CN110319834B - 一种室内机器人定位的方法及机器人 - Google Patents
一种室内机器人定位的方法及机器人 Download PDFInfo
- Publication number
- CN110319834B CN110319834B CN201810278791.2A CN201810278791A CN110319834B CN 110319834 B CN110319834 B CN 110319834B CN 201810278791 A CN201810278791 A CN 201810278791A CN 110319834 B CN110319834 B CN 110319834B
- Authority
- CN
- China
- Prior art keywords
- pose
- robot
- coordinate system
- preset
- map
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Abstract
本发明适用于机器人技术领域,提供了一种室内机器人定位的方法及机器人,包括:通过获取安装在室内表面的二维码在地图坐标系中的第一位姿;根据第一位姿以及坐标转换策略确定第二位姿;根据第一位姿、第二位姿以及预设的坐标转换策略确定机器人在地图坐标系中的位姿。通过机器人直接获取安装在室内表面的二维码的位姿,并将该位姿进行坐标转换得到机器人相对地图坐标系位姿,利用该位姿即可无需人为干涉便可进行激光定位初始化和重定位,加快了激光定位粒子收敛的速度,提高了室内机器人激光定位的可靠性和精确性。
Description
技术领域
本发明属于机器人技术领域,尤其涉及一种室内机器人定位的方法及机器人。
背景技术
目前,室内移动机器人在使用激光定位进行定位时,为了加快初始定位粒子的收敛,需要根据机器人在物理环境的位置对应在地图中选择一个位姿进行机器人定位初始化。当人为强制机器人移动,或者当机器人的实际运行环境与预设地图相比发生了很大变化时,比如在行人突然变多的情况下,此时就会发生无法实现机器人定位的情况,则需要对机器人进行重定位以恢复机器人正常定位和行进。
针对以上问题,现有技术通过人为的手动操作或者借助其他定位方式进行定位辅助。人为进行定位初始化或者重定位时操作简单,但每次开始定位前都需要人工进行定位初始化操作,并且,通过这种方式对机器人进行室内定位初始化或者重定位时会存在一定误差,导致机器人定位不准确。
发明内容
有鉴于此,本发明实施例提供了一种室内机器人定位的方法及机器人,以解决现有技术中对机器人进行室内定位初始化或者重定位时会存在一定误差,导致机器人定位不准确的问题。
本发明实施例的第一方面提供了一种室内机器人定位的方法,包括:
获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;
根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;
根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。
本发明实施例的第二方面提供了一种机器人,包括:
第一位姿单元,用于获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;
第二位姿单元,用于根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;
位姿确定单元,用于根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。
本发明实施例的第三方面提供了一种机器人,包括:处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储支持装置执行上述方法的计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一方面的方法。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。
本发明实施例与现有技术相比存在的有益效果是:通过获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。通过机器人直接获取安装在室内表面的二维码的位姿,并将该位姿进行坐标转换得到机器人相对地图坐标系位姿,利用该位姿即可无需人为干涉便可进行激光定位初始化和重定位,加快了激光定位粒子收敛的速度,提高了室内机器人激光定位的可靠性和精确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的室内机器人定位的方法的流程图;
图2是本发明另一实施例提供的室内机器人定位的方法的流程图;
图3是本发明一实施例提供的机器人的示意图;
图4是本发明另一实施例提供的机器人的示意图;
图5是本发明再一实施例提供的机器人的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
参见图1,图1是本发明一实施例提供的一种室内机器人定位的方法的流程图。本实施例中室内机器人定位的方法的执行主体为机器人。如图1所示的室内机器人定位的方法可以包括以下步骤:
S101:获取安装在室内表面的二维码在预设地图坐标系中的第一位姿。
目前,室内移动机器人在使用激光定位算法进行定位时,例如基于激光传感器的蒙特卡洛定位算法,为了加快初始定位粒子的收敛速度,需要根据机器人在物理环境的位置对应在地图中选择一个位姿进行机器人定位初始化。当人为强制移动机器人,或者若机器人当前运行环境比初始建图时的环境发生了很大的变化的情况下,例如在行人突然变多时,就会对机器人造成干扰,发生机器人不能进行自主定位的问题,此时则需要对机器人进行重定位以恢复机器人正常定位。
针对以上问题,常用的解决方法为人为的手动操作或者借助其他定位方式进行定位辅助。人为进行定位初始化或者重定位操作简单,但每次开始定位前都需要人工进行定位初始化操作,而且由于不知道机器人什么时候需要进行重定位,所以需要人工定时进行观察,使用非常不方便;同时,人为进行定位初始化或者重定位时会存在一定误差,这会增加定位粒子的收敛时间,导致定位初始化或者重定位时间变长。
另外一种解决方法则是借助其他辅助设备进行定位的方式,如利用无线保真(WIreless-FIdelity,WiFi)定位进行激光定位辅助,通过根据WiFi定位出来的机器人位姿在其周围分布粒子,利用粒子收敛来进行定位初始化或者重定位。当使用的环境WiFi数量满足WiFi定位需求时,WiFi定位误差在1米左右,此时粒子收敛则需要一定时间,造成重定位速度过慢;当使用的环境WiFi数量不足时,还需人为搭建WiFi源,提高了激光定位辅助成本。
因此本实施例通过在室内墙壁表面安装二维码,通过二维码进行机器人室内的激光定位。需要说明的是,二维码可以安装在室内四周的墙壁上,也可以安装在室内的天花板上。二维码安装的数量和位姿,即二维码在直角坐标系中的坐标和朝向角,根据具体的环境、用户需求或者机器人的配置信息决定。由于在室内表面安装二维码时,只需要普通的二维码纸张,因此能有效的减少激光定位辅助成本。
优选的,由于机器人是通过传感器获取安装在室内表面的二维码的位姿,而在普通的室内四周墙壁上,通过传感器获取二维码信息时容易受到障碍物的遮挡,导致二维码信息获取不准确或者不全面,因此,将二维码安装在室内天花板上,通过设置于机器人身上的传感器,例如照相机,获取二维码在预设地图坐标系中的第一位姿。
预设地图坐标系为机器人在获取二维码信息之前,根据机器人当前所处的室内信息,所建立的坐标系。通过建立地图坐标系可以将室内目标点的信息统一起来,并能通过该地图坐标系确定某些固定参考目标的位置信息。
可选的,机器人在初始建立外界环境图像的时候,同时进行二维码的检测。根据检测到的二维码计算出二维码在预设的机器人坐标系中的位姿,或者机器人在预设的二维码坐标系中的位姿,利用计算出来的位姿,结合机器人当前在地图坐标系中的位姿,通过坐标系转换公式计算出二维码在地图坐标系中的位姿:
x2'=x2*cosθ+y2*sinθ+x'0
y2'=y2*cosθ-x2*sinθ+y'0。
其中,x2',y2'分别表示二维码在地图坐标系中的横坐标值和纵坐标值,x'0,y'0分别表示机器人在二维码坐标系中的横坐标值和纵坐标值,x2,y2分别表示机器人当前在地图坐标系中的横坐标值和纵坐标值;θ表示地图坐标系的x轴与二维码坐标系的x轴之间夹角。通过这种计算方式,可以准确的计算出二维码在地图坐标系中的横坐标值和纵坐标值,进而精确确定机器人在当前位置处所获取二维码的位姿。
S102:根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿。
在获取安装在室内表面的二维码在预设地图坐标系中的第一位姿之后,根据第一位姿和预设的坐标转换策略确定二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿。
具体的,通过坐标系转换公式计算出二维码在预设机器人坐标系中的位姿:
x1'=x1*cosθ+y1*sinθ+x0
y1'=y1*cosθ-x1*sinθ+y0。
其中,x1',y1'分别表示二维码在机器人坐标系中的横坐标值和纵坐标值,x0,y0分别表示机器人在机器人坐标系中的横坐标值和纵坐标值,x1,y1分别表示机器人当前在地图坐标系中的横坐标值和纵坐标值;θ表示地图坐标系的x轴与机器人坐标系的x轴之间夹角。
具体的,通过坐标系转换公式计算出机器人在预设二维码坐标系中的位姿:
x2'=x2*cosθ+y2*sinθ+x'0
y2'=y2*cosθ-x2*sinθ+y'0。
其中,x2',y2'分别表示机器人在二维码坐标系中的横坐标值和纵坐标值,x0,y0分别表示机器人在二维码坐标系中的横坐标值和纵坐标值,x2,y2分别表示机器人当前在地图坐标系中的横坐标值和纵坐标值;θ表示二维码坐标系的x轴与地图坐标系的x轴之间夹角。
S103:根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。
在计算出二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿,即第二位姿之后,根据第一位姿、第二位姿以及坐标转换策略确定机器人在地图坐标系中的位姿。
具体的,步骤S103包括:
根据所述第一位姿、所述第二位姿以及坐标转换公式:
x1'=x1*cosθ+y1*sinθ+x0
y1'=y1*cosθ-x1*sinθ+y0,
计算机器人在所述地图坐标系中的位姿。
其中,x1',y1'分别表示机器人在地图坐标系中的横坐标值和纵坐标值;x'0,y'0分别表示二维码在预设地图坐标系中的横坐标值和纵坐标值,即第一位姿;x1,y1分别表示二维码在预设机器人坐标系中的横坐标值和纵坐标值,或者机器人在预设二维码坐标系中的横坐标值和纵坐标值,即第二位姿;θ表示地图坐标系的x轴与机器人坐标系的x轴之间夹角。
上述方案,通过获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。通过机器人直接获取安装在室内表面的二维码的位姿,并将该位姿进行坐标转换得到机器人相对地图坐标系位姿,利用该位姿即可无需人为干涉便可进行激光定位初始化和重定位,加快了激光定位粒子收敛的速度,提高了室内机器人激光定位的可靠性和精确性。
参见图2,图2是本发明另一实施例提供的一种室内机器人定位的方法的流程图。本实施例中室内机器人定位的方法的执行主体为机器人。本实施与上一实施例的区别在于,在上一实施例中的步骤S103之后还包括S204~S206。如图2所示的室内机器人定位的方法可以包括以下步骤:
S201:获取安装在室内表面的二维码在预设地图坐标系中的第一位姿。
S202:根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿。
S203:根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。
其中,在本实施例中S201~S203详见图1中S101~S103的相关描述,在此不再赘述。
S204:通过设置于机器人上的传感器获取所述机器人与障碍物之间的第一距离;所述粒子为在以机器人为中心的预设范围内随机选择的目标点。
在确定机器人在地图坐标系中的位姿之后,通过设置于机器人上的传感器获取机器人与障碍物之间的第一距离。
需要说明的是,在激光定位算法中会维持一定数量的粒子,每个粒子的位姿初始化方法为:根据机器人初始位姿,在一定范围内进行随机赋值。示例性的,当机器人的位姿为(100m,100m,90度)时,限定范围为以机器人当前的位姿为圆心,半径为50cm的圆内进行粒子随机分布,则随机分布的粒子的位置的横坐标值和纵坐标值不会超过以机器人位姿为圆心,半径为50cm的圆的范围,粒子位姿中的角度随机范围则在0~360度。之后每个粒子位姿的更新则是根据机器人的运动速度来计算,其中,机器人的运动速度包括线速度和角速度。
通过设定于机器人上的传感器来获取机器人与障碍物之间的距离。其中,传感器可以为激光传感器,通过将激光传感器安装在机器人身上,便可以通过激光传感器直接获取到每个粒子与激光传感器之间的距离。通过激光传感器直接获取第一距离的方式,可以准确、实时地确定第一距离的大小,以备进行之后的计算。
S205:根据所述第一距离和预设地图中每个所述粒子的位姿确定每个所述粒子的置信度。
在计算粒子的置信度之前,先通过机器人预先获取室内粒子与传感器之间的距离,以将这些距离数据用来建立预设地图。
示例性的,控制机器人在某个环境中移动,通过机器人上的激光传感器测量到新的障碍物距离时,就将这些数据记录下来,当机器人走遍这个环境中的每个地方之后,所有记录的激光传感器测量到的障碍物距离信息就是地图数据,通过这些地图数据构建出预设地图。.
