CN110858076A - 一种设备定位、栅格地图构建方法及移动机器人 - Google Patents

一种设备定位、栅格地图构建方法及移动机器人 Download PDF

Info

Publication number
CN110858076A
CN110858076A CN201810962026.2A CN201810962026A CN110858076A CN 110858076 A CN110858076 A CN 110858076A CN 201810962026 A CN201810962026 A CN 201810962026A CN 110858076 A CN110858076 A CN 110858076A
Authority
CN
China
Prior art keywords
grid
probability
pose
endpoint
mobile robot
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
CN201810962026.2A
Other languages
English (en)
Other versions
CN110858076B (zh
Inventor
余冬冬
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.)
Hangzhou Hikrobot Technology Co Ltd
Original Assignee
Hangzhou Hikrobot Technology 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 Hangzhou Hikrobot Technology Co Ltd filed Critical Hangzhou Hikrobot Technology Co Ltd
Priority to CN201810962026.2A priority Critical patent/CN110858076B/zh
Publication of CN110858076A publication Critical patent/CN110858076A/zh
Application granted granted Critical
Publication of CN110858076B publication Critical patent/CN110858076B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors

Landscapes

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

Abstract

本申请实施例提供了一种设备定位、栅格地图构建方法及移动机器人。该设备定位方法包括：获取当前时刻移动机器人发射的激光束的激光数据；确定所述移动机器人当前时刻的第一位姿，根据激光数据和所述第一位姿，确定激光束的末端点在第一栅格地图中的第一端点位置；根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿。第一栅格地图包括：障碍物边界所在的障碍物栅格以及障碍物栅格周边预设范围内的周边栅格与该障碍物栅格之间的距离值。应用本申请实施例提供的方案，能够提高设备定位时的运算效率。

Description

一种设备定位、栅格地图构建方法及移动机器人
技术领域
本申请涉及机器人技术领域，特别是涉及一种设备定位、栅格地图构建方法及移动机器人。
背景技术
同步定位与地图构建(Simultaneous Localization And Mapping，SLAM)也称为即时定位与地图构建。该技术解决的问题可以描述为：移动机器人在未知环境中从一个未知位置开始移动，是否有办法让移动机器人根据位姿估计和地图进行自身位姿的定位，同时在自身位姿定位的基础上逐步描绘出此环境完全的地图。移动机器人的位姿包括移动机器人的位置坐标和朝向信息。例如，扫地机器人的移动就是一个很典型的SLAM问题。所谓完全的地图是指不受障碍、行进到房间可进入的每个角落的地图。
移动机器人可以向四周的设定方向发射激光束，激光束打在障碍物上之后会反射回来，被移动机器人上的激光传感器检测到，从而激光传感器可以采集到激光束行进的距离。
相关技术中，当移动机器人移动至一个未知位置后，可以发射激光束并获得激光束的激光数据，如激光束行进的距离。为了定位出移动机器人在当前时刻的位姿，可以基于上一时刻移动机器人的位姿以及上一时刻构建的地图，采用粒子滤波的方式确定当前时刻的位姿。即将当前时刻的位姿采用粒子表示，将粒子散布于上一时刻的位姿周围。基于上一时刻移动机器人的位姿以及上一时刻激光束的激光数据，可以获取移动机器人距离场景中各障碍物的距离，作为测量范围数据。在当前时刻，针对每个粒子，假设移动机器人处于该粒子所表示的位姿时，基于上一时刻构建的地图计算移动机器人理论上距离场景中各障碍物的距离，作为理论范围数据。比较测量范围数据与理论范围数据的相似程度，以确定该粒子的位姿是移动机器人实际位姿的置信度。基于多个粒子各自的置信度，对多个粒子的位姿进行重采样，并将重采样结果作为当前时刻移动机器人的实际位姿。
采用上述定位方式能够确定移动机器人的位姿，但是其效率和精度很大程度由粒子的数量决定，即粒子越多精度越高但是运算效率越低。在精度达到要求时，运算效率较低。
发明内容
本申请实施例的目的在于提供了一种设备定位、栅格地图构建方法及移动机器人，提高设备定位时的运算效率。
第一方面，本申请实施例提供了一种设备定位方法，所述方法包括：
获取当前时刻移动机器人发射的激光束的激光数据；
确定所述移动机器人当前时刻的第一位姿，针对所述第一位姿执行以下处理：
根据所述激光数据和所述第一位姿，确定所述激光束的末端点在第一栅格地图中的第一端点位置；所述第一栅格地图包括：障碍物边界所在的障碍物栅格以及障碍物栅格周边预设范围内的周边栅格与该障碍物栅格之间的距离值；
根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
可选的，所述根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿的步骤，包括：
基于所述周边栅格与对应障碍物栅格之间的距离值，对所述第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值；
当所述总距离值大于预设距离阈值时，根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
可选的，所述方法还包括：
当所述总距离值小于预设距离阈值时，将所述第一位姿确定为对所述移动机器人当前时刻的初步定位结果。
可选的，在根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿之后，所述方法还包括：
针对更新后的所述第一位姿，返回继续执行所述处理。
可选的，所述基于所述周边栅格与对应障碍物栅格之间的距离值，对所述第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值的步骤，包括：
从所述第一端点位置中筛选出第二端点位置，所述第二端点位置所在的栅格为障碍物栅格或周边栅格；
对所述第二端点位置距离最近障碍物栅格的距离值进行累加得到总距离值；
所述根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿的步骤，包括：
根据所述第二端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
可选的，所述根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿，包括：
根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格之间的第一梯度方向和距离，更新所述第一位姿；其中，所述第一梯度方向为：从所述第一端点位置到对应最近障碍物栅格的有向线段的方向。
可选的，在将所述第一位姿确定为对所述移动机器人当前时刻的初步定位结果之后，还包括：
将所述初步定位结果作为所述移动机器人当前时刻的第二位姿的初始值，针对所述第二位姿执行如下操作：
根据所述激光数据和所述第二位姿，确定所述激光束的末端点在所述第一栅格地图中的第三端点位置；
确定所述第三端点位置所在栅格在上一时刻的概率，所述概率用于表示栅格被障碍物占用的可能性；
根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿。
可选的，在根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿之前，所述方法还包括：
对所述第三端点位置所在栅格在上一时刻的概率进行累加，得到总概率；
所述根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿的步骤，包括：
当所述总概率小于预设概率阈值时，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿。
可选的，所述方法还包括：
当所述总概率大于预设概率阈值时，将所述第二位姿确定为对所述移动机器人当前时刻的精确定位结果。
可选的，在根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿之后，所述方法还包括：
针对更新后的所述第二位姿，返回继续执行所述操作。
可选的，所述根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿，包括：
根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格之间的第二梯度方向和距离，更新所述第二位姿；其中，所述第二梯度方向为：从所述第三端点位置到该第三端点位置周围指定范围内概率最大的栅格的有向线段的方向。
可选的，所述确定所述第三端点位置所在栅格在上一时刻的概率，包括：
从存储的所述上一时刻的第二栅格地图中确定所述第三端点位置所在栅格在上一时刻的概率；其中，所述第二栅格地图包括栅格的概率，所述第二栅格地图的栅格与所述第一栅格地图的栅格一一对应。
第二方面，本申请实施例提供了一种栅格地图构建方法，所述方法包括：
获取当前时刻的上一时刻所确定的第一栅格地图；
根据当前时刻移动机器人发射的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率；所述概率用于表示栅格被障碍物占用的可能性；
根据第一栅格地图中的栅格在当前时刻的概率，确定当前时刻所探测到的障碍物边界所在的障碍物栅格，将当前时刻所确定的障碍物栅格周边预设范围内的栅格确定为该障碍物栅格的周边栅格，并确定周边栅格与对应的障碍物栅格之间的距离值；
将当前时刻所确定的所述障碍物栅格、所述周边栅格以及所述距离值，更新至上一时刻的第一栅格地图中，得到当前时刻的第一栅格地图。
可选的，所述根据当前时刻移动机器人发射的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率的步骤，包括：
根据当前时刻移动机器人发送的激光束的激光数据和当前时刻所述移动机器人的位姿，确定所述激光束在所述第一栅格地图中经过的路径栅格；
根据当前时刻的上一时刻所确定的第二栅格地图，确定所述路径栅格在上一时刻的概率；其中，所述第二栅格地图包括栅格的概率，所述第二栅格地图的栅格与所述第一栅格地图的栅格一一对应；
对所述路径栅格在上一时刻的概率进行更新，得到所述路径栅格在当前时刻的概率；
将所述路径栅格在当前时刻的概率更新至上一时刻所确定的第二栅格地图中，得到当前时刻的第二栅格地图，将当前时刻的第二栅格地图中栅格的概率作为第一栅格地图中的栅格在当前时刻的概率。
可选的，所述对所述路径栅格在上一时刻的概率进行更新，得到所述路径栅格在当前时刻的概率的步骤，包括：
当所述路径栅格为激光束的末端点所在的栅格时，对所述路径栅格在上一时刻的概率增加第一预设值，得到所述路径栅格在当前时刻的概率；
当所述路径栅格不为激光束的末端点所在的栅格时，对所述路径栅格在上一时刻的概率减少第二预设值，得到所述路径栅格在当前时刻的概率。
第三方面，本申请实施例提供了一种移动机器人，该移动机器人包括：处理器、激光发射器和激光传感器；
所述激光发射器，用于发射激光束；
所述激光传感器，用于采集所述激光发射器发射的激光束的激光数据；
所述处理器，用于获取当前时刻所述激光传感器采集的激光束的激光数据；确定所述移动机器人当前时刻的第一位姿，针对所述第一位姿执行如下处理：根据所述激光数据和所述第一位姿，确定所述激光束的末端点在第一栅格地图中的第一端点位置，根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿；
其中，所述第一栅格地图包括：障碍物边界所在的障碍物栅格以及每个障碍物栅格周边预设范围内的各个周边栅格与该障碍物栅格之间的距离值。
可选的，所述处理器，根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿时，包括：
基于所述周边栅格与对应障碍物栅格之间的距离值，对所述第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值；
当所述总距离值大于预设距离阈值时，根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
可选的，所述处理器还用于：
当所述总距离值小于预设距离阈值时，将所述第一位姿确定为对所述移动机器人当前时刻的初步定位结果。
可选的，所述处理器还用于：
在根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿之后，针对更新后的所述第一位姿，返回继续执行所述处理。
可选的，所述处理器，基于所述周边栅格与对应障碍物栅格之间的距离值，对所述第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值时，包括：
从所述第一端点位置中筛选出第二端点位置，对所述第二端点位置距离最近障碍物栅格的距离值进行累加得到总距离值；所述第二端点位置所在的栅格为障碍物栅格或周边栅格；
所述处理器，根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿时，包括：
根据所述第二端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
可选的，所述处理器，根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿时，包括：
根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格之间的第一梯度方向和距离，更新所述第一位姿；其中，所述第一梯度方向为：从所述第一端点位置到对应最近障碍物栅格的有向线段的方向。
可选的，所述处理器还用于：
在将所述第一位姿确定为对所述移动机器人当前时刻的初步定位结果之后，将所述初步定位结果作为所述移动机器人当前时刻的第二位姿的初始值，针对所述第二位姿执行如下操作：
根据所述激光数据和所述第二位姿，确定所述激光束的末端点在所述第一栅格地图中的第三端点位置；
确定所述第三端点位置所在栅格在上一时刻的概率，所述概率用于表示栅格被障碍物占用的可能性；
根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿。
可选的，所述处理器还用于：
在根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿之前，对所述第三端点位置所在栅格在上一时刻的概率进行累加，得到总概率；
所述处理器，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿时，包括：
当所述总概率小于预设概率阈值时，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿。
可选的，所述处理器还用于：
当所述总概率大于预设概率阈值时，将所述第二位姿确定为对所述移动机器人当前时刻的精确定位结果。
可选的，所述处理器还用于：
在根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿之后，针对更新后的所述第二位姿，返回继续执行所述操作。
可选的，所述处理器，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿时，包括：
根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格之间的第二梯度方向和距离，更新所述第二位姿；其中，所述第二梯度方向为：从所述第三端点位置到该第三端点位置周围指定范围内概率最大的栅格的有向线段的方向。
可选的，所述处理器，确定所述第三端点位置所在栅格在上一时刻的概率时，包括：
从存储的所述上一时刻的第二栅格地图中确定所述第三端点位置所在栅格在上一时刻的概率；其中，所述第二栅格地图包括栅格的概率，所述第二栅格地图的栅格与所述第一栅格地图的栅格一一对应。
第四方面，本申请实施例提供了一种移动机器人，该移动机器人包括：处理器、激光发射器和激光传感器；
所述激光发射器，用于发射激光束；
所述激光传感器，用于采集所述激光发射器发射的激光束的激光数据；
所述处理器，用于获取当前时刻的上一时刻所确定的第一栅格地图；根据当前时刻所述激光传感器采集的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率；根据第一栅格地图中的栅格在当前时刻的概率，确定当前时刻所探测到的障碍物边界所在的障碍物栅格，将当前时刻所确定的障碍物栅格周边预设范围内的栅格确定为该障碍物栅格的周边栅格，并确定周边栅格与对应的障碍物栅格之间的距离值；将当前时刻所确定的所述障碍物栅格、所述周边栅格以及所述距离值，更新至上一时刻的第一栅格地图中，得到当前时刻的第一栅格地图；其中，所述概率用于表示栅格被障碍物占用的可能性。
可选的，所述处理器，根据当前时刻所述激光传感器采集的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率的步骤，包括：
根据当前时刻所述激光传感器采集的激光束的激光数据和当前时刻所述移动机器人的位姿，确定所述激光束在所述第一栅格地图中经过的路径栅格；
根据当前时刻的上一时刻所确定的第二栅格地图，确定所述路径栅格在上一时刻的概率；其中，所述第二栅格地图包括栅格的概率，所述第二栅格地图的栅格与所述第一栅格地图的栅格一一对应；
对所述路径栅格在上一时刻的概率进行更新，得到所述路径栅格在当前时刻的概率；
将所述路径栅格在当前时刻的概率更新至上一时刻所确定的第二栅格地图中，得到当前时刻的第二栅格地图。
可选的，所述处理器，对所述路径栅格在上一时刻的概率进行更新，得到所述路径栅格在当前时刻的概率时，包括：
当所述路径栅格为激光束的末端点所在的栅格时，对所述路径栅格在上一时刻的概率增加第一预设值，得到所述路径栅格在当前时刻的概率；
当所述路径栅格不为激光束的末端点所在的栅格时，对所述路径栅格在上一时刻的概率减少第二预设值，得到所述路径栅格在当前时刻的概率。
第五方面，本申请实施例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内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面提供的设备定位方法。
第六方面，本申请实施例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内存储有计算机程序，所述计算机程序被处理器执行时实现第二方面提供的栅格地图构建方法。
本申请实施例提供的设备定位、栅格地图构建方法及移动机器人中，第一栅格地图包括障碍物栅格以及障碍物栅格周围的周边栅格与该障碍物栅格之间的距离值。在定位时，可以确定移动机器人当前时刻的第一位姿，针对第一位姿执行以下处理：根据激光数据和第一位姿，确定激光束的末端点在第一栅格地图中的第一端点位置，根据周边栅格与对应的距离值，以及第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿。
本申请实施例中，在更新第一位姿的取值时，根据周边栅格与对应障碍物栅格之间的距离值，以及第一端点位置与对应最近障碍物栅格的相对位置进行，这使得更新第一位姿时方向性更明确，避免朝任意方向更新，因此能够更快速地得到更准确的第一位姿，从而能够提高设备定位时的运算效率。当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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的介绍。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的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种设备定位方法的流程示意图；
图2a为本申请实施例提供的栅格地图的一种结构示意图；
图2b为本申请实施例提供的移动机器人与激光束的一种位置示意图；
图3为本申请实施例提供的另一种设备定位方法的流程示意图；
图4为本申请实施例提供的移动机器人与激光束末端点的坐标转换关系示意图；
图5为本申请实施例提供的一种栅格地图构建方法的流程示意图；
图6a为本申请实施例提供的激光束经过的路径栅格的一种示意图；
图6b为本申请实施例提供的环境障碍物的一种示意图；
图7为本申请实施例提供的一种移动机器人的结构示意图；
图8为本申请实施例提供的另一种移动机器人的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了提高设备定位时的运算效率，本申请实施例提供了一种设备定位、栅格地图构建方法及移动机器人。下面通过具体实施例，对本申请进行详细说明。
图1为本申请实施例提供的一种设备定位方法的流程示意图。该方法可以应用于待定位设备，例如移动机器人，移动机器人可以包括扫地机器人、医疗机器人、引路机器人等。该方法也可以应用于待定位设备之外的电子设备，该电子设备用于对移动机器人定位，并将定位结果发送至移动机器人。电子设备可以包括计算机等设备。该方法包括如下步骤：
步骤S101：获取当前时刻移动机器人发射的激光束的激光数据。
其中，激光数据可以包括每个激光束的发射距离，还可以包括每个激光束相对于移动机器人的发射角度。每个激光束的发射距离可以理解为，激光束从发射点发出，被障碍物反射又回到发射点时行进的路程的一半，即为发射点与障碍物之间的距离。移动机器人可以发射多个激光束，激光束相对于移动机器人的发射角度可以用于区分每个激光束。激光数据均是相对于移动机器人自身的数据。
当执行主体为移动机器人自身时，移动机器人可以直接获取当前时刻的激光束的激光数据。当执行主体不为移动机器人自身时，电子设备可以接收移动机器人发送的激光束的激光数据。
获取的上述激光数据可以为经过筛选之后的数据，即激光束的发射距离在预设的距离范围内的数据。发射距离小于预设的距离范围的激光束可能是被移动机器人上的障碍物遮挡了，发射距离大于预设的距离范围的激光束可能打在地面上或当前环境之外的地方。选择发射距离在预设的距离范围的数据能够提高数据处理时的准确性。
步骤S102：确定移动机器人当前时刻的第一位姿，针对第一位姿执行以下处理，即执行步骤S103和步骤S104。
其中，位姿包括位置坐标和朝向的角度等。位置坐标或端点位置可以以二维坐标系中的(x，y)或三维坐标中的(x，y，z)表示。
本步骤中，确定的移动机器人当前时刻的第一位姿可以作为初始值，根据步骤S103和步骤S104对第一位姿进行更新。具体的，可以根据移动机器人在上一时刻的位姿，确定移动机器人当前时刻的第一位姿的初始值。初始值选取得越精确，迭代次数越少，能越快地迭代出移动机器人当前时刻的位姿。具体的，可以根据移动机器人中的码盘的转动圈数，在上一时刻的位姿的基础上估测出移动机器人在当前时刻的第一位姿的初始值。
步骤S103：根据激光数据和第一位姿，确定激光束的末端点在第一栅格地图中的第一端点位置。
其中，第一栅格地图包括：障碍物边界所在的障碍物栅格以及障碍物栅格周边预设范围内的周边栅格与该障碍物栅格之间的距离值。第一栅格地图中可以包括多个障碍物栅格。每个障碍物栅格周边预设范围内可以包括多个周边栅格。预设范围可采用距离表示，也可采用栅格数量表示。例如可以取障碍物周围2个栅格或5个栅格的范围等为预设范围。
第一栅格地图为对环境障碍物区域以及非障碍区域进行表示的一种地图。第一栅格地图可以称为距离膨胀地图。距离膨胀地图是对被障碍物占用栅格进行膨胀操作得到的地图，其中，栅格上的每个距离信息表示了该栅格距离与最近障碍物栅格之间的距离。第一栅格地图将环境划分成一系列栅格。第一栅格地图中周边栅格与障碍物栅格之间的距离值可以采用数字表示，例如障碍物栅格采用0或其他值表示，不同距离处的周边栅格采用10、20等数值表示。障碍物栅格周边的预设范围，可以理解为以障碍物栅格为中心，以预设长度为半径的圆形范围，也可以是以障碍物栅格为中心的其他形状范围，还可以是不以障碍物栅格为中心的预设范围等。
参见图2a，该图2a为第一栅格地图的一种结构示意图。其中，包含三种灰度的栅格，纯黑色的栅格表示障碍物栅格，在障碍物栅格周围两个栅格的距离范围内的栅格为周边栅格。距离障碍物栅格越远，周边栅格的颜色越浅。O为移动机器人的位置。
本实施例中，步骤S103之前还可以包括：获取当前时刻的上一时刻确定的第一栅格地图。
本步骤中，在确定激光束的末端点在第一栅格地图中的第一端点位置时，可以根据激光数据中的发射距离和发射角度以及移动机器人当前时刻的第一位姿，确定激光束末端点在第一栅格地图中的第一端点位置。各个激光束末端点相对于移动机器人的位置是固定的，各个激光束的末端点之间的相对位置也是固定的。当第一位姿取不同值时，各个末端点在第一栅格地图中的位置则会随之变化。
步骤S104：根据周边栅格与对应障碍物栅格之间的距离值，以及第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿。
第一端点位置可以位于周边栅格或障碍物栅格中，当第一端点位置位于障碍物栅格中时，认为确定的第一位姿是准确的。当第一端点位置位于周边栅格中时，认为确定的第一位姿不够准确。此时，可以根据第一端点位置与对应最近障碍物栅格的相对距离，更新第一位姿，使得第一位姿更准确。
在更新第一位姿时，可以更新一次，也可以更新多次。
由上述内容可见，本实施例中，在更新第一位姿的取值时，根据周边栅格与对应障碍物栅格之间的距离值，以及第一端点位置与对应最近障碍物栅格的相对位置进行，这使得更新第一位姿时方向性更明确，避免朝任意方向更新，因此能够更快速地得到更准确的第一位姿，从而能够提高设备定位时的运算效率。
在本申请的另一实施例中，图1所述实施例中，步骤S104，根据周边栅格与对应障碍物栅格之间的距离值，以及第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿的步骤，可以包括以下步骤1a和步骤2a。
步骤1a：基于周边栅格与对应障碍物栅格之间的距离值，对第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值。
其中，当第一端点位置位于周边栅格中时，该周边栅格对应的障碍物栅格，即为与第一端点位置距离最近的障碍物栅格。当第一端点位置位于障碍物栅格中时，则该障碍物栅格即为与与第一端点位置距离最近的障碍物栅格。
当各个第一端点位置均位于障碍物栅格和/或周边栅格中时，根据周边栅格与对应最近障碍物栅格之间的距离值，将各个第一端点位置所在的栅格与对应最近障碍物栅格的距离值进行累加，得到总距离值。如果第一端点位置位于障碍物栅格中，则距离值可以设置为0或其他预设值。
当所有第一端点位置中，有部分第一端点位置位于障碍物栅格和/或周边栅格，部分第一端点位置位于除了障碍物栅格和周边栅格之外的栅格，本步骤则可以包括：从第一端点位置中筛选出第二端点位置，对第二端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值。第二端点位置所在的栅格为障碍物栅格和/或周边栅格。
当第一位姿的初始值越接近于移动机器人的真实位姿时，会有越多的第一端点位置位于障碍物栅格中。
本实施例中，可以预先存储每个周边栅格与障碍物栅格的对应关系，以及每个周边栅格与对应障碍物栅格之间的距离值。各个周边栅格对应的距离值可以包括大小和方向，其方向可以采用正负号进行表示。
对第一端点位置距离最近障碍物栅格的距离值进行累加时，可以直接将各个距离值相加得到总距离值，也可以将各个距离值的平方和作为总距离值。
例如，已知3个第一端点位置分别位于三个栅格a、b和c中，每个栅格对应的障碍物栅格分别为d、e和f，栅格a与障碍物栅格d之间的距离为1，栅格b与障碍物栅格e之间的距离为2，栅格c与障碍物栅格f之间的距离为5，则可以得到总距离值为1+2+5，或者12+22+52。
步骤2a：当总距离值大于预设距离阈值时，根据第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿。
本步骤中，可以判断总距离值是否小于预设距离阈值，当总距离值大于预设距离阈值时，根据第一端点位置与对应最近障碍物栅格的相对位置。
其中，预设距离阈值可以为根据经验预先设置的阈值。当总距离信息大于预设距离阈值时，认为确定的第一位姿的精确度未达到初步的要求，因此可以更新第一位姿，直至第一位姿的精确度达到初步的要求。
在更新第一位姿时，可以朝向障碍物栅格的方向改变第一位姿的取值。还可以根据预设的移动距离，在原来第一位姿的基础上增加或减少预设的移动距离。
当根据第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿时，各个激光束的末端点也逐渐朝向障碍物栅格的方向移动，并不断接近障碍物栅格。
参见图2b所示，当移动机器人在O1位置和O2位置时，各个激光束的末端点与障碍物栅格的距离不同。每个末端点都会产生一个向第一栅格地图中障碍物栅格方向拉动的虚拟拉力，该虚拟拉力驱使移动机器人的位姿信息发生变化，使末端点尽可能与环境匹配。
在一种实施方式中，根据第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿的步骤，具体可以包括：根据上述第二端点位置与对应最近障碍物栅格的相对位置，更新第一位姿。
可见，本实施例中，由于总距离值能够反映第一端点位置与障碍物栅格的接近程度，当总距离值大于预设距离阈值时，根据第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿，使得对第一位姿的更新更准确。
在本申请的另一实施例中，在根据第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿之后，针对更新后的第一位姿，返回继续执行上述处理，即返回继续执行步骤S103，重复上述迭代过程。通过迭代的过程，不断更新第一位姿，使得第一位姿逐渐接近真实位姿。
在本申请的另一实施例中，当总距离值小于预设距离阈值时，可以将第一位姿确定为对移动机器人当前时刻的初步定位结果。
当总距离值小于预设距离阈值时，可以认为第一位姿的精确度满足要求。因此，可以将此时的第一位姿作为当前时刻的初步定位结果。
当总距离值等于预设距离阈值时，可以执行根据第一端点位置与对应最近障碍物栅格的相对位置更新第一位姿的步骤，也可以将第一位姿确定为对移动机器人当前时刻的初步定位结果。
第一位姿可以包括移动机器人上的固定点的位置，例如该固定点可以为移动机器人的中心点，也可以是各个激光束的发射点。各个激光束的发射点可以是同一个点。
在本申请的另一实施例中，步骤S104中，根据周边栅格与对应障碍物栅格之间的距离值，以及第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿的步骤，可以包括：
根据周边栅格与对应障碍物栅格之间的距离值，以及第一端点位置与对应最近障碍物栅格之间的第一梯度方向和距离，更新第一位姿。
其中，第一梯度方向为：从第一端点位置到对应最近障碍物栅格的有向线段的方向。第一端点位置与对应最近障碍物栅格之间的第一梯度方向和距离，
在更新第一位姿时，可以沿着第一梯度方向对原第一位姿增加第一距离，该第一距离可以为确定的各个第一端点位置与对应最近障碍物栅格之间沿第一梯度方向的距离的几分之一，避免更新第一位姿过大时导致错过最接近位置。该距离可以为根据周边栅格与对应障碍物栅格之间的距离值得到。
在本实施例中，当根据第二端点位置与对应最近障碍物栅格的相对位置，更新第一位姿时，也可以包括：根据第二端点位置与对应最近障碍物栅格之间的梯度方向和距离，更新第一位姿。本实施例中的梯度方向为从第二端点位置到对应最近障碍物栅格的有向线段的方向。
本实施例中，按照梯度方向更新位姿，能够更快地使迭代过程收敛，提高计算效率。
图3为本申请实施例提供的另一种设备定位方法的流程示意图。该方法可以应用于待定位设备，例如移动机器人，移动机器人可以包括扫地机器人、医疗机器人、引路机器人等。该方法也可以应用于待定位设备之外的电子设备，该电子设备用于对移动机器人定位，并将定位结果发送至移动机器人。电子设备可以包括计算机等设备。该方法包括如下步骤：
步骤S301：获取当前时刻移动机器人发射的激光束的激光数据。
步骤S302：确定移动机器人当前时刻的第一位姿，针对第一位姿执行以下处理，即执行以下步骤S303至步骤S306。
步骤S303：根据上述激光数据和第一位姿，确定激光束的末端点在第一栅格地图中的第一端点位置。
其中，第一栅格地图包括：障碍物边界所在的障碍物栅格以及障碍物栅格周边预设范围内的周边栅格与该障碍物栅格之间的距离值。
步骤S304：基于周边栅格与对应障碍物栅格之间的距离值，对第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值。
步骤S305：当总距离值大于预设距离阈值时，根据第一端点位置与对应最近障碍物栅格的相对位置，更新第一位姿，针对更新后的第一位姿，返回继续执行步骤S303。
步骤S306：当总距离值小于预设距离阈值时，将第一位姿确定为对移动机器人当前时刻的初步定位结果。
图3所示实施例与图1所示实施例为基于同一发明构思得到的实施例。图3所示实施例中的相关内容可以参照图1所示实施例的说明，本实施例不再赘述。
由上述内容可知，本实施例中，第一栅格地图包括障碍物栅格以及障碍物栅格周围的周边栅格与该障碍物栅格之间的距离值。在对移动机器人的位姿进行定位之后，可以基于周边栅格和对应的距离值，得到总距离值，在总距离值大于预设距离阈值时更新第一位姿。并且，在更新第一位姿时，根据第一端点位置与对应最近障碍物栅格的相对位置进行更新，这使得更新位姿时方向性更明确，避免朝任意方向不断尝试，因此能够更快地迭代得到定位结果，从而能够提高设备定位时的运算效率。
下面结合具体实例对本申请的迭代过程进行详细说明。在平面二维坐标系中，设移动机器人当前时刻在第一栅格地图中的第一位姿为(x,y,θ)，其中，(x,y)为移动机器人在平面二维坐标系中的坐标，θ为移动机器人正方向与x轴的夹角。参见图4所示的移动机器人的第一位姿与激光束末端点A的坐标转换关系示意图。根据图4中所示的距离和角度关系，可以得到该激光束末端点A在第一栅格地图中的第一端点位置为(x-dsin(180-θ-α),y+dcos(180-θ-α))。其中，d为激光末端点A相对于移动机器人的发射距离，α为激光末端点A相对于移动机器人正方向的发射角度。根据上述方式可以得到每个激光末端点在第一栅格地图中的第一端点位置。可以采用fi(x,y,θ)表示第i个激光束的末端点的第一端点位置所在的栅格。以d[fi(x,y,θ)]为第i个栅格与对应最近障碍物栅格之间的距离值。那么，可以采用以下公式得到各个第一端点位置所在的栅格与对应最近障碍物栅格之间的总距离值M，即优化方程：
其中，n为激光束的总数量。当第一位姿取值(x1,y1,θ1)时，且此时的总距离值大于预设距离阈值时，对(x1,y1,θ1)进行更新，可以将(x1,y1,θ1)更新为(x1+Δx,y1+Δy,θ1+Δθ)。为了确定变化量的值，可以对
Figure BDA0001774022660000182
Δx,y1+Δy,θ1+Δθ]}2进行求导并求解当求导结果为0时Δx，Δy,Δθ的值，该值即为按照第一梯度方向和距离确定的第一位姿的变化量。
上述迭代求解的过程也可以采用列文伯格(Levenberg-Marquardt，LM)算法进行求解，具体过程不再详述。
在上述迭代过程中，也可以根据迭代的次数是否达到预设次数阈值来判断迭代过程是否收敛，或者根据确定的第一位姿的变化量是否小于预设变化量阈值来判断迭代过程是否收敛。这与判断总距离值是否大于预设距离阈值等价。
在本申请的另一实施例中，为了提高定位结果的准确性，在图3所示实施例中，在将第一位姿确定为对移动机器人当前时刻的初步定位结果之后，该方法还可以包括步骤1b～步骤4b所示的步骤。
步骤1b：将初步定位结果作为移动机器人当前时刻的第二位姿的初始值，针对第二位姿执行如下操作，即执行步骤2b至步骤4b的操作。
本实施例中，以初步定位结果的第一位姿作为第二位姿的初始值，继续在第一栅格地图中对移动机器人的位姿信息进行取值，以便继续迭代得到更精确的位姿信息。
步骤2b：根据激光数据和第二位姿，确定激光束的末端点在第一栅格地图中的第三端点位置。
在根据上述激光数据和第二位姿，确定激光束的末端点在第一栅格地图中的第三端点位置时，可以参见图1实施例的说明，此处不再详述。
步骤3b：确定第三端点位置所在栅格在上一时刻的概率。
其中，上述概率用于表示栅格被障碍物占用的可能性。栅格的概率越大，说明该栅格越有可能为障碍物；栅格的概率越小，说明该栅格越不可能为障碍物。
在确定第三端点位置所在栅格在上一时刻的概率时，具体可以包括：从存储的上一时刻的第二栅格地图中确定第三端点位置所在栅格在上一时刻的概率。
第二栅格地图也可以称为栅格概率地图。栅格概率地图是移动机器人在定位与建图过程中维护的具有概率信息的栅格地图。
其中，第二栅格地图包括栅格的概率，第二栅格地图的栅格与第一栅格地图的栅格一一对应。上一时刻第二栅格地图中各个栅格的概率可以为根据上一时刻移动机器人发射的各个激光束的激光数据和上一时刻移动机器人的位姿确定。激光束末端点所在的栅格更有可能为障碍物，激光束穿过的栅格更不可能为障碍物。在确定栅格的概率时，具体可以根据该原理进行确定。
步骤4b：根据第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新第二位姿。
针对每个第三端点位置，在确定该第三端点位置周围指定范围内概率最大的栅格时，可以在以该第三端点位置为中心的九宫格中确定上述概率最大的栅格。在更新第二位姿时，可以朝向更接近上述概率最大的栅格的方向进行更新，以便使更新的第二位姿更接近真实位姿。
综上，在本实施例中，以初步定位结果作为第二位姿的初始值，该初始值更接近于真实位姿，因此这能够使得位姿确定的过程越快捷。同时，当第一栅格地图中的障碍物栅格和周边栅格是根据栅格的概率确定时，相比于障碍物栅格，栅格的概率能更精确地体现出障碍物的位置。利用第一栅格地图中标注的障碍物栅格和周边栅格，能更快速地将移动机器人的第一位姿收敛到与移动机器人在当前位置的真实位姿周围很近的范围内。再利用栅格的概率对第二位姿进行更新，由于栅格的概率更接近与真实环境情况，因此根据第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置更新第二位姿，能够使得更新的位姿更加准确。
在本申请的另一实施例中，在步骤4b之前，还可以包括：对第三端点位置所在栅格在上一时刻的概率进行累加，得到总概率。
相应的，步骤4b可以包括：当总概率小于预设概率阈值时，根据第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新第二位姿。
其中，预设概率阈值可以为根据经验预先设置的阈值。本实施例中更新第二位姿之前，还可以包括判断总概率是否大于预设概率阈值的步骤。
在本实施例中，对第三端点位置所在栅格在上一时刻的概率进行累加得到总概率，可以为将上述各个栅格的概率的和值作为总概率，也可以为将上述各个栅格的概率的平方的和值作为总概率。这些实施方式都是可行的。
当第二位姿为移动机器人在当前时刻的真实位姿时，各个第三端点位置所在的栅格在上一时刻的概率对应的总概率应该为最大值。当第二位姿为移动机器人在当前时刻的真实位姿附近的某个位置时，各个第三端点位置所在的栅格在上一时刻的概率对应的总概率小于最大值。因此，当总概率小于预设概率阈值时，认为第二位姿的精确度还未达到要求，可以根据第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新第二位姿。因此，本实施例能够提高更新第二位姿时的准确性。
在本申请的另一实施例中，上述方法还包括：当总概率大于预设概率阈值时，将第二位姿确定为对移动机器人当前时刻的精确定位结果。
当总概率大于预设概率阈值时，认为更新的第二位姿的精确度已经达到较高要求。
当总概率等于预设概率阈值时，可以执行根据第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置更新第二位姿，也可以将第二位姿确定为对移动机器人当前时刻的精确定位结果。
在本申请的另一实施例中，在根据第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新第二位姿之后，还可以针对更新后的第二位姿，返回继续执行上述操作，即返回继续执行步骤2b。
可见，本实施例中，在根据周边栅格与对应的障碍物栅格之间的距离值迭代得到初步定位结果之后，以该初步定位结果为第二位姿的初始值，继续根据栅格的概率进行迭代，这样可以在很大程度上缩短迭代过程。并且，对第二位姿进行迭代，直至总概率值大于预设概率阈值的收敛结果，能够得到移动机器人当前时刻的精确定位结果。
在本申请的另一实施例中，在上述实施例的基础上，步骤4b中根据第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新第二位姿的步骤，具体可以包括：
根据第三端点位置与该第三端点位置周围指定范围内概率最大的栅格之间的第二梯度方向和距离，更新第二位姿。
其中，第二梯度方向为：从第三端点位置到该第三端点位置周围指定范围内概率最大的栅格的有向线段的方向。
在更新第二位姿时，可以沿着第二梯度方向对原第二位姿增加第二距离，该第二距离可以为确定的第三端点位置与对应概率最大栅格之间的距离的几分之一，避免更新第二位姿过大时导致错过最接近位姿。
本实施例中，按照梯度下降方向更新位姿，能够更快地使迭代过程收敛，提高计算效率。
图5为本申请实施例提供的一种栅格地图构建方法的流程示意图。该方法可以应用于待定位设备，例如移动机器人，移动机器人可以包括扫地机器人、医疗机器人、引路机器人等。该方法也可以应用于待定位设备之外的电子设备，该电子设备用于对移动机器人周围的环境进行第一栅格地图构建，并根据构建的第一栅格地图对移动机器人的位姿信息进行定位。电子设备可以包括计算机等设备。该方法包括步骤：
步骤S501：获取当前时刻的上一时刻所确定的第一栅格地图。
在初始时刻，可以构建不包含障碍物栅格以及周边栅格与对应障碍物栅格之间的距离值的第一栅格地图，该第一栅格地图可以包含各个栅格。在初始时刻之后的时刻，可以获取存储的上一时刻确定的第一栅格地图，该第一栅格地图可以包含上一时刻确定的障碍物栅格以及周边栅格与对应障碍物栅格之间的距离值，还可以包含除障碍物栅格和周边栅格之外的栅格。
本实施例中，在初始时刻构建第一栅格地图时，第一栅格地图可以是移动机器人所处场景的局部地图。随着对第一栅格地图的构建，第一栅格地图可以逐渐扩展范围，例如扩展为机器人所处场景的全局地图。在将第一栅格地图扩展为场景的全局地图之后，还可以随着移动机器人的移动过程，对构建的第一栅格地图进行更新。
步骤S502：根据当前时刻移动机器人发射的激光束的激光数据和当前时刻移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率。
其中，上述概率用于表示栅格被障碍物占用的可能性。当前时刻移动机器人的位姿可以为图1或图3所示实施例中初步定位结果中的第一位姿，也可以是精确定位结果中的第二位姿。
本步骤中，可以采用相关技术中的方法确定当前时刻各个栅格被障碍物占用的概率，此处不再详述。
步骤S503：根据第一栅格地图中的栅格在当前时刻的概率，确定当前时刻所探测到的障碍物边界所在的障碍物栅格，将当前时刻所确定的障碍物栅格周边预设范围内的栅格确定为该障碍物栅格的周边栅格，并确定周边栅格与对应的障碍物栅格之间的距离值。
障碍物栅格的距离值可以确定为0或其他预设值。各个周边栅格的距离值可以根据该周边栅格与最近障碍物栅格之间的距离依次递减。例如，在以障碍物栅格为起点依次向外辐射的周边栅格1、2、3的距离值可以依次确定为10、20、30。
在确定障碍物边界所在的障碍物栅格时，可以直接将概率大于预设概率阈值的栅格确定为障碍物栅格，也可以采用其他方式确定障碍物栅格。
步骤S504：将当前时刻所确定的障碍物栅格、周边栅格以及距离值，更新至上一时刻的第一栅格地图中，得到当前时刻的第一栅格地图。
综上，本实施例中可以根据当前时刻各个栅格的概率，确定障碍物栅格和周边栅格，以及各个周边栅格与对应的障碍物栅格的距离值，并将障碍物栅格、周边栅格以及距离值更新至上一时刻的第一栅格地图中，得到当前时刻的第一栅格地图。所构建的第一栅格地图可以用于对移动机器人的位姿进行定位。这样，能够使得在更新移动机器人的第一位姿时，根据周边栅格与对应障碍物栅格之间的距离值，以及第一端点位置与对应最近障碍物栅格的相对位置进行，这使得更新第一位姿时的方向性更明确，避免朝任意方向更新，因此能够快速地得到更准确的第一位姿，从而能够提高设备定位时的运算效率。
在本申请的另一实施例中，图5所示实施例中，步骤S502，根据当前时刻移动机器人发射的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率的步骤，具体可以包括：
步骤1c：根据当前时刻移动机器人发送的激光束的激光数据和当前时刻移动机器人的位姿，确定激光束在第一栅格地图中经过的路径栅格。
其中，路径栅格包括激光束端点所在的端点栅格和激光束穿透过的穿透栅格。各个激光束的激光数据包括各个激光束相对于移动机器人的发射距离和发射角度。当当前时刻移动机器人在第一栅格地图中的位姿确定之后，即可以根据每个激光束的发射距离和发射角度，以及上述当前时刻移动机器人的位姿，确定该激光束的末端点在第一栅格地图中的第四端点位置。并根据每个激光束的发射点位置以及第四端点位置，可以确定每个激光束在第一栅格地图中经过的路径栅格。激光束的发射点可以为激光发射器的位置。
确定第四端点位置的过程可以参见图4所示的原理示意图及相应的公式推导。
在确定发射点位置时，可以直接将当前时刻移动机器人在第一栅格地图中的位姿中的位置作为发射点位置，也可以将当前时刻移动机器人在第一栅格地图中的位姿中的位置按照预设方向和距离移动之后的位置，作为发射点位置。
步骤2c：根据当前时刻的上一时刻所确定的第二栅格地图，确定路径栅格在上一时刻的概率。
其中，第二栅格地图包括栅格的概率，第二栅格地图的栅格与第一栅格地图的栅格一一对应。当当前时刻为初始时刻时，可以将预设的默认值确定为路径栅格在上一时刻的概率。
由于第二栅格地图的栅格与第一栅格地图的栅格一一对应，因此可以直接从第二栅格地图中确定路径栅格在上一时刻的概率。相比于将栅格的概率存储在第一栅格地图中，将栅格的概率存储于第二栅格地图中能够提高数据查找速度，提高确定路径栅格在上一时刻的概率时的效率。
步骤3c：对路径栅格在上一时刻的概率进行更新，得到路径栅格在当前时刻的概率。
当路径栅格为激光束的末端点所在的栅格时，对路径栅格在上一时刻的概率增加第一预设值，得到路径栅格在当前时刻的概率；
当路径栅格不为激光束的末端点所在的栅格时，对路径栅格在上一时刻的概率减少第二预设值，得到路径栅格在当前时刻的概率。
其中，第一预设值和第二预设值可以相等，也可以不等。栅格的概率越大，说明该栅格越有可能为障碍物；栅格的概率越小，说明该栅格越不可能为障碍物。由于激光束末端点所在的栅格更有可能为障碍物，激光束穿过的栅格更不可能为障碍物，因此，在更新栅格的概率时，增加激光束打到的栅格的概率，减小激光束穿过的栅格的概率。
步骤4c：将路径栅格在当前时刻的概率更新至上一时刻所确定的第二栅格地图中，得到当前时刻的第二栅格地图，将当前时刻的第二栅格地图中栅格的概率作为第一栅格地图中的栅格在当前时刻的概率。
针对上一时刻第二栅格地图中除路径栅格之外的栅格，可以不更新这部分栅格的概率，直接将上一时刻该栅格的概率作为当前时刻第二栅格地图中该栅格的概率。
可见，本实施例中，根据激光束的激光数据和机器人的位姿，确定激光束经过的路径栅格，并对路径栅格在上一时刻的概率进行更新，将更新的路径栅格的概率更新至第二栅格地图中，得到当前时刻的第二栅格地图，将当前时刻的第二栅格地图中栅格的概率作为第一栅格地图中的栅格在当前时刻的概率。本实施例结合了激光数据和移动机器人的位姿对路径栅格进行更新，能够更准确地确定栅格在当前时刻的概率。
参见图6a所示的激光束经过的路径栅格的一种示意图。其中，采用箭头线表示激光束的行进方向，箭头端点所在的网状栅格为端点栅格，箭头线穿过的灰色栅格为穿透栅格。其他白色栅格为除路径栅格之外的其他栅格。在当前时刻，将端点栅格上一时刻的概率与预设值的和值作为该栅格当前时刻的概率，将穿透栅格上一时刻的概率与预设值的差值作为该栅格当前时刻的概率，将其他栅格上一时刻的概率作为该栅格当前时刻的概率。
在一种实施方式中，第一预设值为log_occ，第二预设值为log_free。针对每个栅格，当激光束的末端点打在该栅格上时，对该栅格的概率增加log_occ。采用raytrace算法对激光发射点到每个激光束末端点连线上的栅格的概率减少log_free。
本实施例中，随着移动机器人的移动，移动机器人的位姿在发生变化，激光束的位置也在发生变化，根据激光束在第一栅格地图中经过的路径栅格更新栅格的概率，能够实时地更新周围环境，使得栅格的概率更准确地体现周围环境的状况。
为了减少计算量，在步骤S503中根据第一栅格地图中的栅格在当前时刻的概率，确定当前时刻所探测到的障碍物边界所在的障碍物栅格时，可以针对各个路径栅格，判断各个路径栅格更新后的概率是否大于预设概率阈值，如果大于，则将该路径栅格确定为障碍物栅格。如果不大于，且当该路径栅格在上一时刻的第一栅格地图中为障碍物栅格时，可以将该路径栅格确定为非障碍物栅格，并将该路径栅格对应的周边栅格确定为非周边栅格。另外，还可以清除非周边栅格的距离信息。
针对第一栅格地图中除各个路径栅格之外的其他栅格，可以直接将上一时刻的障碍物栅格以及周边栅格、周边栅格对应的距离值，作为当前时刻第一栅格地图中的障碍物栅格以及周边栅格、周边栅格对应的距离信息。
在确定障碍物栅格的周边栅格时，如果该栅格同时为当前时刻的第一障碍物栅格和第二障碍物栅格的周边栅格，则可以分别确定该栅格属于第一障碍物栅格和第二障碍物栅格的周边栅格时的距离值，将最小的距离值对应的障碍物栅格作为该周边栅格对应的障碍物栅格，将该最小的距离值作为当前时刻该周边栅格与对应的障碍物栅格的距离值。
例如，在当前时刻，栅格1处于障碍物栅格a和障碍物栅格b周边的预设范围内，则可以分别计算栅格1与障碍物栅格a和障碍物栅格b之间的距离值，例如，分别为10和30，由于10比30小，则可以将栅格1作为障碍物栅格a的周边栅格，其距离值为10。
在清除非周边栅格时，针对该非周边栅格，如果该栅格还为其他障碍物栅格的周边栅格，则可以将该栅格作为其他障碍物栅格的周边栅格。
例如，在上一时刻，栅格1为障碍物栅格a的周边栅格，在当前时刻，确定障碍物栅格a为非障碍物栅格，则清除栅格1作为障碍物栅格a的周边栅格。如果在当前时刻，该栅格1还处于障碍物栅格b的预设范围内，则可以将该栅格1作为障碍物栅格b的周边栅格。
上述确定障碍物栅格以及非障碍物栅格的过程也可以通过动态电刷算法实现。
在另一实施方式中，可以维护各个栅格的状态值，初始的状态值need_inflate设置为0。在当前时刻确定障碍物栅格和非障碍物栅格时，当该栅格的概率大于预设概率阈值log_trans时，且其状态值为0时，将该栅格作为障碍物栅格。在确定为障碍物栅格之后，将该栅格的状态值更新为1。当该栅格的概率不大于预设概率阈值log_trans时，且该栅格的状态值为1时，将该栅格确定为非障碍物栅格。在将该栅格作为非障碍物栅格之后，将该栅格的状态值更新为0。
在确定障碍物栅格之后，还可以在第一栅格地图上构建障碍物区域。参见图6b所示的环境障碍物示意图。其中，黑色的障碍物栅格为障碍物边界，灰色区域为障碍物区域。空白区域为移动机器人的可行走区域。网格区域为未检测区域。
图1、图3与图5所示方法实施例是基于同一发明构思得到的实施例，各个实施例的具体实施方式均可以相互参照。
图7为本申请实施例提供的一种移动机器人的结构示意图。与图1所示方法实施例相对应，该移动机器人包括：处理器701、激光发射器702和激光传感器703。
激光发射器702，用于发射激光束。
激光传感器703，用于采集所述激光发射器702发射的激光束的激光数据。
其中，激光发射器702和激光传感器703可以集成在一个器件上，例如可以集成在激光传感器上。即激光传感器发射各个激光束，并采集各个激光束的激光数据。
处理器701，用于获取当前时刻所述激光传感器703采集的激光束的激光数据；确定所述移动机器人当前时刻的第一位姿，针对所述第一位姿执行如下处理：根据所述激光数据和所述第一位姿，确定所述激光束的末端点在第一栅格地图中的第一端点位置，根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿；
其中，所述第一栅格地图包括：障碍物边界所在的障碍物栅格以及障碍物栅格周边预设范围内的周边栅格与该障碍物栅格之间的距离值。
在本申请的另一实施例中，在图7所示实施例中的处理器701，根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿时，包括：
基于所述周边栅格与对应障碍物栅格之间的距离值，对所述第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值；
当所述总距离值大于预设距离阈值时，根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
在本申请的另一实施例中，在图7所示实施例中的处理器701还用于：
当所述总距离值小于预设距离阈值时，将所述第一位姿确定为对所述移动机器人当前时刻的初步定位结果。
在本申请的另一实施例中，在图7所示实施例中的处理器701还用于：
在根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿之后，针对更新后的所述第一位姿，返回继续执行所述处理。
在本申请的另一实施例中，在图7所示实施例中的处理器701，
基于所述周边栅格与对应障碍物栅格之间的距离值，对所述第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值时，包括：
从所述第一端点位置中筛选出第二端点位置，对所述第二端点位置距离最近障碍物栅格的距离值进行累加得到总距离值；所述第二端点位置所在的栅格为障碍物栅格和/或周边栅格；
所述处理器701，根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿时，包括：
根据所述第二端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
在本申请的另一实施例中，在图7所示实施例中的处理器701，根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿时，包括：
根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格之间的第一梯度方向和距离，更新所述第一位姿；其中，所述第一梯度方向为：从所述第一端点位置到对应最近障碍物栅格的有向线段的方向。
在本申请的另一实施例中，在图7所示实施例中的处理器701还用于：
在将所述第一位姿确定为对所述移动机器人当前时刻的初步定位结果之后，将所述初步定位结果作为所述移动机器人当前时刻的第二位姿的初始值，针对所述第二位姿执行如下操作：
根据所述激光数据和所述第二位姿，确定所述激光束的末端点在所述第一栅格地图中的第三端点位置；
确定所述第三端点位置所在栅格在上一时刻的概率，所述概率用于表示栅格被障碍物占用的可能性；
根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿。
在本申请的另一实施例中，在图7所示实施例中的处理器701，还用于：
在根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿之前，对所述第三端点位置所在栅格在上一时刻的概率进行累加，得到总概率；
所述处理器，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿时，包括：
当所述总概率小于预设概率阈值时，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿。
在本申请的另一实施例中，在图7所示实施例中的处理器701还用于：
当所述总概率大于预设概率阈值时，将所述第二位姿确定为对所述移动机器人当前时刻的精确定位结果。
所述处理器还用于：
在根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿之后，针对更新后的所述第二位姿，返回继续执行所述操作。
在本申请的另一实施例中，在图7所示实施例中的处理器701，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿时，包括：
根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格之间的第二梯度方向和距离，更新所述第二位姿；其中，所述第二梯度方向为：从所述第三端点位置到该第三端点位置周围指定范围内概率最大的栅格的有向线段的方向。
在本申请的另一实施例中，在图7所示实施例中的处理器701，确定所述第三端点位置所在栅格在上一时刻的概率时，包括：
从存储的所述上一时刻的第二栅格地图中确定所述第三端点位置所在栅格在上一时刻的概率；其中，所述第二栅格地图包括栅格的概率，所述第二栅格地图的栅格与所述第一栅格地图的栅格一一对应。
由于上述设备实施例是基于方法实施例得到的，与该方法具有相同的技术效果，因此设备实施例的技术效果在此不再赘述。对于设备实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
图8为本申请实施例提供的一种移动机器人的结构示意图。该实施例与图5所示方法实施例相对应。该移动机器人包括：处理器801、激光发射器802和激光传感器803。
激光发射器802，用于发射激光束；
激光传感器803，用于采集所述激光发射器802发射的激光束的激光数据；
其中，激光发射器802和激光传感器803可以集成在一个器件上，例如可以集成在激光传感器上。即激光传感器发射各个激光束，并采集各个激光束的激光数据。
处理器801，用于获取当前时刻的上一时刻所确定的第一栅格地图；根据当前时刻所述激光传感器采集的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率；根据第一栅格地图中的栅格在当前时刻的概率，确定当前时刻所探测到的障碍物边界所在的障碍物栅格，将当前时刻所确定的障碍物栅格周边预设范围内的栅格确定为该障碍物栅格的周边栅格，并确定周边栅格与对应的障碍物栅格之间的距离值；将当前时刻所确定的所述障碍物栅格、所述周边栅格以及所述距离值，更新至上一时刻的第一栅格地图中，得到当前时刻的第一栅格地图；其中，所述概率用于表示栅格被障碍物占用的可能性。
在本申请的另一实施例中，图8所示实施例中的处理器801，根据当前时刻所述激光传感器采集的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率的步骤，包括：
根据当前时刻所述激光传感器采集的激光束的激光数据和当前时刻所述移动机器人的位姿，确定所述激光束在所述第一栅格地图中经过的路径栅格；
根据当前时刻的上一时刻所确定的第二栅格地图，确定所述路径栅格在上一时刻的概率；其中，所述第二栅格地图包括栅格的概率，所述第二栅格地图的栅格与所述第一栅格地图的栅格一一对应；
对所述路径栅格在上一时刻的概率进行更新，得到所述路径栅格在当前时刻的概率；
将所述路径栅格在当前时刻的概率更新至上一时刻所确定的第二栅格地图中，得到当前时刻的第二栅格地图。
在本申请的另一实施例中，图8所示实施例中的处理器801，对所述路径栅格在上一时刻的概率进行更新，得到所述路径栅格在当前时刻的概率时，包括：
当所述路径栅格为激光束的末端点所在的栅格时，对所述路径栅格在上一时刻的概率增加第一预设值，得到所述路径栅格在当前时刻的概率；
当所述路径栅格不为激光束的末端点所在的栅格时，对所述路径栅格在上一时刻的概率减少第二预设值，得到所述路径栅格在当前时刻的概率。
由于上述设备实施例是基于方法实施例得到的，与该方法具有相同的技术效果，因此设备实施例的技术效果在此不再赘述。对于设备实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
上述图7和图8所示实施例中的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现场可编程门阵列(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。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现本申请实施例提供的设备定位方法。该设备定位方法包括：
获取当前时刻移动机器人发射的激光束的激光数据；
确定所述移动机器人当前时刻的第一位姿，针对所述第一位姿执行以下处理：
根据所述激光数据和所述第一位姿，确定所述激光束的末端点在第一栅格地图中的第一端点位置；所述第一栅格地图包括：障碍物边界所在的障碍物栅格以及障碍物栅格周边预设范围内的周边栅格与该障碍物栅格之间的距离值；
根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
综上，本实施例中，在更新第一位姿的取值时，根据周边栅格与对应障碍物栅格之间的距离值，以及第一端点位置与对应最近障碍物栅格的相对位置进行，这使得更新第一位姿时方向性更明确，避免朝任意方向更新，因此能够更快速地得到更准确的第一位姿，从而能够提高设备定位时的运算效率。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现本申请实施例提供的栅格地图构建方法。该栅格地图构建方法包括：
获取当前时刻的上一时刻所确定的第一栅格地图；
根据当前时刻移动机器人发射的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率；所述概率用于表示栅格被障碍物占用的可能性；
根据第一栅格地图中的栅格在当前时刻的概率，确定当前时刻所探测到的障碍物边界所在的障碍物栅格，将当前时刻所确定的障碍物栅格周边预设范围内的栅格确定为该障碍物栅格的周边栅格，并确定周边栅格与对应的障碍物栅格之间的距离值；
将当前时刻所确定的所述障碍物栅格、所述周边栅格以及所述距离值，更新至上一时刻的第一栅格地图中，得到当前时刻的第一栅格地图。
综上，本实施例中可以根据当前时刻各个栅格的概率，确定障碍物栅格和周边栅格，以及各个周边栅格与对应的障碍物栅格的距离值，并将障碍物栅格、周边栅格以及距离值更新至上一时刻的第一栅格地图中，得到当前时刻的第一栅格地图。所构建的第一栅格地图可以用于对移动机器人的位姿进行定位。这样，能够使得在更新移动机器人的第一位姿时，根据周边栅格与对应障碍物栅格之间的距离值，以及第一端点位置与对应最近障碍物栅格的相对位置进行，这使得更新第一位姿时的方向性更明确，避免朝任意方向更新，因此能够快速地得到更准确的第一位姿，从而能够提高设备定位时的运算效率。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本申请的保护范围内。

Claims (31)

1.一种设备定位方法，其特征在于，所述方法包括：
获取当前时刻移动机器人发射的激光束的激光数据；
确定所述移动机器人当前时刻的第一位姿，针对所述第一位姿执行以下处理：
根据所述激光数据和所述第一位姿，确定所述激光束的末端点在第一栅格地图中的第一端点位置；所述第一栅格地图包括：障碍物边界所在的障碍物栅格以及障碍物栅格周边预设范围内的周边栅格与该障碍物栅格之间的距离值；
根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
2.如权利要求1所述的方法，其特征在于，所述根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿，包括：
基于所述周边栅格与对应障碍物栅格之间的距离值，对所述第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值；
当所述总距离值大于预设距离阈值时，根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
当所述总距离值小于预设距离阈值时，将所述第一位姿确定为对所述移动机器人当前时刻的初步定位结果。
4.如权利要求2或3所述的方法，其特征在于，在根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿之后，所述方法还包括：
针对更新后的所述第一位姿，返回继续执行所述处理。
5.如权利要求2所述的方法，其特征在于，所述基于所述周边栅格与对应障碍物栅格之间的距离值，对所述第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值，包括：
从所述第一端点位置中筛选出第二端点位置，所述第二端点位置所在的栅格为障碍物栅格和/或周边栅格；
对所述第二端点位置距离最近障碍物栅格的距离值进行累加得到总距离值；
所述根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿的步骤，包括：
根据所述第二端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
6.如权利要求1所述的方法，其特征在于，所述根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿，包括：
根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格之间的第一梯度方向和距离，更新所述第一位姿；其中，所述第一梯度方向为：从所述第一端点位置到对应最近障碍物栅格的有向线段的方向。
7.如权利要求3所述的方法，其特征在于，在将所述第一位姿确定为对所述移动机器人当前时刻的初步定位结果之后，还包括：
将所述初步定位结果作为所述移动机器人当前时刻的第二位姿的初始值，针对所述第二位姿执行如下操作：
根据所述激光数据和所述第二位姿，确定所述激光束的末端点在所述第一栅格地图中的第三端点位置；
确定所述第三端点位置所在栅格在上一时刻的概率，所述概率用于表示栅格被障碍物占用的可能性；
根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿。
8.如权利要求7所述的方法，其特征在于，在根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿之前，所述方法还包括：
对所述第三端点位置所在栅格在上一时刻的概率进行累加，得到总概率；
所述根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿的步骤，包括：
当所述总概率小于预设概率阈值时，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿。
9.如权利要求8所述的方法，其特征在于，所述方法还包括：
当所述总概率大于预设概率阈值时，将所述第二位姿确定为对所述移动机器人当前时刻的精确定位结果。
10.如权利要求8或9所述的方法，其特征在于，在根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿之后，所述方法还包括：
针对更新后的所述第二位姿，返回继续执行所述操作。
11.如权利要求7所述的方法，其特征在于，所述根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿，包括：
根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格之间的第二梯度方向和距离，更新所述第二位姿；其中，所述第二梯度方向为：从所述第三端点位置到该第三端点位置周围指定范围内概率最大的栅格的有向线段的方向。
12.如权利要求7所述的方法，其特征在于，所述确定所述第三端点位置所在栅格在上一时刻的概率，包括：
从存储的所述上一时刻的第二栅格地图中确定所述第三端点位置所在栅格在上一时刻的概率；其中，所述第二栅格地图包括栅格的概率，所述第二栅格地图的栅格与所述第一栅格地图的栅格一一对应。
13.一种栅格地图构建方法，其特征在于，所述方法包括：
获取当前时刻的上一时刻所确定的第一栅格地图；
根据当前时刻移动机器人发射的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率；所述概率用于表示栅格被障碍物占用的可能性；
根据第一栅格地图中的栅格在当前时刻的概率，确定当前时刻所探测到的障碍物边界所在的障碍物栅格，将当前时刻所确定的障碍物栅格周边预设范围内的栅格确定为该障碍物栅格的周边栅格，并确定周边栅格与对应的障碍物栅格之间的距离值；
将当前时刻所确定的所述障碍物栅格、所述周边栅格以及所述距离值，更新至上一时刻的第一栅格地图中，得到当前时刻的第一栅格地图。
14.如权利要求13所述的方法，其特征在于，所述根据当前时刻移动机器人发射的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率，包括：
根据当前时刻移动机器人发送的激光束的激光数据和当前时刻所述移动机器人的位姿，确定所述激光束在所述第一栅格地图中经过的路径栅格；
根据当前时刻的上一时刻所确定的第二栅格地图，确定所述路径栅格在上一时刻的概率；其中，所述第二栅格地图包括栅格的概率，所述第二栅格地图的栅格与所述第一栅格地图的栅格一一对应；
对所述路径栅格在上一时刻的概率进行更新，得到所述路径栅格在当前时刻的概率；
将所述路径栅格在当前时刻的概率更新至上一时刻所确定的第二栅格地图中，得到当前时刻的第二栅格地图，将当前时刻的第二栅格地图中栅格的概率作为第一栅格地图中的栅格在当前时刻的概率。
15.如权利要求14所述的方法，其特征在于，所述对所述路径栅格在上一时刻的概率进行更新，得到所述路径栅格在当前时刻的概率，包括：
当所述路径栅格为激光束的末端点所在的栅格时，对所述路径栅格在上一时刻的概率增加第一预设值，得到所述路径栅格在当前时刻的概率；
当所述路径栅格不为激光束的末端点所在的栅格时，对所述路径栅格在上一时刻的概率减少第二预设值，得到所述路径栅格在当前时刻的概率。
16.一种移动机器人，其特征在于，包括：处理器、激光发射器和激光传感器；
所述激光发射器，用于发射激光束；
所述激光传感器，用于采集所述激光发射器发射的激光束的激光数据；
所述处理器，用于获取当前时刻所述激光传感器采集的激光束的激光数据；确定所述移动机器人当前时刻的第一位姿，针对所述第一位姿执行如下处理：根据所述激光数据和所述第一位姿，确定所述激光束的末端点在第一栅格地图中的第一端点位置，根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿；
其中，所述第一栅格地图包括：障碍物边界所在的障碍物栅格以及障碍物栅格周边预设范围内的周边栅格与该障碍物栅格之间的距离值。
17.如权利要求16所述的移动机器人，其特征在于，所述处理器，根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿时，包括：
基于所述周边栅格与对应障碍物栅格之间的距离值，对所述第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值；
当所述总距离值大于预设距离阈值时，根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
18.如权利要求17所述的移动机器人，其特征在于，所述处理器还用于：
当所述总距离值小于预设距离阈值时，将所述第一位姿确定为对所述移动机器人当前时刻的初步定位结果。
19.如权利要求17或18所述的移动机器人，其特征在于，所述处理器还用于：
在根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿之后，针对更新后的所述第一位姿，返回继续执行所述处理。
20.如权利要求17所述的移动机器人，其特征在于，所述处理器，基于所述周边栅格与对应障碍物栅格之间的距离值，对所述第一端点位置距离最近障碍物栅格的距离值进行累加，得到总距离值时，包括：
从所述第一端点位置中筛选出第二端点位置，对所述第二端点位置距离最近障碍物栅格的距离值进行累加得到总距离值；所述第二端点位置所在的栅格为障碍物栅格和/或周边栅格；
所述处理器，根据所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿时，包括：
根据所述第二端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿。
21.如权利要求16所述的移动机器人，其特征在于，所述处理器，根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格的相对位置，更新所述第一位姿时，包括：
根据所述周边栅格与对应障碍物栅格之间的距离值，以及所述第一端点位置与对应最近障碍物栅格之间的第一梯度方向和距离，更新所述第一位姿；其中，所述第一梯度方向为：从所述第一端点位置到对应最近障碍物栅格的有向线段的方向。
22.如权利要求18所述的移动机器人，其特征在于，所述处理器还用于：
在将所述第一位姿确定为对所述移动机器人当前时刻的初步定位结果之后，将所述初步定位结果作为所述移动机器人当前时刻的第二位姿的初始值，针对所述第二位姿执行如下操作：
根据所述激光数据和所述第二位姿，确定所述激光束的末端点在所述第一栅格地图中的第三端点位置；
确定所述第三端点位置所在栅格在上一时刻的概率，所述概率用于表示栅格被障碍物占用的可能性；
根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿。
23.如权利要求22所述的移动机器人，其特征在于，所述处理器还用于：
在根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿之前，对所述第三端点位置所在栅格在上一时刻的概率进行累加，得到总概率；
所述处理器，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿时，包括：
当所述总概率小于预设概率阈值时，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿。
24.如权利要求23所述的移动机器人，其特征在于，所述处理器还用于：
当所述总概率大于预设概率阈值时，将所述第二位姿确定为对所述移动机器人当前时刻的精确定位结果。
25.如权利要求23或24所述的移动机器人，其特征在于，所述处理器还用于：
在根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿之后，针对更新后的所述第二位姿，返回继续执行所述操作。
26.如权利要求22所述的移动机器人，其特征在于，所述处理器，根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格的相对位置，更新所述第二位姿时，包括：
根据所述第三端点位置与该第三端点位置周围指定范围内概率最大的栅格之间的第二梯度方向和距离，更新所述第二位姿；其中，所述第二梯度方向为：从所述第三端点位置到该第三端点位置周围指定范围内概率最大的栅格的有向线段的方向。
27.如权利要求22所述的移动机器人，其特征在于，所述处理器，确定所述第三端点位置所在栅格在上一时刻的概率时，包括：
从存储的所述上一时刻的第二栅格地图中确定所述第三端点位置所在栅格在上一时刻的概率；其中，所述第二栅格地图包括栅格的概率，所述第二栅格地图的栅格与所述第一栅格地图的栅格一一对应。
28.一种移动机器人，其特征在于，包括：处理器、激光发射器和激光传感器；
所述激光发射器，用于发射激光束；
所述激光传感器，用于采集所述激光发射器发射的激光束的激光数据；
所述处理器，用于获取当前时刻的上一时刻所确定的第一栅格地图；根据当前时刻所述激光传感器采集的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率；根据第一栅格地图中的栅格在当前时刻的概率，确定当前时刻所探测到的障碍物边界所在的障碍物栅格，将当前时刻所确定的障碍物栅格周边预设范围内的栅格确定为该障碍物栅格的周边栅格，并确定周边栅格与对应的障碍物栅格之间的距离值；将当前时刻所确定的所述障碍物栅格、所述周边栅格以及所述距离值，更新至上一时刻的第一栅格地图中，得到当前时刻的第一栅格地图；其中，所述概率用于表示栅格被障碍物占用的可能性。
29.如权利要求28所述的移动机器人，其特征在于，所述处理器，根据当前时刻所述激光传感器采集的激光束的激光数据和当前时刻所述移动机器人的位姿，确定第一栅格地图中的栅格在当前时刻的概率时，包括：
根据当前时刻所述激光传感器采集的激光束的激光数据和当前时刻所述移动机器人的位姿，确定所述激光束在所述第一栅格地图中经过的路径栅格；
根据当前时刻的上一时刻所确定的第二栅格地图，确定所述路径栅格在上一时刻的概率；其中，所述第二栅格地图包括栅格的概率，所述第二栅格地图的栅格与所述第一栅格地图的栅格一一对应；
对所述路径栅格在上一时刻的概率进行更新，得到所述路径栅格在当前时刻的概率；
将所述路径栅格在当前时刻的概率更新至上一时刻所确定的第二栅格地图中，得到当前时刻的第二栅格地图。
30.如权利要求29所述的移动机器人，其特征在于，所述处理器，对所述路径栅格在上一时刻的概率进行更新，得到所述路径栅格在当前时刻的概率时，包括：
当所述路径栅格为激光束的末端点所在的栅格时，对所述路径栅格在上一时刻的概率增加第一预设值，得到所述路径栅格在当前时刻的概率；
当所述路径栅格不为激光束的末端点所在的栅格时，对所述路径栅格在上一时刻的概率减少第二预设值，得到所述路径栅格在当前时刻的概率。
31.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-15任一所述的方法步骤。
CN201810962026.2A 2018-08-22 2018-08-22 一种设备定位、栅格地图构建方法及移动机器人 Active CN110858076B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810962026.2A CN110858076B (zh) 2018-08-22 2018-08-22 一种设备定位、栅格地图构建方法及移动机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810962026.2A CN110858076B (zh) 2018-08-22 2018-08-22 一种设备定位、栅格地图构建方法及移动机器人

Publications (2)

Publication Number Publication Date
CN110858076A true CN110858076A (zh) 2020-03-03
CN110858076B CN110858076B (zh) 2023-06-02

Family

ID=69635954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810962026.2A Active CN110858076B (zh) 2018-08-22 2018-08-22 一种设备定位、栅格地图构建方法及移动机器人

Country Status (1)

Country Link
CN (1) CN110858076B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111413972A (zh) * 2020-03-26 2020-07-14 上海有个机器人有限公司 机器人及其障碍检测方法和系统
CN111487960A (zh) * 2020-03-26 2020-08-04 北京控制工程研究所 一种基于定位能力估计的移动机器人路径规划方法
CN111942374A (zh) * 2020-08-14 2020-11-17 中国第一汽车股份有限公司 一种障碍物地图生成方法、装置、车辆及存储介质
CN112068128A (zh) * 2020-09-19 2020-12-11 重庆大学 一种直道场景线段型雷达数据处理及位姿获取方法
CN112462769A (zh) * 2020-11-25 2021-03-09 深圳市优必选科技股份有限公司 机器人定位方法、装置、计算机可读存储介质及机器人
CN112578798A (zh) * 2020-12-18 2021-03-30 珠海格力智能装备有限公司 机器人地图获取方法、装置、处理器和电子装置
CN112639821A (zh) * 2020-05-11 2021-04-09 华为技术有限公司 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆
CN112684797A (zh) * 2020-12-15 2021-04-20 广东工业大学 一种障碍物地图构建方法
CN113064431A (zh) * 2021-03-19 2021-07-02 北京小狗吸尘器集团股份有限公司 栅格地图优化方法、存储介质和移动机器人
CN113865598A (zh) * 2020-06-30 2021-12-31 华为技术有限公司 一种定位地图生成方法、定位方法及装置
WO2022095438A1 (zh) * 2020-11-05 2022-05-12 珠海一微半导体股份有限公司 一种基于硬件加速的激光重定位系统及芯片
CN115509216A (zh) * 2021-06-21 2022-12-23 广州视源电子科技股份有限公司 路径规划方法、装置、计算机设备和存储介质
WO2023078318A1 (zh) * 2021-11-04 2023-05-11 珠海一微半导体股份有限公司 基于激光点的机器人悬空判断方法、地图更新方法及芯片
CN116148879A (zh) * 2021-11-22 2023-05-23 珠海一微半导体股份有限公司 一种机器人提升障碍物标注精度的方法

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070293985A1 (en) * 2006-06-20 2007-12-20 Samsung Electronics Co., Ltd. Method, apparatus, and medium for building grid map in mobile robot and method, apparatus, and medium for cell decomposition that uses grid map
EP1903413A2 (en) * 2006-08-18 2008-03-26 Samsung Electronics Co., Ltd. Method of dividing coverage area for robot and device thereof
JP2009252162A (ja) * 2008-04-10 2009-10-29 Toyota Motor Corp 地図データ生成装置および地図データ生成方法
US20110137461A1 (en) * 2009-02-13 2011-06-09 Samsung Electronics Co., Ltd. Mobile robot and method for moving mobile robot
CN103926925A (zh) * 2014-04-22 2014-07-16 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
CN104615138A (zh) * 2015-01-14 2015-05-13 上海物景智能科技有限公司 一种划分移动机器人室内区域动态覆盖方法及其装置
CN104914865A (zh) * 2015-05-29 2015-09-16 国网山东省电力公司电力科学研究院 变电站巡检机器人定位导航系统及方法
EP2993544A1 (en) * 2013-05-01 2016-03-09 Murata Machinery, Ltd. Autonomous moving body
CN105806344A (zh) * 2016-05-17 2016-07-27 杭州申昊科技股份有限公司 一种基于局部地图拼接的栅格地图创建方法
CN106017497A (zh) * 2016-07-06 2016-10-12 上海交通大学 基于地图定位能力的路径规划方法
CN106352870A (zh) * 2016-08-26 2017-01-25 深圳微服机器人科技有限公司 一种目标的定位方法及装置
CN106774296A (zh) * 2016-10-24 2017-05-31 中国兵器装备集团自动化研究所 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法
CN106774329A (zh) * 2016-12-29 2017-05-31 大连理工大学 一种基于椭圆切线构造的机器人路径规划方法
CN106840168A (zh) * 2017-03-16 2017-06-13 苏州大学 清洁机器人及其动态环境下全覆盖路径规划方法
US20170308086A1 (en) * 2015-08-17 2017-10-26 X Development Llc Using Laser Sensors to Augment Stereo Sensor Readings for Robotic Devices
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
CN107991683A (zh) * 2017-11-08 2018-05-04 华中科技大学 一种基于激光雷达的机器人自主定位方法
CN108154209A (zh) * 2016-12-02 2018-06-12 杭州海康机器人技术有限公司 一种用于移动机器人定位的二维码生成、识别方法及装置
CN108256060A (zh) * 2018-01-16 2018-07-06 广州视源电子科技股份有限公司 一种闭环检测方法、装置、终端及存储介质
CN207752371U (zh) * 2018-01-30 2018-08-21 北醒（北京）光子科技有限公司 一种机器人自主导航装置及机器人

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070293985A1 (en) * 2006-06-20 2007-12-20 Samsung Electronics Co., Ltd. Method, apparatus, and medium for building grid map in mobile robot and method, apparatus, and medium for cell decomposition that uses grid map
EP1903413A2 (en) * 2006-08-18 2008-03-26 Samsung Electronics Co., Ltd. Method of dividing coverage area for robot and device thereof
JP2009252162A (ja) * 2008-04-10 2009-10-29 Toyota Motor Corp 地図データ生成装置および地図データ生成方法
US20110137461A1 (en) * 2009-02-13 2011-06-09 Samsung Electronics Co., Ltd. Mobile robot and method for moving mobile robot
EP2993544A1 (en) * 2013-05-01 2016-03-09 Murata Machinery, Ltd. Autonomous moving body
CN103926925A (zh) * 2014-04-22 2014-07-16 江苏久祥汽车电器集团有限公司 一种基于改进的vfh算法的定位与避障方法及机器人
CN104615138A (zh) * 2015-01-14 2015-05-13 上海物景智能科技有限公司 一种划分移动机器人室内区域动态覆盖方法及其装置
CN104914865A (zh) * 2015-05-29 2015-09-16 国网山东省电力公司电力科学研究院 变电站巡检机器人定位导航系统及方法
US20170308086A1 (en) * 2015-08-17 2017-10-26 X Development Llc Using Laser Sensors to Augment Stereo Sensor Readings for Robotic Devices
CN105806344A (zh) * 2016-05-17 2016-07-27 杭州申昊科技股份有限公司 一种基于局部地图拼接的栅格地图创建方法
CN106017497A (zh) * 2016-07-06 2016-10-12 上海交通大学 基于地图定位能力的路径规划方法
CN106352870A (zh) * 2016-08-26 2017-01-25 深圳微服机器人科技有限公司 一种目标的定位方法及装置
CN106774296A (zh) * 2016-10-24 2017-05-31 中国兵器装备集团自动化研究所 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法
CN108154209A (zh) * 2016-12-02 2018-06-12 杭州海康机器人技术有限公司 一种用于移动机器人定位的二维码生成、识别方法及装置
CN106774329A (zh) * 2016-12-29 2017-05-31 大连理工大学 一种基于椭圆切线构造的机器人路径规划方法
CN106840168A (zh) * 2017-03-16 2017-06-13 苏州大学 清洁机器人及其动态环境下全覆盖路径规划方法
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
CN107991683A (zh) * 2017-11-08 2018-05-04 华中科技大学 一种基于激光雷达的机器人自主定位方法
CN108256060A (zh) * 2018-01-16 2018-07-06 广州视源电子科技股份有限公司 一种闭环检测方法、装置、终端及存储介质
CN207752371U (zh) * 2018-01-30 2018-08-21 北醒（北京）光子科技有限公司 一种机器人自主导航装置及机器人

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FABJAN KALLASI等: "Fast Keypoint Features From Laser Scanner for Robot Localization and Mapping", 《IEEE ROBOTICS AND AUTOMATION LETTERS》 *
YISHA LIU等: "Mobile robot instant indoor map building and localization using 2D laser scanning data", 《2012 INTERNATIONAL CONFERENCE ON SYSTEM SCIENCE AND ENGINEERING》 *
刘昆: "基于多传感器的同时定位与地图构建", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王韬: "基于移动机器人的环境智能感知技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111413972A (zh) * 2020-03-26 2020-07-14 上海有个机器人有限公司 机器人及其障碍检测方法和系统
CN111487960A (zh) * 2020-03-26 2020-08-04 北京控制工程研究所 一种基于定位能力估计的移动机器人路径规划方法
CN111413972B (zh) * 2020-03-26 2023-09-08 上海有个机器人有限公司 机器人及其障碍检测方法和系统
CN112639821A (zh) * 2020-05-11 2021-04-09 华为技术有限公司 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆
CN113865598A (zh) * 2020-06-30 2021-12-31 华为技术有限公司 一种定位地图生成方法、定位方法及装置
WO2022001337A1 (zh) * 2020-06-30 2022-01-06 华为技术有限公司 一种定位地图生成方法、定位方法及装置
CN111942374A (zh) * 2020-08-14 2020-11-17 中国第一汽车股份有限公司 一种障碍物地图生成方法、装置、车辆及存储介质
CN112068128A (zh) * 2020-09-19 2020-12-11 重庆大学 一种直道场景线段型雷达数据处理及位姿获取方法
WO2022095438A1 (zh) * 2020-11-05 2022-05-12 珠海一微半导体股份有限公司 一种基于硬件加速的激光重定位系统及芯片
CN112462769A (zh) * 2020-11-25 2021-03-09 深圳市优必选科技股份有限公司 机器人定位方法、装置、计算机可读存储介质及机器人
WO2022110451A1 (zh) * 2020-11-25 2022-06-02 深圳市优必选科技股份有限公司 机器人定位方法、装置、计算机可读存储介质及机器人
CN112684797A (zh) * 2020-12-15 2021-04-20 广东工业大学 一种障碍物地图构建方法
CN112684797B (zh) * 2020-12-15 2023-06-16 广东工业大学 一种障碍物地图构建方法
CN112578798A (zh) * 2020-12-18 2021-03-30 珠海格力智能装备有限公司 机器人地图获取方法、装置、处理器和电子装置
CN112578798B (zh) * 2020-12-18 2024-02-27 珠海格力智能装备有限公司 机器人地图获取方法、装置、处理器和电子装置
CN113064431A (zh) * 2021-03-19 2021-07-02 北京小狗吸尘器集团股份有限公司 栅格地图优化方法、存储介质和移动机器人
CN115509216A (zh) * 2021-06-21 2022-12-23 广州视源电子科技股份有限公司 路径规划方法、装置、计算机设备和存储介质
WO2023078318A1 (zh) * 2021-11-04 2023-05-11 珠海一微半导体股份有限公司 基于激光点的机器人悬空判断方法、地图更新方法及芯片
CN116148879A (zh) * 2021-11-22 2023-05-23 珠海一微半导体股份有限公司 一种机器人提升障碍物标注精度的方法
WO2023088125A1 (zh) * 2021-11-22 2023-05-25 珠海一微半导体股份有限公司 一种机器人提升障碍物标注精度的方法
CN116148879B (zh) * 2021-11-22 2024-05-03 珠海一微半导体股份有限公司 一种机器人提升障碍物标注精度的方法

Also Published As

Publication number Publication date
CN110858076B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN110858076B (zh) 一种设备定位、栅格地图构建方法及移动机器人
US11567502B2 (en) Autonomous exploration framework for indoor mobile robotics using reduced approximated generalized Voronoi graph
US11530924B2 (en) Apparatus and method for updating high definition map for autonomous driving
CN106796434B (zh) 地图生成方法、自身位置推定方法、机器人系统和机器人
CN105865449B (zh) 基于激光和视觉的移动机器人的混合定位方法
CN114862949B (zh) 一种基于点线面特征的结构化场景视觉slam方法
CN110174894B (zh) 机器人及其重定位方法
US8725416B2 (en) Apparatus for recognizing position using range signals and method thereof
US20190202067A1 (en) Method and device for localizing robot and robot
JP2020087415A (ja) ロボットの地図構築及び位置推定
US8594860B2 (en) Apparatus and method with mobile relocation
CN111609852A (zh) 语义地图构建方法、扫地机器人及电子设备
US11045953B2 (en) Relocalization method and robot using the same
CN111982127A (zh) LightWeight-3D避障方法
CN111094895A (zh) 用于在预构建的视觉地图中进行鲁棒自重新定位的系统和方法
JP6895911B2 (ja) 物体追跡装置、物体追跡方法及び物体追跡用コンピュータプログラム
JP2018017826A (ja) 自律移動体と環境地図更新装置
CN111354022B (zh) 基于核相关滤波的目标跟踪方法及系统
KR101764653B1 (ko) 이동체의 경로계획 장치 및 그 계획 방법
CN111679661A (zh) 基于深度相机的语义地图构建方法及扫地机器人
CN111862214A (zh) 计算机设备定位方法、装置、计算机设备和存储介质
CN110736456A (zh) 稀疏环境下基于特征提取的二维激光实时定位方法
CN117124335B (zh) 一种基于路径标记回溯策略的改进式rrt路径规划方法
KR101107735B1 (ko) 카메라 포즈 결정 방법
CN111474560A (zh) 一种障碍物定位方法、装置及设备

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
CB02 Change of applicant information

Address after: 310051 room 304, B / F, building 2, 399 Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Hangzhou Hikvision Robot Co.,Ltd.

Address before: No.555, Qianmo Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU HIKROBOT TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant