CN116359930A - 停车场移动充电机器人地图定位方法、装置、设备及介质 - Google Patents
停车场移动充电机器人地图定位方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116359930A CN116359930A CN202310199463.4A CN202310199463A CN116359930A CN 116359930 A CN116359930 A CN 116359930A CN 202310199463 A CN202310199463 A CN 202310199463A CN 116359930 A CN116359930 A CN 116359930A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- map
- mobile charging
- acquiring
- charging robot
- 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 43
- 238000009826 distribution Methods 0.000 claims abstract description 65
- 238000005457 optimization Methods 0.000 claims abstract description 42
- 238000006243 chemical reaction Methods 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000003068 static effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000012546 transfer 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请涉及一种停车场移动充电机器人地图定位方法、装置、设备及介质,应用于移动机器人定位技术领域,其方法包括:将搭载有激光雷达传感器的移动充电机器人放置于当前充电场地内,基于移动充电机器人获取当前充电场地的场地信息;基于场地信息创建点云地图;获取单帧实时点云数据,将单帧实时点云数据进行预处理生成待配准点云;获取空间划分规则,基于空间划分规则将点云地图划分为多个点云地图空间区块;将待配准点云换到点云地图空间区块生成转换点;基于预设算法计算转换点的概率分布;获取优化规则,基于优化规则和概率分布计算移动充电机器人的当前实时位姿。本申请具有提高移动充电机器人地图定位的准确性的效果。
Description
技术领域
本申请涉及移动机器人定位的技术领域,尤其是涉及一种停车场移动充电机器人地图定位方法、装置、设备及介质。
背景技术
随着科技的迅速发展以及人工智能时代的来临,移动机器人在各行各业中得到了广泛的应用。在充电站智慧充电业务中,移动充电机器人在工作时,需要高精度的定位才能够执行后续任务,因此需要定位技术来让移动充电机器人知道自己当前所在环境位姿和移动过程中的位姿。
目前,多采用GPS定位的定位方式,但是由于场地大小、车辆所处位置、周围建筑和导航信号等干扰因素,容易导致定位不准确或者延迟定位,因此,如何让移动充电机器人地图定位更加准确成为问题关键。
发明内容
为了提高移动充电机器人地图定位的准确性,本申请提供一种停车场移动充电机器人地图定位方法、装置、设备及介质。
第一方面,本申请提供一种停车场移动充电机器人地图定位方法,采用如下的技术方案:
一种停车场移动充电机器人地图定位方法,包括:
将搭载有激光雷达传感器的移动充电机器人放置于当前充电场地内,基于所述移动充电机器人获取所述当前充电场地的场地信息;
基于所述场地信息创建点云地图;
获取单帧实时点云数据,将所述单帧实时点云数据进行预处理生成待配准点云;
获取空间划分规则,基于所述空间划分规则将所述点云地图划分为多个点云地图空间区块;将所述待配准点云换到所述点云地图空间区块生成转换点;
基于预设算法计算所述转换点的概率分布;
获取优化规则,基于所述优化规则和所述概率分布计算所述移动充电机器人的当前实时位姿。
通过采用上述技术方案,使用搭载有激光雷达传感器的移动充电机器人采集当前充电场地的产地信息,并根据场地信息创建点云地图,在进行移动充电机器人位姿计算时,将点云地图划分为多个点云地图空间区块,实时将当前获取到的待配准点云转换到点云地图空间区块内,根据预设算法计算待配准点云在点云地图空间区块内的概率分布,通过挂绿分布和优化规则得到移动充电机器人的当前实时位姿,由于点云地图由形同规格的移动充电机器人创建,并且在位姿计算过程中不依赖于定位系统,从而提高了移动充电机器人地图定位的准确性。
可选的,所述将所述单帧实时点云数据进行预处理生成待配准点云包括:
获取降采样标准,基于所述降采样标准对所述单帧实时点云数据进行降采样处理,生成降采样点云;
将所述降采样点云进行滤波处理生成待配准点云。
可选的,所述获取空间划分规则,基于所述空间划分规则将所述点云地图划分为多个点云地图空间区块包括:
获取空间划分尺寸,基于所述空间划分尺寸计算空间划分大小;
获取所述点云地图的地图空间大小和初始划分位置,基于所述空间划分大小、所述地图空间大小和所述初始划分位置将所述点云地图划分为多个点云地图空间区块。
可选的,所述将所述待配准点云换到所述点云地图空间区块生成转换点包括:
获取所述移动充电机器人的初始位姿,将所述初始位姿作为初始变换参数;
获取初始变换矩阵,基于所述初始变换矩阵和所述初始变换参数将所述待配准点云换到所述点云地图空间区块生成转换点。
可选的,所述基于预设算法计算所述转换点的概率分布包括:
根据正态分布算法计算所述点云地图空间区块的多维正态分布参数均值;
基于所述多维正态分布参数均值计算所述转换点的概率分布。
可选的,所述获取优化规则,基于所述优化规则和所述概率分布计算所述移动充电机器人的当前实时位姿包括:
获取所述点云地图的全部概率分布,基于所述全部概率分布计算所述点云地图的配准得分;获取优化方式和优化终止条件,基于所述优化方式、优化终止条件和所述配准得分计算最优变换参数;
基于所述最优变换参数计算所述移动充电机器人的当前实时位姿。
可选的,所述基于所述最优变换参数计算所述移动充电机器人的当前实时位姿包括:获取坐标转换关系,基于所述坐标转换关系和所述最优变换参数生成所述移动充电机器人的当前实时位姿。
第二方面,本申请提供一种停车场移动充电机器人地图定位装置,采用如下的技术方案:
一种停车场移动充电机器人地图定位装置,包括:
场地信息获取模块,用于将搭载有激光雷达传感器的移动充电机器人放置于当前充电场地内,基于所述移动充电机器人获取所述当前充电场地的场地信息;
点云地图创建模块,用于基于所述场地信息创建点云地图;
配准点云生成模块,用于获取单帧实时点云数据,将所述单帧实时点云数据进行预处理生成待配准点云;
空间区块划分模块,用于获取空间划分规则,基于所述空间划分规则将所述点云地图划分为多个点云地图空间区块;
配准点云转换模块,用于将所述待配准点云换到所述点云地图空间区块,生成转换点;
概率分布计算模块,用于基于预设算法计算所述转换点的概率分布;
实时位姿计算模块,用于获取优化规则,基于所述优化规则和所述概率分布计算所述移动充电机器人的当前实时位姿。
通过采用上述技术方案,使用搭载有激光雷达传感器的移动充电机器人采集当前充电场地的产地信息,并根据场地信息创建点云地图,在进行移动充电机器人位姿计算时,将点云地图划分为多个点云地图空间区块,实时将当前获取到的待配准点云转换到点云地图空间区块内,根据预设算法计算待配准点云在点云地图空间区块内的概率分布,通过挂绿分布和优化规则得到移动充电机器人的当前实时位姿,由于点云地图由形同规格的移动充电机器人创建,并且在位姿计算过程中不依赖于定位系统,从而提高了移动充电机器人地图定位的准确性。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,包括处理器,所述处理器与存储器耦合;
所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行第一方面任一项所述的停车场移动充电机器人地图定位方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行第一方面任一项所述的停车场移动充电机器人地图定位方法的计算机程序。
附图说明
图1是本申请实施例提供的一种停车场移动充电机器人地图定位方法的流程示意图。
图2是本申请实施例提供的一种点云地图的三维示意图。
图3是本申请实施例提供的一种点云地图空间空间区块二维划分的划分示意图。
图4是本申请实施例提供的一种点云地图空间空间区块三维划分的划分示意图。
图5是本申请实施例提供的一种停车场移动充电机器人地图定位装置的结构框图。
图6是本申请实施例提供的电子设备的结构框图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本申请实施例提供一种停车场移动充电机器人地图定位方法,该停车场移动充电机器人地图定位方法可由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云让算服务的云服务器。终端设备可以是智能手机、平板电脑、台式计算机等,但并不局限于此。
图1为本申请实施例提供的一种停车场移动充电机器人地图定位方法的流程示意图。
如图1所示,该方法主要流程描述如下(步骤S101~S107):
步骤S101,将搭载有激光雷达传感器的移动充电机器人放置于当前充电场地内,基于移动充电机器人获取当前充电场地的场地信息。
步骤S102,基于场地信息创建点云地图。
如图2所示,在本实施例中,鉴于在室内或者室外充电场地中,由于GPS信号不稳定无法精准定位,从而将3D激光雷达传感器搭载于移动充电机器人上,通过控制移动充电机器人在充电场地中进行移动,在移动的过程中通过3D技术对充电场地进行全面的扫描,从而获取当前充电场地的场地信息,利用3D技术和IMU/航迹推算的方式创建点云地图,创建的点云地图中包含室内或者室外当前充电场地的非动态环境结构特征,建图精度更高。
在根据当前充电场地的场地信息创建点云地图时,以场地信息采集时的起点为原点(0,0,0),以移动充电机器人初始朝向方向为x轴正方向,以移动充电机器人初始朝向方向的左侧为y轴正方向,以移动充电机器人初始朝向方向的垂直向上为z轴正方向,创建静态地图坐标系。创建点云地图时会同步标记每一个车端位即每一个充电位在静态地图坐标系下的具体坐标位置(x,y,z),此类坐标无法更改,机器人自身坐标则是实时变化的,并且,由于移动充电机器人需要进行移动充电,如果仅仅只知道自己所在坐标(x,y,z)和目标坐标(x,y,z),则无法判断当前移动充电机器人的朝向,则无法进行合适的档位切换和路径规划,也无法得知在终点处保持怎样的姿势停放充电机器人,因此,需要获知移动充电机器人在当前全局坐标系下的位姿(x,y,z,yaw)。
步骤S103,获取单帧实时点云数据,将单帧实时点云数据进行预处理生成待配准点云。
针对步骤S103,获取降采样标准,基于降采样标准对单帧实时点云数据进行降采样处理,生成降采样点云;将降采样点云进行滤波处理生成待配准点云。
在本实施例中,移动充电机器人在实时的移动过程中会持续的使用激光雷达传感器进行进行环境的3D扫描,但由于激光雷达每个周期扫描得到的点云数量非常多,根据雷达激光线束不同可以涵盖几万到几十万的点云数量,且描述一个物体不需要高密度的点云,此外因为环境的问题比如玻璃、光滑地面等存在多次反射的物体会造成微量的点云噪声干扰,因此,为了减小计算量,需要对单帧实时点云数据进行降采样处理,生成降采样点云,用以减小点云密度,比如原来用1万个点描述一个物体,通过降采样处理可以用1000个点或100个点来描述该物体,从而减小算力需求,对单帧实时点云数据进行降采样处理生成降采样点云之后再进行滤波处理,过滤环境带来的干扰点云噪声,进而获取数量更少、更准确的环境点云。
步骤S104,获取空间划分规则,基于空间划分规则将点云地图划分为多个点云地图空间区块。
针对步骤S104,获取空间划分尺寸,基于空间划分尺寸计算空间划分大小;获取点云地图的地图空间大小和初始划分位置,基于空间划分大小、地图空间大小和初始划分位置将点云地图划分为多个点云地图空间区块。
在本实施例中,在进行点云地图空间区块划分时,可以根据实际需求将点云地图划分成如图3所示的网格(CellSize)或者如图4所示的体素(Voxel)。其中,将点云地图划分为多个点云地图空间区块时,需要根据空间划分尺寸进行划分,空间划分尺寸需要根据实际需求进行提前设置,例如可以将点云地图划分为30cm*30cm的网格点云地图空间区块,还可以将点云地图划分为30cm*30cm*30cm的体素点云地图空间区块,每个点云地图空间区块中存储的不是一个或者多个确切的点,而是存储这个点云地图空间区块被点云占据的概率密度即概率分布。
步骤S105,将待配准点云换到点云地图空间区块生成转换点。
针对步骤S105,获取移动充电机器人的初始位姿,将初始位姿作为初始变换参数;获取初始变换矩阵,基于初始变换矩阵和初始变换参数将待配准点云换到点云地图空间区块生成转换点。
在本实施例中,当接收到需要配准的点云时,需要将待配准点云转换到点云地图对应的静态地图坐标系下,此时,需要根据移动充电机器人的初始位姿,将移动充电机器人的初始位姿pose=(x,y,yaw)作为初始变换参数p,根据初始变换参数和初始变换矩阵将待配准点云转换到点云地图中,其中,初始变换矩阵为激光雷达坐标系下各个点云到点云地图坐标系下的转换关系矩阵,初始位姿可手动初始化,也可以通过GPS初始化,越精准越好,若无法做到高度精准,则在真实位姿附近即可。
步骤S106,基于预设算法计算转换点的概率分布。
针对步骤S106,根据正态分布算法计算点云地图空间区块的多维正态分布参数均值;基于多维正态分布参数均值计算转换点的概率分布。
在本实施例中,首先根据正态分布算法计算点云地图空间区块的正太分布均值,正态分布算法包括根据多维正态分布均值计算公式计算多维正态分布均值,根据多维正态分布均值计算协方差矩阵。
转换后的实时点云会分布在目标点云地图空间区块中,通过对应所在点云地图空间区块的正态分布概率密度函数计算转换点的概率分布,正态分布概率密度函数为:
其中,q为多维正态分布均值,X表示点云地图空间区块的转换点。
步骤S107,获取优化规则,基于优化规则和概率分布计算移动充电机器人的当前实时位姿。
针对步骤S107,获取点云地图的全部概率分布,基于全部概率分布计算点云地图的配准得分;获取优化方式和优化终止条件,基于优化方式、优化终止条件和配准得分计算最优变换参数;基于最优变换参数计算移动充电机器人的当前实时位姿。
进一步的,获取坐标转换关系,基于坐标转换关系和最优变换参数生成移动充电机器人的当前实时位姿。
在本实施例中,将点云地图中全部转换点的概率分布进行相加得到点云地图的配准得分score,根据牛顿优化算法对配准得分score进行优化,即寻找最优变换参数使得配准得分score的值最大,因为如果变换参数p能使得两幅激光数据匹配的很好,那么变换点在点云地图中的概率分布的密度将会很大,因此利用牛顿优化算法求出使得牛顿和最大的变换参数p即最优变换参数,使得两幅激光点云数据匹配的最好。
其中,优化方式为重复计算将待配准点云转换到点云地图中并计算概率分布和配准得分的步骤,直至满足优化条件,得到最终的最优变换参数,优化条件包括达到收敛阈值或达到迭代次数上限,当选择优化条件为收敛阈值时,计算当前变换参数和上一变换参数的差值,当差值小于等于0.05时,将当前变换参数设置为最优变换参数,具体的收敛阈值需要根据实际需求进行调整,上述数值仅为一般状态下的数值,具体数值在此不作具体限定。当选择优化条件为迭代次数时,则在计算完毕一次变换参数之后判断一次是否达到迭代次数上限,当达到迭代次数上限时,将达到迭代次数上限时对应的变换参数设置为最优变换参数,迭代次数上限需要根据实际需求进行设置,若未设置则默认为30次,具体的迭代次数上线在此不作具体限定。
最优变换参数即为当前单帧实时点云数据在点云地图中的位姿信息,由于激光雷达传感器安装于移动充电机器人上,其对应的坐标系可能不同,此时,需要再根据激光雷达坐标系与机器人坐标系之间的坐标转换关系以及机器人坐标系与静态地图坐标系的坐标转换关系求得移动充电机器人在点云地图中的位姿,如果机器人坐标系与激光雷达坐标系重合,则无需进行任何转换,直接使用最优变换参数作为移动充电机器人在点云地图中的位姿即可。
其中,机器人坐标系的原点为移动充电机器人的后轴中心,激光雷达坐标系的原点为雷达中心,静态地图坐标系的原点为移动充电机器人的出发原点。坐标转换关系举例为,例如,机器人当前停在静态地图坐标系下(2,0,0)位置处,机器人朝x轴正向且与x轴平行,激光雷达传感器安装在机器人最前方,距离后轴中心1m距离,机器人坐标系与激光雷达坐标系各轴都指向相同且平行,此时如果激光雷达传感器在自己坐标系下探测到前方2m距离处有障碍物,即坐标为(2,0,0),则该障碍物在机器人坐标系下的坐标为(3,0,0),则同理可计算该障碍物在静态地图坐标系下的坐标为(5,0,0)。需要说明的是,坐标转换关系需要根据激光雷达传感器在移动充电机器人的安装位置确定,在此不作具体限定。
图2为申请实施例提供的一种停车场移动充电机器人地图定位装置200的结构框图。
如图2所示,停车场移动充电机器人地图定位装置200主要包括:
场地信息获取模块201,用于将搭载有激光雷达传感器的移动充电机器人放置于当前充电场地内,基于移动充电机器人获取当前充电场地的场地信息;
点云地图创建模块202,用于基于场地信息创建点云地图;
配准点云生成模块203,用于获取单帧实时点云数据,将单帧实时点云数据进行预处理生成待配准点云;
空间区块划分模块204,用于获取空间划分规则,基于空间划分规则将点云地图划分为多个点云地图空间区块;
配准点云转换模块205,用于将待配准点云换到点云地图空间区块,生成转换点;
概率分布计算模块206,用于基于预设算法计算转换点的概率分布;
实时位姿计算模块207,用于获取优化规则,基于优化规则和概率分布计算移动充电机器人的当前实时位姿。
作为本实施例的一种可选实施方式,配准点云生成模块203具体用于获取降采样标准,基于降采样标准对单帧实时点云数据进行降采样处理,生成降采样点云;将降采样点云进行滤波处理生成待配准点云。
作为本实施例的一种可选实施方式,空间区块划分模块204具体用于获取空间划分尺寸,基于空间划分尺寸计算空间划分大小;获取点云地图的地图空间大小和初始划分位置,基于空间划分大小、地图空间大小和初始划分位置将点云地图划分为多个点云地图空间区块。
作为本实施例的一种可选实施方式,配准点云转换模块205具体用于获取移动充电机器人的初始位姿,将初始位姿作为初始变换参数;获取初始变换矩阵,基于初始变换矩阵和初始变换参数将待配准点云换到点云地图空间区块生成转换点。
作为本实施例的一种可选实施方式,概率分布计算模块206具体用于根据正态分布算法计算点云地图空间区块的多维正态分布参数均值;基于多维正态分布参数均值计算转换点的概率分布。
作为本实施例的一种可选实施方式,实时位姿计算模块207包括:
配准得分计算模块,用于获取点云地图的全部概率分布,基于全部概率分布计算点云地图的配准得分;
最优参数计算模块,用于获取优化方式和优化终止条件,基于优化方式、优化终止条件和配准得分计算最优变换参数;
当前位姿计算模块,用于基于最优变换参数计算移动充电机器人的当前实时位姿。
在本可选实施例中,当前位姿计算模块具体用于获取坐标转换关系,基于坐标转换关系和最优变换参数生成移动充电机器人的当前实时位姿。
在一个例子中,以上任一装置中的模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个专用集成电路(application specificintegratedcircuit,ASIC),或,一个或多个数字信号处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(field programmable gate array,FPGA),或这些集成电路形式中至少两种的组合。
再如,当装置中的模块可以通过处理元件调度程序的形式实现时,该处理元件可以是通用处理器,例如中央处理器(central processing unit,CPU)或其它可以调用程序的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,SOC)的形式实现。
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,上述描述的装置和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。
图3为本申请实施例提供的电子设备300的结构框图。
如图3所示,电子设备300包括处理器301和存储器302,还可以进一步包括信息输入/信息输出(I/O)接口303、通信组件304中的一种或多种以及通信总线305。
其中,处理器301用于控制电子设备300的整体操作,以完成上述的停车场移动充电机器人地图定位方法的全部或部分步骤;存储器302用于存储各种类型的数据以支持在电子设备300的操作,这些数据例如可以包括用于在该电子设备300上操作的任何应用程序或方法的指令,以及应用程序相关的数据。该存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random AccessMemory,SRAM)、电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory,EEPROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、只读存储器(Read-Only Memory,ROM)、磁存储器、快闪存储器、磁盘或光盘中的一种或多种。
I/O接口303为处理器301和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件304用于电子设备300与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(NearField Communication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件104可以包括:Wi-Fi部件,蓝牙部件,NFC部件。
电子设备300可以被一个或多个应用专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field ProgrammableGate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述实施例给出的停车场移动充电机器人地图定位方法。
通信总线305可包括一通路,在上述组件之间传送信息。通信总线305可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。通信总线305可以分为地址总线、数据总线、控制总线等。
电子设备300为可以搭载激光雷达传感器的任意型号移动充电机器人。
本申请还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述的停车场移动充电机器人地图定位方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器(R ead-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种停车场移动充电机器人地图定位方法,其特征在于,包括:
将搭载有激光雷达传感器的移动充电机器人放置于当前充电场地内,基于所述移动充电机器人获取所述当前充电场地的场地信息;
基于所述场地信息创建点云地图;
获取单帧实时点云数据,将所述单帧实时点云数据进行预处理生成待配准点云;
获取空间划分规则,基于所述空间划分规则将所述点云地图划分为多个点云地图空间区块;
将所述待配准点云换到所述点云地图空间区块生成转换点;
基于预设算法计算所述转换点的概率分布;
获取优化规则,基于所述优化规则和所述概率分布计算所述移动充电机器人的当前实时位姿。
2.根据权利要求1所述的方法,其特征在于,所述将所述单帧实时点云数据进行预处理生成待配准点云包括:
获取降采样标准,基于所述降采样标准对所述单帧实时点云数据进行降采样处理,生成降采样点云;
将所述降采样点云进行滤波处理生成待配准点云。
3.根据权利要求1所述的方法,其特征在于,所述获取空间划分规则,基于所述空间划分规则将所述点云地图划分为多个点云地图空间区块包括:
获取空间划分尺寸,基于所述空间划分尺寸计算空间划分大小;
获取所述点云地图的地图空间大小和初始划分位置,基于所述空间划分大小、所述地图空间大小和所述初始划分位置将所述点云地图划分为多个点云地图空间区块。
4.根据权利要求1所述的方法,其特征在于,所述将所述待配准点云换到所述点云地图空间区块生成转换点包括:
获取所述移动充电机器人的初始位姿,将所述初始位姿作为初始变换参数;
获取初始变换矩阵,基于所述初始变换矩阵和所述初始变换参数将所述待配准点云换到所述点云地图空间区块生成转换点。
5.根据权利要求1所述的方法,其特征在于,所述基于预设算法计算所述转换点的概率分布包括:
根据正态分布算法计算所述点云地图空间区块的多维正态分布参数均值;
基于所述多维正态分布参数均值计算所述转换点的概率分布。
6.根据权利要求1所述的方法,其特征在于,所述获取优化规则,基于所述优化规则和所述概率分布计算所述移动充电机器人的当前实时位姿包括:
获取所述点云地图的全部概率分布,基于所述全部概率分布计算所述点云地图的配准得分;
获取优化方式和优化终止条件,基于所述优化方式、优化终止条件和所述配准得分计算最优变换参数;
基于所述最优变换参数计算所述移动充电机器人的当前实时位姿。
7.根据权利要求6所述的方法,其特征在于,所述基于所述最优变换参数计算所述移动充电机器人的当前实时位姿包括:
获取坐标转换关系,基于所述坐标转换关系和所述最优变换参数生成所述移动充电机器人的当前实时位姿。
8.一种停车场移动充电机器人地图定位装置,其特征在于,包括:
场地信息获取模块,用于将搭载有激光雷达传感器的移动充电机器人放置于当前充电场地内,基于所述移动充电机器人获取所述当前充电场地的场地信息;
点云地图创建模块,用于基于所述场地信息创建点云地图;
配准点云生成模块,用于获取单帧实时点云数据,将所述单帧实时点云数据进行预处理生成待配准点云;
空间区块划分模块,用于获取空间划分规则,基于所述空间划分规则将所述点云地图划分为多个点云地图空间区块;
配准点云转换模块,用于将所述待配准点云换到所述点云地图空间区块,生成转换点;
概率分布计算模块,用于基于预设算法计算所述转换点的概率分布;
实时位姿计算模块,用于获取优化规则,基于所述优化规则和所述概率分布计算所述移动充电机器人的当前实时位姿。
9.一种电子设备,其特征在于,包括处理器,所述处理器与存储器耦合;
所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括计算机程序或指令,当所述计算机程序或指令在计算机上运行时,使得所述计算机执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310199463.4A CN116359930A (zh) | 2023-02-24 | 2023-02-24 | 停车场移动充电机器人地图定位方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310199463.4A CN116359930A (zh) | 2023-02-24 | 2023-02-24 | 停车场移动充电机器人地图定位方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116359930A true CN116359930A (zh) | 2023-06-30 |
Family
ID=86911463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310199463.4A Pending CN116359930A (zh) | 2023-02-24 | 2023-02-24 | 停车场移动充电机器人地图定位方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116359930A (zh) |
-
2023
- 2023-02-24 CN CN202310199463.4A patent/CN116359930A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102235827B1 (ko) | 격자 지도를 생성하는 방법 및 장치 | |
CN108921947B (zh) | 生成电子地图的方法、装置、设备、存储介质以及采集实体 | |
CN108279670B (zh) | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 | |
CN110969649B (zh) | 一种激光点云与地图的匹配评价方法、介质、终端和装置 | |
CN109545072B (zh) | 地图构建的位姿计算方法、装置、存储介质和系统 | |
CN111765884B (zh) | 机器人重定位方法、装置、电子设备及存储介质 | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
CN111862214B (zh) | 计算机设备定位方法、装置、计算机设备和存储介质 | |
CN111080682B (zh) | 点云数据的配准方法及装置 | |
EP4116935A2 (en) | High-definition map creation method and device, and electronic device | |
CN111862215B (zh) | 一种计算机设备定位方法、装置、计算机设备和存储介质 | |
CN114120067A (zh) | 一种物体识别方法、装置、设备及介质 | |
CN112393735A (zh) | 定位方法及装置、存储介质、电子装置 | |
CN110717141A (zh) | 一种车道线优化方法、装置及存储介质 | |
CN113313765A (zh) | 定位方法、装置、电子设备和存储介质 | |
CN113252023A (zh) | 基于里程计的定位方法、装置及设备 | |
CN115457202B (zh) | 一种三维模型更新的方法、装置及存储介质 | |
CN116359930A (zh) | 停车场移动充电机器人地图定位方法、装置、设备及介质 | |
CN110887490A (zh) | 一种激光定位导航的关键帧选取方法、介质、终端和装置 | |
CN116010641A (zh) | 基于gis的智慧城市建设用大数据实时获取装置及方法 | |
CN113503883B (zh) | 采集用于构建地图的数据的方法、存储介质及电子设备 | |
CN115480235A (zh) | 一种路端激光雷达标定方法、装置及电子设备 | |
CN111504335B (zh) | 地图构建方法、装置、电子设备及存储介质 | |
CN113960614A (zh) | 一种基于帧-地图匹配的高程图构建方法 | |
CN111862218B (zh) | 计算机设备定位方法、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 |