CN109506641A - 移动机器人的位姿丢失检测与重定位***及机器人 - Google Patents

移动机器人的位姿丢失检测与重定位***及机器人 Download PDF

Info

Publication number
CN109506641A
CN109506641A CN201710829430.8A CN201710829430A CN109506641A CN 109506641 A CN109506641 A CN 109506641A CN 201710829430 A CN201710829430 A CN 201710829430A CN 109506641 A CN109506641 A CN 109506641A
Authority
CN
China
Prior art keywords
pose
mobile robot
map
robot
subgraph
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710829430.8A
Other languages
English (en)
Inventor
李昂
吴悠
郭盖华
谌鎏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen LD Robot Co Ltd
Original Assignee
Shenzhen LD Robot Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen LD Robot Co Ltd filed Critical Shenzhen LD Robot Co Ltd
Priority to CN201710829430.8A priority Critical patent/CN109506641A/zh
Publication of CN109506641A publication Critical patent/CN109506641A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明提出一种移动机器人的位姿丢失检测与重定位***及机器人，该***包括：数据获取模块，用于获取移动机器人所处环境的地图、机器人周围环境的障碍物信息和机器人上搭载的传感器的数据；定位模块，用于得到移动机器人在地图中的位姿；判断模块，用于根据传感器采集的数据和地图数据判断移动机器人定位信息是否错误，即定位模块输出的位姿与机器实际的位姿是否一致；重定位模块，用于在移动机器人发生定位信息错误时，根据预设的重定位算法对移动机器人进行重定位，得到机器人的正确位姿。本发明能够有效地找回移动机器人的位姿，提升建图和定位算法的鲁棒性，延长地图的有效期。

Description

移动机器人的位姿丢失检测与重定位***及机器人
技术领域
本发明涉及机器人技术领域，特别涉及一种移动机器人的位姿丢失检测与重定位***及机器人。
背景技术
目前的移动机器人的建图和定位算法中机器人的位姿经常丢失，即机器人定位错误。常见的策略通常是重新建图，找回对应新地图坐标的位姿。但是这样会导致地图频繁更换，不能长久保存地图，历史工作与新地图不匹配，且此时用户相对于地图的交互操作也将随之失效，为用户带来诸多不便。
发明内容
本发明旨在至少解决上述技术问题之一。
为此，本发明的一个目的在于提出一种移动机器人的位姿丢失检测与重定位***，该***能够有效地找回移动机器人的位姿，提升建图和定位算法的鲁棒性，延长地图的有效期。
本发明的第二个目的在于提出一种机器人。
为了实现上述目的，本发明第一方面的实施例提出了一种移动机器人的位姿丢失检测与重定位***，包括：数据获取模块，用于获取所述移动机器人所处环境的地图、机器人周围环境的障碍物信息和机器人上搭载的传感器的数据；定位模块，用于得到所述移动机器人在地图中的位姿；判断模块，用于根据所述传感器采集的数据和所述地图数据判断所述移动机器人定位信息是否错误，即定位模块输出的位姿与机器实际的位姿是否一致；重定位模块，用于在所述移动机器人发生定位信息错误时，根据预设的重定位算法对所述移动机器人进行重定位，得到所述机器人的正确位姿。
另外，根据本发明上述实施例的移动机器人的位姿丢失检测与重定位***还可以具有如下附加的技术特征：
在一些示例中，所述的数据获取模块中，获取周围环境障碍物信息的方法包括：通过测距传感器获取所述机器人周围的障碍物与机身的距离，包括旋转的激光雷达，和/或线阵的激光测距模块，和/或面阵的激光测距模块，和/或双目视觉测距模块；和/或，通过图像传感器获取所述机器人周围环境的图像信息。
在一些示例中，所述判断模块用于：比较所述传感器采集的数据与所述地图数据的相似度；如果相似度低于第一阈值，则判定所述移动机器人发生位姿丢失。
在一些示例中，所述判断模块还用于：判断所述移动机器人是否离地，和/或判断所述移动机器人是否发生碰撞，和/或判断所述移动机器人是否轮子打滑；如果是，则判定所述移动机器人发生位姿丢失。
在一些示例中，所述重定位模块用于将所述传感器采集的数据与所述地图进行匹配，以对所述移动机器人进行重定位，具体包括：根据所述传感器采集的数据和所述移动机器人的预测位姿得到所述移动机器人的位姿的概率分布；分别对每个位姿进行采样，得到每个位姿与所述地图的相似度；根据所述相似度，对所述位姿的概率分布进行多次调整，得到与所述地图的相似度大于第二阈值的备选位姿；根据所述备选位姿得到所述移动机器人的最终位姿。
在一些示例中，所述根据所述备选位姿得到所述移动机器人的最终位姿，包括：当所述备选位姿为一个时，将所述备选位姿作为所述最终位姿；当所述备选位姿为多个时，获取所述移动机器人分别在多个备选位姿下进入其他预设环境后的新的位姿，并将得到的多个新的位姿下对应的传感器的采集数据与所述地图进行匹配，并将匹配度最高时对应的位姿作为所述最终位姿。
在一些示例中，所述重定位模块用于通过子图匹配的方法对所述移动机器人进行重定位，具体包括：建立子图，并获取所述子图在所述地图中的位姿；根据所述子图在所述地图中的位姿，对所述移动机器人进行重定位。
在一些示例中，所述获取所述子图在所述地图中的位姿，包括：计算所述子图与所述地图的相似度，并根据所述述子图与所述地图的相似度得到所述子图在所述地图中的位姿；或者提取子图和地图的图像特征，并根据所述图像特征得到匹配的特征点对，根据所述匹配的特征点对建立平移旋转模型矩阵，利用最小模型误差的准则得到相应的模型参数，根据所述模型参数得到所述子图在所述地图中的位姿。
在一些示例中，在所述重定位模块通过子图匹配的方法对所述移动机器人进行重定位的过程中，当所述地图存在缺失时，在所述地图的未知区域建立子图。
根据本发明实施例的移动机器人的位姿丢失检测与重定位***，能够有效地找回移动机器人的位姿，提升建图和定位算法的鲁棒性，延长地图的有效期。
为了实现上述目的，本发明第二方面的实施例提出了一种机器人，包括本发明上述实施例所述的移动机器人的位姿丢失检测与重定位***。
根据本发明实施例的机器人，当发生位姿丢失时，能够快速、有效地找回位姿，实现准确度高的位姿重定位。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明实施例的移动机器人的位姿丢失检测与重定位方法的流程图；
图2是根据本发明实施例的移动机器人的位姿丢失检测与重定位***的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
以下结合附图描述根据本发明实施例的移动机器人的位姿丢失检测与重定位方法、***及机器人。
图1是根据本发明一个实施例的移动机器人的位姿丢失检测与重定位方法的流程图。如图1所示，该方法包括以下步骤：
步骤S1：获取移动机器人所处环境的地图、机器人周围环境的障碍物信息和机器人上搭载的传感器的数据。
具体地，例如通过建图和定位算法建立移动机器人所处环境的地图，进而获取该地图。其中，建图和定位算法的输入数据为移动机器人的传感器的采集数据。其中，移动机器人例如为扫地机或其他类型移动机器人。
进一步地，获取周围环境障碍物信息的方法包括：通过测距传感器获取机器人周围的障碍物与机身的距离，包括旋转的激光雷达，和/或线阵的激光测距模块，和/或面阵的激光测距模块，和/或双目视觉测距模块；和/或，通过图像传感器获取机器人周围环境的图像信息。
步骤S2：得到移动机器人在地图中的位姿。
具体地说，例如可以在移动机器人身上安装激光雷达、深度相机、红外测距装置、超声波装置、IMU(Inertial measurement unit，惯性测量单元)、里程计等单个或多个传感器组合实现建图和定位算法的输入数据来源(也即传感器的采集数据)。该地图上记录有移动机器人所处环境的障碍物的位姿信息、移动机器人可以移动的无障碍物的区域和移动机器人未探索的未知区域(即地图数据)。
步骤S3：用于根据传感器采集的数据和地图数据判断移动机器人定位信息是否错误，即定位模块输出的位姿与机器实际的位姿是否一致。换言之，即根据传感器采集的数据和地图数据判断移动机器人是否发生位姿丢失。
具体地说，移动机器人在移动的过程中，定位算法可能失效，如碰撞导致传感器异常，人为搬动机器人、累计误差等等情况，都会导致定位算法失效，从而丢失移动机器人的位姿，因此需要先检测移动机器人是否发生位姿丢失，如果发生位姿丢失，则需要进行重新定位。
基于此，在本发明的一个实施例中，判断移动机器人是否发生位姿丢失，进一步包括：通过匹配检测算法检测移动机器人是否发生位姿丢失。具体包括：比较当前移动机器人的传感器采集的数据与地图数据的相似度；如果相似度低于预设的第一阈值(即相似度低)，则判定移动机器人发生位姿丢失。
或者，在本发明的另一个实施例中，判断移动机器人是否发生位姿丢失的方法例如还包括：在移动机器人上安装离地检测传感器，并判断移动机器人是否离地；如果是，则判定移动机器人发生位姿丢失；和/或，在移动机器人上安装IMU，并根据移动机器人的加速度判断移动机器人是否发生强烈的碰撞或倾斜；如果是，则判定移动机器人发生位姿丢失；和/或，判断机器人测速轮是否发生打滑，导致轮子测速数据与机器实际行走距离不一致；如果是，则判定机器人发生位姿丢失。
步骤S4：如果移动机器人发生定位信息错误(即位姿丢失)时，则根据预设的重定位算法对移动机器人进行重定位，得到机器人的正确位姿。
具体地，在本发明的一个实施例中，在步骤S4中，根据预设的重定位算法对移动机器人进行重定位，进一步包括：在有地图的情况下，将传感器采集的数据与地图进行匹配，以对移动机器人进行重定位，具体包括：根据传感器采集的数据和移动机器人的预测位姿(即移动机器人可能存在的位姿)得到移动机器人的位姿(即位置和姿态)的概率分布；分别对每个位姿进行采样，得到每个位姿与已有地图的相似度；根据该相似度，对位姿的概率分布进行多次调整，得到与地图的相似度大于预设的第二阈值的备选位姿；根据备选位姿得到移动机器人的最终位姿。
其中，在上述过程中，根据备选位姿得到移动机器人的最终位姿，进一步包括：当备选位姿为一个时，将备选位姿作为最终位姿；当备选位姿为多个时，获取移动机器人分别在多个备选位姿下进入其他预设环境后的新的位姿，并将得到的多个新的位姿下对应的传感器的采集数据与地图进行匹配，并将匹配度最高时对应的位姿作为最终位姿。
换言之，即在有地图的情况下，可以通过将当前机器观测到的信息(即移动机器人的传感器采集的数据)与地图进行匹配，以进行重定位。根据观测得到的数据和机器人可能的位姿计算出机器人位姿的概率分布，分别采样位姿，计算每个位姿与已有地图的相似度。再根据相似度，重新调整位姿的概率分布，并重新采样位姿并计算相似度。如此往复，直至找到与地图相似度超过一定阈值(即第二阈值)的机器人位姿，将该位姿作为最终位姿。需要说明的是，若地图中有多个地方相似，则会找出多个备选位姿，可以通过移动机器人使机器人进入周边其他的环境，并计算机器人当前位姿(此为通过重定位的位姿结果基础上计算的新的位姿)观测到的信息与地图仍然匹配的那个计算结果是机器人的最终位姿。
或者，在本发明的另一个实施例中，在步骤S4中，根据预设的重定位算法对移动机器人进行重新定位的方法还可以为：在有地图的情况下，通过子图匹配的方法对移动机器人进行重定位，具体包括：建立子图，并获取子图在地图中的位姿；根据子图在地图中的位姿，对移动机器人进行重定位。
其中，在上述过程中，获取子图在地图中的位姿，进一步包括：计算子图与地图中每一块的相似度，并根据子图与地图的相似度得到子图在地图中的位姿；或者通过图像的方法，提取子图和地图的图像特征，并根据图像特征得到匹配的特征点对，然后根据匹配的特征点对建立平移旋转模型矩阵，利用最小模型误差的准则得到相应的模型参数，根据模型参数得到子图在地图中的位姿。其中，子图和地图的图像特征例如包括：角点特征、纹理特征等。
其中，在上述过程中，例如可以通过移动机器人移动一段距离或者一段时间来建立子图。
需要说明的是，在通过子图匹配的方法对移动机器人进行重定位的过程中，当地图存在缺失时，在地图的未知区域建立子图。具体地说，当地图存在缺失的情况下，单纯与当前地图匹配则可能找不到位姿，即无法进行重定位。此时可以通过局部建图和重定位方式找回位姿，并可将原未知环境的地图更新至历史地图，使地图更完善。该过程类似于前述建立子图的方式，即在未知环境中建立子图，并在该过程中不断尝试重新定位，当移动机器人重新进入历史地图已知的环境时，将会重新定位上，此时即可得到移动机器人的位姿，并可以将子图以一定的方法叠加或更新至历史地图。
进一步地，在本发明的一个实施例中，若长时间重定位失败，则进一步与用户确认是否更换了环境，并更换地图。若有部分相似，则认为地图可能有部分移动改变了，则采用更新地图、增量建图等方法更新机器人所处环境的地图。
也就是说，本发明实施例的移动机器人的位姿丢失检测与重定位方法，能够自动检测机器人位姿丢失并找回位姿，并针对所处环境的改变提供了地图修改策略。
综上，根据本发明实施例的移动机器人的位姿丢失检测与重定位方法，能够有效地找回移动机器人的位姿，提升建图和定位算法的鲁棒性，延长地图的有效期。
图2是根据本发明一个实施例的移动机器人的位姿丢失检测与重定位***的结构框图。如图2所示，该***100包括：数据获取模块110、定位模块120、判断模块130和重定位模块140。
其中，数据获取模块110用于获取移动机器人所处环境的地图、机器人周围环境的障碍物信息和机器人上搭载的传感器的数据。
具体地，例如通过建图和定位算法建立移动机器人所处环境的地图，进而获取该地图。其中，建图和定位算法的输入数据为移动机器人的传感器的采集数据。其中，移动机器人例如为扫地机或其他类型移动机器人。
进一步地，数据获取模块110中，获取周围环境障碍物信息的方法包括：通过测距传感器获取机器人周围的障碍物与机身的距离，包括旋转的激光雷达，和/或线阵的激光测距模块，和/或面阵的激光测距模块，和/或双目视觉测距模块；和/或，通过图像传感器获取机器人周围环境的图像信息。
定位模块120用于得到移动机器人在地图中的位姿。
具体地说，例如可以在移动机器人身上安装激光雷达、深度相机、红外测距装置、超声波装置、IMU(Inertial measurement unit，惯性测量单元)、里程计等单个或多个传感器组合实现建图和定位算法的输入数据来源(也即传感器的采集数据)。该地图上记录有移动机器人所处环境的障碍物的位姿信息、移动机器人可以移动在无障碍物的区域和移动机器人未探索的未知区域(即地图数据)。
判断模块130用于根据传感器采集的数据和地图数据判断移动机器人定位信息是否错误，即定位模块输出的位姿与机器实际的位姿是否一致。换言之，即根据传感器采集的数据和地图数据判断移动机器人是否发生位姿丢失。
具体地说，移动机器人在移动的过程中，定位算法可能失效，如碰撞导致传感器异常，人为搬动机器人、累计误差等等情况，都会导致定位算法失效，从而丢失移动机器人的位姿，因此需要先检测移动机器人是否发生位姿丢失，如果发生位姿丢失，则需要进行重新定位。
基于此，在本发明的一个实施例中，判断模块130判断移动机器人是否发生位姿丢失，进一步包括：通过匹配检测算法检测移动机器人是否发生位姿丢失。具体包括：比较传感器采集的数据与地图数据的相似度；如果相似度低于第一阈值(即相似度低)，则判定移动机器人发生位姿丢失。
或者，在发明的另一个实施例中，判断模块130判断移动机器人是否发生位姿丢失的方法例如还包括：判断移动机器人是否离地，和/或判断移动机器人是否发生碰撞，和/或判断移动机器人是否轮子打滑；如果是(即移动机器人离地，和/或移动机器人发生碰撞，和/或移动机器人轮子打滑)，则判定移动机器人发生位姿丢失。
例如，在移动机器人上安装离地检测传感器，以判断移动机器人是否离地。在移动机器人上安装IMU，以根据移动机器人的加速度判断移动机器人是否发生强烈的碰撞。在移动机器人轮子上安装测速编码器，以根据轮子测速数据和机器人其他传感器观测到的机器人位移信息判断机器人测速轮是否发生打滑，导致轮子测速数据与机器实际行走距离不一致。
重定位模块140用于在移动机器人发生定位信息错误(即位姿丢失)时，根据预设的重定位算法对移动机器人进行重定位，得到机器人的正确位姿。
具体地，在本发明的一个实施例中，重定位模块140根据预设的重定位算法对移动机器人进行重定位，进一步包括：在有地图的情况下，将传感器采集的数据与地图进行匹配，以对移动机器人进行重定位，具体包括：根据传感器采集的数据和移动机器人的预测位姿(即移动机器人可能存在的位姿)得到移动机器人的位姿(即位置和姿态)的概率分布；分别对每个位姿进行采样，得到每个位姿与已有地图的相似度；根据相似度，对位姿的概率分布进行多次调整，得到与地图的相似度大于预设的第二阈值的备选位姿；根据备选位姿得到移动机器人的最终位姿。
其中，在上述过程中，根据备选位姿得到移动机器人的最终位姿，包括：当备选位姿为一个时，将备选位姿作为最终位姿；当备选位姿为多个时，获取移动机器人分别在多个备选位姿下进入其他预设环境后的新的位姿，并将得到的多个新的位姿下对应的传感器的采集数据与地图进行匹配，并将匹配度最高时对应的位姿作为最终位姿。
换言之，即在有地图的情况下，可以通过将当前机器观测到的信息(即移动机器人的传感器采集的数据)与地图进行匹配，以进行重定位。根据观测得到的数据和机器人可能的位姿计算出机器人位姿的概率分布，分别采样位姿，计算每个位姿与已有地图的相似度。再根据相似度，重新调整位姿的概率分布，并重新采样位姿并计算相似度。如此往复，直至找到与地图相似度超过一定阈值(即第二阈值)的机器人位姿，将该位姿作为最终位姿。需要说明的是，若地图中有多个地方相似，则会找出多个备选位姿，可以通过移动机器人使机器人进入周边其他的环境，并计算机器人当前位姿(此为通过重定位的位姿结果基础上计算的新的位姿)观测到的信息与地图仍然匹配的那个计算结果是机器人的最终位姿。
或者，在本发明的另一个实施例中，重定位模块140根据预设的重定位算法对移动机器人进行重新定位的方法还可以为：在有地图的情况下，通过子图匹配的方法对移动机器人进行重定位，具体包括：建立子图，并获取子图在地图中的位姿；根据子图在地图中的位姿，对移动机器人进行重定位。
其中，在上述过程中，获取子图在地图中的位姿，包括：计算子图与地图中每一块的相似度，并根据子图与地图的相似度得到子图在地图中的位姿；或者通过图像的方法，提取子图和地图的图像特征，并根据图像特征得到匹配的特征点对，然后根据匹配的特征点对建立平移旋转模型矩阵，利用最小模型误差的准则得到相应的模型参数，根据模型参数得到子图在地图中的位姿。其中，子图和地图的图像特征例如包括：角点特征、纹理特征等。
其中，在上述过程中，例如可以通过移动机器人移动一段距离或者一段时间来建立子图。
需要说明的是，在重定位模块140通过子图匹配的方法对移动机器人进行重定位的过程中，当地图存在缺失时，在地图的未知区域建立子图。具体地说，当地图存在缺失的情况下，单纯与当前地图匹配则可能找不到位姿，即无法进行重定位。此时可以通过局部建图和重定位方式找回位姿，并可将原未知环境的地图更新至历史地图，使地图更完善。该过程类似于前述建立子图的方式，即在未知环境中建立子图，并在该过程中不断尝试重新定位，当移动机器人重新进入历史地图已知的环境时，将会重新定位上，此时即可得到移动机器人的位姿，并可以将子图以一定的方法叠加或更新至历史地图。
进一步地，在本发明的一个实施例中，若长时间重定位失败，则进一步与用户确认是否更换了环境，并更换地图。若有部分相似，则认为地图可能有部分移动改变了，则采用更新地图、增量建图等方法更新机器人所处环境的地图。
也就是说，本发明实施例的移动机器人的位姿丢失检测与重定位***，能够自动检测机器人位姿丢失并找回位姿，并针对所处环境的改变提供了地图修改策略。
综上，根据本发明实施例的移动机器人的位姿丢失检测与重定位***，能够有效地找回移动机器人的位姿，提升建图和定位算法的鲁棒性，延长地图的有效期。
本发明的进一步实施例提出了一种机器人，包括本发明上述任意一个实施例所描述的移动机器人的位姿丢失检测与重定位***。
根据本发明实施例的机器人，当发生位姿丢失时，能够快速、有效地找回位姿，实现准确度高的位姿重定位。
另外，根据本发明实施例的机器人的其它构成以及作用对于本领域的普通技术人员而言都是已知的，为了减少冗余，不做赘述。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。

Claims (10)

1.一种移动机器人的位姿丢失检测与重定位***，其特征在于，包括：
数据获取模块，用于获取所述移动机器人所处环境的地图、机器人周围环境的障碍物信息和机器人上搭载的传感器的数据；
定位模块，用于得到所述移动机器人在地图中的位姿；
判断模块，用于根据所述传感器采集的数据和所述地图数据判断所述移动机器人定位信息是否错误，即定位模块输出的位姿与机器实际的位姿是否一致；
重定位模块，用于在所述移动机器人发生定位信息错误时，根据预设的重定位算法对所述移动机器人进行重定位，得到所述机器人的正确位姿。
2.根据权利要求1所述的***，其特征在于，所述的数据获取模块中，获取周围环境障碍物信息的方法包括：
通过测距传感器获取所述机器人周围的障碍物与机身的距离，包括旋转的激光雷达，和/或线阵的激光测距模块，和/或面阵的激光测距模块，和/或双目视觉测距模块；
和/或，通过图像传感器获取所述机器人周围环境的图像信息。
3.根据权利要求1所述的***，其特征在于，所述判断模块用于：
比较所述传感器采集的数据与所述地图数据的相似度；
如果相似度低于第一阈值，则判定所述移动机器人发生位姿丢失。
4.根据权利要求1所述的***，其特征在于，所述判断模块还用于：
判断所述移动机器人是否离地，和/或判断所述移动机器人是否发生碰撞，和/或判断所述移动机器人是否轮子打滑；
如果是，则判定所述移动机器人发生位姿丢失。
5.如权利要求1所述的***，其特征在于，所述重定位模块用于将所述传感器采集的数据与所述地图进行匹配，以对所述移动机器人进行重定位，具体包括：
根据所述传感器采集的数据和所述移动机器人的预测位姿得到所述移动机器人的位姿的概率分布；
分别对每个位姿进行采样，得到每个位姿与所述地图的相似度；
根据所述相似度，对所述位姿的概率分布进行多次调整，得到与所述地图的相似度大于第二阈值的备选位姿；
根据所述备选位姿得到所述移动机器人的最终位姿。
6.如权利要求2所述的***，其特征在于，所述根据所述备选位姿得到所述移动机器人的最终位姿，包括：
当所述备选位姿为一个时，将所述备选位姿作为所述最终位姿；
当所述备选位姿为多个时，获取所述移动机器人分别在多个备选位姿下进入其他预设环境后的新的位姿，并将得到的多个新的位姿下对应的传感器的采集数据与所述地图进行匹配，并将匹配度最高时对应的位姿作为所述最终位姿。
7.根据权利要求1所述的***，其特征在于，所述重定位模块用于通过子图匹配的方法对所述移动机器人进行重定位，具体包括：
建立子图，并获取所述子图在所述地图中的位姿；
根据所述子图在所述地图中的位姿，对所述移动机器人进行重定位。
8.根据权利要求4所述的***，其特征在于，所述获取所述子图在所述地图中的位姿，包括：
计算所述子图与所述地图的相似度，并根据所述述子图与所述地图的相似度得到所述子图在所述地图中的位姿；或者
提取子图和地图的图像特征，并根据所述图像特征得到匹配的特征点对，根据所述匹配的特征点对建立平移旋转模型矩阵，利用最小模型误差的准则得到相应的模型参数，根据所述模型参数得到所述子图在所述地图中的位姿。
9.根据权利要求4所述的***，其特征在于，在所述重定位模块通过子图匹配的方法对所述移动机器人进行重定位的过程中，当所述地图存在缺失时，在所述地图的未知区域建立子图。
10.一种机器人，其特征在于，设置有如权利要求1-9任一项所述的移动机器人的位姿丢失检测与重定位***。
CN201710829430.8A 2017-09-14 2017-09-14 移动机器人的位姿丢失检测与重定位***及机器人 Pending CN109506641A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710829430.8A CN109506641A (zh) 2017-09-14 2017-09-14 移动机器人的位姿丢失检测与重定位***及机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710829430.8A CN109506641A (zh) 2017-09-14 2017-09-14 移动机器人的位姿丢失检测与重定位***及机器人

Publications (1)

Publication Number Publication Date
CN109506641A true CN109506641A (zh) 2019-03-22

Family

ID=65744710

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710829430.8A Pending CN109506641A (zh) 2017-09-14 2017-09-14 移动机器人的位姿丢失检测与重定位***及机器人

Country Status (1)

Country Link
CN (1) CN109506641A (zh)

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109993794A (zh) * 2019-03-29 2019-07-09 北京猎户星空科技有限公司 一种机器人重定位方法、装置、控制设备和存储介质
CN110046725A (zh) * 2019-04-23 2019-07-23 深圳市锐曼智能装备有限公司 移动设备迷航归位控制方法和移动设备
CN110146098A (zh) * 2019-05-06 2019-08-20 北京猎户星空科技有限公司 一种机器人地图扩建方法、装置、控制设备和存储介质
CN110146068A (zh) * 2019-03-27 2019-08-20 深圳乐行天下科技有限公司 一种机器人恢复被损坏地图的方法、装置及机器人
CN110187323A (zh) * 2019-05-14 2019-08-30 北京云迹科技有限公司 机器人空转识别方法及装置
CN110196054A (zh) * 2019-06-18 2019-09-03 北京史河科技有限公司 一种导航方法及***
CN110304386A (zh) * 2019-06-28 2019-10-08 北京极智嘉科技有限公司 机器人及机器人丢码后的重新定位方法
CN110772178A (zh) * 2019-09-25 2020-02-11 深圳市无限动力发展有限公司 扫地机清扫的方法、装置、计算机设备和存储介质
CN110900602A (zh) * 2019-11-26 2020-03-24 苏州博众机器人有限公司 一种定位恢复方法、装置、机器人及存储介质
CN110986967A (zh) * 2019-12-20 2020-04-10 上海有个机器人有限公司 一种机器人自动重定位方法、介质、终端和装置
CN111060113A (zh) * 2019-12-31 2020-04-24 歌尔股份有限公司 一种地图更新方法及装置
CN111580508A (zh) * 2020-04-14 2020-08-25 广东博智林机器人有限公司 机器人的定位方法、装置、电子设备及存储介质
CN111580530A (zh) * 2020-06-16 2020-08-25 福勤智能科技（昆山）有限公司 一种定位方法、装置、自主移动设备及介质
CN111637877A (zh) * 2020-05-29 2020-09-08 拉扎斯网络科技（上海）有限公司 机器人定位方法、装置、电子设备和非易失性存储介质
CN111739099A (zh) * 2020-07-20 2020-10-02 北京云迹科技有限公司 预防跌落方法、装置及电子设备
CN111795701A (zh) * 2020-07-09 2020-10-20 上海有个机器人有限公司 机器人远程恢复定位方法及装置
CN112179353A (zh) * 2020-09-30 2021-01-05 深圳市银星智能科技股份有限公司 自移动机器人的定位方法、装置、机器人及可读存储介质
CN112414391A (zh) * 2019-08-20 2021-02-26 北京京东乾石科技有限公司 一种机器人的重定位方法及装置
CN112450820A (zh) * 2020-11-23 2021-03-09 深圳市银星智能科技股份有限公司 位姿优化方法、移动机器人及存储介质
CN112558641A (zh) * 2020-12-08 2021-03-26 之江实验室 一种基于计算人物意图控制机器人找回丢失人物的方法
CN112965076A (zh) * 2021-01-28 2021-06-15 上海思岚科技有限公司 一种用于机器人的多雷达定位***及方法
CN113124902A (zh) * 2021-04-19 2021-07-16 追创科技(苏州)有限公司 移动机器人的定位修正方法和装置、存储介质、电子装置
CN113238557A (zh) * 2021-05-17 2021-08-10 珠海市一微半导体有限公司 一种建图异常的识别及恢复方法、芯片和移动机器人
CN113419249A (zh) * 2021-06-18 2021-09-21 珠海市一微半导体有限公司 一种重定位方法、芯片和移动机器人
CN113907645A (zh) * 2021-09-23 2022-01-11 追觅创新科技(苏州)有限公司 移动机器人的定位方法及装置、存储介质及电子装置
CN114012725A (zh) * 2021-11-05 2022-02-08 深圳拓邦股份有限公司 机器人重定位方法、***、机器人及存储介质
CN114643579A (zh) * 2022-03-29 2022-06-21 深圳优地科技有限公司 一种机器人定位方法、装置、机器人及存储介质
US12031837B2 (en) 2019-12-31 2024-07-09 Goertek Inc. Method and device for updating map

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102138768A (zh) * 2010-01-28 2011-08-03 深圳先进技术研究院 清洁机器人的定位方法和设备
CN102866706A (zh) * 2012-09-13 2013-01-09 深圳市银星智能科技股份有限公司 一种采用智能手机导航的清扫机器人及其导航清扫方法
CN103439973A (zh) * 2013-08-12 2013-12-11 桂林电子科技大学 自建地图家用清洁机器人及清洁方法
CN103616021A (zh) * 2013-12-04 2014-03-05 苏州大学张家港工业技术研究院 一种全局定位方法及装置
CN104281840A (zh) * 2014-09-28 2015-01-14 无锡清华信息科学与技术国家实验室物联网技术中心 一种基于智能终端定位识别建筑物的方法及装置
CN105652871A (zh) * 2016-02-19 2016-06-08 深圳杉川科技有限公司 移动机器人的重定位方法
CN105928505A (zh) * 2016-04-19 2016-09-07 深圳市神州云海智能科技有限公司 移动机器人的位姿确定方法和设备
CN106092104A (zh) * 2016-08-26 2016-11-09 深圳微服机器人科技有限公司 一种室内机器人的重定位方法及装置
WO2017007089A1 (ko) * 2015-07-03 2017-01-12 한국과학기술원 실내 환경에서 이동 로봇의 리로케이션 방법 및 장치
CN106406338A (zh) * 2016-04-14 2017-02-15 中山大学 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法
CN106504289A (zh) * 2016-11-02 2017-03-15 深圳乐行天下科技有限公司 一种室内目标检测方法及装置
CN107063264A (zh) * 2017-04-13 2017-08-18 杭州申昊科技股份有限公司 一种适用于大规模变电站环境的机器人地图创建方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102138768A (zh) * 2010-01-28 2011-08-03 深圳先进技术研究院 清洁机器人的定位方法和设备
CN102866706A (zh) * 2012-09-13 2013-01-09 深圳市银星智能科技股份有限公司 一种采用智能手机导航的清扫机器人及其导航清扫方法
CN103439973A (zh) * 2013-08-12 2013-12-11 桂林电子科技大学 自建地图家用清洁机器人及清洁方法
CN103616021A (zh) * 2013-12-04 2014-03-05 苏州大学张家港工业技术研究院 一种全局定位方法及装置
CN104281840A (zh) * 2014-09-28 2015-01-14 无锡清华信息科学与技术国家实验室物联网技术中心 一种基于智能终端定位识别建筑物的方法及装置
WO2017007089A1 (ko) * 2015-07-03 2017-01-12 한국과학기술원 실내 환경에서 이동 로봇의 리로케이션 방법 및 장치
CN105652871A (zh) * 2016-02-19 2016-06-08 深圳杉川科技有限公司 移动机器人的重定位方法
CN106406338A (zh) * 2016-04-14 2017-02-15 中山大学 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法
CN105928505A (zh) * 2016-04-19 2016-09-07 深圳市神州云海智能科技有限公司 移动机器人的位姿确定方法和设备
CN106092104A (zh) * 2016-08-26 2016-11-09 深圳微服机器人科技有限公司 一种室内机器人的重定位方法及装置
CN106504289A (zh) * 2016-11-02 2017-03-15 深圳乐行天下科技有限公司 一种室内目标检测方法及装置
CN107063264A (zh) * 2017-04-13 2017-08-18 杭州申昊科技股份有限公司 一种适用于大规模变电站环境的机器人地图创建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘洞波: "《移动机器人粒子滤波定位与地图创建》", 30 September 2016, 湘潭大学出版社 *
南京航空航天大学科技部: "《南京航空航天大学论文集2010年 第44册 其他 第2分册》", 31 May 2011 *
胡来招: "《无源定位》", 31 January 2004 *

Cited By (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110146068B (zh) * 2019-03-27 2021-02-09 深圳乐行天下科技有限公司 一种机器人恢复被损坏地图的方法、装置及机器人
CN110146068A (zh) * 2019-03-27 2019-08-20 深圳乐行天下科技有限公司 一种机器人恢复被损坏地图的方法、装置及机器人
CN109993794A (zh) * 2019-03-29 2019-07-09 北京猎户星空科技有限公司 一种机器人重定位方法、装置、控制设备和存储介质
CN110046725A (zh) * 2019-04-23 2019-07-23 深圳市锐曼智能装备有限公司 移动设备迷航归位控制方法和移动设备
CN110146098A (zh) * 2019-05-06 2019-08-20 北京猎户星空科技有限公司 一种机器人地图扩建方法、装置、控制设备和存储介质
CN110187323A (zh) * 2019-05-14 2019-08-30 北京云迹科技有限公司 机器人空转识别方法及装置
CN110196054A (zh) * 2019-06-18 2019-09-03 北京史河科技有限公司 一种导航方法及***
CN110304386A (zh) * 2019-06-28 2019-10-08 北京极智嘉科技有限公司 机器人及机器人丢码后的重新定位方法
CN112414391A (zh) * 2019-08-20 2021-02-26 北京京东乾石科技有限公司 一种机器人的重定位方法及装置
CN110772178A (zh) * 2019-09-25 2020-02-11 深圳市无限动力发展有限公司 扫地机清扫的方法、装置、计算机设备和存储介质
CN110900602A (zh) * 2019-11-26 2020-03-24 苏州博众机器人有限公司 一种定位恢复方法、装置、机器人及存储介质
CN110986967B (zh) * 2019-12-20 2023-05-05 上海有个机器人有限公司 一种机器人自动重定位方法、介质、终端和装置
CN110986967A (zh) * 2019-12-20 2020-04-10 上海有个机器人有限公司 一种机器人自动重定位方法、介质、终端和装置
US12031837B2 (en) 2019-12-31 2024-07-09 Goertek Inc. Method and device for updating map
CN111060113A (zh) * 2019-12-31 2020-04-24 歌尔股份有限公司 一种地图更新方法及装置
CN111060113B (zh) * 2019-12-31 2022-04-08 歌尔股份有限公司 一种地图更新方法及装置
CN111580508A (zh) * 2020-04-14 2020-08-25 广东博智林机器人有限公司 机器人的定位方法、装置、电子设备及存储介质
CN111637877A (zh) * 2020-05-29 2020-09-08 拉扎斯网络科技（上海）有限公司 机器人定位方法、装置、电子设备和非易失性存储介质
CN111580530B (zh) * 2020-06-16 2021-10-26 福勤智能科技（昆山）有限公司 一种定位方法、装置、自主移动设备及介质
CN111580530A (zh) * 2020-06-16 2020-08-25 福勤智能科技（昆山）有限公司 一种定位方法、装置、自主移动设备及介质
CN111795701A (zh) * 2020-07-09 2020-10-20 上海有个机器人有限公司 机器人远程恢复定位方法及装置
CN111739099A (zh) * 2020-07-20 2020-10-02 北京云迹科技有限公司 预防跌落方法、装置及电子设备
CN112179353A (zh) * 2020-09-30 2021-01-05 深圳市银星智能科技股份有限公司 自移动机器人的定位方法、装置、机器人及可读存储介质
CN112450820A (zh) * 2020-11-23 2021-03-09 深圳市银星智能科技股份有限公司 位姿优化方法、移动机器人及存储介质
CN112450820B (zh) * 2020-11-23 2022-01-21 深圳市银星智能科技股份有限公司 位姿优化方法、移动机器人及存储介质
CN112558641A (zh) * 2020-12-08 2021-03-26 之江实验室 一种基于计算人物意图控制机器人找回丢失人物的方法
CN112558641B (zh) * 2020-12-08 2024-05-28 之江实验室 一种基于计算人物意图控制机器人找回丢失人物的方法
CN112965076A (zh) * 2021-01-28 2021-06-15 上海思岚科技有限公司 一种用于机器人的多雷达定位***及方法
CN112965076B (zh) * 2021-01-28 2024-05-24 上海思岚科技有限公司 一种用于机器人的多雷达定位***及方法
WO2022222345A1 (zh) * 2021-04-19 2022-10-27 追觅创新科技(苏州)有限公司 移动机器人的定位修正方法和装置、存储介质、电子装置
CN113124902A (zh) * 2021-04-19 2021-07-16 追创科技(苏州)有限公司 移动机器人的定位修正方法和装置、存储介质、电子装置
CN113124902B (zh) * 2021-04-19 2024-05-14 追创科技(苏州)有限公司 移动机器人的定位修正方法和装置、存储介质、电子装置
CN113238557B (zh) * 2021-05-17 2024-05-07 珠海一微半导体股份有限公司 一种建图异常的识别及恢复方法、计算机可读存储介质和移动机器人
CN113238557A (zh) * 2021-05-17 2021-08-10 珠海市一微半导体有限公司 一种建图异常的识别及恢复方法、芯片和移动机器人
CN113419249A (zh) * 2021-06-18 2021-09-21 珠海市一微半导体有限公司 一种重定位方法、芯片和移动机器人
WO2023045644A1 (zh) * 2021-09-23 2023-03-30 追觅创新科技(苏州)有限公司 移动机器人的定位方法及装置、存储介质及电子装置
CN113907645A (zh) * 2021-09-23 2022-01-11 追觅创新科技(苏州)有限公司 移动机器人的定位方法及装置、存储介质及电子装置
CN114012725B (zh) * 2021-11-05 2023-08-08 深圳拓邦股份有限公司 机器人重定位方法、***、机器人及存储介质
CN114012725A (zh) * 2021-11-05 2022-02-08 深圳拓邦股份有限公司 机器人重定位方法、***、机器人及存储介质
CN114643579B (zh) * 2022-03-29 2024-01-16 深圳优地科技有限公司 一种机器人定位方法、装置、机器人及存储介质
CN114643579A (zh) * 2022-03-29 2022-06-21 深圳优地科技有限公司 一种机器人定位方法、装置、机器人及存储介质

Similar Documents

Publication Publication Date Title
CN109506641A (zh) 移动机器人的位姿丢失检测与重定位***及机器人
EP3168705B1 (en) Domestic robotic system
EP3278937B1 (en) Charger, and map-constructing-based charger finding method, device and system
KR101698939B1 (ko) 3차원 스캐닝 빔 시스템 및 방법
KR100877072B1 (ko) 이동 로봇을 위한 맵 생성 및 청소를 동시에 수행하는 방법및 장치
Pathak et al. Online three‐dimensional SLAM by registration of large planar surface segments and closed‐form pose‐graph relaxation
Kelly et al. Combined visual and inertial navigation for an unmanned aerial vehicle
CN101479082B (zh) 机器人装置和机器人装置的控制方法
US20130116823A1 (en) Mobile apparatus and walking robot
EP2972084B1 (en) System and method for positioning a tool in a work space
CN104236548A (zh) 一种微型无人机室内自主导航方法
US20130166137A1 (en) Mobile apparatus and localization method thereof
CN106339001A (zh) 地图生成方法、移动机器人以及地图生成***
WO2013049597A1 (en) Method and system for three dimensional mapping of an environment
KR101705601B1 (ko) 3차원 깊이정보기반 자율주행 로봇의 위치추정 장치 및 그 방법
JP5016399B2 (ja) 地図情報作成装置及びそれを備えた自律移動装置
CN111164380B (zh) 机器人的方位确定的方法、机器人的方位确定设备和机器人
Zhang et al. Lidar-IMU and wheel odometer based autonomous vehicle localization system
Belter et al. Estimating terrain elevation maps from sparse and uncertain multi-sensor data
CN108052103A (zh) 基于深度惯性里程计的巡检机器人地下空间同时定位和地图构建方法
CN112476433A (zh) 一种基于识别阵列边界的移动机器人定位方法
KR101645005B1 (ko) 수중 구조물의 용접라인을 이용한 수중 작업 장치의 위치 파악 시스템 및 방법
CN110864692A (zh) 掘进机的位姿确定方法
Karam et al. Integrating a low-cost mems imu into a laser-based slam for indoor mobile mapping
EP3227634B1 (en) Method and system for estimating relative angle between headings

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190322

RJ01 Rejection of invention patent application after publication