本申请提供一种机器人重定位方法、装置、激光机器人及可读存储介质，涉及机器人技术领域。本申请通过从基于激光子图点云绘制出的地图中提取目标子图区域，并确定该目标子图区域在不同视角下的表征激光点与机器人的相对位置关系的位置模板，接着从预存定位地图中提取包括重定位初始位置的局部地图，将各位置模板分别与该局部地图进行模板匹配，并将每个匹配候选结果中可信度排名靠前的至少一个机器人疑似位置汇聚到同一局部地图中进行位置聚类，然后对得到的每个聚类中心位置进行位置分布合理性评估，根据评估结果确定机器人的重定位位置，从而提升重定位功能的适用范围、精准度及实现效率，并降低重定位功能的计算资源损耗。耗。耗。
【技术实现步骤摘要】
机器人重定位方法、装置、激光机器人及可读存储介质
[0001]本申请涉及机器人
，具体而言，涉及一种机器人重定位方法、装置、激光机器人及可读存储介质。
技术介绍
[0002]随着科学技术的不断发展，机器人技术因具有极大的研究价值及应用价值受到了各行各业的广泛重视。其中，机器人在执行任务的过程中通常需要根据已有的地图数据对自身位置姿态进行定位，进而实现自主导航功能。在导航过程中，机器人也会相应地感知自身周边环境信息，并结合已有的地图数据确认当前是否存在导航错误的问题，接着在确认存在导航错误的情况下，根据感知的环境信息配合已有的地图数据对当前导航位置进行调整，即实现机器人重定位的功能。而对机器人重定位功能来说，如何降低重定位性能受环境变化的影响程度，提高重定位的适用范围、精准度及实现效率，并同步降低重定位的计算资源损耗，对本领域技术人员而言便是为提升机器人重定位效果所需解决的技术问题。
技术实现思路
[0003]有鉴于此，本申请的目的在于提供一种机器人重定位方法、装置、激光机器人及可读存储介质，能够削弱定位环境变化对重定位性能的影响，提升重定位功能的适用范围、精准度及实现效率，并同步降低重定位功能的计算资源损耗，从而提升机器人重定位的整体效果。
[0004]为了实现上述目的，本申请实施例采用的技术方案如下：
[0005]第一方面，本申请提供一种机器人重定位方法，所述方法包括：
[0006]获取机器人当前的激光子图点云，并在基于所述激光子图点云绘制出的地图中确定目标子图区域，其中所述目标子图区域的激光点数占比大于或等于预设占比阈值；
[0007]确定所述目标子图区域在不同视角下的位置模板，其中每个所述位置模板包括所述目标子图区域中各激光点在对应视角下与机器人之间的相对位置关系；
[0008]获取机器人的重定位初始位置，并从预存定位地图中提取包括所述重定位初始位置的局部地图；
[0009]将得到的各位置模板分别与所述局部地图进行模板匹配，得到对应的匹配候选结果，其中所述匹配候选结果包括对应位置模板在所述局部地图中映射出的各机器人疑似位置及其可信度；
[0010]将每个匹配候选结果中可信度排名靠前的至少一个机器人疑似位置汇聚到同一局部地图中进行位置聚类，得到对应的聚类中心位置；
[0011]对所述局部地图中的每个聚类中心位置进行位置分布合理性评估，并根据评估结果确定所述机器人的重定位位置。
[0012]在可选的实施方式中，所述将得到的各位置模板分别与所述局部地图进行模板匹配，得到对应的匹配候选结果的步骤，包括：
[0013]针对每个位置模板，对所述局部地图中的各障碍物边界点分别按照该位置模板包括的每条相对位置关系进行机器人位置预测，得到所述局部地图包括的各机器人疑似位置；
[0014]对每个机器人疑似位置的位置重叠次数进行统计，并根据统计结果计算对应机器人疑似位置的可信度，其中位置重叠次数越多则可信度越高。
[0015]在可选的实施方式中，所述将每个匹配候选结果中可信度排名靠前的至少一个机器人疑似位置汇聚到同一局部地图中进行位置聚类的步骤，包括：
[0016]将每个匹配候选结果中可信度排名靠前的至少一个机器人疑似位置汇聚到同一局部地图中，得到位置验证候选图；
[0017]从所述位置验证候选图中提取包括所述重定位初始位置的重定位子图，其中所述重定位子图的尺寸小于所述位置验证候选图的尺寸；
[0018]对所述重定位子图中汇聚的各机器人疑似位置进行位置聚类。
[0019]在可选的实施方式中，所述根据评估结果确定所述机器人的重定位位置的步骤，包括：
[0020]降序地对得到的所有聚类中心位置的位置分布合理评分进行排序，得到对应的合理评分排序结果；
[0021]将所述合理评分排序结果中排名第一的聚类中心位置，作为所述机器人的重定位位置。
[0022]第二方面，本申请提供一种机器人重定位装置，所述装置包括：
[0023]激光子图确定模块，用于获取机器人当前的激光子图点云，并在基于所述激光子图点云绘制出的地图中确定目标子图区域，其中所述目标子图区域的激光点数占比大于或等于预设占比阈值；
[0024]位置模板确定模块，用于确定所述目标子图区域在不同视角下的位置模板，其中每个所述位置模板包括所述目标子图区域中各激光点在对应视角下与机器人之间的相对位置关系；
[0025]局部地图提取模块，用于获取机器人的重定位初始位置，并从预存定位地图中提取包括所述重定位初始位置的局部地图；
[0026]地图模板匹配模块，用于将得到的各位置模板分别与所述局部地图进行模板匹配，得到对应的匹配候选结果，其中所述匹配候选结果包括对应位置模板在所述局部地图中映射出的各机器人疑似位置及其可信度；
[0027]汇聚位置聚类模块，用于将每个匹配候选结果中可信度排名靠前的至少一个机器人疑似位置汇聚到同一局部地图中进行位置聚类，得到对应的聚类中心位置；
[0028]位置评估定位模块，用于对所述局部地图中的每个聚类中心位置进行位置分布合理性评估，并根据评估结果确定所述机器人的重定位位置。
[0029]在可选的实施方式中，所述地图模板匹配模块包括：
[0030]疑似位置预测子模块，用于针对每个位置模板，对所述局部地图中的各障碍物边界点分别按照该位置模板包括的每条相对位置关系进行机器人位置预测，得到所述局部地图包括的各机器人疑似位置；
[0031]位置可信计算子模块，用于对每个机器人疑似位置的位置重叠次数进行统计，并
根据统计结果计算对应机器人疑似位置的可信度，其中位置重叠次数越多则可信度越高。
[0032]在可选的实施方式中，所述汇聚位置聚类模块包括：
[0033]疑似位置汇聚子模块，用于将每个匹配候选结果中可信度排名靠前的至少一个机器人疑似位置汇聚到同一局部地图中，得到位置验证候选图；
[0034]定位子图提取子模块，用于从所述位置验证候选图中提取包括所述重定位初始位置的重定位子图，其中所述重定位子图的尺寸小于所述位置验证候选图的尺寸；
[0035]疑似位置聚类子模块，用于对所述重定位子图中汇聚的各机器人疑似位置进行位置聚类。
[0036]在可选的实施方式中，所述位置评估定位模块包括：
[0037]合理评分排序子模块，用于降序地对得到的所有聚类中心位置的位置分布合理评分进行排序，得到对应的合理评分排序结果；
[0038]重定位输出子模块，用于将所述合理评分排序结果中排名第一的聚类中心位置，作为所述机器人的重定位位置。
[0039]第三方面，本申请提供一种激光机器人，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序，以实现前述实施方式中任意一项所述的机器人重定位方法。
[0040]第四方面，本申请提供一种可读存储介质，其上存储有计算机程序，所述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机器人重定位方法，其特征在于，所述方法包括：获取机器人当前的激光子图点云，并在基于所述激光子图点云绘制出的地图中确定目标子图区域，其中所述目标子图区域的激光点数占比大于或等于预设占比阈值；确定所述目标子图区域在不同视角下的位置模板，其中每个所述位置模板包括所述目标子图区域中各激光点在对应视角下与机器人之间的相对位置关系；获取机器人的重定位初始位置，并从预存定位地图中提取包括所述重定位初始位置的局部地图；将得到的各位置模板分别与所述局部地图进行模板匹配，得到对应的匹配候选结果，其中所述匹配候选结果包括对应位置模板在所述局部地图中映射出的各机器人疑似位置及其可信度；将每个匹配候选结果中可信度排名靠前的至少一个机器人疑似位置汇聚到同一局部地图中进行位置聚类，得到对应的聚类中心位置；对所述局部地图中的每个聚类中心位置进行位置分布合理性评估，并根据评估结果确定所述机器人的重定位位置。2.根据权利要求1所述的方法，其特征在于，所述将得到的各位置模板分别与所述局部地图进行模板匹配，得到对应的匹配候选结果的步骤，包括：针对每个位置模板，对所述局部地图中的各障碍物边界点分别按照该位置模板包括的每条相对位置关系进行机器人位置预测，得到所述局部地图包括的各机器人疑似位置；对每个机器人疑似位置的位置重叠次数进行统计，并根据统计结果计算对应机器人疑似位置的可信度，其中位置重叠次数越多则可信度越高。3.根据权利要求1所述的方法，其特征在于，所述将每个匹配候选结果中可信度排名靠前的至少一个机器人疑似位置汇聚到同一局部地图中进行位置聚类的步骤，包括：将每个匹配候选结果中可信度排名靠前的至少一个机器人疑似位置汇聚到同一局部地图中，得到位置验证候选图；从所述位置验证候选图中提取包括所述重定位初始位置的重定位子图，其中所述重定位子图的尺寸小于所述位置验证候选图的尺寸；对所述重定位子图中汇聚的各机器人疑似位置进行位置聚类。4.根据权利要求1-3中任意一项所述的方法，其特征在于，所述根据评估结果确定所述机器人的重定位位置的步骤，包括：降序地对得到的所有聚类中心位置的位置分布合理评分进行排序，得到对应的合理评分排序结果；将所述合理评分排序结果中排名第一的聚类中心位置，作为所述机器人的重定位位置。5.一种机器人重定位装置，其特征在于，所述装置包括：激光子图确定模块，用于获取机器人当前的激光子图点云，并在基于所述激光子图点云绘制出的地图中确定目标子图区域，其中所述目标子图区域的激光点数占比大于或等于预设占比阈值；位置模板确定模块，用...
【专利技术属性】
技术研发人员：谷雨隆，刘志超，张思民，刘洪剑，赵云，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：
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。