CN111308481B

CN111308481B - 一种激光定位方法、装置及移动机器人

Info

Publication number: CN111308481B
Application number: CN202010107630.4A
Authority: CN
Inventors: 易良玲; 林李泽; 闫瑞君
Original assignee: Shenzhen Silver Star Intelligent Technology Co Ltd
Current assignee: Shenzhen Silver Star Intelligent Group Co Ltd
Priority date: 2020-02-21
Filing date: 2020-02-21
Publication date: 2021-10-15
Anticipated expiration: 2040-02-21
Also published as: CN111308481A

Abstract

本发明实施例提供了一种激光定位方法、装置及移动机器人。该方法包括：获取环境特征信息；当所述环境特征信息满足预设的环境直线特征时，根据所述环境特征信息获取匹配点集，所述匹配点集是由位于环境直线上的点云组成；根据所述匹配点集对所述移动机器人进行定位。该方法、装置及移动机器人通过利用环境中有较多的直线特征，在环境直线特征明显时，提取环境中的直线来大量降低匹配点的数量，在根据匹配点进行移动机器人的位姿计算时，能够使算法快速收敛，提高了算法效率，从而能快速的获得移动机器人的定位结果。

Description

一种激光定位方法、装置及移动机器人

【技术领域】

本发明涉及机器人定位技术领域，尤其涉及一种激光定位方法、装置以及移动机器人。

【背景技术】

同时定位和构建地图(Simultaneous Localization And Mapping，SLAM) 是一种在没有环境先验信息的情况下，移动机器人在运动过程中建立环境的模型，同时估计自己运动位姿的技术。激光SLAM主要包括前端和后端，前端算法一般用于机器人帧间运动估计。移动机器人应用于某一未知环境中时，通常是获取前后两帧激光雷达数据后，通过SLAM前端匹配算法计算出机器人在两帧激光雷达的相对位姿关系，即机器人定位。其中，所述SLAM前端匹配算法常用的有迭代最近点算法(Iterative Closest Point，ICP)，ICP是实现点云数据匹配的一种经典方法。

在实现本发明的过程中，发明人发现相关技术至少存在以下问题：在通过 ICP算法获取移动机器人的位姿过程中，由于大量的点云数据，导致算法效率低，从而不能快速的获得移动机器人定位结果。

【发明内容】

本发明实施例提供一种的激光定位方法、装置及移动机器人，旨在解决现有技术对移动机器人进行激光定位时存在算法效率低的技术问题。

为解决上述技术问题，本发明实施例提供以下技术方案：

第一方面，提供一种激光定位方法，应用于移动机器人，所述方法包括：

获取环境特征信息；

当所述环境特征信息满足预设的环境直线特征时，根据所述环境特征信息获取匹配点集，所述匹配点集是由位于环境直线上的点云组成；

根据所述匹配点集对所述移动机器人进行定位。

可选地，所述获取环境特征信息包括：

扫描环境图像信息，并对所述环境图像信息进行去畸变和滤波处理；

检测处理后的所述环境图像信息中的直线特征，以获得所述环境特征信息。

可选地，根据所述环境特征信息获取匹配点集包括：

获取所述移动机器人的相邻两帧激光雷达数据；

将所述相邻两帧激光雷达数据分别转换为2D点云；

根据所述2D点云获取环境中的全部直线；

根据所述环境中的全部直线和所述2D点云，获取位于所述全部直线上的点，并将位于所述全部直线上的第一帧激光雷达数据对应的点标记为第一匹配点集，将位于所述全部直线上的第二帧激光雷达数据对应的点标记为第二匹配点集，所述第一匹配点集和所述第二匹配点集共同构成所述匹配点集。

可选地，所述根据所述2D点云获取环境中的全部直线包括：

根据RANSAC算法和/或最小二乘法对所述2D点云进行直线拟合，以获得环境中的全部直线。

可选地，所述根据所述匹配点集对所述移动机器人进行定位包括：

设定最近初始阈值和初始变换矩阵；

根据所述最近初始阈值，基于所述第一匹配点集中的每个点，在所述第二匹配点集中计算所述每个点对应的匹配点；

根据所述匹配点计算旋转矩阵和平移向量；

根据所述旋转矩阵、所述平移向量以及所述初始变换矩阵获取转换矩阵；

根据所述转换矩阵计算所述匹配点间的匹配误差；

判断所述匹配误差是否小于设定阈值；

若否，更新所述最近初始阈值，并根据更新后的最近初始阈值计算匹配点，重复该过程，直至计算得到的匹配误差小于所述设定阈值时，停止迭代。

可选地，所述更新所述最近初始阈值包括：

获取所述匹配误差的均值；

根据所述匹配误差的均值和所述最近初始阈值获取这两个数值中的最小值，所述最小值为更新后的最近初始阈值。

可选地，所述方法还包括：

当所述环境特征信息不满足预设的环境直线特征时，基于迭代最近点算法计算所述移动机器人的位姿，以对所述移动机器人进行定位。

第二方面，提供一种激光定位装置，应用于移动机器人，所述装置包括：

第一获取模块，用于获取环境特征信息；

第二获取模块，用于当所述环境特征信息满足预设的环境直线特征时，根据所述环境特征信息获取匹配点集，所述匹配点集是由位于环境直线上的点云组成；

定位模块，用于根据所述匹配点集对所述移动机器人进行定位。

可选地，所述第一获取模块具体用于：

检测处理后的所述环境图像信息中的直线特征，以获得所述环境特征信息；

所述第二获取模块具体用于：

获取所述移动机器人的相邻两帧激光雷达数据；

将所述相邻两帧激光雷达数据分别转换为2D点云；

根据所述2D点云获取环境中的全部直线；

第三方面，提供一种移动机器人，包括：移动机器人主体，所述移动机器人主体上设置有行走机构；至少一个控制芯片，所述控制芯片内置于所述移动机器人主体中；以及与所述至少一个控制芯片通信连接的存储器；其中，所述存储器存储有可被所述至少一个控制芯片执行的指令，所述指令被所述至少一个控制芯片执行；以使所述至少一个控制芯片能够用于执行如上所述的激光定位方法。

与现有技术相比较，本发明实施例提供的激光定位方法、装置及移动机器人，通过获取环境特征信息，当所述环境特征信息满足预设的环境直线特征时，根据所述环境特征信息获取匹配点集，再根据所述匹配点集进行移动机器人的定位，其中，所述匹配点集是由位于环境直线上的点云组成。通过利用环境中有较多的直线特征，在环境直线特征明显时，提取环境中的直线来大量降低匹配点的数量，在根据匹配点进行移动机器人的位姿计算时，能够使算法快速收敛，提高了算法效率，从而能快速的获得移动机器人的定位结果。

【附图说明】

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1为本发明其中一实施例提供的移动机器人的结构框图；

图2为本发明实施例提供的一种激光定位方法的流程图；

图3为本发明实施例提供的根据所述环境特征信息获取匹配点集的方法的流程图；

图4为本发明实施例提供的根据所述匹配点集对所述移动机器人进行定位的方法流程图；

图5为本发明实施例提供的一种激光定位装置的结构示意图；

图6为本发明另一实施例提供的移动机器人的结构框图。

【具体实施方式】

为了便于理解本发明，下面结合附图和具体实施例，对本发明进行更详细的说明。需要说明的是，当元件被表述“固定于”另一个元件，它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件，它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“上”、“下”、“内”、“外”、“底部” 等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。

除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

此外，下面所描述的本发明不同实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

本发明实施例提供了一种激光定位方法和装置，通过结合线特征和最近邻自适应阈值的改进迭代最近点(Iterative Closest Point，ICP)匹配方法对移动机器人进行定位。其中，首先通过预设算法获得环境中的直线，然后获取直线上的点，再根据直线上的点集基于改进的ICP算法进行定位。通过直线拟合的方式减小了点集元素的数目。可以理解的是，ICP的精髓是迭代，一次次的修正错误，在根据直线上的点集基于改进的ICP算法进行定位时，在传统的ICP迭代的过程中加入了自适应阈值算法，从而能够得到更准确的设定阈值，由此进一步降低了匹配点的效果。该激光定位方法和装置能够大量降低匹配点数，提高了算法的收敛速度和算法效率，并且还能保证匹配效果。

本发明实施例的移动机器人可以被构造成任何合适形状，其中，所述移动机器人可为清洁移动机器人、割草移动机器人、安防巡逻移动机器人或服务移动机器人等等。

请参阅图1，本发明实施例提供了一种移动机器人，所述移动机器人10 包括控制单元11、无线通信单元12、传感单元13、音频单元14及摄像模组 15。

控制单元11作为移动机器人10的控制核心，协调各个单元的工作。控制单元11可以为通用处理器(例如中央处理器CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA、CPLD等)、单片机、ARM (Acorn RISC Machine)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。还有，控制单元11还可以是任何传统处理器、控制器、微控制器或状态机。控制单元11也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核、或任何其它这种配置。

无线通信单元12用于与用户终端无线通信，无线通信单元12与控制单元11电连接。用户通过用户终端向移动机器人10发送控制指令，无线通信单元12接收控制指令并向控制单元11发送该控制指令，控制单元11根据该控制指令控制移动机器人10。

无线通信单元12包括广播接收模块、移动通信模块、无线互联网模块、短距离通信模块和定位信息模块的其中一种或多种的组合。其中，广播接收模块经由广播信道从外部广播管理服务器接收广播信号和/或广播相关信息。广播接收模块可以使用数字广播系统来接收数字广播信号，数字广播系统诸如为地面数字多媒体广播(DMB-T)、卫星数字多媒体广播(DMB-S)、仅媒体前向链路(MediaFLO)、手持数字视频广播(DVB-H)或地面综合业务数字广播(ISDB-T)。

移动通信模块向移动通信网络上的基站、外部终端和服务器中的至少一方发送无线信号，或者可以从基站、外部终端和服务器中的至少一方接收无线信号。这里，根据字符/多媒体消息的接收和发送，无线信号可以包括语音呼叫信号、视频呼叫信号或各种形式的数据。

无线互联网模块指的是用于无线互联网连接的模块，并且可以内置或外置于终端。可以使用诸如无线LAN(WLAN)(Wi-Fi)、无线宽带(Wibro)、全球微波接入互操作性(Wimax)、高速下行分组接入(HSDPA)这样的无线互联网技术。

短距离通信模块指的是用于进行短距离通信的模块。可以使用诸如蓝牙(Bluetooth)、射频识别(RFID)、红外数据协会(IrDA)、超宽带(UWB) 或ZigBee这样的短距离通信技术。

定位信息模块是用于获取移动机器人的当前位置信息，例如全球定位系统(GPS)模块。

音频单元14用于当所述位置状态信息为抱起状态时，控制所述移动机器人停止工作，并发出离地报警信号。音频单元14与控制单元11电连接。

在一些实施例中，音频单元14可以为喇叭、扬声器、麦克风等等电声换能器，其中，喇叭或扬声器的数量可以为一个或多个，麦克风的数量可以为多个，多个麦克风可以构成麦克风阵列，以便有效地采集声音。麦克风可以是电动式的(动圈式、带式)、电容式的(直流极化式)、压电式的(晶体式、陶瓷式)、电磁式的、碳粒式的、半导体式的等或其任意组合。在一些实施例中，麦克风可以是微型机电系统(MEMS)麦克风。

摄像模组15用于拍摄移动机器人10所处的环境，摄像模组15与控制单元11电连接，摄像模组15获取移动机器人10所处环境的图像，并向控制单元11输出该图像，以便控制单元11根据该图像作出下一步逻辑运算。

