CN117760439A - 螺旋车道内的定位方法、装置、介质及设备 - Google Patents
螺旋车道内的定位方法、装置、介质及设备 Download PDFInfo
- Publication number
- CN117760439A CN117760439A CN202311782132.XA CN202311782132A CN117760439A CN 117760439 A CN117760439 A CN 117760439A CN 202311782132 A CN202311782132 A CN 202311782132A CN 117760439 A CN117760439 A CN 117760439A
- Authority
- CN
- China
- Prior art keywords
- deceleration strip
- spiral lane
- robot
- laser
- spiral
- 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 37
- 239000003550 marker Substances 0.000 claims abstract description 60
- 238000012937 correction Methods 0.000 claims abstract description 26
- 230000001133 acceleration Effects 0.000 claims description 34
- 238000005457 optimization Methods 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 206010034719 Personality change Diseases 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种螺旋车道内的定位方法、装置、设备及介质，包括：构建激光SLAM地图以及螺旋车道的减速带信息序列；获取机器人的激光点云帧；当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式；在所述标志物定位模式下，每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，采用更新后的轮式里程计获取机器人定位信息；当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式。本发明根据减速带的位置信息对激光定位中产生的累积误差进行定期的融合修正，提高了定位准确度，降低了成本高，提高了效率。
Description
技术领域
本发明涉及机器人技术领域，尤其涉及螺旋车道内的定位方法、装置、介质及设备。
背景技术
为了提高土地利用率、增加单位土地面积内车库容量，一些大型城市中心通常会修建专门用于集中停车的多层立体式车库。这些车库的进出通道一般设计为螺旋上升的圆弧坡道，如图1所示。由于螺旋坡道在几何结构上通常较为相似，缺乏足够的特征点和可区分的地标，在这种场景下部署的巡检机器人无法采用传统的激光定位方法。
针对特定场景下的机器人定位方案，现有技术采用设置反光板、标志物或电子标签的方式来辅助机器人定位。若将这些方案应用到多层立体式车库的螺旋通道上，当机器人进入螺旋通道场景中时，由于激光扫描出的不同帧点云之间的相似度较高，激光里程计难以准确配准，出现误差累积、定位失准的问题，导致机器人无法正常工作。进一步地，增设反光板、标志物或电子标签，需要实现人工对机器人的工作环境进行部署，成本高，且效率低，标志物还可能带来安全隐患，比如反光板会影响到驾驶员的视觉。
发明内容
本发明实施例提供了一种螺旋车道内的定位方法、装置、介质及设备，以解决现有技术在螺旋车道上实现机器人定位时存在的误差累积、定位失准以及定位成本高、效率低的问题。
一种螺旋车道内的定位方法，所述方法包括：
构建激光SLAM地图以及螺旋车道的减速带信息序列，所述减速带信息序列包括螺旋车道从起点处到终点处的若干个减速带位置信息；
获取机器人的激光点云帧；
当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式；
在所述标志物定位模式下，每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，采用更新后的轮式里程计获取机器人定位信息；
当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式。
