一种定位方法和装置制造方法及图纸

本发明专利技术适用于电子技术领域，提供了一种定位方法和装置，旨在解决现有技术中使用微处理器的移动机器人定位效率低且定位精度不高的问题。所述方法包括：计算初始点云数据与预设时间段内的历史点云数据之间的点云匹配度；按照预设数量的步长变化量修改初始点云数据，并计算其与历史点云数据之间的点云匹配度；将最大点云匹配度对应的点云数据，作为第一点云数据；在第一点云数据的基础上，按照同样的方法得到第二点云数据；若第一点云数据的点云匹配度大于或者等于第二点云数据的点云匹配度，则根据第一点云数据输出定位信息。本发明专利技术的技术方案使得搭载微处理器的机器人能够快速准确的实现定位，从而提高定位效率和定位精度。

【技术实现步骤摘要】
一种定位方法和装置
本专利技术涉及电子
，尤其涉及一种定位方法和装置。
技术介绍
目前，移动机器人被广泛应用于服务行业，其应用场景更多的趋向于商场、超市、医院等室内环境。随着应用环境的复杂度增加，移动机器人在运动过程中对定位精度的要求也越来越高。同时，随着微处理器的不断发展，越来越多的机器人提供商开始采用微处理器作为移动机器人的核心处理单元。但是，由于微处理器的处理能力和资源有限，现有定位精度高的定位方法往往依赖于较强的系统处理能力，并且需要占用较多的系统资源，使得使用微处理器的移动机器人在进行定位时受到限制，导致定位精度不高和定位效率低。
技术实现思路
本专利技术实施例提供一种定位方法和装置，旨在解决现有技术中使用微处理器的移动机器人定位效率低且定位精度不高的问题。第一方面，本专利技术实施例提供了一种定位方法，该定位方法包括：获取初始点云数据，其中，所述初始点云数据包括预设个数的采样点的采样信息，所述采样信息包括所述采样点的位置坐标和方向角；计算所述初始点云数据与预设时间段内的历史点云数据之间的点云匹配度；按照预设数量的步长变化量修改所述初始点云数据，得到所述预设数量的初始参考点云数据，并计算每个所述初始参考点云数据与所述历史点云数据之间的点云匹配度，其中，所述步长变化量包括位置坐标变化量和方向角变化量；根据所述初始点云数据的点云匹配度和每个所述初始参考点云数据的点云匹配度，确定最大点云匹配度对应的点云数据，作为第一点云数据；按照所述预设数量的步长变化量修改所述第一点云数据，得到所述预设数量第一参考点云数据，并计算每个所述第一参考点云数据与所述历史点云数据之间的点云匹配度；根据所述第一点云数据的点云匹配度和每个所述第一参考点云数据的点云匹配度，确定最大点云匹配度对应的点云数据，作为第二点云数据；若所述第一点云数据的点云匹配度大于或者等于所述第二点云数据的点云匹配度，则根据所述第一点云数据输出定位信息，其中，所述定位信息包括机器人的位置和姿态。另一方面，本专利技术实施例提供了一种定位装置，该定位装置包括:获取模块，用于获取初始点云数据，其中，所述初始点云数据包括预设个数的采样点的采样信息，所述采样信息包括所述采样点的位置坐标和方向角；计算模块，用于计算所述初始点云数据与预设时间段内的历史点云数据之间的点云匹配度；第一修改模块，用于按照预设数量的步长变化量修改所述初始点云数据，得到所述预设数量的初始参考点云数据，并计算每个所述初始参考点云数据与所述历史点云数据之间的点云匹配度，其中，所述步长变化量包括位置坐标变化量和方向角变化量；第一选取模块，用于根据所述初始点云数据的点云匹配度和每个所述初始参考点云数据的点云匹配度，确定最大点云匹配度对应的点云数据，作为第一点云数据；第二修改模块，用于按照所述预设数量的步长变化量修改所述第一点云数据，得到所述预设数量的第一参考点云数据，并计算每个所述第一参考点云数据与所述历史点云数据之间的点云匹配度；第二选取模块，用于根据所述第一点云数据的点云匹配度和每个所述第一参考点云数据的点云匹配度，确定最大点云匹配度对应的点云数据，作为第二点云数据；第一输出模块，用于若所述第一点云数据的点云匹配度大于或者等于所述第二点云数据的点云匹配度，则根据所述第一点云数据输出定位信息，其中，所述定位信息包括机器人的位置和姿态。本专利技术实施获取包括采样点的位置坐标和方向角的初始点云数据，计算初始点云数据与预设时间段内的历史点云数据之间的点云匹配度，并以该初始点云数据为基础，按照预设数量的步长变化量修改该初始点云数据，得到预设数量的初始参考点云数据，并计算每个初始参考点云数据与历史点云数据之间的点云匹配度，从初始点云数据和初始参考点云数据中，选取最大点云匹配度对应的点云数据，作为第一点云数据，再以第一点云数据为基础，按照与得到第一点云数据相同的方法得到第二点云数据，若第一点云数据的点云匹配度大于或者等于第二点云数据的点云匹配度，则根据第一点云数据输出机器人的位置和姿态，通过将当前点云数据与历史点云数据在不同方位的刚性匹配，以及梯度下降的查找方式匹配最优的方位作为定位优化方向，实现在定位优化方向的快速收敛，使得搭载微处理器的机器人能够快速准确的实现定位，从而提高定位效率和定位精度。附图说明图1是本专利技术实施例一提供的一种定位方法的流程图；图2是本专利技术实施例二提供的一种定位方法的流程图；图3是本专利技术实施例三提供的一种定位装置的结构示意图；图4是本专利技术实施例四提供的一种定位装置的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。以下结合具体附图对本专利技术的实现进行详细的描述。实施例一：图1是本专利技术实施例一提供的一种定位方法的流程图，本专利技术实施例的执行主体为机器人，其具体可以是机器人的微处理器设备，图1示例的定位方法具体可以包括步骤S101至步骤S107，详述如下：S101、获取初始点云数据，其中，该初始点云数据包括预设个数的采样点的采样信息，该采样信息包括预设个数的采样点的位置坐标和方向角。点云(PointCloud)也称为激光点云，是利用激光在同一空间参考系下获取物体表面每个采样点的空间坐标，得到的是一系列表达目标空间分布和目标表面特性的海量点的集合，这个点集合即为点云。点云数据可以包括空间分辨率、点位精度，表面法向量等。点云数据可以根据各种扫描范围的激光传感器或者各种可以转换为点云输出的传感器采集到的信息获取。在本专利技术实施例中，机器人可以包括机器人本体、激光传感器和微处理器等，其中，机器人本体可以包括车轮、车体、里程计、电机、电机驱动器，以及机器人本体运动控制器等，激光传感器用于采集在激光传感器的扫描范围内，机器人本体与当前环境中的参照物体之间的相对距离，微处理器用于处理激光传感器采集的数据，完成对机器人的定位并输出定位信息。具体地，微处理器根据采集到的预设个数的采样点的采样信息，获取带有位置坐标和方向角信息的初始点云数据。采样点的预设个数具体可以根据实际应用的需要进行设置，此处不做限制。S102、计算初始点云数据与预设时间段内的历史点云数据之间的点云匹配度。具体地，微处理器将步骤S101得到的初始点云数据，与预设时间段内的历史点云数据进行匹配，并计算点云匹配度，该点云匹配度用于标识初始点云数据中的采样点与历史点云数据中对应的采样点之间的采样信息的偏差情况。预设时间段内的历史点云数据是指在当前时刻之前的预设时间段内的所有点云数据。需要说明的是，预设时间段的具体时长可以根据实际应用的需要进行设置，此处不做限制。S103、按照预设数量的步长变化量修改初始点云数据，得到预设数量的初始参考点云数据，并计算每个初始参考点云数据与历史点云数据之间的点云匹配度，其中，该步长变化量包括位置坐标变化量和方向角变化量。步长变化量包括位置坐标变化量和方向角变化量，每个步长变化量在坐标或者方向上有固定变化量。例如，假设在x坐标、y坐标和方向角均预设了5个固定变化量，则一共有125(5*5*5＝125)种步长变化量，即预设数量为125。具体地，以步骤S101获取的初始点云数据为基础，按本文档来自技高网...

【技术保护点】
1.一种定位方法，其特征在于，所述定位方法包括：获取初始点云数据，其中，所述初始点云数据包括预设个数的采样点的采样信息，所述采样信息包括所述采样点的位置坐标和方向角；计算所述初始点云数据与预设时间段内的历史点云数据之间的点云匹配度；按照预设数量的步长变化量修改所述初始点云数据，得到所述预设数量的初始参考点云数据，并计算每个所述初始参考点云数据与所述历史点云数据之间的点云匹配度，其中，所述步长变化量包括位置坐标变化量和方向角变化量；根据所述初始点云数据的点云匹配度和每个所述初始参考点云数据的点云匹配度，确定最大点云匹配度对应的点云数据，作为第一点云数据；按照所述预设数量的步长变化量修改所述第一点云数据，得到所述预设数量的第一参考点云数据，并计算每个所述第一参考点云数据与所述历史点云数据之间的点云匹配度；根据所述第一点云数据的点云匹配度和每个所述第一参考点云数据的点云匹配度，确定最大点云匹配度对应的点云数据，作为第二点云数据；若所述第一点云数据的点云匹配度大于或者等于所述第二点云数据的点云匹配度，则根据所述第一点云数据输出定位信息，其中，所述定位信息包括机器人的位置和姿态。

【技术特征摘要】
1.一种定位方法，其特征在于，所述定位方法包括：获取初始点云数据，其中，所述初始点云数据包括预设个数的采样点的采样信息，所述采样信息包括所述采样点的位置坐标和方向角；计算所述初始点云数据与预设时间段内的历史点云数据之间的点云匹配度；按照预设数量的步长变化量修改所述初始点云数据，得到所述预设数量的初始参考点云数据，并计算每个所述初始参考点云数据与所述历史点云数据之间的点云匹配度，其中，所述步长变化量包括位置坐标变化量和方向角变化量；根据所述初始点云数据的点云匹配度和每个所述初始参考点云数据的点云匹配度，确定最大点云匹配度对应的点云数据，作为第一点云数据；按照所述预设数量的步长变化量修改所述第一点云数据，得到所述预设数量的第一参考点云数据，并计算每个所述第一参考点云数据与所述历史点云数据之间的点云匹配度；根据所述第一点云数据的点云匹配度和每个所述第一参考点云数据的点云匹配度，确定最大点云匹配度对应的点云数据，作为第二点云数据；若所述第一点云数据的点云匹配度大于或者等于所述第二点云数据的点云匹配度，则根据所述第一点云数据输出定位信息，其中，所述定位信息包括机器人的位置和姿态。2.根据权利要求1所述的定位方法，其特征在于，所述获取初始点云数据包括：采集每个所述采样点的里程计信息和激光传感器信息；根据所述里程计信息计算每个所述采样点的所述位置坐标和所述方向角；将所述位置坐标和所述方向角与所述激光传感器信息关联，生成所述初始点云数据。3.根据权利要求1所述的定位方法，其特征在于，所述计算所述初始点云数据与预设时间段内的历史点云数据之间的点云匹配度包括：按照点云匹配条件，将所述初始点云数据与所述预设时间段内的历史点云数据进行匹配，得到满足所述点云匹配条件的历史点云数据，其中，所述点云匹配条件包括所述初始点云数据中的每个所述采样点与所述历史点云数据中的对应采样点之间的距离的平方和最小；计算所述初始点云数据与所述满足所述点云匹配条件的历史点云数据之间的角度偏差和距离偏差，其中，所述距离偏差包括所述初始点云数据中的每个所述采样点与所述满足所述点云匹配条件的历史点云数据中的对应采样点之间的距离误差；按照如下公式计算所述初始点云数据与所述满足所述点云匹配条件的历史点云数据之间的点云匹配度：其中，S为所述点云匹配度，α为预设的可信度参数，θ为所述角度偏差，β为预设的匹配度参数，Mi为所述距离误差小于预设的误差阈值的所述采样点中第i个采样点对应的距离误差，N为所述距离误差小于预设的误差阈值的所述采样点的个数。4.根据权利要求1至3任一项所述的定位方法，其特征在于，所述若所述第一点云数据的点云匹配度大于或者等于所述第二点云数据的点云匹配度，则根据所述第一点云数据输出定位信息之后，所述定位方法还包括：若所述第一点云数据的点云匹配度小于所述第二点云数据的点云匹配度，则获取当前的优化次数；若所述优化次数未达到预设的次数阈值，则将所述第二点云数据识别为所述第一点云数据，执行所述按照所述预设数量的步长变化量修改所述第一点云数据，得到所述预设数量第一参考点云数据，并计算每个所述第一参考点云数据与所述历史点云数据之间的点云匹配度。5.根据权利要求4所述的定位方法，其特征在于，所述若所述第一点云数据的点云匹配度小于所述第二点云数据的点云匹配度，则获取当前的优化次数之后，所述定位方法还包括：若所述优化次数达到所述次数阈值，则根据所述第二点云数据输出所述定位信息。6.一种...

【专利技术属性】
技术研发人员：彭志远，史思总，刘波，吴本全，查盛，
申请(专利权)人：深圳市朗驰欣创科技股份有限公司，
类型：发明
国别省市：广东,44