CN114814875A - 一种机器人定位建图方法、装置、可读存储介质及机器人 - Google Patents
一种机器人定位建图方法、装置、可读存储介质及机器人 Download PDFInfo
- Publication number
- CN114814875A CN114814875A CN202210453543.3A CN202210453543A CN114814875A CN 114814875 A CN114814875 A CN 114814875A CN 202210453543 A CN202210453543 A CN 202210453543A CN 114814875 A CN114814875 A CN 114814875A
- Authority
- CN
- China
- Prior art keywords
- positioning
- robot
- marker
- error term
- constructing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000003550 marker Substances 0.000 claims abstract description 91
- 238000005457 optimization Methods 0.000 claims abstract description 59
- 238000013507 mapping Methods 0.000 claims abstract description 38
- 230000008569 process Effects 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 67
- 238000004590 computer program Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 13
- 230000004807 localization Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010009 beating Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请属于机器人技术领域,尤其涉及一种机器人定位建图方法、装置、计算机可读存储介质及机器人。所述方法包括:在定位建图过程中,分别获取机器人的激光雷达定位数据和预设的标志物的标志物定位数据;根据所述激光雷达定位数据和所述标志物定位数据构建定位数据优化目标函数;对所述定位数据优化目标函数进行求解,得到优化定位结果;根据所述优化定位结果进行地图构建。在本申请中,将激光雷达定位数据和标志物定位数据进行融合使用,构建起定位数据优化目标函数,通过求解可以得到精准的优化定位结果,以此为基础构建出精准的地图。即使在机场等较大的使用场景中,也能取得较好的定位建图效果。
Description
技术领域
本申请属于机器人技术领域,尤其涉及一种机器人定位建图方法、装置、计算机可读存储介质及机器人。
背景技术
在现有技术中,机器人通常会使用激光雷达进行定位建图,激光雷达定位建图在常见的小场景下效果较好,但是在机场等较大的使用场景中,定位建图的效果较差,准确度明显较低,难以满足实际的使用需求。
发明内容
有鉴于此,本申请实施例提供了一种机器人定位建图方法、装置、计算机可读存储介质及机器人,以解决现有的定位建图方法在大场景下效果较差的问题。
本申请实施例的第一方面提供了一种机器人定位建图方法,可以包括:
在定位建图过程中,分别获取机器人的激光雷达定位数据和预设的标志物的标志物定位数据;
根据所述激光雷达定位数据和所述标志物定位数据构建定位数据优化目标函数;
对所述定位数据优化目标函数进行求解,得到优化定位结果;
根据所述优化定位结果进行地图构建。
在第一方面的一种具体实现方式中,所述根据所述激光雷达定位数据和所述标志物定位数据构建定位数据优化目标函数,可以包括:
获取所述机器人的运动传感器数据,根据所述运动传感器数据和所述机器人的状态方程构建第一误差项;
根据所述激光雷达定位数据和所述机器人的激光雷达观测方程构建第二误差项;
根据所述标志物定位数据和所述机器人的标志物观测方程构建第三误差项;
根据所述第一误差项、所述第二误差项和所述第三误差项构建所述定位数据优化目标函数。
在第一方面的一种具体实现方式中,所述根据所述运动传感器数据和所述机器人的状态方程构建第一误差项,可以包括:
根据所述运动传感器数据和所述状态方程计算所述机器人各帧的估计位姿;
根据下式构建所述第一误差项:
在第一方面的一种具体实现方式中,所述根据所述激光雷达定位数据和所述机器人的激光雷达观测方程构建第二误差项,可以包括:
根据所述激光雷达观测方程计算所述机器人各帧的激光雷达定位估计数据;
根据下式构建所述第二误差项:
其中,Q1为预设的第二权重系数,i为帧序号,1≤i≤n,n为预设的帧数目,Yi t为所述机器人第i帧的激光雷达定位数据,Yi为所述机器人的第i帧的激光雷达定位估计数据,J1为所述第二误差项。
在第一方面的一种具体实现方式中,所述根据所述标志物定位数据和所述机器人的标志物观测方程构建第三误差项,可以包括:
根据所述标志物观测方程计算各个标志物的估计位置;
根据下式构建所述第三误差项:
在第一方面的一种具体实现方式中,所述根据所述第一误差项、所述第二误差项和所述第三误差项构建所述定位数据优化目标函数,可以包括:
根据下式构建所述定位数据优化目标函数:
Min(J0+J1+j2)
其中,J0为所述第一误差项,J1为所述第二误差项,J2为所述第三误差项,Min为求最小值函数。
在第一方面的一种具体实现方式中,所述对所述定位数据优化目标函数进行求解,得到优化定位结果,可以包括:
构建与所述定位数据优化目标函数对应的图模型;
对所述图模型进行图优化,得到所述优化定位结果。
本申请实施例的第二方面提供了一种机器人定位建图装置,可以包括:
数据获取模块,用于在定位建图过程中,分别获取机器人的激光雷达定位数据和预设的标志物的标志物定位数据;
优化目标函数构建模块,用于根据所述激光雷达定位数据和所述标志物定位数据构建定位数据优化目标函数;
优化定位结果求解模块,用于对所述定位数据优化目标函数进行求解,得到优化定位结果;
地图构建模块,用于根据所述优化定位结果进行地图构建。
在第二方面的一种具体实现方式中,所述优化目标函数构建模块可以包括:
第一误差项构建单元,用于获取所述机器人的运动传感器数据,根据所述运动传感器数据和所述机器人的状态方程构建第一误差项;
第二误差项构建单元,用于根据所述激光雷达定位数据和所述机器人的激光雷达观测方程构建第二误差项;
第三误差项构建单元,用于根据所述标志物定位数据和所述机器人的标志物观测方程构建第三误差项;
优化目标函数构建单元,用于根据所述第一误差项、所述第二误差项和所述第三误差项构建所述定位数据优化目标函数。
在第二方面的一种具体实现方式中,所述第一误差项构建单元具体可以用于:根据所述运动传感器数据和所述状态方程计算所述机器人各帧的估计位姿;根据下式构建所述第一误差项:
在第二方面的一种具体实现方式中,所述第二误差项构建单元具体可以用于:根据所述激光雷达观测方程计算所述机器人各帧的激光雷达定位估计数据;根据下式构建所述第二误差项:
其中,Q1为预设的第二权重系数,i为帧序号,1≤i≤n,n为预设的帧数目,Yi t为所述机器人第i帧的激光雷达定位数据,Yi为所述机器人的第i帧的激光雷达定位估计数据,J1为所述第二误差项。
在第二方面的一种具体实现方式中,所述第三误差项构建单元具体可以用于:根据所述标志物观测方程计算各个标志物的估计位置;
根据下式构建所述第三误差项:
在第二方面的一种具体实现方式中,所述优化目标函数构建单元具体可以用于:根据下式构建所述定位数据优化目标函数:
Min(J0+J1+J2)
其中,J0为所述第一误差项,J1为所述第二误差项,J2为所述第三误差项,Min为求最小值函数。
在第二方面的一种具体实现方式中,所述优化定位结果求解模块可以包括:
图模型构建单元,用于构建与所述定位数据优化目标函数对应的图模型;
图优化单元,用于对所述图模型进行图优化,得到所述优化定位结果。
本申请实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述任一种机器人定位建图方法的步骤。
本申请实施例的第四方面提供了一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一种机器人定位建图方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品,当计算机程序产品在机器人上运行时,使得机器人执行上述任一种机器人定位建图方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例在定位建图过程中,分别获取机器人的激光雷达定位数据和预设的标志物的标志物定位数据;根据所述激光雷达定位数据和所述标志物定位数据构建定位数据优化目标函数;对所述定位数据优化目标函数进行求解,得到优化定位结果;根据所述优化定位结果进行地图构建。在本申请实施例中,将激光雷达定位数据和标志物定位数据进行融合使用,构建起定位数据优化目标函数,通过求解可以得到精准的优化定位结果,以此为基础构建出精准的地图。即使在机场等较大的使用场景中,也能取得较好的定位建图效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例中一种机器人定位建图方法的一个实施例流程图;
图2为根据激光雷达定位数据和标志物定位数据构建定位数据优化目标函数的示意流程图;
图3为构建与定位数据优化目标函数对应的图模型的示意图;
图4为本申请实施例中一种机器人定位建图装置的一个实施例结构图;
图5为本申请实施例中一种机器人的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请实施例中,将激光雷达定位数据和标志物定位数据进行融合使用,构建起定位数据优化目标函数,通过求解可以得到精准的优化定位结果,以此为基础构建出精准的地图。即使在机场等较大的使用场景中,也能取得较好的定位建图效果。
请参阅图1,本申请实施例中一种机器人定位建图方法的一个实施例可以包括:
步骤S101、在定位建图过程中,分别获取机器人的激光雷达定位数据和预设的标志物的标志物定位数据。
本申请实施例中所使用的标志物可以根据实际情况进行设置,例如,可以包括但不限于反光柱、超宽带(Ultra Wide Band,UWB)标志物或其他标志物。本申请实施例中以UWB标志物(如UWB标签)为例进行说明,其他标志物与之类似,不再对其进行赘述。
基于UWB标志物也可实现定位功能,但是UWB定位容易受到物体的遮挡影响,因此在发生遮挡的局部区域定位结果会出现较大的跳动,但是从全局来看,整体定位效果较为稳定。而基于激光雷达的定位在小范围区域较为准确,但是随着场景的逐步增大,定位效果也随之变差,在本申请实施例中,可以综合两者的性能差异,基于激光雷达和UWB标志物进行融合定位建图,从而可以适应各种不同场景。
步骤S102、根据激光雷达定位数据和标志物定位数据构建定位数据优化目标函数。
如图2所示,步骤S102具体可以包括如下过程:
步骤S1021、获取机器人的运动传感器数据,根据运动传感器数据和机器人的状态方程构建第一误差项。
其中,运动传感器数据可以为里程计、惯性测量单元(Inertial MeasurementUnit,IMU)以及编码器等传感器获取到的机器人的速度以及角速度等运动数据。
在本申请实施例中,可以预先构建起如下式所示的状态方程:
根据运动传感器数据和状态方程即可计算得到机器人各帧的估计位姿,然后可以根据下式构建第一误差项:
步骤S1022、根据激光雷达定位数据和机器人的激光雷达观测方程构建第二误差项。
机器人通过其搭载的激光雷达扫描周围环境,得到激光雷达定位数据,然后可以根据激光雷达定位数据构建如下式所示的激光雷达观测方程:
Y=g(Xr)
其中,Y为机器人的激光雷达定位数据,g为预设的第二函数关系。
根据激光雷达观测方程可以计算得到对应的机器人各帧的激光雷达定位估计数据,然后可以根据下式构建第二误差项:
其中,Q1为预设的第二权重系数,Yi t为机器人第i帧的激光雷达定位数据(即实际数据),Yi为机器人的第i帧的激光雷达定位估计数据,J1为第二误差项。
步骤S1023、根据标志物定位数据和机器人的标志物观测方程构建第三误差项。
机器人通过其搭载的UWB传感器得到标志物定位数据,然后可以根据标志物定位数据构建如下式所示的标志物观测方程:
根据标志物观测方程可以计算得到各个标志物的估计位置,然后可以根据下式构建第三误差项:
步骤S1024、根据第一误差项、第二误差项和第三误差项构建定位数据优化目标函数。
在本申请实施例中,可以将机器人的位姿和标志物的位置作为待求解的优化项,以最小化各个误差项之和为优化目标,即可以构建如下式所示的定位数据优化目标函数:
Min(J0+J1+J2)
其中,Min为求最小值函数。
步骤S103、对定位数据优化目标函数进行求解,得到优化定位结果。
其中,优化定位结果即为最终确定的机器人的位姿和标志物的位置。在具体应用中,可以根据实际情况选取现有技术中的任意一种优化求解算法对定位数据优化目标函数进行求解,本申请实施例对此不作具体限定。
优选地,为了减少求解的计算量,在本申请实施例的一种具体实现方式中,可以将目标函数的求解问题转化为图优化问题,通过图优化的方式进行快速求解。首先,可以构建与定位数据优化目标函数对应的图模型。具体地,如图3所示,可以将机器人的位姿和标志物的位置作为顶点,将各个误差项作为连接顶点的边,从而构建起与定位数据优化目标函数对应的图模型。在得到图模型之后,则可以使用现有技术中的任意一种图优化算法对图模型进行优化处理,得到优化定位结果。
步骤S104、根据优化定位结果进行地图构建。
在地图构建过程中,可以首先确定机器人在场景中的起点位置,将该起点位置设置为地图的起点位置,所有传感器构建地图的起点都是重合的。然后驱动机器人在场景中不断移动,根据机器人的实时行驶过程,不断地构建图模型,并不断地求解机器人的位姿和标志物的位置。在运行过程中确保标志物与激光雷达地图的坐标对齐,实时地进行标志物的位置校正,提高定位建图质量。当完成建图之后,可以将构建的地图进行保存,同时保存标志物在地图中的位置。
综上所述,本申请实施例在定位建图过程中,分别获取机器人的激光雷达定位数据和预设的标志物的标志物定位数据;根据所述激光雷达定位数据和所述标志物定位数据构建定位数据优化目标函数;对所述定位数据优化目标函数进行求解,得到优化定位结果;根据所述优化定位结果进行地图构建。在本申请实施例中,将激光雷达定位数据和标志物定位数据进行融合使用,构建起定位数据优化目标函数,通过求解可以得到精准的优化定位结果,以此为基础构建出精准的地图。即使在机场等较大的使用场景中,也能取得较好的定位建图效果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种机器人定位建图方法,图4示出了本申请实施例提供的一种机器人定位建图装置的一个实施例结构图。
本实施例中,一种机器人定位建图装置可以包括:
数据获取模块401,用于在定位建图过程中,分别获取机器人的激光雷达定位数据和预设的标志物的标志物定位数据;
优化目标函数构建模块402,用于根据所述激光雷达定位数据和所述标志物定位数据构建定位数据优化目标函数;
优化定位结果求解模块403,用于对所述定位数据优化目标函数进行求解,得到优化定位结果;
地图构建模块404,用于根据所述优化定位结果进行地图构建。
在本申请实施例的一种具体实现方式中,所述优化目标函数构建模块可以包括:
第一误差项构建单元,用于获取所述机器人的运动传感器数据,根据所述运动传感器数据和所述机器人的状态方程构建第一误差项;
第二误差项构建单元,用于根据所述激光雷达定位数据和所述机器人的激光雷达观测方程构建第二误差项;
第三误差项构建单元,用于根据所述标志物定位数据和所述机器人的标志物观测方程构建第三误差项;
优化目标函数构建单元,用于根据所述第一误差项、所述第二误差项和所述第三误差项构建所述定位数据优化目标函数。
在本申请实施例的一种具体实现方式中,所述第一误差项构建单元具体可以用于:根据所述运动传感器数据和所述状态方程计算所述机器人各帧的估计位姿;根据下式构建所述第一误差项:
在本申请实施例的一种具体实现方式中,所述第二误差项构建单元具体可以用于:根据所述激光雷达观测方程计算所述机器人各帧的激光雷达定位估计数据;根据下式构建所述第二误差项:
其中,Q1为预设的第二权重系数,i为帧序号,1≤i≤n,n为预设的帧数目,Yi t为所述机器人第i帧的激光雷达定位数据,Yi为所述机器人的第i帧的激光雷达定位估计数据,J1为所述第二误差项。
在本申请实施例的一种具体实现方式中,所述第三误差项构建单元具体可以用于:根据所述标志物观测方程计算各个标志物的估计位置;
根据下式构建所述第三误差项:
在本申请实施例的一种具体实现方式中,所述优化目标函数构建单元具体可以用于:根据下式构建所述定位数据优化目标函数:
Min(J0+J1+J2)
其中,J0为所述第一误差项,J1为所述第二误差项,J2为所述第三误差项,Min为求最小值函数。
在本申请实施例的一种具体实现方式中,所述优化定位结果求解模块可以包括:
图模型构建单元,用于构建与所述定位数据优化目标函数对应的图模型;
图优化单元,用于对所述图模型进行图优化,得到所述优化定位结果。
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,上述描述的装置,模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
图5示出了本申请实施例提供的一种机器人的示意框图,为了便于说明,仅示出了与本申请实施例相关的部分。
如图5所示,该实施例的机器人5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个机器人定位建图方法实施例中的步骤,例如图1所示的步骤S101至步骤S104。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块401至模块404的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述机器人5中的执行过程。
本领域技术人员可以理解,图5仅仅是机器人5的示例,并不构成对机器人5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述机器人5还可以包括输入输出设备、网络接入设备、总线等。
所述处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述机器人5的内部存储单元,例如机器人5的硬盘或内存。所述存储器51也可以是所述机器人5的外部存储设备,例如所述机器人5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述机器人5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述机器人5所需的其它程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/机器人和方法,可以通过其它的方式实现。例如,以上所描述的装置/机器人实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种机器人定位建图方法,其特征在于,包括:
在定位建图过程中,分别获取机器人的激光雷达定位数据和预设的标志物的标志物定位数据;
根据所述激光雷达定位数据和所述标志物定位数据构建定位数据优化目标函数;
对所述定位数据优化目标函数进行求解,得到优化定位结果;
根据所述优化定位结果进行地图构建。
2.根据权利要求1所述的机器人定位建图方法,其特征在于,所述根据所述激光雷达定位数据和所述标志物定位数据构建定位数据优化目标函数,包括:
获取所述机器人的运动传感器数据,根据所述运动传感器数据和所述机器人的状态方程构建第一误差项;
根据所述激光雷达定位数据和所述机器人的激光雷达观测方程构建第二误差项;
根据所述标志物定位数据和所述机器人的标志物观测方程构建第三误差项;
根据所述第一误差项、所述第二误差项和所述第三误差项构建所述定位数据优化目标函数。
6.根据权利要求2所述的机器人定位建图方法,其特征在于,所述根据所述第一误差项、所述第二误差项和所述第三误差项构建所述定位数据优化目标函数,包括:
根据下式构建所述定位数据优化目标函数:
Min(J0+J1+J2)
其中,J0为所述第一误差项,J1为所述第二误差项,J2为所述第三误差项,Min为求最小值函数。
7.根据权利要求1至6中任一项所述的机器人定位建图方法,其特征在于,所述对所述定位数据优化目标函数进行求解,得到优化定位结果,包括:
构建与所述定位数据优化目标函数对应的图模型;
对所述图模型进行图优化,得到所述优化定位结果。
8.一种机器人定位建图装置,其特征在于,包括:
数据获取模块,用于在定位建图过程中,分别获取机器人的激光雷达定位数据和预设的标志物的标志物定位数据;
优化目标函数构建模块,用于根据所述激光雷达定位数据和所述标志物定位数据构建定位数据优化目标函数;
优化定位结果求解模块,用于对所述定位数据优化目标函数进行求解,得到优化定位结果;
地图构建模块,用于根据所述优化定位结果进行地图构建。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的机器人定位建图方法的步骤。
10.一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至7中任一项所述的机器人定位建图方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210453543.3A CN114814875A (zh) | 2022-04-27 | 2022-04-27 | 一种机器人定位建图方法、装置、可读存储介质及机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210453543.3A CN114814875A (zh) | 2022-04-27 | 2022-04-27 | 一种机器人定位建图方法、装置、可读存储介质及机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114814875A true CN114814875A (zh) | 2022-07-29 |
Family
ID=82509567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210453543.3A Pending CN114814875A (zh) | 2022-04-27 | 2022-04-27 | 一种机器人定位建图方法、装置、可读存储介质及机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114814875A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600156A (zh) * | 2022-11-14 | 2023-01-13 | 苏州魔视智能科技有限公司(Cn) | 基于最小树的语义地图融合方法、装置、设备及介质 |
-
2022
- 2022-04-27 CN CN202210453543.3A patent/CN114814875A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115600156A (zh) * | 2022-11-14 | 2023-01-13 | 苏州魔视智能科技有限公司(Cn) | 基于最小树的语义地图融合方法、装置、设备及介质 |
CN115600156B (zh) * | 2022-11-14 | 2023-03-28 | 苏州魔视智能科技有限公司 | 基于最小树的语义地图融合方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109521403B (zh) | 多线激光雷达的参数标定方法及装置、设备及可读介质 | |
EP3627181A1 (en) | Multi-sensor calibration method, multi-sensor calibration device, computer device, medium and vehicle | |
CN111121768B (zh) | 一种机器人位姿估计方法、装置、可读存储介质及机器人 | |
CN111024100A (zh) | 一种导航地图更新方法、装置、可读存储介质及机器人 | |
CN110197615B (zh) | 用于生成地图的方法及装置 | |
CN111735439A (zh) | 地图构建方法、装置和计算机可读存储介质 | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
CN111177295A (zh) | 建图重影消除方法、装置、计算机可读存储介质及机器人 | |
CN114730472A (zh) | 车载相机的外部参数的标定方法及相关装置 | |
CN114187589A (zh) | 一种目标检测方法、装置、设备和存储介质 | |
CN114814875A (zh) | 一种机器人定位建图方法、装置、可读存储介质及机器人 | |
CN116399324A (zh) | 建图方法、装置及控制器、无人驾驶车辆 | |
CN115308684A (zh) | 一种uwb超宽带室内定位方法及装置 | |
CN113459088B (zh) | 地图调整方法、电子设备及存储介质 | |
CN111157012B (zh) | 一种机器人导航方法、装置、可读存储介质及机器人 | |
CN115683100A (zh) | 机器人的定位方法、装置、机器人以及存储介质 | |
CN112212851B (zh) | 一种位姿确定方法、装置、存储介质及移动机器人 | |
CN114882115B (zh) | 车辆位姿的预测方法和装置、电子设备和存储介质 | |
CN116429121A (zh) | 基于多传感器的定位方法、装置、自移动设备及存储介质 | |
CN114120795B (zh) | 一种地图绘制方法及装置 | |
CN112729349A (zh) | 里程计在线标定的方法、装置、电子设备及存储介质 | |
CN113034538A (zh) | 一种视觉惯导设备的位姿跟踪方法、装置及视觉惯导设备 | |
CN112559786B (zh) | 一种光学遥感影像成像时间的确定方法及装置 | |
CN115409986A (zh) | 一种基于点云语义激光slam回环检测方法、装置及机器人 | |
CN116359941A (zh) | 自动泊车定位方法、装置、计算机设备和存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20221222 Address after: 266104 Room 202-1, Building 3, No. 8, Shengshui Road, Laoshan District, Qingdao, Shandong Applicant after: Ubicon (Qingdao) Technology Co.,Ltd. Address before: 518000 16th and 22nd Floors, C1 Building, Nanshan Zhiyuan, 1001 Xueyuan Avenue, Nanshan District, Shenzhen City, Guangdong Province Applicant before: Shenzhen UBTECH Technology Co.,Ltd. |