机器人的室内定位方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及一种机器人的室内定位方法、装置、电子设备及存储介质，其中，方法包括：获取机器人的编码器数据、惯性测量单元IMU数据、雷达数据和视频数据，根据编码器数据和IMU数据得到里程测量数据，并根据里程测量数据和预设的机器人运动学模型，得到每个粒子当前时刻的先验位姿数据，根据雷达数据和视频数据计算每个粒子权重的实际估计值，并将根据先验位姿数据和每个粒子权重的实际估计值得到的权重最高的一族粒子的平均位姿，作为机器人的位姿估计值，且根据所述机器人的位姿估计值得到所述机器人的室内定位。由此，解决了机器人在具有相似场景的室内环境全局定位困难的问题，实现机器人在室内的有地图条件下的快速重定位。机器人在室内的有地图条件下的快速重定位。机器人在室内的有地图条件下的快速重定位。

【技术实现步骤摘要】
机器人的室内定位方法、装置、电子设备及存储介质


[0001]本申请涉及机器人定位
，特别涉及一种机器人的室内定位方法、装置、电子设备及存储介质。

技术介绍

[0002]随着农业自动化的发展，农业机器人成为了农业生产中重要的生产力工具。为了提高农业机器人的自动化程度，用户需要解决机器人在农机库中的自动驾驶问题，而自动驾驶的一个基础条件就是机器人的自主定位。
[0003]相关技术中，常见的定位系统包括：惯性导航系统、无线电信标、二维码信标、视觉里程计、GPS(Global Positioning System，定时测距导航卫星全球定位系统)和多传感器融合技术等。
[0004]然而，上述系统在工作时往往会出现易受干扰，导致定位不准确，或者单独使用某个系统，定位能力不足等问题，亟待解决。

技术实现思路

[0005]本申请提供一种机器人的室内定位方法、装置、电子设备及存储介质，以解决机器人在具有相似场景的室内环境全局定位困难的问题，实现了机器人在室内的有地图条件下的快速重定位。
[0006]为达到上述目的，本申请第一方面实施例提出一种机器人的室内定位方法，包括以下步骤：
[0007]获取机器人的编码器数据、惯性测量单元IMU(Inertial Measurement Unit)数据、雷达数据和视频数据；
[0008]根据所述编码器数据和所述IMU数据得到里程测量数据，并根据所述里程测量数据和预设的机器人运动学模型，得到每个粒子当前时刻的先验位姿数据；以及
[0009]根据所述雷达数据和所述视频数据计算每个粒子权重的实际估计值，并根据所述先验位姿数据和所述每个粒子权重的实际估计值得到权重最高的一族粒子的平均位姿，并将所述权重最高的一族粒子的平均位姿作为所述机器人的位姿估计值，且根据所述机器人的位姿估计值得到所述机器人的室内定位。
[0010]根据本申请的一个实施例，根据所述先验位姿数据和所述每个粒子权重的实际估计值得到权重最高的一族粒子的平均位姿，包括：
[0011]基于所述每个粒子权重的实际估计值，识别权重的实际估计值小于第一预设阈值的待剔除粒子；
[0012]剔除所述待剔除粒子，并在剩余粒子的预设范围内散布满足预设散布条件的目标粒子，且在预设时长后根据所述先验位姿数据、所述目标粒子的散布结果和剩余粒子权重的实际估计值得到所述权重最高的一族粒子的平均位姿。
[0013]根据本申请的一个实施例，所述根据所述雷达数据和所述视频数据计算每个粒子
权重的实际估计值，包括：
[0014]基于预设的权重估计公式，根据所述雷达数据和所述视频数据计算每个粒子权重的实际估计值，其中，所述预设的权重估计公式为：
[0015]W＝W
L
×
W
C
；
[0016]其中，W为所述粒子权重的实际估计值；W
L
为利用所述雷达数据计算的粒子权重；W
C
为利用所述视频数据计算的粒子权重。
[0017]根据本申请的一个实施例，所述视频数据估计的粒子权重为：
[0018]W
C
＝W
Cd
(d)
×
W
Cα
(α)；
[0019]其中，其中，
[0020]根据本申请的一个实施例，所述编码器数据包括第一编码器读取数据和第二编码器读取数据，在根据所述编码器数据和所述IMU数据得到所述里程测量数据之前，还包括：
[0021]根据所述第一编码器读取数据和所述第二编码器读取数据的平均值得到所述编码器数据。
[0022]根据本申请的一个实施例，上述的机器人的室内定位方法，还包括：
[0023]基于所述视频数据对应的二维码信标，从信标编号表查找得到所述视频数据在地图坐标系的位置。
[0024]根据本申请实施例提出的机器人的室内定位方法，通过根据机器人的编码器数据和IMU数据得到里程测量数据，并将里程测量数据和预设的机器人运动学模型进行估计，得到每个粒子当前时刻的先验位姿数据，根据雷达数据和视频数据计算每个粒子权重的实际估计值，并将根据先验位姿数据和每个粒子权重的实际估计值得到的权重最高的一族粒子的平均位姿，作为机器人的位姿估计值，且根据所述机器人的位姿估计值得到所述机器人的室内定位。由此，解决了机器人在具有相似场景的室内环境全局定位困难的问题，实现了机器人在室内的有地图条件下的快速重定位。
[0025]为达到上述目的，本申请第二方面实施例提出一种机器人的室内定位装置，包括：
[0026]获取模块，用于获取机器人的编码器数据、惯性测量单元IMU数据、雷达数据和视频数据；
[0027]结果模块，用于根据所述编码器数据和所述IMU数据得到里程测量数据，并根据所述里程测量数据和预设的机器人运动学模型，得到每个粒子当前时刻的先验位姿数据；以及
[0028]定位模块，用于根据所述雷达数据和所述视频数据计算每个粒子权重的实际估计值，并根据所述先验位姿数据和所述每个粒子权重的实际估计值得到权重最高的一族粒子的平均位姿，并将所述权重最高的一族粒子的平均位姿作为所述机器人的位姿估计值，且根据所述机器人的位姿估计值得到所述机器人的室内定位。
[0029]根据本申请的一个实施例，所述定位模块，具体用于：
[0030]基于所述每个粒子权重的实际估计值，识别权重的实际估计值小于第一预设阈值
的待剔除粒子；
[0031]剔除所述待剔除粒子，并在剩余粒子的预设范围内散布满足预设散布条件的目标粒子，且在预设时长后根据所述先验位姿数据、所述目标粒子的散布结果和剩余粒子权重的实际估计值得到所述权重最高的一族粒子的平均位姿。
[0032]根据本申请的一个实施例，所述定位模块，具体用于：
[0033]基于预设的权重估计公式，根据所述雷达数据和所述视频数据计算每个粒子权重的实际估计值，其中，所述预设的权重估计公式为：
[0034]W＝W
L
×
W
C
；
[0035]其中，W为所述粒子权重的实际估计值；W
L
为利用所述雷达数据计算的粒子权重；W
C
为利用所述视频数据计算的粒子权重。
[0036]根据本申请的一个实施例，所述视频数据估计的粒子权重为：
[0037]W
C
＝W
Cd
(d)
×
W
Cα
(α)；
[0038]其中，其中，
[0039]根据本申请的一个实施例，所述编码器数据包括第一编码器读取数据和第二编码器读取数据，在根据所述编码器数据和所述IMU数据得到所述里程测量数据之前，所述结果模块，还用于：
[0040]根据所述第一编码器读取数据和所述第二编码器读取数据的平均值得到所述编码器数据。
[0041]根据本申请的一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人的室内定位方法，其特征在于，包括以下步骤：获取机器人的编码器数据、惯性测量单元IMU数据、雷达数据和视频数据；根据所述编码器数据和所述IMU数据得到里程测量数据，并根据所述里程测量数据和预设的机器人运动学模型，得到每个粒子当前时刻的先验位姿数据；以及根据所述雷达数据和所述视频数据计算每个粒子权重的实际估计值，并根据所述先验位姿数据和所述每个粒子权重的实际估计值得到权重最高的一族粒子的平均位姿，并将所述权重最高的一族粒子的平均位姿作为所述机器人的位姿估计值，且根据所述机器人的位姿估计值得到所述机器人的室内定位。2.根据权利要求1所述的方法，其特征在于，根据所述先验位姿数据和所述每个粒子权重的实际估计值得到权重最高的一族粒子的平均位姿，包括：基于所述每个粒子权重的实际估计值，识别权重的实际估计值小于第一预设阈值的待剔除粒子；剔除所述待剔除粒子，并在剩余粒子的预设范围内散布满足预设散布条件的目标粒子，且在预设时长后根据所述先验位姿数据、所述目标粒子的散布结果和剩余粒子权重的实际估计值得到所述权重最高的一族粒子的平均位姿。3.根据权利要求1所述的方法，其特征在于，所述根据所述雷达数据和所述视频数据计算每个粒子权重的实际估计值，包括：基于预设的权重估计公式，根据所述雷达数据和所述视频数据计算每个粒子权重的实际估计值，其中，所述预设的权重估计公式为：W＝W
L
×
W
C
；其中，W为所述粒子权重的实际估计值，W
L
为利用所述雷达数据计算的粒子权重，W
C
为利用所述视频数据计算的粒子权重。4.根据权利要求3所述的方法，其特征在于，所述视频数据估计的粒子权重为：W
C
＝
Cd
()
×
W
Cα
()；其中，其中，5.根据权利要求3所述的方法，其特征在于，所述编码器数据包括第一编码器读取数据和第二编码器读取数据，在根据所述编码器数据和所述IMU数据得到所述里程测量数据之前，还包括：根据所述第一编码器读取数据和所述第二编码器读取数据的平均值得到所述编码器数据。6.根据权利要求1所述的方法，其特征在于，还包括：基于所述视频数据对应的二维码信标，从信标编号表查找得到所述视频数据在地图坐标系的位置。7.一种机器人的室内定位装置，其特征在于，包括：
获取模块，用于获取机器人的编码器数据、惯性测量单元IMU数据、雷达数据和视频数据；结果模块，用于根据所述编码器数据和所述IMU数据...

【专利技术属性】
技术研发人员：张涛，徐皓天，卓晴，李斌，
申请(专利权)人：清华大学，
类型：发明
国别省市：