左右两侧分别采样出目标点，则在目标点最多的一侧采用前述实施例的多项式插值法来拟合出所述导航拟合曲线。这里的目标点最多的一侧可能设置较多的障碍物或轮廓面较长的障碍物或行走面的轮廓线比较长，对机器人的行走面的地形特征影响较为显著。

作为一种实施例，对于步骤S5，落入每个栅格的深度点云的数量（视为占用一个栅格的深度点云的数量）与栅格边长成正比，可以视为对应预设的每一个栅格内放置点云点的数量阀值与对应栅格边长成正比，例如，栅格边长为2，落入对应预设的栅格内的点云点的数量阈值为4。因此，曲面地图中栅格的边长设置不同的情况下，对应落入栅格内的深度点云的数量也不同。

需要说明的是，本申请中公开的落入是指点云中的点位于一个栅格覆盖区域内且位于该栅格覆盖区域的垂直方向上，一个点落入一个栅格可以理解为一个点占用一个栅格，相应地，一个点落入栅格的概率可以使用一个点占用栅格的概率表示，进而同一个栅格被占用的概率（具体是一个栅格被障碍物占用的概率）可以使用每个点落入同一个栅格的概率和值表示。

结合步骤S3可知，如果曲面地图中栅格边长较小，那么落在栅格中的所述目标点不会被插值形成曲率复杂的曲线，因此可以将对应栅格内的目标点简化为一条厚度有限的曲线。所述曲面移动面的厚度使用围成所述曲面移动面的线段的粗细表示；组成所述曲面移动面的线段越细，对所述测距传感器扫描的区域的边缘位置的定位精度越高。所述曲面移动面的边缘线段越细，表明误差越小，对障碍物点的描述越准确，对应的定位精度越高，克服由测距传感器的误差引起的曲面厚度的影响。

进一步地，随着机器人的移动，在执行步骤S1至步骤S5的过程中，对深度点云的扫描不断更新，伴随着对机器人行走面的恢复越清晰，对应栅格被占用的概率越能准确地恢复地形特征，使用曲面地图定位的精度也会越高。在一种实施方式中，随着相应的栅格被占用的概率不同，其对应勾勒出障碍物在曲面地图中的轮廓面厚度不同。示例性地，若相应的栅格被占用的概率大于或等于预设概率阈值，则落入该相应的栅格内的深度点云有且仅有一个点，对应地，勾勒出障碍物在地图中的曲面厚度仅为一个栅格厚度。曲面厚度越小，对应的点云地图精度越高。

作为一种实施例，步骤S5还包括：在扫描出的深度点云中，若存在多个障碍物点沿着同一机体高度方向分布，则剔除高度大于或等于预设机体高度阈值的障碍物点，再将剩余的障碍物点占用对应栅格的概率更新到所述曲面地图的对应栅格中；深度点云包括障碍物点，以表示扫描到的障碍物的轮廓。在本实施例中，深度点云包括障碍物点；位于测距传感器扫描的区域的边缘位置处的障碍物点是所述轮廓点；沿着同一机体高度方向分布的多个障碍物点占用同一栅格，即存在至少三个障碍物点沿着同一机体高度方向落入曲面地图的同一栅格，其中，各个障碍物点的高度是互不相同，障碍物点的高度是障碍物点与所述曲面移动面之间的垂直高度差。

在机器人上坡过程中扫描到的高度足够大，对应为图1的机器人所处的位置处扫描到其前方较高的黑点（处于图1的辐射线覆盖范围内），则存在将悬挂物或更高的坡面（不可跨越的地形坡面）误判为障碍物的情况，例如将室内门梁、窗框、墙面的悬挂物误判为障碍物的情况。因此，从扫描出的深度点云中剔除高度大于或等于预设机体高度阈值的障碍物点，再使用剩余的障碍物点占用栅格的概率（即剩余的障碍物点落入对应栅格的概率）描述曲面地图上各个被障碍物占用的栅格的概率信息，提高曲面地图的栅格信息的准确性。

在本实施例中，深度点云可以划分为用于描述机器人行走面的障碍物点（也可称之为地面点云）和机器人行走面上设置的障碍物的障碍物点（也理解为高度大于地面点云的点，包括前述的悬挂物）；用于描述机器人行走面的障碍物点的高度和其它部分类型的障碍物点的高度（悬挂物除外）都小于预设机体高度阈值，在一些实施方式中，这一高度小于预设机体高度阈值的障碍物点在机器人的当前移动方向上的距离跨度处于预设水平距离阈值范围时，机器人将对应的障碍物点定义为可跨越的坡道点；因此，本实施例将所述预设机体高度阈值设置为等于：机器人的最大越障角度的正弦值与机器人的机身宽度的乘积。实现机器人在局部区域内减少将上坡的行走面误判为障碍物的情况出现。

作为步骤S5的一种具体实施方式，所述确定各个栅格被占用的概率的方法包括：机器人先确定深度点云中的任意一个点云点，再确定该点云点所占用的匹配栅格以及该点云点在匹配栅格所产生的落入概率，其中，确定一个点云点所占用的匹配栅格是确定该点云点在曲面移动面内落入的栅格，即一个点云点的占用栅格，确定一个点云点在匹配栅格所产生的落入概率的方法可参照目前通用的方法，此处不再赘述；需要说明的是，在深度点云内，存在点云点是前述的障碍物点。

为了计算曲面移动面中的各个栅格被占用的概率以构成占用概率信息完整的曲面地图，在所述剩余的障碍物点当中，依次控制占用同一匹配栅格的障碍物点的落入概率相加，得到各个匹配栅格的预占用概率，其中，一个匹配栅格的预占用概率是占用同一匹配栅格的障碍物点的落入概率累加的结果，即对剔除高度大于或等于预设机体高度阈值的障碍物点后的深度点云占用对应栅格的概率进行累加计算的结果。由于所述剩余的障碍物点当中仍存在噪声，所以需要对预占用概率进行加权处理。然后对于各个匹配栅格，分别为同一个匹配栅格当前得到的预占用概率和同一个匹配栅格在上一时刻得到的占用概率对应的权重，加权得到一个和值，再将该和值设置为匹配栅格当前得到的占用概率，确定出匹配栅格被占用的概率，以实现将剩余的障碍物点落入对应栅格的概率更新到所述曲面地图的对应栅格中（实际上是对栅格被占用的概率进行一次更新）；可以避免将机器人的行走面上面的悬挂物误判为障碍物，也提高确定所述曲面移动面中的各栅格被占用的概率的准确度，进而提高生成的曲面地图的准确度。

需要说明的是，同一个匹配栅格当前得到的预占用概率分配到的权重大于同一个匹配栅格在上一时刻得到的占用概率分配到的权重，同一个匹配栅格在上一时刻得到的占用概率对应的权重会随着同一个匹配栅格当前得到的预占用概率分配到权重的变化而变化。优选地，每个栅格的初始占用概率为0。在一些实施方式中，所述曲面移动面内存在一待遍历区域，待遍历区域被划分为若干个相同大小的栅格；待遍历区域是位于测距传感器的扫描区域内的矩形平面区域。

综上，在曲面地图内确定每个栅格被障碍物点占用的概率是剔除过高的障碍物点后，按照同一栅格内落入的剩余障碍物点的落入概率进行累加，以在同一栅格内获得一次预占用概率值，而不是直接使用所有深度点云，提高所述曲面移动面占用的栅格的准确性。对于各个栅格的被占用概率值，使用相邻两次得到的预占用概率进行加权求和，得到该栅格当前得到的被占用概率，能够利用权重调整预占用概率以使该栅格当前得到的被占用概率侧重于实时反映点云的变化情况（既考虑先验概率（上一时刻得到的被占用概率）的影响，又考虑当前扫描区域的点云情况），使得对应构建起的曲面地图每个栅格的被占用概率的准确性会提高。

作为一种实施例，每当机器人在行走面移动到预先扫描出的一个轮廓点，继续扫描出新区域的深度点云，一般是距离已扫描区域最近且可通行的未知区域

即重新执行步骤S1；本实施例可以将测距传感器扫描的区域分割成若干个边缘位置，每一个边缘位置作为机器人完成步骤S1至步骤S5对应的一轮操作后，所需行走到的下一步导航目标位置，以开始执行新一轮的步骤S1至步骤S5，至步骤S5以这种方式不断完成地图的扩张。我们将这种策略称为基于边缘的探索策略。

在执行步骤S1之后，机器人在扫描出新区域的深度点云的基础上，机器人没有发生新的一次移动之前，重新执行所述步骤S2至所述步骤S5，以形成新的曲面移动面及其对应的曲面地图，并将对应的曲面地图添加到上一次执行步骤S5生成的曲面地图中，在存在区域重合的情况下，可以对曲面移动面进行平面合并，形成新的地图覆盖区域，再确定各个栅格被占用的概率；或者，直接确定各个栅格被占用的概率以更新重合部分的栅格被占用的概率，这里的更新方式可以理解为：对前述实施例公开的同一个匹配栅格当前得到的预占用概率与同一个匹配栅格在上一时刻得到的被占用概率进行加权计算得到一个和值，更新为同一个匹配栅格当前得到的被占用概率，从而确定出该匹配栅格被占用的概率。

需要说明的是，本申请公开的行走面是机器人所在的地面，所述曲面移动面用于在测距传感器的扫描区域内，反映行走面在空间中的地形特征，可以由障碍物点充当特征描述的对象（则可以记为地面点云）。

容易引起不可恢复的建图错误，不适用于快速变化的环境和高效的探索任务。

基于前述实施例，本申请公开一种芯片，该芯片被配置为控制机器人所述的方法，即执行机器人使用点云构建曲面地图的方法对应的各个步骤，机器人使用点云构建曲面地图的方法对应的各个步骤在本实施例中是以可执行程序代码的形式存储到芯片内置的只读存储器内。

本申请还公开一种机器人，机器人装配有测距传感器和所述芯片，所述芯片用于控制机器人使用点云构建曲面地图的方法，其中，测距传感器扫描出周围环境的深度点云。

结合前述方法类型的实施例，与现有技术相比，所述机器人搭配相应的芯片和测距传感器后，使用目标点拟合出导航拟合曲线，并使用与至少三倍机身宽度等宽的线段滑动的手段，构成曲面移动面，确定出测距传感器扫描的区域范围形状；从而通过边缘位置的点云分布特征来描述机器人的行走面整体变化特征，实现依据机器人的行走面的曲面拟合结果赋予相应曲面上划分出的栅格被占用的概率，提高所构建起的曲面地图的准确性。另一方面，本申请在构成曲面移动面的过程中不需要遍历所有点云，只需要遍历测距传感器扫描的区域边缘位置上的点云即可，不要求机器人在其两侧采集的轮廓线都是平行，也不要求行走面存在中心线，但强调边缘位置上的点云变化带来的反馈效果，节约计算量，也在描述出符合地面曲线起伏特征的前提下提高计算效率。

在所述芯片的配置下，所述曲面地图内确定每个栅格被障碍物点占用的概率是剔除过高的障碍物点后，按照同一栅格内落入的剩余障碍物点的落入概率进行累加，以在同一栅格内获得一次预占用概率值，而不是直接使用所有深度点云，提高所述曲面移动面占用的栅格的准确性。对于各个栅格的被占用概率值，使用相邻两次得到的预占用概率进行加权求和，得到该栅格当前得到的被占用概率，能够利用权重调整预占用概率以使该栅格当前得到的被占用概率侧重于实时反映点云的变化情况（既考虑先验概率（上一时刻得到的被占用概率）的影响，又考虑当前扫描区域的点云情况），使得对应构建起的曲面地图每个栅格的被占用概率的准确性会提高。

在本申请的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。在本申请所提供的实施例中，应理解，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。本发明未详细阐述部分属于本领域技术人员的公知技术。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的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸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。