具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。本领域技术人员还应理解,实质上任意表示两个或更多可选项目的转折连词和/或短语,无论是在说明书、权利要求书还是附图中,都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如,短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。
图1示出了可以应用本发明实施例的机器人定位方法或机器人定位装置的示例性系统架构100的示意图。
如图1所示,系统架构100可以包括终端设备101、102、103中的一种或多种,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
终端设备101、102、103可以是各种机器人,例如仓库中各种搬运机器人,在此不做限定。终端设备101、102、103在行驶过程中可以与服务器105交互,以接收或发送消息等。
服务器105可以是提供各种服务的服务器。例如服务器105可以从终端设备103(也可以是终端设备101或102)中获取行驶数据,根据所述机器人的行驶数据确定所述机器人的初始位姿;基于所述机器人的初始位姿从不同分辨率的栅格查找表中确定所述机器人的当前位姿,这样可以避免全地图搜索机器人的位姿,从而提高定位效率,并且基于不同分辨率的栅格查找表确定机器人的当前位姿可以实现对机器人的初始位姿进行纠正,因此以此方式获取的机器人位姿准确度较高。
在一些实施例中,本发明实施例所提供的机器人定位方法一般由服务器105执行,相应地,机器人定位装置一般设置于服务器105中。在另一些实施例中,某些终端可以具有与服务器相似的功能从而执行本方法。因此,本发明实施例所提供的机器人定位方法不限定在服务器端执行。
图2示意性示出了根据本公开实施例的机器人定位方法的流程图。
如图2所示,机器人定位方法包括步骤S110和步骤S120。
在步骤S110中,根据所述机器人的行驶数据确定所述机器人的初始位姿。
在步骤S110中,基于所述机器人的初始位姿从不同分辨率的栅格查找表中确定所述机器人的当前位姿。
该方法可以根据机器人的行驶数据确定所述机器人的初始位姿,基于所述机器人的初始位姿从不同分辨率的栅格查找表中确定所述机器人的当前位姿,这样可以避免全地图搜索机器人的位姿,从而提高定位效率,并且基于不同分辨率的栅格查找表确定机器人的当前位姿可以实现对机器人的初始位姿进行纠正,因此以此方式获取的机器人位姿准确度较高。
在本公开的一些实施例中,机器人的行驶数据包括机器人的IMU数据和机器人的里程计数据。其中,IMU数据为惯性测量单元数据的简称,惯性测量单元(Inertialmeasurement unit,IMU),用于测量物体三轴姿态角(或角速率)以及加速度的装置。里程计数据可以是机器人从地图中一个栅格到下一个栅格的距离。例如,机器人从起点到当前位置的距离。
在本公开的一些实施例中,通过机器人的IMU数据和机器人的里程计数据可以计算得到机器人的初始位姿,该初始位姿可以指机器人当前在地图的初始位姿。例如,该初始位姿可以是机器人的初始位置和机器人的初始姿态。
在本公开的一些实施例中,上述不同分辨率栅格查找表可以包括低分辨率栅格查找表和高分辨率栅格查找表。其中,低分辨率栅格为低分率地图中的栅格,高分辨率栅格为高分辨率地图中的栅格,需要注意的是,低分率地图和高分率地图是针对同一地图来描述的,例如,高分率地图可以是16*16的地图,低分率地图可以是4*4的地图。
在本公开的一些实施例中,高分辨率栅格查找表用于储存机器人在高分辨率地图的栅格的概率。低分辨率栅格查找表用于储存机器人在低分辨率地图的栅格的概率。其中,低分辨率地图的栅格的概率可以基于高分辨率地图的栅格的概率得出。例如,高分率地图为16*16的地图,那么此时低分率地图为4*4的地图,在这种情况下,低分率地图中的一个栅格对应于高分率地图的一个区域,该区域为4*4的子地图,该子地图包括16个栅格。因此,低分率地图中的一个栅格的概率根据与其对应的高分辨率地图中16个栅格的概率得到。例如,从高分辨率地图中16个栅格的概率中确定出最大概率,将其作为该低分率地图中的一个栅格的概率,这样在基于机器人的初始位姿查询机器人的当前位姿时无需进行全局搜索,即避免全地图搜索机器人的位姿,从而提高定位效率,同时也避免了相关技术中粒子滤波定位时存在的粒子衰竭问题及粒子初始化问题。
图3示意性示出了根据本公开另一个实施例的机器人定位方法的流程图。
如图3所示,上述步骤S110具体可以包括步骤S111~步骤S113。
在步骤S111中,根据所述机器人的IMU数据确定所述机器人的第一位姿。
在步骤S112中,根据所述机器人的里程计数据确定所述机器人的第二位姿。
在步骤S113中,对所述机器人的第一位姿和所述机器人的第二位姿进行位姿融合,得到所述机器人的初始位姿。
该方法可以通过对机器人的第一位姿和所述机器人的第二位姿进行位姿融合来得到机器人的初始位姿,这样可以实现IMU数据和里程计数据互相补充,从而提高机器人的初始位姿的准确度。
在本公开的一些实施例中,IMU数据为惯性测量单元数据的简称,惯性测量单元(Inertial measurement unit,IMU),用于测量物体三轴姿态角(或角速率)以及加速度的装置。里程计数据可以是机器人从地图中一个栅格到下一个栅格的距离。例如,机器人从起点到当前位置的距离。
在本公开的一些实施例中,通过机器人的IMU数据和机器人的里程计数据可以初步计算得到机器人的初始位姿(例如,使用平均数公式对IMU数据和机器人的里程计数据进行位姿融合),该初始位姿可以是机器人在地图中的粗略位姿。在本实例中,可以利用不同分辨率栅格查找表对该粗略位姿进行纠正,从而进一步提高机器人的当前位姿的准确度。该初始位姿可以指机器人当前在地图的初始位姿。例如,该初始位姿可以是机器人的初始位置和机器人的初始姿态。
在本公开的一些实施例中,机器人的行驶数据还可以包括机器人的激光雷达数据。该激光雷达数据可以包括测距分辨率、扫描频率(有时也称为扫描周期)、角度分辨率及可视范围。测距分辨率衡量在一个给定的距离下测距的精确程度,通常与距离真实值相差在5-20mm;扫描频率衡量激光雷达完成一次完整扫描的快慢,通常在10Hz及以上;角度分辨率直接决定激光雷达一次完整扫描能返回多少个样本点。
在本公开的一些实施例中,根据机器人的激光雷达数据可以实时更新机器人所处于的当前地图。另外,在轮廓(例如,根据激光雷达数据确定的轮廓)与地图(全地图)的匹配过程中,由于噪声等影响,可能会导致匹配过程存在偏差和间隙,因此可以通过计算轮廓与地图的变换矩阵来进行匹配修正,以使得得到的当前地图更加准确。
图4示意性示出了根据本公开另一个实施例的机器人定位方法的流程图。
如图4所示,上述方法还包括步骤S210~步骤S230。
在步骤S210中,根据所述机器人的激光雷达数据、所述机器人的初始位姿以及所述机器人所处的当前地图确定所述机器人在所述当前地图中每个栅格的概率,所述当前地图为高分辨率地图。
在步骤S220中,基于所述机器人在所述当前地图中每个栅格的概率生成高分辨率栅格查找表。
在步骤S230中,基于所述高分辨率栅格查找表生成低分辨率栅格查找表。
该方法可以基于机器人在当前地图中每个栅格的概率生成高分辨率栅格查找表,然后基于高分辨率栅格查找表生成低分辨率栅格查找表,以便于利用不同分辨率栅格查找表对机器人的初始位姿进行纠正,从而进一步提高机器人的当前位姿的准确度。
在本公开的一些实施例中,上述不同分辨率栅格查找表可以包括低分辨率栅格查找表和高分辨率栅格查找表。其中,低分辨率栅格为低分率地图中的栅格,高分辨率栅格为高分辨率地图中的栅格,需要注意的是,低分率地图和高分率地图是针对同一地图来描述的,例如,高分率地图可以是16*16的地图,低分率地图可以是4*4的地图。
高分辨率栅格查找表
低分辨率栅格查找表
其中,高分辨率栅格查找表用于储存机器人在高分辨率地图的栅格的概率。低分辨率栅格查找表用于储存机器人在低分辨率地图的栅格的概率。
在本公开的一些实施例中,根据机器人的激光雷达数据Z、机器人的初始位姿X以及机器人所处的当前地图m确定机器人在当前地图m中每个栅格的概率P(zt∣xt,mt)。
在本公开的一些实施例中,低分辨率地图的栅格的概率可以基于高分辨率地图的栅格的概率得出。例如,高分率地图为16*16的地图,那么此时低分率地图为4*4的地图,在这种情况下,低分率地图中的一个栅格(例如,低分辨率栅格查找表中的栅格1)对应于高分率地图的一个区域,该区域为4*4的子地图,该子地图包括16个栅格(例如,高分辨率栅格查找表中的栅格1~16),具体参考上述两个表格。因此,低分率地图中的一个栅格的概率根据与其对应的高分辨率地图中16个栅格的概率得到。例如,从高分辨率地图中16个栅格的概率中确定出最大概率,将其作为该低分率地图中的一个栅格的概率,这样在基于机器人的初始位姿查询机器人的当前位姿时无需进行全局搜索,即避免全地图搜索机器人的位姿,从而提高定位效率,同时也避免了相关技术中粒子滤波定位时存在的粒子衰竭问题及粒子初始化问题。
图5示意性示出了根据本公开另一个实施例的机器人定位方法的流程图。
如图5所示,上述步骤S230具体可以包括步骤S231和步骤S232。
在步骤S231中,基于低分辨率地图中每个栅格从所述高分辨率栅格查找表中确定所述低分辨率地图中每个栅格的概率,所述低分辨率地图与所述高分辨率地图相对应。
在步骤S232中,基于所述低分辨率地图中每个栅格的概率生成所述低分辨率栅格查找表。
该方法可以基于低分辨率地图中每个栅格从高分辨率栅格查找表中确定低分辨率地图中每个栅格的概率,基于低分辨率地图中每个栅格的概率生成低分辨率栅格查找表,以便于利用不同分辨率栅格查找表对机器人的初始位姿进行纠正,从而进一步提高机器人的当前位姿的准确度。
在本公开的一些实施例中,低分辨率地图的栅格的概率可以基于高分辨率地图的栅格的概率得出。例如,高分率地图为16*16的地图,那么此时低分率地图为4*4的地图,在这种情况下,低分率地图中的一个栅格(例如,低分辨率栅格查找表中的栅格1)对应于高分率地图的一个区域,该区域为4*4的子地图,该子地图包括16个栅格(例如,高分辨率栅格查找表中的栅格1~16),具体参考上述两个表格。因此,低分率地图中的一个栅格的概率根据与其对应的高分辨率地图中16个栅格的概率得到。例如,从高分辨率地图中16个栅格的概率中确定出最大概率,将其作为该低分率地图中的一个栅格的概率,这样在基于机器人的初始位姿查询机器人的当前位姿时无需进行全局搜索,即避免全地图搜索机器人的位姿,从而提高定位效率,同时也避免了相关技术中粒子滤波定位时存在的粒子衰竭问题及粒子初始化问题。
图6示意性示出了根据本公开另一个实施例的机器人定位方法的流程图。
如图6所示,上述步骤S231具体可以包括步骤S231-1和步骤S231-2。
在步骤S231-1中,根据低分辨率地图中每个栅格确定其在所述高分辨率地图中对应的每个区域。
在步骤S231-2中,从所述高分辨率栅格查找表中确定每个区域中每个栅格的概率,并将每个区域中最高概率作为所述低分辨率地图中每个栅格的概率。
该方法可以从高分辨率栅格查找表中确定每个区域中每个栅格的概率,并将每个区域中最高概率作为低分辨率地图中每个栅格的概率,以便于后续在定位时可以定位到机器人最有可能会出现的栅格,进一步提高定位时的准确率。
在本公开的一些实施例中,低分辨率地图的栅格的概率可以基于高分辨率地图的栅格的概率得出。例如,高分率地图为16*16的地图,那么此时低分率地图为4*4的地图,在这种情况下,低分率地图中的一个栅格(例如,低分辨率栅格查找表中的栅格1)对应于高分率地图的一个区域,该区域为4*4的子地图,该子地图包括16个栅格(例如,高分辨率栅格查找表中的栅格1~16),具体参考上述两个表格。因此,低分率地图中的一个栅格的概率根据与其对应的高分辨率地图中16个栅格的概率得到。例如,从高分辨率地图中16个栅格的概率中确定出最大概率,将其作为该低分率地图中的一个栅格的概率,这样在基于机器人的初始位姿查询机器人的当前位姿时无需进行全局搜索,即避免全地图搜索机器人的位姿,从而提高定位效率,同时也避免了相关技术中粒子滤波定位时存在的粒子衰竭问题及粒子初始化问题。
图7示意性示出了根据本公开另一个实施例的机器人定位方法的流程图。
如图7所示,上述步骤S120具体可以包括步骤S121和步骤S122。
在步骤S121中,基于所述机器人的初始位姿从所述低分辨率的栅格查找表中确定所述机器人在低分辨率地图中的位姿。
在步骤S122中,基于所述机器人在低分辨率地图中的位姿从所述高分辨率的栅格查找表中确定所述机器人的当前位姿。
该方法可以基于机器人的初始位姿从所述低分辨率的栅格查找表中确定所述机器人在低分辨率地图中的位姿,然后基于机器人在低分辨率地图中的位姿从高分辨率的栅格查找表中确定机器人的当前位姿,这样可以避免全地图搜索机器人的位姿,从而提高定位效率,并且基于不同分辨率的栅格查找表确定机器人的当前位姿可以实现对机器人的初始位姿进行纠正,因此以此方式获取的机器人位姿准确度较高。
在本公开的一些实施例中,基于机器人的初始位姿从低分辨率的栅格查找表中确定机器人在低分辨率地图中的位姿。例如,机器人的初始位姿作为索引,从低分辨率栅格查找表中查询是否存在与该索引相同的位姿,如果存在,基于与该索引相同的位姿从高分辨率的栅格查找表中确定所述机器人的当前位姿。
图8示意性示出了根据本公开另一个实施例的机器人定位方法的流程图。
如图8所示,上述方法还包括步骤S310~步骤S330。
在步骤S310中,在所述低分辨率的栅格查找表中对所述机器人在低分辨率地图中的位姿进行标注。
在步骤S320中,在所述高分辨率的栅格查找表中对所述机器人的当前位姿进行标注。
在步骤S330中,在后续基于所述机器人的初始位姿从不同分辨率的栅格查找表中确定所述机器人的当前位姿时,优先推送所述低分辨率的栅格查找表中的标注内容和所述高分辨率的栅格查找表中的标注内容。
该方法可以优先推送低分辨率的栅格查找表中的标注内容和高分辨率的栅格查找表中的标注内容,提高了后续基于所述机器人的初始位姿从不同分辨率的栅格查找表中确定机器人的当前位姿时的效率。
在本公开的一些实施例中,在利用不同分辨率栅格查找表对机器人初始位姿进行纠正时,可以根据定位结果对不同分辨率栅格查找表的内容进行标注,这样可以在下次基于机器人初始位姿从不同分辨率栅格查找表查询机器人当前位姿时,优先将标注内容与该机器人的初始位姿进行匹配,这样可以进一步可以定位效率。
图9示意性示出了根据本公开实施例的机器人定位装置的方框图
如图9所示,机器人定位装置400包括第一确定模块410和第二确定模块420。
具体地,第一确定模块410,用于根据所述机器人的行驶数据确定所述机器人的初始位姿。
第二确定模块420,基于所述机器人的初始位姿从不同分辨率的栅格查找表中确定所述机器人的当前位姿。
该机器人定位装置400可以根据机器人的行驶数据确定所述机器人的初始位姿,基于所述机器人的初始位姿从不同分辨率的栅格查找表中确定所述机器人的当前位姿,这样可以避免全地图搜索机器人的位姿,从而提高定位效率,并且基于不同分辨率的栅格查找表确定机器人的当前位姿可以实现对机器人的初始位姿进行纠正,因此以此方式获取的机器人位姿准确度较高。
根据本公开的实施例,该机器人定位装置400用于实现图2实施例描述的机器人定位方法。
图10示意性示出了根据本公开另一个实施例的机器人定位装置的方框图。
如图10所示,上述第一确定模块410包括第一位姿确定模块411、第二位姿确定模块412和位姿融合模块413。
具体地,第一位姿确定模块411,用于根据所述机器人的IMU数据确定所述机器人的第一位姿。
第二位姿确定模块412,用于根据所述机器人的里程计数据确定所述机器人的第二位姿。
位姿融合模块413,用于对所述机器人的第一位姿和所述机器人的第二位姿进行位姿融合,得到所述机器人的初始位姿。
上述第一确定模块410可以通过对机器人的第一位姿和所述机器人的第二位姿进行位姿融合来得到机器人的初始位姿,这样可以实现IMU数据和里程计数据互相补充,从而提高机器人的初始位姿的准确度。
根据本公开的实施例,上述第一确定模块410用于实现图3实施例描述的机器人定位方法。
图11示意性示出了根据本公开另一个实施例的机器人定位装置的方框图。
如图11所示,机器人定位装置500还包括第三确定模块510、第一生成模块520和第二生成模块530。
具体地,第三确定模块510,用于根据所述机器人的激光雷达数据、所述机器人的初始位姿以及所述机器人所处的当前地图确定所述机器人在所述当前地图中每个栅格的概率,所述当前地图为高分辨率地图。
第一生成模块520,基于所述机器人在所述当前地图中每个栅格的概率生成高分辨率栅格查找表。
第二生成模块530,基于所述高分辨率栅格查找表生成低分辨率栅格查找表。
该机器人定位装置500可以基于机器人在当前地图中每个栅格的概率生成高分辨率栅格查找表,然后基于高分辨率栅格查找表生成低分辨率栅格查找表,以便于利用不同分辨率栅格查找表对机器人的初始位姿进行纠正,从而进一步提高机器人的当前位姿的准确度。
根据本公开的实施例,上述机器人定位装置500用于实现图4实施例描述的机器人定位方法。
图12示意性示出了根据本公开另一个实施例的机器人定位装置的方框图。
如图12所示,上述第二生成模块530包括概率确定模块531和第二生成模块的子模块532。
具体地,概率确定模块531,基于低分辨率地图中每个栅格从所述高分辨率栅格查找表中确定所述低分辨率地图中每个栅格的概率,所述低分辨率地图与所述高分辨率地图相对应、
第二生成模块的子模块532,基于所述低分辨率地图中每个栅格的概率生成所述低分辨率栅格查找表。
上述第二生成模块530可以基于低分辨率地图中每个栅格从高分辨率栅格查找表中确定低分辨率地图中每个栅格的概率,基于低分辨率地图中每个栅格的概率生成低分辨率栅格查找表,以便于利用不同分辨率栅格查找表对机器人的初始位姿进行纠正,从而进一步提高机器人的当前位姿的准确度。
根据本公开的实施例,上述第二生成模块530用于实现图5实施例描述的机器人定位方法。
图13示意性示出了根据本公开另一个实施例的机器人定位装置的方框图。
如图13所示,上述概率确定模块531包括区域确定模块531-1和概率确定模块的子模块531-2。
具体地,区域确定模块531-1,用于根据低分辨率地图中每个栅格确定其在所述高分辨率地图中对应的每个区域。
概率确定模块的子模块531-2,用于从所述高分辨率栅格查找表中确定每个区域中每个栅格的概率,并将每个区域中最高概率作为所述低分辨率地图中每个栅格的概率。
上述概率确定模块531可以从高分辨率栅格查找表中确定每个区域中每个栅格的概率,并将每个区域中最高概率作为低分辨率地图中每个栅格的概率,以便于后续在定位时可以定位到机器人最有可能会出现的栅格,进一步提高定位时的准确率。
根据本公开的实施例,上述概率确定模块531用于实现图6实施例描述的机器人定位方法。
图14示意性示出了根据本公开另一个实施例的机器人定位装置的方框图。
如图14所示,上述第二确定模块420包括低分辨率确定模块421和高分辨率确定模块422。
具体地,低分辨率确定模块421,基于所述机器人的初始位姿从所述低分辨率的栅格查找表中确定所述机器人在低分辨率地图中的位姿。
高分辨率确定模块422,基于所述机器人在低分辨率地图中的位姿从所述高分辨率的栅格查找表中确定所述机器人的当前位姿。
该上述第二确定模块420可以基于机器人的初始位姿从所述低分辨率的栅格查找表中确定所述机器人在低分辨率地图中的位姿,然后基于机器人在低分辨率地图中的位姿从高分辨率的栅格查找表中确定机器人的当前位姿,这样可以避免全地图搜索机器人的位姿,从而提高定位效率,并且基于不同分辨率的栅格查找表确定机器人的当前位姿可以实现对机器人的初始位姿进行纠正,因此以此方式获取的机器人位姿准确度较高。
根据本公开的实施例,上述第二确定模块420用于实现图7实施例描述的机器人定位方法。
图15示意性示出了根据本公开另一个实施例的机器人定位装置的方框图。
如图15所示,机器人定位装置600还包括第一标注模块610、第二标注模块620和优先推送模块630。
具体地,第一标注模块610,用于在所述低分辨率的栅格查找表中对所述机器人在低分辨率地图中的位姿进行标注。
第二标注模块620,用于在所述高分辨率的栅格查找表中对所述机器人的当前位姿进行标注。
优先推送模块630,用于在后续基于所述机器人的初始位姿从不同分辨率的栅格查找表中确定所述机器人的当前位姿时,优先推送所述低分辨率的栅格查找表中的标注内容和所述高分辨率的栅格查找表中的标注内容。
该机器人定位装置600可以优先推送低分辨率的栅格查找表中的标注内容和高分辨率的栅格查找表中的标注内容,提高了后续基于所述机器人的初始位姿从不同分辨率的栅格查找表中确定机器人的当前位姿时的效率。
根据本公开的实施例,该机器人定位装置600用于实现图8实施例描述的机器人定位方法。
可以理解的是,第一确定模块410、第一位姿确定模块411、第二位姿确定模块412、位姿融合模块413、第二确定模块420、低分辨率确定模块421、高分辨率确定模块422、第三确定模块510、第一生成模块520、第二生成模块530、概率确定模块531、区域确定模块531-1、概率确定模块的子模块531-2、第二生成模块的子模块532、第一标注模块610、第二标注模块620、以及优先推送模块630可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施例,第一确定模块410、第一位姿确定模块411、第二位姿确定模块412、位姿融合模块413、第二确定模块420、低分辨率确定模块421、高分辨率确定模块422、第三确定模块510、第一生成模块520、第二生成模块530、概率确定模块531、区域确定模块531-1、概率确定模块的子模块531-2、第二生成模块的子模块532、第一标注模块610、第二标注模块620、以及优先推送模块630中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式的适当组合来实现。或者,第一确定模块410、第一位姿确定模块411、第二位姿确定模块412、位姿融合模块413、第二确定模块420、低分辨率确定模块421、高分辨率确定模块422、第三确定模块510、第一生成模块520、第二生成模块530、概率确定模块531、区域确定模块531-1、概率确定模块的子模块531-2、第二生成模块的子模块532、第一标注模块610、第二标注模块620、以及优先推送模块630中的至少一个可以至少被部分地实现为计算机程序模块,当该程序被计算机运行时,可以执行相应模块的功能。
图16示意性示出了根据本公开实施例的电子设备的计算机系统的方框图。图16示出的计算机系统仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图16所示,根据本公开实施例的电子设备的计算机系统700包括处理器701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行参考图2~图8描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 703中,存储有系统700操作所需的各种程序和数据。处理器701、ROM 702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行以上参考图2~图8描述的机器人定位方法的各种步骤。需要注意,该程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在该一个或多个存储器中的程序来执行以上参考图2~图8描述的机器人定位方法的各种步骤。
根据本公开的实施例,系统700还可以包括输入/输出(I/O)接口707,输入/输出(I/O)接口707也连接至总线704。系统700还可以包括连接至I/O接口705的以下部件中的一项或多项:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
根据本公开的实施例,上文参考流程图描述的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
需要说明的是,本公开所示的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中,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。而在本公开中,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。根据本公开的实施例,计算机可读介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,上述模块、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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。
作为另一方面,本公开还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备执行根据本公开实施例的机器人定位。该方法包括:根据所述机器人的行驶数据确定所述机器人的初始位姿;基于所述机器人的初始位姿从不同分辨率的栅格查找表中确定所述机器人的当前位姿。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。