CN114734450A - 机器人位姿确定方法、装置、设备和介质 - Google Patents
机器人位姿确定方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN114734450A CN114734450A CN202210526917.XA CN202210526917A CN114734450A CN 114734450 A CN114734450 A CN 114734450A CN 202210526917 A CN202210526917 A CN 202210526917A CN 114734450 A CN114734450 A CN 114734450A
- Authority
- CN
- China
- Prior art keywords
- robot
- determining
- pose information
- information
- acquire
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000004891 communication Methods 0.000 claims description 53
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 13
- 230000007613 environmental effect Effects 0.000 description 8
- 230000002349 favourable effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000010191 image analysis Methods 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
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005259 measurement 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
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- 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
-
- 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
- B25J9/1697—Vision controlled systems
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Manipulator (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确定方法、装置、设备和介质。其中方法包括:在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息;若基于周围环境信息未获取到用于确定位姿信息的标签图像,则基于周围环境信息控制机器人按预定模式进行移动,以获取机器人所处环境中用于确定位姿信息的标签图像;基于标签图像确定机器人的位姿信息。本发明实施例能够实现机器人自主确定位姿信息,提高了机器人的使用性能。
Description
本申请是申请号为202011415241.4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技术领域,尤其涉及一种机器人位姿确定方法、装置、设备和介质。
背景技术
现如今,机器人已被广泛应用于各个领域中。例如,餐饮领域、医疗领域及航天领域等。在使用过程中,机器人一般是基于标签实现定位,确定自身位姿信息,进而基于位姿信息移动。
因机器人可随时随地启动使用,那么存在机器人启动后无法获取到标签,进而无法确定自身位姿信息,导致机器人无法移动并执行相应任务,影响机器人的使用。
发明内容
本发明实施例提供一种机器人位姿确定方法、装置、设备和介质,实现机器人自主确定位姿信息,提高了机器人的使用性能。
第一方面,本发明实施例提供了一种机器人位姿确定方法,包括:
在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息;
若基于所述周围环境信息未获取到用于确定位姿信息的标签图像,则基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像;
基于所述标签图像确定所述机器人的位姿信息。
第二方面,本发明实施例还提供了一种机器人位姿确定装置,包括:
信息采集模块,用于在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息;
图像获取模块,用于若基于所述周围环境信息未获取到用于确定位姿信息的标签图像时,基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像;
位姿确定模块,用于基于所述标签图像确定所述机器人的位姿信息。
第三方面,本发明实施例还提供了一种电子设备,包括:
传感器,用于采集机器人当前位置的周围环境信息或采集用于确定位姿信息的标签图像;
存储器,用于存储一个或多个程序;
一个或多个处理器,用于获取传感器采集的周围环境信息或采集的用于确定位姿信息的标签图像,并读取和执行所述存储器中存储的一个或多个程序,以实现本发明实施例中任一所述的机器人位姿确定方法。
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本发明实施例中任一实施例所述的机器人位姿确定方法。
本发明实施例公开的技术方案,具有如下有益效果:
在获取到启动指令时控制传感器采集机器人当前位置的周围环境信息,并基于周围环境信息未获取到用于确定位姿信息的标签图像时,基于周围环境信息控制机器人按照预定模式进行移动,以获取机器人所处环境中用于确定位姿信息的标签图像,然后基于标签图像确定机器人的位姿信息。本发明实施例实现了在机器人启动后基于采集的环境信息未获取到自身位姿信息时,基于采集的周围环境信息自主寻找用于确定位姿信息的标签,进而基于标签自动确定机器人自身的位姿信息,提高了机器人的使用性能,且为机器人执行任务提供有利条件。
附图说明
图1是本发明实施例一提供的一种机器人位姿确定方法的流程示意图;
图2是本发明实施例一提供的一种雷达采集的点云数据的示意图;
图3是本发明实施例二提供的一种机器人位姿确定方法的流程示意图;
图4是本发明实施例三提供的一种机器人位姿确定方法的流程示意图;
图5是本发明实施例四提供的一种机器人位姿确定方法的流程示意图;
