一种用于室内移动机器人的定位方法及系统技术方案

本发明专利技术提供了一种用于室内移动机器人的定位方法及系统，采用两种定位方法分别得到定位结果，进而得到两种位姿矩阵，对位姿矩阵进行特征值和特征向量求解，如果两种定位结果接近，则取两者的均值作为最终定位结果；如果两定位结果出现分歧，则计算速度预估结果，取紧邻的结果作为最终定位结果，提升了定位可靠性，弥补了单一定位算法一旦失效导致的后续无法正常定位的问题。法正常定位的问题。法正常定位的问题。

【技术实现步骤摘要】
一种用于室内移动机器人的定位方法及系统


[0001]本专利技术涉及室内移动机器人自主定位
，特别涉及一种用于室内移动机器人的定位方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]现有技术中，室内机器人定位方法通常需要先将机器人放置在真实环境内，并通过遥控的方式使机器人不断在真实环境内进行移动；之后，使用机器人搭载的三维激光扫描仪对真实环境进行扫描，并且通过SLAM建图算法创建真实环境的点云地图(环境模型)；最后，使用环境模型与当前机器人在任一位置下扫描到的点云进行配准，以此确定机器人当前在真实环境下的位置。
[0004]专利技术人发现，现有的室内机器人定位方法中，大多采用单一的定位方法，不能完全保证机器人定位的可靠性，而采用多种定位方法时，又无法判断各种定位方法相互之间的准确性。

技术实现思路

[0005]为了解决现有技术的不足，本专利技术提供了一种用于室内移动机器人的定位方法及系统，实现了室内移动机器人的快速和稳定定位，弥补了单一定位方法带来的定位不准确问题。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术第一方面提供了一种用于室内移动机器人的定位方法。
[0008]一种用于室内移动机器人的定位方法，包括以下过程：
[0009]获取室内地图数据以及激光雷达扫描数据；
[0010]根据激光雷达扫描数据和第一定位匹配算法，结合室内地图数据，得到第一位姿数据，进而得到室内移动机器人的第一位姿矩阵；
[0011]根据激光雷达扫描数据和第二定位匹配算法，结合室内地图数据，得到第二位姿数据，进而得到室内移动机器人的第二位姿矩阵；
[0012]对比第一位姿矩阵和第二位姿矩阵的特征值和特征向量，两特征向量的夹角小于第一设定值，且特征值差值小于第二设定值时，判定定位无异常，取两定位结果的平均位姿作为最终定位位姿。
[0013]进一步的，两个矩阵的特征值绝对差值大于或等于预设阈值，或者，两特征向量的夹角大于或等于第一设定值，判定定位异常；
[0014]对第一位姿数据和第二位姿数据分别进行速度估计，根据位姿速度估计结果，分别得到第一位姿估计数据和第二位子估计数据；
[0015]判断第一位姿估计数据与第一位姿数据的紧邻程度以及第二位姿估计数据与第二位姿数据的紧邻程度；
[0016]取紧邻程度较高的位姿数据作为最终定位位姿。
[0017]进一步的，第一定位匹配算法为Scan
‑
Matching定位算法。
[0018]进一步的，第二定位匹配算法为Amcl定位算法。
[0019]进一步的，第一位姿数据和第二位姿数据均为绝对位姿基础上叠加里程计数据和陀螺仪数据后的增量位姿。
[0020]进一步的，通过窗口递推的方式，分别存储第一位姿数据和第二位姿数据，当存储的位姿数目大于设定阈值后，将存储的位姿组合成位姿矩阵，分别得到第一位姿矩阵和第二位姿矩阵。
[0021]更进一步的，窗口递推存储方式，包括：按照固定数量存储数据，当数量大于固定数值后，存储数据整体顺序向后移。
[0022]本专利技术第二方面提供了一种用于室内移动机器人的定位系统。
[0023]一种用于室内移动机器人的定位系统，包括：
[0024]数据获取模块，被配置为：获取室内地图数据以及激光雷达扫描数据；
[0025]第一位姿矩阵计算模块，被配置为：根据激光雷达扫描数据和第一定位匹配算法，结合室内地图数据，得到第一位姿数据，进而得到室内移动机器人的第一位姿矩阵；
[0026]第二位姿矩阵计算模块，被配置为：根据激光雷达扫描数据和第二定位匹配算法，结合室内地图数据，得到第二位姿数据，进而得到室内移动机器人的第二位姿矩阵；
[0027]位姿融合模块，被配置为：对比第一位姿矩阵和第二位姿矩阵的特征值和特征向量，两特征向量的夹角小于第一设定值，且特征值差值小于第二设定值时，判定定位无异常，取两定位结果的平均位姿作为最终定位位姿。
[0028]本专利技术第三方面提供了一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如本专利技术第一方面所述的用于室内移动机器人的定位方法中的步骤。
[0029]本专利技术第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的用于室内移动机器人的定位方法中的步骤。
[0030]与现有技术相比，本专利技术的有益效果是：
[0031]1、本专利技术采用两种定位方法分别得到定位结果，进而得到两种位姿矩阵，对位姿矩阵进行特征值和特征向量求解，如果两种定位结果接近，则取两者的均值作为最终定位结果；如果两定位结果出现分歧，则计算速度预估结果，取紧邻的结果作为最终定位结果，提升了定位可靠性，弥补了单一定位算法一旦失效导致的后续无法正常定位的问题。
[0032]2、本专利技术针对单一的定位方法不能完全保证定位可靠性的问题，以及定位方法的结果之间没法准确评价的问题，引入了scan
‑
matching定位方法和amcl定位方法，并将两种定位方法采用基于特征分析及数据融合的方法，最终实现了定位结果融合，实现了室内移动机器人的准确和稳定定位。
附图说明
[0033]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0034]图1为本专利技术实施例1提供的用于室内移动机器人的定位方法的流程示意图。
[0035]图2为本专利技术实施例1提供的定位结果融合方法示意图。
具体实施方式
[0036]下面结合附图与实施例对本专利技术作进一步说明。
[0037]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0038]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0039]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0040]实施例1：
[0041]如图1和2所示，本专利技术实施例1提供了一种用于室内移动机器人的定位方法，包括以下过程：
[0042]获取室内地图数据以及激光雷达扫描数据；
[0043]根据激光雷达扫描数据和第一定位匹配算法，结合室内地图数据，得到第一位姿数据，进而得到室内移动机器人的第一位姿矩阵；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于室内移动机器人的定位方法，其特征在于：包括以下过程：获取室内地图数据以及激光雷达扫描数据；根据激光雷达扫描数据和第一定位匹配算法，结合室内地图数据，得到第一位姿数据，进而得到室内移动机器人的第一位姿矩阵；根据激光雷达扫描数据和第二定位匹配算法，结合室内地图数据，得到第二位姿数据，进而得到室内移动机器人的第二位姿矩阵；对比第一位姿矩阵和第二位姿矩阵的特征值和特征向量，两特征向量的夹角小于第一设定值，且特征值差值小于第二设定值时，判定定位无异常，取两定位结果的平均位姿作为最终定位位姿。2.如权利要求1所述的用于室内移动机器人的定位方法，其特征在于：两个矩阵的特征值绝对差值大于或等于预设阈值，或者，两特征向量的夹角大于或等于第一设定值，判定定位异常；对第一位姿数据和第二位姿数据分别进行速度估计，根据位姿速度估计结果，分别得到第一位姿估计数据和第二位子估计数据；判断第一位姿估计数据与第一位姿数据的紧邻程度以及第二位姿估计数据与第二位姿数据的紧邻程度；取紧邻程度较高的位姿数据作为最终定位位姿。3.如权利要求1或2所述的用于室内移动机器人的定位方法，其特征在于：第一定位匹配算法为Scan
‑
Matching定位算法。4.如权利要求1或2所述的用于室内移动机器人的定位方法，其特征在于：第二定位匹配算法为Amcl定位算法。5.如权利要求1或2所述的用于室内移动机器人的定位方法，其特征在于：第一位姿数据和第二位姿数据均为绝对位姿基础上叠加里程计数据和陀螺仪数据后的增量位姿。6.如权利要求1或2所述的用于室内移动机...

【专利技术属性】
技术研发人员：李文广，高新彪，周军，皇攀凌，杨旭浩，
申请(专利权)人：山东亚历山大智能科技有限公司，
类型：发明
国别省市：