定位方法、机器人和计算机可读存储介质技术

本发明专利技术公开了一种定位方法、机器人和存储介质。定位方法包括：获取根据机器人当前观测到的环境中的物体建立的当前拓扑图，获取根据预设区域内的全局环境中的物体预先建立的全局拓扑图，当前拓扑图和全局拓扑图包括表示物体的节点；对当前拓扑图中的两节点与全局拓扑图中的两节点构成的待关联节点对进行匹配；若关联程度大于阈值，则确定待关联节点对为关联节点对；从多个搜索分支中，选出关联节点对数量最多的搜索分支，作为匹配度最高的搜索分支；根据匹配度最高的搜索分支确定机器人的当前位姿。上述定位方法，可以根据匹配度最高的搜索分支确定机器人的当前位姿。搜索分支确定机器人的当前位姿。搜索分支确定机器人的当前位姿。

【技术实现步骤摘要】
定位方法、机器人和计算机可读存储介质


[0001]本专利技术涉及机器人定位
，特别涉及一种定位方法、机器人和计算机可读存储介质。

技术介绍

[0002]机器人在室内的初始定位是比较难的，机器人在没有先验定位的情况下，需要识别自己在全局地图中的位姿。在相关技术中，机器人定位通常需要遍历数据库中所有数据，导致定位效率下降。

技术实现思路

[0003]本专利技术提供了一种定位方法、机器人和计算机可读存储介质。
[0004]本专利技术实施方式提供的定位方法，可以用于机器人，所述定位方法包括：获取当前拓扑图和全局拓扑图，所述当前拓扑图为根据所述机器人当前观测到的环境中的物体建立的，所述全局拓扑图为根据预设区域内的全局环境中的物体预先建立的，所述当前拓扑图和所述全局拓扑图包括表示物体的节点；对所述当前拓扑图和所述全局拓扑图中的节点进行匹配，所述匹配包括判断所述当前拓扑图中的节点与所述全局拓扑图中的节点构成的待关联节点对的关联程度；若所述关联程度大于阈值，则确定所述待关联节点对为关联节点对；从多个搜索分支中，选出关联节点对数量最多的搜索分支，作为匹配度最高的搜索分支；根据所述匹配度最高的搜索分支确定所述机器人的当前位姿。
[0005]上述定位方法，通过拓扑图匹配可以快速、准确地确定关联节点对（即关联物体对），从而可以通过当前拓扑图中和全局拓扑图中关联节点对数量最多的若干个关联节点能够快速地确定匹配度最高的搜索分支，进而可以根据匹配度最高的搜索分支确定机器人的当前位姿。
[0006]本申请实施方式的机器人，包括控制模块，所述控制模块用于：获取当前拓扑图和全局拓扑图，所述当前拓扑图为根据所述机器人当前观测到的环境中的物体建立的，所述全局拓扑图为根据预设区域内的全局环境中的物体预先建立的，所述当前拓扑图和所述全局拓扑图包括表示物体的节点；对所述当前拓扑图和所述全局拓扑图中的节点进行匹配，所述匹配包括判断所述当前拓扑图中的节点与所述全局拓扑图中的节点构成的待关联节点对的关联程度；若所述关联程度大于阈值，则确定所述待关联节点对为关联节点对；从多个搜索分支中，选出关联节点对数量最多的搜索分支，作为匹配度最高的搜索分支；根据所述匹配度最高的搜索分支确定所述机器人的当前位姿。
[0007]上述机器人，通过拓扑图匹配可以快速、准确地确定关联节点对（即关联物体对），从而可以通过当前拓扑图中和全局拓扑图中关联节点对数量最多的若干个关联节点能够快速地确定匹配度最高的搜索分支，进而可以根据匹配度最高的搜索分支确定机器人的当前位姿。
[0008]本申请实施方式的机器人，包括存储器和处理器，所述存储器存储有计算机程序，
所述处理器执行所述计算机程序时，实现上述任一个实施方式所述的定位方法。
[0009]上述机器人，通过拓扑图匹配可以快速、准确地确定关联节点对（即关联物体对），从而可以通过当前拓扑图中和全局拓扑图中关联节点对数量最多的若干个关联节点能够快速地确定匹配度最高的搜索分支，进而可以根据匹配度最高的搜索分支确定机器人的当前位姿。
[0010]本申请实施方式的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述任一个实施方式所述的定位方法。
[0011]上述计算机可读存储介质，通过拓扑图匹配可以快速、准确地确定关联节点对（即关联物体对），从而可以通过当前拓扑图中和全局拓扑图中关联节点对数量最多的若干个关联节点能够快速地确定匹配度最高的搜索分支，进而可以根据匹配度最高的搜索分支确定机器人的当前位姿。
[0012]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0013]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：图1是本专利技术实施方式的机器人在某些实施方式中的硬件结构示意图；图2是本专利技术实施方式的机器人在某些实施方式中的结构示意图；图3是本专利技术实施方式的定位方法的流程示意图；图4是本专利技术实施方式的生成全局拓扑图的流程示意图；图5是本专利技术实施方式的当前拓扑图和全局拓扑图的示意图；图6是本专利技术实施方式的确定机器人的当前位姿的流程示意图；图7是本专利技术实施方式的搜索解释树的示意图；图8是本专利技术实施方式的获得新的全局拓扑图的示意图。
[0014]主要元件符号说明：机器人100、机械单元101、驱动板1011、电动机1012、机械结构1013、机身主体1014、腿部1015、足部1016、通讯单元102、摄像单元1021、传感单元103、接口单元104、存储单元105、显示单元106、输入单元107、触控面板1071、输入设备1072、触摸检测装置1073、触摸控制器1074、音频输出单元108、控制模块110、电源111。
具体实施方式
[0015]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0016]在后续的描述中，使用用于表示部件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本专利技术的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
[0017]请参考图1，图1为本专利技术其中一个实施方式的机器人100的硬件结构示意图。在图1所示的实施方式中，机器人100可以为足式机器人，机器人100可以包括机械单元101、通讯单元102、传感单元103、接口单元104、存储单元105、控制模块110、电源111。机器人100的各
种部件可以以任何方式连接，包括有线或无线连接等。本领域技术人员可以理解，图1中示出的机器人100的具体结构并不构成对机器人100的限定，机器人100可以包括比图示更多或更少的部件，某些部件也并不属于机器人100的必须构成，完全可以根据需要在不改变专利技术的本质的范围内而省略，或者组合某些部件。
[0018]下面结合图1对机器人100的各个部件进行具体地介绍：机械单元101为机器人100的硬件。如图1所示，机械单元101可包括驱动板1011、电动机1012、机械结构1013，如图2所示，机械结构1013可包括机身主体1014、可伸展的腿部1015、足部1016，在其他实施方式中，机械结构1013还可包括可伸展的机械臂（图未示）、可转动的头部结构1017、可摇动的尾巴结构1018、载物结构1019、鞍座结构1020、摄像单元1021等。机器人100可以通过摄像单元1021进行摄像，从而能够获取到视觉信息。需要说明的是，机械单元101的各个部件模块可以为一个也可以为多个，可根据具体情况设置，比如腿部1015可为4个，每个腿部1015可配置3个电动机1012，对应的电动机1012为12个。
[0019]通讯单元102可用于信号的接收和发送，还可以通过与网络和其他设备通信，比如，接收遥控器或其他机器人100发送的按照特定步态以特定速度值向特定方向移动的指令信息后，传输给控制模块110处理。通讯单元102包括如WiFi模块、4G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，用于机器人，其特征在于，所述定位方法包括：获取当前拓扑图和全局拓扑图，所述当前拓扑图为根据所述机器人当前观测到的环境中的物体建立的，所述全局拓扑图为根据预设区域内的全局环境中的物体预先建立的，所述当前拓扑图和所述全局拓扑图包括表示物体的节点；对所述当前拓扑图和所述全局拓扑图中的节点进行匹配，所述匹配包括判断所述当前拓扑图中的节点与所述全局拓扑图中的节点构成的待关联节点对的关联程度；若所述关联程度大于阈值，则确定所述待关联节点对为关联节点对；从多个搜索分支中，选出关联节点对数量最多的搜索分支，作为匹配度最高的搜索分支；根据所述匹配度最高的搜索分支确定所述机器人的当前位姿。2.根据权利要求1所述的定位方法，其特征在于，获取全局拓扑图，包括：获取全局环境图像和全局深度图像；根据所述全局环境图像和所述全局深度图像建立全局语义地图，所述全局语义地图包括全局点云信息和全局点云信息对应的第一物体种类标签；根据所述第一物体种类标签对所述全局语义地图中的所述全局点云信息进行聚类，识别出各个物体，并获取各物体的第一包围盒，所述第一包围盒是将具有同一所述第一物体种类标签的点云聚类后的点云对应的独立空间；以所述第一包围盒为节点，以相邻的两个所述第一包围盒的连线作为边，生成所述全局拓扑图，相邻的两个所述第一包围盒之间的距离小于预设距离。3.根据权利要求2所述的定位方法，其特征在于，所述获取当前拓扑图，包括：获取当前环境图像和当前深度图像；根据所述当前环境图像和所述当前深度图像建立当前语义地图，所述当前语义地图包括当前点云信息和当前点云信息对应的第二物体种类标签；根据所述第二物体种类标签对所述当前语义地图中的所述当前点云信息进行聚类，识别出各物体，并获取各物体的第二包围盒，所述第二包围盒是将具有同一所述第二物体种类标签的点云聚类后的点云对应的独立空间；以所述第二包围盒为节点，以相邻的两个所述第二包围盒的连线作为边，生成所述当前拓扑图，相邻的两个所述第二包围盒之间的距离小于预设距离。4.根据权利要求3所述的定位方法，其特征在于，所述从多个搜索分支中，选出关联节点对数量最多的搜索分支，作为匹配度最高的搜索分支，包括：将所述当前拓扑图和所述全局拓扑图结合构成搜索解释树，所述搜索解释树包括多个搜索分支，遍历每个搜索分支；所述当前拓扑图的每一个节点构成第二层节点；以所述第二层节点为父节点，所述第二层节点的子节点为所述全局拓扑图中的每一个节点并构成第三层节点，所述第二层节点和所述第三层节点构成所述搜索解释树的第一节点对；确定所述第一节点对中全局拓扑图中的节点所对应的所述第一物体种类标签和当前拓扑图中的节点所对应的所述第二物体种类标签是否相同；若第一节点对中全局拓扑图中的节点所对应的所述第一物体种类标签和当前拓扑图
中的节点所对应的所述第二物体种类标签不同，则结束对应的搜索分支的构建；若第一节点对中全局拓扑图中的节点所对应的所述第一物体种类标签和所当前拓扑图中的节点所对应的述第二物体种类标签相同，则以所述第三层节点作为父节点，所述第三层节点的子节点为所述当前拓扑图除去所述搜索分支的上游分支出现过的节点后剩下的所有节点并构成第四层节点；以所述第四层节点为父节点，所述第四层节点的子节点为所述全局拓扑图中除去所述搜索分支的上游分支出现过的节点后剩下的所有节点并构成第五层节点，所述第四层节点和所述第五层节点构成所述搜索解释树的第二节点对；确定所述第二节点对中全局拓扑图中的节点所对应的所述第一物体种类标签和当前拓扑图中的节点所对应的所述第二物体种类标签是否相同；根据同一搜索分支中，所述第一节点对和所述第二节点对中的两个当前拓扑图节点之间的距离和夹角以及两个全局拓扑图节点之间的距离和夹角，获得所述第一节点对和所述第二节点对构成的所述待关联节点对的所述关联程度；若第二节点对中全局拓扑图中的节点所对应的所述第一物体种类标签和当前拓扑图中的节点所对应的所述第二物体种类标签不同，或所述关联程度小于所述阈值，则结束对应的搜索分支的构建；若第二节点对中全局拓扑图中的节点所对应的所述第一物体种类标签和当前拓扑图中的节点所对应的所述第二物体种类标签相同，且所述关联程度大于所述阈值，则继续遍历所述当前拓扑图与所述全局拓扑图的节点；统计每个搜索分支的所述关联节点对的数量，所述关联节点对的数量最多的搜索分支作为所述匹配度最高的搜索分支。5.根据权利要求3所述的定位方法，其特征在于，所述从多个搜索分支中，选出关联节点对数量最多的搜索分支，作为匹配度最高的搜索分支之前，所述定位方法包括：将所述当前拓扑图和所述全局拓扑图结合构成搜索解释树；所述当前拓扑图的每一个节点构成第二层节点；以所述第二层节点为父节点，所述第二层节点的子节点为所述全局拓扑图中的每一个节点并构成第三层节点；以所述第三层节点作为父节点，所述第三层节点的子节点为所述当前拓扑图除去所述搜索分支的上游分支出现过的节点后剩下的所有节点并构成第四层节点；以所述第四层节点为父节点，所述第四层节点的子节点为所述全局拓扑图中除去所述搜索分支的上游分支出现过的节点后剩下的所有节点并构成第五层节点；以此类推继续遍历所述当前拓扑图与所述全局拓扑图的节点以构成所述搜索解释树。6.根据权利要求5所述的定位方法，其特征在于，所述搜索解释树包括多个搜索分支，所述从多个搜索分支中，选出关联节点对数量最多的搜索分支，作为匹配度最高的搜索分支，包括：遍历每个搜索分支；若所述搜索解释树的搜索分支包括所述关联节点对，则将所述搜索分支确定为匹配分支，否则，中断对应的搜索分支的搜索；统计每个所述匹配分支的所述关联节点对的数量，所述关联节点对的数量最多的所述匹配分支作为所述匹配度最高的搜索分支。
7.根据权利要求6所述的定位方法，其特征在于，所述对所述当前拓扑图和所述全局拓扑图中的节点进行匹配，所述匹配包括判断所述当前拓扑图中的节点与所述全局拓扑图中的节点构成的待关联节点对的关联程度，包括：判断所述当前拓扑图的第一节点和所述全局拓扑图的第一节点是否属于相同的物体种类标签，所述当前拓扑图的第一节点和所述全局拓扑图的第一节点构成第一节点对；若所述当前拓扑图的第一节点和所述全局拓扑图的第一节点属于相同的物体种类标签，则判断所述当前拓扑图的第二节点和所述全局拓扑图的第二节点是否属于相同的物体种类标签，所述当前拓扑图的第二节点和所述全局拓扑图的第二节点构成第二节点对；若所述当前拓扑图的第二节点和所述全局拓扑图的第二节点属于相同的物体种类标签，则将所述当前拓扑图的第一节点和所述当前拓扑图的第二节点之间的距离和夹角，与所述全局拓扑图的第一节点和所述全局拓扑图的第二节点之间的距离和夹角进行比对，获取所述第一节点对和所述第二节点对所构成的所述待关联节点对的关联程度，若所述关联程度大于阈值，则确定所述待关联节点对为关联节点对。8.根据权利要求4或5所述的定位方法，其特征在于，在将所述当前拓扑图和所述全局拓扑图结合构成搜索解释树之前，所述定位方法还包括：计算所述全局拓扑图中所述各物体的第一包围盒的大小和所述当前拓扑图中所述各物体的第二包围盒的大小；统计所述全局拓扑图中第一物体种类标签对应的物体数量以确定第一稀有率和所述当前拓扑图中第二物体种类标签对应的物体数量以确定第二稀有率；计算所述全局拓扑图中每个物体的第一随机游走特征和所述当前拓扑图中每个物体的第二随机游走特征；根据所述第一包围盒的大小、所述第二包围盒的大小、所述第一稀有率、所述第二稀有率、所述第一随机游走特征、所述第二随机游走特征计算所述当前拓扑图和所述全局拓扑图中的拓扑节点集的相似度，所述拓扑节点集包括所述全局拓扑图的第一节点和所述当前拓扑图的第二节点，所述第一节点对应的第一物体种类标签与所述第二节点对应的第二物体种类标签相同；确定所述拓扑节点集中所述相似度高于预设相似度的节点对，将所述节点对在所述全局拓扑图中的节点作为中心节点，将所述中心节点以及在所述全局拓扑图中所述中心节点为中心周围预设范围内的节点作为新的全局拓扑图，所述新的全局拓扑图用于与所述当前拓扑图结合构成一个所述搜索解释树...

【专利技术属性】
技术研发人员：肖志光，赖思博，古明辉，邱志昌，林位麟，
申请(专利权)人：深圳鹏行智能研究有限公司，
类型：发明
国别省市：