CN117739993B - 一种机器人定位方法、装置、机器人及存储介质 - Google Patents
一种机器人定位方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN117739993B CN117739993B CN202410182234.6A CN202410182234A CN117739993B CN 117739993 B CN117739993 B CN 117739993B CN 202410182234 A CN202410182234 A CN 202410182234A CN 117739993 B CN117739993 B CN 117739993B
- Authority
- CN
- China
- Prior art keywords
- candidate
- robot
- point cloud
- pose
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000007613 environmental effect Effects 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种机器人定位方法、装置、机器人及存储介质。该方法包括：获取目标栅格地图和机器人周围的环境点云集；以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定所述环境点云集对应各所述机器人候选位姿的点云候选位置集，所述预设分辨率高于所述目标栅格地图的分辨率；基于所述目标栅格地图，对各所述点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各所述机器人候选位姿的匹配概率；根据各所述机器人候选位姿的匹配概率，从各所述机器人候选位姿中确定所述机器人的目标位姿。本发明可以在较低分辨率的栅格地图上对机器人进行精准定位。
Description
技术领域
本发明涉及机器人设计制造技术领域，尤其涉及一种机器人定位方法、装置、机器人及存储介质。
背景技术
一般情况下，移动机器人在运行时需要根据扫描到的环境信息进行自身的定位操作。
基于栅格的梯度下降法是一种被广泛用于机器人定位的算法，其原理是通过栅格地图，计算雷达扫描数据对于场景的梯度，最后通过GN或LM等方法，计算机器人的位姿。但是，该方法对于栅格地图的连续性和激光雷达扫描数据的精度、帧率，有较高要求。另外，在一些场景下，机器人只能获取到较低分辨率的先验的栅格地图，机器人定位的准确性较差。
发明内容
本发明提供了一种机器人定位方法、装置、机器人及存储介质，以实现对移动机器人进行准确定位。
根据本发明的一方面，提供了一种机器人定位方法，该方法包括：
获取目标栅格地图和机器人周围的环境点云集；
以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定所述环境点云集对应各所述机器人候选位姿的点云候选位置集，所述预设分辨率高于所述目标栅格地图的分辨率；
基于所述目标栅格地图，对各所述点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各所述机器人候选位姿的匹配概率；
根据各所述机器人候选位姿的匹配概率，从各所述机器人候选位姿中确定所述机器人的目标位姿。
可选的，所述预设分辨率包括预设角分辨率和预设显示分辨率。
可选的，所述以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定所述环境点云集对应各所述机器人候选位姿的点云候选位置集，包括：
获取预设角分辨率，建立包含机器人候选角度的候选角度集；
根据所述环境点云集中环境点云与所述机器人的相对位置，对各所述环境点云进行角度旋转处理，得到各所述机器人候选角度对应的点云备选位置集；
获取预设显示分辨率，确定所述机器人在所述目标栅格地图上的机器人候选位置，将各所述机器人候选位置分别与所述候选角度集中的机器人候选角度相结合，形成所述机器人的候选位姿集；
针对所述候选位姿集中的每个机器人候选位姿，确定所述机器人候选位姿对应的机器人候选角度为机器人备选角度，根据所述机器人候选位姿对应的机器人候选位置，对所述机器人备选角度对应的点云备选位置集中的点云备选位置进行平移，得到所述机器人候选位姿的点云候选位置集。
可选的，所述基于所述目标栅格地图，对各所述点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各所述机器人候选位姿的匹配概率，包括：
针对每个点云候选位置集中的每个点云候选位置，在所述目标栅格地图上确定与所述点云候选位置关联的插值匹配栅格，根据所述点云候选位置与所述插值匹配栅格的位置关系，结合所述插值匹配栅格与所述点云候选位置对应环境点云的占据概率，确定所述点云候选位置对应的插值占据概率；
根据所述点云候选位置集中各所述点云候选位置的插值占据概率，确定所述点云候选位置集对应机器人候选位姿的匹配概率。
可选的，所述在所述目标栅格地图上确定与所述点云候选位置关联的插值匹配栅格，包括：
获取预设匹配范围，将所述目标栅格地图上距离所述点云候选位置在预设匹配范围内的地图栅格确定为插值匹配栅格。
可选的，所述根据所述点云候选位置集中各所述点云候选位置的插值占据概率，确定所述点云候选位置集对应机器人候选位姿的匹配概率，包括：
计算所述点云候选位置集中各所述点云候选位置的插值占据概率的平均值，将所述平均值作为所述点云候选位置集对应机器人候选位姿的匹配概率。
可选的，所述根据各所述机器人候选位姿的匹配概率，从各所述机器人候选位姿中确定所述机器人的目标位姿，包括：
将所述匹配概率最高的机器人候选位姿确定为所述机器人的目标位姿。
根据本发明的另一方面，提供了一种机器人定位装置，该装置包括：
定位数据获取模块，用于获取目标栅格地图和机器人周围的环境点云集；
位姿集合构建模块，用于以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定所述环境点云集对应各所述机器人候选位姿的点云候选位置集，所述预设分辨率高于所述目标栅格地图的分辨率；
匹配概率计算模块，用于基于所述目标栅格地图，对各所述点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各所述机器人候选位姿的匹配概率；
目标位姿确定模块，用于根据各所述机器人候选位姿的匹配概率，从各所述机器人候选位姿中确定所述机器人的目标位姿。
根据本发明的另一方面，提供了一种机器人，所述机器人包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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本发明任一实施例所述的机器人定位方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的机器人定位方法。
本发明实施例的技术方案，获取目标栅格地图和机器人周围的环境点云集；以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定环境点云集对应各机器人候选位姿的点云候选位置集，预设分辨率高于目标栅格地图的分辨率；基于目标栅格地图，对各点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各机器人候选位姿的匹配概率；根据各机器人候选位姿的匹配概率，从各机器人候选位姿中确定机器人的目标位姿。本发明可以在较低分辨率的栅格地图上对机器人进行精准定位。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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是根据本发明实施例一提供的一种机器人定位方法的流程图；
图2是根据本发明实施例一所适用的占据概率插值计算的原理示意图；
图3是根据本发明实施例二提供的一种机器人定位装置的结构示意图；
图4是实现本发明实施例的机器人定位方法的机器人的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“候选”、“备选”、“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种机器人定位方法的流程图，本实施例可适用于对移动机器人进行定位的情况，该方法可以由机器人定位装置来执行，该机器人定位装置可以采用硬件和/或软件的形式实现，该机器人定位装置可配置于机器人中。如图1所示，该方法包括：
S110、获取目标栅格地图和机器人周围的环境点云集。
在本实施例中，机器人可以预先获取分辨率较低的栅格地图，将该栅格地图作为目标栅格地图。机器人在运行过程中，可以通过自身的激光扫描装置对周边环境进行扫描，获取机器人周边的环境点云，形成环境点云集。通过对环境点云集中的环境点云数据与目标栅格地图中栅格内存储的数据进行对比计算，可以在目标栅格地图上进行机器人定位。
S120、以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定环境点云集对应各机器人候选位姿的点云候选位置集，预设分辨率高于目标栅格地图的分辨率。
在本实施例中，由于目标栅格地图的分辨率较低，为了更加精确的定位机器人，可以选择高于目标栅格地图分辨率的预设分辨率构建机器人候选位姿，从而得到候选位姿集。
机器人候选位姿可以理解为机器人在目标栅格地图上可能出现的位置和姿态。环境点云集中的环境点云是由机器人扫描到的，即环境点云与机器人的相对位置是已知的。因此，对于每一个机器人候选位姿，环境点云集中的环境点云也在目标栅格地图在有相应的位置。
