CN110900602B - 一种定位恢复方法、装置、机器人及存储介质 - Google Patents
一种定位恢复方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN110900602B CN110900602B CN201911176159.8A CN201911176159A CN110900602B CN 110900602 B CN110900602 B CN 110900602B CN 201911176159 A CN201911176159 A CN 201911176159A CN 110900602 B CN110900602 B CN 110900602B
- Authority
- CN
- China
- Prior art keywords
- robot
- positioning
- pose
- probability
- prediction probability
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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
Abstract
本发明实施例公开了一种定位恢复方法、装置、机器人及存储介质。该方法包括:如果机器人的定位丢失,则在恢复所述机器人的定位后,根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率,如果设定时间内所述区域的分辨率大于预设分辨率,且对应的预测概率大于预设概率,则所述机器人的定位恢复成功。与现有技术相比,本实施例在机器人出现定位丢失后,可以根据机器人的当前位姿智能的进行定位恢复,无需人为干预,节省了人力,而且定位恢复过程中机器人保持静止状态,无需旋转,降低了对环境的依赖程度,提高了定位精度。
Description
技术领域
本发明实施例涉及机器人技术领域,尤其涉及一种定位恢复方法、装置、机器人及存储介质。
背景技术
伴随着人工智能技术的不断发展,移动机器人的应用越来越广泛。在完全未知的环境中,移动机器人会利用自身携带的传感器增量式的创建地图,然后利用已创建的地图实现自主定位与导航。移动机器人的定位是指在给定的地图环境下,确定自身的当前位置。移动机器人的所有导航任务都需要较为精确的知道当前位置和目标位置,否则,移动机器人将无法正常完成导航任务。因此移动机器人的准确定位是进行导航和路径规划的前提和基础。
传统的定位方法主要通过移动机器人上的里程计、视觉传感器等对周围的环境和动态障碍物位置进行探索,由于传感器自身的限制和误差以及外界环境的复杂,容易使得移动机器人的定位丢失。定位丢失是指在复杂的环境下,移动机器人的定位错误,最终导致移动机器人无法正确地规划路径到目标位置。因此,当检测到移动机器人出现定位丢失时,需要使移动机器人重新找到当前的位置,进入正常的定位与导航流程,该过程称为定位恢复。
目前,主流的定位恢复方法主要包括将移动机器人推到某个指定的位置进行自主定位的定位恢复方法以及原地旋转的定位恢复方法。前一种方法可以保障机器人的定位有效恢复,但是需要消耗人力。后一种方法只能恢复小范围的定位误差,对环境依赖性较强。上述两种方式均无法有效的恢复定位。
发明内容
本发明实施例提供一种定位恢复方法、装置、机器人及存储介质,在不需要人为干涉的情况下,有效的恢复定位。
第一方面,本发明实施例提供一种定位恢复方法,包括:
如果机器人的定位丢失,则在恢复所述机器人的定位后,根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率;
如果设定时间内所述区域的分辨率大于预设分辨率,且对应的预测概率大于预设概率,则所述机器人的定位恢复成功,所述机器人在定位恢复过程中保持静止状态。
第二方面,本发明实施例还提供一种定位恢复装置,包括:
预测概率确定模块,用于如果机器人的定位丢失,则在恢复所述机器人的定位后,根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率;
第一确定模块,用于如果设定时间内所述区域的分辨率大于预设分辨率,且对应的预测概率大于预设概率,则所述机器人的定位恢复成功,所述机器人在定位恢复过程中保持静止状态。
第三方面,本发明实施例还提供一种机器人,包括:
激光传感器;
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如第一方面所述的定位恢复方法。
第四方面,本发明实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的定位恢复方法。
