CN112861859A - 机器人定位的修正方法、***、机器人及计算机存储介质 - Google Patents
机器人定位的修正方法、***、机器人及计算机存储介质 Download PDFInfo
- Publication number
- CN112861859A CN112861859A CN202110246531.9A CN202110246531A CN112861859A CN 112861859 A CN112861859 A CN 112861859A CN 202110246531 A CN202110246531 A CN 202110246531A CN 112861859 A CN112861859 A CN 112861859A
- Authority
- CN
- China
- Prior art keywords
- robot
- feature information
- positioning
- semantic
- semantic feature
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012937 correction Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
- G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
- G06V30/274—Syntactic or semantic context, e.g. balancing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种机器人定位的修正方法,包括如下步骤:对机器人移动环境内的语义特征信息进行识别;根据识别到的语义特征信息获取所述机器人的全局位置;根据所述全局位置修正所述机器人的当前定位。本发明还提供一种机器人定位的修正***、机器人及计算机存储介质。本发明提供的机器人定位的修正方法、***、机器人及计算机存储介质,能够根据识别到的语义特征信息对机器人的当前定位进行修正,提高了机器人定位的精确性,提升了机器人移动的可靠性和自我纠错能力。
Description
【技术领域】
本发明涉及机器人技术领域,尤其涉及一种机器人定位的修正方法、***、机器人及计算机存储介质。
【背景技术】
可靠的室内定位能力是具备自主移动的机器人展开工作的前提。通常,会通过结合机器人的激光器、摄像头、惯性传感器、电机编码器等获取的位置信息来融合得到机器人的当前定位。并且,防止定位偏移最主要的是依赖室内的空间、距离的特征信息。然而,对于服务机器人来说,由于工作场景是非结构化的,即场景多变,人员情况不可控,当场景的空间、距离特征信息单调(如长走廊、空旷的大厅),室内场景变化(如大面积的临时障碍物),人流密集的时候,机器人很容易出现定位的偏移,甚至导致定位彻底丢失,失去自主工作能力。
鉴于此,实有必要提供一种新型的机器人定位的修正方法、***、机器人及计算机存储介质以克服上述缺陷。
【发明内容】
本发明的目的是提供一种机器人定位的修正方法、***、机器人及计算机存储介质,能够根据识别到的语义特征信息对机器人的当前定位进行修正,提高了机器人定位的精确性,提升了机器人移动的可靠性和自我纠错能力。
为了实现上述目的,第一方面,本发明提供一种机器人定位的修正方法,包括如下步骤:对机器人移动环境内的语义特征信息进行识别;根据识别到的语义特征信息获取所述机器人的全局位置;根据所述全局位置修正所述机器人的当前定位。
在一个优选实施方式中,所述根据识别到的语义特征信息获取所述机器人的全局位置信息的步骤,包括:获取所述识别到的语义特征信息与所述机器人的第一相对位置信息;获取所述识别到的语义特征信息在所述机器人预存的全局地图上绑定的第二相对位置信息;根据所述第一相对位置信息与所述第二相对位置信息计算所述机器人的全局位置。
在一个优选实施方式中,所述对机器人移动环境内的语义特征信息进行识别的步骤,包括:在所述机器人移动的过程中,创建临时语义地图;判断所述识别到的语义特征信息在所述临时语义地图上是否存在;当所述识别到的语义特征信息在所述临时语义地图上存在时,更新所述语义特征信息在所述临时语义地图上的特征位置。
在一个优选实施方式中,所述根据所述全局位置修正所述机器人的当前定位的步骤,包括:判断所述机器人的当前定位与所述全局位置的差异是否大于预设阈值;当所述机器人的当前定位与所述全局位置的差异大于预设阈值时,将所述临时语义地图与机器人预存的语义地图进行匹配;根据所述临时语义地图与所述预存的语义地图的匹配结果搜索所述机器人的最终定位。
第二方面,本发明还提供一种机器人定位的修正***,包括:识别模块,用于对机器人移动环境内的语义特征信息进行识别;获取模块,用于根据识别到的语义特征信息获取所述机器人的全局位置;以及修正模块,用于根据所述全局位置修正所述机器人的当前定位。
