一种机器人全局重定位方法技术

本发明专利技术公开了一种机器人全局重定位方法，属于机器人技术领域，包括开始机器人在所有位置具有相同的概率分布；机器人通过携带激光雷达实时获取机器人周围的环境信息并构建一张局部地图；使用图像匹配的方法，在全局地图中找到局部地图的可能位姿以及在可能位姿处的概率，并更新机器人在全局地图中的定位置信度；计算更新后的最大定位置信度与第二大定位置信度的差值，判断该差值是否大于设定的阈值，如果是，则定位完成，否则根据所述机器人携带的里程计数据，更新机器人定位置信度。本发明专利技术中机器人仅需要自身携带的传感器就能完成全局重定位，具有较高自主性和适应能力，且定位速度快，鲁棒性高。

A Global Relocation Method for Robots

The invention discloses a global relocation method for robots, which belongs to the field of robotics technology, including starting robots with the same probability distribution in all locations; real-time acquisition of environmental information around robots by carrying lidar by robots and construction of a local map; using image matching method to find possible positions and postures of local maps in the global map; and The probabilities of possible positions and postures are calculated, and the positioning confidence of the robot in the global map is updated. The difference between the maximum positioning confidence and the second largest positioning confidence is calculated to determine whether the difference is greater than the set threshold. If so, the positioning is completed. Otherwise, the positioning confidence of the robot is updated according to the odometer data carried by the robot. The robot in the invention can complete global relocation only by carrying sensors, has high autonomy and adaptability, and has fast positioning speed and high robustness.

【技术实现步骤摘要】
一种机器人全局重定位方法
本专利技术涉及机器人
，特别涉及一种机器人全局重定位方法。
技术介绍
随着科技发展和生活水平的提高，在现实生活中越来越多的需要机器人代替人工完成一些简答重复性的工作，解决机器人“绑架”及重定位可以极大地扩展服务机器人的应用领域及提高用户的使用体验。在现有解决机器人重定位的方案中，大多是通过在环境中贴二维码或者安装UWB等辅助设备实现机器人定位，或者需要人工指定一个或多个机器人可能的位置范围。这些方案大多需要改变机器人的运行环境，在一定程度上限制了机器人的使用范围，成本较高；而且通过人工干预的方式，没有真正实现机器人的自主化。
技术实现思路
本专利技术的目的在于提供一种机器人全局重定位方法，以避免改变机器人的运行环境。为实现以上目的，本专利技术采用一种机器人全局重定位方法，所述机器人设有激光雷达和里程计，且所述机器人预存有其运行区域环境的全局地图，包括：S1、设定在初始时刻，机器人在所述全局地图中所有位姿的概率服从均匀分布；S2、利用所述激光雷达实时获取机器人周围的环境信息数据，并利用建图算法对机器人周围的环境信息数据进行处理，构建出机器人周围环境的局部地图；S3、采用图像匹配算法在全局地图中匹配出局部地图的可能位姿以及可能位姿处的概率；S4、利用可能位姿处的概率对上一时刻机器人在全局地图中同一位姿的定位置信度进行更新，并对更新后的各可能位姿的定位置信度进行归一化处理，将归一化后的概率分布作为后验值；S5、计算后验值中最大定位置信度与第二大定位置信度的差值，判断该差值是否大于设定的阈值；S6、若是，则机器人全局重定位完成；S7、若否，则利用里程计采集的里程数据对所述后验值进行修正，然后执行步骤S2。进一步地，所述利用可能位姿处的概率对机器人在全局地图中可能位姿的定位置信度进行更新，包括：对所述可能位姿处的概率进行高斯处理；将高斯处理后的可能位姿处概率与上一时刻同一位姿处的概率相乘或加权求和并作归一化处理，重新得到机器人在所述全局地图中位姿的概率分布。进一步地，所述利用里程计采集的里程数据对所述后验值进行修正，包括：根据所述里程计采集的里程数据，计算所述机器人的位移；将所述各后验值跟随所述机器人位移作平移和旋转；判断所述局部地图在所述全局地图中的可能位姿进入了全局地图中不可达区域，则将该后验值修正为最小值；将修正后的后验值做归一化处理，并将处理结果作为机器人在所述全局地图中位姿的概率分布。与现有技术相比，本专利技术存在以下技术效果：本专利技术首先通过激光雷达数据建立一幅局部地图，然后将局部地图与预先存储的全局地图进行匹配，在全局地图中找出机器人一个或多个可能位姿，并根据可能位姿的概率，建立机器人在全局地图中的概率分布。随着机器人的不断移动，利用机器人携带的里程计测量的里程数据不断对机器人在全局地图中的位姿进行滤波处理，最终确定机器人在全局地图中的真实位姿。整个机器人全局重定位过程自主性高、定位速度快、鲁棒性高，而且整个过程未对机器人所在的环境做出改变，也不需要人工干预，真正实现了机器人的自主化。附图说明下面结合附图，对本专利技术的具体实施方式进行详细描述：图1是一种机器人全局重定位方法的流程示意图。具体实施方式为了更进一步说明本专利技术的特征，请参阅以下有关本专利技术的详细说明与附图。所附图仅供参考与说明之用，并非用来对本专利技术的保护范围加以限制。如图1所示，本实施例公开了一种机器人全局重定位方法，机器人设有激光雷达和里程计，且所述机器人预存有其运行区域环境的全局地图，包括步骤S1至S7：S1、设定在初始时刻，机器人在所述全局地图中所有位姿的概率服从均匀分布；需要说明的是，由于在初始时刻，机器人具有全局不确定性，此时假设机器人在全局中各个位姿的概率相等，以便于后期对各位姿概率进行更新。S2、利用所述激光雷达实时获取机器人周围的环境信息数据，并利用建图算法对机器人周围的环境信息数据进行处理，构建出机器人周围环境的局部地图；需要说明的是，采用和全局地图相同的尺度构建局部地图，以保证尺度不变，减少图像匹配复杂度。局部地图具体的构建过程为：先初始化一张值为127（可以自定义）的灰度图；通过激光雷达得到点A（x0,y0）处为障碍物点，将线段（0，0）-（x0,y0）中的像素值赋为255（白色），像素点A（x0,y0）的值赋为0（黑色）；对所有雷达数据进行同样的操作，就可得到一张以激光雷达为中心的局部地图。S3、采用图像匹配算法在全局地图中匹配出局部地图的可能位姿以及可能位姿处的概率；具体地，利用图像匹配算法，在全局地图中匹配出局部地图的可能位姿，局部地图与全局地图中部分区域的相似度越高，则概率越大。本实施例可采用的图像匹配算法包括但不限于ORB、SURF、SIFT等，其中ORB算法速度较快，在实时图像匹配中，大多采用该算法。S4、利用可能位姿处的概率对上一时刻机器人在全局地图中同一位姿的定位置信度进行更新，并对更新后的各可能位姿的定位置信度进行归一化处理，将归一化后的概率分布作为后验值；需要说明的是，本实施例中将上一时刻机器人在全局地图中各位置的定位置信度当做先验值，将局部地图与全局地图匹配通过匹配得到的可能位姿处的概率作为观测值，将观测值和先验值进行相乘或加权求和并归一化后的结果作为后验值。其中，位姿概率指的是单一位姿的概率；定位置信度指的是概率分布，根据定位置信度可以得到任意位姿的概率。S5、计算后验值中最大定位置信度与第二大定位置信度的差值，判断该差值是否大于设定的阈值；需要说明的是，这里更新后的定位置信度即为后验值，该设定的阈值为本领域技术人员经过大量实验得出的一个用于与定位置信度差值进行比较的值比如0.8等，并将该阈值通过参数的形式预先设置在程序中，在使用时直接调用即可。S6、若是，则机器人全局重定位完成；S7、若否，则利用里程计采集的里程数据对所述后验值进行修正，然后执行步骤S2。需要说明的是，通过对更新后的各可能位姿的定位置信度及后验值进行修正，对机器人在全局地图中的置信度分布作滤波处理，提高了机器人在全局地图中位姿定位的准确性。进一步地，所述利用可能位姿处的概率对机器人在全局地图中可能位姿的定位置信度进行更新，包括：对所述可能位姿处的概率进行高斯处理，其中高斯处理的均值和方差可以通过参数的形式预先设置在程序中，在进行高斯处理时直接调用即可；需要说明的是，由于可能位姿处概率分布是通过激光雷达观测得到的，其概率属于二值分布。比如，通过激光雷达观测（即图像匹配）机器人位于A点，概率为0.8，那么在所有非A点的位姿概率为0.2，但是直观上，A点附近处的概率要大于距离A点较远处的概率，通过高斯处理（也即平滑处理）可以表示这一过程，可以设置高斯均值为0，方差通过用户指定。将高斯处理后的可能位姿处概率与上一时刻同一位姿处的概率相乘或加权求和并作归一化处理，重新得到机器人在所述全局地图中位姿的概率分布。进一步地，所述利用里程计采集的里程数据对所述后验值进行修正，包括：根据所述里程计采集的里程数据，计算所述机器人的位移；将所述各后验值跟随所述机器人位移作平移和旋转；本实施例的平移旋转操作，比如t0时刻，A(x0,y0)点置信度为0.5，此时机器人向x轴方向移动0.1m，那么将A(x0+0.1,y0)点的置信度本文档来自技高网...

【技术保护点】
1.一种机器人全局重定位方法，其特征在于，所述机器人设有激光雷达和里程计，且所述机器人预存有其运行区域环境的全局地图，包括：S1、设定在初始时刻，机器人在所述全局地图中所有位姿的概率服从均匀分布；S2、利用所述激光雷达实时获取机器人周围的环境信息数据，并利用建图算法对机器人周围的环境信息数据进行处理，构建出机器人周围环境的局部地图；S3、采用图像匹配算法在全局地图中匹配出局部地图的可能位姿以及可能位姿处的概率；S4、利用可能位姿处的概率对上一时刻机器人在全局地图中同一位姿的定位置信度进行更新，并对更新后的各可能位姿的定位置信度进行归一化处理，将归一化后的概率分布作为后验值；S5、计算后验值中最大定位置信度与第二大定位置信度的差值，判断该差值是否大于设定的阈值；S6、若是，则机器人全局重定位完成；S7、若否，则利用里程计采集的里程数据对所述后验值进行修正，然后执行步骤S2。

【技术特征摘要】
1.一种机器人全局重定位方法，其特征在于，所述机器人设有激光雷达和里程计，且所述机器人预存有其运行区域环境的全局地图，包括：S1、设定在初始时刻，机器人在所述全局地图中所有位姿的概率服从均匀分布；S2、利用所述激光雷达实时获取机器人周围的环境信息数据，并利用建图算法对机器人周围的环境信息数据进行处理，构建出机器人周围环境的局部地图；S3、采用图像匹配算法在全局地图中匹配出局部地图的可能位姿以及可能位姿处的概率；S4、利用可能位姿处的概率对上一时刻机器人在全局地图中同一位姿的定位置信度进行更新，并对更新后的各可能位姿的定位置信度进行归一化处理，将归一化后的概率分布作为后验值；S5、计算后验值中最大定位置信度与第二大定位置信度的差值，判断该差值是否大于设定的阈值；S6、若是，则机器人全局重定位完成；S7、若否，则利用里程计采...

【专利技术属性】
技术研发人员：杨记周，高放，潘宏青，许玉云，骆永乐，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽,34