基于点线特征机器人初始位姿获取方法及开机自定位方法技术

本发明专利技术公开了一种基于点线特征机器人初始位姿获取方法及开机自定位方法、存储介质。本发明专利技术的基于点线特征机器人初始位姿获取方法包括：离线提取机器人运行环境的全局特征集F1；在机器人启动时，通过二维激光雷达提取局部特征集F2；利用特征间的几何相似关系，初步匹配全局和局部特征集，并计算得到机器人的可能位姿集合{P}；过滤误匹配结果，得到可能位姿子集；评分每一个可能位姿，选取分数最优的位姿作为机器人的初始位姿P。本发明专利技术通过提取全局特征集和局部特征集，采用特征几何相似关系及位姿评分模型，获取机器人的初始位姿，无需移动机器人便可实现开机定位，提高了安全保障和定位的精确性、鲁棒性。

Initial pose acquisition method and starting self localization method of robot based on point line feature

【技术实现步骤摘要】
基于点线特征机器人初始位姿获取方法及开机自定位方法
本专利技术涉及机器人自主定位
，具体涉及一种基于点线特征机器人初始位姿获取方法及开机自定位方法,以及存储介质。
技术介绍
定位(Localization)是指移动机器人必须确定自身在该工作环境中的精确位置，精确的环境地图及移动机器人定位有助于高效地路径规划和决策，是保证移动机器人安全导航的基础。定位作为移动机器人的一种基础能力，对于机器人成功完成各项任务具有决定性的作用。定位通常可以分为局部定位、全局定位，其中全局定位的一种实例场景便是机器人的开机自定位。自适应蒙特卡罗定位(AdaptiveMonteCarloLocalization，AMCL)算法作为一种当前流行的粒子滤波类定位方法，虽然在理论上能够实现开机自定位，但由于该方法是通过全局采样粒子以实现全局定位，这就需要机器人移动一段时间后才能收敛粒子集以完成定位。在实际场景应用中，让没有准确定位结果的机器人移动是有潜在危险的。另一方面，在机器人的运行场景较大时，AMCL算法进行全局粒子采样所需的空间及时间代价也是巨大的。
技术实现思路
鉴于以上技术问题，本专利技术的目的在于提供一种基于点线特征机器人初始位姿获取方法及开机自定位方法,以及存储介质，解决现有技术不能实现开机自定位或粒子滤波类定位方法在实现开机自定位时没有准确定位结果及采样代价大的问题。本专利技术采用技术方案如下：基于点线特征机器人初始位姿获取方法，包括：获取移动机器人运行环境的离线全局地图，基于全局地图坐标系map_frame,提取全局特征集F1；在移动机器人启动时，基于移动机器人本体坐标系base_frame，通过二维激光雷达提取局部特征集F2；利用特征间的几何相似关系，初步匹配全局特征集F1和局部特征集F2；根据初步匹配的全局特征集F1和局部特征集F2，得到移动机器人的可能位姿集合{P}；通过映射局部特征到全局特征方式，过滤可能位姿集合{P}中的误匹配结果，得到可能位姿子集；对可能位姿子集中每一个位姿进行评分，选取分数最优的位姿作为机器人的初始位姿P。进一步的，所述全局特征集F1包括角点特征集C1和直线特征集L1；局部特征集F2包括角点特征集C2和直线特征集L2。进一步的，所述直线特征集L1中任一直线特征参数包括：直线编号idl、直线的法线方向坐标系原点与直线的距离(极径)ρ、直线长度l、起始端点X轴坐标xs、起始端点Y轴坐标ys、结束端点X轴坐标xe和结束端点Y轴坐标ye；直线特征集L2中任一直线特征参数包括直线编号直线的法线方向坐标系原点与直线的距离(极径)直线长度起始端点X轴坐标起始端点Y轴坐标结束端点X轴坐标结束端点Y轴坐标进一步的，所述角点特征集C2中任一角点特征参数包括角点编号角点X轴坐标和角点Y轴坐标所述角点特征集C1中任一角点特征参数包括角点编号idc、角点X轴坐标xc和角点Y轴坐标yc。进一步的，利用特征间的几何相似关系，初步匹配全局和局部特征集的步骤包括：提取局部特征集F2中的几何关系；所述几何关系包括直线夹角，和/或角点间距，和/或点线距离；在全局特征集F1中获取与局部特征集F2几何关系相似的参考全局特征集F3，所述参考全局特征集F3包括角点特征集C3和直线特征集L3；所述参考全局特征集F3是所述全局特征集F1的子集。进一步的，根据初步匹配的全局和局部特征集，得到移动机器人的可能位姿集合{P}的步骤包括：所述可能位姿集合{P}为移动机器人可能位姿的数据集合，所述移动机器人可能位姿数据包括位置(x,y)和姿态θ；通过全局和局部特征集的初步匹配得到一个特征对集合，根据特征对集合解算出可能位姿集合{P}；其中，通过一对直线特征解算机器人的姿态θ，通过两对直线特征或者一对角点特征解算机器人的位置(x,y)；姿态θ表示移动机器人本体坐标系base_frame的X轴相对于全局地图坐标系map_frameX轴的旋转角度；位置(x,y)表示移动机器人本体坐标系base_frame原点在全局地图坐标系map_frame中的X轴及Y轴坐标。进一步的，通过映射局部特征到全局特征方式，过滤可能位姿集合{P}中的误匹配结果，得到可能位姿子集的步骤包括：基于所述可能位姿集合{P}中任一位姿P1，将所述局部特征集F2中所有特征映射至全局地图坐标系下，获得预测全局特征集F4；所述预测全局特征集F4是所述全局特征集F1的子集；根据所述预测全局特征集F4，以及参考全局特征集F3，计算每对特征间的误差；累加所述特征集中每对特征间的所述误差，得到所述位姿P1的误差，过滤所述可能位姿集合{P}中超过设定误差的位姿，得到可能位姿子集。进一步的，对可能位姿子集中每一个位姿进行评分，选取分数最优的位姿作为机器人的初始位姿P的步骤包括：基于所述全局地图，根据所述可能位姿子集中任一位姿P2，获取与二维激光雷达的实时测量数据相对应的参考测量数据；根据所述实时测量数据与所述参考测量数据的误差，计算所述位姿P2的评分；根据评分结果，选取可能位姿子集中评分最高的位姿P作为机器人的初始位姿。基于点线特征机器人开机自定位方法，采用所述的基于点线特征机器人初始位姿获取方法获取移动机器人的初始位姿P，还包括：根据移动机器人的初始位姿P，采用粒子滤波算法对移动机器人进行定位。一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述的基于点线特征机器人初始位姿获取方法或所述的基于点线特征移动机器人开机自定位方法。相比现有技术，本专利技术的有益效果在于：本专利技术基于点线特征机器人开机自定位方法提供了一种基于激光雷达和点线特征的机器人定位方法，通过提取全局特征集和局部特征集，采用特征几何相似关系，获取机器人的初始位姿，该方法无需移动机器人便可实现开机定位，提高了安全保障，避免了机器人启动时的人工干预，同时提高了定位的精确性、鲁棒性、实时性。附图说明图1为本专利技术基于点线特征机器人初始位姿获取方法实施例的流程示意图；图2为本专利技术基于点线特征机器人开机自定位方法实施例的流程示意图；图3为本专利技术基于点线特征机器人开机自定位方法实施例中相似几何关系的示意图。具体实施方式下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。实施例：请参考图1-3所示，如图1所示，基于点线特征机器人初始位姿获取方法，包括以下步骤：步骤S1:获取机器人运行环境的离线全局地图；基于全局地图坐标系map_frame,提取全局特征集F1。在该步骤中，获取的离线全局地图可以通过获取其他存储介质存储的离线全局地图，也可通过环境建模(Mapping)建立移动机器人所处工作环境的准确的空间位置描述的空间模型或地图。也可通过机器人本身二维激光本文档来自技高网...

【技术保护点】
1.基于点线特征机器人初始位姿获取方法，其特征在于，包括：/n获取移动机器人运行环境的离线全局地图，基于全局地图坐标系map_frame,提取全局特征集F1；/n在移动机器人启动时，基于移动机器人本体坐标系base_frame，通过二维激光雷达提取局部特征集F2；/n利用特征间的几何相似关系，初步匹配全局特征集F1和局部特征集F2；/n根据初步匹配的全局特征集F1和局部特征集F2，得到移动机器人的可能位姿集合{P}；/n通过映射局部特征到全局特征方式，过滤可能位姿集合{P}中的误匹配结果，得到可能位姿子集；/n对可能位姿子集中每一个位姿进行评分，选取分数最优的位姿作为机器人的初始位姿P。/n

【技术特征摘要】
1.基于点线特征机器人初始位姿获取方法，其特征在于，包括：
获取移动机器人运行环境的离线全局地图，基于全局地图坐标系map_frame,提取全局特征集F1；
在移动机器人启动时，基于移动机器人本体坐标系base_frame，通过二维激光雷达提取局部特征集F2；
利用特征间的几何相似关系，初步匹配全局特征集F1和局部特征集F2；
根据初步匹配的全局特征集F1和局部特征集F2，得到移动机器人的可能位姿集合{P}；
通过映射局部特征到全局特征方式，过滤可能位姿集合{P}中的误匹配结果，得到可能位姿子集；
对可能位姿子集中每一个位姿进行评分，选取分数最优的位姿作为机器人的初始位姿P。


2.根据权利要求1所述的基于点线特征机器人初始位姿获取方法，其特征在于，所述全局特征集F1包括角点特征集C1和直线特征集L1；局部特征集F2包括角点特征集C2和直线特征集L2。


3.根据权利要求2所述的基于点线特征机器人初始位姿获取方法，其特征在于，所述直线特征集L1中任一直线特征参数包括：直线编号idl、直线的法线方向坐标系原点与直线的距离(极径)ρ、直线长度l、起始端点X轴坐标xs、起始端点Y轴坐标ys、结束端点X轴坐标xe和结束端点Y轴坐标ye；直线特征集L2中任一直线特征参数包括直线编号直线的法线方向坐标系原点与直线的距离(极径)直线长度起始端点X轴坐标起始端点Y轴坐标结束端点X轴坐标结束端点Y轴坐标


4.根据权利要求3所述的基于点线特征机器人初始位姿获取方法，其特征在于，所述角点特征集C2中任一角点特征参数包括角点编号角点X轴坐标和角点Y轴坐标所述角点特征集C1中任一角点特征参数包括角点编号idc、角点X轴坐标xc和角点Y轴坐标yc。


5.根据权利要求4所述的基于点线特征机器人初始位姿获取方法，其特征在于，利用特征间的几何相似关系，初步匹配全局和局部特征集的步骤包括：
提取局部特征集F2中的几何关系；所述几何关系包括直线夹角，和/或角点间距，和/或点线距离；
在全局特征集F1中获取与局部特征集F2几何关系相似的参考全局特征集F3，所述参考全局特征集F3包括角点特征集C3和直线特征集L3；所述参考全局特征集F3是所述全局特征集F1的子集。


6.根据权利要求5所述的基于点线特征机器人初始位姿获取方法，其特征在于，根据初步匹配的全局和局部特征集...

【专利技术属性】
技术研发人员：李良源，赖志林，李睿，
申请(专利权)人：广州赛特智能科技有限公司，
类型：发明
国别省市：广东;44