CN112147637A - 一种机器人重定位方法和装置 - Google Patents

一种机器人重定位方法和装置 Download PDF

Info

Publication number
CN112147637A
CN112147637A CN201910578325.0A CN201910578325A CN112147637A CN 112147637 A CN112147637 A CN 112147637A CN 201910578325 A CN201910578325 A CN 201910578325A CN 112147637 A CN112147637 A CN 112147637A
Authority
CN
China
Prior art keywords
laser
robot
reflecting
observed
laser sensor
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
CN201910578325.0A
Other languages
English (en)
Inventor
秦野
孙元栋
魏青铜
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.)
Hangzhou Hikrobot Technology Co Ltd
Original Assignee
Hangzhou Hikrobot Technology 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 Hangzhou Hikrobot Technology Co Ltd filed Critical Hangzhou Hikrobot Technology Co Ltd
Priority to CN201910578325.0A priority Critical patent/CN112147637A/zh
Publication of CN112147637A publication Critical patent/CN112147637A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/46—Indirect determination of position data
    • G01S17/48—Active triangulation systems, i.e. using the transmission and reflection of electromagnetic waves other than radio waves

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Manipulator (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种机器人重定位方法和装置，该方法中，机器人所处环境中部署有多个反光物体，该方法包括：加载机器人所处环境的先验地图，获取先验地图中每个反光物体的描述子；确定需要重定位时，利用机器人的激光传感器在机器人所处位置采集激光数据，根据采集的激光数据确定激光传感器观测到的反光物体并确定每个反光物体的位置信息，根据激光传感器观测到的每个反光物体的位置信息，计算激光传感器观测到的每个反光物体的描述子；对先验地图中所有反光物体的描述子和激光传感器观测到的所有反光物体的描述子进行匹配，根据匹配结果确定机器人的当前位姿。

Description

一种机器人重定位方法和装置
技术领域
本发明涉及人工智能技术领域，特别涉及一种机器人重定位方法和装置。
背景技术
机器人重定位是指：机器人在已知环境中从一个未知位置开始移动，利用自身的传感器对所处环境进行感知，利用感知信息与先验的地图信息进行配准，从而完成机器人的自主定位，了解机器人在环境中的位姿，用于解决机器人的上线以及绑架问题。
专利文件CN108759844A提出了一种基于视觉和激光的重定位方法，先利用视觉词袋完成地图匹配，获取机器人的初始位姿，再利用激光数据与地图匹配获取机器人的位姿。该方法需要给机器人配置两种传感器，且在用视觉词袋匹配的过程中需要消耗大量的计算资源。
专利文件CN108507579A提出了一种基于局部粒子滤波的重定位方法，该方法需要额外提供一个初值给机器人，机器人以初值为中心撒粒子，每个粒子代表机器人的可能位姿，通过运动模型以及观测模型计算每个粒子的权重，通过重采样算法计算机器人的位姿。该方法需要事先提供初值，并且重定位效果取决于粒子数目，而数目越多，越消耗计算资源。
可以看出，上述两种机器人重定位方法都存在计算资源消耗过多的问题。
发明内容
有鉴于此，本发明的目的在于提供一种机器人重定位方法，能够减少计算资源消耗。
为了达到上述目的，本发明提供了如下技术方案：
一种机器人重定位方法，机器人所处环境中部署有多个反光物体，该方法包括：
加载机器人所处环境的先验地图，获取先验地图中每个反光物体的描述子，所述先验地图中每个反光物体的描述子根据先验地图中每个反光物体的位置信息确定；
确定需要重定位时，利用机器人的激光传感器在机器人所处位置采集激光数据，根据采集的激光数据确定激光传感器观测到的反光物体并确定观测到的每个反光物体的位置信息，根据激光传感器观测到的每个反光物体的位置信息，计算激光传感器观测到的每个反光物体的描述子；
对先验地图中所有反光物体的描述子和激光传感器观测到的所有反光物体的描述子进行匹配，根据匹配结果确定机器人的当前位姿。
一种机器人重定位装置，机器人所处环境中部署有多个反光物体，该装置包括处理器、以及与所述处理器通过总线相连的非瞬时计算机可读存储介质；所述非瞬时计算机可读存储介质存储有可被所述处理器执行的指令；其特征在于，所述处理器执行所述指令时实现上述机器人重定位方法。
一种非瞬时计算机可读存储介质，所述非瞬时计算机可读存储介质存储指令，所述指令在由处理器执行时使得所述处理器执行上述机器人重定位方法中的步骤。
由上面的技术方案可知，本发明中，在机器人所处环境中部署多个反光物体，加载机器人所处环境的先验地图并获取先验地图中每个反光物体的描述子；在确定需要重定位机器人时，利用机器人的激光传感器采集激光数据，根据采集的激光数据确定观测到的每个反光物体以及每个反光物体的位置信息，进而计算观测到的每个反光物体的描述子；将先验地图中的所有反光物体的描述子与激光传感器观测到的所有反光物体的描述子进行匹配，从而根据匹配结果确定机器人的当前位姿。本发明的技术方案，消耗计算资源少，能保证算法的实时性。
附图说明
以下附图仅对本发明做示意性说明和解释，并不限定本发明的范围：
图1是本发明实施例机器人重定位方法流程图；
图2是本发明实施例利用机器人的激光传感器采集激光数据的示意图；
图3是本发明实施例半径滤波方法示意图；
图4是本发明实施例机器人重定位装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图并据实施例，对本发明的技术方案进行详细说明。
本发明中，在机器人所处环境中部署多个反光物体，利用反光物体的高反射性和空间约束关系实现机器人重定位。这里的反光物体是指使用具有高反射率的反光材料制作的物体，例如反光条(即使用具有高反射率特的反光材料制作而成的条形物体)。
参见图1，图1是本发明实施例机器人重定位方法流程图，该方法可应用于机器人或能够与机器人的激光传感器通信的外部设备，如图1所示，该方法主要包括以下步骤：
步骤101、加载机器人所处环境的先验地图，获取先验地图中每个反光物体的描述子，其中，所述先验地图中每个反光物体的描述子根据先验地图中每个反光物体的位置信息确定。
本发明中，对于机器人所处环境，需要预先构建先验地图，先验地图中包括机器人所处环境中每个反光物体的位置信息。
在实际应用中，反光物体需要附着在机器人所处环境中的特定物体(以下将特定物体称为附着物体)上，例如，反光物体被镶嵌/悬挂在屋顶或墙面，放置在地面等，则相应的屋顶、墙面、地面即为反光物体的附着物体。
在本发明的一个实施例中，反光物体背对其机器人所处环境中的附着物体(如墙面、地面、屋顶等)的部分(即面向激光传感器的部分)的形状在激光传感器的不同采集角度下均是左右对称的，例如圆柱体，先验地图中第i个反光物体的位置信息使用{mxi,myi}表示，{mxi,myi}为该反光物体的空间位置/坐标。
在本发明的另一实施例中，反光物体是左右对称的反光板，具有正反两个平面，例如长方形的反光条，反光物体的一个平面(正面)背对着机器人所处环境的附着物体(如墙面、地面、或屋顶)，另一平面(反面)则附着在机器人所处环境的附着物体上。由于此类反光物体背对着其机器人所处环境的附着物体的平面是具有对应的法向量(垂直于该平面的直线所表示的向量即作为该反光平面的法向量)的，因此，当机器人所处场景采用此类反光物体时，先验地图中第i个反光物以的位置信息可以使用
Figure BDA0002112552680000041
表示，其中，{mxi,myi}为该反光物体的空间位置/坐标，
Figure BDA0002112552680000042
表示该反光物体对应的法向量。
本发明中，利用先验地图中反光物体之间的空间约束关系，计算每个反光物体的描述子，具体地，可以计算先验地图中第i个反光物体与其它各反光物体的欧式距离，将这些距离值构成的集合作为第i个反光物体的描述子，具体可以表示为第i个反光物体的描述子m_desi＝{m_d1i,m_d2i,…,m_dii,…,m_dni}，其中的m_dii也可以不包括在该描述子中，其中n是先验地图中反光物体的个数。
步骤102、确定需要重定位时，利用机器人的激光传感器在机器人所处位置采集激光数据，根据采集的激光数据确定激光传感器观测到的反光物体并确定每个反光物体的位置信息，根据激光传感器观测到的每个反光物体的位置信息，计算激光传感器观测到的每个反光物体的描述子。
在实际应用中，当机器人重新启动或丢失了之前的位置信息(被绑架)时，均需要进行重定位。另外，机器人也可以根据用户需求进行重定位。
需要重定位时，可以利用机器人的激光传感器在机器人所处位置采集激光数据，图2是本发明实施例利用机器人的激光传感器采集激光数据的示意图，图2示出了机器人的激光传感器在机器人的当前位置通过扫描周围环境采集激光数据，其中，垂直于各反光条的带箭头的直线示出了该反光条的法向量。
机器人的激光传感器采集的激光数据中，包括激光传感器观测到的激光点信息，每个激光点信息包括该激光点的反射率、激光传感器与该激光点的距离、以及激光传感器对该激光点的观测角度。
对于激光传感器观测到的每个激光点来说，激光传感器与该激光点的距离和激光传感器对该激光点的观测角度，决定了该激光点在以激光传感器为原点构建的坐标系中的位置信息，而该激光点的反射率则决定了该激光点是否属于反光物体，反射率高于某个预设阈值，则属于反光物体，反之，则不属于反光物体。并且，在实际应用中，由于反光物体是分散部署在机器人所处环境中的，因此，属于同一反光物体的所有激光点之间的距离较近，属于不同反光物体的位置点之间的距离较远，可以根据位置信息确定属于同一反光物体的所有激光点。
本发明实施例中，可以根据采集的激光数据确定激光传感器观测到的反光物体并确定每个反光物体的位置信息，具体包括：
根据激光传感器与其观测到的每个激光点的距离和对该激光点的观测角度确定该激光点在以激光传感器为原点的坐标系中的位置信息；
根据激光传感器观测到的每个激光点的反射率，确定属于反光物体的激光点，根据属于反光物体的激光点的位置信息，将距离小于第一预设距离阈值的属于反光物体的激光点划分到同一分组；
将每组激光点覆盖的区域确定为激光传感器观测到的一个反光物体，根据该组激光点的位置信息确定该反光物体的位置信息。
在实际应用中，由于激光传感器采集的激光数据中有光斑的存在，所以对激光数据分组后，每组激光数据都有噪声(也成为离群点)，这会导致根据该组激光数据中所有位置点的位置信息确定该组激光数据对应的反光物体的位置信息时不准确。
为此，本发明实施例中，根据该组激光点的位置信息确定该反光物体的位置信息之前，还可以进一步对该组激光点进行离群点剔除处理，可以采用半径滤波(radiusoutlier removal)的方法对该组激光数据中的离群点进行剔除，具体过程为：针对该组激光点中的每一激光点，如果该组激光点中距离该激光点的距离小于第二预设距离阈值的激光点数小于预设激光点数，则从该组激光点中剔除该激光点。
如图3所示的本发明实施例提供的半径滤波方法示意图，在一组激光数据中，每个激光点在一定范围内(即第二预设距离阈值范围内，在图3中第二预设距离阈值即为图3中所示的圆的半径)周围至少要有足够多的近邻，例如，如果指定至少要有1个邻居(预算激光点数＝1)，圆圈1中心的激光点需要被删除，因此与该激光点相关的激光数据会被删除；如果指定至少要有2个邻居(预算激光点数＝2)，则除了圆圈1中心的激光点外，圆圈2和圆圈3的中心的激光点也需要被删除，因此与该三个圆圈中心的激光点相关的所有激光数据都会被删除。由此可知，采用半径滤波方法
本发明实施例中，根据该组激光点的位置信息确定该反光物体的位置信息，一种可能的实现方式是将该组激光点的中心点作为该反光物体的位置，中心点的位置信息即为该反光物体的位置信息。具体地，如果使用空间坐标{fxk，fyk}表示该组激光点中的第k个位置点的空间位置，则中心点的空间位置/坐标为
Figure BDA0002112552680000061
即该反光物体的空间位置/坐标为
Figure BDA0002112552680000062
其中，m为该组激光数据中的激光点个数。
在本发明的一个实施例中，反光物体的背对机器人所处环境的附着物体(如墙面、地面、屋顶等)的部分(即面向激光传感器的部分)的形状在激光传感器的不同采集角度下均是左右对称的，激光传感器感测到的第j个反光物体的位置信息使用{fxj,fyj}表示，{fxj,fyj}为该反光物体的空间位置。
在本发明的另一实施例中，反光物体是左右对称的反光板，具有正反两个平面，反光物体的一个平面(正面)背对着机器人所处环境的附着物体(如墙面、地面、或屋顶)，另一平面(反面)则附着在机器人所处环境的附着物体上。则由于反光物体的背对着附着物体的平面具有对应的法向量(本发明中，将该法向量作为反光物体的法向量)，因此，激光传感器观测到的第j个反光物体的位置信息可以使用
Figure BDA0002112552680000071
表示，其中，{fxj,fyj}为该反光物体的空间位置，
Figure BDA0002112552680000072
表示该反光物体对应的法向量。在实际实现中，可以根据属于该反光物体的一组激光点的位置信息，通过线性拟合确定该反光物体的法向量
Figure BDA0002112552680000073
本发明中，利用激光传感器观测到的反光物体之间的空间约束关系，计算激光传感器观测到的每个反光物体的描述子，具体地，可以根据激光传感器观测到的所有反光物体的位置信息计算第j个反光物体与其它各反光物体的欧式距离，将这些距离值构成的集合作为该第j个反光物体的描述子，具体可以表示为：该第j个反光物体的描述子f_desi＝{f_d1i,f_d2i,…,f_dii,…,f_doi}，其中o是激光传感器观测到的反光物体的个数。
步骤103、对先验地图中所有反光物体的描述子和激光传感器观测到的所有反光物体的描述子进行匹配，根据匹配结果确定机器人的当前位姿。
本发明中，在计算得到先验地图中所有反光物体的描述子与激光传感器观测到的所有反光物体的描述子之后，可以对先验地图中所有反光物体的描述子和激光传感器观测到的所有反光物体的描述子进行匹配。
在实际应用中，先验地图采用的坐标系和根据激光传感器采集的激光数据构建的坐标系是不同的(两个坐标系的原点位置和两个坐标系之间的旋转角度都可能是不同的)，但是，任意两个反光物体只要在实际环境中的位置不发生变化，则两者之间的距离在任何坐标系中都是不会发生变化的，与采用何种坐标系无关。因此，对于机器人所处环境中的同一反光物体来说，其在先验地图的坐标系中的描述子，和其在根据激光传感器采集的激光数据构建的以激光传感器为原点的坐标系中的描述子，应该是一致的，但是考虑到激光传感器可能只扫描到部分反光物体，因此，在进行描述子匹配时，如果有超过预设个数的距离值匹配，即可认为两个描述子是匹配的，相应的两个描述子对应的反光物体是同一反光物体。
例如，先验地图中第i个反光物体的描述子f_desi＝{a,b,c,d,e}，而激光传感器观测到的第j个反光物体的描述子m_desi＝{c,d,e,f}，则显然两个描述子相匹配的距离值有3个，如果预设个数为2，则可认为先验地图中第i个反光物体的描述子和激光传感器观测到的第j个反光物体的描述子相匹配，进而可以确定先验地图中第i个反光物体和激光传感器观测到的第j个反光物体相匹配，即两个反光物体实际上是机器人所处环境中的同一反光物体。
因此，本发明实施例中，对先验地图中所有反光物体的描述子和激光传感器观测到的所有反光物体的描述子进行匹配，包括：
对先验地图中的每个反光物体，确定该反光物体的描述子与激光传感器观测到的各反光物体的描述子的匹配距离个数；
如果先验地图中的该反光物体的描述子与激光传感器观测到的一反光物体的描述子相匹配的距离值最多，且匹配的距离值的个数超过预设个数，则确定先验地图中的该反光物体和激光传感器观测到的该反光物体相匹配。
需要说明的是，由于在根据反射率确定属于反光物体的激光点并对属于反光物体的激光点分组后，每组激光点实际上是对应了一个反光物体的，虽然对该组激光点进行噪声处理可以剔除了一些离群点，但是并不能完全去除离群点，因此，计算出的反光物体的位置信息可能并不是完全准确的，存在微小误差，进而在计算每个反光物体的描述子时，其中的距离值也是存在微小误差的，而在对两个描述子进行匹配时，可以将此误差考虑在内，如果分属于两个描述子中的两个距离值之间的距离差值小于一定阈值，则可以认为这两个距离值是相同的。
另外，在实际应用中，在机器人所处环境中部署反光物体时，部分反光物体的位置可能是相互对称的，这种情况下，仅通过空间距离约束，可能会造成错误的匹配结果，因此，本发明实施例中，要求机器人所处场景中的所有反光物体是非对称分布的，并且在反光物体具有对应的法向量的情况下，可以考虑在进行描述子匹配时，通过法向量对匹配结果做一个筛选，只保留正确的匹配结果。
在先验地图采用的坐标系和激光传感器根据采集的激光数据构建的坐标系确定的情况下，对于机器人所处环境中的每一反光物体来说，其在先验地图中的法向量与其在激光传感器根据采集的激光数据构建的坐标系中的法向量之间有一个角度偏差。
在正常情况下，每一匹配结果中两个反光条的角度偏差应当与任一其它匹配结果中的两个反光条的角度偏差是一致的。因此，可以通过计算每一匹配结果中的两个反光物体的法向量的角度偏差值，得到多个匹配结果对应的多个角度偏差值之后，可以根据这些角度偏差值对所有匹配结果进行分组，将角度偏差值相近(例如差值小于预设角度)的匹配结果分到同一分组中，确定每一分组中的匹配结果数量，将包括的匹配结果数量最多的一个分组中的匹配结果作为正确的匹配结果(即角度偏差值一致的所有匹配结果)，其它分组中的匹配结果则为错误的匹配结果，需要从匹配结果集中剔除/删除。
例如，一共有4个匹配结果，其中第1个匹配结果中两个反光条的法向量的角度偏差值是45度，第2个匹配结果中两个反光条的法向量的角度偏差值是45.5度，第3个匹配结果中两个反光条的法向量的角度偏差值是45度，第4个匹配结果中两个反光条的法向量的角度偏差值是70度，则前3个匹配结果被分到同一组，被确定为正确的匹配结果，而第4个匹配结果则被确定为错误的匹配结果，需要从匹配结果集中删除。最终只根据前3个匹配结果确定机器人的当前位姿。
本发明中，在得到所有正确的匹配结果之后，可以根据正确的匹配结果来确定机器人的当前位姿，具体地，可以采用以下方法实现：
构建约束方程
Figure BDA0002112552680000091
其中，
