CN103412565B - 一种具有全局位置快速估计能力的机器人定位方法 - Google Patents
一种具有全局位置快速估计能力的机器人定位方法 Download PDFInfo
- Publication number
- CN103412565B CN103412565B CN201310227851.5A CN201310227851A CN103412565B CN 103412565 B CN103412565 B CN 103412565B CN 201310227851 A CN201310227851 A CN 201310227851A CN 103412565 B CN103412565 B CN 103412565B
- Authority
- CN
- China
- Prior art keywords
- robot
- scanning
- particle
- frame
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种具有全局位置快速估计能力的机器人,其包括一机器人平台、运动传感器以及3D扫描装置;其定位过程为:事先对环境空间进行3D扫描得到完整的全局地图,将环境空间栅格化,计算每个栅格到与该栅格最近的障碍物点的距离值;启动所述3D扫描装置完成一帧3D扫描帧,同时采用粒子滤波框架模拟一定量的粒子按照所述机器人平台的动力学模型运动,将3D扫描帧按照各粒子的位置和姿态对环境地图进行模拟扫描得到各粒子的激光扫描点,利用栅格图计算得到激光扫描点与机器人激光扫描点最近的粒子,该粒子位置即为机器人全局位置最终的估计结果。本发明具有抗干扰性强,成本低且精度高等优点。
Description
技术领域
本发明主要应用于室内外机器人平台的自主运动控制领域,尤其是一种通过3D扫描技术以及三维距离变换完成对机器人全局位置的估计技术。
背景技术
随着机器人技术的发展,其人被广泛的运用在各个领域,机器人通过对自身全局位置的估计,实现对机器人的自主导航、实现目标任务,以及其他用到全局位置作为反馈的控制系统。
实现机器人定位的方法很多,包括广泛应用的GPS定位,但此方法目前仅适用于室外环境,对干扰敏感且精度不高;里程计可以实现轮式平台的二维定位,惯性定位技术依靠与物质惯性有关的物理原理实现相对定位,但由于相对定位在原理上误差累积,因此长时间误差发散,此外高精度的惯性器件成本较高;全局位置估计还可利用2D激光扫描实现,但是如果在2D平面中的环境特征不明显(相似,单一)的情况下,其估计结果误差大。
发明内容
为了解决上述问题,本发明提供了一种具有全局位置快速估计能力的机器人,其包括一机器人平台、运动传感器以及3D扫描装置,所述机器人平台携带所述运动传感器以及所述3D扫描装置并移动,所述3D扫描装置用于对环境轮廓进行3D点云数据扫描,所述运动传感器测量所述机器人平台的具体位置。
较佳地,所述3D扫描装置包括2D激光扫描传感器、转台以及码盘,所述2D激光扫描传感器安装在所述转台上,所述2D激光扫描传感器用于逐帧扫描可测量半圆周内传感器中心到环境障碍物的距离,所述转台沿激光扫描平面垂直的方向旋转,所述码盘测量转台所在位置相对转角零位的转角。
较佳地,所述运动传感器包括里程计、加速度计和陀螺仪,所述里程计用于测量所述机器人平台的位置增量,所述加速度计用于测量机器人平台的加速度,所述陀螺仪用于测量机器人平台的航向角。
本发明还提供了一种包括以下步骤:
事先对环境空间进行3D扫描得到完整的全局地图,所述全局地图上的每个点代表一个障碍物点;
将环境空间以一定尺度栅格化为的栅格空间,计算每个栅格到与该栅格最近的障碍物点的距离值;
运行所述机器人平台,同时启动所述3D扫描装置完成一帧3D扫描帧;
采用粒子滤波框架,模拟一定量的粒子按照所述机器人平台的动力学模型运动;
将所述3D扫描帧按照所述各粒子的位置和姿态投影到栅格图中,计算各粒子的激光扫描点与机器人的激光扫描点位置之间的距离,得到激光扫描点与机器人激光扫描点最近的粒子,其位置即为机器人全局位置最终的估计结果;
重新获得粒子群对机器人获得的下一个扫描帧的位置进行估计。
较佳地,计算栅格与其最近障碍物点距离的过程采用了欧式距离变换以及基于最优KD-Tree的最近邻点的查找。
较佳地,所述机器人运动的动力学模型根据所述运动传感器测得。
较佳地,所述粒子模拟所述运动传感器所测得的机器人运动数据以及所述运动传感器的测量误差。
较佳地,激光扫描点与机器人激光扫描点最近的粒子为一个或多个。
较佳地,所述3D扫描装置的扫描过程为:转台获取逐帧2D激光扫描数据及对应的转台码盘测角,通过旋转坐标系法则将逐帧2D测量折算成一帧3D扫描结果。
本发明具有以下有益效果:
(1)相对于其他的全局定位方案,本发明所述方案几乎适用于任复杂环境,且抗环境干扰能力强;
