CN114643579B - 一种机器人定位方法、装置、机器人及存储介质 - Google Patents

一种机器人定位方法、装置、机器人及存储介质 Download PDF

Info

Publication number
CN114643579B
CN114643579B CN202210324264.7A CN202210324264A CN114643579B CN 114643579 B CN114643579 B CN 114643579B CN 202210324264 A CN202210324264 A CN 202210324264A CN 114643579 B CN114643579 B CN 114643579B
Authority
CN
China
Prior art keywords
pose
robot
positioning
target
matching score
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
Application number
CN202210324264.7A
Other languages
English (en)
Other versions
CN114643579A (zh
Inventor
刘大志
杨海程
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.)
Youdi Robot (Wuxi) Co.,Ltd.
Original Assignee
Uditech 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 Uditech Co Ltd filed Critical Uditech Co Ltd
Priority to CN202210324264.7A priority Critical patent/CN114643579B/zh
Publication of CN114643579A publication Critical patent/CN114643579A/zh
Application granted granted Critical
Publication of CN114643579B publication Critical patent/CN114643579B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1651—Programme controls characterised by the control loop acceleration, rate control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及机器人技术领域，公开了一种机器人定位方法、装置、机器人及存储介质。所述机器人定位方法包括：获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿；根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失；在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度；根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿；根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位。本申请能够在机器人定位丢失时找回机器人的位置。

Description

一种机器人定位方法、装置、机器人及存储介质
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定位方法、装置、机器人及存储介质。
背景技术
目前，随着人力成本的提高，机器人被广泛应用。机器人在工作过程中，有时会发生一些意外情况，导致机器人的定位丢失，需要找回机器人的位置。然而，由于机器人的运动环境通常比较复杂，导致现有的机器人在定位丢失时，难以准确地找回位置。
发明内容
本发明实施方式主要解决的技术问题是提供一种机器人定位方法、装置、机器人及存储介质，旨在机器人定位丢失时找回机器人的位置。
本发明实施例的一个方面，提供了一种机器人定位方法，所述方法包括：获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿；根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失；在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度；根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿；根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位。
在一些实施例中，所述第一位姿包括第一位置和第一姿态角，所述第二位姿包括第二位置和第二姿态角；所述根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失，包括：在所述第一位置和所述第二位置的距离大于第一预设距离时，和/或在所述第一姿态角和所述第二姿态角的差值大于第一预设角度时，则确定所述机器人定位丢失；在所述第一位置和所述第二位置的距离小于或等于第一预设距离时，并且，在所述第一姿态角和所述第二姿态角的差值小于或等于第一预设角度时，则确定所述机器人定没有位丢失。
在一些实施例中，所述第二位姿包括第二位置和第二姿态角；所述根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿，包括：根据下述公式预测下一时刻的第三位姿，所述第三位姿包括第三位置和第三姿态角，其中：
第三位置的X轴坐标x3＝x2+v2·t·cos(θ3-θ2)，
第三位置的Y轴坐标y3＝y2+v2·t·sin(θ3-θ2)，
第三姿态角θ3＝θ2+vθ·t；
其中，t是当前时刻与下一时刻的时间间隔，x2是第二位置的X轴坐标、y2是第二位置的Y轴坐标，θ2是第二姿态角，v2是行驶速度，vθ是角速度。
在一些实施例中，所述根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位，包括：将所述第三位姿作为所述机器人的预测位姿；基于激光雷达获取的当前时刻激光观测数据与预测位姿的局部地图进行匹配，以获得第一匹配分值和机器人在局部地图的第一目标位姿；若所述第一匹配分值大于第一阈值，则将所述第一目标位姿和所述预测位姿融合，以获得第二目标位姿；基于激光雷达获取的当前时刻激光观测数据与全局地图进行匹配，以获得第二匹配分值和机器人在全局地图的第三目标位姿；若所述第二匹配分值大于第二阈值，则将所述第二目标位姿和所述第三目标位姿融合，以获得最终定位结果的最终位姿。
在一些实施例中，所述若所述第一匹配分值大于第一阈值，则将所述第一目标位姿和所述预测位姿融合，以获得第二目标位姿，包括：检测所述第一匹配分值；当所述第一匹配分值大于所述第一阈值时，根据所述第一目标位姿和所述预测位姿通过预设算法确定所述机器人在所述局部地图中的第二目标位姿；当所述第一匹配分值小于所述第一阈值时，将所述预测位姿作为所述第二目标位姿。
在一些实施例中，所述基于激光雷达获取的当前时刻激光观测数据与全局地图进行匹配，以获得第二匹配分值和机器人在全局地图的第三目标位姿，包括：根据激光雷达的扫描数据建立全局地图，确定所述当前时刻激光观测数据与所述预测位姿在所述全局地图中的全局匹配结果；根据所述全局匹配结果确定所述机器人在全局地图的第二匹配分值；根据所述第二匹配分值确定所述机器人在所述全局地图的所述第三目标位姿。
在一些实施例中，所述若所述第二匹配分值大于第二阈值，则将所述第二目标位姿和所述第三目标位姿融合，以获得最终定位结果的最终位姿，包括：检测所述第二匹配分值；当所述第二匹配分值大于所述第二阈值时，确定所述第三目标位姿对应的预设融合权重值；根据所述融合权重值将所述第二目标位姿和所述第三目标位姿融合，得到所述最终定位结果的最终位姿；当所述第二匹配分值小于所述第二阈值时，将所述第二目标位姿作为所述最终定位结果的最终位姿。
本发明实施例的另一个方面，提供了一种机器人定位装置，所述机器人定位装置包括：第一获取模块，用于获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿；确定模块，用于根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失；第二获取模块，用于在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度；预测模块，用于根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿；重定位模块，用于根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位。
本发明实施例的又一个方面，提供了一种机器人，所述机器人包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的机器人定位方法。
本发明实施例的还一个方面，提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被机器人执行时，使所述机器人执行如上所述的机器人定位方法。
区别于现有技术，本发明实施例提供的机器人定位方法、装置、机器人及存储介质，本方案通过首先获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿，其次根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失，然后在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度，再是根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿，最后根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位，因此，本方案能够在机器人定位丢失时找回机器人的位置。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本发明实施例提供的一种机器人定位方法的流程示意图；
图2是本发明实施例提供的确定所述机器人是否定位丢失的方法的流程示意图；
图3是本发明实施例提供的根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位的方法的流程示意图；
图4是本发明实施例提供的获得第二目标位姿的方法的流程示意图；
图5是本发明实施例提供的获得第二匹配分值和机器人在全局地图的第三目标位姿的方法的流程示意图；
图6是本发明实施例提供的获得最终定位结果的最终位姿的方法的流程示意图；
图7是本发明实施例提供的一种机器人定位装置的结构示意图；
图8是本发明实施例提供的一种机器人的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互组合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块的划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置示意图中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
目前，随着人力成本的提高，机器人被广泛应用。机器人在工作过程中，有时会发生一些意外情况，导致机器人定位丢失。通常，机器人需要及时准确地判定自身是否存在定位丢失，并根据该定位丢失判定结果，准确地做出相应的措施，以快速找回机器人的位置。然而，由于机器人的运动环境通常比较复杂，导致现有的机器人通常难以快速找回机器人的位置。
移动机器人在室内一些特定场景内，例如长走廊，障碍物堆积的环境，人群扎堆，空旷区域等环境。由于，机器人在长走廊中的每一帧激光数据太相似，障碍物堆积的环境和人群扎堆的环境较复杂，空旷区找不到参照物，所以机器人容易丢失位置，丢失位置的瞬间可使用如下所述的机器人定位方法、装置、机器人及存储介质来进行机器人的重定位。
为了解决上述的技术问题，本申请实施例提供了一种机器人定位方法、装置、机器人及存储介质，该机器人定位方法包括：获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿；根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失；在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度；根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿；根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位。由于能够根据机器人在上一时刻的第一位姿和当前时刻的第二位姿，确定机器人是否定位丢失，使得机器人能够准确判定自身是否存在定位丢失。并且在机器人定位丢失时通过当前时刻的第二位姿、行驶速度及角速度，预测机器人在下一时刻的第三位姿，从而快速的找回到机器人的位置。
请参阅图1，图1是本发明实施例提供的一种机器人定位方法的流程示意图。如图1所示，所述机器人定位方法包括：
步骤S1、获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿。
本申请实施例中，可以每隔预设时间段，例如0.01秒，获取该机器人的运动数据，并确定该机器人在该时刻的位姿。所述当前时刻的第二位姿，为该机器人最新获得的位姿。所述上一时刻的第一位姿，为该机器人获得的所述第二位姿的上一位姿。其中，所述第一位姿包括第一位置和第一姿态角，所述第一位置包括X轴坐标和Y轴坐标，所述第二位姿包括第二位置和第二姿态角，所述第二位置包括X轴坐标和Y轴坐标。
在一个实施例中，机器人可以安装激光雷达(Laser Radar)和惯性导航系统，通过该激光雷达和惯性导航系统获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿。
步骤S2、根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失。
在本实施例中，在实际应用中，当机器人在工作时，获取上一时刻的第一位姿和当前时刻的第二位姿后，通过计算分析所述第一位姿和所述第二位，以确定机器人是否定位丢失。若机器人定位丢失，则机器人开始找回机器人的位置，若机器人没有定位丢失，则机器人正常工作。
步骤S3、在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度。
在本发明实施例中，可以每隔预设时间段，例如0.01秒，获取该机器人的行驶速度和角速度。
具体的，在一个实施例中，机器人可以安装惯性导航系统，惯性导航系统包括测速编码器和陀螺仪，通过该测速编码器获取所述机器人在所述当前时刻的行驶速度，通过该陀螺仪获取所述机器人在所述当前时刻的角速度。测速编码器一般与轴相联，测速编码器的脉冲量是固定的，在轴旋转的时候，测速编码器就会输出脉冲，PLC(Programmable LogicController，可编程逻辑控制器)或计数器收到脉冲，根据轴转的速度不同，在单位时间内收到的脉冲总量是不一样的，根据脉冲量与实际转的长度就可以算出真实的速度。陀螺仪是用高速回转体的动量矩敏感壳体相对惯性空间绕正交于自转轴的一个或二个轴的角运动检测装置，利用其他原理制成的角运动检测装置起同样功能的也称陀螺仪。
步骤S4、根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿。
在本实施例中，所述第三位姿包括第三位置和第三姿态角，所述第三位置包括X轴坐标和Y轴坐标。根据所述第二位姿的第二位置和第二姿态角，以及所述当前时刻的行驶速度和所述角速度，计算所述下一时刻的第三位姿。
步骤S5、根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位。
其中，重定位位置一般为第三位姿的第三位置。
本发明实施例提供的机器人定位方法，通过首先获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿，其次根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失，然后在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度，再是根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿，最后根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位，因此，本发明实施例能够在机器人定位丢失时找回机器人的位置。
请参阅图2，图2是本发明实施例提供的确定所述机器人是否定位丢失的方法的流程示意图。
在一些实施例中，所述第一位姿包括第一位置和第一姿态角，所述第二位姿包括第二位置和第二姿态角，所述根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失，包括：
步骤S21、在所述第一位置和所述第二位置的距离大于第一预设距离时，和/或在所述第一姿态角和所述第二姿态角的差值大于第一预设角度时，则确定所述机器人定位丢失。
步骤S22、在所述第一位置和所述第二位置的距离小于或等于第一预设距离时，并且，在所述第一姿态角和所述第二姿态角的差值小于或等于第一预设角度时，则确定所述机器人定没有位丢失。
在本实施例中，所述第一位置和所述第二位置可以为二维的位置，也可以为三维的位置，所述第一姿态角和所述第二姿态角与所述第一位置和所述第二位置的维度相同。
在一些实施例中，所述第二位姿包括第二位置和第二姿态角；所述根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿，包括：根据下述公式预测下一时刻的第三位姿，所述第三位姿包括第三位置和第三姿态角，其中：
第三位置的X轴坐标x3＝x2+v2·t·cos(θ3-θ2)，
第三位置的Y轴坐标y3＝y2+v2·t·sin(θ3-θ2)，
第三姿态角θ3＝θ2+vθ·t；
其中，t是当前时刻与下一时刻的时间间隔，x2是第二位置的X轴坐标、y2是第二位置的Y轴坐标，θ2是第二姿态角，v2是行驶速度，vθ是角速度。
在本实施例中，所述第二位置和所述第三位置可以为二维的位置，也可以为三维的位置，所述第二姿态角和所述第三姿态角与所述第二位置和所述第三位置的维度相同。
在一些实施例中，所述方法还包括：在所述机器人定位丢失后，控制所述机器人停止行驶。
其中，若确定所述机器人的定位丢失，则同时控制所述机器人停止行驶，防止机器人位置丢失过多导致无法预测下一时刻的第三位姿，从而导致机器人定位无法找回的情况。
请参阅图3，图3是本发明实施例提供的根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位的方法的流程示意图。如图3所示，在一些实施例中，所述根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位，包括：
步骤S51、将所述第三位姿作为所述机器人的预测位姿。
其中，所述第三位姿为根据所述第二位姿、所述行驶速度及所述角速度计算获取的下一时刻的位姿，所述预测位姿为所述机器人在下一时刻的预测位姿。通常，所述预测位姿与所述第三位姿为同一位姿。
步骤S52、基于激光雷达获取的当前时刻激光观测数据与预测位姿的局部地图进行匹配，以获得第一匹配分值和机器人在局部地图的第一目标位姿。
其中，所述当前时刻激光观测数据，为所述机器人的激光雷达在当前时刻获取的数据，所述当前时刻激光观测数据为三维数据。根据所述当前时刻激光观测数据，可以获得当前时刻所述机器人周围的实际三维数据。所述局部地图为通过激光雷达扫描的数据而获取的地图。所述第一目标位姿为所述机器人在所述局部地图中的位姿。
步骤S53、若所述第一匹配分值大于第一阈值，则将所述第一目标位姿和所述预测位姿融合，以获得第二目标位姿。
具体的，当所述第一匹配分值大于第一阈值，则确定所述第一目标位姿和所述预测位姿相似，从而将所述第一位姿和所述预设位姿融合获得第二目标位姿，所述第二目标位姿为所述机器人在所述局部地图中的目标位姿。
步骤S54、基于激光雷达获取的当前时刻激光观测数据与全局地图进行匹配，以获得第二匹配分值和机器人在全局地图的第三目标位姿。
其中，所述全局地图为通过激光雷达扫描的数据而获取的地图。所述第三目标位姿为所述机器人在所述全局地图中的位姿。
步骤S55、若所述第二匹配分值大于第二阈值，则将所述第二目标位姿和所述第三目标位姿融合，以获得最终定位结果的最终位姿。
其中，所述第一阈值和所述第二阈值是预先设置的观测匹配度阈值，用来确定两位姿是否相似，所述第一阈值和所述第二阈值可根据实际情况进行设置，也可根据移动机器人在实际场景中的定位情况进行调整。
请参阅图4，图4是本发明实施例提供的获得第二目标位姿的方法的流程示意图。如图4所示，在一些实施例中，所述若所述第一匹配分值大于第一阈值，则将所述第一目标位姿和所述预测位姿融合，以获得第二目标位姿，包括：
步骤S531、检测所述第一匹配分值。
步骤S532、当所述第一匹配分值大于所述第一阈值时，根据所述第一目标位姿和所述预测位姿通过预设算法确定所述机器人在所述局部地图中的第二目标位姿。
在一些实施例中，可以通过迭代最近点算法将当前时刻激光观测数据与所述预测位姿的局部地图进行匹配，以获得第一匹配分值和机器人在局部地图的第一目标位姿。该匹配是比较精细的匹配，可得到更加精确的位姿。迭代最近点(Iterative Closest Point，ICP)算法是一种迭代计算方法，能够使不同的坐标下的点云数据合并到同一个坐标系统中。ICP算法的目的是要找到待配准点云数据与参考云数据之间的旋转参数和平移参数，使得两点数据之间满足某种度量准则下的最优匹配。ICP算法本质上是基于最小二乘法的最优配准方法，算法重复进行选择对应关系点对，计算最优刚体变换，直到满足正确配准的收敛精度要求。
示例性地，融合权重为factor，计算第二目标位姿，第二目标位姿＝第一目标位姿*factor+预测位姿*(1-factor)。
步骤S533、当所述第一匹配分值小于所述第一阈值时，将所述预测位姿作为所述第二目标位姿。
具体的，当所述第一匹配分值小于所述第一阈值时，则确定所述所述第一目标位姿和所述预测位姿不相似，从而将所述预测位姿作为所述第二目标位姿。
请参阅图5，图5是本发明实施例提供的获得第二匹配分值和机器人在全局地图的第三目标位姿的方法的流程示意图。如图5所示，在一些实施例中，所述基于激光雷达获取的当前时刻激光观测数据与全局地图进行匹配，以获得第二匹配分值和机器人在全局地图的第三目标位姿，包括：
步骤S541、根据激光雷达的扫描数据建立全局地图，确定所述当前时刻激光观测数据与所述预测位姿在所述全局地图中的全局匹配结果。
步骤S542、根据所述全局匹配结果确定所述机器人在全局地图的第二匹配分值。
步骤S543、根据所述第二匹配分值确定所述机器人在所述全局地图的所述第三目标位姿。
请参阅图6，图6是本发明实施例提供的获得最终定位结果的最终位姿的方法的流程示意图。如图6所示，在一些实施例中，所述若所述第二匹配分值大于第二阈值，则将所述第二目标位姿和所述第三目标位姿融合，以获得最终定位结果的最终位姿，包括：
步骤S551、检测所述第二匹配分值。
步骤S552、当所述第二匹配分值大于所述第二阈值时，确定所述第三目标位姿对应的预设融合权重值。
其中，所述预设融合权重值是预先设置的关于第二目标位姿和所述第三目标位姿的权重值，用来计算最终定位结果的最终位姿，所述预设融合权重值可根据实际情况进行设置，也可根据机器人在实际场景中的情况进行调整。
示例性地，预设融合权重为Factor，计算最终位姿Final pose，Final pose＝第二目标位姿*Factor+第三目标位姿*(1-Factor)。
在本实施例提供的技术方案中，整个融合过程只用到了简单的四则运算，方便快捷，能够满足实时性的要求，同时又能保证一个较为准确的定位结果输出。
步骤S553、根据所述融合权重值将所述第二目标位姿和所述第三目标位姿融合，得到所述最终定位结果的最终位姿。
步骤S554、当所述第二匹配分值小于所述第二阈值时，将所述第二目标位姿作为所述最终定位结果的最终位姿。
当所述第二匹配分值小于所述第二阈值时，则确定所述第二目标位姿和所述第三目标位姿不相似，从而确定所述第二目标位姿作为所述最终定位结果的最终位姿，所述最终定位结果的最终位姿即为所述机器人的最终位姿。
综上所述，本发明实施例提供的机器人定位方法，通过首先获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿，其次根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失，然后在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度，再是根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿，最后根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位，因此，本发明实施例能够在机器人定位丢失时找回机器人的位置。
请参阅图7，图7是本发明实施例提供的一种机器人定位装置的结构示意图。所述机器人定位装置10包括：第一获取模块11、确定模块12、第二获取模块13、预测模块14以及重定位模块15。
第一获取模块11用于获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿。确定模块12用于根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失。第二获取模块13用于在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度。预测模块14用于根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿。重定位模块15用于根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位。
在一些实施例中，所述第一位姿包括第一位置和第一姿态角，所述第二位姿包括第二位置和第二姿态角；所述确定模块12还用于：在所述第一位置和所述第二位置的距离大于第一预设距离时，和/或在所述第一姿态角和所述第二姿态角的差值大于第一预设角度时，则确定所述机器人定位丢失；在所述第一位置和所述第二位置的距离小于或等于第一预设距离时，并且，在所述第一姿态角和所述第二姿态角的差值小于或等于第一预设角度时，则确定所述机器人定没有位丢失。
在一些实施例中，所述第二位姿包括第二位置和第二姿态角；所述预测模块14还用于：根据下述公式预测下一时刻的第三位姿，所述第三位姿包括第三位置和第三姿态角，其中：
第三位置的X轴坐标x3＝x2+v2·t·cos(θ3-θ2)，
第三位置的Y轴坐标y3＝y2+v2·t·sin(θ3-θ2)，
第三姿态角θ3＝θ2+vθ·t；
其中，t是当前时刻与下一时刻的时间间隔，x2是第二位置的X轴坐标、y2是第二位置的Y轴坐标，θ2是第二姿态角，v2是行驶速度，vθ是角速度。
在一些实施例中，重定位模块15还用于：将所述第三位姿作为所述机器人的预测位姿；基于激光雷达获取的当前时刻激光观测数据与预测位姿的局部地图进行匹配，以获得第一匹配分值和机器人在局部地图的第一目标位姿；若所述第一匹配分值大于第一阈值，则将所述第一目标位姿和所述预测位姿融合，以获得第二目标位姿；基于激光雷达获取的当前时刻激光观测数据与全局地图进行匹配，以获得第二匹配分值和机器人在全局地图的第三目标位姿；若所述第二匹配分值大于第二阈值，则将所述第二目标位姿和所述第三目标位姿融合，以获得最终定位结果的最终位姿。
在一些实施例中，所述重定位模块15还用于：检测所述第一匹配分值；当所述第一匹配分值大于所述第一阈值时，根据所述第一目标位姿和所述预测位姿通过预设算法确定所述机器人在所述局部地图中的第二目标位姿；当所述第一匹配分值小于所述第一阈值时，将所述预测位姿作为所述第二目标位姿。
在一些实施例中，所述重定位模块15还用于：根据激光雷达的扫描数据建立全局地图，确定所述当前时刻激光观测数据与所述预测位姿在所述全局地图中的全局匹配结果；根据所述全局匹配结果确定所述机器人在全局地图的第二匹配分值；根据所述第二匹配分值确定所述机器人在所述全局地图的所述第三目标位姿。
在一些实施例中，所述重定位模块15还用于：检测所述第二匹配分值；当所述第二匹配分值大于所述第二阈值时，确定所述第三目标位姿对应的预设融合权重值；根据所述融合权重值将所述第二目标位姿和所述第三目标位姿融合，得到所述最终定位结果的最终位姿；当所述第二匹配分值小于所述第二阈值时，将所述第二目标位姿作为所述最终定位结果的最终位姿。
需要说明的是，上述机器人定位装置10可执行本发明实施例所提供的机器人定位方法，具备执行方法相应的功能模块和有益效果。未在机器人定位装置10实施例中详尽描述的技术细节，可参见本发明实施例所提供的机器人定位方法。
请参阅图8，图8是本发明实施例提供的一种机器人的结构示意图。所述机器人可以用于执行如上所述的机器人定位方法。如图8所示，该机器人20包括：
一个或多个处理器21以及存储器22，图8中以一个处理器21为例。
处理器21和存储器22可以通过总线或者其他方式连接，图8中以通过总线连接为例。
存储器22作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的机器人定位方法对应的程序指令/模块(例如，附图7所示的第一获取模块11、确定模块12、第二获取模块13、预测模块14以及重定位模块15)。处理器21通过运行存储在存储器22中的非易失性软件程序、指令以及模块，从而执行机器人定位装置10的各种功能应用以及数据处理，即实现上述方法实施例的机器人定位方法。
存储器22可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据机器人定位装置的使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器22可选包括相对于处理器21远程设置的存储器，这些远程存储器可以通过网络连接至机器人定位装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器22中，当被所述一个或者多个处理器21执行时，执行上述任意方法实施例中的机器人定位方法。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
本发明实施例提供了一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被电子设备执行上述任意方法实施例中的机器人定位方法。
本发明实施例提供了一种计算机程序产品，包括存储在非易失性计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述任意方法实施例中的机器人定位方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件来实现。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述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申请各实施例技术方案的范围。

Claims (9)

1.一种机器人定位方法，其特征在于，所述方法包括：
获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿；
根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失；
在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度；
根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿；
根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位；
其中，所述根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位，包括：
将所述第三位姿作为所述机器人的预测位姿；
基于激光雷达获取的当前时刻激光观测数据与预测位姿的局部地图进行匹配，以获得第一匹配分值和机器人在局部地图的第一目标位姿；
若所述第一匹配分值大于第一阈值，则将所述第一目标位姿和所述预测位姿融合，以获得第二目标位姿；
基于激光雷达获取的当前时刻激光观测数据与全局地图进行匹配，以获得第二匹配分值和机器人在全局地图的第三目标位姿；
若所述第二匹配分值大于第二阈值，则将所述第二目标位姿和所述第三目标位姿融合，以获得最终定位结果的最终位姿。
2.根据权利要求1所述的机器人定位方法，其特征在于，所述第一位姿包括第一位置和第一姿态角，所述第二位姿包括第二位置和第二姿态角；
所述根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失，包括：
在所述第一位置和所述第二位置的距离大于第一预设距离时，和/或在所述第一姿态角和所述第二姿态角的差值大于第一预设角度时，则确定所述机器人定位丢失；
在所述第一位置和所述第二位置的距离小于或等于第一预设距离时，并且，在所述第一姿态角和所述第二姿态角的差值小于或等于第一预设角度时，则确定所述机器人没有定位丢失。
3.根据权利要求1所述的机器人定位方法，其特征在于，所述第二位姿包括第二位置和第二姿态角；
所述根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿，包括：
根据下述公式预测下一时刻的第三位姿，所述第三位姿包括第三位置和第三姿态角，其中：
第三位置的X轴坐标x3＝x2+v2·t·cos(θ3-θ2)，
第三位置的Y轴坐标y3＝y2+v2·t·sin(θ3-θ2)，
第三姿态角θ3＝θ2+vθ·t；
其中，t是当前时刻与下一时刻的时间间隔，x2是第二位置的X轴坐标、y2是第二位置的Y轴坐标，θ2是第二姿态角，v2是行驶速度，vθ是角速度。
4.根据权利要求1所述的机器人定位方法，其特征在于，所述若所述第一匹配分值大于第一阈值，则将所述第一目标位姿和所述预测位姿融合，以获得第二目标位姿，包括：
检测所述第一匹配分值；
当所述第一匹配分值大于所述第一阈值时，根据所述第一目标位姿和所述预测位姿通过预设算法确定所述机器人在所述局部地图中的第二目标位姿；
当所述第一匹配分值小于所述第一阈值时，将所述预测位姿作为所述第二目标位姿。
5.根据权利要求1所述的机器人定位方法，其特征在于，所述基于激光雷达获取的当前时刻激光观测数据与全局地图进行匹配，以获得第二匹配分值和机器人在全局地图的第三目标位姿，包括：
根据激光雷达的扫描数据建立全局地图，确定所述当前时刻激光观测数据与所述预测位姿在所述全局地图中的全局匹配结果；
根据所述全局匹配结果确定所述机器人在全局地图的第二匹配分值；
根据所述第二匹配分值确定所述机器人在所述全局地图的所述第三目标位姿。
6.根据权利要求1所述的机器人定位方法，其特征在于，所述若所述第二匹配分值大于第二阈值，则将所述第二目标位姿和所述第三目标位姿融合，以获得最终定位结果的最终位姿，包括：
检测所述第二匹配分值；
当所述第二匹配分值大于所述第二阈值时，确定所述第三目标位姿对应的预设融合权重值；
根据所述融合权重值将所述第二目标位姿和所述第三目标位姿融合，得到所述最终定位结果的最终位姿；
当所述第二匹配分值小于所述第二阈值时，将所述第二目标位姿作为所述最终定位结果的最终位姿。
7.一种机器人定位装置，其特征在于，包括：
第一获取模块，用于获取机器人在上一时刻的第一位姿以及在当前时刻的第二位姿；
确定模块，用于根据所述第一位姿和所述第二位姿确定所述机器人是否定位丢失；
第二获取模块，用于在所述机器人定位丢失时，则获取所述机器人在所述当前时刻的行驶速度及角速度；
预测模块，用于根据所述第二位姿、所述行驶速度及所述角速度，预测下一时刻的第三位姿；
重定位模块，用于根据所述第三位姿辅助所述机器人在下一时刻发布重定位位置进行重新定位；
其中，所述重定位模块具体用于：将所述第三位姿作为所述机器人的预测位姿；基于激光雷达获取的当前时刻激光观测数据与预测位姿的局部地图进行匹配，以获得第一匹配分值和机器人在局部地图的第一目标位姿；若所述第一匹配分值大于第一阈值，则将所述第一目标位姿和所述预测位姿融合，以获得第二目标位姿；基于激光雷达获取的当前时刻激光观测数据与全局地图进行匹配，以获得第二匹配分值和机器人在全局地图的第三目标位姿；若所述第二匹配分值大于第二阈值，则将所述第二目标位姿和所述第三目标位姿融合，以获得最终定位结果的最终位姿。
8.一种机器人，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6任一项所述的机器人定位方法。
9.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被机器人执行时，使所述机器人执行权利要求1-6任一项所述的机器人定位方法。
CN202210324264.7A 2022-03-29 2022-03-29 一种机器人定位方法、装置、机器人及存储介质 Active CN114643579B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210324264.7A CN114643579B (zh) 2022-03-29 2022-03-29 一种机器人定位方法、装置、机器人及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210324264.7A CN114643579B (zh) 2022-03-29 2022-03-29 一种机器人定位方法、装置、机器人及存储介质

Publications (2)

Publication Number Publication Date
CN114643579A CN114643579A (zh) 2022-06-21
CN114643579B true CN114643579B (zh) 2024-01-16

Family

ID=81995877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210324264.7A Active CN114643579B (zh) 2022-03-29 2022-03-29 一种机器人定位方法、装置、机器人及存储介质

Country Status (1)

Country Link
CN (1) CN114643579B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117193334A (zh) * 2023-11-07 2023-12-08 宁德思客琦智能装备有限公司 一种机器人远程控制延迟优化方法及装置、电子设备

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106840179A (zh) * 2017-03-07 2017-06-13 中国科学院合肥物质科学研究院 一种基于多传感器信息融合的智能车定位方法
CN108931245A (zh) * 2018-08-02 2018-12-04 上海思岚科技有限公司 移动机器人的局部自定位方法及设备
CN109144056A (zh) * 2018-08-02 2019-01-04 上海思岚科技有限公司 移动机器人的全局自定位方法及设备
CN109506641A (zh) * 2017-09-14 2019-03-22 深圳乐动机器人有限公司 移动机器人的位姿丢失检测与重定位系统及机器人
WO2019169540A1 (zh) * 2018-03-06 2019-09-12 斯坦德机器人（深圳）有限公司 紧耦合视觉slam的方法、终端及计算机可读存储介质
CN111060135A (zh) * 2019-12-10 2020-04-24 亿嘉和科技股份有限公司 一种基于局部地图的地图修正方法及系统
CN111089585A (zh) * 2019-12-30 2020-05-01 哈尔滨理工大学 一种基于传感器信息融合的建图及定位方法
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
CN112304307A (zh) * 2020-09-15 2021-02-02 浙江大华技术股份有限公司 一种基于多传感器融合的定位方法、装置和存储介质
CN112764053A (zh) * 2020-12-29 2021-05-07 深圳市普渡科技有限公司 一种融合定位方法、装置、设备和计算机可读存储介质
CN113376650A (zh) * 2021-08-09 2021-09-10 浙江华睿科技股份有限公司 移动机器人定位方法及装置、电子设备及存储介质
CN113510703A (zh) * 2021-06-25 2021-10-19 深圳市优必选科技股份有限公司 机器人位姿的确定方法、装置、机器人及存储介质
CN114001728A (zh) * 2021-11-02 2022-02-01 诺力智能装备股份有限公司 移动机器人的控制方法、装置、存储介质及电子设备
WO2022048153A1 (zh) * 2020-09-01 2022-03-10 北京石头世纪科技股份有限公司 机器人的定位方法及装置、存储介质
CN114236552A (zh) * 2021-11-12 2022-03-25 苏州玖物互通智能科技有限公司 基于激光雷达的重定位方法及系统
CN114236564A (zh) * 2022-02-23 2022-03-25 浙江华睿科技股份有限公司 动态环境下机器人定位的方法、机器人、装置及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3435190B1 (en) * 2017-07-26 2021-10-20 Tata Consultancy Services Limited System and method for executing fault-tolerant simultaneous localization and mapping in robotic clusters
CN111094895B (zh) * 2018-06-29 2023-08-22 百度时代网络技术（北京）有限公司 用于在预构建的视觉地图中进行鲁棒自重新定位的系统和方法
CN110307838B (zh) * 2019-08-26 2019-12-10 深圳市优必选科技股份有限公司 机器人重定位方法、装置、计算机可读存储介质及机器人

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106840179A (zh) * 2017-03-07 2017-06-13 中国科学院合肥物质科学研究院 一种基于多传感器信息融合的智能车定位方法
CN109506641A (zh) * 2017-09-14 2019-03-22 深圳乐动机器人有限公司 移动机器人的位姿丢失检测与重定位系统及机器人
WO2019169540A1 (zh) * 2018-03-06 2019-09-12 斯坦德机器人（深圳）有限公司 紧耦合视觉slam的方法、终端及计算机可读存储介质
CN108931245A (zh) * 2018-08-02 2018-12-04 上海思岚科技有限公司 移动机器人的局部自定位方法及设备
CN109144056A (zh) * 2018-08-02 2019-01-04 上海思岚科技有限公司 移动机器人的全局自定位方法及设备
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
CN111060135A (zh) * 2019-12-10 2020-04-24 亿嘉和科技股份有限公司 一种基于局部地图的地图修正方法及系统
CN111089585A (zh) * 2019-12-30 2020-05-01 哈尔滨理工大学 一种基于传感器信息融合的建图及定位方法
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
WO2022048153A1 (zh) * 2020-09-01 2022-03-10 北京石头世纪科技股份有限公司 机器人的定位方法及装置、存储介质
CN112304307A (zh) * 2020-09-15 2021-02-02 浙江大华技术股份有限公司 一种基于多传感器融合的定位方法、装置和存储介质
CN112764053A (zh) * 2020-12-29 2021-05-07 深圳市普渡科技有限公司 一种融合定位方法、装置、设备和计算机可读存储介质
CN113510703A (zh) * 2021-06-25 2021-10-19 深圳市优必选科技股份有限公司 机器人位姿的确定方法、装置、机器人及存储介质
CN113376650A (zh) * 2021-08-09 2021-09-10 浙江华睿科技股份有限公司 移动机器人定位方法及装置、电子设备及存储介质
CN114001728A (zh) * 2021-11-02 2022-02-01 诺力智能装备股份有限公司 移动机器人的控制方法、装置、存储介质及电子设备
CN114236552A (zh) * 2021-11-12 2022-03-25 苏州玖物互通智能科技有限公司 基于激光雷达的重定位方法及系统
CN114236564A (zh) * 2022-02-23 2022-03-25 浙江华睿科技股份有限公司 动态环境下机器人定位的方法、机器人、装置及存储介质

Also Published As

Publication number Publication date
CN114643579A (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
EP3715785B1 (en) Slam assisted ins
CN111208492B (zh) 车载激光雷达外参标定方法及装置、计算机设备及存储介质
CN110673115B (zh) 雷达与组合导航系统的联合标定方法、装置、设备及介质
WO2012153629A1 (ja) 運動予測制御装置と方法
CN110889808B (zh) 一种定位的方法、装置、设备及存储介质
CN110488818B (zh) 一种基于激光雷达的机器人定位方法、装置和机器人
US20150213617A1 (en) Method and apparatus for estimating position
CN106441275A (zh) 一种机器人规划路径的更新方法及装置
CN111060135A (zh) 一种基于局部地图的地图修正方法及系统
CN114643579B (zh) 一种机器人定位方法、装置、机器人及存储介质
Agrawal et al. PCE-SLAM: A real-time simultaneous localization and mapping using LiDAR data
Bobkov et al. 3D SLAM from Stereoimages
CN111738047B (zh) 自身位置推测方法
CN115436955A (zh) 室内外环境定位方法
JP5370122B2 (ja) 移動体位置推定装置及び移動体位置推定方法
CN117870702A (zh) 基于机器人的地图构建方法、设备以及存储介质
Lima et al. Trajectory tracking control of a mobile robot using lidar sensor for position and orientation estimation
Deusch et al. Improving localization in digital maps with grid maps
Skoda et al. Camera-based localization and stabilization of a flying drone
Mishra et al. Cooperative relative pose estimation to aid landing of an unmanned aerial vehicle on a moving platform
JPH07146121A (ja) 視覚に基く三次元位置および姿勢の認識方法ならびに視覚に基く三次元位置および姿勢の認識装置
CN112415516A (zh) 一种车辆前方障碍区域感知方法及装置
Brindza et al. Development of A Mobile Mapping System for Simultaneous Localization and Mapping
CN113777615B (zh) 室内机器人的定位方法、系统及清洁机器人
WO2023017624A1 (en) Drive device, vehicle, and method for automated driving and/or assisted driving

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
CP03 Change of name, title or address

Address after: Unit 7-11, 6th Floor, Building B2, No. 999-8 Gaolang East Road, Wuxi Economic Development Zone, Wuxi City, Jiangsu Province, China 214000

Patentee after: Youdi Robot (Wuxi) Co.,Ltd.

Country or region after: China

Address before: 5D, Building 1, Tingwei Industrial Park, No. 6 Liufang Road, Xingdong Community, Xin'an Street, Bao'an District, Shenzhen City, Guangdong Province

Patentee before: UDITECH Co.,Ltd.

Country or region before: China

CP03 Change of name, title or address