CN112284387A - 用于清扫设备的定位方法、清扫设备和存储介质 - Google Patents
用于清扫设备的定位方法、清扫设备和存储介质 Download PDFInfo
- Publication number
- CN112284387A CN112284387A CN202010930458.2A CN202010930458A CN112284387A CN 112284387 A CN112284387 A CN 112284387A CN 202010930458 A CN202010930458 A CN 202010930458A CN 112284387 A CN112284387 A CN 112284387A
- Authority
- CN
- China
- Prior art keywords
- information
- pose
- cleaning
- motion
- generating
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 198
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000033001 locomotion Effects 0.000 claims abstract description 88
- 238000010408 sweeping Methods 0.000 claims abstract description 56
- 230000008859 change Effects 0.000 claims abstract description 52
- 238000013507 mapping Methods 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 230000001133 acceleration Effects 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003245 working effect Effects 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
- G01C21/18—Stabilised platforms, e.g. by gyroscope
-
- 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
- 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
-
- 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
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
Abstract
本申请提供一种用于清扫设备的定位方法、清扫设备和存储介质，该方法包括：获取所述清扫设备的传感器信息，所述传感器信息包括所述清扫设备自身的运动信息和运动前方环境的环境信息；基于所述运动信息生成所述清扫设备的位姿估计信息，并基于所述位姿估计信息和所述环境信息生成局部地图；获取所述清扫设备在所述局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息；基于所述变化估计信息和所述运动信息生成所述清扫设备的优化位姿信息，并基于所述优化位姿信息和所述环境信息更新所述全局地图。本申请的方案能够提高清扫设备定位与建图的准确性。
Description
技术领域
本申请涉及自动清扫设备技术领域，更具体地涉及一种用于清扫设备的定位方法、清扫设备和存储介质。
背景技术
现有的自动清扫设备按其路径规划方式可以分为随机式和规划式。随机式清扫设备不进行路径规划，随机进行清扫；规划式清扫设备在进行清扫之前通过构建房间地图来规划清扫路径，再根据规划好的路径进行清扫。相比随机式清扫设备，规划式清扫设备可以极大节省清扫时间，提高清扫效率及覆盖率，因而成为自动清扫设备的主流。
现有的规划式清扫设备通常采用额外的传感器如激光雷达或图像传感器等来构建房间地图。其中，基于激光雷达的清扫设备多采用激光三角测距方法，使用水平扫描部件在360度范围内不停转动，从而得到水平范围内360度的点云数据，清扫设备根据获得的点云数据信息再结合其他传感器比如里程计、惯性导航设备可以构建房间地图，实时定位。由于成本原因，采用激光三角测距方法的激光雷达一般仅限室内使用，在室外会受到环境光干扰而无法较好工作；由于采用旋转部件，一般为普通的直流有刷电机，激光雷达以及加装了激光雷达的清扫设备的使用寿命及工作稳定性、生产成本等都会受到影响；由于激光雷达工作时水平扫描部分需要无清扫设备自身部件的光线遮挡，导致加装了激光雷达的清扫设备机身高度比采用其他方案的清扫设备要高，这样也会影响清扫设备在特殊环境比如沙发、床底下的清扫效果；现有方案采用的激光雷达一般为单线激光雷达，也就是每个扫描角度在垂直于水平面的方向上仅有一个扫描点，这样360度范围内获得的点云数据相对较少分辨率较低，点云数据仅可以用来实现定位建图而很难实现房间物体的识别，而物体识别也是体现清扫设备智能程度的重要标志；另外单线激光雷达获取的点云信息一般为某个固定高度的水平扫描点，当障碍物低于此高度时，清扫设备需要增加额外传感器比如沿墙传感器、楼梯传感器来保证工作效果。
现有的基于图像传感器的清扫设备一般实时获取图像传感器采集的图像信息，再结合其他传感器比如里程计、惯性导航设备可以构建房间地图，实时定位。由于图像信息处理一般较为复杂，需要的计算资源较多，因此导致清扫设备成本提升；虽然清扫设备采集的图像包含足够的信息用来完成定位建图以及识别，但是现有技术方案一般仅采用图像信息来完成定位建图，而很少使用图像信息在清扫设备的嵌入式平台上实现识别，原因也是现有的识别方案需要的硬件成本较高；另外现有的基于图像的定位建图方案在一般家庭环境中效果还不太理想，定位精度、稳定性等还需要一定的技术突破以改进。
发明内容
为了解决上述问题中的至少一个而提出了本申请。根据本申请一方面，提供了一种用于清扫设备的定位方法，所述方法包括：获取所述清扫设备的传感器信息，所述传感器信息包括所述清扫设备自身的运动信息和运动前方环境的环境信息；基于所述运动信息生成所述清扫设备的位姿估计信息，并基于所述位姿估计信息和所述环境信息生成局部地图；获取所述清扫设备在所述局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息；基于所述变化估计信息和所述运动信息生成所述清扫设备的优化位姿信息，并基于所述优化位姿信息和所述环境信息更新所述全局地图。
根据本申请另一方面，提供了一种清扫设备，所述清扫设备包括传感器模块、运算模块、运动模块和清扫模块，其中：所述传感器模块用于采集所述清扫设备自身的运动信息和运动前方环境的环境信息；所述运算模块用于基于所述传感器模块采集的信息生成地图数据和所述清扫设备的实时位姿信息，根据所述地图数据生成清扫路径，并根据所述清扫路径控制所述运动模块和所述清扫模块以进行清扫工作，所述清扫路径在所述清扫设备的运动过程中基于所述清扫设备的实时位姿信息而被不断修正；其中，所述地图数据和所述清扫设备的实时位姿信息是不断更新的，所述更新包括：基于所述运动信息生成所述清扫设备的位姿估计信息，并基于所述位姿估计信息和所述环境信息生成局部地图；获取所述清扫设备在所述局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息；基于所述变化估计信息和所述运动信息生成所述清扫设备的优化位姿信息，并基于所述优化位姿信息和所述环境信息更新所述全局地图。
根据本申请再一方面，提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行上述用于清扫设备的定位方法。
根据本申请实施例的用于清扫设备的定位方法、清扫设备和存储介质基于清扫设备的运动信息和运动前方环境的环境信息生成并更新清扫设备的位姿信息以及待清扫区域的地图数据，能够提高清扫设备定位与建图的准确性。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1示出根据本申请实施例的用于清扫设备的定位方法的示意性流程图。
图2示出根据本申请实施例的用于清扫设备的定位方法中生成清扫设备的位姿估计信息的示意性流程图。
图3示出根据本申请实施例的清扫设备的示意性框图。
具体实施方式
为了使得本申请的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请中描述的本申请实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其他实施例都应落入本申请的保护范围之内。
首先，参照图1来描述根据本申请实施例的用于清扫设备的定位方法。图1示出了根据本申请实施例的用于清扫设备的定位方法100的示意性流程图。如图1所示，根据本申请实施例的用于清扫设备的定位方法100可以包括如下步骤：
在步骤S110，获取清扫设备的传感器信息，所述传感器信息包括所述清扫设备自身的运动信息和运动前方环境的环境信息。
在本申请的实施例中，可以基于清扫设备的传感器模块来采集清扫设备的运动信息和运动前方环境的环境信息。其中，运动信息可以指与清扫设备的运动相关联的信息，诸如里程信息、加速度信息和角速度信息等，这些信息可以分别通过里程计、加速度计和陀螺仪来采集。
在本申请的实施例中，清扫设备运动前方环境的环境信息可以由飞行时间(Timeof Flight，简称为TOF)传感器来采集。TOF传感器可以根据TOF测距原理实时采集清扫设备运动前方一定角度范围内的障碍物信息，并以三维点云数据的格式按照一定的周期输出包含障碍物距离信息的数据，以用于待清扫区域的地图数据的生成和清扫设备位姿的计算。使用TOF传感器采集的环境信息在水平方向、垂直方向的一定角度范围内包含大量的点云数据，可以改进定位和建图效果。此外，使用TOF传感器可以通过硬件方法提取视场角范围内物体的深度信息，不需要使用类似基于图像传感器的方案采用算法方法分割物体进而完成识别，使用TOF的深度信息可以较方便完成物体分割。此外，使用TOF点云信息可以较合理的成本同时实现定位建图和物体识别，相对于使用激光雷达的方案不需要额外的传感器方案来完成识别，相对于使用图像传感器的方案可以降低成本。
在本申请的实施例中，基于前述的清扫设备的传感器信息，可以生成地图数据和清扫设备的实时位姿信息，并根据地图数据生成清扫路径。基于上述地图数据，可以根据预设清扫任务，生成清扫设备在待清扫区域的一定顺序的一系列覆盖点；根据上述覆盖点，分别以每个覆盖点为目标点，以清扫设备的当前位置为起点，生成由起点到终点的一条路径；之后，可以控制清扫设备沿着生成的清扫路径运动，并在该运动过程中进行清扫。在清扫设备的运动过程中，可基于清扫设备的实时位姿信息而不断修正清扫路径。此外，清扫设备的实时位姿数据和前述的地图数据也是不断被更新的，根据本申请实施例的用于清扫设备的定位方法100主要描述清扫设备的实时位姿数据和地图数据的更新过程，如下面继续参考图1描述的步骤所述的。
在步骤S120，基于所述运动信息生成所述清扫设备的位姿估计信息，并基于所述位姿估计信息和所述环境信息生成局部地图。
在本申请的实施例中，基于当前获取的清扫设备的运动信息，可以生成清扫设备在当前时刻的位姿估计信息。具体地，可以参见图2来理解生成清扫设备的位姿估计信息的过程200。如图2所示，生成清扫设备的位姿估计信息的过程200可以包括如下步骤：
在步骤S210，基于所述运动信息生成所述清扫设备在当前时刻相对于在上一时刻的位姿变化估计信息，所述当前时刻与所述上一时刻之间的间隔取决于清扫设备的传感器的采样频率；
在步骤S220，基于所述位姿变化估计信息和所述清扫设备在所述上一时刻的位姿信息生成所述清扫设备在所述当前时刻的位姿估计信息。
在本申请的实施例中，步骤S210的基于所述运动信息生成所述清扫设备在当前时刻相对于在上一时刻的位姿变化估计信息可以进一步包括：根据预设融合算法将所述运动信息进行融合，以生成所述清扫设备在当前时刻相对于在上一时刻的位姿变化估计信息。其中，如前面示例所述的，清扫设备的运动信息可以包括里程信息、加速度信息和角速度信息，因此，可以根据预设融合算法将该里程信息、加速度信息和角速度信息进行融合(例如加权平均)，以生成所述清扫设备在当前时刻相对于在上一时刻的位姿变化估计信息，即相邻时刻清扫设备的位姿变化估计信息。在本申请的一个实施例中，该预设融合算法可以包括但不限于卡尔曼滤波算法。
在本申请的实施例中，基于清扫设备在上一时刻的位姿信息和步骤S210所得到的相邻时刻清扫设备的位姿变化估计信息，可以生成清扫设备在当前时刻的位姿估计信息。基于清扫设备在当前时刻的位姿估计信息以及前述获取的环境信息，可以生成局部地图，该局部地图即以所述清扫设备的当前估计位置(与清扫设备在当前时刻的位姿估计信息相关联)为点云原点生成的三维地图(诸如三维栅格地图)。
现在返回参考图1，继续描述根据本申请实施例的用于清扫设备的定位方法100的后续步骤。
在步骤S130，获取所述清扫设备在所述局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息。
在本申请的实施例中，可以通过将前述局部地图与最新历史全局地图(即上一次生成的全局地图)进行匹配来得到清扫设备在所述局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息。示例性地，该匹配可以是基于预设的匹配算法，该预设的匹配算法可以包括但不限于迭代最近点(Iterative Closest Point，简称为ICP)算法。
在步骤S140，基于所述变化估计信息和所述运动信息生成所述清扫设备的优化位姿信息，并基于所述优化位姿信息和所述环境信息更新所述全局地图。
在本申请的实施例中，可以不断接收传感器模块采集的运动信息从而得到前述的相邻时刻清扫设备位姿变化估计信息，并不断接收传感器模块采集的环境信息从而得到前述的清扫设备在局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息，以这两种变化估计信息为约束条件，以清扫设备每一时刻的位姿为待优化变量，根据预设优化算法，生成清扫设备的优化位姿信息，同时根据清扫设备的优化位姿信息以及最新的环境信息更新全局地图。示例性地，该预设优化算法可以包括但不限于最小二乘算法。
基于上面的描述，根据本申请实施例的用于清扫设备的定位方法、清扫设备和存储介质基于清扫设备的运动信息和运动前方环境的环境信息生成并更新清扫设备的位姿信息以及待清扫区域的地图数据，能够提高清扫设备定位与建图的准确性。
以上示例性地示出了根据本申请实施例的用于清扫设备的定位方法。下面结合图3描述根据本申请另一方面提供的清扫设备。图3示出了根据本申请实施例的清扫设备300的示意性结构框图。如图3所示，清扫设备300包括传感器模块310、运算模块320、运动模块330和清扫模块340，其中：传感器模块310用于采集清扫设备300自身的运动信息和运动前方环境的环境信息；运算模块320用于基于传感器模块310采集的信息生成地图数据和清扫设备300的实时位姿信息，根据所述地图数据生成清扫路径，并根据所述清扫路径控制运动模块330和清扫模块340以进行清扫工作，所述清扫路径在清扫设备300的运动过程中基于所述清扫设备300的实时位姿信息而被不断修正；其中，所述地图数据和清扫设备300的实时位姿信息是不断更新的，所述更新包括：基于所述运动信息生成清扫设备300的位姿估计信息，并基于所述位姿估计信息和所述环境信息生成局部地图；获取清扫设备300在所述局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息；基于所述变化估计信息和所述运动信息生成清扫设备300的优化位姿信息，并基于所述优化位姿信息和所述环境信息更新所述全局地图。根据本申请实施例的清扫设备300可以用于执行上文所述的根据本申请实施例的用于清扫设备的定位方法100。
在本申请的实施例中，传感器模块310可以采集清扫设备300的运动信息和运动前方环境的环境信息。其中，运动信息可以指与清扫设备300的运动相关联的信息，诸如里程信息、加速度信息和角速度信息等。在该示例中，传感器模块310可以包括里程计、加速度计和陀螺仪(未示出)，前述的里程信息、加速度信息和角速度信息可以分别通过传感器模块310中包括的里程计、加速度计和陀螺仪来采集。
在本申请的实施例中，传感器模块310可以包括TOF传感器，其可以用于采集清扫设备300运动前方环境的环境信息。TOF传感器可以根据TOF测距原理实时采集清扫设备300运动前方一定角度范围内的障碍物信息，并以三维点云数据的格式按照一定的周期将包含障碍物距离信息的数据传送至运算模块320，以用于待清扫区域的地图数据的生成和清扫设备300的位姿的计算。使用TOF传感器采集的环境信息在水平方向、垂直方向的一定角度范围内包含大量的点云数据，可以改进定位和建图效果。此外，使用TOF传感器可以通过硬件方法提取视场角范围内物体的深度信息，不需要使用类似基于图像传感器的方案采用算法方法分割物体进而完成识别，使用TOF的深度信息可以较方便完成物体分割。此外，使用TOF点云信息可以较合理的成本同时实现定位建图和物体识别，相对于使用激光雷达的方案不需要额外的传感器方案来完成识别，相对于使用图像传感器的方案可以降低成本。
在本申请的实施例中，基于前述的清扫设备300的传感器模块310所采集的信息(可以称为传感器信息)，运算模块320可以生成地图数据和清扫设备300的实时位姿信息，并根据地图数据生成清扫路径。进一步地，运算模块320可以包括覆盖模块(未示出)，该覆盖模块可以基于上述地图数据，根据预设清扫任务，生成清扫设备300在待清扫区域的一定顺序的一系列覆盖点。运算模块320还可以包括导航模块(未示出)，该导航模块可以根据上述覆盖点，分别以每个覆盖点为目标点，以清扫设备300的当前位置为起点，生成由起点到终点的一条路径；之后，该导航模块可以向运动模块330发送控制指令控制清扫设备300沿着生成的清扫路径运动，并由清扫模块340在该运动过程中进行清扫。在清扫设备300的运动过程中，可基于清扫设备300的实时位姿信息而不断修正清扫路径。此外，清扫设备300的实时位姿数据和前述的地图数据也是不断被更新的。这将在下文中描述。
在本申请的实施例中，运算模块320可以包括即时定位与建图(simultaneouslocalization and mapping，简称为SLAM)前端模块(未示出)，该即时定位与建图前端模块可以基于传感器模块310所采集的运动信息生成清扫设备300的位姿估计信息。具体地，该即时定位与建图前端模块可以基于前述的运动信息生成清扫设备300在当前时刻相对于在上一时刻的位姿变化估计信息，所述当前时刻与所述上一时刻之间的间隔取决于传感器模块310的采样频率；然后，基于所述位姿变化估计信息和清扫设备300在上一时刻的位姿信息生成清扫设备300在当前时刻的位姿估计信息。
在本申请的实施例中，即时定位与建图前端模块基于所述运动信息生成所述清扫设备300在当前时刻相对于在上一时刻的位姿变化估计信息可以进一步包括：根据预设融合算法将运动信息进行融合，以生成清扫设备300在当前时刻相对于在上一时刻的位姿变化估计信息。其中，如前面示例所述的，清扫设备300的运动信息可以包括里程信息、加速度信息和角速度信息，因此，即时定位与建图前端模块可以将该里程信息、加速度信息和角速度信息进行融合，并根据预设融合算法生成清扫设备300在当前时刻相对于在上一时刻的位姿变化估计信息，即相邻时刻清扫设备300的位姿变化估计信息。在本申请的一个实施例中，该预设融合算法可以包括但不限于卡尔曼滤波算法。
在本申请的实施例中，基于清扫设备300在上一时刻的位姿信息和相邻时刻清扫设备300的位姿变化估计信息，即时定位与建图前端模块可以生成清扫设备300在当前时刻的位姿估计信息。基于清扫设备300在当前时刻的位姿估计信息以及前述获取的环境信息，即时定位与建图前端模块可以生成局部地图，该局部地图即以清扫设备300的当前估计位置(与清扫设备300在当前时刻的位姿估计信息相关联)为点云原点生成的三维地图(诸如三维栅格地图)。
在本申请的实施例中，即时定位与建图前端模块可以通过将前述局部地图与最新历史全局地图进行匹配来得到清扫设备300在所述局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息。示例性地，该匹配可以是基于预设的匹配算法，该预设的匹配算法可以包括但不限于迭代最近点(Iterative Closest Point，简称为ICP)算法。
在本申请的实施例中，运算模块320可以包括即时定位与建图后端模块(未示出)，其可以不断接收即时定位与建图前端模块生成的相邻时刻清扫设备300的位姿变化估计信息，以及清扫设备300在局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息，以这两种变化估计信息为约束条件，以清扫设备300每一时刻的位姿为待优化变量，根据预设优化算法，生成清扫设备300的优化位姿信息，同时根据清扫设备300的优化位姿信息以及最新的环境信息更新全局地图。示例性地，该预设优化算法可以包括但不限于最小二乘算法。
基于上面的描述，根据本申请实施例的清扫设备基于清扫设备的运动信息和运动前方环境的环境信息生成并更新清扫设备的位姿信息以及待清扫区域的地图数据，能够提高清扫设备定位与建图的准确性。
此外，根据本申请实施例，还提供了一种存储介质，在所述存储介质上存储了程序指令，在所述程序指令被计算机或处理器运行时用于执行本申请实施例的用于清扫设备的定位方法的相应步骤。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。
此外，根据本申请实施例，还提供了一种计算机程序，在所述计算机程序被计算机或处理器运行时用于执行本申请实施例的用于清扫设备的定位方法的相应步骤。
根据本申请实施例的用于清扫设备的定位方法、清扫设备和存储介质基于清扫设备的运动信息和运动前方环境的环境信息生成并更新清扫设备的位姿信息以及待清扫区域的地图数据，能够提高清扫设备定位与建图的准确性。
尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本申请的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本申请的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本申请的范围之内。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其他的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本申请的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其他实施例中所包括的某些特征而不是其他特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的一些模块的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述，仅为本申请的具体实施方式或对具体实施方式的说明，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以权利要求的保护范围为准。
Claims (18)
1.一种用于清扫设备的定位方法，其特征在于，所述方法包括：
获取所述清扫设备的传感器信息，所述传感器信息包括所述清扫设备自身的运动信息和运动前方环境的环境信息；
基于所述运动信息生成所述清扫设备的位姿估计信息，并基于所述位姿估计信息和所述环境信息生成局部地图；
获取所述清扫设备在所述局部地图上的位姿相对于最新历史全局地图上的位姿的变化估计信息；
基于所述变化估计信息和所述运动信息生成所述清扫设备的优化位姿信息，并基于所述优化位姿信息和所述环境信息更新所述全局地图。
2.根据权利要求1所述的方法，其特征在于，所述基于所述运动信息生成所述清扫设备的位姿估计信息，包括：
基于所述运动信息生成所述清扫设备在当前时刻相对于在上一时刻的位姿变化估计信息，所述当前时刻与所述上一时刻之间的间隔取决于所述清扫设备的传感器的采样频率；
基于所述位姿变化估计信息和所述清扫设备在所述上一时刻的位姿信息生成所述清扫设备在所述当前时刻的位姿估计信息。
3.根据权利要求2所述的方法，其特征在于，所述获取所述清扫设备在所述局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息，包括：
将所述局部地图与所述全局地图进行匹配，以生成所述清扫设备在所述局部地图上的位姿相对于在所述全局地图上的位姿的变化估计信息。
4.根据权利要求2所述的方法，其特征在于，所述运动信息包括所述清扫设备的里程信息、加速度信息和角速度信息，所述基于所述运动信息生成所述清扫设备在当前时刻相对于在上一时刻的位姿变化估计信息，包括：
根据预设融合算法将所述里程信息、加速度信息和角速度信息进行融合，以生成所述清扫设备在当前时刻相对于在上一时刻的位姿变化估计信息。
5.根据权利要求4所述的方法，其特征在于，所述将所述里程信息、加速度信息和角速度信息进行融合，包括：
将所述里程信息、加速度信息和角速度信息进行加权平均。
6.根据权利要求1所述的方法，其特征在于，所述基于所述变化估计信息和所述运动信息生成所述清扫设备的优化位姿信息，包括：
以所述变化估计信息为约束条件，以所述清扫设备在每一时刻的位姿为待优化变量，根据预设优化算法生成所述清扫设备的优化位姿信息。
7.根据权利要求1所述的方法，其特征在于，所述运动前方环境的环境信息包括所述运动前方环境的三维点云信息。
8.根据权利要求1-7中的任一项所述的方法，其特征在于，所述全局地图用于生成清扫路径，以用于由所述清扫设备基于所述清扫路径进行清扫工作，所述清扫路径在所述清扫设备的运动过程中基于所述清扫设备的实时位姿信息而被不断修正。
9.一种清扫设备，其特征在于，所述清扫设备用于执行权利要求书1-8中的任一项所述的用于清扫设备的定位方法，所述清扫设备包括传感器模块、运算模块、运动模块和清扫模块，其中：
所述传感器模块用于采集所述清扫设备自身的运动信息和运动前方环境的环境信息；
所述运算模块用于基于所述传感器模块采集的信息生成地图数据和所述清扫设备的实时位姿信息，根据所述地图数据生成清扫路径，并根据所述清扫路径控制所述运动模块和所述清扫模块以进行清扫工作，所述清扫路径在所述清扫设备的运动过程中基于所述清扫设备的实时位姿信息而被不断修正；
其中，所述地图数据和所述清扫设备的实时位姿信息是不断更新的，所述更新包括：基于所述运动信息生成所述清扫设备的位姿估计信息，并基于所述位姿估计信息和所述环境信息生成局部地图；获取所述清扫设备在所述局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息；基于所述变化估计信息和所述运动信息生成所述清扫设备的优化位姿信息，并基于所述优化位姿信息和所述环境信息更新所述全局地图。
10.根据权利要求9所述的设备，其特征在于，所述运算模块包括即时定位与建图前端模块，所述即时定位与建图前端模块基于所述运动信息生成所述清扫设备的位姿估计信息，包括：
基于所述运动信息生成所述清扫设备在当前时刻相对于在上一时刻的位姿变化估计信息，所述当前时刻与所述上一时刻之间的间隔取决于所述传感器模块的采样频率；
基于所述位姿变化估计信息和所述清扫设备在所述上一时刻的位姿信息生成所述清扫设备在所述当前时刻的位姿估计信息。
11.根据权利要求10所述的设备，其特征在于，所述即时定位与建图前端模块获取所述清扫设备在所述局部地图上的位姿相对于在最新历史全局地图上的位姿的变化估计信息，包括：
将所述局部地图与所述全局地图进行匹配，以生成所述清扫设备在所述局部地图上的位姿相对于在所述全局地图上的位姿的变化估计信息。
12.根据权利要求10所述的设备，其特征在于，所述传感器模块包括里程计、加速度计和陀螺仪，所述运动信息包括所述里程计、所述加速度计和所述陀螺仪各自采集的里程信息、加速度信息和角速度信息。
13.根据权利要求12所述的设备，其特征在于，所述即时定位与建图前端模块基于所述运动信息生成所述清扫设备在当前时刻相对于在上一时刻的位姿变化估计信息，包括：
根据预设融合算法将所述里程信息、加速度信息和角速度信息进行融合，以生成所述清扫设备在当前时刻相对于在上一时刻的位姿变化估计信息。
14.根据权利要求13所述的设备，其特征在于，所述即时定位与建图前端模块将所述里程信息、加速度信息和角速度信息进行融合，包括：
将所述里程信息、加速度信息和角速度信息进行加权平均。
15.根据权利要求9所述的设备，其特征在于，所述运算模块包括即时定位与建图后端模块，所述即时定位与建图后端模块基于所述变化估计信息和所述运动信息生成所述清扫设备的优化位姿信息，包括：
以所述变化估计信息为约束条件，以所述清扫设备在每一时刻的位姿为待优化变量，根据预设优化算法生成所述清扫设备的优化位姿信息。
16.根据权利要求9所述的设备，其特征在于，所述运动前方环境的环境信息包括所述运动前方环境的三维点云信息。
17.根据权利要求9-16中的任一项所述的设备，其特征在于，所述传感器模块包括飞行时间传感器，所述环境信息是由所述飞行时间传感器采集的。
18.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行如权利要求1-8中的任一项所述的用于清扫设备的定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010930458.2A CN112284387A (zh) | 2020-09-07 | 2020-09-07 | 用于清扫设备的定位方法、清扫设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010930458.2A CN112284387A (zh) | 2020-09-07 | 2020-09-07 | 用于清扫设备的定位方法、清扫设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112284387A true CN112284387A (zh) | 2021-01-29 |
Family
ID=74420832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010930458.2A Pending CN112284387A (zh) | 2020-09-07 | 2020-09-07 | 用于清扫设备的定位方法、清扫设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112284387A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114608569A (zh) * | 2022-02-22 | 2022-06-10 | 杭州国辰机器人科技有限公司 | 三维位姿估计方法、系统、计算机设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105928505A (zh) * | 2016-04-19 | 2016-09-07 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
| CN105953798A (zh) * | 2016-04-19 | 2016-09-21 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
| JP2018005709A (ja) * | 2016-07-06 | 2018-01-11 | 株式会社明電舎 | 自律移動装置 |
| US20190178654A1 (en) * | 2016-08-04 | 2019-06-13 | Reification Inc. | Methods for simultaneous localization and mapping (slam) and related apparatus and systems |
| CN111060113A (zh) * | 2019-12-31 | 2020-04-24 | 歌尔股份有限公司 | 一种地图更新方法及装置 |
-
2020
- 2020-09-07 CN CN202010930458.2A patent/CN112284387A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105928505A (zh) * | 2016-04-19 | 2016-09-07 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
| CN105953798A (zh) * | 2016-04-19 | 2016-09-21 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
| JP2018005709A (ja) * | 2016-07-06 | 2018-01-11 | 株式会社明電舎 | 自律移動装置 |
| US20190178654A1 (en) * | 2016-08-04 | 2019-06-13 | Reification Inc. | Methods for simultaneous localization and mapping (slam) and related apparatus and systems |
| CN111060113A (zh) * | 2019-12-31 | 2020-04-24 | 歌尔股份有限公司 | 一种地图更新方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 程华彬: ""基于家居机器人的室内环境监测与地图构建研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114608569A (zh) * | 2022-02-22 | 2022-06-10 | 杭州国辰机器人科技有限公司 | 三维位姿估计方法、系统、计算机设备及存储介质 |
| CN114608569B (zh) * | 2022-02-22 | 2024-03-01 | 杭州国辰机器人科技有限公司 | 三维位姿估计方法、系统、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6987797B2 (ja) | リアルタイムオンラインエゴモーション推定を有するレーザスキャナ | |
| US10970859B2 (en) | Monitoring method and device for mobile target, monitoring system and mobile robot | |
| US11320823B2 (en) | Method of navigating a vehicle and system thereof | |
| US11204247B2 (en) | Method for updating a map and mobile robot | |
| CN109141446B (zh) | 用于获得地图的方法、装置、设备和计算机可读存储介质 | |
| WO2021135645A1 (zh) | 一种地图更新方法及装置 | |
| US9329598B2 (en) | Simultaneous localization and mapping for a mobile robot | |
| Philipp et al. | Mapgenie: Grammar-enhanced indoor map construction from crowd-sourced data | |
| CN107145578A (zh) | 地图构建方法、装置、设备和系统 | |
| CN108290294A (zh) | 移动机器人及其控制方法 | |
| CN108873908A (zh) | 基于视觉slam和网络地图结合的机器人城市导航系统 | |
| US11512975B2 (en) | Method of navigating an unmanned vehicle and system thereof | |
| CN106066645A (zh) | 在操作推土机的同时测量和绘制地形的方法和控制系统 | |
| CN107644273A (zh) | 一种导航路径规划方法及设备 | |
| CN112729321A (zh) | 一种机器人的扫图方法、装置、存储介质和机器人 | |
| CN109077672B (zh) | 一种扫地机器人选择区块的方法及装置 | |
| CN111182174B (zh) | 一种扫地机器人补光的方法及装置 | |
| CN110220517A (zh) | 一种结合环境语意的室内机器人鲁棒slam方法 | |
| CN113475977A (zh) | 机器人路径规划方法、装置及机器人 | |
| CN116608847A (zh) | 基于面阵激光传感器和图像传感器的定位和建图方法 | |
| CN110989619A (zh) | 用于定位对象的方法、装置、设备和存储介质 | |
| CN112284387A (zh) | 用于清扫设备的定位方法、清扫设备和存储介质 | |
| CN114127738A (zh) | 自动地图制作和定位 | |
| CN113448340B (zh) | 一种无人机的路径规划方法、装置、无人机及存储介质 | |
| CN113768419A (zh) | 确定扫地机清扫方向的方法、装置及扫地机 |
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 |
Application publication date: 20210129 |
|
| RJ01 | Rejection of invention patent application after publication |