CN110763232A - 一种机器人及其导航定位方法和装置 - Google Patents

一种机器人及其导航定位方法和装置 Download PDF

Info

Publication number
CN110763232A
CN110763232A CN201810828741.7A CN201810828741A CN110763232A CN 110763232 A CN110763232 A CN 110763232A CN 201810828741 A CN201810828741 A CN 201810828741A CN 110763232 A CN110763232 A CN 110763232A
Authority
CN
China
Prior art keywords
image
radar
depth
color
database
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
Application number
CN201810828741.7A
Other languages
English (en)
Other versions
CN110763232B (zh
Inventor
熊友军
张木森
黄祥斌
聂鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Youbihang Technology Co ltd
Ubtech Robotics Corp
Original Assignee
Ubtech Robotics Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ubtech Robotics Corp filed Critical Ubtech Robotics Corp
Priority to CN201810828741.7A priority Critical patent/CN110763232B/zh
Publication of CN110763232A publication Critical patent/CN110763232A/zh
Application granted granted Critical
Publication of CN110763232B publication Critical patent/CN110763232B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments for performing navigational calculations
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88Lidar systems specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种机器人的导航定位方法包括:建立图像数据库,获取坐标与雷达图像以及坐标与彩色图像和/或深度图像的对应关系;检测当前的雷达图像与图像数据库中的雷达图像的匹配度是否小于预定的阈值;如果小于预定的阈值,则开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和将获取的深度图像与图像数据库中的深度图像进行匹配定位。从而使得整个导航定位过程中,即可以提高整个导航定位的精度,又可以有效的解决机器人定位漂移问题。

Description

一种机器人及其导航定位方法和装置
技术领域
本申请属于智能机器人领域,尤其涉及一种机器人及其导航定位方法和装置。
背景技术
将导航技术应用于移动机器人后,可以实现巡逻、游览带路等功能,或者在机器人电量较低时,实现机器人自动回到充电位置。比如商用场景中为了实现机器人全自动工作流程为:在电量低于设定值,需要进行自动回充,回充过程中为了避免电池过热并且延长电池寿命,开始回充后会关机,当电池充满以后机器人自动开机上岗工作。
为了实现自动回充的功能,机器人的导航功能的导航效率、准确性至关重要。为了实现导航功能,一般使用的传感器包括:激光雷达、彩色摄像头、深度摄像头等。通过激光雷达获取的数据的准确性高,但数据量较少;彩色摄像头获取的信息量大,但计算和理论要求高,且黑暗环境中无法使用;深度摄像头相对于激光雷达,所获取的数据量也较大,但准确度较低。
目前,商用机器人主要采用激光雷达进行导航,深度数据用来做立体避障。但是由于雷达数据量小,所以对环境依赖程度高,例如:环境特征相似或环境特征改变对以激光雷达为基础的导航系统产生较为严重的影响,比如在环境相似点太多的场景下,或者环境变化较大的场景下,以及人流量较大的场景下,容易使得导航系统无法进行准确、高效的导航定位。
发明内容
有鉴于此,本申请实施例提供了一种机器人及其导航定位方法和装置,以解决现有技术中的问题。
本申请实施例的第一方面提供了一种机器人的导航定位方法,所述机器人的导航定位方法包括:
建立图像数据库,获取坐标与雷达图像以及坐标与彩色图像和/或深度图像的对应关系;
检测当前的雷达图像与图像数据库中的雷达图像的匹配度是否小于预定的阈值;
如果当前的雷达图像与图像数据库中的雷达图像的匹配度小于预定的阈值,则开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位。
结合第一方面,在第一方面的第一种可能实现方式中,所述建立图像数据库,获取坐标与雷达图像以及坐标与彩色图像和/或深度图像的对应关系的步骤包括:
开启彩色摄像头获取彩色图像,开启深度摄像头获取深度图像,以及开启雷达获取雷达图像;
计算所述彩色图像对应的坐标、深度图像对应的坐标以及雷达图像对应的坐标;
通过所述雷达图像对应的坐标,修正所述彩色图像对应的坐标,以及深度图像对应的坐标。
结合第一方面,在第一方面的第二种可能实现方式中,在所述开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位的步骤之后,所述方法还包括:
如果所述彩色图像和所述图像数据库中的彩色图像的匹配度小于预定值,和/或,所述深度图像和所述图像数据库中的深度图像的匹配度小于预定值,则停止机器人导航。
结合第一方面,在第一方面的第三种可能实现方式中,在所述开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位的步骤之后,所述方法还包括:
当重新检测到雷达获取的雷达图像与图像数据库的雷达图像的匹配度大于预定值时,通过所述图像进行匹配定位。
结合第一方面、第一方面的第一种可能实现方式、第一方面的第二种可能实现方式或第一方面的第三种可能实现方式,在第一方面的第四种可能实现方式中,所述彩色图像摄像头设置在机器人头顶方向。
本申请实施例的第二方面提供了一种机器人的导航定位装置,所述机器人的导航定位装置包括:
建图单元,用于建立图像数据库,获取坐标与雷达图像以及坐标与彩色图像和/或深度图像的对应关系;
雷达检测单元,用于检测当前的雷达图像与图像数据库中的雷达图像的匹配度是否小于预定的阈值;
摄像头检测单元,用于如果当前的雷达图像与图像数据库中的雷达图像的匹配度小于预定的阈值,则开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位。
结合第二方面,在第二方面的第一种可能实现方式中,所述建图单元包括:
图像获取子单元,用于开启彩色摄像头获取彩色图像,开启深度摄像头获取深度图像,以及开启雷达获取雷达图像;
坐标对应关系建立子单元,用于计算所述彩色图像对应的坐标、深度图像对应的坐标以及雷达图像对应的坐标;
修正子单元,用于通过所述雷达图像对应的坐标,修正所述彩色图像对应的坐标,以及深度图像对应的坐标。
结合第二方面,在第二方面的第二种可能实现方式中,所述装置还包括:
停止导航单元,用于如果所述彩色图像和所述图像数据库中的彩色图像的匹配度小于预定值,和/或,所述深度图像和所述图像数据库中的深度图像的匹配度小于预定值,则停止机器人导航。
本申请实施例的第三方面提供了一种机器人,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第一方面任一项所述机器人的导航定位方法的步骤。
本申请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第一方面任一项所述机器人的导航定位方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:通过建立图像数据库,获取图像与坐标的对应关系,当机器人导航定位时,首先判断雷达图像的匹配度是否满足预定的要求,如果可以,则通过雷达图像进行定位,有利于保证定位的精度,减少定位的计算量,当雷达图像的匹配度不满足要求时,则通过彩色图像和/或深度图像进行匹配定位,从而使得整个导航定位过程中,即可以提高整个导航定位的精度,又可以有效的解决机器人定位漂移问题。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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是本申请实施例提供的机器人的传感设备的安装示意图;
图2是本申请实施例提供的一种机器人的导航定位方法的实现流程示意图;
图3是本申请实施例提供的一种获取图像与坐标的对应关系的实现流程示意图;
图4是本申请实施例提供的机器人的导航定位装置的示意图;
图5是本申请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,以便透彻理解本申请实施例。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申请。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申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
如图1所示,本申请实施例所述的机器人,可以包括三个传感设备,分别为彩色图像摄像头、深度图像摄像头以及激光雷达。所述彩色图像摄像头设置在机器人的头顶位置,可以通过所述安装位置对天花板的彩色图像进行采集。所述深度图像摄像头可以安装在所述机器人的腰部,即为图示的腰部摄像头。通过机器人旋转,可以获取机器人周围的深度图像。所述激光雷达安装在机器人的下部,可以采集机器人周围的雷达图像。
其中,所采集到的准确性高,但数据量较少;彩色摄像头获取的彩色图像的信息量大,但是计算较为复杂,且黑暗环境中无法使用;深度摄像头采集的深度图像的数据量也较大,准确度较低。为了有效的克服机器人因环境的改变,或者环境相似点过多容易导致机器人导航定位不准确的缺陷,本申请提出了一种机器人导航定位方法,通过视觉辅助机器人定位,所述机器人导航定位方法的实现流程如图2所示,包括:
在步骤S201中,建立图像数据库,获取坐标与雷达图像以及坐标与彩色图像和/或深度图像的对应关系;
具体的,本申请所述图像数据库,可以通过开启机器人激光雷达和彩色摄像头分别获取雷达数据(或雷达图像)和彩色图像,或者通过开启机器激光雷达和深度摄像头分别获取雷达数据(或雷达图像)和深度图像,或者,通过开启机器激光雷达、彩色摄像头和深度摄像头分别获取雷达数据(或雷达图像)、彩色图像和深度图像。
在获取到雷达图像、彩色图像或深度图像后,可以根据获取的图像内容,对机器人坐标进行计算。另外,由于雷达图像具有定位精度高的特征,本申请可以通过雷达图像计算的坐标的对应关系,对彩色图像计算的坐标的对应关系,或者对深度图像计算的对应关系进行修正,从而得到更为准确的坐标对应关系。具体可以包括如图3所示的以下步骤:
在步骤S301中,开启彩色摄像头获取彩色图像,开启深度摄像头获取深度图像,以及开启雷达获取雷达图像;
为了建立图像数据库,需要获取雷达图像、深度图像和彩色图像,因此,在建图时,需要开户相应的传感设备,包括如雷达、摄像头等。
在步骤S302中,计算所述彩色图像对应的坐标、深度图像对应的坐标以及雷达图像对应的坐标;
在进行建图时,即建立图像(包括雷达图像、深度图像和彩色图像)与坐标的对应关系时,可以分别以起始点的坐标为计算基础,通过图像的变化,来计算和确定当前图像所对应的坐标,从而得到坐标与图像的对应关系。
在步骤S303中,通过所述雷达图像对应的坐标,修正所述彩色图像对应的坐标,以及深度图像对应的坐标。
为了提高坐标与图像的对应关系的准确性,在机器人建图时,对于处于同一位置计算得到多个坐标时,通过所述雷达计算的坐标来修正由彩色图像和深度图像所对应的坐标,从而提高坐标的精度。
在步骤S202中,检测当前的雷达图像与图像数据库中的雷达图像的匹配度是否小于预定的阈值;
在机器人导航定位时,实时获取由雷达采集的雷达图像,并将采集的雷达图像与图像数据库中的雷达图像进行匹配,确定两者的匹配度。所述匹配度可以通过图像中携带的特征信息的吻合度来进行计算和判断。
如果当前的雷达图像与图像数据库中的雷达图像的匹配度大于预定的阈值,则表示当前的雷达所采集的图像能够可信的确定坐标,可以由雷达可靠的完成对机器人导航定位。
所述预定的阈值可以为50%。
在步骤S203中,如果当前的雷达图像与图像数据库中的雷达图像的匹配度小于预定的阈值,则开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位。
如果当前的雷达图像与图像数据库中的雷达图像的匹配度小于预定的阈值,则表示当前的雷达图像不能可靠的进行定位,为了避免机器人出现漂移的问题,本申请通过开户摄像头采集当前的彩色图像和/或深度图像,将彩色图像和/或深度图像进行匹配,由彩色图像和/或深度图像确定机器人的当前坐标。
特别是在彩色图像和深度图像与坐标的对应关系是在雷达图像的坐标进行修正后,使得在雷达图像不可用时,仍然可以得到准备的定位数据。
在可选的实施场景中,如果所述彩色图像和所述图像数据库中的彩色图像的匹配度小于预定值,和/或,所述深度图像和所述图像数据库中的深度图像的匹配度小于预定值,则停止机器人导航。即彩色图像的定位不可信,以及深度图像的定位不可信时,则可停止机器人的移动,避免机器人误定位,出现机器人移动危险。
或者,在机器人移动过程中,雷达一直不间断的获取雷达图像,如果检测到所获取的雷达图像与图像数据库中的雷达图像的匹配度大于预定值,则可切换至雷达定位,获取由雷达图像所确定的坐标,对机器人进行导航定位。
另外,在本申请中,作为进一步提高定位精度的方法中,所述彩色摄像头可以设置在机器人的顶部,通过采集机器人顶部上方的图像,从而使得采集的图像的内容更加广泛,在机器人四周环境发生变化的时候,仍然可以通过变化机率较小的顶部图像确定机器人的坐标,生成通过获取更为可靠的导航图像,完成对机器人的精准导航定位。
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,而不应对本申请实施例的实施过程构成任何限定。
图4为本申请实施例提供的一种机器人的导航定位装置的结构示意图,详述如下:
所述机器人的导航定位装置,包括:
建图单元401,用于建立图像数据库,获取坐标与雷达图像以及坐标与彩色图像和/或深度图像的对应关系;
雷达检测单元402,用于检测当前的雷达图像与图像数据库中的雷达图像的匹配度是否小于预定的阈值;
摄像头检测单元403,用于如果当前的雷达图像与图像数据库中的雷达图像的匹配度小于预定的阈值,则开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位。
优选的,所述建图单元包括:
图像获取子单元,用于开启彩色摄像头获取彩色图像,开启深度摄像头获取深度图像,以及开启雷达获取雷达图像;
坐标对应关系建立子单元,用于计算所述彩色图像对应的坐标、深度图像对应的坐标以及雷达图像对应的坐标;
修正子单元,用于通过所述雷达图像对应的坐标,修正所述彩色图像对应的坐标,以及深度图像对应的坐标。
优选的,所述装置还包括:
停止导航单元,用于如果所述彩色图像和所述图像数据库中的彩色图像的匹配度小于预定值,和/或,所述深度图像和所述图像数据库中的深度图像的匹配度小于预定值,则停止机器人导航。
图4所述机器人的导航定位装置,与图2-3所述的机器人的导航定位方法对应。
图5是本申请一实施例提供的机器人的示意图。如图5所示,该实施例的机器人5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如机器人的导航定位程序。所述处理器50执行所述计算机程序52时实现上述各个机器人的导航定位方法实施例中的步骤,例如图2所示的步骤201至203。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块401至403的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述机器人5中的执行过程。例如,所述计算机程序52可以被分割成建图单元、雷达检测单元和摄像头检测单元,各单元具体功能如下:
建图单元,用于建立图像数据库,获取坐标与雷达图像以及坐标与彩色图像和/或深度图像的对应关系;
雷达检测单元,用于检测当前的雷达图像与图像数据库中的雷达图像的匹配度是否小于预定的阈值;
摄像头检测单元,用于如果当前的雷达图像与图像数据库中的雷达图像的匹配度小于预定的阈值,则开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位。
所述机器人可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是机器人5的示例,并不构成对机器人5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述机器人还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal 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。
所述存储器51可以是所述机器人5的内部存储单元,例如机器人5的硬盘或内存。所述存储器51也可以是所述机器人5的外部存储设备,例如所述机器人5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,所述存储器51还可以既包括所述机器人5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述机器人所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
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,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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、或者计算机软件和电子硬件的结合来实现。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申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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实施例方案的目的。
另外,在本申请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。
所述集成的模块/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,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。

Claims (10)

1.一种机器人的导航定位方法,其特征在于,所述机器人的导航定位方法包括:
建立图像数据库,获取坐标与雷达图像以及坐标与彩色图像和/或深度图像的对应关系;
检测当前的雷达图像与图像数据库中的雷达图像的匹配度是否小于预定的阈值;
如果当前的雷达图像与图像数据库中的雷达图像的匹配度小于预定的阈值,则开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位。
2.根据权利要求1所述的机器人的导航定位方法,其特征在于,所述建立图像数据库,获取坐标与雷达图像以及坐标与彩色图像和/或深度图像的对应关系的步骤包括:
开启彩色摄像头获取彩色图像,开启深度摄像头获取深度图像,以及开启雷达获取雷达图像;
计算所述彩色图像对应的坐标、深度图像对应的坐标以及雷达图像对应的坐标;
通过所述雷达图像对应的坐标,修正所述彩色图像对应的坐标,以及深度图像对应的坐标。
3.根据权利要求1所述的机器人的导航定位方法,其特征在于,在所述开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位的步骤之后,所述方法还包括:
如果所述彩色图像和所述图像数据库中的彩色图像的匹配度小于预定值,和/或,所述深度图像和所述图像数据库中的深度图像的匹配度小于预定值,则停止机器人导航。
4.根据权利要求1所述的机器人的导航定位方法,其特征在于,在所述开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位的步骤之后,所述方法还包括:
当重新检测到雷达获取的雷达图像与图像数据库的雷达图像的匹配度大于预定值时,通过所述图像进行匹配定位。
5.根据权利要求1-4任一项所述的机器人的导航定位方法,其特征在于,所述彩色图像摄像头设置在机器人头顶方向。
6.一种机器人的导航定位装置,其特征在于,所述机器人的导航定位装置包括:
建图单元,用于建立图像数据库,获取坐标与雷达图像以及坐标与彩色图像和/或深度图像的对应关系;
雷达检测单元,用于检测当前的雷达图像与图像数据库中的雷达图像的匹配度是否小于预定的阈值;
摄像头检测单元,用于如果当前的雷达图像与图像数据库中的雷达图像的匹配度小于预定的阈值,则开启彩色图像摄像头和/或深度图像摄像头,将获取的彩色图像与图像数据库中的彩色图像进行匹配定位,和/或,将获取的深度图像与图像数据库中的深度图像进行匹配定位。
7.根据权利要求6所述的机器人的导航定位装置,其特征在于,所述建图单元包括:
图像获取子单元,用于开启彩色摄像头获取彩色图像,开启深度摄像头获取深度图像,以及开启雷达获取雷达图像;
坐标对应关系建立子单元,用于计算所述彩色图像对应的坐标、深度图像对应的坐标以及雷达图像对应的坐标;
修正子单元,用于通过所述雷达图像对应的坐标,修正所述彩色图像对应的坐标,以及深度图像对应的坐标。
8.根据权利要求6所述的机器人的导航定位装置,其特征在于,所述装置还包括:
停止导航单元,用于如果所述彩色图像和所述图像数据库中的彩色图像的匹配度小于预定值,和/或,所述深度图像和所述图像数据库中的深度图像的匹配度小于预定值,则停止机器人导航。
9.一种机器人,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5任一项所述机器人的导航定位方法的步骤。
10.一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5任一项所述机器人的导航定位方法的步骤。
CN201810828741.7A 2018-07-25 2018-07-25 一种机器人及其导航定位方法和装置 Active CN110763232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810828741.7A CN110763232B (zh) 2018-07-25 2018-07-25 一种机器人及其导航定位方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810828741.7A CN110763232B (zh) 2018-07-25 2018-07-25 一种机器人及其导航定位方法和装置

Publications (2)

Publication Number Publication Date
CN110763232A true CN110763232A (zh) 2020-02-07
CN110763232B CN110763232B (zh) 2021-06-29

Family

ID=69328193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810828741.7A Active CN110763232B (zh) 2018-07-25 2018-07-25 一种机器人及其导航定位方法和装置

Country Status (1)

Country Link
CN (1) CN110763232B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308925A (zh) * 2013-05-31 2013-09-18 中国科学院合肥物质科学研究院 一种一体化三维彩色激光雷达数据点云产生方法及其装置
CN103644894A (zh) * 2013-12-10 2014-03-19 大连交通大学 一种复杂曲面目标识别及三维位姿测量的方法
US20140219547A1 (en) * 2013-02-01 2014-08-07 Mitsubishi Electric Research Laboratories, Inc Method for Increasing Resolutions of Depth Images
US8942917B2 (en) * 2011-02-14 2015-01-27 Microsoft Corporation Change invariant scene recognition by an agent
CN105318881A (zh) * 2014-07-07 2016-02-10 腾讯科技(深圳)有限公司 地图导航方法、装置及系统
CN106940186A (zh) * 2017-02-16 2017-07-11 华中科技大学 一种机器人自主定位与导航方法及系统
CN107990893A (zh) * 2017-11-24 2018-05-04 南京航空航天大学 二维激光雷达slam中探测环境发生突变的检测方法
CN108297115A (zh) * 2018-02-02 2018-07-20 弗徕威智能机器人科技(上海)有限公司 一种机器人的自主重定位方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8942917B2 (en) * 2011-02-14 2015-01-27 Microsoft Corporation Change invariant scene recognition by an agent
US20140219547A1 (en) * 2013-02-01 2014-08-07 Mitsubishi Electric Research Laboratories, Inc Method for Increasing Resolutions of Depth Images
CN103308925A (zh) * 2013-05-31 2013-09-18 中国科学院合肥物质科学研究院 一种一体化三维彩色激光雷达数据点云产生方法及其装置
CN103644894A (zh) * 2013-12-10 2014-03-19 大连交通大学 一种复杂曲面目标识别及三维位姿测量的方法
CN105318881A (zh) * 2014-07-07 2016-02-10 腾讯科技(深圳)有限公司 地图导航方法、装置及系统
CN106940186A (zh) * 2017-02-16 2017-07-11 华中科技大学 一种机器人自主定位与导航方法及系统
CN107990893A (zh) * 2017-11-24 2018-05-04 南京航空航天大学 二维激光雷达slam中探测环境发生突变的检测方法
CN108297115A (zh) * 2018-02-02 2018-07-20 弗徕威智能机器人科技(上海)有限公司 一种机器人的自主重定位方法

Also Published As

Publication number Publication date
CN110763232B (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN108845574B (zh) 目标识别与追踪方法、装置、设备及介质
CN110850872A (zh) 机器人巡检方法、装置、计算机可读存储介质及机器人
CN108318043B (zh) 用于更新电子地图的方法、装置和计算机可读存储介质
CN110936383B (zh) 一种机器人的障碍物避让方法、介质、终端和装置
CN110530372B (zh) 定位方法、路径确定方法、装置、机器人及存储介质
CN113657224B (zh) 车路协同中用于确定对象状态的方法、装置、设备
JP2019537023A (ja) 測位方法及び装置
CN110793512A (zh) 位姿识别方法、装置、电子设备和存储介质
CN111381586A (zh) 一种机器人及其移动控制方法和装置
CN110850859B (zh) 一种机器人及其避障方法和避障系统
CN112595323A (zh) 机器人及其建图方法和装置
CN111123912B (zh) 行车定位坐标的标定方法和装置
LU500407B1 (en) Real-time positioning method for inspection robot
CN110597249B (zh) 一种机器人及其回充定位方法和装置
US20190331767A1 (en) Charging station identifying method, device, and robot
JP2019191145A (ja) 充電台の識別方法、装置、ロボット及びコンピュータ読取可能な記憶媒体
CN113989766A (zh) 道路边缘检测方法、应用于车辆的道路边缘检测设备
CN113907645A (zh) 移动机器人的定位方法及装置、存储介质及电子装置
CN111380515A (zh) 定位方法及装置、存储介质、电子装置
US11034028B2 (en) Pose determining method for mobile robot and apparatus and mobile robot thereof
CN110763232B (zh) 一种机器人及其导航定位方法和装置
CN112415524A (zh) 机器人及其定位导航方法和装置
CN110737276A (zh) 预警方法、巡逻机器人及计算机可读存储介质
CN111157012B (zh) 一种机器人导航方法、装置、可读存储介质及机器人
CN108416305B (zh) 连续型道路分割物的位姿估计方法、装置及终端

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 518000 16th and 22nd Floors, C1 Building, Nanshan Zhiyuan, 1001 Xueyuan Avenue, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Youbixuan Technology Co.,Ltd.

Address before: 518000 16th and 22nd Floors, C1 Building, Nanshan Zhiyuan, 1001 Xueyuan Avenue, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: Shenzhen Youbixuan Technology Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220125

Address after: 518000 16th and 22nd Floors, C1 Building, Nanshan Zhiyuan, 1001 Xueyuan Avenue, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Youbixuan Technology Co.,Ltd.

Patentee after: Shenzhen youbihang Technology Co.,Ltd.

Address before: 518000 16th and 22nd Floors, C1 Building, Nanshan Zhiyuan, 1001 Xueyuan Avenue, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: Shenzhen Youbixuan Technology Co.,Ltd.