本公开涉及人工智能技术领域，提供了一种机器人定位方法、机器人定位装置、计算机存储介质、电子设备，其中，机器人定位方法包括：将机器人扫描到的周围环境的激光点云投射到栅格地图对应的栅格单元内；根据栅格单元内包含的障碍物像素点的个数，确定激光点云中的目标障碍物点云；对目标障碍物点云进行剔除处理；根据剔除处理之后的激光点云与地图数据的匹配度，确定粒子权重值；其中，粒子用于表示机器人的位姿；基于粒子权重值，对粒子对应的当前可能位姿进行加权计算，得到机器人的当前目标位姿。本公开能够提高机器人的定位精度。本公开能够提高机器人的定位精度。本公开能够提高机器人的定位精度。
【技术实现步骤摘要】
机器人定位方法及装置、计算机存储介质、电子设备
[0001]本公开涉及人工智能
，特别涉及一种机器人定位方法、机器人定位装置、计算机存储介质及电子设备。
技术介绍
[0002]随着人工智能技术的快速发展，移动机器人在各个行业得到广泛应用，例如物流、家政、电力、机械加工等行业。移动机器人是指在未知环境或者部分未知环境中，完成环境感知、动态决策与规划、行为控制以及自主移动等功能的装置。对于移动机器人来说，定位就是确定机器人在环境地图中的位姿(包括位置和航向角)，它不仅是移动机器人完成环境地图的基本环节，也是机器人实现自主导航的关键技术。
[0003]目前，一般是将机器人扫描到的环境信息跟地图信息进行匹配，以实现机器人的定位。然而，在一些经常发生动态改变的非结构化场景中(例如：存在人员和餐车的移动及未知的障碍物的餐厅)，机器人扫描到的环境信息跟地图信息存在较大差异，匹配结果误差较大，导致机器人定位误差较大，甚至丢失自身位姿。
[0004]鉴于此，本领域亟需开发一种新的机器人定位方法及装置。
[0005]需要说明的是，上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解。
技术实现思路
[0006]本公开的目的在于提供一种机器人定位方法、机器人定位装置、计算机存储介质及电子设备，进而至少在一定程度上避免了现有技术中环境动态变化导致机器人定位误差大的缺陷。
[0007]本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
[0008]根据本公开的第一方面，提供一种机器人定位方法，包括：将机器人扫描到的周围环境的激光点云投射到栅格地图对应的栅格单元内；根据所述栅格单元内包含的障碍物像素点的个数，确定所述激光点云中的目标障碍物点云；对所述目标障碍物点云进行剔除处理；根据剔除处理之后的激光点云与地图数据的匹配度，确定粒子权重值；其中，粒子用于表示所述机器人的位姿；基于所述粒子权重值，对所述粒子对应的当前可能位姿进行加权计算，得到所述机器人的当前目标位姿。
[0009]在本公开的示例性实施例中，根据所述栅格单元内包含的障碍物像素点的个数，确定所述激光点云中的目标障碍物点云，包括：当所述栅格单元内包含的障碍物像素点的个数小于第一数量阈值时，确定所述栅格单元内的激光点云为所述目标障碍物点云。
[0010]在本公开的示例性实施例中，所述根据所述栅格单元内包含的障碍物像素点的个数，确定所述激光点云中的目标障碍物点云，包括：当所述栅格单元内包含的障碍物像素点的个数大于或等于所述第一数量阈值时，获取所述障碍物像素点的正态分布参数；根据所
述障碍物像素点的个数和所述正态分布参数，确定所述栅格单元内包含的激光点云的概率密度分布值；若所述概率密度分布值小于第二数量阈值，确定所述栅格单元内的激光点云为所述目标障碍物点云。
[0011]在本公开的示例性实施例中，所述方法还包括：根据预设时间段内的位姿变化量和机器人的历史实际位姿，确定所述机器人的当前预估位姿；将所述当前预估位姿确定为中心坐标，将预设距离确定为裁剪范围；基于所述中心坐标和裁剪范围对全局地图进行裁剪，得到局部地图；对所述局部地图进行栅格化处理，得到所述栅格地图。
[0012]在本公开的示例性实施例中，所述方法还包括：获取所述机器人历史时刻在里程计坐标系下的第一位姿；以及，获取所述机器人当前时刻在所述里程计坐标系下的第二位姿；将所述第二位姿与所述第一位姿的差值确定为所述预设时间段内的位姿变化量；利用坐标转换算法将所述位姿变化量转化为地图坐标系下的位姿参数；基于所述位姿参数和所述机器人的历史实际位姿，确定所述机器人的当前预估位姿。
[0013]在本公开的示例性实施例中，所述方法还包括：获取粒子群中各粒子对应的可能历史位姿；其中，所述粒子群表示位姿的概率分布；根据所述位姿参数对所述可能历史位姿进行更新，得到粒子群中各粒子对应的当前可能位姿。
[0014]在本公开的示例性实施例中，所述激光点云中包含多个激光点；所述将机器人扫描到的周围环境的激光点云投射到栅格地图对应的栅格单元内，包括：获取机器人坐标系下每个激光点的坐标数据；利用所述坐标转换算法将所述坐标数据转换为所述地图坐标系下的位置坐标；根据所述位置坐标，将所述激光点云投射到所述栅格地图对应的栅格单元内。
[0015]根据本公开的第二方面，提供一种机器人定位装置，包括：数据映射模块，用于将机器人扫描到的周围环境的激光点云投射到栅格地图对应的栅格单元内；数据筛选模块，用于根据所述栅格单元内包含的障碍物像素点的个数，确定所述激光点云中的目标障碍物点云；数据剔除模块，用于对所述目标障碍物点云进行剔除处理；数据匹配模块，用于根据剔除处理之后的激光点云与地图数据的匹配度，确定粒子权重值；其中，粒子用于表示所述机器人的位姿；位姿纠正模块，用于基于所述粒子权重值，对所述粒子对应的当前可能位姿进行加权计算，得到所述机器人的当前目标位姿。
[0016]根据本公开的第三方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的机器人定位方法。
[0017]根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述第一方面所述的机器人定位方法。
[0018]由上述技术方案可知，本公开示例性实施例中的机器人定位方法、机器人定位装置、计算机存储介质及电子设备至少具备以下优点和积极效果：
[0019]在本公开的一些实施例所提供的技术方案中，一方面，将机器人扫描到的周围环境的激光点云投射到栅格地图对应的栅格单元内；根据所述栅格单元内包含的障碍物像素点的个数，确定所述激光点云中的目标障碍物点云，并对所述目标障碍物点云进行剔除处理，能够避免复杂场景(例如：餐厅场景)中动态障碍物对定位算法的干扰，保证实际运行环境和机器人存储的地图数据的一致性，有效提高机器人的定位精度，减少位姿丢失的情况。
另一方面，根据剔除处理之后的激光点云与地图数据的匹配度，确定粒子权重值(粒子用于表示所述机器人的位姿)，基于所述粒子权重值，对粒子对应的当前可能位姿进行加权计算，得到所述机器人的当前目标位姿，能够对当前预估位姿进行纠正，提高机器人的定位准确度，保证机器人的运行效率。
[0020]本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0021]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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。
[0022]图1示出本公开一示例性实施例中机器人定位方法的流程示意图；
[0023]图2示出本公开一示例性实施例中机器本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机器人定位方法，其特征在于，包括：将机器人扫描到的周围环境的激光点云投射到栅格地图对应的栅格单元内；根据所述栅格单元内包含的障碍物像素点的个数，确定所述激光点云中的目标障碍物点云；对所述目标障碍物点云进行剔除处理；根据剔除处理之后的激光点云与地图数据的匹配度，确定粒子权重值；其中，粒子用于表示所述机器人的位姿；基于所述粒子权重值，对所述粒子对应的当前可能位姿进行加权计算，得到所述机器人的当前目标位姿。2.根据权利要求1所述的方法，其特征在于，根据所述栅格单元内包含的障碍物像素点的个数，确定所述激光点云中的目标障碍物点云，包括：当所述栅格单元内包含的障碍物像素点的个数小于第一数量阈值时，确定所述栅格单元内的激光点云为所述目标障碍物点云。3.根据权利要求2所述的方法，其特征在于，所述根据所述栅格单元内包含的障碍物像素点的个数，确定所述激光点云中的目标障碍物点云，包括：当所述栅格单元内包含的障碍物像素点的个数大于或等于所述第一数量阈值时，获取所述障碍物像素点的正态分布参数；根据所述障碍物像素点的个数和所述正态分布参数，确定所述栅格单元内包含的激光点云的概率密度分布值；若所述概率密度分布值小于第二数量阈值，确定所述栅格单元内的激光点云为所述目标障碍物点云。4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：根据预设时间段内的位姿变化量和机器人的历史实际位姿，确定所述机器人的当前预估位姿；将所述当前预估位姿确定为中心坐标，将预设距离确定为裁剪范围；基于所述中心坐标和裁剪范围对全局地图进行裁剪，得到局部地图；对所述局部地图进行栅格化处理，得到所述栅格地图。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述机器人历史时刻在里程计坐标系下的第一位姿；以及，获取所述机器人当前时刻在所述里程计坐标系下的第二位姿；将所述第二位姿与所述第一位...
【专利技术属性】
技术研发人员：黄金凤，王维，李伟，
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：
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。