CN114485662B - 机器人重定位方法、装置、机器人及存储介质 - Google Patents
机器人重定位方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN114485662B CN114485662B CN202111630127.8A CN202111630127A CN114485662B CN 114485662 B CN114485662 B CN 114485662B CN 202111630127 A CN202111630127 A CN 202111630127A CN 114485662 B CN114485662 B CN 114485662B
- Authority
- CN
- China
- Prior art keywords
- robot
- determining
- contour
- grid
- positioning result
- 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 40
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000007613 environmental effect Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect 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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Computer Graphics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种机器人重定位方法、装置、机器人及存储介质。其中,所述方法包括:在满足重定位触发条件时,确定所述机器人的第一定位结果;获取所述机器人的轮廓模型参数;根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;根据栅格位置确定所述第一定位结果是否有效。本发明旨在提高机器人运行时的安全性。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种机器人重定位方法、装置、机器人及存储介质。
背景技术
随着机器人行业的发展,机器人可以广泛应用于生活中,可以在园区、校园、酒店等具体场景下执行配送任务。当机器人在一个已知地图的环境中启动时,需要明确此时自己所在的位置,这一定位过程称为重定位。
目前机器人的重定位方式是通过机器人上的某一点是否在正确位置来判断所述机器人是否重定位成功,如果机器人重定位成功,则会继续运行。但是机器人是有一定体积的,仅仅通过机器人的某一个点的位置来判断重定位是否成功,无法保证机器人的运行安全。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种机器人重定位方法、装置、机器人及存储介质,旨在提高机器人运行的安全性。
为实现上述目的,本发明提供一种机器人重定位方法,所述机器人重定位方法包括以下步骤:
在满足重定位触发条件时,确定所述机器人的第一定位结果;
获取所述机器人的轮廓模型参数;
根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;
根据栅格位置确定所述第一定位结果是否有效。
可选地,所述根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置,包括:
根据所述轮廓模型参数确定所述机器人轮廓与机器人中心的相对关系;
确定所述第一定位结果在所述栅格地图中的第一像素;
以所述第一像素作为所述机器人中心的位置,根据所述相对关系确定所述机器人轮廓在所述栅格地图中占据的栅格位置。
可选地,所述根据所述轮廓模型参数确定所述机器人轮廓与机器人中心的相对关系,包括:
在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述四个顶点确定矩形外框,并确定所述矩形外框的中心点为所述机器人中心;
在所述轮廓模型参数为机器人轮廓的半径时,以所述半径确定圆形外框,并确定所述圆形外框的中心点为所述机器人中心。
可选地,所述以所述第一像素作为所述机器人中心的位置,根据所述相对关系确定所述机器人轮廓在所述栅格地图中占据的栅格位置,包括:
在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述第一像素作为矩形外框的中心,根据矩形外框到矩形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置;
在所述轮廓模型参数为机器人轮廓的半径时,以所述第一像素作为圆形外框的中心,根据圆形外框到圆形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置。
可选地,所述栅格地图包括可通行区域、障碍物区域和未知区域;
根据栅格位置确定所述第一定位结果是否有效,包括:
在所述栅格位置位于所述栅格地图中的可通行区域时,则确定所述第一定位结果有效;
在所述栅格位置位于所述栅格地图中的障碍物区域或未知区域时,则确定所述第一定位结果无效。
可选地,所述确定所述机器人的第一定位结果,包括:
通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;
根据所述点云数据和栅格地图进行特征匹配,以获得第一匹配分值;
若所述第一匹配分值大于或等于预设分值,则根据所述点云数据确定所述第一定位结果。
可选地,所述根据栅格位置确定所述第一定位结果是否有效,包括:
通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;
根据所述栅格位置确定所述机器人外部环境在所述栅格地图上对应的环境信息;
根据所述点云数据和环境信息进行特征匹配,以获得第二匹配分值;
根据所述第二匹配分值和所述栅格位置确定所述第一定位结果是否有效。
此外,为实现上述目的,本发明还提供一种机器人重定位装置,所述机器人重定位装置包括:
定位模块,用于在满足重定位触发条件时,确定所述机器人的第一定位结果;
获取模块,用于获取所述机器人的轮廓模型参数;
确定位置模块,用于根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;
确定结果模块,用于根据栅格位置确定所述第一定位结果是否有效。
此外,为实现上述目的,本发明还提供一种机器人,所述机器人包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人重定位程序,所述机器人重定位程序被所述处理器执行时实现如上所述的机器人重定位方法的步骤。
此外,为实现上述目的,本发明还提供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机器人重定位程序,所述机器人重定位程序被处理器执行时实现如上所述的机器人重定位方法的步骤。
本发明实施例提出的一种机器人重定位方法、装置、机器人及存储介质,在满足重定位触发条件时,确定所述机器人的第一定位结果;获取所述机器人的轮廓模型参数;根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;根据栅格位置确定所述第一定位结果是否有效。这样在满足重定位触发条件时,确认机器人的第一定位结果,根据机器人的轮廓参数和第一定位结果确定机器人的轮廓在栅格地图中的位置,从而考虑到了机器人体积在运行时会产生影响,最终以判断有效的第一定位结果运行。因此,基于上述实施例给出的方案,可以提高机器人运行的安全性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图;
图2为本发明机器人重定位方法的一实施例的流程示意图;
图3为本发明机器人重定位方法的另一实施例的流程示意图;
图4为本发明实施例涉及的机器人重定位装置架构简图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了机器人运行的安全性,本发明实施例提出一种机器人重定位方法、装置、机器人及存储介质,其中,所述方法的主要步骤包括:
在满足重定位触发条件时,确定所述机器人的第一定位结果;
获取所述机器人的轮廓模型参数;
根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;
根据栅格位置确定所述第一定位结果是否有效。
这样根据机器人的轮廓参数和第一定位结果确定机器人的轮廓在栅格地图中的位置,从而考虑到了机器人体积在运行时会产生影响,最终以判断有效的第一定位结果运行。因此,基于上述实施例给出的方案,可以提高机器人运行的安全性。
以下结合附图对本发明权利要求要求保护的内容进行详细说明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是机器人或机器人重定位装置。
如图1所示,该终端可以包括:处理器1001,例如CPU,存储器1003,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。存储器1003可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1003可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1003中可以包括操作系统以及机器人重定位程序。
在图1所示的终端中,处理器1001可以用于调用存储器1003中存储的机器人重定位程序,并执行以下操作:
在满足重定位触发条件时,确定所述机器人的第一定位结果;
获取所述机器人的轮廓模型参数;
根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;
根据栅格位置确定所述第一定位结果是否有效。
进一步地,处理器1001可以调用存储器1003中存储的机器人重定位程序,还执行以下操作:
根据所述轮廓模型参数确定所述机器人轮廓与机器人中心的相对关系;
确定所述第一定位结果在所述栅格地图中的第一像素;
以所述第一像素作为所述机器人中心的位置,根据所述相对关系确定所述机器人轮廓在所述栅格地图中占据的栅格位置。
进一步地,处理器1001可以调用存储器1003中存储的机器人重定位程序,还执行以下操作:
在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述四个顶点确定矩形外框,并确定所述矩形外框的中心点为所述机器人中心;
在所述轮廓模型参数为机器人轮廓的半径时,以所述半径确定圆形外框,并确定所述圆形外框的中心点为所述机器人中心。
进一步地,处理器1001可以调用存储器1003中存储的机器人重定位程序,还执行以下操作:
在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述第一像素作为矩形外框的中心,根据矩形外框到矩形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置;
在所述轮廓模型参数为机器人轮廓的半径时,以所述第一像素作为圆形外框的中心,根据圆形外框到圆形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置。
进一步地,处理器1001可以调用存储器1003中存储的机器人重定位程序,还执行以下操作:
根据栅格位置确定所述第一定位结果是否有效,包括:
在所述栅格位置位于所述栅格地图中的可通行区域时,则确定所述第一定位结果有效;
在所述栅格位置位于所述栅格地图中的障碍物区域或未知区域时,则确定所述第一定位结果无效。
进一步地,处理器1001可以调用存储器1003中存储的机器人重定位程序,还执行以下操作:
通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;
根据所述点云数据和栅格地图进行特征匹配,以获得第一匹配分值;
若所述第一匹配分值大于或等于预设分值,则根据所述点云数据确定所述第一定位结果。
进一步地,处理器1001可以调用存储器1003中存储的机器人重定位程序,还执行以下操作:
通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;
根据所述栅格位置确定所述机器人外部环境在所述栅格地图上对应的环境信息;
根据所述点云数据和环境信息进行特征匹配,以获得第二匹配分值;
根据所述第二匹配分值和所述栅格位置确定所述第一定位结果是否有效。
示例性地,参照图2,在本发明机器人重定位方法的一实施例中,所述机器人重定位方法包括以下步骤:
S10、在满足重定位触发条件时,确定所述机器人的第一定位结果;
在本实施例中,执行机器人重定位方法的主体是机器人。
重定位是机器人对确定当前位置的方式,触发重定位的情况主要有:机器人在启动时,机器人在运行过程中发生异常停止运作时(包括但不限于定位偏离、人为搬动、机器掉电),在机器人满足重定位条件时,会确认第一定位结果。机器人在工勘时,会预存当前工作区域的栅格地图,栅格地图是位图,位图是位图图像,亦称为点阵图像,是由称作像素(图片元素)的单个点组成的,简单来说,栅格就是一个规则的阵列,其中各个像元互不影响。栅格地图是机器人在工勘时建立的,机器人是依靠工作场景的栅格地图进行导航工作的,栅格地图中分为可通行区域、未知区域和障碍物区域,机器人只能在可通行区域通行。第一定位结果是在栅格地图上的一个像素点或一个像素区域。
可选地,通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;根据所述点云数据和栅格地图进行特征匹配,以获得第一匹配分值;若所述第一匹配分值大于或等于预设分值,则根据所述点云数据确定所述第一定位结果。机器人上设置有激光雷达,激光雷达向四周环境发射激光,获取当前外部环境信息,当前外部环境信息可以是雷达点云数据,机器人在工勘时,会预存当前工作区域的栅格地图,激光雷达在获取了外部环境的点云数据后,与栅格地图中各个区域进行特征匹配,获得第一匹配分值,当第一匹配分值大于或等于预设分值时,则根据所述点云数据确定第一定位结果。
在一些实施例中,可以通过卫星定位系统获取机器人位置信息,根据位置信息在栅格地图上确定第一定位结果。
可选地,机器人在满足重定位触发条件时,机器人会停止移动,避免因为移动导致重定位结果无效,在停止移动后,机器人调用预存的重定位程序,机器人的重定位程序可以帮助机器人确定当前位置。
S20、获取所述机器人的轮廓模型参数;
在本实施例中,机器人是具有一定形状体积的,轮廓模型参数表示了该机器人的轮廓形状和大小,机器人的轮廓形状一般在生产时即确定,所以机器人的存储介质中预存了轮廓模型参数。在机器人需要重定位时,确认了第一定位结果之后,调用存储介质汇总的轮廓模型参数。
S30、根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;
在本实施例中,机器人的第一定位结果是在栅格地图上的一个像素点或一个像素区域,第一定位结果在机器人上有一个对应的定位点,确认定位点与机器人的相对关系,根据该相对关系和第一定位结果确定机器人轮廓在格栅地图中占据的栅格位置。可选地,定位点可以是机器人的中心位置,这个定位点的位置在机器人身上是固定的,中心位置与所述机器人轮廓之间的相对关系一般不会发生改变,需要说明的是,这个相对关系包括定位点到机器人轮廓上每一个点的距离和方向。
可选地,定位点可以是在机器人的中心,根据所述轮廓模型参数确定所述机器人轮廓与机器人中心的相对关系;确定所述第一定位结果在所述栅格地图中的第一像素;以所述第一像素作为所述机器人中心的位置,根据所述相对关系确定所述机器人轮廓在所述栅格地图中占据的栅格位置。一般通过激光匹配分值等方式确定的第一定位结果在机器人上的定位点位于机器人中心,轮廓模型参数包括了机器人的轮廓与机器人中心的相对关系,为了确定机器人的轮廓在栅格地图中占据的栅格位置,需要在栅格地图中确定机器人轮廓所占的第二像素,先确定第一定位结果在栅格地图中的第一像素,再根据相对关系确定机器人轮廓在栅格地图中的第二像素,第二像素在栅格地图中的位置即是机器人轮廓在栅格地图中占据的栅格位置。
进一步地,在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述四个顶点确定矩形外框,并确定所述矩形外框的中心点为所述机器人中心;可以理解的是,该机器人的轮廓形状是矩形。
进一步地,可以在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述第一像素作为矩形外框的中心,根据矩形外框到矩形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置。计算矩形外框的点到矩形外框中心的第一相对距离,以第一像素为中心,与第一像素的距离为第一相对距离的像素点为第二像素,第二像素也即为机器人轮廓在栅格地图中占据的栅格位置。
进一步地,在所述轮廓模型参数为机器人轮廓的半径时,以所述半径确定圆形外框,并确定所述圆形外框的中心点为所述机器人中心。可以理解的是,该机器人的轮廓形状是圆形。
在所述轮廓模型参数为机器人轮廓的半径时,以所述第一像素作为圆形外框的中心,根据圆形外框到圆形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置。为了便于说明本实施例,若圆形外框到圆形外框中心点的相对距离(圆形外框的半径)为R,以第一像素为中心,与第一像素的距离为R的像素点为第二像素,第二像素在栅格地图内的位置则是机器人轮廓在栅格地图中占据的栅格位置。
S40、根据栅格位置确定所述第一定位结果是否有效。
在本实施例中,栅格地图包括可通行区域、障碍物区域和未知区域,栅格位置对应机器人的轮廓。在传统技术中,一般通过第一定位结果在栅格地图上的对应的区域是否属于可通行区域来确认第一定位结果是否有效,若第一定位结果有效,则重定位成功,若第一定位结果无效,则重定位失败。但是这样未考虑到机器人的体积在实际运行中的影响,第一定位结果在可通行区域,但是机器人的其他部分可能位于不可通行区域,在机器人重定位成功后,会进行路径规划和继续运行,这时机器人的外轮廓很可能发生碰撞等危险情况,减低了机器人运行的安全性。栅格地图是预设的机器人当前工作场景的地图,划分了当前工作场景中的可通行区域、障碍物区域和未知区域,如果在设定条件时,将栅格位置全部位于栅格地图划分的可通行区域中时,才能判定第一定位结果是有效的,以有效的第一定位结果为最终的重定位结果,这样加强了对重定位结果的限制,使得重定位结果更加准确。
可选地,根据栅格位置确定所述第一定位结果是否有效,包括:在所述栅格位置位于所述栅格地图中的可通行区域时,则确定所述第一定位结果有效;在所述栅格位置位于所述栅格地图中的障碍物区域或未知区域时,则确定所述第一定位结果无效。机器人在定位正常和运行正常时,不会位于不可通行的障碍区域或未知区域,所以在栅格位置位于栅格地图中的可通行区域时,确定第一定位结果有效,以第一定位结果为重定位结果,机器人可以根据重定位结果在可通行区域中安全地执行运行任务,保障了机器人的正常运行。
可选地,在所述栅格位置位于所述栅格地图中的障碍物区域或未知区域时,则确定所述第一定位结果无效,此时,不能以第一定位结果为重定位结果,第一定位结果无效的原因可能是相关的定位参数不准确或者相关定位装置的误差,机器人可以根据位于栅格地图中的障碍物区域或未知区域的栅格位置重新调整定位参数,或者通过调整定位参数来降低相关定位装置的误差,重新获取第二定位结果,并以所述第二定位结果为所述第一定位结果重新执行所述获取所述机器人的轮廓模型参数的步骤以及后续步骤。
可选地,如果重新获取的第二定位仍然无效或者位于栅格地图中的障碍物区域或未知区域的栅格位置太多时,机器人可能已经陷入障碍物区域或者未知区域,这种情况下机器人应当发出报警,提醒相关管理人员、无人机或者附近其它机器人前来协助该机器人摆脱困境。
可选地,当所述第二像素全部位于所述栅格地图中的可通行区域时,即判定该重定位结果是有效的,机器人可以基于该有效的定位结果进行路径规划,继续执行当前工作任务。
在本实施例公开的技术方案中,在满足重定位触发条件时,确定所述机器人的第一定位结果;获取所述机器人的轮廓模型参数;根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;根据栅格位置确定所述第一定位结果是否有效。第一定位结果关联的仅仅是机器人上的某一个点,未考虑机器人的机身体积,如果直接以第一定位结果为机器人的重定位结果而继续执行任务,无法保证机器人的运行安全,在本实施例中,通过机器人的轮廓模型参数和第一定位结果确定机器人轮廓在栅格地图中占据的栅格位置来判断第一定位结果是否有效,这样考虑到了机器人体积对运行的影响,能避免机器人的边缘部位不会发生碰撞等危险,极大地提高了机器人在运行时的安全性。
可选地,参照图3,基于上述任一实施例,在本发明机器人重定位方法的另一实施例中,所述机器人重定位方法包括:
步骤S50、通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;
在本实施中,机器人还包括雷达装置,该雷达装置可以是激光雷达,激光雷达以发送激光束探测目标,以获取追踪目标当前位置、速度等特征量,通过激光雷达可以获取机器人附近的当前环境信息,当前环境信息是实时的,可以是外部环境的点云数据,根据点云数据可以确定机器人外部环境中的物体。
步骤S60、根据所述栅格位置确定所述机器人外部环境在所述栅格地图上对应的环境信息;
在本实施例中,在确认了栅格位置后,可以确定所述机器人外部环境在栅格地图上对应的环境信息,点云数据与在栅格地图上确定的环境信息都可以表示机器人的外部环境,但是不同处在于,点云数据是当前帧,而在栅格地图上确定的环境信息是根据预存的栅格地图确定的,是历史帧。
步骤S70、根据所述点云数据和环境信息进行特征匹配,以获得第二匹配分值;
在本实施例中,将点云数据和在栅格地图上确定的环境信息进行特征匹配,计算出第二匹配分值,第二匹配分值代表机器人通过雷达确定的外部环境信息和在栅格地图上确定的环境信息的匹配程度,分值越高,匹配程度越高,反之越低。
可以理解的是,与前述的通过第一匹配分值确认第一定位结果不同,这里的第二匹配分值是将点云数据和机器人栅格位置在栅格地图附近的区域(栅格地图的部分区域)进行特征匹配来确定的分值,而前述的通过第一匹配分值是将点云数据和整个栅格地图进行特征匹配来确定的分值。
步骤S90、根据所述第二匹配分值和所述栅格位置确定所述第一定位结果是否有效。
在本实施例中,一般情况下,认为雷达装置获取的当前环境信息更为可靠,当在栅格地图上确定的环境信息与当前环境信息匹配程度高,第二匹配分值高于预设阀值,可以第一定位结果是有效的,第二匹配分值也是机器人重定位的约束条件,但是,通过第二匹配分值认定重定位结果有效仍不保险,比如雷达装置获取的当前环境信息可能出现错误,预设阀值设置不够有效等。所以为了进一步提高机器人重定位的有效性,将机器人轮廓在栅格地图中占据的栅格位置也作为机器人重定位的约束条件,这样当第二匹配分值大于或等于预设阀值且栅格位置全部位于栅格地图中的可通行区域时,确定第一定位结果有效,进一步提高了机器人运行的安全性。
可选地,当第二匹配分值小于预设阀值,和/或栅格位置没有全部位于所述栅格地图中的可通行区域时,确定第一定位结果无效;调整所述机器人的定位参数,重新确认第一定位结果。
如果是第二匹配分值小于预设阀值导致判定重定位结果无效,可能是由于误差等原因造成,将第二匹配分值的计算过程作为反馈给机器人,以使机器人调整与第二匹配分值相关的定位参数,定位参数不仅包括定位装置的相关参数,还包括雷达装置的相关参数,调整后更新重定位结果,除此之外,更新后第一定位结果仍不能被判定为有效、第二匹配分值相差太大或当前环境信息表示陷入困境时,机器人可能已经陷入障碍区域或者未知区域,机器人应当发出报警,提醒相关管理员、无人机或者附近其它机器人前来协助该机器人摆脱困境;同样地,如果是因为栅格位置没有全部位于所述栅格地图中的可通行区域导致确定第一定位结果无效,参照上述全部实施例提出的技术方案调整机器人定位参数或发送报警;同样的,如果因为上述两种约束条件导致确定第一定位结果无效,也参照上述全部实施例提出的技术方案例调整机器人定位参数或发送报警。
可选地,当所述第二匹配分值大于预设阀值且所述栅格位置全部位于所述栅格地图中的可通行区域时,即确定第一定位结果有效,以第一定位结果为重定位结果,机器人可以基于该有效的重定位结果进行路径规划,继续执行当前工作任务,保障了机器人的正常运行。
在本实施例公开的技术方案中,通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;根据所述栅格位置确定所述机器人外部环境在所述栅格地图上对应的环境信息;根据所述点云数据和环境信息进行特征匹配,以获得第二匹配分值;根据所述第二匹配分值和所述栅格位置确定所述第一定位结果是否有效。这样通过点云数据和在栅格地图上的环境信息的第二匹配分值,以及机器人整体在栅格地图上对应的栅格位置在栅格地图上的区域来作为判定第一定位结果有效的约束条件,进一步保证了重定位结果的有效性,也进一步的提高了机器人运行的安全性。
此外,本发明实施例还提出一种机器人重定位装置,示例性地,参照图4,所述机器人重定位装置100包括:定位模块101、获取模块102,确定位置模块103和确定结果模块104,其中,
定位模块101,用于在满足重定位触发条件时,确定所述机器人的第一定位结果;进一步地,所述确定所述机器人的第一定位结果,包括:通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;根据所述点云数据和栅格地图进行特征匹配,以获得第一匹配分值;若所述第一匹配分值大于或等于预设分值,则根据所述点云数据确定所述第一定位结果。
获取模块102,用于获取所述机器人的轮廓模型参数;
确定位置模块103,用于根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;进一步地,所述根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置,包括:根据所述轮廓模型参数确定所述机器人轮廓与机器人中心的相对关系;确定所述第一定位结果在所述栅格地图中的第一像素;以所述第一像素作为所述机器人中心的位置,根据所述相对关系确定所述机器人轮廓在所述栅格地图中占据的栅格位置。进一步地,所述根据所述轮廓模型参数确定所述机器人轮廓与机器人中心的相对关系,包括:在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述四个顶点确定矩形外框,并确定所述矩形外框的中心点为所述机器人中心;在所述轮廓模型参数为机器人轮廓的半径时,以所述半径确定圆形外框,并确定所述圆形外框的中心点为所述机器人中心。进一步地,所述以所述第一像素作为所述机器人中心的位置,根据所述相对关系确定所述机器人轮廓在所述栅格地图中占据的栅格位置,包括:在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述第一像素作为矩形外框的中心,根据矩形外框到矩形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置;在所述轮廓模型参数为机器人轮廓的半径时,以所述第一像素作为圆形外框的中心,根据圆形外框到圆形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置。
确定结果模块104,用于根据栅格位置确定所述第一定位结果是否有效。进一步地,所述栅格地图包括可通行区域、障碍物区域和未知区域;根据栅格位置确定所述第一定位结果是否有效,包括:在所述栅格位置位于所述栅格地图中的可通行区域时,则确定所述第一定位结果有效;在所述栅格位置位于所述栅格地图中的障碍物区域或未知区域时,则确定所述第一定位结果无效。进一步地,所述根据栅格位置确定所述第一定位结果是否有效,包括:通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;根据所述栅格位置确定所述机器人外部环境在所述栅格地图上对应的环境信息;根据所述点云数据和环境信息进行特征匹配,以获得第二匹配分值;根据所述第二匹配分值和所述栅格位置确定所述第一定位结果是否有效。
此外,本发明实施例还提出一种机器人,所述机器人包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人重定位程序,所述机器人重定位程序被所述处理器执行时实现如上各个实施例所述的机器人重定位方法的步骤。
此外,本发明实施例还提出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机器人重定位程序,所述机器人重定位程序被处理器执行时实现如上各个实施例所述的机器人重定位方法的步骤。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得机器人或机器人重定位装置执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种机器人重定位方法,其特征在于,所述机器人重定位方法包括以下步骤:
在满足重定位触发条件时,确定所述机器人的第一定位结果;
获取所述机器人的轮廓模型参数,其中,在所述机器人的存储介质中存储有所述轮廓模型参数;
根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;
根据栅格位置确定所述第一定位结果是否有效;
所述根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置,包括:
根据所述轮廓模型参数确定所述机器人轮廓与机器人中心的相对关系;
确定所述第一定位结果在所述栅格地图中的第一像素;
以所述第一像素作为所述机器人中心的位置,根据所述相对关系确定所述机器人轮廓在所述栅格地图中占据的栅格位置;
所述根据所述轮廓模型参数确定所述机器人轮廓与机器人中心的相对关系,包括:
在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述四个顶点确定矩形外框,并确定所述矩形外框的中心点为所述机器人中心;
在所述轮廓模型参数为机器人轮廓的半径时,以所述半径确定圆形外框,并确定所述圆形外框的中心点为所述机器人中心;
所述以所述第一像素作为所述机器人中心的位置,根据所述相对关系确定所述机器人轮廓在所述栅格地图中占据的栅格位置,包括:
在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述第一像素作为矩形外框的中心,根据矩形外框到矩形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置;
在所述轮廓模型参数为机器人轮廓的半径时,以所述第一像素作为圆形外框的中心,根据圆形外框到圆形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置。
2.如权利要求1所述的机器人重定位方法,其特征在于,所述栅格地图包括可通行区域、障碍物区域和未知区域;
根据栅格位置确定所述第一定位结果是否有效,包括:
在所述栅格位置位于所述栅格地图中的可通行区域时,则确定所述第一定位结果有效;
在所述栅格位置位于所述栅格地图中的障碍物区域或未知区域时,则确定所述第一定位结果无效。
3.如权利要求1所述的机器人重定位方法,其特征在于,所述确定所述机器人的第一定位结果,包括:
通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;
根据所述点云数据和栅格地图进行特征匹配,以获得第一匹配分值;
若所述第一匹配分值大于或等于预设分值,则根据所述点云数据确定所述第一定位结果。
4.如权利要求1所述的机器人重定位方法,其特征在于,所述根据栅格位置确定所述第一定位结果是否有效,包括:
通过设置于机器人的雷达装置获取所述机器人外部环境的点云数据;
根据所述栅格位置确定所述机器人外部环境在所述栅格地图上对应的环境信息;
根据所述点云数据和环境信息进行特征匹配,以获得第二匹配分值;
根据所述第二匹配分值和所述栅格位置确定所述第一定位结果是否有效。
5.一种机器人重定位装置,其特征在于,所述机器人重定位装置包括:
定位模块,用于在满足重定位触发条件时,确定所述机器人的第一定位结果;
获取模块,用于获取所述机器人的轮廓模型参数,其中,在所述机器人的存储介质中存储有所述轮廓模型参数;
