CN113268697A - 基于Go-ICP的室外机器人重定位方法 - Google Patents
基于Go-ICP的室外机器人重定位方法 Download PDFInfo
- Publication number
- CN113268697A CN113268697A CN202110672612.5A CN202110672612A CN113268697A CN 113268697 A CN113268697 A CN 113268697A CN 202110672612 A CN202110672612 A CN 202110672612A CN 113268697 A CN113268697 A CN 113268697A
- Authority
- CN
- China
- Prior art keywords
- search
- icp
- rotation
- algorithm
- drift
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000013138 pruning Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000010845 search algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于Go‑ICP的室外机器人重定位方法,包括获取现有的Go‑ICP算法;对用于剪枝的下界进行修改;在分支过程中规定最低分辨率并降低分支个数;若在定位中丢定位则计算重定位搜索范围并进行重定位;采用修改后的Go‑ICP算法进行室外机器人的实时重定位。本发明将Go‑ICP算法立方形搜索区域转换为扁平长方体搜索区域,降低Z轴的搜索范围;降低了Go‑ICP算法分支个数;基础搜索范围+丢定位时间*相应旋转或平移分量的漂移系数来确定Go‑ICP算法重定位搜索范围,从而大大降低了基于Go‑ICP算法的重定位搜索时间,而且效率较高、搜索时间较短且搜索范围合理可靠。
Description
技术领域
本发明属于定位技术领域,具体涉及一种基于Go-ICP的室外机器人重定位方法。
背景技术
重定位和3D点云配准是室外移动机器人的关键定位技术。点云配准的目的是求解出同一坐标下不同姿态点云的变换矩阵,利用该矩阵实现多视扫描点云的精确配准,最终获取定位信息。
本质上,关于六自由度(旋转和平移)的3D点云配准问题是典型的非凸优化问题,其目标函数在六维可行域空间中具有多个波峰波谷,从而使得优化求解过程中容易受初始变换矩阵的影响,容易陷入局部最优解。室外移动机器人重定位需要全局优化的3D点云配准算法;Go-ICP算法为其中出色的全局优化的3D点云配准算法。Go-ICP算法作者Yang等基于范数配准模型,首次推导出了关于六维变换域的上下界函数,并利用分支定界算法提出了全局优化的Go-ICP算法,且该算法有效地证明了所求解变换矩阵的全局最优性。
现有的Go-ICP算法,对于旋转和平移的搜索,采用外层先搜索旋转,内层搜索平移的方式进行:
外层旋转空间搜索界:
式中为ICP目标函数的上界;θt为平移搜索立方;M为点云数据点总数;ei为第i个点的残差;为搜索中心的旋转向量;为旋转向量所对应的旋转矩阵;t为平移向量;为ICP目标函数的下界;为第i个点的旋转不确定半径;
内层平移搜索空间界:
旋转搜索空间可以被半径为π的球空间表示;为了处理方便,选用包围球体的最小立方体[-π,π]3作为旋转区域;平移搜索区域立方体由[-ξ,ξ]3表示;初始搜索立方可以由octree(Branch)数据结构划分为子立方。
现有的Go-ICP算法的伪代码如下:
算法1:Go-ICP主算法(外层旋转搜索算法)
输入:数据与地图点云{pi}{mi},收敛阈值ε,初始位姿[φ0,t0],初始旋转与平移搜索立方[θφθt];
2.E*=+∞
3.Loop:
11.end if
14.continue
15.end if
17.end for
18.end loop
算法结束。
在上述的算法中,E*为ICP目标函数的最优值;为旋转搜索空间;为ICP目标函数的下界;pop_front为出队列;Branch为分支,既对搜索空间进行划分;为划分后的第i个旋转搜索空间;N为整数集;为ICP目标函数的上界;TransSearchAlgorithm2为下述“算法2:Go-ICP内层平移搜索算法”;为第i次搜索;为旋转不确定半径;ICPAlign为利用普通ICP算法求解点云配准;push_back为进队列;为将第i个旋转搜索空间和目标函数下界加入队列;
算法2:Go-ICP内层平移搜索算法
算法结束。
在上述的算法中,Ct为平移搜索空间;Qt.pop_front为出队列;为第i次平移搜索空间的划分;ei为第i个点的残差;为旋转矩阵;为第i个点的旋转不确定半径;Et 为平移变化下的目标函数下界;为平移变化下的目标函数最优值;t*为平移最优解;为平移变化下的目标函数上界;t0为平移搜索中心;为将第i次的平移搜索空间与平移变化下的目标函数下界加入队列。
但是,上述现有的Go-ICP算法,其在运行时,全局重定位搜索范围较大,搜索时间较长,效率较低。
发明内容
本发明的目的在于提供一种效率较高、搜索时间较短且搜索范围合理可靠的基于Go-ICP的室外机器人重定位方法。
本发明提供的这种基于Go-ICP的室外机器人重定位方法,包括如下步骤:
S1.获取现有的Go-ICP算法;
S2.针对步骤S1获取的Go-ICP算法,对用于剪枝的下界进行修改,从而提升算法收敛速度;
S3.针对步骤S2修改后的Go-ICP算法,在分支过程中规定最低分辨率,并降低分支个数,从而提升算法收敛速度;
S4.针对步骤S3修改后的Go-ICP算法,若在定位中丢定位,则计算重定位搜索范围,并进行重定位;
S5.采用步骤S4得到的修改后的Go-ICP算法,进行室外机器人的实时重定位。
步骤S2所述的对用于剪枝的下界进行修改,从而提升算法收敛速度,具体为采用如下算式进行用于剪枝的下界的修改:
步骤S3所述的在分支过程中规定最低分辨率,并降低分支个数,从而提升算法收敛速度,具体为在分支过程中要设定叶节点立方体的最低分辨率,同时在达到最低分辨率时降低分支个数。
步骤S4所述的若在定位中丢定位,则计算重定位搜索范围,具体为采用如下算式确定重定位搜索范围:
tx=txb+trans_x_drift_ratio*Δt
ty=tyb+trans_y_drift_ratio*Δt
tz=tzb+trans_z_drift_ratio*Δt
式中t=[tx ty tz];为旋转向量x方向上的搜索基础量;为旋转向量y方向上的搜索基础范围;为旋转向量z方向上的搜索基础范围;rot_x_drift_ratio为旋转搜索范围,在x方向上随时间变化的比例系数;rot_y_drift_ratio为旋转搜索范围,在y方向上随时间变化的比例系数;rot_z_drift_ratio为旋转搜索范围,在z方向上随时间变化的比例系数;txb为位移向量x方向上的搜索基础范围;tyb为位移向量y方向上的搜索基础范围;tzb为位移向量z方向上的搜索基础范围;trans_x_drift_ratio为平移搜索范围,在x方向上随时间变化的比例系数;trans_y_drift_ratio为平移搜索范围,在y方向上随时间变化的比例系数;trans_z_drift_ratio为平移搜索范围,在z方向上随时间变化的比例系数;Δt为时间的变化量。
本发明提供的这种基于Go-ICP的室外机器人重定位方法,将Go-ICP算法立方形搜索区域转换为扁平长方体搜索区域,降低Z轴的搜索范围;降低了Go-ICP算法分支个数;基础搜索范围+丢定位时间*相应旋转或平移分量的漂移系数来确定Go-ICP算法重定位搜索范围,从而大大降低了基于Go-ICP算法的重定位搜索时间,而且效率较高、搜索时间较短且搜索范围合理可靠。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明方法中搜索范围修改变化示意图。
具体实施方式
如图1所示为本发明方法的方法流程示意图:本发明提供的这种基于Go-ICP的室外机器人重定位方法,包括如下步骤:
S1.获取现有的Go-ICP算法;
S2.针对步骤S1获取的Go-ICP算法,对用于剪枝的下界进行修改,从而提升算法收敛速度;具体为采用如下算式进行用于剪枝的下界的修改:
具体实施时,其中旋转范围变化如图2(a)所示,将球形旋转向量范围变为斜线圆柱所示以绕Z轴为主要旋转轴的旋转角度搜索范围,由旋转向量的向量方向为旋转轴方向,模值为旋转大小的物理意义来讲,圆柱的地面直径代表了roll和pitch的搜索范围,而高度代表了yaw角度的搜索范围;而平移的范围变化如上图2(b)所示,将立方形搜索区域转换为斜线扁平长方体搜索区域,降低Z轴的搜索范围;
S3.针对步骤S2修改后的Go-ICP算法,在分支过程中规定最低分辨率,并降低分支个数,从而提升算法收敛速度;具体为在分支过程中要设定叶节点立方体的最低分辨率,同时在达到最低分辨率时降低分支个数;
S4.针对步骤S3修改后的Go-ICP算法,若在定位中丢定位,则计算重定位搜索范围,并进行重定位;具体为采用如下算式确定重定位搜索范围:
tx=txb+trans_x_drift_ratio*Δt
ty=tyb+trans_y_drift_ratio*Δt
tz=tzb+trans_z_drift_ratio*Δt
式中t=[tx ty tz];为旋转向量x方向上的搜索基础量;为旋转向量y方向上的搜索基础范围;为旋转向量z方向上的搜索基础范围;rot_x_drift_ratio为旋转搜索范围,在x方向上随时间变化的比例系数;rot_y_drift_ratio为旋转搜索范围,在y方向上随时间变化的比例系数;rot_z_drift_ratio为旋转搜索范围,在z方向上随时间变化的比例系数;txb为位移向量x方向上的搜索基础范围;tyb为位移向量y方向上的搜索基础范围;tzb为位移向量z方向上的搜索基础范围;trans_x_drift_ratio为平移搜索范围,在x方向上随时间变化的比例系数;trans_y_drift_ratio为平移搜索范围,在y方向上随时间变化的比例系数;trans_z_drift_ratio为平移搜索范围,在z方向上随时间变化的比例系数;Δt为时间的变化量。
上述计算公式中,以基础搜索范围+丢定位时间*相应旋转或平移分量的漂移系数来确定搜索范围大小;
S5.采用步骤S4得到的修改后的Go-ICP算法,进行室外机器人的实时重定位。
Claims (4)
1.一种基于Go-ICP的室外机器人重定位方法,包括如下步骤:
S1.获取现有的Go-ICP算法;
S2.针对步骤S1获取的Go-ICP算法,对用于剪枝的下界进行修改,从而提升算法收敛速度;
S3.针对步骤S2修改后的Go-ICP算法,在分支过程中规定最低分辨率,并降低分支个数,从而提升算法收敛速度;
S4.针对步骤S3修改后的Go-ICP算法,若在定位中丢定位,则计算重定位搜索范围,并进行重定位;
S5.采用步骤S4得到的修改后的Go-ICP算法,进行室外机器人的实时重定位。
3.根据权利要求2所述的基于Go-ICP的室外机器人重定位方法,其特征在于步骤S3所述的在分支过程中规定最低分辨率,并降低分支个数,从而提升算法收敛速度,具体为在分支过程中要设定叶节点立方体的最低分辨率,同时在达到最低分辨率时降低分支个数。
4.根据权利要求3所述的基于Go-ICP的室外机器人重定位方法,其特征在于步骤S4所述的若在定位中丢定位,则计算重定位搜索范围,具体为采用如下算式确定重定位搜索范围:
tx=txb+trans_x_drift_ratio*Δt
ty=tyb+trans_y_drift_ratio*Δt
tz=tzb+trans_z_drift_ratio*Δt
式中t=[tx ty tz];为旋转向量x方向上的搜索基础量;为旋转向量y方向上的搜索基础范围;为旋转向量z方向上的搜索基础范围;rot_x_drift_ratio为旋转搜索范围,在x方向上随时间变化的比例系数;rot_y_drift_ratio为旋转搜索范围,在y方向上随时间变化的比例系数;rot_z_drift_ratio为旋转搜索范围,在z方向上随时间变化的比例系数;txb为位移向量x方向上的搜索基础范围;tyb为位移向量y方向上的搜索基础范围;tzb为位移向量z方向上的搜索基础范围;trans_x_drift_ratio为平移搜索范围,在x方向上随时间变化的比例系数;trans_y_drift_ratio为平移搜索范围,在y方向上随时间变化的比例系数;trans_z_drift_ratio为平移搜索范围,在z方向上随时间变化的比例系数;Δt为时间的变化量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110672612.5A CN113268697A (zh) | 2021-06-17 | 2021-06-17 | 基于Go-ICP的室外机器人重定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110672612.5A CN113268697A (zh) | 2021-06-17 | 2021-06-17 | 基于Go-ICP的室外机器人重定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113268697A true CN113268697A (zh) | 2021-08-17 |
Family
ID=77235243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110672612.5A Pending CN113268697A (zh) | 2021-06-17 | 2021-06-17 | 基于Go-ICP的室外机器人重定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113268697A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2020101424A1 (ko) * | 2018-11-16 | 2020-05-22 | 한국과학기술원 | 지상 로봇의 움직임을 고려한 강인한 레이저 스캐너 매칭 방법 및 그 장치 |
KR20200057586A (ko) * | 2018-11-16 | 2020-05-26 | 한국과학기술원 | 지상 로봇의 움직임을 고려한 강인한 레이저 스캐너 매칭 방법 및 그 장치 |
CN112102377A (zh) * | 2020-08-04 | 2020-12-18 | 广东工业大学 | 基于切比雪夫的icp点云全局最优配准方法及装置 |
CN112651944A (zh) * | 2020-12-28 | 2021-04-13 | 哈尔滨工业大学(深圳) | 基于cad模型的3c部件高精度六维位姿估计方法及系统 |
-
2021
- 2021-06-17 CN CN202110672612.5A patent/CN113268697A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2020101424A1 (ko) * | 2018-11-16 | 2020-05-22 | 한국과학기술원 | 지상 로봇의 움직임을 고려한 강인한 레이저 스캐너 매칭 방법 및 그 장치 |
KR20200057586A (ko) * | 2018-11-16 | 2020-05-26 | 한국과학기술원 | 지상 로봇의 움직임을 고려한 강인한 레이저 스캐너 매칭 방법 및 그 장치 |
CN112102377A (zh) * | 2020-08-04 | 2020-12-18 | 广东工业大学 | 基于切比雪夫的icp点云全局最优配准方法及装置 |
CN112651944A (zh) * | 2020-12-28 | 2021-04-13 | 哈尔滨工业大学(深圳) | 基于cad模型的3c部件高精度六维位姿估计方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7876967B2 (en) | Icosahedral modified generalized balanced ternary and aperture 3 hexagon tree | |
CN108594816B (zh) | 一种通过改进orb-slam算法实现定位与构图的方法和系统 | |
CN108917759A (zh) | 基于多层次地图匹配的移动机器人位姿纠正算法 | |
CN108230247B (zh) | 基于云端的三维地图的生成方法、装置、设备及计算机可读的存储介质 | |
CN113706710B (zh) | 基于fpfh特征差异的虚拟点多源点云融合方法及系统 | |
CN106767833B (zh) | 一种融合rgbd深度传感器与编码器的机器人定位方法 | |
CN112418129B (zh) | 一种点云数据处理的方法、装置、电子设备及存储介质 | |
CN114004869A (zh) | 一种基于3d点云配准的定位方法 | |
CN108537844A (zh) | 一种融合几何信息的视觉slam回环检测方法 | |
CN115774265A (zh) | 用于工业机器人的二维码和激光雷达融合定位方法与装置 | |
CN116734856A (zh) | 一种考虑洋流影响的水下机器人路径规划方法 | |
CN109785221A (zh) | 一种数字图像隐写方法及秘密信息提取方法 | |
CN105427177A (zh) | 一种基于gis的农地四至自动计算方法 | |
Gao et al. | MGG: Monocular global geolocation for outdoor long-range targets | |
CN113268697A (zh) | 基于Go-ICP的室外机器人重定位方法 | |
CN111964665A (zh) | 基于车载环视图像的智能车定位方法、系统及存储介质 | |
Zhang et al. | Accurate real-time SLAM based on two-step registration and multimodal loop detection | |
CN102736112B (zh) | 可变旋转平面的电磁跟踪搜索方法及其系统 | |
CN116399354A (zh) | 高精度低漂移大范围的三维点云地图构建及重定位方法 | |
CN114777775A (zh) | 一种多传感器融合的定位方法及系统 | |
CN115408382A (zh) | 面向大规模卫星数据的矢量空间信息网格化存储管理方法 | |
CN112461223B (zh) | 一种磁力计零偏无关的磁场指纹库生成方法 | |
CN107945277A (zh) | 基于增材再制造点云模型的等距曲面分层方法 | |
CN1796939A (zh) | 一种基于lpt变换的星图识别方法 | |
CN114527501A (zh) | 一种vrs最优格网点快速查找方法及系统 |
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 |