机器人定位方法、装置、机器人及存储介质制造方法及图纸

本申请公开了一种机器人定位方法、装置、机器人及存储介质，通过对机器人当前位置的第一点云地图进行直通滤波，得到在当前位置的预设范围内的第二点云地图，以避免加载地图范围大而导致加载效率低和计算资源消耗大的问题；再对第二点云地图进行去地面化滤波处理，得到第三点云地图，对第三点云地图进行去离群点处理，得到第四点云地图，以及对第四点云地图进行下采样处理，得到第五点云地图，从而消除地面噪声和稀疏离群噪声以及降低点云密度，以提高点云地图的精度和降低运算量；最后将第五点云地图与机器人实时采集的激光点云进行匹配，确定机器人的最新当前位置，以利用去噪噪声和低密度的点云地图进行点云匹配，进一步降低计算机资源消耗。算机资源消耗。算机资源消耗。

【技术实现步骤摘要】
机器人定位方法、装置、机器人及存储介质


[0001]本申请涉及定位
，尤其涉及一种机器人定位方法、装置、机器人及存储介质。

技术介绍

[0002]智能巡检机器人在作业时主要通过采用即时定位与地图构建(Simultaneous Localization and Mapping，SLAM)技术实现定位，其中基于3D激光雷达的SLAM技术需要3D点云地图，而3D点云地图的数据量及计算量较大，因此如何高效加载地图是定位技术中的关键问题。
[0003]目前，针对定位技术的地图加载主要包括离线地图分割和根据中心点遍历搜索等方式。其中，对于离线地图分割方式，一般是将离线地图分割成块并对每个块编号，以便根据实际定位需求加载对应编号的点云地图块，但是该方式需要额外算法对地图块进行管理，导致开发工作量加大，同时对于分块过多时容易导致分块出错。而对于根据中心点遍历搜索方式，虽然其可以通过限定地图范围以减少点云匹配，但是数据遍历方式需要消耗大量计算资源。

技术实现思路

[0004]本申请提供了一种机器人定位方法、装置、机器人及存储介质，以解决当前定位方法存在计算资源消耗大的技术问题。
[0005]为了解决上述技术问题，第一方面，本申请提供了一种机器人定位方法，包括：
[0006]对机器人当前位置的第一点云地图进行直通滤波，得到在当前位置的预设范围内的第二点云地图；
[0007]对第二点云地图进行去地面化滤波处理，得到第三点云地图；
[0008]对第三点云地图进行去离群点处理，得到第四点云地图；
[0009]对第四点云地图进行下采样处理，得到第五点云地图；
[0010]将第五点云地图与机器人实时采集的激光点云进行匹配，确定机器人的最新当前位置。
[0011]本申请通过对机器人当前位置的第一点云地图进行直通滤波，得到在当前位置的预设范围内的第二点云地图，以避免加载地图范围大而导致加载效率低和计算资源消耗大的问题，同时采用直通滤波方式动态加载地图，能够保留点云地图精度；再对第二点云地图进行去地面化滤波处理，得到第三点云地图，对第三点云地图进行去离群点处理，得到第四点云地图，以及对第四点云地图进行下采样处理，得到第五点云地图，从而消除地面噪声和稀疏离群噪声以及降低点云密度，以提高点云地图的精度和降低运算量；最后将第五点云地图与机器人实时采集的激光点云进行匹配，确定机器人的最新当前位置，以利用去噪噪声和低密度的点云地图进行点云匹配，进一步降低计算机资源消耗。
[0012]作为优选，对机器人当前位置的第一点云地图进行直通滤波，得到在当前位置的
预设范围内的第二点云地图，包括：
[0013]以第一点云地图的目标坐标轴方向，对第一点云地图进行直通滤波，去除第一点云地图中不在目标坐标轴方向上的预设范围内的点集，得到第二点云地图。
[0014]作为优选，对第二点云地图进行去地面化滤波处理，得到第三点云地图，包括：
[0015]基于第二点云地图中的种子点集，建立初始平面，
[0016]确定第二点云地图中每个点与初始平面的正交投影距离；
[0017]去除第二点云地图中正交投影距离小于预设距离的点，得到第三点云地图。
[0018]作为优选，对第三点云地图进行去离群点处理，得到第四点云地图，包括：
[0019]确定第三点云地图中每个点与多个邻居点之间平均距离；
[0020]计算多个平均距离的均值和标准差；
[0021]根据均值和标准差，确定目标距离阈值；
[0022]去除第三点云地图中平均距离大于目标距离阈值的点，得到第四点云地图。
[0023]作为优选，将第五点云地图与机器人实时采集的激光点云进行匹配，确定机器人的最新当前位置，包括：
[0024]对激光点云进行网格化，得到多个点云网格；
[0025]计算每个点云网格的概率密度函数；
[0026]对第五点云地图中的点集与点云网格进行匹配，并根据概率密度函数，确定点集的目标打分函数；
[0027]利用牛顿法，根据目标打分函数，确定梯度矩阵和海森矩阵；
[0028]更新梯度矩阵和海森矩阵，直至目标打分函数达到预设收敛条件，将第五点云地图中与点云网格匹配的点集所对应的位置确定为机器人的最新当前位置。
[0029]作为优选，对机器人当前位置的第一点云地图进行直通滤波，得到在当前位置的预设范围内的第二点云地图之前，还包括：
[0030]利用全球定位系统GPS，对机器人进行初始定位，得到机器人的初始当前位置。
[0031]作为优选，将第五点云地图与机器人实时采集的激光点云进行匹配，确定机器人的最新当前位置之后，还包括：
[0032]若机器人定位失效，则利用全球定位系统GPS和实时动态载波相位差分技术或实时阵列校准技术，对机器人进行重定位。
[0033]第二方面，本申请提供一种机器人定位装置，包括：
[0034]滤波模块，用于对机器人当前位置的第一点云地图进行直通滤波，得到在当前位置的预设范围内的第二点云地图；
[0035]第一处理模块，用于对第二点云地图进行去地面化滤波处理，得到第三点云地图；
[0036]第二处理模块，用于对第三点云地图进行去离群点处理，得到第四点云地图；
[0037]第三处理模块，用于对第四点云地图进行下采样处理，得到第五点云地图；
[0038]匹配模块，用于将第五点云地图与机器人实时采集的激光点云进行匹配，确定机器人的最新当前位置。
[0039]第三方面，本申请提供一种机器人，包括处理器和存储器，存储器用于存储计算机程序，计算机程序被处理器执行时实现如第一方面的机器人定位方法。
[0040]第四方面，本申请提供一种计算机可读存储介质，其存储有计算机程序，计算机程
序被处理器执行时实现如第一方面的机器人定位方法。
[0041]需要说明的是，上述第二方面至第四方面的有益效果请参见上述第一方面的相关描述，在此不再赘述。
附图说明
[0042]图1为本申请一实施例示出的机器人定位方法的流程示意图；
[0043]图2为本申请另一实施例示出的机器人定位方法的流程示意图；
[0044]图3为本申请实施例示出的机器人定位装置的结构示意图；
[0045]图4为本申请实施例示出的机器人的结构示意图。
具体实施方式
[0046]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0047]如相关技术记载，对于离线地图分割方式，一般是将离线地图分割成块并对每个块编号，以便根据实际定位需求加载对应编号的点云地图块，但是该方式需要额外算法对地图块进行管理，导致本文档来自技高网...

【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：对机器人当前位置的第一点云地图进行直通滤波，得到在所述当前位置的预设范围内的第二点云地图；对所述第二点云地图进行去地面化滤波处理，得到第三点云地图；对所述第三点云地图进行去离群点处理，得到第四点云地图；对所述第四点云地图进行下采样处理，得到第五点云地图；将所述第五点云地图与所述机器人实时采集的激光点云进行匹配，确定所述机器人的最新当前位置。2.如权利要求1所述的机器人定位方法，其特征在于，所述对机器人当前位置的第一点云地图进行直通滤波，得到在所述当前位置的预设范围内的第二点云地图，包括：以所述第一点云地图的目标坐标轴方向，对所述第一点云地图进行直通滤波，去除所述第一点云地图中不在所述目标坐标轴方向上的预设范围内的点集，得到所述第二点云地图。3.如权利要求1所述的机器人定位方法，其特征在于，所述对所述第二点云地图进行去地面化滤波处理，得到第三点云地图，包括：基于所述第二点云地图中的种子点集，建立初始平面，确定所述第二点云地图中每个点与所述初始平面的正交投影距离；去除所述第二点云地图中所述正交投影距离小于预设距离的点，得到所述第三点云地图。4.如权利要求1所述的机器人定位方法，其特征在于，所述对所述第三点云地图进行去离群点处理，得到第四点云地图，包括：确定所述第三点云地图中每个点与多个邻居点之间平均距离；计算多个所述平均距离的均值和标准差；根据所述均值和标准差，确定目标距离阈值；去除所述第三点云地图中平均距离大于所述目标距离阈值的点，得到所述第四点云地图。5.如权利要求1所述的机器人定位方法，其特征在于，所述将所述第五点云地图与所述机器人实时采集的激光点云进行匹配，确定所述机器人的最新当前位置，包括：对所述激光点云进行网格化，得到多个点云网格；计算每个所述点云网格的概率密度函数；对所述第五点云地图中的点集与所述点云网...

【专利技术属性】
技术研发人员：任美璇，翁敬砚，刘元基，李清都，
申请(专利权)人：中原动力智能机器人有限公司，
类型：发明
国别省市：