CN111580530B - 一种定位方法、装置、自主移动设备及介质 - Google Patents
一种定位方法、装置、自主移动设备及介质 Download PDFInfo
- Publication number
- CN111580530B CN111580530B CN202010547769.0A CN202010547769A CN111580530B CN 111580530 B CN111580530 B CN 111580530B CN 202010547769 A CN202010547769 A CN 202010547769A CN 111580530 B CN111580530 B CN 111580530B
- Authority
- CN
- China
- Prior art keywords
- autonomous mobile
- positioning
- mobile equipment
- pose
- accurate positioning
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 133
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 230000001360 synchronised effect Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims 2
- 230000002567 autonomic effect Effects 0.000 claims 1
- 230000036544 posture Effects 0.000 description 16
- 230000033001 locomotion Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Electromagnetism (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明实施例公开了一种定位方法、装置、自主移动设备及介质。所述方法包括:实时获取自主移动设备的估计位姿信息,作为第一初始位姿;根据所述第一初始位姿,采用同步定位与建图SLAM算法对所述自主移动设备进行第一精确定位;如果确定对所述自主移动设备的第一精确定位失败,则基于所述估计位姿信息,采用至少一种定位算法对所述自主移动设备进行再次定位,以更新所述第一初始位姿,返回执行根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行精确定位。通过本发明的技术方案,能够提高自主移动设备的定位稳定性。
Description
技术领域
本发明实施例涉及智能机器人技术领域,尤其涉及一种定位方法、装置、自主移动设备及介质。
背景技术
随着智能机器人技术的发展,从上世纪70年代开始,AGV(Automatic GuidedVehicle,自动导引车)逐渐成为了柔性生产线和现代化仓储体系的关键技术之一,因其具有自动化程度高、安全、灵活等特点,使得AGV在智能制造等自动化生产过程以及物流领域得到了广泛的应用。AGV,通常也称为AGV小车,是指装备有电磁或光学等自动导航装置,能够沿规定的导航路径行驶,具有安全保护以及各种移载功能的运输车。
通过实际调研,制造企业对AGV的要求较为严苛,由于生产过程中需要AGV能够精确到位对接机台,同时面临着大负载、操作空间狭窄等现实问题,市面上绝大多数AGV并不能满足要求,因此,如何提高AGV的定位稳定性、定位精确度等,成为生产线中使用AGV时亟待解决的问题。
现有技术中,主要通过采用单一定位算法为AGV提供定位支持,一旦算法失效,就会导致AGV频繁出现定位失败报错,使得AGV的定位稳定性较差。
发明内容
本发明实施例提供一种定位方法、装置、自主移动设备及介质,以提高自主移动设备的定位稳定性。
第一方面,本发明实施例提供了一种应用于自主移动设备的定位方法,包括:
实时获取自主移动设备的估计位姿信息,作为第一初始位姿;
根据所述第一初始位姿,采用同步定位与建图SLAM算法对所述自主移动设备进行第一精确定位;
如果确定对所述自主移动设备的第一精确定位失败,则基于所述估计位姿信息,采用至少一种定位算法对所述自主移动设备进行再次定位,以更新所述第一初始位姿,返回执行根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行精确定位。
进一步的,基于所述估计位姿信息,采用至少一种定位算法对所述自主移动设备进行再次定位,以更新所述第一初始位姿,包括:
将所述估计位姿信息作为第二初始位姿,并根据所述第二初始位姿,采用自适应蒙特卡洛定位AMCL算法对所述自主移动设备进行第二精确定位;
如果确定对所述自主移动设备的第二精确定位成功,则将定位得到的所述自主移动设备的位姿信息,作为更新后的所述第一初始位姿。
进一步的,在将所述估计位姿信息作为第二初始位姿,并根据所述第二初始位姿,采用AMCL算法对所述自主移动设备进行第二精确定位之后,还包括:
如果确定对所述自主移动设备的第二精确定位失败,则根据所述估计位姿信息,采用全局定位算法对所述自主移动设备进行第三精确定位;
如果确定对所述自主移动设备的第三精确定位成功,则将定位得到的所述自主移动设备的位姿信息,作为更新后的所述第二初始位姿,返回执行根据所述第二初始位姿,采用AMCL算法对所述自主移动设备进行第二精确定位。
进一步的,在根据所述估计位姿信息,采用全局定位算法对所述自主移动设备进行定位之后,还包括:
如果确定对所述自主移动设备的第三精确定位失败,则进行定位失败报警提示。
进一步的,实时获取自主移动设备的估计位姿信息,包括:
实时获取设置在自主移动设备上的至少一个激光雷达所采集的数据信息;
根据所述数据信息,采用里程计位姿估算方法获取所述自主移动设备的估计位姿信息。
进一步的,根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位,包括:
根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位,并构建实时地图;
相应的,在根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位之后,还包括:
如果确定对所述自主移动设备的第一精确定位成功,则根据定位得到的所述自主移动设备的位姿信息,以及所述实时地图,规划所述自主移动设备的行进路线,并驱动所述自主移动设备按照所述行进路线进行移动。
进一步的,在根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位,并构建实时地图之后,还包括:
如果确定满足地图更新条件,则采用非线性最小二乘法优化所述实时地图构建过程中累积的误差,以对所述实时地图进行更新。
第二方面,本发明实施例还提供了一种应用于自主移动设备的定位装置,该装置包括:
位姿获取模块,用于实时获取自主移动设备的估计位姿信息,作为第一初始位姿;
SLAM定位模块,用于根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位;
第一更新模块,用于如果确定对所述自主移动设备的第一精确定位失败,则基于所述估计位姿信息,采用至少一种定位算法对所述自主移动设备进行再次定位,以更新所述第一初始位姿,返回执行根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行精确定位。
进一步的,所述第一更新模块,包括:
AMCL定位子模块,用于将所述估计位姿信息作为第二初始位姿,并根据所述第二初始位姿,采用自适应蒙特卡洛定位AMCL算法对所述自主移动设备进行第二精确定位;
第一位姿更新子模块,用于如果确定对所述自主移动设备的第二精确定位成功,则将定位得到的所述自主移动设备的位姿信息,作为更新后的所述第一初始位姿。
进一步的,所述第一更新模块,还包括:
全局定位子模块,用于在将所述估计位姿信息作为第二初始位姿,并根据所述第二初始位姿,采用AMCL算法对所述自主移动设备进行第二精确定位之后,如果确定对所述自主移动设备的第二精确定位失败,则根据所述估计位姿信息,采用全局定位算法对所述自主移动设备进行第三精确定位;
第二位姿更新子模块,用于如果确定对所述自主移动设备的第三精确定位成功,则将定位得到的所述自主移动设备的位姿信息,作为更新后的所述第二初始位姿,返回执行根据所述第二初始位姿,采用AMCL算法对所述自主移动设备进行第二精确定位。
进一步的,所述第一更新模块,还包括:
报警提示子模块,用于在根据所述估计位姿信息,采用全局定位算法对所述自主移动设备进行定位之后,如果确定对所述自主移动设备的第三精确定位失败,则进行定位失败报警提示。
进一步的,所述位姿获取模块,具体用于:
实时获取设置在自主移动设备上的至少一个激光雷达所采集的数据信息;
根据所述数据信息,采用里程计位姿估算方法获取所述自主移动设备的估计位姿信息。
进一步的,所述SLAM定位模块,具体用于:
根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位,并构建实时地图;
相应的,所述装置还包括:
运动控制模块,用于在根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位之后,如果确定对所述自主移动设备的第一精确定位成功,则根据定位得到的所述自主移动设备的位姿信息,以及所述实时地图,规划所述自主移动设备的行进路线,并驱动所述自主移动设备按照所述行进路线进行移动。
进一步的,所述装置还包括:
地图优化模块,用于在根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位,并构建实时地图之后,如果确定满足地图更新条件,则采用非线性最小二乘法优化所述实时地图构建过程中累积的误差,以对所述实时地图进行更新。
第三方面,本发明实施例还提供了一种自主移动设备,该自主移动设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中任一所述的应用于自主移动设备的定位方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的应用于自主移动设备的定位方法。
本发明实施例通过实时获取自主移动设备的估计位姿信息,作为第一初始位姿,根据该第一初始位姿,采用SLAM算法对该自主移动设备进行第一精确定位,如果确定对该自主移动设备的第一精确定位失败,则基于该估计位姿信息采用至少一种定位算法对该自主移动设备进行再次定位,以更新第一初始位姿,并根据更新后的第一初始位姿继续采用SLAM算法对自主移动设备进行精确定位,利用了在SLAM定位失败时采用其他定位算法进行再次定位的优点,解决了现有技术中由于采用单一的定位算法,而导致的定位稳定性差的问题,实现了提高自主移动设备的定位稳定性的效果。
附图说明
图1是本发明实施例一提供的一种应用于自主移动设备的定位方法的流程示意图;
图2a是本发明实施例二提供的一种应用于自主移动设备的定位方法的流程示意图;
图2b是本发明实施例二适用的应用于自主移动设备的定位方法的完整流程示意图;
图3是本发明实施例三提供的一种应用于自主移动设备的定位装置的结构示意图;
图4是本发明实施例四提供的一种自主移动设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种应用于自主移动设备的定位方法的流程示意图。该方法可适用于自动导引车等自主移动设备对自身进行自主定位的情况,该方法可以由应用于自主移动设备的定位装置来执行,该装置可由硬件和/或软件组成,并一般可集成在自动导引车等自主移动设备中。具体包括如下步骤:
S110、实时获取自主移动设备的估计位姿信息,作为第一初始位姿。
本实施例中,自主移动设备可以是无人驾驶的可自动定位导航的可移动设备,例如可以是自动导引车AGV。其中,估计位姿信息可以是粗略估计的位置信息和姿态信息,具体的,自主移动设备在移动过程中可进行实时的粗略定位得到当前自主移动设备的估计位姿信息。需要指明的是,各实施例中提到的位姿均是指位置和姿态,以下不再赘述。
