CN111223145A - 数据处理方法、系统、服务装置及其存储介质 - Google Patents

数据处理方法、系统、服务装置及其存储介质 Download PDF

Info

Publication number
CN111223145A
CN111223145A CN202010004337.5A CN202010004337A CN111223145A CN 111223145 A CN111223145 A CN 111223145A CN 202010004337 A CN202010004337 A CN 202010004337A CN 111223145 A CN111223145 A CN 111223145A
Authority
CN
China
Prior art keywords
map
pose
map matching
poses
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.)
Pending
Application number
CN202010004337.5A
Other languages
English (en)
Inventor
李国飞
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.)
Shanghai Yogo Robot Co Ltd
Original Assignee
Shanghai Yogo Robot 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 Shanghai Yogo Robot Co Ltd filed Critical Shanghai Yogo Robot Co Ltd
Priority to CN202010004337.5A priority Critical patent/CN111223145A/zh
Publication of CN111223145A publication Critical patent/CN111223145A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Abstract

本发明提供一种数据处理方法、系统、服务装置及其存储介质，所述数据处理方法包括获取当前时刻机器人在地图中的估计位姿；根据所述估计位姿，进行激光点云数据与地图的匹配，以获取若干地图匹配位姿及与所述若干地图匹配位姿对应的若干地图匹配得分；将所述若干地图匹配位姿按照各自的地图匹配得分进行降序排列；选取排序靠前的部分所述地图匹配位姿；将所有选取的所述地图匹配位姿进行信息处理，以获取当前时刻所述机器人在地图上的最终地图位姿。本发明在保证运算速度基本不变的情况下，提高了点云与地图匹配的精度与效果。

Description

数据处理方法、系统、服务装置及其存储介质
技术领域
本发明涉及机器人控制技术领域，特别涉及一种数据处理方法、系统、服务装置及其存储介质。
背景技术
移动机器人定位是机器人学的重要研究方向，也是机器人实现自主导航与智能行走的核心技术，对于提高机器人自动化水平具有重要意义。定位方法通常分为两类：绝对定位和相对定位。绝对定位要求机器人在不指定初始位置的情况下确定自己的位置。相对定位指机器人在给初始位置的条件下，根据多传感器实时数据及先验环境地图确定自己的在地图中的位置，是机器人定位处理中主要的研究方向。点云与地图的匹配技术是机器人定位的核心技术，匹配的精度与鲁棒性对定位效果有较大的影响，匹配的速度影响定位的实时性，进一步影响机器人的导航控制的响应速度与平滑性。因此提高点云与地图的匹配的精度与速度是机器人高精度高效运行的关键技术。
点云与地图的匹配精度受很多因素的影响，比如激光点云中包含大量移动物体，或者环境地图构建存在较大误差等。针对点云与地图的匹配，存在多种方法，比较常用的为梯度下降法，该方法容易陷入局部最优值，而且大多数匹配结果为局部最优地图位姿，这是由于地图的不连续导致的；另外还有暴力匹配结合分支定界加速的方法，该方法基本可以确定全局最优值，但是如果点云中包含大量移动物体的情况下，可能得到错误的全局最优解，而且该方法计算量大，算法运算时间较长，很难在嵌入式平台上达到实时匹配的要求。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种数据处理方法、系统、服务装置及其存储介质，用于解决现有技术中的点云与地图的匹配方法和系统，运算速度耗时，点云与地图匹配的精度和鲁棒性较差的技术问题。
为实现上述目的及其他相关目的，本发明提供一种数据处理方法，所述数据处理方法包括：
获取当前时刻机器人在地图中的估计位姿；
根据所述估计位姿，进行激光点云数据与地图的匹配，以获取若干地图匹配位姿及与所述若干地图匹配位姿对应的若干地图匹配得分；
将所述若干地图匹配位姿按照各自的地图匹配得分进行降序排列；
选取排序靠前的部分所述地图匹配位姿；
将所有选取的所述地图匹配位姿进行信息处理，以获取当前时刻所述机器人在地图上的最终地图位姿。
在一可选实施例中，所述获取当前时刻机器人在地图中的估计位姿的步骤包括：
根据前一时刻到当前时刻之间所述机器人的编码器和惯性测量单元的测量数据以及前一时刻所述机器人在地图上的最终地图位姿，获取当前时刻所述机器人在地图中的估计位姿。
在一可选实施例中，所述将所有选取的所述地图匹配位姿进行信息处理，以获取当前时刻所述机器人在地图上的最终地图位姿的步骤包括：
将每个选取的所述地图匹配位姿的对应的地图匹配得分作为该地图匹配位姿的权重；
将所有选取的所述地图匹配位姿进行加权融合，以获取当前时刻所述机器人在地图上的最终地图位姿。
在一可选实施例中，所述选取排序靠前的部分所述地图匹配位姿的步骤包括，按照预设比例选取所述若干地图匹配位姿中排序靠前的部分所述地图匹配位姿，其中，所述预设比例介于20％-40％之间。
为实现上述目的及其他相关目的，本发明还提供一种数据处理系统，包括：
估计位姿获取单元，用于获取当前时刻机器人在地图中的估计位姿；
梯度下降单元，用于根据所述估计位姿，进行激光点云数据与地图的匹配，以获取若干地图匹配位姿及与所述若干地图匹配位姿对应的若干地图匹配得分；
位姿排序单元，用于将所述若干地图匹配位姿按照各自的地图匹配得分进行降序排列；
位姿选取单元，用于选取排序靠前的部分所述地图匹配位姿；
加权融合单元，用于将所有选取的所述地图匹配位姿进行信息处理，以获取当前时刻所述机器人在地图上的最终地图位姿。
在一可选实施例中，所述估计位姿获取单元包括：
用于根据前一时刻到当前时刻之间所述机器人的编码器和惯性测量单元的测量数据以及前一时刻所述机器人在地图上的最终地图位姿，获取当前时刻所述机器人在地图中的估计位姿的单元。
在一可选实施例中，所述加权融合单元包括：
将每个选取的所述地图匹配位姿的对应的地图匹配得分作为该地图匹配位姿的权重的单元；
将所有选取的所述地图匹配位姿进行加权融合，以获取当前时刻所述机器人在地图上的最终地图位姿的单元。
在一可选实施例中，所述位姿选取单元包括：
按照预设比例选取所述若干地图匹配位姿中排序靠前的部分所述地图匹配位姿的单元，其中，所述预设比例介于20％-40％之间。
为实现上述目的及其他相关目的，本发明还提供一种服务装置，所述服务装置包括：
通信器，用于与外部通信；
存储器，用于存储计算机程序；
处理器，连接所述通信器及存储器，用于运行所述计算机程序以执行上述任意一项的所述数据处理方法。
为实现上述目的及其他相关目的，本发明还提供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；所述计算机程序运行时执行上述任意一项所述的数据处理方法。
本发明将梯度下降法与加权融合的方法结合，对移动物体产生的异常点云的匹配具有更强的鲁棒性，减少陷入局部最优解的概率，在保证运算速度基本不变的情况下，提高了点云与地图匹配的精度与效果。
本发明利用简单的梯度下降法获取每次匹配的地图匹配位姿及地图匹配得分，地图匹配得分与地图匹配位姿一一对应，然后将地图匹配得分按照降序排列，按照预设比率获取地图匹配得分靠前的部分地图匹配位姿，每个地图匹配位姿对应的权重为该地图匹配位姿的匹配得分，将选取的这些地图匹配位姿进行加权融合得到点云地图匹配后机器人最终的地图位姿，具有较强的实际应用意义。
附图说明
图1显示为本发明的数据处理方法的流程图。
图2显示为本发明的数据处理系统的结构框图。
图3显示为本发明的服务装置的结构框图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
请参阅图1-3。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
图1示出了本发明的数据处理方法的流程示意图，本发明利用简单的梯度下降法获取每次匹配的地图匹配位姿及地图匹配得分，地图匹配得分与地图匹配位姿一一对应，然后将地图匹配得分按照降序排列，按照预设比率获取地图匹配得分靠前的部分地图匹配位姿，每个地图匹配位姿对应的权重为该地图匹配位姿的匹配得分，将选取的这些地图匹配位姿进行加权融合得到点云地图匹配后机器人最终的地图位姿，也即估计出当前时刻机器人在地图上的最优位姿。需要说明的是，虽然本实施例的技术方案是应用于机器人的点云与地图匹配，但是可以理解的是，该技术方案也可以应用于其他运动物体(例如车辆)的点云与地图匹配。
需要说明的是，本发明中的机器人上设置有用于惯性测量单元、编码器(encoder)以及激光雷达。所述惯性测量单元用于获取机器人的角度改变量，是测量物体三轴姿态角(或角速率)以及加速度的装置。一般的，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。需要说明的是，为了提高可靠性，还可以为每个轴配备更多的传感器。所述编码器(encoder)用于获取前后两个时刻的平移改变量，是将信号(如比特流)或数据进行编制、转换为可用以通讯、传输和存储的信号形式的设备。所述编码器可以是增量式编码器和绝对式编码器；增量式编码器是将位移转换成周期性的电信号，再把这个电信号转变成计数脉冲，用脉冲的个数表示位移的大小。绝对式编码器的每一个位置对应一个确定的数字码，因此它的示值只与测量的起始和终止位置有关，而与测量的中间过程无关。在本实施例中，所述编码器12例如可以安装于机器人的轮子的驱动电机的输出轴上。所述激光雷达用于获取机器人的外部环境轮廓点云，通常由测距模块和扫描模块两部分组成，按照测距远离不同可以包括角测距法、PTOF测距法以及AMCW(调幅连续波)测距法。
请参阅图1，本发明的实施例公开一种机器人的轨迹数据的数据处理方法，所述数据处理方法包括以下步骤：步骤S10、获取当前时刻机器人在地图中的估计位姿；步骤S20、根据所述估计位姿，(例如采用梯度下降法)进行激光点云数据与地图的匹配，以获取若干地图匹配位姿及与所述若干地图匹配位姿一一对应的若干地图匹配得分；步骤S30、将所述若干地图匹配位姿按照各自的地图匹配得分进行降序排列；步骤S40、选取排序靠前的部分所述地图匹配位姿；步骤S50、将所有选取的所述地图匹配位姿进行加权融合(一种信息处理方法)，以获取当前时刻所述机器人在地图上的最终地图位姿。本发明将梯度下降法与加权融合，对移动物体产生的异常点云的匹配具有更强的鲁棒性，减少陷入局部最优解的概率，在保证运算速度基本不变的情况下，提高了点云与地图匹配的精度与效果。
在步骤S10中，所述获取当前时刻机器人在地图中的估计位姿的步骤包括：根据前一时刻t-1到当前时刻t之间所述机器人的编码器和惯性测量单元的测量数据以及前一时刻t-1所述机器人在地图上的最终地图位姿，获取当前时刻t所述机器人在地图中的估计位姿。作为示例，所述编码器获取的数据包括平移量数据，所述惯性测量单元获取的数据包括角度该变量数据；可以根据获取的前后两个时刻的编码器的平移量数据和惯性测量单元的角度该变量数据，并结合前一时刻t-1的所述机器人在地图上的最终地图位姿，来获取当前时刻t机器人在地图中的估计位姿。需要说明的是，移动机器人的位姿表示需要三个变量：位置变量x，y，角度变量theta。
由于估计位姿只是比较粗略的数据，一般存在较大的误差，需要根据激光雷达的点云数据进行进一步匹配校正，才能获取机器人在地图中的最优位姿。具体地，在本实施例中，根据步骤S10获取的估计位姿采用梯度下降法进行激光点云数据与地图的匹配，计算多个地图匹配位姿对应的激光点云与地图匹配的地图匹配得分，当满足收敛条件后，得到一系列地图匹配位姿(所有参与匹配的地图匹配位姿)及与一系列地图匹配位姿一一对应的地图匹配得分(步骤S20)；将地图匹配得分按照降序排列，对应的地图匹配位姿同步排列(步骤S30)；按照预设比例选取所述若干地图匹配位姿中排序靠前的部分所述地图匹配位姿，也即按照预设比例获取排序后的最好地图匹配得分s1,...sn及器对应的地图匹配位姿p1,...pn，(步骤S40)可以将每个地图匹配位姿的权重定义成其对应的地图匹配得分，也即地图匹配位姿p1,...pn的权重分别是s1,...sn，所有最好地图匹配位姿的总得分为
Figure BDA0002354676450000051
将这些地图匹配位姿进行加权融合得到点云与地图匹配后机器人在地图上的最终位姿
Figure BDA0002354676450000052
(步骤S50)。作为示例，所述预设比例例如可介于20-40％之间，该预设比例可根据实际的精度要求进行合理的选择。在一具体示例中，所述预设比例例如可介于25-35％之间。在一更具体的示例中，所述述预设比例例如为30％。
在本实施例中，所述梯度下降法如下：设平移步长为transStep，旋转步长为rotateStep，t时刻(也即当前时刻)机器人估计位姿为initPose，估计位姿的匹配得分为initScore。最优位姿与最高得分初始化为bestPose＝initPose，bestScore＝initScore；
一次完整的匹配过程：将bestPose的x，y分别沿X轴Y轴正负方向平移步长transStep，theta角度沿Z轴正负方向旋转步长rotateStep，得到六个位姿点(也即地图匹配位姿)，分别与地图匹配，得到对应的地图匹配得分，将其中最高的地图匹配得分记为highestScore及对应的地图匹配位姿记为highestPose；如果highestScore>bestScore，那么bestScore＝highestScore，bestPose＝highestPose；否则bestPose与bestScore保持不变，平移与旋转步长分别减半；判断梯度下降法是否满足收敛条件，如果满足收敛条件退出梯度下降法，否则继续下一个完整的匹配过程。作为示例，所述梯度下降法采用的收敛条件例如可以是本次的最高的地图匹配得分与前一次的最高地图匹配得分的变化量(差值)是否小于一定阈值。作为示例，所述阈值介于0.01-0.1之间，数值越小，匹配需要的时间越长，匹配精度越高，反之，数值越大，匹配需要的额时间越短，故这个阈值可以根据实际的地图匹配精度要求和匹配时间要求综合考虑进行选择；在一个具体的示例中，所述阈值例如可以取0.01、0.02、0.03、0.04、0.05、0.06、0.07、0.08、0.09及0.1。
请参阅图2，本发明的实施例还提供一种用于实现上述的数据处理方法的数据处理系统1，所述数据处理系统1包括依次连接的估计位姿获取单元11，梯度下降单元12，位姿排序单元13，位姿选取单元14及加权融合单元15；所述估计位姿获取单元11用于获取当前时刻机器人在地图中的估计位姿；所述梯度下降单元12用于采用梯度下降法进行激光点云数据与地图的匹配，以获取若干地图匹配位姿及与所述若干地图匹配位姿一一对应的若干地图匹配得分；所述位姿排序单元13用于将所述若干地图匹配位姿按照各自的地图匹配得分进行降序排列；所述位姿选取单元14用于选取排序靠前的部分所述地图匹配位姿；所述加权融合单元15用于将所有选取的所述地图匹配位姿进行加权融合，以获取当前时刻所述机器人在地图上的最终地图位姿。
在本实施例中，所述估计位姿获取单元11可分别与机器人的编码器和惯性测量单元连接，所述估计位姿获取单元11被配置为包括用于根据前一时刻t-1到当前时刻t之间所述机器人的编码器和惯性测量单元的测量数据以及前一时刻t-1所述机器人在地图上的最终地图位姿，获取当前时刻t所述机器人在地图中的估计位姿的单元。作为示例，所述编码器获取的数据包括平移量数据，所述惯性测量单元获取的数据包括角度该变量数据；可以根据获取的前后两个时刻的编码器的平移量数据和惯性测量单元的角度该变量数据，并结合前一时刻t-1的所述机器人在地图上的最终地图位姿，来获取当前时刻t机器人在地图中的估计位姿。
在本实施例中，所述梯度下降单元12与机器人的激光雷达连接，以获取激光雷达测量的激光点云数据，用于激光点云与地图的匹配。
在本实施例中，所述加权融合单元15包括：将每个选取的所述地图匹配位姿的对应的地图匹配得分作为该地图匹配位姿的权重的单元；将所有选取的所述地图匹配位姿进行加权融合，以获取当前时刻所述机器人在地图上的最终地图位姿的单元。
在本实施例中，所述位姿选取单元14包括：按照预设比例选取所述若干地图匹配位姿中排序靠前的部分所述地图匹配位姿的单元，其中，所述预设比例介于20％-40％之间，优选的，25％-35％之间，作为示例，所述预设比例例如是30％。
需要说明的是，在本实施例中，上述各单元的功能详见上文的方法部分中的各步骤，在此不做赘述。
需要说明的是，上述的各功能单元，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些单元可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分单元通过处理元件调用软件的形式实现，部分单元通过硬件的形式实现。此外这些单元全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
需要说明的是，如图3所示，本实施例的数据处理方法和数据处理系统还可以通过一服务装置2实现，所述服务装置2包括相互连接的存储器23、处理器21及通信器22，所述存储器21存储有计算机程序，该程序被所述处理器21执行时实现所述数据处理方法方法。
上述的处理器21可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGateArray，简称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；上述的存储器23可能包含随机存取存储器(RandomAccessMemory，简称RAM)，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
需要说明的是，上述存储器23中的计算机程序可以通过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存储介质中。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或者该技术方案的部分可以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。
综上所述，利用本发明的数据处理方法和匹配系统，将梯度下降法与加权融合，对移动物体(例如机器人)产生的异常点云的匹配具有更强的鲁棒性，减少陷入局部最优解的概率，在保证运算速度基本不变的情况下，提高了点云与地图匹配的精度与效果，具有较强的实际应用意义。
在本文的描述中，提供了许多特定细节，诸如部件和/或方法的实例，以提供对本发明实施例的完全理解。然而，本领域技术人员将认识到可以在没有一项或多项具体细节的情况下或通过其他设备、系统、组件、方法、部件、材料、零件等等来实践本发明的实施例。在其他情况下，未具体示出或详细描述公知的结构、材料或操作，以避免使本发明实施例的方面变模糊。
在整篇说明书中提到“一个实施例(one embodiment)”、“实施例(anembodiment)”或“具体实施例(a specific embodiment)”意指与结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中，并且不一定在所有实施例中。因而，在整篇说明书中不同地方的短语“在一个实施例中(in one embodiment)”、“在实施例中(inan embodiment)”或“在具体实施例中(in a specific embodiment)”的各个表象不一定是指相同的实施例。此外，本发明的任何具体实施例的特定特征、结构或特性可以按任何合适的方式与一个或多个其他实施例结合。应当理解本文所述和所示的发明实施例的其他变型和修改可能是根据本文教导的，并将被视作本发明精神和范围的一部分。
还应当理解还可以以更分离或更整合的方式实施附图所示元件中的一个或多个，或者甚至因为在某些情况下不能操作而被移除或因为可以根据特定应用是有用的而被提供。
另外，除非另外明确指明，附图中的任何标志箭头应当仅被视为示例性的，而并非限制。此外，除非另外指明，本文所用的术语“或”一般意在表示“和/或”。在术语因提供分离或组合能力是不清楚的而被预见的情况下，部件或步骤的组合也将视为已被指明。
如在本文的描述和在下面整篇权利要求书中所用，除非另外指明，“一个(a)”、“一个(an)”和“该(the)”包括复数参考物。同样，如在本文的描述和在下面整篇权利要求书中所用，除非另外指明，“在…中(in)”的意思包括“在…中(in)”和“在…上(on)”。
本发明所示实施例的上述描述(包括在说明书摘要中所述的内容)并非意在详尽列举或将本发明限制到本文所公开的精确形式。尽管在本文仅为说明的目的而描述了本发明的具体实施例和本发明的实例，但是正如本领域技术人员将认识和理解的，各种等效修改是可以在本发明的精神和范围内的。如所指出的，可以按照本发明所述实施例的上述描述来对本发明进行这些修改，并且这些修改将在本发明的精神和范围内。
本文已经在总体上将系统和方法描述为有助于理解本发明的细节。此外，已经给出了各种具体细节以提供本发明实施例的总体理解。然而，相关领域的技术人员将会认识到，本发明的实施例可以在没有一个或多个具体细节的情况下进行实践，或者利用其它装置、系统、配件、方法、组件、材料、部分等进行实践。在其它情况下，并未特别示出或详细描述公知结构、材料和/或操作以避免对本发明实施例的各方面造成混淆。
因而，尽管本发明在本文已参照其具体实施例进行描述，但是修改自由、各种改变和替换意在上述公开内，并且应当理解，在某些情况下，在未背离所提出发明的范围和精神的前提下，在没有对应使用其他特征的情况下将采用本发明的一些特征。因此，可以进行许多修改，以使特定环境或材料适应本发明的实质范围和精神。本发明并非意在限制到在下面权利要求书中使用的特定术语和/或作为设想用以执行本发明的最佳方式公开的具体实施例，但是本发明将包括落入所附权利要求书范围内的任何和所有实施例及等同物。因而，本发明的范围将只由所附的权利要求书进行确定。

Claims (10)

1.一种数据处理方法，其特征在于，所述包括：
获取当前时刻机器人在地图中的估计位姿；
根据所述估计位姿，进行激光点云数据与地图的匹配，以获取若干地图匹配位姿及与所述若干地图匹配位姿对应的若干地图匹配得分；
将所述若干地图匹配位姿按照各自的地图匹配得分进行降序排列；
选取排序靠前的部分所述地图匹配位姿；
将所有选取的所述地图匹配位姿进行信息处理，以获取当前时刻所述机器人在地图上的最终地图位姿。
2.根据权利要求1所述的数据处理方法，其特征在于，所述获取当前时刻机器人在地图中的估计位姿的步骤包括：
根据前一时刻到当前时刻之间所述机器人的编码器和惯性测量单元的测量数据以及前一时刻所述机器人在地图上的最终地图位姿，获取当前时刻所述机器人在地图中的估计位姿。
3.根据权利要求1所述的数据处理方法，其特征在于，所述将所有选取的所述地图匹配位姿进行信息处理，以获取当前时刻所述机器人在地图上的最终地图位姿的步骤包括：
将每个选取的所述地图匹配位姿的对应的地图匹配得分作为该地图匹配位姿的权重；
将所有选取的所述地图匹配位姿进行加权融合，以获取当前时刻所述机器人在地图上的最终地图位姿。
4.根据权利要求1所述的数据处理方法，其特征在于，所述选取排序靠前的部分所述地图匹配位姿的步骤包括，按照预设比例选取所述若干地图匹配位姿中排序靠前的部分所述地图匹配位姿，其中，所述预设比例介于20％-40％之间。
5.一种数据处理系统，其特征在于，包括：
估计位姿获取单元，用于获取当前时刻机器人在地图中的估计位姿；
梯度下降单元，用于根据所述估计位姿，进行激光点云数据与地图的匹配，以获取若干地图匹配位姿及与所述若干地图匹配位姿对应的若干地图匹配得分；
位姿排序单元，用于将所述若干地图匹配位姿按照各自的地图匹配得分进行降序排列；
位姿选取单元，用于选取排序靠前的部分所述地图匹配位姿；
加权融合单元，用于将所有选取的所述地图匹配位姿进行信息处理，以获取当前时刻所述机器人在地图上的最终地图位姿。
6.根据权利要求1所述的数据处理系统，其特征在于，所述估计位姿获取单元包括：
用于根据前一时刻到当前时刻之间所述机器人的编码器和惯性测量单元的测量数据以及前一时刻所述机器人在地图上的最终地图位姿，获取当前时刻所述机器人在地图中的估计位姿的单元。
7.根据权利要求1所述的数据处理系统，其特征在于，所述加权融合单元包括：
将每个选取的所述地图匹配位姿的对应的地图匹配得分作为该地图匹配位姿的权重的单元；
将所有选取的所述地图匹配位姿进行加权融合，以获取当前时刻所述机器人在地图上的最终地图位姿的单元。
8.根据权利要求1所述的数据处理系统，其特征在于，所述位姿选取单元包括：
按照预设比例选取所述若干地图匹配位姿中排序靠前的部分所述地图匹配位姿的单元，其中，所述预设比例介于20％-40％之间。
9.一种服务装置，其特征在于，包括：
通信器，用于与外部通信；
存储器，用于存储计算机程序；
处理器，连接所述通信器及存储器，用于运行所述计算机程序以执行如权利要求1至4中任意一项所述的数据处理方法。
10.一种计算机可读存储介质，其特征在于，存储有计算机程序；所述计算机程序运行时执行如权利要求1至4中任意一项所述的数据处理方法。
CN202010004337.5A 2020-01-03 2020-01-03 数据处理方法、系统、服务装置及其存储介质 Pending CN111223145A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010004337.5A CN111223145A (zh) 2020-01-03 2020-01-03 数据处理方法、系统、服务装置及其存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010004337.5A CN111223145A (zh) 2020-01-03 2020-01-03 数据处理方法、系统、服务装置及其存储介质

Publications (1)

Publication Number Publication Date
CN111223145A true CN111223145A (zh) 2020-06-02

Family

ID=70830978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010004337.5A Pending CN111223145A (zh) 2020-01-03 2020-01-03 数据处理方法、系统、服务装置及其存储介质

Country Status (1)

Country Link
CN (1) CN111223145A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111708047A (zh) * 2020-06-16 2020-09-25 浙江大华技术股份有限公司 机器人定位评估方法、机器人及计算机存储介质
CN112433211A (zh) * 2020-11-27 2021-03-02 浙江商汤科技开发有限公司 一种位姿确定方法及装置、电子设备和存储介质
CN113790723A (zh) * 2021-08-23 2021-12-14 武汉中海庭数据技术有限公司 一种地图辅助定位方法、系统、电子设备及存储介质
WO2022116831A1 (zh) * 2020-12-03 2022-06-09 深圳市优必选科技股份有限公司 定位方法、装置、电子设备及可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810744A (zh) * 2012-11-09 2014-05-21 波音公司 在点云中回填点
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
CN108256574A (zh) * 2018-01-16 2018-07-06 广东省智能制造研究所 机器人定位方法及装置
CN108873001A (zh) * 2018-09-17 2018-11-23 江苏金智科技股份有限公司 一种精准评判机器人定位精度的方法
CN108917759A (zh) * 2018-04-19 2018-11-30 电子科技大学 基于多层次地图匹配的移动机器人位姿纠正算法
CN110196044A (zh) * 2019-05-28 2019-09-03 广东亿嘉和科技有限公司 一种基于gps闭环检测的变电站巡检机器人建图方法
CN110530368A (zh) * 2019-08-22 2019-12-03 浙江大华技术股份有限公司 一种机器人定位方法及设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103810744A (zh) * 2012-11-09 2014-05-21 波音公司 在点云中回填点
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
CN108256574A (zh) * 2018-01-16 2018-07-06 广东省智能制造研究所 机器人定位方法及装置
CN108917759A (zh) * 2018-04-19 2018-11-30 电子科技大学 基于多层次地图匹配的移动机器人位姿纠正算法
CN108873001A (zh) * 2018-09-17 2018-11-23 江苏金智科技股份有限公司 一种精准评判机器人定位精度的方法
CN110196044A (zh) * 2019-05-28 2019-09-03 广东亿嘉和科技有限公司 一种基于gps闭环检测的变电站巡检机器人建图方法
CN110530368A (zh) * 2019-08-22 2019-12-03 浙江大华技术股份有限公司 一种机器人定位方法及设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHOI, J等: "Topological localization with kidnap recovery using sonar grid map matching in a home environment", ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING *
禹鑫D;朱熠琛;詹益安;欧林林;: "SLAM过程中的机器人位姿估计优化算法研究", 高技术通讯, no. 08 *
雷杨浩: "室内动态环境下基于粒子滤波的服务机器人定位", 中国优秀硕士学位论文全文数据库信息科技辑, no. 08, pages 3 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111708047A (zh) * 2020-06-16 2020-09-25 浙江大华技术股份有限公司 机器人定位评估方法、机器人及计算机存储介质
CN111708047B (zh) * 2020-06-16 2023-02-28 浙江华睿科技股份有限公司 机器人定位评估方法、机器人及计算机存储介质
CN112433211A (zh) * 2020-11-27 2021-03-02 浙江商汤科技开发有限公司 一种位姿确定方法及装置、电子设备和存储介质
CN112433211B (zh) * 2020-11-27 2022-11-29 浙江商汤科技开发有限公司 一种位姿确定方法及装置、电子设备和存储介质
WO2022116831A1 (zh) * 2020-12-03 2022-06-09 深圳市优必选科技股份有限公司 定位方法、装置、电子设备及可读存储介质
CN113790723A (zh) * 2021-08-23 2021-12-14 武汉中海庭数据技术有限公司 一种地图辅助定位方法、系统、电子设备及存储介质
CN113790723B (zh) * 2021-08-23 2023-11-28 武汉中海庭数据技术有限公司 一种地图辅助定位方法、系统、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN111223145A (zh) 数据处理方法、系统、服务装置及其存储介质
CN110673115B (zh) 雷达与组合导航系统的联合标定方法、装置、设备及介质
CN112577521B (zh) 一种组合导航误差校准方法及电子设备
CN102297693B (zh) 测量物体位置和方位的方法
CN109807911B (zh) 基于gnss、uwb、imu、激光雷达、码盘的室外巡逻机器人多环境联合定位方法
CN108759822B (zh) 一种移动机器人3d定位系统
KR20070043009A (ko) 센서 시스템의 2개의 모션 센서들 간의 회전 관계를교정하는 방법 및 장치
CN113933818A (zh) 激光雷达外参的标定的方法、设备、存储介质及程序产品
CN108955676A (zh) 深海潜器导航系统和用于深海潜器状态切换的数据融合方法
CN111504314B (zh) Imu与刚体的位姿融合方法、装置、设备及存储介质
CN115164936A (zh) 高精地图制作中用于点云拼接的全局位姿修正方法及设备
CN112363196B (zh) 车辆属性确定方法、装置、存储介质和电子设备
CN112197771B (zh) 车辆失效轨迹重构方法、设备以及存储介质
CN109866217B (zh) 机器人里程定位方法、装置、终端设备及计算机存储介质
CN110940336B (zh) 捷联惯导仿真定位解算方法、装置及终端设备
WO2023142353A1 (zh) 一种位姿预测方法及装置
CN109827572A (zh) 一种检测车位置预测的方法及装置
CN116086446A (zh) 一种基于柔性卡方检测的自适应因子图优化组合导航方法
CN112985463B (zh) 基于卷积神经网络模型的惯性测量单元标定方法及装置
CN115727871A (zh) 一种轨迹质量检测方法、装置、电子设备和存储介质
JP5498209B2 (ja) 磁界検知装置
CN111964676A (zh) 航姿解算方法、装置、电子设备及计算机可读存储介质
CN114789439A (zh) 斜坡定位校正方法、装置、机器人及可读存储介质
Trojnacki et al. Determination of motion parameters with inertial measurement units–Part 1: mathematical formulation of the algorithm
Likhachev et al. Calibration of model parameters in navigation devices based on fiber-optic gyroscopes

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