CN111060113B - 一种地图更新方法及装置 - Google Patents
一种地图更新方法及装置 Download PDFInfo
- Publication number
- CN111060113B CN111060113B CN201911412950.4A CN201911412950A CN111060113B CN 111060113 B CN111060113 B CN 111060113B CN 201911412950 A CN201911412950 A CN 201911412950A CN 111060113 B CN111060113 B CN 111060113B
- Authority
- CN
- China
- Prior art keywords
- map
- point
- positioning
- points
- global 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3837—Data obtained from a single source
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3848—Data obtained from both position sensors and additional sensors
Abstract
本申请公开了一种地图更新方法及装置。本实施例提供的地图更新方法包括:在机器人的移动过程中,当检测到实际环境与已构建的全局地图指示的环境不一致时,启动地图更新,构建初始局部地图;根据获取的传感器数据以及所述全局地图确定定位点,根据所述定位点优化所述初始局部地图,得到优化后局部地图;利用优化后局部地图覆盖所述全局地图的相应区域,完成所述全局地图的更新。本申请实施例,提高了定位精度,避免了由于环境变化而地图更新滞后带来的机器人移动定位错误的技术问题,保证了地图更新的速度和效率,节省了时间。
Description
技术领域
本申请涉及机器人技术领域,具体涉及一种地图更新方法及装置。
背景技术
随着人工智能技术的发展,越来越多的智能机器人走入我们的生活,在SLAM(Simultaneous Localization And Mapping,同步定位和构图)领域,地图是机器人进行定位和路径规划、调度等一系列的动作的基础,因而良好的、高质量的地图是机器人顺利完成任务的关键保证。但是,在实际使用过程中,地图往往失效,即由于环境或空间的不断变化,实际情况与地图中的信息差异太大,导致定位错误。
发明内容
鉴于上述问题,提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的地图更新方法及装置,能够自动检测并增量更新地图,提高了定位的准确性。
根据本申请实施例的一个方面,提供了一种地图更新方法,该地图更新方法包括:
在机器人的移动过程中,当检测到实际环境与已构建的全局地图指示的环境不一致时,启动地图更新,构建初始局部地图;
根据获取的传感器数据以及全局地图确定定位点,根据定位点优化初始局部地图,得到优化后局部地图;
利用优化后局部地图覆盖全局地图的相应区域,完成全局地图的更新。
根据本申请实施例的另一个方面,提供了一种地图更新装置,该地图更新装置包括:
构图模块,用于在机器人的移动过程中,当检测到实际环境与已构建的全局地图指示的环境不一致时,启动地图更新,构建初始局部地图;
优化模块,用于根据获取的传感器数据以及全局地图确定定位点,根据定位点优化初始局部地图,得到优化后局部地图;
更新模块,用于利用优化后局部地图覆盖全局地图的相应区域,完成全局地图的更新。
本申请实施例的地图更新方法及装置,在机器人的移动过程中如果检测到实际环境与已构建的全局地图指示的环境不一致,则启动地图更新,构建初始局部地图,确定定位点,根据定位点优化初始局部地图,利用优化后的局部地图覆盖全局地图的相应区域,完成全局地图更新。一方面,本申请实施例在机器人移动过程中一旦检测到实际情况与全局地图信息不符,即可启动地图更新步骤,对失效的全局地图区域进行更新,避免了由于环境变化而地图更新滞后带来的机器人移动定位错误的技术问题。另一方面,本申请实施例在检测到环境变化后,通过构建局部地图,并用局部地图覆盖全局地图相应区域的方式实现更新,只需要更新全局地图中与实际情况不符的部分,数据量相对较小,保证了地图更新的速度和效率,节省了时间。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本申请一个实施例的地图更新方法的流程示意图;
图2示出了根据本申请一个实施例的地图更新方法的流程图;
图3示出了根据本申请一个实施例的地图更新装置的框图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例,然而应当理解,可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本申请,并且能够将本申请的范围完整的传达给本领域的技术人员。
本申请的设计构思是:针对移动机器人由于环境变化而地图更新滞后带来的定位错误问题,提出了一种基于环境变化检测的地图更新方案。即,在检测到实际环境与已构建全局地图不匹配时,开始构建局部地图,并同时在全局地图与局部地图之间快速寻找锚点(即定位点),在锚点集合(即定位点集合)中的锚点符合预设条件时开始局部优化,最后以锚点为参考实现全局地图的更新。
图1示出了根据本申请一个实施例的地图更新方法的流程示意图,参见图1,本实施例的地图更新方法包括:
步骤S101,在机器人的移动过程中,当检测到实际环境与已构建的全局地图指示的环境不一致时,启动地图更新,构建初始局部地图。比如,考虑这样一个场景,在全局地图构建阶段,仓库中的窗边有一排货架,后来货架被人工移到了门口,而全局地图没有更新,所以全局地图中窗边对应的栅格的状态为占据,即,窗边仍有一排货架。而实际环境中窗边已没有货架,全局地图中窗边对应的栅格的状态应为未占据状态。机器人在移动的过程中,根据传感器数据,检测实际环境与已构建的全局地图指示的环境是否一致,如果不一致,本实施例机器人启动地图更新,构建初始局部地图。
步骤S102,根据获取的传感器数据以及全局地图确定定位点,根据定位点优化初始局部地图,得到优化后局部地图;定位点或称锚点,是用于锚定局部地图与全局地图的位置点。由于激光雷达测距比较准确,误差模型简单,在强光直射以外的环境中运行稳定等特点,这里的传感器数据比如是激光传感器采集的数据。
步骤S103,利用优化后局部地图覆盖全局地图的相应区域,完成全局地图的更新。
由图1所示可知,本实施例的地图更新方法,既能够在机器人移动过程中对全局地图中与实际环境不一致的区域进行更新,提高机器人定位的精度,又不需要重新建构全局地图,节省了地图更新时间,保证了定位的效率。总之,本实施例的地图更新相比较其他地图更新方式,地图更新更及时、精度更好,适合小范围环境变化场景下的地图增量更新。
本实施例的地图更新方法主要包括地图状态检测、局部构图、更新地图三大步骤。图2示出了根据本申请一个实施例的地图更新方法的流程图,参见图2,地图更新方法具体包括下列步骤:
步骤201,地图状态检测。
地图状态检测是检测全局地图的状态,也就是检测全局地图是否失效。在机器人的移动过程中,当检测到实际环境与已构建的全局地图指示的环境不一致时,启动地图更新,构建初始局部地图。检测实际环境与全局地图指示的环境是否一致的具体实施方式之一比如是:获取传感器数据,根据传感器数据在已构建的全局地图上定位机器人的当前位置;当定位失败时,确定检测到实际环境与已构建的全局地图指示的环境不一致。
置信度反映了机器人有关环境状态的内部信息,因为位姿不能直接测量,通常机器人是不知道自己的位姿的,但是须要从数据中推测出自己的位姿,进而从位姿的置信度识别出机器人真正的状态。机器人的位姿包括机器人的位置信息以及角度信息(角度即朝向)。本实施例中,根据传感器数据在已构建的全局地图上定位机器人的当前位置包括:根据传感器数据,获得当前位姿以及当前位姿在全局地图上的置信度;当置信度不大于预设置信度阈值时,定位失败。
比如,移动机器人接收到激光雷达传感器传过来的数据,利用全局地图和惯性导航获得当前位姿以及当前位姿在全局地图上的置信度比如0.6,将当前位姿在全局地图上的置信度0.6与预设置信度阈值比如0.8进行比较,可知,0.6小于0.8,则定位失败。根据定位失败这一结果,本实施例确定全局地图失效并启动地图更新,进入局部建图阶段,开始局部建图过程。如果定位成功,则继续按照全局地图进行导航定位和移动即可。
需要说明的是,全局地图是指在环境未变化前移动机器人利用传感器(比如激光)并基于SLAM算法构建的地图;局部地图是指局部环境发生变化,本实施例对发生变化的局部区域新建的地图。
局部建图过程包括下列步骤202至步骤206,以下分别进行说明。
步骤202,初始化局部地图;
在启动地图更新之后,本实施例将当前位姿之前对应位姿在全局地图上的置信度大于预设置信度阈值的位置点作为首个定位点,以首个定位点为坐标系参考原点,初始化局部地图,得到初始局部地图。比如,以当前位置点的上一个置信度大于预设置信度阈值的位置点P0作为首个锚点,在锚点集合P中保存P0并以此点为坐标系参考原点,初始化局部地图。注:由于定位点的作用是锚定局部地图与全局地图,所以本实施例中定位点与锚点的含义相同,定位点集合与锚点集合的含义相同。
步骤203,初始化粒子滤波;
粒子滤波能够消除航迹推测过程中由于各种干扰带来的噪声,提高局部地图的精度。因此,本实施例中,采用基于粒子滤波机器人定位算法,通过使用大量粒子模拟机器人的运动状态。这里先对粒子群进行初始化使粒子在空间内均匀分布,即,使粒子分布服从正态分布。
步骤204,航迹推测;
如前述可知,为了提高局部地图的精度,本实施例采用粒子滤波结合航迹推测的建图模式,也就是说,基于惯性导航方程进行航迹检测,得到推测位置点包括:采用粒子滤波基于惯性导航方程进行航迹检测,得到推测位置点。
结合上述步骤203,根据惯性导航方程,将每一个粒子带入,得到一个预测粒子(比如当前位置O的下一个位置S);对预测粒子(位置S)进行评价(计算权重),越接近于真实位置的粒子,其权重越大;根据粒子权重对粒子进行筛选,将重采样后的粒子带入惯性导航方程得到新的预测粒子,如此重复。机器人按照惯性导航方程的预测,运动到下一位置,而后传感器对当前位置进行测量,并得到一个测量的位置。这样,
在机器人按照特定方向运动或者随机移动过程中,通过航迹检测推测机器人移动的下一位置点(因为此时机器人没有有效的全局地图用于导航,所以用航迹推测),并在根据航迹推测结果而移动的过程中寻找锚点。寻找锚点的具体实施方式中的重要一环是,根据获取的传感器数据以及全局地图确定定位点,具体的,根据移动过程中获取的传感器数据,得到测量空间点;将测量空间点与全局地图上的位置点进行匹配,匹配失败,则继续移动获取传感器数据;匹配成功,则将匹配成功的位置点确定为定位点。
比如,机器人一边行进一边接收激光传感器数据,根据激光传感器数据得到测量的空间点,并运行空间点与全局地图上位置点的匹配算法,将这些测量空间点在全局地图上进行匹配,若匹配失败,则按照局部建图中的上述内容继续行进并寻找锚点;若在全局地图中匹配成功(即位置点的位姿在全局地图的置信度大于预设置信度阈值),匹配成功的位置点作为锚点放入锚点集合,而后开始评估当前锚点集合中所有的锚点。
步骤205,评估当前所有锚点是否满足条件;满足条件则执行步骤206,不满足条件则返回执行步骤204,航迹推测。
本步骤中评估所有的锚点,如果锚点符合条件,则开始优化局部地图。比如,当定位点集合中定位点的数量和/或位置满足预设条件时,根据定位点集合中的定位点优化初始局部地图。若不符合条件,则转到上一个步骤204,继续寻找下一个锚点。也就是说,如果定位点集合中定位点的数量满足了预设条件可根据定位点集合中的定位点优化初始局部地图。或者,定位点集合中定位点的位置满足了预设条件可根据定位点集合中的定位点优化初始局部地图。亦或者,定位点集合中定位点的数量和定位点的位置均满足了预设条件,根据定位点集合中的定位点优化初始局部地图。优选地,当定位点的数量和位置均满足条件时进行局部地图优化,能够使得局部地图精度更高,所以在精度要求的场景中可以采用这一方式。
锚点评估的具体实施方式之一是当定位点集合中定位点数量大于三个时,确定定位点集合中定位点的数量满足预设条件;当定位点集合中所有定位点不在同一直线上时,确定定位点集合中定位点的位置满足预设条件。定位点的数量和位置条件的设置都是为了提高对局部地图的优化效果,因为锚点共线会存在线性相关性问题,导致优化效果较差,所以,所有锚点应不共线,因为有不共线的要求,所以锚点个数至少为3个。
步骤206,局部地图优化。
经过上一步骤对锚点的评估,得出满足条件的锚点,在本步骤中以当前构建的栅格地图为参考地图,以锚点为坐标参考点,以最小化欧式距离为约束条件,优化的最终目标是减小误差,提高局部地图精度。
具体的,根据定位点集合中的定位点优化初始局部地图包括:根据定位点在全局地图中的空间位置坐标确定约束条件;以机器人的当前位置为顶点,以当前位置和下一位置之间的距离作为边,基于惯性导航方程进行航迹检测,得到推测位置点;获取机器人在当前位置利用传感器测量得到的测量空间点;根据推测位置点、测量空间点和约束条件确定机器人移动的下一位置点,基于下一位置点,得到优化后局部地图。前述根据推测位置点、测量空间点和约束条件确定机器人移动的下一位置点包括:根据两个定位点之间的欧式距离确定约束条件;对于位于两个定位点之间的位置点,计算推测位置点与测量空间点的误差与约束条件的和值,并利用最小二乘法,拟合最优的位置点,将最优的位置点确定为机器人移动的下一位置点。
通过粒子滤波建立了一张局部的栅格图,在这张栅格图与全局地图叠加的过程中存在一定的误差,对此,本实施例,利用锚点的信息对局部地图进行优化,优化采用改进型的图优化算法,具体是在优化过程中增加对锚点的约束条件。
举例而言,本实施例中获得锚点集合P(p0,p1,p2,p3…pn),p0,p1等均表示锚点。根据锚点在全局地图的空间位置关系计算约束B(B为锚点集合P内两个锚点间的欧式距离),以此为约束条件添加到整个的优化流程中。
在机器人移动过程中,以机器人的当前位置X为顶点,当前位置X包括位置信息和角度信息,以当前位置和下一位置之间的连线(即机器人从一位置点移动到另一位置点建立的边)为优化变量,获得优化方程minF(x)。
对位于两个定位点之间的位置点(下称当前位置点),由惯性导航方程结合粒子滤波进行航迹检测得到推测位置点,在当前位置点,机器人通过传感器数据比如激光传感器数据可以测量获得多个测量空间点。比如机器人在某个当前位置处用激光测量到了某个空间点,得到空间点距自己的距离和角度,距离和角度满足下列公式:
由上述公式可以得到激光测量出的空间点,λx,λy为测量空间点的坐标,r是机器人从当前位置点移动到测量空间点的距离,b是移动距离对应的角度,x,y为当前位置点的坐标,θ为机器人在当前位置点的偏航角。
如前述,本实施例的创新点之一是在优化过程中增加对锚点的约束,因此,无论是推测位置点还是测量空间点都不可避免的存在噪声和误差,所以,不能直接将测量空间点或推测位置点作为当前位置点的下一个位置点,而需要结合锚点寻找最优的位置点,即优化。
优化过程例如是:按照常规最优化问题的求解方法如最小二乘法求解下列公式得到最优的位置点,根据得到的最优位置点进而完成局部地图的优化:
上述公式中,xk表示顶点,ek(xk)为航迹推测得到的推测位置点与根据激光测量出的测量空间点之间的误差,B为相关锚点(顶点左右两边的那两个锚点)在全局地图上的约束条件(即两个锚点之间的欧式距离)。
步骤207,更新全局地图。
利用优化后局部地图覆盖全局地图的相应区域,完成全局地图的更新。局部地图优化完成后,用局部地图覆盖全局地图对应的区域,完成全局地图更新。具体的覆盖可以采用现有技术实现,这里不做过多说明。
至此,一次地图更新流程结束。
由上可知,本实施例的地图更新方法,解决了移动机器人由于环境变化而地图更新滞后带来的定位错误问题,提高了定位精度,并通过地图增量更新的方式,保证了更新效率。
图3示出了根据本申请一个实施例的地图更新装置的框图,参见图3,本实施例的地图更新装置300包括
构图模块301,用于在机器人的移动过程中,当检测到实际环境与已构建的全局地图指示的环境不一致时,启动地图更新,构建初始局部地图;
优化模块302,用于根据获取的传感器数据以及全局地图确定定位点,根据定位点优化初始局部地图,得到优化后局部地图;
更新模块303,用于利用优化后局部地图覆盖全局地图的相应区域,完成全局地图的更新。
在本申请的一个实施例中,优化模块302,具体用于根据移动过程中获取的传感器数据,得到测量空间点;将测量空间点与全局地图上的位置点进行匹配,匹配失败,则继续移动获取传感器数据;匹配成功,则将匹配成功的位置点确定为定位点。
在本申请的一个实施例中,构图模块301,具体用于当定位点集合中定位点的数量和/或位置满足预设条件时,根据定位点集合中的定位点优化初始局部地图。
在本申请的一个实施例中,优化模块302,具体用于根据定位点在全局地图中的空间位置坐标确定约束条件;以机器人的当前位置为顶点,以当前位置和下一位置之间的距离作为边,基于惯性导航方程进行航迹检测,得到推测位置点;获取机器人在当前位置利用传感器测量得到的测量空间点;根据推测位置点、测量空间点和约束条件确定机器人移动的下一位置点,基于下一位置点,得到优化后局部地图。
在本申请的一个实施例中,优化模块302,具体用于根据两个定位点之间的欧式距离确定约束条件;对于位于两个定位点之间的位置点,计算推测位置点与测量空间点的误差与约束条件的和值,并利用最小二乘法,拟合最优的位置点,将最优的位置点确定为机器人移动的下一位置点。
在本申请的一个实施例中,优化模块302,具体用于采用粒子滤波基于惯性导航方程进行航迹检测,得到推测位置点。
在本申请的一个实施例中,构图模块301,具体用于获取传感器数据,根据传感器数据在已构建的全局地图上定位机器人的当前位置;当定位失败时,确定检测到实际环境与已构建的全局地图指示的环境不一致。
在本申请的一个实施例中,构图模块301,具体用于根据传感器数据,获得当前位姿以及当前位姿在全局地图上的置信度;当置信度不大于预设置信度阈值时,定位失败。
在本申请的一个实施例中,构图模块301,具体用于将当前位姿之前对应位姿在全局地图上的置信度大于预设置信度阈值的位置点作为首个定位点,以首个定位点为坐标系参考原点,初始化局部地图,得到初始局部地图。
在本申请的一个实施例中,优化模块302,具体用于当定位点集合中定位点数量大于三个时,确定定位点集合中定位点的数量满足预设条件;当定位点集合中所有定位点不在同一直线上时,确定定位点集合中定位点的位置满足预设条件。
需要说明的是,上述地图更新装置实施例中各模块的具体实施方式可以参照前述对应方法实施例的具体实施方式进行,在此不再赘述。
本申请的另一个实施例提供一种计算机可读存储介质,计算机可读存储介质存储计算机指令,计算机指令使计算机执行上述的图像特征点过滤方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图的一个流程或多个流程和/或方框图的一个方框或多个方框中指定的功能的装置。
需要说明的是术语“包括”、“包含”或者其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。
本申请的说明书中,说明了大量具体细节。然而能够理解的是,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。类似地,应当理解,为了精简本申请公开并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,正如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
以上所述,仅为本申请的具体实施方式,在本申请的上述教导下,本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白,上述的具体描述只是更好的解释本申请的目的,本申请的保护范围以权利要求的保护范围为准。
Claims (9)
1.一种地图更新方法,其特征在于,所述地图更新方法包括:
在机器人的移动过程中,当检测到实际环境与已构建的全局地图指示的环境不一致时,启动地图更新,构建初始局部地图;
根据获取的传感器数据以及所述全局地图确定定位点,所述定位点是用于锚定初始局部地图和全局地图的位置点;
根据所述定位点之间的欧式距离确定约束条件,采用改进型的图优化算法优化所述初始局部地图,得到优化后局部地图;所述改进型的图优化算法是在优化过程中增加对定位点的约束条件;
利用优化后局部地图覆盖所述全局地图的相应区域,完成所述全局地图的更新;
所述根据获取的传感器数据以及所述全局地图确定定位点包括:
根据移动过程中获取的所述传感器数据,得到测量空间点;将所述测量空间点与全局地图上的位置点进行匹配,匹配失败,则继续移动获取所述传感器数据;匹配成功,则将匹配成功的位置点确定为所述定位点。
2.如权利要求1所述的方法,其特征在于,所述根据所述定位点之间的欧式距离确定约束条件,采用改进型的图优化算法优化所述初始局部地图包括:
当定位点集合中定位点的数量和/或位置满足预设条件时,根据所述定位点集合中的定位点优化所述初始局部地图。
3.如权利要求2所述的方法,其特征在于,所述根据所述定位点集合中的定位点优化所述初始局部地图包括:
根据所述定位点在全局地图中的空间位置坐标确定约束条件;
以机器人的当前位置为顶点,以当前位置和下一位置之间的距离作为边,基于惯性导航方程进行航迹检测,得到推测位置点;
获取机器人在当前位置利用传感器测量得到的测量空间点;
根据推测位置点、测量空间点和约束条件确定机器人移动的下一位置点,基于下一位置点,得到优化后局部地图;
其中,所述根据推测位置点、测量空间点和约束条件确定机器人移动的下一位置点包括:
根据两个所述定位点之间的欧式距离确定约束条件;
对于位于两个所述定位点之间的位置点,计算推测位置点与测量空间点的误差与约束条件的和值,并利用最小二乘法,拟合最优的位置点,将最优的位置点确定为机器人移动的下一位置点。
4.如权利要求3所述的方法,其特征在于,所述基于惯性导航方程进行航迹检测,得到推测位置点包括:
采用粒子滤波基于惯性导航方程进行航迹检测,得到推测位置点。
5.如权利要求1所述的方法,其特征在于,当检测到实际环境与已构建的全局地图指示的环境不一致时,构建初始局部地图包括:
获取传感器数据,根据所述传感器数据在已构建的全局地图上定位机器人的当前位置;当定位失败时,确定检测到实际环境与已构建的全局地图指示的环境不一致。
6.如权利要求5所述的方法,其特征在于,所述根据所述传感器数据在已构建的全局地图上定位机器人的当前位置包括:
根据传感器数据,获得当前位姿以及当前位姿在所述全局地图上的置信度;当所述置信度不大于预设置信度阈值时,定位失败。
7.如权利要求6所述的方法,其特征在于,所述当检测到实际环境与已构建的全局地图指示的环境不一致时,启动地图更新,构建初始局部地图包括:
将当前位姿之前对应位姿在所述全局地图上的置信度大于预设置信度阈值的位置点作为首个定位点,以首个定位点为坐标系参考原点,初始化局部地图,得到初始局部地图。
8.如权利要求2所述的方法,其特征在于,所述当定位点集合中定位点的数量和/或位置满足预设条件时,根据所述定位点集合中的定位点优化所述初始局部地图包括:
当定位点集合中定位点数量大于三个时,确定定位点集合中定位点的数量满足预设条件,根据所述定位点集合中的定位点优化所述初始局部地图;
当定位点集合中所有定位点不在同一直线上时,确定定位点集合中定位点的位置满足预设条件,根据所述定位点集合中的定位点优化所述初始局部地图。
9.一种地图更新装置,其特征在于,所述地图更新装置包括:
构图模块,用于在机器人的移动过程中,当检测到实际环境与已构建的全局地图指示的环境不一致时,启动地图更新,构建初始局部地图;
优化模块,用于根据获取的传感器数据以及所述全局地图确定定位点,所述定位点是用于锚定初始局部地图和全局地图的位置点;根据所述定位点之间的欧式距离确定约束条件,采用改进型的图优化算法优化所述初始局部地图,得到优化后局部地图;所述改进型的图优化算法是在优化过程中增加对定位点的约束条件;
更新模块,用于利用优化后局部地图覆盖所述全局地图的相应区域,完成所述全局地图的更新;
其中,优化模块 ,具体是用于根据移动过程中获取的所述传感器数据,得到测量空间点;将所述测量空间点与全局地图上的位置点进行匹配,匹配失败,则继续移动获取所述传感器数据;匹配成功,则将匹配成功的位置点确定为所述定位点。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911412950.4A CN111060113B (zh) | 2019-12-31 | 2019-12-31 | 一种地图更新方法及装置 |
PCT/CN2020/126984 WO2021135645A1 (zh) | 2019-12-31 | 2020-11-06 | 一种地图更新方法及装置 |
US17/309,926 US20220307859A1 (en) | 2019-12-31 | 2020-11-06 | Method and device for updating map |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911412950.4A CN111060113B (zh) | 2019-12-31 | 2019-12-31 | 一种地图更新方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111060113A CN111060113A (zh) | 2020-04-24 |
CN111060113B true CN111060113B (zh) | 2022-04-08 |
Family
ID=70305730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911412950.4A Active CN111060113B (zh) | 2019-12-31 | 2019-12-31 | 一种地图更新方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220307859A1 (zh) |
CN (1) | CN111060113B (zh) |
WO (1) | WO2021135645A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111060113B (zh) * | 2019-12-31 | 2022-04-08 | 歌尔股份有限公司 | 一种地图更新方法及装置 |
CN111766871B (zh) * | 2020-06-01 | 2022-12-02 | 京东科技信息技术有限公司 | 一种行走机器人及应用于行走机器人的地图处理方法 |
CN112284387A (zh) * | 2020-09-07 | 2021-01-29 | 安克创新科技股份有限公司 | 用于清扫设备的定位方法、清扫设备和存储介质 |
CN112336883A (zh) * | 2020-10-28 | 2021-02-09 | 湖南安商医疗科技有限公司 | 一种自主移动的脉冲氙气灯和等离子杀菌机器人 |
CN112700497B (zh) * | 2021-01-04 | 2023-06-09 | 歌尔股份有限公司 | 回环检测方法、装置、设备及计算机可读存储介质 |
CN112859862A (zh) * | 2021-01-15 | 2021-05-28 | 珠海市一微半导体有限公司 | 一种利用充电桩进行地图修正的方法及系统 |
CN112783911A (zh) * | 2021-02-02 | 2021-05-11 | 杭州海兴泽科信息技术有限公司 | 一种地图数据更新方法、装置、设备及可读存储介质 |
CN113190568A (zh) * | 2021-05-12 | 2021-07-30 | 上海快仓自动化科技有限公司 | 一种地图更新方法、装置及相关组件 |
CN113340296B (zh) * | 2021-06-21 | 2024-04-09 | 上海仙工智能科技有限公司 | 一种自动更新移动机器人地图的方法及装置 |
CN113787516A (zh) * | 2021-08-16 | 2021-12-14 | 深圳优地科技有限公司 | 定位方法、装置和机器人 |
CN113932790A (zh) * | 2021-09-01 | 2022-01-14 | 北京迈格威科技有限公司 | 一种地图更新方法、装置、系统、电子设备及存储介质 |
CN113804192B (zh) * | 2021-09-29 | 2024-02-02 | 北京易航远智科技有限公司 | 地图构建方法、装置、电子设备和存储介质 |
CN114216451B (zh) * | 2021-12-02 | 2024-03-26 | 北京云迹科技股份有限公司 | 一种机器人地图的更新方法及装置 |
CN114543808A (zh) * | 2022-02-11 | 2022-05-27 | 杭州萤石软件有限公司 | 室内重定位方法、装置、设备及存储介质 |
CN115267796B (zh) * | 2022-08-17 | 2024-04-09 | 深圳市普渡科技有限公司 | 定位方法、装置、机器人和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017097402A (ja) * | 2015-11-18 | 2017-06-01 | 株式会社明電舎 | 周辺地図作成方法、自己位置推定方法および自己位置推定装置 |
CN108682027A (zh) * | 2018-05-11 | 2018-10-19 | 北京华捷艾米科技有限公司 | 基于点、线特征融合的vSLAM实现方法及系统 |
CN108896050A (zh) * | 2018-06-26 | 2018-11-27 | 上海交通大学 | 一种基于激光传感器的移动机器人长期定位系统及方法 |
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 |
CN110070615A (zh) * | 2019-04-12 | 2019-07-30 | 北京理工大学 | 一种基于多相机协同的全景视觉slam方法 |
CN110118554A (zh) * | 2019-05-16 | 2019-08-13 | 深圳前海达闼云端智能科技有限公司 | 基于视觉惯性的slam方法、装置、存储介质和设备 |
CN110490900A (zh) * | 2019-07-12 | 2019-11-22 | 中国科学技术大学 | 动态环境下的双目视觉定位方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8606498B2 (en) * | 2007-02-16 | 2013-12-10 | Javad Gnss, Inc. | Path approximation for planar motion of a ground vehicle |
US20080268830A1 (en) * | 2007-04-30 | 2008-10-30 | Ranjan Sharma | Proximity detection of coverage area boundary and display of mobile station location relative thereto |
FR2977023B1 (fr) * | 2011-06-24 | 2014-02-21 | Univ Angers | Generation de donnees de carte |
CN108507579B (zh) * | 2018-04-08 | 2020-04-21 | 浙江大承机器人科技有限公司 | 一种基于局部粒子滤波的重定位方法 |
CN110060277A (zh) * | 2019-04-30 | 2019-07-26 | 哈尔滨理工大学 | 一种多特征融合的视觉slam方法 |
CN111060113B (zh) * | 2019-12-31 | 2022-04-08 | 歌尔股份有限公司 | 一种地图更新方法及装置 |
CN111765892B (zh) * | 2020-05-12 | 2022-04-29 | 驭势科技(北京)有限公司 | 一种定位方法、装置、电子设备及计算机可读存储介质 |
-
2019
- 2019-12-31 CN CN201911412950.4A patent/CN111060113B/zh active Active
-
2020
- 2020-11-06 US US17/309,926 patent/US20220307859A1/en active Pending
- 2020-11-06 WO PCT/CN2020/126984 patent/WO2021135645A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017097402A (ja) * | 2015-11-18 | 2017-06-01 | 株式会社明電舎 | 周辺地図作成方法、自己位置推定方法および自己位置推定装置 |
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 |
CN108682027A (zh) * | 2018-05-11 | 2018-10-19 | 北京华捷艾米科技有限公司 | 基于点、线特征融合的vSLAM实现方法及系统 |
CN108896050A (zh) * | 2018-06-26 | 2018-11-27 | 上海交通大学 | 一种基于激光传感器的移动机器人长期定位系统及方法 |
CN110070615A (zh) * | 2019-04-12 | 2019-07-30 | 北京理工大学 | 一种基于多相机协同的全景视觉slam方法 |
CN110118554A (zh) * | 2019-05-16 | 2019-08-13 | 深圳前海达闼云端智能科技有限公司 | 基于视觉惯性的slam方法、装置、存储介质和设备 |
CN110490900A (zh) * | 2019-07-12 | 2019-11-22 | 中国科学技术大学 | 动态环境下的双目视觉定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111060113A (zh) | 2020-04-24 |
WO2021135645A1 (zh) | 2021-07-08 |
US20220307859A1 (en) | 2022-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111060113B (zh) | 一种地图更新方法及装置 | |
CA3080184C (en) | Deployment of trained neural network based rss fingerprint dataset | |
JP6987797B2 (ja) | リアルタイムオンラインエゴモーション推定を有するレーザスキャナ | |
CN111290385B (zh) | 一种机器人路径规划方法、机器人、电子设备及存储介质 | |
CN111060135B (zh) | 一种基于局部地图的地图修正方法及系统 | |
CN110146909A (zh) | 一种定位数据处理方法 | |
CA3076139C (en) | Neural network- instantiated lightweight calibration of rss fingerprint dataset | |
CA3049070C (en) | Neural network training for mobile device rss fingerprint-based indoor navigation | |
CA3077683C (en) | Crowd-sourced training of a neural network for rss fingerprinting | |
CN110082753A (zh) | 确定车辆位置的方法 | |
JP2016024598A (ja) | 自律移動装置の制御方法 | |
CN108638062A (zh) | 机器人定位方法、装置、定位设备及存储介质 | |
CA3078072C (en) | Maintaining a trained neural network for mobile device rss fingerprint based indoor navigation | |
JP7047576B2 (ja) | 地図作成装置 | |
CN110895408A (zh) | 一种自主定位方法、装置及移动机器人 | |
CN113514843A (zh) | 多子图激光雷达定位方法、系统以及终端 | |
Groh et al. | Advanced real-time indoor parking localization based on semi-static objects | |
JP2009223757A (ja) | 自律移動体、その制御システム、自己位置推定方法 | |
CN107782304A (zh) | 移动机器人的定位方法及装置、移动机器人及存储介质 | |
US20210349174A1 (en) | Technique for calibrating a positioning system | |
CN112731337A (zh) | 地图构建方法、装置和设备 | |
CN110794434B (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
CN109769206B (zh) | 一种室内定位融合方法、装置、存储介质及终端设备 | |
Piasecki | Global localization for mobile robots by multiple hypothesis tracking | |
CN109945864A (zh) | 室内行车定位融合方法、装置、存储介质及终端设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |