CN112414391B - 一种机器人的重定位方法及装置 - Google Patents
一种机器人的重定位方法及装置 Download PDFInfo
- Publication number
- CN112414391B CN112414391B CN201910769361.5A CN201910769361A CN112414391B CN 112414391 B CN112414391 B CN 112414391B CN 201910769361 A CN201910769361 A CN 201910769361A CN 112414391 B CN112414391 B CN 112414391B
- Authority
- CN
- China
- Prior art keywords
- robot
- position information
- sensor
- speed
- running state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 87
- 230000002159 abnormal effect Effects 0.000 claims abstract description 59
- 230000001133 acceleration Effects 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人的重定位方法及装置,涉及计算机技术领域。该方法的一具体实施方式包括:获取所述机器人中的第一传感器检测的位置信息,以及所述机器人中的第二传感器检测的检测速度;根据所述位置信息和所述检测速度,判断所述机器人是否处于非正常行驶状态,如果是,根据所述机器人处于非正常行驶状态时的加速度,更新检测到的所述机器人的位置信息;当所述机器人恢复正常行驶状态时,根据更新后的位置信息,对所述机器人进行重定位。该实施方式解决了机器人在非正常行驶状态时定位信息丢失的问题,并且在机器人从非正常行驶状态恢复到正常行驶状态时,能自动对机器人进行准确的重定位。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种机器人的重定位方法及装置。
背景技术
随着人工智能和机器人学领域的发展,越来越多的机器人产品面向市场,例如,服务机器人、扫地机器人等室内机器人以及可派送物品的配送机器人等。
这些机器人一般根据多传感器的数据信息与已有地图的匹配,来获取机器人的位置信息。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
当机器人出现打滑空转或者被“抱走”等非正常行驶状况时,现有的机器人的定位方式会丢失机器人的定位信息,当机器人从非正常行驶状况恢复正常行驶时,机器人不能自动进行准确的重定位,即其不能准确找到在已有地图中的位置信息。
发明内容
有鉴于此,本发明实施例提供一种机器人的重定位方法及装置,能够解决机器人在非正常行驶状态时定位信息丢失的问题,并且在机器人从非正常行驶状态恢复到正常行驶状态时,能自动对机器人进行准确的重定位。
为实现上述目的,根据本发明实施例的一个方面,提供了一种机器人的重定位方法。
本发明实施例的一种机器人的重定位方法包括:获取所述机器人中的第一传感器检测的位置信息,以及所述机器人中的第二传感器检测的检测速度;
根据所述位置信息和所述检测速度,判断所述机器人是否处于非正常行驶状态,如果是,根据所述机器人处于非正常行驶状态时的加速度,更新检测到的所述机器人的位置信息;
当所述机器人恢复正常行驶状态时,根据更新后的位置信息,对所述机器人进行重定位。
可选地,所述根据所述位置信息和所述检测速度,判断所述机器人是否处于非正常行驶状态,包括:
在每一个预设的检测周期执行:根据所述第一传感器在两个检测时间点分别检测到的位置信息,计算所述机器人在所述两个检测时间点之间的平均速度;判断所述检测速度与所述平均速度的差值是否大于第一阈值,如果是,记录所述检测周期;
当连续记录的所述检测周期达到第二阈值时,确定所述机器人处于非正常行驶状态。
可选地,所述更新检测到的所述机器人的位置信息,包括:
根据所述机器人中的惯性传感器采集的加速度,对检测到的位置信息进行更新。
可选地,所述根据所述机器人中的惯性传感器采集的加速度,对检测到的位置信息进行更新,包括:
将判断出所述机器人处于非正常行驶状态时的位置信息作为所述机器人的当前位置信息,以及所述检测速度作为当前速度;
循环执行以下步骤,直至所述机器人恢复正常行驶状态:
在所述惯性传感器的采集周期内执行:根据所述惯性传感器采集的加速度,对所述当前速度进行更新,根据更新后的当前速度,对所述当前位置信息进行更新,并将更新后的位置信息作为所述当前位置信息,将更新后的当前速度作为所述当前速度。
可选地,所述根据所述惯性传感器采集的加速度,对所述当前速度进行更新,以及根据所述当前速度,对所述当前位置信息进行更新,包括:
根据所述惯性传感器在直角坐标系中的x轴分量和y轴分量,分别对所述当前速度在所述直角坐标系中的x轴分量和y轴分量进行更新,以及分别对所述当前位置信息在所述直角坐标系中的x轴分量和y轴分量进行更新。
可选地,所述根据更新后的位置信息,对所述机器人进行重定位,包括:
根据更新后的位置信息以及所述机器人所处环境的地图,对所述机器人进行重定位。
可选地,
所述第一传感器为激光雷达或视觉传感器;
所述第二传感器为轮速计或惯性传感器。
为实现上述目的,根据本发明实施例的又一方面,提供了一种机器人的重定位装置。
本发明实施例的一种机器人的重定位装置包括:获取模块、处理模块和重定位模块;其中,
所述获取模块,用于获取所述机器人中的第一传感器检测的位置信息,以及所述机器人中的第二传感器检测的检测速度;
所述处理模块,用于根据所述位置信息和所述检测速度,判断所述机器人是否处于非正常行驶状态,如果是,根据所述机器人处于非正常行驶状态时的加速度,更新检测到的所述机器人的位置信息;
所述重定位模块,用于当机器人恢复正常行驶状态时,根据更新后的位置信息,对所述机器人进行重定位。
可选地,
所述处理模块,用于在每一个预设的检测周期执行:根据所述第一传感器在两个检测时间点分别检测到的位置信息,计算所述机器人在所述两个检测时间点之间的平均速度;判断所述检测速度与所述平均速度的差值是否大于第一阈值,如果是,记录所述检测周期;当连续记录的所述检测周期达到第二阈值时,确定所述机器人处于非正常行驶状态。
可选地,
所述处理模块,用于根据所述机器人中的惯性传感器采集的加速度,对检测到的位置信息进行更新。
可选地,所述处理模块,用于将判断出所述机器人处于非正常行驶状态时的位置信息作为所述机器人的当前位置信息,以及所述检测速度作为当前速度;循环执行以下步骤,直至所述机器人恢复正常行驶状态:在所述惯性传感器的采集周期内执行:根据所述惯性传感器采集的加速度,对所述当前速度进行更新,根据更新后的当前速度,对所述当前位置信息进行更新,并将更新后的位置信息作为所述当前位置信息,将更新后的当前速度作为所述当前速度。
可选地,
所述重定位模块,用于根据更新后的位置信息以及所述机器人所处环境的地图,对所述机器人进行重定位。
可选地,
所述第一传感器为激光雷达或视觉传感器;
所述第二传感器为轮速计或惯性传感器。
为实现上述目的,根据本发明实施例的又一方面,提供了一种电子设备。
本发明实施例的一种电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例的一种机器人的重定位方法。
为实现上述目的,根据本发明实施例的再一方面,提供了一种计算机可读存储介质。
本发明实施例的一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例的一种机器人的重定位方法。
上述发明中的一个实施例具有如下优点或有益效果:通过机器人中的第一传感器和第二传感器分别检测位置信息和速度,然后通过检测的位置信息和速度判断机器人是否处于非正常行驶状态,当判断出机器人处于非正常行驶状态时,根据机器人的加速度,对检测到的机器人的位置信息进行实时更新,由此,当机器人恢复正常行驶状态时,可根据更新后的位置信息,对机器人进行重定位,从而解决了机器人在非正常行驶状态时定位信息丢失的问题,并且在机器人从非正常行驶状态恢复到正常行驶状态时,能自动对机器人进行准确的重定位。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的一种机器人的重定位方法的主要步骤的示意图;
图2是根据本发明另一实施例的一种机器人的重定位方法的主要步骤的示意图;
图3是根据本发明实施例的一种机器人的重定位方法的装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明的实施例以及实施例中的技术特征可以相互结合。
图1是根据本发明实施例的一种机器人的重定位方法的主要步骤的示意图。
如图1所示,本发明实施例的一种机器人的重定位方法主要包括以下步骤:
步骤S101:获取所述机器人中的第一传感器检测的位置信息,以及所述机器人中的第二传感器检测的检测速度。
其中,所述第一传感器为激光雷达或视觉传感器,所述第二传感器为轮速计或惯性传感器。
当机器人处于正常行驶状态时。可通过机器人中包括的多传感器(激光雷达、视觉传感器、轮速计和惯性传感器等)的融合定位算法,如amcl和orb-slam等开源算法确定机器人所处的位置。例如,通过轮速计或惯性传感器检测机器人的速度,然后激光雷达或者视觉传感器通过对已知地图进行匹配,来确定机器人当前所处的位置。
步骤S102:根据所述位置信息和所述检测速度,判断所述机器人是否处于非正常行驶状态,如果是,执行步骤S103,否则执行步骤S101。
具体地,可在每一个预设的检测周期执行:根据所述第一传感器在两个检测时间点分别检测到的位置信息,计算所述机器人在所述两个检测时间点之间的平均速度;判断所述检测速度与所述平均速度的差值是否大于第一阈值,如果是,记录所述检测周期;当连续记录的所述检测周期达到第二阈值时,确定所述机器人处于非正常行驶状态。
当机器人处于正常行驶状态时,机器人中各个传感器检测到的数据应该相互匹配,且各个传感器对检测数据的更新应该基本保持一致,换句话说,当各个传感器检测到的数据不匹配且持续一定时间时,可确定机器人处于非正常行驶状态。
以第一传感器为激光雷达、第二传感器为轮速计为例,在t1时刻激光雷达对地图匹配得到机器人的位置信息为(x1,y1),t2时刻激光雷达得到机器人的位置信息为(x2,y2),轮速计得到机器人在t2时刻的速度信息为(vx,vy)。那么,当机器人处于正常行驶状态时,(x2-x1)/(t2-t1)近似等于vx,且(y2-y1)/(t2-t1)近似等于vy。也就是说,若根据激光雷达或者视觉传感器检测的位置信息算取的平均速度与轮速计或惯性传感器检测到的检测速度(瞬时速度)的差值大于第一阈值,且大于第一阈值的连续检测周期大于第二阈值,也就是说,在大于或等于第二阈值的持续时长内,检测速度与平均速度的差值均大于第一阈值,则说明机器人处于非正常行驶状态,此时通过步骤S103检测机器人的位置信息。其中,第一阈值和第二阈值可根据机器人的运行速度和惯性传感器的误差来设置,例如第二阈值可设置为1s,也可设置为3s。可以理解的是,为了状态判断的准确性和及时性,选取的两个检测时间点一般为相邻两个检测时间点,且其中一个检测时间点为距离当前时刻最近的检测时间点。另外,预设的检测周期可以设置为大于等于传感器的1个检测周期,且小于等于传感器的2个检测周期,以对每个传感器在其检测周期检测到的数据进行判断。
步骤S103:根据所述机器人处于非正常行驶状态时的加速度,更新检测到的所述机器人的位置信息。
当机器人处于非正常行驶状态时,不能依赖视觉传感器或者激光雷达对地图的匹配来对机器人进行定位,而是依赖于机器人中的惯性传感器,也就是说,此时根据所述机器人中的惯性传感器采集的加速度,对检测到的位置信息进行更新。
具体地,可将判断出所述机器人处于非正常行驶状态时的位置信息作为所述机器人的当前位置信息,以及所述检测速度作为当前速度;
循环执行以下步骤,直至所述机器人恢复正常行驶状态:在所述惯性传感器的采集周期内执行:根据所述惯性传感器采集的加速度,对所述当前速度进行更新,根据更新后的当前速度,对所述当前位置信息进行更新,并将更新后的位置信息作为所述当前位置信息,将更新后的当前速度作为所述当前速度。
在根据所述惯性传感器采集的加速度,对所述当前速度进行更新,以及根据所述当前速度,对所述当前位置信息进行更新时,可根据所述惯性传感器在直角坐标系中的x轴分量和y轴分量,分别对所述当前速度在所述直角坐标系中的x轴分量和y轴分量进行更新,以及分别对所述当前位置信息在所述直角坐标系中的x轴分量和y轴分量进行更新。
以机器人被“抱走”为例,机器人被抱起时刻为t0时刻,机器人在t0时刻的位置是(x0,y0),其速度是(vx0,vy0),惯性传感器的检测时间点的间隔是t,也就是惯性传感器的采集周期为t。惯性传感器在每个检测时间点输出的加速度是(ax,ay),则在下一个检测时间点,对检测到的机器人的当前速度进行以下更新:vx=vx0+ax*t,vy=vy0+ay*t,对机器人的当前位置信息进行以下更新:x=x0+vx*t,y=y0+vy*t,此后,惯性传感器在每个检测时间点输出加速度后,可按此更新检测到的机器人的位置信息。
步骤S104:当所述机器人恢复正常行驶状态时,根据更新后的位置信息,对所述机器人进行重定位。
可以理解的是,当机器人处于非正常行驶状态时,根据惯性传感器检测的加速度更新检测到的机器人的位置信息的同时,仍在判断机器人是否处于非正常状态,当判断出机器人恢复正常行驶状态时,根据更新后的位置信息以及所述机器人所处环境的地图,对所述机器人进行重定位。例如,可将更新后的位置信息作为激光雷达或视觉传感器的输入,使得激光雷达结合机器人所处环境的地图,对机器人进行重定位。
下面以根据视觉传感器检测到的位置信息以及惯性传感器检测到的检测速度,判断机器人是否处于非正常行驶状态为例,对本发明实施例提供的机器人的重定位方法进行详细说明,如图2所示,该方法可以包括以下步骤:
步骤S201:获取视觉传感器检测到的位置信息,以及惯性传感器检测到的检测速度。
步骤S202:根据视觉传感器在两个检测时间点分别检测到的位置信息,计算机器人在两个检测时间点之间的平均速度。
步骤S203:判断检测速度和平均速度的差值是否大于第一阈值,如果是,执行步骤204,否则执行步骤S201。
步骤S204:判断差值大于第一阈值的持续时长是否达到第二阈值,如果是,执行步骤S205,否则执行步骤S201。
值得一提的是,判断差值大于第一阈值的持续时长是否达到第二阈值的过程中,检测速度和平均速度也随着传感器采集的数据在实时更新。具体地,判断差值大于第一阈值的持续时长是否达到第二阈值的过程可按照以下步骤进行:在每一个预设的检测周期执行:根据所述第一传感器在两个检测时间点分别检测到的位置信息,计算所述机器人在所述两个检测时间点之间的平均速度;判断所述检测速度与所述平均速度的差值是否大于第一阈值,如果是,记录所述检测周期;当连续记录的所述检测周期达到第二阈值时,确定所述机器人处于非正常行驶状态。其中,预设的检测周期可以设置为大于等于传感器的1个检测周期,且小于等于传感器的2个检测周期,以对每个传感器在其检测周期检测到的数据进行判断。
步骤S205:根据惯性传感器采集的加速度,对检测到的位置信息进行更新。
步骤S206:当机器人恢复正常行驶状态时,根据更新后的位置信息以及所述机器人所处环境的地图,对机器人进行重定位。
根据本发明实施例的机器人的重定位方法可以看出,通过机器人中的第一传感器和第二传感器分别检测位置信息和速度,然后通过检测的位置信息和速度判断机器人是否处于非正常行驶状态,当判断出机器人处于非正常行驶状态时,根据机器人的加速度,对检测到的机器人的位置信息进行实时更新,由此,当机器人恢复正常行驶状态时,可根据更新后的位置信息,对机器人进行重定位,从而解决了机器人在非正常行驶状态时定位信息丢失的问题,并且在机器人从非正常行驶状态恢复到正常行驶状态时,能自动对机器人进行准确的重定位。
图3是根据本发明实施例的一种机器人的重定位的装置的主要模块的示意图。
如图3所示,本发明实施例的一种机器人的重定位装置300包括:获取模块301、处理模块302和重定位模块303;其中,
所述获取模块301,用于获取所述机器人中的第一传感器检测的位置信息,以及所述机器人中的第二传感器检测的检测速度;
所述处理模块302,用于根据所述位置信息和所述检测速度,判断所述机器人是否处于非正常行驶状态,如果是,根据所述机器人处于非正常行驶状态时的加速度,更新检测到的所述机器人的位置信息;
所述重定位模块303,用于当机器人恢复正常行驶状态时,根据更新后的位置信息,对所述机器人进行重定位。
在本发明一个实施例中,所述处理模块302,用于在每一个预设的检测周期执行:根据所述第一传感器在两个检测时间点分别检测到的位置信息,计算所述机器人在所述两个检测时间点之间的平均速度;判断所述检测速度与所述平均速度的差值是否大于第一阈值,如果是,记录所述检测周期;当连续记录的所述检测周期达到第二阈值时,确定所述机器人处于非正常行驶状态。
在本发明一个实施例中,所述处理模块302,用于根据所述机器人中的惯性传感器采集的加速度,对检测到的位置信息进行更新。
在本发明一个实施例中,所述处理模块302,用于将判断出所述机器人处于非正常行驶状态时的位置信息作为所述机器人的当前位置信息,以及所述检测速度作为当前速度;循环执行以下步骤,直至所述机器人恢复正常行驶状态:在所述惯性传感器的采集周期内执行:根据所述惯性传感器采集的加速度,对所述当前速度进行更新,根据更新后的当前速度,对所述当前位置信息进行更新,并将更新后的位置信息作为所述当前位置信息,将更新后的当前速度作为所述当前速度。
在本发明一个实施例中,所述处理模块302,用于根据所述惯性传感器在直角坐标系中的x轴分量和y轴分量,分别对所述当前速度在所述直角坐标系中的x轴分量和y轴分量进行更新,以及分别对所述当前位置信息在所述直角坐标系中的x轴分量和y轴分量进行更新。
在本发明一个实施例中,所述重定位模块303,用于根据更新后的位置信息以及所述机器人所处环境的地图,对所述机器人进行重定位。
在本发明一个实施例中,所述第一传感器为激光雷达或视觉传感器;所述第二传感器为轮速计或惯性传感器。
根据本发明实施例的一种机器人的重定位装置可以看出,通过机器人中的第一传感器和第二传感器分别检测位置信息和速度,然后通过检测的位置信息和速度判断机器人是否处于非正常行驶状态,当判断出机器人处于非正常行驶状态时,根据机器人的加速度,对检测到的机器人的位置信息进行实时更新,由此,当机器人恢复正常行驶状态时,可根据更新后的位置信息,对机器人进行重定位,从而解决了机器人在非正常行驶状态时定位信息丢失的问题,并且在机器人从非正常行驶状态恢复到正常行驶状态时,能自动对机器人进行准确的重定位。
图4示出了可以应用本发明实施例的一种机器人的重定位方法或机器人的重定位的装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。
需要说明的是,本发明实施例所提供的机器人的重定位的方法一般由服务器405执行,相应地,机器人的重定位的装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、处理模块和重定位模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“获取所述机器人中的第一传感器检测的位置信息,以及所述机器人中的第二传感器检测的检测速度模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取所述机器人中的第一传感器检测的位置信息,以及所述机器人中的第二传感器检测的检测速度;根据所述位置信息和所述检测速度,判断所述机器人是否处于非正常行驶状态,如果是,根据所述机器人处于非正常行驶状态时的加速度,更新检测到的所述机器人的位置信息;当所述机器人恢复正常行驶状态时,根据更新后的位置信息,对所述机器人进行重定位。
根据本发明实施例的技术方案,通过机器人中的第一传感器和第二传感器分别检测位置信息和速度,然后通过检测的位置信息和速度判断机器人是否处于非正常行驶状态,当判断出机器人处于非正常行驶状态时,根据机器人的加速度,对检测到的机器人的位置信息进行实时更新,由此,当机器人恢复正常行驶状态时,可根据更新后的位置信息,对机器人进行重定位,从而解决了机器人在非正常行驶状态时定位信息丢失的问题,并且在机器人从非正常行驶状态恢复到正常行驶状态时,能自动对机器人进行准确的重定位。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种机器人的重定位方法,其特征在于,包括:
获取所述机器人中的第一传感器检测的位置信息,以及所述机器人中的第二传感器检测到的检测速度;
根据所述位置信息和所述检测速度,判断所述机器人是否处于非正常行驶状态,如果是,根据所述机器人处于非正常行驶状态时的加速度,更新检测到的所述机器人的位置信息;具体包括:当各个传感器检测到的数据不匹配且持续一定时间时,确定机器人处于非正常行驶状态;
当所述机器人恢复正常行驶状态时,根据更新后的位置信息,对所述机器人进行重定位,
其中,所述更新检测到的所述机器人的位置信息包括根据所述机器人中的惯性传感器采集的加速度,对检测到的位置信息进行更新,并且
其中,所述根据所述机器人中的惯性传感器采集的加速度,对检测到的位置信息进行更新,包括:
将判断出所述机器人处于非正常行驶状态时的位置信息作为所述机器人的当前位置信息,以及所述检测速度作为当前速度;
循环执行以下步骤,直至所述机器人恢复正常行驶状态:
在所述惯性传感器的采集周期内执行:根据所述惯性传感器采集的加速度,对所述当前速度进行更新,根据更新后的当前速度,对所述当前位置信息进行更新,并将更新后的位置信息作为所述当前位置信息,将更新后的当前速度作为所述当前速度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述位置信息和所述检测速度,判断所述机器人是否处于非正常行驶状态,包括:
在每一个预设的检测周期执行:根据所述第一传感器在两个检测时间点分别检测到的位置信息,计算所述机器人在所述两个检测时间点之间的平均速度;判断所述检测速度与所述平均速度的差值是否大于第一阈值,如果是,记录所述检测周期;
当连续记录的所述检测周期达到第二阈值时,确定所述机器人处于非正常行驶状态。
3.根据权利要求1所述的方法,其特征在于,所述根据所述惯性传感器采集的加速度,对所述当前速度进行更新,以及根据所述当前速度,对所述当前位置信息进行更新,包括:
根据所述惯性传感器在直角坐标系中的x轴分量和y轴分量,分别对所述当前速度在所述直角坐标系中的x轴分量和y轴分量进行更新,以及分别对所述当前位置信息在所述直角坐标系中的x轴分量和y轴分量进行更新。
4.根据权利要求1所述的方法,其特征在于,所述根据更新后的位置信息,对所述机器人进行重定位,包括:
根据更新后的位置信息以及所述机器人所处环境的地图,对所述机器人进行重定位。
5.根据权利要求1至4任一所述的方法,其特征在于,
所述第一传感器为激光雷达或视觉传感器;
所述第二传感器为轮速计或惯性传感器。
6.一种机器人的重定位装置,其特征在于,包括:获取模块、处理模块和重定位模块;其中,
所述获取模块,用于获取所述机器人中的第一传感器检测的位置信息,以及所述机器人中的第二传感器检测的检测速度;
所述处理模块,用于根据所述位置信息和所述检测速度,判断所述机器人是否处于非正常行驶状态,如果是,根据所述机器人处于非正常行驶状态时的加速度,更新检测到的所述机器人的位置信息;具体包括:当各个传感器检测到的数据不匹配且持续一定时间时,确定机器人处于非正常行驶状态;
所述重定位模块,用于当机器人恢复正常行驶状态时,根据更新后的位置信息,对所述机器人进行重定位,
其中,所述处理模块用于根据所述机器人中的惯性传感器采集的加速度,对检测到的位置信息进行更新,
其中,所述处理模块用于将判断出所述机器人处于非正常行驶状态时的位置信息作为所述机器人的当前位置信息,以及所述检测速度作为当前速度;循环执行以下步骤,直至所述机器人恢复正常行驶状态:在所述惯性传感器的采集周期内执行:根据所述惯性传感器采集的加速度,对所述当前速度进行更新,根据更新后的当前速度,对所述当前位置信息进行更新,并将更新后的位置信息作为所述当前位置信息,将更新后的当前速度作为所述当前速度。
7.根据权利要求6所述的装置,其特征在于,
所述处理模块,用于在每一个预设的检测周期执行:根据所述第一传感器在两个检测时间点分别检测到的位置信息,计算所述机器人在所述两个检测时间点之间的平均速度;判断所述检测速度与所述平均速度的差值是否大于第一阈值,如果是,记录所述检测周期;当连续记录的所述检测周期达到第二阈值时,确定所述机器人处于非正常行驶状态。
8.根据权利要求6所述的装置,其特征在于,
所述重定位模块,用于根据更新后的位置信息以及所述机器人所处环境的地图,对所述机器人进行重定位。
9.根据权利要求6至8任一所述的装置,其特征在于,
所述第一传感器为激光雷达或视觉传感器;
所述第二传感器为轮速计或惯性传感器。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910769361.5A CN112414391B (zh) | 2019-08-20 | 2019-08-20 | 一种机器人的重定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910769361.5A CN112414391B (zh) | 2019-08-20 | 2019-08-20 | 一种机器人的重定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112414391A CN112414391A (zh) | 2021-02-26 |
CN112414391B true CN112414391B (zh) | 2024-06-18 |
Family
ID=74780264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910769361.5A Active CN112414391B (zh) | 2019-08-20 | 2019-08-20 | 一种机器人的重定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112414391B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117589154B (zh) * | 2024-01-19 | 2024-05-24 | 深圳竹芒科技有限公司 | 自移动设备的重定位方法、自移动设备和可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107969995A (zh) * | 2017-11-27 | 2018-05-01 | 深圳市沃特沃德股份有限公司 | 视觉扫地机器人及其重定位方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013071190A1 (en) * | 2011-11-11 | 2013-05-16 | Evolution Robotics, Inc. | Scaling vector field slam to large environments |
US9730029B2 (en) * | 2012-11-08 | 2017-08-08 | Duke University | Unsupervised indoor localization and heading directions estimation |
CN107037806B (zh) * | 2016-02-04 | 2020-11-27 | 科沃斯机器人股份有限公司 | 自移动机器人重新定位方法及采用该方法的自移动机器人 |
JP2018062308A (ja) * | 2016-10-14 | 2018-04-19 | オムロン株式会社 | 運転モード切替制御装置、方法およびプログラム |
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 |
CN107765694A (zh) * | 2017-11-06 | 2018-03-06 | 深圳市杉川机器人有限公司 | 一种重定位方法、装置及计算机可读取存储介质 |
CN108052101B (zh) * | 2017-12-06 | 2021-12-21 | 北京奇虎科技有限公司 | 机器人的重定位方法及装置 |
CN109084732B (zh) * | 2018-06-29 | 2021-01-12 | 北京旷视科技有限公司 | 定位与导航方法、装置及处理设备 |
CN114847803B (zh) * | 2018-10-29 | 2024-04-16 | 北京石头创新科技有限公司 | 机器人的定位方法及装置、电子设备、存储介质 |
-
2019
- 2019-08-20 CN CN201910769361.5A patent/CN112414391B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107969995A (zh) * | 2017-11-27 | 2018-05-01 | 深圳市沃特沃德股份有限公司 | 视觉扫地机器人及其重定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112414391A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12039472B2 (en) | Method and device for scheduling automated guided vehicle | |
CN110766348B (zh) | 一种组合拣货任务的方法和装置 | |
CN111177433B (zh) | 用于并行处理信息的方法和装置 | |
CN112414391B (zh) | 一种机器人的重定位方法及装置 | |
CN112429446A (zh) | 一种变距穿梭车货叉间距校正方法和装置 | |
CN112788743B (zh) | 一种基于超宽带技术的定位方法和装置 | |
CN112446651B (zh) | 一种运输设备监控的方法和装置 | |
CN115936549A (zh) | 配送流程管理方法、装置、电子设备和计算机可读介质 | |
CN110634159A (zh) | 一种目标检测方法和装置 | |
CN113986671B (zh) | 运维数据异常检测方法、装置、设备及介质 | |
CN113253608B (zh) | 基于人工智能的无人驾驶行吊设备轨迹生成方法和装置 | |
CN113970754A (zh) | 一种自主可行驶设备的定位方法和装置 | |
CN111767351B (zh) | 确定搬运机器人停车点的方法和装置 | |
CN113139766B (zh) | 巷道拥堵率的计算方法和装置、储位选择方法和装置 | |
CN112180910B (zh) | 一种移动机器人障碍物感知方法和装置 | |
CN110875856B (zh) | 激活数据异常检测与分析的方法和装置 | |
CN110068834B (zh) | 一种路沿检测方法和装置 | |
CN112214731B (zh) | 确定目标集合的方法和装置 | |
CN111290266B (zh) | 用于发送信息的方法和装置 | |
CN115840016B (zh) | 色谱分析系统的备份还原方法、装置、设备和计算机介质 | |
CN112762949B (zh) | 检测导航路径的方法和装置 | |
CN113479198B (zh) | 一种无人车控制方法和装置 | |
CN111489110B (zh) | 一种运输设备调度方法和装置 | |
CN110316509B (zh) | 一种货架换面方法和装置 | |
CN116029515A (zh) | 拼车收垃圾方法、装置、电子设备和计算机可读介质 |
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 |