在一个优选实施方式中,所述获取模块包括:第一获取单元,用于获取所述识别到的语义特征信息与所述机器人的第一相对位置信息;第二获取单元,用于获取所述识别到的语义特征信息在所述机器人预存的全局地图上绑定的第二相对位置信息;以及计算单元,用于根据所述第一相对位置信息与所述第二相对位置信息计算所述机器人的全局位置。
在一个优选实施方式中,所述识别模块包括:创建单元,用于在所述机器人移动的过程中,创建临时语义地图;第一判断单元,用于判断所述识别到的语义特征信息在所述临时语义地图上是否存在;以及更新单元,用于当所述识别到的语义特征信息在所述临时语义地图上存在时,更新所述语义特征信息在所述临时语义地图上的特征位置。
在一个优选实施方式中,所述修正模块包括:第二判断单元,用于判断所述机器人的当前定位与所述全局位置的差异是否大于预设阈值;匹配单元,用于当所述机器人的当前定位与所述全局位置的差异大于预设阈值时,将所述临时语义地图与机器人预存的语义地图进行匹配;以及搜索单元,用于根据所述临时语义地图与所述预存的语义地图的匹配结果搜索所述机器人的最终定位。
第三方面,本发明还提供一种机器人,包括:存储器及一个或多个处理器;所述存储器,用于存储一个或多个计算机程序;当所述一个或多个计算机程序被所述一个或多个处理器执行时,实现上述任意一项实施方式所述的机器人定位的修正方法。
第四方面,本发明还提供一种计算机存储介质,所述计算机存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现上述任意一项实施方式所述的机器人定位的修正方法。
相比于现有技术,本发明提供的机器人定位的修正方法、***、机器人及计算机存储介质,机器人能够对移动环境内的语义特征信息进行识别,根据识别到的语义特征信息获取所述机器人的全局位置,并且,根据所述全局位置修正所述机器人的当前定位,即实现了机器人对空间、距离特征信息以外的语义特征信息的感知,在机器人移动环境的空间、距离特征信息单调、场景发生变化、人流密集时,能够根据识别到的语义特征信息对机器人的当前定位进行修正,提高了机器人定位的精确性,提升了机器人移动的可靠性和自我纠错能力。
为使发明的上述目的、特征和优点能更明显易懂,下文特举本发明较佳实施例,并配合所附附图,作详细说明如下。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明提供的机器人定位的修正***的原理框图;
图2为本发明提供的机器人定位的修正***的获取模块的原理框图;
图3为本发明提供的机器人定位的修正***的识别模块的原理框图;
图4为本发明提供的机器人定位的修正***的修正模块的原理框图;
图5为本发明提供的机器人定位的修正方法的流程图;
图6为本发明提供的机器人定位的修正方法的步骤S20的流程图;
图7为本发明提供的机器人定位的修正方法的步骤S10的流程图;
图8为本发明提供的机器人定位的修正方法的步骤S30的流程图;
图9为机器人进行语义特征信息匹配搜索的过程图;
图10为本发明提供的机器人的原理框图。
【具体实施方式】
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其为本发明提供的机器人定位的修正***100的原理框图。本发明提供的机器人定位的修正***100,包括识别模块10、获取模块20及修正模块30。
具体的,识别模块10用于对机器人移动环境内的语义特征信息进行识别;获取模块20用于根据识别到的语义特征信息获取所述机器人的全局位置;修正模块30用于根据所述全局位置修正所述机器人的当前定位。
进一步地,请参阅图2,获取模块20包括第一获取单元21、第二获取单元22以及计算单元23。
具体的,第一获取单元21用于获取所述识别到的语义特征信息与所述机器人的第一相对位置信息;第二获取单元22用于获取所述识别到的语义特征信息在所述机器人预存的全局地图上绑定的第二相对位置信息;计算单元23用于根据所述第一相对位置信息与所述第二相对位置信息计算所述机器人的全局位置。
进一步地,请参阅图3,识别模块10包括创建单元11、第一判断单元12及更新单元13。
具体的,创建单元11用于在所述机器人移动的过程中,创建临时语义地图;第一判断单元12用于判断所述识别到的语义特征信息在所述临时语义地图上是否存在;更新单元13用于当所述识别到的语义特征信息在所述临时语义地图上存在时,更新所述语义特征信息在所述临时语义地图上的特征位置。
进一步地,请参阅图4,所述修正模块30包括第二判断单元31、匹配单元32及搜索单元33。
具体的,第二判断单元31用于判断所述机器人的当前定位与所述全局位置的差异是否大于预设阈值;匹配单元32用于当所述机器人的当前定位与所述全局位置的差异大于预设阈值时,将所述临时语义地图与机器人预存的语义地图进行匹配;搜索单元33用于根据所述临时语义地图与所述预存的语义地图的匹配结果搜索所述机器人的最终定位。
可以理解地,上述各功能模块及单元可以软件程序的形式存储于存储器中,并由处理器执行。替代实施例中,上述各功能模块及单元也可为具有特定功能的硬件,例如,烧录有特定软件程序的芯片。
下面结合图5、图6、图7及图8对上述各功能模块及单元进行详细的介绍。
如图5所示,其为本发明提供的机器人定位的修正方法的流程图。所应说明的是,本发明的方法并不受限于下述步骤的顺序,且其他实施例中,本发明的方法可以只包括以下所述步骤的其中一部分,或者其中的部分步骤可以被删除。
本发明提供的机器人定位的修正方法,包括如下步骤:
步骤S10:对机器人移动环境内的语义特征信息进行识别。具体的,识别模块10能够对机器人移动环境内的语义特征信息进行识别,机器人可以装备一个或多个能够采集外界环境深度或纹理信息的传感器,如激光雷达(2D或3D),单目或多目摄像头,深度相机等。机器人能够通过装备的传感器准确的识别移动环境中的语义特征信息,例如电梯门、普通门、门牌号、楼层号等,识别方法包括通过传统的图像处理、特征匹配以及通过神经网络的方式训练得到。
步骤S20:根据识别到的语义特征信息获取所述机器人的全局位置。具体的,获取模块20能够根据识别到的语义特征信息反向推断所述机器人的全局位置,即机器人能够根据当前识别到的语义特征信息与机器人之间的相对位置关系,以及当前语义特征信息在全局地图上绑定的位置信息,反向计算机器人根据识别特征推断的全局位置。
步骤S30:根据所述全局位置修正所述机器人的当前定位。具体的,修正模块30能够根据全局位置修正所述机器人的当前定位,机器人在移动的过程中,不断的对当前识别到的语义特征信息与预先存储的信息进行校验,当信息不一致时,修正模块30会对当前定位进行纠正。
因此,本发明提供的机器人定位的修正方法,机器人能够对移动环境内的语义特征信息进行识别,根据识别到的语义特征信息获取所述机器人的全局位置,并且,根据所述全局位置修正所述机器人的当前定位,即实现了机器人对空间、距离特征信息以外的语义特征信息的感知,在机器人移动环境的空间、距离特征信息单调、场景发生变化、人流密集时,能够根据识别到的语义特征信息对机器人的当前定位进行修正,提高了机器人定位的精确性,提升了机器人移动的可靠性和自我纠错能力。
进一步地,请参阅图6,步骤S20包括如下子步骤:
步骤S21:获取所述识别到的语义特征信息与所述机器人的第一相对位置信息。具体的,第一获取单元21能够获取所述识别到的语义特征信息与所述机器人的第一相对位置信息,即机器人能够将识别到的语义特征信息,和该特征与机器人之间的空间位置关系建立映射,进而获取第一位置信息,例如,获取识别到的电梯门在机器人当前视角下的坐标、宽度、方向等几何信息。
步骤S22:获取所述识别到的语义特征信息在所述机器人预存的全局地图上绑定的第二相对位置信息。具体的,第二获取单元22能够获取所述识别到的语义特征信息在所述机器人预存的全局地图上绑定的第二相对位置信息,可以理解,机器人内具有预先存储在存储器内的全局地图及语义地图,语义地图中包含了各语义特征信息绑定在机器人全局地图上的具***置和一些其他参数(如语义可信度,位置误差),进而获取第二相对位置信息。该语义地图可以在机器人进行空间构建全局地图的阶段同步生成,还可以通过云端服务器进行动态生成和自主更新。
可以理解,如果识别到的语义特征信息在机器人预存的语义地图上存在,但是数量不止一个时(如在具有多个电梯的电梯间),需要根据机器人的当前定位,以及语义特征信息的附加信息(如相似度,电梯门宽度等),计算得到预存的语义地图上和机器人当前识别到的最相似的语义特征,根据最相似的语义特征获取第二相对位置信息。
步骤S23:根据所述第一相对位置信息与所述第二相对位置信息计算所述机器人的全局位置。具体的,计算单元23根据当前识别到的特征与机器人之间的相对位置关系(即第一相对位置信息),以及当前特征在全局地图上绑定的位置关系(即第二相对位置信息),反向计算机器人根据识别的语义特征信息推断的全局位置。
进一步地,请参阅图7,步骤S10包括如下步骤:
步骤S11:在所述机器人移动的过程中,创建临时语义地图。具体的,创建单元11能够在所述机器人移动的过程中,创建临时语义地图,临时语义地图包含了机器人与识别到的语义特征信息之间的空间位置关系,当机器人定位偏移很大难以快速修正时,可以通过临时语义地图,与预先存储的语义地图进行匹配,重新搜索获得正确的定位。
步骤S12:判断所述识别到的语义特征信息在所述临时语义地图上是否存在。具体的,判断单元12判断所述识别到的语义特征信息在所述临时语义地图上是否存在,由于临时语义地图是在机器人移动的过程中创建的,当识别到语义特征信息时,为了避免语义特征信息的重复记录,需要判断识别到的语义特征信息在临时语义地图上是否存在。
步骤S13:当所述识别到的语义特征信息在所述临时语义地图上存在时,更新所述语义特征信息在所述临时语义地图上的特征位置。具体的,更新模块13能够更新临时语义地图上存在的语义特征信息的特征位置,即根据实际场景的特征建立语义特征信息与特征位置的关系映射,进而实现临时语义地图的更新。可以理解,当所述识别到的语义特征信息在所述临时语义地图上不存在时,则在机器人的临时语义地图上新增识别到的语义特征信息。
进一步地,请参阅图8,步骤S30包括如下步骤:
步骤S31:判断所述机器人的当前定位与所述全局位置的差异是否大于预设阈值。具体的,第二判断单元31能够判断机器人的当前定位与根据语义特征信息计算得到的全局位置的差异是否大于预设阈值,即比较机器人当前定位和反向计算得到的全局位置之间的差异。
步骤S32:当所述机器人的当前定位与所述全局位置的差异大于预设阈值时,将所述临时语义地图与机器人预存的语义地图进行匹配。具体的,匹配单元32能够在所述机器人的当前定位与所述全局位置的差异大于预设阈值时,将所述临时语义地图与机器人预存的语义地图进行匹配。可以理解,当所述机器人的当前定位与所述全局位置的差异小于或等于预设阈值时,能够直接通过反向计算的全局位置修正机器人的当前定位。
步骤S33:根据所述临时语义地图与所述预存的语义地图的匹配结果搜索所述机器人的最终定位。具体的,当机器人当前定位和反向计算得到的全局位置之间的差异过大时,即机器人的定位偏移很大难以快速修正时,需要根据机器人建立的临时语义地图,通过和预存的语义地图进行匹配的方式,搜索单元33对机器人的位置进行重新搜索,以获得更准确的定位结果。
图9为机器人进行语义特征信息匹配搜索的过程图,当机器人定位偏移很大难以快速修正时,可以通过临时语义地图,与预先存储的语义地图进行匹配,重新搜索获得正确的定位,提高了机器人定位的准确性。
可以理解,除了传统的空间和距离信息,机器人还可以具备更复杂高等级的感知能力,比如对场景中丰富的语义特征信息进行识别和记忆,如电梯门,闸机,楼层号,特殊的图案,店铺的LOGO等。在室内场景中,大部分语义信息是与地图的位置是一一对应的,并且长时间不变的,因此,本发明提供的机器人定位的修正方法,合理的利用这些语义特征信息,对机器人的定位做辅助和修正,进一步提升了机器人定位的可靠性和自我纠错能力。
需要说明的是,本发明提供的机器人定位的修正方法的所有实施例均适用于本发明提供的机器人定位的修正***100,且均能够达到相同或相似的有益效果。
请参阅图10,本发明还提供一种机器人200,包括:存储器210及一个或多个处理器220。
具体的,存储器210用于存储一个或多个计算机程序;当所述一个或多个计算机程序被一个或多个处理器220执行时,实现上述任意一项所述的机器人定位的修正方法。
其中,所述存储器210可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器210用于存储程序,所述处理器220在接收到执行指令后运行所述程序,实现上述任意一项所述的机器人定位的修正方法。可以理解,所述处理器220以及其他可能的组件对所述存储器210的访问可在存储控制器的控制下进行。
所述处理器220可能是一种集成电路芯片,具有信号的处理能力。处理器220可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等,还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,能够实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。
本发明还提供一种计算机存储介质,计算机存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现如前述实施例中任意一项所述的机器人定位的修正方法。
综上,本发明提供的机器人定位的修正方法、***、机器人及计算机存储介质,机器人能够对移动环境内的语义特征信息进行识别,根据识别到的语义特征信息获取所述机器人的全局位置,并且,根据所述全局位置修正所述机器人的当前定位,即实现了机器人对空间、距离特征信息以外的语义特征信息的感知,在机器人移动环境的空间、距离特征信息单调、场景发生变化、人流密集时,能够根据识别到的语义特征信息对机器人的当前定位进行修正,提高了机器人定位的精确性,提升了机器人移动的可靠性和自我纠错能力。
以上所述仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种机器人定位的修正方法,其特征在于,包括如下步骤:
对机器人移动环境内的语义特征信息进行识别;
根据识别到的语义特征信息获取所述机器人的全局位置;
根据所述全局位置修正所述机器人的当前定位。
2.如权利要求1所述的机器人定位的修正方法,其特征在于,所述根据识别到的语义特征信息获取所述机器人的全局位置信息的步骤,包括:
获取所述识别到的语义特征信息与所述机器人的第一相对位置信息;
获取所述识别到的语义特征信息在所述机器人预存的全局地图上绑定的第二相对位置信息;
根据所述第一相对位置信息与所述第二相对位置信息计算所述机器人的全局位置。
3.如权利要求1所述的机器人定位的修正方法,其特征在于,所述对机器人移动环境内的语义特征信息进行识别的步骤,包括:
在所述机器人移动的过程中,创建临时语义地图;
判断所述识别到的语义特征信息在所述临时语义地图上是否存在;
当所述识别到的语义特征信息在所述临时语义地图上存在时,更新所述语义特征信息在所述临时语义地图上的特征位置。
4.如权利要求3所述的机器人定位的修正方法,其特征在于,所述根据所述全局位置修正所述机器人的当前定位的步骤,包括:
判断所述机器人的当前定位与所述全局位置的差异是否大于预设阈值;
当所述机器人的当前定位与所述全局位置的差异大于预设阈值时,将所述临时语义地图与机器人预存的语义地图进行匹配;
根据所述临时语义地图与所述预存的语义地图的匹配结果搜索所述机器人的最终定位。
5.一种机器人定位的修正***,其特征在于,包括:
识别模块,用于对机器人移动环境内的语义特征信息进行识别;
获取模块,用于根据识别到的语义特征信息获取所述机器人的全局位置;以及
修正模块,用于根据所述全局位置修正所述机器人的当前定位。
6.如权利要求5所述的机器人定位的修正***,其特征在于,所述获取模块包括:
第一获取单元,用于获取所述识别到的语义特征信息与所述机器人的第一相对位置信息;
第二获取单元,用于获取所述识别到的语义特征信息在所述机器人预存的全局地图上绑定的第二相对位置信息;以及
计算单元,用于根据所述第一相对位置信息与所述第二相对位置信息计算所述机器人的全局位置。
7.如权利要求5所述的机器人定位的修正***,其特征在于,所述识别模块包括:
创建单元,用于在所述机器人移动的过程中,创建临时语义地图;
第一判断单元,用于判断所述识别到的语义特征信息在所述临时语义地图上是否存在;以及
更新单元,用于当所述识别到的语义特征信息在所述临时语义地图上存在时,更新所述语义特征信息在所述临时语义地图上的特征位置。
8.如权利要求7所述的机器人定位的修正***,其特征在于,所述修正模块包括:
第二判断单元,用于判断所述机器人的当前定位与所述全局位置的差异是否大于预设阈值;
匹配单元,用于当所述机器人的当前定位与所述全局位置的差异大于预设阈值时,将所述临时语义地图与机器人预存的语义地图进行匹配;以及
搜索单元,用于根据所述临时语义地图与所述预存的语义地图的匹配结果搜索所述机器人的最终定位。
9.一种机器人,其特征在于,包括:存储器及一个或多个处理器;
所述存储器,用于存储一个或多个计算机程序;
当所述一个或多个计算机程序被所述一个或多个处理器执行时,实现如权利要求1-4任意一项所述的机器人定位的修正方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-4任意一项所述的机器人定位的修正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110246531.9A CN112861859A (zh) | 2021-03-05 | 2021-03-05 | 机器人定位的修正方法、***、机器人及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110246531.9A CN112861859A (zh) | 2021-03-05 | 2021-03-05 | 机器人定位的修正方法、***、机器人及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112861859A true CN112861859A (zh) | 2021-05-28 |
Family
ID=75994105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110246531.9A Pending CN112861859A (zh) | 2021-03-05 | 2021-03-05 | 机器人定位的修正方法、***、机器人及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112861859A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170225332A1 (en) * | 2016-02-09 | 2017-08-10 | Cobalt Robotics Inc. | Mobile Robot With Removable Fabric Panels |
