一种机器人的扫图方法、装置、存储介质和机器人制造方法及图纸

本发明专利技术公开了一种机器人的扫图方法、装置、存储介质和机器人，方法包括：对机器人的里程计数据、惯性测量单元数据以及局部优化位姿进行融合；对第一实时激光扫描数据的运动畸变进行校正，生成第二实时激光扫描数据；将融合结果作为前端扫描匹配器的初始位姿，并基于第二实时激光扫描数据构建子地图；通过回环检测对全部子地图进行优化；将优化后的子地图拼接为大地图。本发明专利技术不仅采用扩展卡尔曼滤波方法对多个传感器数据进行融合，而且采用插值方法消除了激光扫描数据中的运动畸变，同时对用于更新子地图的高斯牛顿迭代过程进行优化，从而大幅提高了服务机器人创建环境地图的效率和精度，提高了机器人的服务质量和用户满意度。

【技术实现步骤摘要】
一种机器人的扫图方法、装置、存储介质和机器人
本专利技术涉及机器人领域，尤其涉及一种机器人的扫图方法、装置、存储介质和机器人。
技术介绍
随着机器人行业的快速发展，各种服务机器人层出不穷，机器人在我们的生活、工作中也应用得越来越广泛。目前，机器人构建地图的方法有很多，SLAM(SimultaneousLocalizationAndMapping，即时定位与地图构建)为最常用的方法，其通常是指在机器人上，通过对各种传感器数据进行采集和计算，生成对其自身位置姿态的定位和场景地图信息的系统。SLAM本质是个系统状态估计问题，即：在给定系统输入的条件下，估计出机器人的位姿和地图点的坐标，因此延伸出基于贝叶斯滤波以及基于图优化的两类SLAM算法。基于贝叶斯滤波的方法是一种贝叶斯迭代状态估计理论，即先对机器人运动进行建模，构造出贴合物理场景的运动方程和观测方程，然后进行状态预测和测量更新。由于滤波类算法是基于递归计算的，下一时刻的估计值依赖于上一时刻的估计，因此在大尺度场景下，由于系统参数和传感器观测数据的不准确性，会造成误差慢慢累积，一旦当前时刻本文档来自技高网...

【技术保护点】
1.一种机器人的扫图方法，基于cartographer算法，其特征在于，包括以下步骤：/n步骤1，获取机器人的当前里程计数据、当前惯性测量单元数据、第一实时激光扫描数据以及前端扫描匹配器输出的局部优化位姿；/n步骤2，对所述当前里程计数据、所述当前惯性测量单元数据以及所述局部优化位姿进行融合，生成融合结果，以根据所述融合结果生成机器人在任意时刻的预测位姿和预测运动速度；/n步骤3，根据对应时刻的目标预测位姿和目标预测运动速度对所述第一实时激光扫描数据的运动畸变进行校正，生成第二实时激光扫描数据；/n步骤4，将所述融合结果作为所述前端扫描匹配器的初始位姿，并基于所述第二实时激光扫描数据构建子地图...

【技术特征摘要】
1.一种机器人的扫图方法，基于cartographer算法，其特征在于，包括以下步骤：
步骤1，获取机器人的当前里程计数据、当前惯性测量单元数据、第一实时激光扫描数据以及前端扫描匹配器输出的局部优化位姿；
步骤2，对所述当前里程计数据、所述当前惯性测量单元数据以及所述局部优化位姿进行融合，生成融合结果，以根据所述融合结果生成机器人在任意时刻的预测位姿和预测运动速度；
步骤3，根据对应时刻的目标预测位姿和目标预测运动速度对所述第一实时激光扫描数据的运动畸变进行校正，生成第二实时激光扫描数据；
步骤4，将所述融合结果作为所述前端扫描匹配器的初始位姿，并基于所述第二实时激光扫描数据构建子地图；
步骤5，获取机器人的当前激光扫描数据，采用分支定界方法对所述子地图进行回环检测，并根据回环检测结果对全部子地图进行优化；
步骤6，将优化后的子地图拼接为大地图。


2.根据权利要求1所述机器人的扫图方法，其特征在于，采用扩展卡尔曼滤波方法对所述当前里程计数据、所述当前惯性测量单元数据以及前端扫描匹配器输出的所述局部优化位姿进行融合，具体包括：
采用惯性滤波器对所述当前里程计数据和所述当前惯性测量单元数据滤波后生成机器人的初始位置、初始速度和初始姿态；
将所述局部优化位姿与所述初始位置、所述初始姿态进行融合，并根据融合结果提取控制点的初始坐标；
将所述控制点的预设实际坐标与所述初始坐标求差，生成坐标残差；
将所述坐标残差通过扩展卡尔曼滤波计算，生成惯性测量单元的误差、初始位置的误差修正量、初始速度的误差修正量以及初始姿态的误差修正量，并将所述惯性测量单元的误差反馈到所述惯性滤波器中；
根据所述初始位置的误差修正量、所述初始速度的误差修正量和所述初始姿态的误差修正量，对所述初始位置、所述初始速度和所述初始姿态进行修正，生成对应的融合结果。


3.根据权利要求1或2所述机器人的扫图方法，其特征在于，所述基于第二实时激光扫描数据构建子地图包括：
利用相关性扫描匹配方法将所述第二实时激光扫描数据在当前子地图上进行扫描匹配；
在扫描匹配过程中，采用高斯牛顿迭代方法生成所述第二实时激光扫描数据在所述子地图的目标位置，以使所述第二实时激光扫描数据中所有激光点在当前子地图的概率之和最大；
将所述第二实时激光扫描数据插入到所述目标位置，并对所述子地图进行更新。


4.根据权利要求3所述机器人的扫图方法，其特征在于，所述根据对应时刻的目标预测位姿和目标预测运动速度对第一实时激光扫描数据的运动畸变进行校正包括：
接收第一实时激光扫描数据；
根据对应时刻的目标预测位姿和目标预测运动速度，并基于预设插值方法求解所述第一实时激光扫描数据中每个激光点对应的机器人位姿；
根据所述每个激光点对应的机器人位姿将所述第一实时激光扫描数据中的所有激光点转换到同一坐标系下，并重新封装形成运动畸变校正后的第二实时激光扫描数据。


5.一种机器人的扫图装置，其特征在于，包括获取模块、预测模块、校正模块、子地图构建模块、回环模块和拼接模块，
所述获取模块用于获取机器人的当前里程计数据、当前惯性测量单元数据、第一实时激光扫描数据以及前端...

【专利技术属性】
技术研发人员：李岩，
申请(专利权)人：上海有个机器人有限公司，
类型：发明
国别省市：上海;31