全局定位的方法技术

本申请公开了一种全局定位的方法

【技术实现步骤摘要】
全局定位的方法、装置、自主机器人和存储介质


[0001]本申请涉及定位
，特别涉及一种全局定位的方法
、
装置
、
自主机器人和存储介质
。

技术介绍

[0002]自主机器人是目前机器人领域的重点研究方向，自主机器人可以包括无人机等
。
自主机器人可以通过定位和导航，自主移动至指定地点执行任务
。
这样，准确的定位便称为了自动机器人的关键
。
[0003]目前，自主机器人通常采用全球定位系统
(Global Positioning System
，
GPS)
实现自主定位
。
[0004]然而，
GPS
容易受卫星状况
、
电离层状况影响，在隧道
、
高楼密集区域定位效果较差
。

技术实现思路

[0005]本申请实施例提供了一种全局定位的方法
、
装置
、
自主机器人和存储介质，在不使用
GPS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种全局定位的方法，其特征在于，所述方法包括：获取定位信息；获取场景图像和惯性测量单元
IMU
信息；提取所述场景图像的多个二维特征点；基于所述多个二维特征点和所述
IMU
信息，确定估计位姿信息；将所述多个二维特征点和全局特征点地图进行匹配，得到所述多个二维特征点在所述全局特征点地图中匹配的三维特征点；根据每个二维特征点的类型
、
每个二维特征点匹配的三维特征点的坐标和所述估计位姿信息，对所述定位信息进行滤波更新
。2.
根据权利要求1所述的方法，其特征在于，所述根据每个二维特征点的类型
、
每个二维特征点匹配的三维特征点的坐标和所述估计位姿信息，对所述定位信息进行滤波更新，包括：如果所述二维特征点是视觉惯性里程计
VIO
特征点，且
VIO
的状态变量包括所述二维特征点的特征点信息，则将所述二维特征点匹配的三维特征点的坐标
、
所述二维特征点匹配的三维特征点对应的初始测量方差和所述估计位姿信息，输入扩展卡尔曼滤波器
EKF
中，对所述定位信息进行滤波更新，其中，所述二维特征点的特征点信息包括所述二维特征点的坐标
、
所述二维特征点匹配的三维特征点的坐标
、
所述二维特征点的标识
。3.
根据权利要求2所述的方法，其特征在于，所述方法还包括：如果所述二维特征点是
VIO
特征点，且所述
VIO
的状态变量不包括所述二维特征点的特征点信息，则将所述二维特征点的特征点信息添加到所述
VIO
的状态变量中，并获取所述二维特征点匹配的三维特征点对应的初始测量方差
。4.
根据权利要求1所述的方法，其特征在于，所述根据每个二维特征点的类型
、
每个二维特征点匹配的三维特征点的坐标和所述估计位姿信息，对所述定位信息进行滤波更新，包括：如果所述二维特征点不是
VIO
特征点，则对所述二维特征点在最新采集到的场景图像中进行特征跟踪，如果所述最新采集到的场景图像中存在与所述二维特征点匹配的目标二维特征点，则根据所述二维特征点匹配的三维特征点的坐标，计算测量噪声；将所述二维特征点的坐标
、
所述二维特征点匹配的三维特征点的坐标
、
所述二维特征点匹配的三维特征点对应的初始测量方差
、
所述估计位姿信息和所述测量噪声，输入
EKF
中，对所述定位信息进行更新
。5.
根据权利要求4所述的方法，其特征在于，所述方法还包括：如果所述二维特征点不是
VIO
特征点，且在所述最新采集到的场景图像中不存在所述目标二维特征点，则将所述二维特征点的特征点信息添加到所述
VIO
的状态变量中，并获取所述二维特征点匹配的三维特征点对应的初始测量方差
。6.
根据权利要求1‑5中任一项所述的方法，其特征在于，所述提取所述场景图像的多个二维特征点，包括：提取所述场景图像的第一数目的二维特征点，对所述第一数目的二维特征点添加
VIO
特征标识，作为所述
VIO
特征点；提取所述场景图像的第二数目的二维特征点
。
7.
一种全局定位的装置，其特征在于，所述装置包括：获取模块，用于获取定位信息，获取场景图像和
IMU

【专利技术属性】
技术研发人员：胡佳欣，郎小明，任科飞，蔡剑成，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：