CN114660583A - 一种机器人及其重定位方法、装置和介质 - Google Patents

一种机器人及其重定位方法、装置和介质 Download PDF

Info

Publication number
CN114660583A
CN114660583A CN202210148891.XA CN202210148891A CN114660583A CN 114660583 A CN114660583 A CN 114660583A CN 202210148891 A CN202210148891 A CN 202210148891A CN 114660583 A CN114660583 A CN 114660583A
Authority
CN
China
Prior art keywords
robot
target
map
angle
radar data
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
CN202210148891.XA
Other languages
English (en)
Inventor
杨勇
杨敬伟
宋昱慧
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.)
Shenzhen 3irobotix Co Ltd
Original Assignee
Shenzhen 3irobotix 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 Shenzhen 3irobotix Co Ltd filed Critical Shenzhen 3irobotix Co Ltd
Priority to CN202210148891.XA priority Critical patent/CN114660583A/zh
Publication of CN114660583A publication Critical patent/CN114660583A/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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请公开了一种机器人及其重定位方法、装置和介质，采集机器人的当前雷达数据，基于当前雷达数据构建初始地图；确定所述初始地图相对于预设坐标系的第一角度，并根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据；获取所述机器人中的全局地图，确定所述全局地图相对于所述预设坐标系的第二角度，并根据所述第二角度对所述全局地图进行旋转，得到目标地图；基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿。本申请可以快速对机器人进行重定位并基于重定位结果确定出机器人的位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。

Description

一种机器人及其重定位方法、装置和介质
技术领域
本申请涉及机器人技术领域，尤其涉及一种机器人及其重定位方法、装置和介质。
背景技术
家用清洁机器人由于能解放用户双手，自主清洁及自主回充，因此特别受到用户的青睐。随着家用清洁机器人产品的发展，出现了各式各样不同传感器配置的产品，其中以配备测距传感器及视觉传感器为代表的清洁机器人产品，以其低价、高效、准确著称，受到了一部分年轻白领的喜爱，这类产品往往具备重定位功能，当机器发生搬动时，能有效准确的在当前环境中定位机器人自身所处位置，使用起来非常智能。
当前配备测距传感器及视觉传感器的清洁机器人产品虽然使用高效准确，但由于其在各式各样复杂的家庭环境中工作，使用过程中重定位的时长因家庭环境的大小不同而不同，当环境空间较大时，机器人进行重定位的时长往往较长且耗费机器相当大的内存及CPU占用率，而机器人在进行重定位的过程中无法进行其他的清洁工作，导致机器人的工作效率低。
发明内容
本申请的主要目的在于提供一种机器人及其重定位方法、装置和介质，旨在解决当前机器人因重定位耗时长导致工作效率低的技术问题。
为实现上述目的，第一方面，本申请实施例提供一种机器人重定位方法，所述机器人重定位方法包括：
采集机器人的当前雷达数据，基于当前雷达数据构建初始地图；
确定所述初始地图相对于预设坐标系的第一角度，并根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据；
获取所述机器人中的全局地图，确定所述全局地图相对于所述预设坐标系的第二角度，并根据所述第二角度对所述全局地图进行旋转，得到目标地图；
基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿。
可选地，所述目标地图为栅格地图，所述基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿的步骤包括：
在所述目标地图中每间隔预设距离确定一个栅格为目标栅格；
基于所述目标雷达数据与所述目标地图相互平行或相互垂直的关系，分别在各所述目标栅格的第一预设数量个方向上设置粒子，得到第一粒子集；
确定所述第一粒子集中各粒子与所述目标雷达数据的第一匹配度得分；
基于各所述第一匹配度得分确定所述机器人的目标位姿。
可选地，所述基于各所述第一匹配度得分确定所述机器人的目标位姿的步骤包括：
将所述第一粒子集中第一匹配度得分小于预设得分阈值的粒子进行滤除；
在所述第一粒子集中剩余粒子所在目标栅格的第二预设数量个方向上重新设置粒子，得到第二粒子集；其中，所述第二预设数量大于所述第一预设数量；
确定所述第二粒子集中各粒子与所述目标雷达数据的第二匹配度得分；
将所述第二粒子集中第二匹配度得分数值最大的粒子确定为目标粒子，并将所述目标粒子对应的位姿作为所述机器人的目标位姿。
可选地，所述确定所述初始地图相对于预设坐标系的第一角度的步骤包括：
以所述初始地图的中心点为中心，基于所述初始地图的预设航向角范围对所述初始地图进行遍历，构造多个临时占栅格地图；
对各所述临时占栅格地图进行二值化处理，得到包括黑色栅格和/或白色栅格的各二值化占栅格地图；
基于各所述二值化占栅格地图中黑色栅格的数量确定所述初始地图相对于预设坐标系的第一角度。
可选地，所述基于各所述二值化占栅格地图中黑色栅格的数量确定所述初始地图相对于预设坐标系的第一角度的步骤包括：
确定各所述二值化占栅格地图中对应的各行与各列上黑色栅格的数量；
将各所述二值化占栅格地图中任一行或任一列上黑色栅格的数量最多的二值化占栅格地图确定为目标地图；
将所述目标地图对应的航向角角度作为所述初始地图相对于预设坐标系的第一角度。
可选地，所述根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据的步骤包括：
基于当前雷达数据构造环形队列，其中，当前雷达数据包括预设数量的激光射线，所述环形队列中激光射线的数量为所述预设数量的预设倍数；
基于所述第一角度对所述环形队列中的激光射线进行位置变换，得到目标环形队列；
提取所述目标环形队列中的激光射线形成目标雷达数据。
可选地，所述基于所述第一角度对所述环形队列中的激光射线进行位置变换，得到目标环形队列的步骤包括：
获取预设角度阈值；
若所述第一角度大于所述预设角度阈值，则将所述环形队列中的所有激光射线均逆时针旋转所述第一角度对应数值个激光射线单位，得到第一环形队列；
若所述第一角度小于所述预设角度阈值，则将所述环形队列中的所有激光射线均顺时针旋转所述第一角度对应数值个激光射线单位，得到第二环形队列；
将所述第一环形队列或第二环形队列确定为目标环形队列。
为实现上述目的，第二方面，本申请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：
获取模块，用于采集机器人的当前雷达数据，基于当前雷达数据构建初始地图；
数据变换模块，用于确定所述初始地图相对于预设坐标系的第一角度，并根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据；
旋转模块，用于获取所述机器人中的全局地图，确定所述全局地图相对于所述预设坐标系的第二角度，并根据所述第二角度对所述全局地图进行旋转，得到目标地图；
重定位模块，用于基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿。
为实现上述目的，第三方面，本申请还提供一种机器人，所述机器人包括存储器、处理器以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上述的机器人重定位方法的步骤。
为实现上述目的，第四方面，本申请还提供一种介质，所述介质为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上述的机器人重定位方法的步骤。
本申请实施例提供一种机器人及其重定位方法、装置和介质，所述方法包括采集机器人的当前雷达数据，基于当前雷达数据构建初始地图；确定所述初始地图相对于预设坐标系的第一角度，并根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据；获取所述机器人中的全局地图，确定所述全局地图相对于所述预设坐标系的第二角度，并根据所述第二角度对所述全局地图进行旋转，得到目标地图；基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿。本申请可以通过机器人的当前雷达数据构建初始地图并基于初始地图相对于预设坐标系的第一角度对当前雷达数据进行数据变换，同时获取全局地图并根据全局地图相对于预设坐标系的第二角度对全局地图进行旋转，通过数据变换后的当前雷达数据与旋转后的全局地图之间的相对位置关系，可以快速对机器人进行重定位并基于重定位结果确定出机器人的位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
附图说明
图1为本申请机器人重定位方法实施例方案涉及的硬件运行环境的结构示意图；
图2为本申请机器人重定位方法第一实施例的流程示意图；
图3为本申请机器人重定位方法第一实施例的环形队列示意图；
图4为本申请机器人重定位方法第二实施例的流程示意图；
图5为本申请机器人重定位方法第三实施例的流程示意图；
图6为本申请机器人重定位方法具体实施例的应用场景示意图；
图7为本申请机器人重定位装置较佳实施例的功能模块示意图。
本申请目的的实现、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申请，并不用于限定本申请。
本申请实施例提供一种机器人及其重定位方法、装置和介质，所述方法包括采集机器人的当前雷达数据，基于当前雷达数据构建初始地图；确定所述初始地图相对于预设坐标系的第一角度，并根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据；获取所述机器人中的全局地图，确定所述全局地图相对于所述预设坐标系的第二角度，并根据所述第二角度对所述全局地图进行旋转，得到目标地图；基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿。本申请可以通过机器人的当前雷达数据构建初始地图并基于初始地图相对于预设坐标系的第一角度对当前雷达数据进行数据变换，同时获取全局地图并根据全局地图相对于预设坐标系的第二角度对全局地图进行旋转，通过数据变换后的当前雷达数据与旋转后的全局地图之间的相对位置关系，可以快速对机器人进行重定位并基于重定位结果确定出机器人的位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
如图1所示，图1是本申请实施例方案涉及的硬件运行环境的机器人结构示意图。
该重定位方法应用于智能清洁设备，该智能清洁设备可以是一种机器人，该机器人可以是无人配送小车、无人机、仓储机器人、商场服务机器人、送餐机器人、扫地机器人、拖地机器人、扫拖机器人、洗地机等智能清洁设备。
作为一个示例，上述智能清洁设备为扫拖机器人，该扫拖机器人100可以如图1所示。参阅图1，该扫拖机器人包括：测距组件102、控制装置104和行走组件106。同时，上述测距组件102例如可以为激光雷达和里程计，进而通过测距组件102获取激光雷达数据和里程计位姿。上述行走组件106包括万向轮和驱动轮。上述控制装置104为控制器，用于根据测距组件102采集的数据驱动行走组件106移动，以控制扫拖机器人执行不同清扫任务。
在一示例中，上述扫拖机器人还包括图像装置，上述图像装置可以设置在扫拖机器人的前端或顶端，例如摄像头，从而通过图像装置采集环境图像。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照图2，图2为本申请第一实施例提供的一种机器人重定位方法的流程示意图。该实施例中，所述机器人重定位方法包括以下步骤：
步骤S10，采集机器人的当前雷达数据，基于当前雷达数据构建初始地图；
本实施例中机器人重定位方法应用于重定位系统，本实施例中重定位系统具体可以部署于机器人中，例如部署于无人配送小车、无人机、仓储机器人、商场服务机器人、送餐机器人、扫地机器人、拖地机器人、扫拖机器人、洗地机等。本实施例中重定位系统可以包括激光雷达帧旋转模块和重定位处理模块，激光雷达帧旋转模块为重定位处理模块提供数据变换后的雷达数据，雷达数据在本实施例中可以为激光雷达数据，激光雷达帧旋转模块可以获取机器人当前所处的区域的雷达数据构建初始地图，并基于初始地图相对于预设坐标系的第一角度对当前雷达数据进行数据变换，同时重定位处理模块获取全局地图并进行旋转，通过从激光雷达帧旋转模块接收的数据变换后的当前雷达数据与旋转后的全局地图结合粒子滤波方式快速进行重定位，并根据重定位结果确定出机器人的位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。其中，“获取”通常是通过自移动设备上的各种传感器获取得到，传感器包括但不限于测距传感器如雷达，防跌落传感器、超声传感器、红外传感器、磁力计、加速度计、陀螺仪、里程计、CCD、光学探测传感器等等。通过上述传感器获取到的数据保存到本地或服务端。
其中，需要说明的是，上述的预设坐标系为预先根据实际情况构建的坐标系，例如可以为世界坐标系。粒子滤波为通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程。第一角度及后续的第二角度和/或其他角度在本申请中可以为航向角角度，航向角指飞机和航天飞机的纵轴与地球北极之间的夹角，又称真航向角，本场景中航向角为机器人的纵轴与地球北极之间的夹角。
具体地，当机器人发生搬动或者在一定的时间间隔内，重定位系统可以将机器人当前所处的区域确定为目标区域，并通过激光雷达帧旋转模块中的激光雷达获取机器人所在的目标区域对应的当前雷达数据，具体可以为一帧激光雷达数据，其中激光雷达数据可以为点云数据。在获取到机器人的当前雷达数据后，根据获取的当前激光雷达数据构建一张初始地图，具体为将当前雷达数据画入一张临时占栅格地图中，其中占栅格地图中的每个地图点的数值表示为(0.0～1.0)，0.0表示黑色，1.0表示白色，0.0-1.0之间表示从黑到白的渐变过程。以便于后续计算初始地图的第一角度，并根据第一角度对当前雷达数据进行数据变换，得到目标雷达数据，再基于目标雷达数据与获取的旋转得到的目标地图对机器人快速进行重定位以确定出机器人当前的真实位姿作为目标位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
步骤S20，确定所述初始地图相对于预设坐标系的第一角度，并根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据；
在基于获取的当前雷达数据构建出初始地图后，本实施例可以基于预设航向角角度范围对初始地图中的当前雷达数据进行遍历，构造预设数量个与不同航向角角度的当前雷达数据对应的临时占栅格地图，其中预设航向角角度范围为根据实际需求设置的角度范围，在本实施例中可以为-45°至45°，预设数量为根据实际需求设置的数量值，例如本实施例中可以优选为90，占栅格地图由多个栅格组成，每一栅格可以作为一个地图点或称为占栅格地图点。
进一步地，对各临时占栅格地图进行二值化处理，得到二值化占栅格地图组，其中，二值化操作的方式为，若当前占栅格地图点的概率值数值大于0.51，将该地图点设置为白色(1.0)，若当前栅格地图点的概率值数值小于0.49，将该地图点设置为黑色(0.0)。进一步地，基于二值化占栅格地图组计算初始地图相对于预设坐标系的第一角度。具体步骤可以为：分别统计二值化占栅格地图组中各二值化占栅格地图在各行和各列上的黑色地图点的数量，将行或列上黑色地图点的数量最多的二值化占栅格地图确定为目标地图，并将目标地图对应的当前雷达数据的航向角角度确定为初始地图的第一角度。
进一步地，基于当前雷达数据构造环形队列，环形队列具体如图3所示，图3为本申请机器人重定位方法第一实施例的环形队列示意图，本实施例中环形队列的数据容量为720，其中1～360位置的数据为当前雷达数据的360个射线，361～720位置的数据为1～360位置数据的一份拷贝，即1位置的数据与361位置的数据相同，360位置的数据与720位置的数据相同。进一步基于第一角度对构造的环形队列中的数据进行位置变换，得到目标环形队列；具体的位置变换步骤可以为：将第一角度与预设角度阈值进行对比，得到对比结果，若对比结果为第一角度大于预设角度阈值，则将环形队列中所有激光射线进行逆时针旋转，得到目标环形队列；若对比结果为第一角度小于预设角度阈值，则将环形队列中的所有激光射线进行顺时针旋转，得到目标环形队列，其中，预设角度阈值为根据实际需求设置的角度值，本实施例中预设角度阈值可以为0°。最后，从目标环形队列提取出相应队形位置的数据作为目标雷达数据。以便于基于目标雷达数据与获取并旋转的目标地图之间的相对位置关系，结合粒子滤波方式快速对机器人进行重定位并基于重定位结果确定出机器人当前实际的位姿得到目标位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
步骤S30，获取所述机器人中的全局地图，确定所述全局地图相对于所述预设坐标系的第二角度，并根据所述第二角度对所述全局地图进行旋转，得到目标地图；
在获取机器人所在区域的当前雷达数据，基于当前雷达数据构建初始地图；计算初始地图的第一角度，并根据第一角度对当前雷达数据进行数据变换，得到目标雷达数据的同时，通过重定位处理模块获取机器人当前所在区域的全局地图，其中，该全局地图可以为预先构建并存储的。进一步地，以全局地图的中心点为中心，全局地图2D位姿中从预设航向角角度范围如-45°至45°依次遍历，构造出预设数量个如90个角度不同的临时占栅格地图，并对这90个临时占栅格地图进行二值化操作，统计每个二值化占栅格地图中各行和各列上的黑色地图点总和，提取行或列上黑色地图点总和最大的值作为遍历结果，将该遍历结果对应临时占栅格地图的航向角信息取出，做为全局地图相对于预设坐标系的第二角度，其中获取的全局地图2D位姿为(0,0,0)，即x＝0，y＝0，yaw＝0，x、y分别为横坐标与纵坐标，yaw为航向角信息。
进一步地，通过判断第二角度是否大于预设角度阈值如0°来对全局地图进行旋转，具体为若第二角度大于预设角度阈值，则对全局地图进行逆时针旋转，得到目标地图，其中旋转的角度为第二角度与预设角度阈值之间的差值；而若第二角度小于预设角度阈值，则对全局地图进行顺时针旋转，得到目标地图。以便于基于目标雷达数据与旋转得到的目标地图之间的相对位置关系，结合粒子滤波方式快速对机器人进行重定位并基于重定位结果确定出机器人当前的实际位姿得到目标位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
步骤S40，基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿。
在分别对全局地图进行旋转与对当前雷达数据进行数据变换后，基于目标雷达数据与目标地图的相对位置关系在目标地图中设置粒子，得到粒子集，其中设置的粒子可以为一个点，由该点与地图中栅格的中心可以形成一个航向角角度；具体基于目标雷达数据与目标地图的相对位置关系在目标地图中撒粒子，得到粒子集的步骤可以为：基于目标雷达数据与目标地图的相对位置关系，按照预设距离间隔在目标地图的多个栅格中确定撒粒子的目标栅格，其中目标栅格一般为多个，但不排除在特殊条件下目标栅格为一个的情况，预设距离可根据实际需求设置，例如14cm、15cm、16cm等；在各目标栅格的第一预设数量个方向上设置粒子，得到第一粒子集，其中第一预设数量个方向在本实施例中可以优选为0°、90°、180°、270°四个方向，本实施例中正是对当前雷达数据进行了数据变换以及对全局地图进行了旋转，使得变换后的当前雷达数据与旋转后的全局地图具有相互平行或垂直的相对位置关系，可以使得在各目标栅格的第一预设数量个方向上设置粒子时采用少量且间隔较大的方向，如本实施例中的角度间隔可以为90°，若未对当前雷达数据与全局地图进行数据变换与旋转，则在计算时角度间隔需要设置为10°甚至更小，将会导致巨大的计算量，降低重定位的速度。进一步地，基于得到粒子集对机器人进行重定位，确定出机器人的目标位姿。通过快速确定机器人的位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
本实施例提供一种重定位方法，包括采集机器人的当前雷达数据，基于当前雷达数据构建初始地图；确定所述初始地图相对于预设坐标系的第一角度，并根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据；获取所述机器人中的全局地图，确定所述全局地图相对于所述预设坐标系的第二角度，并根据所述第二角度对所述全局地图进行旋转，得到目标地图；基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿。本申请可以通过机器人的当前雷达数据构建初始地图并基于初始地图相对于预设坐标系的第一角度对当前雷达数据进行数据变换，同时获取全局地图并根据全局地图相对于预设坐标系的第二角度对全局地图进行旋转，通过数据变换后的当前雷达数据与旋转后的全局地图之间的相对位置关系，可以快速对机器人进行重定位并基于重定位结果确定出机器人的位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
进一步地，参照图4，基于本申请机器人重定位方法的第一实施例，提出本申请机器人重定位方法的第二实施例，在第二实施例中，所述确定所述初始地图相对于预设坐标系的第一角度的步骤包括：
步骤S21，以所述初始地图的中心点为中心，基于所述初始地图的预设航向角范围对所述初始地图进行遍历，构造多个临时占栅格地图；
步骤S22，对各所述临时占栅格地图进行二值化处理，得到包括黑色栅格和/或白色栅格的各二值化占栅格地图；
步骤S23，基于各所述二值化占栅格地图中黑色栅格的数量确定所述初始地图相对于预设坐标系的第一角度。
在计算初始地图的第一角度时，本实施例中可以以初始地图的中心点为中心，基于预设航向角范围对初始地图进行遍历，由于初始地图由当前雷达数据构建，因此对初始地图进行遍历实质相当于对当前雷达数据进行遍历，构造出预设数量个临时占栅格地图，本实施例中预设航向角范围可以为-45°～45°，构造的预设数量为90。进一步地，对各临时占栅格地图进行二值化处理，得到相应的二值化占栅格地图，其中二值化处理得到的各二值化占栅格地图均只包括黑色栅格与白色栅格，并基于各二值化占栅格地图计算初始地图相对于预设坐标系的第一角度。
在本申请的一具体实施例中可以为：以初始地图中对应当前雷达数据的中心点为中心，当前雷达数据2D位姿中的航向角角度从-45°至45°依次遍历，构造出90个角度不同的当前雷达数据，并分别画入90个临时占栅格地图中，分别对90个临时占栅格地图进行二值化操作，并统计每个二值化占栅格地图中行和列上黑色地图点的总和，提取出行或列上黑色地图点总和最大的作为遍历结果，将该遍历结果对应临时占栅格地图的当前雷达数据的航向角信息取出，得到地图的第一角度，其中，2D位姿包含位置信息x、y，以及航向角信息yaw；一个激光雷达数据由360个激光射线构成，这些激光射线由中心点射出，每个激光射线携带距离障碍物的距离信息，且激光雷达数据2D位姿为(0,0,0)，即x＝0，y＝0，yaw＝0。以便于根据第一角度对当前雷达数据进行数据变换，得到目标雷达数据，再基于目标雷达数据与旋转得到的目标地图之间的相对位置关系，结合粒子滤波方式快速对机器人进行重定位并基于重定位结果确定出机器人当前的实际位姿作为目标位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
进一步地，所述基于各所述二值化占栅格地图中黑色栅格的数量确定所述初始地图相对于预设坐标系的第一角度的步骤包括：
步骤S231，确定各所述二值化占栅格地图中对应的各行与各列上黑色栅格的数量；
步骤S232，将各所述二值化占栅格地图中任一行或任一列上黑色栅格的数量最多的二值化占栅格地图确定为目标地图；
步骤S233，将所述目标地图对应的航向角角度作为所述初始地图相对于预设坐标系的第一角度。
在基于各二值化占栅格地图计算初始地图相对于预设坐标系的第一角度时，统计包含各二值化占栅格地图中，每个二值化占栅格地图中行和列上的黑色地图点总和，将各行与列上黑色地图点总和的值进行比较，确定各行与列上黑色地图点总和之间的大小关系，并提取出黑色地图点总和最大的行或列作为遍历结果，将该遍历结果对应临时占栅格地图的当前雷达数据的航向角信息取出，得到地图的第一角度。以便于根据第一角度对当前雷达数据进行数据变换，得到目标雷达数据，再基于目标雷达数据与获取的旋转后的目标地图之间的相对位置关系，结合粒子滤波方式快速对机器人进行重定位并基于重定位结果确定出机器人当前的实际位姿作为目标位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
进一步地，所述根据所述第一角度对所述当前雷达数据进行数据变换，得到目标雷达数据的步骤包括：
步骤S24，基于当前雷达数据构造环形队列，其中，当前雷达数据包括预设数量的激光射线，所述环形队列中激光射线的数量为所述预设数量的预设倍数；
步骤S25，基于所述第一角度对所述环形队列中的激光射线进行位置变换，得到目标环形队列；
步骤S26，提取所述目标环形队列中的激光射线形成目标雷达数据。
在计算出初始地图相对于预设坐标系的第一角度后，本实施例中构造一个数据容量为预设大小例如720的环形队列，即环形队列的数据容量为当前雷达数据对应数据量的预设倍数，例如两倍、三倍、四倍等，本实施例中优选为两倍，其中1～360位置的数据为当前雷达数据的360个射线，361～720位置的数据为1～360位置的数据一份拷贝，即1位置的数据与361位置的数据相同，360位置的数据与720位置的数据相同，以此类推。进一步地，通过计算出来的初始地图相对于预设坐标系的第一角度，具体为根据第一角度与预设角度阈值之间的大小关系确定对环形队列中的数据进行顺时针旋转还是逆时针旋转，将旋转后的环形队列确定为目标环形队列。进一步地，从目标环形队列中取出预设队形范围的数据作为目标雷达数据，本实施例中具体可以为提取出0～360位置的数据作为旋转后的当前雷达数据得到目标雷达数据。以便于根据目标雷达数据与旋转得到的目标地图之间的相对位置关系，结合粒子滤波方式快速对机器人进行重定位并基于重定位结果确定出机器人当前的实际位姿作为目标位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
进一步地，所述基于所述第一角度对所述环形队列中的激光射线进行位置变换，得到目标环形队列的步骤包括：
步骤S251，获取预设角度阈值；
步骤S252，若所述第一角度大于所述预设角度阈值，则将所述环形队列中的所有激光射线均逆时针旋转所述第一角度对应数值个激光射线单位，得到第一环形队列；
步骤S253，若所述第一角度小于所述预设角度阈值，则将所述环形队列中的所有激光射线均顺时针旋转所述第一角度对应数值个激光射线单位，得到第二环形队列；
步骤S254，将所述第一环形队列或第二环形队列确定为目标环形队列。
在基于当前雷达数据构造环形队列后，本实施例中可以环形队列中1位置作为参照进行数据变换操作，具体为将第一角度与预设角度阈值0°进行对比，得到对比结果；当第一角度大于预设角度阈值0°时，将环形队列中的所有激光射线均逆时针旋转第一角度对应数值个激光射线单位，得到第一环形队列，将旋转得到的第一环形队列作为目标环形队列；当第一角度小于预设角度阈值0°时，将环形队列中的所有激光射线均顺时针旋转第一角度对应数值个激光射线单位，将旋转得到的第二环形队列作为目标环形队列。以基于目标环形队列确定目标雷达数据，再根据目标雷达数据与旋转得到的目标地图之间的相对位置关系，结合粒子滤波方式快速对机器人进行重定位并基于重定位结果确定出机器人当前的实际位姿作为目标位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
本实施例可以计算基于当前雷达数据构建的初始地图相对于预设坐标系的第一角度，并基于第一角度对当前雷达数据进行数据变换，得到目标雷达数据，以便于根据目标雷达数据与旋转得到的目标地图之间的相对位置关系，结合粒子滤波方式快速对机器人进行重定位并基于重定位结果确定出机器人当前的实际位姿作为目标位姿，使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
进一步地，参照图5，基于本申请机器人重定位方法的第一实施例，提出本申请机器人重定位方法的第三实施例，在第三实施例中，所述目标地图为栅格地图，所述基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿的步骤包括：
步骤S41，在所述目标地图中每间隔预设距离确定一个栅格为目标栅格；
步骤S42，基于所述目标雷达数据与所述目标地图相互平行或相互垂直的关系，分别在各所述目标栅格的第一预设数量个方向上设置粒子，得到第一粒子集；
步骤S43，确定所述第一粒子集中各粒子与所述目标雷达数据的第一匹配度得分；
步骤S44，基于各所述第一匹配度得分确定所述机器人的目标位姿。
在得到目标雷达数据与目标地图后，由于目标地图和目标雷达数据都是经过相对于预设坐标系进行相应角度旋转的数据，因此目标地图和目标雷达数据是相互垂直或者相互平行的。基于此，本实施例中利用此特性修改粒子滤波的撒粒子方式为，在目标地图的多个栅格中每隔一定距离间隔取一个栅格作为撒粒子的目标栅格，随后在这些目标栅格的多个不同角度方向上分别撒一个粒子，本实施例中可以分别在各目标栅格的0°、90°、180°、270°四个方向上设置粒子，得到第一粒子集。进一步地、分别计算第一粒子集中各粒子与目标雷达数据的第一匹配度得分，具体地，将目标雷达数据分别与各粒子进行位姿匹配，得到目标雷达数据分别与各粒子的第一匹配度得分，进一步地，过滤预设得分阈值以下的第一匹配度得分，将剩余的匹配度得分作为目标匹配度得分，对目标匹配度得分进行重采样，并确定重采样后的目标匹配度得分中得分最高的粒子的位姿作为重定位结果，将重定位结果所对应的粒子的位姿确定为机器人的目标位姿。使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。其中，预设得分阈值为可以根据实际需求设置的得分值，例如70分、75分、80分等。
进一步地，所述基于各所述第一匹配度得分确定所述机器人的目标位姿的步骤包括：
步骤S441，将所述第一粒子集中第一匹配度得分小于预设得分阈值的粒子进行滤除；
步骤S442，在所述第一粒子集中剩余粒子所在目标栅格的第二预设数量个方向上重新设置粒子，得到第二粒子集；其中，所述第二预设数量大于所述第一预设数量；
步骤S443，确定所述第二粒子集中各粒子与所述目标雷达数据的第二匹配度得分；
步骤S444，将所述第二粒子集中第二匹配度得分数值最大的粒子确定为目标粒子，并将所述目标粒子对应的位姿作为所述机器人的目标位姿。
具体地，在本申请的一具体实施例中，在基于各第一匹配度得分确定机器人的目标位姿时，将各第一匹配度得分分别与预设得分阈值进行比较，并将第一粒子集中与目标雷达数据的第一匹配度得分小于预设得分阈值的粒子进行滤除。在第一粒子集中剩余粒子所在目标栅格的第二预设数量个方向上重新设置粒子，得到第二粒子集，其中，第二预设数量大于第一预设数量，由于本申请实施例中第一次在各目标栅格的0°、90°、180°、270°四个方向上设置粒子，因此可以在剩余粒子所在目标栅格的更多方向上重新设置粒子，例如在0°、30°、60°、90°、120°、150°、180°、210°、240°、270°、300°、330°等多个方向上设置粒子，由本次设置的所有粒子形成第二粒子集。
进一步地，分别计算第二粒子集中各粒子与目标雷达数据的第二匹配度得分，具体地，将目标雷达数据分别与第二粒子集中的各粒子进行位姿匹配，得到目标雷达数据分别与第二粒子集中的各粒子的第二匹配度得分。将各第二匹配度得分进行比较，确定出第二匹配度得分中数值最大的第二匹配度得分，并将第二粒子集中第二匹配度得分数值最大的粒子确定为目标粒子，将目标粒子与其所在栅格的中心形成的位姿作为机器人的目标位姿。
本实施例可以基于数据变换后的当前雷达数据与旋转后的全局地图的相对位置关系，在目标地图中快速设置粒子得到粒子集；并基于粒子集结合粒子滤波方式对机器人进行重定位，再进一步根据重定位结果确定机器人的目标位姿。使得机器人进行重定位的时长较短且无需耗费较多的内存及CPU占用率，有效提高机器人的工作效率。
在本申请的一具体实施例中，参照图6，图6为本申请机器人重定位方法具体实施例的应用场景示意图。在该实施例中，采集机器人的当前雷达数据得到激光雷达数据，将该激光雷达数据画入一张临时地图形成初始地图，并计算地图(即初始地图)的角度(即上述的第一角度)，根据该角度旋转激光雷达数据，具体为对激光雷达数据进行数据变换。同时，获取并旋转机器人的全局地图，根据旋转后的全局地图与旋转后的激光雷达数据对机器人进行重定位。具体地，计算全局地图的似然地图，并基于旋转后的全局地图与旋转后的激光雷达数据之间的相对位置关系在全局地图中撒粒子，其中每个位置均在4个方向撒粒子(本实施例为0°、90°、180°、270°等4个方向)，从各粒子中选择与旋转后的激光雷达数据之间匹配度得分较高的粒子进行重新撒粒子，并在重新撒粒子后确定各粒子与旋转后的激光雷达数据之间匹配度得分，将匹配度得分最高的粒子对应的位姿确定为结果2D位姿，将结果2D位姿作为输出结果进行输出，得到机器人的目标位姿。
进一步地，本申请还提供一种机器人重定位装置。
参照图7，图7为本申请机器人重定位装置第一实施例的功能模块示意图。
所述机器人重定位装置包括：
获取模块10，用于采集机器人的当前雷达数据，基于当前雷达数据构建初始地图；其中，所述获取模块10具体可以为传感器、摄像头、激光雷达设备等。
数据变换模块20，用于确定所述初始地图相对于预设坐标系的第一角度，并根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据；其中，所述数据变换模块20具体可以为计算器、计算程序等。
旋转模块30，用于获取所述机器人中的全局地图，确定所述全局地图相对于所述预设坐标系的第二角度，并根据所述第二角度对所述全局地图进行旋转，得到目标地图；其中，所述旋转模块30具体可以为计算器、计算程序等。
重定位模块40，用于基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿。其中，所述重定位模块40可以为包含重定位算法的计算程序。
此外，本申请还提供一种介质，所述介质优选为计算机可读存储介质，其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上述机器人重定位方法各实施例的步骤。
在本申请机器人重定位设备、计算机可读存储介质的实施例中，包含了上述机器人重定位方法各实施例的全部技术特征，说明和解释内容与上述机器人重定位方法各实施例基本相同，在此不做赘述。
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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。
上述本申请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，本申请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一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是固定终端，如物联网智能设备，包括智能空调、智能电灯、智能电源、智能路由器等智能家居；也可以是移动终端，包括智能手机、可穿戴的联网AR/VR装置、智能音箱、自动驾驶汽车等诸多联网设备)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利保护范围内。

Claims (10)

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：
采集机器人的当前雷达数据，基于当前雷达数据构建初始地图；
确定所述初始地图相对于预设坐标系的第一角度，并根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据；
获取所述机器人中的全局地图，确定所述全局地图相对于所述预设坐标系的第二角度，并根据所述第二角度对所述全局地图进行旋转，得到目标地图；
基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿。
2.如权利要求1所述的机器人重定位方法，其特征在于，所述目标地图为栅格地图，所述基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿的步骤包括：
在所述目标地图中每间隔预设距离确定一个栅格为目标栅格；
基于所述目标雷达数据与所述目标地图相互平行或相互垂直的关系，分别在各所述目标栅格的第一预设数量个方向上设置粒子，得到第一粒子集；
确定所述第一粒子集中各粒子与所述目标雷达数据的第一匹配度得分；
基于各所述第一匹配度得分确定所述机器人的目标位姿。
3.如权利要求2所述的机器人重定位方法，其特征在于，所述基于各所述第一匹配度得分确定所述机器人的目标位姿的步骤包括：
将所述第一粒子集中第一匹配度得分小于预设得分阈值的粒子进行滤除；
在所述第一粒子集中剩余粒子所在目标栅格的第二预设数量个方向上重新设置粒子，得到第二粒子集；其中，所述第二预设数量大于所述第一预设数量；
确定所述第二粒子集中各粒子与所述目标雷达数据的第二匹配度得分；
将所述第二粒子集中第二匹配度得分数值最大的粒子确定为目标粒子，并将所述目标粒子对应的位姿作为所述机器人的目标位姿。
4.如权利要求1所述的机器人重定位方法，其特征在于，所述确定所述初始地图相对于预设坐标系的第一角度的步骤包括：
以所述初始地图的中心点为中心，基于所述初始地图的预设航向角范围对所述初始地图进行遍历，构造多个临时占栅格地图；
对各所述临时占栅格地图进行二值化处理，得到包括黑色栅格和/或白色栅格的各二值化占栅格地图；
基于各所述二值化占栅格地图中黑色栅格的数量确定所述初始地图相对于预设坐标系的第一角度。
5.如权利要求4所述的机器人重定位方法，其特征在于，所述基于各所述二值化占栅格地图中黑色栅格的数量确定所述初始地图相对于预设坐标系的第一角度的步骤包括：
确定各所述二值化占栅格地图中对应的各行与各列上黑色栅格的数量；
将各所述二值化占栅格地图中任一行或任一列上黑色栅格的数量最多的二值化占栅格地图确定为目标地图；
将所述目标地图对应的航向角角度作为所述初始地图相对于预设坐标系的第一角度。
6.如权利要求1所述的机器人重定位方法，其特征在于，所述根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据的步骤包括：
基于当前雷达数据构造环形队列，其中，当前雷达数据包括预设数量的激光射线，所述环形队列中激光射线的数量为所述预设数量的预设倍数；
基于所述第一角度对所述环形队列中的激光射线进行位置变换，得到目标环形队列；
提取所述目标环形队列中的激光射线形成目标雷达数据。
7.如权利要求6所述的机器人重定位方法，其特征在于，所述基于所述第一角度对所述环形队列中的激光射线进行位置变换，得到目标环形队列的步骤包括：
获取预设角度阈值；
若所述第一角度大于所述预设角度阈值，则将所述环形队列中的所有激光射线均逆时针旋转所述第一角度对应数值个激光射线单位，得到第一环形队列；
若所述第一角度小于所述预设角度阈值，则将所述环形队列中的所有激光射线均顺时针旋转所述第一角度对应数值个激光射线单位，得到第二环形队列；
将所述第一环形队列或第二环形队列确定为目标环形队列。
8.一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：
获取模块，用于采集机器人的当前雷达数据，基于当前雷达数据构建初始地图；
数据变换模块，用于确定所述初始地图相对于预设坐标系的第一角度，并根据所述第一角度对当前雷达数据进行数据变换，得到目标雷达数据；
旋转模块，用于获取所述机器人中的全局地图，确定所述全局地图相对于所述预设坐标系的第二角度，并根据所述第二角度对所述全局地图进行旋转，得到目标地图；
重定位模块，用于基于所述目标雷达数据与所述目标地图，对所述机器人进行重定位，得到所述机器人的目标位姿。
9.一种机器人，其特征在于，所述机器人包括存储器、处理器以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1-7中任一项所述的机器人重定位方法的步骤。
10.一种介质，所述介质为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1-7中任一项所述的机器人重定位方法的步骤。
CN202210148891.XA 2022-02-17 2022-02-17 一种机器人及其重定位方法、装置和介质 Pending CN114660583A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210148891.XA CN114660583A (zh) 2022-02-17 2022-02-17 一种机器人及其重定位方法、装置和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210148891.XA CN114660583A (zh) 2022-02-17 2022-02-17 一种机器人及其重定位方法、装置和介质

Publications (1)

Publication Number Publication Date
CN114660583A true CN114660583A (zh) 2022-06-24

Family

ID=82028417

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210148891.XA Pending CN114660583A (zh) 2022-02-17 2022-02-17 一种机器人及其重定位方法、装置和介质

Country Status (1)

Country Link
CN (1) CN114660583A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115248040A (zh) * 2022-09-22 2022-10-28 毫末智行科技有限公司 初始化定位方法、装置、终端及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107908185A (zh) * 2017-10-14 2018-04-13 北醒（北京）光子科技有限公司 一种机器人自主全局重定位方法及机器人
CN110928312A (zh) * 2019-12-16 2020-03-27 深圳市银星智能科技股份有限公司 机器人位置确定方法、非易失性计算机可读存储介质及机器人
CN112710299A (zh) * 2020-12-04 2021-04-27 深圳市优必选科技股份有限公司 一种重定位方法、装置、终端设备及存储介质
CN113447026A (zh) * 2021-07-14 2021-09-28 深圳亿嘉和科技研发有限公司 适应动态环境变化的amcl定位方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107908185A (zh) * 2017-10-14 2018-04-13 北醒（北京）光子科技有限公司 一种机器人自主全局重定位方法及机器人
CN110928312A (zh) * 2019-12-16 2020-03-27 深圳市银星智能科技股份有限公司 机器人位置确定方法、非易失性计算机可读存储介质及机器人
CN112710299A (zh) * 2020-12-04 2021-04-27 深圳市优必选科技股份有限公司 一种重定位方法、装置、终端设备及存储介质
CN113447026A (zh) * 2021-07-14 2021-09-28 深圳亿嘉和科技研发有限公司 适应动态环境变化的amcl定位方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115248040A (zh) * 2022-09-22 2022-10-28 毫末智行科技有限公司 初始化定位方法、装置、终端及存储介质
CN115248040B (zh) * 2022-09-22 2022-12-23 毫末智行科技有限公司 初始化定位方法、装置、终端及存储介质

Similar Documents

Publication Publication Date Title
CN111990929B (zh) 一种障碍物探测方法、装置、自行走机器人和存储介质
JP6759307B2 (ja) センサデータの空間的集約を用いる適応マッピング
CN108959321B (zh) 停车场地图构建方法、系统、移动终端及存储介质
EP3361278B1 (en) Autonomous vehicle localization based on walsh kernel projection technique
EP3639241B1 (en) Voxel based ground plane estimation and object segmentation
CN110320504B (zh) 一种基于激光雷达点云统计几何模型的非结构化道路检测方法
CN111881239B (zh) 构建方法、构建装置、智能机器人及可读存储介质
CN113238251B (zh) 一种基于车载激光雷达的目标级语义定位方法
CN111990930B (zh) 一种测距方法、装置、机器人和存储介质
CN113475976B (zh) 机器人可通行区域确定方法、装置、存储介质及机器人
CN114812539B (zh) 地图探索、地图使用方法、装置、机器人和存储介质
WO2024099113A1 (zh) 机器人的限速方法、装置及电子设备
CN114660583A (zh) 一种机器人及其重定位方法、装置和介质
CN117406771A (zh) 一种基于四旋翼无人机的高效自主探索方法、系统及设备
CN115114387A (zh) 栅格地图生成方法及装置、移动工具、存储介质
Yan et al. RH-Map: Online Map Construction Framework of Dynamic Object Removal Based on 3D Region-wise Hash Map Structure
EP4278320A1 (en) Systems and methods for monitoring lidar sensor health
CN115683109B (zh) 基于cuda和三维栅格地图的视觉动态障碍物检测方法
CN112182122A (zh) 一种移动机器人工作环境导航地图的获取方法及装置
CN116142172A (zh) 一种基于体素坐标系的泊车方法及装置
CN117008148A (zh) 打滑状态的检测方法、设备及存储介质
CN114235441A (zh) 无人车实时碰撞检测方法及相关装置
Li et al. Promising SLAM Methods for Automated Guided Vehicles and Autonomous Mobile Robots
Chu et al. Convergent application for trace elimination of dynamic objects from accumulated lidar point clouds
RU2819023C1 (ru) Способ и устройство для обнаружения препятствий, самоходный робот и носитель для хранения данных

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