示例性的,可将获取的估计位姿信息作为第一初始位姿,以在后续步骤中利用该第一初始位姿进一步进行SLAM(Simultaneous Localization and Mapping,同步定位与建图)算法的精确定位,并在定位失败时采用其他更精确的算法进行定位,以更新该第一初始位姿,使得第一初始位姿更准确,从而降低SLAM定位的失败率,提高自主移动设备的定位稳定性。
可选的,实时获取自主移动设备的估计位姿信息,包括:实时获取设置在自主移动设备上的至少一个激光雷达所采集的数据信息;根据数据信息,采用里程计位姿估算方法获取自主移动设备的估计位姿信息。
本实施例中,在自主移动设备例如AGV车辆本体上,可设置至少一个激光雷达。自主移动设备可依靠该至少一个激光雷达感知周围的物体,以进行定位,具体的,一个激光雷达可采集一组数据信息,至少一个激光雷达可采集至少一组数据信息,根据该至少一组数据信息,可获取自主移动设备的估计位姿信息。其中,激光雷达采集的数据具体可以是距离数据,通过将距离数据转化为位置坐标形式的点云数据,可将激光雷达采集的数据转化为定位时可用的数据。具体的,当设置的激光雷达为多个时,也即采集的数据信息为多组时,可在将距离数据转化为点云数据后,对点云数据进行匹配拼接处理,得到360°无死角的点云数据,这样可以提高定位准确性。
示例性的,可采用里程计位姿估算方法,根据至少一个激光雷达所采集至少一组数据信息的获取自主移动设备的估计位姿信息。其中,里程计位姿估算方法可以是利用从传感器(例如编码器或惯性导航传感器IMU)获得的数据来估计物***置随时间的变化而改变的方法。具体的,里程计可以通过以下两种方式获取估计位姿信息:一个是从安装在电机和轮子上的编码器,编码器每转一圈会触发固定数量的计数标识(通常会有几百或者几千个),从而记录对应轮子转了多少圈,加上预先知道的轮子的直径和轮间距,编码器就可以把记录的数据转化成用“米”来表示的轮子行驶的距离,或者用“弧度”来表示的轮子转动的角度;另一个是从IMU(例如集成三轴加速度器及三轴陀螺仪)来获得数据,加速度计积分可以得到速度,再积分可以得到位置,陀螺仪积分可以得到角速度,再积分可以得到姿态方向。本实施例中所采用的估算定位方法,是一个借助于先前已知位置,以及估计出的速度随时间的变化量来推导出当前位置的过程。
S120、根据第一初始位姿,采用SLAM算法对自主移动设备进行第一精确定位。
本实施例所采用的SLAM算法例如可以是Hector SLAM。其中,Hector SLAM的工作原理是:采用栅格地图代表现实世界的任意环境,并采用局部搜索(高斯牛顿梯度搜索)与全局搜索匹配(多重分辨率地图匹配)相结合的方式确定短时间内可靠的位姿和地图。
具体的,自主移动设备上可设置有SLAM模块,示例性的,可将作为第一初始位姿的点云数据输入至SLAM模块中,采用Hector SLAM算法对自主移动设备进行第一精确定位,得到精确位姿信息。该SLAM模块通过把每一帧采集到的激光雷达数据和地图进行匹配,以对自主移动设备进行精确定位。
可选的,根据第一初始位姿,采用SLAM算法对自主移动设备进行第一精确定位,包括:根据第一初始位姿,采用SLAM算法对自主移动设备进行第一精确定位,并构建实时地图。
相应的,在根据第一初始位姿,采用SLAM算法对自主移动设备进行第一精确定位之后,还包括:如果确定对自主移动设备的第一精确定位成功,则根据定位得到的自主移动设备的位姿信息,以及实时地图,规划自主移动设备的行进路线,并驱动自主移动设备按照行进路线进行移动。
示例性的,SLAM模块在对自主移动设备进行第一精确定位的同时,还会构建自主移动设备所经过地点的实时地图,如此,在确定对该自主移动设备的第一精确定位成功时,可根据该实时地图以及经第一精确定位得到的位姿信息,在躲避障碍物的前提下,自动规划移动设备的行进路线,控制设备的运动方向和速度等,驱动设备按照该规划路线进行移动。其中,确定对自主移动设备的第一精确定位是否成功的方式可以是,是否可以通过SLAM算法获取到自主移动设备的位姿信息,若能够获取到则可确定对自主移动设备的第一精确定位成功,否则,可确定对自主移动设备的第一精确定位失败。
具体的,可在自主移动设备上设置运动控制模块,用于执行上述移动控制方法,根据既定路线、设备当前位置以及预设的到位精度,控制设备到达目标位置的速度及位姿(包括X轴、Y轴坐标以及到位角度),以及规划与设备途径位置相应的避障逻辑。
可选的,在根据第一初始位姿,采用SLAM算法对自主移动设备进行第一精确定位,并构建实时地图之后,还包括:如果确定满足地图更新条件,则采用非线性最小二乘法优化实时地图构建过程中累积的误差,以对实时地图进行更新。
由于SLAM模块仅有前端扫描匹配,无后端地图优化的过程,在建立某些场景地图(例如较大空间地图回环)时,容易受到局部误差累积的影响,导致建图效果不理想,因此,本实施例在建图过程中,可引入基于图优化的后端来解决遗留的局部误差累积。例如,在首次构建地图或地图需要更新的情况下,在SLAM模块的后端可设置地图优化模块,以长时间增量式扫描匹配后优化位姿及地图信息,从而提高地图的准确性,最终使得自主移动设备的定位导航准确性更高。
其中,确定满足地图更新条件的场景,例如可以是首次构建地图,或接收到用户发出的地图更新指令,或到达预设更新周期时间等,在此不作限定。示例性的,可利用图论的方式来表示自主移动设备的SLAM过程,具体是将设备的位姿用节点表示,将节点之间的空间约束关系用节点之间的连线表示,设备建图的过程中会积累误差,通过非线性最小二乘法来优化建图过程中累积的误差,也即优化的同时考虑到所有帧间约束,利用迭代线性化求解。
S130、如果确定对自主移动设备的第一精确定位失败,则基于估计位姿信息,采用至少一种定位算法对自主移动设备进行再次定位,以更新第一初始位姿,返回执行根据第一初始位姿,采用SLAM算法对自主移动设备进行精确定位。
示例性的,如果确定对自主移动设备的第一精确定位失败,例如,采用SLAM算法没有获取到对应的精确位姿信息,则基于估计位姿信息,采用除SLAM算法外的其他至少一种定位算法对自主移动设备进行再次定位,并将采用其他定位算法获取到的位姿信息,作为更新后的第一初始位姿信息,重新输入至SLAM模块,以使SLAM模块根据更新后的第一初始位姿,继续采用SLAM算法对自主移动设备进行精确定位,提高自主移动设备的定位成功率,从而达到提高自主移动设备的定位稳定性的效果。
其中,除SLAM算法外的其他至少一种定位算法,包括但不限于AMCL(AdaptiveMonte Carlo Localization,自适应蒙特卡洛定位)算法、全局定位算法等,在此不作限定。
本实施例的技术方案,通过实时获取自主移动设备的估计位姿信息,作为第一初始位姿,根据该第一初始位姿,采用SLAM算法对该自主移动设备进行第一精确定位,如果确定对该自主移动设备的第一精确定位失败,则基于该估计位姿信息采用至少一种定位算法对该自主移动设备进行再次定位,以更新第一初始位姿,并根据更新后的第一初始位姿继续采用SLAM算法对自主移动设备进行精确定位,利用了在SLAM定位失败时采用其他定位算法进行再次定位的优点,解决了现有技术中由于采用单一的定位算法,而导致的定位稳定性差的问题,实现了提高自主移动设备的定位稳定性的效果。
实施例二
图2a为本发明实施例二提供的一种应用于自主移动设备的定位方法的流程示意图。本实施例以上述实施例为基础进行优化,提供了优选的应用于自主移动设备的定位方法,具体是,将基于估计位姿信息,采用至少一种定位算法对自主移动设备进行再次定位,以更新第一初始位姿,进一步优化为包括:将估计位姿信息作为第二初始位姿,并根据第二初始位姿,采用AMCL算法对自主移动设备进行第二精确定位;如果确定对自主移动设备的第二精确定位成功,则将定位得到的自主移动设备的位姿信息,作为更新后的第一初始位姿。具体包括如下步骤:
S210、实时获取自主移动设备的估计位姿信息,作为第一初始位姿。
S220、根据第一初始位姿,采用SLAM算法对自主移动设备进行第一精确定位。
S230、如果确定对自主移动设备的第一精确定位失败,则将估计位姿信息作为第二初始位姿,并根据第二初始位姿,采用AMCL算法对自主移动设备进行第二精确定位。
在上述实施例的基础上,如果估算得到的估计位姿信息是准确的位姿信息,则可以直接使用估计位姿信息,作为SLAM模块进行精确定位时所需使用的初始位姿,也即第一初始位姿,从而得到理想的定位结果,但现实情况是,估计位姿信息在为传感器提供的粗略定位结果时,会存在漂移以及无法忽略的累积误差(例如地面平整度带来的累积误差),因此,可能会存在SLAM模块无法根据估计位姿信息进行精确定位的情况。
针对上述问题,本实施例在确定对自主移动设备的第一精确定位失败时,可采用AMCL算法对自主移动设备进行二次定位,以降低定位失败率。具体是,将估计位姿信息作为第二初始位姿,并根据该第二初始位姿,采用AMCL算法对自主移动设备进行第二精确定位。其中,AMCL算法比SLAM更加精确,当然,所需耗费的运算内存也越高,因此,可在SLAM算法定位失败时,再采用AMCL算法进行定位。
具体的,自主移动设备上可设置有AMCL模块,示例性的,可将估计位姿信息作为第二初始位姿,输入至AMCL模块,AMCL模块先根据估计位姿信息进行初步定位,然后在已构建地图中使用粒子滤波方法进行精确定位。
S240、如果确定对自主移动设备的第二精确定位成功,则将定位得到的自主移动设备的位姿信息,作为更新后的第一初始位姿,返回执行根据第一初始位姿,采用SLAM算法对自主移动设备进行第一精确定位。
本实施例中,如果确定对自主移动设备的第二精确定位成功,也即通过采用AMCL算法能够获取到自主移动设备的位姿信息,则将该位姿信息作为更新后的第一初始位姿,发布给SLAM模块,以使SLAM模块继续根据更新后的第一初始位姿,对自主移动设备进行第一精确定位。由于AMCL算法比SLAM算法更加准确,因此,将第二精确定位成功时得到的位姿信息作为第一初始位姿,可以确保第一精确定位也能成功,从而提高SLAM模块的定位成功率,提高定位稳定性。
可选的,在将估计位姿信息作为第二初始位姿,并根据第二初始位姿,采用AMCL算法对自主移动设备进行第二精确定位之后,还包括:如果确定对自主移动设备的第二精确定位失败,则根据估计位姿信息,采用全局定位算法对自主移动设备进行第三精确定位;如果确定对自主移动设备的第三精确定位成功,则将定位得到的自主移动设备的位姿信息,作为更新后的第二初始位姿,返回执行根据第二初始位姿,采用AMCL算法对自主移动设备进行第二精确定位。
示例性的,如果确定对自主移动设备的第二精确定位失败,也即通过采用AMCL算法还是无法获取到自主移动设备的位姿信息,则可采用全局定位算法再次对自主移动设备进行定位,以降低定位失败率。具体是,根据估计位姿信息,采用全局定位算法对自主移动设备进行第三精确定位。其中,全局定位算法比AMCL算法和SLAM算法更加精确,当然,所需耗费的运算内存也更高,因此,可在SLAM算法和AMCL算法均定位失败时,再采用全局定位算法进行定位。
具体的,自主移动设备上可设置有全局定位模块,示例性的,可将估计位姿信息输入至全局定位模块,在全局定位模块中采用多分辨率像素精确的扫描匹配方法,可以进一步减少局部误差的累积,提高定位成功率。
示例性的,如果确定对自主移动设备的第三精确定位成功,也即通过采用全局定位算法能够获取到自主移动设备的位姿信息,则将该位姿信息作为更新后的第二初始位姿,发布给AMCL模块,以使AMCL模块继续根据更新后的第二初始位姿,对自主移动设备进行第二精确定位,并将经AMCL模块定位得到的位姿信息作为更新后的第一初始位姿,发布给SLAM模块,以使SLAM模块继续根据更新后的第一初始位姿,对自主移动设备进行第一精确定位。由于全局定位算法比AMCL算法和SLAM算法都更加准确,因此,将第三精确定位成功时得到的位姿信息作为第二初始位姿,可以确保第二精确定位也能成功,进而确保第一精确定位也能成功,从而提高SLAM模块的定位成功率,提高定位稳定性。
可选的,在根据估计位姿信息,采用全局定位算法对自主移动设备进行定位之后,还包括:如果确定对自主移动设备的第三精确定位失败,则进行定位失败报警提示。
示例性的,如果确定对自主移动设备的第三精确定位失败,也即通过采用全局定位算法也无法获取到自主移动设备的位姿信息,说明已经无法定位,从而进行定位失败报警提示,以提醒工作人员介入查看失败原因。其中,报警提示包括但不限于标识型提示、文字型提示和/或语音型提示等。
当然,在第三次精确定位失败后,还可以设置其他比全局定位算法更加精确的定位算法继续对自主移动设备进行定位,定位过程及逻辑与第一精确定位、第二精确定位以及第三精确定位的过程和逻辑类似,在此不再赘述。
本实施例的技术方案,在上述实施例的基础上,通过在确定对自主移动设备的第一精确定位失败时,将估计位姿信息作为第二初始位姿,并根据第二初始位姿,采用AMCL算法对自主移动设备进行第二精确定位,在确定对自主移动设备的第二精确定位成功后,将定位得到的自主移动设备的位姿信息,作为更新后的第一初始位姿,进而返回执行根据第一初始位姿,采用SLAM算法对自主移动设备进行第一精确定位,利用更加精确的定位算法,提高了自主移动设备的定位成功率,从而进一步提高了自主移动设备的定位稳定性。
在上述各实施例的基础上,举一个完整例子,如图2b所示,应用于自主移动设备的定位方法具体可包括如下步骤:
S501、实时获取自主移动设备的估计位姿信息,作为第一初始位姿。
S502、根据第一初始位姿,采用SLAM算法对自主移动设备进行第一精确定位,并构建实时地图。
S503、确定对自主移动设备的第一精确定位是否成功,若是,则执行S504,若否,则执行S507。
S504、确定是否满足地图更新条件,若是,则执行S505;若否,则执行S506。
S505、采用非线性最小二乘法优化实时地图构建过程中累积的误差,以对实时地图进行更新。
S506、根据定位得到的自主移动设备的位姿信息,以及实时地图,规划自主移动设备的行进路线,并驱动自主移动设备按照行进路线进行移动。
S507、将估计位姿信息作为第二初始位姿,并根据第二初始位姿,采用AMCL算法对自主移动设备进行第二精确定位。
S508、确定对自主移动设备的第二精确定位是否成功,若是,则执行S509;若否,则执行S510。
S509、将定位得到的自主移动设备的位姿信息,作为更新后的第一初始位姿,返回执行S502。
S510、根据估计位姿信息,采用全局定位算法对自主移动设备进行第三精确定位。
S511、确定对自主移动设备的第三精确定位是否成功,若是,则执行S512;若否,则执行S513。
S512、将定位得到的自主移动设备的位姿信息,作为更新后的第二初始位姿,返回执行S507。
S513、进行定位失败报警提示。
实施例三
图3为本发明实施例三提供的一种应用于自主移动设备的定位装置的结构示意图。参考图3,应用于自主移动设备的定位装置包括:位姿获取模块310、SLAM定位模块320以及第一更新模块330,下面对各模块进行具体说明。
位姿获取模块310,用于实时获取自主移动设备的估计位姿信息,作为第一初始位姿;
SLAM定位模块320,用于根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位;
第一更新模块330,用于如果确定对所述自主移动设备的第一精确定位失败,则基于所述估计位姿信息,采用至少一种定位算法对所述自主移动设备进行再次定位,以更新所述第一初始位姿,返回执行根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行精确定位。
可选的,第一更新模块330,具体可以包括:
AMCL定位子模块,用于将所述估计位姿信息作为第二初始位姿,并根据所述第二初始位姿,采用自适应蒙特卡洛定位AMCL算法对所述自主移动设备进行第二精确定位;
第一位姿更新子模块,用于如果确定对所述自主移动设备的第二精确定位成功,则将定位得到的所述自主移动设备的位姿信息,作为更新后的所述第一初始位姿。
可选的,第一更新模块330,具体还可以包括:
全局定位子模块,用于在将所述估计位姿信息作为第二初始位姿,并根据所述第二初始位姿,采用AMCL算法对所述自主移动设备进行第二精确定位之后,如果确定对所述自主移动设备的第二精确定位失败,则根据所述估计位姿信息,采用全局定位算法对所述自主移动设备进行第三精确定位;
第二位姿更新子模块,用于如果确定对所述自主移动设备的第三精确定位成功,则将定位得到的所述自主移动设备的位姿信息,作为更新后的所述第二初始位姿,返回执行根据所述第二初始位姿,采用AMCL算法对所述自主移动设备进行第二精确定位。
可选的,第一更新模块330,具体还可以包括:
报警提示子模块,用于在根据所述估计位姿信息,采用全局定位算法对所述自主移动设备进行定位之后,如果确定对所述自主移动设备的第三精确定位失败,则进行定位失败报警提示。
可选的,位姿获取模块310,具体可以用于:
实时获取设置在自主移动设备上的至少一个激光雷达所采集的数据信息;
根据所述数据信息,采用里程计位姿估算方法获取所述自主移动设备的估计位姿信息。
可选的,SLAM定位模块320,具体可以用于:
根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位,并构建实时地图;
相应的,所述装置还可以包括:
运动控制模块,用于在根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位之后,如果确定对所述自主移动设备的第一精确定位成功,则根据定位得到的所述自主移动设备的位姿信息,以及所述实时地图,规划所述自主移动设备的行进路线,并驱动所述自主移动设备按照所述行进路线进行移动。
可选的,所述装置还可以包括:
地图优化模块,用于在根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位,并构建实时地图之后,如果确定满足地图更新条件,则采用非线性最小二乘法优化所述实时地图构建过程中累积的误差,以对所述实时地图进行更新。
上述产品可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种自主移动设备的结构示意图,如图4所示,本实施例提供的一种自主移动设备,包括:处理器41和存储器42。该自主移动设备中的处理器可以是一个或多个,图4中以一个处理器41为例,所述自主移动设备中的处理器41和存储器42可以通过总线或其他方式连接,图4中以通过总线连接为例。
本实施例中自主移动设备的处理器41中集成了上述实施例提供的应用于自主移动设备的定位装置。此外,该自主移动设备中的存储器42作为一种计算机可读存储介质,可用于存储一个或多个程序,所述程序可以是软件程序、计算机可执行程序以及模块,如本发明实施例中应用于自主移动设备的定位方法对应的程序指令/模块(例如,附图3所示的应用于自主移动设备的定位装置中的模块,包括:位姿获取模块310、SLAM定位模块320以及第一更新模块330)。处理器41通过运行存储在存储器42中的软件程序、指令以及模块,从而执行自主移动设备的各种功能应用以及数据处理,即实现上述方法实施例中应用于自主移动设备的定位方法。
存储器42可包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据自主移动设备的使用所创建的数据等。此外,存储器42可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器42可进一步包括相对于处理器41远程设置的存储器,这些远程存储器可以通过网络连接至自主移动设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
并且,当上述自主移动设备所包括一个或者多个程序被所述一个或者多个处理器41执行时,程序进行如下操作:
实时获取自主移动设备的估计位姿信息,作为第一初始位姿;根据所述第一初始位姿,采用同步定位与建图SLAM算法对所述自主移动设备进行第一精确定位;如果确定对所述自主移动设备的第一精确定位失败,则基于所述估计位姿信息,采用至少一种定位算法对所述自主移动设备进行再次定位,以更新所述第一初始位姿,返回执行根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行精确定位。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被应用于自主移动设备的定位装置执行时实现如本发明实施例一提供的应用于自主移动设备的定位方法,该方法包括:实时获取自主移动设备的估计位姿信息,作为第一初始位姿;根据所述第一初始位姿,采用同步定位与建图SLAM算法对所述自主移动设备进行第一精确定位;如果确定对所述自主移动设备的第一精确定位失败,则基于所述估计位姿信息,采用至少一种定位算法对所述自主移动设备进行再次定位,以更新所述第一初始位姿,返回执行根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行精确定位。
当然,本发明实施例所提供的一种计算机可读存储介质,其上存储的计算机程序被执行时不限于实现如上所述的方法操作,还可以实现本发明任意实施例所提供的应用于自主移动设备的定位方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述应用于自主移动设备的定位装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种应用于自主移动设备的定位方法,其特征在于,包括:
实时获取自主移动设备的估计位姿信息,作为第一初始位姿;其中,实时获取自主移动设备的估计位姿信息,包括:
实时获取设置在自主移动设备上的至少一个激光雷达所采集的数据信息;
根据所述数据信息,采用里程计位姿估算方法获取所述自主移动设备的估计位姿信息;里程计位姿估算方法,用于根据先前已知位置和估计出的速度随时间的变化量,推导出当前位置;
根据所述第一初始位姿,采用同步定位与建图SLAM算法对所述自主移动设备进行第一精确定位;
如果确定对所述自主移动设备的第一精确定位失败,则基于所述估计位姿信息,采用至少一种定位算法对所述自主移动设备进行再次定位,以更新所述第一初始位姿,返回执行根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行精确定位;
其中,基于所述估计位姿信息,采用至少一种定位算法对所述自主移动设备进行再次定位,以更新所述第一初始位姿,包括:
将所述估计位姿信息作为第二初始位姿,并根据所述第二初始位姿,采用自适应蒙特卡洛定位AMCL算法对所述自主移动设备进行第二精确定位;
如果确定对所述自主移动设备的第二精确定位成功,则将定位得到的所述自主移动设备的位姿信息,作为更新后的所述第一初始位姿;
如果确定对所述自主移动设备的第二精确定位失败,则根据所述估计位姿信息,采用全局定位算法对所述自主移动设备进行第三精确定位;
如果确定对所述自主移动设备的第三精确定位成功,则将定位得到的所述自主移动设备的位姿信息,作为更新后的所述第二初始位姿,返回执行根据所述第二初始位姿,采用AMCL算法对所述自主移动设备进行第二精确定位。
2.根据权利要求1所述的方法,其特征在于,在根据所述估计位姿信息,采用全局定位算法对所述自主移动设备进行定位之后,还包括:
如果确定对所述自主移动设备的第三精确定位失败,则进行定位失败报警提示。
3.根据权利要求1所述的方法,其特征在于,根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位,包括:
根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位,并构建实时地图;
相应的,在根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位之后,还包括:
如果确定对所述自主移动设备的第一精确定位成功,则根据定位得到的所述自主移动设备的位姿信息,以及所述实时地图,规划所述自主移动设备的行进路线,并驱动所述自主移动设备按照所述行进路线进行移动。
