用于非结构化环境的多源信息融合机器人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非结构化环境的多源信息融合机器人定位方法及系统，本发明专利技术通过对实时获取的激光点云、环境的图像信息和加速度等多源信息数据进行融合处理，可以实现在恶劣天气状态下，动态非结构化环境下，光照变化剧烈条件下的高鲁棒性实时定位；在几何退化的巷道区域，激光点云的发射由于缺少足够的外部特征而配准定位失效，此时，视觉定位模块仍可正常工作并通过检测匹配图像信息完成机器人重定位；在缺乏足够光照的环境下，激光点云与加速度信息仍可为计算单元提供足够的定位融合数据输入。合数据输入。合数据输入。

【技术实现步骤摘要】
用于非结构化环境的多源信息融合机器人定位方法及系统


[0001]本专利技术属于位置预测
，尤其涉及一种用于非结构化环境的多源信 息融合机器人定位方法及系统。

技术介绍

[0002]移动机器人按其运动方式的不同可分为轮式机器人，履带式机器人及腿足 式机器人。无论以何种运动形式驱动，机器人在复杂多变的工作空间中进行作 业时，需要实时感知周围物体的位姿或体积尺寸信息并获取机器人自身的位姿 信息，以实现机器人与作业环境的实时交互和对机器人本体运动状态的估计。
[0003]专利技术人发现，移动机器人在不具备典型结构化特征的室外环境中运动时， 实时精确的获取本体位姿信息面临着光照变化，雨雪天气，植被遮挡，动态障 碍物等外在因素带来的挑战，又或者，在诸如矿洞，巷道等封闭或者半封闭的 几何结构退化区域，现有的单一传感器定位方法往往面临着定位精度大幅波动 甚至完全失效的问题。

技术实现思路

[0004]本专利技术为了解决上述问题，提出了一种用于非结构化环境的多源信息融合 机器人定位方法及系统，本专利技术解决了移动机器人在动态复杂环境本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于非结构化环境的多源信息融合机器人定位方法，其特征在于，包括：获取机器人发射的实时激光点云，同预设的点云地图进行点云配准，计算得到当前机器人的位姿信息；获取机器人当前环境的图像信息，提取每一帧图像中的ORB视觉特征点组成视觉关键帧，通过当前关键帧与预设的视觉特征地图进行重定位匹配，得到机器人当前位置信息；获取机器人的加速度，积分得到里程计信息；对得到的位姿信息、位置信息和里程计信息进行滤波处理，估计机器人的实时状态，融合得到机器人的定位信息。2.如权利要求1所述的用于非结构化环境的多源信息融合机器人定位方法，其特征在于，获取位姿信息时，根据当前实时激光点云对工作环境进行几何特征提取，如果当前环境几何特征缺失低于设定阈值，转至惯性测量；否则，将当前机器人所处环境的点云特征地图按照预先设定的分辨率划分成均匀规则、固定大小单元格，根据单元格内一定数量的扫描点计算网格的概率密度函数；利用初始位姿变换将实时激光点云转换到预设的目标点云地图坐标系下，计算变换后的待定位配准点云总概率，并构建优化目标函数进行迭代，直至得到最优配准变换关系。3.如权利要求2所述的用于非结构化环境的多源信息融合机器人定位方法，其特征在于，环境几何特征计算方式为，计算每一根激光扫描线上每个激光点与其相邻多个激光点的曲率值，当该点的曲率值为所有激光点中的最大值时，取为特征突出点，代表环境中的特征突出区域；当该点的曲率值为所有激光点中的最小值取为最弱特征突出点；特征突出区域和最弱特征突出点构成几何特征点。4.如权利要求1所述的用于非结构化环境的多源信息融合机器人定位方法，其特征在于，获取位置信息时，获取机器人周身环境实时图像，判断当前机器人工作环境光照是否充足，若提取到的视觉特征点低于设定阈值，将定位信息转至惯性测量；否则，根据预设的视觉特征地图进行视觉图像重定位，通过视觉特征词袋模型及K
‑
D树存储结构加速匹配过程。5.如权利要求1所述的用于非结构化环境的多源信息融合机器人定位方法，其特征在于，获取里程计信息时，得到机器人运动的加速度与角速度进行积分，得到机器人的位姿信息。6.如权利要求1所述的用于非结构化环境的多源信息融合机器人定位方法，其特征在于，依据得到的位姿信息、位置信息和里程计信息，依据预设的...

【专利技术属性】
技术研发人员：范永，刘大宇，马德盛，葛怀国，陈彬，
申请(专利权)人：山东优宝特智能机器人有限公司，
类型：发明
国别省市：