一种机器人自主全局重定位方法及机器人技术

技术编号:17704170 阅读:118 留言:0更新日期:2018-04-14 17:23
一种机器人自主全局重定位方法,将已有地图栅格化并对具有障碍物和没有障碍物的栅格进行差别赋值,将与机器人同一位置的激光雷达传感器对外部障碍物扫描得出的多个距离数据及与距离数据对应的角度数据在地图中以模拟机器人位置为原点以激光点位的形式标注出来,对每一个模拟机器人位置所对应的激光点位所在栅格的赋值积分,筛选出机器人位置,通过粒子滤波算法从初次筛选出的模拟机器人位置中计算出机器人的正确位置。通过对具有障碍物和不具有障碍物的栅格进行差别赋值,激光点位在地图中的位置描述,快速计算激光雷达传感器信息与电子地图的匹配程度,找到差别性最大的转移点为转移目标点,在已知的地图中快速准确的获取自身位置。

【技术实现步骤摘要】
一种机器人自主全局重定位方法及机器人
本专利技术涉及人工智能导航
,尤其涉及一种机器人自主全局重定位方法及机器人。
技术介绍
移动机器人定位是机器人学的重要研究方向,也是机器人实现自主导航的关键,对于提高机器人自动化水平具有重要意义。定义方法通常分为两类:绝对定位和相对定位。绝对定位要求机器人在不指定初始位置的情况下确定自己的位置。相对定位指机器人在给初始位置的条件下确定自己的位置,是机器人定位处理中主要的研究方向。常用的全局重定位技术多为基于视觉的重定位技术,这种技术计算准确度高,但是受到硬件设备的制约以及图像处理技术的制约,硬件上需要满足对图像的快速采集和计算,即需要图像传感器和高性能计算单元,技术上需要满足对图像特征快速准确的提取和匹配,这对于机器人产业来说,存在生产成本和研发成本都较高的问题。
技术实现思路
本专利技术的目的在于提出一种机器人自主全局重定位方法,通过地图栅格化以及对具有障碍物的栅格和不具有障碍物的栅格进行差别赋值,通过激光点位在地图中的位置描述,实现了对机器人的实际所处环境和模拟点位的快速验证,解决了点云匹配的激光-地图匹配技术来对粒子进行过滤和筛选,计算量大,计算时间长,且假阳性较高的问题。为达此目的,本专利技术采用以下技术方案:一种机器人自主全局重定位方法,将已有地图栅格化并对具有障碍物的栅格和没有障碍物的栅格进行差别赋值,将与机器人同一位置的激光雷达传感器对外部障碍物扫描得出的多个距离数据及与距离数据对应的角度数据在地图中以模拟机器人位置为原点以激光点位的形式标注出来,对每一个模拟机器人位置所对应的激光点位所在栅格的赋值积分,根据激光点位所在栅格与具有障碍物的栅格的重合率,计算激光点位所在栅格的赋值积分,筛选出至少一个模拟机器人位置,并通过粒子滤波算法从初次筛选出的机器人位置中进一步计算出机器人的正确位置。作为本技术方案的优选方案之一,包括如下步骤:步骤1、将已有的地图上覆盖栅格结构,并对每个栅格都初始化同一对应数值f0,并将地图上有障碍物的栅格赋值为f1,将距离障碍物的设定距离内的栅格根据其距离距其最近的障碍物所在栅格的距离赋值为Qn;Qn的数值居于f0和f1之间,距离障碍物越近的栅格其Qn的数值越接近f1,在所述地图上的无障碍物栅格内随机分布设定密度的粒子,所述粒子用以模拟机器人的位置;步骤2、通过激光雷达传感器测量出机器人在设定角度范围内的多个距离数值及与距离数据对应的角度数据,并将多个距离数距及对应的角度数据转换为以机器人为坐标原点的多个激光点位;对应每个粒子的位置信息重新在栅格化后的地图上描述每个粒子对应的激光点位的位置信息;计算每个粒子所对应的激光点位所在栅格的赋值积分,并根据设定的第一阈值筛选出至少一个优选粒子;步骤3、通过对筛选出的优选粒子按照设定的转移路径进行转移,并对转移后的每个优选粒子所对应的激光点位所在的栅格的赋值进行积分,根据设定的第二阈值进一步将多个优选粒子中达到设定的第二阈值要求的部分优选粒子筛选出来;步骤4、重复步骤3,最终筛选出唯一一个优选粒子作为最优粒子指示出机器人所在的位置。作为本技术方案的优选方案之一,所述栅格为等距栅格,在地图上以机器人可达到的区域为限设定具有障碍物的栅格周围的M行和N列为膨胀区,所述膨胀区内的栅格的赋值Qn=f1-dn,其中dn是待赋值栅格与离其最近栅格的距离,当待赋值栅格与距离其最近的障碍物所在栅格的横向的行差是an,纵向的纵差是bn,则待赋值栅格与距离其最近的障碍物所在的栅格的距离其中M、N为正整数,an和bn为正数,f0<Qn<f1。作为本技术方案的优选方案之一,所述f0<<f1,以提高赋值积分的区别度。作为本技术方案的优选方案之一,所述栅格结构的横向栅格个数为c,所述栅格结构的纵向栅格个数为e,则栅格之间的间距r选取f1/c和f1/e这两个数值中较小的一个。作为本技术方案的优选方案之一,所述f0取值为0,所述f1取值为100。作为本技术方案的优选方案之一,在地图上以机器人可达到的区域为限设定具有障碍物的栅格周围的M行和N列为膨胀区,通过正序和倒序这两个不同的方向对每一个膨胀区域内的每一个栅格进行赋值,当膨胀区域内的同一栅格的正序遍历赋值和倒序遍历赋值不同时,取较大数值作为栅格的赋值,其中M、N为正整数。作为本技术方案的优选方案之一,正序遍历栅格结构并对每一个膨胀区域内的栅格进行赋值,首先由位于被遍历的栅格右下、正下、左上和右侧的四个栅格中的至少其中一个栅格的赋值减去其与被遍历的栅格相应的距离数值以计算得出被遍历的栅格的预赋值,取最大的预赋值作为被遍历的栅格的正序赋值;倒序遍历栅格结构并对每一个膨胀区域内进行赋值,首先由位于被遍历的栅格左侧、左上、正上、右上的四个栅格中的至少其中一个栅格的赋值减去其与被遍历的栅格相应的距离数值以计算得出被遍历的栅格的预赋值,取最大的预赋值作为被遍历的栅格的倒序赋值。作为本技术方案的优选方案之一,以机器人为原点的坐标系中,激光雷达传感器的激光点位的位置描述为[xlyl]T,在地图上建立坐标系,则粒子所对应的位置坐标为将激光点位带入到地图坐标系中,则在地图坐标系中的激光点位的描述为[xvyv]T,根据如下公式:其中,为粒子的朝向方向与地图坐标系的X轴的夹角,T为坐标位置的描述方式转换,计算每一个粒子所对应的激光点位在地图上对应栅格的位置的赋值积分并比对。作为本技术方案的优选方案之一,步骤3还包括:步骤3.1、先在其中一个优选粒子Ji的周围随机分布有多个用于模拟机器人位置的转移点,取其中一个转移点Si为随机坐标原点建立随机坐标系,以作为原点的转移点的朝向方向为随机坐标系X轴方向或Y轴方向,所述随机坐标原点周围被障碍物占据的栅格的坐标位置在随机坐标系中重新描述;步骤3.2、将步骤3.1中的与优选粒子Ji对应的所有转移点、随机坐标和所述随机坐标原点周围被障碍物占据的栅格的坐标位置保持原分布结构依次复制到其他优选粒子的周围,且保持每一个优选粒子和与其对应的多个转移点的分布结构均相同,每个优选粒子根据其随机坐标原点周围被障碍物占据的栅格的坐标位置在地图中对应的栅格的数值进行积分并对比,找到差异性最大的转移点作为目标点;步骤3.3、按照目标点和与目标点所对应的优选粒子的位置,确定与目标点对应的优选粒子至目标点的路径规划,驱动机器人按照路径规划到达模拟目标点,通过机器人的激光雷达传感器在设定角度范围内对周围进行测量得出第二距离数据及与第二距离数据对应的第二角度数据,将距离数据和对应的角度数据以目标点为坐标原点标注出来,成为第二激光点位;计算隶属于不同优选粒子的第二激光点位所处栅格的赋值积分,达到设定的第二阈值要求的优选粒子视为落入机器人的收敛区域。作为本技术方案的优选方案之一,步骤3.1中,优选粒子Ji为对应激光点位在栅格的赋值积分最高的。作为本技术方案的优选方案之一,步骤3.2中还包括将其中一个优选粒子的每一个转移点所对应的激光点位所在栅格的数值进行积分,根据积分值筛选出一个最优转移点,以筛选出的最优转移点为原点,建立随机坐标系,所述最优转移点的指向方向为随机坐标系的X轴方向或Y轴方向。作为本技术方案的优选方案之一,以选中的转移点Si为随机坐标系原点,转移点Si朝向方向与地图坐标系的X本文档来自技高网...

【技术保护点】
一种机器人自主全局重定位方法,其特征在于,将已有地图栅格化并对具有障碍物的栅格和没有障碍物的栅格进行差别赋值,将与机器人同一位置的激光雷达传感器对外部障碍物扫描得出的多个距离数据及与距离数据对应的角度数据,在地图中以模拟机器人位置为原点以激光点位的形式标注出,对每一个模拟机器人位置所对应的激光点位所在栅格的赋值积分,根据所述激光点位所在栅格与具有障碍物的栅格的重合率,筛选出至少一个模拟机器人位置,并通过粒子滤波算法从初次筛选出的模拟机器人位置中计算出机器人的正确位置。

【技术特征摘要】
1.一种机器人自主全局重定位方法,其特征在于,将已有地图栅格化并对具有障碍物的栅格和没有障碍物的栅格进行差别赋值,将与机器人同一位置的激光雷达传感器对外部障碍物扫描得出的多个距离数据及与距离数据对应的角度数据,在地图中以模拟机器人位置为原点以激光点位的形式标注出,对每一个模拟机器人位置所对应的激光点位所在栅格的赋值积分,根据所述激光点位所在栅格与具有障碍物的栅格的重合率,筛选出至少一个模拟机器人位置,并通过粒子滤波算法从初次筛选出的模拟机器人位置中计算出机器人的正确位置。2.根据权利要求1所述的机器人自主全局重定位方法,其特征在于,包括如下步骤:步骤1、将已有的地图上覆盖栅格结构,并对每个栅格都初始化同一对应数值f0,并将地图上有障碍物的栅格赋值为f1,将距离障碍物的设定距离内的栅格根据其距离距其最近的障碍物所在栅格的距离赋值为Qn;Qn的数值居于f0和f1之间,距离障碍物越近的栅格其Qn的数值越接近f1,在所述地图上的无障碍物栅格内随机分布设定密度的粒子,所述粒子用以模拟机器人的位置;步骤2、通过激光雷达传感器测量出机器人在设定角度范围内的多个距离数距及与距离数据对应的角度数据,并将多个距离数距及对应的角度数据转换为以机器人为坐标原点的多个激光点位;对应每个粒子的位置信息重新在栅格化后的地图上描述每个粒子对应的激光点位的位置信息;计算每个粒子所对应的激光点位所在栅格的赋值积分,并根据设定的第一阈值筛选出至少一个优选粒子;步骤3、通过对筛选出的优选粒子按照设定的转移路径进行转移,并对转移后的每个优选粒子所对应的激光点位所在的栅格的赋值进行积分,根据设定的第二阈值进一步将多个优选粒子中达到设定的第二阈值要求的部分优选粒子筛选出来;步骤4、重复步骤3,最终筛选出唯一一个优选粒子作为最优粒子指示出机器人所在的位置。3.根据权利要求2所述的机器人自主全局重定位方法,其特征在于,所述栅格为等距栅格,在地图上以机器人可达到的区域为限设定具有障碍物的栅格周围的M行和N列为膨胀区,所述膨胀区内的栅格的赋值Qn=f1-dn,其中dn是待赋值栅格与离其最近栅格的距离,当待赋值栅格与距离其最近的障碍物所在栅格的横向的行差是an,纵向的纵差是bn,则待赋值栅格与距离其最近的障碍物所在的栅格的距离其中M、N为正整数,an和bn为正数,f0<Qn<f1。4.根据权利要求3所述的机器人自主全局重定位方法,其特征在于,所述f0<<f1,以提高赋值积分的区别度。5.根据权利要求2所述的机器人自主全局重定位方法,其特征在于,所述栅格结构的横向栅格个数为c,所述栅格结构的纵向栅格个数为e,则栅格之间的间距r选取f1/c和f1/e这两个数值中较小的一个。6.根据权利要求4所述的机器人自主全局重定位方法,其特征在于,所述f0取值为0,所述f1取值为100。7.根据权利要求2所述的机器人自主全局重定位方法,其特征在于,在地图上以机器人可达到的区域为限设定具有障碍物的栅格周围的M行和N列为膨胀区,通过正序和倒序这两个不同的方向对每一个膨胀区域内的每一个栅格进行赋值,当膨胀区域内的同一栅格的正序遍历赋值和倒序遍历赋值不同时,取较大数值作为栅格的赋值,其中M、N为正整数。8.根据权利要求7所述的机器人自主全局重定位方法,其特征在于,正序遍历栅格结构并对每一个膨胀区域内的栅格进行赋值,首先由位于被遍历的栅格右下、正下、左上和右侧的四个栅格中的至少其中一个栅格的赋值减去其与被遍历的栅格相应的距离数值以计算得出被遍历的栅格的预赋值,取最大的预赋值作为被遍历的...

【专利技术属性】
技术研发人员:刘文治谭文铨郑凯疏达李远
申请(专利权)人:北醒北京光子科技有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 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。

1