本发明实施例提供一种定位恢复方法、装置、机器人及存储介质,如果机器人的定位丢失,则在恢复所述机器人的定位后,根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率,如果设定时间内所述区域的分辨率大于预设分辨率,且对应的预测概率大于预设概率,则所述机器人的定位恢复成功。与现有技术相比,本实施例在机器人出现定位丢失后,可以根据机器人的当前位姿智能的进行定位恢复,无需人为干预,节省了人力,而且定位恢复过程中机器人保持静止状态,无需旋转,降低了对环境的依赖程度,提高了定位精度。
附图说明
图1为本发明实施例一提供的一种定位恢复方法的流程图;
图2为本发明实施例二提供的一种定位恢复方法的流程图;
图3为本发明实施例三提供的一种定位恢复装置的结构图;
图4为本发明实施例四提供的一种机器人的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。此外,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
图1为本发明实施例一提供的一种定位恢复方法的流程图,本实施例可适用于机器人移动过程中出现定位丢失后进行定位恢复的情况,本实施例所述的定位恢复方法以应用在机器人上为例,但并不限于机器人,例如还可以是其他可以自动执行工作的机器装置。该机器人可以位于动态障碍物较多的环境如人流较大的商场,也可以位于长走廊环境中。该方法可以由定位恢复装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置在机器人中。参考图1,该方法可以包括如下步骤:
S110、如果机器人的定位丢失,则在恢复所述机器人的定位后,根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率。
定位丢失是指机器人当前位姿的置信度较低,具体的,当检测到机器人当前位姿的置信度小于置信度阈值时,确定机器人出现定位丢失,并由此触发机器人的定位恢复功能,进行定位恢复。可选的,可以将机器人的当前位姿视为多个粒子的密度模型,每个粒子视为机器人在此位置进行定位恢复的假设。根据粒子的分散程度,将粒子视为椭圆形进行处理,分别计算椭圆的面积,长轴和短轴的比值以及偏离椭圆中心一定距离的粒子的百分比,当椭圆形面积大于设定面积阈值且偏离椭圆中心一定距离的粒子的百分比大于设定阈值时,认为机器人当前位姿的置信度小于置信度阈值。由此可以及时准确的发现机器人出现定位丢失的情况,并在定位丢失时及时进行定位恢复。需要说明的是,实施例所述的恢复机器人的定位是指机器人的定位恢复过程开始。机器人出现定位丢失时,触发定位恢复功能,开始定位恢复。
环境地图是机器人基于里程计、激光传感器、声呐和视觉传感器等采集的数据建立的地图,并存储在机器人内部,供后续导航或定位恢复使用。为了提高定位恢复的准确度,实施例首先采用局部定位,即首先确定环境地图中区域的预测概率,该区域的大小可以根据实际需要确定,例如可以以机器人当前位姿为原点,将机器人前后左右5米内的区域作为定位恢复的依据。预测概率反映了机器人的准确定位在该位姿图可能性的大小,预测概率越大,表示机器人的准确定位在该位姿图可能性越大。可选的,在确定环境地图中区域的预测概率时,可以对环境地图进行处理,得到对应的栅格地图。栅格地图中每一个栅格代表一定的坐标,由于环境地图中包含障碍物和空白区域,相应的,栅格地图中也包含障碍物和空白区域,其中,障碍物和空白区域可以通过栅格的颜色进行区分,例如白色栅格代表空白区域的位置,即没有障碍物的位置,黑色栅格代表有障碍物的位置。也可以用数字表示,例如栅格中的0代表障碍物的位置,1代表空白区域的位置。
栅格地图确定之后,可以进行保存,以便在下次进行定位恢复时可以直接使用。在此基础上,根据机器人的当前位姿,可以确定机器人在栅格地图中的位置,然后根据激光传感器所扫描到的栅格点的概率和,得到预测概率。其中,栅格地图中的障碍物所对应的概率服从正态分布。
S120、如果设定时间内所述区域的分辨率大于预设分辨率,且对应的预测概率大于预设概率,则所述机器人的定位恢复成功。
其中,所述机器人在定位恢复过程中保持静止状态。所述区域的分辨率即为所对应位姿图的分辨率,该位姿图的初始分辨率与该位姿图对应的搜索范围相关,通常情况下搜索范围越大,对应的初始分辨率越高。实施例所述的定位恢复过程是一个重复的过程,例如基于当前位姿确定的区域的分辨率和预测概率小于对应的预设分辨率和预设概率时,可以在当前位姿的基础上按照设定角度进行偏移,得到下一个位姿,继续重复上述过程。如果设定时间内未找到区域的分辨率大于预设分辨率,同时预测概率大于预设概率的情况,则认为定位恢复失败,可选的,可以通过触发报警装置或向用户发送报错信息,提示用户进行手动定位。本实施例通过分辨率和预设概率判断定位恢复是否成功,提高了判定的准确度。其中,预设分辨率和预设概率可以根据实际情况设定。
需要说明的是,在确定机器人出现定位丢失后,机器人暂停导航活动,并停止在当前位置,在定位恢复过程中,机器人始终处于静止状态。即本实施例在机器人定位丢失时,不需要进行任何人为操作,机器人停留在原地即可智能的自行修正位置,并在修正完毕后恢复导航状态,不会影响当前的导航任务。
本发明实施例一提供一种定位恢复方法,如果机器人的定位丢失,则在恢复所述机器人的定位后,根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率,如果设定时间内所述区域的分辨率大于预设分辨率,且对应的预测概率大于预设概率,则所述机器人的定位恢复成功。与现有技术相比,本实施例在机器人出现定位丢失后,可以根据机器人的当前位姿智能的进行定位恢复,无需人为干预,节省了人力,而且定位恢复过程中机器人保持静止状态,无需旋转,降低了对环境的依赖程度,提高了定位精度。
实施例二
图2为本发明实施例二提供的一种定位恢复方法的流程图,本实施例是在上述实施例的基础上进行优化,参考图2,该方法可以包括如下步骤:
S210、如果机器人的定位丢失,则在恢复所述机器人的定位后,对所述环境地图进行处理,得到栅格地图。
可选的,在检测到机器人当前位姿的置信度小于置信度阈值时,确定所述机器人的定位丢失,具体的判断过程可以参考上述实施例,此处不再赘述。为了确定位姿图的预测概率,实施例对环境地图进行处理,得到栅格地图。可选的,栅格地图中每一个栅格对应有一个二值占用值,以表示该位置是否被占用,例如0表示被占用,1表示未被占用,其中,占用表示此处存在障碍物,未被占用表示此处没有障碍物,为空白区域。栅格地图中每一个栅格对应的概率可以根据最近障碍物所对应栅格点的概率确定,其中,最近障碍物为机器人在激光束方向上检测到最近的障碍物,该障碍物的概率服从正态分布。
S220、以所述机器人的当前位姿为原点,按照设定的角度偏移量在设定搜索范围内,生成位姿图。
位姿图为环境地图中的部分或全部,为了提高定位恢复的处理过程,缩短定位恢复的时间,实施例以部分环境地图为例,即以机器人的当前位姿为原点,在设定搜索范围内生成位姿图。考虑到激光传感器所发射的激光束具有一定的射程,即只能扫描到一定范围内的区域,为此,在确定搜索范围时,可以以激光束的射程为依据,假定激光束的射程为5米,可以在机器人前后左右5米的范围内生成位姿图。可以理解的是,机器人出现定位丢失时,当前位姿存在一定的偏差,为此,实施例在当前位姿的基础上按照设定的角度偏移量进行偏移,得到偏移后的位姿图。需要说明的是,该偏移过程只是对位姿图进行偏移,机器人保持静止。
S230、根据所述机器人在所述位姿图中的位姿,确定所述机器人在所述栅格地图中的位置信息。
每个位姿图对应一个机器人的位姿,根据该位姿可以确定其在栅格地图中的位置信息。
S240、根据所述位置信息和栅格地图,确定所述位姿图的预测概率,作为所述机器人位于所述环境地图中区域的预测概率。
可选的,可以通过如下方式确定位姿图的预测概率:
根据所述位姿图,确定激光传感器在所述栅格地图中扫描到的栅格点,所述激光传感器设置在所述机器人上;
确定各所述栅格点到所述栅格地图中最近障碍物所对应栅格点的距离;
根据所述距离和所述最近障碍物所对应栅格点的概率分布,确定所述位姿图所对应栅格点的概率和,作为所述位姿图的预测概率。
可以理解的是,位姿图是环境地图中的一部分,相当于是栅格地图中的一部分,根据该位姿图的大小,可以确定激光传感器所发射的激光束在栅格地图中扫描到的栅格点。根据所扫描到的栅格点,结合最近障碍物所对应的栅格点,可以确定两者的距离。由于最近障碍物所对应栅格点的概率分布服从正态分布,根据扫描到的栅格点与最近障碍物所对应的栅格点的距离,即可确定扫描到的栅格点对应的概率值,叠加位姿图所对应栅格点的概率,得到该位姿图的预测概率。
考虑到实际环境中存在一些不确定的因素,例如行人或其他移动物体经过,实施例将这部分不确定因素引起的误差称为随机误差,并设为常量,该常量的大小可以根据机器人所处的环境确定,例如机器人处于客流量比较大的商场环境中时,该常量的值可以设置的大一些,如果处于客流量比较小的环境,该常量的值可以设置的小一些。可选的,为了提高定位的准确度,还可以在位姿图所对应栅格点的概率和的基础上叠加一个常量,作为最终的预测概率。实际应用中如果搜索范围大于激光束的射程,导致位姿图中部分区域无法被扫描到,对于这部分区域也可以给定一个参考值。
S250、设定时间内所述区域的分辨率是否大于预设分辨率,且对应的预测概率大于预设概率,若是,执行S260,否则,执行S270。
具体的,针对各个位姿图,可以选取预测概率最大的位姿图,然后比较该位姿图的分辨率和预设分辨率的大小,该位姿图的分辨率根据搜索范围确定,如果该分辨率小于预设分辨率,则对该位姿图进行划分,可选的,可以将该位姿图的长和宽分别进行二等分,得到新的四张位姿图,新的位姿图的分辨率为划分之前位姿图分辨率的两倍。针对这四张位姿图,重复上述预测概率的确定过程,得到四张位姿图的预测概率,以此类推,如果设定时间内存在一个位姿图,其分辨率和预测概率分别大于对应的预设分辨率和预设概率,则认为定位恢复成功。否则,认为定位恢复失败。
如果划分之前位姿图的分辨率大于预设分辨率,比较该位姿图的预测概率和预设概率的大小,如果该位姿图的预测概率大于预设概率,则定位恢复成功。
S260、所述机器人的定位恢复成功。
定位恢复成功后,机器人恢复导航状态,继续当前的导航任务。
S270、所述机器人的定位恢复失败。
如果定位恢复失败,进行相应的报警或报错以指示手动定位,整个过程操作简单,安全可靠,而且不需要人为干涉,节省了人力,同时不需要机器人原地旋转,减少了对环境的依赖程度,尤其是机器人处于动态障碍物较多的环境或长廊环境中,提高了定位恢复的准确度。
本发明实施例二提供一种定位恢复方法,在上述实施例的基础上,采用局部定位,根据激光传感器所扫描到的栅格点与最近障碍物所对应栅格点的距离,结合最近障碍物所对应栅格点的概率分布,确定该位姿图的预测概率,并根据该位姿图的分辨率确定定位恢复是否成功,即本实施例在不影响机器人正常导航的基础下,以当前位姿一定的范围内搜索到合适的位置,减少了不必要的计算量,节省了时间。
在上述实施例的基础上,可选的,如果局部定位失败,即所得到的位姿图的预测概率小于预设概率,分辨率大于预设分辨率,则进行全局定位,即针对整张环境地图生成位姿图,后续的处理过程与局部定位的处理过程类似。如果设定时间内存在一个位姿图,其分辨率和预测概率分别大于对应的预设分辨率和预设概率,则认为定位恢复成功。否则,认为定位恢复失败。
实施例三
图3为本发明实施例三提供的一种定位恢复装置的结构图,该装置可以执行上述实施例所述的定位恢复方法,参考图3,该装置包括:
预测概率确定模块310,用于如果机器人的定位丢失,则在恢复所述机器人的定位后,根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率;
第一确定模块320,用于如果设定时间内所述区域的分辨率大于预设分辨率,且对应的预测概率大于预设概率,则所述机器人的定位恢复成功,所述机器人在定位恢复过程中保持静止状态。
本发明实施例三提供一种定位恢复装置,如果机器人的定位丢失,则在恢复所述机器人的定位后,根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率,如果设定时间内所述区域的分辨率大于预设分辨率,且对应的预测概率大于预设概率,则所述机器人的定位恢复成功。与现有技术相比,本实施例在机器人出现定位丢失后,可以根据机器人的当前位姿智能的进行定位恢复,无需人为干预,节省了人力,而且定位恢复过程中机器人保持静止状态,无需旋转,降低了对环境的依赖程度,提高了定位精度。
在上述实施例的基础上,预测概率确定模块310,包括:
地图处理单元,用于对所述环境地图进行处理,得到栅格地图;
位姿图生成单元,用于以所述机器人的当前位姿为原点,按照设定的角度偏移量在设定搜索范围内,生成位姿图;
位置确定单元,用于根据所述机器人在所述位姿图中的位姿,确定所述机器人在所述栅格地图中的位置信息;
预测概率确定单元,用于根据所述位置信息和栅格地图,确定所述位姿图的预测概率,作为所述机器人位于所述环境地图中区域的预测概率。
在上述实施例的基础上,所述预测概率确定单元,具体用于:
根据所述位姿图,确定激光传感器在所述栅格地图中扫描到的栅格点,所述激光传感器设置在所述机器人上;
确定各所述栅格点到所述栅格地图中最近障碍物所对应栅格点的距离;
根据所述距离和所述最近障碍物所对应栅格点的概率分布,确定所述位姿图所对应栅格点的概率和,作为所述位姿图的预测概率。
在上述实施例的基础上,该装置还包括:
第二确定模块,用于如果设定时间内所述区域的分辨率小于预设分辨率,或者对应的预测概率小于预设概率,则所述机器人的定位恢复失败。
在上述实施例的基础上,所述机器人的定位丢失包括:检测到所述机器人当前位姿的置信度小于置信度阈值时,确定所述机器人的定位丢失。
本发明实施例三提供的定位恢复装置可执行本发明上述实施例所提供的定位恢复方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种机器人的结构图,参考图4,该机器人包括:处理器410、存储器420、激光传感器430、输入装置440和输出装置450,机器人中处理器410的数量可以是一个或多个,图4中以一个处理器410为例,机器人中的处理器410、存储器420、激光传感器430、输入装置440和输出装置450可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的定位恢复方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的软件程序、指令以及模块,从而执行机器人的各种功能应用以及数据处理,即实现上述实施例的定位恢复方法。
