【技术实现步骤摘要】
一种机器人获得位置服务的方法及机器人
本申请涉及机器人导航
，具体涉及一种机器人获得位置服务的方法及机器人。
技术介绍
随着智能技术的迅猛发展，机器人已经越来越多的应用于商业活动中，例如使用机器人来进行物流的配送等。通常，机器人使用二维激光雷达针对周围环境进行测量。在机器人导航过程中，机器人会对环境进行建图，并同时确定机器人的位置，但当机器人回到之前去过的地点时，常常会受到漂移误差的影响，也就是说，机器人会认为自己到了一个新的地方。为此，需要机器人具有识别以往去过的地方的能力，也就是在整个场景中的重定位能力。对于该问题，输入机器人构建的地图，输出是确定机器人在地图上位姿信息。如果该位姿信息与机器人自己认为的位姿信息不同，则出现了漂移误差，需要进行修正。现有技术中，机器人重定位的一种方法是使用粒子滤波算法在地图中随机采样可能的位置点，根据激光扫描数据与位置点之间的匹配程度，估计机器人位置，并重复以上过程，直到计算出可信的重定位结果。该方法需要迭代计算多次，直到收敛，计算量较大。机器人重定位的另一种方法是使用全连接网络判断当前激光雷达扫描数据与每个历史扫描数据是否是相近地点，如果是相近地点，同时估计它们之间的相对位姿，从而完成回环检测。回环检测的时间只和扫描次数相关，随着扫描次数增加，每次回环检测的时间开销线性增加。当机器人运行时间较长时，该方法的效率将无法满足系统要求。
技术实现思路
本申请提供一种机器人获得位置服务的方法，以解决现有技术中，机器人重定位计算效率低下的问
【技术保护点】
1.一种机器人获得位置服务的方法，其特征在于，包括：/n机器人获取导航地图数据和针对障碍物的导航扫描数据；/n所述机器人针对所述导航扫描数据进行特征提取，获得障碍物的实际位置特征信息；/n所述机器人针对所述导航地图数据进行特征提取，获得障碍物的定位位置特征信息；/n所述机器人根据所述障碍物的实际位置特征信息和所述障碍物的定位位置特征信息，获取用于表征所述导航扫描数据和导航地图数据之间的关系的重定位特征信息；/n所述机器人针对所述重定位特征信息进行特征提取，获取所述导航扫描数据相对于所述导航地图数据的重定位信息；/n所述机器人根据所述重定位信息获得位置服务。/n
【技术特征摘要】
1.一种机器人获得位置服务的方法，其特征在于，包括：
机器人获取导航地图数据和针对障碍物的导航扫描数据；
所述机器人针对所述导航扫描数据进行特征提取，获得障碍物的实际位置特征信息；
所述机器人针对所述导航地图数据进行特征提取，获得障碍物的定位位置特征信息；
所述机器人根据所述障碍物的实际位置特征信息和所述障碍物的定位位置特征信息，获取用于表征所述导航扫描数据和导航地图数据之间的关系的重定位特征信息；
所述机器人针对所述重定位特征信息进行特征提取，获取所述导航扫描数据相对于所述导航地图数据的重定位信息；
所述机器人根据所述重定位信息获得位置服务。
2.根据权利要求1所述的机器人获得位置服务的方法，其特征在于，所述机器人获取导航地图数据和针对障碍物的导航扫描数据，包括：
机器人获取占据图和可见图格式的导航地图数据和针对障碍物的导航扫描数据。
3.根据权利要求1所述的机器人获得位置服务的方法，其特征在于，所述机器人针对所述导航扫描数据进行特征提取，获得障碍物的实际位置特征信息，包括：
机器人利用第一卷积神经网络，针对所述导航扫描数据进行特征提取，获得障碍物的实际位置特征信息。
4.根据权利要求3所述的机器人获得位置服务的方法，其特征在于，所述机器人利用第一卷积神经网络，针对所述导航扫描数据进行特征提取，获得障碍物的实际位置特征信息，包括：
机器人利用第一卷积神经网络的卷积层，针对所述导航扫描数据进行特征提取，获得所述导航扫描数据的第一特征图；
所述机器人将所述第一特征图输入所述第一卷积神经网络的池化层进行池化处理，获得针对所述第一特征图进行压缩后的第二特征图；
所述机器人根据所述第二特征图，获得所述导航扫描数据的障碍物的实际位置特征信息。
5.根据权利要求3所述的机器人获得位置服务的方法，其特征在于，所述机器人针对所述导航地图数据进行特征提取，获得障碍物的定位位置特征信息，包括：
机器人利用第二卷积神经网络，针对所述导航地图数据进行特征提取，获得障碍物的定位位置特征信息。
6.根据权利要求5所述的机器人获得位置服务的方法，其特征在于，还包括：
所述机器人获取用于训练的训练地图数据；
所述机器人根据所述训练地图数据，生成用于训练的针对障碍物的训练扫描数据；
所述机器人利用所述训练地图数据和训练扫描数据对所述第一卷积神经网络和第二卷积神经网络中的至少一个卷积神经网络进行训练。
7.根据权利要求1所述的机器人获得位置服务的方法，其特征在于，所述机器人根据所述障碍物的实际位置特征信息和障碍物的定位位置特征信息，获取用于表征所述导航扫描数据和导航地图数据之间的关系的重定位特征信息，包括：
机器人将所述障碍物的实际位置特征信息和障碍物的定位位置特征信息进行特征拼接，获取用于表征所述导航扫描数据和导航地图数据之间的关系的重定位特征信息。
8.根据权利要求1所述的机器人获得位置服务的方法，其特征在于，针对所述重定位特征信息进行特征提取，获取所述导航扫描数据相对于所述导航地图数据的重定位信息，包括：
机器人利用卷积层针对所述重定位特征信息进行特征提取，获得用于表征所述导航扫描数据相对于所述导航地图数据的重定位信息；
所述机器人根据所述重定位信息，判断所述导航扫描数据在二维地图上的地点重定位是否成功；
若是，则所述机器人获取所述导航扫描数据所在位置的横向偏移信息、纵向偏移信息和相对旋转信息；
所述机器人将所述横向偏移信息、纵向偏移信息和相对旋转信息确定为所述导航扫描数据相对于所述导航地图数据的重定位信息。
9.根据权利要求5所述的机器人获得位置服务的方法，其特征在于，所述第一卷积神经网络和第二卷积神经网络权值共享。
10.一种机器人，其特征在于，所述机器人执行如下操作：
获取导航地图数据和针对障碍物的导航扫描数据；
针对所述导航扫描数据进行特征提取，获得障碍物的实际位置特征信息；
针对所述导航地图数据进行特征提取，获得障碍物的定位位置特征信息；
根据所述障碍物的实际位置特征信息和所述障碍物的定位位置特征信息，获取用于表征所述导航扫描数据和导航地图数据之间的关系的重定位特征信息；
针对所述重定位特征信息进行特征提取，获取所述导航扫描数据相对于所述导航地图数据的重定位信息；
根据所述重定位信息获得位置服务。
11.一种重定位方法，其特征在于，包括：
获取导航地图数据和针对障碍物的导航扫描数据；
针对所述导航扫描数据进行特征提取，获得障碍物的实际位置特征信息；
针对所述导航地图数据进行特征提取，获得障碍物的定位位置特征信息；
根据所述障碍物的实际位置特征信息和所述障碍物的定位位置特征信息，获取用于表征所述导航扫描数据和导航地图数据之间的关系的重定位特征信息；
针对所述重定位特征信息进行特征提取，获取所述导航扫描数据相对于所述导航地图数据的重定位信息。
12.根据权利要求11所述的重定位方法，其特征在于，所述获取导航地图数据和针对障碍物的导航扫描数据，包括：
获取占据图和可见图格式的导航地图数据和针对障碍物的导航扫描数据。
13.根据权利要求11所述的重定位方法，其特征在于，所述针对所述导航扫描数据进行特征提取，获得障碍物的实际位置特征信息，包括：
利用第一卷积神经网络，针对所述导航扫描数据进行特征提取，获得障碍物的实际位置特征信息。
14.根据权利要求13所述的重定位方法，其特征在于，所述利用第一卷积神经网络，针对所述导航扫描数据进行特征提取，获得障碍物的实际位置特征信息，包括：
利用第一卷积神经网络的卷积层，针对所述导航扫描数据进行特征提取，获得所述导航扫描数据的第一特征图；
将所述第一特征图输入所述第一卷积神经网络的池化层进行池化处理，获得针对所述第一特征图进行压缩后的第二特征图；
根据所述第二特征图，获得所述导航扫描数据的障碍物的实际位置特征信息。
15.根据权利要求13所述的重定位方法，其特征在于，所述针对所述导航地图数据进行特征提取，获得障碍物的定位位置特征信息，包括：
利用第二卷积神经网络，针对所述导航地图数据进行特征提取，获得障碍物的定位位置特征信息。
16.根据权利要求15所述的重定位方法，其特征在于，还包括：
获取用于训练的训练地图数据；
根据所述训练地图数据，生成用于训练的针对障碍物的训练扫描数据；
利用所述训练地图数据和训练扫描数据对所述第一卷积神经...
【专利技术属性】
技术研发人员：宋亚斐，韩煦深，张贺，李名杨，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。