CN114577199A - 一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统 - Google Patents
一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统 Download PDFInfo
- Publication number
- CN114577199A CN114577199A CN202210148190.6A CN202210148190A CN114577199A CN 114577199 A CN114577199 A CN 114577199A CN 202210148190 A CN202210148190 A CN 202210148190A CN 114577199 A CN114577199 A CN 114577199A
- Authority
- CN
- China
- Prior art keywords
- robot
- sorting
- picking
- pose
- garbage classification
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 21
- 239000002245 particle Substances 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims 4
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G01C21/38—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
- G01C21/383—Indoor 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统,包括以下步骤：S1：启动拾分一体移动式垃圾分类机器人，确认传感器与系统端口连接情况；S2：根据拾分一体移动式垃圾分类机器人上安装的传感器、轮式里程计以及惯性导航模块所采集的数据，基于RBPF粒子滤波算法得到拾分一体移动式垃圾分类机器人的初步位姿；S3：根据估计的拾分一体移动式垃圾分类机器人预测移动轨迹以及传感器模板的观测数据，用更少的粒子即覆盖了机器人位姿的概率分布，提高机器人的工作效率，通过拾分一体移动式垃圾分类机器人对区域中的垃圾进行拾取、分类以及回收，减少广大环保工作者的工作量，减少垃圾分类政策的实施难度、推进绿色城市建设。
Description
技术领域
本发明涉及视觉导航技术领域，具体为一种基于Gmapping算法的垃圾分 类机器人二维栅格地图构建系统。
背景技术
随着SLAM导航技术日益成熟，越来越多工业机器人选择搭载SLAM导航 系统来完成更细致更实用的任务。通过SLAM导航技术，垃圾分类机器人得以 在室外环境或室内大小场所自由灵活移动，同时对区域内的垃圾进行拾取， 分类以及回收。在拾分一体移动式垃圾分类机器人的协助下，城市垃圾分类 工作将会更好的落实到位。
本方法可以协助拾分一体移动式垃圾分类机器人构建二维栅格室内环境 地图，通过地图自主定点巡航，对区域中的垃圾进行拾取、分类以及回收。 可以更加灵活地应对不同类型的地形，自由移动穿梭室内空间，克服了传统 垃圾分类工作机动性较弱，拾取分类回收工作流程繁琐的缺点。
因此本方法在已有的技术上，使得垃圾分类工作实施方法灵活简单，实 现难度小，使得垃圾分类机器人可以覆盖多种不同室内场所，从而在减少广 大环保工作者的工作量、减少垃圾分类政策的实施难度、推进绿色城市建设 等方面具有重大意义。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于Gmapping算法的垃圾分类 机器人二维栅格地图构建系统，具备实施方法灵活简单，实现难度小，等优 点，解决了广大环保工作者的工作量大、垃圾分类政策的实施难度高、绿色 城市建设速度慢的问题。
(二)技术方案
为实现上述减少广大环保工作者的工作量、减少垃圾分类政策的实施难 度、推进绿色城市建设的目的，本发明提供如下技术方案：一种基于Gmapping 算法的垃圾分类机器人二维栅格地图构建系统，包括以下步骤：
S1：启动拾分一体移动式垃圾分类机器人，确认传感器与系统端口连接 情况；
S2：根据拾分一体移动式垃圾分类机器人上安装的传感器、轮式里程计 以及惯性导航模块所采集的数据，基于RBPF粒子滤波算法得到拾分一体移动 式垃圾分类机器人的初步位姿；
S3：根据估计的拾分一体移动式垃圾分类机器人预测移动轨迹以及传感 器模板的观测数据，输入Gmapping算法进行位姿优化，完成二维栅格地图的 构建；
S4：根据拾分一体移动式垃圾分类机器人的实时位姿数据，可以确定机 器人在地图上的位置，从而完成区域内垃圾拾取分类工作
优选的，该方法使用基于RBPF的Gmapping算法。
优选的，矢量均值和协方差的计算公式为：
优选的，多元正态分布公式如下，可以根据均值和协方差，直接计算得 出后验概率
优选的，算法流程为：开始初始化粒子群——遍历上一时刻的所有例子 ——取得粒子携带的位姿、权重和地图。
优选的，取得粒子携带的位姿、权重和地图后借助里程计——更新位姿 后采用极大似然法——求取局部极值，失败进入使用提议分布通过观测模型 继续重复更新位姿步骤。
优选的，求取局部极值成功进入在局部极值附近取K个位姿——求取K 个位姿的均值、权重和方差通过归一化处理后进入使用多元正态分布近似新 位姿。
优选的，使用多元正态分布近似新位姿后计算该位姿粒子的权重然后更 新地图与粒子群，然后再次进入遍历上一时刻的所有例子这一步。
(三)有益效果
与现有技术相比，本发明提供了一种基于Gmapping算法的垃圾分类机器 人二维栅格地图构建系统，具备以下有益效果：
1、该基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，通 过使用基于RBPF的Gmapping算法。针对粒子耗散，Gmapping通过最近一帧 的观测(scan)，把proposal分布限制在一个狭小的有效区域，然后在正常 的对proposal分布进行采样。如果proposal分布用激光匹配来表示，则可 以把采样范围限制在一个比较小的区域，因此可以用更少的粒子即覆盖了机 器人位姿的概率分布，使得地图更加准确，提高机器人的工作效率。
2、该基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，通 过拾分一体移动式垃圾分类机器人对区域中的垃圾进行拾取、分类以及回收， 减少广大环保工作者的工作量。
3、该基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，通 过拾分一体移动式垃圾分类机器人对区域中的垃圾进行拾取、分类以及回收， 减少垃圾分类政策的实施难度、推进绿色城市建设。
附图说明
图1为本发明的步骤图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，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。
所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示 相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的 实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长 度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水 平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周 向”等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、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。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连 接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆 卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连， 也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相 互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述 术语在本发明中的具体含义。
如图1所示，本发明提供一种技术方案：一种基于Gmapping算法的垃圾 分类机器人二维栅格地图构建系统，包括以下步骤：
S1：启动拾分一体移动式垃圾分类机器人，确认传感器与系统端口连接 情况；
S2：根据拾分一体移动式垃圾分类机器人上安装的传感器、轮式里程计 以及惯性导航模块所采集的数据，基于RBPF粒子滤波算法得到拾分一体移动 式垃圾分类机器人的初步位姿；
S3：根据估计的拾分一体移动式垃圾分类机器人预测移动轨迹以及传感 器模板的观测数据，输入Gmapping算法进行位姿优化，完成二维栅格地图的 构建；
S4：根据拾分一体移动式垃圾分类机器人的实时位姿数据，可以确定机 器人在地图上的位置，从而完成区域内垃圾拾取分类工作
该方法使用基于RBPF的Gmapping算法。
矢量均值和协方差的计算公式为：
多元正态分布公式如下，可以根据均值和协方差，直接计算得出后验概 率
算法流程为：开始初始化粒子群——遍历上一时刻的所有例子——取得 粒子携带的位姿、权重和地图后借助里程计——更新位姿后采用极大似然法 ——求取局部极值，失败进入使用提议分布通过观测模型继续重复更新位姿 步骤。
求取局部极值成功进入在局部极值附近取K个位姿——求取K个位姿的 均值、权重和方差通过归一化处理后进入使用多元正态分布近似新位姿后计 算该位姿粒子的权重然后更新地图与粒子群，然后再次进入遍历上一时刻的 所有例子这一步。
本发明的有益效果是：通过使用基于RBPF的Gmapping算法。针对粒子 耗散，Gmapping通过最近一帧的观测(scan)，把proposal分布限制在一个 狭小的有效区域，然后在正常的对proposal分布进行采样。如果proposal 分布用激光匹配来表示，则可以把采样范围限制在一个比较小的区域，因此 可以用更少的粒子即覆盖了机器人位姿的概率分布，使得地图更加准确，提 高机器人的工作效率，通过搭载SLAM导航系统，大大提高了垃圾分类机器人 的移动性、灵活性，通过Gmapping算法，缓解了内存爆炸和粒子耗散问题。 提高了地图的准确度，通过拾分一体移动式垃圾分类机器人对区域中的垃圾 进行拾取、分类以及回收，减少广大环保工作者的工作量，通过拾分一体移 动式垃圾分类机器人对区域中的垃圾进行拾取、分类以及回收，减少垃圾分 类政策的实施难度、推进绿色城市建设。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而 言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行 多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限 定。
Claims (8)
1.一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，其特征在于，包括以下步骤：
S1：启动拾分一体移动式垃圾分类机器人，确认传感器与系统端口连接情况；
S2：根据拾分一体移动式垃圾分类机器人上安装的传感器、轮式里程计以及惯性导航模块所采集的数据，基于RBPF粒子滤波算法得到拾分一体移动式垃圾分类机器人的初步位姿；
S3：根据估计的拾分一体移动式垃圾分类机器人预测移动轨迹以及传感器模板的观测数据，输入Gmapping算法进行位姿优化，完成二维栅格地图的构建；
S4：根据拾分一体移动式垃圾分类机器人的实时位姿数据，可以确定机器人在地图上的位置，从而完成区域内垃圾拾取分类工作。
2.根据权利要求1所述的一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，其特征在于，所述该方法使用基于RBPF的Gmapping算法。
3.根据权利要求1所述的一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，其特征在于，所述矢量均值和协方差的计算公式为：
4.根据权利要求1所述的一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，其特征在于，所述多元正态分布公式如下，可以根据均值和协方差，直接计算得出后验概率
5.根据权利要求1所述的一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，其特征在于，所述算法流程为：开始初始化粒子群——遍历上一时刻的所有例子——取得粒子携带的位姿、权重和地图。
6.根据权利要求6所述的一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，其特征在于，所述取得粒子携带的位姿、权重和地图后借助里程计——更新位姿后采用极大似然法——求取局部极值，失败进入使用提议分布通过观测模型继续重复更新位姿步骤。
7.根据权利要求6所述的一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，其特征在于，所述求取局部极值成功进入在局部极值附近取K个位姿——求取K个位姿的均值、权重和方差通过归一化处理后进入使用多元正态分布近似新位姿。
8.根据权利要求7所述的一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统，其特征在于，所述使用多元正态分布近似新位姿后计算该位姿粒子的权重然后更新地图与粒子群，然后再次进入遍历上一时刻的所有例子这一步。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210148190.6A CN114577199A (zh) | 2022-02-17 | 2022-02-17 | 一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210148190.6A CN114577199A (zh) | 2022-02-17 | 2022-02-17 | 一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114577199A true CN114577199A (zh) | 2022-06-03 |
Family
ID=81770194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210148190.6A Pending CN114577199A (zh) | 2022-02-17 | 2022-02-17 | 一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114577199A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107084714A (zh) * | 2017-04-29 | 2017-08-22 | 天津大学 | 一种基于RoboCup3D的多机器人协作目标定位方法 |
| CN111427370A (zh) * | 2020-06-09 | 2020-07-17 | 北京建筑大学 | 一种基于稀疏位姿调整的移动机器人的Gmapping建图方法 |
| CN112797981A (zh) * | 2020-12-24 | 2021-05-14 | 哈尔滨工业大学芜湖机器人产业技术研究院 | 一种基于正态分布的粒子滤波定位方法 |
| CN113110513A (zh) * | 2021-05-19 | 2021-07-13 | 哈尔滨理工大学 | 一种基于ros的居家整理移动机器人 |
-
2022
- 2022-02-17 CN CN202210148190.6A patent/CN114577199A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107084714A (zh) * | 2017-04-29 | 2017-08-22 | 天津大学 | 一种基于RoboCup3D的多机器人协作目标定位方法 |
| CN111427370A (zh) * | 2020-06-09 | 2020-07-17 | 北京建筑大学 | 一种基于稀疏位姿调整的移动机器人的Gmapping建图方法 |
| CN112797981A (zh) * | 2020-12-24 | 2021-05-14 | 哈尔滨工业大学芜湖机器人产业技术研究院 | 一种基于正态分布的粒子滤波定位方法 |
| CN113110513A (zh) * | 2021-05-19 | 2021-07-13 | 哈尔滨理工大学 | 一种基于ros的居家整理移动机器人 |
Non-Patent Citations (2)
| Title |
|---|
| 冯斌: "基于贝叶斯滤波的同时定位与建图算法研究", 中国优秀硕士学位论文全文数据库 信息科技辑 * |
| 郑兵等: "基于萤火虫算法优化的Gmapping研究", 计算机工程 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111337941B (zh) | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 | |
| CN112243698B (zh) | 一种基于多传感器融合技术的核桃自动化采摘及收集方法 | |
| CN112083726B (zh) | 一种面向园区自动驾驶的双滤波器融合定位系统 | |
| CN109848996B (zh) | 基于图优化理论的大规模三维环境地图创建方法 | |
| CN116278880A (zh) | 一种充电设备以及控制机械臂充电的方法 | |
| CN114140761A (zh) | 点云配准方法、装置、计算机设备和存储介质 | |
| CN112945196A (zh) | 一种基于点云数据的露天矿台阶线提取和边坡监测的方法 | |
| CN117270545A (zh) | 基于卷积神经网络的变电所轮式巡检机器人及方法 | |
| CN113223062B (zh) | 一种基于角点特征点选取与快速描述子的点云配准方法 | |
| CN113504784A (zh) | 一种基于计算机视觉的无人机降落系统 | |
| CN114577199A (zh) | 一种基于Gmapping算法的垃圾分类机器人二维栅格地图构建系统 | |
| CN114323008A (zh) | 基于机器学习分类的融合航向角估计方法及系统 | |
| Wang et al. | Exploration of port intelligent AGV path tracking based on vision | |
| CN113536959A (zh) | 一种基于立体视觉的动态障碍物检测方法 | |
| CN113129377A (zh) | 一种三维激光雷达快速鲁棒slam方法和装置 | |
| CN115730236B (zh) | 一种基于人机交互药物识别获取方法、设备及存储介质 | |
| KR20190041840A (ko) | 비동기 방식의 목표물 분류에 기반한 모바일 로봇 제어 | |
| CN111507341A (zh) | 一种目标边界框的调整方法、装置、设备及存储介质 | |
| CN109909989A (zh) | 一种沙滩垃圾收集机器人 | |
| CN116777960A (zh) | 一种基于巷道三维点云的自动喷浆机器人轨迹规划方法 | |
| Gümüşçü et al. | The shortest path detection for unmanned aerial vehicles via genetic algorithm on aerial imaging of agricultural lands | |
| CN115373383A (zh) | 一种垃圾回收无人艇的自主避障方法、装置及相关设备 | |
| Asmar et al. | SmartSLAM: localization and mapping across multi-environments | |
| CN113554705A (zh) | 一种变化场景下的激光雷达鲁棒定位方法 | |
| CN111964649A (zh) | 一种基于无人机遥感的地形信息采集方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220603 |
|
| RJ01 | Rejection of invention patent application after publication |