定位方法和装置制造方法及图纸

本发明专利技术公开了一种定位方法和装置，涉及计算机技术领域。其中，该方法包括：获取移动机器人的传感器测量数据；其中，所述传感器测量数据包括：移动机器人的速度测量值、航向角测量值、以及移动机器人至预先设置的信号基站的距离测量值；根据多源信息融合定位模型对所述传感器测量数据进行融合处理，以得到移动机器人的位姿估计值。通过以上步骤，使得只需在应用场景中布放1个信号基站，并结合移动机器人身上的其他传感器即可显著提高移动机器人的导航定位精度，降低移动机器人进行导航定位的成本。本。本。

【技术实现步骤摘要】
定位方法和装置


[0001]本专利技术涉及计算机
，尤其涉及一种定位方法和装置。

技术介绍

[0002]移动机器人，尤其是室内移动机器人的应用场景非常广泛，比如室内服务机器人、扫地机器人等商用场景，以及搬运、牵引AGV(自动导引车)等工业、物流场景。定位技术作为其关键技术之一，对不同的应用场景有不同的技术需求。
[0003]在现有技术中，移动机器人可基于单一导航定位技术进行导航定位。目前常用的导航定位技术有惯性、视觉、激光、磁条、无线定位(如UWB，WIFI)等。
[0004]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：第一、单一的导航方案通常很难满足移动机器人的定位精度需求。第二、现有的无线定位方式采用三角定位解算原理，需要至少三个信号基站才可对移动机器人进行定位。由于信号基站的建设成本较高，且由于信号基站的信号范围有限，需要每隔几百米就要安装信号基站，进一步增加了导航定位的成本。另外，对于一些对定位精度要求高的应用场景，现有无线定位方式仍难以满足精度要求。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种定位方法和装置，通过以上方法和装置使得只需在应用场景中布放1个信号基站，并结合移动机器人身上的其他传感器即可显著提高移动机器人的导航定位精度，降低移动机器人进行导航定位的成本。
[0006]为实现上述目的，根据本专利技术的一个方面，提供了一种定位方法。
[0007]本专利技术的定位方法包括：获取移动机器人的传感器测量数据；其中，所述传感器测量数据包括：移动机器人的速度测量值、航向角测量值、以及移动机器人至预先设置的信号基站的距离测量值；根据多源信息融合定位模型对所述传感器测量数据进行融合处理，以得到移动机器人的位姿估计值；其中，所述移动机器人的位姿估计值包括：移动机器人的位置估计值、以及移动机器人的航向角估计值。
[0008]可选地，所述多源信息融合定位模型满足：所述多源信息融合定位模型中的系统状态方程是以移动机器人的位置、航向角为状态量构建的；所述多源信息融合定位模型中的观测方程是以移动机器人至预先设置的信号基站的距离为观测量构建的。
[0009]可选地，所述多源信息融合定位模型为扩展卡尔曼滤波模型；所述根据多源信息融合定位模型对所述传感器测量数据进行融合处理，以得到移动机器人的位姿估计值包括：对系统状态方程和观测方程进行线性化处理，并计算状态转移矩阵和观测矩阵；根据所述状态转移矩阵、所述移动机器人的速度测量值、以及航向角测量值计算移动机器人位姿的一步预测值以及一步预测方差矩阵；在所述距离测量值有效的情况下，根据所述一步预测方差矩阵、所述观测矩阵、以及距离测量噪声方差矩阵计算滤波增益矩阵；根据所述观测矩阵计算所述移动机器人至预先设置的信号基站的距离的一步预测值；根据所述移动机器
人位姿的一步预测值、所述距离的一步预测值、所述滤波增益矩阵、以及所述距离测量值，计算移动机器人的位姿估计值。
[0010]可选地，所述方法还包括：在所述距离测量值无效的情况下，将所述移动机器人位姿的一步预测值作为所述移动机器人的位姿估计值。
[0011]可选地，所述获取移动机器人的传感器测量数据包括：通过测速里程计获得移动机器人的速度测量值，通过惯导传感器获得移动机器人的航向角测量值，通过移动机器人携带的电子标签获得移动机器人至预先设置的信号基站的距离测量值。
[0012]可选地，所述信号基站为UWB超宽带基站；所述通过移动机器人携带的电子标签获得移动机器人至预先设置的信号基站的距离测量值包括：通过移动机器人携带的UWB标签接收UWB基站的信号，根据无线电测距原理确定移动机器人至UWB基站的距离测量值。
[0013]为实现上述目的，根据本专利技术的另一方面，提供了一种定位装置。
[0014]本专利技术的定位装置包括：获取模块，用于获取移动机器人的传感器测量数据；其中，所述传感器测量数据包括：移动机器人的速度测量值、航向角测量值、以及移动机器人至预先设置的信号超宽带基站的距离测量值；定位模块，用于根据多源信息融合定位模型对所述传感器测量数据进行融合处理，以得到移动机器人的位姿估计值；其中，所述移动机器人的位姿估计值包括：移动机器人的位置估计值、以及移动机器人的航向角估计值。
[0015]可选地，所述定位模块配置的多源信息融合定位模型满足：所述多源信息融合定位模型中的系统状态方程是以移动机器人的位置、航向角为状态量构建的；所述多源信息融合定位模型中的观测方程是以移动机器人至预先设置的信号基站的距离为观测量构建的。
[0016]为实现上述目的，根据本专利技术的再一个方面，提供了一种电子设备。
[0017]本专利技术的电子设备，包括：一个或多个处理器；以及，存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术的定位方法。
[0018]为实现上述目的，根据本专利技术的又一个方面，提供了一种计算机可读介质。
[0019]本专利技术的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本专利技术的定位方法。
[0020]上述专利技术中的一个实施例具有如下优点或有益效果：通过获取移动机器人的传感器测量数据；其中，所述传感器测量数据包括：移动机器人的速度测量值、航向角测量值、以及移动机器人至预先设置的信号基站的距离测量值；根据多源信息融合定位模型对所述传感器测量数据进行融合处理，以得到移动机器人的位姿估计值这些步骤，使得只需在应用场景中布放1个信号基站，并结合移动机器人身上的其他传感器即可显著提高移动机器人的导航定位精度，降低移动机器人进行导航定位的成本。
[0021]上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
[0022]附图用于更好地理解本专利技术，不构成对本专利技术的不当限定。其中：
[0023]图1是现有技术中的无线定位原理示意图；
[0024]图2是根据本专利技术一个实施例的定位方法的主要流程示意图；
[0025]图3是根据本专利技术一个实施例的定位原理示意图；
[0026]图4是根据本专利技术一个实施例的基于EKF滤波器进行位姿估计的主要流程示意图；
[0027]图5是根据本专利技术一个实施例的定位装置的主要模块示意图；
[0028]图6是本专利技术实施例可以应用于其中的示例性系统架构图；
[0029]图7是适于用来实现本专利技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0030]以下结合附图对本专利技术的示范性实施例做出说明，其中包括本专利技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本专利技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0031]需要指出的是，在不冲突的情况下，本专利技术中的实施例以及实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种定位方法，其特征在于，所述方法包括：获取移动机器人的传感器测量数据；其中，所述传感器测量数据包括：移动机器人的速度测量值、航向角测量值、以及移动机器人至预先设置的信号基站的距离测量值；根据多源信息融合定位模型对所述传感器测量数据进行融合处理，以得到移动机器人的位姿估计值；其中，所述移动机器人的位姿估计值包括：移动机器人的位置估计值、以及移动机器人的航向角估计值。2.根据权利要求1所述的方法，其特征在于，所述多源信息融合定位模型满足：所述多源信息融合定位模型中的系统状态方程是以移动机器人的位置、航向角为状态量构建的；所述多源信息融合定位模型中的观测方程是以移动机器人至预先设置的信号基站的距离为观测量构建的。3.根据权利要求2所述的方法，其特征在于，所述多源信息融合定位模型为扩展卡尔曼滤波模型；所述根据多源信息融合定位模型对所述传感器测量数据进行融合处理，以得到移动机器人的位姿估计值包括：对系统状态方程和观测方程进行线性化处理，并计算状态转移矩阵和观测矩阵；根据所述状态转移矩阵、所述移动机器人的速度测量值、以及航向角测量值计算移动机器人位姿的一步预测值以及一步预测方差矩阵；在所述距离测量值有效的情况下，根据所述一步预测方差矩阵、所述观测矩阵、以及距离测量噪声方差矩阵计算滤波增益矩阵；根据所述观测矩阵计算所述移动机器人至预先设置的信号基站的距离的一步预测值；根据所述移动机器人位姿的一步预测值、所述距离的一步预测值、所述滤波增益矩阵、以及所述距离测量值，计算移动机器人的位姿估计值。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在所述距离测量值无效的情况下，将所述移动机器人位姿的一步预测值作为所述移动机器人的位姿估计值。5.根据权利要求1所述的方法，其...

【专利技术属性】
技术研发人员：杨绍坤，
申请(专利权)人：北京京东乾石科技有限公司，
类型：发明
国别省市：