CN115575923A - 一种地面机器人静止判断方法、系统、装置以及存储介质 - Google Patents
一种地面机器人静止判断方法、系统、装置以及存储介质 Download PDFInfo
- Publication number
- CN115575923A CN115575923A CN202211572435.4A CN202211572435A CN115575923A CN 115575923 A CN115575923 A CN 115575923A CN 202211572435 A CN202211572435 A CN 202211572435A CN 115575923 A CN115575923 A CN 115575923A
- Authority
- CN
- China
- Prior art keywords
- robot
- static
- stillness
- calculating
- laser radar
- 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
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
- 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
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
- G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
Description
技术领域
本发明涉及一种地面机器人静止判断技术,尤其涉及一种地面机器人静止判断方法、系统、装置以及存储介质,属于机器人技术领域。
背景技术
目前,前沿通用型机器人行业普遍采用基于激光雷达为主要传感器构建的地图进行3D空间定位,当机器人在超大型场景下工作时,由于机器人端硬件算力的限制,超大型场景庞大的点云数据量往往导致机器人系统难以加载与处理,限制了机器人的工作能力。
如在变电站巡检中应用时,巡检机器人的行为包括在全站范围巡检,以及在充电房充电;在上述过程中,机器人还需要实时计算雷达在点云地图当中的位置,而实时计算自身位置需要处理庞大的数据量,对于专注于巡检领域的机器人来说算力消耗较大。为此,本发明考虑可以在机器人处于静止状态的时候,通过让自身位置不更新来节省大部分算力,这就需要非常精准有效判断出地面机器人的静止状态。
因此,亟待研究出一种机器人静止判断方法,以便非常精准有效的控制自身位置不更新的时机。
发明内容
针对上述现存的技术问题,本发明的目的在于实现非常精准有效的判断机器人是否处于静止状态的目的,从而便于机器人在静止状态时不更新自身位置,进而节省大部分算力,提供一种地面机器人静止判断方法、系统、装置以及存储介质。
为实现上述目的,本发明提供一种地面机器人静止判断方法,包括如下步骤:
S1、在激光雷达采集的一帧点云数据中提取合适的点;
本发明方法进一步的,所述S1包括如下步骤:
S01、采集16线激光雷达的点云数据;
S02、选择一帧第0-N 线的点云数据,其中0<N<5;
本发明方法具体的,所述S02中的N为3,即选取一帧第0-3 线的点云数据。
本发明方法更进一步的,所述S2包括如下步骤:
S201、将提取点投影到XOY水平坐标系;
S202、设定提取点之间的深度差,公式为:
S203、计算断层的大小,公式为:
式中,g函数一般采用二次方程。
本发明方法进一步的,所述S3包括如下步骤:
本发明方法进一步的,所述S4包括如下步骤:
本发明方法进一步的,所述S5包括如下步骤:
设计激光雷达与IMU数据融合情况下的机器人静止概率,公式为:
本发明还提供一种地面机器人静止判断系统,包括:点云数据提取模块,第一静止量计算模块,状态阈值计算模块,第二静止量计算模块,以及静止概率计算模块:
点云数据提取模块,用于在激光雷达采集的一帧点云数据中提取合适的点;
本发明系统进一步的,所述的点云数据提取模块包括:数据采集单元,线路选择单元,以及点提取单元;
数据采集单元,用于采集16线激光雷达的点云数据;
线路选择单元,用于选择一帧第0-N 线的点云数据,其中0<N<5;
投影坐标单元,用于将提取点投影到XOY水平坐标系;
深度差计算单元,用于设定提取点之间的深度差,公式为:
断层计算单元:用于计算断层的大小,公式为:
式中,g函数一般采用二次方程。
本发明又提供一种地面机器人静止判断装置,包括:至少一个处理器,以及与所述的至少一个处理器通信连接的存储器;
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的地面机器人静止判断方法。
本发明再提供一种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上述的地面机器人静止判断方法步骤。
综上,本发明可以非常精准有效判断机器人是否处于静止状态,这样一来,当机器人处于静止状态的时候,不再实时更新自身位置,避免了时刻处理超大型场景庞大的点云数据量,从而节省了大部分算力,提升了机器人的工作性能。
相比现有技术,本发明的技术优势在于:
1、本发明能够根据激光雷达下方的点云数据的深度关系来估算机器人的静止量。
2、本发明能够根据当前的IMU数据,并结合激光雷达的数据,将机器人的运动情况区分为不同的情况。
3、本发明能够根据IMU数据的分布关系来估算机器人的静止量。
4、本发明能够根据点云数据的深度关系估算的机器人静止量,以及根据IMU数据的分布关系估算机器人静止量,得到机器人静止概率,且静止状态的判断准确有效。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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中记载的一些实施例,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是本发明方法的全部流程图;
图2为本发明系统的模块原理框图;
图3为本发明装置的硬件组成框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请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、模块和/或单元的存在,但并不排除一个或多个其它特征、整体、步骤、操作、模块、单元和/或其集合的存在或添加。
还应当理解,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。
一、地面机器人静止判断方法实施例:
如图1所示,本发明提供一种地面机器人静止判断方法,包括如下实施步骤:
S1、在激光雷达采集的一帧点云数据中提取合适的点,具体实施步骤如下:
S01、采集16线激光雷达的点云数据。
S02、选择一帧第0-N 线的点云数据,其中0<N<5。根据经验, N优选3,即选取激光雷达一帧点云数据中的第0-3 线的点云数据,因为这几线比较容易与地面相交。
并且,选用点与的原因在于:在激光雷达按列扫描过程中,这两
段数据存在近似0.1秒的时间间隔,相当于激光雷达的数据采集周期;而激光雷达一帧点云
数据是在一定时间间隔内采集的,如果机器人携带激光雷达在内发生运动,那么这约
120个点将会产生一定的断层,用于后续根据断层的大小得到激光雷达的静止量。
S201、将上步提取的点投影到XOY水平坐标系。
S202、设定提取点之间的深度差,公式为:
S203、计算断层的大小,公式为:
并且,为了让U更加有区分度,g函数一般采用二次方程,例如一元二次函数ax2+bx+c。
S403、计算IMU数据的加速度的分布平均值和方差。由于当物体静止或
者匀速运动的时候, IMU数据的加速度的方差都几乎为0,所以仅惩罚当方差超过一定阈值的情况。因此,依照方差超过一定阈值的情况,设定根据加速度得到的机器人静止
权重,公式为:
设计激光雷达与IMU数据融合情况下的机器人静止概率,公式为:
式中, k函数可以采用二元二次函数,具体参数需要根据实测数据进行拟合得到。
二、地面机器人静止判断系统实施例:
如图2所示,本发明还提供一种地面机器人静止判断系统,包括:点云数据提取模块,第一静止量计算模块,状态阈值计算模块,第二静止量计算模块,以及静止概率计算模块。
点云数据提取模块,用于在激光雷达采集的一帧点云数据中提取合适的点。
本发明系统进一步实施时,所述的点云数据提取模块包括:数据采集单元,线路选择单元,以及点提取单元。
数据采集单元,用于采集16线激光雷达的点云数据。
线路选择单元,用于选择一帧第0-N 线的点云数据,其中0<N<5。
投影坐标单元,用于将提取点投影到XOY水平坐标系。
深度差计算单元,用于设定提取点之间的深度差,公式为:
断层计算单元:用于计算断层的大小,公式为:
三、地面机器人静止判断装置实施例:
如图3所示,本发明又提供一种地面机器人静止判断装置,包括:至少一个处理器,以及与所述的至少一个处理器通信连接的存储器。
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的地面机器人静止判断方法。
四、计算机可读存储介质实施例:
本发明再提供一种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权利上述的地面机器人静止判断方法步骤。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,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,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换本发明各实施例技术方案,并不使相应技术方案的本质脱离本方案的范围。
Claims (13)
3.根据权利要求2所述的一种地面机器人静止判断方法,其特征在于,所述S02中的N为3。
12.一种地面机器人静止判断装置,其特征在于,包括:至少一个处理器,以及与所述的至少一个处理器通信连接的存储器;
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一所述的地面机器人静止判断方法。
13.一种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权利要求1-7任一所述的地面机器人静止判断方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211572435.4A CN115575923B (zh) | 2022-12-08 | 2022-12-08 | 一种地面机器人静止判断方法、系统、装置以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211572435.4A CN115575923B (zh) | 2022-12-08 | 2022-12-08 | 一种地面机器人静止判断方法、系统、装置以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115575923A true CN115575923A (zh) | 2023-01-06 |
CN115575923B CN115575923B (zh) | 2023-03-28 |
Family
ID=84590740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211572435.4A Active CN115575923B (zh) | 2022-12-08 | 2022-12-08 | 一种地面机器人静止判断方法、系统、装置以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115575923B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014125808A1 (ja) * | 2013-02-12 | 2014-08-21 | 旭化成エレクトロニクス株式会社 | 静止判定装置、姿勢角検出装置、携帯機器、静止判定方法およびプログラム |
US20170186169A1 (en) * | 2015-12-29 | 2017-06-29 | Texas Instruments Incorporated | Stationary-vehicle structure from motion |
CN108664841A (zh) * | 2017-03-27 | 2018-10-16 | 郑州宇通客车股份有限公司 | 一种基于激光点云的动静态目标物识别方法及装置 |
CN108983213A (zh) * | 2018-09-07 | 2018-12-11 | 百度在线网络技术(北京)有限公司 | 障碍物静止状态的确定方法、装置、设备及存储介质 |
WO2019060524A1 (en) * | 2017-09-22 | 2019-03-28 | Waymo Llc | DETECTION OF THE MOTION OF AN AUTONOMOUS VEHICLE USING RADAR TECHNOLOGY |
CN110018489A (zh) * | 2019-04-25 | 2019-07-16 | 上海蔚来汽车有限公司 | 基于激光雷达的目标追踪方法、装置及控制器和存储介质 |
CN110916577A (zh) * | 2019-12-17 | 2020-03-27 | 小狗电器互联网科技(北京)股份有限公司 | 一种机器人静止状态的判断方法、装置及机器人 |
WO2020237495A1 (zh) * | 2019-05-28 | 2020-12-03 | 深圳市大疆创新科技有限公司 | 地面可移动平台与其运动信息检测方法、系统 |
CN112835063A (zh) * | 2021-01-08 | 2021-05-25 | 北京京东乾石科技有限公司 | 物体动静属性的确定方法、装置、设备及存储介质 |
WO2022037370A1 (zh) * | 2020-08-18 | 2022-02-24 | 华为技术有限公司 | 一种运动估计方法及装置 |
CN114820697A (zh) * | 2021-01-27 | 2022-07-29 | 英飞凌科技股份有限公司 | 使用静止状态模型的交互多模型跟踪算法 |
CN114910069A (zh) * | 2022-06-01 | 2022-08-16 | 深圳市边界智控科技有限公司 | 一种无人机的融合定位初始化系统及方法 |
CN115131514A (zh) * | 2022-07-12 | 2022-09-30 | 烟台艾睿光电科技有限公司 | 一种同时定位建图的方法、装置、系统及存储介质 |
CN115272408A (zh) * | 2022-06-28 | 2022-11-01 | 广州小马智行科技有限公司 | 车辆静止检测方法、装置、计算机设备和存储介质 |
-
2022
- 2022-12-08 CN CN202211572435.4A patent/CN115575923B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014125808A1 (ja) * | 2013-02-12 | 2014-08-21 | 旭化成エレクトロニクス株式会社 | 静止判定装置、姿勢角検出装置、携帯機器、静止判定方法およびプログラム |
US20170186169A1 (en) * | 2015-12-29 | 2017-06-29 | Texas Instruments Incorporated | Stationary-vehicle structure from motion |
CN108664841A (zh) * | 2017-03-27 | 2018-10-16 | 郑州宇通客车股份有限公司 | 一种基于激光点云的动静态目标物识别方法及装置 |
WO2019060524A1 (en) * | 2017-09-22 | 2019-03-28 | Waymo Llc | DETECTION OF THE MOTION OF AN AUTONOMOUS VEHICLE USING RADAR TECHNOLOGY |
CN108983213A (zh) * | 2018-09-07 | 2018-12-11 | 百度在线网络技术(北京)有限公司 | 障碍物静止状态的确定方法、装置、设备及存储介质 |
CN110018489A (zh) * | 2019-04-25 | 2019-07-16 | 上海蔚来汽车有限公司 | 基于激光雷达的目标追踪方法、装置及控制器和存储介质 |
WO2020237495A1 (zh) * | 2019-05-28 | 2020-12-03 | 深圳市大疆创新科技有限公司 | 地面可移动平台与其运动信息检测方法、系统 |
CN110916577A (zh) * | 2019-12-17 | 2020-03-27 | 小狗电器互联网科技(北京)股份有限公司 | 一种机器人静止状态的判断方法、装置及机器人 |
WO2022037370A1 (zh) * | 2020-08-18 | 2022-02-24 | 华为技术有限公司 | 一种运动估计方法及装置 |
CN112835063A (zh) * | 2021-01-08 | 2021-05-25 | 北京京东乾石科技有限公司 | 物体动静属性的确定方法、装置、设备及存储介质 |
CN114820697A (zh) * | 2021-01-27 | 2022-07-29 | 英飞凌科技股份有限公司 | 使用静止状态模型的交互多模型跟踪算法 |
CN114910069A (zh) * | 2022-06-01 | 2022-08-16 | 深圳市边界智控科技有限公司 | 一种无人机的融合定位初始化系统及方法 |
CN115272408A (zh) * | 2022-06-28 | 2022-11-01 | 广州小马智行科技有限公司 | 车辆静止检测方法、装置、计算机设备和存储介质 |
CN115131514A (zh) * | 2022-07-12 | 2022-09-30 | 烟台艾睿光电科技有限公司 | 一种同时定位建图的方法、装置、系统及存储介质 |
Non-Patent Citations (2)
Title |
---|
YUNHUI LI等: "A Spatiotemporal Calibration Algorithm for IMU–LiDAR Navigation System Based on Similarity of Motion Trajectories", 《SENSORS》 * |
王皓: "室内移动机器人定位与导航方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115575923B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109506642B (zh) | 一种机器人多相机视觉惯性实时定位方法及装置 | |
US20190086923A1 (en) | Method and apparatus for generating obstacle motion information for autonomous vehicle | |
EP3581890A2 (en) | Method and device for positioning | |
CN112837352B (zh) | 基于图像的数据处理方法、装置及设备、汽车、存储介质 | |
CN112034431B (zh) | 一种雷达和rtk的外参标定方法及装置 | |
CN111522034B (zh) | 基于惯性导航的定位方法、设备及装置 | |
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 | |
JP2023036796A (ja) | レーンラインと特徴点による測位方法及び測位装置、電子機器、記憶媒体、コンピュータプログラム、ならびに自動運転車両 | |
CN114217665A (zh) | 一种相机和激光雷达时间同步方法、装置及存储介质 | |
CN115077541A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN111623773A (zh) | 一种基于鱼眼视觉和惯性测量的目标定位方法及装置 | |
CN115457152A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
CN115575923B (zh) | 一种地面机器人静止判断方法、系统、装置以及存储介质 | |
CN113219439A (zh) | 目标主干点云提取方法、装置、设备及计算机存储介质 | |
CN116772858A (zh) | 车辆定位方法、装置、定位设备及存储介质 | |
CN115792985A (zh) | 一种车辆定位方法、装置、电子设备、存储介质及车辆 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN115560744A (zh) | 机器人以及基于多传感器的三维建图方法、存储介质 | |
CN111696159B (zh) | 激光里程计的特征存储方法、电子设备和存储介质 | |
CN114911235A (zh) | 一种机器人防跌落方法、机器人及存储介质 | |
CN117292118B (zh) | 雷达引导光电跟踪坐标补偿方法、装置、电子设备及介质 | |
CN113804194B (zh) | 一种行驶设备的定位方法、装置、设备及存储介质 | |
CN114593735B (zh) | 一种位姿预测方法及装置 | |
CN114612544B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN115128655B (zh) | 自动驾驶车辆的定位方法和装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |