CN110082776A - 一种基于2d激光数据的机器人实时定位方法 - Google Patents
一种基于2d激光数据的机器人实时定位方法 Download PDFInfo
- Publication number
- CN110082776A CN110082776A CN201910176931.XA CN201910176931A CN110082776A CN 110082776 A CN110082776 A CN 110082776A CN 201910176931 A CN201910176931 A CN 201910176931A CN 110082776 A CN110082776 A CN 110082776A
- Authority
- CN
- China
- Prior art keywords
- robot
- particle
- laser data
- pose
- real
- 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.)
- Granted
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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/46—Indirect determination of position data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于2D激光数据的机器人实时定位方法,主要用于解决当前机器人定位算法实时性不高且定位精度过低的问题,本发明方法基于2D激光数据,以自动蒙特卡洛算法为基础,根据机器人的速度使用激光数据实时更新机器人位姿,并以估计位姿的置信度过滤不合理位姿。采用本发明方法用于机器人定位,不仅具有较高的实时性,而且定位精度能够控制在1cm范围内。
Description
技术领域
本发明涉及巡检机器人技术领域,特别涉及一种基于2D激光数据的机器人实时定位方法。
背景技术
随着经济的不断发展,对机器人的无人化控制的需求越来越强烈,而机器人无人化控制最重要的是机器人能够实时感知自己的位姿,且定位精度要控制在一定范围内。借助于SLAM(即时定位与地图构建)技术的不断发展,机器人在定位导航时的实时性与精度都得到了有效改善。刘浩敏等在《基于单目视觉的同时定位与地图构建方法综述》中采用视觉方案估计机器人的位姿,该方案依次根据二维图像、三维点云估计机器人位姿,结合滤波算法与闭环检测,有效提高了定位精度,但为保证定位实时性,需要具有较高计算能力的控制单元,且视觉传感器容易受到光照的影响,产生的图像、三维点云数据不够精确,导致定位异常。季宇寒等在《基于激光雷达的巡检机器人导航***研究》中,根据2D激光雷达数据,采用自适应蒙特卡洛定位算法定位机器人,有效解决了全局定位失效及机器人绑架的问题,但由于其根据固定的距离、角度阈值更新使用激光数据,当阈值过小时,控制单元的内存消耗过大,而阈值过大时,定位实时性不佳,且粒子散布时可能散布在无效区域,浪费计算资源。
发明内容
有鉴于此,本发明的目的是提供一种基于2D激光数据的机器人实时定位方法,用于解决当前定位算法的实时性不高且定位精度过低的问题。
本发明的目的是通过以下技术方案实现的:
本发明的一种基于2D激光数据的机器人实时定位方法,包括以下步骤:
步骤1:创建粒子滤波器,并生成采样粒子集设k=0,其中x表示单个粒子,k为某一时刻,i为粒子的索引号,N为粒子总数;
步骤2:初始化粒子,将粒子限制在机器人可行走区域;
步骤3:若机器人当前更新值大于阈值时更新里程计模型、激光数据模型,分线程处理激光数据模型;
步骤4:计算每个粒子的权值及置信度并作归一化处理;
步骤5:根据粒子权重获取最优的机器人估计位姿及对应的位姿置信度
步骤6:若置信度小于阈值则放弃该位姿,返回步骤3)强制更新里程计模型、激光数据模型,否则接受该估计位姿;
步骤7:计算所有粒子权重的加权值;
步骤8:若加权值小于阈值,则进行粒子重采样,否则,k=k+1,返回步骤3)。
特别地,所述步骤(3)中,机器人当前更新值的具体计算公式为:
其中INT(x)表示取x的整数部分,v为速度,k、a均为调整系数。
特别地,所述步骤4)中,置信度计算公式为
其中z为激光数据到地图特征物的最近距离,σ为阈值,M为激光数据的总数;
特别地,所述步骤4)中,归一化公式为:
其中为每个粒子的权重值。
特别地,所述步骤(7)中计算所有粒子的权重加权值,加权值计算公式为
本发明的有益效果是:
(1)该方法根据速度动态更新里程计模型、激光数据模型,且分线程处理激光数据模型,优化了内存使用率,提高了机器人定位的实时性;
(2)该方法将粒子散布在机器人可行走区域,增加了粒子有效使用率,从而提高了定位算法的稳定性;
(3)该方法通过计算估计位姿的置信度,能够过滤不合理位姿,有效提高了机器人的定位精度。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1是本发明一种基于2D激光数据的高精度实时定位方法的流程图;
图2是在室外创建的定位地图;
图3、图4分别是采用自适应蒙特卡洛算法与本发明方法的初始粒子散布示意图。
具体实施方式
以下将参照附图,对本发明的优选实施例进行详细的描述。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
如图1所示,本发明的一种基于2D激光数据的机器人实时定位方法,包括以下步骤:
步骤1:创建粒子滤波器,并生成采样粒子集设k=0,其中x表示单个粒子,k为某一时刻,i为粒子的索引号,N为粒子总数;
步骤2:初始化粒子,将粒子限制在机器人可行走区域;
步骤3:若机器人当前更新值大于阈值时更新里程计模型、激光数据模型,分线程处理激光数据模型;机器人当前更新值的具体计算公式为:
其中INT(x)表示取x的整数部分,v为速度,k、a均为调整系数。
步骤4:计算每个粒子的权值及置信度并作归一化处理;
本实施例中,置信度计算公式为
其中z为激光数据到地图特征物的最近距离,σ为阈值,M为激光数据的总数。
归一化公式为:
其中为每个粒子的权重值。
步骤5:根据粒子权重获取最优的机器人估计位姿及对应的位姿置信度
步骤6:若置信度小于阈值则放弃该位姿,返回步骤3)强制更新里程计模型、激光数据模型,否则接受该估计位姿;
步骤7:计算所有粒子权重的加权值;本实施例中,加权值计算公式为
步骤8:若加权值小于阈值,则进行粒子重采样,否则,k=k+1,返回步骤3)。
图2是在室外创建的定位地图;图3、图4分别是采用自适应蒙特卡洛算法与本发明方法的初始粒子散布示意图。由图中可以看出,本发明的方法将粒子散布在机器人可行走区域,增加了粒子有效使用率,从而提高了定位算法的稳定性,同时通过计算估计位姿的置信度,能够过滤不合理位姿,有效提高了机器人的定位精度。
本发明方法基于2D激光数据,以自动蒙特卡洛算法为基础,根据速度使用激光数据实时更新机器人位姿,并以估计位姿的置信度过滤不合理位姿。采用本发明方法用于机器人定位,不仅具有较高的实时性,而且定位精度能够控制在1cm范围内。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于2D激光数据的机器人实时定位方法,其特征在于:所述方法包括以下步骤:
步骤1:创建粒子滤波器,并生成采样粒子集设k=0,其中x表示单个粒子,k为某一时刻,i为粒子的索引号,N为粒子总数;
步骤2:初始化粒子,将粒子限制在机器人可行走区域;
步骤3:若机器人当前更新值大于阈值时更新里程计模型、激光数据模型,分线程处理激光数据模型;
步骤4:计算每个粒子的权值及置信度并作归一化处理;
步骤5:根据粒子权重获取最优的机器人估计位姿及对应的位姿置信度
步骤6:若置信度小于阈值则放弃该位姿,返回步骤3)强制更新里程计模型、激光数据模型,否则接受该估计位姿;
步骤7:计算所有粒子权重的加权值;
步骤8:若加权值小于阈值,则进行粒子重采样,否则,k=k+1,返回步骤3)。
2.根据权利要求1所述的一种基于2D激光数据的机器人实时定位方法,其特征在于:所述步骤(3)中,机器人当前更新值的具体计算公式为:
其中INT(x)表示取x的整数部分,v为机器人的速度,k、a均为调整系数。
3.根据权利要求1所述的一种基于2D激光数据的机器人实时定位方法,其特征在于:所述步骤4)中,置信度计算公式为
其中z为激光数据到地图特征物的最近距离,σ为阈值,M为激光数据的总数。
4.根据权利要求1所述的一种基于2D激光数据的机器人实时定位方法,其特征在于:所述步骤4)中,归一化公式为:
其中为每个粒子的权重值。
5.根据权利要求1所述的一种基于2D激光数据的机器人实时定位方法,其特征在于:所述步骤(7)中计算所有粒子的权重加权值,加权值计算公式为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910176931.XA CN110082776B (zh) | 2019-03-08 | 2019-03-08 | 一种基于2d激光数据的机器人实时定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910176931.XA CN110082776B (zh) | 2019-03-08 | 2019-03-08 | 一种基于2d激光数据的机器人实时定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110082776A true CN110082776A (zh) | 2019-08-02 |
CN110082776B CN110082776B (zh) | 2023-04-07 |
Family
ID=67412334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910176931.XA Active CN110082776B (zh) | 2019-03-08 | 2019-03-08 | 一种基于2d激光数据的机器人实时定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110082776B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044036A (zh) * | 2019-12-12 | 2020-04-21 | 浙江大学 | 基于粒子滤波的远程定位方法 |
CN111174782A (zh) * | 2019-12-31 | 2020-05-19 | 智车优行科技(上海)有限公司 | 位姿估计方法、装置、电子设备及计算机可读存储介质 |
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 |
CN111948673A (zh) * | 2020-06-21 | 2020-11-17 | 珠海市一微半导体有限公司 | 基于imu数据更新激光数据的方法和机器人 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100809352B1 (ko) * | 2006-11-16 | 2008-03-05 | 삼성전자주식회사 | 파티클 필터 기반의 이동 로봇의 자세 추정 방법 및 장치 |
CN104200226A (zh) * | 2014-09-01 | 2014-12-10 | 西安电子科技大学 | 基于机器学习的粒子滤波目标跟踪方法 |
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 |
US20170276501A1 (en) * | 2016-03-28 | 2017-09-28 | Fetch Robotics, Inc. | System and Method for Localization of Robots |
CN107741745A (zh) * | 2017-09-19 | 2018-02-27 | 浙江大学 | 一种实现移动机器人自主定位与地图构建的方法 |
CN108692701A (zh) * | 2018-05-28 | 2018-10-23 | 佛山市南海区广工大数控装备协同创新研究院 | 基于粒子滤波器的移动机器人多传感器融合定位方法 |
-
2019
- 2019-03-08 CN CN201910176931.XA patent/CN110082776B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100809352B1 (ko) * | 2006-11-16 | 2008-03-05 | 삼성전자주식회사 | 파티클 필터 기반의 이동 로봇의 자세 추정 방법 및 장치 |
CN104200226A (zh) * | 2014-09-01 | 2014-12-10 | 西安电子科技大学 | 基于机器学习的粒子滤波目标跟踪方法 |
US20170276501A1 (en) * | 2016-03-28 | 2017-09-28 | Fetch Robotics, Inc. | System and Method for Localization of Robots |
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 |
CN107741745A (zh) * | 2017-09-19 | 2018-02-27 | 浙江大学 | 一种实现移动机器人自主定位与地图构建的方法 |
CN108692701A (zh) * | 2018-05-28 | 2018-10-23 | 佛山市南海区广工大数控装备协同创新研究院 | 基于粒子滤波器的移动机器人多传感器融合定位方法 |
Non-Patent Citations (6)
Title |
---|
DAN ZHANG 等: "Analysis of Filtering Methods for the SINS/CNS Integrated Navigation System of Missile Motion", 《PROCEEDING OF THE 11TH WORLD CONGRESS ON INTELLIGENT CONTROL AND AUTOMATION》 * |
LI TIANCHENG 等: "Double-resampling Based Monte Carlo Localization for Mobile Robot", 《ACTA AUTOMATICA SINICA》 * |
LINGLING ZHAO 等: "Multiresolutional Quasi-Monte Carlo-based particle filters", 《2009 IEEE INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTING AND INTELLIGENT SYSTEMS》 * |
YI-MIN XIA 等: "A New Particle Filter and Its Application in Mobile Robot Localization", 《2008 FIFTH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY》 * |
肖洒 等: "基于激光雷达的机器人定位与地图构建", 《农业装备与车辆工程》 * |
陈卓 等: "移动机器人SLAM与路径规划在ROS框架下的实现", 《医疗卫生装备》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111044036A (zh) * | 2019-12-12 | 2020-04-21 | 浙江大学 | 基于粒子滤波的远程定位方法 |
CN111174782A (zh) * | 2019-12-31 | 2020-05-19 | 智车优行科技(上海)有限公司 | 位姿估计方法、装置、电子设备及计算机可读存储介质 |
CN111174782B (zh) * | 2019-12-31 | 2021-09-17 | 智车优行科技(上海)有限公司 | 位姿估计方法、装置、电子设备及计算机可读存储介质 |
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 |
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 |
CN111948673A (zh) * | 2020-06-21 | 2020-11-17 | 珠海市一微半导体有限公司 | 基于imu数据更新激光数据的方法和机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN110082776B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110082776A (zh) | 一种基于2d激光数据的机器人实时定位方法 | |
CN101509781B (zh) | 基于单目摄像头的步行机器人定位*** | |
CN105629974B (zh) | 一种基于改进型人工势场法的机器人路径规划方法及*** | |
EP3938834A1 (en) | Reality-guided roaming in virtual reality | |
Hu et al. | 3D Pose tracking of walker users' lower limb with a structured-light camera on a moving platform | |
CN111767597B (zh) | 一种城市模型验证方法、装置、设备及存储介质 | |
CN103926933A (zh) | 一种无人飞行器室内同时定位与环境建模方法 | |
CN113112491B (zh) | 一种悬崖检测方法、装置、机器人及存储介质 | |
CN107397658B (zh) | 一种多尺度全卷积网络及视觉导盲方法和装置 | |
CN102142085B (zh) | 一种林区监控视频中运动火焰目标的鲁棒跟踪方法 | |
CN109556607A (zh) | 一种快速处理移动机器人定位“绑架”问题的方法 | |
Schwarze et al. | A camera-based mobility aid for visually impaired people | |
Pradeep et al. | A wearable system for the visually impaired | |
CN108345823A (zh) | 一种基于卡尔曼滤波的障碍物跟踪方法和装置 | |
CN113568435A (zh) | 一种基于无人机自主飞行态势感知趋势的分析方法与*** | |
CN109272527A (zh) | 一种三维场景中随机运动目标的跟踪控制方法及装置 | |
CN104346621A (zh) | 创建眼睛模板及检测眼睛状态的方法与装置 | |
CN116258608A (zh) | 融合gis和bim三维技术的水利实时监测信息管理*** | |
CN115639823A (zh) | 崎岖起伏地形下机器人地形感知与移动控制方法及*** | |
CN103577833A (zh) | 基于运动模板的异常闯入检测方法 | |
CN112395967A (zh) | 一种口罩佩戴监测方法、电子设备和可读存储介质 | |
CN113721633B (zh) | 一种基于行人轨迹预测的移动机器人路径规划方法 | |
CN112857379A (zh) | 一种基于改进的Gmapping-SLAM地图更新方法及*** | |
CN115797490B (zh) | 基于激光视觉融合的建图方法及*** | |
CN116337068A (zh) | 基于仿人思路的机器人同步语义定位与建图方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |