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 ...
【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]
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。