CN113048978B - 移动机器人重定位方法及移动机器人 - Google Patents

Abstract

本公开提供了一种移动机器人重定位方法，其包括：S1、获取移动机器人的当前时间帧的激光数据，基于已经构建的全局地图和当前时间帧的激光数据，应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计；S2、根据当前时间帧的最佳位姿估计计算当前时间帧全局定位置信度；S3、当前时间帧的全局定位置信度低于一定阈值时，通过移动机器人的超宽带模块所获得的相对于充电桩的距离信息和惯性测量单元所获得的航向角信息，在已经构建的全局地图计算移动机器人可能的位置范围；以及S4、在相应的位置范围内再次应用蒙特卡罗定位算法实现移动机器人的快速重定位。本公开还提供一种移动机器人。

Description

移动机器人重定位方法及移动机器人

技术领域

本公开涉及一种移动机器人重定位方法及移动机器人。

背景技术

目前移动机器人已经在工业、商用、家用等领域得到了广泛使用，完成物料转运、导购导览、扫地拖地等任务。

移动机器人最主要的功能是自主导航，就是在工作场景中自由往复运动，能够感知和理解周转的工作场景，能够安全避障等。但是实现机器人自主导航的前提是能够准确的全局定位。

移动机器人准确的全局定位就是知道在工作场景世界坐标系的位置和航向角，目前的技术主要是依赖于传感器的实时数据与周围场景中的地图进行匹配，不断地估计当前时间帧的最佳位姿。

但是当移动机器人面向复杂动态环境工作时，由于临时动态障碍物的出现导致移动机器人周围场景相对于已经构建的场景全局地图变化比较大，或者移动机器人被外部关机推至某一位置，如“绑架”等一系列复杂情况的出现，导致移动机器人估计的位姿不准确，或者相邻时间变换非常大，在这种情况下，移动机器人就需要针对上述情况实现更为准确和快速的定位恢复，也就是重定位。

现有技术中的机器人重定位方法，例如中国发明专利公开文件CN112033391A公开了一种基于充电桩的机器人重定位方法及装置，虽然，该文献中提及了充电桩，但是其需要移动机器人返回充电桩的位置，并重新进行建图和定位，定位过程复杂。

发明内容

为了解决上述技术问题中的至少一个，本公开提供了一种移动机器人重定位方法及移动机器人。

根据本公开的一个方面，提供了一种移动机器人重定位方法，其包括：

S1、获取移动机器人的当前时间帧的激光数据，基于已经构建的全局地图和当前时间帧的激光数据，应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计；

S2、根据当前时间帧的最佳位姿估计计算当前时间帧全局定位置信度；

S3、当前时间帧的全局定位置信度低于一定阈值时，通过移动机器人的超宽带模块所获得的相对于充电桩的距离信息和惯性测量单元所获得的航向角信息，在已经构建的全局地图计算移动机器人可能的位置范围；以及

S4、在相应的位置范围内再次应用蒙特卡罗定位算法实现移动机器人的快速重定位。

根据本公开的至少一个实施方式的移动机器人重定位方法，所述充电桩布置于移动机器人工作场景内，并且所述充电桩包括超宽带模块，所述移动机器人包括超宽带模块和惯性测量单元，其中，所述移动机器人的超宽带模块与所述充电桩的超宽带模块通信，用于获得移动机器人的当前位置相对于充电桩所在位置的距离d_k；所述移动机器人的惯性测量单元用于获取移动机器人的当前航向角数据

根据本公开的至少一个实施方式的移动机器人重定位方法，S1中获取移动机器人的当前时间帧的激光数据包括：

通过移动机器人的车载前向2D激光传感器实时扫描周围工作场景，获取每个时间帧的激光数据，所述激光数据表征为{LD|{λ_k,n,n},n＝1...N}，其中λ_k,n为对应的激光极坐标距离，n为k时间帧激光点的序号，N为k时间帧激光点的总数，所述激光数据中的每个离散点对应的角度为n·Δδ，Δδ为激光角分辨率。

根据本公开的至少一个实施方式的移动机器人重定位方法，S2包括：

设置权重系数地图：

其中μ_u,v为对应的权利系数值，L∈(1,255]；

基于当前全局定位所获得的全局最佳位姿估计，对当前时间帧所获得的激光数据与地图中的路标点进行逐一匹配并统计匹配点的数量，并根据匹配点所对应的固定路标点的权重系数获得当前时间帧的全局定位置信度。

根据本公开的至少一个实施方式的移动机器人重定位方法，将激光数据基于当前时间帧的全局最佳位姿估计投影到全局坐标系，当前时间k帧激光数据的每个激光离散点对应的全局坐标系位置为：

其中Δw为场景全局地图中栅格的物理宽度，Δδ为激光角分辨率，λ_k,n为对应的激光极坐标距离，P_k＝[p_k q_k θ_k]^T为当前时间k帧全局最佳位姿估计；

计算获得当前时间k帧的全局定位置信度Φ_k：

其中，

根据本公开的至少一个实施方式的移动机器人重定位方法，在已经构建的全局地图计算移动机器人可能的位置范围包括：

确定移动机器人可能的位置范围为：

其中，

其中，Δd为距离测量误差，为移动机器人当前航向角误差，[p_c，q_c]^T为充电桩在全局地图中的位置坐标。

根据本公开的至少一个实施方式的移动机器人重定位方法，S4包括：

在全局栅格地图中，所确定的移动机器人的位置范围{Θ|[p_f q_f θ_f]^T∈Θ}，再次应用蒙特卡罗定位算法实现移动机器人的重定位，最终获得移动机器人“迷路”之后的再次进行重定位的最佳位姿估计P_f,k＝[p_f,k q_f,k θ_f,k]^T。

根据本公开的另一方面，提供一种移动机器人，其包括：

位姿估计模块，所述位姿估计模块用于获取移动机器人的当前时间帧的激光数据，基于已经构建的全局地图和当前时间帧的激光数据，应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计；

置信度获取模块，所述置信度获取模块用于根据当前时间帧的最佳位姿估计计算当前时间帧全局定位置信度；

位置估计模块，当前时间帧的全局定位置信度低于一定阈值时，通过移动机器人的超宽带模块所获得的相对于充电桩的距离信息和惯性测量单元所获得的航向角信息，在已经构建的全局地图计算移动机器人可能的位置范围；以及

重定位模块，所述重定位模块用于在相应的位置范围内再次应用蒙特卡罗定位算法实现移动机器人的快速重定位。

根据本公开的至少一个实施方式的移动机器人，还包括设置于所述移动机器人工作场景内的充电桩。

根据本公开的至少一个实施方式的移动机器人，所述充电桩包括超宽带模块，所述移动机器人包括超宽带模块和惯性测量单元；

其中，所述移动机器人的超宽带模块与所述充电桩的超宽带模块通信，用于获得移动机器人的当前位置相对于充电桩所在位置的距离d_k；所述移动机器人的惯性测量单元用于获取移动机器人的当前航向角数据

附图说明

附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。

图1是根据本公开的一个实施方式的移动机器人重定位方法的流程示意图。

图2是根据本公开的一个实施方式的移动机器人重定位方法的流程示意图。

图3是根据本公开的一个实施方式的移动机器人的结构示意图。

图中附图标记具体为：

1000 移动机器人

1002 位姿估计模块

1004 置信度获取模块

1006 位置估计模块

1008 重定位模块

1010 超宽带模块

1012 惯性测量单元

1100 总线

1200 处理器

1300 存储器

1400 其它电路。

具体实施方式

下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开的技术方案。

除非另有说明，否则示出的示例性实施方式/实施例将被理解为提供可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特征。因此，除非另有说明，否则在不脱离本公开的技术构思的情况下，各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。

在附图中使用交叉影线和/或阴影通常用于使相邻部件之间的边界变得清晰。如此，除非说明，否则交叉影线或阴影的存在与否均不传达或表示对部件的具体材料、材料性质、尺寸、比例、示出的部件之间的共性和/或部件的任何其它特性、属性、性质等的任何偏好或者要求。此外，在附图中，为了清楚和/或描述性的目的，可以夸大部件的尺寸和相对尺寸。当可以不同地实施示例性实施例时，可以以不同于所描述的顺序来执行具体的工艺顺序。例如，可以基本同时执行或者以与所描述的顺序相反的顺序执行两个连续描述的工艺。此外，同样的附图标记表示同样的部件。

当一个部件被称作“在”另一部件“上”或“之上”、“连接到”或“结合到”另一部件时，该部件可以直接在所述另一部件上、直接连接到或直接结合到所述另一部件，或者可以存在中间部件。然而，当部件被称作“直接在”另一部件“上“、“直接连接到”或“直接结合到”另一部件时，不存在中间部件。为此，术语“连接”可以指物理连接、电气连接等，并且具有或不具有中间部件。

本文使用的术语是为了描述具体实施例的目的，而不意图是限制性的。如这里所使用的，除非上下文另外清楚地指出，否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外，当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时，说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组，但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是，如这里使用的，术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语，如此，它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。

图1是根据本公开的一个实施方式的移动机器人重定位方法的流程示意图。

如图1所示的移动机器人重定位方法，其包括：

102、获取移动机器人的当前时间帧的激光数据，基于已经构建的全局地图和当前时间帧的激光数据，应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计，并由此实现移动机器人的全局定位；

104、根据当前时间帧的最佳位姿估计计算当前时间帧全局定位置信度；

106、当前时间帧的全局定位置信度低于一定阈值时，判定移动机器人发生“迷路”现象；并通过移动机器人的超宽带模块所获得的相对于充电桩的距离信息和惯性测量单元所获得的航向角信息，在已经构建的全局地图计算移动机器人可能的位置范围；

108、在相应的位置范围内再次应用蒙特卡罗定位算法实现移动机器人的快速重定位。

由此，本公开的移动机器人重定位方法中，能够实现移动机器人在动态复杂场景中快速、准确和可靠的全局定位，进一步地能使得移动机器人安全自主导航。

由于移动机器人周围临时性动态障碍物的遮挡、场景变化与已经构建的地图变换较大、以及人为搬动造成的“绑架”等因素会导致移动机器人发生“迷路”现象，从而无法准确全局定位，本公开的移动机器人重定位方法主要是解决移动机器人迷路之后的快速重定位问题。

本公开所提出的移动机器人重定位方法主要满足移动机器人复杂动态场景作业时的安全自主导航需求，解决移动机器人“迷路”之后的快速准确重定位，能够提高移动机器人环境的适应性和智能性，同时也能有效解决移动机器人的“绑架”问题。

以下结合具体的示例，详细说明本公开的各个步骤。

102、获取移动机器人的当前时间帧的激光数据，基于已经构建的全局地图和当前时间帧的激光数据，应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计，并由此实现移动机器人的全局定位；

本公开所使用的移动机器人，已经预先已经构建好场景全局地图；并且移动机器人工作场景中部署有智能充电桩，充电桩内部安装有超宽带模块。

所述移动机器人包括超宽带模块和惯性测量单元，其中，所述移动机器人的超宽带模块与所述充电桩的超宽带模块通信，用于获得移动机器人的当前位置相对于充电桩所在位置的距离d_k；所述移动机器人的惯性测量单元用于获取移动机器人的当前航向角数据

通过移动机器人的车载前向2D激光传感器实时扫描周围工作场景，获取每个时间帧的激光数据，其表征为{LD|{λ_k,n,n},n＝1...N}，其中λ_k,n为对应的激光极坐标距离，n为k时间帧激光点的序号，N为k时间帧激光点的总数，其每个离散点对应的角度为n·Δδ，Δδ为激光角分辨率，这些离散的激光数据点一般为2D扇面。

