CN109917670B - 一种智能机器人集群的同时定位与建图方法 - Google Patents
一种智能机器人集群的同时定位与建图方法 Download PDFInfo
- Publication number
- CN109917670B CN109917670B CN201910174377.1A CN201910174377A CN109917670B CN 109917670 B CN109917670 B CN 109917670B CN 201910174377 A CN201910174377 A CN 201910174377A CN 109917670 B CN109917670 B CN 109917670B
- Authority
- CN
- China
- Prior art keywords
- intelligent
- intelligent robot
- robot
- robots
- coordinate system
- 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.)
- Active
Links
Images
Abstract
一种智能机器人集群的同时定位与建图方法,属于机器人视觉与信息融合技术领域。本发明采用8个智能机器人集群同时对一个区域进行SLAM建模,可以解决单个智能机器人建模太慢的问题,达到对一个区域快速建模的效果。另外,本发明采用的合作二维编码定位方法与基于各个子地图数据之间的相关性来定位相应的关系的方法相比,可以解决各个智能机器人所建立的子地图具有较高的相似度时很有可能出现误匹配从而直接导致地图拼接失败的情况,具有较高的鲁棒性和较高的通用性。
Description
技术领域
本发明涉及一种智能机器人集群的同时定位与建图方法,属于机器人视觉与信息融合技术领域。
背景技术
能够对周围环境进行建图及导航是自主智能机器人的基本技术之一。随着机器人定位理论的不断发展以及计算机视觉技术的不断进步,基于视觉的机器人同时定位与地图创建的研究成为机器人研究领域的热点。利用视觉信息进行同时定位与地图创建,获得的机器人3维位姿信息和环境信息,是智能机器人执行其他任务的基础。然而由于环境的未知性、复杂性和机器人任务的多样性,机器人对定位的鲁棒性、实时性和精确性有很高的要求。
单一的平台能够在未知环境下进行自主的定位和建图是自主智能机器人的巨大进步。近年来,机器人的研究一直朝着多智能体系统-多机器人智能系统协同完成任务的方向发展。诸如对于环境的探索这样觉的任务,机器人之间必须能够实时地传输并融合成全局的地图,这种多机器人之间的协同SLAM将允许系统根据全局的地图做出更加合理的决策并更加有效地完成任务。
在单机器人完成单机的局部SLAM后,利用多智能机器人所建立的地图进行融合,即可以获得全局的地图。在多智能机器人SLAM的研究中,地图的融合分为两种方法:第一种是基于各个子地图数据之间的相关性来定位相应的关系,如Saeedi等人利用对有重叠区域的激光雷达数据进行分割、聚类、计算法向量的直方图等处理,得到子地图的变换关系,实现地图的拼接。Michael等人利用两个机器人处于同一位置时,对它们周围的点云进行ICP匹配,来实现多子地图的融合。Mathieu Labbe利用BoW方法来获得各个片断之间的变换关系,实现了五个子地图的拼接。另一种方法是利用智能机器人之间的相互定位方法来求解子地图之间的相应关系,如Lee等利用激光雷达和单目摄像机,在室内利用红外相机对天花板上的灯进行识别和定位,实现了两个子地图之间的融合。Hyeun Jeong Min等在小车上装有红外点,然后利用kinect的红外相机对其进行捕捉和定位,但需要多机器人处于同一初始位置且轨迹保持平行。Ryo Kurazume等先利用母机器人对子机器人进行定位,然后让子机器人的位置不动的情况下移动母机器人,对母机器人进行精确的定位,最后实现直接的3D地图拼接。
在第一种方法中,如果各个智能机器人所建立的子地图具有较高的相似度,则很有可能出现误匹配的情况,直接导致地图拼接的失败。而在第二中方法问题需要一些特定的条件才能满足相互定位的要求。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提供了一种智能机器人集群的同时定位与建图方法,本发明方法利用多机器人协同对一个矩形空间进行建模,待建模的空间的边缘没有障碍物,单个机器人的探测距离可覆盖该空间的最长边缘的长度。
