CN111578958A - 移动机器人导航实时定位方法、系统、介质及电子设备 - Google Patents
移动机器人导航实时定位方法、系统、介质及电子设备 Download PDFInfo
- Publication number
- CN111578958A CN111578958A CN202010425218.7A CN202010425218A CN111578958A CN 111578958 A CN111578958 A CN 111578958A CN 202010425218 A CN202010425218 A CN 202010425218A CN 111578958 A CN111578958 A CN 111578958A
- Authority
- CN
- China
- Prior art keywords
- pose
- particles
- particle set
- robot
- positioning
- 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
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
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Abstract
本公开提供了一种移动机器人导航实时定位方法、系统、介质及电子设备,涉及机器人技术领域,获取机器人测得的位姿数据和激光雷达数据,构建机器人所在环境的平面地图;对当前定位粒子进行旋转和平移理;以权重最大的粒子对应的位姿数据作为位姿均值,以该粒子集的方差为位姿方差,构建新的高斯粒子集;从新的高斯粒子集中随机抽取粒子,并更新到机器人的当前定位粒子集中;获取当前时刻的激光雷达数据,将更新后的定位粒子集中包含的位姿信息与平面地图匹配,以与激光雷达定位结果最接近的粒子位姿作为机器人当前位姿;本公开有效的降低了环境突变和机器人自身传感器串扰导致的系统不稳定性,提升了移动机器人的定位鲁棒性。
Description
技术领域
本公开涉及机器人技术领域,特别涉及一种移动机器人导航实时定位方法、系统、介质及电子设备。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术,并不必然构成现有技术。
定位问题是移动机器人运动过程中非常重要的一个问题,目前常用的方法有里程计导航、惯性导航、视觉导航、卫星导航等导航方式。这些导航方式各有优缺点:单纯里程计导航优势是简便容易实现,缺点是存在累计误差;惯性导航通常用来弥补单纯里程计的误差;视觉导航和卫星导航定位精度高,但稳定性容易受环境干扰,从而导致定位失败。
随着人们对于机器人定位技术研究,人们逐渐倾向使用组合导航的方式。使用激光雷达数据匹配地图来修正里程计造成累计偏差。
本公开发明人发现,目前机器人定位方法使用较多的是粒子滤波算法,常用的粒子滤波会随着重采样多次执行,出现粒子退化的问题,退化后的粒子不能很好的适应环境干扰、移动机器人自身元器件干扰带来的不确定性,从而导致定位鲁棒性变差。
发明内容
为了解决现有技术的不足,本公开提供了一种移动机器人导航实时定位方法、系统、介质及电子设备,通过高斯粒子更新定位粒子集,有效的降低了环境突变和机器人自身传感器串扰导致的系统不稳定性,提升了移动机器人的定位鲁棒性。
为了实现上述目的,本公开采用如下技术方案:
本公开第一方面提供了一种移动机器人导航实时定位方法。
一种移动机器人导航实时定位方法,包括以下步骤:
获取机器人测得的位姿数据和激光雷达数据,构建机器人所在环境的平面地图;
根据实时获取的机器人位移变化、姿态角度变化以及里程计的模型参数,对当前定位粒子进行旋转和平移处理,得到处理后的粒子集;
根据处理后的粒子集中的定位粒子包含的位姿数据、平面地图以及当前激光雷达数据,更新处理后的粒子集中的定位粒子的权重;
以处理后的粒子集中权重最大的粒子对应的位姿数据作为位姿均值,根据原定位粒子集的方差得到位姿方差,根据得到的位姿均值和位姿方差构建新的高斯粒子集;
从新的高斯粒子集中随机抽取粒子,更新到机器人的当前定位粒子集中,取当前粒子集所包含的粒子的均值作为机器人的当前位姿。
本公开第二方面提供了一种移动机器人导航实时定位系统。
一种移动机器人导航实时定位系统,包括:
地图构建模块,被配置为:获取机器人测得的位姿数据和激光雷达数据,构建机器人所在环境的平面地图;
粒子处理模块,被配置为:根据实时获取的机器人位移变化、姿态角度变化以及里程计的模型参数,对当前定位粒子进行旋转和平移处理,得到处理后的粒子集;
权重计算模块,被配置为:根据处理后的粒子集中的定位粒子包含的位姿数据、平面地图以及当前激光雷达数据,更新处理后的粒子集中的定位粒子的权重;
新粒子集构建模块,被配置为:以处理后的粒子集中权重最大的粒子对应的位姿数据作为位姿均值,根据原定位粒子集的方差得到位姿方差,根据得到的位姿均值和位姿方差构建新的高斯粒子集;
定位模块,被配置为:从新的高斯粒子集中随机抽取粒子,更新到机器人的当前定位粒子集中,取当前粒子集所包含的粒子的均值作为机器人的当前位姿。
本公开第三方面提供了一种介质,其上存储有程序,该程序被处理器执行时实现如本公开第一方面所述的移动机器人导航实时定位方法中的步骤。
本公开第四方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开第一方面所述的移动机器人导航实时定位方法中的步骤。
与现有技术相比,本公开的有益效果是:
1、本公开所述的方法、系统、介质及电子设备,在不借助视觉和GPS定位传感器的条件下,可以将移动机器人的定位精度提升;运用高斯粒子更新定位粒子集的方法,可以有效的降低环境突变和机器人自身传感器串扰导致的系统不稳定性,提升移动机器人的定位鲁棒性;通过位姿测量传感器数据作为机器人位姿匹配参考数据,可以极大的提高机器人定位效率和精度。
2、本公开所述的方法、系统、介质及电子设备,解决了针对室内环境下移动机器人的定位不准确问题,使用了位姿测量传感器和激光雷达数据作为方法的输入变量,机器人利用输入数据,对当前的定位粒子集进行更新,通过扫描匹配定位的方式,有效的避免传感器随机噪声、环境干扰导致的系统不稳定性,从而得到一个可靠的定位位姿结果。
3、本公开所述的方法、系统、介质及电子设备,可有效避免以往里程计、惯性测量单元定位过程中,出现的粒子退化,从而导致定位异常的问题。
4、本公开所述的方法、系统、介质及电子设备,通过高斯粒子更新与激光雷达定位相结合的方法,可有效的提高系统定位的鲁棒性,减少系统给定位过程中出现的错误定位的问题,最终得到较优的定位结果。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例1提供的移动机器人导航实时定位方法的流程示意图。
图2为本公开实施例1提供的里程计模型示意图。
图3为本公开实施例1提供的高斯粒子集示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例1:
如图1所示,本公开实施例1提供了一种移动机器人导航实时定位方法,具体步骤如下:
(1)在要定位的环境中移动机器人,并保存机器人位姿测量传感器的数据及激光雷达的测量数据。
其中,位姿测量传感器用来提供位姿变化数据,用于初步生成和更新定位粒子集,激光雷数据用于匹配障碍物得到机器人当前位姿数据,如图3所示。
本实施例中,位姿测量传感器和激光雷达均为机器人直接携带。
(2)根据步骤(1)获得的数据,采用GMapping建图算法构建出该环境下的平面地图,并将该地图作为激光雷达数据的匹配对象。
(3)机器人移动一段距离后触发定位功能,根据位姿测量传感器反馈得到机器人的位移的变化(Δx,Δy),机器人姿态角度的变化(Δθ);基于里程计的模型参数,对当前定位粒子按照位姿数据的变化增量,进行相应的旋转、平移操作。
其中,里程计的模型参数如图2所示,δtrans代表平移分量,δrot1,δrot2表示转动分量。
(4)获取当前时刻的激光雷达数据,基于定位粒子集中的定位粒子包含的位姿数据(xparticle,yparticle,θparticle),结合激光的距离llaser和角度信息θlaser计算出激光末端点数据(xlaser,ylaser),具体方式为:
xlaser=xparticle+llasercos(θparticle+θlaser)
ylaser=yparticle+llasersin(θparticle+θlaser)
并将得到的激光末端点坐标(xlaser,ylaser)与对应的构建的平面地图坐标(xlaser,ylaser)处的据进行比较,若该处的数据为true(即相匹配)则累加权重,从而实现该粒子集中的定位粒子的权重更新。
以旋转和平移处理后的粒子集中权重最大的粒子对应的位姿数据作为位姿均值,根据当前粒子集的方差得到位姿方差,根据得到的位姿均值和位姿方差构建新的高斯粒子集。
具体为:
取步骤(3)中最大权重粒子所对应的位姿数据作为均值所述均值为粒子的坐标均值,包含x,y,θ的均值,以可配置参数为位姿的方差cov,构建高斯模型的粒子集pf_gaussian,pose为机器人的位姿数据,其中:
所述方差,具体通过一下方法计算:
cov=(1~3)*covcur
其中,covcur当前定位粒子集的方差covcur=(covx,covy,covθ)。
(5)从步骤(4)所建立的高斯粒子集中随机取粒子,更新到机器人当前定位粒子中,x,y,θ代表更新前的粒子位姿,x′,y′,θ′代表更新后的粒子位姿,δtrans代表两点间的平移分量,δrot1,δrot2表示两点的转动分量。
具体为:
(6)取当前粒子集所包含的粒子的均值作为机器人的当前位姿。
实施例2
本公开实施例2提供了一种移动机器人导航实时定位系统,包括:
地图构建模块,被配置为:获取机器人测得的位姿数据和激光雷达数据,构建机器人所在环境的平面地图;
粒子处理模块,被配置为:根据实时获取的机器人位移变化、姿态角度变化以及里程计的模型参数,对当前定位粒子进行旋转和平移处理,得到处理后的粒子集;
权重计算模块,被配置为:根据处理后的粒子集中的定位粒子包含的位姿数据、平面地图以及当前激光雷达数据,更新处理后的粒子集中的定位粒子的权重;
新粒子集构建模块,被配置为:以处理后的粒子集中权重最大的粒子对应的位姿数据作为位姿均值,根据原定位粒子集的方差得到位姿方差,根据得到的位姿均值和位姿方差构建新的高斯粒子集;
定位模块,被配置为:从新的高斯粒子集中随机抽取粒子,更新到机器人的当前定位粒子集中,取当前粒子集所包含的粒子的均值作为机器人的当前位姿。
所述系统的工作方法与实施例1中所述的移动机器人导航实时定位方法相同,这里不再赘述。
实施例3:
本公开实施例3提供了一种介质,其上存储有程序,该程序被处理器执行时实现如本公开实施例1所述的移动机器人导航实时定位方法中的步骤,所述步骤,具体为:
获取机器人测得的位姿数据和激光雷达数据,构建机器人所在环境的平面地图;
根据实时获取的机器人位移变化、姿态角度变化以及里程计的模型参数,对当前定位粒子进行旋转和平移处理,得到处理后的粒子集;
根据处理后的粒子集中的定位粒子包含的位姿数据、平面地图以及当前激光雷达数据,更新处理后的粒子集中的定位粒子的权重;
以处理后的粒子集中权重最大的粒子对应的位姿数据作为位姿均值,根据原定位粒子集的方差得到位姿方差,根据得到的位姿均值和位姿方差构建新的高斯粒子集;
从新的高斯粒子集中随机抽取粒子,更新到机器人的当前定位粒子集中,取当前粒子集所包含的粒子的均值作为机器人的当前位姿。
详细步骤参见实施例1,这里不再赘述。
实施例4:
本公开实施例4提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开实施例1所述的移动机器人导航实时定位方法中的步骤,所述步骤,具体为:
获取机器人测得的位姿数据和激光雷达数据,构建机器人所在环境的平面地图;
根据实时获取的机器人位移变化、姿态角度变化以及里程计的模型参数,对当前定位粒子进行旋转和平移处理,得到处理后的粒子集;
根据处理后的粒子集中的定位粒子包含的位姿数据、平面地图以及当前激光雷达数据,更新处理后的粒子集中的定位粒子的权重;
以处理后的粒子集中权重最大的粒子对应的位姿数据作为位姿均值,根据原定位粒子集的方差得到位姿方差,根据得到的位姿均值和位姿方差构建新的高斯粒子集;
从新的高斯粒子集中随机抽取粒子,更新到机器人的当前定位粒子集中,取当前粒子集所包含的粒子的均值作为机器人的当前位姿。
详细步骤参见实施例1,这里不再赘述。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开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和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、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一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如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(RandomAccessMemory,RAM)等。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种移动机器人导航实时定位方法,其特征在于,包括以下步骤:
获取机器人测得的位姿数据和激光雷达数据,构建机器人所在环境的平面地图;
根据实时获取的机器人位移变化、姿态角度变化以及里程计的模型参数,对当前定位粒子进行旋转和平移处理,得到处理后的粒子集;
根据处理后的粒子集中的定位粒子包含的位姿数据、平面地图以及当前激光雷达数据,更新处理后的粒子集中的定位粒子的权重;
以处理后的粒子集中权重最大的粒子对应的位姿数据作为位姿均值,根据原定位粒子集的方差得到位姿方差,根据得到的位姿均值和位姿方差构建新的高斯粒子集;
从新的高斯粒子集中随机抽取粒子,更新到机器人的当前定位粒子集中,取当前粒子集所包含的粒子的均值作为机器人的当前位姿。
2.如权利要求1所述的移动机器人导航实时定位方法,其特征在于,通过机器人的位姿变化数据生成定位粒子集。
3.如权利要求1所述的移动机器人导航实时定位方法,其特征在于,采用GMapping建图算法,根据机器人位移变化、姿态角度变化以及里程计的模型参数,构建机器人所在环境的平面地图。
6.如权利要求1所述的移动机器人导航实时定位方法,其特征在于,该粒子集的方差,具体为:
cov=(1~3)*covcur
其中,covcur为当前定位粒子集的方差covcur=(covx,covy,covθ)。
7.如权利要求1所述的移动机器人导航实时定位方法,其特征在于,基于处理后的粒子集中的定位粒子包含的位姿数据,结合当前激光雷达数据得到激光末端点数据,并与构建的平面地图数据进行比较,根据对比结果更新处理后的粒子集中的定位粒子的权重。
8.一种移动机器人导航实时定位系统,其特征在于,包括:
地图构建模块,被配置为:获取机器人测得的位姿数据和激光雷达数据,构建机器人所在环境的平面地图;
粒子处理模块,被配置为:根据实时获取的机器人位移变化、姿态角度变化以及里程计的模型参数,对当前定位粒子进行旋转和平移处理,得到处理后的粒子集;
权重计算模块,被配置为:根据处理后的粒子集中的定位粒子包含的位姿数据、平面地图以及当前激光雷达数据,更新处理后的粒子集中的定位粒子的权重;
新粒子集构建模块,被配置为:以处理后的粒子集中权重最大的粒子对应的位姿数据作为位姿均值,根据原定位粒子集的方差得到位姿方差,根据得到的位姿均值和位姿方差构建新的高斯粒子集;
定位模块,被配置为:从新的高斯粒子集中随机抽取粒子,更新到机器人的当前定位粒子集中,取当前粒子集所包含的粒子的均值作为机器人的当前位姿。
9.一种介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的移动机器人导航实时定位方法中的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的移动机器人导航实时定位方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425218.7A CN111578958A (zh) | 2020-05-19 | 2020-05-19 | 移动机器人导航实时定位方法、系统、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010425218.7A CN111578958A (zh) | 2020-05-19 | 2020-05-19 | 移动机器人导航实时定位方法、系统、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111578958A true CN111578958A (zh) | 2020-08-25 |
Family
ID=72109386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010425218.7A Pending CN111578958A (zh) | 2020-05-19 | 2020-05-19 | 移动机器人导航实时定位方法、系统、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111578958A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112284403A (zh) * | 2020-12-28 | 2021-01-29 | 深兰人工智能芯片研究院(江苏)有限公司 | 定位方法、装置、电子设备和存储介质 |
CN112857379A (zh) * | 2021-01-22 | 2021-05-28 | 南京邮电大学 | 一种基于改进的Gmapping-SLAM地图更新方法及系统 |
CN113538579A (zh) * | 2021-07-14 | 2021-10-22 | 浙江大学 | 基于无人机地图与地面双目信息的移动机器人定位方法 |
CN113552585A (zh) * | 2021-07-14 | 2021-10-26 | 浙江大学 | 一种基于卫星地图与激光雷达信息的移动机器人定位方法 |
CN114199251A (zh) * | 2021-12-03 | 2022-03-18 | 江苏集萃智能制造技术研究所有限公司 | 一种机器人的防碰撞定位方法 |
CN115420296A (zh) * | 2022-11-07 | 2022-12-02 | 山东大学 | 基于多分辨率拓扑地图的路径搜索方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339655A (zh) * | 2008-08-11 | 2009-01-07 | 浙江大学 | 基于目标特征和贝叶斯滤波的视觉跟踪方法 |
US20140129027A1 (en) * | 2012-11-02 | 2014-05-08 | Irobot Corporation | Simultaneous Localization And Mapping For A Mobile Robot |
CN105509755A (zh) * | 2015-11-27 | 2016-04-20 | 重庆邮电大学 | 一种基于高斯分布的移动机器人同步定位与地图构建方法 |
CN107246873A (zh) * | 2017-07-03 | 2017-10-13 | 哈尔滨工程大学 | 一种基于改进的粒子滤波的移动机器人同时定位与地图构建的方法 |
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 |
CN108931245A (zh) * | 2018-08-02 | 2018-12-04 | 上海思岚科技有限公司 | 移动机器人的局部自定位方法及设备 |
CN109459033A (zh) * | 2018-12-21 | 2019-03-12 | 哈尔滨工程大学 | 一种多重渐消因子的机器人无迹快速同步定位与建图方法 |
CN109682382A (zh) * | 2019-02-28 | 2019-04-26 | 电子科技大学 | 基于自适应蒙特卡洛和特征匹配的全局融合定位方法 |
CN109798896A (zh) * | 2019-01-21 | 2019-05-24 | 东南大学 | 一种室内机器人定位与建图方法及装置 |
-
2020
- 2020-05-19 CN CN202010425218.7A patent/CN111578958A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339655A (zh) * | 2008-08-11 | 2009-01-07 | 浙江大学 | 基于目标特征和贝叶斯滤波的视觉跟踪方法 |
US20140129027A1 (en) * | 2012-11-02 | 2014-05-08 | Irobot Corporation | Simultaneous Localization And Mapping For A Mobile Robot |
CN105509755A (zh) * | 2015-11-27 | 2016-04-20 | 重庆邮电大学 | 一种基于高斯分布的移动机器人同步定位与地图构建方法 |
CN107246873A (zh) * | 2017-07-03 | 2017-10-13 | 哈尔滨工程大学 | 一种基于改进的粒子滤波的移动机器人同时定位与地图构建的方法 |
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 |
CN108931245A (zh) * | 2018-08-02 | 2018-12-04 | 上海思岚科技有限公司 | 移动机器人的局部自定位方法及设备 |
CN109459033A (zh) * | 2018-12-21 | 2019-03-12 | 哈尔滨工程大学 | 一种多重渐消因子的机器人无迹快速同步定位与建图方法 |
CN109798896A (zh) * | 2019-01-21 | 2019-05-24 | 东南大学 | 一种室内机器人定位与建图方法及装置 |
CN109682382A (zh) * | 2019-02-28 | 2019-04-26 | 电子科技大学 | 基于自适应蒙特卡洛和特征匹配的全局融合定位方法 |
Non-Patent Citations (3)
Title |
---|
于金霞等: "粒子滤波重采样算法研究", 《微计算机信息》 * |
张毅等: "基于高斯分布重采样的Rao-Blackwellized粒子滤波SLAM算法", 《控制与决策》 * |
李娟等: "改进的粒子滤波重采样算法", 《吉林大学学报(工学版)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112284403A (zh) * | 2020-12-28 | 2021-01-29 | 深兰人工智能芯片研究院(江苏)有限公司 | 定位方法、装置、电子设备和存储介质 |
CN112857379A (zh) * | 2021-01-22 | 2021-05-28 | 南京邮电大学 | 一种基于改进的Gmapping-SLAM地图更新方法及系统 |
CN112857379B (zh) * | 2021-01-22 | 2023-12-12 | 南京邮电大学 | 一种基于改进的Gmapping-SLAM地图更新方法及系统 |
CN113538579A (zh) * | 2021-07-14 | 2021-10-22 | 浙江大学 | 基于无人机地图与地面双目信息的移动机器人定位方法 |
CN113552585A (zh) * | 2021-07-14 | 2021-10-26 | 浙江大学 | 一种基于卫星地图与激光雷达信息的移动机器人定位方法 |
CN113538579B (zh) * | 2021-07-14 | 2023-09-22 | 浙江大学 | 基于无人机地图与地面双目信息的移动机器人定位方法 |
CN113552585B (zh) * | 2021-07-14 | 2023-10-31 | 浙江大学 | 一种基于卫星地图与激光雷达信息的移动机器人定位方法 |
CN114199251A (zh) * | 2021-12-03 | 2022-03-18 | 江苏集萃智能制造技术研究所有限公司 | 一种机器人的防碰撞定位方法 |
CN114199251B (zh) * | 2021-12-03 | 2023-09-15 | 江苏集萃智能制造技术研究所有限公司 | 一种机器人的防碰撞定位方法 |
CN115420296A (zh) * | 2022-11-07 | 2022-12-02 | 山东大学 | 基于多分辨率拓扑地图的路径搜索方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111578958A (zh) | 移动机器人导航实时定位方法、系统、介质及电子设备 | |
CN110927740B (zh) | 一种移动机器人定位方法 | |
EP3660618B1 (en) | Map building and positioning of robot | |
CN108253958B (zh) | 一种稀疏环境下的机器人实时定位方法 | |
JP5219467B2 (ja) | パーティクルフィルター基盤の移動ロボットの姿勢推定方法、装置及び媒体 | |
CN104964683B (zh) | 一种室内环境地图创建的闭环校正方法 | |
CN111862215B (zh) | 一种计算机设备定位方法、装置、计算机设备和存储介质 | |
CN110749895B (zh) | 一种基于激光雷达点云数据的定位方法 | |
CN113448326A (zh) | 机器人定位方法及装置、计算机存储介质、电子设备 | |
CN115307646B (zh) | 一种多传感器融合的机器人定位方法、系统及装置 | |
CN111283730B (zh) | 基于点线特征机器人初始位姿获取方法及开机自定位方法 | |
CN115797490A (zh) | 基于激光视觉融合的建图方法及系统 | |
Lee et al. | Development of advanced grid map building model based on sonar geometric reliability for indoor mobile robot localization | |
CN112747752B (zh) | 基于激光里程计的车辆定位方法、装置、设备和存储介质 | |
CN115655311A (zh) | 一种基于扫描匹配的阿克曼型机器人里程计标定方法 | |
Ekmanis | Self-calibration in differential drive dynamics/kinematics model | |
CN111076724B (zh) | 三维激光定位方法及系统 | |
CN113687336A (zh) | 一种雷达标定方法、装置、电子设备和介质 | |
CN112762923A (zh) | 一种3d点云地图更新方法和系统 | |
CN111708046A (zh) | 一种障碍物的平面数据的处理方法、装置、电子设备及存储介质 | |
CN111207755B (zh) | 一种多楼层室内环境中配送机器人的定位方法及存储介质 | |
CN110232714B (zh) | 深度相机的标定方法及系统 | |
Zhang et al. | Feature extraction method of indoor structured environment based on two-dimensional LiDAR | |
Wang et al. | Mapping method of embedded system based on multi-sensor data fusion for unstructured terrain | |
Yadav et al. | An Extrinsic LiDAR-GNSS/INS Registration Approach for Autonomous Driving |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200825 |