图6是本发明实施例五提供的一种机器人位姿确定装置的结构示意图;
图7是本发明实施例六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实施例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实施例,而非对本发明实施例的限定。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实施例相关的部分而非全部结构。
下面结合附图对本发明实施例的机器人位姿确定方法、装置、设备和介质进行详细说明。
实施例一
图1是本发明实施例一提供的一种机器人位姿确定方法的流程示意图。本实施例可适用于确定机器人的位姿信息的场景,该方法可以由机器人位姿确定装置来执行,该装置可由硬件和/或软件组成,并可集成于电子设备中。本实施例中电子设备优选为机器人。如图1所示,该方法具体包括如下:
S101,在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息。
本发明实施例中,传感器包括:红外摄像头和雷达。其中,红外摄像头可以是但不限于任意类型的红外摄像头,例如球型红外摄像头和非球型红外摄像头等,并且该红外摄像头可设置于机器人的头顶位置,以采集机器人头顶的屋顶红外图像;雷达可以是但不限于:激光雷达、毫米波雷达和微波雷达等,并且该雷达可以设置与机器人接近地面的位置,以采集机器人移动过程中的室内平面点云图像。
即,机器人上传感器采集的周围环境信息包括:红外图像和激光点云图像。
本实施例中标签优选为反光标签。该反光标签是指用于确定机器人位姿信息的标签,并且该标签具有在红外摄像头发射红外光束至标签上的反光层时,该反光层会反射红外光束的属性,因此本实施例可通过红外摄像头基于反光标签反射的光束采集该标签的标签图像。
通常,机器人可被应用于餐饮、医疗服务、军事和航天等领域,以代替或协助人类完成各种工作。在应用过程中,机器人的使用需要基于标签实现定位,确定自身位姿信息,进而基于位姿信息移动。那么当机器人被启动时,需要获取标签以确定位姿信息。其中,位姿信息可通过(x,y,t)表示,其中x和y表示机器人的位置信息,t表示机器人的朝向信息。
具体的,机器人在获取到用户触发的启动指令时,可通过控制红外摄像头对外发射红外光束,并控制红外摄像头采集红外光束所在区域的图像,以对采集的图像进行图像分析,确定该图像是否为标签图像。
需要说明的是,因为机器人可随时随地被启动,那么存在机器人被启动时机器人当前位置周围不存在标签的情况,那么本实施例机器人在获取到启动指令时,除了控制红外摄像头采集机器人当前位置的红外图像之外,还可控制雷达采集机器人当前位置的激光点云图像,以在周围环境信息中不存在标签时,机器人基于周围环境信息自主寻找标签提供依据。
其中,雷达可以获得机器人周围的二维环境信息,通过采集到的点云数据分析出附近结构化信息点和点簇信息点,从而获得障碍物信息。从而实现机器人在运行方向上移动过程中,通过障碍物信息的识别,实现实时避障,保障机器人移动运行。本发明实施例中,雷达采集的点云数据可如图2所示。其中,标记为21部分为机器人当前所在环境中结构化信息显著的区域,例如墙面区域或大型柜子边线等。结构化信息是指直线、圆弧或直角等具有显著形状的信息,这些信息是通过点云数据和地图提取得到的,并且这些结构化信息能够映射的实体可以是墙体、大型柜子边线等。
本发明实施例中,通过控制红外摄像头对外发射红外光束,并控制红外摄像头采集红外光束所在区域的图像,可包括以下情况:
情况一
基于红外摄像头当前红外发射角度,控制红外摄像头对外发射红外光束,并控制红外摄像头采集红外光束所在区域的图像。
也就是说,当获取到启动指令时,机器人可根据当前位置控制红外摄像头采集当前视场角范围内红外光束所在区域的图像。
情况二
控制红外摄像头以机器人当前位置为中心旋转对外发射红外光束,并控制红外摄像头依次采集每次红外光束所在区域的图像,得到机器人当前位置周围一圈的红外图像。
也就是说,当获取到启动指令时,机器人可根据当前位置控制红外摄像头旋转一周,以采集机器人当前位置周围一圈的红外图像。
进而,对红外摄像头采集的红外图像进行图像分析,确定该图像是否为标签图像。当确定红外摄像头采集的红外图像不包含标签信息图像,并且监测到获取启动指令的时长达到预设时长时,机器人即可确定当前位置周围不存在标签。其中,预设时长可根据机器人性能进行适应性设置,例如可设置为5秒(S)或8s等,此处对其不做具体限制。
S102,若基于所述周围环境信息未获取到用于确定位姿信息的标签图像,则基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像。
具体的,机器人可根据采集到的激光点云图像,按照预设的自主探路模式(预定模式)进行移动,并在移动过程中通过雷达和红外摄像头实时采集周围环境信息,以基于移动过程中采集的周围环境信息,获取机器人所处环境中用于确定位姿信息的标签图像。
其中,预设的自主探路模式是指基于激光点云图像自动寻找标签的运行模式。该运行模式预先配置于机器人中,使得机器人在启动后无法获取到用于确定位姿信息的标签图像时,自动切换至预设的自主探路模式,以基于自主探路模式寻找所处环境中的标签图像。
S103,基于所述标签图像确定所述机器人的位姿信息。
本实施例中基于标签图像确定机器人的位姿信息,可通过如下方式实现:
方式一
基于标签图像,在预设标签图像和位姿信息的映射关系中确定机器人的位姿信息。
具体的,可计算获取的标签图像和映射关系中每个标签图像之间的相似度,并基于最大相似度所对应标签图像,从映射关系中获取与该标签图像对应的位姿信息,以将该位姿信息确定为机器人的位姿信息。
方式二
对标签图像进行图像处理,以获取标签图像中携带的特征信息,并基于特征信息确定标签图像关联的位姿信息,将该位姿信息确定为机器人的位姿信息。
需要说明的是,上述两种方式仅作为对本发明实施例的示例性说明,不作为对本发明实施例的具体限定。
进而,机器人基于确定的位姿信息即可进行移动,例如根据位姿信息执行配送任务等。
本发明实施例提供的技术方案,在获取到启动指令时控制传感器采集机器人当前位置的周围环境信息,并基于周围环境信息未获取到用于确定位姿信息的标签图像时,基于周围环境信息控制机器人按照预定模式进行移动,以获取机器人所处环境中用于确定位姿信息的标签图像,然后基于标签图像确定机器人的位姿信息。本发明实施例实现了在机器人启动后基于采集的环境信息未获取到自身位姿信息时,基于采集的周围环境信息自主寻找用于确定位姿信息的标签,进而基于标签自动确定机器人自身的位姿信息,提高了机器人的使用性能,且为机器人执行任务提供有利条件。
实施例二
图3是本发明实施例二提供的一种机器人位姿确定方法的流程示意图。在上述实施例的基础上,对“基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像”进行了进一步优化。如图3所示,该方法具体如下:
S201,在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息。
S202,若基于所述周围环境信息,确定所述机器人当前位置的周围环境中存在第一拐角或第一岔路口,则控制所述机器人向所述第一拐角或者第一岔路口移动,以获取用于确定位姿信息的标签图像。
S203,基于所述标签图像确定所述机器人的位姿信息。
一般机器人应用场景中都会存在拐角或岔路口,而当机器人移动至拐角或岔路口时,需要决策下一步的移动位姿。因此,通常情况下会在机器人转向或者选择移动路径的地方(例如拐角或岔路口等地方),设置用于确定位姿信息的标签,使得机器人基于拐角或岔路口处设置的用于确定姿态信息的标签确定自身位置和朝向,进而进行下一步移动。
基于此,本实施例在确定机器人当前位置的周围环境中不存在用于确定位姿信息的标签时,可对激光点云图像进行分析处理,确定机器人当前位置周围环境中是否存在第一拐角或第一岔路口。当基于激光点云图像识别到第一拐角或者第一岔路口,则确定机器人当前位置周围环境中存在拐角或岔路口;否则,确定机器人当前位置周围环境中不存在拐角或岔路口。
其中,对激光点云图像进行分析处理,可将激光点云图像与预先建立好的先验地图进行匹配,以确定机器人当前位置周围是否存在第一拐角或第一岔路口。需要说明的是,本实施例对激光点云图像进行分析处理的方式不限于上述方式,可以包括其他方式,此处对其不做具体限定。
具体的,因拐角或岔路口基本上会设置用于确定位姿信息的标签,因此当基于激光点云图像确定机器人当前位置周围环境中存在第一拐角或第一岔路口时,即可控制机器人优先向第一拐角或第一岔路口移动,并在移动过程中控制雷达不断采集激光点云图像,同时控制红外摄像头不断对外发射红外光束并采集红外光束所在区域的图像,以获取用于确定位姿信息的标签图像。进而,基于获取到的标签图像,查询预设映射关系确定机器人的位姿信息,或者对标签图像进行处理,以基于处理得到的特征信息,确定机器人的位姿信息。
由于在拐角或岔路口处设置的用于确定位姿信息的标签可以设置在墙体或房顶的任一方位上。因此,当控制机器人向第一拐角或第一岔路口进行移动,并移动至第一拐角或第一岔路口时,本实施例可控制红外摄像头以第一拐角或第一岔路口为中心对外发射一圈红外光束并采集每次红外光束所在区域的图像。从而确保机器人在达到第一拐角或第一岔路口时,尽可能多的采集多个方位图像,以提高在第一拐角或第一岔路口处获取到用于确定位姿信息的标签图像几率。
在本发明的一个实施例中,基于激光点云图像确定机器人当前位置周围环境中存在第一拐角或者第一岔路口的数量可以为至少两个。那么当确定机器人当前位置周围环境中存在至少两个第一拐角或者至少两个第一岔路口时,本实施例可从至少两个第一拐角或者至少两个第一岔路口中选择任一一个作为目标拐角或目标岔路口,或者选择距离机器人启动位置最近的一个作为目标拐角或目标岔路口,并控制机器人向目标拐角或目标岔路口移动,在移动过程中控制雷达不断采集激光点云图像,同时控制红外摄像头不断对外发射红外光束并采集红外光束所在区域的图像,以获取用于确定位姿信息的标签图像。进而,基于获取的标签图像确定机器人的位姿信息。从而能够提高获取用于确定位姿信息的标签图像速度,进而为提高确定机器人的位姿信息速度提供条件。
本发明实施例提供的技术方案,实现了在机器人启动后基于采集的环境信息未获取到自身位姿信息时,如果基于周围环境信息确定出机器人所处环境中存在拐角或岔路口,通过优先控制机器人向设置有用于确定位姿信息的标签的拐角或岔路口移动,以使机器人在拐角或岔路口处获取到标签图像的几率,进而提高确定出机器人自身的位姿信息速度,提高了机器人的使用性能,且为机器人执行任务提供有利条件。
实施例三
图4是本发明实施例三提供的一种机器人位姿确定方法的流程示意图。在上述实施例的基础上,对“基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像”进行了进一步说明。如图4所示,该方法具体如下:
S301,在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息。
S302,若基于所述周围环境信息,确定所述机器人当前位置的周围环境中存在具有结构化线条点的第一障碍物,则控制所述机器人移动至所述第一障碍物附近时转动预设角度,并控制所述机器人沿所述第一障碍物进行移动,以获取用于确定位姿信息的标签图像。
其中,具有结构化线条点的第一障碍物是指墙面或墙体。
预设角度可根据机器人的性能进行灵活设定,此处对其不做限制。例如预设角度可为5°或10°等,此处对其不做限制。本实施例中控制机器人在第一障碍物附近时转动预设角度可以是逆时针转动,或者顺时针转动。
目前机器人应用场景中会存在墙面或墙体,为了便于机器人的移动,通常会沿着墙面或墙体设置一些用于确定位姿信息的标签,使得机器人基于这些标签可以确定自身位置和朝向,进而进行下一步移动。
基于此,本实施例在确定机器人当前位置的周围环境中不存在用于确定位姿信息的标签时,可对激光点云图像进行分析处理,确定机器人当前位置周围环境中是否存在具有结构化线条点的第一障碍物。当基于激光点云图像识别到具有结构化线条点的第一障碍物,则确定机器人当前位置周围环境中存在具有结构化线条点的第一障碍物;否则,确定机器人当前位置周围环境中不存在具有结构化线条点的第一障碍物。
具体的,当基于激光点云图像确定机器人所处环境中存在具有结构化线条点的第一障碍物时,可将该第一障碍物作为参考物,从而控制机器人向第一障碍物移动,并当移动至第一障碍物附近,例如移动至与第一障碍物相距一定距离时,控制机器人中的驱动系统转动预设角度,即控制机器人旋转一定角度,以使第一障碍物位于机器人的一侧。然后,控制机器人沿着第一障碍物(即沿着墙体或墙面的走向)向前移动,并在机器人移动过程中控制雷达不断采集激光点云图像,同时控制红外摄像头不断对外发射红外光束并采集红外光束所在区域的图像,以获取用于确定位姿信息的标签图像。
例如,假设预设角度为5°,机器人转动方向为逆时针转动,那么基于激光点云图像和红外图像确定机器人所处环境中的正东方向存在具有结构化线条点的第一障碍物时,控制机器人向该第一障碍物移动,并当移动至第一障碍物附近时按照逆时针旋转5°,使得机器人的正前方为东北方向且处于第一障碍物的一侧。然后,控制机器人沿东北方向移动,并控制雷达不断采集激光点云图像,同时控制红外摄像头不断对外发射红外光束并采集红外光束所在区域的图像,以获取用于确定位姿信息的标签图像。
本发明实施例中控制机器人沿第一障碍物进行移动的过程中,可能一直无法获取到用于确定位姿信息的标签图像,如果此时继续控制机器人沿转动的预设角度移动很可能出现机器人不知道移动到什么地方的情况。
为此,本实施例控制机器人沿第一障碍物移动的过程中,可实时统计机器人移动的第一距离,并将第一距离与距离阈值进行比较。当第一距离小于或等于距离阈值时,说明机器人还可继续沿第一障碍物移动获取用于确定位姿信息的标签图像;当确定第一距离大于距离阈值时,说明该距离阈值可能与实际标签设置间隔不相符,即距离阈值可能小于标签设置间隔。此时,可增大距离阈值并控制机器人继续沿第一障碍物移动,以获取用于确定位姿信息的标签图像。本实施例中,距离阈值为经验值,可根据实际应用需要进行灵活设置。例如,可设置为10米(m)或其他,此处不做具体限制。
具体的,当增大一次距离阈值之后,如果继续控制机器人移动过程中获取到用于确定位姿信息的标签图像,则控制机器人停止移动,以基于获取的标签图像确定机器人的位姿信息;如果继续控制机器人移动的新第一距离大于增大后的距离阈值,且仍未获取到用于确定位姿信息的标签图像,则确定距离阈值的增大次数是否达到预设次数;若未达到预设次数,则继续增大距离阈值,并控制机器人按照第二次增大后的距离阈值移动,以获取用于确定位姿信息的标签图像;若达到预设次数,则控制机器人停止移动,并控制传感器采集新周围环境信息,基于新周围环境信息控制机器人按预定模式移动,以获取用于确定位姿信息的标签图像。本实施例中预设次数可根据实际应用需要进行设置,例如可设置为2次或者3次等,此处不做具体限制。
也就是说,本实施例控制所述机器人沿沿第一障碍物进行移动,以获取用于确定位姿信息的标签图像,包括:统计所述机器人移动的第一距离;当所述第一距离大于距离阈值,且未获取到用于确定位姿信息的标签图像时,增大所述距离阈值并控制所述机器人继续移动,直至获取到用于确定位姿信息的标签图像或所述距离阈值增大次数达到预设次数。
本实施例中,统计机器人移动的第一距离可通过机器人中的编码器和惯性传感器(Inertial Measurement Unit,简称:IMU)累计机器人移动的定位信息(Xi,Yi,Ti)实现。其中,定位信息(Xi,Yi,Ti)中Xi和Yi代表机器人移动至第i个位置的位置信息,Ti代表机器人移动至第i个位置的朝向信息。
需要说明的是,当确定机器人所处环境中存在具有结构化线条点的第一障碍物时,该第一障碍物的数量可为至少一个,那么当第一障碍物的数量为多个时,本实施例可根据获取启动指令时机器人当前位置与每个障碍物的距离远近,从多个第一障碍中选择距离最近一个作为参考物,控制机器人向该第一障碍物移动,并在移动过程中控制红外摄像头不断采集红外图像,以获取用于确定位姿信息的标签图像。从而能够提高获取用于确定位姿信息的标签图像速度,为提高确定机器人的位姿信息速度提供条件。
S303,基于所述标签图像确定所述机器人的位姿信息。
具体的,在获取到用于确定位姿信息的标签图像后,可基于获取到的标签图像,查询预设映射关系确定机器人的位姿信息,或者对标签图像进行处理,以基于处理得到的特征信息,确定机器人的位姿信息。
本发明实施例提供的技术方案,在机器人启动后基于周围环境信息未获取到自身位姿信息时,如果基于周围环境信息确定机器人所处环境中存在具有结构化线条点的障碍物,则通过控制机器人向该障碍物移动并在移动至障碍附近时转动预设角度,并控制机器人沿该障碍物移动,以获取用于确定位姿信息的标签图像,然后基于标签图像确定机器人的位姿信息。由此,实现了将机器人启动时所处环境中具有结构化线条点的障碍物作为参考物,以基于参考物获取用于确定位姿信息的标签图像,进而基于标签自动确定机器人自身的位姿信息,提高确定机器人自身的位姿信息速度以及机器人的使用性能,且为机器人执行任务提供有利条件。
实施例四
图5是本发明实施例四提供的一种机器人位姿确定方法的流程示意图。在上述实施例的基础上,对“基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像”进行了进一步说明。如图5所示,该方法具体如下:
S401,在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息。
S402,基于所述周围环境信息,确定以所述机器人当前位置为中心的多个连通位置,并控制所述机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
具体的,本实施例可依据图像处理中的连通性分析原理,基于周围环境信息中的激光点云图像,确定机器人启动位置周围的连通区域,进而基于连通区域获取用于确定位姿信息的标签图像。
具体实现时,可通过对激光点云图像分别进行二值化处理,得到二值化图像,然后基于二值化图像确定一个连通区域。在本实施例中该连通区域优选为八连通区域。其中,八连通区域是指以任一位置为中心,取该中心位置的上、下、左、右、左上、右上、左下、右下紧邻上述中心位置和斜向相邻上述中心位置的8个方向上的位置。
进而,根据连通区域中的中心位置控制机器人移动至该中心位置,并控制机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像。即,通过控制机器人以中心位置为起点,依次沿八个方向的连通位置中每一个连通位置方向进行移动,获取用于确定位姿信息的标签图像。
在本发明实施例中,控制机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像,具体包括以下步骤:
S11,从多个连通位置中选取任一连通位置,控制所述机器人沿所述连通位置方向进行移动,并统计所述机器人移动的第二距离。
其中,控制机器人沿选择的任一连通位置方向进行移动过程中,控制红外摄像头不断对外发射红外光束并控制该红外摄像头不断采集红外光束所在区域的图像,以获取用于确定位姿信息的标签图像。
具体应用过程中,可能存在控制机器人沿选择的任一连通位置方向进行移动时,一直无法获取到用于确定位姿信息的标签图像,如果此时继续控制机器人沿选择的该连通位置方向进行移动很可能出现机器人不知道移动到什么地方的情况。
为此,本实施例控制机器人沿选择的任一连通位置方向进行移动的过程中,可实时统计机器人移动的第二距离,并基于第二距离确定是否停止控制机器人沿选择的连通位置方向继续移动。
S12,当所述第二距离大于距离阈值,且未获取到用于确定位姿信息的标签图像时,标记该连通位置方向为非标签路段,并控制所述机器人依次沿其他连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
其中,非标签路段是指未设置用于确定位姿信息标签的路段。
具体的,通过将第二距离与距离阈值进行比较。当第二距离小于或等于距离阈值时,说明机器人还可继续沿当前连通位置方向进行移动,获取用于确定位姿信息的标签图像;当确定第二移动距离大于距离阈值,并且未获取到用于确定位姿信息的标签图像时,说明机器人在当前连通位置方向上移动的距离已经达到移动限值。此时可标记该连通位置方向为非标签路段,并控制从机器人从该连通位置方向上返回至初始位置,即获取启动指令时的位置。然后,按照预设方式从其他连通位置中,依次选择下一其他连通位置并控制机器人沿选择的其他连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
其中,控制机器人沿其他连通位置方向进行移动过程中,也可实时统计机器人的在每个其他连通位置方向上移动的第二距离。如果机器人在每个其他连通位置方向上移动的第二距离均大于距离阈值,且均未获取到用于确定位姿信息的标签图像时,说明该距离阈值可能设置的不合适,例如距离阈值小于实际用于确定位姿信息的标签之间的设置距离。此时,可标记其他连通位置方向为非标签路段,并返回初始位置,对距离阈值进行增大处理。当距离阈值增大之后,重新控制机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
其中,当增大距离阈值之后,如果控制机器人沿任一连通位置方向进行移动过程中获取到用于确定位姿信息的标签图像,则控制机器人停止移动,以基于获取的标签图像确定机器人的位姿信息。本实施例中,对距离阈值进行增大处理时,可在距离阈值的基础上增加一个固定增量,或者还可依据用于确定位姿信息的标签实际设置间距,对距离阈值进行适应性增大处理等,此处对其不做具体限制。其中,固定增量为经验值,可灵活设置,例如1m或2m等,此处对其不做限制。
其中,预设方式可以是从八连通区域中的中心位置,按照顺时针依次选取一个连通位置;或者,按照逆时针依次选取一个连通位置,此处对其不做具体限定。本实施例中,距离阈值为经验值,可根据实际应用需要进行灵活设置。例如,可设置为10米(m)或其他,此处不做具体限制。
需要说明的是,本实施例中统计机器人的移动距离可通过机器人中的编码器和惯性传感器(Inertial Measurement Unit,简称:IMU)累计机器人移动的定位信息(Xi,Yi,Ti)确定。其中,定位信息(Xi,Yi,Ti)中Xi和Yi代表机器人移动至第i个位置的位置信息,Ti代表机器人移动至第i个位置的朝向信息。
进一步的,在本发明的一个实施例中,控制机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像,包括下述至少一项:
当控制所述机器人依次沿每一连通位置方向移动过程中,确定出周围环境存在第二拐角或者第二岔路口时,控制所述机器人向所述第二拐角或者第二岔路口移动,以获取用于确定位姿信息的标签图像;
当控制所述机器人依次沿每一连通位置方向移动过程中,确定出周围环境存在具有结构化线条点的第二障碍物时,控制所述机器人移动至所述第二障碍物附近时转动预设角度,并控制所述机器人沿所述第二障碍物进行移动,以获取用于确定位姿信息的标签图像。
其中,控制所述机器人向所述第二拐角或第二岔路口移动;或者,控制所述机器人沿所述第二障碍物进行移动,以获取用于确定位姿信息的标签图像的实现方式的具体实现原理与前述实施例的实现原理类似,具体参见前述实施例,此处对其不做过多赘述。
S403,基于所述标签图像确定机器人的位姿信息。
本发明实施例提供的技术方案,在机器人启动后基于周围环境信息未获取到自身位姿信息时,通过基于周围环境信息确定出以机器人当前位置为中心的多个连通位置,并控制机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像,并基于标签图像确定机器人的位姿信息。由此,实现了在机器人启动后基于周围环境信息未获取到自身位姿信息时,基于采集的周围环境信息自主寻找确定位姿信息的标签,进而基于标签自动确定机器人自身的位姿信息,提高了机器人的使用性能,且为机器人执行任务提供有利条件。
实施例五
图6是本发明实施例五提供的一种机器人位姿确定装置的结构示意图。本发明实施例机器人位姿确定装置配置于电子设备中。如图6所示,本发明实施例提供的机器人位姿确定装置500包括:信息采集模块510、图像获取模块520和位姿确定模块530。
其中,信息采集模块510,用于在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息;
图像获取模块520,用于若基于所述周围环境信息未获取到用于确定位姿信息的标签图像时,基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像;
位姿确定模块530,用于基于所述标签图像确定所述机器人的位姿信息。
作为本发明实施例的一种可选的实现方式,图像获取模块520具体用于:
若基于所述周围环境信息,确定所述机器人当前位置的周围环境中存在第一拐角或第一岔路口,则控制所述机器人向所述第一拐角或者第一岔路口移动,以获取用于确定位姿信息的标签图像。
作为本发明实施例的一种可选的实现方式,图像获取模块520具体用于:
若基于所述周围环境信息,确定所述机器人当前位置的周围环境中存在具有结构化线条点的第一障碍物,则控制所述机器人移动至所述第一障碍物附近时转动预设角度,并控制所述机器人沿所述第一障碍物进行移动,以获取用于确定位姿信息的标签图像。
作为本发明实施例的一种可选的实现方式,机器人位姿确定装置500还包括:统计模块和处理模块;
其中,统计模块用于统计所述机器人移动的第一距离;
处理模块用于当所述第一距离大于距离阈值,且未获取到用于确定位姿信息的标签图像时,增大所述距离阈值并控制所述机器人继续移动,直至获取到用于确定位姿信息的标签图像或所述距离阈值增大次数达到预设次数。
作为本发明实施例的一种可选的实现方式,图像获取模块520具体用于:
基于所述周围环境信息,确定以所述机器人当前位置为中心的多个连通位置,并控制所述机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
作为本发明实施例的一种可选的实现方式,图像获取模块520包括:距离统计单元和控制单元;
其中,距离统计单元,用于从多个连通位置中选取任一连通位置,控制所述机器人沿所述连通位置方向进行移动,并统计所述机器人移动的第二距离;
控制单元,用于当所述第二距离大于距离阈值,且未获取到用于确定位姿信息的标签图像时,标记该连通位置方向为非标签路段,并控制所述机器人依次沿其他连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
作为本发明实施例的一种可选的实现方式,控制单元,具体用于:
若沿其他连通位置方向进行移动,均未获取到用于确定位姿信息的标签图像时,增大所述距离阈值,并控制所述机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
作为本发明实施例的一种可选的实现方式,图像获取模块520还用于:
当控制所述机器人依次沿每一连通位置方向移动过程中,确定出周围环境存在第二拐角或者第二岔路口时,控制所述机器人向所述第二拐角或者第二岔路口移动,以获取用于确定位姿信息的标签图像;
当控制所述机器人依次沿每一连通位置方向移动过程中,确定出周围环境存在具有结构化线条点的第二障碍物时,控制所述机器人移动至所述第二障碍物附近时转动预设角度,并控制所述机器人沿所述第二障碍物进行移动,以获取用于确定位姿信息的标签图像。
作为本发明实施例的一种可选的实现方式,位姿确定模块530,具体用于:
基于所述标签图像,在标签图像和位姿信息的映射关系中确定机器人的位姿信息。
需要说明的是,前述对机器人位姿确定方法实施例的解释说明也适用于该实施例的机器人位姿确定装置,其实现原理类似,此处不再赘述。
本发明实施例提供的技术方案,实现了在机器人启动后基于采集的环境信息未获取到自身位姿信息时,基于采集的周围环境信息自主寻找用于确定位姿信息的标签,进而基于标签自动确定机器人自身的位姿信息,提高了机器人的使用性能,且为机器人执行任务提供有利条件。
实施例六
图7是本发明实施例六提供的一种电子设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性电子设备600的框图。图7显示的电子设备600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7所示,电子设备600以通用计算设备的形式表现。电子设备600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610,系统存储器620,传感器,连接不同系统组件(包括系统存储器620和处理单元610)的总线630。
总线630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。
电子设备600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电子设备600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620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)621和/或高速缓存存储器622。电子设备600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623可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6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630相连。存储器520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各实施例的功能。
具有一组(至少一个)程序模块625的程序/实用工具624,可以存储在例如系统存储器620中,这样的程序模块625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625通常执行本发明所描述的实施例中的功能和/或方法。
电子设备600也可以与一个或多个外部设备640(例如键盘、指向设备、显示器641等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600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650进行。并且,电子设备600还可以通过网络适配器660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。如图所示,网络适配器660通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600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610通过运行存储在系统存储器620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机器人位姿确定方法,包括:
在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息;
若基于所述周围环境信息未获取到用于确定位姿信息的标签图像,则基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像;
基于所述标签图像确定所述机器人的位姿信息。
需要说明的是,前述对机器人位姿确定方法实施例的解释说明也适用于该实施例的电子设备,其实现原理类似,此处不再赘述。
本发明实施例提供的技术方案,实现了在机器人启动后基于采集的环境信息未获取到自身位姿信息时,基于采集的周围环境信息自主寻找用于确定位姿信息的标签,进而基于标签自动确定机器人自身的位姿信息,提高了机器人的使用性能,且为机器人执行任务提供有利条件。
实施例七
为了实现上述目的,本发明还提出了一种计算机可读存储介质。
本发明实施例提供的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所述的机器人位姿确定方法,包括:
在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息;
若基于所述周围环境信息未获取到用于确定位姿信息的标签图像,则基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像;
基于所述标签图像确定所述机器人的位姿信息。
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 (11)
1.一种机器人位姿确定方法,其特征在于,包括:
在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息;
若基于所述周围环境信息未获取到用于确定位姿信息的标签图像,则基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像;
基于所述标签图像确定所述机器人的位姿信息;
其中,所述基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像,包括:
基于所述周围环境信息,确定以所述机器人当前位置为中心的多个连通位置,并控制所述机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
2.根据权利要求1所述的方法,其特征在于,所述基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像,包括:
若基于所述周围环境信息,确定所述机器人当前位置的周围环境中存在第一拐角或第一岔路口,则控制所述机器人向所述第一拐角或者第一岔路口移动,以获取用于确定位姿信息的标签图像。
3.根据权利要求1所述的方法,其特征在于,所述基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像,包括:
若基于所述周围环境信息,确定所述机器人当前位置的周围环境中存在具有结构化线条点的第一障碍物,则控制所述机器人移动至所述第一障碍物附近时转动预设角度,并控制所述机器人沿所述第一障碍物进行移动,以获取用于确定位姿信息的标签图像。
4.根据权利要求3所述的方法,其特征在于,所述基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像之后,还包括:
统计所述机器人移动的第一距离;
当所述第一距离大于距离阈值,且未获取到用于确定位姿信息的标签图像时,增大所述距离阈值并控制所述机器人继续移动,直至获取到用于确定位姿信息的标签图像或所述距离阈值增大次数达到预设次数。
5.根据权利要求1所述的方法,其特征在于,所述控制所述机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像,包括:
从多个连通位置中选取任一连通位置,控制所述机器人沿选取的连通位置方向进行移动,并统计所述机器人移动的第二距离;
当所述第二距离大于距离阈值,且未获取到用于确定位姿信息的标签图像时,标记该连通位置方向为非标签路段,并控制所述机器人依次沿其他连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
6.根据权利要求5所述的方法,其特征在于,所述控制所述机器人依次沿其他连通位置方向进行移动,以获取用于确定位姿信息的标签图像,包括:
若沿其他连通位置方向进行移动,均未获取到用于确定位姿信息的标签图像时,增大所述距离阈值,并控制所述机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
7.根据权利要求5-6任一项所述的方法,其特征在于,所述控制所述机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像,包括下述至少一项:
当控制所述机器人依次沿每一连通位置方向移动过程中,确定出周围环境存在第二拐角或者第二岔路口时,控制所述机器人向所述第二拐角或者第二岔路口移动,以获取用于确定位姿信息的标签图像;
当控制所述机器人依次沿每一连通位置方向移动过程中,确定出周围环境存在具有结构化线条点的第二障碍物时,控制所述机器人移动至所述第二障碍物附近时转动预设角度,并控制所述机器人沿所述第二障碍物进行移动,以获取用于确定位姿信息的标签图像。
8.根据权利要求1所述的方法,其特征在于,所述基于所述标签图像确定机器人的位姿信息,包括:
基于所述标签图像,在标签图像和位姿信息的映射关系中确定机器人的位姿信息。
9.一种机器人位姿确定装置,其特征在于,包括:
信息采集模块,用于在获取到启动指令时,控制传感器采集机器人当前位置的周围环境信息;
图像获取模块,用于若基于所述周围环境信息未获取到用于确定位姿信息的标签图像时,基于所述周围环境信息控制所述机器人按预定模式进行移动,以获取所述机器人所处环境中用于确定位姿信息的标签图像;
位姿确定模块,用于基于所述标签图像确定所述机器人的位姿信息;
所述图像获取模块具体用于:
基于所述周围环境信息,确定以所述机器人当前位置为中心的多个连通位置,并控制所述机器人依次沿每一连通位置方向进行移动,以获取用于确定位姿信息的标签图像。
10.一种电子设备,其特征在于,包括:
传感器,用于采集机器人当前位置的周围环境信息或采集用于确定位姿信息的标签图像;
存储器,用于存储一个或多个程序;
一个或多个处理器,用于获取传感器采集的周围环境信息或采集的用于确定位姿信息的标签图像,并读取和执行所述存储器中存储的一个或多个程序,以实现如权利要求1-8中任一所述的机器人位姿确定方法。
11.一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1-8中任一所述的机器人位姿确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210526917.XA CN114734450B (zh) | 2020-12-03 | 2020-12-03 | 机器人位姿确定方法、装置、设备和介质 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415241.4A CN112497218B (zh) | 2020-12-03 | 2020-12-03 | 机器人位姿确定方法、装置、设备和介质 |
CN202210526917.XA CN114734450B (zh) | 2020-12-03 | 2020-12-03 | 机器人位姿确定方法、装置、设备和介质 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011415241.4A Division CN112497218B (zh) | 2020-12-03 | 2020-12-03 | 机器人位姿确定方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114734450A true CN114734450A (zh) | 2022-07-12 |
CN114734450B CN114734450B (zh) | 2024-05-17 |
Family
ID=74970604
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011415241.4A Active CN112497218B (zh) | 2020-12-03 | 2020-12-03 | 机器人位姿确定方法、装置、设备和介质 |
CN202210526917.XA Active CN114734450B (zh) | 2020-12-03 | 2020-12-03 | 机器人位姿确定方法、装置、设备和介质 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011415241.4A Active CN112497218B (zh) | 2020-12-03 | 2020-12-03 | 机器人位姿确定方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN112497218B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112497218B (zh) * | 2020-12-03 | 2022-04-12 | 上海擎朗智能科技有限公司 | 机器人位姿确定方法、装置、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060293810A1 (en) * | 2005-06-13 | 2006-12-28 | Kabushiki Kaisha Toshiba | Mobile robot and a method for calculating position and posture thereof |
CN104142683A (zh) * | 2013-11-15 | 2014-11-12 | 上海快仓智能科技有限公司 | 基于二维码定位的自动引导车导航方法 |
CN108759844A (zh) * | 2018-06-07 | 2018-11-06 | 科沃斯商用机器人有限公司 | 机器人重定位与环境地图构建方法、机器人及存储介质 |
CN110827353A (zh) * | 2019-10-18 | 2020-02-21 | 天津大学 | 一种基于单目摄像头辅助的机器人定位方法 |
CN112497218B (zh) * | 2020-12-03 | 2022-04-12 | 上海擎朗智能科技有限公司 | 机器人位姿确定方法、装置、设备和介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102773862B (zh) * | 2012-07-31 | 2015-01-07 | 山东大学 | 用于室内移动机器人的快速精确定位系统及其工作方法 |
CN103868517A (zh) * | 2012-12-10 | 2014-06-18 | 深圳富泰宏精密工业有限公司 | 室内定位系统及方法 |
CN106468553B (zh) * | 2016-08-30 | 2019-11-12 | 上海擎朗智能科技有限公司 | 一种基于路标的移动物体的定位方法 |
CN109471443A (zh) * | 2018-11-30 | 2019-03-15 | 上海物景智能科技有限公司 | 一种轮式机器人定位方法和轮式机器人 |
-
2020
- 2020-12-03 CN CN202011415241.4A patent/CN112497218B/zh active Active
- 2020-12-03 CN CN202210526917.XA patent/CN114734450B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060293810A1 (en) * | 2005-06-13 | 2006-12-28 | Kabushiki Kaisha Toshiba | Mobile robot and a method for calculating position and posture thereof |
CN104142683A (zh) * | 2013-11-15 | 2014-11-12 | 上海快仓智能科技有限公司 | 基于二维码定位的自动引导车导航方法 |
CN108759844A (zh) * | 2018-06-07 | 2018-11-06 | 科沃斯商用机器人有限公司 | 机器人重定位与环境地图构建方法、机器人及存储介质 |
CN110827353A (zh) * | 2019-10-18 | 2020-02-21 | 天津大学 | 一种基于单目摄像头辅助的机器人定位方法 |
CN112497218B (zh) * | 2020-12-03 | 2022-04-12 | 上海擎朗智能科技有限公司 | 机器人位姿确定方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114734450B (zh) | 2024-05-17 |
CN112497218A (zh) | 2021-03-16 |
CN112497218B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11002840B2 (en) | Multi-sensor calibration method, multi-sensor calibration device, computer device, medium and vehicle | |
CN109116867B (zh) | 一种无人机飞行避障方法、装置、电子设备及存储介质 | |
US10278333B2 (en) | Pruning robot system | |
JP2019521401A (ja) | ロボットの経路計画システム、方法、ロボット及び媒体 | |
CN111881239A (zh) | 构建方法、构建装置、智能机器人及可读存储介质 | |
CN111694358B (zh) | 运送机器人的控制方法、装置、运送机器人和存储介质 | |
CN111958590B (zh) | 一种复杂三维环境中机械臂防碰撞方法及系统 | |
CN109859260A (zh) | 确定车位位置的方法、装置及计算机可读存储介质 | |
CN113759906B (zh) | 一种车辆对位方法、装置、计算机设备和存储介质 | |
CN110825111A (zh) | 适用于高架仓库货物盘点的无人机控制方法、货物盘点方法、装置、服务器及存储介质 | |
CN112497218B (zh) | 机器人位姿确定方法、装置、设备和介质 | |
CN112085445A (zh) | 机器人目的地到达确定方法、装置、电子设备和存储介质 | |
CN114091515A (zh) | 障碍物检测方法、装置、电子设备和存储介质 | |
CN112558611A (zh) | 一种路径规划方法、装置、计算机设备及存储介质 | |
CN112462784B (zh) | 机器人位姿确定方法、装置、设备和介质 | |
CN113776520A (zh) | 地图构建、使用方法、装置、机器人和介质 | |
CN113375657A (zh) | 电子地图的更新方法、装置和电子设备 | |
CN114812539B (zh) | 地图探索、地图使用方法、装置、机器人和存储介质 | |
CN115327571A (zh) | 一种基于平面激光雷达的三维环境障碍物检测系统及方法 | |
CN113075647A (zh) | 机器人定位方法、装置、设备和介质 | |
CN114565906A (zh) | 障碍物检测方法、装置、电子设备及存储介质 | |
CN112214018A (zh) | 机器人路径规划方法及装置 | |
CN114415659B (zh) | 一种机器人安全避障方法、装置、机器人及存储介质 | |
CN115246118A (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
CN113759911B (zh) | 一种建图的方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |