【技术实现步骤摘要】
本专利技术属于领域人工智能领域，具体是一种基于多个机器人协同定位建图方法
技术介绍
1、随着人工智能和自动化技术的发展，机器人越来越多的代替人类在生产生活中的劳动主体作用，客观上起到了提高劳动效率，保护人类生命健康的作用，在建图领域，机器人通过传感器技术感知环境信息，利用gps定位获取位置信息，通过无线传输技术实现信息共享，协同工作，完成地图的构建。
2、传统的机器人定位建图方法主要基于单一机器人，如激光雷达slam和视觉slam等，然而，在复杂和大规模环境中，单一机器人的定位精度和建图效果可能受到限制，因此需要一种能够协同工作的多机器人定位建图方法，为此，我们提出一种基于多个机器人协同定位建图方法。
技术实现思路
1、针对现有技术存在的不足，本专利技术目的是提供一种基于多个机器人协同定位建图方法，本专利技术基于多机器人分布式建图，将定位和建图的任务进行细化，分配给不同的任务机器人，通过局部信息交换和融合实现整体的定位和建图，进一步提高机器人定位的精度和建图效果。
2、本专利技术的目的可以通过以下技术方案实现：一种基于多个机器人协同定位建图方法，所述建图方法包括以下步骤：
3、步骤s1：根据区域基本环境信息和区域环境复杂系数获取环境等级分级数据，根据环境分级数据分配对应数量的机器人并对机器人进行任务分配；
4、步骤s2：第一任务机器人通过激光雷达获取点云数据，并对点云进行去噪，获取高质量点云数据；
5、步骤s3：第二任务机
6、步骤s3：第三任务机器人根据环境等级分级数据获取建图区域环境图像；
7、步骤s5：第四任务机器人通过无线局域网接收服务器输送的正常点云数据、经纬度数据和环境图像数据进行环境建图。
8、进一步地，所述步骤s1接收并分析建图区域并确定机器人数量，具体如下：
9、步骤s11：接收服务器分配的建图区域，利用面积测量仪、海拔测量仪和第一激光雷达，分别获取建图区域面积、海拔高度和几何纹理信息，设置建图区域面积、海拔和几何纹理信息为区域基本环境数据；
10、步骤s12：根据公式n＝mj*s1+hb*s2+wl*s3计算得到区域环境复杂系数n，其中，ml为建图区域面积、hb为建图区域的海拔高度、wl为建图区域的几何纹理信息、n为区域环境复杂系数、s1、s2、s3为设定的比例系数，s1、s2、s3均大于0；
11、步骤s13：针对区域环境复杂系数n设定第一、第二和第三区域环境复杂等级，分别对应机器人数量为a、b、c，并设置不同的阈值判断区域基本环境数据对应的环境复杂等级和机器人数量，获取环境等级分级数据和机器人数量数据；
12、当n<n1时，判断为第一区域环境复杂等级，分配的机器人数量为a；
13、当n1<n<n2时，判断为第二区域环境复杂等级，分配的机器人数量为b；
14、当n2<n时，判断为第三区域环境复杂等级，分配的机器人数量为c；
15、n1和n2为设定的区域环境复杂系数标准数据且0<n1<n2，将环境等级分级数据输送至服务器；
16、步骤s14：将根据区域基本环境数据分配的机器人分为第一、第二、第三和第四任务机器人并通过无线局域网互联，实现信息共享，分别完成环境点云数据获取并去噪、区域定位、环境图像数据获取和环境建图四个任务。
17、进一步地，所述第一任务机器人对点云数据进行获取并去噪，具体如下：
18、步骤s21：第一任务机器人获取高质量点云数据，第一任务机器人内置设备包括第二激光雷达、激光密度传感器、激光强度传感器；第二激光雷达、激光密度传感器和激光强度传感器分别用于获取环境中的点云数据、激光发射密度、激光发射强度和激光反射强度；
19、(1)第一任务机器人利用第二激光雷达向建图区域发射激光束g1，激光束g1照射到区域内物体会被反射形成激光束g2，第二激光雷达接收反射回来的激光束g2；
20、(2)第二激光雷达通过激光束g2获取反射点的三维坐标，将区域内不同物体反射回来的若干条激光束反射点的三维坐标综合形成点云数据；
21、(3)激光密度传感器获取点云数据的激光发射密度、激光强度传感器分别获取激光发射强度和激光反射强度，将激光发射密度、激光发射强度和激光反射强度设置为点云质量数据；
22、(4)根据公式m＝md*s4+fs*s5+fg*s6计算得到点云质量系数m，其中md为激光发射密度、fs为激光发射强度、fg为激光反射强度、n为点云数据质量系数、s4、s5、s6为设定的比例系数，s4、s5、s6均大于0；
23、(5)针对区域环境复杂系数n设定第一、第二点云数据质量等级，分别对应正常点云数据和噪点点云数据，并设置不同的阈值判断点云质量数据对应的点云数据质量等级；
24、当m>m1时，为第一点云数据质量等级，判断为正常点云数据；
25、当m<m1时，为第二点云数据质量等级，判断为噪点点云数据；
26、m1为设定的点云数据质量系数标准数据且m1>0；将噪点点云数据去除，完成环境点云数据获取并去噪，将正常点云数据设置为高质量点云数据。
27、进一步地，所述第二任务机器人对建图区域和机器人进行定位，具体如下：
28、步骤s31：第二任务机器人分布于建图区域边缘，通过第二任务机器人gps定位器获取所处位置的经纬度数据，综合建图区域内gps定位器获取的经纬度数据，获取建图区域所处的经纬度范围数据；
29、步骤s32：第二任务机器人通过第三激光雷达分别计算剩余数量的第一、第三和第四任务机器人与第二任务机器人之间的实时距离；
30、步骤s33：第三激光雷达通过旋转光学镜头扫描整个区域并发射激光束，获取第一、第三和第四任务机器人与第二任务机器人之间的实时角度信息；
31、步骤s34：第二任务机器人根据自身位置的经纬度数据、第一任务机器人与第二任务机器人的实时距离和实时角度计算第一任务机器人的经纬度数据，分别获取剩余数量的第一、第三和第四任务机器人所处的经纬度数据并将第一、第二、第三和第四任务机器人的经纬度数据输送至服务器。
32、进一步地，所述第三任务机器人根据环境等级分级数据进行图像获取，具体如下：
33、步骤s41：当建图区域处于第一区域环境复杂等级时，第三任务机器人的数量为a，第三任务机器人在建图区域内移动并采集环境图像，且机器人摄像头视角固定；
34、步骤s42：当建图区域处于第二区域环境复杂等级时，第三任务机器人的数量为b，第三任务机器人在建图区域内移动但需切换不同摄像头视角并采集环境图像；
35、步骤s43：当建图区域处于第三区域环境复杂等级时，第三任务机器人的数量为c，本文档来自技高网...
【技术保护点】
1.一种基于多个机器人协同定位建图方法，其特征在于，所述建图方法包括以下步骤：
2.根据权利要求1所述的一种基于多个机器人协同定位建图方法，其特征在于，所述步骤S1接收并分析建图区域并确定机器人数量，具体如下：
3.根据权利要求1所述的一种基于多个机器人协同定位建图方法，其特征在于，所述第一任务机器人对点云数据进行获取并去噪，具体如下：
4.根据权利要求1所述的一种基于多个机器人协同定位建图方法，其特征在于，所述第二任务机器人对建图区域和机器人进行定位，具体如下：
5.根据权利要求1所述的一种基于多个机器人协同定位建图方法，其特征在于，所述第三任务机器人根据环境等级分级数据进行图像获取，具体如下：
6.根据权利要求1所述的一种基于多个机器人协同定位建图方法，其特征在于，所述第四任务机器人通过无线局域网接收服务器输送的正常点云数据、经纬度数据和环境图像数据进行环境建图，并将地图进行应用，具体如下：
7.根据权利要求6所述的一种基于多个机器人协同定位建图方法，其特征在于，全局地图的应用包括对自动驾驶车辆进行车辆定
...【技术特征摘要】
1.一种基于多个机器人协同定位建图方法，其特征在于，所述建图方法包括以下步骤：
2.根据权利要求1所述的一种基于多个机器人协同定位建图方法，其特征在于，所述步骤s1接收并分析建图区域并确定机器人数量，具体如下：
3.根据权利要求1所述的一种基于多个机器人协同定位建图方法，其特征在于，所述第一任务机器人对点云数据进行获取并去噪，具体如下：
4.根据权利要求1所述的一种基于多个机器人协同定位建图方法，其特征在于，所述第二任务机器人对建图区域和机器人进行定位，具体如下：
5.根据权利要求1所述...
【专利技术属性】
技术研发人员：皮官朋，皮从明，梁甲华，
申请(专利权)人：毛驴快跑上海机器人有限公司，
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。