CN115164874A - 确定位姿的方法及装置、电子设备和存储介质 - Google Patents
确定位姿的方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115164874A CN115164874A CN202210793677.XA CN202210793677A CN115164874A CN 115164874 A CN115164874 A CN 115164874A CN 202210793677 A CN202210793677 A CN 202210793677A CN 115164874 A CN115164874 A CN 115164874A
- Authority
- CN
- China
- Prior art keywords
- robot
- determining
- pose
- wheel speed
- wheel
- 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 65
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 49
- 238000004590 computer program Methods 0.000 claims description 14
- 230000004927 fusion Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000005457 optimization Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C1/00—Measuring angles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本公开涉及一种确定位姿的方法及装置、电子设备和存储介质,包括:获取机器人的第一轮速、第二轮速,所述第一轮速、所述第二轮速由不同传感器测出;根据所述第一轮速、所述第二轮速,确定指示机器人的轮子是否打滑的轮子打滑信息;根据描述所述机器人周围物体分布的相邻两帧点云,确定描述所述机器人周围物体移动情况的动态物体信息;基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿。根据本公开实施例的方法,可以降低在常见场景中,由于里程计测定数据不准确导致确定机器人位姿不准确的概率,提高了所确定的位姿的准确性。并且,本公开实施例的方法,能够在维持低成本的前提下,获得准确的机器人位姿。
Description
技术领域
本公开涉及自动化领域,尤其涉及一种确定位姿的方法及装置、电子设备和存储介质。
背景技术
随着人工智能时代的到来,可移动机器人的开发和制造得到了快速发展,并且在多个行业中得到了应用。
在大多数的场景下,首先可移动机器人要判断自己的位姿,在确定位姿的前提下才可以执行后续的各种任务。所以获得准确的位姿是对可移动机器人研究的关键点之一。
虽然,在相关技术中,有多种方法可以可确定移动机器人的位姿。但是,这些方法各有弊端,无法在维持低成本的前提下,获得准确的机器人位姿。
发明内容
有鉴于此,本公开提出了一种确定位姿的方案。
根据本公开的一方面,提供了一种确定位姿的方法,包括:
获取机器人的第一轮速、第二轮速,所述第一轮速、所述第二轮速由不同传感器测出;
根据所述第一轮速、所述第二轮速,确定指示机器人的轮子是否打滑的轮子打滑信息;
根据描述所述机器人周围物体分布的相邻两帧点云,确定描述所述机器人周围物体移动情况的动态物体信息;
基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿。
在一种可能的实现方式中,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:
在确定所述轮子打滑且所述机器人所处环境中不存在动态物体的情况下,基于所述点云,确定所述机器人的位姿。
在一种可能的实现方式中,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:
在确定所述轮子打滑且所述机器人所处环境中存在动态物体的情况下,基于表征动态物体的点云以外的点云,确定所述机器人的位姿。
在一种可能的实现方式中,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:
在确定所述轮子未打滑且所述机器人所处环境中存在动态物体的情况下,根据所述第一轮速和/或所述第二轮速,确定所述机器人的位姿。
在一种可能的实现方式中,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:
在确定所述轮子未打滑且所述机器人所处环境中不存在动态物体的情况下,基于所述第一轮速或第二轮速与所述点云的融合数据,确定所述机器人的位姿。
在一种可能的实现方式中,所述基于所述点云,确定所述机器人的位姿,包括:
根据第一时刻下的激光雷达扫描范围、所述第一时刻与相邻时刻的时间差、所述相邻时刻下相对于所述第一时刻点云中的至少一个点的扫描坐标的变化量,确定所述相邻时刻下的激光雷达扫描范围;
根据所述第一时刻下的激光雷达扫描范围、所述相邻时刻下的激光雷达扫描范围,确定约束函数;
基于当前时刻下的点云中的至少三个点、所述约束函数,确定所述机器人的速度;
根据所述机器人的速度,确定所述机器人的位姿。
在一种可能的实现方式中,所述基于当前时刻下的点云中的至少三个点、所述约束函数,确定所述机器人的速度,包括:
获取所述当前时刻下的点云中的至少三个点在预设极坐标系下的极坐标,以及在笛卡尔坐标系下的笛卡尔坐标;
基于所述极坐标,所述笛卡尔坐标,根据所述约束函数,确定所述机器人的速度。
根据本公开的另一方面,提供了一种确定位姿的装置,包括:
轮速获取单元,用于获取机器人的第一轮速、第二轮速,所述第一轮速、所述第二轮速由不同传感器测出;
轮子打滑信息确定单元,用于根据所述第一轮速、所述第二轮速,确定指示机器人的轮子是否打滑的轮子打滑信息;
动态物体信息确定单元,用于根据描述所述机器人周围物体分布的相邻两帧点云,确定描述所述机器人周围物体移动情况的动态物体信息;
位姿确定单元,用于基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿。
在一种可能的实现方式中,所述位姿确定单元,包括:
第一位姿确定子单元,用于在确定所述轮子打滑且所述机器人所处环境中不存在动态物体的情况下,基于所述点云,确定所述机器人的位姿。
在一种可能的实现方式中,所述位姿确定单元,包括:
第二位姿确定子单元,用于在确定所述轮子打滑且所述机器人所处环境中存在动态物体的情况下,基于表征动态物体的点云以外的点云,确定所述机器人的位姿。
在一种可能的实现方式中,所述位姿确定单元,包括:
第三位姿确定子单元,用于在确定所述轮子未打滑且所述机器人所处环境中存在动态物体的情况下,根据所述第一轮速和/或所述第二轮速,确定所述机器人的位姿。
在一种可能的实现方式中,所述位姿确定单元,包括:
第四位姿确定子单元,用于在确定所述轮子未打滑且所述机器人所处环境中不存在动态物体的情况下,基于所述第一轮速或第二轮速与所述点云的融合数据,确定所述机器人的位姿。
在一种可能的实现方式中,所述第一位姿确定子单元,包括:
相邻时刻扫描范围确定单元,用于根据第一时刻下的激光雷达扫描范围、所述第一时刻与相邻时刻的时间差、所述相邻时刻下相对于所述第一时刻点云中的至少一个点的扫描坐标的变化量,确定所述相邻时刻下的激光雷达扫描范围;
约束函数确定单元,用于根据所述第一时刻下的激光雷达扫描范围、所述相邻时刻下的激光雷达扫描范围,确定约束函数;
机器人速度确定单元,用于基于当前时刻下的点云中的至少三个点、所述约束函数,确定所述机器人的速度;
所述第一位姿确定子单元,用于根据所述机器人的速度,确定所述机器人的位姿。
在一种可能的实现方式中,所述机器人速度确定单元,包括:
点坐标确定单元,用于获取所述当前时刻下的点云中的至少三个点在预设极坐标系下的极坐标,以及在笛卡尔坐标系下的笛卡尔坐标;
机器人速度确定子单元,用于基于所述极坐标,所述笛卡尔坐标,根据所述约束函数,确定所述机器人的速度。
根据本公开的另一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为在执行所述存储器存储的指令时,实现上述方法。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
通过获取由不同传感器测出的机器人的轮速:第一轮速、第二轮速;根据所述第一轮速、所述第二轮速,确定指示机器人的轮子是否打滑的轮子打滑信息;根据描述所述机器人周围物体分布的相邻两帧点云,确定描述所述机器人周围物体移动情况的动态物体信息;然后,基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿。根据本公开的各方面能够降低在常见场景中,由于里程计测定数据不准确导致确定机器人位姿不准确的概率;由于考虑了轮子打滑和/或动态物体对于确定机器人位姿的影响,提高了所确定的位姿的准确性。由此,可以不必向机器人中添加高成本的高精度传感器,也能够获得较为准确的机器人位置,即,本公开实施例的方法能够在维持低成本的前提下,获得准确的机器人位姿。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开一实施例的确定位姿的方法的流程图。
图2示出根据本公开一实施例的确定位姿的方法的流程图。
图3示出根据本公开一实施例的确定位姿的装置的框图。
图4示出根据本公开实施例的一种电子设备的框图。
图5示出根据本公开实施例的另一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
随着人工智能时代的到来,可移动机器人的开发和制造得到了快速发展,并且在多个行业中得到了应用。
在大多数的场景下,首先可移动机器人要判断自己的位姿,在确定位姿的前提下才可以执行后续的各种任务。所以,如何获得准确的位姿,是对于可移动机器人的研究的关键点之一。
在相关技术中,可以利用传感器获得机器人的位姿。
然而,有的传感器的精度与其成本成正比,为了获得较准确的位姿,则需要使用高精度的传感器,因此,这将会提高机器人的成本。
有的传感器虽然成本不高,例如:里程计,但是其精度与应用场景相关。在一些常见的场景下,无法准确获得机器人的位姿。
通常,可以利用里程计来获得机器人的行进数据,例如:速度、加速度等。根据机器人的行进数据,再来确定出机器人的位姿。
比较常用的里程计可以是轮式里程计或激光里程计。不过,轮式里程计的准确性受制于机器人轮子的转动是否正常。如果出现轮子打滑、空转等现象,则会导致轮式里程计测定的数据不准确,进而导致所获得的机器人的行进数据不准确、位姿不准确。若使用激光里程计,由于激光里程计是通过其生成的点云来确定出机器人的行进数据,所以,激光里程计的数据准确性受制于点云。在机器人所在环境中存在动态物体的情况下,有一部分点云是移动的。那么,在这种情况下,根据激光里程计生成的点云则无法获得机器人准确的行进数据,进而无法获得机器人的准确位姿。
综上所述,在确定机器人位姿时,无法在成本和准确性两方面获得较优的结果,给移动机器人的制造、应用带来很大障碍。
因此,本公开实施例提出一种确定机器人位姿的方法,能够在较低成本的前提下,获得较准确的机器人位姿。
图1示出根据本公开一实施例的确定位姿的方法的流程图。如图1所示,该确定位姿的方法包括:
S11,获取机器人的第一轮速、第二轮速,所述第一轮速、所述第二轮速由不同传感器测出。
本公开实施例的机器人可以为可移动的机器人。该机器人所处位置、朝向等位姿信息待确定。
该机器人可以具有用于行驶的轮子。轮子的转动速度简称为轮速。本公开实施例可以使两用种不同的传感器来测定轮速,并且,分别将所测定的轮速命名为第一轮速、第二轮速。
比如,可以使用成本较低但是测量精度较高的轮式里程计或激光里程计测量轮速,并将该轮速命名为第一轮速;可以使用惯性测量单元(Inertial Measurement Unit,IMU)测量轮速,并将该轮速命名为第二轮速。
这里的第一轮速、第二轮速可以为两种不同传感器测出的同一时刻机器人的轮速,或机器人从一个位置行进到另一个位置过程中轮子转动的平均速度。
由于使用IMU的主要误差为持续测量轮速时所产生的累积误差。所以IMU刚开始测量的轮速还比较准确,随着时间的推移,IMU的累积误差会越来越大。虽然高精度IMU可以将该累积误差控制在一定范围,以满足测定轮速的准确性要求,但是其造价较高。
考虑到在本公开实施例中,只需要通过IMU确定轮子打滑信息,并不需要长时间测定轮速,所以,本公开实施例中的IMU可以为成本较低、精度不高的IMU,以降低机器人的成本。
S12,根据所述第一轮速、所述第二轮速,确定指示机器人的轮子是否打滑的轮子打滑信息。
在本公开实施例中,可以设定轮速差阈值,将第一轮速与第二轮速的差异与轮速差阈值进行比较,以确定轮子打滑信息。
这里第一轮速与第二轮速的差异可以使用第一轮速与第二轮速的差值或比值来表示。本公开实施例对第一轮速与第二轮速的差异的表示方式不做限定。当该差异与轮速差阈值相比较达到预设条件时,可以确定出轮子打滑信息。轮子打滑信息可以包括:轮子打滑、轮子未打滑等。
举例说明,可以设置预设条件:第一轮速与第二轮速的差值的绝对值小于轮速差阈值。在这种情况下,确定轮子打滑信息为轮子未打滑。反之,第一轮速与第二轮速的差值的绝对值大于或等于轮速差阈值。在这种情况下,确定轮子打滑信息为轮子打滑。
轮速差异阈值的具体值可以根据经验得到,例如,可以观察在打滑情况下的轮速差异值以及未打滑情况下的轮速差异值,得出用于界定轮子是否打滑的轮速差异阈值。
S13,根据描述所述机器人周围物体分布的相邻两帧点云,确定描述所述机器人周围物体移动情况的动态物体信息。
在本公开实施例中,机器人可以具有激光发射装置和激光接收装置。机器人在其所处环境中可以按照预设频率发射激光,激光落在环境中的其他物体上,可以反射回机器人,由激光接收装置接收。根据接收到的激光可以生成描述机器人周围物体分布的点云。
由于激光按照一定频率发射,每次发射可以形成一帧点云;连续两次发射可以形成相邻的两帧点云。
由于表征同一物体的点云中的各点具有相对稳定的几何关系,所以可以在相邻两帧点云中判断表征某一物体的点与点云中其他点的相对位置是否发生了变动,据此可以判断出环境中是否存在动态物体。
在本公开实施例中,确定动态物体信息可以包括,确定机器人所处环境中是否存在动态物体、标识出表征动态物体的点云等。
本公开实施例对于S12、S13的顺序不作限定。
S14,基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿。
由于轮子打滑会影响轮式里程计测定数据的准确性,在轮子打滑的情况下,轮式里程计所测定的数据可能会存在较大误差,进而会影响到确定机器人位姿的准确性。
另外,如果机器人所处环境中存在动态物体,则激光里程计所测定的数据可能会存在较大误差,进而会影响到确定机器人位姿的准确性。
所以,在确定机器人位姿时,可以参考轮子打滑信息、动态物体信息,以降低轮子打滑和/或动态物体对于确定机器人位姿的影响的概率,以提高确定机器人位姿的准确性。
在本公开实施例中,首先,获取由不同传感器测出的机器人的轮速:第一轮速、第二轮速;根据所述第一轮速、所述第二轮速,确定指示机器人的轮子是否打滑的轮子打滑信息;根据描述所述机器人周围物体分布的相邻两帧点云,确定描述所述机器人周围物体移动情况的动态物体信息;然后,基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿。通过本公开实施例的方法可以降低在常见场景中,由于里程计测定数据不准确导致确定机器人位姿不准确的概率;由于考虑了轮子打滑和/或动态物体对于确定机器人位姿的影响,提高了所确定的位姿的准确性。由此,可以不必向机器人中添加高成本的高精度传感器,也能够获得较为准确的机器人位置,即,本公开实施例的方法能够在维持低成本的前提下,获得准确的机器人位姿。
在一种可能的实现方式中,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:在确定所述轮子打滑且所述机器人所处环境中不存在动态物体的情况下,基于所述点云,确定所述机器人的位姿。
若轮子打滑信息指示轮子打滑,则说明轮式里程计测定的数据可能存在较大误差。因此在这种情况下,如果使用轮式里程计所测定的数据确定机器人位姿,将有可能导致位姿不够准确。
若动态物体信息指示机器人所处环境中不存在动态物体,则说明各帧点云中的点的位置的变化是由于机器人位姿的变化造成的,所以,可以利用点云来确定机器人的位姿。
因此,当机器人轮子打滑且机器人所处环境中不存在动态物体的情况下,可以基于点云来确定机器人的位姿。所以,在机器人轮子打滑的场景下,不用大幅增加成本,也可以获得较准确的机器人位姿。
在一种可能的实现方式中,所述基于所述点云,确定所述机器人的位姿,包括:根据第一时刻下的激光雷达扫描范围、所述第一时刻与相邻时刻的时间差、所述相邻时刻下相对于所述第一时刻点云中的至少一个点的扫描坐标的变化量,确定所述相邻时刻下的激光雷达扫描范围;根据所述第一时刻下的激光雷达扫描范围、所述相邻时刻下的激光雷达扫描范围,确定约束函数;基于当前时刻下的点云中的至少三个点、所述约束函数,确定所述机器人的速度;根据所述机器人的速度,确定所述机器人的位姿。
在一种可能的实现方式中,所述基于当前时刻下的点云中的至少三个点、所述约束函数,确定所述机器人的速度,包括:获取所述当前时刻下的点云中的至少三个点在预设极坐标系下的极坐标,以及在笛卡尔坐标系下的笛卡尔坐标;基于所述极坐标,所述笛卡尔坐标,根据所述约束函数,确定所述机器人的速度。
在本公开实施例中,机器人可以具有激光雷达。机器人发出激光落在物体上可以产生至少一个扫描点,这些扫描点的集合所覆盖的范围可以表征激光雷达的扫描范围。随着机器人的移动,激光雷达的扫描范围可以发生变化。
激光落在物体上再反射回机器人,可以生成描述机器人所处环境中物体分布的点云,所以,各帧的点云也可以反映出激光雷达扫描范围的变化。
本公开实施例可以预先设置扫描坐标系、极坐标系,以激光雷达(机器人)的位置作为扫描坐标系、极坐标系的原点。点云中的点可以具有扫描点的扫描坐标和/或极坐标。
扫描点的扫描坐标可以基于扫描点的极坐标中的极角来表示。
示例性地,在本公开实施例中,使用公式(1)来表示扫描点的扫描坐标
α=kαθ (1)
在本公开实施例中,第一时刻可以是任一时刻或者是指定时刻。本公开实施例对第一时刻与相邻时刻的时间差的值不做限定。在预设了时间差的情况下,在第一时刻之前,与第一时刻相差预设时间差的时刻,和/或,在第一时刻之后,与第一时刻相差预设时间差的时刻,可以作为第一时刻的相邻时刻。这里的时间差可以为连续两次雷达扫描的时间间隔。
机器人在移动过程中,扫描点的位置(扫描坐标)可以发生变化。根据各时刻扫描点的扫描坐标的变化,可以获得扫描范围的变化。
示例性地,可以设置函数R(t,α)表示在第一时刻激光雷达的扫描范围。第一时刻与第二时刻相隔时间为Δt,第二时刻可以为第一时刻的相邻时刻。第一时刻与第二时刻扫描点的坐标变化为Δα,则第二时刻激光雷达的扫描范围可以表示为R(t+Δt,α+Δα)。
然后,对R(t+Δt,α+Δα)进行泰勒展开,并舍弃高阶项,便可以获得激光雷达的扫描范围随时间变化的表达式。该表达式可以表示为公式(2)的形式。
扫描点的速度可以表示为为了在同一向量基础上描述扫描范围中各扫描点的速度,可以用笛卡尔坐标来描述扫描点的速度,扫描点的速度在笛卡尔坐标下可以表示为为便于理解,可以使用公式(5)、(6)表示出扫描范围中的扫描点的速度在两种坐标系下的转换关系。
这里,vx,s表示激光雷达在笛卡尔坐标系下X轴方向上的线速度,vy,s表示激光雷达在笛卡尔坐标系下Y轴方向上的线速度,ωs表示激光雷达的角速度。
联立公式(4)-(7),可以将公式(4)变形为公式(8)。公式(8)可以作为约束函数。
从公式(8)中可以看出,未知量为vx,s、vy,s、ωs。因此,至少需要三个扫描点便可以确定出激光雷达的速度。前文已经提到,点云可以具有扫描点的扫描坐标和/或极坐标,所以至少需要三个点云中的点便可以确定出激光雷达的速度,激光雷达的速度包括:激光雷达在X轴方向上的线速度、激光雷达在Y轴方向上的线速度、激光雷达的角速度。
然后,利用激光雷达的速度便可以确定出机器人的速度,进而确定出机器人的位姿。
根据激光雷达的速度确定机器人的速度及位姿的方法在相关技术中有详细介绍,此处不再赘述。
通过上述确定激光雷达速度的方法,所用数据量较小,可以提高确定激光雷达速度的效率。并且,由于可以准确的确定扫描点的扫描坐标、极坐标,所以利用上述方法确定激光雷达的速度具有较高的准确性。
在一种可能的实现方式中,在所述基于当前时刻下的点云中的至少三个点、所述约束函数,确定所述机器人的速度之前,所述方法还包括:基于各点云中的点的极坐标、扫描坐标,确定描述点云中点的扫描坐标误差的误差函数,根据各点云中的点的扫描坐标,确定各所述误差函数的值;按照所述误差函数的值对所述各点云中的点进行排序;利用所述误差函数值小于误差阈值的点的扫描坐标,确定所述激光雷达的速度。
由于激光雷达设备自身的误差,例如:测量噪声,和/或上述计算过程中的误差,例如:泰勒展开时去掉了高阶项造成的误差。所以,确定出的激光雷达的速度可能会具有较大误差。为了降低误差,可以对扫描点进行挑选,选择使得误差函数的值小于预先设定的误差阈值的点(点云中的点)作为目标点,利用目标点的扫描坐标,确定出激光雷达的速度。这里的误差函数可以根据扫描点的极坐标、扫描坐标建立。本公开实施例对误差函数的形式不做限定。
在一种可能的实现方式中,在所述根据所述第一时刻下的激光雷达扫描范围、所述相邻时刻下的激光雷达扫描范围,确定约束函数之后,所述方法还包括:可以根据所述约束函数,定义几何残差;根据所述几何残差确定优化函数;根据所述优化函数确定出当所述优化函数数值最小时所对应的激光雷达的速度。
为了进一步地提高确定激光雷达的速度的准确性,可以建立几何残差,然后基于几何残差建立优化函数;将各扫描点的扫描坐标带入到优化函数中,确定出优化函数值最小时激光雷达的速度。下面举例说明这一过程。
首先,建立几何残差ρ(ξ),例如,几何残差可以是公式(9)表示的形式。
其中,ξ表示激光雷达的速度,ξ=(vx,vy,ω),vx表示激光雷达在X轴方向上的线速度,vy表示激光雷达在Y轴方向上的线速度,ω表示激光雷达的角速度。
然后,根据几何残差,确定优化函数F(ρ),例如,优化函数可以是公式(10)的表示形式。
其中,k表示可调节的参数。
接下来,将扫描范围中的各扫描点的扫描坐标带入到优化函数中,确定出当优化函数数值最小时所对应的激光雷达的速度ξM。为了便于理解,本公开实施例可以使用公式(11)来表示ξM
其中,H表示扫描范围中的H个扫描点,i表示第i个扫描点。
在本公开实施例中,确定ξM的过程可以是一个迭代计算的过程,为了较好的处理扫描点中的离群点,降低离群点对于所确定的激光雷达速度的准确性的影响的概率,可以在本次迭代后,下一次迭代前,进行权重更新。这里的权重γ可以与几何残差ρ相关,进而权重γ可以表示为公式(12)的形式。
在一种可能的实现方式中,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:在确定所述轮子打滑且所述机器人所处环境中存在动态物体的情况下,基于表征动态物体的点云以外的点云,确定所述机器人的位姿。
若动态物体信息指示机器人所处环境中存在动态物体,则说明各帧点云中,点与点相对位置的变化不一定是由于机器人位姿的变化造成的,可能是由于动态物体的移动造成的。在这种情况下,使用点云确定的激光雷达的速度可能具有较大的误差。
所以,可以根据动态物体信息确定出表征动态物体的点云,在利用点云确定激光雷达速度的过程中,将表征动态物体的点云排除,使用点云中除去表征动态物体点云之外的点云中的点,来确定出激光雷达的速度。因此,可以降低动态物体对于确定激光雷达速度准确性的影响,提高确定出的激光雷达的速度的准确性。基于除去表征动态物体点云之外的点云中的点,来确定激光雷达的速度的具体实现方式,可参见本公开提供的可能的实现方式,此处不做赘述。
因此,本公开实施例即使在机器人轮子打滑而且环境中存在动态物体的情况下,依然获得较准确的激光雷达的速度,以及可以得到较准确的机器人的行进速度,进而可以提高在这一场景下获得的机器人的位姿的准确性,且无需使用昂贵的高精度传感器,降低了机器人的成本。
在一种可能的实现方式中,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:在确定所述轮子未打滑且所述机器人所处环境中存在动态物体的情况下,根据所述第一轮速和/或所述第二轮速,确定所述机器人的位姿。
若轮子打滑信息指示轮子未打滑,则说明,轮式里程计测定的数据具有较高的可信度、准确性。因此,在这种情况下,轮式里程计测定的数据可以被用来确定机器人的位姿。所以,可以利用第一轮速来确定机器人的位姿。
由于在短时间内IMU的累积误差还不明显,所以第二轮速与第一轮速的差异较小。因此,在IMU累积误差不明显的情况下,也可以使用第二轮速确定机器人的位姿。
在这一场景下轮式里程计测定的数据比较可靠。然而,激光里程计测定的数据的准确性可能会受到表征动态物体的点云的影响,所以,在这一场景下,可以不使用激光里程计测定的数据,而使用轮式里程计测定的数据便可以获得较准确的机器人的位姿。
在一种可能的实现方式中,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:在确定所述轮子未打滑且所述机器人所处环境中不存在动态物体的情况下,基于所述第一轮速或第二轮速与所述点云的融合数据,确定所述机器人的位姿。
前文提到,若轮子打滑信息指示轮子未打滑,则说明,轮式里程计测定的数据具有较高的可信度。若动态物体信息指示机器人所处环境中不存在动态物体,可以利用点云来确定机器人的位姿。
所以,在这一场景下,轮式里程计测定的数据和激光里程计测定的数据均可以用于确定机器人的位姿。因此,第一轮速和点云可以用于确定机器人的位姿。
如前文所述,由于在短时间内IMU的累积误差还不明显,所以第二轮速与第一轮速的差异较小。在IMU累积误差不明显的情况下,也可以使用第二轮速和点云确定机器人的位姿。
为了进一步提高确定的机器人位姿的准确性,降低使用里程计测定的数据的误差和/或降低利用里程计测定的数据确定机器人位姿过程中的误差,在本公开实施例中,可以将两种里程计测定的数据进行融合,获得融合数据,然后根据融合数据确定出机器人的位姿。比如:可以使用扩展卡尔曼滤波对第一轮速和点云进行融合。相关技术中记载了将两种里程计测定的数据进行融合的方法,以及根据融合数据确定机器人位姿的方法,这里不再赘述。
基于本公开实施例的方法,可以降低机器人的轮子打滑和/或机器人所处的环境中存在动态物体影像确定的机器人的位姿的准确性的概率,提高了确定机器人位姿的准确性。而且,本公开实施例的方法,弥补了轮式里程计、激光里程计、IMU在测定机器人位姿时的不足,适用于较多常见无法准确确定机器人位姿的场景。并且,本公开实施例的方法并未使用高成本的装置,所以可以实现在维持低成本的前提下,获得准确的机器人位姿的技术效果。
在一种可能的实现方式中,机器人可以包括:轮式里程计模块、激光里程计模块、轮子打滑检验模块、动态障碍物检测模块、判断模块。根据本公开实施例中的机器人,下面详细介绍确定机器人位姿的流程。
图2示出根据本公开一实施例的确定位姿的方法的流程图。如图2所示,所述方法包括:
第一,轮式里程计模块测定第一数据以及激光里程计模块测定的第二数据。第一数据包括:机器人的轮速等。第二数据包括:点云数据等。轮子打滑检测模块确定出轮子打滑信息;障碍物检测模块确定出动态物体信息。
第二,判断模块根据轮子打滑信息、动态物体信息,做出判断。判断出机器人的轮子是否打滑以及机器人所处环境是否存在动态物体。判断模块可以输出判断结果,判断结果包括:轮子打滑且环境中不存在动态物体、轮子打滑且环境中存在动态物体、轮子未打滑且环境中存在动态物体、轮子未打滑且环境中不存在动态物体。
第三,根据判断模块的判断结果确定出机器人的位姿。
在判断结果为轮子打滑且环境中不存在动态物体的情况下,基于第二数据,确定激光雷达的速度,进而确定出机器人的速度以及位姿。
在判断结果为轮子打滑且环境中存在动态物体的情况下,基于第二数据,去除掉表征该动态物体的点云,获得剩余点云;利用剩余点云确定激光雷达的速度,进而确定出机器人的速度以及位姿。
在判断结果为轮子未打滑且环境中存在动态物体的情况下,基于第一数据,确定激光雷达的速度,进而确定出机器人的速度以及位姿。
在判断结果为轮子未打滑且环境中不存在动态物体的情况下,可以融合第一数据及第二数据,获得融合数据,基于融合数据确定出机器人的位姿。
图3示出根据本公开一实施例的确定位姿的装置的框图。如图3所示,该确定位姿的装置30包括:
轮速获取单元31,用于获取机器人的第一轮速、第二轮速,所述第一轮速、所述第二轮速由不同传感器测出;
轮子打滑信息确定单元32,用于根据所述第一轮速、所述第二轮速,确定指示机器人的轮子是否打滑的轮子打滑信息;
动态物体信息确定单元33,用于根据描述所述机器人周围物体分布的相邻两帧点云,确定描述所述机器人周围物体移动情况的动态物体信息;
位姿确定单元34,用于基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿。
在一种可能的实现方式中,所述位姿确定单元34,包括:
第一位姿确定子单元,用于在确定所述轮子打滑且所述机器人所处环境中不存在动态物体的情况下,基于所述点云,确定所述机器人的位姿。
在一种可能的实现方式中,所述位姿确定单元34,包括:
第二位姿确定子单元,用于在确定所述轮子打滑且所述机器人所处环境中存在动态物体的情况下,基于表征动态物体的点云以外的点云,确定所述机器人的位姿。
在一种可能的实现方式中,所述位姿确定单元34,包括:
第三位姿确定子单元,用于在确定所述轮子未打滑且所述机器人所处环境中存在动态物体的情况下,根据所述第一轮速和/或所述第二轮速,确定所述机器人的位姿。
在一种可能的实现方式中,所述位姿确定单元34,包括:
第四位姿确定子单元,用于在确定所述轮子未打滑且所述机器人所处环境中不存在动态物体的情况下,基于所述第一轮速或第二轮速与所述点云的融合数据,确定所述机器人的位姿。
在一种可能的实现方式中,所述第一位姿确定子单元,包括:
相邻时刻扫描范围确定单元,用于根据第一时刻下的激光雷达扫描范围、所述第一时刻与相邻时刻的时间差、所述相邻时刻下相对于所述第一时刻点云中的至少一个点的扫描坐标的变化量,确定所述相邻时刻下的激光雷达扫描范围;
约束函数确定单元,用于根据所述第一时刻下的激光雷达扫描范围、所述相邻时刻下的激光雷达扫描范围,确定约束函数;
机器人速度确定单元,用于基于当前时刻下的点云中的至少三个点、所述约束函数,确定所述机器人的速度;
所述第一位姿确定子单元,用于根据所述机器人的速度,确定所述机器人的位姿。
在一种可能的实现方式中,所述机器人速度确定单元,包括:
点坐标确定单元,用于获取所述当前时刻下的点云中的至少三个点在预设极坐标系下的极坐标,以及在笛卡尔坐标系下的笛卡尔坐标;
机器人速度确定子单元,用于基于所述极坐标,所述笛卡尔坐标,根据所述约束函数,确定所述机器人的速度。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为在执行所述存储器存储的指令时,实现上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
图4是根据一示例性实施例示出的一种用于确定位姿的装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图4,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理***,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由装置800的处理器820执行以完成上述方法。
图5是根据一示例性实施例示出的一种用于确定位姿的装置1900的框图。例如,装置1900可以被提供为一服务器或终端设备。参照图5,装置1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理,一个有线或无线网络接口1950被配置为将装置1900连接到网络,和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作***,例如Windows ServerTM,MacOS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种确定位姿的方法,其特征在于,包括:
获取机器人的第一轮速、第二轮速,所述第一轮速、所述第二轮速由不同传感器测出;
根据所述第一轮速、所述第二轮速,确定指示机器人的轮子是否打滑的轮子打滑信息;
根据描述所述机器人周围物体分布的相邻两帧点云,确定描述所述机器人周围物体移动情况的动态物体信息;
基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿。
2.根据权利要求1所述的方法,其特征在于,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:
在确定所述轮子打滑且所述机器人所处环境中不存在动态物体的情况下,基于所述点云,确定所述机器人的位姿。
3.根据权利要求1所述的方法,其特征在于,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:
在确定所述轮子打滑且所述机器人所处环境中存在动态物体的情况下,基于表征动态物体的点云以外的点云,确定所述机器人的位姿。
4.根据权利要求1所述的方法,其特征在于,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:
在确定所述轮子未打滑且所述机器人所处环境中存在动态物体的情况下,根据所述第一轮速和/或所述第二轮速,确定所述机器人的位姿。
5.根据权利要求1所述的方法,其特征在于,所述基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿,包括:
在确定所述轮子未打滑且所述机器人所处环境中不存在动态物体的情况下,基于所述第一轮速或第二轮速与所述点云的融合数据,确定所述机器人的位姿。
6.根据权利要求2所述的方法,其特征在于,所述基于所述点云,确定所述机器人的位姿,包括:
根据第一时刻下的激光雷达扫描范围、所述第一时刻与相邻时刻的时间差、所述相邻时刻下相对于所述第一时刻点云中的至少一个点的扫描坐标的变化量,确定所述相邻时刻下的激光雷达扫描范围;
根据所述第一时刻下的激光雷达扫描范围、所述相邻时刻下的激光雷达扫描范围,确定约束函数;
基于当前时刻下的点云中的至少三个点、所述约束函数,确定所述机器人的速度;
根据所述机器人的速度,确定所述机器人的位姿。
7.根据权利要求6所述的方法,其特征在于,所述基于当前时刻下的点云中的至少三个点、所述约束函数,确定所述机器人的速度,包括:
获取所述当前时刻下的点云中的至少三个点在预设极坐标系下的极坐标,以及在笛卡尔坐标系下的笛卡尔坐标;
基于所述极坐标,所述笛卡尔坐标,根据所述约束函数,确定所述机器人的速度。
8.一种确定位姿的装置,其特征在于,包括:
轮速获取单元,用于获取机器人的第一轮速、第二轮速,所述第一轮速、所述第二轮速由不同传感器测出;
轮子打滑信息确定单元,用于根据所述第一轮速、所述第二轮速,确定指示机器人的轮子是否打滑的轮子打滑信息;
动态物体信息确定单元,用于根据描述所述机器人周围物体分布的相邻两帧点云,确定描述所述机器人周围物体移动情况的动态物体信息;
位姿确定单元,用于基于所述轮子打滑信息、所述动态物体信息,确定所述机器人的位姿。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为在执行所述存储器存储的指令时,实现权利要求1至7中任意一项所述的方法。
10.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210793677.XA CN115164874A (zh) | 2022-07-05 | 2022-07-05 | 确定位姿的方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210793677.XA CN115164874A (zh) | 2022-07-05 | 2022-07-05 | 确定位姿的方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115164874A true CN115164874A (zh) | 2022-10-11 |
Family
ID=83490786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210793677.XA Pending CN115164874A (zh) | 2022-07-05 | 2022-07-05 | 确定位姿的方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115164874A (zh) |
-
2022
- 2022-07-05 CN CN202210793677.XA patent/CN115164874A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596116B (zh) | 测距方法、智能控制方法及装置、电子设备和存储介质 | |
CN110246182B (zh) | 基于视觉的全局地图定位方法、装置、存储介质和设备 | |
CN109725329B (zh) | 一种无人车定位方法及装置 | |
CN111551191B (zh) | 传感器外参数标定方法及装置、电子设备和存储介质 | |
CN110543850B (zh) | 目标检测方法及装置、神经网络训练方法及装置 | |
CN111881827B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN111323007B (zh) | 定位方法及装置、电子设备和存储介质 | |
CN113074726A (zh) | 位姿确定方法及装置、电子设备和存储介质 | |
CN112229424B (zh) | 视觉惯性***的参数标定方法及装置、电子设备和介质 | |
CN112433211B (zh) | 一种位姿确定方法及装置、电子设备和存储介质 | |
CN111625764B (zh) | 移动数据的校准方法、装置、电子设备和存储介质 | |
JP7182020B2 (ja) | 情報処理方法、装置、電子機器、記憶媒体およびプログラム | |
CN111860373B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN110865405A (zh) | 融合定位方法及装置、移动设备控制方法及电子设备 | |
CN112146576A (zh) | 尺寸测量方法及其装置 | |
CN115164874A (zh) | 确定位姿的方法及装置、电子设备和存储介质 | |
CN111832338A (zh) | 对象检测方法及装置、电子设备和存储介质 | |
WO2022110777A1 (zh) | 定位方法及装置、电子设备、存储介质、计算机程序产品、计算机程序 | |
WO2022110801A1 (zh) | 数据处理方法及装置、电子设备和存储介质 | |
CN113157848A (zh) | 航路确定方法及装置、电子设备和存储介质 | |
CN112162292A (zh) | 点云数据处理方法及其装置 | |
CN116540252B (zh) | 基于激光雷达的速度确定方法、装置、设备及存储介质 | |
CN117522711A (zh) | 数据融合方法及装置、电子设备和存储介质 | |
CN116698006A (zh) | 同步定位与建图参数确定方法、装置、设备及存储介质 | |
CN112215429A (zh) | 基于历史轨迹的轨迹预测方法及装置 |
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 |