CN114440874A - 基于光流和光栅的融合定位方法和装置 - Google Patents
基于光流和光栅的融合定位方法和装置 Download PDFInfo
- Publication number
- CN114440874A CN114440874A CN202111673808.2A CN202111673808A CN114440874A CN 114440874 A CN114440874 A CN 114440874A CN 202111673808 A CN202111673808 A CN 202111673808A CN 114440874 A CN114440874 A CN 114440874A
- Authority
- CN
- China
- Prior art keywords
- path
- optical flow
- magnitude
- data
- grating
- 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
Images
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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01C21/20—Instruments for performing navigational calculations
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)
Abstract
一种基于光流和光栅的融合定位方法,包括:连续获取机器人运行过程中获取的光流数据、光栅数据和IMU数据;根据所述光栅数据和IMU数据确定第一路径,并且根据光流数据和IMU数据确定第二路径,所述第一路径和第二路径是根据预设时间,周期性截取的路径;在所述周期当中,判断第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距是否超过预设情况,并且根据判断结果执行对下周期当中第二路径的调整,以减小第二路径与同一周期内第一路径之间的偏差;融合步骤,对一个预设时间段内的所述第一路径和执行了所述调整的第二路径执行卡尔曼滤波融合,以获取所述预设时间段内的融合路径,该方案对机器人运行路径定位的精度高。
Description
技术领域
本申请涉及机器人定位技术领域,尤其涉及基于光流和光栅的融合定位方法和装置。
背景技术
扫地机器人通过导航,在待清洁区域内行走并执行清扫等具体操作,在导航的过程当中,扫地机器人需要实时获取自身的行走路径,光流能够通过对拍摄时间间隔确定的图像进行分析,确定扫地机器人的运动方向和距离,扫地机器人的边轮上设置的光栅能够配合光电模块获取各个边轮的转速,通过边轮的转速确定扫地机器人的运动方向和距离,IMU(惯性导航)模块,能够获取扫地机器人行进过程中的加速度值,和角速度值,通过积分和其他计算,能够获取扫地机器人运行的距离和转动情况。
现有技术通过融合IMU数据和光流数据或融合IMU数据和光栅数据,能够排除一定量的干扰,确定扫地机器人实际的运行状态,但是光流因拍摄环境的复杂性,光栅因轮子卡住、打滑等情况会造成数据获取的不精确,从而造成扫地机器人最终定位的不精确。
发明内容
本申请实施例的目的在于提出一种能够克服机器人行走过程中定位精度问题的融合定位方法。
为了解决上述技术问题,本申请实施例提供一种基于光流和光栅的融合定位方法,采用了如下所述的技术方案:
一种基于光流和光栅的融合定位方法,该方法包括:
连续获取机器人运行过程中获取的光流数据、光栅数据和IMU数据;
根据所述光栅数据和IMU数据确定第一路径,并且根据光流数据和IMU数据确定第二路径,所述第一路径和第二路径是根据预设时间,周期性截取的路径;
在所述周期当中,判断第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距是否超过预设情况,并且根据判断结果执行对下周期当中第二路径的调整,以减小第二路径与同一周期内第一路径之间的偏差;
融合步骤,对一个预设时间段内的所述第一路径和执行了所述调整的第二路径执行卡尔曼滤波融合,以获取所述预设时间段内的融合路径。
进一步的,所述根据判断结果执行对下周期当中第二路径的调整,具体包括:当所述第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距没有超过预设情况时,保持所述第二路径不变。
进一步的,所述根据判断结果执行对下周期当中第二路径的调整,具体包括:当所述第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距超过预设情况时,根据所述差距的大小,选取与所述差距相对应的预设参数;
通过所述预设参数,对所述下周期当中第二路径进行旋转,以降低所述第二路径与同一周期内第一路径之间的偏差。
进一步的,所述判断第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距是否超过预设情况的方法具体包括:
