机器人自适应定位方法、定位装置、机器人及存储介质制造方法及图纸

本发明专利技术实施例公开了一种机器人自适应定位方法、定位装置、机器人及存储介质。该方法包括：获取机器人周围环境的直线特征，得到第一直线特征集，其中直线特征包括线段的起始端点位置和结束端点位置；对第一直线特征集中的直线特征进行均值聚类，得到多个聚类子集；对各个聚类子集分别进行直线拟合；根据直线拟合的结果确定机器人的位置。本发明专利技术实施例通过对电梯内的环境进行直线特征提取，得到直线特征，通过对直线特征进行聚类处理得到聚类子集，对聚类子集进行直线拟合得到直线函数，再通过直线函数确定机器人相对于电梯内壁及两个侧壁的距离和方向，实现了不依赖其他的定位信标，即可完成机器人在电梯内的定位。

Robot adaptive positioning method, positioning device, robot and storage medium

The embodiment of the invention discloses a robot adaptive positioning method, a positioning device, a robot and a storage medium. This method includes: acquiring the linear features of the robot's surrounding environment, obtaining the first linear feature set, in which the linear features include the position of the starting and ending endpoints of the line segment; clustering the linear features of the first linear feature set with the mean value, obtaining multiple clustering subsets; fitting each clustering subset with a straight line respectively; determining the robot according to the results of the straight line fitting Location. In the embodiment of the invention, the linear feature is obtained by extracting the linear feature of the environment in the elevator, the clustering subset is obtained by clustering the linear feature, the linear function is obtained by straight-line fitting the clustering subset, and the distance and direction of the robot relative to the inner wall and the two side walls of the electric elevator are determined by the linear function, so as to realize the positioning beacon independent of other positioning beacons Complete the positioning of the robot in the elevator.

【技术实现步骤摘要】
机器人自适应定位方法、定位装置、机器人及存储介质
本专利技术实施例涉及机器人定位技术，尤其涉及一种机器人自适应定位方法、定位装置、机器人及存储介质。
技术介绍
随着机器人越来越普及，机器人被越来越广泛的应用在各种场景中，在机器人的实际工作中，需要让机器人自动上下电梯，所以机器人在电梯内的精准定位就尤为重要。当前为了让机器人获得准确的位置信息，机器人需要获取额外的定位信标，或需要提前设定电梯内的尺寸信息，不仅效率低，而且成本高，影响了机器人的普及和运行。
技术实现思路
本专利技术实施例提供一种机器人自适应定位方法、定位装置、机器人及存储介质，以实现机器人能够不依赖外界定位信标，通过直线特征提取和均值聚类方法，获取机器人的位置信息，实现机器人的自适应定位。第一方面，本专利技术实施例提供了一种机器人自适应定位方法，包括：获取机器人周围环境的直线特征，得到第一直线特征集，其中所述直线特征包括线段的起始端点位置和结束端点位置；对所述第一直线特征集中的直线特征进行均值聚类，得到多个聚类子集；对各个所述聚类子集分别进行直线拟合；根据直线拟合的结果确定所述机器人的位置。第二方面，本专利技术实施例还提供了一种机器人自适应定位装置，包括：直线特征提取模块，用于获取机器人周围环境的直线特征，得到第一直线特征集，其中所述直线特征包括线段的起始端点位置和结束端点位置；聚类模块，用于对所述第一直线特征集中的直线特征进行均值聚类，得到多个聚类子集；直线拟合模块，用于对各个所述聚类子集分别进行直线拟合；位置确定模块，用于根据直线拟合的结果确定所述机器人的位置。第三方面，本专利技术实施例还提供了一种机器人，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；传感器，用于采集机器人周围的环境参数，并生成所述环境参数的点云数据；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的机器人自适应定位方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任一实施例所述的机器人自适应定位方法。本专利技术实施例通过对传感器生成的关于电梯环境的点云数据进行直线特征提取，通过对直线特征进行聚类处理，得到机器人前方的直线特征集合，以及机器人两侧的直线特征集合，再通过分别对这三个直线特征集合进行直线拟合，可以得到三个直线函数，通过三个直线函数确定机器人相对于电梯内壁及两个侧壁的距离和方向，即得到了机器人在电梯中的位置，为机器人的移动提供了精准的位置信息。本实施例定位方法不依赖其他的定位信标，即可完成机器人在电梯内的定位，具有定位效率高和适应性强的优点。附图说明图1是本专利技术实施例一中的一种机器人自适应定位方法的流程图；图2是本专利技术实施例二中的一种机器人自适应定位方法的流程图；图3是本专利技术实施例三中的一种机器人自适应定位装置的结构框图；图4是本专利技术实施例四中的一种机器人的结构框图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种机器人自适应定位方法的流程图，本实施例可适用于机器人不依赖额外的定位信标自行乘坐电梯上下楼的情况，例如，当机器人自动乘坐普通的电梯上下楼时，该普通电梯内并没有定制的定位信息，机器人需要根据电梯内的环境特征进行自适应定位，以根据电梯内的情况进行位置调整。该本方法可以由机器人自适应定位装置来执行，机器人自适应定位装置可配置于机器人中。如图1所示，该方法具体包括如下步骤：S110、获取机器人周围环境的直线特征，得到第一直线特征集。其中，机器人周围环境是指机器人前方和侧方的环境，例如，当机器人位于电梯内时，此时的周围环境即为位于机器人前方的电梯内壁方向和位于机器人两侧的电梯侧壁方向的环境，其中，电梯内壁是指正对电梯门的电梯墙壁，电梯侧壁是指电梯门两侧的电梯墙壁。直线特征即为机器人周围环境的线段特征，该直线特征包括线段的起始端点位置和结束端点位置，直线特征可以通过直线特征提取算法得到，例如，可以通过霍夫变换特征提取算法进行直线特征提取。本实施例中，直线特征可以通过设置在机器人上的传感器来获取，例如，通过在机器上设置单线激光雷达，可以获取到机器人周围环境的点云数据，且在一个确定的基准坐标系中，这些点云数据带有坐标信息，从而通过直线特征提取算法从点云数据中提取的直线特征具有在该基准坐标系下的坐标信息，即直线特征包括线段的起始端点坐标和结束端点坐标。考虑到机器人具有确定的坐标系，本实施例可选用机器人坐标系作为基准坐标系进行直线特征提取。本实施例中，机器人坐标系以机器人的几何中心为坐标原点，以机器人的正前方为机器人坐标系的x轴正向，以机器人的左侧朝向作为机器人坐标系的y轴正向，建立直角坐标系，且满足该机器人坐标系的坐标平面平行于水平面，其中，机器人的几何中心通常为机器人的底盘中心。同时，因为激光雷达与机器人的几何中心之间具有确定的相对位置关系，因而根据激光雷达与机器人几何中心的相对位置关系可以确定激光雷达坐标系与机器人坐标系之间的坐标变换关系，通过该坐标变换关系，可以将激光雷达生成的点云数据映射到机器人坐标系中。可选的，可以先在激光雷达坐标系中对点云数据进行直线特征提取，然后将这些直线特征转换到机器人坐标系中，得到第一直线特征集；或者，可以先将点云数据进行坐标转换，在机器人坐标系中进行直线特征提取，得到第一直线特征集。本实施例中，通过单线激光雷达生成的点云数据为二维的点云数据，因而当以机器人坐标系为基准坐标系时，所提取的直线特征反映了在机器人坐标平面内电梯中的直线特征。S120、对所述第一直线特征集中的直线特征进行均值聚类，得到多个聚类子集。其中，对第一直线特征集中的直线特征进行均值聚类可以包括：将第一直线特征集中的直线特征按倾斜角进行均值聚类，其中，倾斜角为直线特征对应的线段与机器人坐标系的x轴之间的夹角。在确定了基准坐标系后，第一直线特征集中的每个直线特征便具有确定的倾斜角。例如，以机器人坐标系为基准，考虑到机器人在进入电梯后基本是朝向电梯内壁站立，当机器人与电梯内壁之间没有人时，此时所提取的直线特征对应的线段与电梯内壁平行或者接近平行，即这些直线特征的倾斜角在π/2附近；而当机器人与电梯内壁之间有人时，因为人的遮挡，激光雷达便无法采集到电梯内壁的信息，而只能采集到人的信息，从而生成具有不同x坐标值的点云数据，因而基于该点云数据所提取的直线特征的倾斜角不同，且部分直线特征的倾斜角会与π/2相差较大。而为实现对电梯内的机器人的定位，必须以电梯(电梯内壁和电梯侧壁)为参考，因此，可本文档来自技高网...

【技术保护点】
1.一种机器人自适应定位方法，其特征在于，包括：/n获取机器人周围环境的直线特征，得到第一直线特征集；/n对所述第一直线特征集中的直线特征进行均值聚类，得到多个聚类子集；/n对各个所述聚类子集分别进行直线拟合；/n根据直线拟合的结果确定所述机器人的位置。/n

【技术特征摘要】
1.一种机器人自适应定位方法，其特征在于，包括：
获取机器人周围环境的直线特征，得到第一直线特征集；
对所述第一直线特征集中的直线特征进行均值聚类，得到多个聚类子集；
对各个所述聚类子集分别进行直线拟合；
根据直线拟合的结果确定所述机器人的位置。


2.根据权利要求1所述的方法，其特征在于，所述获取机器人周围环境的直线特征，得到第一直线特征集，包括：
通过设置在所述机器人上的传感器获取所述机器人周围环境的点云数据；
对所述点云数据进行低通滤波；
以机器人坐标系为基准，对低通滤波后的点云数据使用霍夫变换进行直线特征提取，得到第一直线特征集，其中，所述机器人坐标系以机器人的几何中心为坐标原点的直角坐标系，且所述机器人坐标系的x轴正向朝向所述机器人的正前方，所述机器人坐标系构成的坐标平面平行于水平面；所述直线特征包括线段的起始端点位置和结束端点位置。


3.根据权利要求2所述的方法，其特征在于，所述对所述第一直线特征集中的直线特征进行均值聚类，得到多个聚类子集，包括：
从所述第一直线特征集中，选取直线特征的倾斜角在-δ～+δ中的任一倾斜角为第一初始聚类质心，以及选取直线特征的倾斜角在中的任一倾斜角为第二初始聚类质心，其中，δ为预设的容差参数，直线特征的倾斜角为直线特征对应的线段与所述机器人坐标系的x轴之间的夹角；
将各所述直线特征的倾斜角分别与第一初始聚类质心和第二初始聚类质心进行比较，若所述直线特征的倾斜角与所述第一初始聚类质心的差值小于该直线特征的倾斜角与所述第二初始聚类质心的差值，则将该直线特征计入第一聚类群；否则，将该直线特征计入第二聚类群；
将所述第一聚类群中直线特征的平均倾斜角作为第三聚类质心，以及所述第二聚类群中直线特征的平均倾斜角作为第四聚类质心，将所述直线特征的倾斜角分别与所述第三聚类质心和所述第四聚类质心进行比较，若所述直线特征的倾斜角与所述第三聚类质心的差值小于该直线特征的倾斜角与所述第四聚类质心的差值，则将该直线特征计入第三聚类群，否则，将该直线特征计入第四聚类群；
重复所述第三聚类群和所述第四聚类群的聚类过程，直至所述第一直线特征集中各直线特征经过聚类后得到的聚类质心不再改变，得到第二直线特征集和第三直线特征集。


4.根据权利要求3所述的方法，其特征在于，若所述机...

【专利技术属性】
技术研发人员：夏知拓，潘晶，苏至钒，张波，李正浩，
申请(专利权)人：上海钛米机器人科技有限公司，
类型：发明
国别省市：上海;31