【技术实现步骤摘要】
视觉标记的地图位姿获取方法、机器人定位方法及系统
[0001]本专利技术属于机器人定位
，尤其涉及一种视觉标记的地图位姿获取方法、机器人定位方法及系统。
技术介绍
[0002]移动机器人常见的地图有三种：尺度地图、拓扑地图、语义地图。其中，因为尺度地图具备真实的物理尺寸，所以尺度地图可以精确直观的描述地图信息而被广泛采用。栅格地图、特征地图和点云地图是使用最为广泛的三种尺度地图，其中，占据栅格地图常常被用于激光SLAM；特征地图则更多被用于视觉SLAM中；点云地图则常被用于构建三维地图。占据栅格地图就是将地图栅格化，用每一个栅格的状态来表示地图中的障碍物情况，用激光雷达传感器的深度信息转换成在栅格的概率值，进而表示栅格的状态，分别为占用、空闲和未知。
[0003]定位问题已经成为移动机器人研究中最为热门的方向之一，定位是移动机器人SLAM技术中的关键一环，对于机器人实现智能化有重要意义。机器人定位有许多方法，其中，从传感器的角度大体可分为基于视觉传感器和基于激光传感器的定位方法。视觉传感器能获得丰富的图像纹理信...
【技术保护点】
【技术特征摘要】
1.一种视觉标记的地图位姿获取方法，其特征在于，包括：步骤1：在机器人行走空间中设置视觉标记；步骤2：利用机器人在行走空间移动，进行激光SLAM建图，以及获取机器人与所设置的视觉标记之间的约束；其中，激光SLAM建图部分所用的后端优化问题采用最小二乘问题描述；机器人与视觉标记之间的约束具体表达为：视觉标记在机器人坐标系下的位姿以及由位姿构成的协方差矩阵步骤3：在步骤2中的SLAM后端优化问题中添加步骤2得到的视觉机器人与所设置的视觉标记之间的约束，将步骤2中所述的最小二乘问题转化为具有视觉标记约束的最小二乘问题；步骤4：对步骤3中得到的最小二乘问题进行迭代求解，以IMU得到的机器人初始位姿为初值，得到唯一的最优解Ξr
*
，最优解Ξr
*
中包含了视觉标记在机器人坐标系下的最优位姿集合步骤5：将步骤4得到的视觉标记在机器人坐标系下所有时刻下的最优位姿集合通过TF变换为视觉标记在地图中的位姿集合再对集合中的所有元素求平均值，得到视觉标记在地图中的最佳位姿所述机器人为带视觉与激光的机器人。2.根据权利要求1所述的方法，其特征在于，所述具有视觉标记约束的最小二乘问题如下：下：下：下：其中，Ξm为子地图的位姿合集，Ξr表示机器人各传感器得到的机器人在第j帧扫描时刻下以地图为坐标系的位姿，其中为第j帧雷达扫描以地图为坐标系的位姿，为视觉标记第j帧雷达扫描时刻以地图为坐标系的位姿，为里程计所推算得到的在第j帧雷达扫描时刻以地图为坐标系的位姿；表示第i个子地图的位姿，表示第j帧雷达扫描时刻的位姿，ξ
ij
表示第j帧雷达扫描时刻机器人在第i个子地图坐标系下的位姿，e为向量误差函数，用来表示和得到的机器人在第i个子地图坐标系下的位姿与ξ
ij
的吻合程度，∑ij表示在第i个子地图下的第j帧扫描位姿的协方差矩阵；为所对应旋转矩阵的逆矩阵，表示第i个子地图的位姿中的平移向量，表示第j帧雷达扫描时刻各传感器给出的机器人
其中，Δd为一个黑色方格相邻两角点到相机的深度距离之差，d1和d2分别代表不同位置角点到相机中心点的深度距离，p
w
为两角点在像素平面上投影的距离，θ
p
为两角点到相机中心点连线的角度，w
r
为由余弦定理得出两角点之间的真实距离；θ为由余弦公式推出视觉标记在相机坐标系下的角度。5.一种基于视觉标记的机器人定位方法，其特征在于，在机器人导航加载地图时，将利用权利要求1
‑
4任一项所述的视觉标记的地图位姿获取方法获取到的视觉标记在机器人坐标系下的位姿同时加载到地图中，再基于机器人从相机实时获取的视觉标记图像信息，获得机器人和视觉标记之间的实时约束，通过加载已知的视觉标记在地图中的位姿，解算得到机器人在地图中的位姿。6.根据权利要求5所述的方法，其特征在于，机器人在地图中的位姿按以下公式：其中，Δθ表示视觉标记在地图坐标系下的方向和视觉标记在机器人坐标系下的方向之差，即机器人坐标系相对于地图坐标系的旋转角度，将其代入旋转矩阵公式可以得到地图坐标系变换到机器人坐标系的二维旋转矩阵R，对其求逆矩阵则可以得到机器人坐标系变换...
【专利技术属性】
技术研发人员：张辉，张捷清心，王耀南，钟杭，周熙栋，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。