4.根据权利要求3所述的方法,其特征在于,在根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位,并构建实时地图之后,还包括:
如果确定满足地图更新条件,则采用非线性最小二乘法优化所述实时地图构建过程中累积的误差,以对所述实时地图进行更新。
5.一种应用于自主移动设备的定位装置,其特征在于,包括:
位姿获取模块,用于实时获取自主移动设备的估计位姿信息,作为第一初始位姿,具体用于实时获取设置在自主移动设备上的至少一个激光雷达所采集的数据信息;根据所述数据信息,采用里程计位姿估算方法获取所述自主移动设备的估计位姿信息;里程计位姿估算方法,用于根据先前已知位置和估计出的速度随时间的变化量,推导出当前位置;
SLAM定位模块,用于根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行第一精确定位;
第一更新模块,用于如果确定对所述自主移动设备的第一精确定位失败,则基于所述估计位姿信息,采用至少一种定位算法对所述自主移动设备进行再次定位,以更新所述第一初始位姿,返回执行根据所述第一初始位姿,采用SLAM算法对所述自主移动设备进行精确定位;
第一更新模块,包括:
AMCL定位子模块,用于将所述估计位姿信息作为第二初始位姿,并根据所述第二初始位姿,采用自适应蒙特卡洛定位AMCL算法对所述自主移动设备进行第二精确定位;
第一位姿更新子模块,用于如果确定对所述自主移动设备的第二精确定位成功,则将定位得到的所述自主移动设备的位姿信息,作为更新后的所述第一初始位姿;
全局定位子模块,用于如果确定对所述自主移动设备的第二精确定位失败,则根据所述估计位姿信息,采用全局定位算法对所述自主移动设备进行第三精确定位;
第二位姿更新子模块,用于如果确定对所述自主移动设备的第三精确定位成功,则将定位得到的所述自主移动设备的位姿信息,作为更新后的所述第二初始位姿,返回执行根据所述第二初始位姿,采用AMCL算法对所述自主移动设备进行第二精确定位。
6.一种自主移动设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的应用于自主移动设备的定位方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一所述的应用于自主移动设备的定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010547769.0A CN111580530B (zh) | 2020-06-16 | 2020-06-16 | 一种定位方法、装置、自主移动设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010547769.0A CN111580530B (zh) | 2020-06-16 | 2020-06-16 | 一种定位方法、装置、自主移动设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111580530A CN111580530A (zh) | 2020-08-25 |
CN111580530B true CN111580530B (zh) | 2021-10-26 |
Family
ID=72112833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010547769.0A Active CN111580530B (zh) | 2020-06-16 | 2020-06-16 | 一种定位方法、装置、自主移动设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111580530B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114594761B (zh) * | 2022-01-05 | 2023-03-24 | 美的集团(上海)有限公司 | 机器人的路径规划方法、电子设备及计算机可读存储介质 |
CN115127559A (zh) * | 2022-06-28 | 2022-09-30 | 广东利元亨智能装备股份有限公司 | 一种定位方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107741743A (zh) * | 2017-11-06 | 2018-02-27 | 深圳精智机器有限公司 | 改进的图优化slam方法 |
CN108594816A (zh) * | 2018-04-23 | 2018-09-28 | 长沙学院 | 一种通过改进orb-slam算法实现定位与构图的方法和*** |
CN109144056A (zh) * | 2018-08-02 | 2019-01-04 | 上海思岚科技有限公司 | 移动机器人的全局自定位方法及设备 |
CN109506641A (zh) * | 2017-09-14 | 2019-03-22 | 深圳乐动机器人有限公司 | 移动机器人的位姿丢失检测与重定位***及机器人 |
CN109974721A (zh) * | 2019-01-08 | 2019-07-05 | 武汉中海庭数据技术有限公司 | 一种基于高精度地图的视觉回环检测方法和装置 |
CN110082776A (zh) * | 2019-03-08 | 2019-08-02 | 贵州电网有限责任公司 | 一种基于2d激光数据的机器人实时定位方法 |
-
2020
- 2020-06-16 CN CN202010547769.0A patent/CN111580530B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109506641A (zh) * | 2017-09-14 | 2019-03-22 | 深圳乐动机器人有限公司 | 移动机器人的位姿丢失检测与重定位***及机器人 |
CN107741743A (zh) * | 2017-11-06 | 2018-02-27 | 深圳精智机器有限公司 | 改进的图优化slam方法 |
CN108594816A (zh) * | 2018-04-23 | 2018-09-28 | 长沙学院 | 一种通过改进orb-slam算法实现定位与构图的方法和*** |
CN109144056A (zh) * | 2018-08-02 | 2019-01-04 | 上海思岚科技有限公司 | 移动机器人的全局自定位方法及设备 |
CN109974721A (zh) * | 2019-01-08 | 2019-07-05 | 武汉中海庭数据技术有限公司 | 一种基于高精度地图的视觉回环检测方法和装置 |
CN110082776A (zh) * | 2019-03-08 | 2019-08-02 | 贵州电网有限责任公司 | 一种基于2d激光数据的机器人实时定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111580530A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11530924B2 (en) | Apparatus and method for updating high definition map for autonomous driving | |
CN109916393B (zh) | 一种基于机器人位姿的多重栅格值导航方法及其应用 | |
Boniardi et al. | Robust LiDAR-based localization in architectural floor plans | |
EP2450763B1 (en) | Global position and orientation estimation system for a vehicle in a passageway environment | |
CN103064416B (zh) | 巡检机器人室内外自主导航*** | |
CN103472823B (zh) | 一种智能机器人用的栅格地图创建方法 | |
Wang et al. | A simple and parallel algorithm for real-time robot localization by fusing monocular vision and odometry/AHRS sensors | |
CN110440811B (zh) | 一种通用型自主导航控制方法、装置及设备终端 | |
KR20150058679A (ko) | 단지내 도로에서 자율주행차량의 위치 및 해딩 정보 제공 장치 및 방법 | |
KR20170088228A (ko) | 다중로봇의 자기위치인식에 기반한 지도작성 시스템 및 그 방법 | |
CN112740274A (zh) | 在机器人设备上使用光流传感器进行vslam比例估计的***和方法 | |
CN111580530B (zh) | 一种定位方法、装置、自主移动设备及介质 | |
US20200103915A1 (en) | Determining Changes in Marker Setups for Robot Localization | |
Cho et al. | Map based indoor robot navigation and localization using laser range finder | |
JP2022027593A (ja) | 可移動機器の測位方法、装置及び可移動機器 | |
CN111176276A (zh) | 一种智能仓储机器人的开发及应用 | |
CN204883363U (zh) | 激光制导地图构建的agv搬运机器人导航*** | |
de Oliveira Júnior et al. | Improving the mobile robots indoor localization system by combining slam with fiducial markers | |
CN110320912A (zh) | 激光与视觉slam融合的agv定位导航装置及方法 | |
Rogers et al. | Mapping with a ground robot in GPS denied and degraded environments | |
Pei et al. | A decorrelated distributed EKF-SLAM system for the autonomous navigation of mobile robots | |
CN116429121A (zh) | 基于多传感器的定位方法、装置、自移动设备及存储介质 | |
CN115981314A (zh) | 基于二维激光雷达定位的机器人导航自动避障方法和*** | |
Leng et al. | An improved method for odometry estimation based on EKF and Temporal Convolutional Network | |
de Melo et al. | Mobile robot indoor autonomous navigation with position estimation using rf signal triangulation |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Lin Ganbin Inventor after: Ye Hang Inventor after: Zhang Qingyuan Inventor before: Lin Ganbin Inventor before: Ye Hang |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |