【技术实现步骤摘要】
机器人的重定位方法及装置、存储介质、电子设备
本专利技术实施例涉及机器人
，具体而言，涉及一种机器人的重定位方法、机器人的重定位装置、计算机可读存储介质以及电子设备。
技术介绍
随着人工智能的不断发展，机器人的应用场景得到极大拓展，给人们的生产生活带来了极大的便利，同时，对于机器人的效率以及智能化的要求也越来越高，例如，对于自主行走机器人来说，要求机器人对于行走路线要有较高效的行走路径规划。目前，基于视觉和激光SLAM(simultaneouslocalizationandmapping，同步定位与建图)的定位方法，可以利用环境信息进行主动定位，不需要对环境进行改造。但是，上述方法存在如下缺陷：一方面，无法实现在重复场景下的重定位；另一方面，在非结构化场景下，定位的准确性较低。基于此，需要提供一种新的机器人的重定位方法及装置。需要说明的是，在上述
技术介绍
部分专利技术的信息仅用于加强对本专利技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本...
【技术保护点】
1.一种机器人的重定位方法，其特征在于，包括：/n获取通过摄像装置采集的机器人的图像数据、通过惯性测量装置以及位移测量装置采集的所述机器人的速度数据以及位移数据，以及通过激光雷达采集的所述机器人的激光点云数据；/n对所述图像数据的局部视觉特征进行特征编码得到图像矢量特征，并在预设的关键帧数据库中对降维处理后的图像矢量特征进行检索，得到多个检索结果；/n根据各所述检索结果对所述机器人的位姿进行求解，得到第一位姿初始值，并根据所述速度数据以及位移数据在预设的二维栅格地图中对所述激光点云数据进行匹配，得到第一匹配结果；/n在判断所述第一位姿初始值以及第一匹配结果不一致时，根据所述...
【技术特征摘要】
1.一种机器人的重定位方法，其特征在于，包括：
获取通过摄像装置采集的机器人的图像数据、通过惯性测量装置以及位移测量装置采集的所述机器人的速度数据以及位移数据，以及通过激光雷达采集的所述机器人的激光点云数据；
对所述图像数据的局部视觉特征进行特征编码得到图像矢量特征，并在预设的关键帧数据库中对降维处理后的图像矢量特征进行检索，得到多个检索结果；
根据各所述检索结果对所述机器人的位姿进行求解，得到第一位姿初始值，并根据所述速度数据以及位移数据在预设的二维栅格地图中对所述激光点云数据进行匹配，得到第一匹配结果；
在判断所述第一位姿初始值以及第一匹配结果不一致时，根据所述第一位姿初始值以及所述第一匹配结果生成第二匹配结果，并根据所述第二位姿初始值、第一匹配结果以及第二匹配结果对所述机器人进行重定位。
2.根据权利要求1所述的机器人的重定位方法，其特征在于，对所述图像数据的局部视觉特征进行特征编码得到图像矢量特征包括：
提取所述图像数据的局部视觉特征，并在预设的视觉词典中查找与所述局部视觉特征临近的视觉单词；
计算所述局部视觉特征与所述视觉单词之间的残差向量，并将属于同一所述视觉单词的残差向量进行累加求和操作得到残差和向量；
根据所述视觉单词在所述预设的视觉词典中的索引顺序对所述残差和向量进行连接，得到所述图像矢量特征。
3.根据权利要求1所述的机器人的重定位方法，其特征在于，在预设的关键帧数据库中对降维处理后的图像矢量特征进行检索，得到多个检索结果包括：
对所述图像矢量特征进行降维处理，并对降维处理后的图像矢量特征进行空间划分，得到多个子向量；
在预设的关键帧数据库中获取与各所述子向量对应的聚类中心以及各所述聚类中心的索引，并计算各所述子向量与各所述聚类中心之间的距离；
在判断所述距离小于预设阈值时，根据所述聚类中心的索引获取与所述聚类中心对应的图像矢量，并根据多个所述图像矢量得到多个所述检索结果。
4.根据权利要求1所述的机器人的重定位方法，其特征在于，根据各所述检索结果对所述机器人的位姿进行求解，得到第一位姿初始值包括：
对各所述检索结果进行特征匹配，得到各所述检索结果之间的匹配特征以及匹配特征之间的匹配关系；
根据各所述匹配特征以及各所述匹配特征之间的匹配关系对所述机器人的位姿进行求解，得到第一位姿初始值。
5.根据权利要求1所述的机器人的重定位方法，其特征在于，根据所述速度数据以及位移数据在预设的二维栅格地图中对所述激光点云数据进行匹配，得到第一匹配结果包括：
对所述速度数据以及位移数据进...
【专利技术属性】
技术研发人员：姚秀军，马福强，王超，桂晨光，崔丽华，
申请(专利权)人：北京海益同展信息科技有限公司，
类型：发明
国别省市：北京;11
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。