机器人多传感器融合定位方法及其应用技术

本发明专利技术涉及一种机器人多传感器融合定位方法及其在智能清洁机器人中的应用，包括以下步骤：在机器人上安装激光扫描仪、IMU，在机器人的两个车轮轴上安装编码器，若在室外且需要使用GPS，则安装GPS；若在室内且需要使用UWB，则安装UWB，并可安装RFID、摄像头；机器人使用SLAM构建场所的环境地图；定位时，首先给定机器人一个初始位姿，在后续定位过程中，使用图优化方法计算得到机器人的移动距离，使得此移动距离最符合各个传感器观测到的机器人移动距离，结合上一时刻的位姿得到当前机器人精确的定位；本发明专利技术可准确识别出当前位置，大大提高定位的准确性，避免机器人处于地图质量较差环境中定位丢失的现象。

Robot multi-sensor fusion positioning method and its application

The invention relates to a robot multi-sensor fusion positioning method and its application in an intelligent cleaning robot, which comprises the following steps: installing a laser scanner and IMU on the robot, installing an encoder on two wheel axles of the robot, installing a GPS if it is outdoors and needs to use GPS, installing a UWB if it is indoors and needs to use UWB, and installing RFID and camera; The robot uses slam to build the environment map of the site. When positioning, it first gives an initial position and posture of the robot. In the subsequent positioning process, it uses the graph optimization method to calculate the moving distance of the robot, so that the moving distance is most consistent with the moving distance of the robot and the human observed by each sensor. Combined with the position and posture of the previous moment, it can obtain the accurate positioning of the current robot. The invention can It can identify the current position accurately, improve the accuracy of positioning greatly, and avoid the phenomenon that the robot is lost in the poor map quality environment.

【技术实现步骤摘要】
机器人多传感器融合定位方法及其应用[
]本申请涉及智能机器人领域，特别涉及一种机器人多传感器融合定位方法。[
技术介绍
]定位与导航技术是机器人的关键技术之一，而定位是导航的前提。定位是指机器人通过读取传感器信息，与当前地图进行匹配，获取自身在地图中的位置。在SLAM问题中，应用传感器感知的信息实现可靠的定位是机器人最基本、最重要的一项功能。然而，机器人应用场景复杂，不同场景需要相应地改变传感器，造成了各个场景中定位方法的独特性，使得定位方法的通用性较差。另外，由于当前大部分定位方法使用的是基于上一次定位信息进行推测当前定位信息，然后根据当前传感器观测数据进行矫正，从而不能充分利用历史定位信息，所以很容易出现定位丢失。[
技术实现思路
]本专利技术的目的就是要解决上述的不足而提供一种机器人多传感器融合定位方法，能够准确识别出当前位置，大大提高了定位的准确性，避免了当机器人处于地图质量较差环境时容易定位丢失的现象。为实现上述目的设计一种机器人多传感器融合定位方法，包括以下步骤：步骤s1，在机器人上安装激光雷达、编码器；步骤s2，将机器人移动至实际环境中的各个位置来构建2D或3D激光栅格地图；步骤s3，在定位时，先基于上一时刻的机器人定位，使用多个传感器测量机器人移动距离，再基于图优化方法计算得到最符合各个传感器观测的机器人移动距离，进而得到机器人当前时刻的定位数据。进一步地，步骤s1中，机器人上还安装有里程计、IMU惯性测量单元、GPS模块、UWB定位模块、RFID射频定位模块、摄像头中的一种或多种。进一步地，步骤s1中，当机器人在室外时，机器人上安装有GPS模块。进一步地，步骤s1中，当机器人在室内时，机器人上安装有UWB定位模块，同时安装有RFID射频定位模块、摄像头。进一步地，步骤s1中还包括以下步骤：步骤s11，安装编码器时，将编码器安装在机器人的车轮轴上；步骤s12，将各个传感器进行时间戳对齐。进一步地，步骤s2中还包括以下步骤：步骤s21，使用激光SLAM算法构建激光栅格地图；步骤s22，若步骤s1中使用GPS，当接收到GPS定位数据时，同时为此时的栅格地图坐标数据关联此时的GPS坐标；若步骤s1中使用UWB和/或RFID，当接收到UWB和/或RFID定位数据时，同时为此时的栅格地图坐标数据关联此时的UWB坐标和/或RFID坐标。进一步地，步骤s3中还包括以下步骤：步骤s31，在栅格地图中给定机器人一个初始位姿，将此时机器人的定位信息记为节点一；步骤s32，如果机器人不动，则忽略传感器数据；如果机器人行走，则读取里程计数据；步骤s33，当使用并接收到GPS数据时，在建图时地图中存储的GPS坐标中寻找最近的数个GPS坐标对应的栅格地图坐标，然后进行插值，得到当前的栅格地图坐标；如果不使用GPS或者没接收到GPS信号，则跳过此步骤；步骤s34，当使用UWB时，与步骤s33同理；步骤s35，基于上一时刻的定位加上里程计测量的行驶距离，在此处使用激光数据和栅格地图进行匹配，得到当前的初始定位信息，并记为节点二；步骤s36，使用上一时刻的节点一和此时刻的节点二作为图优化的两个节点，里程计测量到的行驶距离作为图优化中的约束之一；如果使用GPS或UWB，那么GPS或UWB测量得到的位姿和节点二的位姿作为另一种约束；通过图优化算法，得到当前节点二新的位姿，作为精确的定位结果。进一步地，步骤s36之后还包括步骤s37，步骤s37按步骤s31至步骤s36类推，维持多个节点，节点数量不少于五个，使用图优化方法计算得到当前定位。进一步地，当机器人上安装有里程计、GPS模块、UWB定位模块三种传感器，机器人行走一段距离后，得到里程计记录的行走距离、GPS探测的当前时刻位置和行走之初时的位置差、UWB探测的当前时刻位置和行走之初时的位置差，三种传感器得到的行走距离不同，使用优化的方法即最大似然法，使当前的定位和上一时刻的定位之间的距离与各个传感器记录的行走距离的差的平方和最小；继续行驶后，得到另一组观测数据，同样使用优化的方法计算得到最符合所有观测数据的第二个节点及以后所有节点的位姿，即作为定位结果。进一步地，本专利技术提供了一种安装多种传感器的智能清洁机器人，包括：通信接口；存储器，用于存储计算机程序；一个或多个处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述方法。进一步地，本专利技术提供了一种计算机存储介质，所述存储介质中存储计算机程序，所述计算机程序在执行时实现上述方法。本专利技术同现有技术相比，具有如下优点：(1)本专利技术所提供的机器人多传感器融合定位方法采用多种传感器的信息进行定位，且不受传感器数量的限制，即使在相似度很高的不同区域也可以准确识别出当前位置，大大提高了定位的准确性。(2)本专利技术所提供的机器人多传感器融合定位方法采用多种传感器定位，避免了使用单一传感器在特殊定位区域无法提供有效信息的缺陷，使得机器人在人群拥挤的环境中仍然能实现定位，提高了定位的鲁棒性；(3)本专利技术所提供的机器人多传感器融合定位方法在定位时，不仅接收当前的传感器数据，而且还考虑了历史的定位信息，使得当机器人处于地图质量较差的环境中时不容易定位丢失。本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。[附图说明]图1是本专利技术实施方式的流程示意图；图2是本专利技术实施方式所提供的基于图优化的移动机器人多传感器的安装示意图,图中，1、激光扫描仪2、GPS模块3、编码器；图3是本专利技术实施方式所提供的图优化方法示意图；图4是本专利技术实施方式根据多组传感器观测数据优化各个定位节点的示意图；图5是本申请某些实施方式的智能清洁机器人的模块示意图，图中，20、处理器30、存储器40、通信接口100、智能清洁机器人。[具体实施方式]下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请的实施方式，而不能理解为对本申请的实施方式的限制。SLAM是同步定位与地图构建(SimultaneousLocalizationAndMapping)的缩写，主要用于解决移动机器人在未知环境中运行时定位导航与地图构建的问题。SLAM通常包括如下几个部分，特征提取，数据关联，状态估计，状态更新以及特征更新等。对于其中每个部分，均存在多种方法。图优化，就是把一个常规的优化问题，以图(Graph)的形式来表述。图是由顶点(Vertex)和边(Edge)组成的结构，而图论则是研究图的理论。我们记一个图为G＝{V,E}，其中V为顶点集，E为边集。边一条边连接着若干个顶点，表示顶点之间的一种本文档来自技高网...

【技术保护点】
1.一种机器人多传感器融合定位方法，其特征在于，所述多传感器融合定位方法包括：/n步骤s1，在机器人上安装激光雷达、编码器；/n步骤s2，将机器人移动至实际环境中的各个位置来构建2D或3D激光栅格地图；/n步骤s3，在定位时，先基于上一时刻的机器人定位，使用多个传感器测量机器人移动距离，再基于图优化方法计算得到最符合各个传感器观测的机器人移动距离，进而得到机器人当前时刻的定位数据。/n

【技术特征摘要】
1.一种机器人多传感器融合定位方法，其特征在于，所述多传感器融合定位方法包括：
步骤s1，在机器人上安装激光雷达、编码器；
步骤s2，将机器人移动至实际环境中的各个位置来构建2D或3D激光栅格地图；
步骤s3，在定位时，先基于上一时刻的机器人定位，使用多个传感器测量机器人移动距离，再基于图优化方法计算得到最符合各个传感器观测的机器人移动距离，进而得到机器人当前时刻的定位数据。


2.根据权利要求1所述的方法，其特征在于：步骤s1中，编码器用于航迹推演，用于计算机器人行走的距离，在机器人上安装里程计、IMU惯性测量单元、GPS模块、UWB定位模块、RFID射频定位模块、摄像头中的一种或多种。


3.根据权利要求2所述的方法，其特征在于：步骤s1中，当机器人在室外时，机器人上安装有GPS模块；当机器人在室内时，机器人上安装有UWB定位模块，和/或安装有RFID射频定位模块、摄像头。


4.根据权利要求2所述的方法，其特征在于，步骤s1中还包括以下步骤：
步骤s11，安装编码器时，将编码器安装在机器人的车轮轴上；
步骤s12，将多个传感器进行时间戳对齐。


5.根据权利要求1所述的方法，其特征在于，步骤s2中还包括以下步骤：
步骤s21，使用激光SLAM算法构建激光栅格地图；
步骤s22，若步骤s1中使用GPS，当接收到GPS定位数据时，同时为此时的栅格地图坐标数据关联此时的GPS坐标；若步骤s1中使用UWB和/或RFID，当接收到UWB和/或RFID定位数据时，同时为此时的栅格地图坐标数据关联此时的UWB坐标和/或RFID坐标。


6.根据权利要求1所述的方法，其特征在于，步骤s3中还包括以下步骤：
步骤s31，在栅格地图中给定机器人一个初始位姿，将此时机器人的定位信息记为节点一；
步骤s32，如果机器人不动，则忽略多组传感器数据；如果机器人行走，则读取里程计数据；
步骤s33，当使用并接收到GP...

【专利技术属性】
技术研发人员：宋乐，郭阳全，程昊天，
申请(专利权)人：上海高仙自动化科技发展有限公司，
类型：发明
国别省市：上海;31