本发明的技术解决方案是:一种智能机器人集群的同时定位与建图方法,包括如下步骤:
准备若干智能机器人,对全部智能机器人进行编号,并两两分为一组;所述智能机器人包括供其他智能机器人识别并获取自身位置信息和姿态信息的标识码和无线通信模块;
建立各智能机器人的机器人坐标系,将全部智能机器人布置在待建模空间的初始位置处;
控制全部智能机器人同时以相同的速度沿各分组两个智能机器人的连线、并向各智能机器人所在分组的另一个智能机器人移动,全部智能机器人各自进行探测,采集地图信息;智能机器人实时探测其视场内是否出现其他智能机器人的标识码,当任一智能机器人每次探测到有其他智能机器人的标识码出现在视场正前方时,则执行地图实时拼接方法,获取拼接的局部地图;
当同一组的智能机器人相遇时,控制同一组的两个智能机器人停止运动,当且仅当全部智能机器人均停止运动时,将所有智能机器人当中局部地图来源最多的智能机器人内储存的局部地图作为全局地图。
进一步地,所述智能机器人还包括摄像机,智能机器人通过摄像机进行探测。
进一步地,所述地图实时拼接方法包括如下步骤:
控制智能机器人m和智能机器人n沿各自路线移动,编号为n的智能机器人获取该标识码的位置信息和姿态信息,以及该标识码对应的智能机器人的编号m;m从全部智能机器人的编号中取值,且m≠n;
计算两个智能机器人之间的机器人坐标系变换关系;
建立两个智能机器人之间的通信,通过两个智能机器人的无线通信模块交换各自的位置信息和姿态信息以及地图信息,并将后续采集的地图信息实时传递给对方进行地图拼接。
进一步地,所述智能机器人视场的正前方为智能机器人的摄像机的摄像头的像平面的几何中心且与地平面垂直的平面
进一步地,所述计算两个智能机器人之间的机器人坐标系变换关系,具体包括:
其中,(x′,y′)为OnXnYn坐标系下的坐标,(x,y)为OmXmYm坐标系下的坐标,智能机器人n的机器人坐标系为OnXnYn,智能机器人m的机器人坐标系为OmXmYm,OmXmYm坐标系的坐标原点在OnXnYn坐标系下的坐标为(xnm,ynm,0),αnm为OmXmYm坐标系与OnXnYn坐标系之间的夹角。
进一步地,所述智能机器人坐标系为:将智能机器人n的几何中心作为该智能机器人坐标系的原点On,Yn轴平行于摄像头的光轴方向,Xn轴处于水平面内,Xn轴和Zn轴、Yn轴符合右手定则;n从智能机器人的编号中取值。
进一步地,在智能机器人n移动过程中,智能机器人n实时探测其视场内是否出现标识码;如果出现标识码,获取该标识码的位置信息和姿态信息,计算该标识码对应的智能机器人是否在智能机器人n的安全距离之内;如果大于安全距离,则继续后续步骤;如果小于安全距离,则控制智能机器人n暂停移动,让该标识码对应的智能机器人先行通过;若智能机器人n和该标识码对应的智能机器人同时发现彼此,则随机指定一个先行通过。
进一步地,所述智能机器人还包括图像处理器,所述智能机器人实时探测其视场内是否出现标识码,包括:利用智能机器人n的图像处理器通过标识码识别算法实时计算其视场内是否出现标识码。
进一步地,所述标识码识别算法为ArUco算法。
进一步地,所述待建模空间为矩形,所述初始位置满足:待建模空间的每条边上分布两个智能机器人,且分布于每条边的中点的两侧;确保每一组的两个智能机器人处于待建模空间的对边上,且两个智能机器人的几何中心的连线上没有障碍物。
本发明与现有技术相比的优点在于:
(1)本发明采用8个智能机器人集群同时对一个区域进行SLAM建模,可以解决单个智能机器人建模太慢的问题,达到对一个区域快速建模的效果。
(2)本发明采用的合作二维编码定位方法与基于各个子地图数据之间的相关性来定位相应的关系的方法相比,可以解决各个智能机器人所建立的子地图具有较高的相似度时很有可能出现误匹配从而直接导致地图拼接失败的情况,具有较高的鲁棒性。
(3)本发明的利用合作二维编码来定位智能机器人之间的位姿的方法,与其他的定位方法比较,解决了它们需要在特定的外在条件下才能执行的问题,所以该方法具有较高的通用性。
附图说明
图1为本发明的由8个机器人组成的集群排布示意图。
具体实施方式
本发明中的智能机器人包括:机器人移动平台,摄像机,机器人控制器,图像处理器,无线通信模块,360度定位标识。机器人移动平台可进行全向移动;摄像机安装在平台上,摄像机的像平面与地面垂直;机器人控制器控制机器人移动平台移动,在机器人相遇时自动进行相互避让;图像处理器对摄像机采集的图像数据进行处理及地图生成;无线通信模块在机器人之间实时地传输地图数据,包括图像的信息和相互之间的坐标信息;360度定位标识为每个智能机器人的唯一标识,可通过摄像机识别其编码,且通过图像处理计算获取标识的位置和姿态信息。
360度定位标识为4个标识码布置于立方体的四周,使得它可以被其它机器人从周围的任何一个角度定位出其位置和姿态。
机器人控制器具有交叉路口避让算法,确保在交叉点机器人不会发生碰撞。具体包括:在前进的过程中,如果在视野范围内出现一个机器人,则可以通过上述的360度定位标识定位出其位置和姿态,即可以确定该机器人是否在我的安全距离之内。如果大于安全距离,则可以正常前行;如果在小于安全距离,则停下来,让该视野范围内的机器人先行通过;若将要相遇的两个机器人同时发现彼此,则随机指定一个先行通过。
一种智能机器人集群的同时定位与建图方法,步骤如下:
步骤一:对多机器人进行编号1,2,3…8,两两为一组,将机器人沿待建模的空间的边缘摆放初始位置,初始位置满足:每条边上分布两个机器人,且分布于每条边的中点的两侧;确保每一组的两个机器人处于矩形空间的对边,且其几何中心的连线上没有障碍物。
步骤二:所有机器人的初始位置示意图如图1所示,编号为n的机器人的几何中心作为该机器人坐标系的原点On,Yn轴平行于摄像头的光轴方向,Xn轴处于水平面内,且和Zn轴与Yn轴符合右手定则。控制每对机器人沿其连线方向移动,多组机器人同时以相同的速度开始移动。
步骤三:在移动的过程中,每个机器人执行以下方法:在机器人n移动过程中,其图像处理器通过通用的标识码识别算法实时计算视场内是否出现标识码。如果是,则判断标识码的中心是否通过P1,P1为通过像平面的几何中心且与地平面垂直的平面。如果是,则获取该标识码的位置、姿态及机器人编号信息。定义该机器人编号为M。
步骤四:计算两个智能机器人之间的坐标系变换关系:机器人N所建立的地图的坐标系OnXnYn,机器人M所建立的地图的坐标系为OmXmYm,M的坐标原点在的OnXnYn坐标系下的位置关系为(xnm,ynm,0),他们之间的姿态关系为αnm,此时可以得到他们之间的变换关系如下:
(x′,y′)为OnXnYn坐标系下的坐标,(x,y)为OmXmYm坐标系下的坐标。
步骤五:在两个相互遇到的智能机器人完成相互定位以后,建立两者的通信。通过无线通信模块交换智能机器人的位置和姿态信息及存储的地图信息,并将后续采集的图像信息传递给对方进行实时地图拼接。
步骤六:让每组的智能机器人都以相同的速度相向运动,每次有检测到有机器人出现在正前方,则执行步骤三到步骤五,当同一组的智能机器人相遇时则停止运动,直至每一组机器人都相遇时系统完成工作。所有机器人当中地图来源最多的,作为全局的地图。
下面结合说明书附图进行进一步说明。
本发明的具体实施方式与被探测的环境有关,需要根据环境规划好各个机器人负责的区域。本发明在应用中,可以让智能机器人在固定的点上进行旋转探测,然后再移动进行SLAM地图融合。现以该系统对一个长为6米,宽为5米的矩形区域进行探测,单个机器人的探测距离为7米,如图1所示。本发明的具体步骤如下:
步骤一:对8个机器人进行编号A1,A2,B1,B2,C1,C2,D1,D2,两两为一组,其几何中心的连线上没有障碍物,将机器人沿待建模的空间的边缘摆放初始位置,初始位置为:A1距边角1.2米,A2距边角1.2米,B1距边角1.8米,B2距边角1.8米,C1距边角1.1米,C2距边角0.5米,D1距边角0.9米,D2距1米。
步骤二:所有机器人的初始位置示意图如图1所示,编号为n的机器人的几何中心作为该机器人坐标系的原点On,Yn轴平行于摄像头的光轴方向,Xn轴处于水平面内,且和Zn轴与Yn轴符合右手定则。控制每对机器人沿其连线方向移动,每组机器人同时以0.2米/秒的速度开始移动。
步骤三:在移动的过程中,每个机器人执行以下方法:在机器人n移动过程中,其图像处理器通过通用的标识码识别算法实时计算视场内是否出现标识码。如果是,则判断标识码的中心是否通过L1,L1为通过像平面的几何中心且与地平面垂直。如果是,则获取该标识码的位置、姿态及机器人编号信息。定义该机器人编号为M。D1距交叉点最近,在运行6.5秒后会最早被A1所观测到。
其中,标识码识别算法为:ArUco算法。
步骤四:计算两个智能机器人之间的坐标系变换关系:机器人A1所建立的地图的坐标系OA1XA1YA1,机器人D1所建立的地图的坐标系为OD1XD1YD1,D1的坐标原点在的OA1XA1YA1坐标系下的位置关系为(0,0.2,0),他们之间的姿态关系为αnm=65°以得到他们之间的变换关系如下:
(x′,y′)为OA1XA1YA1坐标系下的坐标,(x,y)为OD1XD1YD1坐标系下的坐标。
步骤五:在两个相互遇到的智能机器人完成相互定位以后,建立两者的通信。通过无线通信模块交换智能机器人的位置和姿态信息及存储的地图信息,并将后续采集的图像信息传递给对方进行实时地图拼接。
步骤六:让每组的智能机器人都以相同的速度相向运动,每次有检测到有机器人出现在正前方,则执行步骤三到步骤五,当同一组的智能机器人相遇时则停止运动,直至每一组机器人都相遇时系统完成工作。所有机器人当中地图来源最多的,作为全局的地图。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (8)
1.一种智能机器人集群的同时定位与建图方法,其特征在于,包括如下步骤:
准备若干智能机器人,对全部智能机器人进行编号,并两两分为一组;所述智能机器人包括供其他智能机器人识别并获取自身位置信息和姿态信息的标识码和无线通信模块;
建立各智能机器人的机器人坐标系,将全部智能机器人沿待建模空间的边缘摆放初始位置;所述待建模空间为矩形,所述初始位置满足:待建模空间的每条边上分布两个智能机器人,且分布于每条边的中点的两侧;确保每一组的两个智能机器人处于待建模空间的对边上,且两个智能机器人的几何中心的连线上没有障碍物;
控制全部智能机器人同时以相同的速度沿各分组两个智能机器人的连线、并向各智能机器人所在分组的另一个智能机器人移动,全部智能机器人各自进行探测,采集地图信息;智能机器人实时探测其视场内是否出现其他智能机器人的标识码,当任一智能机器人每次探测到有其他智能机器人的标识码出现在视场正前方时,则执行地图实时拼接方法,获取拼接的局部地图;
当同一组的智能机器人相遇时,控制同一组的两个智能机器人停止运动,当且仅当全部智能机器人均停止运动时,将所有智能机器人当中局部地图来源最多的智能机器人内储存的局部地图作为全局地图;
所述地图实时拼接方法包括如下步骤:
控制智能机器人m和智能机器人n沿各自路线移动,智能机器人n获取该标识码的位置信息和姿态信息,以及该标识码对应的智能机器人的编号m;m从全部智能机器人的编号中取值,且m≠n;
计算两个智能机器人之间的机器人坐标系变换关系;
建立两个智能机器人之间的通信,通过两个智能机器人的无线通信模块交换各自的位置信息和姿态信息以及地图信息,并将后续采集的地图信息实时传递给对方进行地图拼接。
2.根据权利要求1所述的一种智能机器人集群的同时定位与建图方法,其特征在于,所述智能机器人还包括摄像机,智能机器人通过摄像机进行探测。
3.根据权利要求1所述的一种智能机器人集群的同时定位与建图方法,其特征在于:所述智能机器人视场的正前方为智能机器人的摄像机的摄像头的像平面的几何中心且与地平面垂直的平面。
5.根据权利要求4所述的一种智能机器人集群的同时定位与建图方法,其特征在于,所述智能机器人坐标系为:将智能机器人n的几何中心作为该智能机器人坐标系的原点On,Yn轴平行于摄像头的光轴方向,Xn轴处于水平面内,Xn轴和Zn轴、Yn轴符合右手定则;n从智能机器人的编号中取值。
6.根据权利要求1所述的一种智能机器人集群的同时定位与建图方法,其特征在于,在智能机器人n移动过程中,智能机器人n实时探测其视场内是否出现标识码;如果出现标识码,获取该标识码的位置信息和姿态信息,计算该标识码对应的智能机器人是否在智能机器人n的安全距离之内;如果大于安全距离,则继续后续步骤;如果小于安全距离,则控制智能机器人n暂停移动,让该标识码对应的智能机器人先行通过;若智能机器人n和该标识码对应的智能机器人同时发现彼此,则随机指定一个先行通过。
7.根据权利要求1所述的一种智能机器人集群的同时定位与建图方法,其特征在于,所述智能机器人还包括图像处理器,所述智能机器人实时探测其视场内是否出现标识码,包括:利用智能机器人n的图像处理器通过标识码识别算法实时计算其视场内是否出现标识码。
8.根据权利要求7所述的一种智能机器人集群的同时定位与建图方法,其特征在于:所述标识码识别算法为ArUco算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910174377.1A CN109917670B (zh) | 2019-03-08 | 2019-03-08 | 一种智能机器人集群的同时定位与建图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910174377.1A CN109917670B (zh) | 2019-03-08 | 2019-03-08 | 一种智能机器人集群的同时定位与建图方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109917670A CN109917670A (zh) | 2019-06-21 |
CN109917670B true CN109917670B (zh) | 2022-10-21 |
Family
ID=66963878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910174377.1A Active CN109917670B (zh) | 2019-03-08 | 2019-03-08 | 一种智能机器人集群的同时定位与建图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109917670B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110686677B (zh) * | 2019-10-10 | 2022-12-13 | 东北大学 | 一种基于几何信息的全局定位方法 |
CN113108798A (zh) * | 2021-04-21 | 2021-07-13 | 浙江中烟工业有限责任公司 | 一种基于激光雷达的多仓储机器人室内建图定位系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866706A (zh) * | 2012-09-13 | 2013-01-09 | 深圳市银星智能科技股份有限公司 | 一种采用智能手机导航的清扫机器人及其导航清扫方法 |
CN104330090A (zh) * | 2014-10-23 | 2015-02-04 | 北京化工大学 | 机器人分布式表征智能语义地图创建方法 |
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247040B (zh) * | 2013-05-13 | 2015-11-25 | 北京工业大学 | 基于分层拓扑结构的多机器人系统地图拼接方法 |
US11017610B2 (en) * | 2016-05-18 | 2021-05-25 | Google Llc | System and method for fault detection and recovery for concurrent odometry and mapping |
CN106272423A (zh) * | 2016-08-31 | 2017-01-04 | 哈尔滨工业大学深圳研究生院 | 一种针对大尺度环境的多机器人协同制图与定位的方法 |
CN109118940A (zh) * | 2018-09-14 | 2019-01-01 | 杭州国辰机器人科技有限公司 | 一种基于地图拼接的移动机器人构图 |
-
2019
- 2019-03-08 CN CN201910174377.1A patent/CN109917670B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866706A (zh) * | 2012-09-13 | 2013-01-09 | 深圳市银星智能科技股份有限公司 | 一种采用智能手机导航的清扫机器人及其导航清扫方法 |
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航系统及方法 |
CN104330090A (zh) * | 2014-10-23 | 2015-02-04 | 北京化工大学 | 机器人分布式表征智能语义地图创建方法 |
Non-Patent Citations (1)
Title |
---|
一种改进ICP算法的移动机器人激光与视觉建图方法研究;张杰等;《机电工程》;20171218(第12期);第118-122页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109917670A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Cubeslam: Monocular 3-d object slam | |
CN109202885B (zh) | 一种物料搬运移动复合机器人 | |
KR20200041355A (ko) | 마커를 결합한 동시 위치결정과 지도작성 내비게이션 방법, 장치 및 시스템 | |
CN110874100A (zh) | 用于使用视觉稀疏地图进行自主导航的系统和方法 | |
Deng et al. | Indoor multi-camera-based testbed for 3-D tracking and control of UAVs | |
KR101901042B1 (ko) | 측위 평면에서 로봇의 위치를 찾기 위한 방법 | |
Hada et al. | Multiple mobile robot navigation using the indoor global positioning system (iGPS) | |
CN109917670B (zh) | 一种智能机器人集群的同时定位与建图方法 | |
Bosse et al. | Vanishing points and 3d lines from omnidirectional video | |
CN112837554A (zh) | 基于双目相机的agv定位导航方法及系统 | |
CN110162066A (zh) | 智能巡航车控制系统 | |
Himri et al. | Object recognition and pose estimation using laser scans for advanced underwater manipulation | |
Little et al. | Selecting stable image features for robot localization using stereo | |
CN107818587A (zh) | 一种基于ros的机器视觉高精度定位方法 | |
Tsukiyama | Global navigation system with RFID tags | |
Saurer et al. | A homography formulation to the 3pt plus a common direction relative pose problem | |
CN109934918B (zh) | 一种基于视触觉融合机制的多机器人协同地图重建方法 | |
Onoguchi et al. | A visual navigation system using a multi-information local map | |
Roozing et al. | Low-cost vision-based 6-DOF MAV localization using IR beacons | |
CN205352386U (zh) | 一种基于机器人的分布式视觉定位系统 | |
Hernández et al. | Visual SLAM with oriented landmarks and partial odometry | |
CN115836262A (zh) | 基于图像的轨迹规划方法和运动控制方法以及使用该些方法的移动机器 | |
Rostkowska et al. | Improving self-localization efficiency in a small mobile robot by using a hybrid field of view vision system | |
Mair et al. | Monocular localization algorithm with uncertainty analysis for outdoor applications | |
Yagi et al. | Guidance of a mobile robot with environmental map using omnidirectional image sensor COPIS |
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 |