CN114166219A - 一种校正惯导误差的方法、芯片及机器人 - Google Patents

Abstract

本发明公开了一种校正惯导误差的方法、芯片及机器人，所述方法在移动机器人的移动距离处于预设范围内时，选取一个与第一信息采集点朝向相同的且距离不大于预设距离的第二信息采集点进行惯导误差的校正。其中，所述移动距离若小于预设范围的最小值，则表明此时惯导不存在误差或者误差可以忽略不计，此时不进行校正以避免做无用功，降低机器人工作效率。所述移动距离若大于预设范围的最大值，则认为惯导已有较大的误差，此时若利用点云数据进行校正，难以得到准确的校正结果。因此，基于本发明所述的方法，可以在合适的时机和位置校正惯导的误差，大大提高了惯导校正结果的准确性。

Description

一种校正惯导误差的方法、芯片及机器人

技术领域

本发明涉及导航技术领域，具体涉及一种校正惯导误差的方法、芯片及机器人。

背景技术

惯性导航对于智能移动机器人来说是一种成本低且实用的导航方法，但是其弊端也较为突出，主要表现为导航精度不高。其中，陀螺仪漂移和编码器漂移是影响导航精度的主要原因。在扫地机器人的运行过程中，由于温度或轮子打滑等复杂因素，使得陀螺仪和编码器出现误差，如果不对误差进行校正，机器人会逐渐偏离路线。

目前，存在多种校正惯导误差的方法，例如，公告号为CN105737853B所公开的一种机器人惯性导航系统的漂移校准方法，利用机器人的状态变化校正惯导的漂移；公布号为CN110873883A所公开的一种融合激光雷达和IMU的定位方法、介质、终端和装置，利用激光传感器的数据对惯导进行必要的校正。然而，在实际应用中，本申请人发现即使对惯导的误差进行校正，机器人仍会出现偏离路线的情况，即惯导仍然存在不可忽视的误差。经过分析，导致这种现象的原因在于，目前机器人校正惯导的误差是一个随机的过程，没有考虑校正误差的时机和位置，从而造成校正结果不理想的情况。

发明内容

为解决上述问题，本发明提供了一种校正惯导误差的方法、芯片及机器人，可以在合适的时机和位置校正惯导的误差，大大提高了惯导校正结果的准确性。本发明的具体技术方案如下：

一种校正惯导误差的方法，所述方法包括如下步骤：步骤S1，移动机器人选取一位置作为第一信息采集点并保存该位置的点云数据，然后继续移动；步骤S2，移动机器人检测到从第一信息采集点出发后的移动距离处于第一预设范围内时，判断自身的朝向，当自身的朝向与在第一信息采集点时的朝向相同时，判断自身的位置与第一信息采集点的距离，当所述距离不大于预设距离时，将所处位置作为第二信息采集点；步骤S3，移动机器人采集第二信息采集点的点云数据，然后对两次点云数据进行配准，得到点云的位姿变换；步骤S4，移动机器人计算惯导的位姿变换，然后将点云的位姿变换与惯导的位姿变换作差，得到惯导的误差并进行判断，如果惯导的误差大于阈值，则对惯导的误差进行校正。

进一步地，所述移动机器人按照弓字形移动路径进行移动，所述弓字形移动路径中的每条路径都包含一个端点，所述端点位于相应路径的末端。

进一步地，所述步骤S1中，移动机器人选取第一信息采集点的具体方法包括：步骤S11，移动机器人按弓字形移动路径行走，同时判断是否位于任一条路径的端点处，若是，则采集当前环境的点云数据并进入步骤S12；步骤S12，移动机器人判断当前环境的点云数据的数量是否大于预设值，若否，则返回步骤S11，若是，则选取该端点作为第一信息采集点。

进一步地，所述步骤S2中，移动机器人选取第二信息采集点的方法具体包括：步骤S21，移动机器人继续按弓字形移动路径行走，同时记录从第一信息采集点出发后的移动距离，然后在检测到所述移动距离处于第一预设范围内时，进入步骤S22；步骤S22，移动机器人判断自身的行走方向，当行走方向与第一信息采集点所在路径的行走方向一致时，选取当前行走路径的端点作为第二信息采集点；其中，所述作为第二信息采集点的端点与所述作为第一信息采集点的端点的距离不大于预设距离。

进一步地，所述移动机器人通过3D-TOF传感器在第一信息采集点以及第二信息采集点采集点云数据。

进一步地，所述步骤S4中的惯导的位姿变换包括陀螺仪的角度变换、编码器的角度变换和编码器的位移变换；其中，陀螺仪的角度变换通过当前陀螺仪的角度与上一次校正后的陀螺仪的角度作差获得；编码器的角度变换通过当前编码器中码盘记录的角度进行积分获得；编码器的位移变换通过当前编码器中码尺记录的位移进行积分获得。

进一步地，所述步骤S4中的惯导的误差包括陀螺仪的角度误差、编码器的角度误差和编码器的位移误差；其中，所述陀螺仪的角度误差通过点云的角度变换与陀螺仪的角度变换作差获得；所述编码器的角度误差通过点云的角度变换与编码器的角度变换作差获得；所述编码器的位移误差通过点云的位移变换与编码器的位移变换作差获得；其中，点云的角度变换和点云的位移变换属于点云的位姿变换。

进一步地，所述步骤S4中对惯导的误差进行校正的方法包括：当陀螺仪的角度误差大于阈值时，将当前陀螺仪的角度更新为当前陀螺仪的角度与陀螺仪的角度误差之和；当编码器的角度误差大于阈值时，将当前码盘记录的角度更新为当前码盘记录的角度与编码器的角度误差之和；当编码器的位移误差大于阈值时，将当前码盘记录的位移更新为当前码盘记录的位移与编码器的位移误差之和。

一种芯片，该芯片上储存有计算机程序，所述计算机程序被执行时实现所述校正惯导误差的方法的步骤。

一种移动机器人，所述移动机器人装配有所述的芯片。

本发明的有益效果在于：与现有技术相比，本发明所述的方法在移动机器人的移动距离处于预设范围内时，选取一个与第一信息采集点朝向相同的且距离不大于预设距离的第二信息采集点进行惯导误差的校正，可以大大提高惯导校正结果的准确性。其中，所述移动距离若小于预设范围的最小值，则表明此时惯导不存在误差或者误差可以忽略不计（假设此前惯导还没有误差），此时不进行校正以避免做无用功，降低机器人工作效率。所述移动距离若大于预设范围的最大值，则认为惯导已有较大的误差，此时若利用点云数据进行校正，难以得到准确的校正结果。因为点云配准对待配准的两片初始点云有较高的重叠度要求，在惯导有较大误差的时候，点云配准容易陷入局部最优解。同理，控制第一信息采集点与第二信息采集点的距离不大于预设距离也可以避免点云配准陷入局部最优解，而且，也只有在距离相近的情况下才能采集到同一目标的点云数据，否则无法实现点云配准。最后，以点云配准得到的点云的位姿变换为基准，与惯导的位姿变换进行比较，便可得知移动机器人所认为的两条平行的移动路径实际上存在的偏差，最后利用该偏差即可校正惯导的误差，从而提高机器人的导航精度。

附图说明

图1为本发明一种实施例所述校正惯导误差的方法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

现有技术中的惯性导航移动机器人，经常由于惯导的漂移误差以及累计误差影响定位精度。例如，作为惯导核心器件的陀螺仪，不仅存在零点偏移和积分误差，还会受到温度的影响，其测量精度一直是惯性导航领域研究的重点；在包含编码器的惯导机器人中，编码器中的码盘对驱动轮进行计数，若驱动轮打滑、地面介质存在颠簸，则随着时间的积累，码盘计数值相对于机器人实际行走过的距离出现较大误差，导致计算出的机器人的位姿等出现偏差。惯导的误差直接表现在地图上就是机器人实时构建的地图变倾斜，无法与原图匹配，当偏差严重时会使机器人无法找到自身位置，导致机器人停止不动。

惯导的误差需要被校正。目前，存在多种校正惯导误差的方法，例如，公告号为CN105737853B所公开的一种机器人惯性导航系统的漂移校准方法，利用机器人的状态变化校正惯导的漂移；公布号为CN110873883A所公开的一种融合激光雷达和IMU的定位方法、介质、终端和装置，利用激光传感器的数据对惯导进行必要的校正。然而，在实际应用中，本申请人发现即使对惯导的误差进行校正，机器人仍会出现偏离路线的情况，即惯导仍然存在不可忽视的误差。经过分析，导致这种现象的原因在于，目前机器人校正惯导的误差是一个随机的过程，没有考虑校正误差的时机和位置，从而造成校正结果不理想的情况。

为解决上述问题，如图1所示，本发明实施例提供一种校正惯导误差的方法，所述方法包括如下步骤：

步骤S1，移动机器人选取一位置作为第一信息采集点并保存该位置的点云数据，然后继续移动。优选地，所述移动机器人按照弓字形移动路径进行移动，所述弓字形移动路径中的每条路径都包含一个端点，所述端点位于相应路径的末端。需要说明的是，所述包含端点的路径指的是弓字形移动路径的“长边”，而“短边”上不包含所述端点。另外，优选弓字形移动路径的原因在于，点云配准针对的是同一目标物体在不同条件下的点云数据，而在弓字形移动路径上，移动机器人容易实现对不同条件下同一目标物体的点云数据的采集。因为弓字形移动路径的特点就是使得机器人通过一来一回的方式进行移动，且两条方向相同的路径之间只相隔一条方向相反的路径，间距较小。

在执行步骤S1的过程中，移动机器人选取第一信息采集点的具体方法包括：步骤S11，移动机器人按弓字形移动路径行走，同时判断是否位于任一条路径的端点处，若是，则采集当前环境的点云数据并进入步骤S12；步骤S12，移动机器人判断当前环境的点云数据的数量是否大于预设值，若否，则返回步骤S11，若是，则选取该端点作为第一信息采集点。其中，所述步骤S11中，移动机器人在将要从“长边”拐入“短边”时，判定此时位于弓字形移动路径某一条路径的端点处。然后，移动机器人在拐弯之前，采集所述第一信息采集点的点云数据并进入步骤S12。优选地，移动机器人通过3D-TOF传感器采集点云数据。在所述步骤S12中，移动机器人需要检查点云数据的数量是否达标。如果点云数据的数量小于预设值，则可能导致后续配准失败，这种情况下移动机器人将采集到的点云数据删除，然后继续沿弓字形移动路径前进，直至采集到满足条件的点云数据，然后进入步骤S2。

需要说明的是，本发明实施例选择弓字形移动路径作为移动机器人的预设移动路径的原因还在于，弓字形移动路径的末端往往能够采集到更多的点云数据，比如墙体、墙角、门、凳子和沙发等等。这与一般家庭的室内环境相符合，即没有太过开阔的空间，往往容易走到头，遇到墙体和墙角等物件，从而容易采集到大量的有效点云数据。

步骤S2，移动机器人检测到从第一信息采集点出发后的移动距离处于第一预设范围内时，判断自身的朝向，当自身的朝向与在第一信息采集点时的朝向相同时，判断自身的位置与第一信息采集点的距离，当所述距离不大于预设距离时，将所处位置作为第二信息采集点。在执行步骤S2的过程中，移动机器人选取第二信息采集点的方法具体包括：步骤S21，移动机器人继续按弓字形移动路径行走，同时记录从第一信息采集点出发后的移动距离，然后在检测到所述移动距离处于第一预设范围内时，进入步骤S22；步骤S22，移动机器人判断自身的行走方向，当行走方向与第一信息采集点所在路径的行走方向一致时，选取当前行走路径的端点作为第二信息采集点；其中，所述作为第二信息采集点的端点与所述作为第一信息采集点的端点的距离不大于预设距离，所述预设距离的大小由3D-TOF传感器的检测范围决定。其中，由于点云配准针对的是同一目标物体在不同条件下采集的点云数据，因此移动机器人需要找到弓字形移动路径上两条方向相同的路径的端点，这样采集到的点云数据才属于同一目标物体（但角度不同）。具体采集点云数据的过程与步骤S1相同，不再赘述。

需要说明的是，所述第二信息采集点是在所述移动距离处于第一预设范围内时确定的。所述移动距离若小于预设范围的最小值，则表明此时惯导不存在误差或者误差可以忽略不计（假设此前惯导还没有误差），此时不进行校正以避免做无用功，降低机器人工作效率。所述移动距离若大于预设范围的最大值，则认为惯导已有较大的误差，此时若利用点云数据进行校正，难以得到准确的校正结果。因为点云配准对待配准的两片初始点云有较高的重叠度要求，在惯导有较大误差的时候，点云配准容易陷入局部最优解。所述第一预设范围是由惯导的非确定性误差决定的，比如零点漂移、温度漂移和随机误差。

作为一种异常处理实施例，当所述移动距离大于预设范围的最大值时，如果无法确定所述第二信息采集点的位置，则移动机器人删除所述第一信息采集点的位置及其点云数据，然后返回步骤S1执行，即重新确定第一采集点的位置。

步骤S3，移动机器人采集第二信息采集点的点云数据，然后对两次点云数据进行配准，得到点云的位姿变换。其中，移动机器人对两次点云数据进行配准的方法包括ICP（Iterative Closest Point，迭代最近点）算法、NDT（Normal Distribution Transform，正态分布变换）算法或基于神经网络的配准方法中的任一项。点云数据配准之后，移动机器人可以获得点云的位姿变换，包括点云的角度变换和点云的位移变换，即得到了移动机器人在前后两个端点处点云的角度差值和位移差值。

步骤S4，移动机器人计算惯导的位姿变换，然后将点云的位姿变换与惯导的位姿变换作差，得到惯导的误差并进行判断，如果惯导的误差大于阈值，则对惯导的误差进行校正。其中，惯导的位姿变换包括陀螺仪的角度变换、编码器的角度变换和编码器的位移变换。需要说明的是，陀螺仪的角度变换通过当前陀螺仪的角度与上一次校正后的陀螺仪的角度作差获得；编码器的角度变换通过当前编码器中码盘记录的角度进行积分获得；编码器的位移变换通过当前编码器中码尺记录的位移进行积分获得。

不难看出，当惯导不存在误差时，点云的位姿变换与惯导的位姿变换是相同的、或者差距不大可以忽略不计的。但惯导的数据在经过一定时间后，难免会产生误差。所述步骤S4中，惯导的误差包括陀螺仪的角度误差、编码器的角度误差和编码器的位移误差。其中，所述陀螺仪的角度误差通过点云的角度变换与陀螺仪的角度变换作差获得；所述编码器的角度误差通过点云的角度变换与编码器的角度变换作差获得；所述编码器的位移误差通过点云的位移变换与编码器的位移变换作差获得。需要说明的是，所述陀螺仪的角度误差主要是零点偏移和温度偏移造成的，而编码器的角度误差和位移误差则是由于轮子打滑或行走颠簸等因素造成的。

在执行步骤S4的过程中，对惯导的误差进行校正的方法包括：当陀螺仪的角度误差大于阈值时，将当前陀螺仪的角度更新为当前陀螺仪的角度与陀螺仪的角度误差之和；当编码器的角度误差大于阈值时，将当前码盘记录的角度更新为当前码盘记录的角度与编码器的角度误差之和；当编码器的位移误差大于阈值时，将当前码盘记录的位移更新为当前码盘记录的位移与编码器的位移误差之和。如上所述，移动机器人分别对陀螺仪的角度误差、编码器的角度误差和编码器的位移误差进行判断，并校正偏差严重的数值。需要说明的是，本发明以3D-TOF点云的位姿变换为基准，即认为3D-TOF点云的位姿变换在设定的时机下以及在设定的位置上是准确的、没有存在误差的、或误差可以忽略不计的。基于此，将惯导的位姿变换与3D-TOF点云的位姿变换比较就能够知道陀螺仪和编码器在角度和位置上是否存在严重的偏差，而两者的差值就相当于惯导的误差。不难看出，将惯导的误差与对应的数据求和即可消除该误差。

与现有技术相比，本发明所述的方法在移动机器人的移动距离处于预设范围内时，选取一个与第一信息采集点朝向相同的且距离不大于预设距离的第二信息采集点进行惯导误差的校正，可以大大提高惯导校正结果的准确性。其中，所述移动距离若小于预设范围的最小值，则表明此时惯导不存在误差或者误差可以忽略不计（假设此前惯导还没有误差），此时不进行校正以避免做无用功，降低机器人工作效率。所述移动距离若大于预设范围的最大值，则认为惯导已有较大的误差，此时若利用点云数据进行校正，难以得到准确的校正结果。因为点云配准对待配准的两片初始点云有较高的重叠度要求，在惯导有较大误差的时候，点云配准容易陷入局部最优解。同理，控制第一信息采集点与第二信息采集点的距离不大于预设距离也可以避免点云配准陷入局部最优解，而且，也只有在距离相近的情况下才能采集到同一目标的点云数据，否则无法实现点云配准。最后，以点云配准得到的点云的位姿变换为基准，与惯导的位姿变换进行比较，便可得知移动机器人所认为的两条平行的移动路径实际上存在的偏差，最后利用该偏差即可校正惯导的误差，从而提高机器人的导航精度。

本发明还公开一种芯片，该芯片用于存储计算机程序代码，所述计算机程序代码被执行时实现前述一种校正惯导误差的方法的步骤。需要说明的是前述方法的步骤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，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所述示出或讨论的顺序，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，例如，所述步骤S3与步骤S4可以同时执行，或者所述步骤S4惯导的位姿变换可以先于点云的位姿变换进行计算，这应被本发明的实施例所属技术领域的技术人员所理解。

本发明还公开一种移动机器人，优选地，所述移动机器人安装有3D-TOF传感器，基于弓字形移动路径，移动机器人在移动距离处于第一预设范围内时，在两个朝同一方向的、且距离不大于预设距离的路径的末端采集3D-TOF点云数据，然后进行配准得到准确的点云的位姿变换。以所述的点云的位姿变换为基准，与惯导的位姿变换进行比较，便可得知移动机器人所认为的两条平行的移动路径实际上存在的偏差，最后利用该偏差即可校正惯导的误差。所述移动机器人可以在合适的时机和位置校正惯导的误差，从而提高导航精度。

显然，上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，各个实施例之间的技术方案可以相互结合。此外，如果实施例中出现“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等术语，其指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位或以特定的方位构造和操作，因此不能理解为对本发明的限制。如果实施例中出现“第一”、“第二”、“第三”等术语，是为了便于相关特征的区分，不能理解为指示或暗示其相对重要性、次序的先后或者技术特征的数量。

所述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种校正惯导误差的方法，其特征在于，所述方法包括如下步骤：

步骤S1，移动机器人选取一位置作为第一信息采集点并保存该位置的点云数据，然后继续移动；

步骤S2，移动机器人检测到从第一信息采集点出发后的移动距离处于第一预设范围内时，判断自身的朝向，当自身的朝向与在第一信息采集点时的朝向相同时，判断自身的位置与第一信息采集点的距离，当所述距离不大于预设距离时，将所处位置作为第二信息采集点；

步骤S3，移动机器人采集第二信息采集点的点云数据，然后对两次点云数据进行配准，得到点云的位姿变换；

步骤S4，移动机器人计算惯导的位姿变换，然后将点云的位姿变换与惯导的位姿变换作差，得到惯导的误差并进行判断，如果惯导的误差大于阈值，则对惯导的误差进行校正。

2.根据权利要求1所述的一种校正惯导误差的方法，其特征在于，所述移动机器人按照弓字形移动路径进行移动，所述弓字形移动路径中的每条路径都包含一个端点，所述端点位于相应路径的末端。

3.根据权利要求2所述的一种校正惯导误差的方法，其特征在于，所述步骤S1中，移动机器人选取第一信息采集点的具体方法包括：

步骤S11，移动机器人按弓字形移动路径行走，同时判断是否位于任一条路径的端点处，若是，则采集当前环境的点云数据并进入步骤S12；

步骤S12，移动机器人判断当前环境的点云数据的数量是否大于预设值，若否，则返回步骤S11，若是，则选取该端点作为第一信息采集点。

4.根据权利要求3所述的一种校正惯导误差的方法，其特征在于，所述步骤S2中，移动机器人选取第二信息采集点的方法具体包括：

步骤S21，移动机器人继续按弓字形移动路径行走，同时记录从第一信息采集点出发后的移动距离，然后在检测到所述移动距离处于第一预设范围内时，进入步骤S22；

步骤S22，移动机器人判断自身的行走方向，当行走方向与第一信息采集点所在路径的行走方向一致时，选取当前行走路径的端点作为第二信息采集点；

其中，所述作为第二信息采集点的端点与所述作为第一信息采集点的端点的距离不大于预设距离。

5.根据权利要求3或4所述的一种校正惯导误差的方法，其特征在于，所述移动机器人通过3D-TOF传感器在第一信息采集点以及第二信息采集点采集点云数据。

6.根据权利要求1所述的一种校正惯导误差的方法，其特征在于，所述步骤S4中的惯导的位姿变换包括陀螺仪的角度变换、编码器的角度变换和编码器的位移变换；其中，

陀螺仪的角度变换通过当前陀螺仪的角度与上一次校正后的陀螺仪的角度作差获得；

编码器的角度变换通过当前编码器中码盘记录的角度进行积分获得；

编码器的位移变换通过当前编码器中码尺记录的位移进行积分获得。

7.根据权利要求6所述的一种校正惯导误差的方法，其特征在于，所述步骤S4中的惯导的误差包括陀螺仪的角度误差、编码器的角度误差和编码器的位移误差；其中，

所述陀螺仪的角度误差通过点云的角度变换与陀螺仪的角度变换作差获得；

所述编码器的角度误差通过点云的角度变换与编码器的角度变换作差获得；

所述编码器的位移误差通过点云的位移变换与编码器的位移变换作差获得；

其中，点云的角度变换和点云的位移变换属于点云的位姿变换。

8.根据权利要求7所述的一种校正惯导误差的方法，其特征在于，所述步骤S4中对惯导的误差进行校正的方法包括：

当陀螺仪的角度误差大于阈值时，将当前陀螺仪的角度更新为当前陀螺仪的角度与陀螺仪的角度误差之和；

当编码器的角度误差大于阈值时，将当前码盘记录的角度更新为当前码盘记录的角度与编码器的角度误差之和；

当编码器的位移误差大于阈值时，将当前码盘记录的位移更新为当前码盘记录的位移与编码器的位移误差之和。

9.一种芯片，该芯片上储存有计算机程序，其特征在于，所述计算机程序被执行时实现权利要求1-8任一项所述校正惯导误差的方法的步骤。

10.一种移动机器人，其特征在于，所述移动机器人装配有权利要求9所述的芯片。

Images