存储器420主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器420可进一步包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至机器人。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置440可用于接收输入的数字或字符信息,以及产生与机器人的用户设置以及功能控制有关的键信号输入。输出装置450可包括显示屏等显示设备、扬声器以及蜂鸣器等音频设备。
本发明实施例四提供的机器人与上述实施例提供的定位恢复方法属于同一发明构思,未在本实施例中详尽描述的技术细节可参见上述实施例,并且本实施例具备执行定位恢复方法相同的有益效果。
实施例五
本发明实施例五还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明上述实施例所述的定位恢复方法。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的定位恢复方法中的操作,还可以执行本发明任意实施例所提供的定位恢复方法中的相关操作,且具备相应的功能和有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是机器人,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的定位恢复方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.一种定位恢复方法,其特征在于,包括:
如果机器人的定位丢失,则触发定位恢复功能,进行定位恢复,根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率;
如果设定时间内所述区域的分辨率大于预设分辨率,且对应的预测概率大于预设概率,则所述机器人的定位恢复成功,所述机器人在定位恢复过程中保持静止状态;
所述根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率,包括:
对所述环境地图进行处理,得到栅格地图;
以所述机器人的当前位姿为原点,按照设定的角度偏移量在设定搜索范围内,生成位姿图;
根据所述机器人在所述位姿图中的位姿,确定所述机器人在所述栅格地图中的位置信息;
根据所述位置信息和栅格地图,确定所述位姿图的预测概率,作为所述机器人位于所述环境地图中区域的预测概率;
所述根据所述位置信息和栅格地图,确定所述位姿图的预测概率,包括:
根据所述位姿图,确定激光传感器在所述栅格地图中扫描到的栅格点,所述激光传感器设置在所述机器人上;
确定各所述栅格点到所述栅格地图中最近障碍物所对应栅格点的距离;
根据所述距离和所述最近障碍物所对应栅格点的概率分布,确定所述位姿图所对应栅格点的概率和,作为所述位姿图的预测概率;
所述区域的分辨率为所述位姿图的分辨率。
2.根据权利要求1所述的方法,其特征在于,还包括:
如果设定时间内所述区域的分辨率小于预设分辨率,或者对应的预测概率小于预设概率,则所述机器人的定位恢复失败。
3.根据权利要求1-2任一项所述的方法,其特征在于,所述机器人的定位丢失包括:检测到所述机器人当前位姿的置信度小于置信度阈值时,确定所述机器人的定位丢失。
4.一种定位恢复装置,其特征在于,包括:
预测概率确定模块,用于如果机器人的定位丢失,则触发定位恢复功能,进行定位恢复,根据所述机器人的当前位姿,确定所述机器人位于环境地图中区域的预测概率;第一确定模块,用于如果设定时间内所述区域的分辨率大于预设分辨率,且对应的预测概率大于预设概率,则所述机器人的定位恢复成功,所述机器人在定位恢复过程中保持静止状态;
所述预测概率确定模块,包括:
地图处理单元,用于对所述环境地图进行处理,得到栅格地图;
位姿图生成单元,用于以所述机器人的当前位姿为原点,按照设定的角度偏移量在设定搜索范围内,生成位姿图;
位置确定单元,用于根据所述机器人在所述位姿图中的位姿,确定所述机器人在所述栅格地图中的位置信息;
预测概率确定单元,用于根据所述位置信息和栅格地图,确定所述位姿图的预测概率,作为所述机器人位于所述环境地图中区域的预测概率;
所述预测概率确定单元,具体用于:
根据所述位姿图,确定激光传感器在所述栅格地图中扫描到的栅格点,所述激光传感器设置在所述机器人上;
确定各所述栅格点到所述栅格地图中最近障碍物所对应栅格点的距离;
根据所述距离和所述最近障碍物所对应栅格点的概率分布,确定所述位姿图所对应栅格点的概率和,作为所述位姿图的预测概率;
所述区域的分辨率为所述位姿图的分辨率。
5.一种机器人,其特征在于,包括:
激光传感器;
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-3中任一项所述的定位恢复方法。
6.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-3中任一项所述的定位恢复方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911176159.8A CN110900602B (zh) | 2019-11-26 | 2019-11-26 | 一种定位恢复方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911176159.8A CN110900602B (zh) | 2019-11-26 | 2019-11-26 | 一种定位恢复方法、装置、机器人及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110900602A CN110900602A (zh) | 2020-03-24 |
CN110900602B true CN110900602B (zh) | 2021-01-19 |
Family
ID=69819694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911176159.8A Active CN110900602B (zh) | 2019-11-26 | 2019-11-26 | 一种定位恢复方法、装置、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110900602B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401779B (zh) * | 2020-03-31 | 2021-10-08 | 上海擎朗智能科技有限公司 | 机器人的定位部署方法、装置、设备及存储介质 |
CN114443264B (zh) * | 2020-11-05 | 2023-06-09 | 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 |
CN112256063B (zh) * | 2020-11-16 | 2023-01-03 | 天津航天中为数据系统科技有限公司 | 一种具有高可靠性的无人机精准降落方法及系统 |
CN112956961B (zh) * | 2021-03-19 | 2022-08-23 | 北京小狗吸尘器集团股份有限公司 | 扫地机器人及其重新定位方法、装置和存储介质 |
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 |
CN115237113B (zh) * | 2021-08-02 | 2023-05-12 | 达闼机器人股份有限公司 | 机器人导航的方法、机器人、机器人系统及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109506641A (zh) * | 2017-09-14 | 2019-03-22 | 深圳乐动机器人有限公司 | 移动机器人的位姿丢失检测与重定位系统及机器人 |
CN107991683B (zh) * | 2017-11-08 | 2019-10-08 | 华中科技大学 | 一种基于激光雷达的机器人自主定位方法 |
CN108151760B (zh) * | 2017-12-28 | 2020-08-11 | 亿嘉和科技股份有限公司 | 一种基于里程计的机器人定位恢复方法 |
JP7097722B2 (ja) * | 2018-03-20 | 2022-07-08 | 日本電産サンキョー株式会社 | ロボットの位置情報復元方法 |
CN108759844B (zh) * | 2018-06-07 | 2021-11-16 | 科沃斯商用机器人有限公司 | 机器人重定位与环境地图构建方法、机器人及存储介质 |
US11347226B2 (en) * | 2019-04-25 | 2022-05-31 | Lg Electronics Inc. | Method of redefining position of robot using artificial intelligence and robot of implementing thereof |
-
2019
- 2019-11-26 CN CN201911176159.8A patent/CN110900602B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110900602A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110900602B (zh) | 一种定位恢复方法、装置、机器人及存储介质 | |
US11709058B2 (en) | Path planning method and device and mobile device | |
US11188089B2 (en) | Localization for autonomous vehicles using gaussian mixture models | |
US11043002B2 (en) | Obstacle detecting method and obstacle detecting apparatus based on unmanned vehicle, and device, and storage medium | |
CN112086010B (zh) | 地图生成方法、装置、设备及存储介质 | |
CN111209978B (zh) | 三维视觉重定位方法、装置及计算设备、存储介质 | |
CN111680747B (zh) | 用于占据栅格子图的闭环检测的方法和装置 | |
CN111026131A (zh) | 一种膨胀区域的确定方法、确定装置、机器人和存储介质 | |
CN111308500B (zh) | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 | |
CN111563450A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN111045433B (zh) | 一种机器人的避障方法、机器人及计算机可读存储介质 | |
CN111951552A (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
CN113807182B (zh) | 用于处理点云的方法、装置、介质以及电子设备 | |
CN116300876A (zh) | 一种多智能体未知环境自主协同探索方法、系统、装置及存储介质 | |
CN113203424B (zh) | 多传感器的数据融合方法、装置及相关设备 | |
CN115014366A (zh) | 一种目标融合方法、装置、车辆及存储介质 | |
CN111857113B (zh) | 可移动设备的定位方法及定位装置 | |
CN111814114A (zh) | 车道定位校验的方法、设备、电子设备、车辆及存储介质 | |
CN114440855B (zh) | 一种动态场景下定位和地图更新的方法及系统 | |
US20230071569A1 (en) | Method and device for monitoring operations of an automated driving system of a vehicle | |
CN116228820B (zh) | 一种障碍物检测方法、装置和电子设备、存储介质 | |
CN118014868A (zh) | 激光点云滤波方法、装置、设备及存储介质 | |
CN116929399A (zh) | 驾驶路径搜索方法、装置、设备和自动驾驶车辆 | |
CN115755901A (zh) | 一种移动机器人的停障控制方法和装置 | |
CN117103259A (zh) | 目标跟随方法、装置、可移动的跟随设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 215200 standard plant 7, Dongyun Science Park, No. 558, Shanhu West Road, Wujiang Economic and Technological Development Zone, Suzhou, Jiangsu Province Patentee after: Suzhou Bozhong intelligent robot Co.,Ltd. Address before: 215200 No. 666 Hu Xin Road, Wujiang economic and Technological Development Zone, Suzhou, Jiangsu Patentee before: SUZHOU BOZHONG ROBOT Co.,Ltd. |
|
CP03 | Change of name, title or address |