CN116086450A - 一种对重定位结果进行后检验的方法、芯片及机器人 - Google Patents

Abstract

本发明公开一种对重定位结果进行后检验的方法、芯片及机器人，该方法包括以下步骤：S1：获取重定位计算后的重定位结果，若重定位结果中的匹配分数大于第一阈值且小于第二阈值，则进入步骤S2；S2：通过重定位结果来更新进行重定位计算的地图，然后行走设定时间或设定距离，并在行走过程中获取环境的点云数据，进入步骤S3；S3：将行走过程中获取的点云数据与更新后的地图进行匹配，然后根据匹配结果来判断重定位成功或重定位失败。通过对重定位的结果进行后检验来加快重定位流程，降低叠图发生的概率。

Description

一种对重定位结果进行后检验的方法、芯片及机器人

技术领域

本发明涉及智能机器人技术领域，涉及一种对重定位结果进行后检验的方法、芯片及机器人。

背景技术

目前大多数的室内智能移动机器人都具有自主定位导航的能力，即在执行任务的过程中根据已有的地图数据对自身位置姿态进行定位，进而实现自主导航。当机器人拥有地图，但却不知道其位于地图的哪个位置时，就需要进行重定位。具体的，在导航过程中，机器人会相应地感知自身周边环境信息，并结合已有的地图数据确认当前是否存在导航错误的问题，接着在确认存在导航错误的情况下，根据感知的环境信息配合已有的地图数据对当前导航位置进行调整。重定位很多时候是机器人开始工作的第一步，重定位的成功与否是其之后能否正常工作的大前提。

为了提高提高重定位的精准度及实现效率，本司申请了一种多点带约束重定位的方法、芯片和机器人，申请号为：CN202110396925.2。该技术方案通过约束去提高我们的重定位算法的重定位能力，但是其重定位需要的时间较长，使机器人需要较长的时间去进行重定位。

发明内容

为了解决上述技术缺陷，本发明技术方案公开一种对重定位结果进行后检验的方法、芯片及机器人，本申请通过对重定位的结果进行后检验来加快重定位流程，降低叠图发生的概率。具体的技术方案如下：

一种对重定位结果进行后检验的方法，该方法包括以下步骤：S1：获取重定位计算后的重定位结果，若重定位结果中的匹配分数大于第一阈值且小于第二阈值，则进入步骤S2；S2：通过重定位结果来更新进行重定位计算的地图，然后行走设定时间或设定距离，并在行走过程中获取环境的点云数据，进入步骤S3；S3：将行走过程中获取的点云数据与更新后的地图进行匹配，然后根据匹配结果来判断重定位成功或重定位失败；其中第一阈值小于第二阈值。

进一步地，步骤S1中，若重定位结果中的匹配分数小于等于第一阈值，则判断重定位失败；若重定位结果中的匹配分数大于等于第二阈值，则判断重定位成功。

进一步地，步骤S2中，通过重定位结果来更新进行重定位计算的地图具体包括以下步骤：通过重定位结果确定当前机器人的位置，然后将当前机器人的位置设置到进行重定位计算的地图中，然后以当前机器人的位置为基础，将机器人重定位计算过程中获取的点云数据加载到进行重定位计算的地图中，更新进行重定位计算的地图。

进一步地，步骤S2中，机器人在行走设定时间或设定距离前，先获取周围环境的点云数据，然后将获取的周围环境的点云数据与更新后的地图上相对应位置的数据点进行重合匹配，获取没有相对应的数据点进行匹配的点云数据的数量，若没有相对应的数据点进行匹配的点云数据的数量大于等于行走阈值，则判断重定位失败；若没有相对应的数据点进行匹配的点云数据的数量小于行走阈值，则行走设定时间或设定距离。

进一步地，步骤S2中，机器人行走设定时间或设定距离时，机器人采用RRT算法行走，具体包括以下步骤：以当前位置为根节点，机器人生成一个目标节点，然后通过随机采样来增加子节点，来生成具有目标节点作为子节点的随机树；在随机树上规划出从根节点到目标节点的行走路径，然后以根节点为起点，通过行走路径前往目标节点，并在行走过程中获取环境的点云数据；或者以根节点为起点，在行走路径上行走设定时间，并在行走过程中获取环境的点云数据。

进一步地，机器人生成一个目标节点包括以下步骤：机器人根据行走速度算出在设定时间内的行走距离，然后以当前位置为圆点，行走距离为半径做圆，在圆上随机选取一个点作为目标节点；或者以当前位置为圆点，设定距离为半径做圆，在圆上随机选取一个点作为目标节点。

进一步地，步骤S2中，机器人行走设定时间或设定距离时，机器人进行前往点云中心的行走，具体包括以下步骤：机器人先使用激光雷达扫描周围环境，然后找出激光雷达获取的点云的中心点作为点云中心，其中，点云的中心点的坐标为激光雷达获取的点云的坐标的平均值；机器人以点云中心为终点进行行走，行走设定时间或设定距离，并在行走过程中获取环境的点云数据。

进一步地，步骤S3中，将行走过程中获取的点云数据与更新后的地图进行匹配包括以下步骤：机器人将获取的点云数据与更新后的地图上相对应位置的数据点进行重合匹配，获取没有相对应的数据点进行匹配的点云数据的数量，或者获取点云数据的匹配分数。

进一步地，若没有相对应的数据点进行匹配的点云数据的数量大于设定数据，或者点云数据的匹配分数小于设定阈值，则判断重定位失败，否则，判断重定位成功。

一种芯片，该芯片用于存储程序，该程序被配置为执行上述的一种对重定位结果进行后检验的方法。

一种机器人，装配有主控芯片，所述主控芯片为上述的芯片，所述机器人上设有用于获取点云数据的激光雷达。

与现有的技术相比，本申请的技术方案通过将重定位计算后的重定位结果中的匹配分数与第二阈值和第一阈值进行比较，来确定重定位成功、重定位失败或进行重定位检验，然后通过对重定位结果进行检验来进一步判断重定位成功还是重定位失败，加快重定位流程，降低叠图发生的概率。

附图说明

图1是本发明一种实施例的一种对重定位结果进行后检验的方法的流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

如图1所示，一种对重定位结果进行后检验的方法，在确保重定位成功率的情况下，需要加快重定位时间。于是，在不改变重定位的匹配计算方法的前提下，需要提高成功率和加快重定位时间，就必须要其它的方法来保证重定位准确性。在重定位计算后，用延迟决策lazy decision是比较直观的方法，延迟决策Lazy Decision是在一个计算的结果，我们不是很确定时通过其它的方法来确定计算的结果的正确与否的方法，该方法包括以下步骤：

步骤S1中，机器人获取重定位计算后的重定位结果，若重定位结果中的匹配分数大于第一阈值且小于第二阈值，则进入步骤S2。其中，机器人上安装有可用于实时扫描环境的激光雷达，且机器人已预存有全局激光栅格地图。重定位过程中，机器人使用激光雷达实时扫描的点云地图去遍历预存的全局激光栅格地图。遍历的过程是一个地图匹配的过程，每匹配一次，可以得到包含匹配分数、匹配面积和匹配面积率这三个参数的匹配结果。其中，匹配分数是点云地图上的点落在全局激光栅格地图上相应匹配位置时，与障碍物重合的百分比。比如，如果点云地图上的点与相应匹配位置的障碍物完全重合，那么匹配分数为1，如果有60%重合，那么匹配分数为0.6。只需要通过匹配分数来进行后检验的初步筛选，计算简便。遍历结束后，得到点云地图在全局激光栅格地图上不同的位置的匹配结果，选择其中匹配度最高的位置对应的匹配结果作为重定位结果。对于匹配分数，设置有相对应的第一阈值和第二阈值，若重定位结果中的匹配分数小于等于第一阈值，则直接判断重定位失败；若重定位结果中的匹配分数在第一阈值和第二阈值之间时，则进入检验步骤，对重定位结果结果进行后检验；若重定位结果中的匹配分数大于等于第二阈值，则直接判断重定位成功；其中，第一阈值小于第二阈值，第一阈值和第二阈值是经验值，是经过大量的数据集测试确定的，可以根据实际情况进行设置和修改。

步骤S2中，机器人通过重定位结果来更新进行重定位计算的地图，然后行走设定时间或设定距离，并在行走过程中获取环境的点云数据，进入步骤S3。通过重定位结果来更新进行重定位计算的地图具体包括以下步骤：通过重定位结果确定当前机器人的位置，然后将当前机器人的位置设置到进行重定位计算的地图中，然后以当前机器人的位置为基础，将机器人重定位计算过程中获取的点云数据加载到进行重定位计算的地图中，更新进行重定位计算的地图。重定位匹配计算完成，会得到一个机器人现在应该在地图的哪里这个结果，也可以说成是根据这帧点云匹配到机器当前正在这个位置。在得到机器是在地图哪里之后，会将机器坐标进行设置，然后以这个位置基础，将机器人重定位计算过程中获取的点云数据加载到进行重定位的全局激光栅格地图中，更新全局激光栅格地图，然后在这个全局激光栅格地图上进行行走。机器人在行走设定时间或设定距离前，先获取周围环境的点云数据，然后将获取的周围环境的点云数据与更新后的地图上相对应位置的数据点进行重合匹配，获取没有相对应的数据点进行匹配的点云数据的数量，也就是未知点的数量，若没有相对应的数据点进行匹配的点云数据的数量大于等于行走阈值，则判断重定位失败；若没有相对应的数据点进行匹配的点云数据的数量小于行走阈值，则行走设定时间或设定距离。如果存在大量的与全局激光栅格地图的数据点没有匹配的未知点就意味着机器人可能匹配到了地图外，这个条件就是用于剔除这种可能。如果在地图外，那么就意味着机器人位置错判，一切清扫功能会变的错乱，直接判断重定位失败，不需要后续的检验了。机器人行走设定时间或设定距离时，采用RRT算法行走或者前往点云中心，也可以随意走一段直线，或者随机行走。

作为其中一种实施例，基于快速扩展随机树（RRT / rapidly exploring randomtree）的路径规划算法，通过对状态空间中的采样点进行碰撞检测，避免了对空间的建模，能够有效地解决高维空间和复杂约束的路径规划问题。该方法的特点是能够快速有效地搜索高维空间，通过状态空间的随机采样点，把搜索导向空白区域，从而寻找到一条从起始点到目标点的规划路径，适合解决多自由度机器人在复杂环境下和动态环境中的路径规划。与PRM类似，该方法是概率完备且不最优的。机器人采用RRT算法行走，具体包括以下步骤：以当前位置为根节点，机器人生成一个目标节点，然后通过随机采样来增加子节点，来生成具有目标节点作为子节点的随机树；在随机树上规划出从根节点到目标节点的行走路径，然后以根节点为起点，通过行走路径前往目标节点，并在行走过程中获取环境的点云数据；或者以根节点为起点，在行走路径上行走设定时间，并在行走过程中获取环境的点云数据，机器人并不需要移动到目标节点。机器人生成一个目标节点包括以下步骤：机器人根据行走速度算出在设定时间内的行走距离，然后以当前位置为圆点，行走距离为半径做圆，在圆上随机选取一个点作为目标节点；或者以当前位置为圆点，设定距离为半径做圆，在圆上随机选取一个点作为目标节点。因为机器人只需要走设定时间和设定距离即可，所以为了提高计算效率和减少需要处理的数据，目标节点的设置距离机器人不需要太远，也可以在圆内和圆外进行选取。

作为其中一种实施例，机器人进行前往点云中心的行走，具体包括以下步骤：机器人先使用激光雷达扫描周围环境，然后找出激光雷达打出来的点云的中心点，点云的中心点的坐标为激光雷达获取的点云的坐标的平均值，激光雷达获取的点云会附带位置信息；或者将激光雷达获取的点云构成多边形，然后求多边形的中心或者重心，然后将多边形的中心或重心作为点云中心。一般点云中心会处于较空旷的位置，这样的点可以提高机器人重定位成功的概率。机器人以点云中心为终点进行行走，行走设定时间或设定距离，并在行走过程中获取环境的点云数据。当然，也可以利用其它处于空旷位置的点作为行走终点。比如，在机器人前往点云中心的过程中，可以采用霍夫变换提取直线，并计算机器人与直线的距离是否大于预设阈值。如果检测到大于预设阈值，则表明机器人已经远离墙或者障碍物，处于一个空旷区域。

步骤S3中，机器人将行走过程中获取的点云数据与更新后的地图进行匹配，然后根据匹配结果来判断重定位成功或重定位失败。将行走过程中获取的点云数据与更新后的地图进行匹配包括以下步骤：机器人将获取的点云数据与更新后的地图上相对应位置的数据点进行重合匹配，获取没有相对应的数据点进行匹配的点云数据的数量，即未知点的数量，或者获取点云数据的匹配分数，即机器人用行走过程中获取的点云数据落在全局激光栅格地图上相应匹配位置时，与更新后的障碍物重合的百分比。若没有相对应的数据点进行匹配的点云数据的数量大于设定数据，或者点云数据的匹配分数小于设定阈值，则判断重定位失败，否则，判断重定位成功。

一种芯片，该芯片用于存储程序，该程序被配置为执行上述的一种对重定位结果进行后检验的方法。

一种机器人，装配有主控芯片，所述主控芯片为上述的芯片，所述机器人上设有用于获取点云数据的激光雷达。

与现有的技术相比，本申请的技术方案通过将重定位计算后的重定位结果中的匹配分数与第二阈值和第一阈值进行比较，来确定重定位成功、重定位失败或进行重定位检验，然后通过对重定位结果进行检验来进行一步判断重定位成功还是重定位失败，加快重定位流程，降低叠图发生的概率。

以上所述，仅是本发明的较佳实施例而己，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (11)

1.一种对重定位结果进行后检验的方法，其特征在于，该方法包括以下步骤：

S1：获取重定位计算后的重定位结果，若重定位结果中的匹配分数大于第一阈值且小于第二阈值，则进入步骤S2；

S2：通过重定位结果来更新进行重定位计算的地图，然后行走设定时间或设定距离，并在行走过程中获取环境的点云数据，进入步骤S3；

S3：将行走过程中获取的点云数据与更新后的地图进行匹配，然后根据匹配结果来判断重定位成功或重定位失败；

其中，第一阈值小于第二阈值。

2.根据权利要求1所述的对重定位结果进行后检验的方法，其特征在于，步骤S1中，若重定位结果中的匹配分数小于等于第一阈值，则判断重定位失败；若重定位结果中的匹配分数大于等于第二阈值，则判断重定位成功。

3.根据权利要求1所述的对重定位结果进行后检验的方法，其特征在于，步骤S2中，通过重定位结果来更新进行重定位计算的地图具体包括以下步骤：

通过重定位结果确定当前机器人的位置，然后将当前机器人的位置设置到进行重定位计算的地图中；

以当前机器人的位置为基础，将机器人重定位计算过程中获取的点云数据加载到进行重定位计算的地图中，更新进行重定位计算的地图。

4.根据权利要求1所述的对重定位结果进行后检验的方法，其特征在于，步骤S2中，机器人在行走设定时间或设定距离前，先获取周围环境的点云数据，然后将获取的周围环境的点云数据与更新后的地图上相对应位置的数据点进行重合匹配，获取没有相对应的数据点进行匹配的点云数据的数量，若没有相对应的数据点进行匹配的点云数据的数量大于等于行走阈值，则判断重定位失败；若没有相对应的数据点进行匹配的点云数据的数量小于行走阈值，则行走设定时间或设定距离。

5.根据权利要求1所述的对重定位结果进行后检验的方法，其特征在于，步骤S2中，机器人行走设定时间或设定距离时，机器人采用RRT算法行走，具体包括以下步骤：

以当前位置为根节点，机器人生成一个目标节点，然后通过随机采样来增加子节点，来生成具有目标节点作为子节点的随机树；

在随机树上规划出从根节点到目标节点的行走路径，然后以根节点为起点，通过行走路径前往目标节点，并在行走过程中获取环境的点云数据；或者以根节点为起点，在行走路径上行走设定时间，并在行走过程中获取环境的点云数据。

6.根据权利要求5所述的对重定位结果进行后检验的方法，其特征在于，机器人生成一个目标节点包括以下步骤：

机器人根据行走速度算出在设定时间内的行走距离，然后以当前位置为圆点，行走距离为半径做圆，在圆上随机选取一个点作为目标节点；或者以当前位置为圆点，设定距离为半径做圆，在圆上随机选取一个点作为目标节点。

7.根据权利要求1所述的对重定位结果进行后检验的方法，其特征在于，步骤S2中，机器人行走设定时间或设定距离时，机器人进行前往点云中心的行走，具体包括以下步骤：

机器人先使用激光雷达扫描周围环境，然后找出激光雷达获取的点云的中心点作为点云中心，其中，点云的中心点的坐标为激光雷达获取的点云的坐标的平均值；

机器人以点云中心为终点进行行走，行走设定时间或设定距离，并在行走过程中获取环境的点云数据。

8.根据权利要求1所述的对重定位结果进行后检验的方法，其特征在于，步骤S3中，将行走过程中获取的点云数据与更新后的地图进行匹配包括以下步骤：

机器人将获取的点云数据与更新后的地图上相对应位置的数据点进行重合匹配，获取没有相对应的数据点进行匹配的点云数据的数量，或者获取点云数据的匹配分数。

9.根据权利要求8所述的对重定位结果进行后检验的方法，其特征在于，若没有相对应的数据点进行匹配的点云数据的数量大于设定数据，或者点云数据的匹配分数小于设定阈值，则判断重定位失败，否则，判断重定位成功。

10.一种芯片，该芯片用于存储程序，其特征在于，该程序被配置为执行权利要求1至9任一项所述的一种对重定位结果进行后检验的方法。

11.一种机器人，装配有主控芯片，其特征在于，所述主控芯片为权利要求10所述的芯片，所述机器人上设有用于获取点云数据的激光雷达。

Images