一种机器人建图定位方法技术

本发明专利技术涉及机器人技术领域，具体涉及一种机器人建图定位方法，包括建图定位和地图优化的过程，具体包括：在初始地图中，以初始位置为中心获取环境里程数据和雷达数据，并通过里程数据对雷达数据进行预处理；利用经过预处理的雷达数据与初始地图进行匹配，将经过预处理的雷达数据更新至初始地图中；利用环境里程数据与更新后的地图进行变换处理，优化机器人在地图中的位姿。本发明专利技术所公开的机器人建图定位方法，采用激光雷达获取数据，同时利用测距数据对数据进行矫正，在实现建图之后还进行地图的优化，提高了机器人建图定位的鲁棒性，使机器人能够在更加适应多种环境。

【技术实现步骤摘要】
一种机器人建图定位方法
本专利技术涉及机器人
，具体涉及一种机器人建图定位方法。
技术介绍
近几年来随着人工智能技术的发展，移动机器人应用的环境更加广泛，其中比较热门的移动机器人同时定位与建图(SLAM)技术可以有效的提高机器人的自主完成任务的能力。在动态未知的环境，如何实现移动机器人建图定位，SLAM是一个基本的技术。机器人在未知环境中从一个未知位置开始移动，在移动过程中根据位置估计和传感器数据进行自身定位，同时逐步完善和构建完整地图，这就是一个SLAM的过程。在SLAM中，机器人利用自身携带的传感器识别未知环境中的特征标志，然后根据机器人与特征标志之间的相对位置和里程计的读数估计机器人和特征标志的全局坐标。这种在线的定位与地图创建需要保持机器人与特征标志之间的详细信息。目前主流的SLAM技术分为两种：视觉SLAM和激光SLAM。与前者相比，激光SLAM可以提供更加准确鲁棒的位置估计，然而如何实现激光SLAM对所有的场景都有较好的适应性，扔具有一定的挑战。因此，现有的机器人定位建图技术还存在亟待改进的空间，尤其需要在激光SLAM技术上进行改进以提高机器人定位建图的鲁棒性。故还需要提出更为合理的技术方案，解决现有技术中存在的技术问题。
技术实现思路
本专利技术提供一种机器人建图定位方法，通过采用对机器人定位建图的方法进行优化，充分利用激光感应获取精确的环境数据，并通过数据处理分析优化得到精确的空间地图，使机器人的定位建图鲁棒性得到提高。为了实现上述效果，本专利技术采用技术方案为：一种机器人建图定位方法，包括建图定位和地图优化的过程，具体包括：在初始地图中，以初始位置为中心获取环境里程数据和雷达数据，并通过里程数据对雷达数据进行预处理；利用经过预处理的雷达数据与初始地图进行匹配，将经过预处理的雷达数据更新至初始地图中；利用环境里程数据与更新后的地图进行变换处理，优化机器人在地图中的位姿。上述公开的机器人建图定位方法，采用激光雷达进行数据的采集处理，能够时间激光SKAM方式的建图，并且通过测距数据进行修正优化，在建图过程中减少了误差，提高了鲁棒性。进一步的，本专利技术在进行数据采集时，可按照多种方式进行，所述的以初始位置为中心获取环境里程数据，包括：通过传感器模块和编码模块分别获取对应的加速度数据，并按照如下方法进行融合生成里程数据pi＝pi-1+Ri-1·vi·Δt其中，其中，pi为时刻i机器人的位姿，wi为IMU采集到的机器人的角速度，Ri表示机器人姿态信息的旋转矩阵，vi为码盘采集到的机器人的速度，Δt采样周期。进一步的，还包括采用激光雷达进行数据采集，所述的以初始位置为中心获取雷达数据，包括：通过雷达扫描获取点云数据，并结合里程数据进行点云矫正；对点云数据进行观测，去除点云数据中包含的动态物体生成的点云数据；从点云中挑选部分数据作为特征点并留取备用。再进一步，激光雷达的扫描频率较低，当机器人在环境中快速移动时，一帧点云数据往往会出现畸变，而里程计的频率较高，因此可结合里程计信息对点云数据进行矫正处理，本专利技术中，所述的通过雷达扫描获取点云数据，并结合里程数据进行点云矫正，具体按照如下规则进行：l'i＝0Ti·li其中，一帧点云数据中包括n个激光束，按时间先后顺序每个激光束对应的坐标分别为{l0,l1,…ln-1}，每个激光束同一时刻下对应的里程计姿态为{C0,C1,…Cn-1}，0Ti为任一位姿Ci相对于C0的转换矩阵，l'i为第i个激光束矫正后的坐标。再进一步，点云数据中包括了实际环境障碍物数据和环境中移动物体的数据，移动物体包括行人、车辆等，产生的数据为不定数据，如果移动物体更新到地图中，会对后续基于地图的定位精度产生影响；因此需要对移动物体进行去除优化处理，所述的对点云数据进行观测，去除点云数据中包含的动态物体生成的点云数据，具体按照如下规则进行：设定一个octomap，对每帧点云数据中的每个激光点在octomap中对应的体素占有概率，其中第n个激光点的体素占有概率以下式进行表达其中，z1,…zT分别为t＝1,…T时刻激光点云的观测数据。采用如此方案时，对每种检测到的点云数据进行识别，满足一定体素占有率的数据判定为固定物体，不满足的则判定为动态物体。再进一步，本专利技术中采用如下可行的方式进行动态物体的判定，对每个观测数据的体素占有概率设置阈值η，体素占有概率小于η的激光点为动态物体，动态物体对应的激光点进行消除处理，并将体素占有概率大于等于η的激光点数据进行保留，保留的激光点的数据用于更新octomap。采用如此方案时，体素占有率阈值η根据实际场景设定。进一步的，所述的从点云中挑选部分数据作为特征点并留取备用，按照如下规则进行：其中，i表示当前激光点，s表示周围激光点，r表示激光点的半径。进一步的，本专利技术公开的方案中，所述的利用环境里程数据与更新后的地图进行变换处理，优化机器人在地图中的位姿，包括对新进入帧与邻近关键帧组成的局部地图进行匹配进行位姿估计，具体按照如下方法进行：将新进入的关键帧作为观测数据Ft；选举邻近的若干关键帧组成局部地图Qt＝{Ft-k,…,Ft-1}；建立观测数据与局部地图之间的约束关系以得到位姿xi；基于位姿xi将每帧点云的激光点转换到预设地图的坐标系下进行地图拼接，更新地图。再进一步，本专利技术按照如下规则对地图进行全局优化：其中，zi,j表示ei,j观测的均值，Ωi,j为方差信息矩阵，是对xi和xj观测的预测，x*为节点向量。进一步的，本专利技术中位姿观测的估计值与位姿观测的实际值之间的差值按照如下方法确定：其中，x＝{x1,x2,…,xn}表示节点向量。与现有技术相比，本专利技术的有益效果为：本专利技术所公开的机器人建图定位方法，采用激光雷达获取数据，同时利用测距数据对数据进行矫正，在实现建图之后还进行地图的优化，提高了机器人建图定位的鲁棒性，使机器人能够在更加适应多种环境。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅表示出了本专利技术的部分实施例，因此不应看作是对范围的限定，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它相关的附图。图1是本专利技术建图定位的整体过程示意图。图2是获取雷达数据并进行处理的过程示意图。图3是对地图进行更新变换的过程示意图。具体实施方式下面结合附图及具体实施例对本专利技术做进一步阐释。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本专利技术，但并不构成对本专利技术的限定。本文公开的特定结构和功能细节仅用于描述本专利技术的示例实施例。然而，可用很多备选的形式来体现本专利技术，并且不应本文档来自技高网...

【技术保护点】
1.一种机器人建图定位方法，包括建图定位和地图优化的过程，其特征在于，具体包括：/n在初始地图中，以初始位置为中心获取环境里程数据和雷达数据，并通过里程数据对雷达数据进行预处理；/n利用经过预处理的雷达数据与初始地图进行匹配，将经过预处理的雷达数据更新至初始地图中；/n利用环境里程数据与更新后的地图进行变换处理，优化机器人在地图中的位姿。/n

【技术特征摘要】
1.一种机器人建图定位方法，包括建图定位和地图优化的过程，其特征在于，具体包括：
在初始地图中，以初始位置为中心获取环境里程数据和雷达数据，并通过里程数据对雷达数据进行预处理；
利用经过预处理的雷达数据与初始地图进行匹配，将经过预处理的雷达数据更新至初始地图中；
利用环境里程数据与更新后的地图进行变换处理，优化机器人在地图中的位姿。


2.根据权利要求1所述的机器人建图定位方法，其特征在于，所述的以初始位置为中心获取环境里程数据，包括：
通过传感器模块和编码模块分别获取对应的加速度数据，并按照如下方法进行融合生成里程数据



pi＝pi-1+Ri-1·vi·Δt
其中，其中，pi为时刻i机器人的位姿，wi为IMU采集到的机器人的角速度，Ri表示机器人姿态信息的旋转矩阵，vi为码盘采集到的机器人的速度，Δt采样周期。


3.根据权利要求1所述的机器人建图定位方法，其特征在于，所述的以初始位置为中心获取雷达数据，包括：
通过雷达扫描获取点云数据，并结合里程数据进行点云矫正；
对点云数据进行观测，去除点云数据中包含的动态物体生成的点云数据；
从点云中挑选部分数据作为特征点并留取备用。


4.根据权利要求3所述的机器人建图定位方法，其特征在于，所述的通过雷达扫描获取点云数据，并结合里程数据进行点云矫正，具体按照如下规则进行：
l'i＝0Ti·li
其中，一帧点云数据中包括n个激光束，按时间先后顺序每个激光束对应的坐标分别为{l0,l1,…ln-1}，每个激光束同一时刻下对应的里程计姿态为{C0,C1,…Cn-1}，0Ti为任一位姿Ci相对于C0的转换矩阵，l'i为第i个激光束矫正后的坐标。


5.根据权利要求3所述的机器人建图定位方法，其特征在于，所述的对点云数据进行观测，去除点云数据中包含的动态物体生成的点云数据，具体按照如下规则进行：
设定一个o...

【专利技术属性】
技术研发人员：李连中，王璐，黄将军，
申请(专利权)人：深圳市安泽智能机器人有限公司，
类型：发明
国别省市：广东;44