(2)本发明提供的定位装置结构简单,算法巧妙的利用了三维距离变换技术,大大提高了后续运行过程中的计算效率,该算法对于部分遮挡等环境异常也有很好的鲁棒性;
(3)在同等位置估计精度条件下,本方案硬件成本远低于采用GPS方案或惯性导航方案的成本;在同等硬件成本条件下,本方案的位置估计精度由于其他方案。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
图1为本发明提供的机器人的全局位置快速估计方法流程图;
图2为本发明实施例提供的通过旋转坐标系法则将逐帧2D测量折算成一帧3D扫描原理图。
具体实施方式
下面结合附图说明本发明的优选实施例。
为解决现有技术所存在的缺陷,本发明提供了一种具有全局位置快速估计能力的机器人,其包括一机器人平台、运动传感器以及3D扫描装置,所述机器人平台携带所述运动传感器以及所述3D扫描装置并移动,所述3D扫描装置用于对环境轮廓进行3D点云数据扫描,所述运动传感器测量所述机器人平台的具体位置。
本发明实施例所采用的3D扫描装置包括2D激光扫描传感器、转台以及码盘,所述2D激光扫描传感器安装在所述转台上,所述2D激光扫描传感器用于逐帧扫描可测量半圆周内传感器中心到环境障碍物的距离,所述转台沿激光扫描平面垂直的方向旋转,所述码盘测量转台所在位置相对转角零位的转角。其还包括一滑环,所述滑环激光扫描器供电及数据通过滑环与外部连接。
本实施例采用的运动传感器包括里程计、加速度计及陀螺仪等测量装置,其中所述里程计用于测量所述机器人平台的位置增量,所述加速度计用于测量机器人平台的加速度,所述陀螺仪用于测量机器人平台的航向角。本发明还可以采用其他位置测量装置,并不局限于本实施例。根据运动传感器可以测量出机器人的具体位置,同时也可以计算得到机器人的运动动力学模型。
如图1所示,本发明还提供了机器人的全局位置快速估计方法,其包括以下步骤:
事先对环境空间进行3D扫描得到完整的全局地图,所述全局地图上的每个点代表一个障碍物点;
将环境空间以一定尺度栅格化为的栅格空间,计算每个栅格到与该栅格最近的障碍物点的距离值;
运行所述机器人平台,同时启动所述3D扫描装置完成一帧3D扫描帧;所述3D扫描装置的扫描过程为:转台获取逐帧2D激光扫描数据及对应的转台码盘测角,通过旋转坐标系法则将逐帧2D测量折算成一帧3D扫描结果,如图2所示,每帧2D测量为若干组角度/距离[γi,di]|i=1,..,n,γ∈[-π/2,π/2]数据对,转台码盘测角为αj∈[-π,π],折算后点的3D坐标[xk,yk,zk]按以下公式计算
x(i,j)=d·cosγi·cosαj
y(i,j)=d·cosγi·sinαj
z(i,j)=d·sinγi;
采用粒子滤波框架,模拟一定量的粒子按照所述机器人平台的动力学模型运动;本例采用的粒子滤波(ParticleFilter)框架,按照机器人平台动力学模型及传感器噪声模型仿真一定数量的粒子,每个粒子由三元组表示其全局位置坐标及朝向;
将所述3D扫描帧按照所述各粒子的位置和姿态投影到栅格图中,计算各粒子的激光扫描点与机器人的激光扫描点位置之间的距离,得到激光扫描点与机器人激光扫描点最近的粒子,其位置即为机器人全局位置最终的估计结果;激离栅格图中
Zk=zk
由于预先计算并存储了距离数据,可以实现快速的查找各个激光扫描点在环境地图中的距离值即到最近障碍物的距离,计算得到激光扫描点与机器人激光扫描点最近的粒子。该过程称为距离评价。
当机器人获得另一扫描帧并需要进行定位时,粒子滤波框架重新获得粒子群对机器人获得的下一个扫描帧的位置进行估计,具体步骤和获得上一帧机器人所在位置的定位方法一致。重新采样获得粒子群,有利于保证粒子群的健壮性,使得定位结果更加准确。
其中,环境地图由事先激光扫描,借助运动传感器测得的数据,将多帧激光拼接成完整的全局地图,其中每个激光扫描点代表该位置有障碍物;
本方法中,采用欧式距离变换(EDT)表示距离,三维空间中两点之间欧氏
距离表示为
将特定三维空间以一定尺度栅格化为M×N×P的栅格空间,计算每个栅格点到最近障碍物点的距离值,一般采用基于最优KD-Tree来进行最近邻点的查找获得栅格点与其最近的障碍物点。
由于运动传感器在测量时具有一定的误差,根据运动传感器得到的动力学模型也与机器人实际运动模型具有一定的误差,粒子在模拟机器人按其动力学模型进行运动时,粒子同时模拟运动传感器所得到的动力学模型以及所述运动传感器的测量误差。具体误差可以表示为:
其中Δt为更新的时间增量;ηΔ为里程计速度量化误差,εod为里程高斯噪声,εb为陀螺仪高斯噪声,此处传感器误差可以用更复杂/精确的模型替代。
相对于其他的全局定位方案,本发明所述方案几乎适用于任意复杂环境,且抗环境干扰能力强;本发明提供的定位装置结构简单,算法巧妙的利用了三维距离变换技术,大大提高了后续运行过程中的计算效率,该算法对于部分遮挡等环境异常也有很好的鲁棒性;在同等位置估计精度条件下,本方案硬件成本远低于采用GPS方案或惯性导航方案的成本;在同等硬件成本条件下,本方案的位置估计精度由于其他方案。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种机器人全局位置快速估计方法,所述机器人包括一机器人平台、运动传感器以及3D扫描装置,所述机器人平台携带所述运动传感器以及所述3D扫描装置并移动,所述3D扫描装置用于对环境轮廓进行3D点云数据扫描,所述运动传感器测量所述机器人平台的具体位置;其特征在于,包括以下步骤:
事先对环境空间进行3D扫描得到完整的全局地图,所述全局地图上的每个点代表一个障碍物点;
将环境空间以一定尺度栅格化为M×N×P的栅格空间,计算每个栅格到与该栅格最近的障碍物点的距离值;
运行所述机器人平台,同时启动所述3D扫描装置完成一帧3D扫描帧;
采用粒子滤波框架,模拟一定量的粒子按照所述机器人平台的动力学模型运动;
将所述3D扫描帧按照各粒子的位置和姿态投影到栅格图中,计算各粒子的激光扫描点与机器人的激光扫描点位置之间的距离,得到激光扫描点与机器人激光扫描点最近的粒子,其位置即为机器人全局位置最终的估计结果;
重新获得粒子群对机器人获得的下一个扫描帧的位置进行估计。
2.如权利要求1所述的机器人全局位置快速估计方法,其特征在于,计算栅格与其最近障碍物点距离的过程采用了欧式距离变换以及基于最优KD-Tree的最近邻点的查找。
3.如权利要求1所述的机器人全局位置快速估计方法,其特征在于,所述机器人运动的动力学模型根据所述运动传感器测得。
4.如权利要求3所述的机器人全局位置快速估计方法,其特征在于,所述粒子模拟所述运动传感器所测得的机器人运动数据以及所述运动传感器的测量误差。
5.如权利要求1所述的机器人全局位置快速估计方法,其特征在于,激光扫描点与机器人激光扫描点最近的粒子为一个或多个。
6.如权利要求1所述的机器人全局位置快速估计方法,其特征在于,所述3D扫描装置的扫描过程为:转台获取逐帧2D激光扫描数据及对应的转台码盘测角,通过旋转坐标系法则将逐帧2D测量折算成一帧3D扫描结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310227851.5A CN103412565B (zh) | 2013-05-17 | 2013-06-08 | 一种具有全局位置快速估计能力的机器人定位方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310183826 | 2013-05-17 | ||
CN201310183826.1 | 2013-05-17 | ||
CN201310227851.5A CN103412565B (zh) | 2013-05-17 | 2013-06-08 | 一种具有全局位置快速估计能力的机器人定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103412565A CN103412565A (zh) | 2013-11-27 |
CN103412565B true CN103412565B (zh) | 2016-01-27 |
Family
ID=49605590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310227851.5A Expired - Fee Related CN103412565B (zh) | 2013-05-17 | 2013-06-08 | 一种具有全局位置快速估计能力的机器人定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103412565B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9403275B2 (en) * | 2014-10-17 | 2016-08-02 | GM Global Technology Operations LLC | Dynamic obstacle avoidance in a robotic system |
CN106325268A (zh) * | 2015-06-30 | 2017-01-11 | 芋头科技(杭州)有限公司 | 一种移动控制装置及移动控制方法 |
CN106580588A (zh) * | 2015-10-19 | 2017-04-26 | 沈阳新松机器人自动化股份有限公司 | 床椅一体化护理床及床椅对接方法 |
CN106123890A (zh) * | 2016-06-14 | 2016-11-16 | 中国科学院合肥物质科学研究院 | 一种多传感器数据融合的机器人定位方法 |
CN106708059B (zh) * | 2017-01-24 | 2020-01-17 | 厦门万久科技股份有限公司 | 一种基于通道选择的移动机器人实时运动规划方法 |
CN107908185A (zh) * | 2017-10-14 | 2018-04-13 | 北醒(北京)光子科技有限公司 | 一种机器人自主全局重定位方法及机器人 |
CN107765694A (zh) * | 2017-11-06 | 2018-03-06 | 深圳市杉川机器人有限公司 | 一种重定位方法、装置及计算机可读取存储介质 |
CN108053443B (zh) * | 2017-11-20 | 2019-08-02 | 中国科学院空间应用工程与技术中心 | 一种基于粒子群优化的物体点云位姿估算方法和系统 |
CN109870716B (zh) * | 2017-12-01 | 2022-02-01 | 北京京东乾石科技有限公司 | 定位方法和定位装置及计算机可读存储介质 |
CN109271893B (zh) * | 2018-08-30 | 2021-01-01 | 百度在线网络技术(北京)有限公司 | 一种仿真点云数据的生成方法、装置、设备及存储介质 |
CN111376249B (zh) * | 2018-12-28 | 2024-04-09 | 浙江菜鸟供应链管理有限公司 | 移动设备定位系统、方法、装置及移动设备 |
CN109991976B (zh) * | 2019-03-01 | 2022-05-13 | 江苏理工学院 | 一种基于标准粒子群算法的无人车规避动态车辆的方法 |
CN110419985B (zh) * | 2019-08-05 | 2021-04-09 | 小狗电器互联网科技(北京)股份有限公司 | 一种路径生成方法、装置及扫地设备 |
CN111258320B (zh) * | 2020-02-14 | 2023-06-06 | 广东博智林机器人有限公司 | 一种机器人避障的方法及装置、机器人、可读存储介质 |
CN112904369B (zh) * | 2021-01-14 | 2024-03-19 | 深圳市杉川致行科技有限公司 | 机器人重定位方法、装置、机器人和计算机可读存储介质 |
CN112985417B (zh) * | 2021-04-19 | 2021-07-27 | 长沙万为机器人有限公司 | 移动机器人粒子滤波定位的位姿校正方法及移动机器人 |
CN114485662B (zh) * | 2021-12-28 | 2024-03-08 | 深圳优地科技有限公司 | 机器人重定位方法、装置、机器人及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183266A (zh) * | 2006-11-16 | 2008-05-21 | 三星电子株式会社 | 使用粒子滤波器估算移动机器人姿态的方法、设备和介质 |
CN101625572A (zh) * | 2009-08-10 | 2010-01-13 | 浙江大学 | 基于改进重采样方法和粒子选取的FastSLAM算法 |
EP1901152B1 (en) * | 2006-09-13 | 2011-12-28 | Samsung Electronics Co., Ltd. | Method, medium, and system estimating pose of mobile robots |
CN102576228A (zh) * | 2009-08-31 | 2012-07-11 | Neato机器人技术公司 | 移动机器人环境的同时定位和地图绘制的方法和设备 |
-
2013
- 2013-06-08 CN CN201310227851.5A patent/CN103412565B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1901152B1 (en) * | 2006-09-13 | 2011-12-28 | Samsung Electronics Co., Ltd. | Method, medium, and system estimating pose of mobile robots |
CN101183266A (zh) * | 2006-11-16 | 2008-05-21 | 三星电子株式会社 | 使用粒子滤波器估算移动机器人姿态的方法、设备和介质 |
CN101625572A (zh) * | 2009-08-10 | 2010-01-13 | 浙江大学 | 基于改进重采样方法和粒子选取的FastSLAM算法 |
CN102576228A (zh) * | 2009-08-31 | 2012-07-11 | Neato机器人技术公司 | 移动机器人环境的同时定位和地图绘制的方法和设备 |
Non-Patent Citations (1)
Title |
---|
基于扫描激光的室外移动机器人三维环境建模;钱来等;《计算机技术与发展》;20130509;第23卷(第10期);第6-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103412565A (zh) | 2013-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103412565B (zh) | 一种具有全局位置快速估计能力的机器人定位方法 | |
CN108873908B (zh) | 基于视觉slam和网络地图结合的机器人城市导航系统 | |
CN107356252B (zh) | 一种融合视觉里程计与物理里程计的室内机器人定位方法 | |
CN106123908B (zh) | 车辆导航方法和系统 | |
CN112254729B (zh) | 一种基于多传感器融合的移动机器人定位方法 | |
CN106441275A (zh) | 一种机器人规划路径的更新方法及装置 | |
CN109341705A (zh) | 智能探测机器人同时定位与地图构建系统 | |
Fang et al. | A Real‐Time 3D Perception and Reconstruction System Based on a 2D Laser Scanner | |
CN111260751B (zh) | 基于多传感器移动机器人的建图方法 | |
CN104657981A (zh) | 一种移动机器人运动中三维激光测距数据动态补偿方法 | |
CN115479598A (zh) | 基于多传感器融合的定位与建图方法及紧耦合系统 | |
CN103105852A (zh) | 位移计算方法和设备及即时定位与地图构建方法和设备 | |
Khoshelham et al. | Vehicle positioning in the absence of GNSS signals: Potential of visual-inertial odometry | |
Karam et al. | Integrating a low-cost mems imu into a laser-based slam for indoor mobile mapping | |
CN103995152A (zh) | 一种外场环境三维测量加速度计误差无奇异估计方法 | |
Liu et al. | An autonomous positioning method for fire robots with multi-source sensors | |
CN107544498A (zh) | 可移动终端的移动路径规划方法及装置 | |
Bayar et al. | Improving measurement accuracy of indoor positioning system of a Mecanum wheeled mobile robot using Monte Carlo-Latin hypercube sampling based machine learning algorithm | |
Hu et al. | A small and lightweight autonomous laser mapping system without GPS | |
CN105759292B (zh) | 一种差分gps与机器人的相对位置参数标定方法及系统 | |
Qian et al. | Optical flow based step length estimation for indoor pedestrian navigation on a smartphone | |
CN116429121A (zh) | 基于多传感器的定位方法、装置、自移动设备及存储介质 | |
CN115540854A (zh) | 一种基于uwb辅助的主动定位方法、设备和介质 | |
CN114562994A (zh) | 移动机器人处于动态环境中的定位方法 | |
CN115060268A (zh) | 一种机房融合定位方法、系统、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160127 Termination date: 20170608 |
|
CF01 | Termination of patent right due to non-payment of annual fee |