CN108508894A - 一种基于二维激光的机器人定位方法 - Google Patents
一种基于二维激光的机器人定位方法 Download PDFInfo
- Publication number
- CN108508894A CN108508894A CN201810296159.0A CN201810296159A CN108508894A CN 108508894 A CN108508894 A CN 108508894A CN 201810296159 A CN201810296159 A CN 201810296159A CN 108508894 A CN108508894 A CN 108508894A
- Authority
- CN
- China
- Prior art keywords
- robot
- coordinate system
- data
- global coordinate
- exercise data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000004807 localization Effects 0.000 title claims abstract description 28
- 230000007613 environmental effect Effects 0.000 claims abstract description 7
- 230000033001 locomotion Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 6
- 241001269238 Data Species 0.000 claims 1
- 230000004927 fusion Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及移动机器人定位技术领域,具体公开了一种基于二维激光的机器人定位方法,其中,所述基于二维激光的机器人定位方法包括:将里程计记录的机器人在二维平面上的第一运动数据转换到全局坐标系;机器人所载激光传感器不断扫描环境信息得到激光扫描点集;对所述激光扫描点集进行处理得到第二运动数据;将所述第二运动数据转换到全局坐标系;将所述全局坐标系下的第一运动数据和第二运动数据通过卡尔曼算法进行融合,得到融合数据;输出所述融合数据;根据所述融合数据获取机器人的定位信息。本发明提供的基于二维激光的机器人定位方法提高了机器人的定位精度。
Description
技术领域
本发明涉及移动机器人定位技术领域,尤其涉及一种基于二维激光的机器人定位方法。
背景技术
在移动机器人的应用中,导航定位是机器人系统的关键功能。导航是指移动机器人通过传感器获得环境信息和自身位姿状态,实现在障碍物的环境中自主运动到目的地。导航的关键和前提是定位,定位是指实时确定机器人自身在环境中的位置和姿态。
目前,大多数移动机器人在未知环境中的定位方法采用的都是基于航迹的推算和传感器获取外部信息相结合,也就是说每当机器人移动一小段的距离就开始构建局部的范围地图,通过传感器对外部环境的感知与探测,在局部地图中进行定位。周而复始,继续重复这一过程来对未知环境的增量式进行建模以达到在未知环境中的自定位。在未知环境中移动机器人增量式的环境建图与自定位问题实质是SLAM(Simultaneous Localizationand Mapping,同步定位与建图)问题,目前主流的方法是基于概率的方法,其根本思想是将其看作是Bayesian的评估问题,通过传感器观测数据、运动和感知模型,用预测-更新不断重复的步骤来估计机器人的位姿s和机器人所在环境特征位置λ的一种关于状态信度最优化的问题,但是这种方法精度较低。
因此,如何提供一种提高机器人的定位精度成为本领域技术人员亟待解决的技术问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提供一种基于二维激光的机器人定位方法,其中,所述基于二维激光的机器人定位方法包括:
将里程计记录的机器人在二维平面上的第一运动数据转换到全局坐标系;
机器人所载激光传感器不断扫描环境信息得到激光扫描点集;
对所述激光扫描点集进行处理得到第二运动数据;
将所述第二运动数据转换到全局坐标系;
将所述全局坐标系下的第一运动数据和第二运动数据通过卡尔曼算法进行融合,得到融合数据;
输出所述融合数据,并将所述融合数据添加到SLAM模块中;
根据所述融合数据获取机器人的定位信息。
优选地,所述第一运动数据包括机器人的前进距离和机器人的旋转角度。
优选地,所述将里程计记录的机器人在二维平面上的第一运动数据转换到全局坐标系包括:
将机器人的前进距离以及机器人的旋转角度转换到全局坐标系,得到机器人的所述第一运动数据在全局坐标系下的表示。
优选地,所述第二运动数据包括相邻两次激光扫描点集之间的旋转矩阵和平移向量。
优选地,所述将所述第二运动数据转换到全局坐标系包括:
将相邻两次激光扫描点集之间的旋转矩阵转换为欧拉角,将相邻两次激光扫描点集之间的平移向量转换到全局坐标系,得到机器人的所述第二运动数据在全局坐标系下的表示。
