本發(fā)明涉及運動型機器人技術(shù)領(lǐng)域，具體涉及一種用于構(gòu)建動態(tài)地圖的機器人及機器人構(gòu)建動態(tài)地圖的方法。

背景技術(shù)：

機器人從移動性角度可以分為非移動機器人和可移動機器人。近年來，隨著人工智能的發(fā)展，可移動機器人在人們的日常生活領(lǐng)域應(yīng)用越來越廣泛，其應(yīng)用的場所也越來越多樣化。從商業(yè)樓宇、賣場超市、到醫(yī)院、戶外公共場所、地鐵站等均可成為可移動機器人活動的區(qū)域。

可移動機器人通常具有自主移動功能，自主移動的前提是自主導(dǎo)航，自主導(dǎo)航是指可移動機器人按照特定算法、規(guī)則自主規(guī)劃移動路線以規(guī)避障礙，或按特定路線移動。

為了實現(xiàn)自主導(dǎo)航，必須解決可移動機器人的地圖構(gòu)建問題。目前常見的可移動機器人通常應(yīng)用于環(huán)境屬性較為簡單或固定不變的場所，因此其構(gòu)建地圖的方式較為簡單。但是，隨著可移動機器人的應(yīng)用場所越來越多樣化，環(huán)境越來越復(fù)雜，且由于各種因素的變化而常處于動態(tài)變化中，則現(xiàn)有的地圖構(gòu)建方式則不能滿足機器人規(guī)避障礙的要求。因此，使機器人具備在動態(tài)變化的環(huán)境下構(gòu)建動態(tài)地圖的能力成為亟待解決的問題。

技術(shù)實現(xiàn)要素：

為了解決現(xiàn)有技術(shù)中存在的問題，本發(fā)明實施例期望提供一種用于構(gòu)建動態(tài)地圖的機器人及機器人構(gòu)建動態(tài)地圖的方法。

本發(fā)明實施例提供了一種本發(fā)明實施例提供了一種用于構(gòu)建動態(tài)地圖的機器人，包括：劃分模塊、障礙掃描模塊、特征值確定模塊、特征值變化情況確定模塊、屬性確定模塊及動態(tài)地圖生成模塊；其中，

所述劃分模塊，用于將目標運動區(qū)域劃分為多個子網(wǎng)格，所述多個子網(wǎng)格構(gòu)成網(wǎng)格區(qū)域，每個子網(wǎng)格對應(yīng)目標運動區(qū)域內(nèi)的特定區(qū)域，所述子網(wǎng)格為邊界子網(wǎng)格或內(nèi)部子網(wǎng)格；

所述障礙掃描模塊，用于對內(nèi)部子網(wǎng)格進行障礙掃描；

所述特征值確定模塊，用于根據(jù)障礙掃描結(jié)果確定內(nèi)部子網(wǎng)格的特征值；

所述特征值變化情況確定模塊，用于確定預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況；

所述屬性確定模塊，用于根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的屬性；

所述動態(tài)地圖生成模塊，用于在所述網(wǎng)格區(qū)域中標注出內(nèi)部子網(wǎng)格及邊界子網(wǎng)格的屬性，從而生成動態(tài)地圖。

上述方案中，所述劃分模塊，用于以目標運動區(qū)域上的預(yù)設(shè)點為中心點，以所述中心點為頂點，以東西方向為寬、南北方向為長設(shè)置一方形子網(wǎng)格，以所述方形子網(wǎng)格為起始子網(wǎng)格向四周延伸多個與所述方形子網(wǎng)格大小相同的方形子網(wǎng)格，直到延伸出的多個方形子網(wǎng)格形成一覆蓋目標運動區(qū)域的網(wǎng)格區(qū)域。

上述方案中，所述特征值通過灰度來表示，所述特征值變化情況為灰度值變化情況，所述灰度值的取值范圍為[0，K]，其中，K∈[2，255]。

所述特征值確定模塊，還用于將所述邊界子網(wǎng)格的特征值確定為K；

所述屬性確定模塊，還用于將所述邊界子網(wǎng)格的屬性確定為固定障礙物。

上述方案中，所述特征值確定模塊，用于通過以下方式確定內(nèi)部子網(wǎng)格的特征值：

當(dāng)通過障礙掃描確定內(nèi)部子網(wǎng)格內(nèi)包含障礙物時，將所述內(nèi)部子網(wǎng)格的特征值確定為K-1；

當(dāng)通過障礙掃描確定內(nèi)部子網(wǎng)格內(nèi)不包含障礙物時，將所述內(nèi)部子網(wǎng)格的特征值確定為1。

上述方案中，所述特征值確定模塊，還用于通過以下方式確定內(nèi)部子網(wǎng)格的特征值：

將所述內(nèi)部子網(wǎng)格的初始特征值確定為0；

將一次障礙掃描后至下一次障礙掃描之前，所述內(nèi)部子網(wǎng)格的特征值確定為G(t)。

上述方案中，所述屬性確定模塊用于根據(jù)以下方式確定所述內(nèi)部子網(wǎng)格的屬性：

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值始終為K-1時，確定所述內(nèi)部子網(wǎng)格的屬性為固定障礙物；

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值在K-1和1之間進行變化時，確定所述內(nèi)部子網(wǎng)格的屬性為非固定障礙物；

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值始終為1時，確定所述內(nèi)部子網(wǎng)格的屬性為無障礙物。

本發(fā)明實施例提供了一種機器人構(gòu)建動態(tài)地圖的方法，包括：

將目標運動區(qū)域劃分為多個子網(wǎng)格，所述多個子網(wǎng)格構(gòu)成網(wǎng)格區(qū)域，每個子網(wǎng)格對應(yīng)目標運動區(qū)域內(nèi)的特定區(qū)域，所述子網(wǎng)格為邊界子網(wǎng)格或內(nèi)部子網(wǎng)格；

對內(nèi)部子網(wǎng)格進行障礙掃描；

根據(jù)障礙掃描結(jié)果確定內(nèi)部子網(wǎng)格的特征值；

確定預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況；

根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的屬性；

在所述網(wǎng)格區(qū)域中標注出內(nèi)部子網(wǎng)格及邊界子網(wǎng)格的屬性，從而生成動態(tài)地圖。

上述方案中，所述特征值通過灰度來表示，所述特征值變化情況為灰度值變化情況，所述灰度值的取值范圍為[0，K]，其中，K∈[2，255]；

所述邊界子網(wǎng)格的特征值為K，屬性被確定為固定障礙物。

上述方案中，所述根據(jù)障礙掃描結(jié)果確定內(nèi)部子網(wǎng)格的特征值，包括：

當(dāng)通過障礙掃描確定內(nèi)部子網(wǎng)格內(nèi)包含障礙物時，所述內(nèi)部子網(wǎng)格的特征值被確定為K-1；

當(dāng)通過障礙掃描確定內(nèi)部子網(wǎng)格內(nèi)不包含障礙物時，所述內(nèi)部子網(wǎng)格的特征值被確定為1。

上述方案中，所述根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的屬性，包括：

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值始終為K-1時，確定所述內(nèi)部子網(wǎng)格的屬性為固定障礙物；

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值在K-1和1之間進行變化時，確定所述內(nèi)部子網(wǎng)格的屬性為非固定障礙物；

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值始終為1時，確定所述內(nèi)部子網(wǎng)格的屬性為無障礙物。

與現(xiàn)有技術(shù)相比，本發(fā)明實施例至少具備以下優(yōu)點：

根據(jù)本發(fā)明實施例提供的用于構(gòu)建動態(tài)地圖的機器人，能夠在將目標運動區(qū)域劃分為多個邊界子網(wǎng)格和內(nèi)部子網(wǎng)格從而形成網(wǎng)格區(qū)域后，不斷對內(nèi)部子網(wǎng)格進行障礙掃描，并根據(jù)障礙掃描結(jié)果確定內(nèi)部子網(wǎng)格的特征值，進而根據(jù)預(yù)設(shè)時間段內(nèi)內(nèi)部子網(wǎng)格的特征值變化情況確定內(nèi)部子網(wǎng)格的屬性，對每一個內(nèi)部子網(wǎng)格的屬性進行標注后，生成動態(tài)地圖?？梢姡@種生成動態(tài)地圖的方式能夠有針對性的對每一個內(nèi)部子網(wǎng)格在預(yù)設(shè)時間段內(nèi)的障礙掃描結(jié)果進行動態(tài)分析，從而得出每一個內(nèi)部子網(wǎng)格的屬性。對每一個內(nèi)部子網(wǎng)格的屬性的確定方法完全依據(jù)每一個子網(wǎng)格的多次障礙掃描結(jié)果，在動態(tài)變化的環(huán)境中，這種確定方式具備非常好的準確性和科學(xué)性。相應(yīng)的，依據(jù)這種方式生成的動態(tài)地圖也更加準確。

附圖說明

圖1為本發(fā)明實施例提供的用于構(gòu)建動態(tài)地圖的機器人在一種實施方式中的基本結(jié)構(gòu)圖；

圖2為本發(fā)明實施例提供的一種網(wǎng)格區(qū)域的示意圖；

圖3為本發(fā)明實施例提供的另一種網(wǎng)格區(qū)域的示意圖；

圖4為本發(fā)明實施例提供的一種內(nèi)部子網(wǎng)格的特征值變化曲線圖；

圖5為本發(fā)明實施例提供的第二種內(nèi)部子網(wǎng)格的特征值變化曲線圖；

圖6為本發(fā)明實施例提供的第三種內(nèi)部子網(wǎng)格的特征值變化曲線圖；

圖7為本發(fā)明實施例提供的第四種內(nèi)部子網(wǎng)格的特征值變化曲線圖；

圖8為本發(fā)明實施例提供的第五種內(nèi)部子網(wǎng)格的特征值變化曲線圖；

圖9為本發(fā)明機器人構(gòu)建動態(tài)地圖的方法在一種實施方式中的流程圖。

具體實施方式

下面通過具體實施方式結(jié)合附圖對本發(fā)明作進一步詳細說明。

實施例一

參照圖1，示出了本發(fā)明一種用于構(gòu)建動態(tài)地圖的機器人的結(jié)構(gòu)框圖，該機器人包括：劃分模塊11、障礙掃描模塊12、特征值確定模塊13、特征值變化情況確定模塊14、屬性確定模塊15及動態(tài)地圖生成模塊16；其中，

所述劃分模塊11，用于將目標運動區(qū)域劃分為多個子網(wǎng)格，所述多個子網(wǎng)格構(gòu)成網(wǎng)格區(qū)域，每個子網(wǎng)格對應(yīng)目標運動區(qū)域內(nèi)的特定區(qū)域，所述子網(wǎng)格為邊界子網(wǎng)格或內(nèi)部子網(wǎng)格；

所述障礙掃描模塊12，用于對內(nèi)部子網(wǎng)格進行障礙掃描；

所述特征值確定模塊13，用于根據(jù)障礙掃描結(jié)果確定內(nèi)部子網(wǎng)格的特征值；

所述特征值變化情況確定模塊14，用于確定預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況；

所述屬性確定模塊15，用于根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的屬性；

所述動態(tài)地圖生成模塊16，用于在所述網(wǎng)格區(qū)域中標注出內(nèi)部子網(wǎng)格及邊界子網(wǎng)格的屬性，從而生成動態(tài)地圖。

具體的，所述劃分模塊11，用于以目標運動區(qū)域上的預(yù)設(shè)點為中心點，以所述中心點為頂點，以東西方向為寬、南北方向為長設(shè)置一方形子網(wǎng)格，以所述方形子網(wǎng)格為起始子網(wǎng)格向四周延伸多個與所述方形子網(wǎng)格大小相同的方形子網(wǎng)格，直到延伸出的多個方形子網(wǎng)格形成一覆蓋目標運動區(qū)域的網(wǎng)格區(qū)域。

實際應(yīng)用中，當(dāng)機器人處于目標運動區(qū)域時，機器人中的劃分模塊11可以以機器人本體所處的位置為中心點，以所述中心點為頂點，以東西方向為寬、南北方向為長設(shè)置一方形子網(wǎng)格，所述方形子網(wǎng)格可以為長方形子網(wǎng)格或者正方形子網(wǎng)格，之后，以所述方形子網(wǎng)格為起始子網(wǎng)格向四周延伸多個與所述方形子網(wǎng)格大小相同的方形子網(wǎng)格，直到延伸出的多個方形子網(wǎng)格形成一覆蓋目標運動區(qū)域的網(wǎng)格區(qū)域。這樣，每一個方形子網(wǎng)格對應(yīng)目標運動區(qū)域中的一特定位置區(qū)域。參見圖2，為一種網(wǎng)格區(qū)域的示意圖，該網(wǎng)格區(qū)域中包括多個正方形子網(wǎng)格。

具體的，所述特征值通過灰度來表示，所述特征值變化情況為灰度值變化情況，所述灰度值的取值范圍為[0，K]，其中，K∈[2，255]。

在本發(fā)明的一種可選實施方式中，所述特征值確定模塊13，還用于將所述邊界子網(wǎng)格的特征值確定為K；

在本發(fā)明的一種可選實施方式中，所述屬性確定模塊15，還用于將所述邊界子網(wǎng)格的屬性確定為固定障礙物。

實際應(yīng)用中，將網(wǎng)格區(qū)域中的邊界子網(wǎng)格確定為固定障礙物，邊界子網(wǎng)格所對應(yīng)的區(qū)域為機器人禁止進入的區(qū)域。假設(shè)將邊界子網(wǎng)格的特征值K確定為255，則以圖2中的網(wǎng)格區(qū)域為例，將圖2中網(wǎng)格區(qū)域的邊界子網(wǎng)格的屬性值確定為255，并對每一個邊界子網(wǎng)格用灰度值為255的顏色，即，黑色進行填充，填充后的網(wǎng)格區(qū)域如圖3所示，從圖3中可以直觀看出每一個邊界子網(wǎng)格為機器人禁止進入的區(qū)域。

具體的，所述特征值確定模塊13，用于通過以下方式確定內(nèi)部子網(wǎng)格的特征值：

當(dāng)通過障礙掃描確定內(nèi)部子網(wǎng)格內(nèi)包含障礙物時，將所述內(nèi)部子網(wǎng)格的特征值確定為K-1；

當(dāng)通過障礙掃描確定內(nèi)部子網(wǎng)格內(nèi)不包含障礙物時，將所述內(nèi)部子網(wǎng)格的特征值確定為1。

在本發(fā)明的一種可選實施方式中，所述特征值確定模塊13，還用于通過以下方式確定內(nèi)部子網(wǎng)格的特征值：

將所述內(nèi)部子網(wǎng)格的初始特征值確定為0；

將一次障礙掃描后至下一次障礙掃描之前，所述內(nèi)部子網(wǎng)格的特征值確定為G(t)。

實際應(yīng)用中，G(t)可以設(shè)置為一個衰減函數(shù)，G(t)可以根據(jù)實際需要被設(shè)置為任何函數(shù)形式，這里不作限制。

具體的，所述特征值變化情況確定模塊14，根據(jù)以下方式確定預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況：

生成預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化曲線；

具體的，所述特征值變化情況確定模塊14，用于通過以下方式對預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的所有特征值的變化情況進行表示：

將預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的所有特征值依次連接，從而生成預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化曲線。

將特征值變化情況通過特征值變化曲線進行表示時，可以形象而直觀的通過特征值變化曲線看出特征值的變化情況。

具體的，所述屬性確定模塊15用于根據(jù)以下方式確定所述內(nèi)部子網(wǎng)格的屬性：

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值始終為K-1時，確定所述內(nèi)部子網(wǎng)格的屬性為固定障礙物；

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值在K-1和1之間進行變化時，確定所述內(nèi)部子網(wǎng)格的屬性為非固定障礙物；

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值始終為1時，確定所述內(nèi)部子網(wǎng)格的屬性為無障礙物。

參照圖4，為一種示例性的內(nèi)部子網(wǎng)格的特征值變化曲線，橫軸表示時間，縱軸表示特征值。如圖4所示，每一次對內(nèi)部子網(wǎng)格進行障礙掃描之后，根據(jù)障礙掃描結(jié)果，內(nèi)部子網(wǎng)格的特征值被設(shè)置為K-1或1，在一次障礙掃描之后，下一次障礙掃描之前，相應(yīng)內(nèi)部子網(wǎng)格的特征值按照G(t)進行變化。圖4中對內(nèi)部子網(wǎng)格共進行了三次障礙掃描，每次障礙掃描和下次障礙掃描的時間間隔可以根據(jù)需要進行調(diào)整。從圖4可以看出，在第一次障礙掃描時(對應(yīng)t1時刻)，內(nèi)部子網(wǎng)格的特征值為K-1，表示，第一次障礙掃描時內(nèi)部子網(wǎng)格內(nèi)包含障礙物，隨著時間的變化，此內(nèi)部子網(wǎng)格的特征值按照函數(shù)G(t)逐漸降低，這是由于根據(jù)人類記憶曲線的變化規(guī)律，假設(shè)機器人對內(nèi)部子網(wǎng)格的障礙掃描狀態(tài)的記憶變化曲線與人類記憶曲線的變化規(guī)律相同，也就是說，機器人對內(nèi)部子網(wǎng)格的障礙掃描狀態(tài)的記憶隨時間逐漸衰減。直到進行下一次掃描，也就是在t2處，掃描結(jié)果顯示內(nèi)部子網(wǎng)格內(nèi)無障礙物，因此特征值設(shè)置為1，隨后，第三次障礙掃描時，特征值為K-1，可見，在t1至t3時間段內(nèi)，內(nèi)部子網(wǎng)格的特征值在K-1和1之間進行變化，說明內(nèi)部子網(wǎng)格所對應(yīng)的區(qū)域內(nèi)有可移動的障礙物，如人、可移動的物體等等。而t3之后，內(nèi)部子網(wǎng)格的特征值始終在K-1附件變化，說明t3之后內(nèi)部子網(wǎng)格內(nèi)持續(xù)為無障礙物狀態(tài)。

參照圖5，為一種示例性的內(nèi)部子網(wǎng)格的特征值變化曲線。如圖5所示，4次障礙掃描的掃描結(jié)果顯示，內(nèi)部子網(wǎng)格的特征值在K-1和1之間進行變化，說明內(nèi)部子網(wǎng)格所對應(yīng)的區(qū)域內(nèi)有可移動障礙物。

參照圖6，為一種示例性的內(nèi)部子網(wǎng)格的特征值變化曲線。如圖6所示，內(nèi)部子網(wǎng)格的特征值始終在1附近變化，說明內(nèi)部子網(wǎng)格所對應(yīng)的區(qū)域內(nèi)無障礙物。

參照圖7，為一種示例性的內(nèi)部子網(wǎng)格的特征值變化曲線。如圖7所示，內(nèi)部子網(wǎng)格的特征值始終在K-1附近變化，說明內(nèi)部子網(wǎng)格所對應(yīng)的區(qū)域內(nèi)有固定障礙物。

參照圖8，為一種示例性的內(nèi)部子網(wǎng)格的特征值變化曲線。如圖8所示，t1至t4時刻，內(nèi)部子網(wǎng)格的特征值始終在1附近變化，說明t1至t4時刻內(nèi)部子網(wǎng)格內(nèi)無障礙物，而t4時刻之后，特征值瞬間變?yōu)镵-1，說明t4時刻時，內(nèi)部子網(wǎng)格所對應(yīng)的區(qū)域內(nèi)出現(xiàn)了障礙物，此障礙物是固定障礙物還是可移動障礙物還需要根據(jù)后續(xù)的特征值曲線變化情況來進行判斷。

當(dāng)屬性確定模塊15根據(jù)內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的屬性之后，由動態(tài)地圖生成模塊16在所述網(wǎng)格區(qū)域中標注出內(nèi)部子網(wǎng)格及邊界子網(wǎng)格的屬性，從而生成動態(tài)地圖。在動態(tài)地圖中，屬性為無障礙物的區(qū)域為機器人可進入的區(qū)域，屬性為固定障礙物的區(qū)域為機器人禁止進入的區(qū)域，屬性為非固定障礙物的區(qū)域為機器人可選擇進入的區(qū)域。

在具體實施過程中，上述劃分模塊11、障礙掃描模塊12、特征值確定模塊13、特征值變化情況確定模塊14、屬性確定模塊15及動態(tài)地圖生成模塊16可以由機器人內(nèi)的中央處理器(CPU，Central Processing Unit)、微處理器(MPU，Micro Processing Unit)、數(shù)字信號處理器(DSP，Digital Signal Processor)或可編程邏輯陣列(FPGA，F(xiàn)ield－Programmable Gate Array)來實現(xiàn)。

實施例二

參照圖9，示出了本發(fā)明一種機器人生成動態(tài)地圖的方法的步驟流程圖，該方法具體可以包括：

步驟901、將目標運動區(qū)域劃分為多個子網(wǎng)格，所述多個子網(wǎng)格構(gòu)成網(wǎng)格區(qū)域，每個子網(wǎng)格對應(yīng)目標運動區(qū)域內(nèi)的特定區(qū)域，所述子網(wǎng)格為邊界子網(wǎng)格或內(nèi)部子網(wǎng)格；

具體的，所述將目標運動區(qū)域劃分為多個子網(wǎng)格，包括：

以目標運動區(qū)域上的預(yù)設(shè)點為中心點；

以所述中心點為頂點，以東西方向為寬、南北方向為長設(shè)置一方形子網(wǎng)格；

以所述方形子網(wǎng)格為起始子網(wǎng)格，向四周延伸多個與所述方形子網(wǎng)格大小相同的方形子網(wǎng)格，直到延伸出的多個方形子網(wǎng)格形成一覆蓋目標運動區(qū)域的網(wǎng)格區(qū)域。

步驟902、對內(nèi)部子網(wǎng)格進行障礙掃描；

步驟903、根據(jù)障礙掃描結(jié)果確定內(nèi)部子網(wǎng)格的特征值；

具體的，所述特征值通過灰度來表示，所述特征值變化情況為灰度值變化情況，所述灰度值的取值范圍為[0，K]，其中，K∈[2，255]。

具體的，所述邊界子網(wǎng)格的特征值為K，這樣，機器人不需要再對邊界子網(wǎng)格進行障礙掃描。

具體的，所述根據(jù)障礙掃描結(jié)果確定內(nèi)部子網(wǎng)格的特征值，包括：

當(dāng)通過障礙掃描確定內(nèi)部子網(wǎng)格內(nèi)包含障礙物時，所述內(nèi)部子網(wǎng)格的特征值被確定為K-1；

當(dāng)通過障礙掃描確定內(nèi)部子網(wǎng)格內(nèi)不包含障礙物時，所述內(nèi)部子網(wǎng)格的特征值被確定為1。

在本發(fā)明的一種可選實施方式中，所述內(nèi)部子網(wǎng)格的初始特征值為0；

一次障礙掃描后至下一次障礙掃描之前，所述內(nèi)部子網(wǎng)格的特征值按照函數(shù)G(t)進行變化。

步驟904、確定預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況；

步驟905、根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的屬性；

由于隨著時間的變化，邊界子網(wǎng)格的特征值一直為K，因此，直接將邊界子網(wǎng)格的屬性確定為固定障礙物。屬性為障礙物的邊界子網(wǎng)格為機器人禁止進入的區(qū)域。

步驟906、在所述網(wǎng)格區(qū)域中標注出內(nèi)部子網(wǎng)格及邊界子網(wǎng)格的屬性，從而生成動態(tài)地圖。

在本發(fā)明的一種可選實施例中，所述預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況可以通過預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化曲線來表示；

所述特征變化曲線通過以下方式生成：

將預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的所有特征值依次連接，形成特征值變化曲線。

通過特征值變化曲線可以較為清晰直觀的對特征值在預(yù)設(shè)時間段內(nèi)隨時間的變化情況進行表示。

具體的，所述根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的屬性，包括：

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值始終為K-1時，確定所述內(nèi)部子網(wǎng)格的屬性為固定障礙物；

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值在K-1和1之間進行變化時，確定所述內(nèi)部子網(wǎng)格的屬性為非固定障礙物；

當(dāng)根據(jù)預(yù)設(shè)時間段內(nèi)所述內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的特征值始終為1時，確定所述內(nèi)部子網(wǎng)格的屬性為無障礙物。

當(dāng)機器人根據(jù)內(nèi)部子網(wǎng)格的特征值變化情況確定所述內(nèi)部子網(wǎng)格的屬性之后，在所述網(wǎng)格區(qū)域中標注出內(nèi)部子網(wǎng)格及邊界子網(wǎng)格的屬性，從而生成動態(tài)地圖。在動態(tài)地圖中，屬性為無障礙物的區(qū)域為機器人可進入的區(qū)域，屬性為固定障礙物的區(qū)域為機器人禁止進入的區(qū)域，屬性為非固定障礙物的區(qū)域為機器人可選擇進入的區(qū)域。

綜上，本發(fā)明實施例二所提供的機器人構(gòu)建動態(tài)地圖的方法，能夠在將目標運動區(qū)域劃分為多個邊界子網(wǎng)格和內(nèi)部子網(wǎng)格從而形成網(wǎng)格區(qū)域后，不斷對內(nèi)部子網(wǎng)格進行障礙掃描，并根據(jù)障礙掃描結(jié)果確定內(nèi)部子網(wǎng)格的特征值，進而根據(jù)預(yù)設(shè)時間段內(nèi)內(nèi)部子網(wǎng)格的特征值變化情況確定內(nèi)部子網(wǎng)格的屬性，對每一個內(nèi)部子網(wǎng)格的屬性進行標注后生成動態(tài)地圖?？梢姡@種生成動態(tài)地圖的方式能夠有針對性的對每一個內(nèi)部子網(wǎng)格在預(yù)設(shè)時間段內(nèi)的障礙掃描結(jié)果進行動態(tài)分析，從而得出每一個內(nèi)部子網(wǎng)格的屬性。對每一個內(nèi)部子網(wǎng)格的屬性的確定方法完全依據(jù)每一個子網(wǎng)格的多次障礙掃描結(jié)果，在動態(tài)變化的環(huán)境中，這種確定方式具備非常好的準確性和科學(xué)性。相應(yīng)的，依據(jù)這種方式生成的動態(tài)地圖也更加準確。

本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明實施例的實施例可提供為方法、裝置、或計算機程序產(chǎn)品。因此，本發(fā)明實施例可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本發(fā)明實施例可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學(xué)存儲器等)上實施的計算機程序產(chǎn)品的形式。

本發(fā)明實施例是參照根據(jù)本發(fā)明實施例的方法、終端設(shè)備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理終端設(shè)備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理終端設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導(dǎo)計算機或其他可編程數(shù)據(jù)處理終端設(shè)備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理終端設(shè)備上，使得在計算機或其他可編程終端設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程終端設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

盡管已描述了本發(fā)明實施例的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本發(fā)明實施例范圍的所有變更和修改。

最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終端設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者終端設(shè)備中還存在另外的相同要素。

以上對本發(fā)明所提供的一種用于構(gòu)建動態(tài)地圖的機器人及機器人構(gòu)建動態(tài)地圖的方法，進行了詳細介紹，本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，根據(jù)本發(fā)明的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。