可选的，预设分辨率包括预设角分辨率和预设显示分辨率。
相应的，S120可以通过以下步骤具体实现：
S1201、获取预设角分辨率，建立包含机器人候选角度的候选角度集。
具体的，可以以较高的预设角分辨率，确定所有机器人可能处于的机器人候选角度，形成候选角度集。
S1202、根据环境点云集中环境点云与机器人的相对位置，对各环境点云进行角度旋转处理，得到各机器人候选角度对应的点云备选位置集。
具体的，由于角度的计算相对复杂，在确定了机器人候选角度后，可以在目标栅格地图上选取某个位置作为机器人的初始位置，以该初始位置为中心，针对于每一个机器人候选角度，对环境点云集中的环境点云进行角度旋转计算，得到机器人候选角度对应的点云备选位置集。
S1203、获取预设显示分辨率，确定机器人在目标栅格地图上的机器人候选位置，将各机器人候选位置分别与候选角度集中的机器人候选角度相结合，形成机器人的候选位姿集。
具体的，可以以适当的预设显示分辨率，选取机器人在目标栅格地图上可能存在的机器人候选位置。对于每一个机器人候选位置，机器人在该机器人候选位置上可能处于不同的机器人候选角度，因此，将各机器人候选位置分别与候选角度集中的各机器人候选角度相结合，就形成了机器人的候选位姿集。
S1204、针对候选位姿集中的每个机器人候选位姿，确定机器人候选位姿对应的机器人候选角度为机器人备选角度，根据机器人候选位姿对应的机器人候选位置，对机器人备选角度对应的点云备选位置集中的点云备选位置进行平移，得到机器人候选位姿的点云候选位置集。
具体的，针对任意一个机器人候选位姿，可以将机器人候选位姿对应的机器人候选角度作为机器人备选角度，从S1202确定的各点云备选位置集中查找到机器人备选角度对应的点云备选位置集，基于机器人候选位姿对应的机器人候选位置，对该点云备选位置集中的每个点云备选位置进行平移计算，而且得到机器人候选位姿的点云候选位置集。
S130、基于目标栅格地图，对各点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各机器人候选位姿的匹配概率。
在本实施例中，由于构建机器人候选位姿时使用的预设分辨率高于目标栅格地图的分辨率，因此基于机器人候选位姿确定的点云候选位置也可以有较高的精度。此时若以低分辨率的地图栅格内存储的信息与环境点云进行匹配分析，将影响机器人定位的准确性。因此可以使用插值运算的方式，在低分辨率的目标栅格地图上对各点云候选位置进行占据概率插值计算，进而确定各机器人候选位姿的匹配概率。
可选的，S130可以通过以下步骤具体实现：
S1301、针对每个点云候选位置集中的每个点云候选位置，在目标栅格地图上确定与点云候选位置关联的插值匹配栅格，根据点云候选位置与插值匹配栅格的位置关系，结合插值匹配栅格与点云候选位置对应环境点云的占据概率，确定点云候选位置对应的插值占据概率。
其中，占据概率可以理解为点云数据与地图栅格的匹配程度。
具体的，对于任意一个点云候选位置，其可能落在目标栅格地图的几个栅格之间，可以将点云候选位置周围几个地图栅格作为该点云候选位置关联的插值匹配栅格。可以计算该点云候选位置对应环境点云与每个插值匹配栅格的占据概率，根据点云候选位置与各插值匹配栅格的位置关系，进行占据概率插值计算，得到点云候选位置对应的插值占据概率。
进一步的，在目标栅格地图上确定与点云候选位置关联的插值匹配栅格，包括：获取预设匹配范围，将目标栅格地图上距离点云候选位置在预设匹配范围内的地图栅格确定为插值匹配栅格。
在实际应用中，可以选取一个地图栅格的宽度作为预设匹配范围，距离点云候选位置在预设匹配范围内的地图栅格，即距离点云候选位置最近的四个地图栅格。将点云候选位置周围四个地图栅格确定为插值匹配栅格即可。
图2是根据本发明实施例一所适用的占据概率插值计算的原理示意图。如图2所示，点云候选位置,关联的插值匹配栅格为/>、/>、/>和/>，图中点/>、/>、/>和/>可以理解为插值匹配栅格的中心点。点云候选位置/>处的环境点云与插值匹配栅格/>、/>、和/>的占据概率分别为/>、/>、/>和/>，点云候选位置/>对应的插值占据概率可以表示为：
。
S1302、根据点云候选位置集中各点云候选位置的插值占据概率，确定点云候选位置集对应机器人候选位姿的匹配概率。
在本实施例中，针对任意一个机器人候选位姿，都可以计算出点云候选位置集中各点云候选位置的插值占据概率，可以对各点云候选位置的插值占据概率进行综合分析，得到该机器人候选位姿的匹配概率。匹配概率可以理解为机器人处于该机器人候选位姿的可能性。
进一步的，S1302可以通过以下具体方式实现：计算点云候选位置集中各点云候选位置的插值占据概率的平均值，将平均值作为点云候选位置集对应机器人候选位姿的匹配概率。
具体的，对于每个机器人候选位姿，可以将该机器人候选位姿对应的点云候选位置集中各点云候选位置的插值占据概率相加后取平均值，将平均值作为该机器人候选位姿的匹配概率。
S140、根据各机器人候选位姿的匹配概率，从各机器人候选位姿中确定机器人的目标位姿。
在本实施例中，由于机器人候选位姿的匹配概率体现了机器人处于该机器人候选位姿的可能性，因此在确定了各机器人候选位姿的匹配概率后，就可以分析判断得到机器人最有可能处于的位姿，将该位姿确定为机器人的目标位姿即可。
可选的，S140可以通过以下方式具体实现：将匹配概率最高的机器人候选位姿确定为机器人的目标位姿。
本发明实施例通过获取目标栅格地图和机器人周围的环境点云集；以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定环境点云集对应各机器人候选位姿的点云候选位置集，预设分辨率高于目标栅格地图的分辨率；基于目标栅格地图，对各点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各机器人候选位姿的匹配概率；根据各机器人候选位姿的匹配概率，从各机器人候选位姿中确定机器人的目标位姿。本发明可以在较低分辨率的栅格地图上对机器人进行精准定位。
实施例二
图3为本发明实施例二提供了一种机器人定位装置的结构示意图。如图3所示，该装置包括定位数据获取模块310、位姿集合构建模块320、匹配概率计算模块330和目标位姿确定模块340。
定位数据获取模块310，用于获取目标栅格地图和机器人周围的环境点云集。
位姿集合构建模块320，用于以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定所述环境点云集对应各所述机器人候选位姿的点云候选位置集，所述预设分辨率高于所述目标栅格地图的分辨率。
匹配概率计算模块330，用于基于所述目标栅格地图，对各所述点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各所述机器人候选位姿的匹配概率。
目标位姿确定模块340，用于根据各所述机器人候选位姿的匹配概率，从各所述机器人候选位姿中确定所述机器人的目标位姿。
可选的，所述预设分辨率包括预设角分辨率和预设显示分辨率。
可选的，所述位姿集合构建模块320，包括：
候选角度集建立单元，用于获取预设角分辨率，建立包含机器人候选角度的候选角度集；
点云角度旋转单元，用于根据所述环境点云集中环境点云与所述机器人的相对位置，对各所述环境点云进行角度旋转处理，得到各所述机器人候选角度对应的点云备选位置集；
候选位姿集建立单元，用于获取预设显示分辨率，确定所述机器人在所述目标栅格地图上的机器人候选位置，将各所述机器人候选位置分别与所述候选角度集中的机器人候选角度相结合，形成所述机器人的候选位姿集；
点云位置平移单元，用于针对所述候选位姿集中的每个机器人候选位姿，确定所述机器人候选位姿对应的机器人候选角度为机器人备选角度，根据所述机器人候选位姿对应的机器人候选位置，对所述机器人备选角度对应的点云备选位置集中的点云备选位置进行平移，得到所述机器人候选位姿的点云候选位置集。
可选的，所述匹配概率计算模块330，包括：
插值占据概率计算单元，用于针对每个点云候选位置集中的每个点云候选位置，在所述目标栅格地图上确定与所述点云候选位置关联的插值匹配栅格，根据所述点云候选位置与所述插值匹配栅格的位置关系，结合所述插值匹配栅格与所述点云候选位置对应环境点云的占据概率，确定所述点云候选位置对应的插值占据概率；
匹配概率确定单元，用于根据所述点云候选位置集中各所述点云候选位置的插值占据概率，确定所述点云候选位置集对应机器人候选位姿的匹配概率。
可选的，所述在所述目标栅格地图上确定与所述点云候选位置关联的插值匹配栅格，包括：
获取预设匹配范围，将所述目标栅格地图上距离所述点云候选位置在预设匹配范围内的地图栅格确定为插值匹配栅格。
可选的，所述匹配概率确定单元，具体用于：
计算所述点云候选位置集中各所述点云候选位置的插值占据概率的平均值，将所述平均值作为所述点云候选位置集对应机器人候选位姿的匹配概率。
可选的，所述目标位姿确定模块340，具体用于：
将所述匹配概率最高的机器人候选位姿确定为所述机器人的目标位姿。
本发明实施例所提供的机器人定位装置可执行本发明任意实施例所提供的机器人定位方法，具备执行方法相应的功能模块和有益效果。
实施例三
图4示出了可以用来实施本发明的实施例的机器人10的结构示意图。机器人旨在表示各种形式的移动装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，机器人10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器（ROM）12、随机访问存储器（RAM）13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器（ROM）12中的计算机程序或者从存储单元18加载到随机访问存储器（RAM）13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储机器人10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出（I/O）接口15也连接至总线14。
机器人10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许机器人10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如机器人定位方法。
在一些实施例中，机器人定位方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到机器人10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的机器人定位方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行机器人定位方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (8)
1.一种机器人定位方法，其特征在于，包括：
获取目标栅格地图和机器人周围的环境点云集；
以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定所述环境点云集对应各所述机器人候选位姿的点云候选位置集，所述预设分辨率高于所述目标栅格地图的分辨率；
基于所述目标栅格地图，对各所述点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各所述机器人候选位姿的匹配概率；
根据各所述机器人候选位姿的匹配概率，从各所述机器人候选位姿中确定所述机器人的目标位姿；
所述预设分辨率包括预设角分辨率和预设显示分辨率；
所述以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定所述环境点云集对应各所述机器人候选位姿的点云候选位置集，包括：
获取预设角分辨率，建立包含机器人候选角度的候选角度集；
根据所述环境点云集中环境点云与所述机器人的相对位置，对各所述环境点云进行角度旋转处理，得到各所述机器人候选角度对应的点云备选位置集；
获取预设显示分辨率，确定所述机器人在所述目标栅格地图上的机器人候选位置，将各所述机器人候选位置分别与所述候选角度集中的机器人候选角度相结合，形成所述机器人的候选位姿集；
针对所述候选位姿集中的每个机器人候选位姿，确定所述机器人候选位姿对应的机器人候选角度为机器人备选角度，根据所述机器人候选位姿对应的机器人候选位置，对所述机器人备选角度对应的点云备选位置集中的点云备选位置进行平移，得到所述机器人候选位姿的点云候选位置集。
2.根据权利要求1所述的方法，其特征在于，所述基于所述目标栅格地图，对各所述点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各所述机器人候选位姿的匹配概率，包括：
针对每个点云候选位置集中的每个点云候选位置，在所述目标栅格地图上确定与所述点云候选位置关联的插值匹配栅格，根据所述点云候选位置与所述插值匹配栅格的位置关系，结合所述插值匹配栅格与所述点云候选位置对应环境点云的占据概率，确定所述点云候选位置对应的插值占据概率；
根据所述点云候选位置集中各所述点云候选位置的插值占据概率，确定所述点云候选位置集对应机器人候选位姿的匹配概率。
3.根据权利要求2所述的方法，其特征在于，所述在所述目标栅格地图上确定与所述点云候选位置关联的插值匹配栅格，包括：
获取预设匹配范围，将所述目标栅格地图上距离所述点云候选位置在预设匹配范围内的地图栅格确定为插值匹配栅格。
4.根据权利要求2所述的方法，其特征在于，所述根据所述点云候选位置集中各所述点云候选位置的插值占据概率，确定所述点云候选位置集对应机器人候选位姿的匹配概率，包括：
计算所述点云候选位置集中各所述点云候选位置的插值占据概率的平均值，将所述平均值作为所述点云候选位置集对应机器人候选位姿的匹配概率。
5.根据权利要求1所述的方法，其特征在于，所述根据各所述机器人候选位姿的匹配概率，从各所述机器人候选位姿中确定所述机器人的目标位姿，包括：
将所述匹配概率最高的机器人候选位姿确定为所述机器人的目标位姿。
6.一种机器人定位装置，其特征在于，包括：
定位数据获取模块，用于获取目标栅格地图和机器人周围的环境点云集；
位姿集合构建模块，用于以预设分辨率构建包含机器人候选位姿的候选位姿集，并确定所述环境点云集对应各所述机器人候选位姿的点云候选位置集，所述预设分辨率高于所述目标栅格地图的分辨率；
匹配概率计算模块，用于基于所述目标栅格地图，对各所述点云候选位置集中的点云候选位置进行占据概率插值计算，以确定各所述机器人候选位姿的匹配概率；
目标位姿确定模块，用于根据各所述机器人候选位姿的匹配概率，从各所述机器人候选位姿中确定所述机器人的目标位姿；
所述预设分辨率包括预设角分辨率和预设显示分辨率；
所述位姿集合构建模块，包括：
候选角度集建立单元，用于获取预设角分辨率，建立包含机器人候选角度的候选角度集；
点云角度旋转单元，用于根据所述环境点云集中环境点云与所述机器人的相对位置，对各所述环境点云进行角度旋转处理，得到各所述机器人候选角度对应的点云备选位置集；
候选位姿集建立单元，用于获取预设显示分辨率，确定所述机器人在所述目标栅格地图上的机器人候选位置，将各所述机器人候选位置分别与所述候选角度集中的机器人候选角度相结合，形成所述机器人的候选位姿集；
点云位置平移单元，用于针对所述候选位姿集中的每个机器人候选位姿，确定所述机器人候选位姿对应的机器人候选角度为机器人备选角度，根据所述机器人候选位姿对应的机器人候选位置，对所述机器人备选角度对应的点云备选位置集中的点云备选位置进行平移，得到所述机器人候选位姿的点云候选位置集。
7.一种机器人，其特征在于，所述机器人包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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权利要求1-5中任一项所述的机器人定位方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的机器人定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410182234.6A CN117739993B (zh) | 2024-02-19 | 2024-02-19 | 一种机器人定位方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410182234.6A CN117739993B (zh) | 2024-02-19 | 2024-02-19 | 一种机器人定位方法、装置、机器人及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117739993A CN117739993A (zh) | 2024-03-22 |
| CN117739993B true CN117739993B (zh) | 2024-04-30 |
Family
ID=90254871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410182234.6A Active CN117739993B (zh) | 2024-02-19 | 2024-02-19 | 一种机器人定位方法、装置、机器人及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117739993B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111383261A (zh) * | 2018-12-27 | 2020-07-07 | 浙江舜宇智能光学技术有限公司 | 移动机器人、及其位姿估计方法和位姿估计装置 |
| CN113324537A (zh) * | 2021-04-27 | 2021-08-31 | 的卢技术有限公司 | 车辆位姿获取方法、车辆定位方法和装置、设备和介质 |
| CN113761090A (zh) * | 2020-11-17 | 2021-12-07 | 北京京东乾石科技有限公司 | 一种基于点云地图的定位方法和装置 |
| WO2021254369A1 (zh) * | 2020-06-18 | 2021-12-23 | 京东科技信息技术有限公司 | 机器人重定位方法、装置、电子设备及存储介质 |
| CN114593737A (zh) * | 2022-03-11 | 2022-06-07 | 美智纵横科技有限责任公司 | 控制方法、装置、机器人及存储介质 |
| CN115147482A (zh) * | 2022-07-01 | 2022-10-04 | 白犀牛智达(北京)科技有限公司 | 一种位姿初始化方法 |
| CN115507840A (zh) * | 2022-09-20 | 2022-12-23 | 深圳市优必选科技股份有限公司 | 一种栅格地图构建方法、栅格地图构建装置及电子设备 |
-
2024
- 2024-02-19 CN CN202410182234.6A patent/CN117739993B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111383261A (zh) * | 2018-12-27 | 2020-07-07 | 浙江舜宇智能光学技术有限公司 | 移动机器人、及其位姿估计方法和位姿估计装置 |
| WO2021254369A1 (zh) * | 2020-06-18 | 2021-12-23 | 京东科技信息技术有限公司 | 机器人重定位方法、装置、电子设备及存储介质 |
| CN113761090A (zh) * | 2020-11-17 | 2021-12-07 | 北京京东乾石科技有限公司 | 一种基于点云地图的定位方法和装置 |
| CN113324537A (zh) * | 2021-04-27 | 2021-08-31 | 的卢技术有限公司 | 车辆位姿获取方法、车辆定位方法和装置、设备和介质 |
| CN114593737A (zh) * | 2022-03-11 | 2022-06-07 | 美智纵横科技有限责任公司 | 控制方法、装置、机器人及存储介质 |
| CN115147482A (zh) * | 2022-07-01 | 2022-10-04 | 白犀牛智达(北京)科技有限公司 | 一种位姿初始化方法 |
| CN115507840A (zh) * | 2022-09-20 | 2022-12-23 | 深圳市优必选科技股份有限公司 | 一种栅格地图构建方法、栅格地图构建装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117739993A (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113256712B (zh) | 定位方法、装置、电子设备和存储介质 | |
| CN113095336B (zh) | 关键点检测模型的训练方法和检测目标对象关键点的方法 | |
| CN115457152A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
| CN114926549B (zh) | 三维点云处理方法、装置、设备以及存储介质 | |
| CN113436233A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
| CN115656989A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
| CN115273071A (zh) | 一种物体识别方法、装置、电子设备及存储介质 | |
| CN117739993B (zh) | 一种机器人定位方法、装置、机器人及存储介质 | |
| CN116596750A (zh) | 一种点云处理方法、装置、电子设备及存储介质 | |
| CN115049590B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN113761090B (zh) | 一种基于点云地图的定位方法和装置 | |
| CN115049810A (zh) | 固态激光雷达点云的上色方法、装置、设备及存储介质 | |
| CN114066980A (zh) | 对象检测方法、装置、电子设备及自动驾驶车辆 | |
| CN110399892B (zh) | 环境特征提取方法和装置 | |
| CN116559927B (zh) | 激光雷达的航向角确定方法、装置、设备及介质 | |
| CN116258714B (zh) | 一种缺陷识别方法、装置、电子设备和存储介质 | |
| CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
| CN117589188B (zh) | 行车路径规划方法、装置、电子设备和存储介质 | |
| CN114399555B (zh) | 数据在线标定方法、装置、电子设备和计算机可读介质 | |
| CN115661211A (zh) | 一种基于点云的物体检测方法、装置、设备及介质 | |
| CN118298027A (zh) | 一种标定装置及外参标定方法、装置、电子设备及存储介质 | |
| CN117350995A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
| CN115435720A (zh) | 测试场景生成方法、装置、设备及存储介质 | |
| CN118608685A (zh) | 汽车零部件的三维模型构建方法、装置、设备及存储介质 | |
| CN117911469A (zh) | 一种点云数据的配准方法、装置、设备及存储介质 |
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 |