CN108801269A - 一种室内云机器人导航系统及方法 - Google Patents

Abstract

本发明公开了室内云机器人导航系统及方法。其中，该系统包括云端，其与UWB基站群和机器人群分别相连；UWB基站群被配置为检测机器人群中相应机器人在全局环境中的位置并反馈至云端；云端，被配置为：向指定机器人发送导航指令，接收指定机器人构建的当前位置局部最小子图；利用指定机器人当前位置的局部最小子图和在全局环境中的位置确定机器人的方位；向指定机器人下传从当前位置到导航终点的预规划全局路径和中间导航点；接收指定机器人在中间导航点的局部最小子图，结合在全局环境中的位置来优化当前机器人位姿，进而优化全局路径并调整中间导航点；将优化后的全局路径、位姿及中间导航点下传给指定机器人继续导航，直至到达导航终点。

Description

一种室内云机器人导航系统及方法

技术领域

本发明属于机器人导航技术及云机器人应用领域，尤其涉及一种室内云机器人导航系统及方法。

背景技术

室内移动机器人的定位导航技术在整个机器人学中一直占据举足轻重的地位，传统的室内机器人导航方式存在以下弊端：

(1)在全局环境下主要依赖于WIFI和蓝牙等传输范围有限的周期性定位方式，无法有效的利用周围环境中的信息。

(2)在局部环境下则依赖摄像头和激光雷达等视觉感知传感装置，无法精确的进行全局定位，由于受到传感器本身测量范围和精度以及周围环境复杂度的限制，往往获得的局部位置也会出现大的偏差。这样单独的导航定位方式无法有效的判断机器人在全局环境中的位置，尤其当室内环境比较大、导航移动的距离比较远时，机器人移动产生的位置误差也会不断的累积，导航的精度也会大大降低，致使机器人无法顺利地移动到指定的位置。

(3)传统的机器人群之间在进行室内导航时，往往难以协调运作；很多情况下由于存在一定的异构性，针对不同类型机器人的路线纠正和算法更新等，控制台往往难以提供统一的接口和服务。

综上所述，亟需一种能够在大尺度室内环境下进行精准导航的系统及方法，将全局的定位信息和机器人本体传感器测得的局部定位信息相融合，在机器人移动过程中不断地修正由于移动和本体传感器精度所带来的误差，并且能够对机器人群进行协调运作。

发明内容

为了解决现有技术的不足，本发明的第一目的是提供一种室内云机器人导航系统，其以云端和机器人端进行协同导航误差修正为主，UWB基站群协助定位为辅的新型导航定位方式，在云端为机器人群的导航功能提供统一的接口，可以适用于不同运动类型的室内服务机器人具有导航精度高、复杂大场景下可用性强、应用可扩展性大的显著优点。

本发明的一种室内云机器人导航系统，包括：

云端，其与UWB基站群和机器人群分别相连；

所述UWB基站群被配置为检测机器人群中相应机器人在全局环境中的位置并反馈至云端；

所述云端，被配置为执行以下步骤：

向指定机器人发送导航指令，接收指定机器人构建的当前位置局部最小子图；

利用指定机器人当前位置的局部最小子图和在全局环境中的位置确定机器人的方位；

向指定机器人下传从当前位置到导航终点的预规划全局路径和中间导航点；

接收指定机器人在中间导航点的局部最小子图，并结合在全局环境中的位置来优化当前机器人位姿，进而优化全局路径并调整中间导航点；

将优化后的全局路径、位姿及中间导航点下传给指定机器人继续导航，直至到达导航终点。

进一步的，所述云端内预存有整个室内大环境的全局预置地图；所述云端，在向指定机器人发送导航指令之前，还被配置为：在全局预置地图中标注UWB基站群中各基站组以及中间导航点的位置。

进一步的，所述云端，还被配置为向指定机器人下传从当前位置到导航终点的局部预置地图；

所述指定机器人，用于在沿预规划全局路径移动的过程中，构建局部最小子图并与局部预置地图比对，进行位姿的纠偏和路径的优化。

进一步的，在机器人群中，每个机器人均与图像采集装置相连，所述图像采集装置被配置为：获取周围环境帧数据；当周围环境帧数据出现一定量的连续缺失或是连续相邻帧数据的重复比率大于一定范围时，由相应机器人将向云端反馈。

进一步的，所述云端用于根据反馈的情况，开启周围环境帧数据缺失前且距离相应机器人最近的UWB基站来辅助定位，当周围环境帧数据正常后关闭相应UWB基站。

进一步的，所述UWB基站群采用分时分区进行辅助定位，在机器人开始进行导航和到达中间导航点时，开启全部UWB基站群，为云端进行指定机器人的位姿优化提供全局定位数据；在机器人移动的过程中，只开启局部基站组，最大程度上减少能源的消耗。

进一步的，在机器人群中，每个机器人上均设有用来作为机器人的唯一序号标志的UWB定位标签；所述UWB定位标签将其相应机器人的位置信息实时传送至UWB基站群。

本发明的第二目的是提供一种室内云机器人导航系统的导航方法。

下面从云端和机器人端进行描述：

一种室内云机器人导航系统的导航方法，包括：

云端向指定机器人发送导航指令；

指定机器人接收导航指令，构建当前位置的局部最小子图，并上传给云端；

云端利用指定机器人当前位置的局部最小子图和在全局环境中的位置确定机器人方位；

云端向指定机器人下传从当前位置到导航终点的局部预置地图、预规划全局路径、中间导航点信息；

指定机器人沿预规划全局路径移动，构建实时局部最小子图并与局部预置地图比对，进行位姿的纠偏和全局路径的优化；

当指定机器人到达中间导航点时，将当前局部最小子图上传云端；

云端结合指定机器人在全局环境中的位置来优化当前机器人位姿和全局路径，并调整中间导航点；

云端将优化后的路径、位姿及中间导航点下传给指定机器人，指定机器人继续导航，直至到达导航终点。

进一步的，在向指定机器人发送导航指令之前，云端还在全局预置地图中标注UWB基站群中各基站组以及中间导航点的位置。

进一步的，图像采集装置获取周围环境帧数据；当周围环境帧数据出现一定量的连续缺失或是连续相邻帧数据的重复比率大于一定范围时，由相应机器人将向云端反馈；

云端根据反馈的情况，开启周围环境帧数据缺失前且距离相应机器人最近的UWB基站来辅助定位，当周围环境帧数据正常后关闭相应UWB基站。

下面从云端进行描述：

一种室内云机器人导航系统的导航方法，包括：

向指定机器人发送导航指令，接收指定机器人构建的当前位置局部最小子图；

利用指定机器人当前位置的局部最小子图和在全局环境中的位置确定机器人的方位；

向指定机器人下传从当前位置到导航终点的预规划全局路径和中间导航点；

接收指定机器人在中间导航点的局部最小子图，并结合在全局环境中的位置来优化当前机器人位姿，进而优化全局路径并调整中间导航点；

将优化后的全局路径、位姿及中间导航点下传给指定机器人继续导航，直至到达导航终点。

进一步的，在向指定机器人发送导航指令之前，还在全局预置地图中标注UWB基站群中各基站组以及中间导航点的位置。

进一步的，云端根据由相应机器人反馈的图像采集装置采集的周围环境帧数据的情况，开启周围环境帧数据缺失前且距离相应机器人最近的UWB基站来辅助定位，当周围环境帧数据正常后关闭相应UWB基站。

与现有技术相比，本发明的有益效果是：

(1)本发明采用云端和本地共同优化的方式，以云端和机器人端进行协同导航误差修正为主，特殊环境中UWB基站协助定位为辅的新型导航定位方式，将UWB和激光雷达的定位信息进行融合，使得大场景下的导航精度得以提升。

(2)本发明提供了一种松耦合式的云端—机器人端、全局—局部导航构架，将机器人群的导航功能封装成云端的一种特定的服务；云端为机器人群提供一个导航服务的接口；即使更换不同类型的机器人，云端提供的服务照常可以使用，能够很好的处理机器人端的异构性，具有极强的扩展性能，可以为后续的云机器人领域的开发提供思想。

(3)本发明引入云端作为大脑，控制机器人群和UWB基站群协同运作，极大的增加的数据的吞吐量和处理能力；当出现新式实用的算法时，只需在云端进行算法的更新然后下传给各个机器人，极大的提高了更新效率。云端的引入使得大规模室内场景下的导航定位成为可能，真正的开启“云导航”的概念。

(4)本发明的云端和机器人端均具有导航过程的处理能力，当网络偶尔出现异常，使得机器人群处于离线状况，机器人依然可以进行“续航”，由于机器人端具有局部路障的处理能力，此时机器人也可以正常避障，且仍然可以在行进过程中构建局部最小子图进行一定程度位姿的纠正。只是此时不再在中间导航点进行位姿的纠正，也难以利用UWB的全局位姿数据。

(5)本发明的UWB基站群采用“分时分区”进行辅助定位的方式，在部分环境比较特殊的场合设置基站组，除了开始和到达中间导航点时进行全部基站群的开启，在机器人行走的过程中，只开启局部基站组，最大程度上减少能源的消耗。

(6)本发明提出利用具有丰富特征信息的中间导航点作为机器人导航的中转站的中转方案，提出利用局部最小子图作为本地优化和云端全局优化的基本信息单位，使得不必增加额外的中间实物式接入点，减少了不必要的资源消耗。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本发明提供的室内云机器人导航系统的导航方法的流程图。

图2为本发明提供的机器人预导航准备的一个流程图。

图3为本发明提供的基站群的开关示意图。

图4为本发明提供的室内云机器人导航系统的结构示意图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

一、室内云机器人导航系统

图4为本发明提供的室内云机器人导航系统的结构示意图。

如图4所述，本发明提供的一种室内云机器人导航系统，包括：机器人群、云端、UWB基站群。

其中，云端分别与所述机器人群、所述UWB基站群通过无线，是整个导航系统的“主级大脑”，用于接收UWB基站群的定位信息，并向机器人群发送导航指令；所述UWB基站群通过无载波通信技术检测机器人群在全局环境中位置，并反馈给云端，便于云端结合机器人本体传感器传来的数据进行融合定位。

在本发明中，机器人群包括：具有各种不同运动学模型形式的服务机器人。例如：双轮差速轮式机器人、麦克纳姆四轮轮式机器人、阿克曼结构轮式机器人、四足机器人等。

具体地，服务机器人包括：机器人本体、图像采集装置、惯性测量单元(IMU)和UWB定位标签。

在本实施例中，图像采集装置以激光雷达为例。

机器人本体包括：上层控制器、底层控制器、运动执行单元、电源管理单元。所述上层控制器、底层控制器、运动执行单元、电源管理单元位于机器人本体内；所述激光雷达和惯性测量单元均置于机器人本体上。

上层控制器搭载机器人操作系统(ROS)，通过网络和云端进行无线连接，用于和云端进行导航信息交互，发送局部最小子图，和底层控制器下达通信命令；并具备独立进行机器人端路径规划、协同控制的功能，是整个导航系统的“次级大脑”。

底层控制器可进行机器人底层的运动控制，通过CAN总线和上层控制器进行连接，用于向上层处理器传送底层的运动信息以及处理上层处理器发送来的运动控制指令。

运动执行单元主要是配有旋转式编码器的直流调速电机，根据底层控制器发出的PWM波调节自身转速，并将编码器测得的速度脉冲信息返回给底层控制器，形成电机的闭环控制。

当指定机器人为轮式运动学模型时，可根据编码器测得的速度信息进行积分，得到机器人运动过程中的里程数据。当机器人行进过程中，当里程数据发生改变但雷达连续扫描得到的帧数据变化很小时，说明此时机器人进入长廊一类不易于进行识别的场景中，指定机器人向云端反映，云端开启临近的UWB基站进行辅助定位。

电源管理单元主要为上层控制器、底层控制器、运动执行单元等提供不同电压的直流电。

激光雷达通过网口和上层控制器进行连接，独立快速向上层控制器提供雷达扫描到的实时数据。

惯性测量单元(IMU)通过串口直接和上层控制器连接，可输出三轴姿态角，用于求解机器人群运动过程中的位姿变换。所用的IMU可采用磁场对数据进行校准，应满足指定机器人在室内以较高的速度行走时，仍能输出高质量的姿态角。

UWB定位标签分别设置在各个不同类型的机器人上，作为机器人的唯一序号标志。在导航过程中，方便UWB基站群确定各个机器人的全局位置。

UWB基站群主要是帮助机器人进行辅助定位。激光雷达在大场景中会出现数据连续丢失的情况，而在某些特征点不明确的场景会受到的环境相似度过高的影响。在室内环境中设置多组UWB基站，云端通过雷达返回来的数据进行UWB基站的开关控制。这样既能在特定情况下进行机器人辅助定位，又能最大程度的减少能源的消耗。

本发明中的云端可自行搭建的服务器群，也可以采用亚马逊、阿里等公司提供的服务器群。云端，要具备全局信息处理的功能，通过网络和机器人端及基站群进行无线连接，接收两者发送来的信息，并进行统一的路径和导航规划，是整个导航中的“主级大脑”。

指定机器人指的是预实施导航策略、进行室内定位行走的一个或多个机器人；起始的导航指令通知指定的机器人启动硬件，准备工作；导航指令中包含具体指定机器人的型号，这个型号应与机器人上设置的UWB定位标签相一致。

在本发明的一种室内云机器人导航系统中，云端被配置为执行以下步骤：

(1)向指定机器人发送导航指令，接收指定机器人构建的当前位置局部最小子图。

本实施例中局部最小子图由指的是由激光雷达连续扫描得到的几帧雷达数据组成的二维栅格地图。

局部最小子图一般包含丰富的周围环境信息，是本发明中用来进行环境匹配的基本单元。局部最小子图只能反映局部环境的特征。且一般认为指定机器人向云端上传的信息中，除了局部最小子图外，也包含IMU和轮式里程计所得到的数据。

(2)利用指定机器人当前位置的局部最小子图和在全局环境中的位置确定机器人的方位。

因为局部最小子图只能反映局部环境的特征，当大环境中出现相似的场景时，局部最小子图就难以准确的反映机器人当前所处的位置。及时局部最小资图的数据非常精确，没有相似性较高的场景，仅仅依靠几帧激光雷达的数据在庞大的全局地图中进行数据的搜索，也非常浪费资源，使得算法的实时性大大降低。

因此，在本发明中，云端向指定机器人下发导航指令的同时，开启UWB基站群来获取机器人在大环境中的全局定位信息，获取到位置信息的UWB基站组将位置信息上传给云端，云端利用得到的全局位置信息结合预先在全局预置地图中标记的UWB基站的位置来确定一个指定机器人的位置窗口，然后利用局部最小子图中包含的帧数据在指定位置范围内进行遍历式的扫描匹配，扫描匹配的结果可以转换成一个非线性的最小二乘问题，求解这个问题便能得到一个当前指定机器人的最优位姿估计。

当机器人所在的起始位置周围的环境比较复杂使得UWB基站发出的信号受遮挡比较严重时，一般得到的局部最小子图中的信息特征更加丰富，而在全局预置地图中开辟的位置窗口的范围比较大；此时为了使匹配过程加快，保证整个导航过程的实时性，可以引入分支定界等算法来进行提速。

(3)向指定机器人下传从当前位置到导航终点的预规划全局路径和中间导航点。

中间导航点是在室内环境特征十分丰富的区域中选择的机器人位姿标定点。当云端确定指定机器人在环境中的精确位姿后，云端此时通过网络向指定机器人发送从当前位置到导航终点的局部预置地图、通过全局路径规划算法得到的全局规划路径、导航过程中行进线路上临近的中间导航点等信息。

(4)接收指定机器人在中间导航点的局部最小子图，并结合在全局环境中的位置来优化当前机器人位姿，进而优化全局路径并调整中间导航点。

其中，中间导航点作为机器人进行调整的“中转站”，当机器人到达中间导航点时，可以原地旋转一周，从而更好的采集周围环境中的信息，构建局部最小子图，上传到云端；云端结合此时基站群传来的有关指定机器人的全局位置数据，进行当前指定机器人位姿的确定；根据最新采集到的数据确定的位姿对当前局部预置地图中显示的机器人位姿进行优化。

(5)将优化后的全局路径、位姿及中间导航点下传给指定机器人继续导航，直至到达导航终点。

具体地，云端在对机器人当前的位姿进行优化后，根据机器人当前的位置和导航终点对机器人的导航路径进行最新的规划，并调整导航过程中经过路径附近的中间导航点的位置；在调整、优化完成后，云端将新的路径、位姿及中间导航点下传给指定机器人；指定机器人继续行走，重复上述过程，直至到达导航终点。

在具体实施中，所述云端内预存有整个室内大环境的全局预置地图；所述云端，在向指定机器人发送导航指令之前，还被配置为：在全局预置地图中标注UWB基站群中各基站组以及中间导航点的位置。

具体地，所述云端，还被配置为向指定机器人下传从当前位置到导航终点的局部预置地图；

所述指定机器人，用于在沿预规划全局路径移动的过程中，构建局部最小子图并与局部预置地图比对，进行位姿的纠偏和路径的优化。

在本实施例中，全局预置地图是采用Cartographer 2D激光算法得到的二维栅格概率地图，中间导航点是在室内环境特征十分丰富的区域中选择的机器人位姿标定点，局部最小子图指的是由激光雷达连续扫描得到的几帧雷达数据组成的二维栅格地图，局部预置地图指的是全局预置地图中从导航起点到终点的地图部分。

指定机器人在接收到云端下发的导航信息后，将按照预规划的路径进行行走，此时在局部预置地图中标注的机器人的位置也会随着指定机器人的运动在地图中移动；在到达中间导航点之前，为了防止机器人估计位姿的偏差随着时间逐渐累积，每隔一段时间，指定机器人会通过激光雷达采集数据构建局部最小子图，在局部预置地图当前显示的位置周围进行匹配，纠正当前的位姿并优化机器人的行走路径。

因为机器人端的上层控制器也能进行一定程度的信息处理能力，因此当指定机器人在收到导航信息而网络偶尔出现异常使得机器人群处于离线状况下，机器人依然可以具有“续航”能力；机器人仍然可以在行进过程中构建局部最小子图进行一定程度位姿的纠正。只是此时不再在中间导航点进行位姿的纠正，也难以利用UWB的全局位姿数据。此外，将局部路障的处理能力设置在机器人端，方便机器人更好的进行局部路径的规划。

图像采集装置以激光雷达为例：

当指定机器人沿预规划路径前进，构建局部最小子图，和局部预置地图比对的过程中，如果激光雷达扫描的帧数据出现一定量的连续缺失或是连续相邻帧数据的重复比率大于一定范围时，指定机器人将向云端反馈，云端根据反馈的情况，开启雷达数据缺失前距离雷达距离最近的基站来辅助定位，雷达数据正常后关闭基站。

云端用于根据反馈的情况，开启周围环境帧数据缺失前且距离相应机器人最近的UWB基站来辅助定位，当周围环境帧数据正常后关闭相应UWB基站。

UWB基站群采用分时分区进行辅助定位，在机器人开始进行导航和到达中间导航点时，开启全部UWB基站群，为云端进行指定机器人的位姿优化提供全局定位数据；在机器人移动的过程中，只开启局部基站组，最大程度上减少能源的消耗。

本实施例中，指定机器人利用激光雷达对周围环境进行扫描得到一个局部最小子图，并上传给云端，特别的，在中间导航点处得到的局部最小子图含有更多有关周围环境的特征信息；然后云端借助UWB全局定位得到的大致方位，利用局部最小子图和全局预置地图进行扫描匹配找到指定机器人的最优位置，不断优化机器人的导航路线，并下传给指定机器人执行，直至导航终点。在机器人运动过程中，当环境中的特征点比较稀疏或重复率过高时，也会触发UWB基站的局部开启条件，进行全局辅助定位。

本发明借助于云端来实现UWB获得的全局定位信息和雷达等传感器获得的局部定位信息相融合的新型导航方式，使得在室内大场景下的导航地位精度得以提升；将机器人群的导航功能封装成云端的一种特定的服务，为机器人群提供一个导航服务的接口，可针对不同类型的机器人实时地提供服务；中间导航点和局部最小子图方案思想的提出减少了大环境导航过程中额外的人工标记点的引入，使得该算法更加具有通用性。

二、室内云机器人导航系统的导航方法

1、下面从云端和机器人端进行描述：

如图1所示，一种室内云机器人导航系统的导航方法，包括：

步骤1：云端向指定机器人发送导航指令；

步骤2：指定机器人接收导航指令，构建当前位置的局部最小子图，并上传给云端；

本实施例中局部最小子图由指的是由激光雷达连续扫描得到的几帧雷达数据组成的二维栅格地图。

局部最小子图一般包含丰富的周围环境信息，是本发明中用来进行环境匹配的基本单元。局部最小子图只能反映局部环境的特征。且一般认为指定机器人向云端上传的信息中，除了局部最小子图外，也包含IMU和轮式里程计所得到的数据。

步骤3：云端利用指定机器人当前位置的局部最小子图和在全局环境中的位置确定机器人方位；

因为局部最小子图只能反映局部环境的特征，当大环境中出现相似的场景时，局部最小子图就难以准确的反映机器人当前所处的位置。及时局部最小资图的数据非常精确，没有相似性较高的场景，仅仅依靠几帧激光雷达的数据在庞大的全局地图中进行数据的搜索，也非常浪费资源，使得算法的实时性大大降低。

因此，在本发明中，云端向指定机器人下发导航指令的同时，开启UWB基站群来获取机器人在大环境中的全局定位信息，获取到位置信息的UWB基站组将位置信息上传给云端，云端利用得到的全局位置信息结合预先在全局预置地图中标记的UWB基站的位置来确定一个指定机器人的位置窗口，然后利用局部最小子图中包含的帧数据在指定位置范围内进行遍历式的扫描匹配，扫描匹配的结果可以转换成一个非线性的最小二乘问题，求解这个问题便能得到一个当前指定机器人的最优位姿估计。

当机器人所在的起始位置周围的环境比较复杂使得UWB基站发出的信号受遮挡比较严重时，一般得到的局部最小子图中的信息特征更加丰富，而在全局预置地图中开辟的位置窗口的范围比较大；此时为了使匹配过程加快，保证整个导航过程的实时性，可以引入分支定界等算法来进行提速。

步骤4：云端向指定机器人下传从当前位置到导航终点的局部预置地图、预规划全局路径、中间导航点信息；

中间导航点是在室内环境特征十分丰富的区域中选择的机器人位姿标定点。当云端确定指定机器人在环境中的精确位姿后，云端此时通过网络向指定机器人发送从当前位置到导航终点的局部预置地图、通过全局路径规划算法得到的全局规划路径、导航过程中行进线路上临近的中间导航点等信息。

步骤5：指定机器人沿预规划全局路径移动，构建实时局部最小子图并与局部预置地图比对，进行位姿的纠偏和全局路径的优化；

在本实施例中，全局预置地图是采用Cartographer 2D激光算法得到的二维栅格概率地图，中间导航点是在室内环境特征十分丰富的区域中选择的机器人位姿标定点，局部最小子图指的是由激光雷达连续扫描得到的几帧雷达数据组成的二维栅格地图，局部预置地图指的是全局预置地图中从导航起点到终点的地图部分。

指定机器人在接收到云端下发的导航信息后，将按照预规划的路径进行行走，此时在局部预置地图中标注的机器人的位置也会随着指定机器人的运动在地图中移动；在到达中间导航点之前，为了防止机器人估计位姿的偏差随着时间逐渐累积，每隔一段时间，指定机器人会通过激光雷达采集数据构建局部最小子图，在局部预置地图当前显示的位置周围进行匹配，纠正当前的位姿并优化机器人的行走路径。

因为机器人端的上层控制器也能进行一定程度的信息处理能力，因此当指定机器人在收到导航信息而网络偶尔出现异常使得机器人群处于离线状况下，机器人依然可以具有“续航”能力；机器人仍然可以在行进过程中构建局部最小子图进行一定程度位姿的纠正。只是此时不再在中间导航点进行位姿的纠正，也难以利用UWB的全局位姿数据。此外，将局部路障的处理能力设置在机器人端，方便机器人更好的进行局部路径的规划。

步骤6：当指定机器人到达中间导航点时，将当前局部最小子图上传云端；

其中，中间导航点作为机器人进行调整的“中转站”，当机器人到达中间导航点时，可以原地旋转一周，从而更好的采集周围环境中的信息，构建局部最小子图，上传到云端；云端结合此时基站群传来的有关指定机器人的全局位置数据，进行当前指定机器人位姿的确定；根据最新采集到的数据确定的位姿对当前局部预置地图中显示的机器人位姿进行优化。

步骤7：云端结合指定机器人在全局环境中的位置来优化当前机器人位姿和全局路径，并调整中间导航点；

步骤8：云端将优化后的路径、位姿及中间导航点下传给指定机器人，指定机器人继续导航，直至到达导航终点。

具体地，云端在对机器人当前的位姿进行优化后，根据机器人当前的位置和导航终点对机器人的导航路径进行最新的规划，并调整导航过程中经过路径附近的中间导航点的位置；在调整、优化完成后，云端将新的路径、位姿及中间导航点下传给指定机器人；指定机器人继续行走，重复上述过程，直至到达导航终点。

如图2所示，在向指定机器人发送导航指令之前，还包括：

(a)提前将整个室内大环境中的全局预置地图存入云端。

其中，全局预置地图是采用谷歌最新开源的Cartographer 2D激光算法得到的整个室内大环境中的二维栅格概率地图；Cartographer算法自身带有回环检测的功能，因此构建的地图相对而言十分精确。建图过程中，采用高精度的激光雷达为建图主题传感器，采用IMU来辅助进行自身位姿的确定；

(b)在全局预置地图中标注中间导航点的位置。

中间导航点是在室内环境特征十分丰富的区域中选择的机器人位姿标定点。例如，可选择在安装有消防栓的墙角附近设置中间导航点。在导航过程中，中间导航点作为机器人运动路径上的一个小型“中转站”，当机器人到达中间导航点附近时，由于此时环境的特征比较丰富，激光雷达采集到的数据帧往往可辨识度比较高，此时将构建的局部最小子图上传到云端，结合UWB基站的数据进行机器人位姿的纠偏和运动路径的修正。中间导航点并不是一成不变的，在导航过程中，可以根据实际情况在云端进行一定程度上的“改进”。

(c)在全局预置地图中标注UWB基站群中各基站组的位置。

通常情况下，各UWB基站组中的基站间需要相互标定，知道彼此的位置，才能进行基站组覆盖范围内，载有UWB标签的运动物体位置的确定。因此在本发明中，预先在全局预置地图中标注各个UWB基站组的位置，每个基站组内部基站间能获得彼此的位置，云端可以获得每个基站组的位置。便于基站群获取指定机器人的全局位姿。

在本实施例中，先通过高精度的建图算法Cartographer生成大环境中的全局预置地图，然后选择在实际环境中特征信息比较丰富的区域内设置一个中间导航点，作为机器人在导航行进过程中进行姿态纠偏和路径修正的中转站；根据室内环境中UWB基站群部署的实际情况分组在全局预置地图中进行标定，使各个基站组、基站组内部基站之间能精准的确定彼此的位置，方便导航过程中确定指定机器人的全局位置。

图3为本发明提供的基站群的开关示意图，如图3所示：

云端向指定机器人下达导航指令之后，开启UWB基站群，获取指定机器人的全局定位信息，用于辅助定位；在确定机器人方位之后，需关闭UWB基站，避免不必要的能源消耗；

当指定机器人沿预规划路径前进，构建局部最小子图，和局部预置地图比对的过程中，如果激光雷达扫描的帧数据出现一定量的连续缺失或是连续相邻帧数据的重复比率大于一定范围时，指定机器人将向云端反馈，云端根据反馈的情况，开启雷达数据缺失前距离雷达距离最近的基站来辅助定位，雷达数据正常后关闭基站；

当指定机器人到达中间导航点时，将开启UWB基站群，为云端进行指定机器人的位姿优化提供全局定位数据。当云端确定机器人方位后，基站群关闭。

在本实施例中，主要是针对基站群、特定基站组的开关控制。当机器人开始导航前、到达中间导航点时，需要开启基站群辅助精准的确定指定机器人的当前位置，当确定指定机器人的位置后，为了减少不必要的能源消耗，关闭基站群；当机器人在导航过程中激光雷达采集的数据质量受到限制时，为了防止指定机器人在导航过程中对自身位置的判断出现大的偏差，需要开启临近的基站组辅助定位，当雷达数据质量恢复正常后，基站组关闭。

2、下面从云端进行描述：

一种室内云机器人导航系统的导航方法，包括：

(1)向指定机器人发送导航指令，接收指定机器人构建的当前位置局部最小子图。

本实施例中局部最小子图由指的是由激光雷达连续扫描得到的几帧雷达数据组成的二维栅格地图。

局部最小子图一般包含丰富的周围环境信息，是本发明中用来进行环境匹配的基本单元。局部最小子图只能反映局部环境的特征。且一般认为指定机器人向云端上传的信息中，除了局部最小子图外，也包含IMU和轮式里程计所得到的数据。

(2)利用指定机器人当前位置的局部最小子图和在全局环境中的位置确定机器人的方位。

因为局部最小子图只能反映局部环境的特征，当大环境中出现相似的场景时，局部最小子图就难以准确的反映机器人当前所处的位置。及时局部最小资图的数据非常精确，没有相似性较高的场景，仅仅依靠几帧激光雷达的数据在庞大的全局地图中进行数据的搜索，也非常浪费资源，使得算法的实时性大大降低。

因此，在本发明中，云端向指定机器人下发导航指令的同时，开启UWB基站群来获取机器人在大环境中的全局定位信息，获取到位置信息的UWB基站组将位置信息上传给云端，云端利用得到的全局位置信息结合预先在全局预置地图中标记的UWB基站的位置来确定一个指定机器人的位置窗口，然后利用局部最小子图中包含的帧数据在指定位置范围内进行遍历式的扫描匹配，扫描匹配的结果可以转换成一个非线性的最小二乘问题，求解这个问题便能得到一个当前指定机器人的最优位姿估计。

当机器人所在的起始位置周围的环境比较复杂使得UWB基站发出的信号受遮挡比较严重时，一般得到的局部最小子图中的信息特征更加丰富，而在全局预置地图中开辟的位置窗口的范围比较大；此时为了使匹配过程加快，保证整个导航过程的实时性，可以引入分支定界等算法来进行提速。

(3)向指定机器人下传从当前位置到导航终点的预规划全局路径和中间导航点。

中间导航点是在室内环境特征十分丰富的区域中选择的机器人位姿标定点。当云端确定指定机器人在环境中的精确位姿后，云端此时通过网络向指定机器人发送从当前位置到导航终点的局部预置地图、通过全局路径规划算法得到的全局规划路径、导航过程中行进线路上临近的中间导航点等信息。

(4)接收指定机器人在中间导航点的局部最小子图，并结合在全局环境中的位置来优化当前机器人位姿，进而优化全局路径并调整中间导航点。

其中，中间导航点作为机器人进行调整的“中转站”，当机器人到达中间导航点时，可以原地旋转一周，从而更好的采集周围环境中的信息，构建局部最小子图，上传到云端；云端结合此时基站群传来的有关指定机器人的全局位置数据，进行当前指定机器人位姿的确定；根据最新采集到的数据确定的位姿对当前局部预置地图中显示的机器人位姿进行优化。

(5)将优化后的全局路径、位姿及中间导航点下传给指定机器人继续导航，直至到达导航终点。

具体地，云端在对机器人当前的位姿进行优化后，根据机器人当前的位置和导航终点对机器人的导航路径进行最新的规划，并调整导航过程中经过路径附近的中间导航点的位置；在调整、优化完成后，云端将新的路径、位姿及中间导航点下传给指定机器人；指定机器人继续行走，重复上述过程，直至到达导航终点。

在具体实施中，所述云端内预存有整个室内大环境的全局预置地图；所述云端，在向指定机器人发送导航指令之前，还被配置为：在全局预置地图中标注UWB基站群中各基站组以及中间导航点的位置。

具体地，所述云端，还被配置为向指定机器人下传从当前位置到导航终点的局部预置地图；

所述指定机器人，用于在沿预规划全局路径移动的过程中，构建局部最小子图并与局部预置地图比对，进行位姿的纠偏和路径的优化。

在本实施例中，全局预置地图是采用Cartographer 2D激光算法得到的二维栅格概率地图，中间导航点是在室内环境特征十分丰富的区域中选择的机器人位姿标定点，局部最小子图指的是由激光雷达连续扫描得到的几帧雷达数据组成的二维栅格地图，局部预置地图指的是全局预置地图中从导航起点到终点的地图部分。

指定机器人在接收到云端下发的导航信息后，将按照预规划的路径进行行走，此时在局部预置地图中标注的机器人的位置也会随着指定机器人的运动在地图中移动；在到达中间导航点之前，为了防止机器人估计位姿的偏差随着时间逐渐累积，每隔一段时间，指定机器人会通过激光雷达采集数据构建局部最小子图，在局部预置地图当前显示的位置周围进行匹配，纠正当前的位姿并优化机器人的行走路径。

因为机器人端的上层控制器也能进行一定程度的信息处理能力，因此当指定机器人在收到导航信息而网络偶尔出现异常使得机器人群处于离线状况下，机器人依然可以具有“续航”能力；机器人仍然可以在行进过程中构建局部最小子图进行一定程度位姿的纠正。只是此时不再在中间导航点进行位姿的纠正，也难以利用UWB的全局位姿数据。此外，将局部路障的处理能力设置在机器人端，方便机器人更好的进行局部路径的规划。

如图2所示，在向指定机器人发送导航指令之前，还包括：

(a)提前将整个室内大环境中的全局预置地图存入云端。

其中，全局预置地图是采用谷歌最新开源的Cartographer 2D激光算法得到的整个室内大环境中的二维栅格概率地图；Cartographer算法自身带有回环检测的功能，因此构建的地图相对而言十分精确。建图过程中，采用高精度的激光雷达为建图主题传感器，采用IMU来辅助进行自身位姿的确定；

(b)在全局预置地图中标注中间导航点的位置。

中间导航点是在室内环境特征十分丰富的区域中选择的机器人位姿标定点。例如，可选择在安装有消防栓的墙角附近设置中间导航点。在导航过程中，中间导航点作为机器人运动路径上的一个小型“中转站”，当机器人到达中间导航点附近时，由于此时环境的特征比较丰富，激光雷达采集到的数据帧往往可辨识度比较高，此时将构建的局部最小子图上传到云端，结合UWB基站的数据进行机器人位姿的纠偏和运动路径的修正。中间导航点并不是一成不变的，在导航过程中，可以根据实际情况在云端进行一定程度上的“改进”。

(c)在全局预置地图中标注UWB基站群中各基站组的位置。

通常情况下，各UWB基站组中的基站间需要相互标定，知道彼此的位置，才能进行基站组覆盖范围内，载有UWB标签的运动物体位置的确定。因此在本发明中，预先在全局预置地图中标注各个UWB基站组的位置，每个基站组内部基站间能获得彼此的位置，云端可以获得每个基站组的位置。便于基站群获取指定机器人的全局位姿。

在本实施例中，先通过高精度的建图算法Cartographer生成大环境中的全局预置地图，然后选择在实际环境中特征信息比较丰富的区域内设置一个中间导航点，作为机器人在导航行进过程中进行姿态纠偏和路径修正的中转站；根据室内环境中UWB基站群部署的实际情况分组在全局预置地图中进行标定，使各个基站组、基站组内部基站之间能精准的确定彼此的位置，方便导航过程中确定指定机器人的全局位置。

在具体实施中，云端根据由相应机器人反馈的图像采集装置(例如：激光雷达)采集的周围环境帧数据的情况，开启周围环境帧数据缺失前且距离相应机器人最近的UWB基站来辅助定位，当周围环境帧数据正常后关闭相应UWB基站。

本发明采用云端和本地共同优化的方式，以云端和机器人端进行协同导航误差修正为主，特殊环境中UWB基站协助定位为辅的新型导航定位方式，将UWB和激光雷达的定位信息进行融合，使得大场景下的导航精度得以提升。

本发明提供了一种松耦合式的云端—机器人端、全局—局部导航构架，将机器人群的导航功能封装成云端的一种特定的服务；云端为机器人群提供一个导航服务的接口；即使更换不同类型的机器人，云端提供的服务照常可以使用，能够很好的处理机器人端的异构性，具有极强的扩展性能，可以为后续的云机器人领域的开发提供思想。

本发明引入云端作为大脑，控制机器人群和UWB基站群协同运作，极大的增加的数据的吞吐量和处理能力；当出现新式实用的算法时，只需在云端进行算法的更新然后下传给各个机器人，极大的提高了更新效率。云端的引入使得大规模室内场景下的导航定位成为可能，真正的开启“云导航”的概念。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种室内云机器人导航系统，其特征在于，包括：

云端，其与UWB基站群和机器人群分别相连；

所述UWB基站群被配置为检测机器人群中相应机器人在全局环境中的位置并反馈至云端；

所述云端，被配置为执行以下步骤：

向指定机器人发送导航指令，接收指定机器人构建的当前位置局部最小子图；

利用指定机器人当前位置的局部最小子图和在全局环境中的位置确定机器人的方位；

向指定机器人下传从当前位置到导航终点的预规划全局路径和中间导航点；

接收指定机器人在中间导航点的局部最小子图，并结合在全局环境中的位置来优化当前机器人位姿，进而优化全局路径并调整中间导航点；

将优化后的全局路径、位姿及中间导航点下传给指定机器人继续导航，直至到达导航终点。

2.如权利要求1所述的一种室内云机器人导航系统，其特征在于，所述云端内预存有整个室内大环境的全局预置地图；所述云端，在向指定机器人发送导航指令之前，还被配置为：在全局预置地图中标注UWB基站群中各基站组以及中间导航点的位置。

3.如权利要求1所述的一种室内云机器人导航系统，其特征在于，所述云端，还被配置为向指定机器人下传从当前位置到导航终点的局部预置地图；

所述指定机器人，用于在沿预规划全局路径移动的过程中，构建局部最小子图并与局部预置地图比对，进行位姿的纠偏和路径的优化。

4.如权利要求3所述的一种室内云机器人导航系统，其特征在于，在机器人群中，每个机器人均与图像采集装置相连，所述图像采集装置被配置为：获取周围环境帧数据；当周围环境帧数据出现一定量的连续缺失或是连续相邻帧数据的重复比率大于一定范围时，由相应机器人将向云端反馈。

5.如权利要求4所述的一种室内云机器人导航系统，其特征在于，所述云端用于根据反馈的情况，开启周围环境帧数据缺失前且距离相应机器人最近的UWB基站来辅助定位，当周围环境帧数据正常后关闭相应UWB基站。

6.如权利要求1所述的一种室内云机器人导航系统，其特征在于，所述UWB基站群采用分时分区进行辅助定位，在机器人开始进行导航和到达中间导航点时，开启全部UWB基站群，为云端进行指定机器人的位姿优化提供全局定位数据；在机器人移动的过程中，只开启局部基站组，最大程度上减少能源的消耗；

或/和

在机器人群中，每个机器人上均设有用来作为机器人的唯一序号标志的UWB定位标签；所述UWB定位标签将其相应机器人的位置信息实时传送至UWB基站群。

7.一种基于如权利要求1-6中任一项所述的室内云机器人导航系统的导航方法，该方法适用于云端和机器人端，其特征在于，包括：

云端向指定机器人发送导航指令；

指定机器人接收导航指令，构建当前位置的局部最小子图，并上传给云端；

云端利用指定机器人当前位置的局部最小子图和在全局环境中的位置确定机器人方位；

云端向指定机器人下传从当前位置到导航终点的局部预置地图、预规划全局路径、中间导航点信息；

指定机器人沿预规划全局路径移动，构建实时局部最小子图并与局部预置地图比对，进行位姿的纠偏和全局路径的优化；

当指定机器人到达中间导航点时，将当前局部最小子图上传云端；

云端结合指定机器人在全局环境中的位置来优化当前机器人位姿和全局路径，并调整中间导航点；

云端将优化后的路径、位姿及中间导航点下传给指定机器人，指定机器人继续导航，直至到达导航终点。

8.如权利要求7所述的导航方法，其特征在于，在向指定机器人发送导航指令之前，云端还在全局预置地图中标注UWB基站群中各基站组以及中间导航点的位置；

或/和

图像采集装置获取周围环境帧数据；当周围环境帧数据出现一定量的连续缺失或是连续相邻帧数据的重复比率大于一定范围时，由相应机器人将向云端反馈；

云端根据反馈的情况，开启周围环境帧数据缺失前且距离相应机器人最近的UWB基站来辅助定位，当周围环境帧数据正常后关闭相应UWB基站。

9.一种基于如权利要求1-6中任一项所述的室内云机器人导航系统的导航方法，该方法适用于云端，其特征在于，包括：

向指定机器人发送导航指令，接收指定机器人构建的当前位置局部最小子图；

利用指定机器人当前位置的局部最小子图和在全局环境中的位置确定机器人的方位；

向指定机器人下传从当前位置到导航终点的预规划全局路径和中间导航点；

接收指定机器人在中间导航点的局部最小子图，并结合在全局环境中的位置来优化当前机器人位姿，进而优化全局路径并调整中间导航点；

将优化后的全局路径、位姿及中间导航点下传给指定机器人继续导航，直至到达导航终点。

10.如权利要求9所述的导航方法，其特征在于，在向指定机器人发送导航指令之前，还在全局预置地图中标注UWB基站群中各基站组以及中间导航点的位置；

或/和

云端根据由相应机器人反馈的图像采集装置采集的周围环境帧数据的情况，开启周围环境帧数据缺失前且距离相应机器人最近的UWB基站来辅助定位，当周围环境帧数据正常后关闭相应UWB基站。