基于多传感器融合的定位方法、装置、移动机器人及介质制造方法及图纸

本发明专利技术公开了一种基于多传感器融合的定位方法、装置、移动机器人及介质，该方法包括：获取传感器所收集的定位数据和相机所收集的图像数据，其中，定位数据IMU数据以及UWB数据，图像数据包括RGB图像数据以及深度图像数据；基于RGB图像数据与深度图像数据，构建重投影误差；获取IMU数据中的IMU预积分误差；根据重投影误差与IMU预积分误差，构建视觉惯性里程计；将视觉惯性里程计中的数据与UWB数据进行数据融合，得到目标定位数据。本发明专利技术通过获取定位数据和现场环境信息，实现了实时定位误差校正，无需提前设置标志点和无需限制移动机器人的路径规划，实现了适用于多种移动机器人定位的应用场景。位的应用场景。位的应用场景。

【技术实现步骤摘要】
基于多传感器融合的定位方法、装置、移动机器人及介质


[0001]本专利技术涉及测量定位
，尤其涉及一种基于多传感器融合的定位方法、装置、移动机器人及介质。

技术介绍

[0002]随着人工智能技术的迅速发展和硬件设备算力的支持，移动机器人已经被广泛应用在了商场、医院、智能制造厂房和智能仓库等室内场所，承接着清洁、送药、生产线上下料运输和商品中途运输等功能。由于上述区域具有现场环境复杂、人口密度大和容易产生险情等情况。因此，需要通过高精度的机器人定位系统进行支撑，使得移动机器人能够精确的获取现场环境信息和自身位置信息，并且根据上述信息进行最佳的策略调整，从而实现所需要的功能。
[0003]现有的移动机器人的精确定位方法主要通过三维激光雷达和标志点获取，从而实现精确定位。该方法需要提前设置标志点，并在定位过程中需要对标志点进行检测，进而实现对定位误差的校正，最终实现精确定位。由于该方法需要提前设置标志点，限制了移动机器人的路径规划，不适用于多种移动机器人定位的应用场景。

技术实现思路

[0004]本专利技术实施例提供了一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器融合的定位方法，其特征在于，包括：获取传感器所收集的定位数据和相机所收集的图像数据，其中，所述定位数据IMU数据以及UWB数据，所述图像数据包括RGB图像数据以及深度图像数据；基于所述RGB图像数据与所述深度图像数据，构建重投影误差；获取所述IMU数据中的IMU预积分误差；根据所述重投影误差与所述IMU预积分误差，构建视觉惯性里程计；将所述视觉惯性里程计中的数据与所述UWB数据进行数据融合，得到目标定位数据。2.根据权利要求1所述的基于多传感器融合的定位方法，其特征在于，所述基于所述RGB图像数据与所述深度图像数据，构建重投影误差，包括：对所述RGB图像数据进行特征提取，得到ORB特征；对所述ORB特征进行匹配，得到匹配结果；通过对所述匹配结果进行筛选，剔除所述匹配结果中的错误匹配特征点，得到目标匹配特征点；基于所述目标匹配点与所述深度图像数据进行姿态估计，以构建所述重投影误差。3.根据权利要求2所述的基于多传感器融合的定位方法，其特征在于，所述通过对所述匹配结果进行筛选，剔除所述匹配结果中的错误匹配特征点，得到目标匹配特征点，包括：将所述匹配结果中的匹配特征点数与预设数值进行对比；若所述匹配特征点数高于所述预设数值，则采用PROSAC算法，剔除所述匹配结果中的错误匹配特征点，得到所述目标匹配特征点；若所述匹配特征点数低于或等于所述预设数值，则获取所述匹配结果中的每对匹配特征点间的距离，以及获取所述匹配结果中最小的匹配特征点距离；基于每对所述匹配特征点间的距离与所述最小的匹配特征点距离，对所述匹配结果进行筛选，得到所述目标匹配特征点。4.根据权利要求2所述的基于多传感器融合的定位方法，其特征在于，所述基于所述目标匹配点与所述深度图像数据进行姿态估计，以构建所述重投影误差，包括：通过将所述深度图像数据进行匹配，生成点云数据；通过求解所述点云数据与所述目标匹配点从三维到二维的点对运动，以对所述目标匹配点与所述深度图像数据进行姿态估计，构建所述重投影误差。5.根据权利要求1所述的基于多传感器融合的定位方法，其特征在于，所述根据所述重投影误差与所述IMU预积分误差，构建视觉惯性里程计，包括：构建所述重投影误差的第一代价函数，并基于所述第一代价函数对相机的状态变量进行优化估计处理...

【专利技术属性】
技术研发人员：刘志昌，黎彰，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：