CN114102574A - 定位误差评估***、方法 - Google Patents

定位误差评估***、方法 Download PDF

Info

Publication number
CN114102574A
CN114102574A CN202010882935.2A CN202010882935A CN114102574A CN 114102574 A CN114102574 A CN 114102574A CN 202010882935 A CN202010882935 A CN 202010882935A CN 114102574 A CN114102574 A CN 114102574A
Authority
CN
China
Prior art keywords
information
coordinate system
positioning
robot
posture
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
Application number
CN202010882935.2A
Other languages
English (en)
Other versions
CN114102574B (zh
Inventor
姜伟
俞毓锋
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.)
Beijing Jizhijia Technology Co Ltd
Original Assignee
Beijing Jizhijia Technology 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 Beijing Jizhijia Technology Co Ltd filed Critical Beijing Jizhijia Technology Co Ltd
Priority to CN202010882935.2A priority Critical patent/CN114102574B/zh
Publication of CN114102574A publication Critical patent/CN114102574A/zh
Application granted granted Critical
Publication of CN114102574B publication Critical patent/CN114102574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本申请实施例提供了一种定位误差评估***、方法，其中，定位误差评估***包括第一位姿测量装置、第二位姿测量装置和控制服务器，机器人上设置至少一个定位标识。第一位姿测量装置用于获取定位标识的至少一个第一位姿信息；第二位姿测量装置用于获取机器人的至少一个第二位姿信息；控制服务器用于基于至少一个第一位姿信息和至少一个第二位姿信息，确定对机器人进行定位的定位误差信息。本申请实施例结合定位标识的第一位姿信息和机器人的第二位姿信息，能够突破位姿测量装置所使用的导航和定位技术的限制，实现了全面、准确地评估机器人的定位性能。

Description

定位误差评估***、方法
技术领域
本申请涉及机器人和定位技术领域，具体而言，涉及一种定位误差评估***、方法。
背景技术
随着自动化技术的发展，机器人越来越普遍的出现在了人们的生活和工作中，其能够接收并执行人类派发任务，为人类提供服务。
机器人在执行任务的过程中，其定位精度的高低在一定程度上决定了其执行任务的好坏。为了保证机器人执行任务的质量，需要评估机器人的定位误差。现有的定位误差评估方法往往是计算二维码导航或SLAM(simultaneous localization and mapping，同步定位与建图)导航的重复定位误差，由于机器人在导航过程中可能会混用二维码和SLAM地图，单独对机器人进行二维码导航或SLAM导航的重复定位误差评估难以全面评估机器人的定位性能。
发明内容
本申请实施例至少提供一种定位误差评估***，以提高机器人定位性能评估的准确度。
第一方面，本申请实施例提供了一种定位误差评估***包括：至少一个机器人，所述机器人上设置至少一个定位标识；
第一位姿测量装置，设置为获取所述定位标识的至少一个第一位姿信息；
第二位姿测量装置，设置为获取所述机器人的至少一个第二位姿信息；
控制服务器，设置为基于所述至少一个第一位姿信息和所述在至少一个第二位姿信息，确定对所述机器人进行定位的定位误差信息。
在一种可能的实施方式中，所述第一位姿信息为所述定位标识在真值坐标系下的真值位姿信息；
所述第二位姿测量装置设置在所述机器人上；所述第二位姿信息为所述机器人在测量坐标系下的测量位姿信息。
在一种可能的实施方式中，所述控制服务器在确定所述定位误差信息时，设置为：
确定与每个第一位姿信息在时间上匹配的第二位姿信息，得到至少一个误差评估数据对；每个所述误差评估数据对均包括一个第一位姿信息和与该第一位姿信息匹配的第二位姿信息；
基于所述定位标识对应的定位标识坐标系与机器人对应的本体坐标系之间的坐标系变换关系，对每个第二位姿信息进行纠偏处理，得到一第三位姿信息，所述第三位姿信息为所述定位标识在测量坐标系下的纠偏处理后的测量位姿信息；
基于测量坐标系与真值坐标系之间的坐标系变换关系，将每个第三位姿信息转换到真值坐标系下，得到一第四位姿信息，所述第四位姿信息为定位标识在真值坐标系下的纠偏处理后的测量位姿信息；
针对每个误差评估数据对，基于该误差评估数据对中的所述第四位姿信息和第一位姿信息，确定该误差评估数据对对应的误差信息；
基于每个误差评估数据对对应的误差信息，确定并输出所述定位误差信息。
在一种可能的实施方式中，所述控制服务器在将每个第三位姿信息转换到真值坐标系下之前，还设置为：
确定测量坐标系与真值坐标系之间的坐标系变换关系。
在一种可能的实施方式中，所述控制服务器在确定测量坐标系与真值坐标系之间的坐标系变换关系时，设置为：
获取所述定位标识在所述真值坐标系中的多个第一样本位姿信息；
获取所述机器人在所述测量坐标系中的多个第二样本位姿信息；
基于所述定位标识坐标系与所述本体坐标系之间的坐标系变换关系和所述多个第二样本位姿信息，对每个第二样本位姿信息进行纠偏处理，得到所述定位标识在测量坐标系下的纠偏处理后的样本位姿信息；
基于所述多个第一样本位姿信息和多个纠偏处理后的第二样本测量位姿信息，确定测量坐标系与真值坐标系之间的坐标系变换关系。
在一种可能的实施方式中，所述控制服务器在确定与每个第一位姿信息在时间上匹配的第二位姿信息时，设置为：
获取每个第一位姿信息的生成时间和每个第二位姿信息的生成时间；
针对每个第一位姿信息，筛选与该第一位姿信息的生成时间最接近、并且未与其他第一位姿信息匹配的第二位姿信息，并将筛选得到的第二位姿信息作为与该第一位姿信息在时间上匹配的第二位姿信息。
在一种可能的实施方式中，所述第一位姿测量装置包括多台具有不同拍摄方位的相机；所述真值坐标系为相机坐标系；
所述测量坐标系为地图坐标系。
第二方面，本申请提供了一种定位误差评估方法，应用于误差评估***，用于确定位姿测量***对机器人进行位姿信息测量产生的定位误差信息，所述机器人上设置至少一个定位标识；包括：
接收第一位姿测量装置测量的所述定位标识的至少一个第一位姿信息；
第二位姿测量装置测量的所述机器人的至少一个第二位姿信息；
基于所述至少一个第一位姿信息和所述在至少一个第二位姿信息，确定对所述机器人进行定位的定位误差信息。
在一种可能的实施方式中，所述第一位姿信息为所述定位标识在真值坐标系下的真值位姿信息；
所述第二位姿测量装置设置在所述机器人上；所述第二位姿信息为所述机器人在测量坐标系下的测量位姿信息。
在一种可能的实施方式中，所述基于所述至少一个第一位姿信息和所述在至少一个第二位姿信息，确定对所述机器人进行定位的定位误差信息，包括：
确定与每个第一位姿信息在时间上匹配的第二位姿信息，得到至少一个误差评估数据对；每个所述误差评估数据对均包括一个第一位姿信息和与该第一位姿信息匹配的第二位姿信息；
基于所述定位标识对应的定位标识坐标系与机器人对应的本体坐标系之间的坐标系变换关系，对每个第二位姿信息进行纠偏处理，得到一第三位姿信息，所述第三位姿信息为所述定位标识在测量坐标系下的纠偏处理后的测量位姿信息；
基于测量坐标系与真值坐标系之间的坐标系变换关系，将每个第三位姿信息转换到真值坐标系下，得到一第四位姿信息，所述第四位姿信息为定位标识在真值坐标系下的纠偏处理后的测量位姿信息；
针对每个误差评估数据对，基于该误差评估数据对中的所述第四位姿信息和第一位姿信息，确定该误差评估数据对对应的误差信息；
基于每个误差评估数据对对应的误差信息，确定并输出所述定位误差信息。
本申请实施例提供的定位误差评估***，包括第一位姿测量装置、第二位姿测量装置和控制服务器，机器人上设置至少一个定位标识。其中，第一位姿测量装置设置为获取定位标识的至少一个第一位姿信息；第二位姿测量装置设置为获取机器人的至少一个第二位姿信息；控制服务器设置为基于至少一个第一位姿信息和至少一个第二位姿信息，确定对机器人进行定位的定位误差信息。本申请实施例结合定位标识的至少一个第一位姿信息和机器人的至少一个第二位姿信息，能够突破位姿测量装置所使用的导航和定位技术的限制，实现了全面、准确地评估对机器人的定位性能。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，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申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。应当理解，以下附图仅示出了本申请的某些实施例，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为本申请实施例所提供的定位误差评估***的结构示意图；
图2A为本申请实施例中未纠偏的位姿信息示意图；
图2B为本申请实施例中纠偏后的位姿信息示意图；
图3A为本申请实施例中机器人的横向误差示意图；
图3B为本申请实施例中机器人的角度误差示意图；
图4为本申请实施例中定位误差评估方法示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，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，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
自主运动的机器人在执行任务过程中，可能混合使用二维码导航和SLAM导航，那么，在评估机器人的定位误差时，是单独对机器人的二维码导航或SLAM导航进行重复定位误差评估，无法全面评估机器人的定位性能，降低了机器人定位性能评估的准确度。本申请实施例结合定位标识的第一位姿信息和机器人的第二位姿信息，能够突破机器人所使用的导航和定位技术的限制，实现了全面、准确地评估机器人的定位性能。
上述自主运动的机器人包括机器人本体和机器人定位***，机器人定位***用于测量机器人本体的位姿，即实现机器人本体的定位。下述第二位姿测量装置与机器人定位***相对应，第二位姿测量装置包括机器人定位***，机器人定位***是一种具体的位姿测量装置。机器人和第二位姿测量装置合并能够得到上述自主运动的机器人。
下面对本申请提供的定位误差评估***进行详细说明。如图1所示，本申请实施例提供的定位误差评估***包括第一位姿测量装置11、第二位姿测量装置12、和控制服务器13。控制服务器用于确定第二位姿测量装置对机器人进行位姿信息测量产生的定位误差信息，其中，所述机器人上设置有至少一个定位标识。
上述第一位姿测量装置可以包括多台具有不同拍摄方位的相机；所述第二位姿测量装置可以包括机器人定位***。具体地。第一位姿测量装置可以是一套长14m，宽9m，由12台相机组成的6DOF位姿测量装置，该装置的位姿测量误差为亚毫米级，该装置测量得到的位姿信息可以作为真值使用。上述第二位姿测量装置能够实现二维码定位和SLAM定位，机器人在二维码和SLAM混合场地中运动，若机器人在二维码场地中运行时，第二位姿测量装置通过识别二维码确定机器人的位姿信息；机器人从二维码场地走入SLAM场地时，第二位姿测量装置通过SLAM确定机器人的位姿信息。
在具体实施时，上述第一位姿测量装置设置为，获取所述定位标识的至少一个第一位姿信息。这里，定位标识是设置在机器人上的，第一位姿测量装置并未直接检测得到机器人的位姿信息，而是直接检测得到定位标识的位姿信息。通过跟踪定位标识的位姿信息能够确定机器人的位姿信息。上述定位标识可以设置在机器人的质心位置，这样定位标识的位姿信息与机器人的位姿信息最为相似。上述第一位姿信息为所述定位标识在真值坐标系，即相机坐标系下的真值位姿信息。
所述第二位姿测量装置设置为获取所述机器人的至少一个第二位姿信息。这里，检测的第二位姿信息既可以包括通过二维码识别得到的位姿信息，也可以包括通过SLAM得到的位姿信息。这里，所述第二位姿测量装置设置在所述机器人上；所述第二位姿信息为所述机器人在测量坐标系，即地图坐标系下的测量位姿信息。
所述控制服务器设置为基于所述至少一个第一位姿信息和所述至少一个第二位姿信息，确定对所述机器人进行定位的定位误差信息。
上述控制服务器在基于所述第一位姿信息和所述第二位姿信息，确定所述定位误差信息时，具体设置为执行以下步骤：
步骤一、确定与每个第一位姿信息在时间上匹配的第二位姿信息，得到至少一个误差评估数据对；每个所述误差评估数据对均包括一个第一位姿信息和与该第一位姿信息匹配的第二位姿信息。
步骤二、基于所述定位标识对应的定位标识坐标系与机器人对应的本体坐标系之间的坐标系变换关系，对每个第二位姿信息进行纠偏处理，得到一第三位姿信息，所述第三位姿信息为所述定位标识在测量坐标系下的纠偏处理后的测量位姿信息。
上述第二位姿信息表示的是机器人在地图坐标系中的位姿，利用定位标识对应的定位标识坐标系与机器人对应的本体坐标系之间的坐标系变换关系，能够将机器人在地图坐标系中的位姿变换为定位标识在地图坐标系中的位姿，即上述第三位姿信息。变换得到的第三位姿信息是一个对直接测量得到的第二位姿信息的纠偏信息，即是一个测量值的纠偏值。
具体地，可以利用如下公式计算第三位姿信息：
Pcorest＝Ptestimate×Tmarker (1)
式中，Pcorest表示第三位姿信息，Ptestimate表示第二位姿信息，Tmarker表示定位标识坐标系与本体坐标系之间的坐标系变换关系。
步骤三、基于测量坐标系与真值坐标系之间的坐标系变换关系，将每个第三位姿信息转换到真值坐标系下，得到一第四位姿信息，所述第四位姿信息为定位标识在真值坐标系下的纠偏处理后的测量位姿信息。
基于上述测量坐标系与真值坐标系之间的坐标系变换关系，能够将定位标识在地图坐标系中的位姿，即上述第三位姿信息，变换为定位标识在相机坐标系中的位姿，得到上述第四位姿信息。变换得到的第四位姿信息如图2B中方框21所示，直接测量得到的第二位姿信息如图2A中的方框22所示，直接测量得到的第一位姿信息如图2A中的方框23和图2B中的方框24所示。从图2A和2B中可知，坐标变换后，测量值，即第四位姿信息21与真值，即第一位姿信息24较为接近或相似。在实际应用中，如果机器人定位误差较小，第四位姿信息21与第一位姿信息24非常接近，两者的差值较小。
具体地，可以利用如下公式计算第四位姿信息：
Ptranslatied＝Ttranslation×Pcorest (2)
式中，Ptranslatied表示第四位姿信息，Ttranslation表示测量坐标系与真值坐标系之间的坐标系变换关系。
步骤四、针对每个误差评估数据对，基于该误差评估数据对中的所述第四位姿信息和第一位姿信息，确定该误差评估数据对对应的误差信息。
至此，得到了定位标识在相机坐标系中的位姿的测量值，即上述第四位姿信息，结合定位标识在相机坐标系中的位姿的真值，即上述第一位姿信息，可以确定第二位姿测量装置对机器人进行位姿信息测量所产生的定位误差信息。
在具体实施时，可以通过计算第四位姿信息和第一位姿信息的差值，确定定位误差信息。位姿信息中包括角度信息，可以进一步对差值中的角度进行归一化处理。
具体地，可以利用如下公式计算定位误差信息：
Perror＝Ptruth-Ptranslatied (3)
式中，Perror表示定位误差信息，Ptruth表示第一位姿信息。
可以利用如下公式对定位误差信息中的角度θ进行归一化处理：
Thetaerror＝atan(cosθ,sinθ) (4)
式中，Thetaerror表示对定位误差信息中的角度θ进行归一化处理后的结果。
步骤五、基于每个误差评估数据对对应的误差信息，确定并输出所述定位误差信息。
在一些实施例中，控制服务器还设置为确定上述测量坐标系与真值坐标系之间的坐标系变换关系，在具体实施时，可以利用如下步骤实现：
步骤一、获取所述定位标识在所述真值坐标系中的多个第一样本位姿信息。
步骤二、获取所述机器人在所述地图坐标系中的多个第二样本位姿信息。
步骤三、基于所述定位标识坐标系与所述本体坐标系之间的坐标系变换关系和所述多个第二样本位姿信息，对每个第二样本位姿信息进行纠偏处理，得到所述定位标识在测量坐标系下的纠偏处理后的样本位姿信息。
具体可以利用如下公式计算上述纠偏处理后的样本位姿信息：
Qcorest i＝Qtestimate i×Tmarker (5)
式中，Qcorest i表示第i个纠偏处理后的样本位姿信息，Qtestimate i表示第i个第二样本位姿信息。
步骤四、基于所述多个第一样本位姿信息和多个纠偏处理后的第二样本位姿信息，确定测量坐标系与真值坐标系之间的坐标系变换关系。
具体可以利用如下子步骤实现：
子步骤一、基于多个第一样本位姿信息和多个纠偏处理后第二样本位姿信息，确定质心位姿信息和质心测量信息。
这里，可以将多个第一样本位姿信息的均值作为质心位姿信息，将纠偏处理后第二样本位姿信息的均值作为质心测量信息。
子步骤二、基于多个第一样本位姿信息、多个纠偏处理后第二样本位姿信息、质心位姿信息和质心测量信息，确定所述测量坐标系与真值坐标系之间的坐标系变换关系。
具体的，利用如下公式确定测量坐标系与真值坐标系之间的坐标系变换关系：
qtruth i＝Qtruth i-Qtruth (6)
qcorest i＝Qcorest i-Qcorest (7)
Figure BDA0002654688240000091
对W进行SVD分解，得到：
W＝UΣVT (9)
R＝UVT (10)
t＝Qtruth-R×Qcorest (11)
Figure BDA0002654688240000092
式中，Qtruth i表示第i个第一样本位姿信息，Qtruth表示质心位姿信息，Qcorest表示质心测量信息。
上述出现的四个坐标系：相机坐标系、地图坐标系，定位标识坐标系和本体坐标系，相机坐标系与地图坐标系之间的变换关系用Ttranslation表示,定位标识坐标系与本体坐标系之间的变换关系用Tmarker表示，本体坐标系与地图坐标系之间的变换关系用Testimate表示,定位标识坐标系与相机坐标系之间的变换关系用Ttruth表示，上述四个变换关系之间的关系，可以用如下公式表示：
Ttruth＝Ttranslation×Testimate×Tmarker (13)
基于上述变化关系才能实现上述实施例中的坐标系变换。
在一些实施例中，所述第一位姿测量装置还设置为：按照时间顺序，获取多个所述第一位姿信息。这里，得到了一个第一位姿信息序列。
所述第二位姿测量装置还设置为：按照时间顺序，获取多个所述第二位姿信息。这里，得到了一个第二位姿信息序列。
所述控制服务器还设置为：针对每个第一位姿信息，基于该第一位姿信息的生成时间和每个所述第二位姿信息的生成时间，筛选与该第一位姿信息的生成时间最接近、并且未与其他第一位姿信息匹配的第二位姿信息，并将筛选得到的第二位姿信息作为与该第一位姿信息在时间上匹配的第二位姿信息。
上述控制服务器在确定与该第一位姿信息相匹配的第二位姿信息时，具体是将与第一位姿信息的生成时间最接近的第二位姿信息作为与该第一位姿信息相匹配的第二位姿信息。在具体实施时，可以利用一个回调函数传入上述第一位姿信息序列和第二位姿信息序列，在回调函数中定义两个缓冲区，进行上述位姿信息的匹配。
计算得到的各个定位误差信息可以通过直方图和正态分布图来表示，如图3A、3B所示，其中图3A表示机器人的横向误差，图3B表示机器人的角度误差。图中，mu表示生态分布的均值，sigma表示正态分布的方差。
对应于上述定位误差评估***，本申请还公开了一种定位误差评估方法，该方法应用于上述控制服务器，用于确定第二位姿测量装置对机器人进行位姿信息测量产生的定位误差信息，所述机器人上设置有至少一个定位标识。具体地，如图4所示，上述定位误差评估方法包括：
S410、接收第一位姿测量装置测量的所述定位标识的至少一个第一位姿信息。
S420、接收第二位姿测量装置测量的所述机器人的至少一个第二位姿信息。
S430、基于所述至少一个第一位姿信息和所述至少一个第二位姿信息，确定对所述机器人进行定位的定位误差信息。
在一些实施例中，所述基于所述至少一个第一位姿信息和所述在至少一个第二位姿信息，确定对所述机器人进行定位的定位误差信息，包括：
确定与每个第一位姿信息在时间上匹配的第二位姿信息，得到至少一个误差评估数据对；每个所述误差评估数据对均包括一个第一位姿信息和与该第一位姿信息匹配的第二位姿信息；
基于所述定位标识对应的定位标识坐标系与机器人对应的本体坐标系之间的坐标系变换关系，对每个第二位姿信息进行纠偏处理，得到一第三位姿信息，所述第三位姿信息为所述定位标识在测量坐标系下的纠偏处理后的测量位姿信息；
基于测量坐标系与真值坐标系之间的坐标系变换关系，将每个第三位姿信息转换到真值坐标系下，得到一第四位姿信息，所述第四位姿信息为定位标识在真值坐标系下的纠偏处理后的测量位姿信息；
针对每个误差评估数据对，基于该误差评估数据对中的所述第四位姿信息和第一位姿信息，确定该误差评估数据对对应的误差信息；
基于每个误差评估数据对对应的误差信息，确定并输出所述定位误差信息。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的定位误差评估方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本申请实施例所提供的定位误差评估方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行上述方法实施例中所述的定位误差评估方法的步骤，具体可参见上述方法实施例，在此不再赘述。
本申请实施例还提供一种计算机程序，该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software DevelopmentKit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种定位误差评估***，其特征在于，包括：至少一个机器人，所述机器人上设置至少一个定位标识；
第一位姿测量装置，设置为获取所述定位标识的至少一个第一位姿信息；
第二位姿测量装置，设置为获取所述机器人的至少一个第二位姿信息；
控制服务器，设置为基于所述至少一个第一位姿信息和所述至少一个第二位姿信息，确定对所述机器人进行定位的定位误差信息。
2.根据权利要求1所述的定位误差评估***，其特征在于，所述第一位姿信息为所述定位标识在真值坐标系下的真值位姿信息；
所述第二位姿测量装置设置在所述机器人上；所述第二位姿信息为所述机器人在测量坐标系下的测量位姿信息。
3.根据权利要求2所述的定位误差评估***，其特征在于，所述控制服务器在确定所述定位误差信息时，设置为：
确定与每个第一位姿信息在时间上匹配的第二位姿信息，得到至少一个误差评估数据对；每个所述误差评估数据对均包括一个第一位姿信息和与该第一位姿信息匹配的第二位姿信息；
基于所述定位标识对应的定位标识坐标系与机器人对应的本体坐标系之间的坐标系变换关系，对每个第二位姿信息进行纠偏处理，得到一第三位姿信息，所述第三位姿信息为所述定位标识在测量坐标系下的纠偏处理后的测量位姿信息；
基于测量坐标系与真值坐标系之间的坐标系变换关系，将每个第三位姿信息转换到真值坐标系下，得到一第四位姿信息，所述第四位姿信息为定位标识在真值坐标系下的纠偏处理后的测量位姿信息；
针对每个误差评估数据对，基于该误差评估数据对中的所述第四位姿信息和第一位姿信息，确定该误差评估数据对对应的误差信息；
基于每个误差评估数据对对应的误差信息，确定并输出所述定位误差信息。
4.根据权利要求3所述的定位误差评估***，其特征在于，所述控制服务器在将每个第三位姿信息转换到真值坐标系下之前，还设置为：
确定测量坐标系与真值坐标系之间的坐标系变换关系。
5.根据权利要求4所述的定位误差评估***，其特征在于，所述控制服务器在确定测量坐标系与真值坐标系之间的坐标系变换关系时，设置为：
获取所述定位标识在所述真值坐标系中的多个第一样本位姿信息；
获取所述机器人在所述测量坐标系中的多个第二样本位姿信息；
基于所述定位标识坐标系与所述本体坐标系之间的坐标系变换关系和所述多个第二样本位姿信息，对每个第二样本位姿信息进行纠偏处理，得到所述定位标识在测量坐标系下的纠偏处理后的样本位姿信息；
基于所述多个第一样本位姿信息和多个纠偏处理后的第二样本位姿信息，确定测量坐标系与真值坐标系之间的坐标系变换关系。
6.根据权利要求4所述的定位误差评估***，其特征在于，所述控制服务器在确定与每个第一位姿信息在时间上匹配的第二位姿信息时，设置为：
获取每个第一位姿信息的生成时间和每个第二位姿信息的生成时间；
针对每个第一位姿信息，筛选与该第一位姿信息的生成时间最接近、并且未与其他第一位姿信息匹配的第二位姿信息，并将筛选得到的第二位姿信息作为与该第一位姿信息在时间上匹配的第二位姿信息。
7.根据权利要求2至6任一项所述的定位误差评估***，其特征在于，所述第一位姿测量装置包括多台具有不同拍摄方位的相机；所述真值坐标系为相机坐标系；
所述测量坐标系为地图坐标系。
8.一种定位误差评估方法，应用于误差评估***，用于确定位姿测量***对机器人进行位姿信息测量产生的定位误差信息，所述机器人上设置至少一个定位标识；其特征在于，包括：
接收第一位姿测量装置测量的所述定位标识的至少一个第一位姿信息；
第二位姿测量装置测量的所述机器人的至少一个第二位姿信息；
基于所述至少一个第一位姿信息和所述至少一个第二位姿信息，确定对所述机器人进行定位的定位误差信息。
9.根据权利要求8所述的定位误差评估方法，其特征在于，所述第一位姿信息为所述定位标识在真值坐标系下的真值位姿信息；
所述第二位姿测量装置设置在所述机器人上；所述第二位姿信息为所述机器人在测量坐标系下的测量位姿信息。
10.根据权利要求9所述的定位误差评估方法，其特征在于，所述基于所述至少一个第一位姿信息和所述至少一个第二位姿信息，确定对所述机器人进行定位的定位误差信息，包括：
确定与每个第一位姿信息在时间上匹配的第二位姿信息，得到至少一个误差评估数据对；每个所述误差评估数据对均包括一个第一位姿信息和与该第一位姿信息匹配的第二位姿信息；
基于所述定位标识对应的定位标识坐标系与机器人对应的本体坐标系之间的坐标系变换关系，对每个第二位姿信息进行纠偏处理，得到一第三位姿信息，所述第三位姿信息为所述定位标识在测量坐标系下的纠偏处理后的测量位姿信息；
基于测量坐标系与真值坐标系之间的坐标系变换关系，将每个第三位姿信息转换到真值坐标系下，得到一第四位姿信息，所述第四位姿信息为定位标识在真值坐标系下的纠偏处理后的测量位姿信息；
针对每个误差评估数据对，基于该误差评估数据对中的所述第四位姿信息和第一位姿信息，确定该误差评估数据对对应的误差信息；
基于每个误差评估数据对对应的误差信息，确定并输出所述定位误差信息。
CN202010882935.2A 2020-08-28 2020-08-28 定位误差评估***、方法 Active CN114102574B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010882935.2A CN114102574B (zh) 2020-08-28 2020-08-28 定位误差评估***、方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010882935.2A CN114102574B (zh) 2020-08-28 2020-08-28 定位误差评估***、方法

Publications (2)

Publication Number Publication Date
CN114102574A true CN114102574A (zh) 2022-03-01
CN114102574B CN114102574B (zh) 2023-05-30

Family

ID=80374674

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010882935.2A Active CN114102574B (zh) 2020-08-28 2020-08-28 定位误差评估***、方法

Country Status (1)

Country Link
CN (1) CN114102574B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013071190A1 (en) * 2011-11-11 2013-05-16 Evolution Robotics, Inc. Scaling vector field slam to large environments
CN105953798A (zh) * 2016-04-19 2016-09-21 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
CN107782304A (zh) * 2017-10-26 2018-03-09 广州视源电子科技股份有限公司 移动机器人的定位方法及装置、移动机器人及存储介质
CN109443392A (zh) * 2018-12-10 2019-03-08 北京艾瑞思机器人技术有限公司 导航误差确定方法及装置、导航控制方法、装置及设备
CN110163025A (zh) * 2019-04-29 2019-08-23 达泊(东莞)智能科技有限公司 二维码定位方法及装置
CN110385720A (zh) * 2019-07-26 2019-10-29 南京航空航天大学 一种基于深度神经网络的机器人定位误差补偿方法
CN110794434A (zh) * 2019-11-29 2020-02-14 广州视源电子科技股份有限公司 一种位姿的确定方法、装置、设备及存储介质
DE102018124595A1 (de) * 2018-10-05 2020-04-09 Carl Zeiss Industrielle Messtechnik Gmbh Vorrichtung zur Erfassung einer Position und Lage eines Endeffektors eines Roboters
CN111070199A (zh) * 2018-10-18 2020-04-28 杭州海康威视数字技术股份有限公司 一种手眼标定评估方法及机器人
CN111238496A (zh) * 2020-01-14 2020-06-05 深圳市锐曼智能装备有限公司 机器人位姿确认方法、装置、计算机设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013071190A1 (en) * 2011-11-11 2013-05-16 Evolution Robotics, Inc. Scaling vector field slam to large environments
CN105953798A (zh) * 2016-04-19 2016-09-21 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
CN107782304A (zh) * 2017-10-26 2018-03-09 广州视源电子科技股份有限公司 移动机器人的定位方法及装置、移动机器人及存储介质
DE102018124595A1 (de) * 2018-10-05 2020-04-09 Carl Zeiss Industrielle Messtechnik Gmbh Vorrichtung zur Erfassung einer Position und Lage eines Endeffektors eines Roboters
CN111070199A (zh) * 2018-10-18 2020-04-28 杭州海康威视数字技术股份有限公司 一种手眼标定评估方法及机器人
CN109443392A (zh) * 2018-12-10 2019-03-08 北京艾瑞思机器人技术有限公司 导航误差确定方法及装置、导航控制方法、装置及设备
CN110163025A (zh) * 2019-04-29 2019-08-23 达泊(东莞)智能科技有限公司 二维码定位方法及装置
CN110385720A (zh) * 2019-07-26 2019-10-29 南京航空航天大学 一种基于深度神经网络的机器人定位误差补偿方法
CN110794434A (zh) * 2019-11-29 2020-02-14 广州视源电子科技股份有限公司 一种位姿的确定方法、装置、设备及存储介质
CN111238496A (zh) * 2020-01-14 2020-06-05 深圳市锐曼智能装备有限公司 机器人位姿确认方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杜宇等: "智能机器人仓储物流***设计", 《组合机床与自动化加工技术》 *

Also Published As

Publication number Publication date
CN114102574B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
US7333631B2 (en) Landmark, apparatus, and method for effectively determining position of autonomous vehicles
Segal et al. Generalized-icp.
JP5627325B2 (ja) 位置姿勢計測装置、位置姿勢計測方法、およびプログラム
JP2019185239A (ja) 物体認識処理装置及び方法、並びに、物体ピッキング装置及び方法
US20150283704A1 (en) Information processing apparatus and information processing method
US20220383547A1 (en) Hand-eye calibration of camera-guided apparatuses
CN113156407B (zh) 车载激光雷达外参数联合标定方法、***、介质及设备
CN112836558A (zh) 机械臂末端调整方法、装置、***、设备及介质
Zhou A closed-form algorithm for the least-squares trilateration problem
Kim et al. Robot head-eye calibration using the minimum variance method
CN108256563B (zh) 基于距离度量的视觉词典闭环检测方法与装置
CN113524183A (zh) 相对位置获得方法、机械臂控制方法以及机械臂***
CN114310880A (zh) 一种机械臂标定方法及装置
CN114918926A (zh) 机械臂视觉配准方法、装置、控制终端及存储介质
Xian et al. Fusing stereo camera and low-cost inertial measurement unit for autonomous navigation in a tightly-coupled approach
WO2019114631A1 (zh) 一种获取机器人tcp坐标的方法和装置
Tahri et al. Efficient iterative pose estimation using an invariant to rotations
Shah et al. Calibration of mobile manipulators using 2D positional features
CN117067261A (zh) 机器人监控方法、装置、设备及存储介质
WO2009107895A1 (en) Method of object tracking in 3d space based on particle filter using acoustic sensoes
CN114102574A (zh) 定位误差评估***、方法
US20240134033A1 (en) Method for determining a movement state of a rigid body
Jesus et al. Simultaneous localization and mapping for tracked wheel robots combining monocular and stereo vision
CN114926542A (zh) 基于光学定位***的混合现实固定参考系校准方法
Liu et al. Inertial measurement unit-camera calibration based on incomplete inertial sensor information

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