进一步的,步骤S205具体包括:
根据所述预设地图中所述粒子的位姿确定所述预设地图中所述粒子与障碍物之间的第二距离;
其中,m表示所述第一距离与所述第二距离之间的差值,σ表示所述第一距离与所述第二距离之间的差值的方差。
具体的,预设地图中存储有粒子位姿对应的该位姿与传感器之间的距离,通过该粒子的位姿,在预设地图中查找该粒子的位姿所对应的与传感器之间的距离,即第二距离。之后,将第二距离与第一距离进行对比,通过比较第一距离和第二距离之间的相似度,确定该粒子的置信度。
示例性的,假设激光定位算法维持了2个粒子(A和B),机器人在位姿C处测量到障碍物的第一距离为d,此时位姿C是机器人在真实位姿,这个位姿C机器人并不能直接获取到,而激光定位算法就是为了求出位姿C。通过机器人在构建预设地图时记录的激光数据,根据每个粒子在地图中的位姿,计算粒子到障碍物的距离d1,并与在位姿C处测量到的激光数据d对比,比较d和d1的相似度,这样就可以得到粒子A的置信度,粒子B同理。
具体的,置信度的计算采用了正态分布的方法。正态分布是一种钟形曲线,越接近中心,取值越大,越远离中心,取值越小。通过计算第一距离和第二距离之间的差值,当差值越小时,位于正态分布的位置越靠近中心,其置信度越大。具体的计算公式为:
其中,m表示所述第一距离与所述第二距离之间的差值,σ表示所述第一距离与所述第二距离之间的差值的方差;由于正太分布中的μ是x的均值,因为计算平均值的时候,中心点就是原点,所以正太分布中的μ等于0。
通过根据传感器测量到的距离和预先构建地图时的距离进行相似度的计算,利用正太分布的方式计算出第一距离和预设地图中每个粒子的位姿确定每个粒子的置信度,提高了距离之间相速度的计算精度和准确度。
S206:若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位。
在根据第一距离和预设地图中每个粒子的位姿确定每个粒子的置信度之后,识别置信度最高的粒子为目标粒子。
进一步的,步骤S206具体包括:
若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则在预设范围内对所述目标粒子的位姿进行随机赋值,根据所述目标粒子的位姿对机器人在所述地图坐标系中的位姿进行初始化;
所述预设范围为以通过坐标转换计算出的机器人在所述地图坐标系中的位姿为圆心,以预设距离为半径的圆。
在计算出置信度之后,将置信度最高的目标粒子的位姿与机器人在地图坐标系中的位姿进行比较。其中,预设阈值用于判断目标粒子的位姿与机器人在地图坐标系中的位姿的差值的大小。若该差值小于或者等于预设阈值,则说明目标粒子的位姿与机器人在地图坐标系中的位姿的出入较小,即通过坐标转换计算出来的机器人在地图坐标系中的位姿的比较准确,则不需要进行重定位。
若该差值大于预设阈值,则说明目标粒子的位姿与机器人在地图坐标系中的位姿的出入较大,即通过坐标转换计算出来的机器人在地图坐标系中的位姿的准确率较低,便需要进行重定位。
可选的,还可以通过设置置信度阈值,用于与目标粒子的置信度进行对比,以确定是否需要进行重定位。示例性的,若目标粒子的置信度小于或者等于该置信度阈值,则确定需要进行重定位;若目标粒子的置信度大于该置信度阈值,则就不需要进行重定位。
在对机器人在地图坐标系中的位姿进行重定位时,以通过坐标转换计算出的机器人在地图坐标系中的位姿为圆心,以预设距离为半径的圆,建立预设范围,在该预设范围之内,对目标粒子的位姿进行随机赋值,根据目标粒子的位姿对机器人在地图坐标系中的位姿进行初始化,实现对机器人在地图坐标系中的位姿的重定位。同时利用计算出的机器人在地图坐标系中的位姿进行粒子的激光分布定位,能加快激光定位粒子过程中的收敛速度,提高了重定位的速度。
上述方案,通过设置于机器人上的传感器获取所述机器人与障碍物之间的第一距离;所述粒子为在以机器人为中心的预设范围内随机选择的目标点;根据所述第一距离和预设地图中每个所述粒子的位姿确定每个所述粒子的置信度;若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位。通过用正太分布的方式计算出预设地图中粒子与传感器之间的第二距离与机器人实时获取到的粒子与传感器之间第二距离的置信度,提高了置信度的计算精度,并根据置信度确定具有最优位姿的目标粒子,用于与通过坐标转换计算出来的机器人在地图坐标系中的位姿进行对比,以确定是否需要进行重定位,提高了重定位的精度,减小了机器人在室内定位过程中的误差。
参见图3,图3是本发明一实施例提供的一种机器人的示意图。本实施例的机器人300包括的各单元用于执行图1对应的实施例中的各步骤,具体请参阅图1及图1对应的实施例中的相关描述,此处不赘述。本实施例的机器人300包括第一位姿单元301、第二位姿单元302以及位姿确定单元303。
第一位姿单元301,用于获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;
第二位姿单元302,用于根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;
位姿确定单元303,用于根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。
上述方案,通过获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。通过机器人直接获取安装在室内表面的二维码的位姿,并将该位姿进行坐标转换得到机器人相对地图坐标系位姿,利用该位姿即可无需人为干涉便可进行激光定位初始化和重定位,加快了激光定位粒子收敛的速度,提高了室内机器人激光定位的可靠性和精确性。
参见图4,图4是本发明实施例提供的一种机器人的示意图。本实施例的机器人400包括的各单元用于执行图2对应的实施例中的各步骤,具体请参阅图2及图2对应的实施例中的相关描述,此处不赘述。本实施例的机器人400包括第一位姿单元401、第二位姿单元402、位姿确定单元403、距离获取单元404、置信度确定单元405以及定位判断单元406。
第一位姿单元401,用于获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;
第二位姿单元402,用于根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;
位姿确定单元403,用于根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。
距离获取单元404,用于在位姿确定单元确定机器人在所述地图坐标系中的位姿时,通过设置于机器人上的传感器获取所述机器人与障碍物之间的第一距离;所述粒子为在以机器人为中心的预设范围内随机选择的目标点;
置信度确定单元405,用于根据所述第一距离和预设地图中每个所述粒子的位姿确定每个所述粒子的置信度;
定位判断单元406,用于若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位。
可选的,所述定位判断单元包括:
重定位单元,用于若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则在预设范围内对所述目标粒子的位姿进行随机赋值,根据所述目标粒子的位姿对机器人在所述地图坐标系中的位姿进行初始化;
所述预设范围为以通过坐标转换计算出的机器人在所述地图坐标系中的位姿为圆心,以预设距离为半径的圆。
可选的,所述位姿确定单元包括:
位姿计算单元,用于根据所述第一位姿、所述第二位姿以及坐标转换公式:
x1'=x1*cosθ+y1*sinθ+x0
y1'=y1*cosθ-x1*sinθ+y0,
计算机器人在所述地图坐标系中的位姿;
其中,x1',y1'分别表示机器人在所述地图坐标系中的位姿;x0,y0分别表示所述第一位姿的横坐标值和纵坐标值;x1,y1分别表示所述第二位姿的横坐标值和纵坐标值;θ表示所述地图坐标系的x轴与机器人坐标系的x轴之间夹角。
可选的,所述置信度确定单元包括:
第二距离单元,用于根据所述预设地图中所述粒子的位姿确定所述预设地图中所述粒子与障碍物之间的第二距离;
其中,m表示所述第一距离与所述第二距离之间的差值,σ表示所述第一距离与所述第二距离之间的差值的方差。
上述方案,通过设置于机器人上的传感器获取所述机器人与障碍物之间的第一距离;所述粒子为在以机器人为中心的预设范围内随机选择的目标点;根据所述第一距离和预设地图中每个所述粒子的位姿确定每个所述粒子的置信度;若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位。通过用正太分布的方式计算出预设地图中粒子与传感器之间的第二距离与机器人实时获取到的粒子与传感器之间第二距离的置信度,提高了置信度的计算精度,并根据置信度确定具有最优位姿的目标粒子,用于与通过坐标转换计算出来的机器人在地图坐标系中的位姿进行对比,以确定是否需要进行重定位,提高了重定位的精度,减小了机器人在室内定位过程中的误差。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
参见图5,图5是本发明再一实施例提供的一种机器人的示意图。如图5所示的本实施例中的机器人500可以包括:处理器501、存储器502以及存储在存储器502中并可在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个用于室内机器人定位的方法实施例中的步骤。存储器502用于存储计算机程序,所述计算机程序包括程序指令。处理器501用于执行存储器502存储的程序指令。其中,处理器501被配置用于调用所述程序指令执行以下操作:
处理器501用于获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;
处理器501还用于根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;
处理器501还用于根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。
处理器501具体用于通过设置于机器人上的传感器获取所述机器人与障碍物之间的第一距离;所述粒子为在以机器人为中心的预设范围内随机选择的目标点;
处理器501具体用于根据所述第一距离和预设地图中每个所述粒子的位姿确定每个所述粒子的置信度;
处理器501具体用于若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位。
处理器501具体用于若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则在预设范围内对所述目标粒子的位姿进行随机赋值,根据所述目标粒子的位姿对机器人在所述地图坐标系中的位姿进行初始化;
所述预设范围为以通过坐标转换计算出的机器人在所述地图坐标系中的位姿为圆心,以预设距离为半径的圆。
其中,x1',y1'分别表示机器人在所述地图坐标系中的位姿;x0,y0分别表示所述第一位姿的横坐标值和纵坐标值;x1,y1分别表示所述第二位姿的横坐标值和纵坐标值;θ表示所述地图坐标系的x轴与机器人坐标系的x轴之间夹角。
处理器501具体用于根据所述预设地图中所述粒子的位姿确定所述预设地图中所述粒子与障碍物之间的第二距离;
其中,m表示所述第一距离与所述第二距离之间的差值,σ表示所述第一距离与所述第二距离之间的差值的方差。
上述方案,通过设置于机器人上的传感器获取所述机器人与障碍物之间的第一距离;所述粒子为在以机器人为中心的预设范围内随机选择的目标点;根据所述第一距离和预设地图中每个所述粒子的位姿确定每个所述粒子的置信度;若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位。通过用正太分布的方式计算出预设地图中粒子与传感器之间的第二距离与机器人实时获取到的粒子与传感器之间第二距离的置信度,提高了置信度的计算精度,并根据置信度确定具有最优位姿的目标粒子,用于与通过坐标转换计算出来的机器人在地图坐标系中的位姿进行对比,以确定是否需要进行重定位,提高了重定位的精度,减小了机器人在室内定位过程中的误差。
应当理解,在本发明实施例中,所称处理器501可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器502可以包括只读存储器和随机存取存储器,并向处理器501提供指令和数据。存储器502的一部分还可以包括非易失性随机存取存储器。例如,存储器502还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器501、存储器502、计算机程序503可执行本发明实施例提供的室内机器人定位的方法的第一实施例和第二实施例中所描述的实现方式,也可执行本发明实施例所描述的机器人的实现方式,在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:
获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;
根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;
根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿。
进一步的,所述计算机程序被处理器执行时还实现:
通过设置于机器人上的传感器获取所述机器人与障碍物之间的第一距离;所述粒子为在以机器人为中心的预设范围内随机选择的目标点;
根据所述第一距离和预设地图中每个所述粒子的位姿确定每个所述粒子的置信度;
若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位。
进一步的,所述计算机程序被处理器执行时还实现:
若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则在预设范围内对所述目标粒子的位姿进行随机赋值,根据所述目标粒子的位姿对机器人在所述地图坐标系中的位姿进行初始化;
所述预设范围为以通过坐标转换计算出的机器人在所述地图坐标系中的位姿为圆心,以预设距离为半径的圆。
进一步的,所述计算机程序被处理器执行时还实现:
其中,x1',y1'分别表示机器人在所述地图坐标系中的位姿;x0,y0分别表示所述第一位姿的横坐标值和纵坐标值;x1,y1分别表示所述第二位姿的横坐标值和纵坐标值;θ表示所述地图坐标系的x轴与机器人坐标系的x轴之间夹角。
进一步的,所述计算机程序被处理器执行时还实现:
根据所述预设地图中所述粒子的位姿确定所述预设地图中所述粒子与障碍物之间的第二距离;
其中,m表示所述第一距离与所述第二距离之间的差值,σ表示所述第一距离与所述第二距离之间的差值的方差。
上述方案,通过设置于机器人上的传感器获取所述机器人与障碍物之间的第一距离;所述粒子为在以机器人为中心的预设范围内随机选择的目标点;根据所述第一距离和预设地图中每个所述粒子的位姿确定每个所述粒子的置信度;若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位。通过用正太分布的方式计算出预设地图中粒子与传感器之间的第二距离与机器人实时获取到的粒子与传感器之间第二距离的置信度,提高了置信度的计算精度,并根据置信度确定具有最优位姿的目标粒子,用于与通过坐标转换计算出来的机器人在地图坐标系中的位姿进行对比,以确定是否需要进行重定位,提高了重定位的精度,减小了机器人在室内定位过程中的误差。
所述计算机可读存储介质可以是前述任一实施例所述的机器人的内部存储单元,例如机器人的硬盘或内存。所述计算机可读存储介质也可以是所述机器人的外部存储设备,例如所述机器人上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述机器人的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序及所述机器人所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的机器人和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的机器人和方法,可以通过其它的方式实现。例如,以上所描述的机器人实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种室内机器人定位的方法,其特征在于,包括:
获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;
根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;
根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿;
在所述根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿之后,还包括:
通过设置于机器人上的传感器获取所述机器人与障碍物之间的第一距离;
根据所述第一距离和预设地图中每个粒子的位姿确定每个所述粒子的置信度;所述粒子为在以机器人的初始位姿为中心的预设范围内随机选择,并根据机器人的运动速度进行更新的目标点;
若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位;
并且,所述根据所述第一距离和预设地图中所述粒子的位姿确定每个所述粒子的置信度,包括:
根据所述预设地图中所述粒子的位姿确定所述预设地图中所述粒子与障碍物之间的第二距离;
其中,m表示所述第一距离与所述第二距离之间的差值,σ表示所述第一距离与所述第二距离之间的差值的方差。
2.如权利要求1所述的室内机器人定位的方法,其特征在于,所述若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位,包括:
若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则在预设范围内对所述目标粒子的位姿进行随机赋值,根据所述目标粒子的位姿对机器人在所述地图坐标系中的位姿进行初始化;
所述预设范围为以通过坐标转换计算出的机器人在所述地图坐标系中的位姿为圆心,以预设距离为半径的圆。
4.一种机器人,其特征在于,包括:
第一位姿单元,用于获取安装在室内表面的二维码在预设地图坐标系中的第一位姿;
第二位姿单元,用于根据所述第一位姿以及预设的第一坐标转换策略确定第二位姿;所述第二位姿包括所述二维码在预设机器人坐标系中的位姿或者机器人在预设二维码坐标系中的位姿;
位姿确定单元,用于根据所述第一位姿、所述第二位姿以及预设的第二坐标转换策略确定机器人在所述地图坐标系中的位姿;
所述机器人还包括:
距离获取单元,用于通过设置于机器人上的传感器获取所述机器人与障碍物之间的第一距离;
置信度确定单元,用于根据所述第一距离和预设地图中每个粒子的位姿确定每个所述粒子的置信度;所述粒子为在以机器人的初始位姿为中心的预设范围内随机选择,并根据机器人的运动速度进行更新的目标点;
定位判断单元,用于若置信度最高的目标粒子的位姿与机器人在所述地图坐标系中的位姿的差值大于预设阈值,则进行重定位;
所述置信度确定单元还包括:
第二距离单元,用于根据所述预设地图中所述粒子的位姿确定所述预设地图中所述粒子与障碍物之间的第二距离;
其中,m表示所述第一距离与所述第二距离之间的差值,σ表示所述第一距离与所述第二距离之间的差值的方差。
6.一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至3任一项所述方法的步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810278791.2A CN110319834B (zh) | 2018-03-30 | 2018-03-30 | 一种室内机器人定位的方法及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810278791.2A CN110319834B (zh) | 2018-03-30 | 2018-03-30 | 一种室内机器人定位的方法及机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110319834A CN110319834A (zh) | 2019-10-11 |
CN110319834B true CN110319834B (zh) | 2021-04-23 |
Family
ID=68111952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810278791.2A Active CN110319834B (zh) | 2018-03-30 | 2018-03-30 | 一种室内机器人定位的方法及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110319834B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337011A (zh) * | 2019-12-10 | 2020-06-26 | 亿嘉和科技股份有限公司 | 一种基于激光和二维码融合的室内定位方法 |
CN113031582A (zh) * | 2019-12-25 | 2021-06-25 | 北京极智嘉科技股份有限公司 | 机器人、定位方法及计算机可读存储介质 |
CN111158364B (zh) * | 2019-12-30 | 2024-02-09 | 深圳市优必选科技股份有限公司 | 机器人重定位方法、装置及终端设备 |
CN111238496B (zh) * | 2020-01-14 | 2022-04-22 | 深圳市锐曼智能装备有限公司 | 机器人位姿确认方法、装置、计算机设备及存储介质 |
CN111443713B (zh) * | 2020-04-14 | 2023-07-18 | 三一机器人科技有限公司 | 融合定位导航系统和方法 |
CN112082553A (zh) * | 2020-07-24 | 2020-12-15 | 广州易来特自动驾驶科技有限公司 | 基于wifi和激光雷达的室内定位方法、定位装置和机器人 |
CN114102577B (zh) * | 2020-08-31 | 2023-05-30 | 北京极智嘉科技股份有限公司 | 一种机器人及应用于机器人的定位方法 |
CN114619441B (zh) * | 2020-12-10 | 2024-03-26 | 北京极智嘉科技股份有限公司 | 机器人、二维码位姿检测的方法 |
CN113050626B (zh) * | 2021-03-01 | 2023-04-11 | 苏州澜途科技有限公司 | 服务机器人物理禁区检测和全局重定位方法 |
CN113124872A (zh) * | 2021-03-30 | 2021-07-16 | 深圳市优必选科技股份有限公司 | 一种机器人定位导航方法、装置、终端设备及机器人 |
CN113510703B (zh) * | 2021-06-25 | 2022-09-16 | 深圳市优必选科技股份有限公司 | 机器人位姿的确定方法、装置、机器人及存储介质 |
CN114415664A (zh) * | 2021-12-16 | 2022-04-29 | 北京航天测控技术有限公司 | 一种机器人导航方法及装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI373629B (en) * | 2008-08-27 | 2012-10-01 | Mstar Semiconductor Inc | Radio frequency positioning system and method |
CN101644758B (zh) * | 2009-02-24 | 2011-12-28 | 中国科学院声学研究所 | 一种目标定位跟踪系统及方法 |
US8380362B2 (en) * | 2009-07-10 | 2013-02-19 | The Boeing Company | Systems and methods for remotely collaborative vehicles |
KR101868819B1 (ko) * | 2010-06-11 | 2018-06-19 | 스카이후크 와이어리스, 인크. | 무선 액세스 포인트의 비콘 안정도를 측정하기 위한 방법 및 시스템 |
US9316740B2 (en) * | 2010-12-13 | 2016-04-19 | Telecom Italia S.P.A. | Method and system for localizing mobile communications terminals |
CN102735235B (zh) * | 2012-06-07 | 2014-12-24 | 无锡普智联科高新技术有限公司 | 基于二维码的室内移动机器人定位系统 |
WO2014059374A1 (en) * | 2012-10-11 | 2014-04-17 | Imsi Design, Llc | Method for fine-tuning the physical position and orientation on an electronic device |
CN105953798B (zh) * | 2016-04-19 | 2018-09-18 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN105928505B (zh) * | 2016-04-19 | 2019-01-29 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
CN105931124A (zh) * | 2016-05-19 | 2016-09-07 | 中国地质大学(武汉) | 一种室内社交网络服务系统 |
CN106092104B (zh) * | 2016-08-26 | 2019-03-15 | 深圳微服机器人科技有限公司 | 一种室内机器人的重定位方法及装置 |
CN107621649A (zh) * | 2017-10-13 | 2018-01-23 | 武汉拓宝科技股份有限公司 | 一种低功耗定位系统极其定位方法 |
-
2018
- 2018-03-30 CN CN201810278791.2A patent/CN110319834B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110319834A (zh) | 2019-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110319834B (zh) | 一种室内机器人定位的方法及机器人 | |
CN109059902B (zh) | 相对位姿确定方法、装置、设备和介质 | |
JP6866439B2 (ja) | 位置検出方法とその装置、機器、記憶媒体及び車両 | |
TWI662388B (zh) | 機器人之避障控制系統及方法 | |
CN108732582B (zh) | 车辆定位方法和装置 | |
US11474204B2 (en) | Localization method and robot using the same | |
US20190202067A1 (en) | Method and device for localizing robot and robot | |
JP6349418B2 (ja) | 高精度単眼移動によるオブジェクト位置特定 | |
CN108638062B (zh) | 机器人定位方法、装置、定位设备及存储介质 | |
CN105737826B (zh) | 行人室内定位方法 | |
EP3624055B1 (en) | Ground detection method, apparatus, electronic device, vehicle and storage medium | |
CN108332752B (zh) | 机器人室内定位的方法及装置 | |
CN108876857B (zh) | 无人驾驶车辆的定位方法、系统、设备及存储介质 | |
CN107462249B (zh) | 一种基于rfid的室内定位方法、装置及系统 | |
WO2017066904A1 (en) | A navigation apparatus and associated methods | |
CN112581613A (zh) | 一种栅格地图的生成方法、系统、电子设备及存储介质 | |
Li et al. | An improved graph-based visual localization system for indoor mobile robot using newly designed markers | |
Mikulová et al. | Localization of mobile robot using visual system | |
WO2019183928A1 (zh) | 一种室内机器人定位的方法及机器人 | |
CN114255274A (zh) | 基于二维码识别的车辆定位方法、系统、设备及存储介质 | |
WO2024001083A1 (zh) | 一种定位方法、装置、设备和存储介质 | |
CN109489658B (zh) | 一种运动目标定位方法、装置及终端设备 | |
CN110631586A (zh) | 基于视觉slam的地图构建的方法、导航系统及装置 | |
Delibasis et al. | Real time indoor robot localization using a stationary fisheye camera | |
Sun et al. | Real-time monocular visual self-localization approach using natural circular landmarks for indoor navigation |
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 |