CN108548536A - 无人驾驶智能机器人的位置推算方法 - Google Patents

无人驾驶智能机器人的位置推算方法 Download PDF

Info

Publication number
CN108548536A
CN108548536A CN201810009229.XA CN201810009229A CN108548536A CN 108548536 A CN108548536 A CN 108548536A CN 201810009229 A CN201810009229 A CN 201810009229A CN 108548536 A CN108548536 A CN 108548536A
Authority
CN
China
Prior art keywords
map
data
self
pdr
environmental map
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
Application number
CN201810009229.XA
Other languages
English (en)
Inventor
杜元源
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hongyang Technology (hongkong) Industrial Co Ltd
Guangdong Leiyang Intelligent Technology Co Ltd
Original Assignee
Hongyang Technology (hongkong) Industrial Co Ltd
Guangdong Leiyang Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hongyang Technology (hongkong) Industrial Co Ltd, Guangdong Leiyang Intelligent Technology Co Ltd filed Critical Hongyang Technology (hongkong) Industrial Co Ltd
Priority to CN201810009229.XA priority Critical patent/CN108548536A/zh
Publication of CN108548536A publication Critical patent/CN108548536A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments 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

本发明公开了一种无人驾驶智能机器人的位置推算方法,涉及机器人的控制方法技术领域。所述方法包括如下步骤:地图信息做成所述方法,将接受路径测试装置,所获取的信息,把从车轮计数器获取的移动距离数据和从9轴传感器获取的数值,追加到所述方法的PDR表中;然后基准点设定在每次获取的PDR表信息的开始点上;对于不断追加的PDR表信息进行模拟移动距离计算,根据其计算结果,推算出移动后的自身位置;推算移动位置的最后与环境地图进行比较,图像的扫描匹配处理完成后,认为位置推定成功。所述方法能够准确的推算出机器人的自身位置,从而可以精准的控制所述机器人进行运动。

Description

无人驾驶智能机器人的位置推算方法
技术领域
本发明涉及机器人的控制方法技术领域,尤其涉及一种无人驾驶智能机器人的位置推算方法。
背景技术
一般的自动行驶装置,基本采用自身位置推算的方式进行地图制作。自身位置推算的一般方法多数采用车轮计数方法(Wheel odometry),测量车轮的机械回转变位量。利用变位量的电器(Rotary encoder)信号,记录车轮的回转数。 但是,采用车轮计数方法(Wheel odometry)时,在测试位移量的过程中产生横向滑动,引起空转,使变位量的电器信号产生误差。尤其对于载人的无人驾驶自动运输车产生不可忽视的影响。
发明内容
本发明所要解决的技术问题是如何提供一种能够准确的推算出无人驾驶自动机器人位置的方法。
为解决上述技术问题,本发明所采取的技术方案是:一种无人驾驶智能机器人的位置推算方法,其特征在于包括如下步骤:
地图信息做成所述方法,将接受路径测试装置,所获取的信息,把从车轮计数器获取的移动距离数据和从 9 轴传感器获取的数值,追加到所述方法的PDR表中;然后基准点设定在每次获取的PDR表信息的开始点上;对于不断追加的PDR 表信息进行模拟移动距离计算,根据其计算结果,推算出移动后的自身位置;推算移动位置的最后与环境地图进行比较,图像的扫描匹配处理完成后,认为位置推定成功;
推算使用的环境地图,是在激光传感器的测试数据换算成图像信息地图,并且具有尤度计算功能的环境地图;
采用贪欲法,基于低解像度的地图,反复进行旋转,平行移动,与环境地图进行图像的扫描匹配;接着,前次高解像度地图为标准,较前次低分解度进行旋转,平移;反复进行与地图的一至性匹配;图像的解像度根据前次推侧成功的开始时间,定义反复匹配时的初始地图的解像度;
推算成功后,被利用的车轮计数器和9 轴传感器的积累数据,被一次性清零。
进一步的技术方案在于,在制作环境地图时,地图数据的要求如下:
1)记录环境地图的开始制作点的数据;
2)自身位置推算完成时,自身位置推算值与环境地图数值最接近的距离数值,且大于规定的最小距离的数值;
3)自身位置的推算值与环境地图数据的一致性(扫描匹配,Scan matching)达到一定基准以上的数值,最后,保留图像数据变换前 LRF 数据,可随时进行备用加工。
采用上述技术方案所产生的有益效果在于:所述方法能够准确的获得自动机器人的位置,从而可以准确的控制所述机器人进行运动。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例所述方法中自动机器人的原理框图;
图2是本发明实施例所述方法的流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
本发明实施例公开了一种无人驾驶智能机器人的位置推算方法,本发明所述方法利用多种传感器的组合形式:陀螺(gyro)传感器,加速度传感器和地磁性传感器的组合,产生的 9轴,即:x,y,z轴方和倾斜,偏航,摆动(Roll, pitch, yaw)功能的组合传感器。传感器的输出信号作为信号处理器(Kalman filter)的输入信号,经过滤波(filter)处理,获得准确的数据信息,确定移动方向。 针对单独采用车轮回转计数法不能正确推测环境地图的问题,所述方法采用包括车轮回计数方法 (Wheel odometry)和多种传感器的组合,以及测试数据的近似值,(Likelihood尤度估算法实现环境地图的制作。所述方法利用激光传感器(LRF),产生扇形的激光束扫描测试物体之间的距离,引入尤度(Likelihood)的概念,确定容许的误差近似值。
本方法采用的数据,是经过把传感器(LRF)的输出数据,变换成图像数据,作为图像文件形式保存的数据。把 LRF数据转换成图像数据,即可采用图像文件处理/运算方法,进行自身位置的推算。与一般的机器人的传感器数据处理方法相异,充分利用图像处理的相关技术,制作环境地图。
凡具有图像处理接口和基本图像处理功能的设备,都可以方便地进行传感器的数据/图像保存。可以广泛地适合利用各种现有计算机,设备等制作自身位置推算用地图。有利于各个阶段的开发/调试/管理工作。
所述方法可以利用 LRF的距离信息和预先测定的环境地图信息,进行图像扫描匹配(Scan matching), 获得自身的位置信息。在此方面,机器人的开发研制领域中多数采用ICP((Iterative Closest Point))处理手段。本发明与其不同,采用了图像处理方法,简化了以上的处理过程,下面将详细叙述。
地图格子的占有程度,也就是,占有格子的测试数据的近似程度。把称作尤度(Likelihood)的数据作为图像信息保存。图像的像素信息也可以按照色度信号处理。如前所述,制作环境地图时,激光传感器(LRF)的测试结果将换算成图像数据保存。检测位置时,将保存的图像数据,进行平行,旋转方向的移动,与地图进行一致性检索。地图的一致性检索的结果与参考临界值(Threshold)相对比,保存新的地图信息,直到完成环境地图的制作。
把从车轮计数器(Wheel odometry)获取的移动距离数据和从 9 轴传感器获取的(yaw)数值,追加到所述方法的 PDR(PastDate Record)表中。然后基准点(不断变更的基准点)设定在每次获取的 PDR 表信息的开始点上。对于不断追加的PDR 表信息进行模拟移动距离计算,根据其计算结果,推算出移动后的自身位置。推算移动位置的最后(最新值)与环境地图进行比较,图像的扫描匹配(Scan matching)处理完成后,认为位置推定成功。
推算使用的环境地图,是在激光传感器(LRF)的测试数据换算成图像信息地图,并且具有尤度(Likelihood)计算功能的环境地图。采用贪欲法,基于低解像度的地图,反复进行旋转,平行移动,与环境地图进行图像的扫描匹配(Scan matching)。 接着,前次高解像度地图为标准,较前次低分解度进行旋转,平移。反复进行与地图的一至性匹配。图像的解像度根据前次推侧成功的开始时间,定义反复匹配时的初始地图的解像度,提高推测的速度。推算成功后,被利用的车轮计数器(Wheel odometry)和9 轴传感器的积累数据,被一次性清零。
本所述方法制作环境地图时,地图数据的要求如下: 1)记录环境地图的开始制作点的数据。2)自身位置推算完成时,自身位置推算值与环境地图数值最接近的距离数值,且大于规定的最小距离的数值。3)自身位置的推算值与环境地图数据的一致性(扫描匹配,Scan matching)达到一定基准以上的数值。最后,保留图像数据变换前 LRF 数据,可随时进行备用加工。

Claims (2)

1.一种无人驾驶智能机器人的位置推算方法,其特征在于包括如下步骤:
地图信息做成所述方法,将接受路径测试装置,所获取的信息,把从车轮计数器获取的移动距离数据和从 9 轴传感器获取的数值,追加到所述方法的PDR表中;然后基准点设定在每次获取的PDR表信息的开始点上;对于不断追加的PDR 表信息进行模拟移动距离计算,根据其计算结果,推算出移动后的自身位置;推算移动位置的最后与环境地图进行比较,图像的扫描匹配处理完成后,认为位置推定成功;
推算使用的环境地图,是在激光传感器的测试数据换算成图像信息地图,并且具有尤度计算功能的环境地图;
采用贪欲法,基于低解像度的地图,反复进行旋转,平行移动,与环境地图进行图像的扫描匹配;接着,前次高解像度地图为标准,较前次低分解度进行旋转,平移;反复进行与地图的一至性匹配;图像的解像度根据前次推侧成功的开始时间,定义反复匹配时的初始地图的解像度;
推算成功后,被利用的车轮计数器和9 轴传感器的积累数据,被一次性清零。
2.如权利要求1所述的无人驾驶智能机器人的位置推算方法,其特征在于:在制作环境地图时,地图数据的要求如下:
1)记录环境地图的开始制作点的数据;
2)自身位置推算完成时,自身位置推算值与环境地图数值最接近的距离数值,且大于规定的最小距离的数值;
3)自身位置的推算值与环境地图数据的一致性(扫描匹配,Scan matching)达到一定基准以上的数值,最后,保留图像数据变换前 LRF 数据,可随时进行备用加工。
CN201810009229.XA 2018-01-05 2018-01-05 无人驾驶智能机器人的位置推算方法 Pending CN108548536A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810009229.XA CN108548536A (zh) 2018-01-05 2018-01-05 无人驾驶智能机器人的位置推算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810009229.XA CN108548536A (zh) 2018-01-05 2018-01-05 无人驾驶智能机器人的位置推算方法

Publications (1)

Publication Number Publication Date
CN108548536A true CN108548536A (zh) 2018-09-18

Family

ID=63515734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810009229.XA Pending CN108548536A (zh) 2018-01-05 2018-01-05 无人驾驶智能机器人的位置推算方法

Country Status (1)

Country Link
CN (1) CN108548536A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110442124A (zh) * 2019-06-24 2019-11-12 广东杜尼智能机器人工程技术研究中心有限公司 无人驾驶电动汽车控制系统
CN110515375A (zh) * 2019-06-24 2019-11-29 广东杜尼智能机器人工程技术研究中心有限公司 无人驾驶电动汽车控制系统的信号采集模块

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120299702A1 (en) * 2011-05-26 2012-11-29 Caterpillar Inc. Hybrid positioning system
CN103674015A (zh) * 2013-12-13 2014-03-26 国家电网公司 一种无轨化定位导航方法及装置
CN103926925A (zh) * 2014-04-22 2014-07-16 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
CN104914865A (zh) * 2015-05-29 2015-09-16 国网山东省电力公司电力科学研究院 变电站巡检机器人定位导航系统及方法
WO2015166318A1 (en) * 2014-04-30 2015-11-05 Yandex Europe Ag System and method for dynamically optimizing map tile quality and detail
CN106370193A (zh) * 2016-08-30 2017-02-01 上海交通大学 一种基于地图匹配的车辆组合定位系统及方法
CN106525053A (zh) * 2016-12-28 2017-03-22 清研华宇智能机器人(天津)有限责任公司 一种基于多传感器融合的移动机器人室内定位方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120299702A1 (en) * 2011-05-26 2012-11-29 Caterpillar Inc. Hybrid positioning system
CN103674015A (zh) * 2013-12-13 2014-03-26 国家电网公司 一种无轨化定位导航方法及装置
CN103926925A (zh) * 2014-04-22 2014-07-16 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
WO2015166318A1 (en) * 2014-04-30 2015-11-05 Yandex Europe Ag System and method for dynamically optimizing map tile quality and detail
CN104914865A (zh) * 2015-05-29 2015-09-16 国网山东省电力公司电力科学研究院 变电站巡检机器人定位导航系统及方法
CN106370193A (zh) * 2016-08-30 2017-02-01 上海交通大学 一种基于地图匹配的车辆组合定位系统及方法
CN106525053A (zh) * 2016-12-28 2017-03-22 清研华宇智能机器人(天津)有限责任公司 一种基于多传感器融合的移动机器人室内定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵学增,等: "《纳米尺度几何量和机械量测量技术》", 30 June 2012, 哈尔滨工业大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110442124A (zh) * 2019-06-24 2019-11-12 广东杜尼智能机器人工程技术研究中心有限公司 无人驾驶电动汽车控制系统
CN110515375A (zh) * 2019-06-24 2019-11-29 广东杜尼智能机器人工程技术研究中心有限公司 无人驾驶电动汽车控制系统的信号采集模块
CN110442124B (zh) * 2019-06-24 2022-05-17 广东杜尼智能机器人工程技术研究中心有限公司 无人驾驶电动汽车控制系统
CN110515375B (zh) * 2019-06-24 2022-05-24 广东杜尼智能机器人工程技术研究中心有限公司 无人驾驶电动汽车控制系统的信号采集模块

Similar Documents

Publication Publication Date Title
CN108550318B (zh) 一种构建地图的方法及装置
CN112734852B (zh) 一种机器人建图方法、装置及计算设备
US9625908B2 (en) Methods and systems for mobile-agent navigation
US9625912B2 (en) Methods and systems for mobile-agent navigation
EP3920095A1 (en) Image processing method and apparatus, moveable platform, unmanned aerial vehicle and storage medium
CN112363158B (zh) 机器人的位姿估计方法、机器人和计算机存储介质
CN110553652A (zh) 机器人多传感器融合定位方法及其应用
CN107527382B (zh) 数据处理方法以及装置
Iocchi et al. Self-localization in the RoboCup environment
CN116088503B (zh) 动态障碍物检测方法和机器人
CN111177295A (zh) 建图重影消除方法、装置、计算机可读存储介质及机器人
CN116127405A (zh) 一种融合点云地图、运动模型和局部特征的位置识别方法
WO2023142353A1 (zh) 一种位姿预测方法及装置
CN112686951A (zh) 用于确定机器人位置的方法、装置、终端及存储介质
CN108548536A (zh) 无人驾驶智能机器人的位置推算方法
CN115077563A (zh) 车辆定位精度评价方法、装置及电子设备
CN117824667A (zh) 一种基于二维码和激光的融合定位方法及介质
CN111476062A (zh) 车道线检测方法、装置、电子设备及驾驶系统
JP2023503750A (ja) ロボットの位置決め方法及び装置、機器、記憶媒体
Sabatini et al. Improving occupancy grid mapping via dithering for a mobile robot equipped with solid-state lidar sensors
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
CN111256689A (zh) 一种机器人定位方法、机器人和存储介质
CN115019167A (zh) 基于移动终端的融合定位方法、系统、设备及存储介质
CN118111440B (zh) 基于数字孪生的无人机控制定位方法、装置及存储介质
CN113409268B (zh) 基于单目相机的可通行区域检测方法、装置及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180918