确定位置模块,用于根据所述轮廓模型参数和所述第一定位结果确定所述机器人轮廓在栅格地图中占据的栅格位置;
确定结果模块,用于根据栅格位置确定所述第一定位结果是否有效;
所述确定位置模块,还用于根据所述轮廓模型参数确定所述机器人轮廓与机器人中心的相对关系;确定所述第一定位结果在所述栅格地图中的第一像素;以所述第一像素作为所述机器人中心的位置,根据所述相对关系确定所述机器人轮廓在所述栅格地图中占据的栅格位置,其中,所述根据所述轮廓模型参数确定所述机器人轮廓与机器人中心的相对关系,包括:在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述四个顶点确定矩形外框,并确定所述矩形外框的中心点为所述机器人中心;在所述轮廓模型参数为机器人轮廓的半径时,以所述半径确定圆形外框,并确定所述圆形外框的中心点为所述机器人中心;所述以所述第一像素作为所述机器人中心的位置,根据所述相对关系确定所述机器人轮廓在所述栅格地图中占据的栅格位置,包括:在所述轮廓模型参数为机器人轮廓的四个顶点时,以所述第一像素作为矩形外框的中心,根据矩形外框到矩形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置;在所述轮廓模型参数为机器人轮廓的半径时,以所述第一像素作为圆形外框的中心,根据圆形外框到圆形外框中心点的相对距离,确定所述机器人轮廓在所述栅格地图中占据的栅格位置。
6.一种机器人,其特征在于,所述机器人包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人重定位程序,所述机器人重定位程序被所述处理器执行时实现如权利要求1至4中任一项所述的机器人重定位方法的步骤。
7.一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机器人重定位程序,所述机器人重定位程序被处理器执行时实现如权利要求1至4中任一项所述的机器人重定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111630127.8A CN114485662B (zh) | 2021-12-28 | 2021-12-28 | 机器人重定位方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111630127.8A CN114485662B (zh) | 2021-12-28 | 2021-12-28 | 机器人重定位方法、装置、机器人及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114485662A CN114485662A (zh) | 2022-05-13 |
CN114485662B true CN114485662B (zh) | 2024-03-08 |
Family
ID=81495787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111630127.8A Active CN114485662B (zh) | 2021-12-28 | 2021-12-28 | 机器人重定位方法、装置、机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485662B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103412565A (zh) * | 2013-05-17 | 2013-11-27 | 浙江中控研究院有限公司 | 一种具有全局位置快速估计能力的机器人及其定位方法 |
CN106643701A (zh) * | 2017-01-16 | 2017-05-10 | 深圳优地科技有限公司 | 一种机器人互相检测方法及装置 |
CN108759844A (zh) * | 2018-06-07 | 2018-11-06 | 科沃斯商用机器人有限公司 | 机器人重定位与环境地图构建方法、机器人及存储介质 |
CN111708047A (zh) * | 2020-06-16 | 2020-09-25 | 浙江大华技术股份有限公司 | 机器人定位评估方法、机器人及计算机存储介质 |
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 |
CN113190010A (zh) * | 2021-05-08 | 2021-07-30 | 珠海市一微半导体有限公司 | 一种沿边绕障路径规划方法、芯片及机器人 |
CN113419249A (zh) * | 2021-06-18 | 2021-09-21 | 珠海市一微半导体有限公司 | 一种重定位方法、芯片和移动机器人 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107479544A (zh) * | 2016-06-08 | 2017-12-15 | 科沃斯机器人股份有限公司 | 母子机协同工作系统及其工作方法 |
US10801860B2 (en) * | 2017-06-14 | 2020-10-13 | Here Global B.V. | Mapping system and method for identifying a parking lot from probe data |
CN109541634B (zh) * | 2018-12-28 | 2023-01-17 | 歌尔股份有限公司 | 一种路径规划方法、装置和移动设备 |
-
2021
- 2021-12-28 CN CN202111630127.8A patent/CN114485662B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103412565A (zh) * | 2013-05-17 | 2013-11-27 | 浙江中控研究院有限公司 | 一种具有全局位置快速估计能力的机器人及其定位方法 |
CN106643701A (zh) * | 2017-01-16 | 2017-05-10 | 深圳优地科技有限公司 | 一种机器人互相检测方法及装置 |
CN108759844A (zh) * | 2018-06-07 | 2018-11-06 | 科沃斯商用机器人有限公司 | 机器人重定位与环境地图构建方法、机器人及存储介质 |
CN111708047A (zh) * | 2020-06-16 | 2020-09-25 | 浙江大华技术股份有限公司 | 机器人定位评估方法、机器人及计算机存储介质 |
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 |
CN113190010A (zh) * | 2021-05-08 | 2021-07-30 | 珠海市一微半导体有限公司 | 一种沿边绕障路径规划方法、芯片及机器人 |
CN113419249A (zh) * | 2021-06-18 | 2021-09-21 | 珠海市一微半导体有限公司 | 一种重定位方法、芯片和移动机器人 |
Non-Patent Citations (1)
Title |
---|
非结构化环境中基于栅格法环境建模的移动机器人路径规划;刘晓磊;蒋林;金祖飞;郭晨;;机床与液压;20160915(17);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114485662A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3875907B1 (en) | Method, apparatus, computing device and computer-readable storage medium for positioning | |
CN109931942B (zh) | 机器人路径生成方法、装置、机器人和存储介质 | |
CN113715814B (zh) | 碰撞检测方法、装置、电子设备、介质及自动驾驶车辆 | |
JP2010238132A (ja) | 車両制御装置、車両、及び車両制御プログラム | |
JP7018277B2 (ja) | 物体検出装置、物体検出方法及び車両制御システム | |
CN110825832A (zh) | Slam地图更新方法、装置及计算机可读存储介质 | |
US11541890B2 (en) | Vehicle control device and storage medium which stores a computer program for vehicle control | |
CN111857135A (zh) | 用于车辆的避障方法、装置、电子设备和计算机存储介质 | |
US20230174058A1 (en) | Control method and apparatus and terminal device | |
CN113296119A (zh) | 一种基于激光雷达和uwb阵列的无人避障驾驶方法与终端 | |
CN110488280B (zh) | 一种停车位轮廓的修正方法及装置、车辆、存储介质 | |
CN113895429B (zh) | 一种自动泊车方法、系统、终端及存储介质 | |
CN114485662B (zh) | 机器人重定位方法、装置、机器人及存储介质 | |
CN114234853A (zh) | 基于激光扫描的货架倾角测量方法、系统、设备及介质 | |
CN112215214A (zh) | 调整智能车载终端的摄像头偏移的方法及系统 | |
CN117765512A (zh) | 基于激光雷达的静态障碍物检测方法、装置、设备及介质 | |
CN115480576A (zh) | 隧道检测的避障方法、装置、设备及介质 | |
US20220108104A1 (en) | Method for recognizing recognition target person | |
CN114564022A (zh) | 一种机器人碰撞处理方法及装置 | |
WO2023241395A1 (zh) | 一种机器人避障方法、装置及计算机程序产品 | |
CN113850209B (zh) | 一种动态物体检测方法、装置、交通工具及存储介质 | |
CN114459480B (zh) | 作业安全区域生成方法、路径规划方法及相关装置 | |
JP2015133066A (ja) | 車載カメラパラメータ生成装置およびプログラム | |
JP2010235063A (ja) | 車両制御装置、車両、及び車両制御プログラム | |
US11745729B2 (en) | Parking guidance system and method |
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 |