【技术实现步骤摘要】
本专利技术属于室内移动机器人定位，更具体地说，是一种针对移动机器人定位信息丢失时采用图像模板匹配与粒子滤波相结合的重定位方法。
技术介绍
1、移动机器人的发展与广泛应用推动了相关技术的创新和改进，其中，定位技术作为核心技术之一，是机器人进行建图与导航的基础。室内移动机器人定位技术主要为基于信号的定位技术和基于传感器的定位技术，前者可利用蓝牙或wifi信号进行定位，但信号强度容易受到环境干扰和障碍物影响，造成定位准确度下降，往往应用于一些简单环境且对定位精度要求不高的场景；后者作为当前移动机器人采用的主流定位方式，以激光雷达或摄像头为环境感知器件，实时获取环境信息，其中激光雷达因其不受光照条件影响、定位算法对计算能力要求较小以及准确度高而广泛被室内场景中采用。
2、使用激光雷达为感知器件进行定位，经典的方法有基于粒子滤波的自适应蒙特卡洛算法(adaptive monte carlo localization,amcl)，通过粒子在地图中的分布以及信息的观测来更新粒子的分布，得到当前机器人最可能存在的位置，当定位丢失时可通过在整...
【技术保护点】
1.一种模板匹配与粒子滤波相结合的室内机器人重定位方法，其特征在于：所述重定位方法包括以下步骤：
2.如权利要求1所述的一种模板匹配与粒子滤波相结合的室内机器人重定位方法，其特征在于：所述步骤1)的过程如下：在移动机器人上基于ROS系统部署Cartographer建图算法，使用二维激光雷达感知环境信息，结合轮式里程计和IMU持续的跟踪机器人位姿变化，并通过扩展卡尔曼滤波去除噪声，为Cartographer算法提供较好的初值，然后再进一步通过前端匹配得到更准确的机器人位姿，将观测数据加入局部地图；在完成局部地图构建后，Cartographer算法使用图优化的...
【技术特征摘要】
1.一种模板匹配与粒子滤波相结合的室内机器人重定位方法，其特征在于：所述重定位方法包括以下步骤：
2.如权利要求1所述的一种模板匹配与粒子滤波相结合的室内机器人重定位方法，其特征在于：所述步骤1)的过程如下：在移动机器人上基于ros系统部署cartographer建图算法，使用二维激光雷达感知环境信息，结合轮式里程计和imu持续的跟踪机器人位姿变化，并通过扩展卡尔曼滤波去除噪声，为cartographer算法提供较好的初值，然后再进一步通过前端匹配得到更准确的机器人位姿，将观测数据加入局部地图；在完成局部地图构建后，cartographer算法使用图优化的方法将局部地图拼入全局地图，并且提供了回环检测功能，在移动机器人遍历环境之后完成栅格地图构建并进行保存。
3.如权利要求1或2所述的一种模板匹配与粒子滤波相结合的室内机器人重定位方法，其特征在于：所述步骤2)中，读取当前位姿激光雷达扫描帧scan_msg＝[r1,r2,…,rn]，原始的雷达点云数据只有距离信息和角度信息，对于每个点ri需要转换为其在雷达坐标系下的坐标，公式如下：
4.如权利要求1或2所述的一种模板匹配与粒子滤波相结合的室内机器人重定位方法，其特征在于：所述步骤3)中，由于激光雷达扫描获取点云具有时序性，连续的点一定在时序上连续，按照顺序进行计算划分，对于点ci，计算前一个点ci-1到点ci的欧式距离d，当d小于设定阈值时加入到该子集中，否则以下一个点ci+1为新子集的第一个点，继续计算点ci+2到点ci+1的距离，同样按照以上方式添加至同一个子集或者创建新的子集，直至每个点都加入一个子集，取点的数量前三的子集进行保存，若其中点的数量小于25，则删除该子集。
5.如权利要求3所述的一种模板匹配与粒子滤波相结合的室内机器人重定位方法，其特征在于：所述步骤4)中，创建存放图像的像素矩阵，将cloud_msg和步骤3)生成的几个子集中的点通过栅格地图坐标系、全局地图坐标系和图像坐标系的关系构建与像素矩阵中像素点的一一对应，将点云数据转换为图像，转换关系如下：...
【专利技术属性】
技术研发人员：欧县华，吴鸿志，朱骞，徐韩，
申请(专利权)人：浙江润琛科技有限公司，
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。