请参阅图2，图2为本发明实施例提供的一种激光定位方法的流程图。该方法可以由如上所述的移动机器人执行，该方法包括如下步骤：

S10、获取环境特征信息。

其中，所述获取环境特征信息包括：扫描环境图像信息，并对所述环境图像信息进行去畸变和滤波处理；检测处理后的所述环境图像信息中的直线特征，以获得所述环境特征信息。

可以通过移动机器人的摄像头对当前场景的环境图像进行采集，并对采集的图像进行预处理，所述预处理包括去畸变和滤波处理，再对预处理后的图像进行分析，以检测当前场景是否有直线特征。所述直线特征可以是场景中存在的具有特定颜色属性的直线，比如人为粘贴的具有特定颜色属性的直线；也可以是由直线构成的场景的特征，比如当前场景是一个长方形的卧室，或者正方形的客厅等。

S20、当所述环境特征信息满足预设的环境直线特征时，根据所述环境特征信息获取匹配点集，所述匹配点集是由位于环境直线上的点云组成。

在本实施例中，利用移动机器人当前场景有较多的直线特征，在环境直线特征明显的时候通过提取环境中的直线来大量降低匹配点的数量，从而提高算法的收敛速度。具体地，请参阅图3，所述根据所述环境特征信息获取匹配点集包括：

S201、获取所述移动机器人的相邻两帧激光雷达数据。

S202、将所述相邻两帧激光雷达数据分别转换为2D点云。

S203、根据所述2D点云获取环境中的全部直线。

例如，可以获取移动机器人前一帧激光雷达数据Scan_ref，和移动机器人当前帧的激光雷达数据Scan_target。将Scan_ref(角度和距离)转换成2D点云mSourcePointCloud，将Scan_target(角度和距离)转换成2D点云mTargetPointCloud，其中单个点云的存储格式为Point(x,y,index)，x，y为其在激光雷达坐标系中的坐标，index为当前激光点的索引号，变换公式如下：

其中，r为当前激光角度扫描到的距离。

可以根据RANSAC算法，或者最小二乘法，或者RANSAC算法和最小二乘法对所述2D点云进行直线拟合，以获得环境中的全部直线。

使用RANSAC算法进行直线拟合的过程具体可以包括如下步骤：

RANSAC外置参数：能找到的最大直线个数maxIterNum，内点先验概率probability，输入一帧点云，输出找到所有直线。

步骤1：如果达到能找到的最大直线个数maxIterNum，则返回找到的直线。

步骤2：查找直线，当前迭代次数iterNum设置为1。

步骤2.1：若当前迭代次数iterNum大于最大迭代次数lineMaxIter，则返回已找到的直线，否则随机采样两个点p1，p2，计算由p1，p2组成的直线line 及其直线参数；

步骤2.2：计算当前全部点到直线上的距离，统计距离小于阈值dmin的点的个数inLiears；

步骤2.3：计算当前理想迭代次数N；

N＝log(1-probability)/log(1-(1-e)²)；

其中e为内点(位于直线上的点)个数inLiears除以当前输入点云中mTargetPointCloud点的个数。

步骤2.4：若iterNum>＝N，则返回直线line的参数，否则，迭代次数 iterNum+1，返回步骤2.1。

步骤3：使用找到的直线参数查找直线上的内点，如果找到的内点个数大于最小的直线点云个数MinLinePointNum(设定激光点数的阈值)，那么直接返回已找到的直线，否则执行下述步骤4。

步骤4：使用找到的内点重新拟合直线，计算出更为准确的直线参数，保存该直线，并在输入点云中剔除该直线段上的点，然后返回步骤1。

S204、根据所述环境中的全部直线和所述2D点云，获取位于所述全部直线上的点，并将位于所述全部直线上的第一帧激光雷达数据对应的点标记为第一匹配点集，将位于所述全部直线上的第二帧激光雷达数据对应的点标记为第二匹配点集，所述第一匹配点集和所述第二匹配点集共同构成所述匹配点集。

例如，根据上述RANSAC算法找出环境中所有的直线后，去除 mSourcePointCloud，mTargetPointCloud中非直线上的点，返回找出的全部直线上的点，分别记为mSourceLinePointCloud，表示为P＝{p₁,p₂,…,p_n}，和 mTargetLinePointCloud，表示为Q＝{q₁,q₂,…,q_l}，其中n，l代表点云个数。所述P和Q共同构成所述匹配点集。

S30、根据所述匹配点集对所述移动机器人进行定位。

请参阅图4，所述根据所述匹配点集对所述移动机器人进行定位包括：

S301、设定最近初始阈值和初始变换矩阵。

S302、根据所述最近初始阈值，基于所述第一匹配点集中的每个点，在所述第二匹配点集中计算所述每个点对应的匹配点。

S303、根据所述匹配点计算旋转矩阵和平移向量。

S304、根据所述旋转矩阵、所述平移向量以及所述初始变换矩阵获取转换矩阵。

S305、根据所述转换矩阵计算所述匹配点间的匹配误差。

S306、判断所述匹配误差是否小于设定阈值。

若否，则执行下述步骤S307；若是，则执行下述步骤S308。

S307、更新所述最近初始阈值，并根据更新后的最近初始阈值重复执行上述步骤S302至步骤S306，直至计算得到的匹配误差小于所述设定阈值时，停止迭代。

其中，所述更新所述最近初始阈值包括：获取所述匹配误差的均值；根据所述匹配误差的均值和所述最近初始阈值获取这两个数值中的最小值，所述最小值为更新后的最近初始阈值。

S308、停止迭代，输出转换矩阵，并根据所述转换矩阵获取所述移动机器人的位姿。

在本实施例中，基于上述步骤S20中获得位于直线上的两组点云集合P 和Q，采用ICP算法对所述移动机器人的位姿进行计算，并且加入最近邻自适应阈值的方法来确定匹配点，区别于传统的ICP方法，本实施例能够进一步降低匹配点数量，加快算法的快速收敛。具体地的算法，例如：

步骤1：对于p_i∈P,(i＝1,2,…,n),令p’_i＝T_ransp_i，通过最近邻法在Q＝{q₁,q₂,…,q_l} 中查找匹配点q’_i满足||p’_i-q_i||²<D_nearest，将找到的匹配点的集合分别记为 P'＝{p’₁,p'₂,…,p'_s}，Q'＝{q’₁,q'₂,…,q'_s}，其中s为找到的匹配点个数。

步骤2：去中心化，

其中

步骤3：

T表示转置，利用奇异值分解(SVD，Singular Value Decomposition)求解得到：

步骤4：更新T_rans＝TT·T_rans；

步骤5：计算匹配误差

若E(R,t)<e_rro_r，停止迭代，输出T_rans；否则，令D_nearest＝min(D_nearest,E(R,t)/s)，并返回步骤1。

其中，所述最近邻自适应阈值算法即D_nearest＝min(D_nearest,E(R,t)/s)，通过该最近邻自适应阈值算法更新所述最近初始阈值。

其中，R即所述旋转矩阵，t即所述平移向量，T_rans即所述转换矩阵。

上述算法的详细过程可以参考相关技术的记载，在此不再赘述。

本发明实施例提供了一种激光定位方法，该方法通过RANSAC算法获得环境中的全部直线，然后获取位于所述全部直线上的2D点云，以得到两个匹配点集，所述两个匹配点集中的每一点都是位于直线上的点，最后根据该两个匹配点集并基于改进的ICP算法进行移动机器人的定位。一方面，通过直线拟合的方式减小了点集元素的数目；另一方面，根据改进的ICP算法进行定位时，通过最近邻自适应阈值的方式能够得到更准确的匹配点，从而该方法可以在大量降低匹配点数量的同时还可以保证匹配效果，加快算法的收敛速度，提高算法效率。

在一些实施例中，所述方法还包括：当所述环境特征信息不满足预设的环境直线特征时，基于迭代最近点算法计算所述移动机器人的位姿，以对所述移动机器人进行定位。如果当前环境特征不包含较多的直线特征时，可以不做操作，算法可以退化为原始ICP算法，从而保证在各种环境下算法的鲁棒性。

请参阅图5，图5是本发明实施例提供的一种激光定位装置的结构示意图。所述装置20应用于移动机器人，所述装置20包括：第一获取模块21、第二获取模块22以及第一定位模块23。

所述第一获取模块21，用于获取环境特征信息。所述第二获取模块22，用于当所述环境特征信息满足预设的环境直线特征时，根据所述环境特征信息获取匹配点集，所述匹配点集是由位于环境直线上的点云组成。所述定位模块23，用于根据所述匹配点集对所述移动机器人进行定位。

其中，所述第一获取模块21具体用于：

其中，所述第二获取模块22具体用于：

当所述环境特征信息满足预设的环境直线特征时，获取所述移动机器人的相邻两帧激光雷达数据；

将所述相邻两帧激光雷达数据分别转换为2D点云；

根据所述2D点云获取环境中的全部直线；

其中，所述根据所述2D点云获取环境中的全部直线包括：

其中，所述第一定位模块23具体用于：

设定最近初始阈值和初始变换矩阵；

根据所述匹配点计算旋转矩阵和平移向量；

根据所述转换矩阵计算所述匹配点间的匹配误差；

判断所述匹配误差是否小于设定阈值；

其中，所述更新所述最近初始阈值包括：

获取所述匹配误差的均值；

在一些实施例中，同样请参阅图5，所述装置20还包括第二定位模块24，所述第二定位模块24用于：当所述环境特征信息不满足预设的环境直线特征时，基于迭代最近点算法计算所述移动机器人的位姿，以对所述移动机器人进行定位。

需要说明的是，上述激光定位装置可执行本发明实施例所提供的激光定位方法，具备执行方法相应的功能模块和有益效果。未在激光定位装置实施例中详尽描述的技术细节，可参见本发明实施例所提供的激光定位方法。

图6为本发明另一实施例提供的移动机器人10的结构框图。如图6所示，该移动机器人10可以包括：移动机器人主体、控制芯片110、存储器120以及通信模块130。

所述移动机器人主体上设置有行走机构。所述控制芯片内置于所述移动机器人主体中。

所述移动机器人主体是移动机器人的主体结构，可以根据移动机器人的实际需要，选用相应的形状结构及制造材质(如硬质塑料或者铝、铁等金属)，例如设置为扫地移动机器人常见的较为扁平的圆柱形。

行走机构是设置在所述移动机器人主体上，为移动机器人提供移动能力的结构装置。该行走机构具体可以采用任何类型的移动装置实现，例如滚轮、履带式等。

所述控制芯片110、存储器120以及通信模块130之间通过总线的方式，建立任意两者之间的通信连接。

控制芯片110可以为任何类型，具备一个或者多个处理核心的控制芯片 110。其可以执行单线程或者多线程的操作，用于解析指令以执行获取数据、执行逻辑运算功能以及下发运算处理结果等操作。

存储器120作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本发明实施例中的激光定位方法对应的程序指令/模块(例如，附图5所示的第一获取模块21、第二获取模块22、第一定位模块23以及第二定位模块24)。控制芯片110通过运行存储在存储器120中的非暂态软件程序、指令以及模块，从而执行激光定位装置的各种功能应用以及数据处理，即实现上述任一方法实施例中的激光定位方法。

存储器120可以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、至少一个功能所需要的应用程序；存储数据区可存储根据激光定位装置的使用所创建的数据等。此外，存储器120可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器120可选包括相对于控制芯片110远程设置的存储器，这些远程存储器可以通过网络连接至移动机器人10。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。

所述存储器120存储有可被所述至少一个控制芯片110执行的指令；所述至少一个控制芯片110用于执行所述指令，以实现上述任意方法实施例中激光定位方法，例如，执行图2、图3、图4的方法步骤等，实现图5中的模块的功能。

通信模块130是用于建立通信连接，提供物理信道的功能模块。通信模块130以是任何类型的无线或者有线通信模块130，包括但不限于WiFi模块或者蓝牙模块等。

上述产品可执行本发明实施例所提供的激光定位方法，具备执行激光定位方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的激光定位方法。

进一步地，本发明实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制芯片110执行，例如，被图6中的一个控制芯片110执行，可使得上述一个或多个控制芯片110执行上述任意方法实施例中的激光定位方法，例如，执行图2、图3、图4的方法步骤等，实现图5中的模块的功能。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序产品中的计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非暂态计算机可读取存储介质中，该计算机程序包括程序指令，当所述程序指令被相关设备执行时，可使相关设备执行上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体 (Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM) 等。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims

1.一种激光定位方法，应用于移动机器人，其特征在于，包括：

获取环境特征信息；

根据所述匹配点集对所述移动机器人进行定位；

所述根据所述环境特征信息获取匹配点集包括：

获取所述移动机器人的相邻两帧激光雷达数据；

将所述相邻两帧激光雷达数据分别转换为2D点云；

根据所述2D点云获取环境中的全部直线；

根据所述环境中的全部直线和所述2D点云，获取位于所述全部直线上的点，并将位于所述全部直线上的第一帧激光雷达数据对应的点标记为第一匹配点集，将位于所述全部直线上的第二帧激光雷达数据对应的点标记为第二匹配点集，所述第一匹配点集和所述第二匹配点集共同构成所述匹配点集；

所述根据所述匹配点集对所述移动机器人进行定位包括：

设定最近初始阈值和初始变换矩阵；

根据所述匹配点计算旋转矩阵和平移向量；

根据所述转换矩阵计算所述匹配点间的匹配误差；

判断所述匹配误差是否小于设定阈值；

若否，更新所述最近初始阈值，并根据更新后的最近初始阈值计算匹配点，重复该过程，直至计算得到的匹配误差小于所述设定阈值时，停止迭代；

所述更新所述最近初始阈值包括：

获取所述匹配误差的均值；

2.根据权利要求1所述的方法，其特征在于，所述获取环境特征信息包括：

3.根据权利要求1所述的方法，其特征在于，所述根据所述2D点云获取环境中的全部直线包括：

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

5.一种激光定位装置，应用于移动机器人，其特征在于，包括：

第一获取模块，用于获取环境特征信息；

定位模块，用于根据所述匹配点集对所述移动机器人进行定位；

所述第二获取模块具体用于：

获取所述移动机器人的相邻两帧激光雷达数据；

将所述相邻两帧激光雷达数据分别转换为2D点云；

根据所述2D点云获取环境中的全部直线；

所述定位模块，具体用于：

设定最近初始阈值和初始变换矩阵；

根据所述匹配点计算旋转矩阵和平移向量；

根据所述转换矩阵计算所述匹配点间的匹配误差；

判断所述匹配误差是否小于设定阈值；

所述更新所述最近初始阈值包括：

获取所述匹配误差的均值；

6.根据权利要求5所述的装置，其特征在于，

所述第一获取模块具体用于：

7.一种移动机器人，其特征在于，包括：

移动机器人主体，所述移动机器人主体上设置有行走机构；

至少一个控制芯片，所述控制芯片内置于所述移动机器人主体中；以及

与所述至少一个控制芯片通信连接的存储器；其中，所述存储器存储有可被所述至少一个控制芯片执行的指令，所述指令被所述至少一个控制芯片执行；以使所述至少一个控制芯片能够用于执行如权利要求1-4中任一项所述的激光定位方法。