动态目标跟踪定位方法、装置、设备和存储介质制造方法及图纸

本申请涉及机器人领域，提供了动态目标跟踪定位方法、装置、设备和计算机可读存储介质，以提升算法的速度，快速识别场景中的动态目标并对其精确定位和跟踪，所述方法包括：通过移动机器人搭载的激光雷达对环境物进行采样，获取环境物的激光雷达点云数据；对环境物的激光雷达点云数据进行聚类，获取环境物的点云簇的坐标；将环境物的点云簇的坐标关联至已经存在的点云簇状态向量或者根据环境物的点云簇的坐标，创建点云簇状态向量；基于移动机器人的位姿、点云簇状态向量和点云簇状态向量的位置观测约束，迭代优化移动机器人的位姿和点云簇状态向量中动态目标状态。本申请的技术方案算法速度快，能够对动态目标进行精确定位和跟踪。

【技术实现步骤摘要】
动态目标跟踪定位方法、装置、设备和存储介质
本专利技术涉及机器人领域，特别涉及一种动态目标跟踪定位方法、装置、设备和计算机可读存储介质。
技术介绍
随着各个行业对移动机器人应用领域的不断扩大，使得移动机器人所面临的环境越来越复杂，尤其是在具有多种不同类型动态目标存在的场景下，例如场景中存在行人、车辆或其它机器人等，机器人不仅需要进行稳定的定位，还需要在动态场景下实现流畅的运动。解决上述问题的关键是机器人能否从场景中提取到动态目标，对动态物体的位姿和速度进行跟踪。若能够检测并跟踪到场景中的动态目标，则基于动态物体的位姿和速度信息，可以为机器人运动控制系统提供避开动态物体的决策信息，为定位系统消除动态物体对定位精度的影响。针对上述问题，现有技术的解决方案是通过移动机器人上搭载的激光雷达对环境进行采样，对采样数据采用分类算法进行分类后，确定场景中的动态目标。然而，对于一个只搭载了激光雷达的移动机器人而言，激光雷达提供的环境信息不够丰富，导致算法无法很好地区分潜在的动态目标，从而有针对性地跟踪动态目标。
技术实现思路
本申请提供一种动态目标跟踪定位方法、装置、设备和计算机可读存储介质，以提升算法的速度，快速识别场景中的动态目标并对其精确定位和跟踪。一方面，本申请提供了一种动态目标跟踪定位方法，包括：通过移动机器人搭载的激光雷达对环境物进行采样，获取所述环境物的激光雷达点云数据；对所述环境物的激光雷达点云数据进行聚类，获取所述环境物的点云簇的坐标；将所述环境物的点云簇的坐标关联至已经存在的点云簇状态向量或者根据所述环境物的点云簇的坐标，创建点云簇状态向量；基于所述移动机器人的位姿、所述点云簇状态向量和所述点云簇状态向量的位置观测约束，迭代优化所述移动机器人的位姿和所述点云簇状态向量中动态目标状态。另一方面，本申请提供了一种动态目标跟踪定位装置，包括：第一获取模块，用于通过移动机器人搭载的激光雷达对环境物进行采样，获取环境物的激光雷达点云数据；第二获取模块，用于对所述环境物的激光雷达点云数据进行聚类，获取所述环境物的点云簇的坐标；点云簇坐标处理模块，用于将所述环境物的点云簇的坐标关联至已经存在的点云簇状态向量或者根据所述环境物的点云簇的坐标，创建点云簇状态向量；迭代优化模块，用于基于所述移动机器人的位姿、所述点云簇状态向量和所述点云簇状态向量的位置观测约束，迭代优化所述移动机器人的位姿和所述点云簇状态向量中动态目标状态。第三方面，本申请提供了一种设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述动态目标跟踪定位方法的技术方案的步骤。第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述动态目标跟踪定位方法的技术方案的步骤。从上述本申请提供的技术方案可知，一方面，通过对激光雷达点云数据进行聚类，将环境物的点云簇的坐标关联至已经存在的点云簇状态向量或者创建点云簇状态向量，与现有技术相比，无需使用复杂的检测方法就可识别环境物的种类，进而能够通过点云簇状态向量中的速度向量判断环境物是否为动态目标，算法速度快，提升了激光雷达数据的利用率；另一方面，基于移动机器人的位姿、点云簇状态向量和点云簇状态向量的位置观测约束，迭代优化移动机器人的位姿和点云簇状态向量中动态目标状态，换言之，将动态目标状态和移动机器人的位姿进行联合优化，获得状态估计的全局最优，从而实现了对动态目标的精确定位和跟踪。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的动态目标跟踪定位方法的流程图；图2是本申请实施例提供的动态目标跟踪定位装置的结构示意图；图3是本申请实施例提供的二维KD树示意图；图4是本申请实施例提供的设备的结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。在本说明书中，诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分，而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下，参照元素或部件或步骤(等)不应解释为局限于仅元素、部件、或步骤中的一个，而可以是元素、部件、或步骤中的一个或多个等。在本说明书中，为了便于描述，附图中所示的各个部分的尺寸并不是按照实际的比例关系绘制的。本申请提出了一种动态目标跟踪定位方法，可应用于机器人，该机器人可以是在餐厅作业的机器人，例如，传菜机器人，也可以是在医疗场所，例如医院作业的送药机器人，还可以是在仓库等场所作业的搬运机器人，等等。如附图1所示，动态目标跟踪定位方法主要包括步骤S101至S104，详述如下：步骤S101：通过移动机器人搭载的激光雷达对环境物进行采样，获取环境物的激光雷达点云数据。在本申请实施例中，环境是指机器人工作的环境，环境物是指机器人工作的环境中的一切物体，包括在环境中的静态物(例如，某种货物、一棵树、一堵墙、一张桌子)和动态目标(例如，一个人、一辆行驶的车或移动机器人，等等)。在本申请实施例中，机器人搭载的激光雷达对环境物的采样过程与现有技术一样，都是通过向周遭环境发射激光束，实时对当前环境进行扫描，采用飞行时间测距法计算得到机器人与环境中路标之间的距离，每一束激光击中环境物时，该激光束相对于机器人的角度以及激光源与被击中环境物之间的距离等信息，多个激光束击中环境物时的上述信息就构成环境物的激光雷达点云数据。该激光雷达具体可以采用二维激光雷达。步骤S102：对环境物的激光雷达点云数据进行聚类，获取环境物的点云簇的坐标。所谓聚类，是一种涉及数据点分组的机器学习技术，对于给定的一组数据点，可以使用聚类算法将每个数据点划分为一个特定的组。理论上，同一组中的数据点应该具有相似的属性和/或特征，而不同组中的数据点应该具有高度不同的属性和/或特征，本申请实施例中，对环境物的激光雷达点云数据进行聚类具有上述聚类算法的一般性质。作为本申请的一个实施例，对环境物的激光雷达点云数据进行聚类，获取环境物的点云簇的坐标可通过步骤S1021至少步骤S1023实现，说明如下：步骤S1021：对环境物的激光雷达点云数据进行初次聚类，得到第一点云簇的几何中心。考虑到具有噪声的基于密度聚类(Density-BasedSpatialCluste本文档来自技高网...

【技术保护点】
1.一种动态目标跟踪定位方法，其特征在于，所述方法包括：/n通过移动机器人搭载的激光雷达对环境物进行采样，获取所述环境物的激光雷达点云数据；/n对所述环境物的激光雷达点云数据进行聚类，获取所述环境物的点云簇的坐标；/n将所述环境物的点云簇的坐标关联至已经存在的点云簇状态向量或者根据所述环境物的点云簇的坐标，创建点云簇状态向量；/n基于所述移动机器人的位姿、所述点云簇状态向量和所述点云簇状态向量的位置观测约束，迭代优化所述移动机器人的位姿和所述点云簇状态向量中动态目标状态。/n

【技术特征摘要】
1.一种动态目标跟踪定位方法，其特征在于，所述方法包括：
通过移动机器人搭载的激光雷达对环境物进行采样，获取所述环境物的激光雷达点云数据；
对所述环境物的激光雷达点云数据进行聚类，获取所述环境物的点云簇的坐标；
将所述环境物的点云簇的坐标关联至已经存在的点云簇状态向量或者根据所述环境物的点云簇的坐标，创建点云簇状态向量；
基于所述移动机器人的位姿、所述点云簇状态向量和所述点云簇状态向量的位置观测约束，迭代优化所述移动机器人的位姿和所述点云簇状态向量中动态目标状态。


2.如权利要求1所述动态目标跟踪定位方法，其特征在于，所述对所述环境物的激光雷达点云数据进行聚类，获取所述环境物的点云簇的坐标，包括：
对所述激光雷达点云数据进行初次聚类，得到第一点云簇的几何中心；
若所述第一点云簇存在相似点云簇，则将所述第一点云簇的几何中心与所述相似点云簇的几何中心再次聚类，得到第二点云簇；
求取所述第二点云簇的几何中心坐标，将所述第二点云簇的几何中心坐标作为所述环境物的点云簇的坐标。


3.如权利要求2所述动态目标跟踪定位方法，其特征在于，所述对所述激光雷达点云数据进行初次聚类，得到第一点云簇的几何中心，包括：
设置具有噪声的基于密度聚类DBSCAN算法的邻域半径和最小点云簇点数，采用所述DBSCAN算法对所述激光雷达点云数据进行初次聚类，得到初次点云簇；
求取所述初次点云簇的几何中心作为所述第一点云簇的几何中心。


4.如权利要求1所述动态目标跟踪定位方法，其特征在于，所述将所述环境物的点云簇的坐标关联至已经存在的点云簇状态向量或者根据所述环境物的点云簇的坐标，创建点云簇状态向量，包括：
若定位系统存在点云簇状态向量，则使用所述已经存在的点云簇状态向量中的位置信息构建二维KD树；
将所述环境物的点云簇的坐标与所述二维KD树中的候选点坐标匹配；
若匹配到所述二维KD树的最近的点云簇，则将所述环境物的点云簇的坐标关联至所述已经存在的点云簇状态向量；
若所述定位系统不存在点云簇状态向量，则创建所述点云簇状态向量；
将所述环境物的点云簇的坐标确定为所述已经存在的点云簇状态向量或创建的点云簇状态向量的位置观测约束。


5.如权利要求1所述动态目标跟踪定位方法，其特征在于，所述基于所述移动机器人的位姿、所述点云簇状态向量和所...

【专利技术属性】
技术研发人员：周阳，张涛，陈美文，刘运航，何科君，
申请(专利权)人：深圳市普渡科技有限公司，
类型：发明
国别省市：广东;44