获取第一路径起始位置的切线和结束位置的切线之间产生的第一夹角,及同一周期内第二路径起始位置的切线和结束位置的切线之间产生的第二夹角;
当第一夹角和第二夹角的差值在预设范围内时,确定第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距没有超过预设情况;
当第一夹角和第二夹角的差值在预设范围以外时,确定第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距超过了预设情况。
进一步的,所述第一夹角的获取方法包括:根据对第一路径上的点所记录的曲率的平均值获得;
所述第二夹角的获取方法包括:根据对第二路径上的点所记录的曲率的平均值获得。
进一步的,所述参数为旋转矩阵,所述旋转矩阵根据机器人在相应种类地面行走时第二路径相对于扫地机器人实际行走的路径所产生的误差,通过线性回归预先确定,所述参数的选取方法包括:根据所述第一夹角和第二夹角的差值,确定机器人行走的地面的种类,并根据所述地面的种类选取相应的旋转矩阵;
所述对第二路径的旋转,具体是通过所述旋转矩阵对第二路径进行偏移,以获取旋转后的第二路径。
进一步的,所述参数为比例因子,所述比例因子根据机器人在相应种类地面行走时第二路径相对于扫地机器人实际行走的路径所产生的误差预先确定,所述参数的选取方法包括:根据所述第一夹角和第二夹角的差值,确定机器人行走的地面的种类,并根据所述地面的种类选取相应的比例因子;
所述对第二路径的旋转,具体是通过所述比例因子与所述差值的乘积作为旋转角度,并且通过所述旋转角度对所述第二路径进行旋转。
进一步的,所述第二路径包括直线部分和弧线部分;
根据光流数据和IMU数据确定第二路径的步骤,包括将所述弧线部分调整为圆弧。
进一步的,所述将所述弧线部分调整为圆弧,具体包括根机器人的行走路径推算绕弧运动的圆心,根据所述圆形机器人行走时的绕弧半径获取圆弧路径,以将所述弧线部分调整为圆弧。
未解决上述技术问题,本申请还提供了一种基于光流和光栅的融合定位装置,公开了以下方案:
一种基于光流和光栅的融合定位装置,包括:
获取模块,用于连续获取机器人运行过程中获取的光流数据、光栅数据和IMU数据;
路径截取模块,用于根据所述光栅数据和IMU数据确定第一路径,并且根据光流数据和IMU数据确定第二路径,所述第一路径和第二路径是根据预设时间,周期性截取的路径;
路径调整模块,用于在所述周期当中,判断第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距是否超过预设情况,并且根据判断结果执行对下周期当中第二路径的调整,以减小第二路径与同一周期内第一路径之间的偏差;
融合模块,用于对一个预设时间段内的所述第一路径和执行了所述调整的第二路径执行卡尔曼滤波融合,以获取所述预设时间段内的融合路径。
与现有技术相比,本申请实施例主要有以下有益效果:通过光流和光栅所获取的数据分别结合IMU获取的加速度数据和角速度数据,获取第一路径和第二路径,第一路径能够有效规避因轮子转动所产生的误差,而第二路径能够有效规避因获取到的图像信息复杂所产生的误差;
因为受到机器人行走的地面对机器人获取的光流数据会产生影响,导致通过光流数据确定的第二路径会相对于机器人实际行走的路径产生偏转的限制,对第一路径和第二路径进行比对,以确定第二路径的偏移量是否过大,根据对第二路径偏移量是否过大的判断,执行对第二路径对应的调整策略。
对第一路径和第二路径执行卡尔曼滤波融合,生成融合路径能够减弱机器人在运行过程中因光流和光栅获取数据精度不足而造成的运行路径定位误差,该方案对机器人运行路径定位的精度高。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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的附图。
图1根据本申请的一种基于光流和光栅的融合定位方法的一个实施例的流程图;
图2是根据本申请的一种基于光流和光栅的融合定位装置的一个实施例的结构示意图;
图3是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请d的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
参考图1,示出了根据本申请的一种基于光流和光栅的融合定位方法的一个实施例的流程图。本发明中的机器人可以是扫地机、拖地机、洗地机等清洁机器人,本实施例以扫地机器人为例进行说明。
一种基于光流和光栅的融合定位方法,该方法包括:
步骤S100:连续获取机器人运行过程中获取的光流数据、光栅数据和IMU数据;
步骤S200:根据所述光栅数据和IMU数据确定第一路径,并且根据光流数据和IMU数据确定第二路径,所述第一路径和第二路径是根据预设时间,周期性截取的路径;
具体的,连续获取的光流数据和光栅数据均能够记录扫地机器人的移动路径,IMU数据至少输出了包括加速度数据和角速度数据。其中光流数据和光栅数据所记录的扫地机器人的移动路径是通过不同的数据形式记录的,无法直接进行比对和计算,通过IMU数据将光栅数据所述记录的路径表示为第一路径,并且通过IMU数据将光流数据记录的路径表示为第二路径,如此将第一路径和第二路径通过相同标准的加速度及角速度信息表示,使得第一路径和第二路径能够相互比对。
解决了使用同一标准表示光栅采集的路径数据和光流采集的路径数据的问题。
具体的,IMU数据通过对加速度积分的形式记录机器人的位移信息,通过角速度积分的形式记录机器人的转向信息,结合加速度和角速度积分后的数据,记录机器人的移动距离和移动方向。
步骤S300:在所述周期当中,判断第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距是否超过预设情况,并且根据判断结果执行对下周期当中第二路径的调整,以减小第二路径与同一周期内第一路径之间的偏差;
因为受到地面环境对机器人获取光流数据的影响,通过光流数据确定的第二路径会相对于机器人实际行走的路径会产生偏转,而第一路径的数据来源是对机器人两侧边轮上的光栅进行计数所得,使得不同地面环境下的第一数据,记录到的机器人转向情况是稳定的,因此能够以第一路径作为基准,对第一路径和第二路径进行比对,以确定第二路径的偏移量是否过大,根据对第二路径偏移量是否过大的判断,执行对第二路径对应的调整策略,以使得第二路径的偏转幅度收到控制。
解决了光流数据在不同地面环境下产生的偏转,造成第二路径偏转误差大的问题。
所述第一路径的累计偏转是第一路径开始位置和结束位置产生的机器人前进方向的偏差。二路径的累计偏转是第二路径开始位置和结束位置产生的机器人前进方向的偏差。
步骤S400:融合步骤,对一个预设时间段内的所述第一路径和执行了所述调整的第二路径执行卡尔曼滤波融合,以获取所述预设时间段内的融合路径。
与现有技术相比,本申请实施例主要有以下有益效果:通过光流和光栅所的的数据分别结合IMU获取的加速度数据和角速度数据,获取第一路径和第二路径,第一路径能够有效规避因轮子转动所产生的误差,而第二路径能够有效规避因获取到的图像信息复杂所产生的误差。
具体的,通过光流检测机器人行驶里程的过程中,如果获取图像的环境是地毯或毛毯等地面环境,获取的图像相对于平地而言会产生波动,影响第二路径的计算精度,第二路径和第一路径之间就会产生明显偏差,通过判断第一路径和第二路径的曲率夹角,来判断机器人是否运行在常规位置上,如果机器人运行在常规位置上,则直接将第一路径和第二路径融合,如果机器人运行在非常规的位置上,则首先对第二路径进行纠正,以获取修正路径,再与第一路径融合,该方案提升了第一路径和第二路径融合的精度。
对第一路径和第二路径执行卡尔曼滤波融合,生成融合路径能够减弱机器人在运行过程中因光流和光栅获取数据精度不足而造成的运行路径定位误差,该方案对机器人运行路径定位的精度高。
进一步的,所述根据判断结果执行对下周期当中第二路径的调整,具体包括:步骤S304:当所述第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距没有超过预设情况时,保持所述第二路径不变。
具体的,根据判断结果,此时第一路径和第二路径之间的偏转不会造成融合后的路径数据的失真,此时无需对第二路径的数据进行调整,对第二路径执行的调整是保持第二路径不变。
进一步的,所述根据判断结果执行对下周期当中第二路径的调整,具体包括:步骤S305:当所述第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距超过预设情况时,根据所述差距的大小,选取与所述差距相对应的预设参数;
步骤S306:通过所述预设参数,对所述下周期当中第二路径进行旋转,以降低所述第二路径与同一周期内第一路径之间的偏差。
具体的,根据判断结果,此时第一路径和第二路径之间的偏转已经明显,在这种条件下融合第一路径和第二路径后所得到的机器人移动路径,与机器人的真实路径可能产生偏差。
因为,第二路径的误差来源是光流数据在不同地面上采集的数据所产生的路径的偏转误差,且判断过程确定的是第二路径的累计偏转和第一路径的累计偏转,第二路径相对于第一路径产生了偏转。因此此时对第二路径执行的调整策略是,对第二路径进行旋转,使得第二路径与第一路径之间的偏差得到降低,并趋于重合。
该方案解决,降低第二路径相对于第一路径因偏转产生的误差。
进一步的,所述判断第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距是否超过预设情况的方法具体包括:
步骤S301:获取第一路径起始位置的切线和结束位置的切线之间产生的第一夹角,及同一周期内第二路径起始位置的切线和结束位置的切线之间产生的第二夹角;
步骤S302:当第一夹角和第二夹角的差值在预设范围内时,确定第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距没有超过预设情况;
步骤S303:当第一夹角和第二夹角的差值在预设范围以外时,确定第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距超过了预设情况。
进一步的,第一路径和第二路径之间累计偏转的差距是第一路径和第二路径产生的过程当中,所持续产生的,而第一路径的累计偏转,可以通过第一路径起始位置和最终位置之间机器人前进方向所产生的变化来体现。具体,机器人的前进方向,即为机器人前进位置的切线方向。并且第一路径是周期性的分段截取的,在常规状况下,第一路径的截取长度短于3cm,在如此短的距离内,机器人无法做到满一周的圆周行走,因此,第一路径开始位置的切线方向和结束位置的切线方向之间的夹角,也即第一夹角,能够记录第一路径所产生的累计偏转,同理,第二路径的累计偏转通过第二夹角体现。
第一夹角和第二夹角的差值能够体现第一路径累计偏转大小和第二路径累计偏转大小之间的差距,并根据第一夹角和第二夹角差值确定第一路径累计偏转的大小与第二路径累计偏转的大小之间是否超过的预设情况,且第一夹角和第二夹角的获取效率高。
该方案解决的技术问题是,提升第一路径的累计偏转和第二路径的累计偏转之间差距的判断效率。
进一步的,所述第一夹角的获取方法包括:根据对第一路径上的点所记录的曲率的平均值获得;
所述第二夹角的获取方法包括:根据对第二路径上的点所记录的曲率的平均值获得。
具体的,曲率能够精确描述一段距离内,切线方向转动的快慢,同时机器人行走的过程中不能严格意义上的执行绕圆弧行走的动作,通过对曲率的获取能够准确获取机器人在行走过程中转动的情况,通过分别对第一路径和第二路径上的获取若干曲率数据进行平均计算,能够准确的确定在一段路径上,机器人运行的路径所实际产生的偏转量。
该方案解决的技术问题是,提升第一路径的累计偏转和第二路径的累计偏转的精度。
进一步的,所述参数为旋转矩阵,所述旋转矩阵根据机器人在相应种类地面行走时第二路径相对于扫地机器人实际行走的路径所产生的误差,通过线性回归预先确定,所述参数的选取方法包括:根据所述第一夹角和第二夹角的差值,确定机器人行走的地面的种类,并根据所述地面的种类选取相应的旋转矩阵;
所述对第二路径的旋转,具体是通过所述旋转矩阵对第二路径进行偏移,以获取旋转后的第二路径。
另一实施例中,所述参数为比例因子,所述比例因子根据机器人在相应种类地面行走时第二路径相对于扫地机器人实际行走的路径所产生的误差预先确定,所述参数的选取方法包括:根据所述第一夹角和第二夹角的差值,确定机器人行走的地面的种类,并根据所述地面的种类选取相应的比例因子;
所述对第二路径的旋转,具体是通过所述比例因子与所述差值的乘积作为旋转角度,并且通过所述旋转角度对所述第二路径进行旋转。
进一步的,所述第二路径包括直线部分和弧线部分;
根据光流数据和IMU数据确定第二路径的步骤,包括将所述弧线部分调整为圆弧。
进一步的,所述将所述弧线部分调整为圆弧,具体包括根机器人的行走路径推算绕弧运动的圆心,根据所述圆形机器人行走时的绕弧半径获取圆弧路径,以将所述弧线部分调整为圆弧。
具体的,通过获取绕弧行走状态下机器人行走的圆心,之后将光流转动路径转换成实际转动路径,即可将通过光流检测记录的多段平直路径,精确的转换成弧形的平滑路径,之后再结合直行状态下的路径,获取第二路径,该方案能够精确获取第二路径,提升第一路径和第二路径融合的精度。
在一个基于光流和光栅的融合定位方法给出的实施例中:
首先通过单位时间内对光栅转动进行计次的形式,获取清洁机器人边轮转动的速度,并且根据清洁机器人两组边轮的转动速度,及上述两组边轮的速度差以及清洁机器人在行走过程中,通过IMU获取的角速度在单位时间内积分所得的旋转角度,通过两轮差速运动模型获取清洁机器人在世界坐标系中通过光栅数据描述的路径,并通过上述路径周期性的截取获得第一路径。
其次通过光流获取清洁机器人在清洁机器人坐标系下产生的瞬时移动,具体是在机器人坐标系中机器人前后方向产生的瞬时移动Δx及在机器人坐标系中机器人左右方向产生的瞬时移动Δy,并且基于IMU获取的角速度积分所得的瞬时旋转角度,将上述Δx和Δy投影到世界坐标系当中,以产生光流数据在世界坐标系中记录清机器人的左边,形成了通过光流数据在世界坐标系中描述的清洁机器人的路径,通过对上述路径周期性的截取获得第二路径。
上述周期为时间周期,上述第一路径和第二路径根据周期截取后,一一对应。通过同一个周期的第一路径和第二路径的比对,确定清洁机器人行走过程中产生的偏差,并且根据偏差调整下一周期中的第二路径。
在对第二路径进行调整之前,判断第二路径是否需要调整:首先计算第一路径起止位置的轨迹的切线之间产生的第一夹角,以及第二路径起止位置的轨迹之间产生的第二夹角,第一夹角和第二夹角的计算,具体分别通过第一路径和第二路径上的采集的瞬时路径的曲率的平均值,并结合单个周期的时间长度计算。
其次,根据第一夹角和第二夹角之间的差值,与预设的阈值进行对比,判断第一路径和第二路径之间的偏转大小是否超过了预设情况,当第一夹角和第二夹角之间的差值超过了预设值则对第二路径进行调整。
具体的调整方式包括:根据第一夹角和第二夹角的差值,在上述差值和旋转矩阵的对应关系表当中查找旋转矩阵。并通过旋转矩阵对下一周期当中的第二路径进行偏转,以保证下一周期当中,第二路径的精度。其中旋转矩阵是根据清洁机器人在不同材质的地面上行走的过程当中,清洁机器人在世界坐标系中实际行走的路径和通过光流数据获取的路径之间的相对关系,通过线性回归的方式获取的,上述旋转矩阵反应了清洁机器人在特定地面上行走的过程当中,通过光流获取的路径数据和实际行走产生的路径数据之间的偏差。
在扫地机器人执行下一周期的行走动作时,首先通过旋转矩阵,对通过光流数据获取的第二路径进行偏转,之后将偏转所得的第二路径和第一路径进行卡尔曼滤波融合,以获取融合路径。所述融合路径即为清洁机器人在下一周期中实际行走的路径。
额外的,融合路径是实时获取的,融合路径与清洁机器人基于清扫规则或控制指令所要行走的预设的路径可能会产生偏差,将融合路径和清洁机器人所要行走的预设的路径输入到PID算法之中,即可通过PID算法输出对清洁机器人两个边轮转速的调整,以使得清洁机器人实现对预设的路径的行走过程。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图2,作为对上述图1所示方法的实现,本申请提供了一种基于光流和光栅的融合定位装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
一种基于光流和光栅的融合定位装置,包括:
获取模块1,用于连续获取机器人运行过程中获取的光流数据、光栅数据和IMU数据;
路径截取模块2,用于根据所述光栅数据和IMU数据确定第一路径,并且根据光流数据和IMU数据确定第二路径,所述第一路径和第二路径是根据预设时间,周期性截取的路径;
路径调整模块3,用于在所述周期当中,判断第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距是否超过预设情况,并且根据判断结果执行对下周期当中第二路径的调整,以减小第二路径与同一周期内第一路径之间的偏差;
融合模块4,用于对一个预设时间段内的所述第一路径和执行了所述调整的第二路径执行卡尔曼滤波融合,以获取所述预设时间段内的融合路径。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图3,图3为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过***总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是,图中仅示出了具有组件61-63的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器61可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器61也可以是所述计算机设备6的外部存储设备,例如该计算机设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,所述存储器61通常用于存储安装于所述计算机设备6的操作***和各类应用软件,例如一种基于光流和光栅的融合定位方法的程序代码等。此外,所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器62用于运行所述存储器61中存储的程序代码或者处理数据,例如运行所述一种基于光流和光栅的融合定位方法的程序代码。
所述网络接口63可包括无线网络接口或有线网络接口,该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有一种基于光流和光栅的融合定位程序,所述一种基于光流和光栅的融合定位程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的一种基于光流和光栅的融合定位方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上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,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种基于光流和光栅的融合定位方法,其特征在于:该方法包括:
连续获取机器人运行过程中获取的光流数据、光栅数据和IMU数据;
根据所述光栅数据和IMU数据确定第一路径,并且根据光流数据和IMU数据确定第二路径,所述第一路径和第二路径是根据预设时间,周期性截取的路径;
在所述周期当中,判断第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距是否超过预设情况,并且根据判断结果执行对下周期当中第二路径的调整,以减小第二路径与同一周期内第一路径之间的偏差;
融合步骤,对一个预设时间段内的所述第一路径和执行了所述调整的第二路径执行卡尔曼滤波融合,以获取所述预设时间段内的融合路径。
2.根据权利要求1所述的一种基于光流和光栅的融合定位方法,其特征在于:所述根据判断结果执行对下周期当中第二路径的调整,具体包括:当所述第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距没有超过预设情况时,保持所述第二路径不变。
3.根据权利要求2所述的一种基于光流和光栅的融合定位方法,其特征在于:所述根据判断结果执行对下周期当中第二路径的调整,具体包括:当所述第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距超过预设情况时,根据所述差距的大小,选取与所述差距相对应的预设参数;
通过所述预设参数,对所述下周期当中第二路径进行旋转,以降低所述第二路径与同一周期内第一路径之间的偏差。
4.根据权利要求1至3任意一项所述的一种基于光流和光栅的融合定位方法,其特征在于:所述判断第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距是否超过预设情况的方法具体包括:
获取第一路径起始位置的切线和结束位置的切线之间产生的第一夹角,及同一周期内第二路径起始位置的切线和结束位置的切线之间产生的第二夹角;
当第一夹角和第二夹角的差值在预设范围内时,确定第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距没有超过预设情况;
当第一夹角和第二夹角的差值在预设范围以外时,确定第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距超过了预设情况。
5.根据权利要求4所述的一种基于光流和光栅的融合定位方法,其特征在于:所述第一夹角的获取方法包括:根据对第一路径上的点所记录的曲率的平均值获得;
所述第二夹角的获取方法包括:根据对第二路径上的点所记录的曲率的平均值获得。
6.根据权利要求4所述的一种基于光流和光栅的融合定位方法,其特征在于:所述参数为旋转矩阵,所述旋转矩阵根据机器人在相应种类地面行走时第二路径相对于扫地机器人实际行走的路径所产生的误差,通过线性回归预先确定,所述参数的选取方法包括:根据所述第一夹角和第二夹角的差值,确定机器人行走的地面的种类,并根据所述地面的种类选取相应的旋转矩阵;
所述对第二路径的旋转,具体是通过所述旋转矩阵对第二路径进行偏移,以获取旋转后的第二路径。
7.根据权利要求4所述的一种基于光流和光栅的融合定位方法,其特征在于:所述参数为比例因子,所述比例因子根据机器人在相应种类地面行走时第二路径相对于扫地机器人实际行走的路径所产生的误差预先确定,所述参数的选取方法包括:根据所述第一夹角和第二夹角的差值,确定机器人行走的地面的种类,并根据所述地面的种类选取相应的比例因子;
所述对第二路径的旋转,具体是通过所述比例因子与所述差值的乘积作为旋转角度,并且通过所述旋转角度对所述第二路径进行旋转。
8.根据权利要求4所述的一种基于光流和光栅的融合定位方法,其特征在于:所述第二路径包括直线部分和弧线部分;
根据光流数据和IMU数据确定第二路径的步骤,包括将所述弧线部分调整为圆弧。
9.根据权利要求8所述的一种基于光流和光栅的融合定位方法,其特征在于:所述将所述弧线部分调整为圆弧,具体包括根机器人的行走路径推算绕弧运动的圆心,根据所述圆形机器人行走时的绕弧半径获取圆弧路径,以将所述弧线部分调整为圆弧。
10.一种基于光流和光栅的融合定位装置,其特征在于:包括:
获取模块,用于连续获取机器人运行过程中获取的光流数据、光栅数据和IMU数据;
路径截取模块,用于根据所述光栅数据和IMU数据确定第一路径,并且根据光流数据和IMU数据确定第二路径,所述第一路径和第二路径是根据预设时间,周期性截取的路径;
路径调整模块,用于在所述周期当中,判断第一路径累计偏转的大小与第二路径累计偏转的大小之间的差距是否超过预设情况,并且根据判断结果执行对下周期当中第二路径的调整,以减小第二路径与同一周期内第一路径之间的偏差;
融合模块,用于对一个预设时间段内的所述第一路径和执行了所述调整的第二路径执行卡尔曼滤波融合,以获取所述预设时间段内的融合路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111673808.2A CN114440874B (zh) | 2021-12-31 | 2021-12-31 | 基于光流和光栅的融合定位方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111673808.2A CN114440874B (zh) | 2021-12-31 | 2021-12-31 | 基于光流和光栅的融合定位方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114440874A true CN114440874A (zh) | 2022-05-06 |
CN114440874B CN114440874B (zh) | 2022-11-01 |
Family
ID=81366451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111673808.2A Active CN114440874B (zh) | 2021-12-31 | 2021-12-31 | 基于光流和光栅的融合定位方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114440874B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114545017A (zh) * | 2022-01-31 | 2022-05-27 | 深圳市云鼠科技开发有限公司 | 基于光流和加速度计的速度融合方法、装置和计算机设备 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005098731A (ja) * | 2003-09-22 | 2005-04-14 | Sharp Corp | 速度計、変位計、振動計および電子機器 |
WO2006087542A1 (en) * | 2005-02-18 | 2006-08-24 | Kings College London | Vehicle location |
WO2012151333A2 (en) * | 2011-05-02 | 2012-11-08 | Certusview Technologies, Llc | Marking methods, apparatus and systems including optical flow-based dead reckoning features |
CN108931260A (zh) * | 2018-07-04 | 2018-12-04 | 山东省科学院自动化研究所 | Gps欺骗时无人驾驶车辆定位安全测试***及方法 |
CN109506652A (zh) * | 2018-10-23 | 2019-03-22 | 珠海市微半导体有限公司 | 一种基于地毯偏移的光流数据融合方法及清洁机器人 |
CN109648557A (zh) * | 2018-12-21 | 2019-04-19 | 上海信耀电子有限公司 | 一种六轴机器人空间运动规划方法 |
CN110310304A (zh) * | 2019-06-14 | 2019-10-08 | 深圳前海达闼云端智能科技有限公司 | 单目视觉建图和定位方法、装置、存储介质及移动设备 |
CN111089595A (zh) * | 2019-12-30 | 2020-05-01 | 珠海市一微半导体有限公司 | 一种机器人的检测数据融合方法和主控芯片及机器人 |
CN111504312A (zh) * | 2020-07-02 | 2020-08-07 | 中国人民解放军国防科技大学 | 一种基于视觉惯性偏振光融合的无人机位姿估计方法 |
CN111708068A (zh) * | 2020-05-26 | 2020-09-25 | 泰斗微电子科技有限公司 | 目标对象的轨迹确定方法、装置、终端设备及存储介质 |
US20200341469A1 (en) * | 2017-04-07 | 2020-10-29 | Nvidia Corporation | Performing autonomous path navigation using deep neural networks |
CN113701738A (zh) * | 2020-05-21 | 2021-11-26 | 华为技术有限公司 | 一种车辆定位方法及装置 |
CN113804184A (zh) * | 2020-06-15 | 2021-12-17 | 上海知步邦智能科技有限公司 | 基于多传感器的地面机器人定位方法 |
-
2021
- 2021-12-31 CN CN202111673808.2A patent/CN114440874B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005098731A (ja) * | 2003-09-22 | 2005-04-14 | Sharp Corp | 速度計、変位計、振動計および電子機器 |
WO2006087542A1 (en) * | 2005-02-18 | 2006-08-24 | Kings College London | Vehicle location |
WO2012151333A2 (en) * | 2011-05-02 | 2012-11-08 | Certusview Technologies, Llc | Marking methods, apparatus and systems including optical flow-based dead reckoning features |
US20200341469A1 (en) * | 2017-04-07 | 2020-10-29 | Nvidia Corporation | Performing autonomous path navigation using deep neural networks |
CN108931260A (zh) * | 2018-07-04 | 2018-12-04 | 山东省科学院自动化研究所 | Gps欺骗时无人驾驶车辆定位安全测试***及方法 |
CN109506652A (zh) * | 2018-10-23 | 2019-03-22 | 珠海市微半导体有限公司 | 一种基于地毯偏移的光流数据融合方法及清洁机器人 |
CN109648557A (zh) * | 2018-12-21 | 2019-04-19 | 上海信耀电子有限公司 | 一种六轴机器人空间运动规划方法 |
CN110310304A (zh) * | 2019-06-14 | 2019-10-08 | 深圳前海达闼云端智能科技有限公司 | 单目视觉建图和定位方法、装置、存储介质及移动设备 |
CN111089595A (zh) * | 2019-12-30 | 2020-05-01 | 珠海市一微半导体有限公司 | 一种机器人的检测数据融合方法和主控芯片及机器人 |
CN113701738A (zh) * | 2020-05-21 | 2021-11-26 | 华为技术有限公司 | 一种车辆定位方法及装置 |
CN111708068A (zh) * | 2020-05-26 | 2020-09-25 | 泰斗微电子科技有限公司 | 目标对象的轨迹确定方法、装置、终端设备及存储介质 |
CN113804184A (zh) * | 2020-06-15 | 2021-12-17 | 上海知步邦智能科技有限公司 | 基于多传感器的地面机器人定位方法 |
CN111504312A (zh) * | 2020-07-02 | 2020-08-07 | 中国人民解放军国防科技大学 | 一种基于视觉惯性偏振光融合的无人机位姿估计方法 |
Non-Patent Citations (3)
Title |
---|
FEI MENG; DONGJIN YANG: "Research of UAV Location Control System Based on SINS, GPS and Optical Flow", 《2020 IEEE INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY,BIG DATA AND ARTIFICIAL INTELLIGENCE》 * |
倪磊,曾庆化,庄曈,刘建业: "依靠自身传感器的室内无人机自主导航引导技术综述", 《计算机应用与软件》 * |
王丽佳等: "对比度熵流仿生导航算法研究", 《中国科技论文》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114545017A (zh) * | 2022-01-31 | 2022-05-27 | 深圳市云鼠科技开发有限公司 | 基于光流和加速度计的速度融合方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114440874B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110712680B (zh) | 一种车辆的自动换道方法及装置 | |
US20210109521A1 (en) | Redundant pose generation system | |
JP7391701B2 (ja) | 定常横方向偏差の除去方法、装置、記憶媒体、及びプログラム | |
CN113405558B (zh) | 自动驾驶地图的构建方法及相关装置 | |
JP5744676B2 (ja) | 環境地図を用いた掃除ロボット | |
CN108844553B (zh) | 校正机器人移动过程中的里程的方法、装置及机器人 | |
CN110398963A (zh) | 无轨导航纠偏控制方法、装置、存储介质及控制器 | |
CN111319041B (zh) | 一种机器人位姿确定方法、装置、可读存储介质及机器人 | |
CN110341688A (zh) | 一种前轮转角补偿方法、装置、车载设备及存储介质 | |
CN114440874B (zh) | 基于光流和光栅的融合定位方法和装置 | |
CN112674653B (zh) | 障碍物位置标记方法、装置、计算机设备及存储介质 | |
CN112558611B (zh) | 一种路径规划方法、装置、计算机设备及存储介质 | |
CN113433936A (zh) | 移动设备绕障方法、装置、移动设备及存储介质 | |
CN112060077B (zh) | 机器人控制方法、装置、计算机可读存储介质及机器人 | |
CN110794849B (zh) | 路径的处理方法、装置、机器人、计算机设备和存储介质 | |
CN110083158B (zh) | 一种确定局部规划路径的方法和设备 | |
CN116300955A (zh) | 路径跟踪方法、装置、终端设备及计算机可读存储介质 | |
CN113219973B (zh) | 一种移动机器人的局部路径控制方法 | |
CN113091743B (zh) | 机器人的室内定位方法及装置 | |
CN116360417A (zh) | 一种机器人的路径规划方法、装置及设备 | |
CN113156962B (zh) | 运动控制方法、装置、机器人及存储介质 | |
CN115454053A (zh) | 自动导引车控制方法、***、装置和计算机设备 | |
CN113156949A (zh) | 机器人航向角纠偏方法、装置、计算机设备及存储介质 | |
CN115342830A (zh) | 用于定位装置和里程计的标定方法、程序产品和标定装置 | |
CN114347064B (zh) | 基于光流的机器人碰撞检测方法、装置、计算机设备及存储介质 |
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 |