CN111637877B - 机器人定位方法、装置、电子设备和非易失性存储介质 - Google Patents
机器人定位方法、装置、电子设备和非易失性存储介质 Download PDFInfo
- Publication number
- CN111637877B CN111637877B CN202010474133.8A CN202010474133A CN111637877B CN 111637877 B CN111637877 B CN 111637877B CN 202010474133 A CN202010474133 A CN 202010474133A CN 111637877 B CN111637877 B CN 111637877B
- Authority
- CN
- China
- Prior art keywords
- robot
- positioning
- threshold
- pose
- processor
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/46—Indirect determination of position data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施方式涉及机器人技术领域,公开了一种机器人定位方法、装置、电子设备及存储介质。上述方法包括:当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前机器人的位姿和机器人的里程计测量的预设时长内的里程数据;根据预设时长前的位姿和预设时长内的里程数据,确定机器人的当前位姿。本发明能够快速的确定机器人的当前位姿,进而提高机器人的工作效率。
Description
技术领域
本发明涉及机器人技术领域,特别涉及一种机器人定位方法、装置、电子设备和非易失性存储介质。
背景技术
目前随着科学技术的不断发展,机器人的功能得到不断完善和全面,在一些领域发挥着重要作用。由于机器人的工作环境具有非结构化和不确定性,尤其是在周边环境发生改变、恶劣天气或者人为干扰的情况下,机器人极易发生丢失点位,导致无法实现相应的功能,因此机器人的定位变得尤为重要。
发明人发现,在目前的相关技术中,在机器人丢失点位的情况下,通常采用全局定位的方式,即将雷达观测到的周边地图信息与全局地图进行一一匹配,以重新获得机器人的点位。然而,全局定位方式效率较低,尤其在特殊情况下,频繁地全局定位会大大降低机器人的工作效率。
发明内容
本发明实施方式的目的在于提供一种机器人方法、装置、电子设备和非易失性存储介质,可以使机器人较快的获得正确位姿,进而提高机器人的工作效率。
为解决上述技术问题,本发明的实施方式提供了一种机器人定位方法,包括:当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前机器人的位姿和机器人的里程计测量的预设时长内的里程数据;根据预设时长前的位姿和预设时长内的里程数据,确定机器人的当前位姿。
本发明的实施方式还提供了一种机器人定位装置,包括:第一获取模块,用于当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前机器人的位姿和机器人的里程计测量的预设时长内的里程数据;第一定位模块,用于根据预设时长前的位姿和预设时长内的里程数据,确定机器人的当前位姿。
本发明的实施方式还提供了一种电子设备,包括存储器和处理器,存储器与处理器通信连接,存储器存储计算机程序,处理器运行程序时执行:当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前机器人的位姿和机器人的里程计测量的预设时长内的里程数据;根据预设时长前的位姿和预设时长内的里程数据,确定机器人的当前位姿。
本发明的实施方式还提供了一种非易失性存储介质,用于存储计算机可读程序,计算机可读程序用于供计算机执行如上的机器人定位方法。
本发明实施方式相对于现有技术而言,主要区别及其效果在于:在检测到机器人的雷达定位失真时,获取里程计测量的预设时长内的里程数据,直接根据预设时长内的里程数据和机器人预设时长前的位姿,获取机器人的当前正确位姿;由于避免了对机器人进行全局定位,仅根据缓存信息获得机器人的正确位姿,计算量较小、计算速度快,因而能够提高机器人的工作效率。
另外,检测到机器人的雷达定位失真,包括:通过至少一个处理器获取机器人的置信度曲线,置信度曲线为雷达的观测数据与机器人的地图信息的匹配度随时间变化的曲线;通过至少一个处理器将置信度曲线中当前时刻的斜率分别与预设的第一阈值和预设的第二阈值进行比对;其中,第二阈值大于第一阈值;若当前时刻的斜率大于第一阈值且小于第二阈值,判定检测到机器人的雷达定位失真。当雷达定位失真时,置信度曲线的斜率变化平缓,根据置信度曲线的斜率变化情况可以高效又准确地判断失真对象类型,有利于提高机器人找回当前位姿的效率。
另外,若当前时刻的斜率大于第二阈值,判定检测到机器人的里程计定位失真,且通过至少一个处理器获取观测数据,根据观测数据确定机器人的当前位姿。当里程计定位失真时,置信度曲线的斜率变化迅速;根据置信度曲线的斜率变化情况可以高效又准确地判断失真对象类型,有利于提高机器人确定正确位姿的效率。
另外,预设时长小于等于n*P;其中,P为机器人的车轮转一圈的用时,n代表车轮的运行圈数。车轮打滑常常导致里程计定位失真,因此通过设计预设时长的数值,能够保证里程计中的里程数据的准确性使得机器人定位准确。
另外,在确定机器人的当前位姿后,还包括:通过至少一个处理器在地图上标记机器人的当前位姿。便于操作人员直观地了解到机器人的运行路线。
附图说明
图1是根据本发明第一实施方式中的机器人定位方法的流程图;
图2是根据本发明第二实施方式中的机器人定位方法的流程图;
图3是根据本发明第三实施方式中的机器人定位装置示意图;
图4是根据本发明第四实施方式提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便,不应对本发明的具体实现方式构成任何限定,各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种机器人定位方法,本实施方式中,当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前机器人的位姿和机器人的里程计测量的预设时长内的里程数据;根据预设时长前的位姿和预设时长内的里程数据,确定机器人的当前位姿。对丢失点位的机器人进行重新定位,使得机器人能够快速的找到当前的正确点位。下面对本实施方式的机器人定位方法的实现细节进行具体的说明,以下内容仅为方便理解提供的实现细节,并非实施本方案的必须。
如图1所示,该方法包括:
S101,当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前机器人的位姿和机器人的里程计测量的预设时长内的里程数据。
本实施例中,机器人包括雷达和里程计,并且机器人为移动机器人,例如扫地机器人、运输机器人等。雷达用于探测障碍物的距离及位置,里程计用于记录和缓存机器人的里程数据,包括运行里程和转向。
相应地,机器人失真类型包括里程计定位失真和雷达定位失真。
具体地,机器人通过机器人车身底部的轮子进行移动,里程计通过记录车轮的运动圈数和转向记录机器人的历史轨迹。当遇到某些特殊情况,例如车轮打滑、人为干预等情况下,里程计比较容易计算错误,从而发生里程计定位失真。当机器人的周围环境发生改变时,例如本来存在的高楼消失,机器人周围存在障碍物时,即使预估位姿是机器人的正确位姿,但是由于雷达的观测数据和地图信息并不匹配,也会发生定位失真,即为雷达定位失真。
本实施例中,当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前机器人的位姿,认为其在预设时长前雷达定位是正常的,所以机器人在预设时长前的位姿是正确位姿,并且短时间内里程计的里程数据可信度较高,因而预设时长内的里程数据可信度较高。
S102,根据预设时长前的位姿和预设时长内的里程数据,确定机器人的当前位姿。
由于预设时长前的位姿和预设时长内的里程数据是可信度较高,因此根据预设时长前的位姿和预设时长内的里程数据,确定机器人的当前位姿较为准确。
在一个例子中,预设时长小于等于n*P;其中,P为机器人的车轮转一圈的用时,n代表车轮的运行圈数。
在实际应用中,里程计在比较短的时间内记录的里程数据可信度较高。预设时长的数值与里程计的精度有关,当里程计的精度较高时,可适当增加n的数值,进而增加预设时长的数值;当里程计的精度较高时,可适当降低n的数值,进而降低预设时长的数值。通过改变预设时长的数值,保证里程计预设时长秒内的里程数据可靠,进而通过里程计获得的机器人正确位姿的可靠性和准确度。
S103,通过至少一个处理器在地图上标记机器人的当前位姿。
在确定机器人的当前位姿后,还包括:通过至少一个处理器在地图上标记机器人的当前位姿。
具体地,当获取机器人的当前位姿后,在地图上标记机器人的当前位姿,例如带有颜色的曲线、星形图案等,一方面便于处理器分析机器人的行进路线,另一方面操作人员可以直观的监控和分析机器人的行进路线。
在其他实施例中,也可以在地图上标记机器人的位置。
与现有技术相比,本实施方式通过在检测到雷达定位失真时,在雷达定位失真时,获取里程计预设时长内的里程数据,直接根据预设时长内的里程数据和机器人预设时长前的位姿,获取机器人的当前位姿;由于避免了对机器人进行全局定位,仅根据缓存信息获得机器人的当前位姿,计算量较小、计算速度快、计算结果准确,因而能够提高机器人的工作效率。
本发明的第二实施方式涉及一种机器人定位方法。第二实施方式与第一实施方式大致相同,主要区别之处在于:第二实施方式中,说明了如何判断定位失真类型,具体包括里程计定位失真和雷达定位失真。本实施方式中的机器人定位方法如图2所示,包括以下步骤:
S201,通过至少一个处理器获取机器人的置信度曲线,置信度曲线为雷达的观测数据与机器人的地图信息的匹配度随时间变化的曲线;通过至少一个处理器将置信度曲线中当前时刻的斜率分别与预设的第一阈值和预设的第二阈值进行比对;其中,第二阈值大于第一阈值。
具体地,雷达的观测数据为机器人所处环境的周围环境数据,包括机器人与障碍物的距离以及障碍物的轮廓。地图信息为机器人在地图上的位姿所对应的数据。
在实际应用中,提供机器人所处环境的地图,处理器根据雷达的观测数据和里程计的数据得到机器人在地图上的位置,即预估位姿。机器人在预估位姿的周围环境数据为地图信息。机器人在预估位姿由于雷达和里程计容易定位失真,即机器人的预估位姿有可能是不准确的,因此需要后续的步骤加以验证。
本实施例中,处理器实时获取机器人的观测数据与地图信息的匹配度,利用置信度曲线描述匹配度与时间的对应关系。置信度曲线的某一时刻对应的匹配度为这一时刻机器人的观测数据与地图信息的匹配度,即代表机器人的预估位姿的准确度。
进一步地,当某一时刻对应的匹配度发生变化时,这一时刻对应的斜率也会发生变化,某一时刻对应的置信度曲线上的斜率代表这一时刻匹配度的变化速率,即代表这一时刻机器人的观测数据与地图信息的匹配度是快速降低、快速升高、缓慢降低、缓慢升高或者保持不变。当机器人在某一时刻定位失真时,匹配度会降低,相应地,置信度曲线上的这一时刻的斜率会发生较大变化。
需要说明的是,在将置信度曲线的斜率分别与第一阈值和第二阈值比对时,将置信度曲线的斜率的绝对值分别与第一阈值和第二阈值比对。相应地,第一阈值和第二阈值为正数。
S202,若当前时刻的斜率大于第一阈值且小于第二阈值,判定检测到机器人的雷达定位失真。
具体地,当机器人周围存在障碍物,例如被行人遮挡;或者机器人周围环境发生较大变化时,例如原本存在的建筑被拆除,会导致雷达的观测数据与地图信息不匹配,且当机器人与障碍物距离越来越近时,观测数据与地图信息的不匹配程度愈加明显,匹配度越来越低,即机器人由远及近地接近障碍物的过程中,置信度曲线的斜率变化缓慢。
进一步地,当前时刻的斜率大于第一阈值且小于第二阈值时,即表示斜率降低地较为缓慢,由此可以判定雷达定位失真,执行S204。
S203,若当前时刻的斜率大于第二阈值,判定检测到机器人的里程计定位失真。
具体地,当机器人的车轮发生打滑,导致里程计的里程数据不准确,进而导致里程计定位失真;而在比较短的时间内里程计的记录的里程数据与机器人实际的里程数据误差较大,在比较短的时间内观测数据与地图信息的匹配度迅速降低,因而造成置信度曲线的斜率急速变化增加。
进一步地,当前时刻的斜率大于第二阈值时,即表示斜率降低地较为快速,由此可以判定里程计定位失真,执行S205。
S204,通过至少一个处理器获取预设时长前机器人的位姿和机器人的里程计测量的预设时长内的里程数据,根据预设时长前的位姿和预设时长内的里程数据,确定机器人的当前位姿。
S205,通过至少一个处理器获取观测数据,根据观测数据确定机器人的当前位姿。
具体地,若定位失真类型为里程计定位失真,则通过至少一个处理器获取雷达的观测数据,根据观测数据确定机器人正确位姿。
S206,通过至少一个处理器在地图上标记机器人正确位姿。
本实施方式中S202与第一实施方式中S101和S102相似,S206与第一实施方式中的S103相似,在此不再赘述。
与现有技术相比,本实施方式通过计算置信度曲线的斜率变化情况,判定定位失真类型,即通过实时计算置信度曲线的斜率与第一阈值或第二阈值的关系,判定里程计定位失真或者雷达定位失真,便于后续根据不同的失真对象采取不同的纠错方式确定机器人正确位姿,并且判断失真类型的计算方法较为简单、计算量小、计算速度较快,从而能够提高判断失真对象的效率,进而能够提高确定机器人正确位姿的效率,最终提高机器人的工作效率。
另外,在雷达定位失真时,获取里程计缓存的预设时长内的里程数据和机器人预设时长前的位姿,避免全局定位导致的计算量大和计算时间较长的问题,因而能够提高确定机器人的正确位姿的效率和提高机器人的工作效率。
本发明的第三实施方式涉及一种机器人定位装置,如图3所示,该装置包括:第一获取模块301,用于当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前机器人的位姿和机器人的里程计测量的预设时长内的里程数据;第一定位模块302,用于根据预设时长前的位姿和预设时长内的里程数据,确定机器人的当前位姿。
在一个例子中,机器人定位装置还包括数据匹配模块303,用于获取机器人的置信度曲线,置信度曲线为雷达的观测数据与机器人的地图信息的匹配度随时间变化的曲线;比对模块304,用于将置信度曲线中当前时刻的斜率分别与预设的第一阈值和预设的第二阈值进行比对;其中,第二阈值大于第一阈值;若当前时刻的斜率大于第一阈值且小于第二阈值,判定检测到机器人的雷达定位失真,触发第一定位模块302。
在一个例子中,比对模块304还用于在当前时刻的斜率大于第二阈值,判定检测到机器人的里程计定位失真;机器人定位装置还包括第二获取模块305,用于获取观测数据;第二定位模块306,用于在比对模块304定位失真时,根据观测数据确定机器人的当前位姿。
在一个例子中,机器人定位装置包括设置模块307,用于设置预设时长的数值,预设时长小于等于n*P;其中,P为机器人的车轮转一圈的用时,n代表车轮的运行圈数。
在一个例子中,机器人定位装置还包括显示模块308,用于在第一定位模块302或者第二定位模块306确定机器人的当前位姿后,在地图上标记机器人的当前位姿。
不难发现,本实施方式为与上述两个方法实施方式相对应的装置实施例,本实施方式可与上述两个方法实施方式互相配合实施。上述两个方法实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在上述两个方法实施方式。
与现有技术相比,本实施方式中,当雷达定位失真时,第一定位模块302获取机器人预设时长前的位姿和里程计预设时长内的里程数据,即直接获取机器人预设时长前的位姿和调用里程计缓存的里程数据确定机器人的当前位姿,由于避免了全局定位导致的计算量大和计算时间长的问题,因而能够提高确定机器人正确位姿的效率,进而提高机器人的工作效率。
本发明的第四实施方式涉及一种电子设备,如图4所示,该电子设备包括:至少一个处理器401;以及,与至少一个处理器401通信连接的存储器402;以及,与机器人定位装置通信连接的通信组件403,通信组件403在处理器401的控制下接收和发送数据;其中,存储器402存储有可被至少一个处理器401执行的指令,指令被至少一个处理器401执行以实现:
当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前机器人的位姿和机器人的里程计测量的预设时长内的里程数据;根据预设时长前的位姿和预设时长内的里程数据,确定机器人的当前位姿。
具体地,该电子设备包括:一个或多个处理器401以及存储器402,图4中以一个处理器401为例。处理器401、存储器402可以通过总线或者其他方式连接,图4中以通过总线连接为例。存储器402作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器401通过运行存储在存储器402中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述机器人定位方法。
存储器402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;存储数据区可存储选项列表等。此外,存储器402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。在一些实施方式中,存储器402可选包括相对于处理器401远程设置的存储器402,这些远程存储器402可以通过网络连接至外接设备。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。
一个或者多个模块存储在存储器402中,当被一个或者多个处理器401执行时,执行上述任意方法实施方式中的机器人定位方法。
上述产品可执行本申请实施方式所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施方式中详尽描述的技术细节,可参见本申请实施方式所提供的方法。
本发明的第五实施方式涉及一种非易失性存储介质,用于存储计算机可读程序,计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
本申请实施方式提供了A1.一种机器人定位方法,包括:
当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前所述机器人的位姿和所述机器人的里程计测量的所述预设时长内的里程数据;
根据所述预设时长前的位姿和所述预设时长内的里程数据,确定所述机器人的当前位姿。
A2.根据A1所述的机器人定位方法,所述检测到机器人的雷达定位失真,包括:
通过至少一个处理器获取所述机器人的置信度曲线,所述置信度曲线为所述雷达的观测数据与所述机器人的地图信息的匹配度随时间变化的曲线;
通过至少一个处理器将所述置信度曲线中当前时刻的斜率分别与预设的第一阈值和预设的第二阈值进行比对;其中,所述第二阈值大于所述第一阈值;
若所述当前时刻的斜率大于所述第一阈值且小于所述第二阈值,判定检测到所述机器人的雷达定位失真。
A3.根据A2所述的机器人定位方法,若所述当前时刻的斜率大于所述第二阈值,判定检测到所述机器人的里程计定位失真,且通过至少一个处理器获取所述观测数据,根据所述观测数据确定所述机器人的当前位姿。
A4.根据A1至A3中任一所述的机器人定位方法,所述预设时长小于等于n*P;其中,所述P为所述机器人的车轮转一圈的用时,所述n代表所述车轮的运行圈数。
A5.根据A1所述的机器人定位方法,在所述确定所述机器人的当前位姿后,还包括:通过至少一个处理器在地图上标记所述机器人的当前位姿。
本申请实施方式还提供了B1.一种机器人定位装置,包括:
第一获取模块,用于当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前所述机器人的位姿和所述机器人的里程计测量的所述预设时长内的里程数据;
第一定位模块,用于根据所述预设时长前的位姿和所述预设时长内的里程数据,确定所述机器人的当前位姿。
B2.根据B1所述的机器人定位装置,机器人定位装置还包括:
数据匹配模块,用于获取所述机器人的置信度曲线,所述置信度曲线为所述雷达的观测数据与所述机器人的地图信息的匹配度随时间变化的曲线;
比对模块,用于将所述置信度曲线中当前时刻的斜率分别与预设的第一阈值和预设的第二阈值进行比对;其中,所述第二阈值大于所述第一阈值;若所述当前时刻的斜率大于所述第一阈值且小于所述第二阈值,判定检测到所述机器人的雷达定位失真,触发所述第一定位模块。
B3.根据B2所述的机器人定位装置,所述比对模块还用于在所述当前时刻的斜率大于所述第二阈值,判定检测到所述机器人的里程计定位失真;
所述机器人定位装置还包括第二获取模块,用于获取所述观测数据;
第二定位模块,用于在所述比对模块定位失真时,根据所述观测数据确定所述机器人的当前位姿。
B4.根据B1至B3中任一项所述的机器人定位装置,所述机器人定位装置包括设置模块,用于设置所述预设时长的数值,所述预设时长小于等于n*P;其中,所述P为所述机器人的车轮转一圈的用时,所述n代表所述车轮的运行圈数。
B5.根据B1所述的机器人定位装置,所述机器人定位装置还包括显示模块,用于在所述第一定位模块或者第二定位模块确定所述机器人的当前位姿后,在地图上标记所述机器人的当前位姿。
本申请实施方式还提供了C1.一种电子设备,包括存储器和处理器,所述存储器与所述处理器通信连接,所述存储器存储计算机程序,所述处理器运行程序时执行:
当检测到机器人的雷达定位失真时,通过至少一个处理器获取预设时长前所述机器人的位姿和所述机器人的里程计测量的所述预设时长内的里程数据;
根据所述预设时长前的位姿和所述预设时长内的里程数据,确定所述机器人的当前位姿。
C2.根据C1所述的电子设备,所述处理器运行程序时执行如A2至A5中任一项所述的机器人定位方法。
本申请实施方式还提供了D1.一种非易失性存储介质,用于存储计算机可读程序,所述计算机可读程序用于供计算机执行如A1至A5中任一项所述的机器人定位方法。
Claims (11)
1.一种机器人定位方法,其特征在于,包括:
当根据机器人的置信度曲线检测到所述机器人的雷达定位失真时,通过至少一个处理器获取预设时长前所述机器人的位姿和所述机器人的里程计测量的所述预设时长内的里程数据,所述置信度曲线为所述雷达的观测数据与所述机器人的地图信息的匹配度随时间变化的曲线;
根据所述预设时长前的位姿和所述预设时长内的里程数据,确定所述机器人的当前位姿;
其中,所述根据机器人的置信度曲线检测到所述机器人的雷达定位失真,包括:
通过至少一个处理器获取所述机器人的置信度曲线;
通过至少一个处理器将所述置信度曲线中当前时刻的斜率分别与预设的第一阈值和预设的第二阈值进行比对;其中,所述第二阈值大于所述第一阈值;
若所述当前时刻的斜率大于所述第一阈值且小于所述第二阈值,判定检测到所述机器人的雷达定位失真。
2.根据权利要求1所述的机器人定位方法,其特征在于,若所述当前时刻的斜率大于所述第二阈值,判定检测到所述机器人的里程计定位失真,且通过至少一个处理器获取所述观测数据,根据所述观测数据确定所述机器人的当前位姿。
3.根据权利要求1或2所述的机器人定位方法,其特征在于,所述预设时长小于等于n*P;其中,所述P为所述机器人的车轮转一圈的用时,所述n代表所述车轮的运行圈数。
4.根据权利要求1所述的机器人定位方法,其特征在于,在所述确定所述机器人的当前位姿后,还包括:通过至少一个处理器在地图上标记所述机器人的当前位姿。
5.一种机器人定位装置,其特征在于,包括:
第一获取模块,用于当根据机器人的置信度曲线检测到所述机器人的雷达定位失真时,通过至少一个处理器获取预设时长前所述机器人的位姿和所述机器人的里程计测量的所述预设时长内的里程数据,所述置信度曲线为所述雷达的观测数据与所述机器人的地图信息的匹配度随时间变化的曲线;
第一定位模块,用于根据所述预设时长前的位姿和所述预设时长内的里程数据,确定所述机器人的当前位姿;
其中,机器人定位装置还包括:
数据匹配模块,用于获取所述机器人的置信度曲线;
比对模块,用于将所述置信度曲线中当前时刻的斜率分别与预设的第一阈值和预设的第二阈值进行比对;其中,所述第二阈值大于所述第一阈值;若所述当前时刻的斜率大于所述第一阈值且小于所述第二阈值,判定检测到所述机器人的雷达定位失真,触发所述第一定位模块。
6.根据权利要求5所述的机器人定位装置,其特征在于,所述比对模块还用于在所述当前时刻的斜率大于所述第二阈值,判定检测到所述机器人的里程计定位失真;
所述机器人定位装置还包括第二获取模块,用于获取所述观测数据;
第二定位模块,用于在所述比对模块定位失真时,根据所述观测数据确定所述机器人的当前位姿。
7.根据权利要求5或6所述的机器人定位装置,其特征在于,所述机器人定位装置包括设置模块,用于设置所述预设时长的数值,所述预设时长小于等于n*P;其中,所述P为所述机器人的车轮转一圈的用时,所述n代表所述车轮的运行圈数。
8.根据权利要求5所述的机器人定位装置,其特征在于,所述机器人定位装置还包括显示模块,用于在所述第一定位模块或者第二定位模块确定所述机器人的当前位姿后,在地图上标记所述机器人的当前位姿。
9.一种电子设备,包括存储器和处理器,所述存储器与所述处理器通信连接,所述存储器存储计算机程序,所述处理器运行程序时执行:
当根据机器人的置信度曲线检测到所述机器人的雷达定位失真时,通过至少一个处理器获取预设时长前所述机器人的位姿和所述机器人的里程计测量的所述预设时长内的里程数据,所述置信度曲线为所述雷达的观测数据与所述机器人的地图信息的匹配度随时间变化的曲线;
根据所述预设时长前的位姿和所述预设时长内的里程数据,确定所述机器人的当前位姿;
其中,所述根据机器人的置信度曲线检测到所述机器人的雷达定位失真,包括:
通过至少一个处理器获取所述机器人的置信度曲线;
通过至少一个处理器将所述置信度曲线中当前时刻的斜率分别与预设的第一阈值和预设的第二阈值进行比对;其中,所述第二阈值大于所述第一阈值;
若所述当前时刻的斜率大于所述第一阈值且小于所述第二阈值,判定检测到所述机器人的雷达定位失真。
10.根据权利要求9所述的电子设备,其特征在于,所述处理器运行程序时执行如权利要求1至4中任一项所述的机器人定位方法。
11.一种非易失性存储介质,用于存储计算机可读程序,其特征在于,所述计算机可读程序用于供计算机执行如权利要求1至4中任一项所述的机器人定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010474133.8A CN111637877B (zh) | 2020-05-29 | 2020-05-29 | 机器人定位方法、装置、电子设备和非易失性存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010474133.8A CN111637877B (zh) | 2020-05-29 | 2020-05-29 | 机器人定位方法、装置、电子设备和非易失性存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111637877A CN111637877A (zh) | 2020-09-08 |
CN111637877B true CN111637877B (zh) | 2022-06-21 |
Family
ID=72329293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010474133.8A Active CN111637877B (zh) | 2020-05-29 | 2020-05-29 | 机器人定位方法、装置、电子设备和非易失性存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111637877B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113063441B (zh) * | 2021-03-16 | 2022-11-18 | 李金波 | 里程计累计推算误差的数据源纠正方法及装置 |
CN113733083B (zh) * | 2021-08-24 | 2022-11-18 | 拉扎斯网络科技(上海)有限公司 | 一种定位方法、装置及机器人 |
CN114216483A (zh) * | 2021-12-14 | 2022-03-22 | 北京云迹科技股份有限公司 | 一种机器人的检测方法及装置 |
CN116224349A (zh) * | 2022-12-12 | 2023-06-06 | 珠海创智科技有限公司 | 一种机器人的定位方法、系统及电子是设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9020637B2 (en) * | 2012-11-02 | 2015-04-28 | Irobot Corporation | Simultaneous localization and mapping for a mobile robot |
CN107144292B (zh) * | 2017-06-08 | 2019-10-25 | 杭州南江机器人股份有限公司 | 一种运动设备的里程计方法以及里程计装置 |
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 |
WO2019183928A1 (zh) * | 2018-03-30 | 2019-10-03 | 深圳市神州云海智能科技有限公司 | 一种室内机器人定位的方法及机器人 |
CN109144056B (zh) * | 2018-08-02 | 2021-07-06 | 上海思岚科技有限公司 | 移动机器人的全局自定位方法及设备 |
CN109186616B (zh) * | 2018-09-20 | 2020-04-07 | 禾多科技(北京)有限公司 | 基于高精度地图和场景检索的车道线辅助定位方法 |
CN110044358B (zh) * | 2019-04-29 | 2020-10-02 | 清华大学 | 基于现场场线特征的移动机器人定位方法 |
CN110293563B (zh) * | 2019-06-28 | 2022-07-26 | 炬星科技(深圳)有限公司 | 估计机器人位姿的方法、设备及存储介质 |
-
2020
- 2020-05-29 CN CN202010474133.8A patent/CN111637877B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111637877A (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111637877B (zh) | 机器人定位方法、装置、电子设备和非易失性存储介质 | |
US10852139B2 (en) | Positioning method, positioning device, and robot | |
US10634777B2 (en) | Radar odometry for vehicle | |
CN109974727B (zh) | 一种机器人充电方法、装置及机器人 | |
CN109444932B (zh) | 一种车辆定位方法、装置、电子设备及存储介质 | |
CN111024100A (zh) | 一种导航地图更新方法、装置、可读存储介质及机器人 | |
CN111339802A (zh) | 实时相对地图的生成方法及装置、电子设备和存储介质 | |
JP7148619B2 (ja) | 車両の車線変更検出のためのシステム及び方法 | |
CN108710370B (zh) | 一种无人驾驶汽车的控制方法及系统 | |
CN111409632A (zh) | 车辆控制方法及装置、计算机设备和存储介质 | |
CN111113422B (zh) | 机器人定位方法、装置、计算机可读存储介质及机器人 | |
CN112720474A (zh) | 机器人的位姿校正方法、装置、终端设备及存储介质 | |
EP4345421A2 (en) | Method for calibrating sensor parameters based on autonomous driving, apparatus, storage medium, and vehicle | |
CN114943952A (zh) | 多相机重叠视域下障碍物融合方法、系统、设备和介质 | |
CN115127576A (zh) | 路径规划方法、装置、芯片、终端、电子设备及存储介质 | |
CN113359766B (zh) | 一种移动机器人的移动控制方法、以及移动机器人 | |
CN113671454B (zh) | 一种车载雷达的位置参数标定方法、装置及存储介质 | |
CN112665506B (zh) | 定位装置的安装偏差检测方法、装置、设备及存储介质 | |
CN112478540A (zh) | 控制托盘转动的方法和装置 | |
CN112965076B (zh) | 一种用于机器人的多雷达定位系统及方法 | |
CN115951673A (zh) | 移动设备的脱困方法、装置及机器人 | |
CN110998238A (zh) | 用于确定高精度位置和用于运行自动化车辆的方法和设备 | |
CN115237105A (zh) | 无人车定位异常检测方法、装置、存储介质及电子设备 | |
CN112683273A (zh) | 一种自适应增量建图方法、系统、计算机设备及存储介质 | |
CN111007553B (zh) | 被测对象的导航方法、装置、计算机设备和存储介质 |
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 |