CN114545426A - 定位方法、装置、移动机器人和计算机可读介质 - Google Patents

定位方法、装置、移动机器人和计算机可读介质 Download PDF

Info

Publication number
CN114545426A
CN114545426A CN202210083722.2A CN202210083722A CN114545426A CN 114545426 A CN114545426 A CN 114545426A CN 202210083722 A CN202210083722 A CN 202210083722A CN 114545426 A CN114545426 A CN 114545426A
Authority
CN
China
Prior art keywords
laser
positioning
identifier
information
determining
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
Application number
CN202210083722.2A
Other languages
English (en)
Inventor
马云飞
刘施菲
赖文芊
沈毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Kuangshi Robot Technology Co Ltd
Original Assignee
Beijing Kuangshi Robot Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Kuangshi Robot Technology Co Ltd filed Critical Beijing Kuangshi Robot Technology Co Ltd
Priority to CN202210083722.2A priority Critical patent/CN114545426A/zh
Publication of CN114545426A publication Critical patent/CN114545426A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • 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
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请实施例公开了定位方法、装置、移动机器人和计算机可读介质。该方法的实施例包括：基于激光传感器采集的数据，确定激光定位标识的第一位姿信息；基于图像传感器采集的显示有视觉定位标识的图像、第一位姿信息以及激光定位标识与视觉定位标识的位置关系，确定视觉定位标识的第二位姿信息；基于第一位姿信息和第二位姿信息，确定包含激光定位标识与视觉定位标识的组合标识的目标位姿信息。该实施方式提高了定位的精度。

Description

定位方法、装置、移动机器人和计算机可读介质
技术领域
本申请实施例涉及计算机技术领域，具体涉及定位方法、装置、移动机器人和计算机可读介质。
背景技术
随着SLAM(Simultaneous Localization And Mapping，即时定位与地图构建)技术的发展，在越来越多的场景中需要进行高精定位。
现有技术中，通常通过对单一类型的定位标识(如激光定位标识或者视觉定位标识)进行定位，来决策移动机器人的行进方向和距离，这种定位方式存在较大误差，导致定位的精度较低。
发明内容
本申请实施例提出了定位方法、装置、移动机器人和计算机可读介质，以解决现有技术中定位精度较低的技术问题。
第一方面，本申请实施例提供了一种定位方法，该方法包括：基于激光传感器采集的数据，确定激光定位标识的第一位姿信息；基于图像传感器采集的显示有视觉定位标识的图像、所述第一位姿信息以及所述激光定位标识与视觉定位标识的位置关系，确定所述视觉定位标识的第二位姿信息；基于所述第一位姿信息和所述第二位姿信息，确定包含所述激光定位标识与所述视觉定位标识的组合标识的目标位姿信息。
第二方面，本申请实施例提供了一种移动机器人，包括：激光传感器；图像传感器；一个或多个处理器；存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中所描述的方法。
第三方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中所描述的方法。
第四方面，本申请实施例提供了一种计算机程序产品，包括计算机程序或指令，其特征在于，该计算机程序或指令被处理器执行时实现第一方面中所描述的方法。
本申请实施例提供的定位方法、装置、移动机器人和计算机可读介质，首先基于激光传感器采集的数据，确定激光定位标识的第一位姿信息；而后基于图像传感器采集的显示有视觉定位标识的图像、第一位姿信息以及激光定位标识与视觉定位标识的位置关系，确定视觉定位标识的第二位姿信息；最后基于第一位姿信息和第二位姿信息，确定包含激光定位标识与视觉定位标识的组合标识的目标位姿信息，从而能够同时结合激光定位标识和视觉定位标识进行视觉定位标识的定位，消除了对单一定位标识定位时的误差(如对激光畸变所造成的误差、图像分辨率较低造成的误差等)，提高了定位精度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是根据本申请的定位方法的一个实施例的流程图；
图2是根据本申请的定位方法的激光定位标识与视觉定位标识的一种位置关系的示意图；
图3是根据本申请的定位方法的激光定位标识与视觉定位标识的另一种位置关系的示意图；
图4是根据本申请的定位方法的又一个实施例的流程图；
图5是根据本申请的定位装置的一个实施例的结构示意图；
图6是用于实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
随着物联网、人工智能、大数据等智能化技术的发展，利用这些智能化技术对传统物流业进行转型升级的需求愈加强劲，智慧物流(Intelligent Logistics System)成为物流领域的研究热点。智慧物流利用人工智能、大数据以及各种信息传感器、射频识别技术、全球定位系统(GPS)等物联网装置和技术，广泛应用于物料的运输、仓储、配送、包装、装卸和信息服务等基本活动环节，实现物料管理过程的智能化分析决策、自动化运作和高效率优化管理。物联网技术包括传感设备、RFID技术、激光红外扫描、红外感应识别等，物联网能够将物流中的物料与网络实现有效连接，并可实时监控物料，还可感知仓库的湿度、温度等环境数据，保障物料的储存环境。通过大数据技术可感知、采集物流中所有数据，上传至信息平台数据层，对数据进行过滤、挖掘、分析等作业，最终对业务流程(如运输、入库、存取、拣选、包装、分拣、出库、盘点、配送等环节)提供精准的数据支持。人工智能在物流中的应用方向可以大致分为两种：1)以AI技术赋能的如无人卡车、AGV、AMR、叉车、穿梭车、堆垛机、无人配送车、无人机、服务机器人、机械臂、智能终端等智能设备代替部分人工；2)通过计算机视觉、机器学习、运筹优化等技术或算法驱动的如运输设备管理系统、仓储管理、设备调度系统、订单分配系统等软件系统提高人工效率。随着智慧物流的研究和进步，该项技术在众多领域展开了应用，例如零售及电商、电子产品、烟草、医药、工业制造、鞋服、纺织、食品等领域。
智慧物流领域中，移动机器人的定位是其中一项关键技术。本申请提供了一种有利于提供定位精度的定位方法。
请参考图1，其示出了根据本申请的定位方法的一个实施例的流程100。该定位方法，包括以下步骤：
步骤101，基于激光传感器采集的数据，确定激光定位标识的第一位姿信息。
在本实施例中，定位方法的执行主体可以是移动机器人等电子设备。上述移动机器人可包括但不限于AGV(Automated Guided Vehicle，自动导引车)、AMR(AutonomousMobile Robots，自主移动机器人)、穿梭车等能够进行自动定位和移动的装置。
在本实施例所涉及的场景中，可以设置有激光定位标识。激光定位标识可以是具有强反光特性的反光标志物，如反光条、反光板等。其中，根据反光标志物的数量，激光定位标识还可以包括但不限于以下至少一项：单反光标志物、双反光标志物。单反光标志物可以是一块反光条或者一块反光板等。双反光标志物可以指两块平行放置的反光条或者反光板等。
在本实施例中，上述执行主体可以安装有激光传感器。激光传感器可以指利用激光技术进行测量的传感器，如激光扫描仪、激光雷达等。激光传感器采集的数据可以是激光数据。通过激光数据可确定出激光点的反射强度以及分布等。上述执行主体可以通过该激光传感器实时采集激光数据，并可以基于激光传感器采集的激光数据中的激光点的反射强度以及分布等，确定出处激光定位标识的位置和姿态，从而得到激光定位标识的第一位姿信息。
其中，第一位姿信息可以用于表征激光定位标识相对于上述执行主体的位姿。第一位姿信息的参照坐标系可以是机器人坐标系，如以移动机器人所在位置为原点且基于移动机器人的当前运行方向所建立的三维直角坐标系(包括x轴、y轴和z轴)。第一位姿信息中可包括但不限于坐标以及偏航角度(yaw)等信息。需要说明的是，上述偏航角度即为围绕z轴旋转的角度。上述坐标可以是激光定位标识中的某一指定点的坐标，指定点可作为定位点。作为示例，若该激光定位标识为单反光标志物，则该指定点可以是单反光标志物的中心点。作为又一示例，若该激光定位标识为双反光标志物，则该指定点可以是两个反光标志物的中心点的连线的中点。此外，还可以根据需要指定其他点，不限于上述示例中的列举。
需要指出的是，若机器人坐标系与激光传感器坐标系不同，则可首先基于上述步骤确定出激光定位标识在激光传感器坐标系中的位姿信息，而后采用坐标系转换方式，将该位姿信息转换为在机器人坐标系中的位姿信息，从而得到第一位姿信息。
可以理解的是，由于激光传感器的特性和激光定位标志的材质原因，容易发生激光畸变的情况。另外，当激光定位标志距离激光传感器较远时，由于激光传感器的分辨率有限，易导致定位精度降低。此外，一些激光传感器仅能够检测出二维信息，缺少三维信息。由此，仅通过激光传感器进行激光定位标志的定位，通常精度较低。因此，本申请实施例进一步通过图像传感器进行视觉定位标识的定位，同时结合激光定位结果和视觉定位结果进行定位，以弥补激光定位的缺陷，从而提高定位的精度。
步骤102，基于图像传感器采集的显示有视觉定位标识的图像、第一位姿信息以及激光定位标识与视觉定位标识的位置关系，确定视觉定位标识的第二位姿信息。
在本实施例中，上述执行主体可以安装有图像传感器，如相机、摄像头等。图像传感器可利用光电器件的光电转换功能将感光面上的光像转换为与光像成相应比例关系的电信号，从而实现图像采集。
在本实施例所涉及的场景中，还可以设置有视觉定位标识。视觉定位标识可以是各种容易识别的标志物，如二维码、常用的视觉基准库(如apriltag)中的标志、或特定形状的图案等。激光定位标识和视觉定位标识的位置关系可在标识设定时预先获取，并预先存储于上述执行主体中。上述位置关系可以用视觉定位标识中的某个指定点与激光定位标识中的指定点的相对坐标来表示。其中，指定点可作为定位点，视觉定位标识的指定点也可以是中点等预先指定的点，此处不作具体限定。
作为示例，若激光定位标识为单反光标志物，则激光定位标识与视觉定位标识的位置关系可参见图2。如图2所示，可将激光定位标识的中心作为原点，建立直角坐标系，并可确定视觉定位标识的中心在该坐标系中的坐标。该坐标(如图2中的x1和y1)即可用于表征激光定位标识与视觉定位标识的位置关系。
作为又一示例，若激光定位标识为双反光标志物，则激光定位标识与视觉定位标识的位置关系可参见图3。如图2所示，可将激光定位标识中的两个反光标志物的中心点的连线的中点作为原点，建立直角坐标系，并可确定视觉定位标识的中心在该坐标系中的坐标。该坐标(如图2中的x1和y1)即可用于表征激光定位标识与视觉定位标识的位置关系。
在本实施例中，上述执行主体可通过图像传感器实时采集图像，并基于图像传感器采集的显示有视觉定位标识的图像、第一位姿信息以及激光定位标识与视觉定位标识的位置关系，确定视觉定位标识的第二位姿信息。其中，第二位姿信息可以用于表征视觉定位标识相对于上述执行主体的位姿。第二位姿信息的参照坐标系也可以是机器人坐标系。第二位姿信息中可包括但不限于坐标、偏航角度、滚转角度(roll)，俯仰角度(pitch)等信息。上述滚转角度即为围绕x轴旋转的角度，上述俯仰角度即为围绕y轴旋转的角度。上述坐标可以是视觉定位标识中的指定点的坐标。
作为示例，上述执行主体可以首先基于激光定位标识在机器人坐标系中的第一位姿信息、以及激光定位标识与视觉定位标识的位置关系，通过坐标计算方式确定出视觉定位标识在机器人坐标系中的位置。而后通过坐标系转换方式将视觉定位标识在机器人坐标系中的位置转换为在图像传感器坐标系中的位置，并进一步转换为视觉定位标识在图像传感器所采集到的图像中的位置。之后，以视觉定位标识在图像中的位置作为参考，通过Github开源算法，或者通过调用opencv库中的功能对图像中的视觉定位标识的位姿进行视觉识别，得到视觉定位标识在图像传感器坐标系中的位姿信息。最后通过坐标系转换方式将该位姿信息转换为在机器人坐标系中的位姿信息，即可得到第二位姿信息。
作为又一示例，上述执行主体可以首先基于激光定位标识在激光传感器坐标系中的位姿信息、以及激光定位标识与视觉定位标识的位置关系，通过坐标计算方式确定出视觉定位标识在激光坐标系中的位置。而后通过坐标系转换方式将视觉定位标识在激光坐标系中的位置转换为在图像传感器坐标系中的位置，并进一步转换为视觉定位标识在图像传感器所采集到的图像中的位置。之后，以视觉定位标识在图像中的位置作为参考，通过上述示例中的相同方式对图像中的视觉定位标识的位姿进行视觉识别，得到视觉定位标识在图像传感器坐标系中的位姿信息。最后通过坐标系转换方式将该位姿信息转换为在机器人坐标系中的位姿信息，即可得到第二位姿信息。
步骤103，基于第一位姿信息和第二位姿信息，确定包含激光定位标识与视觉定位标识的组合标识的目标位姿信息。
在本实施例中，上述执行主体可以将激光定位标识与视觉定位标识的组合作为组合标识，基于第一位姿信息和第二位姿信息，确定该组合标识的目标位姿信息。其中，由于激光定位标识和视觉定位标识的定位点不同(如激光定位标识的定位点位于激光定位标识的中心，视觉定位标识的定位点位于激光定位标识的中心，因激光定位标识与视觉定位标识布置于不同位置，故二者的定位点不同)，为了将二者位姿信息进行融合，需要首先选取一个点作为组合标识的定位点，将第一位姿信息和第二位姿信息转换为该点的位姿信息，从而进行结合，得到目标位姿信息。
需要说明的是，在确定组合标识的定位点时，可将激光定位标识和视觉定位标识中任一标识的定位点作为定位点，也可以另选一个点作为定位点，此处不作具体限定。在进行位姿信息的结合时，可以采用加权求和等方式。此处不作具体限定。
在本实施例的一些可选的实现方式中，在进行位姿信息的结合前，上述执行主体可以首先基于激光定位标识的类型，确定组合标识的定位点。作为示例，若该激光定位标识为单反光标志物，则可将激光定位标识的中心点作为组合标识的定位点。作为又一示例，若该激光定位标识为双反光标志物，则可将两个反光标志物的中心点的连线的中点，作为组合标识的定位点。在确定组合标识的定位点后，分别将第一位姿信息和第二位姿信息转换为该定位点的位姿信息，得到第三位姿信息和第四位姿信息。具体地，上述执行主体可以基于第一位姿信息以及激光定位标识与定位点的位置关系(可用坐标表示)，确定组合标识的第三位姿信息。同理，可以基于第二位姿信息以及视觉定位标识与定位点的位置关系(可用坐标表示)，确定组合标识的第四位姿信息。上述第三位姿信息，即为基于第一位姿信息所得到的组合标识的定位点的位姿信息。上述第四位姿信息，即为基于第二位姿信息所得到的组合标识的定位点的位姿信息。第三位姿信息和第四位姿信息中的坐标信息可直接基于坐标平移方式计算得到，第三位姿信息的角度信息可以是第一位姿信息中的角度信息，第四位姿信息中的角度信息可以是第二位姿信息中的角度信息。在得到第三位姿信息和第四位姿信息后，上述执行主体可以采用加权求和等方式对二者进行结合，得到组合标识的目标位姿信息。
在本实施例的一些可选的实现方式中，第三位姿信息中可以包括第一坐标和第一偏航角度，第四位姿信息中包括第二坐标、第二偏航角度、滚转角度和俯仰角度。上述执行主体可以首先基于第一坐标和第二坐标，确定视觉定位标识的目标坐标。而后，对第一偏航角度和第二偏航角度加权求和，得到目标偏航角度。最后，可基于目标坐标、目标偏航角度、滚转角度和俯仰角度，确定视觉定位标识的目标位姿信息。其中，目标位姿信息即为上述各坐标和角度的集合，即目标位姿信息可包括目标坐标、目标偏航角度、滚转角度和俯仰角度。
其中，在基于第一坐标和第二坐标确定目标坐标时，可首先基于激光传感器的分辨率，确定距离阈值。由于在距离近时激光畸变程度低，测量更为准确，因此若激光定位标识到激光传感器的距离小于距离阈值，可将第一坐标作为目标坐标，从而能够保证所得到的位姿信息具有较高的精度。当距离较大时，因激光畸变导致精度降低，此时结合视觉定位可弥补激光定位的不足。由此若激光定位标识到激光传感器的距离大于或等于距离阈值，可对第一坐标和第二坐标进行加权求和，得到目标坐标，从而提高了定位的精度。
本申请的上述实施例提供的方法，首先基于激光传感器采集的数据，确定激光定位标识的第一位姿信息；而后基于图像传感器采集的图像、第一位姿信息以及激光定位标识与视觉定位标识的位置关系，确定视觉定位标识的第二位姿信息；最后基于第一位姿信息和第二位姿信息，确定包含激光定位标识与视觉定位标识的组合标识的目标位姿信息，从而能够同时结合激光定位标识和视觉定位标识进行视觉定位标识的定位，消除了对单一定位标识定位时的误差(如对激光畸变所造成的误差、图像分辨率较低造成的误差等)，提高了定位精度。此外，可防止采用单一定位方式进行定位时对定位标识的误检测，提高了位姿检测鲁棒性。
在一些可选的实施例中，在步骤101中，上述执行主体可以通过如下子步骤S11至子步骤S12确定激光定位标识的第一位姿信息：
子步骤S11，从激光传感器采集的数据中，选取反射强度大于强度阈值且依次相邻的目标数量(可记为N)的激光点，得到点云。
其中，目标数量N可以预先设定，也可以实时确定。例如，可基于激光传感器的分辨率和激光定位标识的尺寸确定。此处，可以以len表示激光长度，以lenR表示激光定位标识的长度，以θR表示激光的分辨率，则可按照如下公式确定目标数量N：
Figure BDA0003480808430000091
此处，可针对每个激光点依次设置索引编号，如“index:1”、“index:2”、“index:3”等。上述执行主体可筛选出N个反射强度大于强度阈值且依次相邻的激光点，并记录上述激光点中的起始激光点的索引编号，如“index:51”。上述激光点可构成激光定位标识对应的点云。例如，若起始激光点为“index:51”，N为5，则点云中包括索引编号“index:51”至“index:55”的激光点。
需要说明的是，若激光定位标识为多个反光标志物(如双反光标志物)，则可以分别针对每一个反光标志物，确定其所对应的点云。进一步地，若场景中存在多组激光定位标识，每组激光定位标识为双反光标志物。此时，上述执行主体可首先采用上述方式确定各反光标志物对应的点云，以及各点云的中心。而后两两确定点云中心的间距，若某两个点云的中心的间距与双反光标志物中两个反光标志物的间距接近(如差值小于某一预设值)，则可以确定这两个点云为该组双反光标志物对应的点云。
子步骤S12，基于点云对激光定位标识进行定位，得到第一位姿信息。此处，可基于点云中的激光点分布情况，确定激光定位标识的姿态(如偏航角度)，并可基于点云的中心点的位置，确定激光定位标识的位置(如坐标)，从而得到包含上述偏航角度以及上述坐标的第一位姿信息。
在一些可选的实现方式中，上述执行主体可以首先基于点云，拟合直线。而后基于直线的角度，确定激光定位标识的偏航角度。之后基于点云的边界与该直线的交点，确定激光定位标识的中心点的坐标。最后基于偏航角度和中心点的坐标，得到第一位姿信息。第一位姿信息中可包含该偏航角度和该中心点的坐标。
其中，在拟合直线以确定偏航角度时，上述执行主体可以在激光定位标识的两侧各取若干激光点(例如，若点云中包括索引编号“index:51”至“index:55”的激光点，则可在激光定位标识的左侧取“index:45”至“index:50”共5个激光点，在激光定位标识的右侧取“index:56”至“index:60”共5个激光点)进行直线拟合，然后向两侧扩张至一定距离(如10cm)，由此拟合得到直线。该直线在机器人坐标系中相较于z轴所旋转的角度即为激光定位标识的偏航角度。
其中，在基于点云的边界与该直线的交点确定激光定位标识的中心点的坐标时，若激光定位标识为单反光标志物，则上述执行主体首先可以分别确定激光定位标识的左右两侧的边界与该直线的交点，得到两个坐标值，如(x1,y1)和(x2,y2)。而后可以按照如下公式确定中心点的坐标(x,y)：(x,y)＝(x1+x2,y1+y2)/2。若激光定位标识为双反光标志物，则上述执行主体首先可以分别确定激光定位标识的前后左右四侧的边界与该直线的交点的交点，得到四个坐标值，如(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)。而后可以按照如下公式确定中心点的坐标(x,y)：(x,y)＝(x1+x2+x3+x4,y1+y2+y3+y4)/4。
通过基于反射强度选取依次相邻的目标数量的激光点以得到点云，且目标数量可由激光传感器的分辨率和激光定位标识的尺寸确定，可以准确地筛选出激光定位标识对应的点云，从而提高第一位姿信息的准确性。
在一些可选的实施例中，由于激光传感器采集的数据和图像传感器采集的图像的时间可能不同步，因此可以在得到第一位姿信息后，还可以基于激光传感器采集的数据与图像传感器采集的图像的时间差以及上述执行主体的当前运行速度，对第一位姿信息进行更新，使更新后的第一位姿信息可直接作用于图像传感器采集的图像，从而实现数据的同步。
具体地，在得到第一位姿信息(可记为
Figure BDA0003480808430000111
)之后，上述执行主体可以基于移动机器人的当前运行速度(可包括线速度和角速度，可记为vel)、激光传感器采集到数据的第一时间(可记为t1)以及图像传感器采集到图像的第二时间(可记为t2)，确定激光定位标识的位姿变化量(可记为
Figure BDA0003480808430000112
)，即
Figure BDA0003480808430000113
而后，可以基于位姿变化量对第一位姿信息进行更新，即
Figure BDA0003480808430000114
需要说明的是，若图像传感器的采集图像的频率小于激光传感器采集激光数据的频率时，还可以进一步对图像传感器采集到的图像进行插值，以降低频率差距。
通过上述实现方式进行第一位姿信息的更新，可使作用于图像传感器采集的图像的第一位姿信息与图像传感器采集的图像的时间同步，从而提高了第一位姿信息的准确性，进而提高了位姿检测的精度。
进一步参考图4，其示出了定位方法的又一个实施例的流程400。该定位方法的流程400，包括以下步骤：
步骤401，基于激光传感器采集的数据，确定激光定位标识的第一位姿信息。
在本实施例中，定位方法的执行主体可以是移动机器人等电子设备。步骤401可参见图1对应实施例的步骤101，此处不再朱赘述。
在本实施例的一些可选的实现方式中，上述激光定位标识包括以下至少一种类型：单反光标志物、双反光标志物。
在本实施例的一些可选的实现方式中，第一位姿信息可通过如下步骤确定：从激光传感器采集的数据中，选取反射强度大于强度阈值且依次相邻的目标数量的激光点，得到点云；基于上述点云对上述激光定位标识进行定位，得到第一位姿信息。
在本实施例的一些可选的实现方式中，上述基于上述点云对上述激光定位标识进行定位，得到第一位姿信息，可以包括：基于上述点云拟合直线；基于上述直线的角度，确定上述激光定位标识的偏航角度；基于上述点云的边界与上述直线的交点，确定上述激光定位标识的中心点的坐标；基于上述偏航角度和上述中心点的坐标，得到第一位姿信息。
在本实施例的一些可选的实现方式中，在得到第一位姿信息之后，上述执行主体还可以基于上述移动机器人的当前运行速度、上述激光传感器采集到上述数据的第一时间以及上述图像传感器采集到上述图像的第二时间，确定上述激光定位标识的位姿变化量；基于上述位姿变化量对上述第一位姿信息进行更新。通过上述实现方式进行第一位姿信息的更新，可使作用于图像传感器采集的图像的第一位姿信息与图像传感器采集的图像的时间同步，从而提高了第一位姿信息的准确性，进而提高了位姿检测的精度。
可以理解的是，由于激光传感器的特性和激光定位标志的材质原因，容易发生激光畸变的情况。另外，当激光定位标志距离激光传感器较远时，由于激光传感器的分辨率有限，易导致定位精度降低。此外，一些激光传感器仅能够检测出二维信息，缺少三维信息。由此，仅通过激光传感器进行激光定位标志的定位，通常精度较低。因此，本申请实施例进一步通过图像传感器进行视觉定位标识的定位，同时结合激光定位结果和视觉定位结果进行定位，以弥补激光定位的缺陷，从而提高定位的精度。
步骤402，基于第一位姿信息、激光定位标识与视觉定位标识的位置关系、图像传感器的参数信息以及视觉定位标识的参数信息，确定视觉定位标识在图像传感器所采集到的图像中的目标区域。
在本实施例中，上述执行主体在确定激光定位标识的第一位姿信息之后，可以基于第一位姿信息、激光定位标识与视觉定位标识的位置关系、图像传感器的参数信息以及视觉定位标识的参数信息，确定视觉定位标识在图像传感器所采集到的图像中的目标区域。其中，图像传感器的参数信息可以包括内参和外参。内参可包括但不限于图像传感器的分辨率等参数。外参可包括但不限于以下至少一项：图像传感器与移动机器人的位置关系、图像传感器与激光传感器的位置关系。上述视觉定位标识的参数信息可包括但不限于视觉定位标识的尺寸。图像传感器所采集到的图像中的目标区域可以是视觉定位标识所在的区域，即目标区域中可以包含视觉定位标识。
在本实施例的一些可选的实现方式中，上述视觉定位标识包括但不限于二维码。
在本实施例的一些可选的实现方式中，可按照如下子步骤S21至子步骤S23确定视觉定位标识在图像传感器所采集到的图像中的目标区域：
子步骤S21，基于第一位姿信息、激光定位标识与视觉定位标识的位置关系以及图像传感器的参数信息，确定视觉定位标识在图像传感器坐标系中的位置。此处所使用的参数信息可以是外参，具体可包括图像传感器与移动机器人的位置关系。具体地，可以首先基于激光定位标识在机器人坐标系中的第一位姿信息、以及激光定位标识与视觉定位标识的位置关系，通过坐标计算方式确定出视觉定位标识在机器人坐标系中的位置。而后，可以基于图像传感器与移动机器人的位置关系确定图像传感器坐标系与机器人坐标系的转换关系，从而通过坐标系转换方式将视觉定位标识在机器人坐标系中的位置转换为在图像传感器坐标系中的位置，并进一步转换为视觉定位标识在图像传感器所采集到的图像中的位置。其中，位置可用坐标进行表示。
子步骤S22，基于视觉定位标识在图像传感器坐标系中的位置(可记为坐标(x，y))、视觉定位标识的尺寸(长度可记为len1，宽度可记为len2)以及图像传感器的分辨率(可记为R)，确定视觉定位标识在图像中的初始区域。初始区域可采用四个顶点的坐标值来表示，如：
Figure BDA0003480808430000131
子步骤S23，基于预设的误差信息，对初始区域进行扩大，得到图像中的目标区域。误差信息可以包括但不限于提取误差和固定误差。提取误差可以指确定因二维码位置获取不准确所造成误差，固定误差可以指外参造成的误差。误差信息中的各项误差可以基于测试而预先设定。误差可采用像素点个数来表征。上述执行主体可以对初始区域四周向外扩大该像素点个数的像素点，得到目标区域。
通过第一位姿信息、激光定位标识与视觉定位标识的位置关系以及图像传感器的参数信息来确定视觉定位标识在图像传感器坐标系中的位置，而后基于该位置确定视觉定位标识在图像中的初始区域，相较于直接对图像进行识别等方式，可提高识别效率，从而加速视觉定位标识的位姿信息的获取。此外，通过确定视觉定位标识在图像中的初始区域，并对初始区域进行扩大得到目标区域，可以避免因初始区域中的视觉定位标识不全导致漏检等情况发生，提高了对视觉定位标识进行定位的成功率。
步骤403，对目标区域内的像素值进行强度归一化，得到目标区域图像。
在本实施例中，在确定出目标区域后，上述执行主体可以对目标区域内的像素值进行强度归一化，得到目标区域图像。其中，强度归一化可用于增强图像的对比度。具体地，可首先计算目标区域内平均像素值。而后，可以基于各像素点的像素值与该平均像素值的比较，确定各像素点的像素值缩放系数(即一个系数，用于与像素值相乘)。而后基于该像素值缩放系数，更新各像素点的像素值，从而得到对比度增强后的目标区域图像。
作为示例，若平均像素值为2，则可以将设置两个阈值，如第一阈值为1，第二阈值为3。像素值缩放系数可包括两个，分别为第一像素值缩放系数(如0.5)和第二像素值缩放系数(如2)。若某个像素值(如1)小于或等于第一阈值(即1)，则可以将其乘以第一像素值缩放系数(即0.5)，得到更新后的像素值0.5。若另一像素值(如5)大于或等于第二阈值(即3)，则可以将其乘以第二像素值缩放系数(即2)，得到更新后的像素值10。由此可使得较小的像素值进一步减小，较大的像素值进一步增大，实现增强对比度的效果。降低了视觉定位标识的误提取率。
步骤404，基于目标区域图像对视觉定位标识进行定位，得到视觉定位标识的第二位姿信息。
在本实施例中，上述执行主体可以基于目标区域图像对视觉定位标识进行定位，得到视觉定位标识的第二位姿信息。此处，通过Github开源算法，或者通过调用opencv库中的功能对图像中的视觉定位标识的位姿进行视觉识别，得到视觉定位标识在图像传感器坐标系中的位姿信息。例如，可将该目标区域图像作为输入，同时输入视觉定位标识的尺寸等参数，即可得到视觉定位标识在所输入的图像中的位姿信息。通过坐标系转换方式将该位姿信息转换为在图像传感器坐标系中的位姿信息，并进一步转换为在机器人坐标系中的位姿信息，即可得到第二位姿信息。
可以理解的是，在图像传感器的分辨率较低时，直接对原始的图像对视觉定位标识进行识别，易发生因图像中的视觉定位标识较小导致识别精度较低的情况。在图像传感器的分辨率较大时，直接对原始的图像对视觉定位标识进行识别，则因计算量较大导致耗时较长。本实施例通过扣取目标区域的目标区域图像，并基于目标区域图像对视觉定位标识进行定位，相较于基于原始的图像对视觉定位标识进行定位，能够在小区域内检测视觉定位标识，大大提高了视觉定位标识的检测速率和成功率。
步骤405，基于第一位姿信息和第二位姿信息，确定包含激光定位标识与视觉定位标识的组合标识的目标位姿信息。
本实施例中的步骤405可参见上述实施例中的步骤103，此处不再赘述。
在本实施例的一些可选的实现方式中，上述基于上述第一位姿信息和上述第二位姿信息，确定包含上述激光定位标识与上述视觉定位标识的组合标识的目标位姿信息，可以包括：基于上述激光定位标识的类型，确定包含上述激光定位标识与上述视觉定位标识的组合标识的定位点；基于上述第一位姿信息以及上述激光定位标识与上述定位点的位置关系，确定上述组合标识的第三位姿信息；基于上述第二位姿信息以及上述视觉定位标识与上述定位点的位置关系，确定上述组合标识的第四位姿信息；基于上述第三位姿信息与上述第四位姿信息，确定上述组合标识的目标位姿信息。
在本实施例的一些可选的实现方式中，上述第三位姿信息中包括第一坐标和第一偏航角度，上述第四位姿信息中包括第二坐标、第二偏航角度、滚转角度和俯仰角度；上述基于上述第三位姿信息和上述第四位姿信息，确定包含上述激光定位标识与视觉定位标识的组合标识的目标位姿信息，包括：基于上述第一坐标和上述第二坐标，确定上述视觉定位标识的目标坐标；对上述第一偏航角度和上述第二偏航角度加权求和，得到目标偏航角度；基于上述目标坐标、上述目标偏航角度、上述滚转角度和上述俯仰角度，确定上述视觉定位标识的目标位姿信息。
在本实施例的一些可选的实现方式中，其中，在基于第一坐标和第二坐标确定目标坐标时，可首先基于激光传感器的分辨率，确定距离阈值。由于在距离近时激光畸变程度低，测量更为准确，因此若激光定位标识到激光传感器的距离小于距离阈值，可将第一坐标作为目标坐标，从而能够保证所得到的位姿信息具有较高的精度。当距离较大时，因激光畸变导致精度降低，此时结合视觉定位可弥补激光定位的不足。由此若激光定位标识到激光传感器的距离大于或等于距离阈值，可对第一坐标和第二坐标进行加权求和，得到目标坐标，从而提高了定位的精度。
从图4中可以看出，与图1对应的实施例相比，本实施例中的定位方法的流程400涉及了对目标区域内的像素值进行强度归一化得到目标区域图像以及基于目标区域图像对视觉定位标识进行定位，得到视觉定位标识的第二位姿信息的步骤。由此，可使得目标区域内较小的像素值进一步减小，较大的像素值进一步增大，实现增强对比度的效果。降低了视觉定位标识的误提取率。同时，相较于基于原始的图像对视觉定位标识进行定位，能够在小区域内检测视觉定位标识，大大提高了视觉定位标识的检测速率和成功率。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种定位装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的定位装置500包括：激光定位单元501，用于基于激光传感器采集的显示有视觉定位标识的数据，确定激光定位标识的第一位姿信息；视觉定位单元502，用于基于图像传感器采集的图像、上述第一位姿信息以及上述激光定位标识与视觉定位标识的位置关系，确定上述视觉定位标识的第二位姿信息；结果融合单元503，用于基于上述第一位姿信息和上述第二位姿信息，确定包含上述激光定位标识与上述视觉定位标识的组合标识的目标位姿信息。
在本实施例的一些可选的实现方式中，上述激光定位单元501，进一步用于从激光传感器采集的数据中，选取反射强度大于强度阈值且依次相邻的目标数量的激光点，得到点云；基于上述点云对上述激光定位标识进行定位，得到第一位姿信息。
在本实施例的一些可选的实现方式中，上述激光定位单元501，进一步用于基于上述点云拟合直线；基于上述直线的角度，确定上述激光定位标识的偏航角度；基于上述点云的边界与上述直线的交点，确定上述激光定位标识的中心点的坐标；基于上述偏航角度和上述中心点的坐标，得到第一位姿信息。
在本实施例的一些可选的实现方式中，上述方法还包括同步单元，用于在得到第一位姿信息之后，上述方法还包括：基于上述移动机器人的当前运行速度、上述激光传感器采集到上述数据的第一时间以及上述图像传感器采集到上述图像的第二时间，确定上述激光定位标识的位姿变化量；基于上述位姿变化量对上述第一位姿信息进行更新。
在本实施例的一些可选的实现方式中，上述视觉定位单元502，进一步用于基于上述第一位姿信息、上述激光定位标识与视觉定位标识的位置关系、上述图像传感器的参数信息以及上述视觉定位标识的参数信息，确定上述视觉定位标识在上述图像传感器所采集到的图像中的目标区域；对上述目标区域内的像素值进行强度归一化，得到目标区域图像；基于上述目标区域图像对上述视觉定位标识进行定位，得到上述视觉定位标识的第二位姿信息。
在本实施例的一些可选的实现方式中，上述视觉定位单元502，进一步用于确定目标区域内的平均像素值；基于目标区域内的各像素点的像素值与上述平均像素值的比较，确定各像素点的像素值缩放系数；基于各像素点的像素值缩放系数，更新各像素点的像素值，得到对比度增强后的目标区域图像。
在本实施例的一些可选的实现方式中，上述视觉定位单元502，进一步用于基于上述第一位姿信息、上述激光定位标识与视觉定位标识的位置关系以及上述图像传感器的参数信息，确定上述视觉定位标识在图像传感器坐标系中的位置；基于上述视觉定位标识在图像传感器坐标系中的位置、上述视觉定位标识的尺寸以及上述图像传感器的分辨率，确定上述视觉定位标识在上述图像中的初始区域；基于预设的误差信息，对上述初始区域进行扩大，得到上述图像中的目标区域。
在本实施例的一些可选的实现方式中，上述结果融合单元503，进一步用于基于上述激光定位标识的类型，确定包含上述激光定位标识与上述视觉定位标识的组合标识的定位点；基于上述第一位姿信息以及上述激光定位标识与上述定位点的位置关系，确定上述组合标识的第三位姿信息；基于上述第二位姿信息以及上述视觉定位标识与上述定位点的位置关系，确定上述组合标识的第四位姿信息；基于上述第三位姿信息与上述第四位姿信息，确定上述组合标识的目标位姿信息。
在本实施例的一些可选的实现方式中，上述第三位姿信息中包括第一坐标和第一偏航角度，上述第四位姿信息中包括第二坐标、第二偏航角度、滚转角度和俯仰角度；上述结果融合单元503，进一步用于基于上述第一坐标和上述第二坐标，确定上述视觉定位标识的目标坐标；对上述第一偏航角度和上述第二偏航角度加权求和，得到目标偏航角度；基于上述目标坐标、上述目标偏航角度、上述滚转角度和上述俯仰角度，确定上述视觉定位标识的目标位姿信息。
在本实施例的一些可选的实现方式中，上述结果融合单元503，进一步用于基于上述激光传感器的分辨率，确定距离阈值；若上述激光定位标识到上述激光传感器的距离小于上述距离阈值，将上述第一坐标作为目标坐标；若上述激光定位标识到上述激光传感器的距离大于或等于上述距离阈值，对上述第一坐标和上述第二坐标进行加权求和，得到目标坐标。
在本实施例的一些可选的实现方式中，上述激光定位标识包括以下至少一种类型：单反光标志物、双反光标志物；上述视觉定位标识包括二维码。
本申请的上述实施例提供的装置，首先基于激光传感器采集的数据，确定激光定位标识的第一位姿信息；而后基于图像传感器采集的图像、第一位姿信息以及激光定位标识与视觉定位标识的位置关系，确定视觉定位标识的第二位姿信息；最后基于第一位姿信息和第二位姿信息，确定包含激光定位标识与视觉定位标识的组合标识的目标位姿信息，从而能够同时结合激光定位标识和视觉定位标识进行视觉定位标识的定位，消除了对单一定位标识定位时的误差(如对激光畸变所造成的误差、图像分辨率较低造成的误差等)，提高了定位精度。
下面参考图6，其示出了用于实现本申请的一些实施例的电子设备的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请的实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁盘、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
本申请实施例还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述定位方法。
特别地，根据本申请的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本申请的一些实施例的方法中限定的上述功能。
本申请实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述定位方法。
需要说明的是，本申请的一些实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：基于激光传感器采集的数据，确定激光定位标识的第一位姿信息；基于图像传感器采集的显示有视觉定位标识的图像、第一位姿信息以及激光定位标识与视觉定位标识的位置关系，确定视觉定位标识的第二位姿信息；基于第一位姿信息和第二位姿信息，确定包含激光定位标识与视觉定位标识的组合标识的目标位姿信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的一些实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++；还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)，上述网络包括局域网(LAN)或广域网(WAN)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一确定单元、第二确定单元、选取单元和第三确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本申请的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种定位方法，其特征在于，包括：
基于激光传感器采集的数据，确定激光定位标识的第一位姿信息；
基于图像传感器采集的显示有视觉定位标识的图像、所述第一位姿信息以及所述激光定位标识与所述视觉定位标识的位置关系，确定所述视觉定位标识的第二位姿信息；
基于所述第一位姿信息和所述第二位姿信息，确定包含所述激光定位标识与所述视觉定位标识的组合标识的目标位姿信息。
2.根据权利要求1所述的方法，其特征在于，所述基于激光传感器采集的数据，确定激光定位标识的第一位姿信息，包括：
从激光传感器采集的数据中，选取反射强度大于强度阈值且依次相邻的目标数量的激光点，得到点云；
基于所述点云对所述激光定位标识进行定位，得到第一位姿信息。
3.根据权利要求2所述的方法，其特征在于，所述基于所述点云对所述激光定位标识进行定位，得到第一位姿信息，包括：
基于所述点云拟合直线；
基于所述直线的角度，确定所述激光定位标识的偏航角度；
基于所述点云的边界与所述直线的交点，确定所述激光定位标识的中心点的坐标；
基于所述偏航角度和所述中心点的坐标，得到第一位姿信息。
4.根据权利要求1-3之一所述的方法，其特征在于，在得到第一位姿信息之后，所述方法还包括：
基于所述移动机器人的当前运行速度、所述激光传感器采集到所述数据的第一时间以及所述图像传感器采集到所述图像的第二时间，确定所述激光定位标识的位姿变化量；
基于所述位姿变化量对所述第一位姿信息进行更新。
5.根据权利要求1-4之一所述的方法，其特征在于，所述基于图像传感器采集的显示有视觉定位标识的图像、所述第一位姿信息以及所述激光定位标识与视觉定位标识的位置关系，确定所述视觉定位标识的第二位姿信息，包括：
基于所述第一位姿信息、所述激光定位标识与视觉定位标识的位置关系、所述图像传感器的参数信息以及所述视觉定位标识的参数信息，确定所述视觉定位标识在所述图像传感器所采集到的图像中的目标区域；
对所述目标区域内的像素值进行强度归一化，得到目标区域图像；
基于所述目标区域图像对所述视觉定位标识进行定位，得到所述视觉定位标识的第二位姿信息。
6.根据权利要求5所述的方法，其特征在于，所述对所述目标区域内的像素值进行强度归一化，得到目标区域图像，包括：
确定目标区域内的平均像素值；
基于目标区域内的各像素点的像素值与所述平均像素值的比较，确定各像素点的像素值缩放系数；
基于各像素点的像素值缩放系数，更新各像素点的像素值，得到对比度增强后的目标区域图像。
7.根据权利要求5或6所述的方法，其特征在于，所述基于所述第一位姿信息、所述激光定位标识与视觉定位标识的位置关系、所述图像传感器的参数信息以及所述视觉定位标识的参数信息，确定所述视觉定位标识在所述图像传感器所采集到的图像中的目标区域，包括：
基于所述第一位姿信息、所述激光定位标识与视觉定位标识的位置关系以及所述图像传感器的参数信息，确定所述视觉定位标识在图像传感器坐标系中的位置；
基于所述视觉定位标识在图像传感器坐标系中的位置、所述视觉定位标识的尺寸以及所述图像传感器的分辨率，确定所述视觉定位标识在所述图像中的初始区域；
基于预设的误差信息，对所述初始区域进行扩大，得到所述图像中的目标区域。
8.根据权利要求1-7之一所述的方法，其特征在于，所述基于所述第一位姿信息和所述第二位姿信息，确定包含所述激光定位标识与所述视觉定位标识的组合标识的目标位姿信息，包括：
基于所述激光定位标识的类型，确定包含所述激光定位标识与所述视觉定位标识的组合标识的定位点；
基于所述第一位姿信息以及所述激光定位标识与所述定位点的位置关系，确定所述组合标识的第三位姿信息；
基于所述第二位姿信息以及所述视觉定位标识与所述定位点的位置关系，确定所述组合标识的第四位姿信息；
基于所述第三位姿信息与所述第四位姿信息，确定所述组合标识的目标位姿信息。
9.根据权利要求8所述的方法，其特征在于，所述第三位姿信息中包括第一坐标和第一偏航角度，所述第四位姿信息中包括第二坐标、第二偏航角度、滚转角度和俯仰角度；
所述基于所述第三位姿信息和所述第四位姿信息，确定包含所述激光定位标识与视觉定位标识的组合标识的目标位姿信息，包括：
基于所述第一坐标和所述第二坐标，确定所述视觉定位标识的目标坐标；
对所述第一偏航角度和所述第二偏航角度加权求和，得到目标偏航角度；
基于所述目标坐标、所述目标偏航角度、所述滚转角度和所述俯仰角度，确定所述视觉定位标识的目标位姿信息。
10.根据权利要求9所述的方法，其特征在于，所述基于所述第一坐标和所述第二坐标，确定所述视觉定位标识的目标坐标，包括：
基于所述激光传感器的分辨率，确定距离阈值；
若所述激光定位标识到所述激光传感器的距离小于所述距离阈值，将所述第一坐标作为目标坐标；
若所述激光定位标识到所述激光传感器的距离大于或等于所述距离阈值，对所述第一坐标和所述第二坐标进行加权求和，得到目标坐标。
11.根据权利要求1-10之一所述的方法，其特征在于，所述激光定位标识包括以下至少一种类型：单反光标志物、双反光标志物；所述视觉定位标识包括二维码。
12.一种移动机器人，其特征在于，包括：
激光传感器；
图像传感器；
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
13.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-10中任一所述的方法。
14.一种计算机程序产品，包括计算机程序或指令，其特征在于，该计算机程序或指令被处理器执行时实现权利要求1-10中任一所述的方法。
CN202210083722.2A 2022-01-20 2022-01-20 定位方法、装置、移动机器人和计算机可读介质 Pending CN114545426A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210083722.2A CN114545426A (zh) 2022-01-20 2022-01-20 定位方法、装置、移动机器人和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210083722.2A CN114545426A (zh) 2022-01-20 2022-01-20 定位方法、装置、移动机器人和计算机可读介质

Publications (1)

Publication Number Publication Date
CN114545426A true CN114545426A (zh) 2022-05-27

Family

ID=81671207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210083722.2A Pending CN114545426A (zh) 2022-01-20 2022-01-20 定位方法、装置、移动机器人和计算机可读介质

Country Status (1)

Country Link
CN (1) CN114545426A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116309593A (zh) * 2023-05-23 2023-06-23 天津市中西医结合医院（天津市南开医院） 基于数学模型的肝脏穿刺活检b超图像处理方法及系统
CN116664684A (zh) * 2022-12-13 2023-08-29 荣耀终端有限公司 定位方法、电子设备及计算机可读存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116664684A (zh) * 2022-12-13 2023-08-29 荣耀终端有限公司 定位方法、电子设备及计算机可读存储介质
CN116664684B (zh) * 2022-12-13 2024-04-05 荣耀终端有限公司 定位方法、电子设备及计算机可读存储介质
CN116309593A (zh) * 2023-05-23 2023-06-23 天津市中西医结合医院（天津市南开医院） 基于数学模型的肝脏穿刺活检b超图像处理方法及系统
CN116309593B (zh) * 2023-05-23 2023-09-12 天津市中西医结合医院（天津市南开医院） 基于数学模型的肝脏穿刺活检b超图像处理方法及系统

Similar Documents

Publication Publication Date Title
CN109903337B (zh) 用于确定挖掘机的铲斗的位姿的方法和装置
US11189044B2 (en) Method and device for detecting object stacking state and intelligent shelf
CN108827249B (zh) 一种地图构建方法和装置
CN114545426A (zh) 定位方法、装置、移动机器人和计算机可读介质
WO2023005384A1 (zh) 可移动设备的重定位方法及装置
CN111353453B (zh) 用于车辆的障碍物检测方法和装置
CN111735439A (zh) 地图构建方法、装置和计算机可读存储介质
CN111856499B (zh) 基于激光雷达的地图构建方法和装置
CN116449392B (zh) 一种地图构建方法、装置、计算机设备及存储介质
CN115719436A (zh) 模型训练方法、目标检测方法、装置、设备以及存储介质
Tang et al. Surveying, geomatics, and 3D reconstruction
Scheuermann et al. Mobile augmented reality based annotation system: A cyber-physical human system
Shi et al. Large-scale three-dimensional measurement based on LED marker tracking
CN116642490A (zh) 基于混合地图的视觉定位导航方法、机器人及存储介质
CN115830073A (zh) 地图要素重建方法、装置、计算机设备和存储介质
CN110634159A (zh) 一种目标检测方法和装置
CN115345944A (zh) 外参标定参数确定方法、装置、计算机设备和存储介质
CN113269829B (zh) 流水生产线目标定位方法、装置、计算机设备和存储介质
Araar et al. PDCAT: a framework for fast, robust, and occlusion resilient fiducial marker tracking
Rutinowski et al. Semi-Automated Computer Vision based Tracking of Multiple Industrial Entities--A Framework and Dataset Creation Approach
CN115187769A (zh) 一种定位方法及装置
CN114519739A (zh) 一种基于识别装置的方向定位方法、装置及存储介质
CN112435291A (zh) 一种多目标体积测量方法、装置及存储介质
JP4546155B2 (ja) 画像処理方法、画像処理装置および画像処理プログラム
CN113065521A (zh) 物体识别方法、装置、设备及介质

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