基于多层次地图匹配的移动机器人位姿纠正算法制造技术

本发明专利技术公开了一种基于多层次地图匹配的移动机器人位姿纠正算法，属于机器人和计算机图形学技术领域。本发明专利技术所述算法利用同步定位与构图算法建立全局栅格地图，结合当前观测与栅格地图的匹配关系利用AMCL算法纠正航迹推算出的位姿，从而得到相对准确的全局位姿信息；同时，本发明专利技术把栅格地图转换为之对应的全局目标点云地图，将机器人实时观测的激光点云与目标点云地图配准，以进一步修正全局位姿。本发明专利技术所述方法可以获得准确的全局位姿信息，减少长距离定位误差积累，避免现有粒子滤波技术中因粒子空间有限导致求解的位姿不够准确以及ICP算法求解的精度与效率对初始位姿过于依赖的缺点，实现了高效且准确的位姿求解。

Posture Correction Algorithms for Mobile Robots Based on Multi-level Map Matching

The invention discloses a position and attitude correction algorithm for mobile robot based on multi-level map matching, which belongs to the technical field of robotics and computer graphics. The algorithm of the invention establishes a global raster map by synchronous positioning and composition algorithm, corrects the position and posture calculated by track using AMCL algorithm in combination with the matching relationship between current observation and raster map, and obtains relatively accurate global position and posture information; at the same time, the invention converts the raster map into the corresponding global target point cloud. Map, the laser point cloud observed by the robot in real time is matched with the target point cloud map to further correct the global pose. The method of the invention can obtain accurate global position and pose information, reduce accumulation of long-distance positioning error, avoid inaccurate position and pose solution due to limited particle space in the existing particle filter technology, and the disadvantage that the accuracy and efficiency of ICP algorithm depend too much on the initial position and pose, and realize high-efficiency and accurate position and pose. Solution.

【技术实现步骤摘要】
基于多层次地图匹配的移动机器人位姿纠正算法
本专利技术属于机器人和计算机图形学
，具体涉及一种基于多层次地图匹配的移动机器人位姿纠正算法。
技术介绍
随着人工智能的不断发展，机器人的应用越来越广泛。为保证机器人能适应不同复杂的环境，因此对机器人的智能化提出了更高的要求。移动机器人的自主导航定位技术是机器人技术的核心，而其中定位是要解决的首要问题，吸引了众多研究人员的热切关注。定位问题可以分为两个子问题，一是机器人初始位置已知的局部位置跟踪问题，二是初始位置未知的全局定位问题。局部位置跟踪可以通过采集里程计、惯性导航单元信息进行航迹推算来完成，但存在很大的误差积累。激光雷达、摄像头、GPS等传感器可以得到机器人的全局位姿信息，但是摄像头和GPS对环境依赖大，如，摄像头对光线要求较高，GPS要求周围遮挡物较少。激光雷达具有精度高、环境适应能力强等特点，被广泛应用于机器人领域。早期的机器人定位算法主要包括扩展卡尔曼滤波、马尔可夫定位、多假设跟踪、粒子滤波等算法。虽然上述算法可以获得机器人的定位信息，但是计算效率和定位精度不高，不适用于一些特殊的应用环境。例如，变电站巡检、工厂物体抓取本文档来自技高网...

【技术保护点】
1.一种基于多层次地图匹配的移动机器人位姿纠正算法，其特征在于，包括以下步骤：步骤1.利用同步定位与构图算法建立机器人二维栅格地图；在机器人每次开机后，采用开源的计算机视觉的opencv函数库读取已经建好的栅格地图；步骤2.栅格地图上的黑色像素点代表激光扫描到的物体，把相应的黑色像素点转化为图像标系下的激光点云数据格式；再将图像坐标系下的激光点云P转换至地图坐标系下，得到地图坐标系下的点云P′，即全局目标点云地图；图像坐标系和地图坐标系之间的转换关系为：P′＝RP+t；其中R是图像坐标系到地图坐标系的旋转矩阵，t是地图坐标系原点在图像坐标系下的坐标；步骤3.根据机器人运动学模型，利用里程计和惯...

【技术特征摘要】
1.一种基于多层次地图匹配的移动机器人位姿纠正算法，其特征在于，包括以下步骤：步骤1.利用同步定位与构图算法建立机器人二维栅格地图；在机器人每次开机后，采用开源的计算机视觉的opencv函数库读取已经建好的栅格地图；步骤2.栅格地图上的黑色像素点代表激光扫描到的物体，把相应的黑色像素点转化为图像标系下的激光点云数据格式；再将图像坐标系下的激光点云P转换至地图坐标系下，得到地图坐标系下的点云P′，即全局目标点云地图；图像坐标系和地图坐标系之间的转换关系为：P′＝RP+t；其中R是图像坐标系到地图坐标系的旋转矩阵，t是地图坐标系原点在图像坐标系下的坐标；步骤3.根据机器人运动学模型，利用里程计和惯性测量单元的数据融合，计算出机器人的航迹，从而得到一个没有全局信息的初始位姿估计；步骤4.采用自适应蒙特卡洛定位算法将激光雷达扫描到的当前观测点云与栅格地图进行匹配，纠正机器人航迹推算出的位姿，从而得到机器人在栅格地图中的全局位姿；步骤5.设定激光雷达的扫描间距和旋转角度差，激光雷达依次扫描并采集激光点云数据Sk，该点云位于机器人坐标系下；再采用AMCL算法输出的全局位姿作为激光点云Sk与全局目标点云地图P′的初始配准参数初始旋转矩阵和初始平移向量步骤6.根据初始配准参数，将点云Sk和全局目标点云地图P′进行配准，得到最终纠正的机器人位姿，为旋转矩...

【专利技术属性】
技术研发人员：左琳，蒋正钢，张昌华，刘宇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51