CN109945858A (zh) * | 2019-03-20 | 2019-06-28 | 浙江零跑科技有限公司 | 用于低速泊车驾驶场景的多传感融合定位方法 |
-
2021
- 2021-03-05 CN CN202110246531.9A patent/CN112861859A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170225332A1 (en) * | 2016-02-09 | 2017-08-10 | Cobalt Robotics Inc. | Mobile Robot With Removable Fabric Panels |
CN109945858A (zh) * | 2019-03-20 | 2019-06-28 | 浙江零跑科技有限公司 | 用于低速泊车驾驶场景的多传感融合定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10006772B2 (en) | Map production method, mobile robot, and map production system | |
US12031837B2 (en) | Method and device for updating map | |
Diosi et al. | Laser scan matching in polar coordinates with application to SLAM | |
CN107710094B (zh) | 自主车辆运行期间的在线校准检查 | |
Becker et al. | Reliable navigation using landmarks | |
CN111693050B (zh) | 基于建筑信息模型的室内中大型机器人导航方法 | |
KR101409987B1 (ko) | 이동 로봇의 자세 보정 방법 및 장치 | |
US20090093907A1 (en) | Robot System | |
KR20170088228A (ko) | 다중로봇의 자기위치인식에 기반한 지도작성 시스템 및 그 방법 | |
WO2009014332A2 (en) | Method and system for creating indoor environment map | |
KR102547274B1 (ko) | 이동 로봇 및 이의 위치 인식 방법 | |
WO2013032192A2 (ko) | 천장 임의 형상 특성 활용 이동 로봇 위치 인식 방법 | |
CN111220153A (zh) | 基于视觉拓扑节点和惯性导航的定位方法 | |
CN111307147A (zh) | 一种融合定位反光板与激光特征的agv高精度定位方法 | |
JP2016024598A (ja) | 自律移動装置の制御方法 | |
JPWO2007113956A1 (ja) | 移動***置の推定装置と推定方法及び推定プログラム | |
US11067694B2 (en) | Locating method and device, storage medium, and electronic device | |
US20230185317A1 (en) | Information processing device, information processing system, method, and program | |
CN112861859A (zh) | 机器人定位的修正方法、***、机器人及计算机存储介质 | |
Garulli et al. | Simultaneous localization and map building using linear features | |
Kawecki et al. | Ar tags based absolute positioning system | |
CN112683273A (zh) | 一种自适应增量建图方法、***、计算机设备及存储介质 | |
KR101248308B1 (ko) | 천장 조명 방향 특성 활용 이동 로봇 위치 인식 방법 및 이를 활용한 천장 조명 방향 특성 활용 위치 인식 이동 로봇 장치 | |
Liu et al. | SLAM algorithm based on natural environment and reflective column information | |
KR102631313B1 (ko) | Slam 기술 구현을 위한 비전 데이터 및 라이다 데이터 간의 실시간 분석 및 대조를 통해 위치 오차 보정이 가능한 장치 |
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 |