可选地，所述当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式包括：
获取机器人的当前帧激光点云数据及其对应的空间扫描子信息；
从所述激光SLAM地图获取螺旋车道对应的坡道起点位置的激光扫描帧及其对应的空间扫描子信息；
计算所述当前帧激光点云数据对应的空间扫描子信息与坡道起点位置的激光扫描帧对应的空间扫描子信息之间的差值；
比较所述差值的1-范数与预设的第一阈值；
当所述差值的1-范数小于预设的第一阈值时，所述机器人进入螺旋车道，启动标志物定位模式。
可选地，所述每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计包括：
从轮式里程计获取定位数据odom，和从惯性测量单元IMU获取机器人当前的Z轴加速度；
当所述Z轴加速度大于预设的加速度阈值时，更新已检测次数，根据已检测次数从所述螺旋车道的减速带信息序列获取机器人的当前位置信息；
根据机器人的当前位置信息修正所述定位数据；
以修正后的定位数据作为初始位姿信息更新所述轮式里程计。
可选地，在更新所述轮式里程计之后，所述方法还包括：
根据修正后的轮式里程计获取机器人的当前帧激光点云数据；
将所述当前帧激光点云数据与所述激光SLAM地图进行配准，根据配准结果对所述轮式里程计和惯性测量单元IMU进行优化修正。
可选地，所述将所述当前帧激光点云数据与所述激光SLAM地图进行配准，根据配准结果对所述轮式里程计和惯性测量单元IMU进行优化修正包括：
从所述激光SLAM地图中获取所述螺旋车道对应的局部目标点云；
将所述当前帧激光点云数据与所述局部目标点云进行匹配，获取配准得分；
当所述配准得分大于或等于预设的配准阈值时，获取机器人的位姿优化值，根据所述位姿优化值对所述轮式里程计和惯性测量单元IMU进行优化修正；
当所述配准得分小于预设的配准阈值时，不对所述轮式里程计和惯性测量单元IMU进行优化修正。
可选地，所述每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计包括：还包括：
当所述Z轴加速度小于预设的加速度阈值时，以所述轮式里程计获取的定位数据odom作为初始位姿信息更新所述轮式里程计。
可选地，所述当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式包括：
获取机器人的当前帧激光点云数据及其对应的空间扫描子信息；
从所述激光SLAM地图获取螺旋车道对应的坡道终点位置的激光扫描帧及其对应的空间扫描子信息；
计算所述激光点云数据对应的空间扫描子信息与坡道终点位置的激光扫描帧对应的空间扫描子信息之间的差值；
比较所述差值的1-范数与预设的第二阈值；
当所述差值的1-范数小于预设的第二阈值时，所述机器人离开螺旋车道，结束标志物定位模式。
一种螺旋车道内的定位装置，所述装置包括：
构建模块，用于构建激光SLAM地图以及螺旋车道的减速带信息序列，所述减速带信息序列包括螺旋车道从起点处到终点处的若干个减速带位置信息；
获取模块，用于获取机器人的激光点云帧；
启动模块，用于当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式；
更新及定位模块，用于在所述标志物定位模式下，每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，采用更新后的轮式里程计获取机器人定位信息；
结束模块，用于当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式。
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程序，所述计算机程序被处理器执行时实现如上所述的螺旋车道内的定位方法。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的螺旋车道内的定位方法。
本发明实施例预先构建了激光SLAM地图以及螺旋车道的减速带信息序列，所述减速带信息序列包括螺旋车道从起点处到终点处的若干个减速带位置；在进行定位时，获取机器人的激光点云帧，当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式；在所述标志物定位模式下，每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，采用更新后的轮式里程计获取机器人定位信息；当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式。通过利用减速带作为标志物，根据减速带的位置信息对激光定位中产生的累积误差进行定期的融合修正，实现了在螺旋车道中的机器人定位方式，提高了定位准确度，无需对场景进行前期的部署，有效地降低了应用成本高，提高了应用效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的螺旋车道的示意图。
