CN106441279A - 基于自主定位和边缘探索的机器人定位方法、系统 - Google Patents

Abstract

本发明属于机器人自动定位技术领域，提供了一种基于自主定位和边缘探索的机器人定位方法、系统，该方法包括获取机器人周围的环境信息、时间信息和里程信息，进行相对位置估计，再获取每个粒子的当前位置，根据每个粒子的权重值和当前位置，确定机器人的实际位置，基于边缘探索算法，为边界点进行评分，根据边界点评分结果，将评分最高的边界点设置为机器人的目标位置，使机器人移动到目标位置，根据粒子的数量，检验实际位置是否正确，并输出正确的实际位置。本发明基于自主定位和边缘探索的机器人定位方法、系统，能够提高机器人自主定位的精度和速度，防止定位错误，拓宽应用场景，易于推广。

Description

基于自主定位和边缘探索的机器人定位方法、系统

技术领域

本发明涉及机器人自动定位技术领域，具体涉及一种基于自主定位和边缘探索的机器人定位方法、系统。

背景技术

自动化控制技术广泛用于工业、农业、军事、科学研究、交通运输、商业、医疗、服务和家庭等方面。自动化控制是工业、农业、国防和科学技术现代化的重要条件和显著标志。

机器人的定位问题一直是自控技术中的难点之一。机器人自主定位技术是指在已有地图的情况下，借助其他传感器数据，确定机器人在地图中的绝对位置。现有的机器人自主定位技术常在环境中布置传感器，而此种方法会增加设备安装和维护成本，且对于复杂环境不易操作。

并且，现有的机器人自主定位技术常采用粒子滤波算法，这种算法在全局进行采样时，则会造成收敛过慢，或者直接收敛到误差的局部极小值处，即完全错误的位置，而对于一些相似度比较高的地图，粒子几乎没有办法纠正。为了解决粒子定位错误的问题，人们会尽可能增加粒子数，然而增加粒子数会增加运算量，对于一些嵌入式的硬件无法做到实时处理。同时，对于其他的全局定位算法也会有相同的问题。

如何提高机器人自主定位的精度和速度，防止定位错误，拓宽应用场景，是本领域技术人员亟需解决的问题。

发明内容

针对现有技术中的缺陷，本发明提供一种基于自主定位和边缘探索的机器人定位方法、系统，能够提高机器人自主定位的精度和速度，防止定位错误，拓宽应用场景。

第一方面，本发明提供一种基于自主定位和边缘探索的机器人定位方法，该方法包括信息获取步骤：获取机器人周围的环境信息、时间信息和里程信息；

坐标估计步骤：基于自主定位算法，根据环境信息和时间信息，进行相对位置估计，获取机器人在环境信息中的三维坐标；

实际位置确定步骤：根据环境信息，获取预布设N个粒子中每个粒子的权重值；

根据里程信息、时间信息和机器人在环境信息中的三维坐标，获取每个粒子的当前位置；

根据每个粒子的权重值和当前位置，以及粒子的数量，确定机器人的实际位置；

目标位置确定步骤：基于边缘探索算法，获取环境信息的边界点，并为边界点进行评分，获取边界点评分结果，边界点为多个；

根据边界点评分结果，将评分最高的边界点设置为机器人的目标位置；

实际位置检验步骤：采用路径规划算法，使机器人移动到目标位置，根据粒子的数量，检验实际位置是否正确，并输出正确的实际位置。

进一步地，根据里程信息、时间信息和机器人在环境信息中的三维坐标，获取每个粒子的当前位置，具体包括：

根据里程信息、时间信息和机器人在环境信息中的三维坐标，通过如下公式，获取每个粒子的当前位置，

其中，X_k-1表示机器人在环境信息中第k-1时刻的三维坐标，x_k-1表示机器人在环境信息中第k-1时刻的X方向的位置，y_k-1表示机器人在环境信息中第k-1时刻的Y方向的位置，θ_k-1表示机器人在环境信息中第k-1时刻的指向，表示里程信息，X_i,k表示第i个粒子在环境信息中当前第k时刻的位置信息，i＝1,2,3…,N-1,N。

基于上述任意基于自主定位和边缘探索的机器人定位方法实施例，进一步地，根据环境信息，获取每个粒子的权重值，具体包括：根据环境信息，通过如下公式，获取每个粒子的权重值，

其中，w_i表示第i个粒子的权重值，d表示在环境信息中机器人与最近障碍物距离，σ为常量。

进一步地，为边界点进行评分，获取边界点评分结果，具体包括：根据未知环境的信息量、某一边界点与历史路径的距离和该边界点周围障碍物的密度，为该边界点评分，获取每个边界点评分结果。

进一步地，采用路径规划算法，使机器人移动到目标位置，根据粒子的数量，检验实际位置是否正确，具体包括：

采用路径规划算法，使机器人移动到目标位置，若粒子的数量小于预设值，则判断实际位置正确，若粒子的数量大于等于预设值，则判断实际位置错误，且重新执行坐标估计步骤。

第二方面，本发明提供一种基于自主定位和边缘探索的机器人定位系统，该系统包括信息获取子系统、坐标估计子系统、实际位置确定子系统、目标位置确定子系统和实际位置检验子系统，信息获取子系统用于获取机器人周围的环境信息、时间信息和里程信息；坐标估计子系统用于基于自主定位算法，根据环境信息和时间信息，进行相对位置估计，获取机器人在环境信息中的三维坐标；实际位置确定子系统用于根据环境信息，获取预布设N个粒子中每个粒子的权重值；根据里程信息、时间信息和机器人在环境信息中的三维坐标，获取每个粒子的当前位置；根据每个粒子的权重值和当前位置，以及粒子的数量，确定机器人的实际位置；目标位置确定子系统用于基于边缘探索算法，获取环境信息的边界点，并为边界点进行评分，获取边界点评分结果，边界点为多个；根据边界点评分结果，将评分最高的边界点设置为机器人的目标位置；实际位置检验子系统用于采用路径规划算法，使机器人移动到目标位置，根据粒子的数量，检验实际位置是否正确，并输出正确的实际位置。

进一步地，实际位置确定子系统在根据里程信息、时间信息和机器人在环境信息中的三维坐标，获取每个粒子的当前位置时，具体用于：根据里程信息、时间信息和机器人在环境信息中的三维坐标，通过如下公式，获取每个粒子的当前位置，

其中，X_k-1表示机器人在环境信息中第k-1时刻的三维坐标，x_k-1表示机器人在环境信息中第k-1时刻的X方向的位置，y_k-1表示机器人在环境信息中第k-1时刻的Y方向的位置，θ_k-1表示机器人在环境信息中第k-1时刻的指向，表示里程信息，X_i,k表示第i个粒子在环境信息中当前第k时刻的位置信息，i＝1,2,3…,N-1,N。

基于上述任意基于自主定位和边缘探索的机器人定位系统实施例，进一步地，实际位置确定子系统在根据环境信息，获取每个粒子的权重值时，具体用于：根据环境信息，通过如下公式，获取每个粒子的权重值，

其中，w_i表示第i个粒子的权重值，d表示在环境信息中机器人与最近障碍物距离，σ为常量。

进一步地，目标位置确定子系统在为边界点进行评分，获取边界点评分结果时，具体用于：根据未知环境的信息量、某一边界点与历史路径的距离和该边界点周围障碍物的密度，为该边界点评分，获取每个边界点评分结果。

进一步地，实际位置检验子系统具体用于：采用路径规划算法，使机器人移动到目标位置，若粒子的数量小于预设值，则判断实际位置正确，若粒子的数量大于等于预设值，则判断实际位置错误，且重新启动坐标估计子系统。

由上述技术方案可知，本发明基于自主定位和边缘探索的机器人定位方法、系统，能够有效将自主定位算法和边缘探索算法结合起来，即使不给定机器人初始点，也能够实现自主定位。通过边缘探索算法，能够使机器人可以更快速、精确地完成自动定位。通过边界点评分方式，以获取尽可能多的信息，能够有效防止定位算法收敛到局部极小值，大大提高了机器人自主定位的准确性。并且，该方法的适用范围广，不仅适用于机器人自主定位的主流应用场景，还适用于创新型的应用场景，如家庭服务机器人、仓储机器人、工业机器人等。

因此，本发明基于自主定位和边缘探索的机器人定位方法、系统，能够提高机器人自主定位的精度和速度，防止定位错误，拓宽应用场景。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。

图1示出了本发明所提供的一种基于自主定位和边缘探索的机器人定位方法流程图；

图2示出了本发明所提供的一种自主定位算法流程图；

图3示出了本发明所提供的一种边缘探索算法流程图；

图4示出了本发明所提供的另一种基于自主定位和边缘探索的机器人定位方法流程图；

图5示出了本发明所提供的一种基于自主定位和边缘探索的机器人定位系统的结构示意图。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

第一方面，本发明实施例提供一种基于自主定位和边缘探索的机器人定位方法，结合图1或图4，该方法包括：

信息获取步骤S1：获取机器人周围的环境信息、时间信息和里程信息，在此，该方法可以采用设置在机器人上的激光雷达、测速码盘、超声波元件等采集环境信息，采用惯性测量传感器获取里程信息，上述元件最终将采集的环境信息、时间信息和里程信息上传至数据分析平台，进行运动解算；

坐标估计步骤S2：基于自主定位算法，根据环境信息和时间信息，进行相对位置估计，获取机器人在环境信息中的三维坐标，在此，基于地图匹配的自主定位算法可以是粒子滤波算法、扫描匹配算法等，采用粒子滤波算法，直接进行全局采样，对不同时刻的环境信息进行相对位置估算，从而获得机器人在三维环境中的三维坐标；

实际位置确定步骤S3：根据环境信息，获取预布设N个粒子中每个粒子的权重值，其中N个粒子呈均匀分布于机器人周围的环境中；

根据里程信息、时间信息和机器人在环境信息中的三维坐标，获取每个粒子的当前位置；

根据每个粒子的权重值和当前位置，以及粒子的数量，确定机器人的实际位置；

目标位置确定步骤S4：基于边缘探索算法，获取环境信息的边界点，并为边界点进行评分，获取边界点评分结果，边界点为多个，结合图3，该方法根据雷达数据和里程数据更新地图，并寻找地图中的边界点；

根据边界点评分结果，将评分最高的边界点设置为机器人的目标位置；

实际位置检验步骤S5：采用路径规划算法，使机器人移动到目标位置，根据粒子的数量，检验实际位置是否正确，并输出正确的实际位置。

在实际应用过程中，该方法融合基于地图匹配的自主定位算法与基于边缘探索算法，进行定位。首先通过二维即时定位与建图方法取得室内环境地图，并存储在计算机中。机器人上电后，利用激光雷达扫描周围环境，获取扫描信息，并在整个地图上进行位置搜索，确定机器人的实际位置，同时，采用基于边缘探索算法，让机器人尽可能的移动到地图上的不同位置，以使定位算法获取尽可能多的信息，从而提高定位收敛的正确度和速度，防止出现不收敛或收敛错误的现象。

由上述技术方案可知，本实施例基于自主定位和边缘探索的机器人定位方法，能够有效将自主定位算法和边缘探索算法结合起来，即使不给定机器人初始点，也能够实现自主定位。通过边缘探索算法，能够使机器人可以更快速、精确地完成自动定位。通过边界点评分方式，以获取尽可能多的信息，能够有效防止定位算法收敛到局部极小值，大大提高了机器人自主定位的准确性。并且，该方法的适用范围广，不仅适用于机器人自主定位的主流应用场景，还适用于创新型的应用场景，如家庭服务机器人、仓储机器人、工业机器人等。

因此，本实施例基于自主定位和边缘探索的机器人定位方法，能够提高机器人自主定位的精度和速度，防止定位错误，拓宽应用场景。

为了进一步提高本实施例基于自主定位和边缘探索的机器人定位方法的准确性，具体地，在获取每个粒子的当前位置时，该方法的具体实现过程如下：根据里程信息、时间信息和机器人在环境信息中的三维坐标，通过如下公式，获取每个粒子的当前位置，

其中，X_k-1表示机器人在环境信息中第k-1时刻的三维坐标，x_k-1表示机器人在环境信息中第k-1时刻的X方向的位置，y_k-1表示机器人在环境信息中第k-1时刻的Y方向的位置，θ_k-1表示机器人在环境信息中第k-1时刻的指向，表示里程信息，X_i,k表示第i个粒子在环境信息中当前第k时刻的位置信息，i＝1,2,3…,N-1,N。在此，结合图2，该方法采用粒子滤波算法，直接在全局进行采样，根据历史循环得到的粒子的历史位置，将从底盘传回的里程数据更新至每个粒子，实时更新粒子的状态，为机器人定位提供有效的信息支持，确保机器人定位准确、有效。

具体地，在获取每个粒子的权重时，该方法实现过程如下：根据环境信息，通过如下公式，获取每个粒子的权重值，

其中，w_i表示第i个粒子的权重值，d表示在环境信息中机器人与最近障碍物距离，在实际应用中，采用雷达扫描点与最近障碍物距离，σ为常量。在此，计算权重值的公式也为似然域模型，该方法通过似然域模型处理数据，获取每个粒子的权重值。结合图2，在实际应用过程中，该方法还能根据粒子的权重值，进行KLD重采样，并对重采样后的粒子的权重值进行加权平均处理，以简便、高效地获得实际位置。

具体地，在边界点评分方面，该方法的实现过程如下：根据未知环境的信息量、某一边界点与历史路径的距离和该边界点周围障碍物的密度，为该边界点评分，获取每个边界点评分结果。在此，该方法通过三个指标进行打分，且边界点与历史路径的距离越大，边界点周围障碍物的密度越少，则该边界点的评分越高，以适应定位的需求，从而精准地确定机器人下一时刻的目标位置。

并且，该方法采用路径规划算法，使机器人移动到目标位置，若粒子的数量小于预设值，则表示算法收敛，判断实际位置正确，若粒子的数量大于等于预设值，则判断实际位置错误，且重新执行坐标估计步骤。在实际应用过程中，粒子的数量为KLD重采样后的粒子数，预设值为最小粒子数的1.5倍，则判断算法收敛，即实际位置正确，并将正确的实际位置进行输出，同时停止运行边缘探索算法，以提高定位方法的运算效率和准确性。

第二方面，本发明实施例提供一种基于自主定位和边缘探索的机器人定位系统，结合图5，该系统包括信息获取子系统1、坐标估计子系统2、实际位置确定子系统3、目标位置确定子系统4和实际位置检验子系统5。信息获取子系统1用于获取机器人周围的环境信息、时间信息和里程信息；坐标估计子系统2用于基于自主定位算法，根据环境信息和时间信息，进行相对位置估计，获取机器人在环境信息中的三维坐标；实际位置确定子系统3用于根据环境信息，获取预布设N个粒子中每个粒子的权重值；根据里程信息、时间信息和机器人在环境信息中的三维坐标，获取每个粒子的当前位置；根据每个粒子的权重值和当前位置，以及粒子的数量，确定机器人的实际位置；目标位置确定子系统4用于基于边缘探索算法，获取环境信息的边界点，并为边界点进行评分，获取边界点评分结果，边界点为多个；根据边界点评分结果，将评分最高的边界点设置为机器人的目标位置；实际位置检验子系统5用于采用路径规划算法，使机器人移动到目标位置，根据粒子的数量，检验实际位置是否正确，并输出正确的实际位置。

由上述技术方案可知，本实施例基于自主定位和边缘探索的机器人定位系统，能够有效将自主定位算法和边缘探索算法结合起来，即使不给定机器人初始点，也能够实现自主定位。通过边缘探索算法，能够使机器人可以更快速、精确地完成自动定位。通过边界点评分方式，以获取尽可能多的信息，能够有效防止定位算法收敛到局部极小值，大大提高了机器人自主定位的准确性。并且，该系统的适用范围广，不仅适用于机器人自主定位的主流应用场景，还适用于创新型的应用场景，如家庭服务机器人、仓储机器人、工业机器人等。

因此，本实施例基于自主定位和边缘探索的机器人定位系统，能够提高机器人自主定位的精度和速度，防止定位错误，拓宽应用场景。

具体地，实际位置确定子系统3在根据里程信息、时间信息和机器人在环境信息中的三维坐标，获取每个粒子的当前位置时，具体用于：根据里程信息、时间信息和机器人在环境信息中的三维坐标，通过如下公式，获取每个粒子的当前位置，

其中，X_k-1表示机器人在环境信息中第k-1时刻的三维坐标，x_k-1表示机器人在环境信息中第k-1时刻的X方向的位置，y_k-1表示机器人在环境信息中第k-1时刻的Y方向的位置，θ_k-1表示机器人在环境信息中第k-1时刻的指向，表示里程信息，X_i,k表示第i个粒子在环境信息中第k时刻的位置信息，i＝1,2,3…,N-1,N。该实际位置确定子系统3根据历史循环得到的粒子的历史位置，将从底盘传回的里程数据更新至每个粒子，实时更新粒子的状态，为机器人定位提供有效的信息支持，确保机器人定位准确、有效。

具体地，实际位置确定子系统3在根据环境信息，获取每个粒子的权重值时，具体用于：根据环境信息，通过如下公式，获取每个粒子的权重值，

其中，w_i表示第i个粒子的权重值，d表示在环境信息中机器人与最近障碍物距离，σ为常量。该实际位置确定子系统3通过似然域模型处理数据，获取每个粒子的权重值，根据粒子的权重值，进行KLD重采样，并对重采样后的粒子的权重值进行加权平均处理，以简便、高效地获得实际位置。

具体地，目标位置确定子系统4在为边界点进行评分，获取边界点评分结果时，具体用于：根据未知环境的信息量、某一边界点与历史路径的距离和该边界点周围障碍物的密度，为该边界点评分，获取每个边界点评分结果。在此，该目标位置确定子系统4通过三个指标进行打分，且边界点与历史路径的距离越大，边界点周围障碍物的密度越少，则该边界点的评分越高，以适应定位的需求，从而精准地确定机器人下一时刻的目标位置。并且，实际位置检验子系统5具体用于：采用路径规划算法，使机器人移动到目标位置，若粒子的数量小于预设值，则判断实际位置正确，若粒子的数量大于等于预设值，则判断实际位置错误，且重新启动坐标估计子系统2，以提高定位系统的运算效率和准确性。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种基于自主定位和边缘探索的机器人定位方法，其特征在于，包括：

信息获取步骤：获取机器人周围的环境信息、时间信息和里程信息；

坐标估计步骤：基于自主定位算法，根据所述环境信息和所述时间信息，进行相对位置估计，获取所述机器人在所述环境信息中的三维坐标；

实际位置确定步骤：根据所述环境信息，获取预布设N个粒子中每个粒子的权重值；

根据所述里程信息、所述时间信息和所述机器人在所述环境信息中的三维坐标，获取所述每个粒子的当前位置；

根据所述每个粒子的权重值和当前位置，以及所述粒子的数量，确定所述机器人的实际位置；

目标位置确定步骤：基于边缘探索算法，获取所述环境信息的边界点，并为所述边界点进行评分，获取边界点评分结果，所述边界点为多个；

根据所述边界点评分结果，将评分最高的边界点设置为所述机器人的目标位置；

实际位置检验步骤：采用路径规划算法，使所述机器人移动到所述目标位置，根据所述粒子的数量，检验所述实际位置是否正确，并输出正确的实际位置。

2.根据权利要求1所述基于自主定位和边缘探索的机器人定位方法，其特征在于，根据所述里程信息、所述时间信息和所述机器人在所述环境信息中的三维坐标，获取所述每个粒子的当前位置，具体包括：

根据所述里程信息、所述时间信息和所述机器人在所述环境信息中的三维坐标，通过如下公式，获取所述每个粒子的当前位置，

$\left\{\begin{array}{c}{X}_{i,k}=f\left(X_{i,k-1}\right)\\ X_{k-1}=\left[\begin{array}{c}{x}_{k-1}\\ y_{k-1}\\ {\mathrm{\θ}}_{k-1}\end{array}\right]\\ f\left(X_{i,k-1}\right)=\left[\begin{array}{c}{x}_{k-1}+{\stackrel{\·}{x}}_{k-1}\·dt\·cos\left({\mathrm{\θ}}_{k-1}\right)\\ y_{k-1}+{\stackrel{\·}{x}}_{k-1}\·dt\·sin\left({\mathrm{\θ}}_{k-1}\right)\\ {\mathrm{\θ}}_{k-1}\end{array}\right]\end{array}\right.$

其中，X_k-1表示所述机器人在所述环境信息中第k-1时刻的三维坐标，x_k-1表示所述机器人在所述环境信息中第k-1时刻的X方向的位置，y_k-1表示所述机器人在所述环境信息中第k-1时刻的Y方向的位置，θ_k-1表示所述机器人在所述环境信息中第k-1时刻的指向，表示所述里程信息，X_i,k表示第i个粒子在所述环境信息中当前第k时刻的位置信息，i＝1,2,3…,N-1,N。

3.根据权利要求1或2所述基于自主定位和边缘探索的机器人定位方法，其特征在于，根据所述环境信息，获取每个粒子的权重值，具体包括：根据所述环境信息，通过如下公式，获取每个粒子的权重值，

$w_i=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{d^2}{2{\mathrm{\σ}}^2})$

其中，w_i表示第i个粒子的权重值，d表示在所述环境信息中所述机器人与最近障碍物距离，σ为常量。

4.根据权利要求1所述基于自主定位和边缘探索的机器人定位方法，其特征在于，为所述边界点进行评分，获取边界点评分结果，具体包括：

根据未知环境的信息量、某一边界点与历史路径的距离和该边界点周围障碍物的密度，为该边界点评分，获取每个边界点评分结果。

5.根据权利要求1所述基于自主定位和边缘探索的机器人定位方法，其特征在于，采用路径规划算法，使所述机器人移动到所述目标位置，根据所述粒子的数量，检验所述实际位置是否正确，具体包括：

采用所述路径规划算法，使所述机器人移动到所述目标位置，若所述粒子的数量小于预设值，则判断所述实际位置正确，若所述粒子的数量大于等于所述预设值，则判断所述实际位置错误，且重新执行所述坐标估计步骤。

6.一种基于自主定位和边缘探索的机器人定位系统，其特征在于，包括：

信息获取子系统：用于获取机器人周围的环境信息、时间信息和里程信息；

坐标估计子系统：用于基于自主定位算法，根据所述环境信息和所述时间信息，进行相对位置估计，获取所述机器人在所述环境信息中的三维坐标；

实际位置确定子系统：用于根据所述环境信息，获取预布设N个粒子中每个粒子的权重值；根据所述里程信息、所述时间信息和所述机器人在所述环境信息中的三维坐标，获取所述每个粒子的当前位置；根据所述每个粒子的权重值和当前位置，以及所述粒子的数量，确定所述机器人的实际位置；

目标位置确定子系统：用于基于边缘探索算法，获取所述环境信息的边界点，并为所述边界点进行评分，获取边界点评分结果，所述边界点为多个；根据所述边界点评分结果，将评分最高的边界点设置为所述机器人的目标位置；

实际位置检验子系统：用于采用路径规划算法，使所述机器人移动到所述目标位置，根据所述粒子的数量，检验所述实际位置是否正确，并输出正确的实际位置。

7.根据权利要求6所述基于自主定位和边缘探索的机器人定位系统，其特征在于，所述实际位置确定子系统在根据所述里程信息、所述时间信息和所述机器人在所述环境信息中的三维坐标，获取所述每个粒子的当前位置时，具体用于：根据所述里程信息、所述时间信息和所述机器人在所述环境信息中的三维坐标，通过如下公式，获取所述每个粒子的当前位置，

$\left\{\begin{array}{c}{X}_{i,k}=f\left(X_{i,k-1}\right)\\ X_{k-1}=\left[\begin{array}{c}{x}_{k-1}\\ y_{k-1}\\ {\mathrm{\θ}}_{k-1}\end{array}\right]\\ f\left(X_{i,k-1}\right)=\left[\begin{array}{c}{x}_{k-1}+{\stackrel{\·}{x}}_{k-1}\·dt\·cos\left({\mathrm{\θ}}_{k-1}\right)\\ y_{k-1}+{\stackrel{\·}{x}}_{k-1}\·dt\·sin\left({\mathrm{\θ}}_{k-1}\right)\\ {\mathrm{\θ}}_{k-1}\end{array}\right]\end{array}\right.$

其中，X_k-1表示所述机器人在所述环境信息中第k-1时刻的三维坐标，x_k-1表示所述机器人在所述环境信息中第k-1时刻的X方向的位置，y_k-1表示所述机器人在所述环境信息中第k-1时刻的Y方向的位置，θ_k-1表示所述机器人在所述环境信息中第k-1时刻的指向，表示所述里程信息，X_i,k表示第i个粒子在所述环境信息中当前第k时刻的位置信息，i＝1,2,3…,N-1,N。

8.根据权利要求6或7所述基于自主定位和边缘探索的机器人定位系统，其特征在于，所述实际位置确定子系统在根据所述环境信息，获取每个粒子的权重值时，具体用于：根据所述环境信息，通过如下公式，获取每个粒子的权重值，

$w_i=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp (-\frac{d^2}{2{\mathrm{\σ}}^2})$

其中，w_i表示第i个粒子的权重值，d表示在所述环境信息中所述机器人与最近障碍物距离，σ为常量。

9.根据权利要求6所述基于自主定位和边缘探索的机器人定位系统，其特征在于，所述目标位置确定子系统在为所述边界点进行评分，获取边界点评分结果时，具体用于：根据未知环境的信息量、某一边界点与历史路径的距离和该边界点周围障碍物的密度，为该边界点评分，获取每个边界点评分结果。

10.根据权利要求6所述基于自主定位和边缘探索的机器人定位系统，其特征在于，所述实际位置检验子系统具体用于：采用所述路径规划算法，使所述机器人移动到所述目标位置，若所述粒子的数量小于预设值，则判断所述实际位置正确，若所述粒子的数量大于等于所述预设值，则判断所述实际位置错误，且重新启动所述坐标估计子系统。