Figure BDA0002112552680000092
{mxi，myi}是第i个匹配结果中先验地图中的反光物体的空间位置/坐标，
Figure BDA0002112552680000093
{fxi，fyi}是第i个匹配结果中激光传感器观测到的反光物体的空间位置/坐标；
Figure BDA0002112552680000094
是根据机器人的当前位姿生成的变换关系函数。
确定使上述约束方程取得最小值时所述变换关系函数T(fi)中x、y和θ的取值，x、y和θ的取值即机器人的当前位姿，其中，{x，y}表示机器人在先验地图所采用的坐标系中的空间坐标，θ表示所述以激光传感器为原点的坐标系与先验地图所采用的坐标系之间的旋转角度。
以上对本发明实施例机器人重定位方法进行了详细说明，本发明还提供了一种机器人重定位装置，以下结合图4进行详细说明：
参见图4，图4是本发明实施例机器人重定位装置的结构示意图，机器人所处环境中部署有多个反光物体，如图4所示，该装置400包括处理器401、以及与处理器401通过总线相连的非瞬时性计算机可读存储介质(non-transitory computer readable storagemedium)402，其中，所述非瞬时计算机可读存储介质402存储有可被所述处理器401执行的指令；所述处理器401执行所述指令时实现图1所示的机器人重定位方法。
本发明实施例还提供了一种非瞬时计算机可读存储介质，所述非瞬时计算机可读存储介质存储指令，所述指令在由处理器执行时使得所述处理器执行如上述图1所示的机器人重定位方法中的步骤。
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，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种机器人重定位方法，其特征在于，机器人所处环境中部署有多个反光物体，该方法包括：
加载机器人所处环境的先验地图，获取先验地图中每个反光物体的描述子，所述先验地图中每个反光物体的描述子根据先验地图中每个反光物体的位置信息确定；
确定需要重定位时，利用机器人的激光传感器在机器人所处位置采集激光数据，根据采集的激光数据确定激光传感器观测到的反光物体并确定观测到的每个反光物体的位置信息，根据激光传感器观测到的每个反光物体的位置信息，计算激光传感器观测到的每个反光物体的描述子；
对先验地图中所有反光物体的描述子和激光传感器观测到的所有反光物体的描述子进行匹配，根据匹配结果确定机器人的当前位姿。
2.根据权利要求1所述的方法，其特征在于，
激光数据中包括激光传感器观测到的激光点信息，每个激光点信息包括该激光点的反射率、激光传感器与该激光点的距离、以及激光传感器对该激光点的观测角度；
根据采集的激光数据确定激光传感器观测到的反光物体并确定观测到的每个反光物体的位置信息，包括：
根据激光传感器与其观测到的每个激光点的距离和对该激光点的观测角度确定该激光点在以激光传感器为原点的坐标系中的位置信息；
根据激光传感器观测到的每个激光点的反射率，确定属于反光物体的激光点，根据属于反光物体的激光点的位置信息，将距离小于第一预设距离阈值的属于反光物体的激光点划分到同一分组；
将每组激光点覆盖的区域确定为激光传感器观测到的一个反光物体，根据该组激光点的位置信息确定该反光物体的位置信息。
3.根据权利要求2所述的方法，其特征在于，
根据该组激光点的位置信息确定该反光物体的位置信息之前，进一步包括：针对该组激光点中的每一激光点，如果该组激光点中距离该激光点的距离小于第二预设距离阈值的激光点数小于预设激光点数，则从该组激光点中剔除该激光点。
4.根据权利要求2所述的方法，其特征在于，
根据该组激光数据中所有位置点的位置信息确定该反光物体的位置信息的方法为：使用空间坐标{fxk，fyk}表示该组激光数据中的第k个位置点的坐标，则确定该反光物体的空间坐标为
Figure FDA0002112552670000021
其中，m为该组激光数据中的位置点个数。
5.根据权利要求1所述的方法，其特征在于，
所述先验地图中每个反光物体的描述子通过以下方式计算得到：
根据先验地图中每个反光物体的位置信息，计算先验地图中任意两个反光物体之间的距离；
对于先验地图中的每个反光物体，将该反光物体与先验地图中其它各反光物体之间的距离构成的集合作为该反光物体的描述子；
所述根据激光传感器观测到的每个反光物体的位置信息，计算激光传感器观测到的每个反光物体的描述子，包括：
根据激光传感器观测到的反光物体的位置关系，计算激光传感器观测到的任意两个反光物体之间的距离；
对于激光传感器观测到的每个反光物体，将该反光物体与激光传感器观测到的其它各反光物体之间的距离构成的集合作为该反光物体的描述子。
6.根据权利要求5所述的方法，其特征在于，
机器人所处环境中部署的多个反光物体的分布是不对称的；
对先验地图中所有反光物体的描述子和激光传感器观测到的所有反光物体的描述子进行匹配，包括：
对先验地图中的每个反光物体，确定该反光物体的描述子与激光传感器观测到的各反光物体的描述子的匹配距离个数；
如果该反光物体的描述子与激光传感器观测到的一反光物体的描述子相匹配的距离值最多，且匹配的距离值的个数超过预设个数，则确定先验地图中的该反光物体和激光传感器观测到的该反光物体相匹配。
7.根据权利要求6所述的方法，其特征在于，
先验地图中还包括每个反光物体的法向量；
根据该组激光点的位置信息确定该反光物体的位置信息之后，进一步包括：根据该组激光数据中所有位置点的位置信息，通过线性拟合确定该反光物体的法向量；
对先验地图中所有反光物体的描述子和观测地图中所有观测到的反光物体的描述子进行匹配之后，根据匹配结果确定机器人的当前位姿之前，进一步包括：计算每一匹配结果中的两个反光物体的法向量的角度偏差值，将角度偏差值小于预设角度的匹配结果划分到同一分组，确定每一分组中的匹配结果数量，将匹配结果数量最多的分组中的匹配结果作为正确的匹配结果，并删除其他分组中的匹配结果。
8.根据权利要求6或7所述的方法，其特征在于，
根据匹配结果确定机器人的当前位姿的方法为：
构建约束方程
Figure FDA0002112552670000031
其中，
Figure FDA0002112552670000032
{mxi，myi}是第i个匹配结果中先验地图中的反光物体的空间坐标，
Figure FDA0002112552670000033
{fxi，fyi}是第i个匹配结果中激光传感器观测到的反光物体的空间坐标；
Figure FDA0002112552670000034
是根据机器人的当前位姿生成的变换关系函数；
确定使上述约束方程取得最小值时所述变换关系函数T(fi)中x、y和θ的取值，x、y和θ的取值即机器人的当前位姿，其中，{x，y}表示机器人在先验地图所采用的坐标系中的空间坐标，θ表示所述以激光传感器为原点的坐标系与先验地图所采用的坐标系之间的旋转角度。
9.一种机器人重定位装置，其特征在于，机器人所处环境中部署有多个反光物体，该装置包括处理器、以及与所述处理器通过总线相连的非瞬时计算机可读存储介质；所述非瞬时计算机可读存储介质存储有可被所述处理器执行的指令；其特征在于，所述处理器执行所述指令时实现权利要求1-8任一权项所述的机器人重定位方法。
10.一种非瞬时计算机可读存储介质，所述非瞬时计算机可读存储介质存储指令，其特征在于，所述指令在由处理器执行时使得所述处理器执行如权利要求1至8中任一项所述的机器人重定位方法中的步骤。
CN201910578325.0A 2019-06-28 2019-06-28 一种机器人重定位方法和装置 Pending CN112147637A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910578325.0A CN112147637A (zh) 2019-06-28 2019-06-28 一种机器人重定位方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910578325.0A CN112147637A (zh) 2019-06-28 2019-06-28 一种机器人重定位方法和装置

Publications (1)

Publication Number Publication Date
CN112147637A true CN112147637A (zh) 2020-12-29

Family

ID=73891092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910578325.0A Pending CN112147637A (zh) 2019-06-28 2019-06-28 一种机器人重定位方法和装置

Country Status (1)

Country Link
CN (1) CN112147637A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113340296A (zh) * 2021-06-21 2021-09-03 上海仙工智能科技有限公司 一种自动更新移动机器人地图的方法及装置
CN114413903A (zh) * 2021-12-08 2022-04-29 上海擎朗智能科技有限公司 用于多机器人的定位方法、机器人配送系统及计算机可读存储介质
CN116068564A (zh) * 2023-02-14 2023-05-05 南京天创电子技术有限公司 一种长距离隧道场景下的机器人激光定位方法
CN116520298A (zh) * 2023-06-12 2023-08-01 北京百度网讯科技有限公司 激光雷达性能测试方法、装置、电子设备及可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105225269A (zh) * 2015-09-22 2016-01-06 浙江大学 基于运动机构的三维物体建模系统
CN106092104A (zh) * 2016-08-26 2016-11-09 深圳微服机器人科技有限公司 一种室内机器人的重定位方法及装置
CN107356931A (zh) * 2017-07-13 2017-11-17 浙江科钛机器人股份有限公司 一种基于滤波的双反光板激光定位与导航方法
CN107741743A (zh) * 2017-11-06 2018-02-27 深圳精智机器有限公司 改进的图优化slam方法
CN107817500A (zh) * 2017-07-28 2018-03-20 浙江工业大学 一种模块化舞台激光定位方法
CN108228798A (zh) * 2017-12-29 2018-06-29 百度在线网络技术（北京）有限公司 确定点云数据之间的匹配关系的方法和装置
CN109816703A (zh) * 2017-11-21 2019-05-28 西安交通大学 一种基于相机标定和icp算法的点云配准方法
CN109885049A (zh) * 2019-02-12 2019-06-14 北京航空航天大学 一种基于航位推算的激光导引agv自动建图和路径匹配方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105225269A (zh) * 2015-09-22 2016-01-06 浙江大学 基于运动机构的三维物体建模系统
CN106092104A (zh) * 2016-08-26 2016-11-09 深圳微服机器人科技有限公司 一种室内机器人的重定位方法及装置
CN107356931A (zh) * 2017-07-13 2017-11-17 浙江科钛机器人股份有限公司 一种基于滤波的双反光板激光定位与导航方法
CN107817500A (zh) * 2017-07-28 2018-03-20 浙江工业大学 一种模块化舞台激光定位方法
CN107741743A (zh) * 2017-11-06 2018-02-27 深圳精智机器有限公司 改进的图优化slam方法
CN109816703A (zh) * 2017-11-21 2019-05-28 西安交通大学 一种基于相机标定和icp算法的点云配准方法
CN108228798A (zh) * 2017-12-29 2018-06-29 百度在线网络技术（北京）有限公司 确定点云数据之间的匹配关系的方法和装置
CN109885049A (zh) * 2019-02-12 2019-06-14 北京航空航天大学 一种基于航位推算的激光导引agv自动建图和路径匹配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丁志强: "万向车台控制系统的研究与设计", 中国优秀硕士学位论文全文数据库 信息科技辑》, 15 September 2018 (2018-09-15), pages 19 - 20 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113340296A (zh) * 2021-06-21 2021-09-03 上海仙工智能科技有限公司 一种自动更新移动机器人地图的方法及装置
CN113340296B (zh) * 2021-06-21 2024-04-09 上海仙工智能科技有限公司 一种自动更新移动机器人地图的方法及装置
CN114413903A (zh) * 2021-12-08 2022-04-29 上海擎朗智能科技有限公司 用于多机器人的定位方法、机器人配送系统及计算机可读存储介质
CN116068564A (zh) * 2023-02-14 2023-05-05 南京天创电子技术有限公司 一种长距离隧道场景下的机器人激光定位方法
CN116520298A (zh) * 2023-06-12 2023-08-01 北京百度网讯科技有限公司 激光雷达性能测试方法、装置、电子设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN112147637A (zh) 一种机器人重定位方法和装置
Rabbani et al. Efficient hough transform for automatic detection of cylinders in point clouds
EP3471057B1 (en) Image processing method and apparatus using depth value estimation
Lee et al. Skeleton-based 3D reconstruction of as-built pipelines from laser-scan data
Marshall et al. Robust segmentation of primitives from range data in the presence of geometric degeneracy
JP5430456B2 (ja) 幾何特徴抽出装置、幾何特徴抽出方法、及びプログラム、三次元計測装置、物体認識装置
Xiao et al. Planar segment based three‐dimensional point cloud registration in outdoor environments
CN110853036A (zh) 用于训练对象检测模型的方法及设备
EP2385496A1 (en) Extraction of 2D surfaces from a 3D point cloud
KR20200045522A (ko) 국지화를 수행하는 데에 사용되기 위한 방법 및 시스템
Tipaldi et al. FLIRT: Interest regions for 2D range data with applications to robot navigation
JP2007018493A (ja) 三次元形状の位置あわせ方法及びプログラム
Hager Active reduction of uncertainty in multisensor systems.
US11861855B2 (en) System and method for aerial to ground registration
Jakovljevic et al. Recognition of planar segments in point cloud based on wavelet transform
Faugeras et al. Object representation, identification and positioning from range data
CN114255323A (zh) 机器人、地图构建方法、装置和可读存储介质
CN113689535A (zh) 基于无人机影像的建筑物模型的生成方法和装置
Wiemann et al. An extended evaluation of open source surface reconstruction software for robotic applications
CN111709988A (zh) 一种物体的特征信息的确定方法、装置、电子设备及存储介质
JP6636894B2 (ja) カメラ情報修正装置、カメラ情報修正方法、及びカメラ情報修正プログラム
WO2022110767A1 (zh) 定位与地图构建方法、装置、机器人及计算机存储介质
Başeski et al. Using multi-modal 3D contours and their relations for vision and robotics
CN112017290B (zh) 一种圆锥面拟合方法、装置、计算机设备和存储介质
Zhang et al. An improvement algorithm for OctoMap based on RGB-D SLAM

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
CB02 Change of applicant information

Address after: 310051 room 304, B / F, building 2, 399 Danfeng Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Hangzhou Hikvision Robot Co.,Ltd.

Address before: 310052 5 / F, building 1, building 2, no.700 Dongliu Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU HIKROBOT TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information