CN105806345A - 一种用于变电站巡检机器人激光导航的初始化定位方法 - Google Patents
一种用于变电站巡检机器人激光导航的初始化定位方法 Download PDFInfo
- Publication number
- CN105806345A CN105806345A CN201610324871.8A CN201610324871A CN105806345A CN 105806345 A CN105806345 A CN 105806345A CN 201610324871 A CN201610324871 A CN 201610324871A CN 105806345 A CN105806345 A CN 105806345A
- Authority
- CN
- China
- Prior art keywords
- robot
- particle
- pose
- map
- centered
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种用于变电站巡检机器人激光导航的初始化定位方法,包括以下步骤:1)绘制出二维环境地图,记录下地图上关键节点的位姿信息;2)按照高斯分布以记忆位姿为中心局部播撒粒子;3)对粒子进行重新计算,按照粒子滤波算法中采样与重采样的计算方法,对粒子簇进行实时更新;4)经过短暂的运动,粒子簇会呈现收敛的趋势,最终收敛成一个较小的粒子簇;5)对所有粒子进行加权平均计算,得到一个估计位姿,即该时刻机器人的定位结果。本发明采用局部播撒粒子的做法,来快速精确地确认机器人的初始坐标,能够快速实现机器人的初始化定位,使机器人的巡检更加安全流畅。
Description
技术领域
本发明属于变电站巡检机器人激光导航技术,特别涉及一种用于变电站巡检机器人激光导航的初始化定位方法。
背景技术
现有变电站巡检机器人的导航定位技术多采用有轨式导航定位,即巡检机器人通过识别自身所在的轨道位置信息,从而得知自身的位置,然后由导航定位系统发布运动命令,使得机器人沿着提前铺设好轨道,到达指定的作业位置。
但是,采用有轨式巡检机器人导航定位技术需要提前铺设好轨道,这带来了大量的基础设施建设工作,而且轨道铺设好以后,巡检机器人的行走路线固定不灵活,不能够根据管理人员的需要进行变动。而采用基于激光导航技术的巡检机器人在工作时将不再依赖轨道进行定位,既能够节省轨道铺设的成本以及工作量,又使巡检工作变得十分灵活,可根据巡检需要进行路线调整。
但是,基于激光导航定位的巡检机器人起始时并不知道自己的位姿(包括位置和运动方向),通常需要在整个地图播撒粒子,经过机器人的运动实现粒子的收敛,从而最终确定机器人的位姿。然而在整张地图播撒粒子时所需粒子数与地图面积成正比,当地图达到一定面积时,巨额的粒子数所带来的计算时间是我们所不能容忍的,例如为了保证精度,假设我们平均每0.1m*0.1m范围内播撒1个粒子,那么在一个100m*100m的区域内,我们需要播撒100万个粒子来进行初始化,但是如果我们只在一个10m*10m的范围内局部播撒粒子,那么我们所需的粒子数可以缩减到1万个,计算复杂度仅为原来的百分之一。另外,全局播撒粒子的做法,需要在机器人移动一定时间后,我们才能确认机器人的位置,而在变电站里,我们显然不能够让机器人恣意移动,这样可能会导致机器人脱离运动路径,甚至撞向变电站的设备,带来很大的安全隐患。
发明内容
本发明的目的是为了解决上述问题,提供一种能够实现初始阶段粒子的迅速收敛从而快速定位机器人位姿的用于变电站巡检机器人激光导航的初始化定位方法。
为此,本发明的技术方案是:一种用于变电站巡检机器人激光导航的初始化定位方法,在至少具有运动控制系统、惯性导航系统、激光扫描传感器的机器人上使用;其特征在于:包括以下步骤:
1)采用同步定位与地图构建SLAM方法在机器人操作系统ROS中绘制出一张二维环境地图;绘制地图的同时,记录下地图上关键节点的位姿信息;
2)按照高斯分布以记忆位姿为中心局部播撒粒子;从步骤1)中记录的关键节点中选取一个作为巡检机器人的起始位姿,然后以该点为中心,按照高斯分布向周围随机播撒粒子,每一个粒子代表一个可能的机器人的位姿;初始时刻就有了一个以记忆位姿为中心的粒子簇;
局部播撒粒子时,假设机器人的初始位姿为,需要n个粒子,以为中心按照高斯分布,在机器人周围播撒粒子,可以利用下列公式来产生一个粒子,
其中用、分别表示机器人的移动误差和旋转误差,它们均服从均值为0的高斯分布,j=1,2,3....n;由此可完成局部播撒粒子的初始化;
3)随着机器人的运动,将激光扫描传感器返回的数据与二维地图做匹配,对粒子进行重新计算,按照粒子滤波算法中采样与重采样的计算方法,对粒子簇进行实时更新;
4)经过短暂的运动,粒子簇会呈现收敛的趋势,最终收敛成一个较小的粒子簇;
5)对所有粒子进行加权平均计算,得到一个估计位姿,该估计位姿就是该时刻机器人的定位结果,由此完成了机器人初始化的定位工作。
本发明所述的同步定位与地图构建SLAM(SimultaneousLocalizationandMapping)可以描述为:机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航。所谓粒子滤波算法就是指:通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数,用样本均值代替积分运算,进而获得系统状态的最小方差估计的过程,这些样本被形象的称为“粒子”,故而叫粒子滤波。重采样的目的是剔除权重小的粒子,复制权重大的粒子以满足粒子数目的需要,节省计算时间,它将原有粒子集合进行重新选择并赋予新的等重权,形成新的粒子集。
本发明采用局部播撒粒子的做法,来快速精确地确认机器人的初始坐标;降低了巡检机器人在巡检起始阶段定位的计算复杂度以及计算时间,能够快速实现机器人的初始化定位,使机器人的巡检更加安全流畅。
附图说明
以下结合附图和本发明的实施方式来作进一步详细说明
图1为本发明步骤1)中所建立的二维地图;
图2为本发明步骤2)中以记忆位姿为中心的粒子簇;
图3为本发明步骤4)中粒子收敛后的粒子簇;
图4为本发明的流程框图。
具体实施方式
参见附图。本实施例所述的初始化定位方法,在至少具有运动控制系统、惯性导航系统、激光扫描传感器的机器人上使用;包括以下步骤:
首先需要给予机器人一个记忆位姿作为初始位置,不需要特别精确,在机器人实际位置附近即可,建图的时候,可以获取机器人在每个实际位置的坐标,而该点也作为以后机器人每次巡检的起始点。因此只要机器人的起始点是固定的,就可以以该点为中心,采用局部播撒粒子的做法,来快速精确地确认机器人的初始坐标。
要实现巡检机器人的激光导航定位首先需要有一张地图,同步定位与地图构建SLAM(SimultaneousLocalizationandMapping)提供了一个良好的解决办法,采用此方法在机器人操作系统ROS(robotoperationsystem)中可以绘制出一张二维环境地图,如图1所示。在绘制地图的同时,可以记录下关键节点的位姿信息。
接着,需要按照高斯分布以记忆位姿为中心局部播撒粒子,从上述步骤中记录的关键节点中选取一个作为巡检机器人的起始位姿,然后以该点为中心,按照高斯分布向周围随机播撒粒子,每一个粒子代表一个可能的机器人的位姿;初始时刻就有了一个以记忆位姿为中心的粒子簇;如图2所示,图中左下角即为初始时刻的粒子簇A;
局部播撒粒子时,假设机器人的初始位姿为,需要n个粒子,以为中心按照高斯分布,在机器人周围播撒粒子,可以利用下列公式来产生一个粒子,
其中用、分别表示机器人的移动误差和旋转误差,它们均服从均值为0的高斯分布,j=1,2,3....n;由此可完成局部播撒粒子的初始化。
随着机器人的运动,根据激光扫描传感器返回的数据与二维地图做匹配,对粒子进行重新计算,按照粒子滤波算法中采样与重采样的计算方法,对粒子簇进行实时更新。经过短暂的运动,粒子簇会呈现收敛的趋势,最终收敛成一个较小的粒子簇B,如图3中所示。此时,对所有粒子进行加权平均计算,得到一个估计位姿。那么该估计位姿就是该时刻机器人的定位结果,完成了机器人初始化的定位工作。
Claims (1)
1.一种用于变电站巡检机器人激光导航的初始化定位方法,在至少具有运动控制系统、惯性导航系统、激光扫描传感器的机器人上使用;其特征在于:包括以下步骤:
1)采用同步定位与地图构建SLAM方法在机器人操作系统ROS中绘制出一张二维环境地图;绘制地图的同时,记录下地图上关键节点的位姿信息;
2)按照高斯分布以记忆位姿为中心局部播撒粒子;从步骤1)中记录的关键节点中选取一个作为巡检机器人的起始位姿,然后以该点为中心,按照高斯分布向周围随机播撒粒子,每一个粒子代表一个可能的机器人的位姿;初始时刻就有了一个以记忆位姿为中心的粒子簇;
局部播撒粒子时,假设机器人的初始位姿为,需要n个粒子,以为中心按照高斯分布,在机器人周围播撒粒子,可以利用下列公式来产生一个粒子,
其中用、分别表示机器人的移动误差和旋转误差,它们均服从均值为0的高斯分布,j=1,2,3....n;由此可完成局部播撒粒子的初始化;
3)随着机器人的运动,将激光扫描传感器返回的数据与二维地图做匹配,对粒子进行重新计算,按照粒子滤波算法中采样与重采样的计算方法,对粒子簇进行实时更新;
4)经过短暂的运动,粒子簇会呈现收敛的趋势,最终收敛成一个较小的粒子簇;
5)对所有粒子进行加权平均计算,得到一个估计位姿,该估计位姿就是该时刻机器人的定位结果,由此完成了机器人初始化的定位工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610324871.8A CN105806345B (zh) | 2016-05-17 | 2016-05-17 | 一种用于变电站巡检机器人激光导航的初始化定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610324871.8A CN105806345B (zh) | 2016-05-17 | 2016-05-17 | 一种用于变电站巡检机器人激光导航的初始化定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105806345A true CN105806345A (zh) | 2016-07-27 |
CN105806345B CN105806345B (zh) | 2018-05-04 |
Family
ID=56452378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610324871.8A Active CN105806345B (zh) | 2016-05-17 | 2016-05-17 | 一种用于变电站巡检机器人激光导航的初始化定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105806345B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107063264A (zh) * | 2017-04-13 | 2017-08-18 | 杭州申昊科技股份有限公司 | 一种适用于大规模变电站环境的机器人地图创建方法 |
CN108507579A (zh) * | 2018-04-08 | 2018-09-07 | 浙江大承机器人科技有限公司 | 一种基于局部粒子滤波的重定位方法 |
CN108571967A (zh) * | 2017-03-13 | 2018-09-25 | 深圳市朗驰欣创科技股份有限公司 | 一种定位方法和装置 |
CN109079739A (zh) * | 2018-09-04 | 2018-12-25 | 南京理工大学 | 一种适应雪地作业的变电站巡检机器人 |
CN109839118A (zh) * | 2017-11-24 | 2019-06-04 | 北京京东尚科信息技术有限公司 | 路径规划方法、系统、机器人和计算机可读存储介质 |
CN110031009A (zh) * | 2019-04-04 | 2019-07-19 | 肖卫国 | 一种初始定位方法、计算机可读存储介质及系统 |
CN110207707A (zh) * | 2019-05-30 | 2019-09-06 | 四川长虹电器股份有限公司 | 基于粒子滤波器的快速初始定位方法及机器人设备 |
CN110940420A (zh) * | 2019-11-14 | 2020-03-31 | 国网山西省电力公司大同供电公司 | 一种用于窄小管腔微型巡检机器人的温度异常点定位系统 |
CN111061276A (zh) * | 2019-12-31 | 2020-04-24 | 芜湖哈特机器人产业技术研究院有限公司 | 基于动态区域划分的移动机器人重定位方法 |
CN111397594A (zh) * | 2020-03-20 | 2020-07-10 | 广东博智林机器人有限公司 | 一种全局初始化定位方法、装置、电子设备及存储介质 |
CN112336883A (zh) * | 2020-10-28 | 2021-02-09 | 湖南安商医疗科技有限公司 | 一种自主移动的脉冲氙气灯和等离子杀菌机器人 |
CN112923917A (zh) * | 2019-12-05 | 2021-06-08 | Aptiv技术有限公司 | 对自定位初始化的初始自我姿态进行确定的方法和系统 |
CN113124869A (zh) * | 2019-12-30 | 2021-07-16 | 国网陕西省电力公司榆林供电公司 | 一种基于粒子滤波的变电站巡检机器人导航定位方法 |
CN113465620A (zh) * | 2021-06-02 | 2021-10-01 | 上海追势科技有限公司 | 一种基于语义信息的停车场粒子滤波定位方法 |
CN114216465A (zh) * | 2021-12-08 | 2022-03-22 | 哈尔滨工程大学 | 一种海底地形导航并行匹配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112757A1 (en) * | 2009-11-10 | 2011-05-12 | Mitac International Corp. | Navigation System and Method Thereof |
CN103487047A (zh) * | 2013-08-06 | 2014-01-01 | 重庆邮电大学 | 一种基于改进粒子滤波的移动机器人定位方法 |
CN104236551A (zh) * | 2014-09-28 | 2014-12-24 | 北京信息科技大学 | 一种蛇形机器人基于激光测距仪的地图创建方法 |
CN104931057A (zh) * | 2015-07-02 | 2015-09-23 | 深圳乐行天下科技有限公司 | 一种机器人的任意位置定位方法、装置及系统 |
-
2016
- 2016-05-17 CN CN201610324871.8A patent/CN105806345B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112757A1 (en) * | 2009-11-10 | 2011-05-12 | Mitac International Corp. | Navigation System and Method Thereof |
CN103487047A (zh) * | 2013-08-06 | 2014-01-01 | 重庆邮电大学 | 一种基于改进粒子滤波的移动机器人定位方法 |
CN104236551A (zh) * | 2014-09-28 | 2014-12-24 | 北京信息科技大学 | 一种蛇形机器人基于激光测距仪的地图创建方法 |
CN104931057A (zh) * | 2015-07-02 | 2015-09-23 | 深圳乐行天下科技有限公司 | 一种机器人的任意位置定位方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
熊鹏文等: "基于效率与安全机制的核电站巡检与应急机器人的局部路径优化方法", 《机器人》 * |
黄昉菀等: "基于激光数据特征提取的一般环境下实时定位方法", 《软件工程与技术》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108571967A (zh) * | 2017-03-13 | 2018-09-25 | 深圳市朗驰欣创科技股份有限公司 | 一种定位方法和装置 |
CN108571967B (zh) * | 2017-03-13 | 2020-06-26 | 深圳市朗驰欣创科技股份有限公司 | 一种定位方法和装置 |
CN107063264A (zh) * | 2017-04-13 | 2017-08-18 | 杭州申昊科技股份有限公司 | 一种适用于大规模变电站环境的机器人地图创建方法 |
CN109839118A (zh) * | 2017-11-24 | 2019-06-04 | 北京京东尚科信息技术有限公司 | 路径规划方法、系统、机器人和计算机可读存储介质 |
CN108507579B (zh) * | 2018-04-08 | 2020-04-21 | 浙江大承机器人科技有限公司 | 一种基于局部粒子滤波的重定位方法 |
CN108507579A (zh) * | 2018-04-08 | 2018-09-07 | 浙江大承机器人科技有限公司 | 一种基于局部粒子滤波的重定位方法 |
CN109079739A (zh) * | 2018-09-04 | 2018-12-25 | 南京理工大学 | 一种适应雪地作业的变电站巡检机器人 |
CN110031009A (zh) * | 2019-04-04 | 2019-07-19 | 肖卫国 | 一种初始定位方法、计算机可读存储介质及系统 |
CN110207707A (zh) * | 2019-05-30 | 2019-09-06 | 四川长虹电器股份有限公司 | 基于粒子滤波器的快速初始定位方法及机器人设备 |
CN110940420A (zh) * | 2019-11-14 | 2020-03-31 | 国网山西省电力公司大同供电公司 | 一种用于窄小管腔微型巡检机器人的温度异常点定位系统 |
CN110940420B (zh) * | 2019-11-14 | 2021-06-22 | 国网山西省电力公司大同供电公司 | 一种用于窄小管腔微型巡检机器人的温度异常点定位系统 |
CN112923917A (zh) * | 2019-12-05 | 2021-06-08 | Aptiv技术有限公司 | 对自定位初始化的初始自我姿态进行确定的方法和系统 |
CN113124869A (zh) * | 2019-12-30 | 2021-07-16 | 国网陕西省电力公司榆林供电公司 | 一种基于粒子滤波的变电站巡检机器人导航定位方法 |
CN111061276A (zh) * | 2019-12-31 | 2020-04-24 | 芜湖哈特机器人产业技术研究院有限公司 | 基于动态区域划分的移动机器人重定位方法 |
CN111061276B (zh) * | 2019-12-31 | 2022-07-26 | 芜湖哈特机器人产业技术研究院有限公司 | 基于动态区域划分的移动机器人重定位方法 |
CN111397594A (zh) * | 2020-03-20 | 2020-07-10 | 广东博智林机器人有限公司 | 一种全局初始化定位方法、装置、电子设备及存储介质 |
CN112336883A (zh) * | 2020-10-28 | 2021-02-09 | 湖南安商医疗科技有限公司 | 一种自主移动的脉冲氙气灯和等离子杀菌机器人 |
CN113465620A (zh) * | 2021-06-02 | 2021-10-01 | 上海追势科技有限公司 | 一种基于语义信息的停车场粒子滤波定位方法 |
CN114216465A (zh) * | 2021-12-08 | 2022-03-22 | 哈尔滨工程大学 | 一种海底地形导航并行匹配方法 |
CN114216465B (zh) * | 2021-12-08 | 2022-11-01 | 哈尔滨工程大学 | 一种海底地形导航并行匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105806345B (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105806345A (zh) | 一种用于变电站巡检机器人激光导航的初始化定位方法 | |
CN111958592B (zh) | 一种变电站巡检机器人图像语义分析系统及方法 | |
CN103389699B (zh) | 基于分布式智能监测控制节点的机器人监控及自主移动系统的运行方法 | |
WO2018219089A1 (zh) | 驾驶意图确定方法及装置 | |
Kompis et al. | Informed sampling exploration path planner for 3d reconstruction of large scenes | |
Meng et al. | Integrated multi‐agent system framework: decentralised search, tasking and tracking | |
Wu et al. | Robust LiDAR-based localization scheme for unmanned ground vehicle via multisensor fusion | |
CN113031621B (zh) | 一种桥式起重机安全避障路径规划方法及系统 | |
CN118020038A (zh) | 两轮自平衡机器人 | |
CN115685736A (zh) | 一种基于热成像与卷积神经网络的轮式巡检机器人 | |
Tian et al. | Resilient and distributed multi-robot visual slam: Datasets, experiments, and lessons learned | |
Selje et al. | Gps-denied three dimensional leader-follower formation control using deep reinforcement learning | |
CN115390584B (zh) | 一种多机协同搜索方法 | |
CN114882339B (zh) | 基于实时稠密点云地图的煤矿巷道孔眼自主识别方法 | |
Zhang et al. | Indoor navigation for quadrotor using rgb-d camera | |
CN112380314B (zh) | 路网信息的处理方法和装置、存储介质及电子设备 | |
CN112305558B (zh) | 一种利用激光点云数据的移动机器人轨迹确定方法及装置 | |
Zhang et al. | Recent Advances in Mobile Robot Localization in Complex Scenarios | |
Kong et al. | Guest editorial introduction to the special issue on intelligent transportation systems empowered by AI technologies | |
Saifutdinov et al. | Scenario Modeling in a Centralized Airport Ground Traffic Control System | |
Hu et al. | Cartographer algorithm and system implementation based on enhanced pedestrian filtering of inspection robot | |
Liu et al. | Research on Path Planning of Logistics Storage Robot Based on Fuzzy Improved Artificial Potential Field Method | |
Ni | Voronoi-based collision avoidance using localization uncertainty region | |
Kou et al. | UAV Autonomous Navigation Based on Multi-modal Perception: A Deep Hierarchical Reinforcement Learning Method | |
Shen et al. | Optimal hybrid path planning considering dynamic and static characteristics of intelligent vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |