CN117315175B - 一种基于机器人的构图定位装置及其方法 - Google Patents

一种基于机器人的构图定位装置及其方法 Download PDF

Info

Publication number
CN117315175B
CN117315175B CN202311285119.3A CN202311285119A CN117315175B CN 117315175 B CN117315175 B CN 117315175B CN 202311285119 A CN202311285119 A CN 202311285119A CN 117315175 B CN117315175 B CN 117315175B
Authority
CN
China
Prior art keywords
robot
moment
composition
speed
ordinate
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.)
Active
Application number
CN202311285119.3A
Other languages
English (en)
Other versions
CN117315175A (zh
Inventor
李杰浩
郭海军
袁彪
吴伟斌
李爱玲
段海鹏
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.)
Guangdong Topvision Technology Co ltd
Original Assignee
Guangdong Topvision Technology Co ltd
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 Guangdong Topvision Technology Co ltd filed Critical Guangdong Topvision Technology Co ltd
Priority to CN202311285119.3A priority Critical patent/CN117315175B/zh
Publication of CN117315175A publication Critical patent/CN117315175A/zh
Application granted granted Critical
Publication of CN117315175B publication Critical patent/CN117315175B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请涉及机器人智能化应用技术领域，提供一种基于机器人的构图定位装置及其方法，该装置包括数据获取单元、初始位姿估计单元、最终位姿估计单元、地图构建单元、导航方向标识单元、场景关联绑定单元、地图渲染单元和机器人控制中心；数据获取单元、初始位姿估计单元和最终位姿估计单元组成定位单元；机器人控制中心分别与数据获取单元、初始位姿估计单元、最终位姿估计单元、地图构建单元、导航方向标识单元、场景关联绑定单元和地图渲染单元连接。本申请提供的基于机器人的构图定位装置实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。

Description

一种基于机器人的构图定位装置及其方法
技术领域
本申请涉及机器人智能化应用技术领域，具体涉及一种基于机器人的构图定位装置及其方法。
背景技术
随着人工智能技术的不断发展，对于各场景下能实现自主移动应用的机器人需求量日益增加，智能机器人的研究得到了广泛关注。定位与地图构建(SLAM，Simultaneouslocalization and mapping)作为实现机器人自主定位的关键技术之一，它根据智能机器搭载的传感器获取外部环境数据，从而计算出周围环境的数学模型，估计智能机器人的移动位姿，实现自主定位。然而，依靠传感器估计出的机器人移动位姿受环境的影响，并不能准确地估计出移动机器人的定位，以及不能准确地构建出机器人运行地图。
发明内容
本申请提供一种基于机器人的构图定位装置及其方法，旨在实现准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
第一方面，本申请提供一种基于机器人的构图定位装置包括数据获取单元、初始位姿估计单元、最终位姿估计单元、地图构建单元、导航方向标识单元、场景关联绑定单元、地图渲染单元和机器人控制中心；所述数据获取单元、所述初始位姿估计单元和所述最终位姿估计单元组成定位单元；所述机器人控制中心分别与所述数据获取单元、所述初始位姿估计单元、所述最终位姿估计单元、所述地图构建单元、所述导航方向标识单元、所述场景关联绑定单元和所述地图渲染单元连接，对所有单元进行控制；
所述数据获取单元用于：基于机器人的底盘测速仪的行驶速度，获取所述机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量；所述第一时刻和所述第二时刻为相邻时刻；
所述初始位姿估计单元用于：基于所述机器人在所述第一时刻的第一线速度、在所述第一时刻的行驶速度的第二线速度和在所述第一时刻的最终位姿信息，确定所述机器人在所述第二时刻的初始位姿信息；
所述最终位姿估计单元用于：基于所述机器人在所述第二时刻的速度波动量以及所述机器人在所述第二时刻的线速度变化量，以所述机器人在所述第二时刻的位姿为目标，对所述机器人在所述第二时刻的初始位姿信息进行优化，确定所述机器人在所述第二时刻的最终位姿信息；
所述地图构建单元用于：根据所述第二时刻的最终位姿信息构建机器人运行地图；
所述导航方向标识单元用于：根据导航方向角度并以所述机器人的中心位置点为原点为基础在导航方向二维坐标系中生成导航方向标识，并将所述导航方向标识显示在所述机器人运行地图中；
所述场景关联绑定单元用于：将每一个目标区域及其区域场景进行关联绑定，并将每一个目标区域的绑定结果嵌入所述机器人运行地图；
所述地图渲染单元用于：以不同线条形式对地形在所述机器人运行地图进行渲染。
第二方面，本申请提供一种基于机器人的构图定位方法，包括：
基于机器人的底盘测速仪的行驶速度，获取所述机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量；所述第一时刻和所述第二时刻为相邻时刻；
基于所述机器人在所述第一时刻的第一线速度、在所述第一时刻的行驶速度的第二线速度和在所述第一时刻的最终位姿信息，确定所述机器人在所述第二时刻的初始位姿信息；
基于所述机器人在所述第二时刻的速度波动量以及所述机器人在所述第二时刻的线速度变化量，以所述机器人在所述第二时刻的位姿为目标，对所述机器人在所述第二时刻的初始位姿信息进行优化，确定所述机器人在所述第二时刻的最终位姿信息；
根据所述第二时刻的最终位姿信息构建机器人运行地图。
在一实施例中，基于机器人的底盘测速仪的行驶速度，获取所述机器人在第一时刻的行驶速度的第一线速度，包括：
基于所述机器人在所述第一时刻的行驶速度的第二线速度与所述机器人从激光坐标系变换到底盘测速仪坐标系的旋转分量进行计算，得到第一计算结果；所述第一计算结果的算法公式为：
S1＝(K1+K2)*max{(0.5K1-K2)2,(K1-0.5K2)2}
其中，S1表示第一计算结果，K1表示所述机器人在第一时刻的行驶速度的第二线速度，K2表示所述机器人从激光坐标系变换到底盘测速仪坐标系的旋转分量；
根据所述机器人从所述底盘测速仪坐标系变换到所述激光坐标系的平移分量与所述底盘测速仪在所述第一时刻与所述第二时刻之间在所述底盘测速仪坐标系中的位移进行计算，得到第二计算结果；所述第二计算结果S2的算法公式为：
其中，R1表示所述机器人从底盘测速仪坐标系变换到激光坐标系的平移分量，R2表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移，e为常规常数；
根据所述机器人从所述激光坐标系变换到所述底盘测速仪坐标系的平移分量、所述第一计算结果和所述第二计算结果，获取所述机器人在所述第一时刻的第一线速度；所述机器人在所述第一时刻的第一线速度的算法公式为：
V＝(S1-A)*(S2-A)+A2
V表示所述机器人在第一时刻的行驶速度的第一线速度，A表示所述机器人从激光坐标系变换到底盘测速仪坐标系的平移分量。
在一实施例中，基于机器人的底盘测速仪的行驶速度，获取所述机器人在第二时刻的速度波动量，包括：
基于所述机器人的底盘测速仪在所述第一时刻与所述第二时刻之间在底盘测速仪坐标系中的位移以及所述机器人从底盘测速仪坐标系变换到激光坐标系的平移分量进行计算，得到第三计算结果；所述第三计算结果S3的算法公式为：
S3＝R2-R1-min{(R22-0.5R12),(0.5R22-R12)}
其中，R1表示所述机器人从底盘测速仪坐标系变换到激光坐标系的平移分量，R2表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移；
根据所述机器人在所述第一时刻的旋转分量、所述机器人在所述第二时刻相对于所述激光坐标系的旋转分量、所述机器人从所述激光坐标系变换到所述底盘测速仪坐标系的平移分量、所述机器人在所述第二时刻相对于所述激光坐标系的平移分量、所述机器人在所述第一时刻的平移分量、所述机器人从所述底盘测速仪坐标系变换到所述激光坐标系的平移分量进行计算，得到第四计算结果；所述第四计算结果S4的算法公式为：
S4＝A*[B4*(B2*A+B3)+B1]
B1表示所述机器人在第一时刻的旋转分量，B2表示所述机器人在第二时刻相对于激光坐标系的旋转分量，A表示所述机器人从激光坐标系变换到底盘测速仪坐标系的平移分量，B3表示所述机器人在第二时刻相对于激光坐标系的平移分量，B4表示所述机器人在第一时刻的平移分量；
根据所述机器人从激光坐标系变换到所述底盘测速仪坐标系的旋转分量、所述第三计算结果和第四计算结果，获取所述机器人在所述第二时刻的速度波动量；所述机器人在所述第二时刻的速度波动量的算法公式为：
E＝S3-S4+0.5*max{(S32-0.5S42),(0.5S32-S42)}
其中，E表示所述机器人在第二时刻的速度波动量。
在一实施例中，所述基于机器人的构图定位方法还包括：
获取所述机器人的实时姿态数据；所述实时姿态数据包括左侧实时滚动角度R1和右侧实时滚动角度R2；
获取所述机器人的实时速度；所述实时速度包括中心实时速度K、左侧实时速度V1和右侧实时速度V2；
根据所述机器人的左侧实时滚动角度R1、所述中心实时速度K和所述左侧实时速度V1，计算左侧实时偏移姿态角P1；所述左侧实时偏移姿态角P1计算算法为：
根据所述机器人的右侧实时滚动角度R2、所述中心实时速度K和所述右侧实时速度V2，计算右侧实时偏移姿态角P2；所述右侧实时偏移姿态角P2计算算法为
基于所述机器人的左侧实时偏移姿态角P1和所述右侧实时偏移姿态角P2，计算导航方向角度θ；所述导航方向角度θ的计算算法为：
以所述机器人的中心位置点为原点构建导航方向二维坐标系；
根据所述导航方向角度并以所述原点为基础在所述导航方向二维坐标系中生成导航方向标识，并将所述导航方向标识显示在所述机器人运行地图中。
在一实施例中，所述根据所述第二时刻的最终位姿信息构建机器人运行地图，包括：
获取所述最终位姿信息中x轴方向的横坐标和x轴方向速度、y轴方向的纵坐标和y轴方向速度以及z轴方向的竖坐标和z轴方向速度，以及获取所述机器人中构图扫描雷达中的位置坐标；
根据最终位姿信息中x轴方向的横坐标和x轴方向速度以及构图扫描雷达中的x轴横坐标，计算所述机器人的构图横坐标；所述机器人的构图横坐标的算法公式为：
其中，xa为所述机器人的构图横坐标，x1为最终位姿信息中x轴方向的横坐标，x2为构图扫描雷达中的x轴横坐标，vx1为最终位姿信息中x轴方向速度，vx2为所述机器人的当前x轴方向速度；
根据最终位姿信息中y轴方向的纵坐标和y轴方向速度以及构图扫描雷达中的y轴纵坐标，计算所述机器人的构图纵坐标；所述机器人的构图纵坐标的算法公式为：
其中，ya为所述机器人的构图纵坐标，y1为最终位姿信息中y轴方向的纵坐标，y2为构图扫描雷达中的y轴纵坐标，vy1为最终位姿信息中y轴方向速度，vy2为所述机器人的当前y轴方向速度；
根据最终位姿信息中z轴方向的竖坐标和z轴方向速度以及构图扫描雷达中的z轴竖坐标，计算所述机器人的构图竖坐标；所述机器人的构图竖坐标的算法公式为：
其中，za为所述机器人的构图竖坐标，z1为最终位姿信息中z轴方向的竖坐标，z2为构图扫描雷达中的z轴竖坐标，vz1为最终位姿信息中z轴竖坐标，vz2为所述机器人的当前z轴方向速度；
根据所述机器人的构图横坐标、构图纵坐标和构图竖坐标，构建所述机器人运行地图。
在一实施例中，根据所述机器人的构图横坐标、构图纵坐标和构图竖坐标，构建所述机器人运行地图，包括：
根据所述导航方向角度θ和构图扫描雷达中的x轴横坐标，计算所述机器人的横坐标偏移量；所述机器人的横坐标偏移量的算法公式为：
xr＝x2*cosθ-x2*sinθ
其中，xr为所述机器人的横坐标偏移量；
根据所述导航方向角度θ和构图扫描雷达中的y轴纵坐标，计算所述机器人的纵坐标偏移量；所述机器人的纵坐标偏移量的算法公式为：
yr＝y2*cosθ+y2*sinθ
其中，yr为所述机器人的纵坐标偏移量；
根据所述导航方向角度θ和构图扫描雷达中的z轴竖坐标，计算所述机器人的竖坐标偏移量；所述机器人的竖坐标偏移量的算法公式为：
zr＝z2*cosθ2-z2*sinθ2
其中，zr为所述机器人的竖坐标偏移量；
根据所述机器人的构图横坐标和横坐标偏移量，计算最终构图横坐标xb，根据所述机器人的构图纵坐标和纵坐标偏移量，计算最终构图纵坐标yb，根据所述机器人的构图竖坐标和竖坐标偏移量，计算最终构图竖坐标zb；
xb＝xa+xr
yb＝ya+yr
zb＝za+zr
基于所述最终构图横坐标、所述最终构图纵坐标和所述最终构图竖坐标，构建出所述机器人运行地图。
在一实施例中，所述基于机器人的构图定位方法还包括：
获取所述机器人在运行过程中每一个目标区域的区域环境信息；所述区域环境信息可以表示为EI＝<EIID,Area,Entity,Relation>；EI表示区域环境信息，EIID表示目标区域的区域标识，Area表示目标区域的有界区域，Entity表示目标区域的区域实体，Relation表示区域关联关系；所述有界区域Area可以表示为Area＝<AreaID,Name,Range>，AreaID表示有界区域的标识，Name表示有界区域的名称，Range表示的有界区域在所述机器人运行地图上对应的范围；目标区域的区域实体表示为Entity＝<EntityID,Name,Location>，EntityID表示实体标识，Name表示实体名称，Location表示实体位置；区域关联关系可以表示为Relation＝<RelationID,Relation_A,Relation_E,Relation_AE>，RelationID表示关联关系标识，Relation_A表示目标区域中各个有界区域之间的拓扑连通关系，Relation_E表示目标区域中各个实体之间的空间位置关系，Relation_AE表示目标区域中一个有界区域与一个实体之间的关联归属关系；
根据每一个目标区域的区域环境信息，确定每一个目标区域的区域场景；
将每一个目标区域及其区域场景进行关联绑定，得到绑定结果，并将每一个目标区域的绑定结果嵌入所述机器人运行地图。
在一实施例中，所述基于机器人的构图定位方法还包括：
以所述机器人的中心位置点为原点构建三维运行坐标系；
获取所述机器人的中心位置点在第一时刻的第一惯量值，以及所述第一时刻在三维运行坐标系中的X轴方向的第一X轴加速度、Y轴方向的第一Y轴加速度和Z轴方向的第一Z轴加速度；
获取所述机器人的中心位置点在第二时刻的第二惯量值，以及所述第二时刻在所述三维运行坐标系中的X轴方向的第二X轴加速度、Y轴方向的第二Y轴加速度和Z轴方向的第二Z轴加速度；
根据所述第一时刻的惯量值和所述第二惯量值计算惯量变化值，根据所述第一X轴加速度和所述第二X轴加速度，计算X轴加速度变化值，根据所述第一Y轴加速度和所述第二Y轴加速度，计算Y轴加速度变化值，根据所述第一Z轴加速度和所述第二Z轴加速度，计算Z轴加速度变化值；
若确定所述惯量变化值、所述X轴加速度变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均小于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为平坦地形，并将所述平坦地形以直线形式在所述机器人运行地图进行渲染；或，
若确定所述惯量变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均小于其设定值，且所述X轴加速度变化值大于或者等于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为阻碍地形，并将所述阻碍地形以点线形式在所述机器人运行地图进行渲染；或，
若确定所述惯量变化值小于其设定值，且所述X轴加速度变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均大于或者等于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为凹陷地形，并将所述凹陷地形以粗线形式在所述机器人运行地图进行渲染；或，
若确定所述惯量变化值、所述X轴加速度变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均大于或者等于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为凸起地形，并将所述凸起地形以虚线形式在所述机器人运行地图进行渲染；
所述第一时刻和所述第二时刻为相邻的两个时刻。
第三方面，本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现第二方面所述基于机器人的构图定位方法。
第四方面，本申请还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括计算机程序，所述计算机程序被所述处理器执行时实现第二方面所述基于机器人的构图定位方法。
第五方面，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被所述处理器执行时实现第二方面所述基于机器人的构图定位方法。
本申请提供的基于机器人的构图定位装置及其方法，该装置包括数据获取单元、初始位姿估计单元、最终位姿估计单元、地图构建单元、导航方向标识单元、场景关联绑定单元、地图渲染单元和机器人控制中心；数据获取单元、初始位姿估计单元和最终位姿估计单元组成定位单元；机器人控制中心分别与数据获取单元、初始位姿估计单元、最终位姿估计单元、地图构建单元、导航方向标识单元、场景关联绑定单元和地图渲染单元连接。
本申请提供的基于机器人的构图定位装置实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例或现有技术描述中所需使用的附图作一简单地介绍，显而易见地，下面描述中的附图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他的附图。
图1是本申请提供的基于机器人的构图定位装置的结构示意图；
图2是本申请提供的基于机器人的构图定位方法的流程示意图；
图3是本申请提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供了一种基于机器人的构图定位装置的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些数据下，可以以不同于此处的顺序完成所示出或描述的步骤。
参照图1，图1是本申请提供的基于机器人的构图定位装置的结构示意图。本申请实施例提供的基于机器人的构图定位装置包括数据获取单元、初始位姿估计单元、最终位姿估计单元、地图构建单元、导航方向标识单元、场景关联绑定单元、地图渲染单元和机器人控制中心；数据获取单元、初始位姿估计单元和最终位姿估计单元组成定位单元；机器人控制中心分别与数据获取单元、初始位姿估计单元、最终位姿估计单元、地图构建单元、导航方向标识单元、场景关联绑定单元和地图渲染单元连接，对所有单元进行控制。
在一实施例中，数据获取单元基于机器人的底盘测速仪的行驶速度，获取机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量，其中，第一时刻和第二时刻相邻时刻。
在一实施例中，初始位姿估计单元基于机器人在第一时刻的行驶速度的第一线速度、在第一时刻的行驶速度的第二线速度和在第一时刻的最终位姿信息，确定机器人在第二时刻的初始位姿信息。
在一实施例中，最终位姿估计单元基于机器人在第二时刻的速度波动量及机器人在第二时刻的线速度变化量，以机器人在第二时刻的位姿为目标进行非线性最小二乘优化问题求解，对机器人在第二时刻的初始位姿信息进行优化，确定机器人在第二时刻的最终位姿信息。
在一实施例中，地图构建单元根据最终位姿信息构建机器人运行地图。在一实施例中，导航方向标识单元根据导航方向角度并以机器人的中心位置点为原点为基础在导航方向二维坐标系中生成导航方向标识，并将导航方向标识显示在机器人运行地图中。
在一实施例中，场景关联绑定单元将每一个目标区域及其区域场景进行关联绑定，并将每一个目标区域的绑定结果嵌入机器人运行地图。
在一实施例中，地图渲染单元以不同线条形式对地形在机器人运行地图进行渲染。
本申请实施例提供的基于机器人的构图定位装置包括数据获取单元、初始位姿估计单元、最终位姿估计单元、地图构建单元、导航方向标识单元、场景关联绑定单元、地图渲染单元和机器人控制中心；数据获取单元、初始位姿估计单元和最终位姿估计单元组成定位单元；机器人控制中心分别与数据获取单元、初始位姿估计单元、最终位姿估计单元、地图构建单元、导航方向标识单元、场景关联绑定单元和地图渲染单元连接。本申请提供的基于机器人的构图定位装置实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
参照图2，图2是本申请提供的基于机器人的构图定位方法的流程示意图。本申请实施例提供的基于机器人的构图定位方法包括：
步骤201，基于机器人的底盘测速仪的行驶速度，获取所述机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量；
步骤202，基于所述机器人在所述第一时刻的第一线速度、在所述第一时刻的行驶速度的第二线速度和在所述第一时刻的最终位姿信息，确定所述机器人在所述第二时刻的初始位姿信息；
步骤203，基于所述机器人在所述第二时刻的速度波动量以及所述机器人在所述第二时刻的线速度变化量，以所述机器人在所述第二时刻的位姿为目标，对所述机器人在所述第二时刻的初始位姿信息进行优化，确定所述机器人在所述第二时刻的最终位姿信息；
步骤204，根据所述第二时刻的最终位姿信息构建机器人运行地图。
需要说明的是，机器人的底盘测速仪可以为一种多普勒测速仪，因此，机器人的底盘测速仪可以通过发射声波信号并测量目标从底部反射回来时的多普勒频移来获得目标在X-Y-Z方向的线速度。在机器人位姿估计的过程中，机器人在某一时刻的速度可以用平移方向上的速度和偏转方向上的速度来表示。行驶速度的第一线速度可以用于表示机器人在平移方向上的速度。第二时刻可以用于表示当前时刻，第一时刻可以用于表示当前时刻的上一时刻。速度波动量可以用于表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移测量值与推导值之间的误差。
具体地，构图定位装置获取机器人的底盘测速仪的行驶速度，并根据机器人的底盘测速仪的行驶速度，获取机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量，第一时刻和第二时刻相邻时刻。
可选的，构图定位装置根据机器人在第一时刻的行驶速度的第一线速度、在第一时刻的行驶速度的第二线速度和在第一时刻的最终位姿信息，确定机器人在第二时刻的初始位姿信息。
可选的，构图定位装置根据机器人在第二时刻的速度波动量以及机器人在第二时刻的线速度变化量，以机器人在第二时刻的位姿为目标，进行非线性最小二乘优化问题求解，对机器人在第二时刻的初始位姿信息进行优化，确定机器人在第二时刻的最终位姿信息。可选的，构图定位装置根据最终位姿信息构建出机器人运行地图。
本申请实施例基于机器人的底盘测速仪的行驶速度，获取机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量；基于机器人在第一时刻的行驶速度的第一线速度、在第一时刻的行驶速度的第二线速度和在第一时刻的最终位姿信息，确定机器人在第二时刻的初始位姿信息；基于机器人在第二时刻的速度波动量以及机器人在第二时刻的线速度变化量，以机器人在第二时刻的位姿为目标，进行非线性最小二乘优化问题求解，对机器人在第二时刻的初始位姿信息进行优化，确定机器人在第二时刻的最终位姿信息；根据最终位姿信息构建机器人运行地图，实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
基于上述实施例，基于机器人的底盘测速仪的行驶速度，获取所述机器人在第一时刻的行驶速度的第一线速度，包括：
基于所述机器人在所述第一时刻的行驶速度的第二线速度与所述机器人从激光坐标系变换到底盘测速仪坐标系的旋转分量进行计算，得到第一计算结果；所述第一计算结果S1的算法公式为：
S1＝(K1+K2)*max{(0.5K1-K2)2,(K1-0.5K2)2}
K1表示机器人在第一时刻的行驶速度的第二线速度，K2表示机器人从激光坐标系变换到底盘测速仪坐标系的旋转分量；
根据所述机器人从所述底盘测速仪坐标系变换到所述激光坐标系的平移分量与所述底盘测速仪在所述第一时刻与所述第二时刻之间在所述底盘测速仪坐标系中的位移进行计算，得到第二计算结果；所述第二计算结果S2的算法公式为：
其中，R1表示机器人从底盘测速仪坐标系变换到激光坐标系的平移分量，R2表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移，e为常规常数；
根据所述机器人从所述激光坐标系变换到所述底盘测速仪坐标系的平移分量、所述第一计算结果和所述第二计算结果，获取所述机器人在所述第一时刻的第一线速度；所述机器人在所述第一时刻的第一线速度的算法公式为：
V＝(S1-A)*(S2-A)+A2
V表示机器人在第一时刻的行驶速度的第一线速度，A表示机器人从激光坐标系变换到底盘测速仪坐标系的平移分量。
具体地，构图定位装置根据基于所述机器人在第一时刻的行驶速度的第二线速度与所述机器人从激光坐标系变换到底盘测速仪坐标系的旋转分量进行计算，得到第一计算结果，其中，第一计算结果S1的算法公式为：
S1＝(K1+K2)*max{(0.5K1-K2)2,(K1-0.5K2)2}
K1表示所述机器人在第一时刻的行驶速度的第二线速度，K2表示所述机器人从激光坐标系变换到底盘测速仪坐标系的旋转分量；
可选的，构图定位装置根据机器人从底盘测速仪坐标系变换到激光坐标系的平移分量与机器人的底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移进行计算，得到第二计算结果，其中，第二计算结果S2的算法公式为：
其中，R1表示机器人从底盘测速仪坐标系变换到激光坐标系的平移分量，R2表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移，e为常规常数；
可选的，构图定位装置根据机器人从激光坐标系变换到底盘测速仪坐标系的平移分量、第一计算结果和第二计算结果，获取机器人在第一时刻的第一线速度，其中，机器人在第一时刻的第一线速度的算法公式为：
V＝(S1-A)*(S2-A)+A2
V表示机器人在第一时刻的行驶速度的第一线速度，A表示机器人从激光坐标系变换到底盘测速仪坐标系的平移分量。
本申请实施例实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
基于上述实施例，基于机器人的底盘测速仪的行驶速度，获取所述机器人在第二时刻的速度波动量，包括：
基于所述机器人的底盘测速仪在所述第一时刻与所述第二时刻之间在底盘测速仪坐标系中的位移以及所述机器人从底盘测速仪坐标系变换到激光坐标系的平移分量进行计算，得到第三计算结果；所述第三计算结果S3的算法公式为：
S3＝R2-R1-min{(R22-0.5R12),(0.5R22-R12)}
其中，R1表示所述机器人从底盘测速仪坐标系变换到激光坐标系的平移分量，R2表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移；
根据所述机器人在所述第一时刻的旋转分量、所述机器人在所述第二时刻相对于所述激光坐标系的旋转分量、所述机器人从所述激光坐标系变换到所述底盘测速仪坐标系的平移分量、所述机器人在所述第二时刻相对于所述激光坐标系的平移分量、所述机器人在所述第一时刻的平移分量、所述机器人从所述底盘测速仪坐标系变换到所述激光坐标系的平移分量进行计算，得到第四计算结果；所述第四计算结果S4的算法公式为：
S4＝A*[B4*(B2*A+B3)+B1]
B1表示所述机器人在第一时刻的旋转分量，B2表示所述机器人在第二时刻相对于激光坐标系的旋转分量，A表示所述机器人从激光坐标系变换到底盘测速仪坐标系的平移分量，B3表示所述机器人在第二时刻相对于激光坐标系的平移分量，B4表示所述机器人在第一时刻的平移分量；
根据所述机器人从激光坐标系变换到所述底盘测速仪坐标系的旋转分量、所述第三计算结果和第四计算结果，获取所述机器人在所述第二时刻的速度波动量；所述机器人在所述第二时刻的速度波动量的算法公式为：
E＝S3-S4+0.5*max{(S32-0.5S42),(0.5S32-S42)}
其中，E表示所述机器人在第二时刻的速度波动量。
具体地，构图定位装置基于机器人的底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移以及机器人从底盘测速仪坐标系变换到激光坐标系的平移分量进行计算，得到第三计算结果，其中，第三计算结果S3的算法公式为：
S3＝R2-R1-min{(R22-0.5R12),(0.5R22-R12)}
其中，R1表示机器人从底盘测速仪坐标系变换到激光坐标系的平移分量，R2表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移；
可选的，构图定位装置根据机器人在第一时刻的旋转分量、机器人在第二时刻相对于激光坐标系的旋转分量、机器人从激光坐标系变换到底盘测速仪坐标系的平移分量、机器人在第二时刻相对于激光坐标系的平移分量、机器人在第一时刻的平移分量、机器人从底盘测速仪坐标系变换到激光坐标系的平移分量进行计算，得到第四计算结果，其中，第四计算结果S4的算法公式为：
S4＝A*[B4*(B2*A+B3)+B1]
B1表示机器人在第一时刻的旋转分量，B2表示机器人在第二时刻相对于激光坐标系的旋转分量，A表示机器人从激光坐标系变换到底盘测速仪坐标系的平移分量，B3表示机器人在第二时刻相对于激光坐标系的平移分量，B4表示机器人在第一时刻的平移分量；
可选的，构图定位装置根据机器人从激光坐标系变换到底盘测速仪坐标系的旋转分量、第三计算结果和第四计算结果，获取机器人在第二时刻的速度波动量，其中，机器人在第二时刻的速度波动量的算法公式为：
E＝S3-S4+0.5*max{((S32-0.5S42),(0.5S32-S42))}
其中，E表示机器人在第二时刻的速度波动量。
本申请实施例实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
基于上述实施例，基于机器人的构图定位方法还包括：
获取所述机器人的实时姿态数据；所述实时姿态数据包括左侧实时滚动角度R1和右侧实时滚动角度R2；
获取所述机器人的实时速度；所述实时速度包括中心实时速度K、左侧实时速度V1和右侧实时速度V2；
根据所述机器人的左侧实时滚动角度R1、所述中心实时速度K和所述左侧实时速度V1，计算左侧实时偏移姿态角P1；所述左侧实时偏移姿态角P1计算算法为：
根据所述机器人的右侧实时滚动角度R2、所述中心实时速度K和所述右侧实时速度V2，计算右侧实时偏移姿态角P2；所述右侧实时偏移姿态角P2计算算法为
基于所述机器人的左侧实时偏移姿态角P1和所述右侧实时偏移姿态角P2，计算导航方向角度θ；所述导航方向角度θ的计算算法为：
以所述机器人的中心位置点为原点构建导航方向二维坐标系；
根据所述导航方向角度并以所述原点为基础在所述导航方向二维坐标系中生成导航方向标识，并将所述导航方向标识显示在所述机器人运行地图中。
具体地，构图定位装置获取机器人的实时姿态数据，其中，实时姿态数据包括左侧实时滚动角度R1和右侧实时滚动角度R2。
可选的，构图定位装置获取机器人的实时速度；实时速度包括中心实时速度K、左侧实时速度V1和右侧实时速度V2；
可选的，构图定位装置根据左侧实时滚动角度R1、中心实时速度K和左侧实时速度V1，计算左侧实时偏移姿态角P1，其中，左侧实时偏移姿态角P1计算算法为：
可选的，构图定位装置根据右侧实时滚动角度R2、中心实时速度K和右侧实时速度V2，计算右侧实时偏移姿态角P2，其中，右侧实时偏移姿态角P2计算算法为
可选的，构图定位装置根据左侧实时偏移姿态角P1和右侧实时偏移姿态角P2，计算导航方向角度θ，其中，导航方向角度θ的计算算法为：
可选的，构图定位装置以所述机器人的中心位置点为原点构建导航方向二维坐标系。可选的，构图定位装置根据导航方向角度并以原点为基础在导航方向二维坐标系中生成导航方向标识，并将导航方向标识显示在机器人运行地图中。
本申请实施例实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
基于上述实施例，根据最终位姿信息构建机器人运行地图，包括：
获取所述最终位姿信息中x轴方向的横坐标和x轴方向速度、y轴方向的纵坐标和y轴方向速度以及z轴方向的竖坐标和z轴方向速度，以及获取所述机器人中构图扫描雷达的位置坐标；
根据最终位姿信息中x轴方向的横坐标和x轴方向速度以及构图扫描雷达中的x轴横坐标，计算所述机器人的构图横坐标；所述机器人的构图横坐标的算法公式为：
其中，xa为所述机器人的构图横坐标，x1为最终位姿信息中x轴方向的横坐标，x2为构图扫描雷达中的x轴横坐标，vx1为最终位姿信息中x轴方向速度，vx2为所述机器人的当前x轴方向速度；
根据最终位姿信息中y轴方向的纵坐标和y轴方向速度以及构图扫描雷达中的y轴纵坐标，计算所述机器人的构图纵坐标；所述机器人的构图纵坐标的算法公式为：
其中，ya为所述机器人的构图横坐标，y1为最终位姿信息中y轴方向的纵坐标，y2为构图扫描雷达中的y轴纵坐标，vy1为最终位姿信息中y轴方向速度，vy2为所述机器人的当前y轴方向速度；
根据最终位姿信息中z轴方向的竖坐标和z轴方向速度以及构图扫描雷达中的z轴竖坐标，计算所述机器人的构图竖坐标；所述机器人的构图竖坐标的算法公式为：
其中，za为所述机器人的构图横坐标，z1为最终位姿信息中z轴方向的竖坐标，z2为构图扫描雷达中的z轴竖坐标，vz1为最终位姿信息中z轴竖坐标，vz2为所述机器人的当前z轴方向速度；
根据所述机器人的构图横坐标、构图纵坐标和构图竖坐标，构建所述机器人运行地图。
具体地，构图定位装置获取最终位姿信息中x轴方向的横坐标和x轴方向速度、y轴方向的纵坐标和y轴方向速度以及z轴方向的竖坐标和z轴方向速度，以及获取机器人中构图扫描雷达的位置坐标。
可选的，构图定位装置根据最终位姿信息中x轴方向的横坐标和x轴方向速度以及构图扫描雷达中的x轴横坐标，计算机器人的构图横坐标，其中，机器人的构图横坐标的算法公式为：
其中，xa为机器人的构图横坐标，x1为最终位姿信息中x轴方向的横坐标，x2为构图扫描雷达中的x轴横坐标，vx1为最终位姿信息中x轴方向速度，vx2为所述机器人的当前x轴方向速度；
可选的，构图定位装置根据最终位姿信息中y轴方向的纵坐标和y轴方向速度以及构图扫描雷达中的y轴纵坐标，计算机器人的构图纵坐标，其中，机器人的构图横坐标的算法公式为：
其中，ya为机器人的构图纵坐标，y1为最终位姿信息中y轴方向的纵坐标，y2为构图扫描雷达中的y轴纵坐标，vy1为最终位姿信息中y轴方向速度，vy2为机器人的当前y轴方向速度；
可选的，构图定位装置根据最终位姿信息中z轴方向的竖坐标和z轴方向速度以及构图扫描雷达中的z轴竖坐标，计算机器人的构图竖坐标，其中，机器人的构图横坐标的算法公式为：
其中，za为机器人的构图竖坐标，z1为最终位姿信息中z轴方向的竖坐标，z2为构图扫描雷达中的z轴竖坐标，vz1为最终位姿信息中z轴竖坐标，vz2为机器人的当前z轴方向速度；
可选的，构图定位装置根据机器人的构图横坐标、构图纵坐标和构图竖坐标，构建机器人运行地图。
本申请实施例实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
基于上述实施例，根据所述机器人的构图横坐标、构图纵坐标和构图竖坐标，构建所述机器人运行地图，包括：
根据所述导航方向角度θ和构图扫描雷达中的x轴横坐标，计算所述机器人的横坐标偏移量；所述机器人的横坐标偏移量的算法公式为：
xr＝x2*cosθ-x2*sinθ
其中，xr为所述机器人的横坐标偏移量；
根据所述导航方向角度θ和构图扫描雷达中的y轴纵坐标，计算所述机器人的纵坐标偏移量；所述机器人的纵坐标偏移量的算法公式为：
yr＝y2*cosθ+y2*sinθ
其中，yr为所述机器人的纵坐标偏移量；
根据所述导航方向角度θ和构图扫描雷达中的z轴竖坐标，计算所述机器人的竖坐标偏移量；所述机器人的竖坐标偏移量的算法公式为：
zr＝z2*cosθ2-z2*sinθ2
其中，zr为所述机器人的竖坐标偏移量；
根据所述机器人的构图横坐标和横坐标偏移量，计算最终构图横坐标xb，根据所述机器人的构图纵坐标和纵坐标偏移量，计算最终构图纵坐标yb，根据所述机器人的构图竖坐标和竖坐标偏移量，计算最终构图竖坐标zb；
xb＝xa+xr
yb＝ya+yr
zb＝za+zr
基于所述最终构图横坐标、所述最终构图纵坐标和所述最终构图竖坐标，构建所述机器人运行地图。
具体地，构图定位装置根据导航方向角度θ和构图扫描雷达中的x轴横坐标，计算所述机器人的横坐标偏移量，其中，机器人的横坐标偏移量的算法公式为：
xr＝x2*cosθ-x2*sinθ
其中，xr为机器人的横坐标偏移量；
可选的，构图定位装置根据导航方向角度θ和构图扫描雷达中的y轴纵坐标，计算机器人的纵坐标偏移量，其中，机器人的纵坐标偏移量的算法公式为：
yr＝y2*cosθ+y2*sinθ
其中，yr为机器人的纵坐标偏移量；
可选的，构图定位装置根据导航方向角度θ和构图扫描雷达中的z轴竖坐标，计算机器人的竖坐标偏移量，其中，机器人的竖坐标偏移量的算法公式为：
zr＝z2*cosθ2-z2*sinθ2
其中，zr为机器人的竖坐标偏移量；
可选的，构图定位装置根据机器人的构图横坐标和横坐标偏移量，计算最终构图横坐标xb，根据机器人的构图纵坐标和纵坐标偏移量，计算最终构图纵坐标yb，根据机器人的构图竖坐标和竖坐标偏移量，计算最终构图竖坐标zb；
xb＝xa+xr
yb＝ya+yr
zb＝za+zr
可选的，构图定位装置根据最终构图横坐标、最终构图纵坐标和最终构图竖坐标，构建机器人运行地图。
本申请实施例实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
基于上述实施例，基于机器人的构图定位方法还包括：
获取所述机器人在运行过程中每一个目标区域的区域环境信息；所述区域环境信息可以表示为EI＝<EIID,Area,Entity,Relation>；EI表示区域环境信息，EIID表示目标区域的区域标识，Area表示目标区域的有界区域，Entity表示目标区域的区域实体，Relation表示区域关联关系；所述有界区域Area可以表示为Area＝<AreaID,Name,Range>，AreaID表示有界区域的标识，Name表示有界区域的名称，Range表示的有界区域在所述机器人运行地图上对应的范围；目标区域的区域实体表示为Entity＝<EntityID,Name,Location>，EntityID表示实体标识，Name表示实体名称，Location表示实体位置；区域关联关系可以表示为Relation＝<RelationID,Relation_A,Relation_E,Relation_AE>，RelationID表示关联关系标识，Relation_A表示目标区域中各个有界区域之间的拓扑连通关系，Relation_E表示目标区域中各个实体之间的空间位置关系，Relation_AE表示目标区域中一个有界区域与一个实体之间的关联归属关系；
根据每一个目标区域的区域环境信息，确定每一个目标区域的区域场景；
将每一个目标区域及其区域场景进行关联绑定，得到绑定结果，并将每一个目标区域的绑定结果嵌入所述机器人运行地图。
具体地，构图定位装置获取机器人在运行过程中每一个目标区域的区域环境信息其中，区域环境信息可以表示为
EI＝<EIID,Area,Entity,Relation>
其中，EI表示区域环境信息，EIID表示目标区域的区域标识，Area表示目标区域的有界区域，Entity表示目标区域的区域实体，Relation表示区域关联关系。
有界区域Area可以表示为
Area＝<AreaID,Name,Range>，
其中，AreaID表示有界区域的标识，Name表示有界区域的名称，Range表示的有界区域在机器人运行地图上对应的范围。
目标区域的区域实体表示为
Entity＝<EntityID,Name,Location>
其中，EntityID表示实体标识，Name表示实体名称，Location表示实体位置。
区域关联关系可以表示为
Relation＝<RelationID,Relation_A,Relation_E,Relation_AE>
其中，RelationID表示关联关系标识，Relation_A表示目标区域中各个有界区域之间的拓扑连通关系，Relation_E表示目标区域中各个实体之间的空间位置关系，Relation_AE表示目标区域中一个有界区域与一个实体之间的关联归属关系。
可选的，构图定位装置根据每一个目标区域的区域环境信息，确定每一个目标区域的区域场景。可选的，构图定位装置将每一个目标区域及其区域场景进行关联绑定，得到绑定结果，并将每一个目标区域的绑定结果嵌入机器人运行地图。
本申请实施例实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
基于上述实施例，基于机器人的构图定位方法还包括：
以所述机器人的中心位置点为原点构建三维运行坐标系；
获取所述机器人的中心位置点在第一时刻的第一惯量值，以及所述第一时刻在三维运行坐标系中的X轴方向的第一X轴加速度、Y轴方向的第一Y轴加速度和Z轴方向的第一Z轴加速度；
获取所述机器人的中心位置点在第二时刻的第二惯量值，以及所述第二时刻在所述三维运行坐标系中的X轴方向的第二X轴加速度、Y轴方向的第二Y轴加速度和Z轴方向的第二Z轴加速度；
根据所述第一时刻的惯量值和所述第二惯量值计算惯量变化值，根据所述第一X轴加速度和所述第二X轴加速度，计算X轴加速度变化值，根据所述第一Y轴加速度和所述第二Y轴加速度，计算Y轴加速度变化值，根据所述第一Z轴加速度和所述第二Z轴加速度，计算Z轴加速度变化值；
若确定所述惯量变化值、所述X轴加速度变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均小于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为平坦地形，并将所述平坦地形以直线形式在所述机器人运行地图进行渲染；或，
若确定所述惯量变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均小于其设定值，且所述X轴加速度变化值大于或者等于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为阻碍地形，并将所述阻碍地形以点线形式在所述机器人运行地图进行渲染；或，
若确定所述惯量变化值小于其设定值，且所述X轴加速度变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均大于或者等于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为凹陷地形，并将所述凹陷地形以粗线形式在所述机器人运行地图进行渲染；或，
若确定所述惯量变化值、所述X轴加速度变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均大于或者等于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为凸起地形，并将所述凸起地形以虚线形式在所述机器人运行地图进行渲染。
具体地，构图定位装置以所述机器人的中心位置点为原点构建三维运行坐标系。可选的，构图定位装置获取机器人的中心位置点在第一时刻的第一惯量值，以及第一时刻在三维运行坐标系中的X轴方向的第一X轴加速度、Y轴方向的第一Y轴加速度和Z轴方向的第一Z轴加速度。
可选的，构图定位装置获取机器人的中心位置点在第二时刻的第二惯量值，以及第二时刻在三维运行坐标系中的X轴方向的第二X轴加速度、Y轴方向的第二Y轴加速度和Z轴方向的第二Z轴加速度，其中，第一时刻和第二时刻为相邻的两个时刻。
可选的，构图定位装置根据第一时刻的惯量值和第二惯量值计算惯量变化值，根据第一X轴加速度和第二X轴加速度，计算X轴加速度变化值，根据第一Y轴加速度和第二Y轴加速度，计算Y轴加速度变化值，根据第一Z轴加速度和第二Z轴加速度，计算Z轴加速度变化值。在一实施例中，变化值为两者之间的差值。
若确定惯量变化值、X轴加速度变化值、Y轴加速度变化值和Z轴加速度变化值均小于其设定值，构图定位装置则确定第一时刻和第二时刻之间的地形为平坦地形，并将平坦地形以直线形式在机器人运行地图进行渲染，其中，设定值根据实际设定。
若确定惯量变化值、Y轴加速度变化值和Z轴加速度变化值均小于其设定值，且X轴加速度变化值大于或者等于其设定值，构图定位装置则确定第一时刻和第二时刻之间的地形为阻碍地形，并将阻碍地形以点线形式在机器人运行地图进行渲染。
若确定惯量变化值小于其设定值，且X轴加速度变化值、Y轴加速度变化值和Z轴加速度变化值均大于或者等于其设定值，构图定位装置则确定第一时刻和第二时刻之间的地形为凹陷地形，并将凹陷地形以粗线形式在机器人运行地图进行渲染；或，
若确定惯量变化值、X轴加速度变化值、Y轴加速度变化值和Z轴加速度变化值均大于或者等于其设定值，构图定位装置则确定第一时刻和第二时刻之间的地形为凸起地形，并将凸起地形以虚线形式在机器人运行地图进行渲染。
本申请实施例实现了准确地估计出移动机器人的定位，以及准确地构建出机器人运行地图。
参照图3，图3示例了一种电子设备的实体结构示意图，电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行基于机器人的构图定位方法，该方法包括：
基于机器人的底盘测速仪的行驶速度，获取机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量；第一时刻和所述第二时刻为相邻时刻；
基于所述机器人在所述第一时刻的第一线速度、在所述第一时刻的行驶速度的第二线速度和在所述第一时刻的最终位姿信息，确定所述机器人在所述第二时刻的初始位姿信息；
基于所述机器人在所述第二时刻的速度波动量以及所述机器人在所述第二时刻的线速度变化量，以所述机器人在所述第二时刻的位姿为目标，对所述机器人在所述第二时刻的初始位姿信息进行优化，确定所述机器人在所述第二时刻的最终位姿信息；
根据所述第二时刻的最终位姿信息构建出机器人运行地图。
此外，上述的存储器330中的逻辑指令可以通过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取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本申请还提供一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述基于机器人的构图定位方法，该方法包括：
基于机器人的底盘测速仪的行驶速度，获取所述机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量；所述第一时刻和所述第二时刻为相邻时刻；
基于所述机器人在所述第一时刻的第一线速度、在所述第一时刻的行驶速度的第二线速度和在所述第一时刻的最终位姿信息，确定所述机器人在所述第二时刻的初始位姿信息；
基于所述机器人在所述第二时刻的速度波动量以及所述机器人在所述第二时刻的线速度变化量，以所述机器人在所述第二时刻的位姿为目标，对所述机器人在所述第二时刻的初始位姿信息进行优化，确定所述机器人在所述第二时刻的最终位姿信息；
根据所述第二时刻的最终位姿信息构建机器人运行地图。
又一方面，本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的基于机器人的构图定位方法，该方法包括：
基于机器人的底盘测速仪的行驶速度，获取所述机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量；所述第一时刻和所述第二时刻为相邻时刻；
基于所述机器人在所述第一时刻的第一线速度、在所述第一时刻的行驶速度的第二线速度和在所述第一时刻的最终位姿信息，确定所述机器人在所述第二时刻的初始位姿信息；
基于所述机器人在所述第二时刻的速度波动量以及所述机器人在所述第二时刻的线速度变化量，以所述机器人在所述第二时刻的位姿为目标，对所述机器人在所述第二时刻的初始位姿信息进行优化，确定所述机器人在所述第二时刻的最终位姿信息；
根据所述第二时刻的最终位姿信息构建机器人运行地图。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上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。

Claims (8)

1.一种基于机器人的构图定位装置，其特征在于，包括数据获取单元、初始位姿估计单元、最终位姿估计单元、地图构建单元、导航方向标识单元、场景关联绑定单元、地图渲染单元和机器人控制中心；所述数据获取单元、所述初始位姿估计单元和所述最终位姿估计单元组成定位单元；所述机器人控制中心分别与所述数据获取单元、所述初始位姿估计单元、所述最终位姿估计单元、所述地图构建单元、所述导航方向标识单元、所述场景关联绑定单元和所述地图渲染单元连接，对所有单元进行控制；
所述数据获取单元用于：基于机器人的底盘测速仪的行驶速度，获取所述机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量；所述第一时刻和所述第二时刻为相邻时刻；
所述初始位姿估计单元用于：基于所述机器人在所述第一时刻的第一线速度、在所述第一时刻的行驶速度的第二线速度和在所述第一时刻的最终位姿信息，确定所述机器人在所述第二时刻的初始位姿信息；机器人在某一时刻的速度用平移方向上的速度和偏转方向上的速度来表示，所述第一线速度用于表示机器人在平移方向上的速度；
所述最终位姿估计单元用于：基于所述机器人在所述第二时刻的速度波动量以及所述机器人在所述第二时刻的线速度变化量，以所述机器人在所述第二时刻的位姿为目标，对所述机器人在所述第二时刻的初始位姿信息进行优化，确定所述机器人在所述第二时刻的最终位姿信息，具体为：根据机器人在第二时刻的速度波动量以及机器人在第二时刻的线速度变化量，以机器人在第二时刻的位姿为目标，进行非线性最小二乘优化问题求解，对机器人在第二时刻的初始位姿信息进行优化，确定机器人在第二时刻的最终位姿信息；速度波动量用于表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移测量值与推导值之间的误差；
所述地图构建单元用于：根据所述第二时刻的最终位姿信息构建机器人运行地图；
其中，所述根据所述第二时刻的最终位姿信息构建机器人运行地图，包括：
获取所述最终位姿信息中x轴方向的横坐标和x轴方向速度、y轴方向的纵坐标和y轴方向速度以及z轴方向的竖坐标和z轴方向速度，以及获取所述机器人中构图扫描雷达的位置坐标；
根据最终位姿信息中x轴方向的横坐标和x轴方向速度以及构图扫描雷达中的x轴横坐标，计算所述机器人的构图横坐标；所述机器人的构图横坐标的算法公式为：
其中，xa为所述机器人的构图横坐标，x1为最终位姿信息中x轴方向的横坐标，x2为构图扫描雷达中的x轴横坐标，vx1为最终位姿信息中x轴方向速度，vx2为所述机器人的当前x轴方向速度；
根据最终位姿信息中y轴方向的纵坐标和y轴方向速度以及构图扫描雷达中的y轴纵坐标，计算所述机器人的构图纵坐标；所述机器人的构图纵坐标的算法公式为：
其中，ya为所述机器人的构图纵坐标，y1为最终位姿信息中y轴方向的纵坐标，y2为构图扫描雷达中的y轴纵坐标，vy1为最终位姿信息中y轴方向速度，vy2为所述机器人的当前y轴方向速度；
根据最终位姿信息中z轴方向的竖坐标和z轴方向速度以及构图扫描雷达中的z轴竖坐标，计算所述机器人的构图竖坐标；所述机器人的构图竖坐标的算法公式为：
其中，za为所述机器人的构图竖坐标，z1为最终位姿信息中z轴方向的竖坐标，z2为构图扫描雷达中的z轴竖坐标，vz1为最终位姿信息中z轴方向速度，vz2为所述机器人的当前z轴方向速度；
根据所述机器人的构图横坐标、构图纵坐标和构图竖坐标，构建所述机器人运行地图；
根据所述机器人的构图横坐标、构图纵坐标和构图竖坐标，构建所述机器人运行地图，包括：
根据导航方向角度θ和构图扫描雷达中的x轴横坐标，计算所述机器人的横坐标偏移量；所述机器人的横坐标偏移量的算法公式为：
xr＝x2*cosθ-x2*sinθ
其中，xr为所述机器人的横坐标偏移量；
根据所述导航方向角度θ和构图扫描雷达中的y轴纵坐标，计算所述机器人的纵坐标偏移量；所述机器人的纵坐标偏移量的算法公式为：
yr＝y2*cosθ+y2*sinθ
其中，yr为所述机器人的纵坐标偏移量；
根据所述导航方向角度θ和构图扫描雷达中的z轴竖坐标，计算所述机器人的竖坐标偏移量；所述机器人的竖坐标偏移量的算法公式为：
zr＝z2*cosθ2-z2*sinθ2
其中，zr为所述机器人的竖坐标偏移量；
根据所述机器人的构图横坐标和横坐标偏移量，计算最终构图横坐标xb，根据所述机器人的构图纵坐标和纵坐标偏移量，计算最终构图纵坐标yb，根据所述机器人的构图竖坐标和竖坐标偏移量，计算最终构图竖坐标zb；
xb＝xa+xr
yb＝ya+yr
zb＝za+zr
基于所述最终构图横坐标、所述最终构图纵坐标和所述最终构图竖坐标，构建出所述机器人运行地图；
所述导航方向标识单元用于：根据导航方向角度并以所述机器人的中心位置点为原点为基础在导航方向二维坐标系中生成导航方向标识，并将所述导航方向标识显示在所述机器人运行地图中；
所述场景关联绑定单元用于：将每一个目标区域及其区域场景进行关联绑定，并将每一个目标区域的绑定结果嵌入所述机器人运行地图；
所述地图渲染单元用于：以不同线条形式对地形在所述机器人运行地图进行渲染。
2.一种基于机器人的构图定位方法，其特征在于，包括：
基于机器人的底盘测速仪的行驶速度，获取所述机器人在第一时刻的行驶速度的第一线速度以及在第二时刻的速度波动量；所述第一时刻和所述第二时刻为相邻时刻；
基于所述机器人在所述第一时刻的第一线速度、在所述第一时刻的行驶速度的第二线速度和在所述第一时刻的最终位姿信息，确定所述机器人在所述第二时刻的初始位姿信息；机器人在某一时刻的速度用平移方向上的速度和偏转方向上的速度来表示，所述第一线速度用于表示机器人在平移方向上的速度；
基于所述机器人在所述第二时刻的速度波动量以及所述机器人在所述第二时刻的线速度变化量，以所述机器人在所述第二时刻的位姿为目标，对所述机器人在所述第二时刻的初始位姿信息进行优化，确定所述机器人在所述第二时刻的最终位姿信息，具体为：根据机器人在第二时刻的速度波动量以及机器人在第二时刻的线速度变化量，以机器人在第二时刻的位姿为目标，进行非线性最小二乘优化问题求解，对机器人在第二时刻的初始位姿信息进行优化，确定机器人在第二时刻的最终位姿信息；速度波动量用于表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移测量值与推导值之间的误差；
根据所述第二时刻的最终位姿信息构建机器人运行地图；
其中，所述根据所述第二时刻的最终位姿信息构建机器人运行地图，包括：
获取所述最终位姿信息中x轴方向的横坐标和x轴方向速度、y轴方向的纵坐标和y轴方向速度以及z轴方向的竖坐标和z轴方向速度，以及获取所述机器人中构图扫描雷达的位置坐标；
根据最终位姿信息中x轴方向的横坐标和x轴方向速度以及构图扫描雷达中的x轴横坐标，计算所述机器人的构图横坐标；所述机器人的构图横坐标的算法公式为：
其中，xa为所述机器人的构图横坐标，x1为最终位姿信息中x轴方向的横坐标，x2为构图扫描雷达中的x轴横坐标，vx1为最终位姿信息中x轴方向速度，vx2为所述机器人的当前x轴方向速度；
根据最终位姿信息中y轴方向的纵坐标和y轴方向速度以及构图扫描雷达中的y轴纵坐标，计算所述机器人的构图纵坐标；所述机器人的构图纵坐标的算法公式为：
其中，ya为所述机器人的构图纵坐标，y1为最终位姿信息中y轴方向的纵坐标，y2为构图扫描雷达中的y轴纵坐标，vy1为最终位姿信息中y轴方向速度，vy2为所述机器人的当前y轴方向速度；
根据最终位姿信息中z轴方向的竖坐标和z轴方向速度以及构图扫描雷达中的z轴竖坐标，计算所述机器人的构图竖坐标；所述机器人的构图竖坐标的算法公式为：
其中，za为所述机器人的构图竖坐标，z1为最终位姿信息中z轴方向的竖坐标，z2为构图扫描雷达中的z轴竖坐标，vz1为最终位姿信息中z轴方向速度，vz2为所述机器人的当前z轴方向速度；
根据所述机器人的构图横坐标、构图纵坐标和构图竖坐标，构建所述机器人运行地图；
根据所述机器人的构图横坐标、构图纵坐标和构图竖坐标，构建所述机器人运行地图，包括：
根据导航方向角度θ和构图扫描雷达中的x轴横坐标，计算所述机器人的横坐标偏移量；所述机器人的横坐标偏移量的算法公式为：
xr＝x2*cosθ-x2*sinθ
其中，xr为所述机器人的横坐标偏移量；
根据所述导航方向角度θ和构图扫描雷达中的y轴纵坐标，计算所述机器人的纵坐标偏移量；所述机器人的纵坐标偏移量的算法公式为：
yr＝y2*cosθ+y2*sinθ
其中，yr为所述机器人的纵坐标偏移量；
根据所述导航方向角度θ和构图扫描雷达中的z轴竖坐标，计算所述机器人的竖坐标偏移量；所述机器人的竖坐标偏移量的算法公式为：
zr＝z2*cosθ2-z2*sinθ2
其中，zr为所述机器人的竖坐标偏移量；
根据所述机器人的构图横坐标和横坐标偏移量，计算最终构图横坐标xb，根据所述机器人的构图纵坐标和纵坐标偏移量，计算最终构图纵坐标yb，根据所述机器人的构图竖坐标和竖坐标偏移量，计算最终构图竖坐标zb；
xb＝xa+xr
yb＝ya+yr
zb＝za+zr
基于所述最终构图横坐标、所述最终构图纵坐标和所述最终构图竖坐标，构建出所述机器人运行地图。
3.根据权利要求2所述的基于机器人的构图定位方法，其特征在于，基于机器人的底盘测速仪的行驶速度，获取所述机器人在第一时刻的行驶速度的第一线速度，包括：
基于所述机器人在所述第一时刻的行驶速度的第二线速度与所述机器人从激光坐标系变换到底盘测速仪坐标系的旋转分量进行计算，得到第一计算结果；所述第一计算结果的算法公式为：
S1＝(K1+K2)*max{(0.5K1-K2)2,(K1-0.5K2)2}
其中，S1表示第一计算结果，K1表示所述机器人在第一时刻的行驶速度的第二线速度，K2表示所述机器人从激光坐标系变换到底盘测速仪坐标系的旋转分量；
根据所述机器人从所述底盘测速仪坐标系变换到所述激光坐标系的平移分量与所述底盘测速仪在所述第一时刻与所述第二时刻之间在所述底盘测速仪坐标系中的位移进行计算，得到第二计算结果；所述第二计算结果S2的算法公式为：
其中，R1表示所述机器人从底盘测速仪坐标系变换到激光坐标系的平移分量，R2表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移，e为常规常数；
根据所述机器人从所述激光坐标系变换到所述底盘测速仪坐标系的平移分量、所述第一计算结果和所述第二计算结果，获取所述机器人在所述第一时刻的第一线速度；所述机器人在所述第一时刻的第一线速度的算法公式为：
V＝(S1-A)*(S2-A)+A2
V表示所述机器人在第一时刻的行驶速度的第一线速度，A表示所述机器人从激光坐标系变换到底盘测速仪坐标系的平移分量。
4.根据权利要求2所述的基于机器人的构图定位方法，其特征在于，基于机器人的底盘测速仪的行驶速度，获取所述机器人在第二时刻的速度波动量，包括：
基于所述机器人的底盘测速仪在所述第一时刻与所述第二时刻之间在底盘测速仪坐标系中的位移以及所述机器人从底盘测速仪坐标系变换到激光坐标系的平移分量进行计算，得到第三计算结果；所述第三计算结果S3的算法公式为：
S3＝R2-R1-min{(R22-0.5R12),(0.5R22-R12)}
其中，R1表示所述机器人从底盘测速仪坐标系变换到激光坐标系的平移分量，R2表示底盘测速仪在第一时刻与第二时刻之间在底盘测速仪坐标系中的位移；
根据所述机器人在所述第一时刻的旋转分量、所述机器人在所述第二时刻相对于所述激光坐标系的旋转分量、所述机器人从所述激光坐标系变换到所述底盘测速仪坐标系的平移分量、所述机器人在所述第二时刻相对于所述激光坐标系的平移分量、所述机器人在所述第一时刻的平移分量、所述机器人从所述底盘测速仪坐标系变换到所述激光坐标系的平移分量进行计算，得到第四计算结果；所述第四计算结果S4的算法公式为：
S4＝A*[B4*(B2*A+B3)+B1]
B1表示所述机器人在第一时刻的旋转分量，B2表示所述机器人在第二时刻相对于激光坐标系的旋转分量，A表示所述机器人从激光坐标系变换到底盘测速仪坐标系的平移分量，B3表示所述机器人在第二时刻相对于激光坐标系的平移分量，B4表示所述机器人在第一时刻的平移分量；
根据所述机器人从激光坐标系变换到所述底盘测速仪坐标系的旋转分量、所述第三计算结果和第四计算结果，获取所述机器人在所述第二时刻的速度波动量；所述机器人在所述第二时刻的速度波动量的算法公式为：
E＝S3-S4+0.5*max{(S32-0.5S42),(0.5S32-S42)}
其中，E表示所述机器人在第二时刻的速度波动量。
5.根据权利要求2所述的基于机器人的构图定位方法，其特征在于，所述基于机器人的构图定位方法还包括：
获取所述机器人的实时姿态数据；所述实时姿态数据包括左侧实时滚动角度R1和右侧实时滚动角度R2；
获取所述机器人的实时速度；所述实时速度包括中心实时速度K、左侧实时速度V1和右侧实时速度V2；
根据所述机器人的左侧实时滚动角度R1、所述中心实时速度K和所述左侧实时速度V1，计算左侧实时偏移姿态角P1；所述左侧实时偏移姿态角P1计算算法为：
根据所述机器人的右侧实时滚动角度R2、所述中心实时速度K和所述右侧实时速度V2，计算右侧实时偏移姿态角P2；所述右侧实时偏移姿态角P2计算算法为
基于所述机器人的左侧实时偏移姿态角P1和右侧实时偏移姿态角P2，计算导航方向角度θ；所述导航方向角度θ的计算算法为：
以所述机器人的中心位置点为原点构建导航方向二维坐标系；
根据所述导航方向角度并以所述原点为基础在所述导航方向二维坐标系中生成导航方向标识，并将所述导航方向标识显示在所述机器人运行地图中。
6.根据权利要求2所述的基于机器人的构图定位方法，其特征在于，所述基于机器人的构图定位方法还包括：
获取所述机器人在运行过程中每一个目标区域的区域环境信息；所述区域环境信息可以表示为EI＝<EIID,Area,Entity,Relation>；EI表示区域环境信息，EIID表示目标区域的区域标识，Area表示目标区域的有界区域，Entity表示目标区域的区域实体，Relation表示区域关联关系；所述有界区域Area可以表示为Area＝<AreaID,Name,Range>，AreaID表示有界区域的标识，Name表示有界区域的名称，Range表示的有界区域在所述机器人运行地图上对应的范围；目标区域的区域实体表示为Entity＝<EntityID,Name,Location>，EntityID表示实体标识，Name表示实体名称，Location表示实体位置；区域关联关系可以表示为Relation＝<RelationID,Relation_A,Relation_E,Relation_AE>，RelationID表示关联关系标识，Relation_A表示目标区域中各个有界区域之间的拓扑连通关系，Relation_E表示目标区域中各个实体之间的空间位置关系，Relation_AE表示目标区域中一个有界区域与一个实体之间的关联归属关系；
根据每一个目标区域的区域环境信息，确定每一个目标区域的区域场景；
将每一个目标区域及其区域场景进行关联绑定，得到绑定结果，并将每一个目标区域的绑定结果嵌入所述机器人运行地图。
7.根据权利要求2所述的基于机器人的构图定位方法，其特征在于，基于所述机器人的构图定位方法还包括：
以所述机器人的中心位置点为原点构建三维运行坐标系；
获取所述机器人的中心位置点在第一时刻的第一惯量值，以及所述第一时刻在三维运行坐标系中的X轴方向的第一X轴加速度、Y轴方向的第一Y轴加速度和Z轴方向的第一Z轴加速度；
获取所述机器人的中心位置点在第二时刻的第二惯量值，以及所述第二时刻在所述三维运行坐标系中的X轴方向的第二X轴加速度、Y轴方向的第二Y轴加速度和Z轴方向的第二Z轴加速度；
根据所述第一时刻的惯量值和所述第二惯量值计算惯量变化值，根据所述第一X轴加速度和所述第二X轴加速度，计算X轴加速度变化值，根据所述第一Y轴加速度和所述第二Y轴加速度，计算Y轴加速度变化值，根据所述第一Z轴加速度和所述第二Z轴加速度，计算Z轴加速度变化值；
若确定所述惯量变化值、所述X轴加速度变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均小于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为平坦地形，并将所述平坦地形以直线形式在所述机器人运行地图进行渲染；或，
若确定所述惯量变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均小于其设定值，且所述X轴加速度变化值大于或者等于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为阻碍地形，并将所述阻碍地形以点线形式在所述机器人运行地图进行渲染；或，
若确定所述惯量变化值小于其设定值，且所述X轴加速度变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均大于或者等于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为凹陷地形，并将所述凹陷地形以粗线形式在所述机器人运行地图进行渲染；或，
若确定所述惯量变化值、所述X轴加速度变化值、所述Y轴加速度变化值和所述Z轴加速度变化值均大于或者等于其设定值，则确定所述第一时刻和所述第二时刻之间的地形为凸起地形，并将所述凸起地形以虚线形式在所述机器人运行地图进行渲染；
所述第一时刻和所述第二时刻为相邻的两个时刻。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，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2至7任一项所述基于机器人的构图定位方法。
CN202311285119.3A 2023-09-28 2023-09-28 一种基于机器人的构图定位装置及其方法 Active CN117315175B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311285119.3A CN117315175B (zh) 2023-09-28 2023-09-28 一种基于机器人的构图定位装置及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311285119.3A CN117315175B (zh) 2023-09-28 2023-09-28 一种基于机器人的构图定位装置及其方法

Publications (2)

Publication Number Publication Date
CN117315175A CN117315175A (zh) 2023-12-29
CN117315175B true CN117315175B (zh) 2024-05-14

Family

ID=89284454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311285119.3A Active CN117315175B (zh) 2023-09-28 2023-09-28 一种基于机器人的构图定位装置及其方法

Country Status (1)

Country Link
CN (1) CN117315175B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018054080A1 (zh) * 2016-09-23 2018-03-29 深圳大学 一种机器人规划路径的更新方法及装置
CN109084732A (zh) * 2018-06-29 2018-12-25 北京旷视科技有限公司 定位与导航方法、装置及处理设备
CN111427393A (zh) * 2020-04-28 2020-07-17 水口山有色金属有限责任公司 一种基于滑差电机的恒线速度卷绕的控制系统
CN211603961U (zh) * 2020-04-28 2020-09-29 水口山有色金属有限责任公司 一种基于滑差电机的恒线速度卷绕的控制系统
CN112013841A (zh) * 2020-08-26 2020-12-01 南京工业大学 一种室内动态环境下的语义slam服务机器人导航方法
CN115218891A (zh) * 2022-09-01 2022-10-21 西华大学 一种移动机器人自主定位导航方法
WO2023274139A1 (zh) * 2021-06-28 2023-01-05 智甲科技(北京)有限公司 一种电子配件、智能穿戴用品及智能防护方法
CN116045973A (zh) * 2022-11-24 2023-05-02 中国科学院深圳先进技术研究院 一种机器人的定位方法、系统及应用
CN116626700A (zh) * 2023-05-19 2023-08-22 浙江华睿科技股份有限公司 一种机器人定位方法、装置、电子设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11940277B2 (en) * 2018-05-29 2024-03-26 Regents Of The University Of Minnesota Vision-aided inertial navigation system for ground vehicle localization

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018054080A1 (zh) * 2016-09-23 2018-03-29 深圳大学 一种机器人规划路径的更新方法及装置
CN109084732A (zh) * 2018-06-29 2018-12-25 北京旷视科技有限公司 定位与导航方法、装置及处理设备
CN111427393A (zh) * 2020-04-28 2020-07-17 水口山有色金属有限责任公司 一种基于滑差电机的恒线速度卷绕的控制系统
CN211603961U (zh) * 2020-04-28 2020-09-29 水口山有色金属有限责任公司 一种基于滑差电机的恒线速度卷绕的控制系统
CN112013841A (zh) * 2020-08-26 2020-12-01 南京工业大学 一种室内动态环境下的语义slam服务机器人导航方法
WO2023274139A1 (zh) * 2021-06-28 2023-01-05 智甲科技(北京)有限公司 一种电子配件、智能穿戴用品及智能防护方法
CN115218891A (zh) * 2022-09-01 2022-10-21 西华大学 一种移动机器人自主定位导航方法
CN116045973A (zh) * 2022-11-24 2023-05-02 中国科学院深圳先进技术研究院 一种机器人的定位方法、系统及应用
CN116626700A (zh) * 2023-05-19 2023-08-22 浙江华睿科技股份有限公司 一种机器人定位方法、装置、电子设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Highly Accurate Calibration Method for Terrestrial Laser Doppler Velocimeter;Chunfeng Gao 等;《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》;20170808;第1994-2003 *
多机器人协同导航技术综述;张辰;周乐来;李贻斌;;无人系统技术;20200315(第02期);全文 *
非同步的多普勒水声跟踪定位原理;殷冬梅, 蔡平, 惠俊英;应用声学;20010730(第04期);全文 *

Also Published As

Publication number Publication date
CN117315175A (zh) 2023-12-29

Similar Documents

Publication Publication Date Title
CN106441275A (zh) 一种机器人规划路径的更新方法及装置
CN103412565B (zh) 一种具有全局位置快速估计能力的机器人定位方法
CN110426051A (zh) 一种车道线绘制方法、装置及存储介质
CN110243358A (zh) 多源融合的无人车室内外定位方法及系统
CN107478214A (zh) 一种基于多传感器融合的室内定位方法及系统
CN106918830A (zh) 一种基于多导航模块的定位方法及移动机器人
CN111915675B (zh) 基于粒子漂移的粒子滤波点云定位方法及其装置和系统
CN111263960B (zh) 用于更新高清晰度地图的设备和方法
CN108235735A (zh) 一种定位方法、装置及电子设备、计算机程序产品
CN110631589B (zh) 一种实时修正定位轨迹的方法
CN104715469A (zh) 一种数据处理方法及电子设备
CN110764110B (zh) 路径导航方法、装置及计算机可读存储介质
JP2023021098A (ja) マップ構築方法、装置及び記憶媒体
CN111060099A (zh) 一种无人驾驶汽车实时定位方法
CN114764138A (zh) 多传感器顺序校准系统
CN109141411A (zh) 定位方法、定位装置、移动机器人及存储介质
JP2003247805A (ja) 体積計測方法及び体積計測プログラム
CN115577320A (zh) 一种基于数据插值的多传感器异步数据融合方法
Murakami et al. Evaluation technique of 3D point clouds for autonomous vehicles using the convergence of matching between the points
CN117315175B (zh) 一种基于机器人的构图定位装置及其方法
CN113030960A (zh) 一种基于单目视觉slam的车辆定位方法
Pereira et al. Backward motion for estimation enhancement in sparse visual odometry
CN112904883B (zh) 四足机器人地形感知方法、运动控制方法及系统
CN113504385B (zh) 复数相机测速方法及测速装置
CN112578363B (zh) 激光雷达运动轨迹获取方法及装置、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