CN111982099A - 机器人混合定位方法、装置、设备及计算机可读介质 - Google Patents
机器人混合定位方法、装置、设备及计算机可读介质 Download PDFInfo
- Publication number
- CN111982099A CN111982099A CN201910424233.7A CN201910424233A CN111982099A CN 111982099 A CN111982099 A CN 111982099A CN 201910424233 A CN201910424233 A CN 201910424233A CN 111982099 A CN111982099 A CN 111982099A
- Authority
- CN
- China
- Prior art keywords
- robot
- data
- pose
- laser
- weighted
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims description 33
- 239000003550 marker Substances 0.000 claims description 20
- 230000004927 fusion Effects 0.000 claims description 8
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人混合定位方法,包括如下步骤:S1.获取表示机器人在任意时刻位置的惯性定位数据和激光数据,获取表示机器人在密集相似区域时的位置的二维码数据,获取表示机器人在激光特征稀疏区域时的位置的反光标记数据;S2.根据惯性定位数据、激光数据、二维码数据和反光标记数据计算机器人在t时刻的位姿;其中,所述二维码数据通过检测密集相似区域的二维码并匹配全局地图而获得,所述反光标记数据通过检测激光特征稀疏区域的反光标记并匹配全局地图而获得。本发明的有益效果:本发明所述的复杂环境下机器人室内混合定位方法,使用惯性定位数据、激光数据、二维码数据和反光标记数据对机器人进行定位,能够提高机器人的环境适应性,并且,上述的各种数据的获取方式对工作区域的干预小,方便工作区域升级和改造。
Description
技术领域
本发明涉及移动机器定位技术领域,具体来说,涉及一种机器人混合定位方法、装置、设备及计算机可读介质。
背景技术
在现有技术中,机器人的室内定位技术主要有磁轨、色带跟踪、二维码阵列、惯性定位及激光SLAM(simultaneous localization and mapping,同步定位与建图)技术,前三种定位技术需要在工作现场铺设辅助定位装置,并且工作区域及流程固定,环境适应能力较弱,不利于现场的升级改造。激光SLAM技术对现场干预最小,适用于多数工作场合,但对于特征较少或密集相似区域,定位能力较差,惯性定位长距离漂移较大,一般不单独使用。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述技术问题,本发明提出一种机器人混合定位方法,特别针对同时存在激光特征稀少、操作单元密集相似、频繁变动等复杂环境。此外,本发明还提出一种机器人混合定位装置、设备和计算机可读介质。
为实现上述技术目的,本发明的技术方案是这样实现的:
一种机器人混合定位方法,包括如下步骤:S1.获取表示机器人在任意时刻位置的惯性定位数据和激光数据,获取表示机器人在密集相似区域时的位置的二维码数据,获取表示机器人在激光特征稀疏区域时的位置的反光标记数据;S2.根据惯性定位数据、激光数据、二维码数据和反光标记数据计算机器人在t时刻的位姿;其中,所述二维码数据通过检测密集相似区域的二维码并匹配全局地图而获得,所述反光标记数据通过检测激光特征稀疏区域的反光标记并匹配全局地图而获得。
优选地,所述全局地图通过以下步骤获得:采集同步的里程及激光点云数据,创建栅格地图;向所述栅格地图中加入二维码数据集和反光标记数据集,得到全局地图。
优选地,在所述步骤S2中,若未获取到二维码数据和反光标记数据,则根据惯性定位数据和激光数据计算机器人的第一位姿Pt laser;在所述步骤S2中,若获取到反光标记数据,则根据所述第一位姿Pt laser和所述反光标记数据计算机器人的加权位姿Pt weighted;在所述步骤S2中,若获取到二维码数据,则根据所述加权位姿Pt weighted和所述二维码数据计算机器人的切换位姿Pt switched。
优选地,所述计算机器人的加权位姿Pt weighted包括:计算所述计算机器人的第一位姿Pt laser;根据反光标记数据计算机器人的第二位姿Pt ref和第二置信对第一位姿Pt laser与第二位姿Pt ref进行加权融合,得到加权位姿Pt weighted。
优选地,所述计算机器人的切换位姿Pt switched包括:计算机器人的加权位姿Pt weighted;根据二维码数据计算机器人的第三位姿Pt QR,在加权位姿Pt weighted与第三位姿Pt QR之间进行切换,得到切换位姿Pt switched。
优选地,还包括如下步骤:S3.更新所述第一位姿Pt laser,使其等于机器人在t时刻的位姿。
本发明的另一方面,提供一种机器人混合定位装置,包括:数据获取单元,用于获取惯性定位数据、激光数据、二维码数据和反光标记数据;位姿计算单元,用于根据惯性定位数据、激光数据、二维码数据和反光标记数据计算机器人在t时刻的位姿;其中,所述二维码数据通过检测密集相似区域的二维码并匹配全局地图而获得,所述反光标记数据通过检测激光特征稀疏区域的反光标记并匹配全局地图而获得。
优选地,所述位姿计算单元包括:第一位姿计算单元,其在未获取到二维码数据和反光标记数据时,根据惯性定位数据和激光数据计算机器人的第一位姿Pt laser;加权位姿计算单元,其在获取到反光标记数据时,根据所述第一位姿Pt laser和所述反光标记数据计算机器人的加权位姿Pt weighted;切换位姿计算单元,其在获取到二维码数据时,根据所述加权位姿Pt weighted和所述二维码数据计算机器人的切换位姿Pt switched。
优选地,所述切换位姿计算单元根据二维码数据计算机器人的第三位姿Pt QR,在所述加权位姿Pt weighted与第三位姿Pt QR之间进行切换,得到切换位姿Pt switched。
本发明的又一方面,提供一种机器人混合定位设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的程序,所述程序被所述至少一个处理器执行,以使得所述至少一个处理器能够执行上述的复杂环境下机器人室内混合定位方法或者其改进技术方案。
本发明的又一方面,提供一种计算机可读介质,存储有计算机可执行程序,所述计算机可执行程序用于执行上述的机器人混合定位方法或者其改进技术方案。
本发明的有益效果:本发明所述的机器人混合定位方法,使用惯性定位数据、激光数据、二维码数据和反光标记数据对机器人进行定位,能够提高机器人的环境适应性,并且,上述的各种数据的获取方式对工作区域的干预小,方便工作区域升级和改造。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明所述的机器人混合定位方法的流程图;
图2是用于说明机器人当前位姿的计算方法的图;
图3是本发明所述的机器人混合定位装置的功能模块图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明所述的机器人混合定位方法的流程图。
如图1所示,本发明所述的机器人混合定位方法,包括如下步骤:
S1.获取表示机器人在任意时刻位置的惯性定位数据和激光数据,获取表示机器人在密集相似区域时的位置的二维码数据,获取表示机器人在激光特征稀疏区域时的位置的反光标记数据;
S2.根据惯性定位数据、激光数据、二维码数据和反光标记数据计算机器人在t时刻的位姿;
其中,二维码数据通过检测密集相似区域的二维码并匹配全局地图而获得,反光标记数据通过检测激光特征稀疏区域的反光标记并匹配全局地图而获得。
具体而言,例如,惯性定位数据通过机器人上安装的IMU(Inertial measurementunit,惯性测量单元,是测量物体三轴姿态角或角速率以及加速度的装置)与编码器获取。激光数据通过激光采集装置获取。二维码数据是通过二维码扫描装置(例如相机)检测密集相似区域的二维码,将检测到的二维码匹配全局地图而获得的。具体而言,将二维码所在绝对位置数据编码,二维码扫描装置检测到二维码,解码后就得到机器人相对于全局地图的位置。反光标记数据是通过反光标记检测装置(例如激光传感器)检测激光特征稀疏区域的反光标记,将检测到的反光标记匹配全局地图而获得。具体而言,在激光传感器的当前帧激光数据中检测到N个反光标记,记录所有标记相对于激光传感器坐标系的位置,在全局地图中找到机器人位置附近的所有标记点,从其中任取N个标记比较与当前标记物的相对位置,选取误差最小的全局标记为最优匹配标记,机器人相对于最优匹配标记的位置即是准确的定位数据,即反光标记数据。此外,激光数据中通常包含位置数据与反射强度数据,反光标记的反射强度远远大于其他物体,可用于辅助定位。更具体地,可通过ICP(即点云配准算法)或三角测量法进行计算。
在本发明中,在一般区域(即未设置反光标记和二维码的区域),使用惯性定位数据和激光数据进行定位,针对激光特征稀疏区域,还使用反光标记数据帮助定位,提高定位精度,针对密集相似区域,还使用二维码数据帮助定位,提高定位精度。另一方面,反光标记和二维码均属于非常容易铺设和拆除的标记,对工作区域的改造和干预小,针对常常发生变化(即,频繁变动)的环境,灵活性高,能够有效提高机器人的环境适应性。
此外,上述的全局地图,用于匹配检测到的信号(激光、二维码、反光标记等),从而将机器人在运动过程中检测到的单纯的信号转化为用于定位的数据。全局地图通过以下步骤获得:采集同步的里程及激光点云数据,创建栅格地图;向所述栅格地图中加入二维码数据集和反光标记数据集,得到全局地图。
更具体地,首先沿工作区域的边界,选取特征丰富闭合路径(墙边,反射面密集区域),采集同步的里程及激光点云数据,创建栅格地图,检测闭环后对栅格地图进行矫正,对未建图区域进行扫描,构建完整的栅格地图,该栅格地图可以用于执行激光定位和惯性定位。接着,在在激光特征稀疏区域(超过激光的扫描范围的区域或空旷区域),选取固定障碍贴敷反光标记(激光反射膜),在激光可视范围内不共线反射标记数量≥3(已知不共线的3个标记点相对于机器人的位置可以定位机器人的绝对坐标),记录所有反光标记的信息,组成反光标记数据集。在密集相似区域铺设二维码,记录所有二维码的信息,组成二维码数据集。最后,将反光标记数据集和二维码数据集加入至上述的栅格地图中,即可得到全局地图。该全局地图除了可执行上述栅格地图可实现的定位方式以外,还可以执行二维码定位和反射标记定位。
由于二维码铺设在密集相似区域,反光标记贴在激光特征稀疏区域,因此,在机器人的运动过程中,并不是都能检测到二维码和反光标记,在不同的区域,机器人检测到的信号不同,定位的计算方法也不同。具体而言,在步骤S2中,若未获取到二维码数据和反光标记数据(表示机器人没有处于密集相似区域,也没有处于激光特征稀疏区域),则根据惯性定位数据和激光数据计算机器人的第一位姿Pt laser,将该第一位姿Pt laser作为机器人的当前位姿。在步骤S2中,若获取到反光标记数据(表示机器人处于激光特征稀疏区域),则根据第一位姿Pt laser和反光标记数据计算机器人的加权位姿Pt weighted,将该加权位姿Pt weighted作为机器人的当前位姿。在步骤S2中,若获取到二维码数据(表示机器人处于密集相似区域),则根据加权位姿Pt weighted和二维码数据计算机器人的切换位姿Pt switched,将该切换位姿Pt switched作为为机器人的当前位姿。由此,在密集相似区域和激光特征稀疏区域的定位,分别参考了检测到的二维码和反光标记,能够使定位更加准确。
图2是用于说明机器人当前位姿的计算方法的图。
下面,参照图2进一步说明机器人当前位姿的计算方法。
计算机器人的第一位姿Pt laser包括以下步骤:根据惯性定位数据计算机器人速度根据激光数据计算机器人的第一位姿Pt laser和第一置信其中,根据惯性定位数据计算机器人速度是指利用IMU与编码器的数据,对方位角速度进行分段融合,结合运动学模型估计机器人速度将t时刻采集的激光数据与全局地图中的栅格地图匹配,得到机器人位姿Pt laser,置信即,机器人位姿Odom和dt分别指当前时刻与上一时刻的里程差与时间差。
计算机器人的加权位姿Pt weighted包括以下步骤:计算机器人的第一位姿Pt laser;根据反光标记数据计算机器人的第二位姿Pt ref和第二置信对第一位姿Pt laser与第二位姿Pt ref进行加权融合,得到加权位姿Pt weighted。其中,每当检测到反光标记时,将反光标记与全局地图中的反光标记数据集进行匹配,即可得到反光标记数据。并根据第一置信和第二置信的置信度对第一位姿和第二位姿进行加权融合。具体而言,
计算机器人的切换位姿Pt switched包括以下步骤:计算机器人的加权位姿Pt weighted;根据二维码数据计算机器人的第三位姿Pt QR,在加权位姿Pt weighted与第三位姿Pt QR之间进行切换,得到切换位姿Pt switched。其中,每当检测到二维码时,将二维码与全局地图中的二维码数据集进行匹配,即可得到二维码数据。当检测到第三位姿Pt QR时,以Pt QR作为最终的位置输出,即,将第三位姿Pt QR作为切换位姿Pt switched,当未检测到第三位姿Pt QR时,将加权位姿Pt weighted作为切换位姿Pt switched。也就是说,当Pt QR有效时Pt switched=Pt QR,否则Pt switched=Pt weighted。
以上,对t时刻的机器人位姿的计算方法进行了说明。可以以此为基础计算t+1时刻的机器人位姿,使下一时刻的位姿计算更加准确。具体而言,在计算t+1时刻的机器人位姿时,更新第一位姿Pt laser,使其等于机器人在t时刻的位姿,即,将机器人位姿中的Pt laser替换为机器人在t时刻的位姿,以此计算在以上的说明中,机器人在t时刻的位姿可能是第一位姿Pt laser、加权位姿Pt weighted、切换位姿Pt switched中的任意一个。
本发明的方案对比单独依靠激光、视觉的定位方案,纯激光SLAM技术对现场干预最小,适用于多数工作场合,但对于特征较少或密集相似区域,定位能力较差;视觉二维码定位方案,需要在工作场布置密集的二维码序列,长期使用会有污迹与磨损,影响定位效果,后期改造维护较繁琐。本发明的技术方案综合使用激光SLAM与二维码定位技术,使用SLAM技术构建栅格地图,在特征密集相似区域增加二维码辅助定位,在特征稀少的区域增加激光反光标记,既能大幅减少二维码的用量,又能提高综合定位稳定性。
图3是本发明所述的机器人混合定位装置的功能模块图。
如图3所示,本发明的机器人混合定位装置,包括:
数据获取单元,用于获取惯性定位数据、激光数据、二维码数据和反光标记数据;
位姿计算单元,用于根据惯性定位数据、激光数据、二维码数据和反光标记数据计算机器人在t时刻的位姿;
其中,所述二维码数据通过检测密集相似区域的二维码并匹配全局地图而获得,所述反光标记数据通过检测激光特征稀疏区域的反光标记并匹配全局地图而获得。
具体而言,例如,惯性定位数据通过机器人上安装的IMU与编码器获取。激光数据通过激光采集装置获取。二维码数据是通过二维码扫描装置检测密集相似区域的二维码,将检测到的二维码匹配全局地图而获得的。反光标记数据是通过反光标记检测装置检测激光特征稀疏区域的反光标记,将检测到的反光标记匹配全局地图而获得。
在本发明中,在一般区域,位姿计算单元使用惯性定位数据和激光数据进行定位,针对激光特征稀疏区域,位姿计算单元还使用反光标记数据帮助定位,提高定位精度,针对密集相似区域,位姿计算单元还使用二维码数据帮助定位,提高定位精度。另一方面,反光标记和二维码均属于非常容易铺设和拆除的标记,对工作区域的改造和干预小,针对常常发生变化(即,频繁变动)的环境,灵活性高,能够有效提高机器人的环境适应性。
由于二维码铺设在密集相似区域,反光标记贴在激光特征稀疏区域,因此,在机器人的运动过程中,并不是都能检测到二维码和反光标记,在不同的区域,机器人定位的计算方法也不同。具体而言,若未获取到二维码数据和反光标记数据(表示机器人没有处于密集相似区域,也没有处于激光特征稀疏区域),则根据惯性定位数据和激光数据计算机器人的第一位姿Pt laser,将该第一位姿Pt laser作为机器人的当前位姿。若获取到反光标记数据(表示机器人处于激光特征稀疏区域),则根据第一位姿Pt laser和反光标记数据计算机器人的加权位姿Pt weighted,将该加权位姿Pt weighted作为机器人的当前位姿。若获取到二维码数据(表示机器人处于密集相似区域),则根据加权位姿Pt weighted和二维码数据计算机器人的切换位姿Pt switched,将该切换位姿Pt switched作为为机器人的当前位姿。由此,在密集相似区域和激光特征稀疏区域的定位,分别参考了检测到的二维码和反光标记,能够使定位更加准确。
为了得到不同情况下的机器人准确位姿,上述位姿计算单元包括:第一位姿计算单元,其在未获取到二维码数据和反光标记数据时,根据惯性定位数据和激光数据计算机器人的第一位姿Pt laser;加权位姿计算单元,其在获取到反光标记数据时,根据第一位姿Pt laser和反光标记数据计算机器人的加权位姿Pt weighted;切换位姿计算单元,其在获取到二维码数据时,根据加权位姿Pt weighted和二维码数据计算机器人的切换位姿Pt switched。其中,加权位姿计算单元根据反光标记数据,计算机器人的第二位姿Pt ref和第二置信根据置信对所述第一位姿Pt laser与第二位姿Pt ref进行加权融合,得到加权位姿Pt weighted。切换位姿计算单元根据二维码数据计算机器人的第三位姿Pt QR,在所述加权位姿Pt weighted与第三位姿Pt QR之间进行切换,得到切换位姿Pt switched。
本发明还涉及一种机器人混合定位设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的程序,所述程序被所述至少一个处理器执行,以使得所述至少一个处理器能够执行上述的复杂环境下机器人室内混合定位方法或者其优选实施方式。
本发明还涉及一种计算机可读介质,存储有计算机可执行程序,所述计算机可执行程序用于执行上述的复杂环境下机器人室内混合定位方法或者其优选实施方式。上述计算机可读介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种机器人混合定位方法,其特征在于,包括如下步骤:
S1.获取表示机器人在任意时刻位置的惯性定位数据和激光数据,获取表示机器人在密集相似区域时的位置的二维码数据,获取表示机器人在激光特征稀疏区域时的位置的反光标记数据;
S2.根据惯性定位数据、激光数据、二维码数据和反光标记数据计算机器人在t时刻的位姿;
其中,所述二维码数据通过检测密集相似区域的二维码并匹配全局地图而获得,所述反光标记数据通过检测激光特征稀疏区域的反光标记并匹配全局地图而获得。
2.根据权利要求1所述的机器人混合定位方法,其特征在于,
所述全局地图通过以下步骤获得:
采集同步的里程及激光点云数据,创建栅格地图;
向所述栅格地图中加入二维码数据集和反光标记数据集,得到全局地图。
3.根据权利要求1所述的机器人混合定位方法,其特征在于,
在所述步骤S2中,若未获取到二维码数据和反光标记数据,则根据惯性定位数据和激光数据计算机器人的第一位姿Pt laser;
在所述步骤S2中,若获取到反光标记数据,则根据所述第一位姿Pt laser和所述反光标记数据计算机器人的加权位姿Pt weighted;
在所述步骤S2中,若获取到二维码数据,则根据所述加权位姿Pt weighted和所述二维码数据计算机器人的切换位姿Pt switched。
6.根据权利要求3所述的机器人混合定位方法,其特征在于,
所述计算机器人的切换位姿Pt switched包括:
计算机器人的加权位姿Pt weighted;
根据二维码数据计算机器人的第三位姿Pt QR,在加权位姿Pt weighted与第三位姿Pt QR之间进行切换,得到切换位姿Pt switched。
7.根据权利要求3所述的机器人混合定位方法,其特征在于,还包括如下步骤:
S3.更新所述第一位姿Pt laser,使其等于机器人在t时刻的位姿。
8.一种机器人混合定位装置,其特征在于,包括:
数据获取单元,用于获取表示机器人在任意时刻位置的惯性定位数据和激光数据,获取表示机器人在密集相似区域时的位置的二维码数据,获取表示机器人在激光特征稀疏区域时的位置的反光标记数据;
位姿计算单元,用于根据惯性定位数据、激光数据、二维码数据和反光标记数据计算机器人在t时刻的位姿;
其中,所述二维码数据通过检测密集相似区域的二维码并匹配全局地图而获得,所述反光标记数据通过检测激光特征稀疏区域的反光标记并匹配全局地图而获得。
9.根据权利要求8所述的机器人混合定位装置,其特征在于,
所述位姿计算单元包括:
第一位姿计算单元,其在未获取到二维码数据和反光标记数据时,根据惯性定位数据和激光数据计算机器人的第一位姿Pt laser;
加权位姿计算单元,其在获取到反光标记数据时,根据所述第一位姿Pt laser和所述反光标记数据计算机器人的加权位姿Pt weighted;
切换位姿计算单元,其在获取到二维码数据时,根据所述加权位姿Pt weighted和所述二维码数据计算机器人的切换位姿Pt switched。
11.根据权利要求9所述的机器人混合定位装置,其特征在于,
所述切换位姿计算单元根据二维码数据计算机器人的第三位姿Pt QR,在所述加权位姿Pt weighted与第三位姿Pt QR之间进行切换,得到切换位姿Pt switched。
12.一种机器人混合定位设备,其特征在于,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的程序,所述程序被所述至少一个处理器执行,以使得所述至少一个处理器能够执行权利要求1~7中任一项所述的方法。
13.一种计算机可读介质,存储有计算机可执行程序,其特征在于,
所述计算机可执行程序用于执行权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910424233.7A CN111982099B (zh) | 2019-05-21 | 2019-05-21 | 机器人混合定位方法、装置、设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910424233.7A CN111982099B (zh) | 2019-05-21 | 2019-05-21 | 机器人混合定位方法、装置、设备及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111982099A true CN111982099A (zh) | 2020-11-24 |
CN111982099B CN111982099B (zh) | 2022-09-16 |
Family
ID=73437168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910424233.7A Active CN111982099B (zh) | 2019-05-21 | 2019-05-21 | 机器人混合定位方法、装置、设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111982099B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113063441A (zh) * | 2021-03-16 | 2021-07-02 | 李金波 | 里程计累计推算误差的数据源纠正方法及装置 |
CN113091736A (zh) * | 2021-04-02 | 2021-07-09 | 京东数科海益信息科技有限公司 | 机器人定位方法、装置、机器人及存储介质 |
CN113405544A (zh) * | 2021-05-08 | 2021-09-17 | 中电海康集团有限公司 | 一种移动机器人的建图与定位方法及系统 |
CN113821032A (zh) * | 2021-09-17 | 2021-12-21 | 上海快仓自动化科技有限公司 | 一种定位方法、系统、装置及移动设备 |
CN114440890A (zh) * | 2022-01-24 | 2022-05-06 | 上海甄徽网络科技发展有限公司 | 一种室内移动机器人的激光导航装置 |
CN115220009A (zh) * | 2021-04-15 | 2022-10-21 | 阿里巴巴新加坡控股有限公司 | 数据处理方法、装置、电子设备及计算机存储介质 |
CN117824667A (zh) * | 2024-03-06 | 2024-04-05 | 成都睿芯行科技有限公司 | 一种基于二维码和激光的融合定位方法及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140236475A1 (en) * | 2013-02-19 | 2014-08-21 | Texas Instruments Incorporated | Methods and systems for navigation in indoor environments |
CN205175416U (zh) * | 2015-12-03 | 2016-04-20 | 西南科技大学 | 一种基于激光与惯性测量单元的移动机器人定位系统 |
CN108253958A (zh) * | 2018-01-18 | 2018-07-06 | 亿嘉和科技股份有限公司 | 一种稀疏环境下的机器人实时定位方法 |
CN108562908A (zh) * | 2017-12-21 | 2018-09-21 | 合肥中导机器人科技有限公司 | 激光导航混合定位方法、机器人导航方法及激光导航系统 |
CN108955666A (zh) * | 2018-08-02 | 2018-12-07 | 苏州中德睿博智能科技有限公司 | 一种基于激光雷达与反光板的混合导航方法、装置及系统 |
CN108955667A (zh) * | 2018-08-02 | 2018-12-07 | 苏州中德睿博智能科技有限公司 | 一种融合激光雷达与二维码的复合导航方法、装置及系统 |
CN109059922A (zh) * | 2018-06-29 | 2018-12-21 | 北京艾瑞思机器人技术有限公司 | 移动机器人定位方法、装置和系统 |
CN109443351A (zh) * | 2019-01-02 | 2019-03-08 | 亿嘉和科技股份有限公司 | 一种稀疏环境下的机器人三维激光定位方法 |
-
2019
- 2019-05-21 CN CN201910424233.7A patent/CN111982099B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140236475A1 (en) * | 2013-02-19 | 2014-08-21 | Texas Instruments Incorporated | Methods and systems for navigation in indoor environments |
CN205175416U (zh) * | 2015-12-03 | 2016-04-20 | 西南科技大学 | 一种基于激光与惯性测量单元的移动机器人定位系统 |
CN108562908A (zh) * | 2017-12-21 | 2018-09-21 | 合肥中导机器人科技有限公司 | 激光导航混合定位方法、机器人导航方法及激光导航系统 |
CN108253958A (zh) * | 2018-01-18 | 2018-07-06 | 亿嘉和科技股份有限公司 | 一种稀疏环境下的机器人实时定位方法 |
CN109059922A (zh) * | 2018-06-29 | 2018-12-21 | 北京艾瑞思机器人技术有限公司 | 移动机器人定位方法、装置和系统 |
CN108955666A (zh) * | 2018-08-02 | 2018-12-07 | 苏州中德睿博智能科技有限公司 | 一种基于激光雷达与反光板的混合导航方法、装置及系统 |
CN108955667A (zh) * | 2018-08-02 | 2018-12-07 | 苏州中德睿博智能科技有限公司 | 一种融合激光雷达与二维码的复合导航方法、装置及系统 |
CN109443351A (zh) * | 2019-01-02 | 2019-03-08 | 亿嘉和科技股份有限公司 | 一种稀疏环境下的机器人三维激光定位方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113063441A (zh) * | 2021-03-16 | 2021-07-02 | 李金波 | 里程计累计推算误差的数据源纠正方法及装置 |
CN113091736A (zh) * | 2021-04-02 | 2021-07-09 | 京东数科海益信息科技有限公司 | 机器人定位方法、装置、机器人及存储介质 |
CN115220009A (zh) * | 2021-04-15 | 2022-10-21 | 阿里巴巴新加坡控股有限公司 | 数据处理方法、装置、电子设备及计算机存储介质 |
CN113405544A (zh) * | 2021-05-08 | 2021-09-17 | 中电海康集团有限公司 | 一种移动机器人的建图与定位方法及系统 |
CN113821032A (zh) * | 2021-09-17 | 2021-12-21 | 上海快仓自动化科技有限公司 | 一种定位方法、系统、装置及移动设备 |
CN114440890A (zh) * | 2022-01-24 | 2022-05-06 | 上海甄徽网络科技发展有限公司 | 一种室内移动机器人的激光导航装置 |
CN114440890B (zh) * | 2022-01-24 | 2023-12-15 | 上海甄徽网络科技发展有限公司 | 一种室内移动机器人的激光导航装置 |
CN117824667A (zh) * | 2024-03-06 | 2024-04-05 | 成都睿芯行科技有限公司 | 一种基于二维码和激光的融合定位方法及介质 |
CN117824667B (zh) * | 2024-03-06 | 2024-05-10 | 成都睿芯行科技有限公司 | 一种基于二维码和激光的融合定位方法及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111982099B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111982099B (zh) | 机器人混合定位方法、装置、设备及计算机可读介质 | |
CN110645974B (zh) | 一种融合多传感器的移动机器人室内地图构建方法 | |
CN113781582B (zh) | 基于激光雷达和惯导联合标定的同步定位与地图创建方法 | |
KR101976241B1 (ko) | 다중로봇의 자기위치인식에 기반한 지도작성 시스템 및 그 방법 | |
CN110361027A (zh) | 基于单线激光雷达与双目相机数据融合的机器人路径规划方法 | |
CN110044354A (zh) | 一种双目视觉室内定位与建图方法及装置 | |
CN111207774A (zh) | 一种用于激光-imu外参标定的方法及系统 | |
WO2017060947A1 (ja) | 推定装置、制御方法、プログラム及び記憶媒体 | |
CN112197770A (zh) | 一种机器人的定位方法及其定位装置 | |
KR20120046974A (ko) | 이동 로봇 및 이동 로봇의 위치인식 및 지도작성 방법 | |
CN110132284B (zh) | 一种基于深度信息的全局定位方法 | |
CN113985429B (zh) | 基于三维激光雷达的无人机环境扫描与重构方法 | |
CN108549376A (zh) | 一种基于信标的导航定位方法及系统 | |
CN114526745A (zh) | 一种紧耦合激光雷达和惯性里程计的建图方法及系统 | |
CN110412596A (zh) | 一种基于图像信息和激光点云的机器人定位方法 | |
CN114019552A (zh) | 一种基于贝叶斯多传感器误差约束的定位置信度优化方法 | |
CN107063229A (zh) | 基于人工路标的移动机器人定位系统及方法 | |
CN115407357A (zh) | 基于大场景的低线束激光雷达-imu-rtk定位建图算法 | |
CN111060099A (zh) | 一种无人驾驶汽车实时定位方法 | |
CN109282813B (zh) | 一种无人艇全局障碍物识别的方法 | |
CN115272596A (zh) | 一种面向单调无纹理大场景的多传感器融合slam方法 | |
CN113189613A (zh) | 一种基于粒子滤波的机器人定位方法 | |
CN115728803A (zh) | 一种城市驾驶车辆连续定位系统及方法 | |
CN113554705B (zh) | 一种变化场景下的激光雷达鲁棒定位方法 | |
CN112731503A (zh) | 一种基于前端紧耦合的位姿估计方法及系统 |
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 |