优选地,所述将所述全局坐标系中的所述第一运动数据与所述第二运动数据通过卡尔曼算法进行融合,得到融合数据包括:
设定状态变量;
将所述里程计记录的所述第一运动作为扩展卡尔曼滤波器中与所述状态变量对应的运动更新状态量;
将所述激光传感器输出的所述第二运动数据作为校正变量;
根据卡尔曼算法将所述运动更新状量与所述校正变量进行叠加得到融合数据。
优选地,所述状态变量的个数根据需要设定,且所述状态变量的个数不大于15个。
本发明提供的基于二维激光的机器人定位方法,通过将里程计记录的机器人的运动数据与激光传感器记录的机器人的运动数据进行融合,解决了现有技术中的导航定位存在的误差大、定位精度差的问题,从而提高了机器人定位的准确性。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1为本发明提供的基于二维激光的机器人定位方法的流程图。
图2为本发明提供的基于二维激光的机器人定位方法的具体实施方式流程图。
图3为本发明提供的数据融合的流程图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
作为本发明的一个方面,提供一种基于二维激光的机器人定位方法,其中,如图1所示,所述基于二维激光的机器人定位方法包括:
S110、将里程计记录的机器人在二维平面上的第一运动数据转换到全局坐标系;
S120、机器人所载激光传感器不断扫描环境信息得到激光扫描点集;
S130、对所述激光扫描点集进行处理得到第二运动数据;
S140、将所述第二运动数据转换到全局坐标系;
S150、将所述全局坐标系下的第一运动数据和第二运动数据通过卡尔曼算法进行融合,得到融合数据;
S160、输出所述融合数据,并将所述融合数据添加到SLAM模块中;
S170、根据所述融合数据获取机器人的定位信息。
本发明提供的基于二维激光的机器人定位方法,通过将里程计记录的机器人的运动数据与激光传感器记录的机器人的运动数据进行融合,解决了现有技术中的导航定位存在的误差大、定位精度差的问题,从而提高了机器人定位的准确性。
具体地,所述第一运动数据包括机器人的前进距离和机器人的旋转角度。
进一步具体地,所述将里程计记录的机器人在二维平面上的第一运动数据转换到全局坐标系包括:
将机器人的前进距离以及机器人的旋转角度转换到全局坐标系,得到机器人的所述第一运动数据在全局坐标系下的表示。
具体地,所述第二运动数据包括相邻两次激光扫描点集之间的旋转矩阵和平移向量。
进一步具体地,所述将所述第二运动数据转换到全局坐标系包括:
将相邻两次激光扫描点集之间的旋转矩阵转换为欧拉角,将相邻两次激光扫描点集之间的平移向量转换到全局坐标系,得到机器人的所述第二运动数据在全局坐标系下的表示。
具体地,所述将所述全局坐标系中的所述第一运动数据与所述第二运动数据通过卡尔曼算法进行融合,得到融合数据包括:
设定状态变量;
将所述里程计记录的所述第一运动作为扩展卡尔曼滤波器中与所述状态变量对应的运动更新状态量;
将所述激光传感器输出的所述第二运动数据作为校正变量;
根据卡尔曼算法将所述运动更新状量与所述校正变量进行叠加得到融合数据。
优选地,所述状态变量的个数根据需要设定,且所述状态变量的个数不大于15个。
下面结合图2和图3对本发明提供的基于数据融合的机器人定位方法进行详细说明。
1)先设置起点位姿(x0,y0,theta0),并以此作为全局坐标系的坐标原点,并以右手法则确定x轴,y轴和z轴正方向。
2)机器人在二维平面上运动,机器人所载里程计从起点位置(x0,y0,theta0)开始计算机器人运动信息,包括(delta_x,delta_y,delta_theta)。delta_x记录的是机器人前进的距离,delta_theta记录的是机器人的旋转角度。如图2所示,需要使用ROS平台的TF库将里程计数据转换到全局坐标系,得到(odom_x,odom_y,odom_theta)。转换公式为:
3)机器人所载激光传感器不断扫描环境信息得到以激光传感器为原点的角度、距离极坐标点数据;机器人每运动一定距离就要处理一次激光扫描数。相邻时刻激光传感器的数据分别为{L1},{L2}。
4)采用ICP算法对激光扫描到的点集{L1},{L2}进行处理。得到相邻两次激光扫描点集之间的旋转矩阵R和平移向量T。
5)将旋转矩阵R和平移矩阵T分别转换为欧拉角laser_yaw和机器人在全局坐标系下移动信息(laser_x,laser_y)。
6)里程计数据(odom_x,odom_y,odom_theta)作为扩展卡尔曼滤波器的状态变量,由激光传感器输出数据(laser_x,laser_ylaser_yaw)作为扩展卡尔曼滤波器的校正向量。将数据进行融合后输出更为精确的机器人运动信息。
7)在基于粒子滤波的SLAM方法中的运动模型中p(st|St-1,ut-1)表示机器人在t时刻在输入控制数据的情况下从起始位姿st-1达到st的概率。将融合后的数据代替控制数据ut-1。
通过融合里程计数据和激光传感器数据,可以提高机器人的定位精度。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (7)
1.一种基于二维激光的机器人定位方法,其特征在于,所述基于二维激光的机器人定位方法包括:
将里程计记录的机器人在二维平面上的第一运动数据转换到全局坐标系;
机器人所载激光传感器不断扫描环境信息得到激光扫描点集;
对所述激光扫描点集进行处理得到第二运动数据;
将所述第二运动数据转换到全局坐标系;
将所述全局坐标系下的第一运动数据和第二运动数据通过卡尔曼算法进行融合,得到融合数据;
输出所述融合数据,并将所述融合数据添加到SLAM模块中;
根据所述融合数据获取机器人的定位信息。
2.根据权利要求1所述的基于二维激光的机器人定位方法,其特征在于,所述第一运动数据包括机器人的前进距离和机器人的旋转角度。
3.根据权利要求2所述的基于二维激光的机器人定位方法,其特征在于,所述将里程计记录的机器人在二维平面上的第一运动数据转换到全局坐标系包括:
将机器人的前进距离以及机器人的旋转角度转换到全局坐标系,得到机器人的所述第一运动数据在全局坐标系下的表示。
4.根据权利要求1所述的基于二维激光的机器人定位方法,其特征在于,所述第二运动数据包括相邻两次激光扫描点集之间的旋转矩阵和平移向量。
5.根据权利要求4所述的基于二维激光的机器人定位方法,其特征在于,所述将所述第二运动数据转换到全局坐标系包括:
将相邻两次激光扫描点集之间的旋转矩阵转换为欧拉角,将相邻两次激光扫描点集之间的平移向量转换到全局坐标系,得到机器人的所述第二运动数据在全局坐标系下的表示。
6.根据权利要求1至5所述的基于二维激光的机器人定位方法,其特征在于,所述将所述全局坐标系中的所述第一运动数据与所述第二运动数据通过卡尔曼算法进行融合,得到融合数据包括:
设定状态变量;
将所述里程计记录的所述第一运动作为扩展卡尔曼滤波器中与所述状态变量对应的运动更新状态量;
将所述激光传感器输出的所述第二运动数据作为校正变量;
根据卡尔曼算法将所述运动更新状量与所述校正变量进行叠加得到融合数据。
7.根据权利要求6所述的基于二维激光的机器人定位方法,其特征在于,所述状态变量的个数根据需要设定,且所述状态变量的个数不大于15个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810296159.0A CN108508894A (zh) | 2018-04-03 | 2018-04-03 | 一种基于二维激光的机器人定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810296159.0A CN108508894A (zh) | 2018-04-03 | 2018-04-03 | 一种基于二维激光的机器人定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108508894A true CN108508894A (zh) | 2018-09-07 |
Family
ID=63380287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810296159.0A Pending CN108508894A (zh) | 2018-04-03 | 2018-04-03 | 一种基于二维激光的机器人定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108508894A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530368A (zh) * | 2019-08-22 | 2019-12-03 | 浙江大华技术股份有限公司 | 一种机器人定位方法及设备 |
CN114720978A (zh) * | 2021-01-06 | 2022-07-08 | 扬智科技股份有限公司 | 用于同时定位和地图构建的方法和移动平台 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1888824A (zh) * | 2006-07-18 | 2007-01-03 | 华南农业大学 | 一种导航定位数据的校正方法 |
CN101920498A (zh) * | 2009-06-16 | 2010-12-22 | 泰怡凯电器(苏州)有限公司 | 实现室内服务机器人同时定位和地图创建的装置及机器人 |
CN105606104A (zh) * | 2016-03-17 | 2016-05-25 | 北京工业大学 | 基于航向辅助分布式slam的机器人自主导航方法 |
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 |
CN107025639A (zh) * | 2017-04-05 | 2017-08-08 | 中科微至智能制造科技江苏有限公司 | 一种复杂环境下的条码定位方法 |
-
2018
- 2018-04-03 CN CN201810296159.0A patent/CN108508894A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1888824A (zh) * | 2006-07-18 | 2007-01-03 | 华南农业大学 | 一种导航定位数据的校正方法 |
CN101920498A (zh) * | 2009-06-16 | 2010-12-22 | 泰怡凯电器(苏州)有限公司 | 实现室内服务机器人同时定位和地图创建的装置及机器人 |
CN105606104A (zh) * | 2016-03-17 | 2016-05-25 | 北京工业大学 | 基于航向辅助分布式slam的机器人自主导航方法 |
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 |
CN107025639A (zh) * | 2017-04-05 | 2017-08-08 | 中科微至智能制造科技江苏有限公司 | 一种复杂环境下的条码定位方法 |
Non-Patent Citations (1)
Title |
---|
袁赣南等: "《导航定位系统工程》", 28 February 2009, 哈尔滨工程大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530368A (zh) * | 2019-08-22 | 2019-12-03 | 浙江大华技术股份有限公司 | 一种机器人定位方法及设备 |
CN110530368B (zh) * | 2019-08-22 | 2021-06-15 | 浙江华睿科技有限公司 | 一种机器人定位方法及设备 |
CN114720978A (zh) * | 2021-01-06 | 2022-07-08 | 扬智科技股份有限公司 | 用于同时定位和地图构建的方法和移动平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113781582B (zh) | 基于激光雷达和惯导联合标定的同步定位与地图创建方法 | |
CN110866927B (zh) | 一种基于垂足点线特征结合的ekf-slam算法的机器人定位与构图方法 | |
CN112268559B (zh) | 复杂环境下融合slam技术的移动测量方法 | |
KR101976241B1 (ko) | 다중로봇의 자기위치인식에 기반한 지도작성 시스템 및 그 방법 | |
CN108731670A (zh) | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 | |
JP2009193240A (ja) | 移動ロボット及び環境地図の生成方法 | |
CN111982114B (zh) | 一种采用imu数据融合估计三维位姿的救援机器人 | |
JP2009157430A (ja) | 座標補正方法、座標補正プログラム、及び自律移動ロボット | |
CN109141410A (zh) | Agv组合导航的多传感器融合定位方法 | |
CN111487960A (zh) | 一种基于定位能力估计的移动机器人路径规划方法 | |
US20220390954A1 (en) | Topology Processing for Waypoint-based Navigation Maps | |
CN108759822B (zh) | 一种移动机器人3d定位系统 | |
JP2020118586A (ja) | 移動体 | |
CN111161337A (zh) | 一种动态环境下的陪护机器人同步定位与构图方法 | |
CN110361003B (zh) | 信息融合方法、装置、计算机设备和计算机可读存储介质 | |
CN111932614B (zh) | 一种基于聚类中心特征的激光雷达即时定位与建图方法 | |
CN108508894A (zh) | 一种基于二维激光的机器人定位方法 | |
CN115436955A (zh) | 室内外环境定位方法 | |
CN115540850A (zh) | 一种激光雷达与加速度传感器结合的无人车建图方法 | |
CN114926547A (zh) | 一种相机与imu的标定方法、电子设备及系统 | |
CN105735969A (zh) | 一种油井井身轨迹测绘装置和方法 | |
Gao et al. | MGG: Monocular global geolocation for outdoor long-range targets | |
CN110489807B (zh) | 一种摇臂悬架结构巡视器的局部精确定位方法 | |
WO2022161271A1 (zh) | 斜坡定位校正方法、装置、机器人及可读存储介质 | |
CN114046800B (zh) | 一种基于双层滤波框架的高精度里程估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |
|
RJ01 | Rejection of invention patent application after publication |