【技术实现步骤摘要】
定位方法及装置、智能机器人及计算机可读存储介质
本申请涉及机器人
，更具体而言，涉及一种定位方法及装置、智能机器人及计算机可读存储介质。
技术介绍
智能机器人定位算法通常采用滤波器框架，构造运动方程和观测方程，结合里程计数据和激光匹配实现位姿估计。但是智能机器人工作的周围环境变化剧烈或者激光数据没有明显返回数据时，观测方程会出现较大误差，导致位姿估计出错。同时系统有更多可参照传感器数据时，滤波器算法无法对这些数据做深度融合。使得机器人无法在较复杂的环境下工作，容易导致智能机器人的定位产生漂移及容易导致智能机器人丢失。
技术实现思路
有鉴于此，本专利技术旨在至少在一定程度上解决相关技术中的问题之一。为此，本申请实施方式提供一种定位方法及装置、智能机器人及计算机可读存储介质。本申请实施方式的定位方法应用于智能机器人，所述智能机器人上安装有多个用于检测所述智能机器人的检测位姿的传感器，所述传感器包括激光传感器，所述定位方法包括获取由多个所述传感器在检测所述检测位姿时检测得到的多个检测数据，所述激光...
【技术保护点】
1.一种定位方法，应用于智能机器人，所述智能机器人上安装有多个用于检测所述智能机器人的检测位姿的传感器，所述传感器包括激光传感器，其特征在于，所述定位方法包括：/n获取由多个所述传感器在检测所述检测位姿时检测得到的多个检测数据，所述激光传感器用于检测激光数据；/n依据所述激光数据计算所述激光数据在至少一个自由度上的自适应置信度；/n依据所述自适应置信度计算至少一个所述检测数据在图优化模型中的位姿约束的自适应权重；/n依据至少一个所述检测数据及所述自适应权重构建所述图优化模型以及所述图优化模型的目标函数；及/n依据所述目标函数计算所述智能机器人的优化位姿。/n
【技术特征摘要】
1.一种定位方法，应用于智能机器人，所述智能机器人上安装有多个用于检测所述智能机器人的检测位姿的传感器，所述传感器包括激光传感器，其特征在于，所述定位方法包括：
获取由多个所述传感器在检测所述检测位姿时检测得到的多个检测数据，所述激光传感器用于检测激光数据；
依据所述激光数据计算所述激光数据在至少一个自由度上的自适应置信度；
依据所述自适应置信度计算至少一个所述检测数据在图优化模型中的位姿约束的自适应权重；
依据至少一个所述检测数据及所述自适应权重构建所述图优化模型以及所述图优化模型的目标函数；及
依据所述目标函数计算所述智能机器人的优化位姿。
2.根据权利要求1所述的定位方法，其特征在于，所述置信度包括x方向上的置信度、y方向上的置信度及偏航角上的置信度，所述x方向上的置信度为所述x方向上的不确定性，所述y方向上的置信度为所述y方向上的不确定性，所述偏航角的置信度为所述偏航角上的不确定性。
3.根据权利要求2所述的定位方法，其特征在于，所述传感器还包括里程传感器、GPS传感器、UWB传感器、视觉传感器、WIFI传感器、蓝牙传感器、5G通信传感器，所述依据所述自适应置信度计算至少一个所述检测数据在图优化模型中的位姿约束的自适应权重，包括：
依据所述x方向上的置信度、所述y方向上的置信度及所述偏航角上的置信度计算所述里程传感器、所述GPS传感器、所述UWB传感器、所述视觉传感器、所述WIFI传感器、所述蓝牙传感器、所述5G通信传感器中的一个或多个的检测数据在所述图优化模型中的位姿约束的自适应权重。
4.根据权利要求1所述的定位方法，其特征在于，所述依据至少一个所述检测数据及所述自适应权重构建所述图优化模型以及所述图优化模型的目标函数，包括：
计算至少一个所述检测位姿与所述智能机器人的待优化位姿之间的残差；
依据所述自适应权重获取与所述自适应权重对应的检测数据的信息矩阵；及
依据所述信息矩阵及所述残差构建所述目标函数。
5.根据权利要求1所述的定位方法，其特征在于，所述依据至少一个所述检测数据及所述自适应权重构建所述图优化模型以及所述图优化模型的目标函数，包括：
构建包括所述智能机器人的轨迹的所述图优化模型，所述图优化模型以与所述激光数据匹配的检测位姿作为节点；及
基于至少一个所述自适应权重，生成所述检测数据与所述节点之间的相对位姿约束和/或绝对位姿约束。
6.根据权利要求5所述的定位方法，其特征在于，所述传感器还包括里程传感器、GPS传感器、UWB传感器、视觉传感器、WIFI传感器、蓝牙传感器及5G通信传感器，所述基于至少一个所述自适应权重，生成所述检测数据与所述节点之间的相对位姿约束和/或绝对位姿约束，包括以下步骤中的一个或多个：
生成所述里程传感器的检测节点...
【专利技术属性】
技术研发人员：赵敏，宋乐，秦宝星，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
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。