一种基于深度信息的全局定位方法技术

本发明专利技术提供一种基于深度信息的全局定位方法，涉及移动机器人自主定位技术领域。该方法包括：获取移动机器人当前的感知信息，采用SLAM算法生成栅格地图；将生成栅格地图转化为似然域地图；对所述栅格地图进行降采样处理，形成图像金字塔，并计算图像金字塔不同层中各个栅格的似然值；利用与最近物体的欧氏距离计算测距仪在图像金字塔中各层的似然，最终定位移动机器人相对于全局地图的位置。本方法通过SLAM算法生成栅格地图，再根据不同分辨率的栅格地图构成图像金字塔，从粗到细逐层定位移动机器人所在位置，最终实现移动机器人精确的全局定位，适用场景多，具有易操作、效率高、精度高的特点。

A Global Location Method Based on Depth Information

【技术实现步骤摘要】
一种基于深度信息的全局定位方法
本专利技术涉及移动机器人自主定位
，具体涉及一种基于深度信息的全局定位方法。
技术介绍
移动机器人定位就是确定相对于给定地图环境的机器人位姿，经常被称为位置估计。根据初始位姿信息是否已知，分为轨迹跟踪与全局定位。全局定位，认为机器人初始位姿未知。机器人最初放置在环境中的某个地方，但是缺少它的未知信息。绑架机器人问题，是全局定位问题的一个变种，但是它更加困难。在运行过程中，机器人被绑架，瞬间移动到其他位置。通过绑架机器人可以测试一个定位算法，可以用来衡量该算法从全局定位失效中恢复的能力。由于相机传感器成本较低而且能够感知丰富的环境信息，应用视觉信息进行全局定位是目前的主流方法，但视觉信息受环境光照、遮挡以及视角等影响较大，在黑夜中将无法工作。在有遮挡的环境下，GPS无法实现精确定位。基于深度信息的全局定位有效克服了上述方法的缺点，能够提供准确的初始位姿估计。在定位中，常用的传感器有RGB-D相机，激光测距仪，RGB-D相机可提供深度信息，但探测距离有限。激光雷达精度高，探测距离远，能够提高大量的点云信息，有利于大尺度环境下的定位工作。传统的全局定位方法有以下几种：基于视觉的全局定位方法通常基于BoW词袋模型进行图像间相似度的匹配并获取相似图像，然后结合相关优化方法实现当前图像与相似图像的位姿变换。然而BoW词袋模型通常采用人工构造的特征并结合聚类算法构造词典表示图像，并利用词典直方图进行图像匹配，在面临光照、遮挡等复杂环境下仍容易出现误匹配的情况。基于GPS全球定位系统容易受到电磁干扰、多路径效应的影响，在室内也无法工作。基于概率地图的定位，用概率论来表示不确定性，将机器人方位表示为对所有可能的机器人位资的概率分布。
技术实现思路
针对现有技术存在的问题，本专利技术提供一种基于深度信息的全局定位方法，根据移动机器人的感知信息采用即时定位与地图构建(SLAM)算法生成栅格地图，再将栅格地图转化为似然域地图并构建图像金字塔，最后利用与最近物体的欧氏距离计算测距仪在图像金字塔中各层的似然，由粗到细，实现移动机器人精确的全局定位。一种基于深度信息的全局定位方法，具体步骤如下：步骤1：获取移动机器人当前的感知信息，采用即时定位与地图构建算法，生成栅格地图；所述移动机器人搭载测距仪以及ROS操作系统；步骤2：将生成栅格地图转化为似然域地图；步骤2.1：计算t时刻测距仪扫描到的第k个点与栅格地图上距此坐标最近物体之间的欧氏距离dist；所述计算t时刻测距仪扫描到的第k个点与栅格地图上距此坐标最近物体之间的欧氏距离dist的公式如下：其中，表示点投影在栅格地图中的横坐标，表示点投影在栅格地图中的纵坐标，x′表示栅格的占据率为1的栅格的横坐标，y′表示栅格地图的纵坐标；所述栅格的占据率为0或1，其中，0表示当前栅格不是障碍物，1表示当前栅格是障碍物；步骤2.2：设置距离障碍物的最大距离max_dist，判断dist是否大于max_dist，若是，则将当前栅格的dist值设置为max_dist，若否，则保留当前栅格的dist值；步骤2.3：根据栅格地图上各个栅格的dist值计算各个栅格的似然值；所述计算各个栅格的似然值的公式如下：其中，q为栅格的似然值，zhit为测距仪的测量噪声，prob(dist，δhit)为计算在以0为中心标准差为δhit的高斯分布的距离概率，zrandom为测距仪的随机测量噪声，zmax为测距仪的最大测量距离；步骤2.4：根据得到的所有栅格的似然值构建似然域地图；步骤3：对所述栅格地图进行降采样处理，形成图像金字塔，并计算图像金字塔不同层中各个栅格的似然值；步骤3.1：将构建好的似然域地图作为图像金字塔的底层，从底向上，逐层降采样取得低分辨率的似然域地图，使当前层似然域地图的分辨率是前一层似然域地图分辨率的1/2，当前层似然域地图的栅格数是前一层似然域地图栅格数的1/4，直至整个构建好的似然域地图的栅格数为1；步骤3.2：计算图像金字塔不同层中各个栅格的似然值；所述计算图像金字塔不同层中各个栅格的似然值的具体方法为：首先以图像金字塔最底层作为当前层，计算当前层似然域地图中各个栅格的似然值，然后以此为基础，在当前层似然域地图中应用内核宽度为3的最大卷积，取卷积核内最大的栅格的似然值为对当前层的上一层似然域地图中对应栅格的似然值，再以当前层的上一层作为新的当前层，依次逐层向上计算图像金字塔不同层中各个栅格的似然值；步骤4：利用与最近物体的欧氏距离计算测距仪在图像金字塔中各层的似然，最终定位移动机器人相对于全局地图的位置；步骤4.1：通过三角变换，将与移动机器人固连的测距仪t时刻扫描到的第k个点的坐标映射到似然域地图的全局坐标空间；所述三角变换的公式如下：其中，xt＝(xyθ)T表示移动机器人在t时刻的位姿，x表示机器人在似然域地图中的横坐标，y表示机器人在似然域地图中的纵坐标，θ表示移动机器人航向的角度，θk，sens表示测距仪波束相对于移动机器人航向的角度；所述移动机器人航向角度θ的计算公式如下：θ＝n*π/180；其中，n为正整数，表示移动机器人每个位姿的索引；步骤4.2：判断点与栅格地图上距此坐标最近物体之间的欧氏距离dist是否大于测距仪的最大测量距离，若是，则将该点舍弃，若否，则继续步骤4.3；步骤4.3：计算测距仪在图像金字塔中各层的似然q，最终定位移动机器人相对于全局地图的位置；所述计算测距仪在图像金字塔中各层的似然q，最终定位移动机器人相对于全局地图的位置的具体方法为：计算测距仪在图像金字塔最高层中栅格的似然值，再计算下一层中测距仪在各个栅格的似然值，搜索测距仪所在最大的栅格的似然值，逐层向下进行搜索，直到搜索到底层为止，底层中测距仪似然最大的栅格就是机器人相对于全局地图的位置，从而实现全局定位。本专利技术的有益效果：本专利技术提出一种基于深度信息的全局定位方法，通过SLAM(SimultaneousLocalizatiomandMapping，即时定位与地图构建)算法生成栅格地图，再根据不同分辨率的栅格地图构成图像金字塔，从粗到细逐层定位移动机器人所在位置，最终实现移动机器人精确的全局定位，适用场景多，具有易操作、效率高、精度高的特点。附图说明图1为本专利技术实施例中基于深度信息的全局定位方法的流程图。具体实施方式为了使本专利技术的目的、技术方案及优势更加清晰，下面结合附图和具体实施例对本专利技术做进一步详细说明。此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。一种基于深度信息的全局定位方法，流程如图1所示，包括如下步骤：步骤1：获取移动机器人当前的感知信息，采用SLAM算法，生成栅格地图。本实施例中，所述移动机器人搭载有测距仪及ROS操作系统(RobotOperatingSystem)，所述的栅格地图能表示出环境信息。本实施例中，使用的移动机器人为多芬二代阿克曼模型移动机器人，处理器为装有Linux系统和ROS的联想G510笔记本电脑；激光测距仪采用VLP-16激光雷达；同时为了方便控制机器人移动，采用SonyPS3型号的手柄对机器人进行控制。步骤2：将生成栅格地图转化为似然域地图，具体方法如下：本实施例中，栅格地图与似然阈地图均由多个栅格组成，但栅格本文档来自技高网...

【技术保护点】
1.一种基于深度信息的全局定位方法，其特征在于，包括以下步骤：步骤1：获取移动机器人当前的感知信息，采用即时定位与地图构建算法，生成栅格地图；所述移动机器人搭载测距仪以及ROS操作系统；步骤2：将生成栅格地图转化为似然域地图；步骤3：对所述栅格地图进行降采样处理，形成图像金字塔，并计算图像金字塔不同层中各个栅格的似然值；步骤4：利用与最近物体的欧氏距离计算测距仪在图像金字塔中各层的似然，最终定位移动机器人相对于全局地图的位置。

【技术特征摘要】
1.一种基于深度信息的全局定位方法，其特征在于，包括以下步骤：步骤1：获取移动机器人当前的感知信息，采用即时定位与地图构建算法，生成栅格地图；所述移动机器人搭载测距仪以及ROS操作系统；步骤2：将生成栅格地图转化为似然域地图；步骤3：对所述栅格地图进行降采样处理，形成图像金字塔，并计算图像金字塔不同层中各个栅格的似然值；步骤4：利用与最近物体的欧氏距离计算测距仪在图像金字塔中各层的似然，最终定位移动机器人相对于全局地图的位置。2.根据权利要求1所述的基于深度信息的全局定位方法，其特征在于，所述步骤2包括以下步骤：步骤2.1：计算t时刻测距仪扫描到的第k个点与栅格地图上距此坐标最近物体之间的欧氏距离dist；步骤2.2：设置距离障碍物的最大距离max_dist，判断dist是否大于max_dist，若是，则将当前栅格的dist值设置为max_dist，若否，则保留当前栅格的dist值；步骤2.3：根据栅格地图上各个栅格的dist值计算各个栅格的似然值；步骤2.4：根据得到的所有栅格的似然值构建似然域地图。3.根据权利要求2所述的基于深度信息的全局定位方法，其特征在于，所述计算t时刻测距仪扫描到的第k个点与栅格地图上距此坐标最近物体之间的欧氏距离dist的公式如下：其中，表示点投影在栅格地图中的横坐标，表示点投影在栅格地图中的纵坐标，x′表示栅格的占据率为1的栅格的横坐标，y′表示栅格地图的纵坐标；所述栅格的占据率为0或1，其中，0表示当前栅格不是障碍物，1表示当前栅格是障碍物。4.根据权利要求2所述的基于深度信息的全局定位方法，其特征在于，所述计算各个栅格的似然值的公式如下：其中，q为栅格的似然值，zhit为测距仪的测量噪声，prob(dist，δhit)为计算在以0为中心标准差为δhit的高斯分布的距离概率，zrandom为测距仪的随机测量噪声，zmax为测距仪的最大测量距离。5.根据权利要求1所述的基于深度信息的全局定位方法，其特征在于，所述步骤3包括以下步骤：步骤3.1：将构建好的似然域地图作为图像金字塔的底层，从底向上，逐层降采样取得低分辨率的似然域地图，使当前层似然域地图的分辨率是前一...

【专利技术属性】
技术研发人员：方正，张伟义，曾杰鑫，周思帆，金大平，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21