CN108638062A - 机器人定位方法、装置、定位设备及存储介质 - Google Patents
机器人定位方法、装置、定位设备及存储介质 Download PDFInfo
- Publication number
- CN108638062A CN108638062A CN201810438179.7A CN201810438179A CN108638062A CN 108638062 A CN108638062 A CN 108638062A CN 201810438179 A CN201810438179 A CN 201810438179A CN 108638062 A CN108638062 A CN 108638062A
- Authority
- CN
- China
- Prior art keywords
- contextual data
- location
- current
- initially
- matching degree
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
Abstract
本发明实施例公开了一种机器人定位方法、装置、定位设备及存储介质,其中,该方法包括:确定所述机器人在设定范围地图内的初始预估位置;控制所述机器人,根据初始预估位置与所述设定范围地图内的目标位置之间的路径移动,并根据移动过程中校验位置的场景数据匹配度,确定所述机器人的估测实际位置。本发明实施例可以解决在相似平面场景较多的环境中定位不准确的问题,也可以解决位置初始化时初始位置定位不准确的问题。
Description
技术领域
本发明实施例涉及定位技术领域,尤其涉及一种机器人定位方法、装置、定位设备及存储介质。
背景技术
目前,控制机器人在室内环境中的行为是一个热点技术方向,例如扫地机器人、服务机器人等。室内环境一般用设定范围地图来表示,例如某个商场内,工厂内,家庭房间中等环境,设定范围地图中存储有该设定范围内各个位置的场景数据。场景数据例如包括该位置是否有物体,障碍物。根据实际需要,场景数据还可以有更丰富的信息,例如,对于商场内,不仅可标识出某个位置有障碍物,还可以进一步标识该障碍物是什么。当控制机器人在室内移动时,需要依赖于机器人的定位技术。
机器人的定位是确定机器人在设定范围地图的全局环境中的位置,其中位置包括位置信息以及姿态信息。要对机器人进行定位,需要获知其初始位置,以及在移动过程中的位置变更信息。但是,当机器人出现异常情况时,例如,重启、用户搬运机器人等情况时,会导致机器人中已设置的初始位置发生变化,而重启、用户搬运等异常情况的移动过程是机器人自身无法获知的,所以无法有效修正初始位置,这就涉及到了机器人的重定位技术。
为了实现机器人的自动定位,现有技术中采用重定位技术来解决上述的问题,一般可以利用机器人实测的场景数据与地图中存储的场景数据进行匹配,从而确定机器人当前所处位置,作为重新定位的初始位置。但是机器人所在的环境中场景数据相似的平面场景较多时,容易出现定位不准确的问题。
发明内容
本发明实施例提供一种机器人定位方法、装置、定位设备及存储介质,可以解决在相似场景较多的环境中定位不准确的技术问题。
第一方面,本发明实施例提供了一种机器人定位方法,包括:
确定机器人在设定范围地图内的至少两个初始预估位置;
从所述至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
第二方面,本发明实施例还提供了一种移动物体定位装置,包括:
初始预估位置确定模块,用于确定所述移动物体在设定范围地图内的初始预估位置;
估测实际位置确定模块,用于初始预估位置确定模块,用于确定所述机器人在设定范围地图内的至少两个初始预估位置;
估测实际位置确定模块,用于从所述至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
第三方面,本发明实施例还提供了一种移动物体,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如下步骤:
确定机器人在设定范围地图内的至少两个初始预估位置;
从所述至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如下步骤:
确定机器人在设定范围地图内的至少两个初始预估位置;
从所述至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
本发明实施例提供的技术方案,当确定机器人的初始预估位置时,通过控制机器人基于初始预估位置和目标位置之间的路径进行移动,并通过移动过程中各个校验位置的场景数据匹配度对机器人的初始预估位置进行验证,相当于在移动过程中探索定位,可以解决在相似平面场景较多的环境中定位不准确的问题,也可以解决位置初始化时初始位置定位不准确的问题。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明实施例一提供的一种机器人定位方法流程图;
图2是本发明实施例二提供的一种机器人定位方法流程图;
图3a是本发明实施例三提供的一种机器人定位方法流程图;
图3b是本发明实施例三提供的一种栅格地图的部分区域;
图4是本发明实施例四提供的一种机器人定位装置结构框图。
图5是本发明实施例五提供的一种定位设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
图1是本发明实施例一提供的一种机器人定位方法的流程图,所述方法由机器人定位装置来执行,所述装置可以由软件和/或硬件来执行,所述装置可以配置在定位设备中,其中,定位设备可以是机器人,也可以是除机器人之外的其他控制机器人的设备,例如,可以是终端、服务器等,终端可以是智能手机、平板电脑等。服务器可以是云端服务器,也可以是其他类型的服务器。其中,机器人可以是服务机器人、商用机器人等,商用机器人可以在空间体积较大或者平面面积较大的环境中工作。
其中,所述方法可以应用在空间体积较大、或者平面面积较大、且具有较多相似平面场景的环境中,即所述方法可以应用在空间体积大于设定体积或者平面面积大于设定面积、且具有设定数量的相似平面场景的环境中,其中,相似平面场景是指相似度大于设定相似度的平面场景。具体的,本发明实施例的方法可以应用于包含至少两个相似房间的建筑物中,或者也可以应用于结构复杂的建筑物中,其中结构复杂可以理解为建筑物中放置的物品较多,墙面较多或者布置的设施较多等,或者其他具有相似场景的建筑物的室内环境中。例如,本发明实施例的方法可以应用于在商场、办公楼、工厂车间等室内环境中。具体的,当商场或者办公楼相似的房间较多时,若机器人处在其中一个房间内,且对机器人进行定位,由于商场或者办公楼相似的房间较多,对机器人进行定位时采用实测场景数据与存储的地图上的场景数据匹配,容易出现多个位置的场景数据匹配度均较高的情况。所以在此情况下,将其中一个场景数据匹配度较高的位置作为定位的位置,容易产生定位错误,通过本发明实施例提供的方法可以避免在存在相似场景的环境中,定位不准确的问题。
又如,当商场、办公楼或者工厂车间等建筑物的结构复杂时,由于放置的物品较多,墙面较多或者布置的设施较多等原因,造成在不同的位置处的实测场景数据几乎相同。当机器人处在该环境中,且需要对机器人进行定位时,由于采用实测场景数据与存储的地图上的场景数据匹配的方法来实现对机器人的定位,所以容易出现多个位置的场景数据匹配度均较高的情况。因此,在此情况下,容易产生定位错误,通过本发明实施例提供的方法可以避免上述的问题。
需要理解的是本发明实施例提供的方法并不局限于上述的应用场景,还可以应用于室内定位的其他场景,可以理解的是本发明实施例提供的方法可以应用于室内定位的任意场景。
如图1所示,本发明实施例提供的技术方案包括:
S110:确定所述机器人在设定范围地图内的初始预估位置。
在本步骤中,机器人可以是服务机器人,商用机器人等。设定范围地图可以是机器人所在的全局环境的地图,也可以是机器人所在的全局环境的局部地图。设定范围地图的可以是栅格地图,也可以是其他形式的地图,对地图的形式可以不作限定。地图的场景数据,按照设定分辨率存储有各个位置的平面坐标以及该位置的地图属性信息,地图属性信息例如该位置是否有障碍物等信息。
在本步骤中,机器人在设定范围地图内的初始预估位置包含机器人在设定范围地图上的初始预估平面坐标信息以及初始预估方向角姿态信息,其中方向角为机器人的朝向,或者是机器人的运动方向与某一坐标轴,例如X轴或Y轴的夹角。
初始预估位置可以采用多种手段来进行粗略估计,可以获得一个或至少为两个。在本发明一个具体的实施方式中,确定所述机器人在设定范围地图内的初始预估位置,可以包括确定所述机器人在设定范围地图内的至少两个初始预估位置,其中,确定所述机器人在设定范围地图内的至少两个初始预估位置可以包括:采用激光测试手段获取所述机器人当前实际位置的实测场景数据;将所述实测场景数据在设定范围地图内的存储场景数据进行匹配,确定至少两个匹配的位置作为初始预估位置。其中,激光测试手段可以是激光扫描一周获取场景数据的方式。其中,采用激光测试手段获取机器人当前实际位置的实测场景数据可以是:通过机器人上安装的激光测距系统在机器人的当前实际位置扫描一周而获取实测场景数据。具体的,机器人上安装的激光测距系统在当前实际位置进行激光扫描时,发射的激光遇到障碍物会反射回来,通过反射回来的信号可以判断是否存在障碍物,从而形成实测场景数据。其中,实测场景数据可以包括障碍物距离机器人的距离d以及障碍物的方向角ai,即表示在机器人的ai方向且距离机器人的距离为d的位置存在障碍物。
其中,将所述实测场景数据在设定范围地图内的存储场景数据进行匹配,确定至少两个匹配的位置作为初始预估位置,可以具体是:将实测场景数据作为每个位置上的实测场景数据,将实测场景数据与设定范围地图上每一个位置处存储的场景数据进行依次匹配,若实测场景数据中一个障碍物在设定范围地图上的位置与设定范围地图上一个位置处存储的场景数据中某一个障碍物的位置相同,则被记为1分。其中,实测场景数据中障碍物在设定范围地图上的位置可以由机器人在该位置的平面坐标、方向角以及实测场景数据中障碍物距离机器人的距离、以及障碍物的方向角确定。当将实测场景数据与设定范围地图上一个位置存储的场景数据进行匹配时,累加的积分可以称为在设定范围地图上位置的场景匹配度。可以将场景数据匹配度高于匹配度阈值至少两个位置作为初始预估位置。
其中,以栅格形式的设定范围地图为例对场景数据匹配度的计算进行说明。其中,基于如下的公式计算场景数据匹配度:其中,当beam(a)在设定范围地图上被占据时,f(a)=1;当beam(a)在设定范围的地图上的栅格未被占据时,f(a)=0。其中,W表示激光扫描线的数量;beam(a)表示第a个激光扫描线上扫描的障碍物的位置映射到设定范围地图上对应的栅格点,其中,如果栅格点被占据则说明在该栅格点对应的位置存在障碍物。
需要说明的是,场景数据匹配度的计算还可以是其他方法,例如,通过实测场景数据统计障碍物的总数量,并统计实测场景数据中障碍物在设定范围地图上的位置与设定范围地图上一个位置处存储的场景数据中障碍物的位置相同的数量,将后者与前者的比值可以作为在设定范围地图上的该位置处的场景数据匹配度。场景数据匹配度的计算方法并不局限于本发明实施例中方法。
需要说明的是,对于初始预估位置的确定方法并不局限于上述的方法,还可以是将设定范围地图进行降采样,形成低分辨率栅格形式的设定范围地图,将在当前实际位置的实测场景数据与栅格形式的设定范围地图中的场景数据进行匹配,确定至少两个匹配位置作为初始预估位置,或者还可以是其他方法,对于初始预估位置确定方法在以下实施例会做详细介绍。
S120:控制所述机器人,根据初始预估位置与所述设定范围地图内的目标位置之间的路径移动,并根据移动过程中校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
在本步骤中,目标位置区别于初始预估位置,从而能够形成初始预估位置与目标位置之间的路径,供机器人进行移动。其中,目标位置包含机器人在目标位置处的平面坐标以及方向角。校验位置包含机器人在校验位置处的平面坐标以及方向角,校验位置是路径中的位置点,可以采用多种规律设定,例如,移动设定距离即确定一个校验位置,或者将路径划分为设定数量的校验位置,以及随机挑选拐点作为校验位置等。其中,校验位置的场景匹配度是通过将机器人在校验位置的实测场景数据与校验位置在设定范围地图中的存储场景数据进行匹配,从而计算出来的匹配度。计算方法可以参照上述场景数据匹配度的计算方法,不再累述。其中,机器人的估测实际位置即是机器人重新定位的位置。
在本发明的一个具体实施方式中,可以通过初始预估位置确定目标位置,具体可以是选择离初始预估位置设定距离范围内的任意一个位置作为目标位置。或者是选择离初始预估位置设定距离范围内的至少两个位置作为候选目标位置,获取当前实际位置场景数据与候选目标位置在设定地图范围内的存储场景之间的场景数据匹配度,选择场景数据匹配度最低的候选目标位置作为最终的目标位置。
其中,目标位置与初始预估位置具有一定的距离。当在选取的候选目标位置中选取场景数据匹配度最低的候选目标位置作为最终的目标位置时,可以最大程度的保证目标位置所处的环境场景与初始预估位置所处的环境场景不同,且相似度较低,也即目标位置与机器人的当前实际位置存在差别,且差别尽量最大化。设定距离范围由初始预估位置进行确定,以使选取的目标位置所处的场景与初始预估位置所处的场景相似度较低。例如,若初始预估位置所处的环境场景是一个目标房间,则目标位置所处的环境场景可以是与目标房间相似度较低的一个走廊,或者一个广场等。当初始预估位置不同,设定距离范围也可以是不同的。
在本步骤中,当初始预估位置和目标位置之间存在路径时,可以控制机器人根据初始预估位置与所述设定范围地图内的目标位置之间的路径移动。其中,初始预估位置和目标位置之间的路径中包含了各个位置的信息、以初始预估位置为初始位置,各个位置相对于上一个位置的距离信息以及方向信息。当机器人根据初始预估位置与设定范围地图内的目标位置之间的路径移动到校验位置时,校验位置的确定是以机器人在移动前的当前实际位置为初始位置,并根据初始预估位置和目标位置之间的路径中包含的各个位置相对于上个位置的距离信息、方向信息进行确定的。例如,当初始预估位置在设定范围地图上是A点,A点作为初始位置,并且目标位置在设定范围地图上是B点时,若在A到B的路径中包含的部分信息是从初始位置A点向前运动10米,则左转90度。当控制机器人从当前实际位置运动时,将当前实际位置作为初始位置,从初始位置向前运动10米,则左转90度。前进10米和左转90度可作为移动参数
其中,若初始预估位置是机器人的当前实际位置,机器人则是从初始预估位置(即当前实际位置)开始移动,并且是在初始预估位置到目标位置的路径中运动。若初始预估位置并不是机器人的当前实际位置,机器人则是从当前实际位置开始运动,并不是在初始预估位置到目标位置的路径中移动,但是根据初始预估位置到目标位置的路径的移动参数进行移动。
在本步骤中,当机器人所处的环境中相似的平面场景较多时,若初始预估位置作为机器人所在的当前实际位置,很容易判断出错,因此选取了一个目标位置,并且初始预估位置所处的环境场景与目标位置所处的环境场景不同。控制机器人根据初始预估位置与目标位置之间的路径移动,通过移动过程中各个校验位置的场景数据匹配度确定机器人的估测实际位置,从而实现对机器人位置的重新定位。在机器人移动过程中,若各校验位置的场景数据匹配度符合设定条件,即当机器人移动到一个不同的环境中时,移动过程中所处位置的场景数据匹配度均是符合设定条件的,则说明确定的初始预估位置是正确的。因此,通过对机器人所处在两个不同环境场景中的场景数据匹配度进行判断,从而避免了相似的平面场景造成的位置定位不准确的问题。其中,设定条件可以根据需要进行设定。
当确定的初始预估位置正确时,机器人可以移动到目标位置,从而将机器人结束后的位置(目标位置)作为估测实际位置,即重定位的位置。若机器人在移动过程中各个校验位置的场景数据匹配度不符合设定条件,则需要重新选取初始预估位置,或者执行其他的操作,在以下实施例中会做详细介绍。实际上,本发明实施例是以路径中各个校验位置的场景数据匹配度来验证初始预估位置的正确性。
在本发明实施例一个具体实施方式中,可选的,机器人可以是机器人,现有技术中机器人进行定位是通过如下的方法:先将机器人移动到一个设定的初始位置,以使机器人在设定的初始位置开始运动,然后通过机器人在移动过程中获取的运动数据计算当前位置的估算值,再通过激光数据对当前位置的估算值进行修正,从而实现了定位。
但是机器人在使用过程中有可能发生“迷路”的问题,比如机器人重启、用户主动移动了机器人等情况,都需要对机器人的当前位置进行定位,重新得到初始位置,才能保证机器人在运动过程定位准确。目前机器人采用当前位置的激光数据与全局环境的地图进行匹配,重新得到初始位置,从而实现移动过程中的定位。但是当机器人工作环境中相似的平面场景较多时,容易出现初始位置不准确的问题以及移动过程中的定位也不准确的问题。在本发明实施例中,当确定机器人的初始预估位置时,通过控制机器人基于初始预估位置和目标位置之间的路径进行移动,并通过移动过程中各个位置之间的场景数据匹配度来确定机器人重新定位的位置,可以解决机器人在相似场景较多的环境中由于异常情况导致的初始位置定位不准确的问题,也可以解决机器人在相似平面场景较多的环境中各位置定位不准确的问题。
本发明实施例提供的机器人的定位方法,通过控制机器人基于初始预估位置和目标位置之间的路径进行移动,并通过移动过程中各个位置之间的场景数据匹配度来确定机器人重新定位的位置,可以解决在相似平面场景较多的环境中定位不准确的问题。
实施例二
图2是本发明实施例二提供的一种机器人定位的方法流程图,本实施例以前述实施例为基础,进一步提供了在路径中移动过程中校验位置的方式,如图2所示,本发明实施例提供的技术方案包括如下步骤:
S210:确定所述机器人在设定范围地图内的至少两个初始预估位置。
在本步骤中,初始预估位置的数量可以是至少两个,设为A1、A2、……和An,n为大于1的自然数。
S220:从至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置。
可以对各初始预估位置按照场景数据匹配度进行排序,当前初始预估位置选择排序最靠前的一个,也就是最接近实际位置的初始预估位置,从而减小数据的处理数量。当然,对当前初始预估位置的确定也可以是其他方法,并且对当前初始预估位置的确定并不作限制,是初始预估位置中的其中一个即可。本实施例中,设A1为当前初始预估位置,A2、……An为候选初始预估位置。
其中,各初始预估位置的场景数据匹配度的计算方法可以是:将机器人在当前实际位置的实测场景数据与各初始预估位置在设定范围地图中存储场景数据进行匹配,从而计算各初始预估位置的场景数据匹配度,具体计算方法可以参照上述实施例中场景数据匹配度的计算方式,不再累述。
S230:根据所述当前初始预估位置确定所述目标位置。
在本发明的一个具体实施方式中,可选的,根据所述当前初始预估位置确定所述目标位置可以包括:选择当前初始预估位置设定距离范围内的至少两个位置作为候选目标位置;获取所述当前实际位置的实测场景数据与所述候选目标位置在设定范围地图内的存储场景数据之间的场景数据匹配度;选择场景数据匹配度最低的候选目标位置作为最终的目标位置。
其中,设定距离范围基于当前初始预估位置进行确定或者根据经验预先设定。例如距离足够远,但又不太远以使验证过程过长。例如,可以是距离大于10m且小于15m的设定距离范围。
当判断初始预估位置与目标位置之间不存在路径时,则返回重新确定目标位置。其中,初始预估位置与目标位置之间是否存在路径的判断可以根据初始预估位置与目标位置之间的区域在根据设定范围地图中的存储场景数据进行判断。例如,初始预估位置与目标位置之间的区域不存在障碍物,则可以认为初始预估位置与目标位置之间存在路径。若以初始预估位置为中心,小于初始预估位置和目标位置之间的距离为半径的区域内均存在障碍物,则可以认为初始预估位置和目标位置之间不存在路径。其中,初始预估位置和目标位置之间是否存在路径的判断也可以是其他判断方式。
对于本步骤进行举例说明,当前初始预估位置在设定范围地图上的位置是A1点,则离A1点设定距离范围内进行位置采样,采集设定数量的采样点;若采样点的数量是10个,分别是点B1-B10。并将机器人在A1处的实测场景数据分别作为点B1-B10的实测场景数据,并分别与点B1-B10在设定范围地图中的存储场景数据进行匹配,从而计算点B1-B10的场景数据匹配度,并确定场景数据匹配度最低的位置,若B3点位置场景数据匹配度最低,则将B3点作为最终的目标位置B。由此,选取场景数据匹配度最低的候选目标位置作为最终的目标位置,可以最大程度保证目标位置与初始预估位置或当前实际位置所处的环境场景不同,从而更加准确验证机器人的定位是否正确。
S240:控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置。
在本步骤中,当前校验位置在机器人的运动路径中。若当前初始预估位置是机器人的当前实际位置,则当前校验位置在初始预估位置与目标位置之间的路径中,若当前初始预估位置不是机器人的当前实际位置,当前校验位置不在初始预估位置与目标位置之间的路径中。
S250:获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度。
在本步骤中,当前校验位置处的实测场景数据可以是机器人上的激光测距系统在当前校验位置处扫描一周而获取的实测场景数据。其中,当前校验位置处的实测场景数据与当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度的计算方法可参照上述实施例的计算方法。
S260:判断所述当前校验位置处的场景数据匹配度符合设定条件。
S270:若判断所述当前校验位置处的场景数据匹配度符合设定条件,维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,并返回S250。
本步骤中,设定条件可以是场景数据匹配度达到设定门限值。其中,机器人在移动过程中,所经过的校验位置可以是移动过程中所经过的一个位置,也可以是移动过程中间隔预设时间确定的位置,或者也可以是间隔预设距离确定的位置。如果当前校验位置C1的场景数据匹配度足够高,则说明当前初始预估位置A1很可能是正确的实际位置,则继续下一个校验位置D1的验证。
S280:若判断所述当前校验位置处的场景数据匹配度不符合设定条件,从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回S230。
在本步骤中,所述当前校验位置处的场景数据匹配度不符合设定条件,说明当前校验位置A1的场景数据匹配度较低,当前初始预估位置A1很可能不是正确的实际位置,所以没有必要继续沿当前路径走到下一个校验位置继续验证了,需要从A1、……An中排除A1,校验其他初始预估位置的准确性。候选校验位置可以是基于机器人的位置移动参数、实测场景数据以及候选初始预估位置计算而确定的位置。其中,位置移动参数可以是机器人在移动至当前校验位置处时,位置坐标的变化量以及方向角的变化量。位置移动参数可以通过很多方式获得,例如机器人的电机控制参数,陀螺仪等设备,位置移动参数可以包括x和y等平面移动距离,以及方向角θ。实测场景数据可以是机器人从当前初始预估位置移动至当前校验位置过程中,机器人获取的实测场景数据。通过候选初始预估位置以及位置移动参数可以得到估算候选校验位置,并通过实测场景数据对估算候选校验位置进行修正,得到精确的候选校验位置。例如,在上述例子中,当A1被排除时,A2、……An可以利用x、y和θ分别计算获得对应的估算候选校验位置,并通过机器人获取的实测场景数据对估算候选校验位置进行修正,从而得到与A2、……An分别对应的候选校验位置B2、……Bn。其中,具体修正的方法可以是:通过当前初始预估位置处的实测场景数据可以确定机器人相对某一个目标障碍物的距离以及方向,并且通过当前校验位置处的实测场景数据可以确定机器人相对于该目标障碍物的距离以及方向,从而可以确定机器人从当前初始预估位置移动至当前校验位置处,机器人的移动的距离以及移动方向。在候选初始预估位置的基础上沿该移动方向移动该距离,则可以得到候选校验位置。将得到的该候选校验位置与通过位置移动参数计算得到的估算候选校验位置进行对比,判断两者是否相同,若不相同,对估算候选校验位置进行修正(替换估算候选校验位置),从而得到精确的候选校验位置。
可选的,位置移动参数还可以是:机器人从当前初始预估位置移动至当前校验位置过程中,间隔预设时间获取的多组位置移动参数。实测场景数据可以是在此过程中每一个校验位置处的实测场景数据,可选的,可以为当获取位置移动参数时,校验位置处的实测场景数据。当机器人在当前校验位置处,且更新候选校验位置时,可以基于获取的多组位置移动参数以及实测场景数据,反复更新候选校验位置,直至得到最新的候选校验位置,并作为当机器人在当前校验位置处时,候选初始预估位置对应的候选校验位置。例如,机器人从当前初始预估位置移动至当前校验位置过程中,经过校验位置C0至当前校验位置C1。若当机器人处在校验位置C0时,获取的机器人相对当前初始预估位置的位置移动参数为x1,y1和θ1,且当机器人在当前校验位置C1时,获取的机器人相对于校验位置C0的位置移动参数为x2,y2和θ2。其中,可以先计算机器人在校验位置C0时,通过候选初始位置A2、……An,利用x1,y1和θ1得到的估算候选校验位置,并通过校验位置C0处的实测场景数据和当前初始预估位置处的实测场景数据对估算的候选校验位置进行修正(修正方法同上述修正方法,不再累述),得到当机器人在校验位置C0时,各候选初始预估位置对应的候选校验位置B2’……Bn’。
当机器人移动至当前校验位置C1时,可以通过上一组候选校验位置B2’……Bn’,利用x2,y2和θ2,得到估算候选校验位置,并通过当前校验位置C1处的实测场景数据和校验位置C0处实测场景数据对估算候选校验位置进行修正(修正方法同上述修正方法),得到机器人在当前校验位置C1时,各候选初始预估位置对应的候选校验位置B2……Bn。若机器人继续移动时,候选校验位置的更新还可以采用上述方法,即可以基于上一个候选校验位置、机器人从上一个校验位置移动到当前校验位置处的位置移动参数、上一个校验位置处的实测场景数据以及当前校验位置处的实测场景数据,分别确定机器人在当前校验位置时,各候选初始预估位置对应的候选校验位置。
需要说明的是,本发明实施例示例性的说明了候选校验位置可以基于机器人的位置移动参数、实测场景数据以及候选初始预估位置计算而确定,但是在本发明其他实施例中,候选校验位置也可以基于机器人的位置移动参数以及候选初始预估位置计算而确定,从而可以不需要通过实测场景数据修正的步骤,其他方法原理与上述方法原理相同。
在本发明实施例一个具体实施方式中,可选的,根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置包括:从其他所述候选校验位置中选择排序最前的候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,其中,各所述候选校验位置根据对应的场景数据匹配度由高至低进行排序。即是选择场景数据匹配度最高的一个候选校验位置,并将候选校验位置更新为当前初始预估位置。从各候选校验位置中进一步筛选获取一个最接近的校验位置,可以是场景数据匹配度最高的,例如B2,则说明B2所对应的A2是初始实际位置的可能性最大。此后,B2作为新一轮验证的当前初始预估位置,剩余的B3、……Bn作为候选初始预估位置。至此,相当于产生了新一轮的A1、……An,返回至S230,重新确定目标位置B。
其中,候选校验位置的场景匹配度的计算可以是:将机器人在当前校验位置处的实测场景数据作为候选校验位置处的实测场景数据,并将在当前校验位置处的实测场景数据与候选校验位置在设定范围地图中存储的场景数据进行匹配,从而计算场景数据匹配度,场景数据匹配度具体计算方法参照上述实施例的计算方法,不再累述。
S270和S280的步骤,直至根据所述路径移动至最后一个校验位置为止。
S290:根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
若选择对了初始预估位置,则校验位置的场景数据匹配度应该一直比较高,使得机器人能够沿着路径一直移动至最后一个校验位置或目标位置。那么此时最终的当前初始预估位置,是机器人实际位置的可能性较高,可据此确定所述机器人的估测实际位置。当然,此时机器人已经移动至目标位置了,也可以将目标位置可以作为机器人的估测实际位置,即重新定位的位置。
在本发明一个具体的实施方式中,可选的,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置,可以包括:如果最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度均达到设定门限值,则根据所述最终的当前初始预估位置或最终的目标位置确定机器人的估测实际位置。
其中,如果最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度达到设定门限值,则表明最终的当前初始预估位置的定位时准确的,则机器人可以移动至最终的目标位置,则最终的目标位置就是机器人的估测实际位置,或者也可以根据最终的当前初始预估位置以及移动至最终的目标位置的位置移动参数确定机器人的估测实际位置。
需要说明的是,当如果所述当前校验位置处的场景数据匹配度符合设定条件时,候选初始预估位置对应的候选校验位置也可以是实时更新的,更新的方法与上述实施例中更新的方法相同。
在上述实施例二的S270中,可选的,如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变具体可包括:
如果所述当前校验位置处的场景数据匹配度符合设定条件,且各所述候选校验位置场景数据匹配度的平均值大于所述当前校验位置的场景数据匹配度,则将最大场景数据匹配度的候选校验位置更新为当前初始预估位置;
如果所述当前校验位置处的场景数据匹配度符合设定条件,且各所述候选校验位置的场景数据匹配度均小于或等于所述当前校验位置的场景数据匹配度,则维持所述当前初始预估位置不变。
其中,当机器人移动过程中,候选初始预估位置对应的候选校验位置进行实时更新,可以将当前校验位置的实测场景数据与各候选校验位置在设定范围地图中的存储场景数据进行匹配,从而计算各个候选校验位置的场景匹配度。当各个候选校验位置的场景匹配度的平均值大于当前校验位置的场景匹配度,且当前校验位置匹配度大于设定门限值时,将最大场景数据匹配度的候选校验位置更新为当前初始预估位置,返回执行确定目标位置的操作,由此可以实现机器人的准确定位。例如,当机器人移动到当前校验位置C点时,候选初始预估位置对应的候选校验位置分别是B2-Bn,若C点处的场景数据匹配度虽然大于设定阈值,但是候选校验位置B2-Bn的场景数据匹配度的平均值大于C点处的场景数据匹配度时,可以将场景匹配度最大的候选校验位置B2作为新一轮的验证的当前初始预估位置,重新确定目标位置B。
实施例三
图3a是本发明实施例三提供的一种机器人定位方法流程图,本实施例以前述实施例为基础,进一步提供了对设定范围地图进行降采样的处理方案,以减少在重定位过程中的计算量。如图3a所示,本发明实施例提供的技术方案具体如下:
S310:对所述设定范围地图中的场景数据进行降采样处理,形成栅格形式的设定范围地图。
本步骤中,对设定范围地图中的场景数据进行降采样处理具体可以是对设定范围地图中的场景数据按照设定距离间隔进行采样,从而减小设定范围地图中场景数据的数量,降低数据的处理量,以提高机器人的定位速度。
例如,设定范围地图是栅格地图,对分辨率为5cm的栅格地图中的场景数据按照分辨率为50cm进行降采样处理,可以将分辨率为5cm的栅格地图转换为分辨率50cm的50cm的栅格地图。2万平米的设定范围地图可以(栅格地图)转成400*200个网格,分辨率0.5m,形成地图。栅格地图的形式如图3b所示,每一个栅格地图中的栅格中的1表明该栅格被占据,栅格中的0则表明该栅格未被占据。当栅格的位置存在障碍物时,该栅格被占据。当栅格的位置不存在障碍物时,该栅格未被占据。
S320:将栅格形式的所述设定范围地图划分成多个矩形区域,每个矩形区域包括设定数量的栅格。
可选的是进一步执行矩形区域划分的步骤,再次降低数据处理量。在本步骤中,矩形区域中包括设定数量的栅格,例如4、6或9个等。
S330:将每个矩形区域中设定位置栅格作为估算位置。
在矩形区域内的估算位置还可以进行方向角的角度划分,例如将该估算位置的方向角按30度间隔来划分,共有12个方向,则该估算位置的场景数据包括12个方向上的数据。例如,将地图均匀划分成2m*2m的矩形,并对角度进行30度的划分,可以得到100*50个矩形区域,并且矩形中的每个位置中方向角的采样精度是30度,即每一个位置中包含的方向角可以是30度、60度,90度等。因此通过对划分矩形区域以及对每个位置方向角的划分,可以进一步降低地图中场景数据的数量。
S340:根据所述当前实际位置的实测场景数据与各估算位置在所述设定范围地图中的存储场景数据之间的场景数据匹配度,确定至少两个估算位置,其中,所述位置包括平面坐标和方向角姿态。
在本步骤中,可以将每个矩形区域的中心、顶点等作为估算位置,将当前实际位置的实测场景数据与各估算位置在设定范围地图中的存储场景数据进行匹配,从而计算各个估算位置处的场景数据匹配度,确定场景数据匹配度大于匹配度阈值的至少两个估算位置。其中,在栅格地图中,若估算位置的匹配度大于匹配度阈值,可以将估算位置所在的矩形区域进行标记,例如,如图3b所示,若估算位置所在矩形区域大于匹配度阈值可以在矩形区域的中心标记为1。
由此,通过将设定范围地图中的场景数据进行降采样,并进行区域划分以及角度划分,既可以减小数据的处理量,又可以将与机器人当前实际位置明显不相符的位置进行排除。
可以直接将估算位置作为初始预估位置,或者,在本实施例的基础上,为了提高初始预估位置的准确性,可以进一步利用估算位置来进行精确测量,得到准确性更高的初始预估位置,即在获取估算位置之后,继续执行下述步骤:
S350:将估算位置作为初始预估栅格,根据各所述初始预估栅格在所述设定范围地图中确定至少一个精测位置。
本步骤中,分别基于所述初始预估栅格在所述设定范围地图中确定一个精测位置,可以包括:在各初始预估栅格所在的矩形区域内进行采样,获取至少一个采样点,将采样点的位置作为精测位置,或者可以包括:在距离各初始预估栅格设定距离内进行随机采样,获取至少一个采样点,将采样点的位置作为精测位置。
由此,通过对精测位置的获取可以提高对初始预估位置的判断精度,从而更加准确对机器人进行定位。
S360:获取所述当前实际位置的实测场景数据与所述精测位置在降采样前的设定范围地图中的存储场景数据之间的场景数据匹配度。
本步骤中,通过当前实际位置的实测场景数据与精测位置在降采样前的设定范围地图中的存储场景数据进行匹配,从而得到精测位置的场景数据匹配度,可以更加准确计算精测位置处的场景数据匹配度,从而准确选择初始预估位置,减小定位误差以及提高定位速度。
S370:根据各所述精测位置的场景数据匹配度选择至少两个精测位置作为所述机器人的初始预估位置。
在本步骤中,可以选择场景数据匹配度大的精测位置作为机器人的初始预估位置,当场景数据匹配度大的精测位置越大时,可以认为越接近于机器人的当前实际位置,选择场景数据匹配度最大的精测位置作为初始预估位置,可以更快定位机器人的位置。
S380:控制所述机器人,根据初始预估位置与所述设定范围地图内的目标位置之间的路径移动,并根据移动过程中校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
步骤380的具体执行过程可参考实施例二所介绍的内容。
在上述实施例的基础上,上述机器人的定位方法还可以包括:若所述机器人在设定时间内所处的当前校验位置不变,且检测到被移动到其他位置时,返回执行确定初始预估位置的操作。其中,当机器人在当前校验位置不变时,有可能存在机器人运动到角落或者遇到障碍物无法移动的情况,可以人为移动机器人,当机器人检测到被移动到其他位置时,重新确定初始预估位置。由此,通过该步骤可以使机器人避免因外部因素无法移动的情况导致无法定位的问题,当被移动到其他位置时可以重新进行定位。
实施例四
图4是本发明实施例四提供的一种机器人定位装置的结构框图,如图4所示,包括:
初始预估位置确定模块410,用于确定所述机器人在设定范围地图内的初始预估位置;
估测实际位置确定模块420,用于控制所述机器人,根据初始预估位置与所述设定范围地图内的目标位置之间的路径移动,并根据移动过程中校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
进一步的,初始预估位置确定模块410,用于确定所述机器人在设定范围地图内的至少两个初始预估位置;
所述估测实际位置确定模块420,用于从至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定所述目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
进一步的,初始预估位置确定模块410,用于采用激光测试手段获取所述机器人当前实际位置的实测场景数据;
将所述实测场景数据与设定范围地图内的存储场景数据进行匹配,确定至少两个匹配的位置作为初始预估位置。
进一步的,所述装置还包括降采样模块430,用于在确定所述机器人在设定范围地图内的初始预估位置之前,对所述设定范围地图中的场景数据进行降采样处理,形成栅格形式的设定范围地图。
进一步的,初始预估位置确定模块410,用于将栅格形式的所述设定范围地图划分成多个矩形区域,每个矩形区域包括设定数量的栅格;
将每个矩形区域中设定位置栅格作为估算位置;
根据所述当前实际位置的实测场景数据与各估算位置在所述设定范围地图中的存储场景数据之间的场景数据匹配度,确定至少两个估算位置作为所述初始预估位置,其中,所述位置包括平面坐标和方向角姿态。
进一步的,根据所述当前实际位置的实测场景数据与各估算位置在所述设定范围地图中的存储场景数据之间的场景数据匹配度,确定至少两个估算位置作为所述初始预估位置,包括:
根据所述当前实际位置的实测场景数据与各估算位置在所述设定范围地图中的存储场景数据之间的场景数据匹配度,确定至少两个估算位置作为初始预估栅格;
根据各所述初始预估栅格在所述设定范围地图中确定至少一个精测位置;
获取所述当前实际位置的实测场景数据与所述精测位置在降采样前的设定范围地图中的存储场景数据之间的场景数据匹配度;
根据各所述精测位置的场景数据匹配度选择至少两个精测位置作为所述机器人的初始预估位置。
进一步的,根据所述当前初始预估位置确定所述目标位置包括:
选择当前初始预估位置设定距离范围内的至少两个位置作为候选目标位置;
获取所述当前实际位置的实测场景数据与所述候选目标位置在设定范围地图内的存储场景数据之间的场景数据匹配度;
选择场景数据匹配度最低的候选目标位置作为最终的目标位置。
进一步的,根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置包括:
从其他所述候选校验位置中选择排序最前的候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,其中,各所述候选校验位置根据对应的场景数据匹配度由高至低进行排序。
进一步的,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置包括:
如果最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度均达到设定门限值,则根据所述最终的当前初始预估位置或最终的目标位置确定机器人的估测实际位置。
进一步的,如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变包括:
如果所述当前校验位置处的场景数据匹配度符合设定条件,且各所述候选校验位置中存在场景数据匹配度大于所述当前校验位置的场景数据匹配度的候选校验位置,则将该候选校验位置更新为当前初始预估位置;
如果所述当前校验位置处的场景数据匹配度符合设定条件,且各所述候选校验位置的场景数据匹配度均小于或等于所述当前校验位置的场景数据匹配度,则维持所述当前初始预估位置不变。
进一步的,所述装置还包括返回模块440,用于若所述机器人在设定时间内所处的当前校验位置不变,且检测到被移动到其他位置时,返回执行确定初始预估位置的操作。
本发明实施例提供的机器人定位装置可执行本发明任意实施例所提供机器人定位方法,具备执行机器人定位方法相应的功能模块和有益效果。
图5是本发明实施例提供的一种定位设备的结构示意图。图5示出了适于用于实现本发明实施方式的示例性定位设备512的框图。图5显示的定位设备512仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,定位设备512以通用计算设备的形式表现。定位设备512的组件可以包括但不限于:一个或者多个处理器或者处理单元516,系统存储器528,连接不同系统组件(包括系统存储器528和处理单元516)的总线518,其中,定位设备可以包括激光测距系统(图5中并没有示出)。
总线518表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
定位设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够访问定位设备512的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器528可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)530和/或高速缓存存储器532。定位设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统534可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540,可以存储在例如系统存储器528中,这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。
定位设备512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信,还可与一个或者多个使得用户能与该定位设备512交互的设备通信,和/或与使得该定位设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且,定位设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器520通过总线518与定位设备512的其它模块通信。应当明白,尽管图中未示出,可以结合定位设备512使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元516通过运行存储在系统存储器528中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种机器人定位方法。
也即,所述处理单元执行所述程序时实现:
确定机器人在设定范围地图内的至少两个初始预估位置;
从所述至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例提供的一种机器人定位方法:
确定机器人在设定范围地图内的至少两个初始预估位置;
从所述至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或移动物体上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (13)
1.一种机器人定位方法,其特征在于,包括:
确定机器人在设定范围地图内的至少两个初始预估位置;
从所述至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
2.根据权利要求1所述的方法,其特征在于,确定所述机器人在设定范围地图内的至少两个初始预估位置包括:
采用激光测试手段获取所述机器人当前实际位置的实测场景数据;
将所述实测场景数据与设定范围地图内的存储场景数据进行匹配,确定至少两个匹配的位置作为初始预估位置。
3.根据权利要求1所述的方法,其特征在于,确定所述机器人在设定范围地图内的至少两个初始预估位置之前,还包括:
对所述设定范围地图中的场景数据进行降采样处理,形成栅格形式的设定范围地图。
4.根据权利要求3所述的方法,其特征在于,所述确定所述机器人在设定范围地图内的至少两个初始预估位置,包括:
将栅格形式的所述设定范围地图划分成多个矩形区域,每个矩形区域包括设定数量的栅格;
将每个矩形区域中设定位置栅格作为估算位置;
根据所述当前实际位置的实测场景数据与各估算位置在所述设定范围地图中的存储场景数据之间的场景数据匹配度,确定至少两个估算位置作为所述初始预估位置,其中,所述位置包括平面坐标和方向角姿态。
5.根据权利要求4所述的方法,其特征在于,根据所述当前实际位置的实测场景数据与各估算位置在所述设定范围地图中的存储场景数据之间的场景数据匹配度,确定至少两个估算位置作为所述初始预估位置,包括:
根据所述当前实际位置的实测场景数据与各估算位置在所述设定范围地图中的存储场景数据之间的场景数据匹配度,确定至少两个估算位置作为初始预估栅格;
根据各所述初始预估栅格在所述设定范围地图中确定至少一个精测位置;
获取所述当前实际位置的实测场景数据与所述精测位置在降采样前的设定范围地图中的存储场景数据之间的场景数据匹配度;
根据各所述精测位置的场景数据匹配度选择至少两个精测位置作为所述机器人的初始预估位置。
6.根据权利要求1所述的方法,其特征在于,根据所述当前初始预估位置确定所述目标位置包括:
选择当前初始预估位置设定距离范围内的至少两个位置作为候选目标位置;
获取所述当前实际位置的实测场景数据与所述候选目标位置在设定范围地图内的存储场景数据之间的场景数据匹配度;
选择场景数据匹配度最低的候选目标位置作为最终的目标位置。
7.根据权利要求1所述的方法,其特征在于,根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置包括:
从其他所述候选校验位置中选择排序最前的候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,其中,各所述候选校验位置根据对应的场景数据匹配度由高至低进行排序。
8.根据权利要求1所述的方法,其特征在于,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置包括:
如果最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度均达到设定门限值,则根据所述最终的当前初始预估位置或最终的目标位置确定机器人的估测实际位置。
9.根据权利要求1所述的方法,其特征在于,如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变包括:
如果所述当前校验位置处的场景数据匹配度符合设定条件,且各所述候选校验位置的场景数据匹配度的平均值大于所述当前校验位置的场景数据匹配度,则将最大场景数据匹配度的候选校验位置更新为当前初始预估位置;
如果所述当前校验位置处的场景数据匹配度符合设定条件,且各所述候选校验位置的场景数据匹配度均小于或等于所述当前校验位置的场景数据匹配度,则维持所述当前初始预估位置不变。
10.根据权利要求1所述的方法,其特征在于,还包括:
若所述机器人在设定时间内所处的当前校验位置不变,且检测到被移动到其他位置时,返回执行确定初始预估位置的操作。
11.一种机器人定位装置,其特征在于,包括:初始预估位置确定模块,用于确定所述机器人在设定范围地图内的至少两个初始预估位置;
估测实际位置确定模块,用于从所述至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
12.一种定位设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如下步骤:
确定机器人在设定范围地图内的至少两个初始预估位置;
从所述至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如下步骤:
确定机器人在设定范围地图内的至少两个初始预估位置;
从所述至少两个初始预估位置中根据各初始预估位置的场景数据匹配度选择一个作为当前初始预估位置,其他作为候选初始预估位置;
根据所述当前初始预估位置确定目标位置;
控制所述机器人,根据所述当前初始预估位置与所述目标位置之间的路径移动至当前校验位置;
获取所述当前校验位置处的实测场景数据与所述当前校验位置在设定范围地图中的存储场景数据之间的场景数据匹配度;
如果所述当前校验位置处的场景数据匹配度符合设定条件,则维持所述当前初始预估位置不变,根据所述路径向下一个校验位置移动并更新为当前校验位置,返回执行获取当前校验位置的场景数据匹配度的操作;
如果所述当前校验位置处的场景数据匹配度不符合设定条件,则从至少两个所述初始预估位置中排除所述当前初始预估位置,并根据所述机器人的位置移动参数和实测场景数据更新各个候选初始预估位置所对应的候选校验位置,且根据其他所述候选校验位置的场景数据匹配度选择一个候选校验位置,更新为当前初始预估位置,剩余候选校验位置作为候选初始预估位置,返回执行确定所述目标位置的操作;
直至根据所述路径移动至最后一个校验位置,根据最终的当前初始预估位置所经过的各个校验位置的场景数据匹配度,确定所述机器人的估测实际位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810438179.7A CN108638062B (zh) | 2018-05-09 | 2018-05-09 | 机器人定位方法、装置、定位设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810438179.7A CN108638062B (zh) | 2018-05-09 | 2018-05-09 | 机器人定位方法、装置、定位设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108638062A true CN108638062A (zh) | 2018-10-12 |
CN108638062B CN108638062B (zh) | 2021-08-13 |
Family
ID=63754113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810438179.7A Active CN108638062B (zh) | 2018-05-09 | 2018-05-09 | 机器人定位方法、装置、定位设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108638062B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111623783A (zh) * | 2020-06-30 | 2020-09-04 | 杭州海康机器人技术有限公司 | 一种初始定位方法、视觉导航设备、仓储系统 |
CN112008718A (zh) * | 2020-06-12 | 2020-12-01 | 特斯联科技集团有限公司 | 一种机器人控制方法、系统、存储介质及智能机器人 |
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 |
CN112428050A (zh) * | 2020-11-16 | 2021-03-02 | 广东博智林机器人有限公司 | 墙面打磨机器人的控制方法及装置 |
WO2021035532A1 (en) * | 2019-08-27 | 2021-03-04 | Beijing Voyager Technology Co., Ltd. | Systems and methods for positioning target subject |
CN112833912A (zh) * | 2020-12-31 | 2021-05-25 | 杭州海康机器人技术有限公司 | 一种v-slam地图校验方法、装置及设备 |
CN113537260A (zh) * | 2020-04-20 | 2021-10-22 | 宝马股份公司 | 定位方法、定位装置和计算机可读存储介质 |
CN114371632A (zh) * | 2021-12-29 | 2022-04-19 | 达闼机器人有限公司 | 智能设备控制方法、装置、服务器和存储介质 |
WO2022088816A1 (zh) * | 2020-10-28 | 2022-05-05 | 珠海格力电器股份有限公司 | 识别控制指令的方法及装置、非易失性存储介质、处理器、电子装置、多关节机器人 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529932A (zh) * | 2000-08-08 | 2004-09-15 | 株式会社安川电机 | 电机控制装置 |
US20060178815A1 (en) * | 2005-02-04 | 2006-08-10 | Samsung Electronics Co., Ltd. | Apparatus and method for correcting location information of mobile body, and computer-readable media storing computer program for controlling the apparatus |
CN103252778A (zh) * | 2011-12-23 | 2013-08-21 | 三星电子株式会社 | 用于估计机器人位置的设备及其方法 |
CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
US20160069691A1 (en) * | 2011-09-30 | 2016-03-10 | Irobot Corporation | Adaptive mapping with spatial summaries of sensor data |
CN106052676A (zh) * | 2016-05-26 | 2016-10-26 | 深圳市神州云海智能科技有限公司 | 一种机器人导航定位方法、装置及机器人 |
CN106052691A (zh) * | 2016-05-17 | 2016-10-26 | 武汉大学 | 激光测距移动制图中闭合环误差纠正方法 |
CN107065885A (zh) * | 2017-05-19 | 2017-08-18 | 华中科技大学 | 一种机器人变栅格地图路径规划优化方法和系统 |
-
2018
- 2018-05-09 CN CN201810438179.7A patent/CN108638062B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529932A (zh) * | 2000-08-08 | 2004-09-15 | 株式会社安川电机 | 电机控制装置 |
US20060178815A1 (en) * | 2005-02-04 | 2006-08-10 | Samsung Electronics Co., Ltd. | Apparatus and method for correcting location information of mobile body, and computer-readable media storing computer program for controlling the apparatus |
US20160069691A1 (en) * | 2011-09-30 | 2016-03-10 | Irobot Corporation | Adaptive mapping with spatial summaries of sensor data |
CN103252778A (zh) * | 2011-12-23 | 2013-08-21 | 三星电子株式会社 | 用于估计机器人位置的设备及其方法 |
CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
CN106052691A (zh) * | 2016-05-17 | 2016-10-26 | 武汉大学 | 激光测距移动制图中闭合环误差纠正方法 |
CN106052676A (zh) * | 2016-05-26 | 2016-10-26 | 深圳市神州云海智能科技有限公司 | 一种机器人导航定位方法、装置及机器人 |
CN107065885A (zh) * | 2017-05-19 | 2017-08-18 | 华中科技大学 | 一种机器人变栅格地图路径规划优化方法和系统 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021035532A1 (en) * | 2019-08-27 | 2021-03-04 | Beijing Voyager Technology Co., Ltd. | Systems and methods for positioning target subject |
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 |
CN113537260A (zh) * | 2020-04-20 | 2021-10-22 | 宝马股份公司 | 定位方法、定位装置和计算机可读存储介质 |
CN112008718A (zh) * | 2020-06-12 | 2020-12-01 | 特斯联科技集团有限公司 | 一种机器人控制方法、系统、存储介质及智能机器人 |
CN112008718B (zh) * | 2020-06-12 | 2022-04-05 | 特斯联科技集团有限公司 | 一种机器人控制方法、系统、存储介质及智能机器人 |
CN111623783A (zh) * | 2020-06-30 | 2020-09-04 | 杭州海康机器人技术有限公司 | 一种初始定位方法、视觉导航设备、仓储系统 |
WO2022088816A1 (zh) * | 2020-10-28 | 2022-05-05 | 珠海格力电器股份有限公司 | 识别控制指令的方法及装置、非易失性存储介质、处理器、电子装置、多关节机器人 |
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 |
CN112428050A (zh) * | 2020-11-16 | 2021-03-02 | 广东博智林机器人有限公司 | 墙面打磨机器人的控制方法及装置 |
CN112833912A (zh) * | 2020-12-31 | 2021-05-25 | 杭州海康机器人技术有限公司 | 一种v-slam地图校验方法、装置及设备 |
CN112833912B (zh) * | 2020-12-31 | 2024-03-05 | 杭州海康机器人股份有限公司 | 一种v-slam地图校验方法、装置及设备 |
CN114371632A (zh) * | 2021-12-29 | 2022-04-19 | 达闼机器人有限公司 | 智能设备控制方法、装置、服务器和存储介质 |
WO2023124017A1 (zh) * | 2021-12-29 | 2023-07-06 | 达闼机器人股份有限公司 | 智能设备控制方法、装置、服务器和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108638062B (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108638062A (zh) | 机器人定位方法、装置、定位设备及存储介质 | |
US11059174B2 (en) | System and method of controlling obstacle avoidance of robot, robot and storage medium | |
CN106323273B (zh) | 一种机器人重定位方法及装置 | |
US11554488B2 (en) | Robot navigation using 2D and 3D path planning | |
AU2008250604B2 (en) | Position determination method for a geodetic measuring device | |
CN110286387A (zh) | 应用于自动驾驶系统的障碍物检测方法、装置及存储介质 | |
TW201837428A (zh) | 機器人的路徑規劃系統及方法 | |
CN102752855A (zh) | 基于路径规则和预测的室内人员定位系统及方法 | |
US20160286351A1 (en) | Indoor navigation anomaly detection | |
CN113324542B (zh) | 一种定位方法、装置、设备和存储介质 | |
CN109470233A (zh) | 一种定位方法及设备 | |
CN107782311A (zh) | 可移动终端的移动路径规划方法及装置 | |
US20210243564A1 (en) | Real time tracking systems in three dimensions in multi-story structures and related methods and computer program products | |
CN110411435B (zh) | 机器人定位方法、装置以及机器人 | |
CN108520543A (zh) | 一种对相对精度地图进行优化的方法、设备及存储介质 | |
CN114061586A (zh) | 用于生成电子设备的导航路径的方法和产品 | |
CN113985894A (zh) | 一种自主避障路径规划方法、装置、设备及存储介质 | |
KR102118981B1 (ko) | 비콘 신호와 핑거프린트 맵 기반의 실내 측위 방법 및 시스템 | |
CN110794434A (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
WO2022257809A1 (zh) | 导航虚拟墙的自动生成方法、装置、电子设备及存储介质 | |
CN115290066A (zh) | 一种误差校正方法、装置及移动设备 | |
CN108960738B (zh) | 一种仓库通道环境下的激光雷达数据聚类方法 | |
CN112308969A (zh) | 三维地图生成方法及装置 | |
CN114419187B (zh) | 地图构建方法、装置、电子设备和可读存储介质 | |
CN111541985B (zh) | 一种物联网终端定位方法、物联网终端和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |