在复杂环境下智能机器人自主定位的方法技术

本发明专利技术结合最新的概率定位方法，将人类思维和认知过程移植到机器人对外部环境的感知中，很好地解决了实际定位过程中地标数量不足和碰撞影响定位精度等问题，使智能机器人能够在复杂环境中实现较为精确的定位。本发明专利技术针对智能移动机器人受各种复杂干扰影响精确定位的问题，提供一种自主定位的方法，该方法可适用于各种基于视觉传感器的移动机器人在复杂环境下完成自定位，为自主蔽障，导航等复杂任务提供良好的依据。本发明专利技术将人类思维和认知过程移植到机器人对外部环境的感知和记忆中，很好的改进了传统机器人定位模式，并对国际最新研究成果进行了改善。使用本发明专利技术的方法定位的智能自主机器人将能更好的适应实际生产生活。

Method for autonomous localization of intelligent robot in complex environment

The invention combines probabilistic localization methods, the thinking process of human cognition and transplanted to the robot perception of the external environment, solves the problem of the actual number of landmark positioning process and impact the positioning precision, the intelligent robot can realize accurate location in complex environment. The present invention is directed to a mobile robot by complex interference accurate positioning problem, provides a method of self localization, this method can be applied to all kinds of mobile robot based on vision sensor in a complex environment, self positioning, self shield barrier, provide a good basis for navigation and other complex tasks. The invention transfers the human thinking and cognition process to the perception and memory of the robot to the external environment, and improves the traditional robot positioning mode well, and improves the latest international research results. The intelligent autonomous robot positioned by the method of the invention can better adapt to the actual production life.

【技术实现步骤摘要】

本专利技术属于智能控制和计算机应用
，涉及一种用于机器人自主定位的方法，更具体涉及一种机器人在复杂环境下基于预存储信息或群体协作实现自主定位的方法。可以用于机器人智能控制，机器人在复杂环境下自主作业时自定位，为自主机器人正确决策提供有利的前提条件。
技术介绍
近百年来，机器人的发展大致经历了三个成长阶段，也即三个时代。第一代为简单个体机器人；第二代为群体劳动机器人，具备了感觉能力；第三代为具有高度自主智慧的智能机器人，它的未来发展方向是有知觉、有思维、能与人对话。现在，机器人正处于第二个发展时代，向第三个发展时代迈进。目前，机器人研究和发展方向正在向智能化发展，因此机器人的自主性就显得尤为重要。移动机器人在诸多领域有着重要的作用，被广泛应用于生产生活中。在实际应用中，当机器人要自主的完成一项任务时，最重要的是要进行自定位，也就是机器人需要知道自己现在所处的位置，包括自身得局部坐标和所处大环境得全局坐标，然后才能决策下一步应该怎么做。在此定位过程中，可以把机器人所能利用的信息分成两大类内部传感器信息和外部传感器信息。前者通常是利用里程计得到的信息，既从内部运动机构得到得运动位移信息。此方法可以直接的确定移动机器人的位移，但只在短距离内才有足够的精度。后者则实际上是对外部环境(如路标)的探测信息。然而，所有的对定位有作用的环境信息都不是随时随地可以得到的，且都存在不确定性。这种不确定性往往导致位置数据不可靠，从而影响机器人的正确决策和后续行为。因此，有必要融合来自各传感器的互补或者冗余数据，得到机器人位置的可靠估计，再应用于机器人的其它子系统。此外在处理传感器数据时，由于传感器测量的不确定性、融合算法的局限性、对周围环境缺乏精确的描述、以及路标特征的丰富性等原因，很多传感器信息都被丢弃了。如在现有的移动机器人定位方法中，大多要求传感器数据是同时获得的，但机器人在实际工作中，常常不能同时获得能够满足方法要求的多个传感器数据，若某时刻的数据不能满足要求，则通常会丢弃该时刻已经获得的数据。因此提高传感器数据的利用效率也是需要关注的另外一个问题。移动机器人的视觉导航主要包括定位、路径规划和避障等几方面，其中定位是移动机器人导航中最基本的环节，机器人的工作环境、配备传感器的种类和数量的不同使得移动机器人有多种定位方法，而基于路标的定位方法和基于全局视觉信息的定位方法是目前最常用的两种定位方法，路标可分为人工路标，如直线、箭头或其他图形，和自然路标如门、窗户、拐角、灯、柱子，所谓路标定位是从图像中分割、识别出路标，根据这些路标在环境中的已知坐标、形状等特征来确定机器人的相对位置，因此，这些路标应具有明显的特征并且应很容易从场景图像中被分割出来，但是在非结构化的环境中，当不能设置人工路标或者自然路标很难分割时，使用全局视觉信息来进行定位是可行的方法之一。基于全局视觉信息的定位方法常通过一个全局摄像头得到全局信息，包括机器人当前位置和场景里其他物体的位置，机器人本身不需要利用自主视觉对图像进行分割和局部特征提取，而是利用全局摄像头得到的位置信息确定自己的位置。这种定位方法对机器人本身的视觉能力和运算水平要求不高，甚至没有要求。但是此方法最大的缺点在于，如何获得全局信息。在绝大多数情况下，无法架设全局摄像头，机器人无法得到全局信息，进而无法进行自主定位。特别是在野外开阔环境下，机器人由于信息缺失，单纯依靠全局信息是不准确甚至无法实现的。因此，适用于各种复杂环境的自主定位方法就显得尤其重要，也是机器人向更高级化发展的核心技术之一。自主定位作为智能机器人最为核心的几项关键技术之一，在机器人应用中起到了至关重要的作用。智能机器人体现的各种智能行为，多机器人配合体现的智能策略等都要基于准确的自定位信息。国际上对于机器人定位的研究热点主要集中在自主机器人的主动定位上。过去很多常见的基于全局摄像头的方法都变得不太适用。实际生产生活中，以视觉传感器作为主要传感工具的机器人广泛存在。自主移动机器人，特别是有足机器人、类人机器人，在复杂环境中活动时，由于身体运动关节的3-D运动，导致视觉信息受到极大的干扰。传统的基于地标的定位方法，在实际应用中，特别是当环境未知时，变得十分不可靠。国际最新研究使用的基于概率的方法，集中考虑了通过优化运动模型和传感模型来解决定位的思想。但是这些方法一旦遇到机器人发生相互碰撞或与障碍物碰撞，就会给定位结果带来很大的误差。
技术实现思路
人类对自身位置的确定往往是依靠过去的经验，而不是时刻都在具体识别一些标志物。当人来到一个过去曾经来到的地方时，即使很久没有具体标志物出现，一些细微的视觉信息也可以帮助人完成自身位置的确定。另外，当一个人得到了自身所在位置，就可以判断出周围的某些物体的全局位置。如果此时另一个人也看到了这些物体，则可以根据此全局位置推算出自己的所在位置。这种协作的方法在人类社会的团体协作中尤为常见。正是由以上两种人类思维基本过程的优点所启发，我们提出了一种全新的智能机器人自定位方法。本专利技术结合最新的概率定位方法，将人类思维和认知过程移植到机器人对外部环境的感知中，很好的解决了实际定位过程中地标数量不足和碰撞影响定位精度等问题，使智能机器人能够在复杂环境中实现较为精确的定位。本专利技术针对智能移动机器人受各种复杂干扰影响精确定位的问题，提供一种自主定位的方法。该方法适用于各种基于视觉传感器的移动机器人在复杂环境下完成自定位，为自主蔽障，导航等复杂任务提供良好的依据。本专利技术将人类思维和认知过程移植到机器人对外部环境的感知和记忆中，很好的改进了传统机器人定位模式，并对国际最新研究成果进行了改善。使用本专利技术的方法进行定位的智能自主机器人将能更好的适应实际生产生活。本专利技术的一个方面提供一种，该方法适用于单个机器人独立工作的情况，或者多个机器人同时工作但是机器人之间无法精确识别彼此的情况，定位方法具体包括以下步骤1)在机器人工作区域内，随机生成若干个采样点，表征机器人当前的位置及该位置的概率；2)如果机器人发生位置移动(即电机运动模块被驱动)，则根据运动模型更新所有采样点；3)如果有传感器得到地标信息，则根据此信息更新各个采样点的概率，并增加候选点；4)如果在一段时间内，都没有得到地标信息，则调用经验数据库，进行图像匹配；如果在经验数据库中找到匹配程度符合要求的信息时，根据此经验信息更新采样点的概率，并增加候选点；5)删除采样点中概率值最低的若干个点，并从候选点中选取相同个数的点加入到采样点中，删除所有候选点；6)找出概率和最大的区域，计算此区域内的采样点的位置的加权平均值，所得到的位置作为机器人当前最佳位置；7)反复执行2)至6)步，完成机器人的实时定位。本专利技术的另一个方面提供一种，该方法适用于多个机器人协同工作，即多个机器人之间可以相互进行通信，定位方法具体包括以下步骤1)在机器人工作区域内，随机生成若干个采样点，表征机器人当前的位置及该位置的概率；2)如果机器人发生位置移动(即电机运动模块被驱动)，则根据运动模型更新所有采样点；3)如果有传感器得到地标信息，则根据此信息更新各个采样点的概率，并增加候选点；4)如果在一段时间内，都没有得到地标信息，则调用经验数据库，进行图像匹配，如果在经验数据库本文档来自技高网...

【技术保护点】
一种在复杂环境下智能机器人自主定位的方法，具体包括以下步骤：１）在机器人工作区域内，随机生成若干个采样点，表征机器人当前的位置及该位置的概率；２）如果机器人发生位置移动，则根据运动模型更新所有采样点；３）如果有传感器 得到地标信息，则根据此信息更新各个采样点的概率，并增加候选点；４）如果在一段时间内，都没有得到地标信息，则调用经验数据库，进行图像匹配；如果在经验数据库中找到匹配程度符合要求的信息时，根据此经验信息更新采样点的概率，并增加候 选点；５）删除采样点中概率值最低的若干个点，并从候选点中选取相同个数的点加入到采样点中，删除所有候选点；６）找出概率和最大的区域，计算此区域内的采样点的位置的加权平均值，所得到的位置作为机器人当前最佳位置；７）反复执 行２）至６）步，完成机器人的实时定位。

【技术特征摘要】

【专利技术属性】
技术研发人员：王启宁，刘亮环，李华，容春霞，谢广明，王龙，
申请(专利权)人：北京大学，
类型：发明
国别省市：11[中国|北京]