超宽带模块一般提供的是移动机器人相对于充电桩的距离数据，其表征为d_k。惯性测量单元一般提供的是移动机器人航向角数据而已经存储的场景全局地图中χ_u,v表示场景2D全局地图中的栅格点[u,v]^T的值，/>为二维地图栅格点集,考虑一般激光传感器所构建的是2D栅格地图，即把场景中的固定路标(障碍物区域)、可行驶区域(无障碍物区域)等离散成一定尺寸大小的栅格集，投射在激光扫描平面。通常用1表示有障碍物，0表示无障碍物，考虑到激光的有效扫描范围，对于未确定的区域用-1来表征,其表达式为：

移动机器人在动态复杂场景中作业，通过激光传感器实时感知周围环境信息，并实时基于当前时刻的激光数据和已经构建的全局地图应用蒙特卡罗定位算法确定相对于给定场景地图的移动机器人的当前时间帧全局最佳位姿估计，从而实现准确的全局定位，当前时间k帧全局位姿信息表征为P_k＝[p_k q_k θ_k]^T，其中p_k和q_k表示k时间帧移动机器人在全局坐标系的坐标，θ_k表示k时间帧移动机器人在全局坐标系的航向角。

104、根据当前时间帧的最佳位姿估计计算当前时间帧全局定位置信度。

本公开中，考虑到场景全局地图的实际布局，在表征有障碍物状态时，实际场景中可能对应的是墙壁、柱子、走廊等基本完全固定不动的路标，还有一些如桌子、椅子和凳子等，在移动机器人建图之后可能会发生移动的路标。

由此，本公开设置了权重系数地图：

其中μ_u,v为对应的权利系数值，L∈(1 255]。

基于当前全局定位所获得的全局最佳位姿估计，对当前时间帧所获得的激光数据点与地图中的路标点进行逐一匹配并统计匹配点的数量；并根据匹配点所对应的固定路标点的权重系数获得当前时间帧的全局定位置信度。

本公开中，具体地：

首先，将激光数据点基于当前时间帧的全局最佳位姿估计投影到全局坐标系，当前时间k帧激光数据的每个激光离散点对应的全局坐标系位置为：

其中Δw为场景全局地图中栅格的物理宽度，Δδ为激光角分辨率，λ_k,n为对应的激光极坐标距离，P_k＝[p_k q_k θ_k]^T为当前时间k帧全局最佳位姿估计。

其次计算获得当前时间k帧的全局定位置信度Φ_k：

106、当前时间帧的全局定位置信度低于一定阈值时，判定移动机器人发生“迷路”现象；通过移动机器人的超宽带模块所获得的相对于充电桩的距离信息和惯性测量单元所获得的航向角信息，在已经构建的全局地图计算移动机器人可能的位置范围；

当移动机器人出现周围受动态障碍物的遮挡、场景变化与已经构建的地图严重不符、以及人为的搬动造成的“绑架”等情况，会致使当前时间帧的全局定位置信度低于一定阈值，即Φ_k＜Φ_threshold从而可判定移动机器人发生“迷路”现象。

当移动机器人发生“迷路”现象时，表示当前时间帧全局最佳位姿估计并不是准确的移动机器人在全局地图中的实际位置和方向，同时为了节省计算量，当前时间帧全局最佳位姿估计也只是在里程计一定小范围内的计算，所以移动机器人需要扩大估算全局最佳位姿的范围。

考虑到一般移动机器人的充电桩也同时部署在场景中，并在全局地图中有相关的标识，通过充电桩内部安装的模块和移动机器人内部安装的模块进行相互通讯测距，移动机器人不断地获得相对于充电桩的距离信息d_k。

移动机器人通过内部的惯性测量单元也不断地获得相对于充电桩的角度信息

而且，考虑到由于信息遮挡和系统本身等测距误差因素，相应的测量误差表征为Δd。

考虑到温漂和零漂误差，相应的测量误差表征为确定已经构建的全局地图计算移动机器人可能的位置范围，则最终确定位置范围表达式如下：

其中，[p_c，q_c]^T为充电桩在全局地图中的位置坐标。由和d的有效范围可知，移动机器人可能的位置范围为一个2D环形区域，而考虑到在场景全局地图上移动机器人的位置不应与有障碍物的区域重合，所以可以进一步限制缩小移动机器人可能的位置范围：

通过上述步骤，可以为下一步的快速重定位缩小移动机器人可能的位置范围，极大地提高算法的执行效率。当然，也可以进一步考虑移动机器人的尺寸大小范围，这样情况下，可以进一步去除离障碍物非常近的位置范围，而这些位置，考虑到移动机器人的尺寸等，移动机器人也不可能处于这些位置。

108、在相应的位置范围内再次应用蒙特卡罗定位算法实现移动机器人的快速重定位。

具体地，在全局栅格地图中，所确定的移动机器人的位置范围{Θ|[p_f q_f θ_f]^T∈Θ}，再次应用蒙特卡罗定位算法实现移动机器人的重定位，最终获得移动机器人“迷路”之后的再次进行重定位的最佳位姿估计P_f,k＝[p_f,k q_f,k θ_f,k]^T。

图3示出了采用处理系统的硬件实现方式的装置示例图。

该装置可以包括执行上述流程图中各个或几个步骤的相应模块。因此，可以由相应模块执行上述流程图中的每个步骤或几个步骤，并且该装置可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。

该硬件结构可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线1100将包括一个或多个处理器1200、存储器1300和/或硬件模块的各种电路连接到一起。总线1100还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其它电路1400连接。

总线1100可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一条连接线表示，但并不表示仅有一根总线或一种类型的总线。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施方式所属技术领域的技术人员所理解。处理器执行上文所描述的各个方法和处理。例如，本公开中的方法实施方式可以被实现为软件程序，其被有形地包含于机器可读介质，例如存储器。在一些实施方式中，软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加载到存储器并由处理器执行时，可以执行上文描述的方法中的一个或多个步骤。备选地，在其他实施方式中，处理器可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法之一。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，可以具体实现在任何可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。

就本说明书而言，“可读存储介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。可读存储介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在存储器中。

应当理解，本公开的各部分可以用硬件、软件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施方式方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种可读存储介质中，该程序在执行时，包括方法实施方式的步骤之一或其组合。

此外，在本公开各个实施方式中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读存储介质中。存储介质可以是只读存储器，磁盘或光盘等。

图3是根据本公开的一个实施方式的移动机器人的结构示意图。

如图3所示，根据本公开的另一方面，提供一种移动机器人1000，其包括：

位姿估计模块1002，所述位姿估计模块用于获取移动机器人的当前时间帧的激光数据，基于已经构建的全局地图和当前时间帧的激光数据，应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计；

置信度获取模块1004，所述置信度获取模块用于根据当前时间帧的最佳位姿估计计算当前时间帧全局定位置信度；

位置估计模块1006，当前时间帧的全局定位置信度低于一定阈值时，通过移动机器人的超宽带模块所获得的相对于充电桩的距离信息和惯性测量单元所获得的航向角信息，在已经构建的全局地图计算移动机器人可能的位置范围；以及

重定位模块1008，所述重定位模块用于在相应的位置范围内再次应用蒙特卡罗定位算法实现移动机器人的快速重定位。

优选地，所述的移动机器人还包括设置于所述移动机器人工作场景内的充电桩。

另一方面，所述充电桩包括超宽带模块，所述移动机器人包括超宽带模块1010和惯性测量单元1012；

其中，所述移动机器人的超宽带模块与所述充电桩的超宽带模块通信，用于获得移动机器人的当前位置相对于充电桩所在位置的距离d_k；所述移动机器人的惯性测量单元用于获取移动机器人的当前航向角数据

本公开还提供了一种电子设备，包括：存储器，存储器存储执行指令；以及处理器或其他硬件模块，处理器或其他硬件模块执行存储器存储的执行指令，使得处理器或其他硬件模块执行上述的方法。

本公开还提供了一种可读存储介质，可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现上述的方法。

在本说明书的描述中，参考术语“一个实施方式/方式”、“一些实施方式/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施方式/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式/方式或示例中。在本说明书中，对上述术语的示意性表述不必须的是相同的实施方式/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施方式/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施方式/方式或示例以及不同实施方式/方式或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。

Claims (3)

1.一种移动机器人重定位方法，其特征在于，包括：

S1、获取移动机器人的当前时间帧的激光数据，基于已经构建的全局地图和当前时间帧的激光数据，应用蒙特卡罗定位算法获得当前时间帧的最佳位姿估计；

S2、根据当前时间帧的最佳位姿估计计算当前时间帧全局定位置信度；

S3、当前时间帧的全局定位置信度低于一定阈值时，通过移动机器人的超宽带模块所获得的相对于充电桩的距离信息和惯性测量单元所获得的航向角信息，在已经构建的全局地图计算移动机器人可能的位置范围；以及

S4、在相应的位置范围内再次应用蒙特卡罗定位算法实现移动机器人的快速重定位；

其中，所述充电桩布置于移动机器人工作场景内，并且所述充电桩包括超宽带模块，所述移动机器人包括超宽带模块和惯性测量单元，其中，所述移动机器人的超宽带模块与所述充电桩的超宽带模块通信，用于获得移动机器人的当前位置相对于充电桩所在位置的距离d_k；所述移动机器人的惯性测量单元用于获取移动机器人的当前航向角数据

其中，S1中获取移动机器人的当前时间帧的激光数据包括：

通过移动机器人的车载前向2D激光传感器实时扫描周围工作场景，获取每个时间帧的激光数据，所述激光数据表征为{LD|{λ_k,n,n},n＝1...N}，其中λ_k,n为对应的激光极坐标距离，n为k时间帧激光点的序号，N为k时间帧激光点的总数，所述激光数据中的每个离散点对应的角度为n·△δ，△δ为激光角分辨率。

其中，S2包括：

设置权重系数地图：

其中μ_u,v为对应的权利系数值，L∈(1,255]；

基于当前全局定位所获得的全局最佳位姿估计，对当前时间帧所获得的激光数据与地图中的路标点进行逐一匹配并统计匹配点的数量，并根据匹配点所对应的固定路标点的权重系数获得当前时间帧的全局定位置信度；

其中，将激光数据基于当前时间帧的全局最佳位姿估计投影到全局坐标系，当前时间k帧激光数据的每个激光离散点对应的全局坐标系位置为：

其中△w为场景全局地图中栅格的物理宽度，△δ为激光角分辨率，λ_k,n为对应的激光极坐标距离，P_k＝[p_k q_k θ_k]^T为当前时间k帧全局最佳位姿估计；

计算获得当前时间k帧的全局定位置信度Φ_k：

其中，

2.如权利要求1所述的移动机器人重定位方法，其特征在于，在已经构建的全局地图计算移动机器人可能的位置范围包括：

确定移动机器人可能的位置范围为：

其中，

其中，△d为距离测量误差，为移动机器人当前航向角误差，[p_c，q_c]^T为充电桩在全局地图中的位置坐标。

3.如权利要求2所述的移动机器人重定位方法，其特征在于，S4包括：

在全局栅格地图中，所确定的移动机器人的位置范围{Θ|[p_f q_f θ_f]^T∈Θ}，再次应用蒙特卡罗定位算法实现移动机器人的重定位，最终获得移动机器人“迷路”之后的再次进行重定位的最佳位姿估计P_f,k＝[p_f,k q_f,k θ_f,k]^T。