CN115210668A - 自己位置推定装置 - Google Patents

自己位置推定装置 Download PDF

Info

Publication number
CN115210668A
CN115210668A CN202080097822.XA CN202080097822A CN115210668A CN 115210668 A CN115210668 A CN 115210668A CN 202080097822 A CN202080097822 A CN 202080097822A CN 115210668 A CN115210668 A CN 115210668A
Authority
CN
China
Prior art keywords
self
map
past
geometric
current
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
CN202080097822.XA
Other languages
English (en)
Inventor
友纳正裕
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.)
Chiba Institute of Technology
Original Assignee
Chiba Institute of Technology
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 Chiba Institute of Technology filed Critical Chiba Institute of Technology
Publication of CN115210668A publication Critical patent/CN115210668A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • 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
    • 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
    • G01C21/3848—Data obtained from both position sensors and additional sensors
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • 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
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data

Landscapes

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

Abstract

本申请提供一种自己位置推定装置，在三维点群数据的个数多的环境下推定自己位置的情况下也能够削减处理时间。自己位置推定装置具备推定移动机器人的自己位置的推定单元。推定单元具备：基于由检出单元检出的三维点群数据生成移动机器人的周围的地图的地图生成部；基于该地图从当前地图抽出几何特征并从过去地图抽出几何特征的几何特征抽出部；选择由几何特征抽出部抽出的几何特征形成几何特征的组，基于几何特征的组算出过去地图上的自己位置的自己位置算出部；基于由自己位置算出部算出的自己位置对每个几何特征的组评价当前地图及过去地图的相似度，选择相似度高的自己位置的自己位置评价部。

Description

自己位置推定装置
技术领域
本发明涉及移动体的自己位置推定装置。
背景技术
以往，用于移动机器人或自动驾驶车等能够自律走行的移动体自律走行的技术，在使用称作SLAM(Simultaneous Localization and Mapping：同步定位与地图构建)的自己位置推定与环境地图作成的技术。作为环境地图，有使用根据移动体的移动范围内物体的有无作成的占位格子地图或点群地图。占位格子地图将移动范围的平面或空间分割成多个分区(单元)存储，并对分割的各分区给予对应物体的有无的单元値。点群地图将移动范围的平面或空间存在的物体呈离散化在每个微区域的点(坐标)进行表示，其集合的点群数据作为地图利用。
移动体至目的地自律走行的情况下，求得当前地至目的地的移动路径，沿该移动路径走行至目的地。此时为高效率移动，使用预先作成的地图(既存地图)算出移动路径，在该既存地图上移动体一边确认(推定)自己位置一边走行。该既存地图上的自己位置推定对于移动体的自律走行来说是非可缺技术。
作为移动体的自己位置推定的技术，一般是使用由距离传感器的出力得到的距离数据，对预先准备的环境地图进行移动体的位置合对合来推定自己位置的方法。作为移动体的位置对合的方法，例如ICP(Iterative Closest Point：迭代最近点)的方法，该方法中，基于从点群数据抽出的点的集合的几何学特征，通过对照环境地图的特征部位来判别移动体的位置(例如参照专利文献1)。专利文献1记载的自己位置推定方法通过距离传感器观测周边，从而取得表示物体表面的多个三维点，基于该观测结果，抽出近距离的三维点和特征量为规定阈值以上的远距离的三维点，通过将抽出的多个三维点和环境地图上的多个三维点进行映像，从而推定出自己位置。
在先技术文献
专利文献
专利文献1：日本发明公开JP2017-083230
发明内容
发明要解决的课题
但是，专利文献1的发明中，由于通过映射多个三维点来推定自己位置，因此例如在屋外环境等三维点(三维点群数据)个数多的环境中推定自己位置的情况，存在处理时间长的问题。
本申请目的在于提供一种自己位置推定装置，在三维点群数据个数多的环境下推定自己位置的情况下也能够削减处理时间，能够高精度推定自己位置。
用于解决课题的方案
本申请的自己位置推定装置是推定移动体的自己位置的自己位置推定装置，其特征在于，具备：将移动体至周围的物体的距离作为三维点群数据检出的检出单元和推定移动体的自己位置的推定单元，推定单元具备：基于由检出单元检出的三维点群数据生成移动体的周围的地图的地图生成部；存储由地图生成部生成的地图的存储部；基于存储在存储部的地图，将平面、直线以及球体的三种几何特征中至少任一种几何特征从作为移动体的当前位置周边的地图的当前地图作为当前几何特征抽出，并从作为移动体的过去位置周边的地图的过去地图作为过去几何特征抽出的几何特征抽出部；选择由几何特征抽出部抽出的当前几何特征中两个或三个当前几何特征，并选择由几何特征抽出部抽出的过去几何特征中与所选择的当前几何特征同种类且同数量的过去几何特征构成几何特征的组，基于几何特征的组，算出过去地图上的自己位置的自己位置算出部；基于由自己位置算出部算出的自己位置，对每个几何特征的组评价当前地图及过去地图的相似度，选择相似度高的自己位置的自己位置评价部。
由此，自己位置算出部由于使用比三维点个数大幅减少的几何特征，因此其组合也可以实现少量。使用三维点求算自己位置的情况下，从当前地图及过去地图分别选择三个三维点，使用它的组进行自己位置的计算。三维点由于具有膨大的个数(数千个到数万个)，因此其组合也膨大，从中求算相似度高的组耗费大量的处理时间。另一方面，本申请的几何特征相比三维点，个数少(数个到数百个)，组合数也可以少。因此，自己位置推定装置在三维点群数据的个数多的环境下推定自己位置的情况下也能够削减处理时间。
本申请中优选地，自己位置评价部从当前地图及过去地图的各自中抽出球体群，基于该球体群，对每个几何特征的组评价当前地图及过去地图的相似度。
由此，由于自己位置评价部从当前地图及过去地图的各自中抽出球体群，基于该球体群对每个几何特征的组评价当前地图及过去地图的相似度，因此能够基于比三维点群数据个数少的球体群，对每个几何特征的组评价当前地图及过去地图的相似度。因此，自己位置推定装置能够进一步削减处理时间。
本申请中优选地，自己位置评价部对相似度比规定阈值高的自己位置，从当前地图及过去地图的各自中增加球体群的个数进行抽出，基于该球体群对每个几何特征的组再次评价当前地图及过去地图的相似度。
由此，由于自己位置评价部对相似度比规定阈值高的自己位置，从当前地图及过去地图的各自中增加球体群的个数进行抽出，基于该球体群对每个几何特征的组再次评价当前地图及过去地图的相似度，因此能够在阶梯性增加球体群的个数的同时逐步锁定(缩小范围)相似度比规定阈值高的自己位置。因此，自己位置推定装置能够精度更高地推定自己位置。
本申请中优选地，自己位置评价部基于球体群对每个几何特征的组评价当前地图及过去地图的相似度，选择相似度高的自己位置后，基于自己位置以当前地图有关的三维点群数据与过去地图有关的三维点群数据的相似度变高的方式进一步推定自己位置。
由此，由于自己位置评价部基于该球体群对每个该几何特征的组评价该当前地图及该过去地图的相似度，选择相似度高的自己位置后，基于该自己位置以该当前地图有关的三维点群数据与过去地图有关的三维点群数据的相似度变高的方式进一步推定自己位置，因此自己位置推定装置从一开始就能比基于三维点群数据推定自己位置的情况削减处理时间，而且能够精度更高地推定自己位置。
本申请中优选地，自己位置算出部判定几何特征的组中包含的当前几何特征间的角度或距离与几何特征的组中包含的过去几何特征间的角度或距离之间是否存在一致性，在判定没有一致性的情况下，不基于该几何特征的组算出过去地图上的自己位置。
在此考虑的是，由于几何特征的组中包含的当前几何特征间的角度或距离与该几何特征的组中包含的过去几何特征间的角度或距离之间的一致性即使为了算出过去地图上的自己位置而进行坐标变换也不发生变化，因此依据基于没有一致性的几何特征的组算出的自己位置评价当前地图及过去地图的相似度的情况下，其相似度低。
根据本申请，由于自己位置算出部判定几何特征的组中包含的当前几何特征间的角度或距离与几何特征的组中包含的过去几何特征间的角度或距离之间是否存在一致性，在判定没有一致性的情况下，不基于该几何特征的组算出过去地图上的自己位置，因此自己位置推定装置能够进一步削减处理时间。
本申请中优选地，自己位置算出部在选择当前几何特征及过去几何特征形成几何特征的组的情况下，以各几何特征内的平面彼此构成的角度、直线彼此构成的角度以及平面与直线构成的角度构成规定角度以上的方式进行选择。
在此，自己位置算出部在各几何特征内的平面彼此构成的角度，直线彼此构成的角度，以及平面与直线构成的角度平行相近的情况下，存在基于该几何特征的组不能妥切地算出过去地图上的自己位置的情况。
根据本申请，由于自己位置算出部在选择当前几何特征及过去几何特征形成几何特征的组的情况下，以各几何特征内的平面彼此构成的角度、直线彼此构成的角度以及平面与直线构成的角度构成规定角度以上的方式进行选择，因此自己位置算出部能够基于该几何特征的组妥切地算出过去地图上的自己位置。此外，规定角度优选明确不构成平行的角度，例如优选30度以上。
本申请中优选地，自己位置算出部判定该几何特征的组中包含的当前几何特征以及几何特征的组中包含的过去几何特征中是否包含作为与地面相当的平面的地面平面，在判定包含地面平面的情况下，使几何特征的组中的地面平面对应来算出过去地图上的自己位置。
由此，由于自己位置算出部判定该几何特征的组中包含的当前几何特征以及几何特征的组中包含的过去几何特征中是否包含作为与地面相当的平面的地面平面，在判定包含地面平面的情况下，使几何特征的组中的地面平面对应来算出过去地图上的自己位置，因此自己位置推定装置在几何特征的组中包含多个平面的情况下，能够削减平面彼此的组合数，进而能够进一步削减处理时间。
本申请中优选地，自己位置算出部在选择平面及球体的当前几何特征以及平面及球体的过去几何特征形成该几何特征的组的情况下，判定几何特征的组中包含的当前几何特征以及几何特征的组中包含的过去几何特征中是否包含作为与地面相当的平面的地面平面，在判定包含地面平面的情况下，仅选择位于距地面平面规定高度的球体。
由此，由于自己位置算出部在选择平面及球体的当前几何特征以及平面及球体的过去几何特征形成该几何特征的组的情况下，判定几何特征的组中包含的当前几何特征以及几何特征的组中包含的过去几何特征中是否包含作为与地面相当的平面的地面平面，在判定包含地面平面的情况下，仅选择位于距地面平面规定高度的球体，因此，自己位置推定装置在几何特征的组中包含地面平面的情况下，能够削减球体的选择数，进而能够进一步削减处理时间。
附图说明
图1是表示本申请的一实施方式所涉及的移动机器人的自己位置推定装置的结构的图。
图2是模式性表示平面、直线以及球体的三种几何特征的图。
图3是从竖直上方侧观察时平面性表示使移动机器人走行的实际环境的模式图。
图4是表示移动机器人的一次走行中使用例如ICP等位置对合方式拼合扫描生成的整体地图的模式图。
图5是表示当前地图及过去地图的模式图。
图6是表示使用相似度高的自己位置修正当前地图的配置，将当前地图及过去地图结合的整体地图的模式图。
图7是表示移动机器人的自己位置推定装置进行的自己位置推定处理的流程的流程图。
图8是表示几何特征间的角度或距离的例子的模式图。
具体实施方式
以下，根据附图说明本申请的一实施方式。
图1是表示本申请的一实施方式所涉及的移动机器人的自己位置推定装置的结构的图。此外，本实施方式中，将三维空间中的移动机器人1的位置(平移分量)和方向(旋转分量)合称作自己位置。
移动机器人1是能够自律走行的移动体。该移动机器人1如图1所示，具有：推定移动机器人1的自己位置的自己位置推定装置2；马达等驱动部(图示略)及由该驱动部旋转驱动的车轮(图示略)；以及使移动机器人1自律走行的移动单元3。
自己位置推定装置2具备：将移动机器人1至周围的物体的距离作为三维点群数据检出的检出单元4和推定移动机器人1的自己位置的推定单元5。
检出单元4具有对移动机器人1的周围照射激光束来检出物体的有无的三维激光扫描仪或LIDAR(Light Detection and Ranging：光探测与测距)，取得表示周围形状的三维点群数据。三维激光扫描仪一边使红外激光等装置(或者发射镜)绕传感器中心旋转一边对周围照射激光束，对每个规定角度测定物体的有无和距离。存在物体的情况下，激光束照射到该物体的位置以距传感器中心的距离和方向的形式得到。根据该距离和方向，得到以传感器中心为原点的传感器坐标系中的三维点(x,y,z)T。
因此，将这样的激光装置沿传感器中心轴搭载多台并使其旋转，则能够得到三维分布的三维点群数据。并且，激光装置一台的情况下，将激光束在纵横两方向扫描，也能够得到三维点群数据。
检出单元4中，将激光扫描仪的一个周期(例如旋转一个360°)量得到的三维点群数据称作扫描数据或单称作扫描，作为处理的单位使用。
推定单元5由CPU(CentraL Processing Unit：中央处理器)和存储器等构成，依据存储在该存储器中的规定程序执行信息处理。该推定单元5具备地图生成部51、存储部52、几何特征抽出部53、自己位置算出部54和自己位置评价部55。
地图生成部51基于由检出单元4检出的三维点群数据，生成移动机器人1的周围的地图。
存储部52存储由地图生成部51生成的地图。此外，除了由地图生成部51生成的地图，存储部52还可以存储由检出单元4检出的三维点群数据。
几何特征抽出部53基于存储在存储部52的地图，将平面、直线以及球体的三种几何特征中至少任一种几何特征从作为移动机器人1的当前位置周边的地图的当前地图作为当前几何特征抽出，并从作为移动机器人1的过去位置周边的地图的过去地图作为过去几何特征抽出。
图2是模式性表示平面、直线以及球体的三种几何特征的图。
本实施方式中，几何特征是如图2所示，从由检出单元4检出的三维点群数据抽出的具有几何学的特征的图形(平面、直线以及球体)的总称。
平面(P)的几何特征(几何特征P)是如图2的P1、P2所示，基于由检出单元4检出的三维点群数据，将平坦的部分连结而抽出的。该平面的几何特征例如能够使用霍夫变换或RANSAC(Random Sample Consensus：随机抽样一致算法)或主成分分析等抽出。
直线(L)的几何特征(几何特征L)是如图2的L1、L2所示，基于由检出单元4检出的三维点群数据，将直线的部分连结而抽出的。与平面的几何特征同样地，该直线的几何特征能够例如使用霍夫变换或RANSAC或主成分分析等抽出。
球体(B)的几何特征(几何特征B)是如图2的B1、B2所示，基于由检出单元4检出的三维点群数据，将以任意的三维点C为中心的半径R的球中包含的三维点群数据以该任意的点C为代表抽出的。几何特征B由该代表点C表示。此外，几何特征B也可以以半径R的球的内部包含的三维点群的重心为代表抽出。并且，本申请的球体不限于正球体，也可以包含椭圆球或立方体等。换言之，几何特征B是将具有一定的空间的三维图形以一个代表点表示的。
自己位置算出部54选择由几何特征抽出部53抽出的当前几何特征中两个或三个当前几何特征，并选择由几何特征抽出部53抽出的过去几何特征中与所选择的当前几何特征同种类且同数量的过去几何特征形成几何特征的组，基于该几何特征的组算出过去地图上的自己位置。
自己位置评价部55基于由自己位置算出部54算出的自己位置，对每个几何特征的组评价当前地图及过去地图的相似度，选择相似度高的自己位置。
以下，参照图3～图8，说明由自己位置算出部54算出移动机器人1的自己位置，由自己位置评价部55选择相似度高的自己位置的概念。
图3是从竖直上方侧观察时平面性表示使移动机器人走行的实际环境的模式图。
使移动机器人1走行的实际环境如图3所示，具有地面G和立设于地面G的墙壁W及地面G存在的树木或障碍物等物体OB1～OB6。
移动机器人1通过在该实际环境下走行，从而基于由检出单元4检出的三维点群数据，使地图生成部51生成移动机器人1的周围的地图。
图4是表示移动机器人的一次的走行中使用例如ICP等位置对合方式拼合扫描生成的整体地图的模式图。在此，图4的剪头表示移动机器人的移动轨迹。
该例中，移动机器人通过位置PO2后通过位置PO1，但由于两位置位于接近的场所，因此能够通过三维激光扫描仪测量相同物体。然而，伴随着移动，移动机器人的位置的误差累积起来，所以位置PO2测量的物体和位置PO1测量的物体虽然是相同物体，但会少许偏离并记录在地图上。
此外，该图4中，物体的偏离被明确画出，但实际中三维点群多重重合，会导致地图出现歪斜。
为消除这样的地图的歪斜，使用从整体地图抽出的部分地图。其中，以位置PO1为当前位置，将位置PO1周边的部分地图称作当前地图。图4中，以PO1为中心的虚线的圆内为当前地图。并且，位置PO2作为过去通过的位置，将位置PO2周边的部分地图称作过去地图。图4中，以PO2为中心的虚线的圆内是过去地图。
图5是表示当前地图及过去地图的模式图。图5(A)是从图4的整体地图切出位置PO1周边的当前地图，图5(B)是从图4的整体地图切去位置PO2周边的过去地图。此外，当前地图的范围及过去地图的范围的大小不限于相同。并且，当前地图的坐标系及过去地图的坐标系彼此不同。
接着，以使当前地图和过去地图一致的方式，求出当前地图的中心PO1上的移动机器人1的自己位置。本实施方式中，由自己位置算出部54算出移动机器人1的自己位置，由自己位置评价部55选择当前地图和过去地图相似度高的自己位置。
图6是表示使用相似度高的自己位置修正当前地图的配置，将当前地图及过去地图结合的整体地图的模式图。
如此，本实施方式中，推定单元5如图6所示，使得当前地图及过去地图的三维点群数据没有偏离而重合地推定移动机器人1的自己位置。
图7是表示由移动机器人的自己位置推定装置进行的自己位置推定处理的流程的流程图。
由移动机器人1的自己位置推定装置2进行的自己位置推定处理中，推定单元5如图7所示，执行步骤ST1～ST7的处理。
地图生成部51基于由检出单元4检出的三维点群数据，生成作为移动机器人1的当前位置周边的地图的当前地图，存储在存储部52(步骤ST1：当前地图生成步骤)。
接着，推定单元5将作为移动机器人1的过去位置周边的地图的过去地图从存储部52(步骤ST2：过去地图取得步骤)。
在此，过去地图可以例如循着移动机器人1的移动轨迹，选择接近当前位置的过去位置，取得该过去位置周边的地图，也可以基于至此作成的整体地图(将过去地图和当前地图统合作成的环境地图)选择规定范围的领域，来取得该过去位置周边的地图。
当前地图生成步骤ST1中生成当前地图，过去地图取得步骤ST2中取得过去地图后，几何特征抽出部53基于存储在存储部52的地图，将平面(P)、直线(L)以及球体(B)的三种几何特征从当前地图作为当前几何特征抽出，并从过去地图作为过去几何特征抽出(步骤ST3：几何特征抽出步骤)。
此外，本实施方式中，几何特征抽出部53将三种几何特征作为当前几何特征以及过去几何特征抽出，但也可以抽出一种几何特征或两种几何特征。总之，几何特征抽出部只要能将平面、直线以及球体的三种几何特征中至少任一种几何特征作为当前几何特征以及过去几何特征抽出即可。
自己位置算出部54选择由几何特征抽出部53抽出的当前几何特征中的两个或三个当前几何特征，并选择由几何特征抽出部53抽出的过去几何特征中与所选择的当前几何特征同种类且同数量的过去几何特征，作成当前几何特征和过去几何特征的组(步骤ST4：几何特征选择步骤)。例如从当前地图抽出几何特征PPL(平面P两个、直线L一个)，从过去地图抽出几何特征PPL，作成由两个几何特征PPL构成的组。
然后，自己位置算出部54基于该几何特征的组算出当前的自己位置(图4的PO1)在过去地图上位于何处(步骤ST5：自己位置算出步骤)。
该计算中，需要将两个或三个当前几何特征与同种同数的过去几何特征准确对应。但是，哪个几何特征是对应的，多是预先不知道的，所以对几何特征的各组合计算自己位置，验证该自己位置的准确性。
例如，根据当前几何特征P1P2L1和过去几何特征P3P4L2计算自己位置的情况下有两副组合。一副是将P1和P3、P2和P4、L1とL2对应的情况，另一副是将P1和P4、P2和P3、L1和L2对应的情况。
在此，自己位置算出部54选择当前几何特征以及过去几何特征构成几何特征的组的情况下，各几何特征内的平面彼此构成的角度、直线彼此构成的角度以及平面与直线构成的角度以形成规定角度以上(例如30度以上)的方式选择。这是缘于例如以前述的几何特征PPL为例，两个平面平行的情况或平面与直线平行的情况下，从几何特征的组不能唯一地计算自己位置。
此外，本实施方式中，以各几何特征内的平面彼此构成的角度、直线彼此构成的角度以及平面与直线构成的角度构成规定角度以上的方式选择当前几何特征及过去几何特征，但是也可以不设置这样的制限。
并且，自己位置算出部54选择包含平面的当前几何特征以及包含平面的过去几何特征构成几何特征的组的情况下，判定该几何特征的组中包含的当前几何特，以及该几何特征的组中包含的过去几何特征是否包含作为与地面相当的平面的地面平面。然后，自己位置算出部54在判定包含地面平面的情况下，仅选择位于距地面平面规定高度的球体。
在此，本实施方式中，由于移动机器人1具备具有车轮的移动单元3，因此在判定是否包含地面平面时使用传感器等能够容易进行。
此外，本实施方式中，自己位置算出部54在判定包含地面平面的情况下，仅选择位于距地面平面规定高度的球体，但也可以不设置这样的限制。
根据当前几何特征和过去几何特征的组计算过去地图上的自己位置有各种方法，但是分为旋转分量和平移分量算出的方法简便。
首先，旋转分量基于两个以上的方向向量的组算出。在此，设一个当前几何特征的方向向量为di r，与其对应的一个过去几何特征的方向向量为di C，表示求取的自己位置的旋转分量的行列为R，则它们的关系如以下的式(1)所示。该式若有两个，则能够计算旋转分量。
[式1]
Figure BDA0003823024880000121
因此，旋转分量考虑三维点群数据的误差，将以下的式(2)、(3)的C变为最小，从而计算求取旋转行列R。
[式2]
Figure BDA0003823024880000122
Figure BDA0003823024880000123
在此，方向向量使用平面的法线向量、直线的方向向量以及连接两个球体的直线的方向向量。自己位置算出部54例如选择几何特征PPP(平面P三个)、几何特征PPL(平面P两个与直线L一个)、几何特征PLL(平面P一个与直线L两个)的情况下，使用三个方向向量算出旋转分量。并且，自己位置算出部54例如选择几何特征PBB(平面P一个和球体B两个)的情况下，使用两个方向向量(平面的法线向量以及连接两个球体的直线的方向向量)算出旋转分量。并且，选择几何特征LB(直线L一个和球体B一个)的情况下，使用两个方向向量(直线的方向向量以及从球体以直线下降的垂线的方向向量)算出旋转分量。此外，式(2)、(3)的m是方向向量的个数。
接着，对应当前几何特征以及过去几何特征的种类算出平移分量。当前几何特征的方向向量以及当前地图上的三维点群数据预先由先求得的旋转行列R进行旋转变换。由此，相互对应的几何特征的方向向量相同。然后，设求取的自己位置的平移向量为t，对每个当前几何特征以及过去几何特征的种类基于以下的三个式算出平移分量。
平面(P)的几何特征的情况下，设其法线向量为ni，当前地图的平面上的一点为ci C，过去地图的平面上的一点为ci r，则它们的关系为式(4)、(5)所示。在此，P是平面上的任意点。并且，式(6)基于式(4)、(5)得到。
[式3]
Figure BDA0003823024880000131
Figure BDA0003823024880000132
Figure BDA0003823024880000133
直线(L)的几何特征的情况下，设其方向向量为di，设当前地图的直线上的一点为ci C，过去地图的直线上的一点为ci r，则它们的关系为式(7)、(8)所示。在此，P为直线上的任意的点，u、v为直线方程式的参变量。并且，式(9)基于式(7)、(8)得到。
[式4]
Figure BDA0003823024880000134
Figure BDA0003823024880000135
Figure BDA0003823024880000136
球体(B)的几何特征的情况下，设当前地图的球体的代表位置为ci C，设过去地图的球体的代表位置为ci r，则它们的关系为式(10)所示。
[式5]
Figure BDA0003823024880000137
然后，关于平移向量t的作为连立方程式的以下的式(11)基于与当前几何特征以及过去几何特征的种类对应的式(6)、(9)、(10)得到。
[式6]
At＝q···(11)
在此，A是式(6)、(9)、(10)的各左边堆叠的行列，q是式(6)、(9)、(10)的各右边堆叠的向量。该连立方程式只要选择两个或三个当前几何特征，并选择与所选择的当前几何特征同种类且同数量的过去几何特征构成几何特征的组，则能够对平移向量t＝(x,y,z)的3变量求解。
在此，自己位置算出部54判定几何特征的组中包含的当前几何特征间的角度或距离与该几何特征的组中包含的过去几何特征间的角度或距离之间是否存在一致性。然后，自己位置算出部54在判定没有一致性的情况下，不基于该几何特征的组算出过去地图上的自己位置。
图8是表示几何特征间的角度或距离的例子的模式图。
在此，用于判定一致性的几何特征间的角度或距离在由几何特征抽出部53抽出几何特征PPL的情况下，如图8(A)所示，能够使用平面P1和平面P2构成的角或平面P1和直线L1构成的角a1或平面P2和直线L1的距离d1。
并且，用于判定一致性的几何特征间的角度或距离在由几何特征抽出部53抽出几何特征PLL的情况下，如图8(B)所示，能够使用平面P3和直线L2、L3构成的角或直线L2和直线L3的距离d2。
并且，用于判定一致性的几何特征间的角度或距离在由几何特征抽出部53抽出几何特征PBB的情况下，如图8(C)所示，能够使用平面P4和球体B1、B2的距离h1、h2或球体B1和球体B2的距离d3。
进一步地，用于判定一致性的几何特征间的角度或距离在由几何特征抽出部53抽出几何特征LB的情况下，如图8(D)所示，能够使用直线L4和球体B3的距离d4。
此外，本实施方式中，自己位置算出部54在判定几何特征的组中包含的当前几何特征间的角度或距离与该几何特征的组中包含的过去几何特征间的角度或距离之间不存在一致性的情况下，不基于该几何特征的组算出过去地图上的自己位置，但是也可以基于该几何特征的组算出过去地图上的自己位置。
并且，自己位置算出部54判定几何特征的组中包含的当前几何特征以及该几何特征的组中包含的过去几何特征是否包含作为与地面相当的平面的地面平面。然后，自己位置算出部54在判定包含地面平面的情况下，使该几何特征的组中的地面平面对应地算出过去地图上的自己位置。
此外，本实施方式中，自己位置算出部54在判定包含地面平面的情况下，使该几何特征的组中的地面平面对应地算出过去地图上的自己位置，但是也可以不使地面平面对应地算出过去地图上的自己位置。
自己位置算出步骤ST5中，算出过去地图上的自己位置后，自己位置评价部55基于由自己位置算出部54算出的自己位置，对每个几何特征的组评价当前地图及过去地图的相似度，选择相似度高的自己位置(步骤ST6：自己位置评价步骤)。
具体地，自己位置评价部55从当前地图及过去地图的各自中抽出球体群，基于该球体群对每个几何特征的组评价当前地图及过去地图的相似度。
首先，自己位置评价部55设由自己位置算出部54算出的自己位置(假设)为pose，当前地图的球体群为Pc，过去地图的球体群为Pr。
然后，依据以下的(A1)～(A5)的顺序对每个几何特征的组评价当前地图及过去地图的相似度。
(A1)使分值S＝0。
(A2)将Pi C∈Pc由pose进行坐标变换后为qi C。
(A3)qi C的半径r内存在Pr的点的情况下，使S＝S+1。
(A4)对Pc的全部的点反复进行上述(A2)～(A3)的处理。
(A5)分值S为阈值sthre以上的情况下，使自己位置(假设)为正确。
在此，由pose将Pi C坐标变换的情况下，使用以下的式(12)。R为pose的旋转行列，t为pose的平移向量。
[式7]
Figure BDA0003823024880000151
此外，本实施方式中，上述(A3)的处理通过使用kd树的最近邻搜索进行。相对于此，自己位置评价部55可以取代上述(A3)的处理，采用例如求得Pr的点中最邻近qi C的点，基于距该点的距离是否在半径r内，来更新S的处理。
并且，自己位置评价部55对相似度比规定阈值高的自己位置，从当前地图及过去地图的各自中增加球体群的个数进行抽出，基于该球体群对每个几何特征的组再次评价当前地图及过去地图的相似度。换言之，自己位置评价部55依据以下的(B1)～(B4)的顺序，使球体群的个数增加的同时阶段性地逐步评价相似度。
(B1)设第k次的评价中的球体群数为mk，分值S的阈值为sthrek。
(B2)进行上述(A1)～(A5)的处理，保留分值S为阈值sthrek以上的自己位置(假设)。
(B3)求得保留的自己位置(假设)的分值S的最大値smaxk，删除分值S小于ratio×smaxk的自己位置(假设)。
(B4)增加mk，增大sthrek，返回(B2)的处理。之后反复规定次数进行(B2)～(B4)的处理。
此外，本实施方式中，作为ratio的値设定0.85，但也可以设定为不同的値。
然后，自己位置评价部55将最后保留的自己位置(假设)按分值S的顺序排列，选择上位的自己位置(假设)作为相似度高的自己位置。此外，在此选择的自己位置可以是一个，也可以是两个以上的多个。选择两个以上的多个自己位置的情况下，可以在后述的自己位置推定步骤ST7中，再次评价它们的自己位置。
自己位置评价步骤ST6中，自己位置评价部55基于球体群，对每个几何特征的组评价当前地图及过去地图的相似度，选择相似度高的自己位置后，基于该自己位置，以当前地图有关的三维点群数据与过去地图有关的三维点群数据的相似度变高的方式进一步推定自己位置(步骤ST7：自己位置推定步骤)。
具体地，自己位置评价部55设自己位置评价步骤ST6中作为相似度高的自己位置被选择的自己位置(假设)为pose，当前地图的三维点群数据为Pc，过去地图的三维点群数据为Pr。
然后，自己位置评价部55使用ICP等的位置对合方式，以当前地图有关的三维点群数据与过去地图有关的三维点群数据的相似度变高的方式进一步推定自己位置。
此外，本实施方式中，自己位置评价部55依据前述的(B1)～(B4)的顺序使球体群的个数増加的同时阶段性地评价相似度，但是也可以不阶段性地评价相似度。
并且，本实施方式中，自己位置推定步骤ST7中，自己位置评价部55依据前述的(A1)～(A5)的顺序以当前地图有关的三维点群数据与过去地图有关的三维点群数据的相似度变高的方式进一步推定自己位置，但是自己位置推定步骤ST7也可以省略。该情况下，自己位置评价步骤ST6中，只要推定由自己位置评价部55选择的自己位置作为过去地图上的自己位置即可。
根据这样的本实施方式，能够起到以下的作用和效果。
(1)自己位置算出部54由于使用比三维点个数大幅减少的几何特征，因此其组合数也少量便可。使用三维点求算自己位置的情况下，从当前地图及过去地图分别选择三个三维点，使用它们的组进行自己位置的计算。三维点由于具有膨大的个数(数千个到数万个)，因此其组合也膨大，从中求算相似度高的组耗费大量的处理时间。另一方面，本申请的几何特征相比三维点，个数少(数个到数百个)，组合数也可以少。因此，自己位置推定装置2在三维点群数据的个数多的环境下推定自己位置的情况下也能够削减处理时间。
(2)由于自己位置评价部55从当前地图及过去地图的各自中抽出球体群，基于该球体群对每个几何特征的组评价当前地图及过去地图的相似度，因此能够基于比三维点群数据个数少的球体群，对每个几何特征的组评价当前地图及过去地图的相似度。因此，自己位置推定装置2能够进一步削减处理时间。
(3)由于自己位置评价部55对相似度比规定阈值高的自己位置，从当前地图及过去地图的各自中增加球体群的个数进行抽出，基于该球体群对每个几何特征的组再次评价当前地图及过去地图的相似度，因此能够在阶梯性增加球体群的个数的同时逐步锁定(缩小范围)相似度比规定阈值高的自己位置。因此，自己位置推定装置2能够精度更高地推定自己位置。
(4)由于自己位置评价部55基于球体群对每个几何特征的组评价当前地图及过去地图的相似度，选择相似度高的自己位置后，使用ICP等位置对合方式，基于该自己位置以当前地图有关的三维点群数据与过去地图有关的三维点群数据的相似度变高的方式进一步推定自己位置，因此自己位置推定装置2从一开始就能比基于三维点群数据推定自己位置的情况削减处理时间，而且能够精度更高地推定自己位置。
(5)由于自己位置算出部54判定几何特征的组中包含的当前几何特征间的角度或距离与该几何特征的组中包含的过去几何特征间的角度或距离之间是否存在一致性，在判定没有一致性的情况下，不基于该几何特征的组算出过去地图上的自己位置，因此自己位置推定装置2能够进一步削减处理时间。
(6)由于自己位置算出部54在选择当前几何特征及过去几何特征形成几何特征的组的情况下，以各几何特征内的平面彼此构成的角度、直线彼此构成的角度以及平面与直线构成的角度构成规定角度以上的方式进行选择，因此自己位置算出部54能够基于该几何特征的组妥切地算出过去地图上的自己位置。
(7)由于自己位置算出部54判定几何特征的组中包含的当前几何特征以及该几何特征的组中包含的过去几何特征中是否包含作为与地面相当的平面的地面平面，在判定包含地面平面的情况下，使该几何特征的组中的地面平面对应来算出过去地图上的自己位置，因此自己位置推定装置2在几何特征的组中包含多个平面的情况下，能够削减平面彼此的组合数，进而能够进一步削减处理时间。
(8)由于自己位置算出部54在选择平面及球体的当前几何特征以及平面及球体的过去几何特征形成几何特征的组的情况下，判定该几何特征的组中包含的当前几何特征以及该几何特征的组中包含的过去几何特征中是否包含作为与地面相当的平面的地面平面，在判定包含地面平面的情况下，仅选择位于距地面平面规定高度的球体，因此，自己位置推定装置2在几何特征的组中包含地面平面的情况下，能够削减球体的选择数，进而能够进一步削减处理时间。
〔实施方式的变形〕
此外，本申请不限定于该实施方式，在能够达成本申请的目的的范围内的变形和改良等够包含在本申请内。
例如，该实施方式中，作为移动体的移动机器人1未具体例示，但是能够示例服务机器人、家庭机器人等移动机器人。更具体地，移动体能够示例扫地机器人、警备机器人、搬运机器人、向导机器人等。并且，移动体也可以是自动驾驶汽车或作业车等。
该实施方式中，移动机器人1具备自己位置推定装置2，该自己位置推定装置2具备地图生成部51等的功能。相对于此，移动体也可以不具备自己位置推定装置。例如，自己位置推定装置可以与移动体可通信地设于其他设备上。
该实施方式中，移动机器人1具备移动单元3，但是也可以不具备该单元，例如也可以是具备自己位置推定装置的推车等由使用者的手作业移动的构成。
产业上的可利用性
如以上所示，本申请能够很好地利用在移动体的自己位置推定装置。
附图标记说明：
1 移动机器人
2 自己位置推定装置
3 移动单元
4 检出单元
5 推定单元
51 地图生成部
52 存储部
53 几何特征抽出部
54 自己位置算出部
55 自己位置评价部

Claims (8)

1.一种自己位置推定装置，该自己位置推定装置推定移动体的自己位置，其特征在于，
该自己位置推定装置具备：
将该移动体至周围的物体的距离作为三维点群数据检出的检出单元；以及
推定该移动体的自己位置的推定单元，
该推定单元具备：
基于由该检出单元检出的三维点群数据生成该移动体的周围的地图的地图生成部；
存储由该地图生成部生成的地图的存储部；
基于存储在该存储部的地图，将平面、直线以及球体的三种几何特征中至少任一种几何特征从作为该移动体的当前位置周边的地图的当前地图作为当前几何特征抽出，并从作为该移动体的过去位置周边的地图的过去地图作为过去几何特征抽出的几何特征抽出部；
选择由该几何特征抽出部抽出的当前几何特征中两个或三个当前几何特征，并选择由该几何特征抽出部抽出的过去几何特征中与所选择的当前几何特征同种类且同数量的过去几何特征形成几何特征的组，基于该几何特征的组，算出该过去地图上的自己位置的自己位置算出部；以及
基于由该自己位置算出部算出的自己位置，对每个该几何特征的组评价该当前地图及该过去地图的相似度，选择相似度高的自己位置的自己位置评价部。
2.如权利要求1所述的自己位置推定装置，其中，
该自己位置评价部从该当前地图及该过去地图的各自中抽出球体群，基于该球体群对每个该几何特征的组评价该当前地图及该过去地图的相似度。
3.如权利要求2所述的自己位置推定装置，其中，
该自己位置评价部对相似度比规定阈值高的自己位置从该当前地图及该过去地图的各自中增加球体群的个数进行抽出，基于该球体群对每个该几何特征的组再次评价该当前地图及该过去地图的相似度。
4.如权利要求2或3所述的自己位置推定装置，其中，
该自己位置评价部基于该球体群对每个该几何特征的组评价该当前地图及该过去地图的相似度，选择相似度高的自己位置后，基于该自己位置以该当前地图有关的三维点群数据与过去地图有关的三维点群数据的相似度变高的方式进一步推定自己位置。
5.如权利要求1～4任一项所述的自己位置推定装置，其中，
该自己位置算出部判定该几何特征的组中包含的该当前几何特征间的角度或距离与该几何特征的组中包含的该过去几何特征间的角度或距离之间是否存在一致性，在判定没有一致性的情况下，不基于该几何特征的组算出过去地图上的自己位置。
6.如权利要求1～5任一项所述的自己位置推定装置，其中，
该自己位置算出部在选择该当前几何特征及该过去几何特征形成该几何特征的组的情况下，以各几何特征内的平面彼此构成的角度、直线彼此构成的角度以及平面与直线构成的角度构成规定角度以上的方式进行选择。
7.如权利要求1～6任一项所述的自己位置推定装置，其中，
该自己位置算出部判定该几何特征的组中包含的该当前几何特征以及该几何特征的组中包含的该过去几何特征中是否包含作为与地面相当的平面的地面平面，在判定包含该地面平面的情况下，使该几何特征的组中的该地面平面对应来算出该过去地图上的自己位置。
8.如权利要求1～7任一项所述的自己位置推定装置，其中，
该自己位置算出部在选择平面及球体的该当前几何特征以及平面及球体的该过去几何特征形成该几何特征的组的情况下，判定该几何特征的组中包含的该当前几何特征以及该几何特征的组中包含的该过去几何特征中是否包含作为与地面相当的平面的地面平面，在判定包含该地面平面的情况下，仅选择位于距地面平面规定高度的球体。
CN202080097822.XA 2020-03-13 2020-03-13 自己位置推定装置 Pending CN115210668A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/011218 WO2021181686A1 (ja) 2020-03-13 2020-03-13 自己位置推定装置

Publications (1)

Publication Number Publication Date
CN115210668A true CN115210668A (zh) 2022-10-18

Family

ID=77670960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080097822.XA Pending CN115210668A (zh) 2020-03-13 2020-03-13 自己位置推定装置

Country Status (5)

Country Link
US (1) US20230110609A1 (zh)
EP (1) EP4120039A4 (zh)
JP (1) JP7199772B2 (zh)
CN (1) CN115210668A (zh)
WO (1) WO2021181686A1 (zh)

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4111015B2 (ja) * 2003-03-12 2008-07-02 日産自動車株式会社 道路形状認識装置
JP5953393B2 (ja) * 2015-03-31 2016-07-20 株式会社日立製作所 ロボットシステム及び地図更新方法
EP3144765B1 (en) * 2015-09-18 2020-01-08 Samsung Electronics Co., Ltd. Apparatus for localizing cleaning robot, cleaning robot, and controlling method of cleaning robot
JP6528641B2 (ja) 2015-10-26 2019-06-12 トヨタ自動車株式会社 自己位置推定方法
JP6782903B2 (ja) * 2015-12-25 2020-11-11 学校法人千葉工業大学 自己運動推定システム、自己運動推定システムの制御方法及びプログラム
US11927965B2 (en) * 2016-02-29 2024-03-12 AI Incorporated Obstacle recognition method for autonomous robots
GB2559157A (en) * 2017-01-27 2018-08-01 Ucl Business Plc Apparatus, method and system for alignment of 3D datasets
CN108732584B (zh) * 2017-04-17 2020-06-30 百度在线网络技术（北京）有限公司 用于更新地图的方法和装置
EP3665507A4 (en) * 2017-09-13 2021-08-11 Velodyne Lidar USA, Inc. MULTIPLE RESOLUTION, SIMULTANEOUS LOCALIZATION AND IMAGING BASED ON 3D LIDAR MEASUREMENTS
JP7139762B2 (ja) * 2018-07-31 2022-09-21 カシオ計算機株式会社 自律移動装置、自律移動方法及びプログラム
US11428781B2 (en) * 2018-11-01 2022-08-30 Robert Bosch Gmbh System and method for radar-based localization in sparse environment
JP6988873B2 (ja) * 2019-11-18 2022-01-05 トヨタ自動車株式会社 位置推定装置および位置推定用コンピュータプログラム

Also Published As

Publication number Publication date
US20230110609A1 (en) 2023-04-13
EP4120039A4 (en) 2023-11-29
JPWO2021181686A1 (zh) 2021-09-16
WO2021181686A1 (ja) 2021-09-16
EP4120039A1 (en) 2023-01-18
JP7199772B2 (ja) 2023-01-06

Similar Documents

Publication Publication Date Title
Oßwald et al. From 3D point clouds to climbing stairs: A comparison of plane segmentation approaches for humanoids
US11525923B2 (en) Real-time three-dimensional map building method and device using three-dimensional lidar
Luck et al. Registration of range data using a hybrid simulated annealing and iterative closest point algorithm
CN107851181B (zh) 用于控制机器人和/或自主无人驾驶运输系统的方法
CN115774265B (zh) 用于工业机器人的二维码和激光雷达融合定位方法与装置
Kriegel et al. Combining object modeling and recognition for active scene exploration
KR102242653B1 (ko) 지상 로봇의 움직임을 고려한 강인한 레이저 스캐너 매칭 방법 및 그 장치
CN104040590A (zh) 用于估计物体的姿态的方法
CN117769691A (zh) 基于路点的导航地图的拓扑处理
Forsman et al. 3-D mapping of natural environments with trees by means of mobile perception
Gonzalez et al. A mobile robot iconic position estimator using a radial laser scanner
CN110100215B (zh) 地图生成系统和机器人系统
Donoso-Aguirre et al. Mobile robot localization using the Hausdorff distance
CN115210668A (zh) 自己位置推定装置
Huang et al. A real-time fast incremental SLAM method for indoor navigation
Brucker et al. Sequential scene parsing using range and intensity information
Parra et al. A novel method to estimate the position of a mobile robot in underfloor environments using RGB-D point clouds
Lee et al. Grid map merging with insufficient overlapping areas for efficient multi-robot systems with unknown initial correspondences
Yin et al. Scan matching for graph slam in indoor dynamic scenarios
Kolu et al. A mapping method tolerant to calibration and localization errors based on tilting 2D laser scanner
Kuo et al. A hybrid approach to RBPF based SLAM with grid mapping enhanced by line matching
Zhi et al. Key technology of mine underground mobile positioning based on LiDAR and coded sequence pattern
Li et al. L-LO: Enhancing Pose Estimation Precision via a Landmark-Based LiDAR Odometry
Kim et al. Mobile robot localization by matching 2D image features to 3D point cloud
Zhuang et al. 3D-laser-based visual odometry for autonomous mobile robot in outdoor environments

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