CN113340310B - 一种移动机器人台阶地形识别定位方法及相关装置 - Google Patents
一种移动机器人台阶地形识别定位方法及相关装置 Download PDFInfo
- Publication number
- CN113340310B CN113340310B CN202110775033.3A CN202110775033A CN113340310B CN 113340310 B CN113340310 B CN 113340310B CN 202110775033 A CN202110775033 A CN 202110775033A CN 113340310 B CN113340310 B CN 113340310B
- Authority
- CN
- China
- Prior art keywords
- parameter
- parameters
- robot
- horizontal plane
- vertical plane
- 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 69
- 238000012876 topography Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 27
- 230000001502 supplementing effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 18
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3826—Terrain data
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种移动机器人台阶地形识别定位方法,通过平面拟合以及平面投影来获取台阶面轮廓参数,避免对三维点云信息进行特征点的提取以及匹配,可以极大的减少计算量,从而实现的快速的定位;同时将根据台阶面轮廓参数得到的运动估计参数与基于惯性传感器所得到的姿态估计参数相融合,可以纠正惯性传感器定位的漂移,提高定位的精度,从而快速且精确的实现在台阶地形移动过程中的定位。本发明还提供了一种移动机器人台阶地形识别定位装置,一种移动机器人台阶地形识别定位设备以及一种计算机可读存储介质,同样具有上述有益效果。
Description
技术领域
本发明涉及机器人定位技术领域,特别是涉及一种移动机器人台阶地形识别定位方法,一种移动机器人台阶地形识别定位装置,一种移动机器人台阶地形识别定位设备以及一种计算机可读存储介质。
背景技术
移动机器人对未知环境的探索一直是其自主化研究的热点和难点,而SLAM(同步定位与建图)则是其中一个重要的基本问题。对于移动机器人楼梯环境的导航,需要三维地图与定位信息。目前研究主要利用雷达,双目相机,深度相机等多个传感器同时使用进行定位与建图。但是在现有技术中,机器人定位过程的速度较慢,且具有较大误差。所以在台阶地形移动过程中,如何提供一种精度较高且计算速度较快的定位方法是本领域技术人员急需解决的问题。
发明内容
本发明的目的是提供一种移动机器人台阶地形识别定位方法,可以快速且精确的实现在台阶地形移动过程中的定位;本发明的另一目的在于提供一种移动机器人台阶地形识别定位装置,一种移动机器人台阶地形识别定位设备以及一种计算机可读存储介质,可以快速且精确的实现在台阶地形移动过程中的定位。
为解决上述技术问题,本发明提供一种移动机器人台阶地形识别定位方法,包括:
通过深度相机获取对应目标台阶的三维点云信息;
调用平面拟合模型,根据所述三维点云信息得到水平面参数和竖直面参数;
将所述水平面参数投影至二维坐标水平面得到水平面轮廓参数,并将所述竖直面参数投影至二维坐标竖直面得到竖直面轮廓参数;
根据所述水平面轮廓参数,所述竖直面轮廓参数,机器人的位置坐标,以及预先计算的所述目标台阶的水平宽度参数和垂直高度参数,得到所述机器人的运动估计参数;
将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新。
可选的,所述根据所述水平面轮廓参数,所述竖直面轮廓参数,机器人的位置坐标,以及预先计算的所述目标台阶的水平宽度参数和垂直高度参数,得到所述机器人的运动估计参数包括:
调用直线拟合模型,根据所述水平面轮廓参数,所述竖直面轮廓参数,所述位置坐标,所述水平宽度参数和所述垂直高度参数,确定所述目标台阶与所述机器人的相对移动位置信息;
根据相邻帧之间拟合的对应同一位置的直线的夹角,确定所述机器人的相对旋转运动信息;
所述将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新包括:
将包括所述相对移动位置信息以及所述相对旋转运动信息的运动估计参数,与所述姿态估计参数相融合,以对所述位置坐标进行更新。
可选的,所述将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新包括:
调用卡尔曼滤波模型,将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新。
可选的,还包括:
当无法拟合出所述水平面参数或所述竖直面参数时,根据上一计算轮次所得到的水平面参数或竖直面参数补全本计算轮次中的水平面参数或竖直面参数。
可选的,还包括:
根据所述水平面轮廓参数和所述竖直面轮廓参数补充对应所述目标台阶的三维模型图。
本发明还提供了一种移动机器人台阶地形识别定位装置,包括:
获取模块,用于通过深度相机获取对应目标台阶的三维点云信息;
平面参数拟合模块,用于调用平面拟合模型,根据所述三维点云信息得到水平面参数和竖直面参数;
投影模块,用于将所述水平面参数投影至二维坐标水平面得到水平面轮廓参数,并将所述竖直面参数投影至二维坐标竖直面得到竖直面轮廓参数;
运动估计模块,用于根据所述水平面轮廓参数,所述竖直面轮廓参数,机器人的位置坐标,以及预先计算的所述目标台阶的水平宽度参数和垂直高度参数,得到所述机器人的运动估计参数;
融合模块,用于将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新。
可选的,所述运动估计模块包括:
直线拟合单元:用于调用直线拟合模型,根据所述水平面轮廓参数,所述竖直面轮廓参数,所述位置坐标,所述水平宽度参数和所述垂直高度参数,确定所述目标台阶与所述机器人的相对移动位置信息;
旋转角度单元:根据相邻帧之间拟合的对应同一位置的直线的夹角,确定所述机器人的相对旋转运动信息;
所述融合模块具体用于:
将包括所述相对移动位置信息以及所述相对旋转运动信息的运动估计参数,与所述姿态估计参数相融合,以对所述位置坐标进行更新。
可选的,还包括:
补充模块,用于当无法拟合出所述水平面参数或所述竖直面参数时,根据上一计算轮次所得到的水平面参数或竖直面参数补全本计算轮次中的水平面参数或竖直面参数。
本发明还提供了一种移动机器人台阶地形识别定位设备,所述设备包括:
存储器:用于存储计算机程序;
处理器:用于执行所述计算机程序时实现如上述任一项所述移动机器人台阶地形识别定位方法的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述移动机器人台阶地形识别定位方法的步骤。
本发明所提供的一种移动机器人台阶地形识别定位方法,包括通过深度相机获取对应目标台阶的三维点云信息;调用平面拟合模型,根据三维点云信息得到水平面参数和竖直面参数;将水平面参数投影至二维坐标水平面得到水平面轮廓参数,并将竖直面参数投影至二维坐标竖直面得到竖直面轮廓参数;根据水平面轮廓参数,竖直面轮廓参数,机器人的位置坐标,以及预先计算的目标台阶的水平宽度参数和垂直高度参数,得到机器人的运动估计参数;将运动估计参数与机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对位置坐标进行更新。
通过平面拟合以及平面投影来获取台阶面轮廓参数,避免对三维点云信息进行特征点的提取以及匹配,可以极大的减少计算量,从而实现的快速的定位;同时将根据台阶面轮廓参数得到的运动估计参数与基于惯性传感器所得到的姿态估计参数相融合,可以纠正惯性传感器定位的漂移,提高定位的精度,从而快速且精确的实现在台阶地形移动过程中的定位。
本发明还提供了一种移动机器人台阶地形识别定位装置,一种移动机器人台阶地形识别定位设备以及一种计算机可读存储介质,同样具有上述有益效果,在此不再进行赘述。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的一种移动机器人台阶地形识别定位方法的流程图;
图2为本发明实施例所提供的一种具体的移动机器人台阶地形识别定位方法的流程图;
图3为本发明实施例所提供的一种移动机器人台阶地形识别定位装置的结构框图;
图4为本发明实施例所提供的一种移动机器人台阶地形识别定位设备的结构框图。
具体实施方式
本发明的核心是提供一种移动机器人台阶地形识别定位方法。在现有技术中,目前研究主要利用雷达,双目相机,深度相机等多个传感器同时使用进行定位与建图。在定位以及建图过程中,对于三维点云数据的处理通常需要提取其特征点并进行匹配。而提取特征点的过程及其耗时;而在姿态估计时,通常只使用惯性传感器所产生的数据进行姿态估计,而惯性传感器存在漂移情况,会导致定位的不准确。
而本发明所提供的一种移动机器人台阶地形识别定位方法,包括通过深度相机获取对应目标台阶的三维点云信息;调用平面拟合模型,根据三维点云信息得到水平面参数和竖直面参数;将水平面参数投影至二维坐标水平面得到水平面轮廓参数,并将竖直面参数投影至二维坐标竖直面得到竖直面轮廓参数;根据水平面轮廓参数,竖直面轮廓参数,机器人的位置坐标,以及预先计算的目标台阶的水平宽度参数和垂直高度参数,得到机器人的运动估计参数;将运动估计参数与机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对位置坐标进行更新。
通过平面拟合以及平面投影来获取台阶面轮廓参数,避免对三维点云信息进行特征点的提取以及匹配,可以极大的减少计算量,从而实现的快速的定位;同时将根据台阶面轮廓参数得到的运动估计参数与基于惯性传感器所得到的姿态估计参数相融合,可以纠正惯性传感器定位的漂移,提高定位的精度,从而快速且精确的实现在台阶地形移动过程中的定位。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明实施例所提供的一种移动机器人台阶地形识别定位方法的流程图。
参见图1,在本发明实施例中,移动机器人台阶地形识别定位方法包括:
S101:通过深度相机获取对应目标台阶的三维点云信息。
在本发明实施例中,所使用的机器人可以是高大的类人机器人,也可以其它形状的移动机器人均可,在此不做具体限定。在本发明实施例中上述机器人需要设置深度相机,该深度相机拍摄的图像可以携带有深度信息,从而可以直接形成三维点云信息。有关深度相机的具体内容可以参考现有技术,在此不再进行赘述。需要说明的是,上述三维点云信息是摄像头拍摄目标台阶所形成的三维点云信息,即该三维点云信息中需要包括机器人当前所移动的台阶地形中目标台阶的信息。
S102:调用平面拟合模型,根据三维点云信息得到水平面参数和竖直面参数。
所谓平面拟合模型即基于平面拟合算法所构建的模型,在本步骤中平面拟合模型具体会使用pcl(Point Cloud Library)库中的RANSAC平面拟合算法来进行计算。上述平面拟合算法可以剔除离群点,获取合群点,得到拟合平面的参数,对于平面ax+by+cz+d=0可以得到其平面参数a、b、c、d。有关平面拟合算法的具体内容可以参考现有技术,在此不再进行赘述。
而在本步骤中,会基于平面拟合算法,根据S101中获取的三维点云信息,从中拟合出水平面参数和竖直面参数。由于S101中获取的三维点云信息包括有目标台阶的信息,而目标台阶通常是由一水平面以及一竖直面构成。相应的在本步骤中,可以基于平面拟合模型,从三维点云信息中拟合出目标台阶水平面所对应的水平面轮廓参数,以及目标台阶竖直面所对应的竖直面轮廓参数。
S103:将水平面参数投影至二维坐标水平面得到水平面轮廓参数,并将竖直面参数投影至二维坐标竖直面得到竖直面轮廓参数。
在本步骤中,会将S102中得到的水平面参数投影至二维坐标平面,通常是投影至xy平面,此时可以得到对应的水平面轮廓参数,即得到目标台阶的俯视图观看的轮廓信息,进而可以根据该信息得到机器人与台阶边缘的距离。同时在本步骤中,还会将S102中得到的竖直面参数投影至二维坐标平面,通常是投影至yz平面,此时可以得到对应的竖直面轮廓参数,即得到目标台阶的前视图观看的轮廓信息,从而得到机器人在第几个台阶上的位置信息。
S104:根据水平面轮廓参数,竖直面轮廓参数,机器人的位置坐标,以及预先计算的目标台阶的水平宽度参数和垂直高度参数,得到机器人的运动估计参数。
在本步骤中,具体会根据S103中生成的水平面轮廓参数以及竖直面轮廓参数,结合机器人在上一计算轮次,通常是针对上一帧三维点云信息时所计算的位置坐标,以及在之前计算过程中,根据已经生成过的水平面轮廓参数以及竖直面轮廓参数所计算得到的目标台阶的水平宽度参数和垂直高度参数,结合计算得到机器人的运动估计参数。因为在实际情况中台阶地形具有周期变化的规律,所以在本步骤中可以结合根据已经生成过的水平面轮廓参数以及竖直面轮廓参数计算得到的目标台阶的水平宽度参数和垂直高度参数,进行运动估计参数的计算。有关本步骤的具体内容将在下述发明实施例中做详细介绍,在此不再进行赘述。
S105:将运动估计参数与机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对位置坐标进行更新。
在本步骤之前,会根据惯性传感器所测得的数据计算得到机器人的姿态估计参数。惯性传感器可以测量物体在三维空间中的角速度和加速度,进而可以根据惯性传感器测量的角速度和加速度计算机器人的姿态估计参数,该姿态估计参数通常包括机器人的加速度和角速度等等。有关根据惯性传感器测量的数据计算机器人姿态估计参数的具体内容可以参考现有技术,在此不再进行赘述。
在本步骤中,会将上述姿态估计参数与S104中计算得到的运动估计参数相融合,该融合过程结合了计算机视觉所产生的参数以及惯性传感器所产生的参数,可以纠正惯性传感器定位的漂移,提高定位的精度。有关本步骤的具体内容将在下述发明实施例中做详细介绍,在此不再进行赘述。
本发明实施例所提供的一种移动机器人台阶地形识别定位方法,包括通过深度相机获取对应目标台阶的三维点云信息;调用平面拟合模型,根据三维点云信息得到水平面参数和竖直面参数;将水平面参数投影至二维坐标水平面得到水平面轮廓参数,并将竖直面参数投影至二维坐标竖直面得到竖直面轮廓参数;根据水平面轮廓参数,竖直面轮廓参数,机器人的位置坐标,以及预先计算的目标台阶的水平宽度参数和垂直高度参数,得到机器人的运动估计参数;将运动估计参数与机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对位置坐标进行更新。
通过平面拟合以及平面投影来获取台阶面轮廓参数,避免对三维点云信息进行特征点的提取以及匹配,可以极大的减少计算量,从而实现的快速的定位;同时将根据台阶面轮廓参数得到的运动估计参数与基于惯性传感器所得到的姿态估计参数相融合,可以纠正惯性传感器定位的漂移,提高定位的精度,从而快速且精确的实现在台阶地形移动过程中的定位。
有关本发明所提供的一种移动机器人台阶地形识别定位方法的具体内容将在下述发明实施例中做详细介绍。
请参考图2,图2为本发明实施例所提供的一种具体的移动机器人台阶地形识别定位方法的流程图。
参见图2,在本发明实施例中,移动机器人台阶地形识别定位方法包括:
S201:通过深度相机获取对应目标台阶的三维点云信息。
S202:调用平面拟合模型,根据三维点云信息得到水平面参数和竖直面参数。
上述S201至S202与上述发明实施例中S101至S102基本一致,详细内容请参考上述发明实施例,在此不再进行赘述。
S203:当无法拟合出水平面参数或竖直面参数时,根据上一计算轮次所得到的水平面参数或竖直面参数补全本计算轮次中的水平面参数或竖直面参数。
在实际情况中,当使用移动机器人,且深度相机设置的位置较低时,在台阶地形中移动时可能会无法拍摄完整的目标台阶,从而无法拟合出完整的水平面参数或竖直面参数。即在本步骤中,当S202中无法完整的拟合出水平面参数或竖直面参数时,意味着在本步骤中需要补齐上述未拟合出的水平面参数或竖直面参数,才能进行后续流程。具体的,在本步骤中,会根据上一计算轮次,通常是针对上一帧三维点云信息所计算得到的水平面参数或竖直面参数,来补全本计算轮次中未拟合出的水平面参数或竖直面参数。
而具体的补全过程可以是根据相邻两帧三维点云信息之间已经拟合出的水平面参数或竖直面参数之间的对应关系,同比例补全另一未拟合出的水平面参数或竖直面参数。例如,当本计算轮次仅拟合出水平面参数,则在本步骤中会根据上一计算轮次所拟合出的水平面参数与本计算轮次所拟合出的水平面参数之间的变化的比值,将上一计算轮次所拟合出的竖直面参数等比例变化以补全本计算轮次的竖直面参数,从而得到实现平面参数的补全。当然,在本发明实施例中还可以通过其他的方式补全,例如直接使用上一计算轮次的竖直面参数或水平面参数进行补全等均可,是具体情况而定,在此不做具体限定。而本步骤基于上一计算轮次对本计算轮次的数据进行补全,可以有效保证后续各个步骤可以稳定的执行。
S204:将水平面参数投影至二维坐标水平面得到水平面轮廓参数,并将竖直面参数投影至二维坐标竖直面得到竖直面轮廓参数。
本步骤与上述发明实施例中S103基本一致,详细内容请参考上述发明实施例,在此不再进行赘述。
S205:调用直线拟合模型,根据水平面轮廓参数,竖直面轮廓参数,位置坐标,水平宽度参数和垂直高度参数,确定目标台阶与所述机器人的相对移动位置信息。
上述直线拟合模型即基于直线拟合算法所构建的模型,有关直线拟合算法的具体内容可以参考现有技术,在此不再进行赘述。在本步骤中,使用直线拟合算法,可以得到台阶边缘相对于相机的距离,经器人tf坐标系的转换,可以得到机器人相对台阶移动的距离,该距离就是机器人的相对移动位置信息。有关上述各个参数的具体含义以在上述发明实施例中做详细介绍,在此不再进行赘述。
S206:根据相邻帧之间拟合的对应同一位置的直线的夹角,确定机器人的相对旋转运动信息。
在本步骤中,通常会根据相邻计算轮次,即相邻帧之间对于同一位置,例如目标台阶的同一边沿所拟合出的直线之间的夹角,来确定机器人的旋转角,即相对旋转运动信息。相应的,在本发明实施例中运动估计参数通常包括上述相对移动位置信息以及相对旋转运动信息。
S207:将包括相对移动位置信息以及相对旋转运动信息的运动估计参数,与姿态估计参数相融合,以对位置坐标进行更新。
在本步骤中,会将上述相对移动位置信息以及相对旋转运动信息与姿态估计参数相融合,通常具体会选用基于卡尔曼滤波算法所构建的卡尔曼滤波模型对上述参数进行融合,即本步骤通常具体为:调用卡尔曼滤波模型,将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新。有关卡尔曼滤波算法的具体内容可以参考现有技术,在此不再进行赘述。在本发明实施例中,使用通过卡尔曼滤波算法所融合的参数对机器人的位置坐标进行更新,上述融合成的参数可以实现对机器人的定位,上述融合过程可以纠正惯性传感器定位的漂移,提高定位的精度。其中对位置坐标进行更新的具体过程,例如坐标变换等内容可以参考现有技术,在此不再进行赘述。
S208:根据水平面轮廓参数和竖直面轮廓参数补充对应目标台阶的三维模型图。
在本步骤中,可以根据上述S202以及S203后生成的水平面轮廓参数和竖直面轮廓参数构建三维模型图,从而实现SLAM功能。需要说明的是,本步骤与上述S204至S207通常是并行的执行,当然该S208也可以是在上述S S202与S203后任一步骤前或后执行,视具体情况而定,在此不做具体限定。
本发明实施例所提供的一种移动机器人台阶地形识别定位方法,通过补全平面参数的过程使得本发明实施例所提供的方法可以适用于深度相机安装位置较低的移动机器人,且通过平面拟合以及平面投影来获取台阶面轮廓参数,避免对三维点云信息进行特征点的提取以及匹配,可以极大的减少计算量,从而实现的快速的定位;同时将根据台阶面轮廓参数得到的运动估计参数与基于惯性传感器所得到的姿态估计参数相融合,可以纠正惯性传感器定位的漂移,提高定位的精度,从而快速且精确的实现在台阶地形移动过程中的定位。
下面对本发明实施例所提供的一种移动机器人台阶地形识别定位装置进行介绍,下文描述的移动机器人台阶地形识别定位装置与上文描述的移动机器人台阶地形识别定位方法可相互对应参照。
请参考图3,图3为本发明实施例所提供的一种移动机器人台阶地形识别定位装置的结构框图。参照图3,移动机器人台阶地形识别定位装置可以包括:
获取模块100,用于通过深度相机获取对应目标台阶的三维点云信息。
平面参数拟合模块200,用于调用平面拟合模型,根据所述三维点云信息得到水平面参数和竖直面参数。
投影模块300,用于将所述水平面参数投影至二维坐标水平面得到水平面轮廓参数,并将所述竖直面参数投影至二维坐标竖直面得到竖直面轮廓参数。
运动估计模块400,用于根据所述水平面轮廓参数,所述竖直面轮廓参数,机器人的位置坐标,以及预先计算的所述目标台阶的水平宽度参数和垂直高度参数,得到所述机器人的运动估计参数。
融合模块500,用于将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新。
作为优选的,在本发明实施例中,所述运动估计模块400包括:
直线拟合单元:用于调用直线拟合模型,根据所述水平面轮廓参数,所述竖直面轮廓参数,所述位置坐标,所述水平宽度参数和所述垂直高度参数,确定所述目标台阶与所述机器人的相对移动位置信息。
旋转角度单元:根据相邻帧之间拟合的对应同一位置的直线的夹角,确定所述机器人的相对旋转运动信息。
所述融合模块500具体用于:
将包括所述相对移动位置信息以及所述相对旋转运动信息的运动估计参数,与所述姿态估计参数相融合,以对所述位置坐标进行更新。
作为优选的,在本发明实施例中,所述融合模块500具体用于:
调用卡尔曼滤波模型,将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新。
作为优选的,在本发明实施例中,还包括:
补充模块,用于当无法拟合出所述水平面参数或所述竖直面参数时,根据上一计算轮次所得到的水平面参数或竖直面参数补全本计算轮次中的水平面参数或竖直面参数。
作为优选的,在本发明实施例中,还包括:
建图模块,用于根据所述水平面轮廓参数和所述竖直面轮廓参数补充对应所述目标台阶的三维模型图。
本实施例的移动机器人台阶地形识别定位装置用于实现前述的移动机器人台阶地形识别定位方法,因此移动机器人台阶地形识别定位装置中的具体实施方式可见前文中的移动机器人台阶地形识别定位方法的实施例部分,例如,获取模块100,平面参数拟合模块200,投影模块300,运动估计模块400,融合模块500,分别用于实现上述移动机器人台阶地形识别定位方法中步骤S101至S105,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
下面对本发明实施例提供的一种移动机器人台阶地形识别定位设备进行介绍,下文描述的移动机器人台阶地形识别定位设备与上文描述的移动机器人台阶地形识别定位方法以及移动机器人台阶地形识别定位装置可相互对应参照。
请参考图4,图4为本发明实施例所提供的一种移动机器人台阶地形识别定位设备的结构框图。
参照图4,该移动机器人台阶地形识别定位设备可以包括处理器11和存储器12。
所述存储器12用于存储计算机程序;所述处理器11用于执行所述计算机程序时实现上述发明实施例中所述的移动机器人台阶地形识别定位方法的具体内容。
本实施例的移动机器人台阶地形识别定位设备中处理器11用于安装上述发明实施例中所述的移动机器人台阶地形识别定位装置,同时处理器11与存储器12相结合可以实现上述任一发明实施例中所述的移动机器人台阶地形识别定位方法。因此移动机器人台阶地形识别定位设备中的具体实施方式可见前文中的移动机器人台阶地形识别定位方法的实施例部分,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一发明实施例中所介绍的一种移动机器人台阶地形识别定位方法。其余内容可以参照现有技术,在此不再进行展开描述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,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、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种移动机器人台阶地形识别定位方法,一种移动机器人台阶地形识别定位装置,一种移动机器人台阶地形识别定位设备以及一种计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (8)
1.一种移动机器人台阶地形识别定位方法,其特征在于,包括:
通过深度相机获取对应目标台阶的三维点云信息;
调用平面拟合模型,根据所述三维点云信息得到水平面参数和竖直面参数;
将所述水平面参数投影至二维坐标水平面得到水平面轮廓参数,并将所述竖直面参数投影至二维坐标竖直面得到竖直面轮廓参数;
根据所述水平面轮廓参数,所述竖直面轮廓参数,机器人的位置坐标,以及预先计算的所述目标台阶的水平宽度参数和垂直高度参数,得到所述机器人的运动估计参数;
将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新;
所述根据所述水平面轮廓参数,所述竖直面轮廓参数,机器人的位置坐标,以及预先计算的所述目标台阶的水平宽度参数和垂直高度参数,得到所述机器人的运动估计参数包括:
调用直线拟合模型,根据所述水平面轮廓参数,所述竖直面轮廓参数,所述位置坐标,所述水平宽度参数和所述垂直高度参数,确定所述目标台阶与所述机器人的相对移动位置信息;
根据相邻帧之间拟合的对应同一位置的直线的夹角,确定所述机器人的相对旋转运动信息;
所述将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新包括:
将包括所述相对移动位置信息以及所述相对旋转运动信息的运动估计参数,与所述姿态估计参数相融合,以对所述位置坐标进行更新。
2.根据权利要求1所述的方法,其特征在于,所述将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新包括:
调用卡尔曼滤波模型,将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新。
3.根据权利要求1或2所述的方法,其特征在于,还包括:
当无法拟合出所述水平面参数或所述竖直面参数时,根据上一计算轮次所得到的水平面参数或竖直面参数补全本计算轮次中的水平面参数或竖直面参数。
4.根据权利要求3所述的方法,其特征在于,还包括:
根据所述水平面轮廓参数和所述竖直面轮廓参数补充对应所述目标台阶的三维模型图。
5.一种移动机器人台阶地形识别定位装置,其特征在于,包括:
获取模块,用于通过深度相机获取对应目标台阶的三维点云信息;
平面参数拟合模块,用于调用平面拟合模型,根据所述三维点云信息得到水平面参数和竖直面参数;
投影模块,用于将所述水平面参数投影至二维坐标水平面得到水平面轮廓参数,并将所述竖直面参数投影至二维坐标竖直面得到竖直面轮廓参数;
运动估计模块,用于根据所述水平面轮廓参数,所述竖直面轮廓参数,机器人的位置坐标,以及预先计算的所述目标台阶的水平宽度参数和垂直高度参数,得到所述机器人的运动估计参数;
融合模块,用于将所述运动估计参数与所述机器人中设置的惯性传感器所测量的姿态估计参数相融合,以对所述位置坐标进行更新;
所述运动估计模块包括:
直线拟合单元:用于调用直线拟合模型,根据所述水平面轮廓参数,所述竖直面轮廓参数,所述位置坐标,所述水平宽度参数和所述垂直高度参数,确定所述目标台阶与所述机器人的相对移动位置信息;
旋转角度单元:根据相邻帧之间拟合的对应同一位置的直线的夹角,确定所述机器人的相对旋转运动信息;
所述融合模块具体用于:
将包括所述相对移动位置信息以及所述相对旋转运动信息的运动估计参数,与所述姿态估计参数相融合,以对所述位置坐标进行更新。
6.根据权利要求5所述的装置,其特征在于,还包括:
补充模块,用于当无法拟合出所述水平面参数或所述竖直面参数时,根据上一计算轮次所得到的水平面参数或竖直面参数补全本计算轮次中的水平面参数或竖直面参数。
7.一种移动机器人台阶地形识别定位设备,其特征在于,所述设备包括:
存储器:用于存储计算机程序;
处理器:用于执行所述计算机程序时实现如权利要求1至4任一项所述移动机器人台阶地形识别定位方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述移动机器人台阶地形识别定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110775033.3A CN113340310B (zh) | 2021-07-08 | 2021-07-08 | 一种移动机器人台阶地形识别定位方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110775033.3A CN113340310B (zh) | 2021-07-08 | 2021-07-08 | 一种移动机器人台阶地形识别定位方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113340310A CN113340310A (zh) | 2021-09-03 |
CN113340310B true CN113340310B (zh) | 2024-03-15 |
Family
ID=77479295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110775033.3A Active CN113340310B (zh) | 2021-07-08 | 2021-07-08 | 一种移动机器人台阶地形识别定位方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113340310B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114137962B (zh) * | 2021-11-06 | 2023-12-22 | 中山嘉明电力有限公司 | 一种基于四足机器人的爬梯方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2985588A1 (fr) * | 2012-01-10 | 2013-07-12 | Jean Paul Sicard | Procede de localisation d'un mobile en milieu construit |
CN111156998A (zh) * | 2019-12-26 | 2020-05-15 | 华南理工大学 | 一种基于rgb-d相机与imu信息融合的移动机器人定位方法 |
CN112099494A (zh) * | 2020-09-02 | 2020-12-18 | 西安交通大学 | 一种面向全地形车及其自动检测楼梯与攀爬方法 |
CN112541950A (zh) * | 2019-09-20 | 2021-03-23 | 杭州海康机器人技术有限公司 | 一种深度相机外参的标定方法、及装置 |
CN112819883A (zh) * | 2021-01-28 | 2021-05-18 | 华中科技大学 | 一种规则对象检测及定位方法 |
CN113052881A (zh) * | 2021-03-24 | 2021-06-29 | 王程 | 提取极点的室内三维点云自动化配准方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100753536B1 (ko) * | 2006-05-04 | 2007-08-30 | 주식회사 아이너스기술 | 3차원 역설계 모델링을 위한 원시 모델 데이터로부터 2차원스케치 데이터를 검출하는 방법 |
KR102647351B1 (ko) * | 2017-01-26 | 2024-03-13 | 삼성전자주식회사 | 3차원의 포인트 클라우드를 이용한 모델링 방법 및 모델링 장치 |
WO2019195270A1 (en) * | 2018-04-03 | 2019-10-10 | Kaarta, Inc. | Methods and systems for real or near real-time point cloud map data confidence evaluation |
-
2021
- 2021-07-08 CN CN202110775033.3A patent/CN113340310B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2985588A1 (fr) * | 2012-01-10 | 2013-07-12 | Jean Paul Sicard | Procede de localisation d'un mobile en milieu construit |
CN112541950A (zh) * | 2019-09-20 | 2021-03-23 | 杭州海康机器人技术有限公司 | 一种深度相机外参的标定方法、及装置 |
CN111156998A (zh) * | 2019-12-26 | 2020-05-15 | 华南理工大学 | 一种基于rgb-d相机与imu信息融合的移动机器人定位方法 |
CN112099494A (zh) * | 2020-09-02 | 2020-12-18 | 西安交通大学 | 一种面向全地形车及其自动检测楼梯与攀爬方法 |
CN112819883A (zh) * | 2021-01-28 | 2021-05-18 | 华中科技大学 | 一种规则对象检测及定位方法 |
CN113052881A (zh) * | 2021-03-24 | 2021-06-29 | 王程 | 提取极点的室内三维点云自动化配准方法 |
Non-Patent Citations (2)
Title |
---|
利用点云检测室内导航元素的方法综述;危双丰;刘明蕾;赵江洪;黄帅;;武汉大学学报(信息科学版)(第12期);全文 * |
基于激光雷达的远距离运动车辆位姿估计;张名芳;付锐;石涌泉;程文冬;;公路交通科技(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113340310A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110146909B (zh) | 一种定位数据处理方法 | |
CN109116397B (zh) | 一种车载多相机视觉定位方法、装置、设备及存储介质 | |
US9386209B2 (en) | Method and apparatus for estimating position | |
CN109506642B (zh) | 一种机器人多相机视觉惯性实时定位方法及装置 | |
JP6100380B2 (ja) | 特に装置に係る視覚ベースの位置決めに使用される画像処理方法 | |
CN110726406A (zh) | 一种改进的非线性优化单目惯导slam的方法 | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
CN110231028B (zh) | 飞行器导航方法、装置和系统 | |
CN112444246B (zh) | 高精度的数字孪生场景中的激光融合定位方法 | |
CN112116651B (zh) | 一种基于无人机单目视觉的地面目标定位方法和系统 | |
CN109141411B (zh) | 定位方法、定位装置、移动机器人及存储介质 | |
CN114494629A (zh) | 一种三维地图的构建方法、装置、设备及存储介质 | |
CN113340310B (zh) | 一种移动机器人台阶地形识别定位方法及相关装置 | |
CN110850882A (zh) | 一种扫地机器人的充电桩定位方法及装置 | |
CN111113422A (zh) | 机器人定位方法、装置、计算机可读存储介质及机器人 | |
CN112179373A (zh) | 一种视觉里程计的测量方法及视觉里程计 | |
JP7145770B2 (ja) | 車間距離測定装置、誤差モデル生成装置および学習モデル生成装置とこれらの方法およびプログラム | |
CN113580134B (zh) | 视觉定位方法、设备、机器人、存储介质及程序产品 | |
CN110794434B (zh) | 一种位姿的确定方法、装置、设备及存储介质 | |
CN109489658B (zh) | 一种运动目标定位方法、装置及终端设备 | |
CN113379850B (zh) | 移动机器人控制方法、装置、移动机器人及存储介质 | |
CN115560744A (zh) | 机器人以及基于多传感器的三维建图方法、存储介质 | |
CN114842224A (zh) | 一种基于地理底图的单目无人机绝对视觉匹配定位方案 | |
CN114723811A (zh) | 一种非结构化环境四足机器人立体视觉定位建图方法 | |
CN112258582A (zh) | 一种基于道路场景识别的相机姿态标定方法及装置 |
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 |