位姿优化方法、移动机器人及存储介质技术

本发明专利技术涉及机器人领域，公开了一种位姿优化方法、移动机器人及存储介质，通过控制移动机器人采集其移动到待清扫区域中的关键位置时的实际视觉里程计信息和实际轮式里程计信息，根据实际视觉里程计信息和实际轮式里程计信息，计算出移动机器人的视觉位姿和轮式位姿，基于视觉位姿和轮式位姿，利用位姿优化算法结合预先确定的标准位姿来进行融合计算，得到最终位姿，这样的实现方式是基于视觉位姿、轮式位姿和标准位姿三者的结合，实现了移动机器人在每次定位时，通过实时计算，不需要根据历史的定位数据来计算，从而减少了误差，同时也避免了由于历史的定位数据而导致误差会累计的现象，提高了定位的精准度，同时也降低了定位计算的复杂度。定位计算的复杂度。定位计算的复杂度。

【技术实现步骤摘要】
位姿优化方法、移动机器人及存储介质


[0001]本专利技术涉及机器人领域，尤其涉及一种位姿优化方法、移动机器人及存储介质。

技术介绍

[0002]随着科学技术的发展，定位导航是机器人实现智能化的前提之一，是赋予机器人感知和行动能力的关键因素。
[0003]目前，传统的机器人定位方法常采依靠轮式里程计进行计算，轮式里程计的优点是短时间短距离的定位精度很高，但是这种航迹推算的定位方法会存在累积误差，尤其是对于扫地机器人来说，在清扫过程中会存在累计误差，这不可避免的导致地图倾斜和位姿误差累计，而这些误差就目前的技术实现来说，难以够根据自身的信息进行误差消除，从而导致定位不精准，影响了机器人的移动控制。

技术实现思路

[0004]本专利技术的主要目的在于解决现有的定位方法中存在位姿误差累计，而导致机器人定位不精准的技术问题。
[0005]本专利技术第一方面提供了一种位姿优化方法，应用于移动机器人，所述位姿优化方法包括：
[0006]接收到清扫指令并启动所述移动机器人，采集所述移动机器人移动到待清扫区域的关键位置时的实际里程计信息，其中，所述实际里程计信息包括实际视觉里程计信息和实际轮式里程计信息；
[0007]根据所述实际视觉里程计信息和所述实际轮式里程计信息，分别计算出所述移动机器人的视觉位姿和轮式位姿；
[0008]利用预设的位姿优化算法，将所述视觉位姿、所述轮式位姿和预配置的标准位姿进行融合计算，得到所述移动机器人的最终位姿。
[0009]可选的，在本专利技术第一方面的第一种实现方式中，所述接收到清扫指令并启动所述移动机器人，采集所述移动机器人移动到待清扫区域的关键位置时的实际里程计信息包括：
[0010]根据所述清扫指令启动所述移动机器人，并控制其进行移动，对所述待清扫区域进行清扫操作；
[0011]检测所述移动机器人在移动到关键位置时是否碰到障碍物；
[0012]若是，则通过所述移动机器人上的相机采集所述关键位置的关键帧，并基于所述关键帧计算出所述关键位置的实际视觉里程计信息；
[0013]通过运动传感器，采集所述关键位置的实际轮式里程计信息。
[0014]可选的，在本专利技术第一方面的第二种实现方式中，所述通过所述移动机器人上的相机采集所述关键位置的关键帧，并基于所述关键帧计算出所述关键位置的实际视觉里程计信息包括：
[0015]启动所述移动机器人的回环检测线程，并确定是否检测到回环；
[0016]若是，则利用所述相机拍摄所述关键位置上的图像帧，并基于所述图像帧计算出所述移动机器人在当前时刻位于所述关键位置的实际视觉里程计信息。
[0017]可选的，在本专利技术第一方面的第三种实现方式中，所述启动所述移动机器人的回环检测线程，并确定是否检测到回环包括：
[0018]开启所述回环检测线程，检测所述关键位置是否为所述移动机器人开机沿墙时已遍历的关键位置；
[0019]若是，则确定所述移动机器人碰撞到的障碍物为所述移动机器人开机沿墙时路过的墙体，确定检测到回环；
[0020]若否，则确定所述移动机器人碰撞到的障碍物不是所述移动机器人开机沿墙时路过的墙体，确定未检测到回环。
[0021]可选的，在本专利技术第一方面的第四种实现方式中，在所述利用所述相机拍摄所述关键位置上的图像帧，并基于所述图像帧计算出所述移动机器人在当前时刻位置所述关键位置的实际视觉里程计信息之后，还包括：
[0022]查询所述回环是否存在标准位姿；
[0023]若存在所述标准位姿，则比较所述实际视觉里程计信息对应的视觉位姿与所述标准位姿是否重合；
[0024]若不重合，则获取所述标准位姿对应的图像帧，并与当前时刻采集到的图像帧计算变换矩阵，得到标准位姿。
[0025]可选的，在本专利技术第一方面的第五种实现方式中，所述利用预设的位姿优化算法，将所述视觉位姿、所述轮式位姿和预配置的标准位姿进行融合计算，得到所述移动机器人的最终位姿包括：
[0026]确定所述视觉位姿、所述轮式位姿和所述标准位姿三者的均方根误差权值的比重；
[0027]根据所述均方根误差权值的比重，利用卡尔曼滤波算法，对所述视觉位姿、所述轮式位姿和所述标准位姿进行加权融合计算，得到所述移动机器人的最终位姿。
[0028]可选的，在本专利技术第一方面的第六种实现方式中，若确定未检测到回环，或者确定检测到回环且所述回环不存在标准位姿时，所述利用预设的位姿优化算法，将所述视觉位姿、所述轮式位姿和预配置的标准位姿进行融合计算，得到所述移动机器人的最终位姿包括：
[0029]利用卡尔曼滤波算法，对所述实际视觉里程信息和实际轮式里程信息进行松耦合计算，得到所述移动机器人的最终位姿。
[0030]可选的，在本专利技术第一方面的第七种实现方式中，所述位姿优化方法还包括：
[0031]若确定检测到回环且所述回环不存在标准位姿时，利用所述移动机器人上的相机采集所述关键位置的新关键帧；
[0032]检测所述新关键帧中的特征点是否满足预设条件；
[0033]若所述特征点不满足预设条件，则通过运动传感器，采集所述移动机器人在所述关键位置的实际轮式里程计信息；
[0034]计算所述扫地机与所述墙体之间的角度信息；
[0035]判断所述角度信息与所述轮式里程计信息中的输出角度是否小于预设角度；
[0036]若是，则将所述角度信息与所述输出角度进行融合计算，并基于计算的结果调整所述实际轮式里程计信息；
[0037]若否，则不改变所述实际轮式里程计信息；
[0038]将所述实际轮式里程计信息作为所述实际视觉里程计信息；
[0039]若所述特征点满足预设条件，则获取所述新关键帧中的视觉描述子，并基于所述描述子计算出所述关键位置的实际视觉里程计信息。
[0040]可选的，在本专利技术第一方面的第八种实现方式中，在所述接收到清扫指令并启动所述移动机器人，并采集所述移动机器人移动到待清扫区域的关键位置时的实际里程计信息之前，所述方法还包括：
[0041]控制所述移动机器人沿着所述待清洁区域的墙体移动，并获取其移动过程中的关键帧和运动数据；
[0042]根据所述运动数据，计算轮式里程计的第一位姿；
[0043]根据所述关键帧，计算视觉里程计的第二位姿；
[0044]通过卡尔曼滤波算法，对所述第一位姿和第二位姿进行松耦合处理，得到标准位姿。
[0045]可选的，在本专利技术第一方面的第九种实现方式中，所述根据所述关键帧，计算视觉里程计的第二位姿包括：
[0046]识别所述关键帧中的特征点，并判断所述特征点的总数量是否达到预设条件；
[0047]若否，则将所述第一位姿作为所述第二位姿；
[0048]若是，则获取所述关键帧中的视觉描述子，并控制所述移动机器人沿着所述墙体移动，搜索与所述视觉描述子相似的相似关键帧，基于所述相似关键帧计算出所述关键位置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种位姿优化方法，应用于移动机器人，其特征在于，所述位姿优化方法包括：接收到清扫指令并启动所述移动机器人，采集所述移动机器人移动到待清扫区域的关键位置时的实际里程计信息，其中，所述实际里程计信息包括实际视觉里程计信息和实际轮式里程计信息；根据所述实际视觉里程计信息和所述实际轮式里程计信息，分别计算出所述移动机器人的视觉位姿和轮式位姿；利用预设的位姿优化算法，将所述视觉位姿、所述轮式位姿和预配置的标准位姿进行融合计算，得到所述移动机器人的最终位姿。2.根据权利要求1所述的位姿优化方法，其特征在于，所述接收到清扫指令并启动所述移动机器人，采集所述移动机器人移动到待清扫区域的关键位置时的实际里程计信息包括：根据所述清扫指令启动所述移动机器人，并控制其进行移动，对所述待清扫区域进行清扫操作；检测所述移动机器人在移动到关键位置时是否碰到障碍物；若是，则通过所述移动机器人上的相机采集所述关键位置的关键帧，并基于所述关键帧计算出所述关键位置的实际视觉里程计信息；通过运动传感器，采集所述关键位置的实际轮式里程计信息。3.根据权利要求2所述的位姿优化方法，其特征在于，所述通过所述移动机器人上的相机采集所述关键位置的关键帧，并基于所述关键帧计算出所述关键位置的实际视觉里程计信息包括：启动所述移动机器人的回环检测线程，并确定是否检测到回环；若是，则利用所述相机拍摄所述关键位置上的图像帧，并基于所述图像帧计算出所述移动机器人在当前时刻位于所述关键位置的实际视觉里程计信息。4.根据权利要求3所述的位姿优化方法，其特征在于，所述启动所述移动机器人的回环检测线程，并确定是否检测到回环包括：开启所述回环检测线程，检测所述关键位置是否为所述移动机器人开机沿墙时已遍历的关键位置；若是，则确定所述移动机器人碰撞到的障碍物为所述移动机器人开机沿墙时路过的墙体，确定检测到回环；若否，则确定所述移动机器人碰撞到的障碍物不是所述移动机器人开机沿墙时路过的墙体，确定未检测到回环。5.根据权利要求3所述的位姿优化方法，其特征在于，在所述利用所述相机拍摄所述关键位置上的图像帧，并基于所述图像帧计算出所述移动机器人在当前时刻位置所述关键位置的实际视觉里程计信息之后，还包括：查询所述回环是否存在标准位姿；若存在所述标准位姿，则比较所述实际视觉里程计信息对应的视觉位姿与所述标准位姿是否重合；若不重合，则获取所述标准位姿对应的图像帧，并与当前时刻采集到的图像帧计算变换矩阵，得到标准位姿。
6.根据权利要求5所述的位姿优化方法，其特征在于，所述利用预设的位姿优化算法，将所述视觉位姿、所述轮式位姿和预配置的标准位姿进行融合计算，得到所述移动机器人的最终位姿包括：确定所述视觉位姿、所述轮式位姿和所述标准位姿三者的均方根误差权值的比重；根据所述均方根误差权值的比重，利用卡尔曼滤波算法，对所述视觉位姿、所述轮式位姿和所述标准位姿进行加权融合计算，得到所述移动机器人的最终位姿。7.根据权利要求5所述的位姿优化方法，其特征在于，若确定未检测到回环，或者确定检测到回环且所述回环不存在标准位姿时，所述利用预设的位姿优化算法，将所述视觉位姿、所述轮...

【专利技术属性】
技术研发人员：闫瑞君，任娟娟，
申请(专利权)人：深圳市银星智能科技股份有限公司，
类型：发明
国别省市：