CN113551677A - 对机器人进行重定位的方法和相关产品 - Google Patents
对机器人进行重定位的方法和相关产品 Download PDFInfo
- Publication number
- CN113551677A CN113551677A CN202110939152.8A CN202110939152A CN113551677A CN 113551677 A CN113551677 A CN 113551677A CN 202110939152 A CN202110939152 A CN 202110939152A CN 113551677 A CN113551677 A CN 113551677A
- Authority
- CN
- China
- Prior art keywords
- map
- robot
- laser data
- target
- highest
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004590 computer program Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种对机器人进行重定位的方法、设备、机器人以及计算机程序产品。其中,该方法包括:获取关于机器人所处环境的栅格地图;根据所述栅格地图构建包含有多个目标地图的地图集合;获取关于所述地图集合中每个目标地图的激光数据;以及根据所述地图集合中每个目标地图和其激光数据,确定所述机器人的位置信息。通过本发明的技术方案,基于栅格地图和激光数据实现对机器人的重定位。
Description
技术领域
本发明一般地涉及机器人技术领域。更具体地,本发明涉及一种对机器人进行重定位的方法、设备、机器人和计算机程序产品。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述可包括可以探究的概念,但不一定是之前已经想到或者已经探究的概念。因此,除非在此指出,否则在本部分中描述的内容对于本申请的说明书和权利要求书而言不是现有技术,并且并不因为包括在本部分中就承认是现有技术。
激光定位作为机器人常用的定位技术,已经在各个机器人行业进行落地和使用。这种激光定位技术能够让机器人在不改变使用环境的情况下,确定机器人在作业环境中的位置。然而在实际的使用过程中,仍然会出现机器人开机启动时位置不确定和使用过程中由于传感器数据异常导致机器人定位发生丢失等问题。为了解决此问题,现有技术采用人工定位技术来实现对机器人的重定位,其需要人为在地图上选择位姿作为机器人的真实位姿,或者人工在地图上框选一区域来进行定位。可以看出,这种人工定位方式不仅效率低,而且定位精确度低。
发明内容
为了至少解决上述背景技术部分所描述的技术问题,本发明提出了一种对机器人进行重定位的方案。利用本发明的方案,无需人工干预,基于栅格地图和激光数据即可实现对机器人的重定位。可以看出,利用本发明的方案可以提高对机器人定位效率和定位精确度,而且鉴于此,本发明在如下的多个方面提供解决方案。
本发明的第一方面提供了一种对机器人进行重定位的方法,包括:获取关于机器人所处环境的栅格地图;根据所述栅格地图构建包含有多个目标地图的地图集合;获取关于所述地图集合中每个目标地图的激光数据;以及根据所述地图集合中每个目标地图和其激光数据,确定所述机器人的位置信息。
在一个实施例中,其中根据所述栅格地图构建包含有多个目标地图的地图集合包括:基于对所述栅格地图的多分辨率处理,得到包含多个不同分辨率地图的第一集合;获取所述第一集合中的每个地图对应的似然地图,以构建包含多个不同分辨率似然地图的第二集合;获取所述机器人所处环境的激光数据;以及根据所述机器人所处环境的激光数据和所述第二集合中的似然地图,确定所述地图集合。
在一个实施例中,其中确定所述地图集合包括:根据预设角分辨率间隔对所述机器人所处环境的激光数据进行旋转处理,以得到激光数据集合;从所述第二集合中筛选出分辨率最低的似然地图,以确定其为所述目标地图;以及对所述目标地图进行复制,以构成所述地图集合,其中所述地图集合与所述激光数据集合大小相同。
在一个实施例中,其中确定所述机器人的位置信息包括:将所述激光数据集合中的每个激光数据与所述地图集合中的每个所述目标地图进行关联;基于所述激光数据集合中的每个激光数据,计算其关联的目标地图的权重;以及从所述地图集合中筛选出权重最高的目标地图,以根据其关联的激光数据确定所述机器人的位置信息。
在一个实施例中,其中从根据其关联的激光数据确定所述机器人的位置信息包括:判断所述权重最高的目标地图是否具有最高分辨率;响应于所述权重最高的目标地图具有最高分辨率,获取其关联的激光数据在所述权重最高的目标地图中位姿,以确定为所述机器人的位置信息;或者响应于所述权重最高的目标地图不具有最高分辨率,将所述权重最高的目标地图划分为多个区域;从所述多个区域中筛选出权重最高的区域;获取目标激光数据在所述权重最高的区域中位姿,以确定为所述机器人的位置信息,其中目标激光数据是与所述权重最高的目标地图相关联的激光数据。
在一个实施例中,其中从所述多个区域中筛选出权重最高的区域包括:将所述目标激光数据与所述多个区域中的每个区域进行关联;基于所述目标激光数据,计算所述每个区域的权重;以及从所述多个区域中筛选出权重最高的区域。
在一个实施例中,其中所述多分辨率处理包括预设压缩比例的压缩处理。
本发明的第二方面提供了一种设备,包括:处理器;以及存储器,其存储有对机器人进行重定位的计算机指令,当所述计算机指令由所述处理器运行时,使得所述设备执行前述第一方面以及在下文多个实施例中所述的方法。
本发明的第三方面提供了一种机器人,包括:如前述第二方面所描述的设备,其配置成执行根据第一方面以及在下文多个实施例中所述的方法,实现对机器人的重定位。
本发明的第四方面提供了一种计算机程序产品,包括对机器人进行重定位的程序指令,当所述程序指令由处理器执行时,使得实现前述第一方面以及在下文多个实施例中所述的方法。
利用本发明所提供的方案,可以根据机器人所处环境的栅格地图和激光数据来确定机器人的位置信息,从而实现对机器人的重定位。可以看出,本发明的方案在实现对机器人的重定位过程中,无需人工干预,并能够利用相关数据实现对机器人的快速和精准地定位。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是示出根据本发明实施例的对机器人进行重定位的方法的流程图;
图2是示出根据本发明实施例的构建地图集合的方法的流程图;
图3是示出根据本发明实施例的对机器人进行重定位的另一方法的流程图;以及
图4是示出根据本发明实施例的设备的结构图。
具体实施方式
下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域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方式,都属于本发明保护的范围。
应当理解,本发明的权利要求、说明书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。本发明的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施方式的目的,而并不意在限定本发明。如在本发明说明书和权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解,在本发明说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合附图来详细描述本发明的具体实施方式。
图1是示出根据本发明实施例的对机器人进行重定位的方法的流程图。
如图1所示,在步骤S101处,可以获取关于机器人所处环境的栅格地图。前述的栅格地图的获取方式可以包括多种方式。例如,在一个实施例中,可以通过激光雷达传感器来对机器人所处环境进行扫描,并利用所得到的数据构建地图。接着,可以基于前述所构建的地图得到该栅格地图。例如通过SLAM(Simultaneous Localization And Mapping,同步定位与地图构建)方法实现该栅格地图的构建。在另一个实施例中,可以通过摄像头采集机器人所处环境的图像,并将采集到的图像转换成上述栅格地图。可以理解的是,这里的栅格地图的获取方式仅仅是一种可能的实现方式,本发明的技术方案并不受此限制。
接着,在步骤S102处,可以根据前述的栅格地图构建包含多个目标地图的地图集合。在一个实施例中,前述的步骤S102可以通过图2中的步骤S201、步骤S202、步骤S203和步骤S204来实现。
如图2所示,在步骤S201处,可以在基于对前述的栅格地图的多分辨率处理,来得到第一集合。其中前述的第一集合包含有多个不同分辨率的地图。在一个实施例中,可以通过对前述的栅格地图按照预设压缩比例进行压缩处理,以将前述的栅格地图压缩成多个不同分辨率的地图,从而形成前述的第一集合。可以理解的是,这里的第一集合的获取方式仅仅是一种可能的实现方式,本发明的技术方案并不受此限制。
接着,在步骤S202处,可以获取前述的第一集合中的每个地图对应的似然地图以构建第二集合。其中前述的第二集合包含有多个不同分辨率似然地图。在一个实施例中,可以利用似然域模型来计算前述第一集合中的每个地图对应的似然地图。可以理解的是,这里的似然地图的获取方式仅仅是一种可能的实现方式,本发明的技术方案并不受此限制。
接着,在步骤S203处,可以获取前述的机器人所处环境的激光数据。在一个实施例中,可以通过激光雷达传感器(例如单线激光雷达传感器)来获取该激光数据。可以理解的是,这里的激光数据和前述的栅格地图需为同一数据源。
接着,在步骤S204处,可以根据前述机器人所处环境的激光数据和第二集合中的似然地图来确定上述的地图集合。在一个实施例中,前述的地图集合可以涉及激光数据集合的获取和目标地图的获取。具体地,可以根据预设角分辨率间隔来对前述的激光数据进行旋转,以得到前述的激光数据集合。接着,可以从前述的第二集合中筛选出分辨率最低的似然地图来作为前述的目标地图。接着,可以按照前述激光数据集合的大小来复制同等数量的前述目标地图,以完成前述地图集合的构建。
在完成前述地图结合的构建之后,接着,在步骤S103处,可以获取关于前述的地图集合中每个目标地图的激光数据。在一个实施例中,可以将上述激光数据集合中的数据分别与前述的每个目标地图进行关联(例如可以将激光集合中的数据与目标地图进行一一对应)。
接着,在步骤S104处,可以根据前述的地图集合中每个目标地图和其激光数据,来确定机器人的位置信息。在一个实施例中,可以利用前述激光数据集合中的每个激光数据来计算其关联的目标地图的权重。接着,可以从前述的地图集合中筛选出权重最高的目标地图。接着,判断该权重最高的目标地图是否具有最高分辨率。在确定其具有最高分辨率时,可以直接输出其所关联的激光数据在该权重最高的目标地图中位姿,以作为机器人的位置信息。而在确定其不具有最高分辨率时,则需要对该权重最高的目标地图进行多区域划分,以根据新划分的区域来确定机器人的位置信息。
在一个实施例中,可以将前述权重最高的目标地图划分为若干区域。对于这若干个区域中的每个区域均利用权重最高的目标地图对应的激光数据进行权重匹配计算。接着,可以提高每个区域的分辨率以及将权重最高的目标地图对应的激光数据与每个区域进行绑定,以重新确定权重最高的区域中激光数据的位姿为机器人的位置信息。
图3是示出根据本发明实施例的对机器人进行重定位的另一方法30的流程图。
如图3所示,在步骤S301处,可以获取关于机器人所处环境的定位地图。可以理解的是,这里的定位地图可以是前文集合图1和图2所描述的栅格地图,其具体可以由激光雷达传感器所采集的数据来构建。
接着,在步骤S302处,可以根据预设压缩比例将前述的定位地图压缩成不用分辨率的地图集合M1。可以理解的是,这里的地图集合M1可以是前文集合图1和图2所描述的第一集合,因此前文关于第一集合的描述同样也适合下文。
接着,在步骤S303处,可以获取地图集合M1中每张地图的似然地图,以得到似然地图集合M2。可以理解的是,这里的似然地图集合M2可以是前文集合图1和图2所描述的第二集合。因此,前述的集合M2可以基于似然域模型对M1中每张地图的处理来获取。
接着,在步骤S304处,可以获取机器人所处环境的激光数据。在一个实施例中,可以获取单线激光雷达传感器采集到的每帧数据。
接着,在步骤S305处,可以对前述获取到的激光数据按照预定角分辨率间隔进行旋转,以得到激光数据集合L。
接着,在步骤S306处,可以获取激光数据集合L的大小N,并且复制N个集合M2中分辨率最低的地图(即前述的目标地图),以得到地图集合M3。其中,地图集合M3的目标地图可以与激光数据集合L中的数据一一对应。
接着,在步骤S307处,将前述集合M3中每张目标地图与其对应的激光数据进行权重匹配计算,并且将其放入处理队列中和将队列中权重最高的地图中激光数据的位姿记录为Bpose。
接着,在步骤S308处,判断前述处理队列是否为空,以得到判断结果。
接着,在步骤S309处,响应于前述判断结果为真,将Bpose作为重定位结果输出。
接着,在步骤S310处,响应于前述判断结果为假,从前述处理对垒中取出权重最高的地图Qmap。
接着,在步骤S311处,判断地图Qmap是否为最高分辨率,以得到判断结果。响应于步骤311中判断结果为真,将Bpose作为重定位结果输出。
接着,在步骤S312处,响应于步骤311中判断结果为假,将地图Qmap划分为多个区域(例如4个区域)。接着,分别使用地图Qmap对应的激光数据对各个区域进行权重匹配计算。接着,提高每个区域的分辨率以及基于地图Qmap对应的激光数据对每个区域进行绑定。然后,将绑定有激光数据的区域添加至前述的处理队列中。
接着,在步骤S313处,将激光数据在前述地图Qmap中权重最高的区域内的位置更新至Bpose中,并返回执行步骤S308。
本发明通过将机器人的定位地图进行多分辨率化,并使用激光数据从低分辨率到高分辨率在不同分辨率地图上进行匹配,以筛选出匹配权重最高的位姿作为重定位输出,实现了对机器人的快速和精准地定位。
图4是示出根据本发明实施例的系统400的示意框图。该系统400可以包括根据本发明实施例的设备401以及其外围设备和外部网络。如前所述,该设备401实现关于机器人所处环境的栅格地图和激光数据、并利用该栅格地图和激光数据来实现对机器人的充电位等操作,以实现前述结合图1-图3所述的本发明的方案。
如图4中所示,设备401可以包括CPU4011,其可以是通用CPU、专用CPU或者其他信息处理以及程序运行的执行单元。进一步,设备401还可以包括大容量存储器4012和只读存储器ROM 4013,其中大容量存储器4012可以配置用于存储各类数据,以及设备运行所需的各种程序,ROM4013可以配置成存储对于设备401的加电自检、系统中各功能模块的初始化、系统的基本输入/输出的驱动程序及引导操作系统所需的数据。
进一步,设备401还包括其他的硬件平台或组件,例如示出的TPU(TensorProcessing Unit,张量处理单元)4014、GPU(Graphic Processing Unit,图形处理器)4015、FPGA(Field Programmable Gate Array,现场可编程逻辑门阵列)4016和MLU(MemoryLogic Unit),存储器逻辑单元)4017。可以理解的是,尽管在设备401中示出了多种硬件平台或组件,但这里仅仅是示例性的而非限制性的,本领域技术人员可以根据实际需要增加或移除相应的硬件。例如,设备401可以仅包括CPU作为公知硬件平台和另一硬件平台作为本发明的测试硬件平台。
本发明的设备401还包括通信接口4018,从而可以通过该通信接口4018连接到局域网/无线局域网(LAN/WLAN)405,进而可以通过LAN/WLAN连接到本地服务器406或连接到因特网(“Internet”)407。替代地或附加地,本发明的设备401还可以通过通信接口4018基于无线通信技术直接连接到因特网或蜂窝网络,例如基于第三代(“3G”)、第四代(“4G”)或第5代(“5G”)的无线通信技术。
设备401的外围设备可以包括显示装置402、输入装置403以及数据传输接口404。在一个实施例中,显示装置402可以例如包括一个或多个扬声器和/或一个或多个视觉显示器,其配置用于对本发明测试设备的运算过程或者最终结果进行语音提示和/或图像视频显示。输入装置403可以包括例如键盘、鼠标、麦克风、姿势捕捉相机,或其他输入按钮或控件,其配置用于接收测试数据的输入或用户指令。数据传输接口404可以包括例如串行接口、并行接口或通用串行总线接口(“USB”)、小型计算机系统接口(“SCSI”)、串行ATA、火线(“FireWire”)、PCI Express和高清多媒体接口(“HDMI”)等,其配置用于与其他设备或系统的数据传输和交互。根据本发明的方案,该数据传输接口404可以接收机器人所处环境的栅格地图和激光数据。
本发明的设备401的上述CPU 4011、大容量存储器4012、只读存储器ROM 4013、TPU4014、GPU 4015、FPGA 4016、MLU 4017和通信接口4018可以通过总线4019相互连接,并且通过该总线与外围设备实现数据交互。在一个实施例中,通过该总线4019,CPU 4011可以控制设备401中的其他硬件组件及其外围设备。
在工作中,本发明的设备401的处理器CPU 4011可以通过输入装置403或数据传输接口404获取机器人所处环境的栅格地图和激光数据,并调取存储于存储器4012中的计算机程序指令或代码对获取到的信息进行处理,以便生成机器人的位置信息。
在一个实施例中,上述设备401可以作为单独的处理设备,并且可与机器人之间进行信息交互。还可以是将设备401小型化后布置在机器人上。
从上面关于本发明模块化设计的描述可以看出,本发明的系统可以根据应用场景或需求进行灵活地布置而不限于附图所示出的架构。进一步,还应当理解,本发明示例的执行操作的任何模块、单元、组件、服务器、计算机或设备可以包括或以其他方式访问计算机可读介质,诸如存储介质、计算机存储介质或数据存储设备(可移除的)和/或不可移动的)例如磁盘、光盘或磁带。计算机存储介质可以包括以用于存储信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质,例如计算机可读指令、数据结构、程序模块或其他数据。基于此,本发明也公开了一种计算机可读存储介质,其上存储有对机器人进行重定位的计算机可读指令,该计算机可读指令被一个或多个处理器执行时,实现在前结合附图所描述的方法和操作。
虽然本说明书已经示出和描述了本发明的多个实施方式,但对于本领域技术人员显而易见的是,这样的实施方式是仅以示例的方式提供的。本领域技术人员在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解在实践本发明的过程中,可以采用本文所描述的本发明实施方式的各种替代方案。所附权利要求书旨在限定本发明的保护范围,并因此覆盖这些权利要求范围内的模块组成、等同或替代方案。
Claims (10)
1.一种对机器人进行重定位的方法,其特征在于,包括:
获取关于机器人所处环境的栅格地图;
根据所述栅格地图构建包含有多个目标地图的地图集合;
获取关于所述地图集合中每个目标地图的激光数据;以及
根据所述地图集合中每个目标地图和其激光数据,确定所述机器人的位置信息。
2.根据权利要求1所述的方法,其特征在于,其中根据所述栅格地图构建包含有多个目标地图的地图集合包括:
基于对所述栅格地图的多分辨率处理,得到包含多个不同分辨率地图的第一集合;
获取所述第一集合中的每个地图对应的似然地图,以构建包含多个不同分辨率似然地图的第二集合;
获取所述机器人所处环境的激光数据;以及
根据所述机器人所处环境的激光数据和所述第二集合中的似然地图,确定所述地图集合。
3.根据权利要求2所述的方法,其特征在于,其中确定所述地图集合包括:
根据预设角分辨率间隔对所述机器人所处环境的激光数据进行旋转处理,以得到激光数据集合;
从所述第二集合中筛选出分辨率最低的似然地图,以确定其为所述目标地图;以及
对所述目标地图进行复制,以构成所述地图集合,其中所述地图集合与所述激光数据集合大小相同。
4.根据权利要求3所述的方法,其特征在于,其中确定所述机器人的位置信息包括:
将所述激光数据集合中的每个激光数据与所述地图集合中的每个所述目标地图进行关联;
基于所述激光数据集合中的每个激光数据,计算其关联的目标地图的权重;以及
从所述地图集合中筛选出权重最高的目标地图,以根据其关联的激光数据确定所述机器人的位置信息。
5.根据权利要求4所述的方法,其特征在于,其中从根据其关联的激光数据确定所述机器人的位置信息包括:
判断所述权重最高的目标地图是否具有最高分辨率;
响应于所述权重最高的目标地图具有最高分辨率,获取其关联的激光数据在所述权重最高的目标地图中位姿,以确定为所述机器人的位置信息;或者
响应于所述权重最高的目标地图不具有最高分辨率,将所述权重最高的目标地图划分为多个区域;
从所述多个区域中筛选出权重最高的区域;
获取目标激光数据在所述权重最高的区域中位姿,以确定为所述机器人的位置信息,其中目标激光数据是与所述权重最高的目标地图相关联的激光数据。
6.根据权利要求5所述的方法,其特征在于,其中从所述多个区域中筛选出权重最高的区域包括:
将所述目标激光数据与所述多个区域中的每个区域进行关联;
基于所述目标激光数据,计算所述每个区域的权重;以及
从所述多个区域中筛选出权重最高的区域。
7.根据权利要求2至6中任一项所述的方法,其特征在于,其中所述多分辨率处理包括预设压缩比例的压缩处理。
8.一种设备,其特征在于,包括:
处理器;以及
存储器,其存储有对机器人进行重定位的计算机指令,当所述计算机指令由所述处理器运行时,使得所述机器人执行根据权利要求1-7的任意一项所述的方法。
9.一种机器人,其特征在于,包括:
如权利要求8所述的设备,其配置成执行根据权利要求1-7的任意一项所述的方法,实现对机器人的重定位。
10.一种计算机程序产品,其特征在于,包括对机器人进行重定位的程序指令,当所述程序指令由处理器执行时,使得实现根据权利要求1-7的任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110939152.8A CN113551677B (zh) | 2021-08-16 | 2021-08-16 | 对机器人进行重定位的方法和相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110939152.8A CN113551677B (zh) | 2021-08-16 | 2021-08-16 | 对机器人进行重定位的方法和相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113551677A true CN113551677A (zh) | 2021-10-26 |
CN113551677B CN113551677B (zh) | 2024-06-14 |
Family
ID=78134016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110939152.8A Active CN113551677B (zh) | 2021-08-16 | 2021-08-16 | 对机器人进行重定位的方法和相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113551677B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117031481A (zh) * | 2023-08-14 | 2023-11-10 | 北京数字绿土科技股份有限公司 | 一种基于投影3d激光点云的移动机器人重定位方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080033645A1 (en) * | 2006-08-03 | 2008-02-07 | Jesse Sol Levinson | Pobabilistic methods for mapping and localization in arbitrary outdoor environments |
US20150268373A1 (en) * | 2014-03-20 | 2015-09-24 | Lockheed Martin Corporation | Mapping and monitoring of hydraulic fractures using vector magnetometers |
CN109978925A (zh) * | 2017-12-27 | 2019-07-05 | 深圳市优必选科技有限公司 | 一种机器人位姿的识别方法及其机器人 |
CN110132284A (zh) * | 2019-05-30 | 2019-08-16 | 东北大学 | 一种基于深度信息的全局定位方法 |
CN111539994A (zh) * | 2020-04-28 | 2020-08-14 | 武汉科技大学 | 一种基于语义似然估计的粒子滤波重定位方法 |
CN111765884A (zh) * | 2020-06-18 | 2020-10-13 | 北京海益同展信息科技有限公司 | 机器人重定位方法、装置、电子设备及存储介质 |
WO2021114764A1 (zh) * | 2019-12-10 | 2021-06-17 | 亿嘉和科技股份有限公司 | 基于局部地图的地图修正方法及系统 |
US20210207974A1 (en) * | 2018-06-04 | 2021-07-08 | The Research Foundation For The State University Of New York | System and Method Associated with Expedient Determination of Location of One or More Object(s) Within a Bounded Perimeter of 3D Space Based on Mapping and Navigation to a Precise POI Destination Using a Smart Laser Pointer Device |
-
2021
- 2021-08-16 CN CN202110939152.8A patent/CN113551677B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080033645A1 (en) * | 2006-08-03 | 2008-02-07 | Jesse Sol Levinson | Pobabilistic methods for mapping and localization in arbitrary outdoor environments |
US20150268373A1 (en) * | 2014-03-20 | 2015-09-24 | Lockheed Martin Corporation | Mapping and monitoring of hydraulic fractures using vector magnetometers |
CN109978925A (zh) * | 2017-12-27 | 2019-07-05 | 深圳市优必选科技有限公司 | 一种机器人位姿的识别方法及其机器人 |
US20210207974A1 (en) * | 2018-06-04 | 2021-07-08 | The Research Foundation For The State University Of New York | System and Method Associated with Expedient Determination of Location of One or More Object(s) Within a Bounded Perimeter of 3D Space Based on Mapping and Navigation to a Precise POI Destination Using a Smart Laser Pointer Device |
CN110132284A (zh) * | 2019-05-30 | 2019-08-16 | 东北大学 | 一种基于深度信息的全局定位方法 |
WO2021114764A1 (zh) * | 2019-12-10 | 2021-06-17 | 亿嘉和科技股份有限公司 | 基于局部地图的地图修正方法及系统 |
CN111539994A (zh) * | 2020-04-28 | 2020-08-14 | 武汉科技大学 | 一种基于语义似然估计的粒子滤波重定位方法 |
CN111765884A (zh) * | 2020-06-18 | 2020-10-13 | 北京海益同展信息科技有限公司 | 机器人重定位方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
陈国军;陈巍;: "基于改进RBPF算法的移动机器人SLAM方法研究", 自动化仪表, no. 05, 31 May 2019 (2019-05-31), pages 65 - 68 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117031481A (zh) * | 2023-08-14 | 2023-11-10 | 北京数字绿土科技股份有限公司 | 一种基于投影3d激光点云的移动机器人重定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113551677B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6811296B2 (ja) | コレクターの相対パラメータのキャリブレーション方法、装置、機器及び媒体 | |
US9842417B2 (en) | Computing device and method for simplifying point cloud of object | |
CN110163087B (zh) | 一种人脸姿态识别方法及系统 | |
CN109726261A (zh) | 一种热力图生成方法及装置 | |
CN112633661A (zh) | 一种基于bim的应急调度指挥方法、系统、计算机设备及可读介质 | |
CN113551677A (zh) | 对机器人进行重定位的方法和相关产品 | |
EP3282351A1 (en) | System and method for facilitating an inspection process | |
CN116681959B (zh) | 基于机器学习的锋线识别方法、装置、存储介质及终端 | |
CN112129227A (zh) | 一种印制电路板的扫描方法、装置、设备和介质 | |
CN110989898A (zh) | 用于核电站仿真的显示器的监控方法、系统、介质及设备 | |
CN117094660A (zh) | 一种基于数字孪生技术的施工监控方法及系统 | |
CN112906092A (zh) | 一种映射方法和映射系统 | |
CN115982824A (zh) | 施工现场工人空间管理方法、装置、电子设备及存储介质 | |
CN112652056B (zh) | 一种3d信息展示方法及装置 | |
US11922659B2 (en) | Coordinate calculation apparatus, coordinate calculation method, and computer-readable recording medium | |
CN114882115A (zh) | 车辆位姿的预测方法和装置、电子设备和存储介质 | |
CN111124862A (zh) | 智能设备性能测试方法、装置及智能设备 | |
CN110458743B (zh) | 基于大数据分析的社区治理方法、装置、设备及存储介质 | |
CN113446940A (zh) | 一种点云扫描方法、装置及设备 | |
JP2022021268A (ja) | 屋根の劣化診断方法および劣化診断システム | |
CN112634439A (zh) | 一种3d信息展示方法及装置 | |
CN115373571B (zh) | 一种图像显示装置、方法、设备及介质 | |
JP2022024189A (ja) | 学習用データ作成方法、学習用データ作成装置及びプログラム | |
JP3238461U (ja) | 屋根の劣化診断システム | |
CN113343999B (zh) | 基于目标检测的目标边界记录方法、装置和计算设备 |
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 |