图2是本发明一实施例提供的螺旋车道内的定位方法的流程图；
图3是本发明一实施例提供的螺旋车道内的定位装置的结构示意图；
图4是本发明一实施例中计算机设备的一示意图。
具体实施方式
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，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。
本实施例提供的机器人，其上装备的传感器包括但不限于激光雷达、惯性测量单元(Inertial Measurement Unit，IMU)、轮式里程计(Wheel Odometry)，通过多传感器的融合定位，来实现在立体停车库螺旋车道场景中的实时定位功能。
本发明实施例提供的螺旋车道内的定位方法，基于标志物定位的理论，结合常规车库中出入坡道均会间隔设置减速带的场景特征，通过预先构建了激光SLAM地图以及螺旋车道的减速带信息序列，在进行定位时，采用惯性测量单元IMU识别减速带信息，依据三维建图时标定的减速带信息序列，得到机器人的位姿修正信息，以此来对轮式里程计的累计误差进行融合修正，实现在立体停车库螺旋车道中对机器人的实时定位功能。
以下对本实施例提供的螺旋车道内的定位方法进行详细的描述，如图2所示，所述螺旋车道内的定位方法包括：
步骤S101，构建激光SLAM地图以及螺旋车道的减速带信息序列，所述减速带信息序列包括螺旋车道从起点处到终点处的若干个减速带位置信息；
步骤S102，获取机器人的激光点云帧；
步骤S103，当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式；
步骤S104，在所述标志物定位模式下，每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，采用更新后的轮式里程计获取机器人定位信息；
步骤S105，当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式。
其中，所述激光SLAM地图是指基于即时定位与地图构建(SimultaneousLocalization and Mapping,SLAM)技术对立体停车库所处环境构建的地图，可用于定位以及多点导航。所述减速带信息序列是指在螺旋车道中的减速带的位置信息序列，包括螺旋车道从起点处到终点处的若干个减速带位置信息。
作为一示例，在步骤S101中，本发明实施例针对立体车库的螺旋车道进行激光SLAM建图，并根据螺旋车道中减速带的位置信息建立对应的减速带信息序列。
其中，所述激光点云帧是指机器人上的激光雷达按预设频率采集到的每帧激光点云数据。
作为一示例，在步骤S102中，机器人上的激光雷达实时地获取每一帧激光点云数据。
其中，所述标志物定位模式是指以螺旋车道的减速带作为标志物，采用减速带信息序列实现定位的定位模式。
作为一示例，在步骤S103中，本实施例在所述激光点云帧和螺旋车道的减速带信息序列满足预设的启动逻辑时，认为检测到机器人进入螺旋车道，则启动标志物定位模式。
作为一示例，在步骤S104中，在所述标志物定位模式下，本实施例基于惯性测量单元IMU识别当前的减速带信息，依据三维建图时构建的减速带信息序列得到机器人的位姿修正信息，对所述轮式里程计的位姿信息进行更新，并采用更新后的轮式里程计进行机器人定位。
本实施例通过采用惯性测量单元imu感知的减速带标志物信息提取方式，对立体车库螺旋车道中的激光定位产生的累计误差进行定期修正，不但提高了巡检机器人在所述场景中的定位精度，还有效降低了设备布置成本，无需对场景进行前期的部署，有效地提高了应用效率。
作为一示例，在步骤S105中，本实施例在所述激光点云帧和螺旋车道的减速带信息序列满足预设的结束逻辑时，认为检测到机器人离开螺旋车道，则结束标志物定位模式。之后不再对轮式里程进行修正更新，采用现有的激光定位方式进行定位操作。
在一实施例中，步骤S103，即当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式，包括：
步骤S301，获取机器人的当前帧激光点云数据及其对应的空间扫描子信息；
步骤S302，从所述激光SLAM地图获取螺旋车道对应的坡道起点位置的激光扫描帧及其对应的空间扫描子信息；
步骤S303，计算所述当前帧激光点云数据对应的空间扫描子信息与坡道起点位置的激光扫描帧对应的空间扫描子信息之间的差值；
步骤S304，比较所述差值的1-范数与预设的第一阈值；
步骤S305，当所述差值的1-范数小于预设的第一阈值时，所述机器人进入螺旋车道，启动标志物定位模式。
其中，所述空间扫描子信息是包含了一个激光扫描帧的特征信息。所述空间扫描子信息之间的差值的1-范数表示两个激光扫描帧的特征信息的相似度，因此可以通过比较不同帧的空间扫描子信息之间的差值来判断不同帧之间的相似程度，所述空间扫描子信息之间的差值的1-范数越小，表示两个帧的相似程度越高。所述第一阈值，作为进入螺旋车道的判断标准，当两个激光扫描帧对应的空间扫描子信息之间的差值的1-范数小于预设的第一阈值时，认为所述两个激光扫描帧足够相似，已到达螺旋车道入口处。
作为一示例，在步骤S301中，本实施例针对巡逻过程中机器人上的激光雷达获取到的每一帧帧激光点云数据，作为当前帧激光点云数据，计算其对应的空间扫描子信息；以及在步骤S302中，从所述激光SLAM地图获取螺旋车道对应的坡道起点位置的激光扫描帧，计算对应的空间扫描子信息。然后在步骤S303中，对当前帧激光点云数据对应的空间扫描子信息和坡道起点位置的空间扫描子信息进行差值处理，得到两个空间扫描子信息之间的差值。在步骤S304中，将所述差值的1-范数与预设的第一阈值进行比较。若所述差值的1-范数小于预设的第一阈值时，表示当前帧激光点云数据是在坡道起点位置附近采集得到的，所述机器人已进入螺旋车道。在步骤S305中启动标志物定位模式，开始探测螺旋车道上的标志物，即减速带，并进行融合修正位姿。
在一实施例中，步骤S104，即每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，包括：
步骤S1041，从轮式里程计获取定位数据odom，和从惯性测量单元IMU获取机器人当前的Z轴加速度；
步骤S1042，当所述Z轴加速度大于预设的加速度阈值时，更新已检测次数，根据已检测次数从所述螺旋车道的减速带信息序列获取机器人的当前位置信息；
步骤S1043，根据机器人的当前位置信息修正所述定位数据；
步骤S1044，以修正后的定位数据作为初始位姿信息更新所述轮式里程计。
其中，所述轮式里程计用于获取机器人实时的位置信息，即定位数据odom。所述惯性测量单元IMU用于获取机器人实时的姿态变化信息，所述姿态变化信息包括但不限于滚动角roll、俯仰角pitch以及航摆角yaw。其中，所述滚动角roll、俯仰角pitch根据加速度计检测到的x轴、y轴、z轴加速度计算得到，所述航摆角yaw根据磁力计感应到的地球磁场计算得到。
作为一示例，在步骤S1041中，当进入所述标志物定位模式，本实施例获取轮式里程计的定位数据odom，以及惯性测量单元IMU的姿态变化信息，得到机器人在Z轴方向的加速度acc_z。
其中，所述加速度阈值作为是否检测到减速带的判断标准。当机器人通过减速带时，z轴方向加速度以及俯仰角变化率会出现大值，鉴于此，本实施例采用俯仰角的变化率，或者z轴加速度来作为检测到减速带的判断条件。其中，所述已检测次数是指检测到减速带的次数，该变量用于记录在标志物模式下检测到减速带的次数，在进入标志物模式时初始化为0，在结束标志物模式时进行复位。
作为一示例，在步骤S1042中，本实施例将所述Z轴加速度与预设的加速度阈值进行比较，若所述Z轴加速度大于预设的加速度阈值时，表示机器人正通过减速带，则更新已检测次数，比如将已检测次数+1；然后根据更新后的已检测次数，从所述螺旋车道的减速带信息序列获取该更新后的已检测次数对应的减速带位置信息，作为机器人的当前位置信息。可选地，所述预设的加速度阈值可以为0.9m/s，方向为Z轴方向。
作为一示例，在步骤S1043中，本实施例采用上述步骤S1042中获取到的机器人的当前位置信息，来对所述轮式里程计得到的定位数据odom进行修正，以修正累积误差。
作为一示例，在步骤S1044中，本实施例采用修正后的定位数据odom作为初始位姿信息，对所述轮式里程计进行更新，同时还可以根据更新后的轮式里程计获取并发布机器人的当前位姿信息。
可见，本实施例采用基于惯性测量单元imu感知的减速带标志物信息提取方式，对在立体车库螺旋车道中激光定位产生的累计误差进行定期修正，不但提高了机器人在所述螺旋车道的定位精度，而且无需额外布置场景，有效降低了设备布置成本。
在另一实施例中，步骤S104所述的每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，包括：
步骤S1045，当所述Z轴加速度小于预设的加速度阈值时，以所述轮式里程计获取的定位数据odom作为初始位姿信息更新所述轮式里程计。
若所述Z轴加速度小于预设的加速度阈值时，表示机器人当前未检测到减速带，则采用现有的激光定位流程进行定位操作，即以轮式里程计获取到的定位数据odom作为初始位姿更新所述轮式里程计，并采用更新后的轮式里程计继续采集定位数据。
在一实施例中，步骤S1044在更新所述轮式里程计之后，所述方法还包括：
步骤S1046，根据修正后的轮式里程计获取机器人的当前帧激光点云数据；
步骤S1047，将所述当前帧激光点云数据与所述激光SLAM地图进行配准，根据配准结果对所述轮式里程计的定位数据进行优化修正。
为了进一步提高修正的效果，本实施例采用修正后的轮式里程计获取当前帧激光点云数据，然后将当前帧激光点云数据与所述激光SLAM地图进行配准。所谓配准是指将当前帧激光点云数据跟激光SLAM地图对应部分的点云去匹配，会得到一个配准得分。所述配准得分表示当前帧激光点云数据经过一系列位姿变换后与激光SLAM地图对应部分的点云的重合程度,通常与当前帧激光点云数据的每一个点跟激光SLAM地图对应部分的点云中对应点的距离之和成负相关关系。
可选地，作为本发明的一个优选示例，步骤S1047所述的将所述当前帧激光点云数据与所述激光SLAM地图进行配准，根据配准结果对所述轮式里程计的定位数据进行优化修正包括：
步骤S401，从所述激光SLAM地图中获取所述螺旋车道对应的局部目标点云；
步骤S402，将所述当前帧激光点云数据与所述局部目标点云进行匹配，获取配准得分；
步骤S403，当所述配准得分大于或等于预设的配准阈值时，获取机器人的位姿优化值，根据所述位姿优化值对所述轮式里程计的定位数据进行优化修正；
步骤S404，当所述配准得分小于预设的配准阈值时，不对所述轮式里程计的定位数据进行优化修正。
其中，所述配准得分越大表示配准越好，配准得到的位姿优化值越可靠，相比于轮式里程计得到的定位数据更准确。本实施例预先设置了配准阈值，所述配准阈值作为点云配准有效的判断标准。比较所述配准得分和所述配准阈值。若所述配准得分大于或等于预设的配准阈值时，表示点云配准结果较好，可以获得准确的位姿优化值，对所述轮式里程计进行优化修正。否则，若所述配准得分小于预设的配准阈值时，表示基于点云配准未能获得符合要求的位姿信息，则继续以轮式里程计得到的位姿作为可信值，不对其进行修正。所述位姿优化值可以为基于配准得分对机器人的当前位置信息进行修正得到的定位数据，以修正后的定位数据作为初始位姿信息继续更新所述轮式里程计，以消除轮式里程计的累积误差，实现更高精度的定位功能。
在一实施例中，步骤S105，即当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式包括：
步骤S1051，获取机器人的当前帧激光点云数据及其对应的空间扫描子信息；
步骤S1052，从所述激光SLAM地图获取螺旋车道对应的坡道终点位置的激光扫描帧及其对应的空间扫描子信息；
步骤S1053，计算所述激光点云数据对应的空间扫描子信息与坡道终点位置的激光扫描帧对应的空间扫描子信息之间的差值；
步骤S1054，比较所述差值的1-范数与预设的第二阈值；
步骤S1055，当所述差值的1-范数小于预设的第二阈值时，所述机器人离开螺旋车道，结束标志物定位模式。
其中，所述第二阈值作为离开螺旋车道的判断标准。
作为一示例，在步骤S1051中，机器人在巡逻过程中不断地通过激光雷达获取当前帧激光点云数据，本实施例针对所述当前帧激光点云数据，计算其对应的空间扫描子信息。在步骤S1052中，从所述激光SLAM地图获取螺旋车道对应的坡道终点位置的激光扫描帧，计算对应的空间扫描子信息。然后在步骤S1053中，对当前帧激光点云数据对应的空间扫描子信息和坡道终点位置的空间扫描子信息进行差值处理，得到两个空间扫描子信息之间的差值。在步骤S1054中，将所述差值的1-范数与预设的第二阈值进行比较。若所述差值的1-范数小于预设的第二阈值时，表示当前帧激光点云数据是在坡道终点位置附近采集得到的，所述机器人即将离开螺旋车道。在步骤S1055中退出标志物定位模式，结束探测螺旋车道上的标志物，即减速带，停止进行融合修正位姿。
本发明提供的螺旋车道内的定位方法，针对立体式停车场内间隔设置有减速带的场景特征，以减速带作为标志物，通过预先构建了激光SLAM地图以及螺旋车道的减速带信息序列，在进行定位时，采用惯性测量单元IMU识别减速带信息，依据三维建图时标定的减速带信息序列，得到机器人的位姿修正信息，以此来对轮式里程计的累计误差进行融合修正，实现在立体停车库螺旋车道中对机器人的实时定位功能；无需人为改变机器人的工作环境，避免了现有技术中标志物对场景产生的影响和安全风险，如反光板在所述立体车库螺旋车道中明显会影响到驾驶员正常驾驶，有效地降低了成本，提高了定位效率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，本发明还提供一种螺旋车道内的定位装置，该巡逻机器人的后盖物体检测装置与上述实施例中螺旋车道内的定位方法一一对应。如图3所示，该螺旋车道内的定位装置包括构建模块31、获取模块32、启动模块33、更新及定位模块34、结束模块35。各功能模块详细说明如下：
构建模块31，用于构建激光SLAM地图以及螺旋车道的减速带信息序列，所述减速带信息序列包括螺旋车道从起点处到终点处的若干个减速带位置信息；
获取模块32，用于获取机器人的激光点云帧；
启动模块33，用于当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式；
更新及定位模块34，用于在所述标志物定位模式下，每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，采用更新后的轮式里程计获取机器人定位信息；
结束模块35，用于当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式。
可选地，所述启动模块33包括：
第一获取单元，用于获取机器人的当前帧激光点云数据及其对应的空间扫描子信息；
第二获取单元，用于从所述激光SLAM地图获取螺旋车道对应的坡道起点位置的激光扫描帧及其对应的空间扫描子信息；
差值计算单元，用于计算所述当前帧激光点云数据对应的空间扫描子信息与坡道起点位置的激光扫描帧对应的空间扫描子信息之间的差值；
比较单元，用于比较所述差值的1-范数与预设的第一阈值；
启动单元，用于当所述差值的1-范数小于预设的第一阈值时，所述机器人进入螺旋车道，启动标志物定位模式。
可选地，所述更新及定位模块34包括：
信息获取单元，用于从轮式里程计获取定位数据odom，和从惯性测量单元IMU获取机器人当前的Z轴加速度；
当前位置获取单元，用于当所述Z轴加速度大于预设的加速度阈值时，更新已检测次数，根据已检测次数从所述螺旋车道的减速带信息序列获取机器人的当前位置信息；
修正单元，用于根据机器人的当前位置信息修正所述定位数据；
第一更新单元，用于以修正后的定位数据作为初始位姿信息更新所述轮式里程计。
可选地，所述更新及定位模块34在更新所述轮式里程计之后，还包括：
点云获取单元，用于根据修正后的轮式里程计获取机器人的当前帧激光点云数据；
配准单元，用于将所述当前帧激光点云数据与所述激光SLAM地图进行配准，根据配准结果对所述轮式里程计和惯性测量单元IMU进行优化修正。
可选地，所述配准单元包括：
局部目标点云获取子单元，用于从所述激光SLAM地图中获取所述螺旋车道对应的局部目标点云；
配准子单元，用于将所述当前帧激光点云数据与所述局部目标点云进行匹配，获取配准得分；
优化修正子单元，用于当所述配准得分大于或等于预设的配准阈值时，获取机器人的位姿优化值，根据所述位姿优化值对所述轮式里程计和惯性测量单元IMU进行优化修正；当所述配准得分小于预设的配准阈值时，不对所述轮式里程计和惯性测量单元IMU进行优化修正。
可选地，所述更新及定位模块34还包括：
第二更新单元，用于当所述Z轴加速度小于预设的加速度阈值时，以所述轮式里程计获取的定位数据odom作为初始位姿信息更新所述轮式里程计。
可选地，所述结束模块35包括：
第一获取单元，用于获取机器人的当前帧激光点云数据及其对应的空间扫描子信息；
第二获取单元，用于从所述激光SLAM地图获取螺旋车道对应的坡道终点位置的激光扫描帧及其对应的空间扫描子信息；
差值计算单元，用于计算所述激光点云数据对应的空间扫描子信息与坡道终点位置的激光扫描帧对应的空间扫描子信息之间的差值；
比较单元，用于比较所述差值的1-范数与预设的第二阈值；
结束单元，用于当所述差值的1-范数小于预设的第二阈值时，所述机器人离开螺旋车道，结束标志物定位模式。
关于螺旋车道内的定位装置的具体限定可以参见上文中对于螺旋车道内的定位方法的限定，在此不再赘述。上述螺旋车道内的定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种螺旋车道内的定位方法。
在一个实施例中，提供了一种计算机设备，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，处理器执行计算机程序时实现以下步骤：
构建激光SLAM地图以及螺旋车道的减速带信息序列，所述减速带信息序列包括螺旋车道从起点处到终点处的若干个减速带位置信息；
获取机器人的激光点云帧；
当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式；
在所述标志物定位模式下，每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，采用更新后的轮式里程计获取机器人定位信息；
当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种螺旋车道内的定位方法，其特征在于，包括：
构建激光SLAM地图以及螺旋车道的减速带信息序列，所述减速带信息序列包括螺旋车道从起点处到终点处的若干个减速带位置信息；
获取机器人的激光点云帧；
当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式；
在所述标志物定位模式下，每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，采用更新后的轮式里程计获取机器人定位信息；
当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式。
2.如权利要求1所述的螺旋车道内的定位方法，其特征在于，所述当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式包括：
获取机器人的当前帧激光点云数据及其对应的空间扫描子信息；
从所述激光SLAM地图获取螺旋车道对应的坡道起点位置的激光扫描帧及其对应的空间扫描子信息；
计算所述当前帧激光点云数据对应的空间扫描子信息与坡道起点位置的激光扫描帧对应的空间扫描子信息之间的差值；
比较所述差值的1-范数与预设的第一阈值；
当所述差值的1-范数小于预设的第一阈值时，所述机器人进入螺旋车道，启动标志物定位模式。
3.如权利要求1或2所述的螺旋车道内的定位方法，其特征在于，所述每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计包括：
从轮式里程计获取定位数据，和从惯性测量单元IMU获取机器人当前的Z轴加速度；
当所述Z轴加速度大于预设的加速度阈值时，更新已检测次数，根据已检测次数从所述螺旋车道的减速带信息序列获取机器人的当前位置信息；
根据机器人的当前位置信息修正所述定位数据；
以修正后的定位数据作为初始位姿信息更新所述轮式里程计。
4.如权利要求3所述的螺旋车道内的定位方法，其特征在于，在更新所述轮式里程计之后，所述方法还包括：
根据修正后的轮式里程计获取机器人的当前帧激光点云数据；
将所述当前帧激光点云数据与所述激光SLAM地图进行配准，根据配准结果对所述轮式里程计和惯性测量单元IMU进行优化修正。
5.如权利要求4所述的螺旋车道内的定位方法，其特征在于，所述将所述当前帧激光点云数据与所述激光SLAM地图进行配准，根据配准结果对所述轮式里程计和惯性测量单元IMU进行优化修正包括：
从所述激光SLAM地图中获取所述螺旋车道对应的局部目标点云；
将所述当前帧激光点云数据与所述局部目标点云进行匹配，获取配准得分；
当所述配准得分大于或等于预设的配准阈值时，获取机器人的位姿优化值，根据所述位姿优化值对所述轮式里程计和惯性测量单元IMU进行优化修正；
当所述配准得分小于预设的配准阈值时，不对所述轮式里程计和惯性测量单元IMU进行优化修正。
6.如权利要求3所述的螺旋车道内的定位方法，其特征在于，所述每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计包括：还包括：
当所述Z轴加速度小于预设的加速度阈值时，以所述轮式里程计获取的定位数据作为初始位姿信息更新所述轮式里程计。
7.如权利要求1所述的螺旋车道内的定位方法，其特征在于，所述当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式包括：
获取机器人的当前帧激光点云数据及其对应的空间扫描子信息；
从所述激光SLAM地图获取螺旋车道对应的坡道终点位置的激光扫描帧及其对应的空间扫描子信息；
计算所述激光点云数据对应的空间扫描子信息与坡道终点位置的激光扫描帧对应的空间扫描子信息之间的差值；
比较所述差值的1-范数与预设的第二阈值；
当所述差值的1-范数小于预设的第二阈值时，所述机器人离开螺旋车道，结束标志物定位模式。
8.一种螺旋车道内的定位装置，其特征在于，所述装置包括：
构建模块，用于构建激光SLAM地图以及螺旋车道的减速带信息序列，所述减速带信息序列包括螺旋车道从起点处到终点处的若干个减速带位置信息；
获取模块，用于获取机器人的激光点云帧；
启动模块，用于当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人进入螺旋车道时，启动标志物定位模式；
更新及定位模块，用于在所述标志物定位模式下，每当检测到螺旋车道的减速带时根据所述减速带信息序列更新轮式里程计，采用更新后的轮式里程计获取机器人定位信息；
结束模块，用于当根据所述激光点云帧和螺旋车道的减速带信息序列检测到机器人离开螺旋车道时，结束标志物定位模式。
9.一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1至7任一项所述的螺旋车道内的定位方法。
10.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的螺旋车道内的定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311782132.XA CN117760439A (zh) | 2023-12-21 | 2023-12-21 | 螺旋车道内的定位方法、装置、介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311782132.XA CN117760439A (zh) | 2023-12-21 | 2023-12-21 | 螺旋车道内的定位方法、装置、介质及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117760439A true CN117760439A (zh) | 2024-03-26 |
Family
ID=90311979
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311782132.XA Pending CN117760439A (zh) | 2023-12-21 | 2023-12-21 | 螺旋车道内的定位方法、装置、介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117760439A (zh) |
-
2023
- 2023-12-21 CN CN202311782132.XA patent/CN117760439A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110462343B (zh) | 使用自动标记的图像来对车辆进行导航的方法和系统 | |
| CN111721285B (zh) | 在自动代客泊车系统中用于估计位置的设备及方法 | |
| US10789491B2 (en) | Traffic light recognition device and traffic light recognition method | |
| JP2018124787A (ja) | 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム | |
| CN110608746B (zh) | 用于确定机动车的位置的方法和装置 | |
| CN110431609B (zh) | 车辆位置推定装置 | |
| KR101573576B1 (ko) | Avm 시스템의 이미지 처리 방법 | |
| JP2001331787A (ja) | 道路形状推定装置 | |
| JP6758160B2 (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
| CN111339802A (zh) | 实时相对地图的生成方法及装置、电子设备和存储介质 | |
| CN113454487B (zh) | 信息处理装置以及移动机器人 | |
| JP6552448B2 (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
| KR20190056775A (ko) | 차량의 객체 인식 장치 및 방법 | |
| CN112689234A (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
| CN114943952A (zh) | 多相机重叠视域下障碍物融合方法、系统、设备和介质 | |
| CN115436917A (zh) | Lidar视轴对准误差和主车辆定位误差的协同估计和校正 | |
| JP2021092508A (ja) | 走行軌跡推定方法及び走行軌跡推定装置 | |
| CN110940974A (zh) | 物体检测装置 | |
| CN113932825A (zh) | 机器人导航路径宽度获取系统、方法、机器人及存储介质 | |
| CN113795726B (zh) | 自身位置修正方法及自身位置修正装置 | |
| CN115388880B (zh) | 一种低成本记忆泊车建图与定位方法、装置及电子设备 | |
| CN117760439A (zh) | 螺旋车道内的定位方法、装置、介质及设备 | |
| CN111605481A (zh) | 基于环视的拥堵跟车系统和终端 | |
| CN109491374B (zh) | 自动导引车辆的轨迹调整方法及装置 | |
| CN110539748A (zh) | 基于环视的拥堵跟车系统和终端 |
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 |