目标探索方法、机器人及计算机存储介质

技术领域

本申请涉及机器人决策技术领域，特别是涉及一种目标探索方法、机器人以及计算机存储介质。

背景技术

当机器人需要在某块区域内以寻找特定目标来实现某种目的时，一般都要对这块区域进行高效地探索，同时当区域内存在较多的动态障碍物时，不免会让机器人之前的规划无法使用，此时便会涉及重新规划，所以用于机器人探索的决策方法应具备一定的高效性和鲁棒性。

然而，目前的机器人决策算法的信息来源只有全局地图，全局地图提供的决策信息不足，导致目标点探索的效率较低，机器人在路径规划时的计算压力也较大。

发明内容

为解决上述技术问题，本申请提出了一种目标探索方法、机器人以及计算机存储介质。

为解决上述技术问题，本申请提出了一种目标探索方法，所述目标探索方法包括：

获取待探索的全局规划地图；

基于所述全局规划地图获取机器人在当前位置的连通区域地图和探索覆盖地图；

利用所述连通区域地图和所述探索覆盖地图依次遍历所述全局规划地图中的所有栅格，获取每一栅格的探索状态；

存在所述探索状态为预设边界内状态的第一栅格时，从所述第一栅格获取距离预设边界最近的目标栅格；

将所述目标栅格所在的地图点作为所述机器人的探索目标点。

在一些实施例中，所述从所述第一栅格获取距离预设边界最近的目标栅格，包括：

判断所述第一栅格中是否存在空旷区域状态的第二栅格；

若是，从所述第二栅格获取距离所述预设边界最近的目标栅格；

若否，从所述第一栅格获取距离所述预设边界最近的目标栅格。

在一些实施例中，所述获取每一栅格的探索状态之后，所述目标探索方法还包括：

不存在所述探索状态为预设边界内状态的第一栅格时，判断是否存在所述探索状态为预设边界外状态的第三栅格；

若是，从所述第三栅格获取距离所述预设边界最近的目标栅格。

在一些实施例中，所述从所述第三栅格获取距离所述预设边界最近的目标栅格，包括：

判断所述第三栅格中是否存在空旷区域状态的第四栅格；

若是，从所述第四栅格获取距离所述预设边界最近的目标栅格；

若否，从所述第三栅格获取距离所述预设边界最近的目标栅格。

在一些实施例中，所述获取每一栅格的探索状态之后，所述目标探索方法还包括：

不存在所述探索状态为预设边界内状态和预设边界外状态的栅格时，从所述探索状态为自由状态的栅格中获取距离所述机器人最近的目标栅格。

在一些实施例中，所述获取每一栅格的探索状态，包括：

获取所述栅格与所述机器人的距离；

在所述距离小于所述预设边界到所述机器人的边界距离时，将所述栅格的探索状态设置为预设边界内状态；

在所述距离大于所述边界距离时，将所述栅格的探索状态设置为预设边界外状态。

在一些实施例中，所述目标探索方法还包括：

利用所述连通区域地图判断所述栅格的状态是否为可达状态；若否，则将所述栅格的状态设置为空；

若是，则利用所述探索覆盖地图判断所述栅格的状态是否为覆盖状态；若是，则获取所述栅格与所述机器人的距离；

若否，则利用所述全局规划地图判断所述栅格的状态是否为穿过状态；若否，则将所述栅格的状态设置为空；

若是，则将所述栅格的状态设置为自由状态。

在一些实施例中，所述获取所述栅格与所述机器人的距离，包括：

利用所述全局规划地图判断所述栅格的状态是否为有价值状态；

若是，则获取所述栅格与所述机器人的距离；

所述目标探索方法还包括：

在判断所述栅格的状态不为有价值状态时，将所述栅格的状态设置为空；

在一些实施例中，有价值状态是指所述栅格在第一预设半径的范围内，穿过状态和未知状态的栅格数量大于等于第一阈值，或者覆盖状态的栅格数量大于等于第二阈值。

在一些实施例中，所述获取所述栅格与所述机器人的距离之前，所述目标探索方法还包括：

在判断所述栅格的状态为有价值状态时，继续利用所述全局规划地图判断所述栅格的状态是否为空旷区域状态；

若是，确定所述栅格为空旷区域状态；

若否，确定所述栅格为非空旷区域状态；

在一些实施例中，空旷区域状态是指所述栅格在第二预设半径的范围内，障碍状态的栅格数量小于第三阈值。

为解决上述技术问题，本申请还提出一种机器人，所述机器人包括存储器以及与所述存储器耦接的处理器；其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如上述的目标探索方法。

为解决上述技术问题，本申请还提出一种计算机存储介质，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现上述的目标探索方法。

与现有技术相比，本申请的有益效果是：机器人获取待探索的全局规划地图；基于所述全局规划地图获取机器人在当前位置的连通区域地图和探索覆盖地图；利用所述连通区域地图和所述探索覆盖地图依次遍历所述全局规划地图中的所有栅格，获取每一栅格的探索状态；存在所述探索状态为预设边界内状态的第一栅格时，从所述第一栅格获取距离预设边界最近的目标栅格；将所述目标栅格所在的地图点作为所述机器人的探索目标点。通过上述目标探索方法，同时使用了全局规划地图、连通区域地图和探索覆盖地图，并将地图上的各类状态信息融合，以此来寻找探索目标点，这样做有助于探索目标点的快速寻找，同时在一定程度上减轻了路径规划算法在设计路径时的计算压力。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1是本申请提供的目标探索方法一实施例的流程示意图；

图2是本申请提供的目标探索方法的整体流程示意图；

图3是图1所示目标探索方法步骤S13的具体流程示意图；

图4是本申请提供的栅格状态设置流程的示意图；

图5是本申请提供的机器人一实施例的结构示意图；

图6是本申请提供的计算机存储介质一实施例的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

具体请参阅图1和图2，图1是本申请提供的目标探索方法一实施例的流程示意图，图2是本申请提供的目标探索方法的整体流程示意图。

本申请的目标探索方法应用于机器人，其中，本申请的机器人可以为服务器，也可以为终端设备，还可以为由服务器和终端设备相互配合的系统。相应地，机器人包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。

进一步地，上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，例如用来提供分布式服务器的软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。

如图1所示，其具体步骤如下：

步骤S11：获取待探索的全局规划地图。

在本申请实施例中，机器人获取当前环境的二维全局地图信息，如二维全局栅格地图、以及机器人当前的位置信息等。

其中，全局地图是机器人对所处环境的一种描述。全局地图一般包含三种状态信息：穿过状态、障碍状态、未知状态。其中，穿过状态表示区域不包含任何信息；障碍状态表示区域存在物体信息；未知状态表示区域状态未知。全局地图的获取方式包括但不限于视觉SLAM(Simultaneous Localization and Mapping)技术、激光SLAM技术等。

如图2所示，机器人依据当前的全局地图获取全局规划地图。为保证地图上的单个穿过状态栅格可以容纳一个机器人，故需要对全局地图中的障碍状态栅格进行障碍膨胀。障碍膨胀的具体操作为：以障碍状态栅格为中心，r为半径，将障碍状态栅格周围的栅格重新赋值为障碍状态，其中r为给定值。对全局规划地图中的所有障碍状态栅格进行障碍膨胀后便得到了全局规划地图。

步骤S12：基于全局规划地图获取机器人在当前位置的连通区域地图和探索覆盖地图。

在本申请实施例中，如图2所示，机器人根据在全局规划地图中的位置，在全局规划地图中生成连通区域地图。

假设此时机器人在全局规划地图中的位置为：P

在一种具体的实施方式中，机器人建立连通区域地图的具体方法如下：

步骤一：将P

步骤二：若Q

步骤三：以P

然后，如图2所示，机器人计算连通区域地图中连通区域的面积，根据连通区域的面积以及传感器探索范围等信息解算机器人在实际探索时应该使用的探索覆盖半径，最后在全局规划地图上映射机器人在当前位置可以覆盖的范围，生成探索覆盖地图。

具体地，假设所使用栅格地图中每个栅格的长、宽均分别为：l、w，则单个栅格的面积为Area

若Area

机器人模拟在当前位置可以覆盖的范围，即生成探索覆盖地图。机器人依据r

具体步骤如下：

步骤一：令θ

步骤二：以机器人所在栅格为中心向θ

所谓射线击中的栅格，是指该射线的部分落在了该栅格的内部。覆盖状态是一种给定的状态，表示射线击中过的、穿过状态的栅格。

步骤三：令θ

步骤四：若θ

需要说明的是，步骤三中的角度变换可以理解为设置一角度间隔，按照角度间隔逐步增大射线角度，直至达到360°。在其他实施例中，也可以通过其他方式设置角度间隔，在此不作具体限制。

如图2所示，机器人生成探索覆盖地图后，利用探索覆盖地图对全局规划地图的探索区域进行第一次融合。

具体地，机器人遍历探索覆盖地图的所有栅格，并对每个遍历的栅格G

步骤S13：利用连通区域地图和探索覆盖地图依次遍历全局规划地图中的所有栅格，获取每一栅格的探索状态。

在本申请实施例中，机器人依据连通区域地图、探索覆盖地图和全局规划地图获取机器人从当前位置点开始的下一探索目标点。在探索目标点的过程中，机器人需要遍历全局规划地图中的所有栅格，根据所有栅格的探索状态，最终确定合适的目标点，作为机器人的最终决策。

在此之前，机器人需要在遍历过程中，根据每一栅格在连通区域地图、探索覆盖地图和全局规划地图的地图信息设置对应的探索状态。具体请参阅图3，图3是图1所示目标探索方法步骤S13的具体流程示意图。

如图3所示，其具体步骤如下：

步骤S131：获取栅格与机器人的距离。

在本申请实施例中，机器人探索目标点的具体步骤如下：

步骤一：假设全局规划地图中共有N

请参阅图4，图4是本申请提供的栅格状态设置流程的示意图。本申请通过以下步骤二至步骤六结合图4介绍栅格状态的设置方式：

步骤二：访问全局规划地图中的第i

步骤三：在探索覆盖地图中，判断

步骤四：在全局规划地图中判断

若

若

步骤S132：在距离小于预设边界到机器人的边界距离时，将栅格的探索状态设置为预设边界内状态。

步骤S133：在距离大于所述边界距离时，将栅格的探索状态设置为预设边界外状态。

对于空旷区域状态的栅格，机器人执行以下步骤五：

步骤五：若

其中，d

若

上述过程通过临时量的不断迭代，保持d

对于非空旷区域状态的栅格，机器人执行以下步骤六：

步骤六：若

上述过程通过临时量的不断迭代，保持d

若

上述过程通过临时量的不断迭代，保持d

对于不覆盖且穿过状态的栅格，机器人执行以下步骤七：

若

上述过程通过临时量的不断迭代，保持d

步骤S14：存在探索状态为预设边界内状态的第一栅格时，从第一栅格获取距离预设边界最近的目标栅格。

在本申请实施例中，机器人通过循环判断逻辑，保证遍历完全局规划地图中的所有栅格，具体请参阅以下步骤：

步骤八：若i

步骤九：若d

若d

若d

若d

若d

步骤S15：将目标栅格所在的地图点作为机器人的探索目标点。

在本申请实施例中，若机器人经过上述步骤S14成功获取目标栅格，即可从目标栅格所在的地图点成功探索到目标点，结束获取探索目标点流程。

进一步地，请继续参阅图2，机器人还可以执行探索区域第二次融合，具体过程如下：

机器人遍历全局规划地图的所有栅格，并对每个遍历的栅格G

通过上述步骤，即可获取并调度机器人前往探索目标点，到达目标点或未能成功到达目标点后，则重新获取全局地图并继续进行迭代；若未能成功获取探索目标点，则所述方法结束。

在本申请实施例中，机器人获取待探索的全局规划地图；基于所述全局规划地图获取机器人在当前位置的连通区域地图和探索覆盖地图；利用所述连通区域地图和所述探索覆盖地图依次遍历所述全局规划地图中的所有栅格，获取每一栅格的探索状态；存在所述探索状态为预设边界内状态的第一栅格时，从所述第一栅格获取距离预设边界最近的目标栅格；将所述目标栅格所在的地图点作为所述机器人的探索目标点。通过上述目标探索方法，同时使用了全局规划地图、连通区域地图和探索覆盖地图，并将地图上的各类状态信息融合，以此来寻找探索目标点，这样做有助于探索目标点的快速寻找，同时在一定程度上减轻了路径规划算法在设计路径时的计算压力。

本申请在获取探索目标点时，使用了多个筛选标准：(1)优先选择已探索区域边界上的栅格为目标点，若未找到合适目标点，则选择非覆盖区域中穿过状态的栅格为目标点；(2)在探索区域边界上寻找目标点时，若备选栅格距离机器人比较近，则此时优先选择距离机器人比较远的备选栅格作为目标点；若备选栅格距离机器人比较远，则此时优先选择距离机器人比较近的备选栅格作为目标点；(3)优先选择处于空旷区域的备选栅格作为目标点，以上筛选标准保证了找到探索目标点的可能性及有效性。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

为实现上述目标探索方法，本申请还提出了一种机器人，具体请参阅图5，图5是本申请提供的机器人一实施例的结构示意图。

本实施例的机器人400包括处理器41、存储器42、输入输出设备43以及总线44。

该处理器41、存储器42、输入输出设备43分别与总线44相连，该存储器42中存储有程序数据，处理器41用于执行程序数据以实现上述实施例所述的目标探索方法。

在本申请实施例中，处理器41还可以称为CPU(Central Processing Unit，中央处理单元)。处理器41可能是一种集成电路芯片，具有信号的处理能力。处理器41还可以是通用处理器、数字信号处理器(DSP，Digital Signal Process)、专用集成电路(ASIC，Application Specific Integrated Circuit)、现场可编程门阵列(FPGA，FieldProgrammable Gate Array)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器41也可以是任何常规的处理器等。

本申请还提供一种计算机存储介质，请继续参阅图6，图6是本申请提供的计算机存储介质一实施例的结构示意图，该计算机存储介质600中存储有计算机程序61，该计算机程序61在被处理器执行时，用以实现上述实施例的目标探索方法。

本申请的实施例以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。