CN114714352B - 机器人位姿信息确定方法、装置、设备及存储介质 - Google Patents
机器人位姿信息确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114714352B CN114714352B CN202210372614.7A CN202210372614A CN114714352B CN 114714352 B CN114714352 B CN 114714352B CN 202210372614 A CN202210372614 A CN 202210372614A CN 114714352 B CN114714352 B CN 114714352B
- Authority
- CN
- China
- Prior art keywords
- value
- robot
- pose information
- error
- different moments
- 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 67
- 238000012937 correction Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- 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)
- Manipulator (AREA)
- Numerical Control (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例公开了一种机器人位姿信息确定方法、装置、设备及存储介质。该方法包括:在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器获取的;根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值;根据所述总误差值,确定所述机器人在不同时刻的位姿信息。采用上述技术手段能够避免由于传感器误差导致的定位不准确的问题。
Description
本申请是申请号为202011589926.0的申请文件的分案申请。
技术领域
本发明实施例涉及机器人定位技术领域,尤其涉及一种机器人位姿信息确定方法、装置、设备及存储介质。
背景技术
目前,随着人工智能的快速发展,移动机器人在工业和民用等领域有着广泛的应用。其中,自定位技术是移动机器人领域的一项关键技术,因此,其鲁棒性和精确性非常重要。
移动机器人中内置的电机是双轮差速的,可以得到电机编码器的位移信息,机器人上装有IMU模块,可以得到角度信息,通过IMU编码器可以获得机器人的里程信息,根据里程信息获得机器人的定位信息。但是由于IMU编码器自身累计误差的问题,会导致定位信息不是很精确,影响前期的建图和定位过程。
因此,亟需一种机器人位姿信息确定方法,能够避免由于传感器误差导致的定位不准确的问题。
发明内容
本发明实施例提供了一种机器人位姿信息确定方法、装置、设备及存储介质,以避免由于传感器误差导致的定位不准确的问题。
第一方面,本发明实施例提供了一种机器人位姿信息确定方法,包括:
在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器获取的;
根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值;
根据所述总误差值,确定所述机器人在不同时刻的位姿信息。
可选的,所述调整所述预设轨迹的总误差值包括:
所述观测值和对应的所述真实值之间的差值作为误差项,通过预定算法规则对所述预设轨迹上不同时刻的误差项进行校正,所述预设轨迹上所述误差项校正后的总和作为所述总误差值;
根据所述总误差值,分别调整所述观测值,并得到调整所述观测值所述机器人在不同时刻的位姿信息。
可选的,所述预设轨迹的地图划分为栅格,所述栅格的边长为预定值,且所述预设轨迹的起点位置或终点位置的误差项在所述预定值的范围内。
可选的,若所述预设轨迹中存在至少一个重合的位置,则每一个所述重合的位置的位置误差范围在所述预定值的范围内。
可选的,所述通过预定算法规则对所述预设轨迹上不同时刻的误差项进行校正,所述预设轨迹上所述误差项校正后的总和作为总误差值,包括:
所述预定算法规则是通过对所述误差项整体趋势变化估算,获得校正变量,该变量对所有所述误差项调整后获得最接近预设误差值的总误差值。
可选的,根据如下公式计算所述总误差值:
F(X)=min||ek||=min||Zk-(Xk+Δ)||=(Zk-(Xk+Δ))T·(Zk-(Xk+Δ));
F(X)是机器人位置信息的总误差值,k是不同时刻,ek是时刻k的误差项,Xk是机器人在不同时刻对应位置信息的真实值,Δ是校正变量,Zk是观测值。
可选的,所述根据所述总误差值,确定所述机器人在不同时刻的位姿信息,包括:
根据所述总误差值和所述机器人在不同时刻的位姿信息的个数,确定所述机器人在不同时刻的位姿信息的误差值;
根据所述误差值,确定所述机器人在不同时刻的位姿信息。
可选的,所述根据所述总误差值,确定所述机器人在不同时刻的位姿信息之后,还包括:
完成所述建图过程后,在运动的过程中根据所述传感器的所述观测值,获取所述机器人在当前位置的位姿信息;
将所述机器人当前位置的位姿信息进行输出。
第二方面,本发明实施例还提供了一种机器人位姿信息确定装置,其特征在于,包括:
观测值确定模块,用于在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器获取的;
总误差值调整模块,用于根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值;
位姿信息确定模块,用于根据所述总误差值,确定所述机器人在不同时刻的位姿信息。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例中任一所述的机器人位姿信息确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的机器人位姿信息确定方法。
本发明实施例通过在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器获取的;根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值;
根据所述总误差值,确定所述机器人在不同时刻的位姿信息。采用上述技术手段能够避免由于传感器误差导致的定位不准确的问题。
附图说明
图1是本发明实施例一中提供的一种机器人位姿信息确定方法的流程示意图;
图2是本发明实施例二中提供的一种机器人位姿信息确定装置的结构示意图;
图3是本发明实施例三中提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的一种机器人位姿信息确定方法的流程示意图,本实施例可适用于机器人在移动过程中确定机器人的位置信息的情况,该方法可以由一种机器人位姿信息确定装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于电子设备中。具体包括如下步骤:
S110、在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器获取的。
本实施例中,可选的,所述传感器可以是图像采集单元,用于获取定位标签的图像,进而进行图像处理并获得相应标签的位置信息,根据该标签的位置坐标和相对位置信息获得机器人的观测值。
本实施例中,预设轨迹是在建图过程中为机器人预先规划的路径,机器人按照预设的轨迹移动的过程中,通过内置于机器人中的传感器能够从不同位置处获取当前时刻的位置信息,由于传感器测量位置信息存在误差,则获取的位置信息的观测值会出现不准确的情况。
本实施例中,可选的,所述预设轨迹的地图划分为栅格,所述栅格的边长为预定值,且所述预设轨迹的起点位置或终点位置的误差项在所述预定值的范围内。
其中,预定值可以是0.02米。为了保证机器人起始位置准确,所述预设轨迹的起点位置的误差范围在预设值内,另外,为了保证机器人送货抵达点位的准确度,将终点位置的误差范围也设置在预设值内。本实施例中通过增加起始位置和终点位置的误差约束条件,进而对总误差值的进行相应地调整。
本实施例中,预设轨迹一般是经过不同的栅格构建的,且可选的,预设轨迹是呈闭环状态的。
可选的,若所述预设轨迹中存在至少一个重合的位置,则每一个所述重合的位置的位置误差范围在所述预定值的范围内。
本实施例中,若预设轨迹并不只有一个闭环状态,则预设轨迹中的每一个重合的位置的位置误差范围在预定值范围内。其中,预定值可以是0.02米。
S120、根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值。
本实施例中,对应位置信息的真实值是机器人地图的坐标信息,真实值和预设轨迹对应,根据预先规划的预设轨迹,可以预先获取位置信息。具体的,所述调整所述预设轨迹的总误差值包括:所述观测值和对应的所述真实值之间的差值作为误差项,通过预定算法规则对所述预设轨迹上不同时刻的误差项进行校正,所述预设轨迹上所述误差项校正后的总和作为所述总误差值;
根据所述总误差值,分别调整所述观测值,并得到调整所述观测值所述机器人在不同时刻的位姿信息。
可选的,所述通过预定算法规则对所述预设轨迹上不同时刻的误差项进行校正,所述预设轨迹上所述误差项校正后的总和作为总误差值,包括:
所述预定算法规则是通过对所述误差项整体趋势变化估算,获得校正变量,该变量对所有所述误差项调整后获得最接近预设误差值的总误差值。
具体地,根据如下公式计算所述机器人位置信息的总误差值:
F(X)=min||ek||=min||Zk-(Xk+Δ)||=(Zk-(Xk+Δ))T·(Zk-(Xk+Δ));
F(X)是机器人位置信息的总误差值,k是不同时刻,ek是时刻k的误差项,Xk是机器人在不同时刻对应位置信息的真实值,Δ是校正变量,Zk是观测值。
S130、根据所述总误差值,确定所述机器人在不同时刻的位姿信息。
本实施例中,在计算F(X)的过程中,设定预设轨迹的起点位置为xk,并在该位置处设定一个增量Δx,则估计值就变为Fk(xk+Δx),而误差值则从ek(xk)变为其中,Jk是ek关于xk的导数,矩阵形式下为雅克比阵。进一步地,在估计点附近作一次线性假设,设定函数值是能够用一阶导数来逼近的,因此,对于第k个的目标函数项进行进一步的展开:
Fk(xk+Δx)=ek(xk+Δx)Tek(xk+Δx)
≈(ek+JkΔx)T(ek+JΔx)
=ekTek+2ekTJkΔx+ΔxTJkTJkΔx
=Ck+2bkΔx+ΔxTHkΔx;
其中,Ck是和Δx无关的常数项,把一次项系数写成2bk,二次项系数写成Hk,一个Hessian矩阵。所以在xk发生增量后,目标函数Fk项改变的值为:ΔFk=2bkΔx+ΔxTHkΔx,为了使增量为极小值,则令导数值为零,则得到HkΔx=-bk,
去掉下标k后得到HΔx=-b,在得到该结果后,通过高斯牛顿迭代算法对上式进行迭代,返回整体优化后确定机器人在不同时刻的位姿信息。
可选的,所述根据所述总误差值,确定所述机器人在不同时刻的位姿信息,包括:
根据所述总误差值和所述机器人在不同时刻的位姿信息的个数,确定所述机器人在不同时刻的位姿信息的误差值;
根据所述误差值,确定所述机器人在不同时刻的位姿信息。
本实施例中,确定总误差值和机器人在不同时刻的位姿信息的个数,然后计算得到每一个位姿信息的误差值,然后对其进行校准,确定最终的机器人的位姿信息。
可选的,所述根据所述总误差值,确定所述机器人在不同时刻的位姿信息之后,还包括:
完成所述建图过程后,在运动的过程中根据所述传感器的所述观测值,获取所述机器人在当前位置的位姿信息;
将所述机器人当前位置的位姿信息进行输出。
本实施例中,机器人在运动过程中,通过内置于机器人中的传感器根据标签位置,能够确定当前被校准后的机器人的位姿信息,并将该位姿信息进行输出,使得机器人输出的位姿信息是准确的。
本发明实施例通过在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器获取的;根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值;
根据所述总误差值,确定所述机器人在不同时刻的位姿信息。采用上述技术手段能够避免由于传感器误差导致的定位不准确的问题。
实施例二
图2是本发明实施例二中提供的一种机器人位姿信息确定装置的结构示意图。本发明实施例所提供的一种机器人位姿信息确定装置可执行本发明任意实施例所提供的一种机器人位姿信息确定方法,具备执行方法相应的功能模块和有益效果。如图2所示,该装置包括:
观测值确定模块210,用于在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器从标签位置处获取的;
总误差值调整模块220,用于根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值;
位姿信息确定模块230,用于根据所述总误差值,确定所述机器人在不同时刻的位姿信息。
可选的,总误差值调整模块220,用于所述观测值和对应的所述真实值之间的差值作为误差项,通过预定算法规则对所述预设轨迹上不同时刻的误差项进行校正,所述预设轨迹上所述误差项校正后的总和作为所述总误差值;
根据所述总误差值,分别调整所述观测值,并得到调整所述观测值所述机器人在不同时刻的位姿信息。
可选的,所述预设轨迹的地图划分为栅格,所述栅格的边长为预定值,且所述预设轨迹的起点位置或终点位置的误差项在所述预定值的范围内。
可选的,若所述预设轨迹中存在至少一个重合的位置,则每一个所述重合的位置的位置误差范围在所述预定值的范围内。
可选的,所述通过预定算法规则对所述预设轨迹上不同时刻的误差项进行校正,所述预设轨迹上所述误差项校正后的总和作为总误差值,包括:
所述预定算法规则是通过对所述误差项整体趋势变化估算,获得校正变量,该变量对所有所述误差项调整后获得最接近预设误差值的总误差值。
可选的,根据如下公式计算所述总误差值:
F(X)=min||ek||=min||Zk-(Xk+Δ)||=(Zk-(Xk+Δ))T·(Zk-(Xk+Δ));
F(X)是机器人位置信息的总误差值,k是不同时刻,ek是时刻k的误差项,Xk是机器人在不同时刻对应位置信息的真实值,Δ是校正变量,Zk是观测值。
位姿信息确定模块230,用于根据所述总误差值和所述机器人在不同时刻的位姿信息的个数,确定所述机器人在不同时刻的位姿信息的误差值;
根据所述误差值,确定所述机器人在不同时刻的位姿信息。
所述装置还包括:
位姿信息输出模块,用于完成所述建图过程后,在运动的过程中根据所述传感器的所述观测值,获取所述机器人在当前位置的位姿信息;将所述机器人当前位置的位姿信息进行输出。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
实施例三
图3为本发明实施例三提供的一种电子设备的结构示意图,图3示出了适于用来实现本发明实施例实施方式的示例性设备的结构示意图。图3显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图3所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种机器人位姿信息确定方法,包括:
在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器获取的;
根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值;
根据所述总误差值,确定所述机器人在不同时刻的位姿信息。
实施例四
本发明实施例四还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时可实现上述任意实施例所述的一种机器人位姿信息确定方法,包括:
在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器获取的;
根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值;
根据所述总误差值,确定所述机器人在不同时刻的位姿信息。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
计算机可读的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。计算机可读的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——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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发明实施例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——包括局域网(LAN)或广域网(WAN)—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)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种机器人位姿信息确定方法,其特征在于,包括:
在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器获取的;
根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值;
根据所述总误差值,确定所述机器人在不同时刻的位姿信息;
所述调整所述预设轨迹的总误差值包括:
所述观测值和对应的所述真实值之间的差值作为误差项,通过预定算法规则对所述预设轨迹上不同时刻的误差项进行校正,所述预设轨迹上所述误差项校正后的总和作为所述总误差值;
所述根据所述总误差值,确定所述机器人在不同时刻的位姿信息,包括:
根据所述总误差值,分别调整所述观测值后得到所述机器人在不同时刻的位姿信息;
其中,所述预定算法规则是通过对所述误差项整体趋势变化估算,获得校正变量,该变量对所有所述误差项调整后获得最接近预设误差值的总误差值。
2.根据权利要求1所述的方法,其特征在于,所述预设轨迹的地图划分为栅格,所述栅格的边长为预定值,且所述预设轨迹的起点位置或终点位置的误差项在所述预定值的范围内。
3.根据权利要求2所述的方法,其特征在于,若所述预设轨迹中存在至少一个重合的位置,则每一个所述重合的位置的位置误差范围在所述预定值的范围内。
4.根据权利要求2所述的方法,其特征在于,所述预定值是0.02米。
5.根据权利要求1所述的方法,其特征在于,根据如下公式计算所述总误差值:
F(X)=min||ek||=min||Zk-(Xk+Δ)||=(Zk-(Xk+Δ))T·(Zk-(Xk+Δ));
F(X)是机器人位置信息的总误差值,k是不同时刻,ek是时刻k的误差项,Xk是机器人在不同时刻对应位置信息的真实值,Δ是校正变量,Zk是观测值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述总误差值,确定所述机器人在不同时刻的位姿信息之后,还包括:
完成所述建图过程后,在运动的过程中根据所述传感器的所述观测值,获取所述机器人在当前位置的位姿信息;
将所述机器人当前位置的位姿信息进行输出。
7.一种机器人位姿信息确定装置,其特征在于,包括:
观测值确定模块,用于在建图过程中按照预设轨迹进行移动,确定机器人在不同时刻的位置信息的观测值;其中,所述观测值是由内置于所述机器人中的传感器获取的;
总误差值调整模块,用于根据所述机器人在不同时刻的位置信息的观测值与对应位置信息的真实值,所述真实值和所述预设轨迹对应,调整所述预设轨迹的总误差值;
位姿信息确定模块,用于根据所述总误差值,确定所述机器人在不同时刻的位姿信息;
具体地,所述总误差值调整模块,用于所述观测值和对应的所述真实值之间的差值作为误差项,通过预定算法规则对所述预设轨迹上不同时刻的误差项进行校正,所述预设轨迹上所述误差项校正后的总和作为所述总误差值;
具体地,所述位姿信息确定模块,用于根据所述总误差值,分别调整所述观测值后得到所述机器人在不同时刻的位姿信息;
其中,所述预定算法规则是通过对所述误差项整体趋势变化估算,获得校正变量,该变量对所有所述误差项调整后获得最接近预设误差值的总误差值。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6中任一所述的机器人位姿信息确定方法。
9.一种计算机可读存储介质,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1-6中任一所述的机器人位姿信息确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210372614.7A CN114714352B (zh) | 2020-12-29 | 2020-12-29 | 机器人位姿信息确定方法、装置、设备及存储介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011589926.0A CN112589806B (zh) | 2020-12-29 | 2020-12-29 | 机器人位姿信息确定方法、装置、设备及存储介质 |
CN202210372614.7A CN114714352B (zh) | 2020-12-29 | 2020-12-29 | 机器人位姿信息确定方法、装置、设备及存储介质 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011589926.0A Division CN112589806B (zh) | 2020-12-29 | 2020-12-29 | 机器人位姿信息确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114714352A CN114714352A (zh) | 2022-07-08 |
CN114714352B true CN114714352B (zh) | 2024-04-26 |
Family
ID=75203755
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011589926.0A Active CN112589806B (zh) | 2020-12-29 | 2020-12-29 | 机器人位姿信息确定方法、装置、设备及存储介质 |
CN202210372614.7A Active CN114714352B (zh) | 2020-12-29 | 2020-12-29 | 机器人位姿信息确定方法、装置、设备及存储介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011589926.0A Active CN112589806B (zh) | 2020-12-29 | 2020-12-29 | 机器人位姿信息确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN112589806B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170129571A (ko) * | 2016-05-17 | 2017-11-27 | 엘지전자 주식회사 | 로봇 청소기 |
CN111300422A (zh) * | 2020-03-17 | 2020-06-19 | 浙江大学 | 基于视觉图像的机器人工件抓取位姿误差补偿方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4763276A (en) * | 1986-03-21 | 1988-08-09 | Actel Partnership | Methods for refining original robot command signals |
US8306314B2 (en) * | 2009-12-28 | 2012-11-06 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for determining poses of objects |
US9586316B1 (en) * | 2015-09-15 | 2017-03-07 | Google Inc. | Determination of robotic step path |
US10029372B2 (en) * | 2015-12-11 | 2018-07-24 | General Electric Company | Control system and method for brake bleeding |
EP3381257B1 (en) * | 2017-03-28 | 2020-12-02 | Honda Research Institute Europe GmbH | Method for generating a representation of a working area of an autonomous lawn mower and autonomous lawn mower system |
CN108733039A (zh) * | 2017-04-18 | 2018-11-02 | 广东工业大学 | 一种机器人室内导航定位的方法与装置 |
CN109116867B (zh) * | 2018-09-28 | 2020-04-14 | 拓攻(南京)机器人有限公司 | 一种无人机飞行避障方法、装置、电子设备及存储介质 |
CN109343540A (zh) * | 2018-11-30 | 2019-02-15 | 广东工业大学 | 一种基于回环检测的slam后端轨迹优化方法 |
GB2581843B (en) * | 2019-03-01 | 2021-06-02 | Arrival Ltd | Calibration system and method for robotic cells |
KR102243179B1 (ko) * | 2019-03-27 | 2021-04-21 | 엘지전자 주식회사 | 이동 로봇 및 그 제어방법 |
CN110293563B (zh) * | 2019-06-28 | 2022-07-26 | 炬星科技(深圳)有限公司 | 估计机器人位姿的方法、设备及存储介质 |
CN111590594B (zh) * | 2020-06-22 | 2021-12-07 | 南京航空航天大学 | 基于视觉引导的机器人轨迹跟踪控制方法 |
-
2020
- 2020-12-29 CN CN202011589926.0A patent/CN112589806B/zh active Active
- 2020-12-29 CN CN202210372614.7A patent/CN114714352B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170129571A (ko) * | 2016-05-17 | 2017-11-27 | 엘지전자 주식회사 | 로봇 청소기 |
CN111300422A (zh) * | 2020-03-17 | 2020-06-19 | 浙江大学 | 基于视觉图像的机器人工件抓取位姿误差补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112589806B (zh) | 2022-04-01 |
CN114714352A (zh) | 2022-07-08 |
CN112589806A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3627181A1 (en) | Multi-sensor calibration method, multi-sensor calibration device, computer device, medium and vehicle | |
CN115265523B (zh) | 机器人同时定位与建图方法、装置及可读介质 | |
CN112082547B (zh) | 组合导航系统优化方法、装置、电子设备及存储介质 | |
EP3729225A1 (en) | Interactive computer-implemented method, graphical user interface and computer program product for building a high-accuracy environment map | |
CN113211445B (zh) | 一种机器人参数标定方法、装置、设备及存储介质 | |
CN111368927B (zh) | 一种标注结果处理方法、装置、设备及存储介质 | |
CN111060131B (zh) | 一种基于激光雷达的机器人精确姿态矫正方法及装置 | |
CN111836185B (zh) | 一种基站位置坐标的确定方法、装置、设备及存储介质 | |
CN112964276A (zh) | 一种基于激光和视觉融合的在线标定方法 | |
CN112834249B (zh) | 转向参数检测方法、装置、设备及存储介质 | |
CN110853098B (zh) | 机器人定位方法、装置、设备及存储介质 | |
CN114714352B (zh) | 机器人位姿信息确定方法、装置、设备及存储介质 | |
CN113554712A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
CN112665506A (zh) | 定位装置的安装偏差检测方法、装置、设备及存储介质 | |
CN111912414A (zh) | 车辆位姿的验证方法、装置、设备及存储介质 | |
CN116678403A (zh) | 惯性测量装置的温度补偿方法、装置、设备及存储介质 | |
CN114252073B (zh) | 一种机器人姿态数据融合方法 | |
CN112461258A (zh) | 一种参数修正的方法及装置 | |
CN113390421B (zh) | 基于卡尔曼滤波的无人机定位方法及装置 | |
CN109459769A (zh) | 一种自主定位方法与系统 | |
CN113091743B (zh) | 机器人的室内定位方法及装置 | |
CN113324550A (zh) | 一种基于改进航迹积分的航迹修正方法及存储介质 | |
CN112556722B (zh) | 一种基于自动选取优选源的系统误差补偿方法 | |
CN113984057A (zh) | 基于多数据分析的移动机器人定位方法 | |
CN116859920B (zh) | 精度补偿方法和装置、电子设备及打孔系统 |
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 |