CN109035291A - 机器人定位方法及装置 - Google Patents
机器人定位方法及装置 Download PDFInfo
- Publication number
- CN109035291A CN109035291A CN201810877389.6A CN201810877389A CN109035291A CN 109035291 A CN109035291 A CN 109035291A CN 201810877389 A CN201810877389 A CN 201810877389A CN 109035291 A CN109035291 A CN 109035291A
- Authority
- CN
- China
- Prior art keywords
- pattern
- pattern image
- robot
- image
- localization region
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本申请实施例提供一种机器人定位方法及装置。该方法包括:采集当前位置的定位区域的图案图像;将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置;基于所述有效位置确定所述机器人的当前位置和当前方向。由此,能够实现机器人的精准定位,从而确定机器人的实时位置和方向,便于机器人的管理。
Description
技术领域
本申请涉及机器人技术领域,具体而言,涉及一种机器人定位方法及装置。
背景技术
机器人被广泛应用于人们的日常生活中,例如扫地机器人、洗地机器人、送餐机器人、仓储运输机器人等。
目前,常见的移动机器人的定位方式主要有GPS定位、激光定位等,但是,无论采用上述何种定位方式,其所确定的定位数据一般都会存在误差较大、精度较低的技术问题,导致移动机器人导航过程中的准确性较低,无法满足用户的使用需求。
申请内容
为了克服现有技术中的上述不足,本申请的目的在于提供一种机器人定位方法及装置,以解决或者改善上述问题。
为了实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供一种机器人定位方法,应用于机器人,所述机器人中存储有所在定位区域的图案地图,所述方法包括:
采集当前位置的定位区域的图案图像;
将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置;
基于所述有效位置确定所述机器人的当前位置和当前方向。
可选地,在采集当前位置的定位区域的图案图像的步骤之前,所述方法还包括:
建立所在定位区域的图案地图,其中,所述图案地图中包括各个方向下的各个位置的图案图像,所述图案图像为建筑平面纹理图像或者人造图案图像。
可选地,所述建立所在定位区域的图案地图的步骤,包括:
响应图案采集指令,从所述图案采集指令中获取采集行走路径,其中,所述采集行走路径遍历所述定位区域;
基于所述采集行走路径遍历采集多个图案图像,并基于采集的多个图案图像建立所在定位区域的图案地图。
可选地,所述机器人包括底盘,所述底盘上设置有朝向所在定位区域的图像采集装置,所述采集当前位置的图案图像的步骤,包括:
通过所述图像采集装置采集当前位置的定位区域的图案图像。
可选地,所述底盘上还设置有照明灯和环境光传感器,所述方法包括:
通过所述环境光传感器获取当前位置的定位区域的光线强度;
判断所述光线强度是否小于预设强度阈值;
若是,则控制所述照明灯进行照明。
可选地,所述机器人还存储有历史位置队列,所述将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置的步骤,包括:
将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的第一位置集合;
若所述第一位置集合中只存在一个位置,则将该位置作为所述有效位置,并将该有效位置添加所述历史位置队列中;
若所述第一位置集合中包括至少两个位置,则继续采集下一位置的图案图像,并获取与所述下一位置的图案图像匹配的第二位置集合;
判断所述第一位置集合中是否只存在一个与所述历史位置队列和所述第二位置集合匹配的位置,若是,则将该位置作为所述有效位置,并将该有效位置添加所述历史位置队列中。
可选地,所述将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的第一位置集合的步骤,包括:
计算所述图案图像与所述图案地图中各个方向下的各个位置的图案图像之间的图案相似度,将图案相似度大于预设相似度阈值的所有图案图像对应的位置作为与所述图案图像匹配的第一位置集合。
可选地,所述判断所述第一位置集合中是否只存在一个与所述历史位置队列和所述第二位置集合匹配的位置的步骤,包括:
针对所述第一位置集合中的每个位置,计算该位置与所述历史位置队列中的最新位置之间的第一位移值以及该位置与所述第二位置集合中的各个位置之间的第二位移值;
判断所述第一位移值和所述第二位移值是否均小于预设位移阈值,其中,所述预设位移阈值与所述机器人的最高速度和图案图像的采集时间间隔有关;
若是,则将该位置确定为目标位置,以生成目标位置集合;
判断所述目标位置集合中是否只存在一个目标位置,若是,则判定所述第一位置集合中只存在一个与所述历史位置队列和所述第二位置集合匹配的位置。
可选地,所述判断所述第一位置集合中是否只存在一个与所述历史位置队列和所述第二位置集合匹配的位置的步骤之后,所述方法还包括:
若否,则继续采集下一位置的图案图像。
第三方面,本申请实施例还提供一种机器人定位装置,应用于机器人,所述机器人中存储有所在定位区域的图案地图,所述装置包括:
采集模块,用于采集当前位置的定位区域的图案图像;
比对分析模块,用于将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置;
确定模块,用于基于所述有效位置确定所述机器人的当前位置和当前方向。
第三方面,本申请实施例还提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现上述的机器人定位方法。
相对于现有技术而言,本申请具有以下有益效果:
本申请实施例通过采集当前位置的定位区域的图案图,并将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置,再基于所述有效位置确定所述机器人的当前位置和当前方向。由此,能够实现机器人的精准定位,从而确定机器人的实时位置和方向,便于机器人的管理。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它相关的附图。
图1为本申请实施例提供的机器人定位方法的应用场景示意图;
图2为用于实现机器人定位方法的机器人的结构示意框图;
图3为本申请实施例提供的机器人定位方法的流程示意图;
图4为本申请实施例提供的人造图案的一种示意图;
图5为本申请实施例提供的定位区域的图案地图的采集示意图;
图6为本申请实施例提供的机器人定位方法的整体原理示意图。
图标:100-机器人;110-存储介质;120-处理器;130-底盘;140-行走轮;150-图像采集装置;160-照明灯;170-环境光传感器;200-机器人定位装置;210-采集模块;220-比对分析模块;230-确定模块;300-定位区域。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
请参阅图1,为本申请实施例提供的机器人定位方法的应用场景示意图。本实施例中,所述机器人100可包括存储介质110、处理器120、底盘130、行走轮140、图像采集装置150、照明灯160以及环境光传感器170。
结合图2,所述存储介质110、图像采集装置150、照明灯160以及环境光传感器170分别直接或间接与所述处理器120电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述图像采集装置150可安装在机器人100底盘130上用于在运动中实时采集图案图像,并同时与定位区域300的整体图案地图进行比对,得到机器人100的实时位置信息及方向信息,达到机器人100精准定位的目的。
所述行走轮140设置在底盘130上,用于在所述定位区域300上滚动。
本实施例中,所述存储介质110中存储有机器人定位装置200,所述机器人定位装置200包括至少一个可以软件或固件(Firmware)的形式存储于所述存储介质110中的软件功能模块,所述处理器120通过运行存储在存储介质110内的软件程序以及模块,如本申请实施例中的机器人定位装置200,从而执行各种功能应用以及数据处理,即实现本申请实施例中的机器人定位方法。
其中,所述存储介质110可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储介质110可进一步包括相对于处理器120远程设置的远程存储器,这些远程存储器可以通过网络连接至所述机器人100。其中,存储介质110用于存储程序,所述处理器120在接收到执行指令后,执行所述程序。上述存储介质110内的软件程序以及模块还可包括操作系统,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通讯,从而提供其他软件组件的运行环境。
所述处理器120可以是一种集成电路芯片,具有信号的处理能力。上述的处理器120可以是通用处理器120,包括中央处理器120(Central Processing Unit,CPU)、网络处理器120(Network Processor,NP)等。还可以是数字信号处理器120(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器120可以是微处理器120或者也可以是任何常规的处理器等。
如图2所示,所述机器人定位装置200具体可包括:
采集模块210,用于采集当前位置的定位区域300的图案图像。
比对分析模块220,用于将所述图案图像与预先存储的所在定位区域300的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置。
确定模块230,用于基于所述有效位置确定所述机器人100的当前位置和当前方向。
可以理解的是,可以理解,图1和图2所示的结构仅为示意,所述机器人100还可以包括比图1和图2中所示更多或者更少的组件,或者具有与图1和图2所示不同的配置。图1和图2中所示的各组件可以采用硬件、软件或其组合实现。
进一步地,请参阅图3,为本申请实施例提供的机器人定位方法的一种流程示意图,本实施例中,所述机器人定位方法由图1中所示的机器人100执行,下面结合图3对图2中的机器人定位装置200的各功能模块进行详细阐述。所应说明的是,本申请实施例提供的机器人定位方法不以图3及以下所述的具体顺序为限制。所述方法的具体流程如下:
步骤S210,采集当前位置的定位区域300的图案图像。本实施例中,该步骤S210可以由所述采集模块210执行。
可选地,依旧参阅图1所示,所述底盘130上可设置有朝向所在定位区域300的图像采集装置150,从而可通过所述图像采集装置150采集当前位置的视觉实时处理范围的图案图像。或者,所述图像采集装置150也可以设置在所述机器人100的侧面,并朝向所在定位区域300。又或者,所述图像采集装置150还可以设置在机器人100的顶部,并相对于所述机器人100伸出一定距离。可以理解,所述图像采集装置150的具体设置位置在本实施例不作具体限制,只需保证所述图像采集装置150可以采集到图案图像即可。
本实施例中,所述定位区域300可以是墙壁、地面等区域,在此不作具体限制。
本实施例中,所述图案图像可用于表征所述机器人100的当前位置信息,其具体图案内容不作任何限制,可以是建筑平面纹理图像,例如,墙面,地板,天花板等设有木纹的木质地板、有纹理的石材或有纹理的地板胶等市场常见家具或办公用商品;或者,还可以是含有位置信息的人造图案图像,例如人工设计的规律性符号、识别码(二维码或者条形码等)、坐标信息等。以人工设计的规律性符号为例,请参阅图4,图4中展示了人造图案的一种展示形式,该人造图案可拆分为多个0.1m*0.1m的部分,这些0.1m*0.1m的部分构成了所述图像采集装置150的采集区域。通过采用人造图案,相对于建筑平面纹理图像,图像特征更简单也更易识别,从而能够有效提高定位精度和定位效率。
可选地,当机器人100在照明条件不好的环境中运动时,图像采集装置150采集的图案可能存在模糊不清的情况,为了解决上述问题,如图1所示,所述机器人100的底盘130上还可以设置有照明灯160和环境光传感器170。在实际采集图案图像时,所述机器人100可通过所述环境光传感器170获取当前位置的定位区域300的光线强度,并判断所述光线强度是否小于预设强度阈值,若所述光线强度小于预设强度阈值,则控制所述照明灯160进行照明。由此,实现了所述机器人100在光照条件不好的环境中的辅助照明,保证了图案图像的采集质量。
步骤S220,将所述图案图像与预先存储的所在定位区域300的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置。本实施例中,该步骤S220可以由所述比对分析模块220执行。
本实施例中,所述机器人100中可预先存储有所在定位区域300的图案地图,其中,所述图案地图中包括各个方向下的各个位置的图案图像,所述图案图像可以为建筑平面纹理图像或者人造图案图像。在对步骤S220进行进一步阐述之前,下面首先对所述图案地图的建立方式进行示例性说明。
请参阅图5,本实施例提供两种示例实施方式来建立所在定位区域300的图案地图:
第一种示例实施方式,利用额外的至少一个相机(图5中仅示出两个)采集所述机器人100所在定位区域300局部图案图像,其中,每个相机都具有位置坐标,且采集高度固定,从而可以采集到固定大小及位置的局部采集区域图案图像,并利用计算机拼接的方式形成所在定位区域300整体的图案地图。
第二种示例实施方式,可通过预设采集行走路径并生成图案采集指令,所述机器人100首先响应该图案采集指令,从所述图案采集指令中获取采集行走路径,其中,所述采集行走路径遍历所述定位区域300,其具体路线不作具体限制,例如图5中所示,所述采集行走路径可以是分别沿定位区域300的边界方向来回移动,直到遍历所述定位区域300路径终止。接着,基于所述采集行走路径遍历采集多个图案图像,并基于采集的多个图案图像建立所在定位区域300的图案地图。
可以理解,上述建立所在定位区域300的图案地图的方式仅为示例,在其它实施方式中也可以采用其它方式建立图案地图。
可选地,本实施例中,所述机器人100还可存储有历史位置队列,所述历史位置队列中可包括所述机器人100在运动过程中至少一个已经确定的有效位置。
在应用阶段,所述步骤S220可以通过如下方式实现:
首先,在同一个位置机器人100处于不同的角度时,拍下的图案图像不同,因此需要将所述图案图像与所述图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的第一位置集合。
作为一种实施方式,可通过计算所述图案图像与所述图案地图中各个方向下的各个位置的图案图像之间的图案相似度,将图案相似度大于预设相似度阈值的所有图案图像对应的位置作为与所述图案图像匹配的第一位置集合。
若所述第一位置集合中只存在一个位置,则将该位置作为所述有效位置,并将该有效位置添加所述历史位置队列中。也即,若仅搜索到唯一有效位置达到图案图像匹配要求,则直接完成位置判别和方向判别。
此外,若所述第一位置集合中包括至少两个位置,则继续采集下一位置的图案图像,并获取与所述下一位置的图案图像匹配的第二位置集合,接着判断所述第一位置集合中是否只存在一个与所述历史位置队列和所述第二位置集合匹配的位置,若是,则将该位置作为所述有效位置,并将该有效位置添加所述历史位置队列中。
作为一种实施方式,判断所述第一位置集合中是否只存在一个与所述历史位置队列和所述第二位置集合匹配的位置可通过如下方式实现:
首先,针对所述第一位置集合中的每个位置,计算该位置与所述历史位置队列中的最新位置之间的第一位移值以及该位置与所述第二位置集合中的各个位置之间的第二位移值。
接着,判断所述第一位移值和所述第二位移值是否均小于预设位移阈值。
其中,所述预设位移阈值与所述机器人100的最高速度和图案图像的采集时间间隔有关。也即,在连续位置队列(相邻的两个有效位置)中,机器人100的连续位移需小于某特定值Smin=Vmax*T0。其中Vmax为机器人100最高设计速度,T0为图案图像的采集时间间隔,例如可以是0.1s,也即每隔0.1s采集一次图案图像。
若判定所述第一位移值和所述第二位移值均小于预设位移阈值,则将该位置确定为目标位置,并以此类推,对所述第一位置集合中的所有位置进行判断后,生成目标位置集合。而后,判断所述目标位置集合中是否只存在一个目标位置,若是,则判定所述第一位置集合中只存在一个与所述历史位置队列和所述第二位置集合匹配的位置。
由此,当所述第一位置集合中只存在一个与所述历史位置队列和所述第二位置集合匹配的位置时,将该位置作为所述有效位置,并将该有效位置添加所述历史位置队列中。
此外,若所述第一位置集合中依然存在两个及两个以上与所述历史位置队列和所述第二位置集合匹配的位置时,此时依旧无法得出所述机器人100的唯一有效位置,则继续采集下一位置的图案图像,并继续重复步骤S220,当采集的图案图像越多,此时生成的位置结合越多,判别条件也就越强,直至得到唯一有效位置或者有效位置队列时,添加到历史位置队列中。
由此,本步骤利用连续位置队列中,机器人100连续位移需小于某特定值的运动惯性原则,能够实现机器人100的精准定位,从而确定机器人100的实时位置和方向,便于机器人100的管理。
步骤S230,基于所述有效位置确定所述机器人100的当前位置和当前方向。本实施例中,该步骤S230可以由所述确定模块230执行。
本实施例中,在得到步骤S220中的有效位置后,则可基于所述有效位置确定所述机器人100的当前位置和当前方向。所述当前位置也即所述机器人100位于所述定位区域300的具体位置点,所述当前方向也即所述机器人100在所述定位区域300中的方位。
由此,请参阅图6,通过获取所述机器人100的起点地板图案、终点地板图案以及起点地板图案到终点地板图案的中间地板图案,即可得到所述机器人100在定位区域300的运动轨迹。
进一步地,对应于图3所示的机器人定位方法,本申请实施例还提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现上述任意方法实施例中的机器人定位方法。
综上所述,本申请实施例通过采集当前位置的定位区域300的图案图,并将所述图案图像与预先存储的所在定位区域300的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置,再基于所述有效位置确定所述机器人的当前位置和当前方向。由此,能够实现机器人的精准定位,从而确定机器人的实时位置和方向,便于机器人的管理。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
可以替换的,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其它可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的电子设备、服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句"包括一个……"限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种机器人定位方法,其特征在于,应用于机器人,所述机器人中存储有所在定位区域的图案地图,所述方法包括:
采集当前位置的定位区域的图案图像;
将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置;
基于所述有效位置确定所述机器人的当前位置和当前方向。
2.根据权利要求1所述的机器人定位方法,其特征在于,在采集当前位置的定位区域的图案图像的步骤之前,所述方法还包括:
建立所在定位区域的图案地图,其中,所述图案地图中包括各个方向下的各个位置的图案图像,所述图案图像为建筑平面纹理图像或者人造图案图像。
3.根据权利要求2所述的机器人定位方法,其特征在于,所述建立所在定位区域的图案地图的步骤,包括:
响应图案采集指令,从所述图案采集指令中获取采集行走路径,其中,所述采集行走路径遍历所述定位区域;
基于所述采集行走路径遍历采集多个图案图像,并基于采集的多个图案图像建立所在定位区域的图案地图。
4.根据权利要求1所述的机器人定位方法,其特征在于,所述机器人包括底盘,所述底盘上设置有朝向所在定位区域的图像采集装置,所述采集当前位置的图案图像的步骤,包括:
通过所述图像采集装置采集当前位置的定位区域的图案图像。
5.根据权利要求4所述的机器人定位方法,其特征在于,所述底盘上还设置有照明灯和环境光传感器,所述方法包括:
通过所述环境光传感器获取当前位置的定位区域的光线强度;
判断所述光线强度是否小于预设强度阈值;
若是,则控制所述照明灯进行照明。
6.根据权利要求1所述的机器人定位方法,其特征在于,所述机器人还存储有历史位置队列,所述将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置的步骤,包括:
将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的第一位置集合;
若所述第一位置集合中只存在一个位置,则将该位置作为所述有效位置,并将该有效位置添加所述历史位置队列中;
若所述第一位置集合中包括至少两个位置,则继续采集下一位置的图案图像,并获取与所述下一位置的图案图像匹配的第二位置集合;
判断所述第一位置集合中是否只存在一个与所述历史位置队列和所述第二位置集合匹配的位置,若是,则将该位置作为所述有效位置,并将该有效位置添加所述历史位置队列中。
7.根据权利要求6所述的机器人定位方法,其特征在于,所述将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的第一位置集合的步骤,包括:
计算所述图案图像与所述图案地图中各个方向下的各个位置的图案图像之间的图案相似度,将图案相似度大于预设相似度阈值的所有图案图像对应的位置作为与所述图案图像匹配的第一位置集合。
8.根据权利要求6所述的机器人定位方法,其特征在于,所述判断所述第一位置集合中是否只存在一个与所述历史位置队列和所述第二位置集合匹配的位置的步骤,包括:
针对所述第一位置集合中的每个位置,计算该位置与所述历史位置队列中的最新位置之间的第一位移值以及该位置与所述第二位置集合中的各个位置之间的第二位移值;
判断所述第一位移值和所述第二位移值是否均小于预设位移阈值,其中,所述预设位移阈值与所述机器人的最高速度和图案图像的采集时间间隔有关;
若是,则将该位置确定为目标位置,以生成目标位置集合;
判断所述目标位置集合中是否只存在一个目标位置,若是,则判定所述第一位置集合中只存在一个与所述历史位置队列和所述第二位置集合匹配的位置。
9.根据权利要求6所述的机器人定位方法,其特征在于,所述判断所述第一位置集合中是否只存在一个与所述历史位置队列和所述第二位置集合匹配的位置的步骤之后,所述方法还包括:
若否,则继续采集下一位置的图案图像。
10.一种机器人定位装置,其特征在于,应用于机器人,所述机器人中存储有所在定位区域的图案地图,所述装置包括:
采集模块,用于采集当前位置的定位区域的图案图像;
比对分析模块,用于将所述图案图像与预先存储的所在定位区域的图案地图中各个方向下的各个位置的图案图像进行比对分析,获取与所述图案图像匹配的有效位置;
确定模块,用于基于所述有效位置确定所述机器人的当前位置和当前方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810877389.6A CN109035291B (zh) | 2018-08-03 | 2018-08-03 | 机器人定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810877389.6A CN109035291B (zh) | 2018-08-03 | 2018-08-03 | 机器人定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109035291A true CN109035291A (zh) | 2018-12-18 |
CN109035291B CN109035291B (zh) | 2020-11-20 |
Family
ID=64648258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810877389.6A Active CN109035291B (zh) | 2018-08-03 | 2018-08-03 | 机器人定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109035291B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111380533A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 定位导航方法、设备及存储装置 |
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566471A (zh) * | 2007-01-18 | 2009-10-28 | 上海交通大学 | 基于地面纹理的智能车视觉全局定位方法 |
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 |
CN102087530A (zh) * | 2010-12-07 | 2011-06-08 | 东南大学 | 基于手绘地图和路径的移动机器人视觉导航方法 |
CN105892461A (zh) * | 2016-04-13 | 2016-08-24 | 上海物景智能科技有限公司 | 一种机器人所处环境与地图的匹配识别方法及系统 |
US20180061072A1 (en) * | 2016-08-30 | 2018-03-01 | C3D Augmented Reality Solutions Ltd | Systems and methods for simulatenous localization and mapping |
CN108072370A (zh) * | 2016-11-18 | 2018-05-25 | 中国科学院电子学研究所 | 基于全局地图的机器人导航方法及用该方法导航的机器人 |
-
2018
- 2018-08-03 CN CN201810877389.6A patent/CN109035291B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566471A (zh) * | 2007-01-18 | 2009-10-28 | 上海交通大学 | 基于地面纹理的智能车视觉全局定位方法 |
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 |
CN102087530A (zh) * | 2010-12-07 | 2011-06-08 | 东南大学 | 基于手绘地图和路径的移动机器人视觉导航方法 |
CN105892461A (zh) * | 2016-04-13 | 2016-08-24 | 上海物景智能科技有限公司 | 一种机器人所处环境与地图的匹配识别方法及系统 |
US20180061072A1 (en) * | 2016-08-30 | 2018-03-01 | C3D Augmented Reality Solutions Ltd | Systems and methods for simulatenous localization and mapping |
CN108072370A (zh) * | 2016-11-18 | 2018-05-25 | 中国科学院电子学研究所 | 基于全局地图的机器人导航方法及用该方法导航的机器人 |
Non-Patent Citations (2)
Title |
---|
XUEFENG DAI,AND ETC: "Local Map Matching Based on Fuzzy Neural Networks for Hierarchical SLAM", 《2010 SEVENTH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY (FSKD 2010) 》 * |
曹天扬等: "基于视觉内容匹配的机器人自主定位系统", 《光电工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111380533A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 定位导航方法、设备及存储装置 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN109035291B (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210201509A1 (en) | Monitoring method and device for mobile target, monitoring system and mobile robot | |
CN110497901A (zh) | 一种基于机器人vslam技术的泊车位自动搜索方法和系统 | |
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 | |
US10860033B2 (en) | Movable object and method for controlling the same | |
CN113741438B (zh) | 路径规划方法、装置、存储介质、芯片及机器人 | |
CN109920424A (zh) | 机器人语音控制方法、装置、机器人和介质 | |
WO2023016188A1 (zh) | 地图的绘制方法和装置、扫地机、存储介质、电子装置 | |
WO2007052859A1 (en) | System and method for real-time calculating location | |
CN112075879A (zh) | 一种信息处理方法、装置及存储介质 | |
CN109035291A (zh) | 机器人定位方法及装置 | |
WO2022017341A1 (zh) | 自动回充方法、装置、存储介质、充电基座及系统 | |
CN112526985B (zh) | 一种行走禁区规划方法及其装置、自移动机器人 | |
US20190325379A1 (en) | Intelligent inventory management using cleaning machines | |
US20230334778A1 (en) | Generating mappings of physical spaces from point cloud data | |
CN113768419B (zh) | 确定扫地机清扫方向的方法、装置及扫地机 | |
CN111523334A (zh) | 虚拟禁区的设置方法、装置、终端设备、标签和存储介质 | |
CN109344685A (zh) | 一种智慧托盘及其智能定位追踪方法 | |
US20200209881A1 (en) | Method, System and Apparatus for Dynamic Loop Closure in Mapping Trajectories | |
CN112489131B (zh) | 基于路面检测构建代价地图的方法、装置、介质和机器人 | |
CN114983279A (zh) | 扫地机器人的控制方法、装置、扫地机器人和存储介质 | |
US11506483B2 (en) | Method, system and apparatus for support structure depth determination | |
US20200380715A1 (en) | Method, System and Apparatus for End of Aisle Detection | |
CN109657585A (zh) | 倒车控制方法及装置 | |
CN112515565A (zh) | 一种清洁分区相邻判断方法及清洁机器人 | |
CN112284387A (zh) | 用于清扫设备的定位方法、清扫设备和存储介质 |
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 |