CN110824489A - 一种提高室内机器人位置精度的定位方法 - Google Patents

一种提高室内机器人位置精度的定位方法 Download PDF

Info

Publication number
CN110824489A
CN110824489A CN201911076105.4A CN201911076105A CN110824489A CN 110824489 A CN110824489 A CN 110824489A CN 201911076105 A CN201911076105 A CN 201911076105A CN 110824489 A CN110824489 A CN 110824489A
Authority
CN
China
Prior art keywords
map
point
theta
indoor robot
positioning method
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.)
Pending
Application number
CN201911076105.4A
Other languages
English (en)
Inventor
张钊
郑顺利
李春艳
孙勇
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.)
Boxin Mine Science And Technology (xuzhou) Co Ltd
Original Assignee
Boxin Mine Science And Technology (xuzhou) Co Ltd
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 Boxin Mine Science And Technology (xuzhou) Co Ltd filed Critical Boxin Mine Science And Technology (xuzhou) Co Ltd
Priority to CN201911076105.4A priority Critical patent/CN110824489A/zh
Publication of CN110824489A publication Critical patent/CN110824489A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种提高室内机器人位置精度的定位方法，由于粒子滤波依赖于采样粒子的数量，采样粒子数量的增加对于准确的定位建图有着重要的意义，但采样粒子较多时，因为需要不断地对每个点进行迭代更新，计算量过大，会导致实时性下降，本发明将激光雷达读取的数据进行进一步处理整合压缩，再进行粒子滤波时，调用GPU并行处理数据，并行最大程度提高多核处理器的运算能力，大大缩短计算时间的快速定位算法。

Description

一种提高室内机器人位置精度的定位方法
技术领域
本发明涉及一种提高室内机器人位置精度的定位方法。
背景技术
随着人工智能，自动化的进一步发展，对自主移动机器人的要求也越来越高。首先自主移动机器人必须具备环境探测，定位导航，路径规划，自主移动的能力，但是对于室内的环境，无法接受到GPS信号，要想实现准确的定位，必须依靠自身的传感器感知自身的状态和周围环境，再不断迭代更新周围的环境地图。
因此对于传感器的要求就很高，目前室内定位主流使用的是激光雷达，采用的算法是粒子滤波和拓展卡尔曼滤波，但拓展卡尔曼滤波忽略了高阶部分，当机器人探测范围增大，系统所需的计算量会随着地标数目的增多而明显增大，系统的实时性变差，但相对于粒子滤波来说，粒子滤波不局限于线性系统，能够应用于非高斯，非线性系统的系统，具有更高的鲁棒性和准确性，但是粒子滤波依赖于采样粒子的数量，采样粒子数量的增加对于准确的定位建图有着重要的意义，但采样粒子较多时，因为需要不断地对每个点进行迭代更新，计算量过大，会导致实时性下降。
发明内容
针对上述现有技术存在的问题，本发明提供一种提高室内机器人位置精度的定位方法，能有效解决上述问题。
为了实现上述目的，本发明采用的技术方案是：一种提高室内机器人位置精度的定位方法，具体步骤为：
步骤一：在进行初始化之前对每个地图点进行相对于初始位置的储存，储存形式(x,y,θ)，x为地图对应点的横坐标，y为地图对应点的纵坐标，θ为以x轴为基准的角度；
步骤二：然后将每个点进行初始化处理，按θ＝0的方向将地图分为多个网栅，每个网栅里的数值为与到障碍物点的距离成正比的公差为1的等差序列，即距离障碍物越近值越小，到达障碍物时值为0；
步骤三：只保留网栅中数值为0所对应的(x,y,θ)，存到一个索引表中；
步骤四：将索引表排序，构成地图的特征；
步骤五：在进行粒子滤波时，调用GPU对粒子运用光线投射算法(ray cast)构建地图模型，从而实现室内机器人位置定位。
其中，所述GPU为X86架构。
其中，所述初始位置的储存在CPU数据库中。
有益效果是：本发明将激光雷达读取的数据进行进一步处理整合压缩，再进行粒子滤波时，调用GPU并行处理数据，并行最大程度提高多核处理器的运算能力，大大缩短计算时间的快速定位算法。
附图说明
图1是本发明的工作流程图。
具体实施方式
下面将对本发明作进一步说明。
如图所示，一种提高室内机器人位置精度的定位方法，具体步骤为：
步骤一：在进行初始化之前对每个地图点进行相对于初始位置的储存，储存形式(x,y,θ)，x为地图对应点的横坐标，y为地图对应点的纵坐标，θ为以x轴为基准的角度；
步骤二：然后将每个点进行初始化处理，按θ＝0的方向将地图分为多个网栅，每个网栅里的数值为与到障碍物点的距离成正比的公差为1的等差序列，即距离障碍物越近值越小，到达障碍物时值为0；
步骤三：只保留网栅中数值为0所对应的(x,y,θ)，存到一个索引表中；
步骤四：将索引表排序，构成地图的特征；
步骤五：在进行粒子滤波时，调用GPU对粒子运用光线投射算法(ray cast)构建地图模型，从而实现室内机器人位置定位。
其中，所述GPU为X86架构。
其中，所述初始位置的储存在CPU数据库中。

Claims (3)

1.一种提高室内机器人位置精度的定位方法，其特征在于，具体步骤为：
步骤一：在进行初始化之前对每个地图点进行相对于初始位置的储存，储存形式(x,y,θ)，x为地图对应点的横坐标，y为地图对应点的纵坐标，θ为以x轴为基准的角度；
步骤二：然后将每个点进行初始化处理，按θ＝0的方向将地图分为多个网栅，每个网栅里的数值为与到障碍物点的距离成正比的公差为1的等差序列，即距离障碍物越近值越小，到达障碍物时值为0；
步骤三：只保留网栅中数值为0所对应的(x,y,θ)，存到一个索引表中；
步骤四：将索引表排序，构成地图的特征；
步骤五：在进行粒子滤波时，调用GPU对粒子运用光线投射算法(ray cast)构建地图模型，从而实现室内机器人位置定位。
2.根据权利要求1所述的一种提高室内机器人位置精度的定位方法，其特征在于，所述GPU为X86架构。
3.根据权利要求1所述的一种提高室内机器人位置精度的定位方法，其特征在于，所述初始位置的储存在CPU数据库中。
CN201911076105.4A 2019-11-06 2019-11-06 一种提高室内机器人位置精度的定位方法 Pending CN110824489A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911076105.4A CN110824489A (zh) 2019-11-06 2019-11-06 一种提高室内机器人位置精度的定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911076105.4A CN110824489A (zh) 2019-11-06 2019-11-06 一种提高室内机器人位置精度的定位方法

Publications (1)

Publication Number Publication Date
CN110824489A true CN110824489A (zh) 2020-02-21

Family

ID=69552876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911076105.4A Pending CN110824489A (zh) 2019-11-06 2019-11-06 一种提高室内机器人位置精度的定位方法

Country Status (1)

Country Link
CN (1) CN110824489A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070201A (zh) * 2020-08-26 2020-12-11 成都睿芯行科技有限公司 一种基于Gmapping提升建图速度的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105606102A (zh) * 2016-01-27 2016-05-25 中国地质大学（武汉） 一种基于格网模型的pdr室内定位方法及系统
CN107908185A (zh) * 2017-10-14 2018-04-13 北醒（北京）光子科技有限公司 一种机器人自主全局重定位方法及机器人
US20180172451A1 (en) * 2015-08-14 2018-06-21 Beijing Evolver Robotics Co., Ltd Method and system for mobile robot to self-establish map indoors
CN108564525A (zh) * 2018-03-31 2018-09-21 上海大学 一种基于多线激光雷达的3d点云2d化数据处理方法
CN109579849A (zh) * 2019-01-14 2019-04-05 浙江大华技术股份有限公司 机器人定位方法、装置和机器人及计算机存储介质
CN109885046A (zh) * 2019-01-18 2019-06-14 中国矿业大学 一种基于粒子滤波的移动机器人定位加速方法
CN109947118A (zh) * 2019-04-19 2019-06-28 南京大学 一种使用gpu加速的代价地图快速更新方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180172451A1 (en) * 2015-08-14 2018-06-21 Beijing Evolver Robotics Co., Ltd Method and system for mobile robot to self-establish map indoors
CN105606102A (zh) * 2016-01-27 2016-05-25 中国地质大学（武汉） 一种基于格网模型的pdr室内定位方法及系统
CN107908185A (zh) * 2017-10-14 2018-04-13 北醒（北京）光子科技有限公司 一种机器人自主全局重定位方法及机器人
CN108564525A (zh) * 2018-03-31 2018-09-21 上海大学 一种基于多线激光雷达的3d点云2d化数据处理方法
CN109579849A (zh) * 2019-01-14 2019-04-05 浙江大华技术股份有限公司 机器人定位方法、装置和机器人及计算机存储介质
CN109885046A (zh) * 2019-01-18 2019-06-14 中国矿业大学 一种基于粒子滤波的移动机器人定位加速方法
CN109947118A (zh) * 2019-04-19 2019-06-28 南京大学 一种使用gpu加速的代价地图快速更新方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
缪晓伟: "无人车自主定位与导航研究" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112070201A (zh) * 2020-08-26 2020-12-11 成都睿芯行科技有限公司 一种基于Gmapping提升建图速度的方法

Similar Documents

Publication Publication Date Title
US10875178B2 (en) Motion target direction angle obtaining method, apparatus and robot using the same
CN110209180B (zh) 一种基于HuberM-Cubature卡尔曼滤波的无人水下航行器目标跟踪方法
CN109885046B (zh) 一种基于粒子滤波的移动机器人定位加速方法
US12112645B2 (en) Unmanned aerial vehicle positioning method based on millimeter-wave radar
CN114061573B (zh) 地面无人车辆编队定位装置及方法
US11372414B2 (en) Robotic motion control method and apparatus and robot using the same
CN111707279A (zh) 一种激光点云与地图的匹配评价方法、介质、终端和装置
CN112731354A (zh) Agv上激光雷达位姿的自标定方法
CN112504261A (zh) 一种基于视觉锚点的无人机降落位姿滤波估计方法及系统
CN111765879A (zh) 一种三维电子罗盘装置及实用校准方法
CN110824489A (zh) 一种提高室内机器人位置精度的定位方法
CN113934225A (zh) 一种基于全覆盖路径的植保无人机航线规划方法
CN115561719A (zh) 多雷达安装角度的标定方法、存储介质及电子设备
CN109917373B (zh) 运动补偿搜索的动平台雷达的动态规划检测前跟踪方法
CN113252023A (zh) 基于里程计的定位方法、装置及设备
CN116805047A (zh) 多传感器融合定位的不确定性表达方法、装置及电子设备
CN114777757A (zh) 信标地图构建方法、装置、设备及存储介质
CN115453549A (zh) 一种基于二维激光雷达的环境直角点坐标角度的提取方法
CN114460537A (zh) 一种模型调整的方法及装置
CN108960738B (zh) 一种仓库通道环境下的激光雷达数据聚类方法
CN107588773A (zh) 一种基于航位推算与测距信息的多节点协同导航方法
CN111488419A (zh) 室内机器人地图的创建方法、装置、电子设备和存储介质
CN110595480A (zh) 一种导航方法、装置、设备和存储介质
CN118776552A (zh) 用于机器人室内外多传感器少参数的位姿优化方法、定位方法
CN117788915A (zh) 基于点云数据的监测区域形变分析方法、装置及存储介质

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200221

WD01 Invention patent application deemed withdrawn after publication