The invention provides a mobile robot localization and navigation method based on depth camera, which belongs to the field of robot navigation; the invention by a fast sampling plane filtering algorithm (FSPF), collecting samples from depth image and belonging to the 3D plane and the plane point set or not corresponding to the points classification, reduce the number of 3D point cloud without being outliers influence; and then a model is presented based on the observation of a plane positioning point cloud filtering algorithm, the filtering plane is mapped to the 2D down and 2D for each point on a map to the line should be the value distribution; finally, using point cloud sampling as completely the obstacle avoidance algorithm for autonomous navigation. The experimental results show the effectiveness of the autonomous navigation method for indoor mobile robots, and verify the positioning accuracy by comparing the 2D laser range finder with the 3D depth camera.
【技术实现步骤摘要】
一种基于深度摄像机的移动机器人定位和导航方法
本专利技术属于机器人导航领域,尤其涉及一种基于深度摄像机的移动机器人定位和导航方法。
技术介绍
对于具有有限计算能力的室内移动机器人,采用深度摄像头用于机器人自主移动主要有以下两方面障碍:首先,深度摄像头通常会生成冗长的数据,这些数据在机器人的实时定位中不能被完全处理;其次,考虑到所使用的内存和计算复杂度是在3D环境下,2D环境中的定位和绘制地图技术(占用栅格)不能很好地去衡量。相反地,将3D环境中的观察物映射到现有的2D地图中这一问题并不简单。
技术实现思路
本专利技术的目的在于针对上述技术中存在的缺陷,提出了一种基于深度摄像机的移动机器人定位和导航方法。为了实现上述目的,本专利技术提供的技术方案如下:一种基于深度摄像机的移动机器人定位和导航方法,其特征在于包括如下步骤:步骤1、快速采样平面滤波算法(FSPF):FSPF将深度图像I作为输入,并创建一个具有n个3D点的列表P、一个对应平面向量的列表R以及一个不与任何平面相对应的异常点列表O,此算法旨在生成一个最多含有nmax个3D点和它们所对应的平面向量的列表。步骤2、平面滤波点云的定位:采用蒙特卡罗定位(MCL)和矫正的梯度调整(CGR)来实现;步骤2.1、3D滤波点云P和对应的平面向量I首先被投影到2D来生成一个2D点云P’和对应的规范化的向量R’;步骤2.2、对于每个P’中的点pi,找到线li(li∈L),使得pi-x1方向和从x1出发的射线与li相交;步骤2.3、如果存在找不到线li的点,那么将这些点舍弃,对应的向量估计值ri与线li的差异值比阈值θi大的 ...
【技术保护点】
一种基于深度摄像机的移动机器人定位和导航方法,其特征在于,包括如下步骤:步骤1、快速采样平面滤波算法(FSPF):FSPF将深度图像I作为输入,并创建一个具有n个3D点的列表P、一个对应平面向量的列表R以及一个不与任何平面相对应的异常点列表O,此算法旨在生成一个最多含有n
【技术特征摘要】
1.一种基于深度摄像机的移动机器人定位和导航方法,其特征在于,包括如下步骤:步骤1、快速采样平面滤波算法(FSPF):FSPF将深度图像I作为输入,并创建一个具有n个3D点的列表P、一个对应平面向量的列表R以及一个不与任何平面相对应的异常点列表O,此算法旨在生成一个最多含有nmax个3D点和它们所对应的平面向量的列表。步骤2、平面滤波点云的定位:采用蒙特卡罗定位(MCL)和矫正的梯度调整(CGR)来实现;步骤2.1、3D滤波点云P和对应的平面向量I首先被投影到2D来生成一个2D点云P’和对应的规范化的向量R’;步骤2.2、对于每个P’中的点pi,找到线li(li∈L),使得pi-x1方向和从x1出发的射线与li相交;步骤2.3、如果存在找不到线li的点,那么将这些点舍弃,对应的向量估计值ri与线li的差异值比阈值θi大的点也会被舍弃;计算来自于(扩展的)线li对应的点pi的垂直距离di;步骤2.4、所有的(非标准化)观察可能性p(y/x)由下式...
【专利技术属性】
技术研发人员:廖鸿宇,周瑜,陶学宇,郭煜玺,孙放,
申请(专利权)人:北京雷动云合智能技术有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。